【技术实现步骤摘要】
异常用户行为检测方法、装置、设备及存储介质
[0001]本专利技术涉及网络安全
,尤其涉及一种异常用户行为检测方法
、
装置
、
设备及存储介质
。
技术介绍
[0002]目前,随着互联网金融的发展,在基于互联网进行金融交易的过程中欺诈风险也逐步提升
。
为了维护金融体系的稳定,并保护交易双方的合法权益,金融反欺诈领域中,采取了多种不同异常检测手段以对欺诈用户进行识别
。
[0003]基于用户动作模式的异常检测是一个重要反诈手段,然而动作的识别通常是使用传统的如网络埋点数据分析或是简单分类的方式,因此需要与企业的业务进行绑定形成规则设置,泛化性较低,且所能识别动作偏向于粗粒度动作,需要在金融交易行为发生时才能进行识别,无法及时进行风险干预
。
[0004]上述内容仅用于辅助理解本专利技术的技术方案,并不代表承认上述内容是相关技术
。
技术实现思路
[0005]本专利技术的主要目的在于提供了一种异常用户行为检测方法
、
装置
、
设备及存储介质,旨在解决在金融反欺诈场景中由于传统方式中只能结合企业的业务与用户网络行为进行异常识别的规则设置,泛化性较低,对异常用户行为的识别不够及时有效的技术问题
。
[0006]为实现上述目的,本专利技术提供了一种异常用户行为检测方法,所述方法包括以下步骤:获取当前用户的前端传感数据;基于当前会话时刻,查询在所述当前会话时刻 ...
【技术保护点】
【技术特征摘要】
1.
一种异常用户行为检测方法,其特征在于,所述方法包括:获取当前用户的前端传感数据;基于当前会话时刻,查询在所述当前会话时刻的后端埋点数据;将所述前端传感数据和所述后端埋点数据输入预设二部图推理模型,获得邻接矩阵;根据所述邻接矩阵判断所述当前用户的行为是否存在异常情况
。2.
如权利要求1所述的异常用户行为检测方法,其特征在于,所述获取当前用户的前端传感数据,包括:获取所述当前用户的传感器采集数据;通过前端编码模型对所述当前用户的传感器采集数据进行特征提取,获得所述当前用户的传感行为嵌入特征;所述基于当前会话时刻,查询在所述当前会话时刻的后端埋点数据之前,包括:获取所述当前会话时刻的网页行为;通过后端编码模型对所述当前会话时刻的网页行为进行特征提取,获得所述当前会话时刻的异常埋点嵌入特征;相应地,所述基于当前会话时刻,查询在所述当前会话时刻的后端埋点数据,包括:基于当前会话时刻,查询在所述当前会话时刻的异常埋点嵌入特征
。3.
如权利要求2所述的异常用户行为检测方法,其特征在于,所述获取当前用户的前端传感数据之前,包括:初始化待训练的前端编码模型,所述前端编码模型包括二维卷积层和图注意网络层;获取各传感器采集数据,并基于所述传感器采集数据对应的采集时间点建立时间图;通过各采集时间点对应的时间图对所述前端编码模型进行训练,获得经过训练的前端编码模型
。4.
如权利要求2所述的异常用户行为检测方法,其特征在于,所述获取当前用户的前端传感数据之前,包括:基于
Bert
模型初始化后端编码模型;获取网页的埋点流水日志,并结合异常标记样本,构建训练数据集;通过所述训练数据集对所述后端编码模型进行训练,获得经过训练的后端编码模型
。5.
如权利要求2所述的异常用户行为检测方法,其特征在于,所述获取当前用户的前端传感数据之前,包括:初始化二部图推理模型;分别获取所述前端编码模型和所述后端编码模型的训练输出数据,其中,所述前端编码模型的训练输出数据为传感行为嵌入特征,所述后端编码...
【专利技术属性】
技术研发人员:韩柳,步遐,
申请(专利权)人:中邮消费金融有限公司,
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。