【技术实现步骤摘要】
异常交易检测模型的构建方法、异常交易检测方法及装置
[0001]本申请涉及人工智能
，特别是涉及一种异常交易检测模型的构建方法、异常交易检测方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]近年来，随着电子商务技术的发展，越来越多的人使用信用卡支付产品费用。然而，信用卡交易量的增加也导致异常交易发生率的增加，使银行蒙受损失。因此，开发有效的异常交易检测算法对于最大限度减少这些损失至关重要。
[0003]目前，对异常交易的检测主要是基于规则的方法，具体为采用由该领域的专家所设计的复杂的检测规则来识别异常交易。
[0004]然而，随着异常行为性质的演变、账户消费模式的变化以及交易过程中不同安全机制的引入，依赖于专家设计的检测规则算法必须在规则管理生命周期内定期分析和更新，以使检测规则算法与异常行为保持同步，维护成本昂贵。
技术实现思路
[0005]基于此，有必要针对上述方法维护成本昂贵的技术问题，提供一种异常交易检测模型的构建方法、异常交易检测方法、装置、计算机设备、...
【技术保护点】
【技术特征摘要】
1.一种异常交易检测模型的构建方法，其特征在于，所述方法包括：获取账户的样本交易数据，以及获取所述样本交易数据对应的交易时间序列；提取所述交易时间序列中每个交易数据的多个第一类特征和多个第二类特征；所述第一类特征表示在有限类别内取值的特征，所述第二类特征表示数值具有连续特性的特征；根据所述多个第一类特征，获取所述每个交易数据与所述交易时间序列中所述每个交易数据对应的历史交易数据之间的相似度信息；所述每个交易数据对应的历史交易数据包括交易时间早于或等于所述每个交易数据的交易时间的至少一个交易数据；分别对所述每个交易数据对应的历史交易数据的多个第二类特征与所述历史交易数据对应的相似度信息进行聚合处理，得到所述每个交易数据的聚合特征；根据所述每个交易数据的聚合特征，对待训练的异常交易检测模型进行训练，得到训练完成的异常交易检测模型。2.根据权利要求1所述的方法，其特征在于，所述根据所述多个第一类特征，获取所述每个交易数据与所述交易时间序列中所述每个交易数据对应的历史交易数据之间的相似度信息，包括：针对每个交易数据n，获取所述交易数据n与所述交易时间序列中的历史交易数据，分别在各个第一类特征上的特征相似度；对所述交易数据n在各个第一类特征上的特征相似度进行融合处理，得到所述交易数据n与所述交易时间序列中所述交易数据n对应的历史交易数据之间的相似度信息。3.根据权利要求2所述的方法，其特征在于，所述对所述交易数据n在各个第一类特征上的特征相似度进行融合处理，得到所述交易数据n与所述交易时间序列中所述交易数据n对应的历史交易数据之间的相似度信息，包括：对所述交易数据n在各个第一类特征上的特征相似度进行组合，得到所述交易数据n与所述交易时间序列中所述交易数据n对应的历史交易数据之间的特征相似度矩阵；通过预设的调节参数对所述特征相似度矩阵进行参数化处理，将参数化后的特征相似度矩阵传递给激活函数，得到所述交易数据n与所述交易时间序列中所述交易数据n对应的历史交易数据之间的相似度信息。4.根据权利要求1所述的方法，其特征在于，所述分别对所述每个交易数据对应的历史交易数据的多个第二类特征与所述历史交易数据对应的相似度信息进行聚合处理，得到所述每个交易数据的聚合特征，包括：对所述历史交易数据的各个第二类特征进行标准化处理，得到所述历史交易数据的各个第二类特征的标准化特征值；分别对所述历史交易数据中各个交易数据的各个第二类特征的标准化特征值进行组合处理，得到所述历史交易数据中各个交易数据的第二类组合特征；对所述历史交易数据中各个交易数据的第二类组合特征与所述历史交易数据中各个交易数据对应的相似度信息进行聚合处理，得到所述每个交易数据的聚合特征。5.根据权利要求1所述的方法，其特征在于，所述样本交易数据携带有交易时间；所述获取所述样本交易数据对应的交易时间序列，包括：将携带有交易时间的所述样本交易数据输入长短期记忆神经网络中，得到所述样本交易数据对应的交易时间序列。
6.根据权利要求1所述的方法，其特征在于，所述获取账户的样本交易数据，包括：获取账户的初始样本交易数据；对所述初始样本交易数据进行重采样处理，得到重采样后的交易数据，作为所述样本交易数据。7.根据权利要求6所述的方法，其特征在于，所...
【专利技术属性】
技术研发人员：陈立宜，罗伟，胡兴源，高冶，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。