异常资源转移行为识别方法、装置和计算机设备制造方法及图纸

本申请涉及一种异常资源转移行为识别方法、异常资源转移行为识别模型训练方法、装置、计算机设备、存储介质和计算机程序产品，涉及计算机技术领域，可用于金融科技领域或其他相关领域。该异常资源转移行为识别方法包括：基于待识别转移行为的第一行为特征和异常转移行为样本的第二行为特征，确定待识别转移行为的第一类特征；基于第一行为特征和待识别转移行为的资源接收对象历史接收的历史转移行为样本的第三行为特征，确定待识别转移行为的第二类特征和第三类特征；基于第一类特征、第二类特征、第三类特征以及预先训练完成的异常资源转移行为识别模型，确定待识别转移行为的识别结果。采用本方法，能够提高异常资源转移行为的识别准确率。为的识别准确率。为的识别准确率。

【技术实现步骤摘要】
异常资源转移行为识别方法、装置和计算机设备


[0001]本申请涉及计算机
，特别是涉及一种异常资源转移行为识别方法、异常资源转移行为识别模型训练方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]异常资源转移行为是指预支类资源的持有者通过与商家之间的资源转移，实现预支类资源的变现的行为；例如，信用卡持有者通过信用卡向商家进行支付，再由商家将相应金额的钱财转移给信用卡持有者，从而实现信用卡额度的变现的行为。因此，需要对异常资源转移进行识别，避免异常资源转移行为泛滥。
[0003]相关技术中，一般是基于单笔资源转移行为的特征信息，来判断该资源转移行为是否异常；然而，资源转移行为之间往往具有关联性，基于相关技术的异常资源转移方法容易忽略这种关联性，从而导致异常资源转移行为的识别准确率较低。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高异常资源转移行为的识别准确率的异常资源转移行为识别方法、异常资源转移行为识别模型训练方法、装置、计算机设备、计算机可读存储介质和计算机程序本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常资源转移行为识别方法，其特征在于，所述方法包括：获取待识别转移行为的第一行为特征、异常转移行为样本的第二行为特征，以及所述待识别转移行为的资源接收对象历史接收的历史转移行为样本的第三行为特征；所述待识别转移行为为预支类资源的转移行为；基于所述第一行为特征和所述第二行为特征，确定所述待识别转移行为的第一类特征；所述第一类特征表征所述待识别转移行为和所述异常转移行为样本之间的相似程度；基于所述第一行为特征和所述第三行为特征，确定所述待识别转移行为的第二类特征和第三类特征；所述第二类特征表征所述待识别转移行为在特征维度下的异常程度，所述第三类特征表征所述待识别转移行为在时间维度下的异常程度；基于所述第一类特征、所述第二类特征、第三类特征以及预先训练完成的异常资源转移行为识别模型，确定针对所述待识别转移行为的识别结果。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一行为特征和所述第二行为特征，确定所述待识别转移行为的第一类特征，包括：根据所述第一行为特征和所述第二行为特征，构建转移行为知识图谱；基于所述转移行为知识图谱，获取所述待识别转移和所述异常转移行为样本之间的距离，以及获取所述待识别转移和所述异常转移行为样本之间的邻居节点数量；从所述距离中，确定出符合预设条件的目标距离；将所述目标距离和所述邻居节点数量，确定为所述待识别转移行为的第一类特征。3.根据权利要求2所述的方法，其特征在于，所述基于所述转移行为知识图谱，获取所述待识别转移和所述异常转移行为样本之间的距离，包括：在所述转移行为知识图谱中，确定所述待识别转移行为和所述异常转移行为样本之间的路径；沿着所述路径上的权重，得到所述待识别转移行为和所述异常转移行为样本之间的距离；所述从所述距离中，确定出符合预设条件的目标距离，包括：从所述距离中，识别出对应的数值小于其余距离对应的数值的距离，作为所述符合预设条件的目标距离。4.根据权利要求1所述的方法，其特征在于，所述基于所述第一行为特征和所述第三行为特征，确定所述待识别转移行为的第二类特征，包括：基于所述第一行为特征和所述历史转移行为样本的第三行为特征，确定所述待识别转移行为在所述第一类特征下的第一子特征；从所述历史转移行为样本中，确定出正常转移行为样本，基于所述第一行为特征和所述正常转移行为样本的第三行为特征，确定所述待识别转移行为在所述第一类特征下的第二子特征；将所述第一子特征和所述第二子特征，确定为所述待识别转移行为的第二类特征。5.根据权利要求4所述的方法，其特征在于，所述基于所述第一行为特征和所述历史转移行为样本的第三行为特征，确定所述待识别转移行为在所述第一类特征下的第一子特征，包括：根据所述历史转移行为样本的第三行为特征，构建所述资源接收对象对应的孤立森
林；所述孤立森林包括多棵树，每棵树基于所述资源接收对象历史接收的一个历史转移行为样本得到，所述历史转移行为样本包括正常转移行为样本和异常转移行为样本；基于所述第一行为特征，将所述待识别转移行为沿着所述孤立森林中的每棵树的路径下降，得到所述待识别转移行为在每棵树上可匹配的路径长度；获取各个路径长度的平均值，基于所述平均值，得到所述待识别转移行为在所述第一类特征下的第一子特征。6.根据权利要求4所述的方法，其特征在于，所述基于所述第一行为特征和所述正常转移行为样本的第三行为特征，确定所述待识别转移行为在所述第一类特征下的第二子特征，包括：基于所述正常转移行为样本的第三行为特征，训练得到自编码器；通过所述自编码器，对所述待识别转移行为进行重构，得到所述待识别转移行为的重构行为；基于所述重构行为和所述待识别转移行为之间的误差，得到所述待识别转移行为在所述第一类特征下的第二子特征。7.根据权利要求1所述的方法，其特征在于，所述第三类特征通过下述方式获取得到：基于所述历史转移行为样本的第三行为特征，得到所述转移行为样本的资源数量时间序列和行为数量时间序列；所述资源数量时间序列根据所述转移行为样本在预设的多个时间区间下的资源转移数量组成，所述行为数量时间序列根据所述转移行为样本在所述预设的多个时间区间下的行为数量组成；确定所述待识别转移行为在所述资源数量时间序列或所述行为数量时间序列下对应的目标时间区间；基于所述资源数量时间序列在所述目标时间区间内的资源转移数量集，得到所述待识别转移行为的资源数量时序特征，以及基于所述行为数量时间序列在所述目标区间内的行为数量，得到所述待识别转移行为的行为数量时序特征；将所述资源数量时序特征和所述行为数量时序特征，确定为所述待识别转移行为的第三类特征。8.根据权利要求7所述的方法，其特征在于，所述基于所述资源数量时间序列在所述目标时间区间内的资源转移数量集，得到所述待识别转移行为的资源...

【专利技术属性】
技术研发人员：王中晴，易厚梅，蒋李灵，吴心坪，
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：