对象识别方法技术

本申请实施例公开一种对象识别方法

【技术实现步骤摘要】
对象识别方法、装置、电子设备和存储介质


[0001]本申请涉及计算机领域，具体涉及一种对象识别方法
、
装置
、
电子设备和存储介质
。

技术介绍

[0002]电信欺诈是指通过电话
、
网络和短信方式，编造虚假信息，设置骗局，对受害人实施远程
、
非接触式欺诈，诱使受害人打款或转账的行为
。
电信欺诈日益猖獗，因此，识别出通过即时通讯工具实施欺诈的用户变得越来越重要
。
[0003]现有技术中，通常根据专家经验，设计一些专家规则来进行欺诈用户的识别
。
然而，根据专家经验进行欺诈用户的识别比较依赖以往的个人经验，不具备泛化性，主观性较强，准确度较低
。

技术实现思路

[0004]本申请实施例提供一种对象识别方法
、
装置
、
电子设备和存储介质，可以改善现有技术识别欺诈用户主观性较强，准确度较低的问题
。
[0005]本申请实施例提供一种对象识别方法，所述方法包括：
[0006]获取待识别对象的交易信息，并基于所述交易信息，确定所述待识别对象的交易行为的行为风险信息；
[0007]获取针对所述待识别对象的评价信息，并对所述评价信息进行多维特征提取，得到多个维度的初始评价特征；
[0008]将多个维度的所述初始评价特征进行融合，得到融合特征；
[0009]基于所述融合特征，对每一维度的初始评价特征进行风险评估，得到每一维度所述初始评价特征的评价风险子信息；
[0010]将多个维度的所述评价风险子信息进行融合，得到所述待识别对象的评价风险信息；
[0011]根据所述行为风险信息和评价风险信息，对所述待识别对象进行风险识别，得到所述待识别对象的风险类型
。
[0012]本申请实施例提供一种对象识别装置，所述装置包括：
[0013]行为风险确定单元，用于获取待识别对象的交易信息，并基于所述交易信息，确定所述待识别对象的交易行为的行为风险信息；
[0014]多维提取单元，用于获取针对所述待识别对象的评价信息，并对所述评价信息进行多维特征提取，得到多个维度的初始评价特征；
[0015]特征融合单元，用于将多个维度的所述初始评价特征进行融合，得到融合特征；
[0016]风险评估单元，用于基于所述融合特征，对每一维度的初始评价特征进行风险评估，得到每一维度所述初始评价特征的评价风险子信息；
[0017]评价风险确定单元，用于将多个维度的所述评价风险子信息进行融合，得到所述
待识别对象的评价风险信息；
[0018]风险类型获取单元，用于根据所述行为风险信息和评价风险信息，对所述待识别对象进行风险识别，得到所述待识别对象的风险类型
。
[0019]在一种实施方式中，行为风险确定单元，包括：
[0020]交易信息子单元，用于基于对象身份标识，获取所述待识别对象在预设时间段内接收到的转账笔数
、
每笔所述转账的金额
、
每笔所述转账的支付方式
、
每笔所述转账的时间点，以及所述待识别对象所对应的地理位置；
[0021]设备风险级别子单元，用于基于所述转账笔数
、
每笔所述转账的金额
、
每笔所述转账的支付方式
、
每笔所述转账的时间点，以及待识别对象所对应的地理位置，确定所述设备的设备风险级别；
[0022]回归分析子单元，用于对所述转账笔数
、
每笔所述转账的金额
、
每笔所述转账的支付方式
、
每笔所述转账的时间点，所述待识别对象所对应的地理位置以及所述设备风险级别进行回归分析，得到所述行为风险分
。
[0023]在一种实施方式中，回归分析子单元，具体用于利用
XGBOOST
网络对所述转账笔数
、
每笔所述转账的金额
、
每笔所述转账的支付方式
、
每笔所述转账的时间点，所述待识别对象所对应的地理位置以及所述设备风险级别进行回归分析，得到所述行为风险分
。
[0024]在一种实施方式中，所述评价信息包括评价图像和评价文本；相应的，多维提取单元，包括：
[0025]图像提取子单元，用于对所述评价图像进行编码处理，得到所述评价图像对应的图像特征；
[0026]文本提取子单元，用于对所述评价文本进行特征提取处理，得到所述评价文本对应的文本特征
。
[0027]在一种实施方式中，图像提取子单元，具体用于利用
EfficientNetB0
网络对所述评价图像进行编码处理，得到所述评价图像对应的图像特征；
[0028]文本提取子单元，具体用于利用
Albert
网络对所述评价文本进行特征提取处理，得到所述评价文本对应的文本特征
。
[0029]在一种实施方式中，风险评估单元，包括：
[0030]第一合并子单元，用于将所述图像特征与所述融合特征进行特征合并，得到第一合并结果；
[0031]图像评价子单元，用于基于所述第一合并结果，生成评价图像风险分；
[0032]第二合并子单元，用于将所述文本特征与所述融合特征进行特征合并，得到第二合并结果；
[0033]文本评价子单元，用于基于所述第二合并结果，生成评价文本风险分
。
[0034]在一种实施方式中，所述融合特征包括第一融合特征和第二融合特征；相应的，第一合并子单元，具体用于将所述图像特征与所述第一融合特征进行特征合并，得到所述第一合并结果；
[0035]第二合并子单元，具体用于将所述文本特征与所述第二融合特征进行特征合并，得到所述第二合并结果
。
[0036]在一种实施方式中，图像评价子单元，包括：
[0037]第一池化次子单元，用于对所述第一合并结果进行池化处理，得到第一池化结果；
[0038]第一线性次子单元，用于对所述第一池化结果进行线性变换处理，得到第一线性变换结果；
[0039]第一非线性次子单元，用于对所述第一线性变换结果进行非线性映射，得到所述评价图像风险分；
[0040]文本评价子单元，包括：
[0041]第二池化次子单元，用于对所述第二合并结果进行池化处理，得到第二池化结果；
[0042]第二线性次子单元，用于对所述第二池化结果进行线性变换处理，得到第二线性变换结果；
[0043]第二非线性次子单元，用于对所述第二线性变换结果进行非线性映射，得到所述评价文本风险分
。
[0044]在一种实施方式中，所述行为风险信息包括行为风险分；所述评价风险信息包括评价风险分；相应的，风险类型获取单元，包括：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种对象识别方法，其特征在于，所述方法包括：获取待识别对象的交易信息，并基于所述交易信息，确定所述待识别对象的交易行为的行为风险信息；获取针对所述待识别对象的评价信息，并对所述评价信息进行多维特征提取，得到多个维度的初始评价特征；将多个维度的所述初始评价特征进行融合，得到融合特征；基于所述融合特征，对每一维度的初始评价特征进行风险评估，得到每一维度所述初始评价特征的评价风险子信息；将多个维度的所述评价风险子信息进行融合，得到所述待识别对象的评价风险信息；根据所述行为风险信息和评价风险信息，对所述待识别对象进行风险识别，得到所述待识别对象的风险类型
。2.
如权利要求1所述的方法，其特征在于，所述获取待识别对象的交易信息，包括：基于对象身份标识，获取所述待识别对象在预设时间段内接收到的转账笔数
、
每笔所述转账的金额
、
每笔所述转账的支付方式
、
每笔所述转账的时间点，以及所述待识别对象所对应的地理位置；所述基于所述交易信息，确定所述待识别对象的交易行为的行为风险信息，包括：基于所述转账笔数
、
每笔所述转账的金额
、
每笔所述转账的支付方式
、
每笔所述转账的时间点，以及待识别对象所对应的地理位置，确定所述设备的设备风险级别；对所述转账笔数
、
每笔所述转账的金额
、
每笔所述转账的支付方式
、
每笔所述转账的时间点，所述待识别对象所对应的地理位置以及所述设备风险级别进行回归分析，得到所述行为风险分
。3.
如权利要求2所述的方法，其特征在于，所述对所述转账笔数
、
每笔所述转账的金额
、
每笔所述转账的支付方式
、
每笔所述转账的时间点，所述待识别对象所对应的地理位置以及所述设备风险级别进行回归分析，得到所述行为风险分，包括：利用
XGBOOST
网络对所述转账笔数
、
每笔所述转账的金额
、
每笔所述转账的支付方式
、
每笔所述转账的时间点，所述待识别对象所对应的地理位置以及所述设备风险级别进行回归分析，得到所述行为风险分
。4.
如权利要求1所述的方法，其特征在于，所述评价信息包括评价图像和评价文本；所述对所述评价信息进行多维特征提取，得到多个维度的初始评价特征，包括：对所述评价图像进行编码处理，得到所述评价图像对应的图像特征；对所述评价文本进行特征提取处理，得到所述评价文本对应的文本特征
。5.
如权利要求4所述的方法，其特征在于，所述对所述评价图像进行编码处理，得到所述评价图像对应的图像特征，包括：利用
EfficientNetB0
网络对所述评价图像进行编码处理，得到所述评价图像对应的图像特征；所述对所述评价文本进行特征提取处理，得到所述评价文本对应的文本特征，包括：利用
Albert
网络对所述评价文本进行特征提取处理，得到所述评价文本对应的文本特征
。6.
如权利要求4所述的方法，其特征在于，所述基于所述融合特征，对每一维度的初始
评价特征进行风险评估，得到每一维度所述初始评价特征的评价风险子信息，包括：将所述图像特征与所述融合特征进行特征合并，得到第一合并结果；基于所述第一合并结果，生成评价图像风险分；将所述文本特征与所述融合特征进行特征合并，得到第二合并结果；基于所述第二合并结果，生成评价文本风险分
。7.
如权利要...

【专利技术属性】
技术研发人员：李涛，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：