基于AI模型识别的数字金融反欺诈处理方法及系统技术方案

本发明专利技术提供的基于AI模型识别的数字金融反欺诈处理方法及系统，涉及人工智能技术领域。在本发明专利技术中，确定出每一个需识别金融行为对应的相关金融行为；确定出金融行为知识图谱；依据金融行为知识图谱中具有连接关系的需识别金融行为分别对应的相关金融行为与重合的相关金融行为之间的相关状态，形成局部金融行为知识图谱；确定出局部金融行为知识图谱中的指定需识别金融行为的紧密金融行为子知识图谱；确定出指定需识别金融行为的行为欺诈异常表征参数；基于行为欺诈异常表征参数，分析出初始欺诈识别金融行为，利用目标欺诈识别网络，确定出目标欺诈识别金融行为。基于上述内容，可以提高数字金融欺诈的识别可靠度。可以提高数字金融欺诈的识别可靠度。可以提高数字金融欺诈的识别可靠度。

【技术实现步骤摘要】
基于AI模型识别的数字金融反欺诈处理方法及系统


[0001]本专利技术涉及人工智能
，具体而言，涉及一种基于AI模型识别的数字金融反欺诈处理方法及系统。

技术介绍

[0002]数字金融是指通过互联网及信息技术手段与传统金融服务业态相结合的新一代金融服务。数字金融包括互联网支付、移动支付、网上银行、金融服务外包及网上贷款、网上保险、网上基金等金融服务。欺诈，数字金融的出现，对于金融交易带来了较好的便利性，但是，安全性则随之降低，因此，需要进行金融欺诈的识别，但是，在现有技术中，存在着数字金融欺诈的识别可靠度不高的问题。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种基于AI模型识别的数字金融反欺诈处理方法及系统，以提高数字金融欺诈的识别可靠度。
[0004]为实现上述目的，本专利技术实施例采用如下技术方案：一种基于AI模型识别的数字金融反欺诈处理方法，所述数字金融反欺诈处理方法包括：确定出多个需识别金融行为中的每一个需识别金融行为对应的相关金融行为，所述相关金融行为与对应的需识别金融行为之间满足预先确定的指定金融行为关系规则，所述相关金融行为和所述需识别金融行为都属于数字金融领域中的网络行为，且都通过文本数据的形式进行记录；确定出由所述多个需识别金融行为组合形成的金融行为知识图谱，在所述金融行为知识图谱中，具有连接关系的每两个需识别金融行为对应的相关金融行为之间具有重合部分；依据所述金融行为知识图谱中具有连接关系的需识别金融行为分别对应的相关金融行为与重合的相关金融行为之间的相关状态，对所述金融行为知识图谱进行分割操作，以形成对应的多个局部金融行为知识图谱；确定出所述局部金融行为知识图谱中的指定需识别金融行为的紧密金融行为子知识图谱，所述指定需识别金融行为的紧密金融行为子知识图谱包括所述指定需识别金融行为和与所述指定需识别金融行为之间具有预设紧密连接关系的其它需识别金融行为，所述预设紧密连接关系是指，在所述局部金融行为知识图谱中，两个需识别金融行为之间的最短遍历路径包括的需识别金融行为的数量小于或等于预设配置的目标数量；在所述指定需识别金融行为的紧密金融行为子知识图谱具有预设类型的知识图谱分布状态的情况下，确定出所述指定需识别金融行为的行为欺诈异常表征参数，所述行为欺诈异常表征参数用于反映所述指定需识别金融行为属于异常的欺诈行为的可能性；基于所述指定需识别金融行为的行为欺诈异常表征参数，分析出多个所述局部金
融行为知识图谱中的初始欺诈识别金融行为，利用目标欺诈识别网络，对分析出的各初始欺诈识别金融行为进行关联识别操作，以确定出目标欺诈识别金融行为，所述目标欺诈识别金融行为是指识别出的属于异常的欺诈行为，所述目标欺诈识别网络基于典型金融行为和所述典型金融行为对应的行为欺诈标签信息对初始欺诈识别网络进行网络优化形成。
[0005]在一些优选的实施例中，在上述基于AI模型识别的数字金融反欺诈处理方法中，所述在所述指定需识别金融行为的紧密金融行为子知识图谱具有预设类型的知识图谱分布状态的情况下，确定出所述指定需识别金融行为的行为欺诈异常表征参数的步骤，包括：确定出所述指定需识别金融行为的紧密金融行为子知识图谱中各个需识别金融行为的行为关键信息的信息分布状态；在所述紧密金融行为子知识图谱中各个需识别金融行为的行为关键信息的信息分布状态与预设函数关系匹配的情况下，判定所述指定需识别金融行为的紧密金融行为子知识图谱具有预设类型的知识图谱分布状态；基于所述紧密金融行为子知识图谱中各个需识别金融行为的行为关键信息的信息分布状态和所述预设函数关系，分析出所述指定需识别金融行为的行为欺诈异常表征参数。
[0006]在一些优选的实施例中，在上述基于AI模型识别的数字金融反欺诈处理方法中，所述基于所述紧密金融行为子知识图谱中各个需识别金融行为的行为关键信息的信息分布状态和所述预设函数关系，分析出所述指定需识别金融行为的行为欺诈异常表征参数的步骤，包括：基于所述指定需识别金融行为的行为关键信息和所述预设函数关系，计算出所述指定需识别金融行为的函数误差参数；基于所述紧密金融行为子知识图谱中各个需识别金融行为的行为关键信息的信息分布状态，计算出所述指定需识别金融行为的分布紧密性参数；分别对所述指定需识别金融行为的函数误差参数和分布紧密性参数进行参数区间映射操作，以形成映射后的函数误差参数和分布紧密性参数；基于所述映射后的函数误差参数和分布紧密性参数，确定出所述指定需识别金融行为的行为欺诈异常表征参数。
[0007]在一些优选的实施例中，在上述基于AI模型识别的数字金融反欺诈处理方法中，所述紧密金融行为子知识图谱中各个需识别金融行为的行为关键信息的信息分布状态包括所述紧密金融行为子知识图谱中各个需识别金融行为的第一类型关键信息的表征参数与第二类型关键信息的表征参数之间的相关性的信息分布状态；所述基于所述指定需识别金融行为的行为关键信息和所述预设函数关系，计算出所述指定需识别金融行为的函数误差参数的步骤，包括：对所述指定需识别金融行为的第二类型关键信息的表征参数进行加载，以加载到所述预设函数关系中，计算出所述指定需识别金融行为的第一类型关键信息的估计表征参数；基于所述指定需识别金融行为的第一类型关键信息的表征参数和所述指定需识别金融行为的第一类型关键信息在所述预设函数关系中的估计表征参数，计算出所述指定需识别金融行为的函数误差参数。
[0008]在一些优选的实施例中，在上述基于AI模型识别的数字金融反欺诈处理方法中，所述基于所述紧密金融行为子知识图谱中各个需识别金融行为的行为关键信息的信息分布状态，计算出所述指定需识别金融行为的分布紧密性参数的步骤，包括：基于所述紧密金融行为子知识图谱中各个需识别金融行为的行为关键信息的信息分布状态，确定出所述指定需识别金融行为对应的行为关键信息的对应分布坐标和所述对应分布坐标的相邻分布坐标；计算出所述相邻分布坐标与所述对应分布坐标之间的坐标偏离度均值；基于所述坐标偏离度均值，计算出所述对应分布坐标的部分分布紧密性参数；计算出所述相邻分布坐标的部分分布紧密性参数；基于所述相邻分布坐标的部分分布紧密性参数和所述对应分布坐标的部分分布紧密性参数，计算出所述指定需识别金融行为的分布紧密性参数。
[0009]在一些优选的实施例中，在上述基于AI模型识别的数字金融反欺诈处理方法中，所述分别对所述指定需识别金融行为的函数误差参数和分布紧密性参数进行参数区间映射操作，以形成映射后的函数误差参数和分布紧密性参数的步骤，包括：确定出所述局部金融行为知识图谱中的多个指定需识别金融行为对应的多个函数误差参数；基于所述指定需识别金融行为的函数误差参数和所述多个函数误差参数，确定出所述指定需识别金融行为的映射后的函数误差参数；确定出所述局部金融行为知识图谱中的多个指定需识别金融行为对应的多个分布紧密性参数；基于所述指定需识别金融行为的分布紧密性参数和所述多个分布紧密性参数，确定出所述指定需识别金融行为的映射后的分布紧密性参数。
[0010]在一些优选的实施例中，在上述基于AI模型识别的数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI模型识别的数字金融反欺诈处理方法，其特征在于，所述数字金融反欺诈处理方法包括：确定出多个需识别金融行为中的每一个需识别金融行为对应的相关金融行为，所述相关金融行为与对应的需识别金融行为之间满足预先确定的指定金融行为关系规则，所述相关金融行为和所述需识别金融行为都属于数字金融领域中的网络行为，且都通过文本数据的形式进行记录；确定出由所述多个需识别金融行为组合形成的金融行为知识图谱，在所述金融行为知识图谱中，具有连接关系的每两个需识别金融行为对应的相关金融行为之间具有重合部分；依据所述金融行为知识图谱中具有连接关系的需识别金融行为分别对应的相关金融行为与重合的相关金融行为之间的相关状态，对所述金融行为知识图谱进行分割操作，以形成对应的多个局部金融行为知识图谱；确定出所述局部金融行为知识图谱中的指定需识别金融行为的紧密金融行为子知识图谱，所述指定需识别金融行为的紧密金融行为子知识图谱包括所述指定需识别金融行为和与所述指定需识别金融行为之间具有预设紧密连接关系的其它需识别金融行为，所述预设紧密连接关系是指，在所述局部金融行为知识图谱中，两个需识别金融行为之间的最短遍历路径包括的需识别金融行为的数量小于或等于预设配置的目标数量；在所述指定需识别金融行为的紧密金融行为子知识图谱具有预设类型的知识图谱分布状态的情况下，确定出所述指定需识别金融行为的行为欺诈异常表征参数，所述行为欺诈异常表征参数用于反映所述指定需识别金融行为属于异常的欺诈行为的可能性；基于所述指定需识别金融行为的行为欺诈异常表征参数，分析出多个所述局部金融行为知识图谱中的初始欺诈识别金融行为，利用目标欺诈识别网络，对分析出的各初始欺诈识别金融行为进行关联识别操作，以确定出目标欺诈识别金融行为，所述目标欺诈识别金融行为是指识别出的属于异常的欺诈行为，所述目标欺诈识别网络基于典型金融行为和所述典型金融行为对应的行为欺诈标签信息对初始欺诈识别网络进行网络优化形成。2.如权利要求1所述的基于AI模型识别的数字金融反欺诈处理方法，其特征在于，所述在所述指定需识别金融行为的紧密金融行为子知识图谱具有预设类型的知识图谱分布状态的情况下，确定出所述指定需识别金融行为的行为欺诈异常表征参数的步骤，包括：确定出所述指定需识别金融行为的紧密金融行为子知识图谱中各个需识别金融行为的行为关键信息的信息分布状态；在所述紧密金融行为子知识图谱中各个需识别金融行为的行为关键信息的信息分布状态与预设函数关系匹配的情况下，判定所述指定需识别金融行为的紧密金融行为子知识图谱具有预设类型的知识图谱分布状态；基于所述紧密金融行为子知识图谱中各个需识别金融行为的行为关键信息的信息分布状态和所述预设函数关系，分析出所述指定需识别金融行为的行为欺诈异常表征参数。3.如权利要求2所述的基于AI模型识别的数字金融反欺诈处理方法，其特征在于，所述基于所述紧密金融行为子知识图谱中各个需识别金融行为的行为关键信息的信息分布状态和所述预设函数关系，分析出所述指定需识别金融行为的行为欺诈异常表征参数的步骤，包括：
基于所述指定需识别金融行为的行为关键信息和所述预设函数关系，计算出所述指定需识别金融行为的函数误差参数；基于所述紧密金融行为子知识图谱中各个需识别金融行为的行为关键信息的信息分布状态，计算出所述指定需识别金融行为的分布紧密性参数；分别对所述指定需识别金融行为的函数误差参数和分布紧密性参数进行参数区间映射操作，以形成映射后的函数误差参数和分布紧密性参数；基于所述映射后的函数误差参数和分布紧密性参数，确定出所述指定需识别金融行为的行为欺诈异常表征参数。4.如权利要求3所述的基于AI模型识别的数字金融反欺诈处理方法，其特征在于，所述紧密金融行为子知识图谱中各个需识别金融行为的行为关键信息的信息分布状态包括所述紧密金融行为子知识图谱中各个需识别金融行为的第一类型关键信息的表征参数与第二类型关键信息的表征参数之间的相关性的信息分布状态；所述基于所述指定需识别金融行为的行为关键信息和所述预设函数关系，计算出所述指定需识别金融行为的函数误差参数的步骤，包括：对所述指定需识别金融行为的第二类型关键信息的表征参数进行加载，以加载到所述预设函数关系中，计算出所述指定需识别金融行为的第一类型关键信息的估计表征参数；基于所述指定需识别金融行为的第一类型关键信息的表征参数和所述指定需识别金融行为的第一类型关键信息在所述预设函数关系中的估计表征参数，计算出所述指定需识别金融行为的函数误差参数。5.如权利要求3所述的基于AI模型识别的数字金融反欺诈处理方法，其特征在于，所述基于所述紧密金融行为子知识图谱中各个需识别金融行为的行为关键信息的信息分布状态，计算出所述指定需识别金融行为的分布紧密性参数的步骤，包括：基于所述紧密金融行为子知识图谱中各个需识别金融行为的行为关键信息的信息分布状态，确定出所述指定需识别金融行为对应的行为关键信息的对应分布坐标和所述对应分布坐标的相邻分布坐标；计算出所述相邻分布坐标与所述对应分布坐标之间的坐标偏离度均值；基于所述坐标偏离度均值，计算出所述对应分布坐标的部分分布紧密性参数；计算出所述相邻分布坐标的部分分布紧密性参数；基于所述相邻分布坐标的部分分...

【专利技术属性】
技术研发人员：宋浩冉，张顺德，王健，
申请(专利权)人：云南却蓉科技有限责任公司，
类型：发明
国别省市：