异常交易数据处理方法及装置制造方法及图纸

本申请公开了一种异常交易数据处理方法及装置，涉及信息安全领域，可用于人工智能技术领域，所述方法包括：根据异常交易数据建立关系网络模型；确定关系网络模型中各节点的影响力，根据所述影响力确定对应的节点适应性，根据各节点的节点适应性预测节点的影响力变化趋势；若存在所述影响力变化趋势符合预设条件的目标节点，对所述目标节点对应的用户进行账户限权处理。本申请可识别潜在影响力大的异常用户，有助于提前对异常用户的异常交易进行精准防御避免损失。精准防御避免损失。精准防御避免损失。

【技术实现步骤摘要】
异常交易数据处理方法及装置


[0001]本申请涉及交易数据处理
，特别涉及人工智能
，尤其涉及一种异常交易数据处理方法及装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本申请实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]目前有一些用户通过恶意手机应用、病毒暗扣话费、流量劫持等异常交易给用户和商家营销造成了巨大的损失。因此，如何避免这些用户的异常交易对用户和商家的财产安全产生威胁是亟待解决的问题。

技术实现思路

[0004]本申请的一个目的在于提供一种异常交易数据处理方法，识别潜在影响力大的异常用户，有助于提前对异常用户的异常交易进行精准防御避免损失。本申请的另一个目的在于提供一种异常交易数据处理装置。本申请的再一个目的在于提供一种计算机设备。本申请的还一个目的在于提供一种可读介质。
[0005]为了达到以上目的，本申请一方面公开了一种异常交易数据处理方法，包括：
[0006]根据异常交易数据建立关系网络模型；
[0007]确定关系网络模型中各节点的影响力，根据所述影响力确定对应的节点适应性，根据各节点的节点适应性预测节点的影响力变化趋势；
[0008]若存在所述影响力变化趋势符合预设条件的目标节点，对所述目标节点对应的用户进行账户限权处理。
[0009]可选的，所述根据异常交易数据建立关系网络模型数据包括：
[0010]根据预设时间规则筛选所述异常交易数据得到基于时间序列的多个异常交易数据集；
[0011]分别确定多个异常交易数据集中异常交易对应的用户，根据用户以及用户间是否存在异常交易建立对应时间序列的异常交易数据集的关系网络模型。
[0012]可选的，所述根据用户以及用户间是否存在异常交易建立对应时间序列的异常交易数据集的关系网络模型包括：
[0013]以用户为节点，以用户间存在异常交易为边建立对应时间序列的异常交易数据集的关系网络模型。
[0014]可选的，所述确定关系网络模型中各节点的影响力包括：
[0015]计算关系网络模型中各节点的边的数量得到所述各节点的影响力。
[0016]可选的，进一步包括在根据异常交易数据建立关系网络模型，之后：
[0017]确定所述关系网络模型是否为无标度网络模型；
[0018]若否，重复删除所述关系网络模型中影响力低于预设标准的节点以更新所述关系
网络模型的步骤直至所述关系网络模型为无标度网络模型。
[0019]可选的，所述根据所述影响力确定对应的节点适应性包括：
[0020]基于BB模型对时间序列以及时间序列对应的关系网络模型中各节点的影响力进行拟合得到对应节点的节点适应性。
[0021]可选的，所述根据各节点的节点适应性预测节点的影响力变化趋势包括：
[0022]将各节点的节点适应性代入预测函数得到对应节点的影响力变化趋势，所述预测函数为节点的影响力与节点适应性以及时间的对应关系。
[0023]可选的，所述若存在所述影响力变化趋势符合预设条件的目标节点，对所述目标节点对应的用户进行账户限权处理包括：
[0024]根据所述影响力变化趋势确定未来预设时间点各节点的预期影响力；
[0025]若所述预期影响力大于预设阈值，禁止所述用户对应的账户的交易行为。
[0026]本申请还公开了一种异常交易数据处理装置，包括：
[0027]模型构建模块，用于根据异常交易数据建立关系网络模型；
[0028]网络分析模块，用于确定关系网络模型中各节点的影响力，根据所述影响力确定对应的节点适应性，根据各节点的节点适应性预测节点的影响力变化趋势；
[0029]用户处理模块，用于若存在所述影响力变化趋势符合预设条件的目标节点，对所述目标节点对应的用户进行账户限权处理。
[0030]本申请实施例还提供了一种计算机设备，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计算机程序时实现上述方法。
[0031]本申请实施例还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方法。
[0032]本申请异常交易数据处理方法根据异常交易数据建立关系网络模型；确定关系网络模型中各节点的影响力，根据所述影响力确定对应的节点适应性，根据各节点的节点适应性预测节点的影响力变化趋势；若存在所述影响力变化趋势符合预设条件的目标节点，对所述目标节点对应的用户进行账户限权处理。异常用户也是一种社交网络，社交网络中用户节点的影响力强弱是与时间相关的，利用演化网络预测未来的网络演化发展趋势和可能的方向，从而可以更好地针对潜在威胁力大的异常用户制定相关防御措施。从而，本申请通过建立关系网络模型，确定关系网络模型中各个节点的影响力和适应度以预测各个节点在未来的影响力变化趋势，从而在目标节点的未来变化趋势符合预设条件时，表示目标节点在未来的影响力会越来越大，可能会产生更大的交易风险，则对目标节点对应的用户进行账户限权处理，限制该目标节点的交易行为，避免目标节点在不进行账户限权处理时的影响力持续变大，进而导致交易风险加大，对银行用户的财产安全产生威胁的问题。本申请利用复杂网络建模分析网络演化过程，预测关系网络模型的节点影响力，将用户的特征、用户信息传播的动态特性与其所在的局域网络特征相结合，大大提高用户影响力的预测结果，有助于提前对异常用户的异常交易进行精准防御避免损失。
附图说明
[0033]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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。在附图中：
[0034]图1为本申请异常交易数据处理方法具体实施例的流程图；
[0035]图2为本申请异常交易数据处理方法具体实施例S100的流程图；
[0036]图3为本申请异常交易数据处理方法具体实施例S120的流程图；
[0037]图4为本申请异常交易数据处理方法具体实施例S200的流程图；
[0038]图5为本申请异常交易数据处理方法具体实施例调整关系网络模型的流程图；
[0039]图6为本申请异常交易数据处理方法具体实施例S200节点适应性确定的流程图；
[0040]图7为本申请异常交易数据处理方法具体实施例BB模型的原理的示意图；
[0041]图8为本申请异常交易数据处理方法具体实施例影响力变化趋势预测的流程图；
[0042]图9为本申请异常交易数据处理方法具体实施例用户账户限权处理的流程图；
[0043]图10为本申请异常交易数据处理装置具体实施例的结构图；
[0044]图11示出适于用来实现本专利技术实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常交易数据处理方法，其特征在于，包括：根据异常交易数据建立关系网络模型；确定关系网络模型中各节点的影响力，根据所述影响力确定对应的节点适应性，根据各节点的节点适应性预测节点的影响力变化趋势；若存在所述影响力变化趋势符合预设条件的目标节点，对所述目标节点对应的用户进行账户限权处理。2.根据权利要求1所述的异常交易数据处理方法，其特征在于，所述根据异常交易数据建立关系网络模型数据包括：根据预设时间规则筛选所述异常交易数据得到基于时间序列的多个异常交易数据集；分别确定多个异常交易数据集中异常交易对应的用户，根据用户以及用户间是否存在异常交易建立对应时间序列的异常交易数据集的关系网络模型。3.根据权利要求2所述的异常交易数据处理方法，其特征在于，所述根据用户以及用户间是否存在异常交易建立对应时间序列的异常交易数据集的关系网络模型包括：以用户为节点，以用户间存在异常交易为边建立对应时间序列的异常交易数据集的关系网络模型。4.根据权利要求3所述的异常交易数据处理方法，其特征在于，所述确定关系网络模型中各节点的影响力包括：计算关系网络模型中各节点的边的数量得到所述各节点的影响力。5.根据权利要求1所述的异常交易数据处理方法，其特征在于，进一步包括在根据异常交易数据建立关系网络模型，之后：确定所述关系网络模型是否为无标度网络模型；若否，重复删除所述关系网络模型中影响力低于预设标准的节点以更新所述关系网络模型的步骤直至所述关系网络模型为无标度网络模型。6.根据权利要求1所述的异常交易数据处理方法，其特征在于，所述根...

【专利技术属性】
技术研发人员：李沅坷，苏建明，许啸，刘宇驰，
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：