一种异常业务识别的方法、装置、存储介质及电子设备制造方法及图纸

本说明书提供了一种异常业务识别的方法、装置、存储介质及电子设备。在本说明书提供的异常业务识别方法中，将各业务分别作为各节点，根据业务信息判断各业务之间的关联关系，并根据关联关系确定各节点之间的边；根据确定出的各节点和边，构建业务图；针对每个节点，确定参与该节点对应的业务的用户，将预先获得的用户的用户特征添加到该节点的节点信息中，其中，用户特征是预先根据用户执行该业务的业务信息，确定出的用户对应于每个预设的可疑用户识别规则集的特征；当接收到针对目标业务的识别请求时，在业务图中提取目标业务对应的节点的子图；将子图输入预先训练的识别模型中，根据识别模型的输出结果识别所述目标业务是否为异常业务。为异常业务。为异常业务。

【技术实现步骤摘要】
一种异常业务识别的方法、装置、存储介质及电子设备


[0001]本说明书涉及计算机
，尤其涉及一种异常业务识别的方法、装置、存储介质及电子设备。

技术介绍

[0002]如今，线上服务的普及为用户的生活带来了极大的便利，线上业务已融入用户日常生活中，对用户隐私保护也越发重要。然而，在各种各样的业务中，可能会存在部分异常业务，通过多种非法手段，实现违法目的。例如，将非法获得的资金转变为可以使用的资金。通常情况下，异常业务的背后很可能会涉及到违法活动，由此可见，对异常业务的识别与追踪是十分重要的。
[0003]因此，如何在大量的业务中识别出异常业务是一个亟待解决的问题。

技术实现思路

[0004]本说明书提供一种异常业务识别的方法及异常业务识别装置，以部分的解决现有技术存在的上述问题。
[0005]本说明书采用下述技术方案：
[0006]本说明书提供了一种异常业务识别的方法，包括：
[0007]将各业务分别作为各节点，针对任意两个业务，根据该两个业务的业务信息判断该两个业务之间是否存在关联关系，并当该两个业务之间存在关联关系时，确定该两个业务对应的节点之间存在边；
[0008]根据确定出的各节点，以及确定出的各节点之间的边，构建业务图；
[0009]针对每个节点，确定历史上参与该节点对应的业务的用户，将预先获得的所述用户的用户特征添加到该节点的节点信息中，其中，所述用户特征是预先根据所述用户执行该业务的业务信息，确定出的所述用户对应于每个预设的可疑用户识别规则集的特征；
[0010]当接收到针对目标业务的识别请求时，在所述业务图中确定所述目标业务对应的节点作为目标节点，根据所述目标节点，从所述业务图中提取子图；
[0011]将所述子图输入预先训练的识别模型中，根据所述识别模型的输出结果识别所述目标业务是否为异常业务。
[0012]可选地，预先确定用户的用户特征，具体包括：
[0013]获取预先根据历史经验确定的识别可疑用户的分类条件以及可疑用户识别规则集，其中，每个可疑用户识别规则集包含若干个分类条件；
[0014]针对每个用户，根据历史上该用户执行的业务的业务信息，确定该用户的业务统计信息；
[0015]根据该用户的业务统计信息，确定该用户在各分类条件下的分类结果，并根据所述分类结果为该用户添加条件标签；
[0016]根据该用户的条件标签，确定该用户与各可疑用户识别规则集的匹配情况，并根
据所述匹配情况为该用户添加集匹配标签；
[0017]根据所述业务统计信息、所述条件标签以及所述集匹配标签，确定该用户的用户特征。
[0018]可选地，根据所述业务统计信息、所述条件标签以及所述集匹配标签，确定该用户的用户特征，具体包括：
[0019]将该用户的各业务统计信息、各条件标签以及各集匹配标签按照指定顺序存储，确定为该用户的用户特征。
[0020]可选地，根据该两个业务的业务信息判断该两个业务之间是否存在关联关系，具体包括：
[0021]若参与该两个业务的用户中至少存在一个相同用户，且该两个业务的发生时刻的间隔不大于指定时长，则确定该两个业务之间存在关联关系。
[0022]可选地，从所述业务图中提取目标业务的子图，具体包括：
[0023]从所述业务图中选取所述目标业务对应的目标节点，以及与所述目标节点之间的路径长度不大于指定长度的节点；
[0024]将选取的各节点以及所述选取的各节点之间的边构成的图作为所述目标业务的子图。
[0025]可选地，预先训练识别模型，具体包括：
[0026]确定样本业务，以及所述样本业务的标注；
[0027]根据已经构建的所述业务图，确定所述样本业务对应的子图，作为训练样本；
[0028]将所述训练样本输入待训练的识别模型中，确定所述识别模型输出的输出结果；
[0029]以所述输出结果与所述标注之间的差异最小为优化目标，对所述识别模型进行训练。
[0030]可选地，以所述识别结果与所述标注之间的差异最小为优化目标，对所述识别模型进行训练，具体包括：
[0031]根据所述样本业务的业务信息以及预设的规则，判断所述样本业务命中的异常业务识别规则集；
[0032]根据所述输出结果与所述标注，确定所述样本业务对应的训练样本的预测损失；
[0033]根据所述样本业务命中的异常业务识别规则集以及所述输出结果，确定所述样本业务对应的训练样本的规则损失，其中，所述样本业务命中的异常业务识别规则集数量越多，所述样本业务对应的训练样本的规则损失越小；
[0034]根据所述预测损失与所述规则损失，确定最终损失，并采用所述最终损失对所述识别模型进行训练。
[0035]本说明书提供了一种异常业务识别装置，包括：
[0036]确定模块，将各业务分别作为各节点，针对任意两个业务，根据该两个业务的业务信息判断该两个业务之间是否存在关联关系，并当该两个业务之间存在关联关系时，确定该两个业务对应的节点之间存在边；
[0037]构图模块，根据确定出的各节点，以及确定出的各节点之间的边，构建业务图；
[0038]添加模块，针对每个节点，确定历史上参与该节点对应的业务的用户，将预先获得的所述用户的用户特征添加到该节点的节点信息中，其中，所述用户特征是预先根据所述
用户执行该业务的业务信息，确定出的所述用户对应于每个预设的可疑用户识别规则集的特征；
[0039]提取模块，当接收到针对目标业务的识别请求时，在所述业务图中确定所述目标业务对应的节点作为目标节点，根据所述目标节点，从所述业务图中提取子图；
[0040]输入模块，将所述子图输入预先训练的识别模型中，根据所述识别模型的输出结果识别所述目标业务是否为异常业务。
[0041]本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述异常业务识别的方法。
[0042]本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述异常业务识别的方法。
[0043]本说明书采用的上述至少一个技术方案能够达到以下有益效果：
[0044]在本说明书提供的异常业务识别方法中，将各业务分别作为各节点，根据业务信息判断各业务之间的关联关系，并根据关联关系确定各节点之间的边；根据确定出的各节点和边，构建业务图；针对每个节点，确定参与该节点对应的业务的用户，将预先获得的用户的用户特征添加到该节点的节点信息中，其中，用户特征是预先根据用户执行该业务的业务信息，确定出的用户对应于每个预设的可疑用户识别规则集的特征；当接收到针对目标业务的识别请求时，在业务图中提取目标业务对应的节点的子图；将子图输入预先训练的识别模型中，根据识别模型的输出结果识别所述目标业务是否为异常业务。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常业务识别的方法，包括：将各业务分别作为各节点，针对任意两个业务，根据该两个业务的业务信息判断该两个业务之间是否存在关联关系，并当该两个业务之间存在关联关系时，确定该两个业务对应的节点之间存在边；根据确定出的各节点，以及确定出的各节点之间的边，构建业务图；针对每个节点，确定历史上参与该节点对应的业务的用户，将预先获得的所述用户的用户特征添加到该节点的节点信息中，其中，所述用户特征是预先根据所述用户执行该业务的业务信息，确定出的所述用户对应于每个预设的可疑用户识别规则集的特征；当接收到针对目标业务的识别请求时，在所述业务图中确定所述目标业务对应的节点作为目标节点，根据所述目标节点，从所述业务图中提取子图；将所述子图输入预先训练的识别模型中，根据所述识别模型的输出结果识别所述目标业务是否为异常业务。2.如权利要求1所述的方法，预先确定用户的用户特征，具体包括：获取预先根据历史经验确定的识别可疑用户的分类条件以及可疑用户识别规则集，其中，每个可疑用户识别规则集包含若干个分类条件；针对每个用户，根据历史上该用户执行的业务的业务信息，确定该用户的业务统计信息；根据该用户的业务统计信息，确定该用户在各分类条件下的分类结果，并根据所述分类结果为该用户添加条件标签；根据该用户的条件标签，确定该用户与各可疑用户识别规则集的匹配情况，并根据所述匹配情况为该用户添加集匹配标签；根据所述业务统计信息、所述条件标签以及所述集匹配标签，确定该用户的用户特征。3.如权利要求2所述的方法，根据所述业务统计信息、所述条件标签以及所述集匹配标签，确定该用户的用户特征，具体包括：将该用户的各业务统计信息、各条件标签以及各集匹配标签按照指定顺序存储，确定为该用户的用户特征。4.如权利要求1所述的方法，根据该两个业务的业务信息判断该两个业务之间是否存在关联关系，具体包括：若参与该两个业务的用户中至少存在一个相同用户，且该两个业务的发生时刻的间隔不大于指定时长，则确定该两个业务之间存在关联关系。5.如权利要求1所述的方法，从所述业务图中提取目标业务的子图，具体包括：从所述业务图中选取所述目标业务对应的目标节点，以及与所述目标节点之间的路径长度不大于指定长度的节点；将选取的各节点以及所述选取的各节点之间的边构成的图作为所述目标业务的子图。6.如权利要求1所述的方法，预先训练识别模型，具体包括：确定样本业务，以及所述样本业务的标注；根据已经构建的所述业务图，确定所述样本业务对应的子图，作为训练样本；将所述训练样本输入待训练的识别模型中，确定所述识别模型输出的输出结果；以所述输出结果与所述标注之间的差异最小为优化目标，对所述识别模型进行训练。
7.如权利要求6所述的方法，以所述识别结果与所述标注之间的差异最小为优化目标，对所述识别模型进行训练，具体包括：根据所述样本业务的业务信息以及预设的规则，判断所述样本业务命中的异常业务识别规则集；根据所述输出结果与所述标注，确定所述样本业务对应的训练样本的预测损失；根据所述样本业务命中的异常业务识别规则集以及所述输出结果，确定所述样本业务对应的训练样本的规则损失，其中，所述样本业务命中的异常业务识别规则集数量越多，所述样本业务对应的训练样本的规则损失越小；根据所述预测损失与所述规则损失，确定最终损失，并采用所述最终损失对所述识别模型进行训练。8.一种异常业务识别装置，包括：确定模块，用于将各业务分别作为各节点，针对任意两个业务，根据...

【专利技术属性】
技术研发人员：黄耀波，刘智欣，张天翼，武玥，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：