异常账户识别方法和装置、电子设备及存储介质制造方法及图纸

本申请提供了一种异常账户识别方法和装置、电子设备及存储介质，属于人工智能技术领域。方法包括：基于预设算法和账户归属地信息对原始账户进行筛选，得到目标账户；获取目标账户的账户基本信息、行为特征数据、访问场景数据；基于访问场景数据、账户基本信息、行为特征数据构建初始异构图；初始异构图包括初始账户节点和初始账户行为特征；对初始图节点和初始账户行为特征进行可疑度计算，得到初始节点可疑度和边可疑度；基于初始节点可疑度对初始异构图进行剪枝和异常评分，得到目标异构图；基于风险评估模型对目标异构图进行风险评分，得到风险评估数据；根据风险评估数据从目标异构图中识别出异常账户，能够提高异常账户识别的准确性。的准确性。的准确性。

【技术实现步骤摘要】
异常账户识别方法和装置、电子设备及存储介质


[0001]本申请涉及人工智能
，尤其涉及一种异常账户识别方法和装置、电子设备及存储介质。

技术介绍

[0002]目前的异常账户识别方法大多是基于对每个账户本身的特征进行异常分析，以确定该账户是否为异常账户，这一方式往往存在着识别准确性不高的问题，因此，如何提高异常账户的识别准确性，成为了亟待解决的技术问题。

技术实现思路

[0003]本申请实施例的主要目的在于提出一种异常账户识别方法和装置、电子设备及存储介质，旨在提高异常账户的识别准确性。
[0004]为实现上述目的，本申请实施例的第一方面提出了一种异常账户识别方法，所述方法包括：
[0005]获取原始账户的账户归属地信息，并基于预设算法和所述账户归属地信息对所述原始账户进行账户筛选，得到目标账户；
[0006]获取所述目标账户的目标访问数据和账户基本信息，其中，所述目标访问数据包括所述目标账户的行为特征数据、访问场景数据；
[0007]基于所述访问场景数据和所述账户基本信息确定初始图节点，基于所述行为特征数据确定初始访问行为序列，并根据所述初始访问行为序列和所述初始图节点构建初始异构图；其中，所述初始图节点包括初始账户节点，所述初始访问行为序列包括至少两个初始账户行为特征，每一所述初始账户行为特征连接两个相邻的初始图节点；
[0008]对所述初始图节点进行节点可疑度计算得到初始节点可疑度，并对所述初始访问行为序列进行边可疑度计算得到边可疑度；
[0009]基于所述初始节点可疑度对所述初始异构图进行剪枝处理，得到中间异构图，并对所述中间异构图进行异常评分，得到平均可疑度；
[0010]根据所述平均可疑度对所述中间异构图进行筛选，得到目标异构图；
[0011]基于预设的风险评分模型对所述目标异构图进行风险评分，得到风险评估数据；其中，所述风险评估数据用于表征所述目标异构图中的初始账户节点的风险程度；
[0012]根据所述风险评估数据从所述目标异构图中识别出异常账户。
[0013]在一些实施例，所述获取原始账户的账户归属地信息，并基于预设算法和所述账户归属地信息对所述原始账户进行账户筛选，得到目标账户，包括：
[0014]获取原始账户的账户归属地信息；
[0015]基于预设算法对每个所述原始账户的所述账户归属地信息进行编码处理，得到每个所述原始账户的位置编码数据；
[0016]基于所述位置编码数据对所述原始账户进行分类，得到多个候选账户集合；
[0017]对每一所述候选账户集合的原始账户进行数量统计，得到每一所述候选账户集合的账户总数；
[0018]基于所述账户总数对所述候选账户集合进行筛选，得到目标账户集合，并将所述目标账户集合的原始账户作为所述目标账户。
[0019]在一些实施例，所述基于预设算法对每个所述原始账户的所述账户归属地信息进行编码处理，得到每个所述原始账户的位置编码数据，包括：
[0020]提取所述账户归属地信息中的经度数据和纬度数据；
[0021]根据预设对照表对所述经度数据进行格式转换得到第一编码数据，并根据预设对照表对所述纬度数据进行格式转换得到第二编码数据；
[0022]对所述第一编码数据和所述第二编码数据进行合并处理，得到编码合并数据；
[0023]基于预设算法对所述编码合并数据进行编码转换，得到所述位置编码数据；
[0024]其中，所述第一编码数据、所述第二编码数据和所述编码合并数据为二进制数据，所述位置编码数据为字符串数据。
[0025]在一些实施例，所述对所述初始图节点进行节点可疑度计算得到初始节点可疑度，并对所述初始访问行为序列进行边可疑度计算得到边可疑度，包括：
[0026]获取所述初始账户行为特征的特征数量；
[0027]基于预设公式和所述特征数量进行边可疑度计算，得到每一所述初始账户行为特征的边可疑度；
[0028]根据所述初始账户行为特征和所述初始图节点的连接关系，将与所述初始图节点相连的所有初始账户行为特征的边可疑度进行求和，得到所述初始节点可疑度。
[0029]在一些实施例，所述基于所述初始节点可疑度对所述初始异构图进行剪枝处理，得到中间异构图，并对所述中间异构图进行异常评分，得到平均可疑度，包括：
[0030]根据所述初始节点可疑度，从所述初始图节点中筛选出中间图节点，其中，所述中间图节点为所述初始节点可疑度最小的初始图节点；
[0031]从所述初始异构图中剔除所述中间图节点，得到所述中间异构图；
[0032]获取所述中间异构图的图节点数量；
[0033]基于所述中间异构图的初始图节点，计算所述中间异构图的节点可疑分值；
[0034]根据预设公式、所述图节点数量、所述节点可疑分值对所述中间异构图进行异常评分，得到所述平均可疑度。
[0035]在一些实施例，所述风险评分模型包括特征提取层和多个预设的候选评分模板，所述基于预设的风险评分模型对所述目标异构图进行风险评分，得到风险评估数据，包括：
[0036]基于所述特征提取层对所述目标异构图进行节点特征提取，得到目标账户特征；
[0037]基于所述候选评分模板对所述目标账户特征进行风险评分，得到每一所述初始账户节点的风险评估数据。
[0038]在一些实施例，所述根据所述风险评估数据从所述目标异构图中识别出异常账户，包括：
[0039]比对所述风险评估数据和预设的风险阈值；
[0040]从所述目标异构图中选取所述风险评估数据大于所述风险阈值的初始账户节点作为目标账户节点；
[0041]将所述目标账户节点对应的目标账户作为所述异常账户。
[0042]为实现上述目的，本申请实施例的第二方面提出了一种异常账户识别装置，所述装置包括：
[0043]原始账户筛选模块，用于获取原始账户的账户归属地信息，并基于预设算法和所述账户归属地信息对所述原始账户进行账户筛选，得到目标账户；
[0044]账户信息获取模块，用于获取所述目标账户的目标访问数据和账户基本信息，其中，所述目标访问数据包括所述目标账户的行为特征数据、访问场景数据；
[0045]异构图构建模块，用于基于所述访问场景数据和所述账户基本信息确定初始图节点，基于所述行为特征数据确定初始访问行为序列，并根据所述初始访问行为序列和所述初始图节点构建初始异构图；其中，所述初始图节点包括初始账户节点，所述初始访问行为序列包括至少两个初始账户行为特征，每一所述初始账户行为特征连接两个相邻的初始图节点；
[0046]可疑度计算模块，用于对所述初始图节点进行节点可疑度计算得到初始节点可疑度，并对所述初始访问行为序列进行边可疑度计算得到边可疑度；
[0047]异构图评分模块，用于基于所述初始节点可疑度对所述初始异构图进行剪枝处理，得到中间异构图，并对所述中间异构图进行异常评本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常账户识别方法，其特征在于，所述方法包括：获取原始账户的账户归属地信息，并基于预设算法和所述账户归属地信息对所述原始账户进行账户筛选，得到目标账户；获取所述目标账户的目标访问数据和账户基本信息，其中，所述目标访问数据包括所述目标账户的行为特征数据、访问场景数据；基于所述访问场景数据和所述账户基本信息确定初始图节点，基于所述行为特征数据确定初始访问行为序列，并根据所述初始访问行为序列和所述初始图节点构建初始异构图；其中，所述初始图节点包括初始账户节点，所述初始访问行为序列包括至少两个初始账户行为特征，每一所述初始账户行为特征连接两个相邻的初始图节点；对所述初始图节点进行节点可疑度计算得到初始节点可疑度，并对所述初始访问行为序列进行边可疑度计算得到边可疑度；基于所述初始节点可疑度对所述初始异构图进行剪枝处理，得到中间异构图，并对所述中间异构图进行异常评分，得到平均可疑度；根据所述平均可疑度对所述中间异构图进行筛选，得到目标异构图；基于预设的风险评分模型对所述目标异构图进行风险评分，得到风险评估数据；其中，所述风险评估数据用于表征所述目标异构图中的初始账户节点的风险程度；根据所述风险评估数据从所述目标异构图中识别出异常账户。2.根据权利要求1所述的异常账户识别方法，其特征在于，所述获取原始账户的账户归属地信息，并基于预设算法和所述账户归属地信息对所述原始账户进行账户筛选，得到目标账户，包括：获取原始账户的账户归属地信息；基于预设算法对每个所述原始账户的所述账户归属地信息进行编码处理，得到每个所述原始账户的位置编码数据；基于所述位置编码数据对所述原始账户进行分类，得到多个候选账户集合；对每一所述候选账户集合的原始账户进行数量统计，得到每一所述候选账户集合的账户总数；基于所述账户总数对所述候选账户集合进行筛选，得到目标账户集合，并将所述目标账户集合的原始账户作为所述目标账户。3.根据权利要求2所述的异常账户识别方法，其特征在于，所述基于预设算法对每个所述原始账户的所述账户归属地信息进行编码处理，得到每个所述原始账户的位置编码数据，包括：提取所述账户归属地信息中的经度数据和纬度数据；根据预设对照表对所述经度数据进行格式转换得到第一编码数据，并根据预设对照表对所述纬度数据进行格式转换得到第二编码数据；对所述第一编码数据和所述第二编码数据进行合并处理，得到编码合并数据；基于预设算法对所述编码合并数据进行编码转换，得到所述位置编码数据；其中，所述第一编码数据、所述第二编码数据和所述编码合并数据为二进制数据，所述位置编码数据为字符串数据。4.根据权利要求1所述的异常账户识别方法，其特征在于，所述对所述初始图节点进行
节点可疑度计算得到初始节点可疑度，并对所述初始访问行为序列进行边可疑度计算得到边可疑度，包括：获取所述初始账户行为特征的特征数量；基于预设公式和所述特征数量进行边可疑度计算，得到每一所述初始账户行为特征的边可疑度；根据所述初始账户行为特征和所述初始图节点的连接关系，将与所述初始图节点相连的所有初始账户行为特征的边可疑度进行求和，得到所述初始节点可疑度。5.根据权利要求1所述的异常账户识别方法，其特征在于，所述基于所述初始节点可疑...

【专利技术属性】
技术研发人员：李萍，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：