本发明专利技术实施例提供了一种基于多维度金融活动网络的异常用户识别方法和装置，可用于人工智能技术领域，所述方法包括：通过预先构建的多维度金融活动网络，根据异常社群用户信息，生成每个维度的金融活动网络对应的活动中心节点；根据活动中心节点，生成当前维度的金融活动网络的活动连通距离和节点负载，识别出多维度金融活动网络中的目标异常用户，通过构建多维度金融活动网络，确定出活动中心节点，通过每个活动非中心节点的活动连通距离和节点负载识别出每个维度的金融活动网络中的目标异常用户，能够精确识别出异常社群中的关键组织者，降低成本，提高识别效率，保证异常社群的全面瓦解，提高安全性。提高安全性。提高安全性。
【技术实现步骤摘要】
基于多维度金融活动网络的异常用户识别方法和装置
[0001]本专利技术涉及计算机
，特别涉及人工智能
，尤其涉及一种基于多维度金融活动网络的异常用户识别方法和装置。
技术介绍
[0002]在金融客户网络中，存在一些诸如薅羊毛、异常交易、非法资金合法化等异常金融行为。他们在组织上的逐渐扩大，使其形成了专业社群来有组织的从事上述行为。这些社群从传统的点状、或等级层次结构演化为网络化结构。相关技术中，通常是在识别到异常社群后，对异常社群中的所有成员进行封号、抓捕，做法简单粗暴影响面较广，导致殃及一些被诱导的用户被“误伤”，造成用户体验较差；若投入大量人力物力进行异常社群瓦解，则需要花费的成本较高；若选取少量人力物力进行异常社群瓦解，则无法保证异常社群的全面瓦解，存在安全风险，效率低下。
技术实现思路
[0003]本专利技术的一个目的在于提供一种基于多维度金融活动网络的异常用户识别方法，通过构建多维度金融活动网络，确定出活动中心节点，通过每个活动非中心节点的活动连通距离和节点负载识别出每个维度的金融活动网络中的目标异常用户，能够精确识别出异常社群中的关键组织者，降低成本，提高识别效率，保证异常社群的全面瓦解，提高安全性。本专利技术的另一个目的在于提供一种基于多维度金融活动网络的异常用户识别装置。本专利技术的再一个目的在于提供一种计算机可读介质。本专利技术的还一个目的在于提供一种计算机设备。
[0004]为了达到以上目的，本专利技术一方面公开了一种基于多维度金融活动网络的异常用户识别方法，包括：
[0005]获取异常社群用户信息；
[0006]通过预先构建的多维度金融活动网络，根据异常社群用户信息，生成每个维度的金融活动网络对应的活动中心节点；
[0007]根据活动中心节点，生成当前维度的金融活动网络的活动连通距离和节点负载；
[0008]根据当前维度的金融活动网络的活动连通距离和节点负载，识别出多维度金融活动网络中的目标异常用户。
[0009]优选的，异常社群用户信息包括多个候选异常用户和每个候选异常用户的属性数据、行为数据、地理位置数据、社交数据和多维度关系数据；多维度金融活动网络包括金融交易行为网络、金融地理空间位置网络、金融社交信息传播网络和金融关系网络；
[0010]在通过预先构建的多维度金融活动网络，根据异常社群用户信息，生成每个维度的金融活动网络对应的活动中心节点之前，还包括：
[0011]根据属性数据和行为数据，构建金融交易行为网络；
[0012]根据地理位置数据，构建金融地理空间位置网络；
[0013]根据社交数据，构建金融社交信息传播网络；
[0014]根据多维度关系数据，构建金融关系网络。
[0015]优选的，每个维度的金融活动网络包括多个活动节点；
[0016]通过预先构建的多维度金融活动网络，根据异常社群用户信息，生成每个维度的金融活动网络对应的活动中心节点，包括：
[0017]在当前维度的金融活动网络中，统计每个活动节点的连接边的数量；
[0018]根据每个活动节点的连接边的数量和当前维度的金融活动网络中活动节点连接边的总数，得到每个活动节点的度中心性；
[0019]对每个活动节点的度中心性进行比较，筛选出最大度中心性；
[0020]将最大度中心性对应的活动节点确定为对应的活动中心节点。
[0021]优选的，根据活动中心节点，生成当前维度的金融活动网络的活动连通距离和节点负载，包括：
[0022]通过当前维度的金融活动网络，根据多个活动非中心节点和活动中心节点，生成每个活动非中心节点与活动中心节点之间的最短路径；
[0023]统计每个活动非中心节点与活动中心节点之间的最短路径的距离；
[0024]根据最短路径的距离和当前维度的金融活动网络中的活动节点总数，得到当前维度的金融活动网络的活动连通距离；
[0025]根据每个活动非中心节点的交易金额、交易次数和与活动中心节点之间的最短路径，生成活动非中心节点在当前维度的金融活动网络中对应的节点负载。
[0026]优选的，根据当前维度的金融活动网络的活动连通距离和节点负载，识别出多维度金融活动网络中的目标异常用户，包括：
[0027]根据当前维度的金融活动网络的活动连通距离、节点负载和预设的负载阻塞系数，生成对应的当前的全局活动效率；
[0028]将当前的全局活动效率对应的活动非中心节点从当前的当前维度的金融活动网络中去除，得到更新后的当前维度的金融活动网络；
[0029]通过更新后的当前维度的金融活动网络，根据活动中心节点，生成每个更新后的活动连通距离和更新后的节点负载；
[0030]根据更新后的活动连通距离、更新后的节点负载和负载阻塞系数，生成更新后的全局活动效率；
[0031]判断当前的全局活动效率和更新后的全局活动效率之间的差值是否大于预设的效率阈值；
[0032]若是，将当前的全局活动效率对应的活动非中心节点确定为当前维度的金融活动网络中的关键用户；
[0033]根据每个维度的金融活动网络中的关键用户，生成多维度金融活动网络中的目标异常用户。
[0034]优选的，在将当前的全局活动效率对应的活动非中心节点确定为当前维度的金融活动网络中的关键用户之后，还包括：
[0035]将更新后的当前维度的金融活动网络确定为当前的当前维度的金融活动网络，并继续执行根据活动中心节点，生成当前维度的金融活动网络的活动连通距离和节点负载的
步骤。
[0036]本专利技术还公开了一种基于多维度金融活动网络的异常用户识别装置，包括：
[0037]获取单元，用于获取异常社群用户信息；
[0038]活动中心节点生成单元，用于通过预先构建的多维度金融活动网络，根据异常社群用户信息，生成每个维度的金融活动网络对应的活动中心节点；
[0039]中间参数生成单元，用于根据活动中心节点，生成当前维度的金融活动网络的活动连通距离和节点负载；
[0040]目标异常用户识别单元，用于根据当前维度的金融活动网络的活动连通距离和节点负载，识别出多维度金融活动网络中的目标异常用户。
[0041]本专利技术还公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法。
[0042]本专利技术还公开了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，所述处理器执行所述程序时实现如上所述方法。
[0043]本专利技术还公开了一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现如上所述方法。
[0044]本专利技术获取异常社群用户信息；通过预先构建的多维度金融活动网络，根据异常社群用户信息，生成每个维度的金融活动网络对应的活动中心节点；根据活动中心节点，生成当前维度的金融活动网络的活动连通距离和节点负载；根据当前维度的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于多维度金融活动网络的异常用户识别方法，其特征在于，所述方法包括：获取异常社群用户信息；通过预先构建的多维度金融活动网络，根据所述异常社群用户信息，生成每个维度的金融活动网络对应的活动中心节点；根据所述活动中心节点，生成当前维度的金融活动网络的活动连通距离和节点负载；根据当前维度的金融活动网络的活动连通距离和节点负载，识别出多维度金融活动网络中的目标异常用户。2.根据权利要求1所述的基于多维度金融活动网络的异常用户识别方法，其特征在于，所述异常社群用户信息包括多个候选异常用户和每个候选异常用户的属性数据、行为数据、地理位置数据、社交数据和多维度关系数据；所述多维度金融活动网络包括金融交易行为网络、金融地理空间位置网络、金融社交信息传播网络和金融关系网络；在所述通过预先构建的多维度金融活动网络，根据所述异常社群用户信息，生成每个维度的金融活动网络对应的活动中心节点之前，还包括：根据所述属性数据和行为数据，构建所述金融交易行为网络；根据所述地理位置数据，构建金融地理空间位置网络；根据所述社交数据，构建所述金融社交信息传播网络；根据所述多维度关系数据，构建所述金融关系网络。3.根据权利要求1所述的基于多维度金融活动网络的异常用户识别方法，其特征在于，每个维度的金融活动网络包括多个活动节点；所述通过预先构建的多维度金融活动网络，根据所述异常社群用户信息，生成每个维度的金融活动网络对应的活动中心节点，包括：在当前维度的金融活动网络中，统计每个活动节点的连接边的数量；根据每个活动节点的连接边的数量和当前维度的金融活动网络中活动节点连接边的总数，得到每个活动节点的度中心性；对每个活动节点的度中心性进行比较，筛选出最大度中心性；将最大度中心性对应的活动节点确定为对应的活动中心节点。4.根据权利要求1所述的基于多维度金融活动网络的异常用户识别方法，其特征在于，所述根据所述活动中心节点，生成当前维度的金融活动网络的活动连通距离和节点负载，包括：通过当前维度的金融活动网络，根据多个活动非中心节点和活动中心节点，生成每个活动非中心节点与所述活动中心节点之间的最短路径；统计每个活动非中心节点与所述活动中心节点之间的最短路径的距离；根据所述最短路径的距离和当前维度的金融活动网络中的活动节点总数，得到当前维度的金融活动网络的活动连通距离；根据每个活动非中心节点的交易金额、交易次数和与所述活动中心节点之间的最短路径，生成所述活动非中心节点在当前维度的金融活动网络中对应的节点负载。5.根据权利要求4所述的基于多维度金融活动网络的异常用户识别方法，其特征在于，统计每个活动非中心节点与所述活动中心节点之间的最短路径的距离，包括：若活动中心节点的数量为多个，查询出距离当前的活动非中心节点最近的活动中心节
点；通...
【专利技术属性】
技术研发人员：高兰天，
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。