一种异常交易检测方法和装置制造方法及图纸

本发明专利技术实施例提供了一种异常交易检测方法和装置，可用于人工智能技术领域，所述方法包括：获取目标交易信息；通过构建的异常交易检测模型，对目标交易信息进行异常检测，得到检测结果，异常交易检测模型是通过无监督学习算法和信息熵原理训练得到的，通过无监督学习方式训练异常交易检测模型，节约资源，提高检测准确率。测准确率。测准确率。

【技术实现步骤摘要】
一种异常交易检测方法和装置


[0001]本专利技术涉及计算机
，特别涉及人工智能
，尤其涉及一种异常交易检测方法和装置。

技术介绍

[0002]在当今的金融领域，随着业务的不断发展以及人们消费观念的不断改变，信用卡已经被越来越多的客户认可并使用。作为一个具有两面性的金融产品，尽管其能带给客户便利的消费方式以及给发卡机构带来更多机遇。对信用卡的风险防控也是一个十分重要且具有挑战性的内容。相关技术中，通过监督方式进行学习，引入专家知识对一些异常交易进行手工打标处理，然后对每笔交易的行为进行特征化处理，最后基于这些特征训练出模型用于检测异常交易。在人力投入上比较大，浪费资源，而在实际应用中，某些场景下的异常交易也没有对应的标签，检测准确率较低。

技术实现思路

[0003]本专利技术的一个目的在于提供一种异常交易检测方法，通过无监督学习方式训练异常交易检测模型，节约资源，提高检测准确率。本专利技术的另一个目的在于提供一种异常交易检测装置。本专利技术的再一个目的在于提供一种计算机可读介质。本专利技术的还一个目的在于提供一种计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常交易检测方法，其特征在于，所述方法包括：获取目标交易信息；通过构建的异常交易检测模型，对所述目标交易信息进行异常检测，得到检测结果，所述异常交易检测模型是通过无监督学习算法和信息熵原理训练得到的。2.根据权利要求1所述的异常交易检测方法，其特征在于，在所述通过构建的异常交易检测模型，对所述目标交易信息进行异常检测，得到检测结果之前，还包括：获取历史交易信息；根据所述历史交易信息，构建异构交易网络；通过无监督学习算法和信息熵原理，根据所述异构交易网络进行模型训练，得到异常交易检测模型。3.根据权利要求2所述的异常交易检测方法，其特征在于，所述历史交易信息包括交易客户、交易商家、交易数据和交易客户特征；所述根据所述历史交易信息，构建异构交易网络，包括：根据所述交易客户、交易商家和交易数据，构建交易客户与交易商家之间的交易关系矩阵；根据预先设置的客户特征集和所述交易客户特征，构建交易客户的客户特征矩阵；将所述交易客户和交易商家作为节点，根据所述交易关系矩阵、客户特征集和客户特征矩阵，生成异构交易网络。4.根据权利要求2所述的异常交易检测方法，其特征在于，所述通过无监督学习算法和信息熵原理，根据所述异构交易网络进行模型训练，得到异常交易检测模型，包括：将所述异构交易网络输入无监督学习算法，通过所述信息熵原理，对所述异构交易网络和预先划分的社团集合和特征子集进行编码，得到模型编码长度；通过启发式搜索算法，对所述模型编码长度进行最小值优化，使得所述模型编码长度最小，得到异常交易检测模型。5.根据权利要求4所述的异常交易检测方法，其特征在于，所述社团集合包括客户社团和商家社团；所述通过所述信息熵原理，对所述异构交易网络和预先划分的社团集合和特征子集进行编码，得到模型编码长度，包括：根据所述异构交易网络中的客户数量、商家数量、客户特征数量、客户社团中的客户数、...

【专利技术属性】
技术研发人员：陈灏然，宋林忆，董琳珏，魏嘉铖，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：