基于交易数据的异常行为检测方法、装置、设备及介质制造方法及图纸

本申请公开了基于交易数据的异常行为检测方法、装置、设备及介质，获取设定时间段内的交易信息的各个字段，以及各个字段的各个属性值，对各个字段进行组合，得到各个初始组合字段之后，根据各个差异性表征值对各个初始组合字段进行筛选。一方面节省了异常行为检测的计算资源消耗，提高处理速度，另一方面，根据各个差异性表征值对各个初始组合字段进行筛选，提高了异常行为检测的准确性。进而针对各个目标组合字段，根据该目标组合字段的各个初始属性组合的联合概率和条件概率进行筛选，然后再确定保留的各个目标属性组合各自对应的异常属性评价值，最后根据异常属性评价值进行异常行为检测。进一步提高了异常行为检测的准确性。为检测。进一步提高了异常行为检测的准确性。为检测。进一步提高了异常行为检测的准确性。

【技术实现步骤摘要】
基于交易数据的异常行为检测方法、装置、设备及介质


[0001]本申请涉及金融
，尤其涉及基于交易数据的异常行为检测方法、装置、设备及介质。

技术介绍

[0002]当今支付产业发展日新月异，支付服务和金融科技逐渐紧密结合，支付服务趋于安全，高效和便捷。各大金融机构和非金支付机构的业务部门定期会策划举办活动，吸引大量用户，给用户提供优惠和舒适的支付体验。然而这些公司定期开展的各种形式的营销活动，往往也吸引了违规人员的参与。违规人员参与营销活动从而实现非正常获利。违规人员参与营销活动的行为称为异常行为，金融领域对于异常行为的检测有利于营销活动的有序开展以及对异常行为的打击。
[0003]现有技术在检测异常行为时，一般是根据从系统中获取的各个异常交易样本分别对应的用户交易地理位置信息，对各个异常交易样本进行聚类处理，基于聚类结果进一步检测异常行为。现有技术存在的问题是，仅通过用户的交易地理位置进行异常行为检测，数据维度较少，缺少有效的额外信息，使得异常行为检测的准确性较差。

技术实现思路

[0004]本申请实施例提供了基于交易数据的异常行为检测方法、装置、设备及介质，用以解决现有的异常行为检测准确性较差的问题。
[0005]第一方面，本申请提供了一种基于交易数据的异常行为检测方法，所述方法包括：
[0006]获取设定时间段内的交易信息的各个字段，以及各个字段的各个属性值；
[0007]对所述各个字段进行组合，得到各个初始组合字段；针对所述各个初始组合字段，根据该初始组合字段对应的各个属性值，确定该初始组合字段的差异性表征值；根据各个差异性表征值对所述各个初始组合字段进行筛选，得到各个目标组合字段；
[0008]针对所述各个目标组合字段，对该目标组合字段中的各个属性值进行组合，得到各个初始属性组合；针对所述各个初始属性组合，根据该初始属性组合中各个属性值的出现次数，确定该初始属性组合的联合概率和条件概率；根据各个联合概率和条件概率，对各个初始属性组合进行筛选，得到各个目标属性组合；
[0009]根据各个目标属性组合各自对应的交易卡数量，确定各个目标属性组合各自对应的异常属性评价值；根据异常属性评价值进行异常行为检测。
[0010]第二方面，本申请提供了一种基于交易数据的异常行为检测装置，所述装置包括：
[0011]获取模块，用于获取设定时间段内的交易信息的各个字段，以及各个字段的各个属性值；
[0012]筛选模块，用于对所述各个字段进行组合，得到各个初始组合字段；针对所述各个初始组合字段，根据该初始组合字段对应的各个属性值，确定该初始组合字段的差异性表征值；根据各个差异性表征值对所述各个初始组合字段进行筛选，得到各个目标组合字段；
[0013]确定模块，用于针对所述各个目标组合字段，对该目标组合字段中的各个属性值进行组合，得到各个初始属性组合；针对所述各个初始属性组合，根据该初始属性组合中各个属性值的出现次数，确定该初始属性组合的联合概率和条件概率；根据各个联合概率和条件概率，对各个初始属性组合进行筛选，得到各个目标属性组合；
[0014]检测模块，用于根据各个目标属性组合各自对应的交易卡数量，确定各个目标属性组合各自对应的异常属性评价值；根据异常属性评价值进行异常行为检测。
[0015]第三方面，本申请提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
[0016]存储器，用于存放计算机程序；
[0017]处理器，用于执行存储器上所存放的程序时，实现上述任一项所述的方法步骤。
[0018]第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法步骤。
[0019]本申请提供了基于交易数据的异常行为检测方法、装置、设备及介质，所述方法包括：获取设定时间段内的交易信息的各个字段，以及各个字段的各个属性值；对所述各个字段进行组合，得到各个初始组合字段；针对所述各个初始组合字段，根据该初始组合字段对应的各个属性值，确定该初始组合字段的差异性表征值；根据各个差异性表征值对所述各个初始组合字段进行筛选，得到各个目标组合字段；针对所述各个目标组合字段，对该目标组合字段中的各个属性值进行组合，得到各个初始属性组合；针对所述各个初始属性组合，根据该初始属性组合中各个属性值的出现次数，确定该初始属性组合的联合概率和条件概率；根据各个联合概率和条件概率，对各个初始属性组合进行筛选，得到各个目标属性组合；根据各个目标属性组合各自对应的交易卡数量，确定各个目标属性组合各自对应的异常属性评价值；根据异常属性评价值进行异常行为检测。
[0020]上述的技术方案具有如下优点或有益效果：
[0021]本申请中，获取设定时间段内的交易信息的各个字段，以及各个字段的各个属性值，对各个字段进行组合，得到各个初始组合字段之后，根据各个差异性表征值对各个初始组合字段进行筛选。一方面节省了异常行为检测的计算资源消耗，提高处理速度，另一方面，根据各个差异性表征值对各个初始组合字段进行筛选，提高了异常行为检测的准确性。进而针对各个目标组合字段，根据该目标组合字段的各个初始属性组合的联合概率和条件概率进行筛选，然后再确定保留的各个目标属性组合各自对应的异常属性评价值，最后根据异常属性评价值进行异常行为检测。本申请结合交易信息中所有的字段和属性值实现异常行为检测，数据维度更多，进一步提高了异常行为检测的准确性。
附图说明
[0022]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1为本申请提供的基于交易数据的异常行为检测过程示意图；
[0024]图2为本申请提供的基于交易数据的异常行为检测流程图；
[0025]图3为本申请提供的基于交易数据的异常行为检测装置结构示意图；
[0026]图4为本申请提供的电子设备结构示意图。
具体实施方式
[0027]为使本申请的目的和实施方式更加清楚，下面将结合本申请示例性实施例中的附图，对本申请示例性实施方式进行清楚、完整地描述，显然，描述的示例性实施例仅是本申请一部分实施例，而不是全部的实施例。
[0028]需要说明的是，本申请中对于术语的简要说明，仅是为了方便理解接下来描述的实施方式，而不是意图限定本申请的实施方式。除非另有说明，这些术语应当按照其普通和通常的含义理解。
[0029]本申请中说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别类似或同类的对象或实体，而不必然意味着限定特定的顺序或先后次序，除非另外注明。应该理解这样使用的用语在适当情况下可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于交易数据的异常行为检测方法，其特征在于，所述方法包括：获取设定时间段内的交易信息的各个字段，以及各个字段的各个属性值；对所述各个字段进行组合，得到各个初始组合字段；针对所述各个初始组合字段，根据该初始组合字段对应的各个属性值，确定该初始组合字段的差异性表征值；根据各个差异性表征值对所述各个初始组合字段进行筛选，得到各个目标组合字段；针对所述各个目标组合字段，对该目标组合字段中的各个属性值进行组合，得到各个初始属性组合；针对所述各个初始属性组合，根据该初始属性组合中各个属性值的出现次数，确定该初始属性组合的联合概率和条件概率；根据各个联合概率和条件概率，对各个初始属性组合进行筛选，得到各个目标属性组合；根据各个目标属性组合各自对应的交易卡数量，确定各个目标属性组合各自对应的异常属性评价值；根据异常属性评价值进行异常行为检测。2.如权利要求1所述的方法，其特征在于，所述针对所述各个初始组合字段，根据该初始组合字段对应的各个属性值，确定该初始组合字段的差异性表征值包括：所述各个初始组合字段包括一元字段和多元组合字段；针对各个一元字段执行如下操作：若该一元字段为数值型字段，根据该一元字段的各个属性值的方差，确定该一元字段的差异性表征值；若该一元字段为二元属性字段，根据该一元字段的各个属性值的伯努利随机变量的方差，确定该一元字段的差异性表征值；若该一元字段为多元属性字段，分别确定每个属性的概率分布，根据每个概率分布的方差，确定该一元字段的差异性表征值；针对各个多元组合字段执行如下操作：分别确定该多元组合字段中每个字段的差异性表征值，根据所述每个字段的差异性表征值的平均值，确定该多元组合字段的差异性表征值。3.如权利要求1所述的方法，其特征在于，所述根据各个差异性表征值对所述各个初始组合字段进行筛选，得到各个目标组合字段包括：针对所述各个差异性表征值，若该差异性表征值大于设定的差异性表征阈值，将该差异性表征值对应的初始组合字段作为目标组合字段并保留，否则滤除该差异性表征值对应的初始组合字段。4.如权利要求1所述的方法，其特征在于，所述对所述各个字段进行组合，得到各个初始组合字段之前，所述方法还包括：针对所述交易信息中各个交易卡，若该交易卡的交易次数小于设定的次数阈值，将该交易卡的交易信息滤除。5.如权利要求1所述的方法，其特征在于，包括：针对所述各个目标组合字段的各个属性值，根据该属性值的出现次数确定该属性值的第一联合概率；保留大于设定联合概率阈值的第一联合概率对应的属性值；将保留的属性值任意组合得到各个二元属性组合，针对所述各个二元属性组合，根据该二元属性组合中各个属性值出现的次数确定该二元属性组合的第二联合概率和第一条件概率；保留大于设定联合概率阈值的第二联合概率，且大于设定条件概率阈值的第一条件概率对应的二元属性组合；将保留的各个二元属性组合与保留的各个属性值任意组合得到各个三元属性组合，并
基于设定联合概率阈值和设定条件概率阈值对各个三元属性组合进行筛选，继续迭代得到所有的属性组合，作为各个目标属性组合。6.如权利要求5所述的方法，其特征在于，所述根据该二元属性组合中各个属性值出现的次数确定该二元属性组合的第二联合概率和第一条件概率包括：根据该二元属性组合中各个属性值同时出现的次数与交易卡总数量的比值，确定所述第二联合概率；确定该二元属性组合中各个属性值各自的出现次数，并选取其中的最小次数，根据该二元属性组合中各个属性值同时出现的次数与所述最小次数的比值，确定所述第一条件概率。7.如权利要求1所述的方法，其特征在于，所述根据各个目标属性组合各自对应的交易卡数量，确定各个目标属性组合各自对应的异常属性评价值；根据异常属性评价值进行异常行为检测包括：针对各个目标组合字段，分别进行如下操作：选取对应的交易卡数量小于设定的数量阈值的各个第一目标属性组合，根据各个第一目标属性组合各自对应的交易卡数量的和值，与交易卡总数量的比值，确定第一子异常属性评价值；选取对应的交易卡数量最多的第二目标属性组合，确定除所述第二目标属性组合和所述各个第一目标属性组合之外的各个第三目标属性组合各自对应的交易卡数量的平均值，根据所述第二目标属性组合对应的交易卡数量与所述平均值的比值，确定第二子异常属性评价值；根据各个目标组合字段各自的第一子异常属性评价值和所述第二子异常属性评价值进行异常行为检测。8.如权利要求7所述的方法，其特征在于，所述根据各个目标组合字段各自的第一子异常属性评价值和所述第二子异常属性评价值进行异常行为检测包括：针对各个目标组合字段，按照包含的字段数量、第一子异常属性评价值和第二子异常属性评价值降序排列，选取排序在前的设定数量的目标组合字段，确定选取出的目标组合字段中的各个目标属性组合为异常行为对应的属性组合。9.一种基于交易数据的异常行为检测装置，其特征在于，所述...

【专利技术属性】
技术研发人员：龙俊辉，潘骏，邹勇，王颖卓，
申请(专利权)人：中国银联股份有限公司，
类型：发明
国别省市：