本发明专利技术公开了一种隐私保护的异常交易检测方法及装置，该方法包括：金融结算服务提供方对于所要进行异常检测的交易，从相应的银行数据集中进行所述交易涉及账户的字段提取；金融结算服务提供方对金融结算服务提供方数据集进行特征提取，所述特征包括基于所述金融结算服务提供方提取的明文特征以及基于所提取的字段进行标签传播得到的账户异常可能性特征；金融结算服务提供方基于提取的特征进行XGBoost的隐私训练；金融结算服务提供方获取待进行异常检测的交易，提取其特征向量并将所述特征向量输入训练好的XGBoost模型进行异常预测。预测。预测。
【技术实现步骤摘要】
一种隐私保护的异常交易检测方法及装置
[0001]本专利技术属于隐私保护异常检测
，尤其涉及一种隐私保护的异常交易检测方法及装置。
技术介绍
[0002]现有技术大都基于在有相同数据不同特征或者相同特征不同数据的实体间进行横向或者纵向联邦学习，实现双方数据在不互通的前提下训练模型以及预测。由于纵向联邦学习适用于一方拥有特征，一方拥有特征和标签，两方共同维护各自的模型进行训练。
[0003]在金融结算服务提供方支付系统的背景下，金融结算服务提供方持有交易数据，而相关的账户信息由其合作银行参与方维护。
技术实现思路
[0004]针对现有技术存在的问题本申请实施例的目的是提供一种隐私保护的异常交易检测方法及装置，允许金融结算服务提供方和其合作银行参与方共同训练模型并识别异常交易，而无需披露他们的私密数据。
[0005]根据本申请实施例的第一方面，提供一种隐私保护的异常交易检测方法，包括：
[0006]（1）金融结算服务提供方对于所要进行异常检测的交易，从相应的银行数据集中进行所述交易涉及账户的字段提取；
[0007]（2）金融结算服务提供方对金融结算服务提供方数据集进行特征提取，所述特征包括基于所述金融结算服务提供方提取的明文特征以及基于所提取的字段进行标签传播得到的账户异常可能性特征；
[0008]（3）金融结算服务提供方基于提取的特征进行XGBoost的隐私训练；
[0009]（4）金融结算服务提供方获取待进行异常检测的交易，提取其特征向量并将所述特征向量输入训练好的XGBoost模型进行异常预测。
[0010]进一步地，在步骤（1）中，所述金融结算服务提供方与相应的银行参与方基于哈希技术和单个查询的混淆可编程伪随机函数协议的私有集合求交协议获取交集，对应的银行参与方利用全同态加密技术加密元组，其中为该银行参与方的账户标识符，为加密的账户异常可能性，表示对应的银行参与方和金融结算服务提供方都有的id集合。
[0011]进一步地，在步骤（2）中，基于所提取的字段进行标签传播，包括：
[0012]金融结算服务提供方构建一个交易图，每个结点表示为一个元组，其中是账户的异常可能性，初始值为0，每个边表示为一个元组，其中和是边的源结点和目标结点的索引，权重由账户和之间的交易中派生；
[0013]在图G和加密标签上执行标签传播算法，以使得对于每个交易，金融结算服务提
供方通过查找带有受益人账户的账户标识符的交易图来获得异常可能性。
[0014]进一步地，对，为元组的集合，是账户的异常可能性，为元组的集合，在图G和加密标签上执行标签传播算法，具体为：
[0015]对于每个边，金融结算服务提供方对进行归一化：，其中是结点的邻居和自身在中的索引集合，将第次迭代中账户的异常可能性为，金融结算服务提供方将标记数据引入为第0次迭代的状态，记录初始化为空集的索引集，并根据G进行标签传播如下：
[0016]步骤0：设定轮次；
[0017]步骤1：传播；
[0018]步骤2：通过与银行参与方的协作夹紧标记数据，具体为：金融结算服务提供方将发送给第j个银行参与方，第j个银行参与方在本地计算，对于，将更新后的发送给金融结算服务提供方；
[0019]步骤3：增加；
[0020]重复从步骤1开始，直到，其中是超参数。
[0021]进一步地，在图G和加密标签上执行标签传播算法之前，将图G缩小为高风险子图，该子图仅包括标记异常交易步范围内的账户。
[0022]进一步地，XGBoost的隐私训练过程具体为：
[0023]（3.1）金融结算服务提供方和银行参与方计算预测损失的加密梯度，用加密的掩码向量初始化根结点，其中为经过t
‑
1次迭代训练后的预测输出；
[0024]（3.2）初始化结点列表并将所述根结点加入所述结点列表；
[0025]（3.3）对于所有的结点执行如下操作：
[0026]（3.3.1）和共同计算叶子结点i所包含样本的一阶偏导数累加之和及叶子结点i所包含样本的二阶偏导数累加之和，并将结果公开给；
[0027]（3.3.2）如果下一轮分割增益为负，则对所有结点，计算结点的权重，λ用于调整叶子结点；
[0028]（3.3.3）如果下一轮分割增益大于等于0，则执行如下操作：
[0029]（3.3.3.1）和共同构建直方图即聚合梯度，并计算候选梯度和；
[0030]（3.3.3.2）对所有明文特征的候选分割j执行如下操作，以选择最优的分割：公开给,得到分割增益;如果当前最优分割增益，则更新最佳分割增益,更新最佳特征k的最佳分割j为, ；
[0031]（3.3.3.3）对所有账户异常可能性特征的候选分割j执行如下操作，以选择最优的分割：和联合计算；如果当前，则和更新最佳的分割, ,；
[0032]（3.3.3.4）和公开对于第k个特征的最佳分割；
[0033]（3.3.3.5）如果第k个特征为明文特征，则公开<best.j>给，选择并记录特征阈值；否则公开<best.j>给，同态加密，并将发送给；
[0034]（3.3.3.6）和共同计算左子结点和右子结点，其中将数据小于特征阈值的结点归为左子结点，其余为右子结点；
[0035]（3.3.3.7）添加和到里面，从而得到由具有特征阈值和权重的中的所有结点组成的决策树模型。
[0036]进一步地，将所述特征向量输入训练好的XGBoost进行异常预测，具体为：
[0037]对于交易（oid，bid，...），如果，则金融结算服务提供方从本地交易图G中获取，否则，金融结算服务提供方将，其中oid为交易发起账户标识符，bid为交易接受账户标识符；
[0038]金融结算服务提供方评估XGBoost中的所有决策树，对于树，并行进行所有内部结点的比较，并获得边的权重，其中如果结点ρ选择左边，则，否则；
[0039]当结点ρ对应于账户异常可能性特征时，各方共同将和来自全同态加密形式的特征转换为算术秘密共享形式，并计算；
[0040]对于从根结点到叶结点的每条路径，金融结算服务提供方和选定的银行参与方共同将边的权重和叶结点权重相乘，并将所有路径的结果求和得到，预测输出计算为。
[0041]根据本申请实施例的第二方面，提供一种隐私保护的异常交易检测装置，包括：
[0042]字段提取模块，用于金融结算服务提供方对于所要进行异常检测的交易，从相应的银行数据集中进行所述交易涉及账户的字段提取；
[0043]特征提取模块，用于金融结算服务提供方对金融结算服务提供方数据集进行特征提取，所述特征包括基于所述金融结算服务提供方提取的明文特征以及基于所提取的字段
进行标签传播得到的账户异常可能性特征；
[0044]模型训练模块，用于金融结算服务提供方本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种隐私保护的异常交易检测方法，其特征在于，包括：（1）金融结算服务提供方对于所要进行异常检测的交易，从相应的银行数据集中进行所述交易涉及账户的字段提取；（2）金融结算服务提供方对金融结算服务提供方数据集进行特征提取，所述特征包括基于所述金融结算服务提供方提取的明文特征以及基于所提取的字段进行标签传播得到的账户异常可能性特征；（3）金融结算服务提供方基于提取的特征进行XGBoost的隐私训练；（4）金融结算服务提供方获取待进行异常检测的交易，提取其特征向量并将所述特征向量输入训练好的XGBoost模型进行异常预测。2.根据权利要求1所述的方法，其特征在于，在步骤（1）中，所述金融结算服务提供方与相应的银行参与方基于哈希技术和单个查询的混淆可编程伪随机函数协议的私有集合求交协议获取交集，对应的银行参与方利用全同态加密技术加密元组，其中为该银行参与方的账户标识符，为加密的账户异常可能性，表示对应的银行参与方和金融结算服务提供方都有的id集合。3.根据权利要求1所述的方法，其特征在于，在步骤（2）中，基于所提取的字段进行标签传播，包括：金融结算服务提供方构建一个交易图，每个结点表示为一个元组，其中是账户的异常可能性，初始值为0，每个边表示为一个元组，其中和是边的源结点和目标结点的索引，权重由账户和之间的交易中派生；在图G和加密标签上执行标签传播算法，以使得对于每个交易，金融结算服务提供方通过查找带有受益人账户的账户标识符的交易图来获得异常可能性。4.根据权利要求3所述的方法，其特征在于，对，为元组的集合，是账户的异常可能性，为元组的集合，在图G和加密标签上执行标签传播算法，具体为：对于每个边，金融结算服务提供方对进行归一化：，其中是结点的邻居和自身在中的索引集合，将第次迭代中账户的异常可能性为，金融结算服务提供方将标记数据引入为第0次迭代的状态，记录初始化为空集的索引集，并根据G进行标签传播如下：步骤0：设定轮次；步骤1：传播；步骤2：通过与银行参与方的协作夹紧标记数据，具体为：金融结算服务提供方将发送给第j个银行参与方，第j个银行参与方在本地计算，对于，将更新后的发送给金融
结算服务提供方；步骤3：增加；重复从步骤1开始，直到，其中是超参数。5.根据权利要求3所述的方法，其特征在于，在图G和加密标签上执行标签传播算法之前，将图G缩小为高风险子图，该子图仅包括标记异常交易步范围内的账户。6.根据权利要求1所述的方法，其特征在于，XGBoost的隐私训练过程具体为：（3.1）金融结算服务提供方和银行参与方计算预测损失的加密梯度，用加密的掩码向量初始化根结点，其中为经过t
‑
1次迭代训练后的预测输出；（3.2）初始化结点列表并将所述根结点加入所述结点列表；（3.3）对于所有的结点执行如下操作：（3.3.1）和共同计算叶子结点i所包含样本的一阶偏导数累加之和及叶子结点i所包含样本的二阶偏导数累加之和，并将结果公开给；（3.3.2）如果下一轮分割增益为负，则对所有结点，计算结...
【专利技术属性】
技术研发人员：张秉晟，王迪，任奎，
申请(专利权)人：浙江大学，
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。