一种异常识别方法技术

本申请提供了一种异常识别方法

【技术实现步骤摘要】
一种异常识别方法、装置和设备及计算机存储介质


[0001]本申请涉及计算机
，具体涉及一种异常识别方法
、
装置和设备及计算机存储介质
。

技术介绍

[0002]在互联网技术不断发展的同时，越来越多的网络异常行为也随之出现
。
网络异常行为指的是，以互联网为媒介，以网络技术为主要手段，为计算机信息系统安全和网络空间管理秩序带来威胁的非法行为
。
[0003]当网络异常行为表现在网络支付领域时，通常出现的情况是：网络异常行为的参与者利用网络支付，为不法行为的资源流转提供便捷
。
所以在网络支付场景中，支付机构应当具备必要的技术手段，确保支付业务的及时性
、
准确性和安全性
。
这就需要支付机构在必要时能够采用合理的技术手段以实现对网络支付过程中的异常进行识别
。
[0004]然而，在一般的异常识别的方式中，通常所采用的方式是从来源众多的历史数据中筛选出存在网络异常行为的数据记录
。
[0005]例如，在进行异常识别过程时，当某一历史数据中记录的参与者已经被标记为异常参与者时，即可以将该历史数据对应的网络行为确定为网络异常行为，而该网络行为中的所有其他参与者都会被标记为异常参与者
。
[0006]又例如，当确定某一历史数据中记录的参与者是未知参与者，无法确定该网络行为参与者的相关信息时，也可以将该历史数据对应的网络行为确定为网络异常行为，同样，该网络行为中的所有其他参与者都会被标记为异常参与者
。
[0007]这样的识别方式需要分别针对每一份数据记录进行筛选，且需要累计一定数量的异常参数者以后才能达到较好的识别结果，所以存在异常识别效率较低的问题
。
[0008]另一方面，上述异常识别方式也存在着异常识别准确率较低的问题
。
[0009]例如，对于网络支付领域中的一般参与者而言，其对应的历史数据中可能存在偶然出现的异常记录，然而这种记录的出现只是偶然发生，并不意味着该参与者是真正的网络异常行为对应的异常参与者
。
但是在这种情况下，如果仍旧采用上述异常识别的方式，当识别到该条偶然出现的异常记录时，会将该异常记录对应的所有参与者都标记为异常参与者，包括上述提到的一般参数者，这就导致了错误的异常识别结果的出现
。
[0010]因此，如何提高针对网络异常行为的异常识别的效率与准确性，是一个亟待解决的技术问题
。

技术实现思路

[0011]本申请提供一种风险交易账号的识别方法
、
装置和设备及计算机存储介质，用以提高针对网络异常行为的异常识别的效率与准确性
。
[0012]第一方面，本申请提供了一种异常识别方法，该方法包括：
[0013]获取目标对象关联的多个资源转移记录；其中，每个资源转移记录至少包括：一种
资源转移行为以及相应的执行时间；
[0014]分别对多个资源转移行为进行特征提取，获得相应的转移行为特征，以及，基于获得的多个转移行为特征及所述多个转移行为特征各自关联的执行时间，获得至少一个目标矩阵；
[0015]将所述至少一个目标矩阵中包含的各矩阵元素，划分为至少一个子矩阵；其中，每个子矩阵包括：归属于至少两个转移行为特征的矩阵元素；
[0016]分别对所述至少一个子矩阵进行特征提取，获得相应的混合行为特征；
[0017]基于获得的至少一个混合行为特征，针对所述目标对象进行异常行为识别处理，获得相应的异常识别结果
。
[0018]第二方面，本申请提供了一种异常识别装置，该装置包括：
[0019]获取模块，用于获取目标对象关联的多个资源转移记录；其中，每个资源转移记录至少包括：一种资源转移行为以及相应的执行时间；
[0020]提取模块，用于分别对多个资源转移行为进行特征提取，获得相应的转移行为特征，以及，基于获得的多个转移行为特征及所述多个转移行为特征各自关联的执行时间，获得至少一个目标矩阵；
[0021]划分模块，用于将所述至少一个目标矩阵中包含的各矩阵元素，划分为至少一个子矩阵；其中，每个子矩阵包括：归属于至少两个转移行为特征的矩阵元素；分别对所述至少一个子矩阵进行特征提取，获得相应的混合行为特征；
[0022]识别模块，用于基于获得的至少一个混合行为特征，针对所述目标对象进行异常行为识别处理，获得相应的异常识别结果
。
[0023]在一种可能的实施方式中，所述提取模块用于分别对多个资源转移行为进行特征提取，获得相应的转移行为特征时，具体用于：
[0024]针对所述多个资源转移行为，分别执行以下操作：
[0025]在一个资源转移行为对应的资源转移记录中，获取符合预设数据类型的目标数据；
[0026]对所述目标数据进行语义分析，获得相应的目标分析结果；
[0027]对所述目标分析结果进行特征提取，获得所述一个资源转移行为对应的转移行为特征
。
[0028]在一种可能的实施方式中，所述提取模块用于对所述目标数据进行语义分析，获得相应的目标分析结果时，具体用于：
[0029]对所述目标数据进行语义分析，获得所述目标数据中包含的各分词；
[0030]分别对所述各分词进行编码，获得所述目标数据对应的词向量；
[0031]基于所述词向量获得所述目标分析结果
。
[0032]在一种可能的实施方式中，所述提取模块用于基于所述词向量获得所述目标分析结果时，具体用于：
[0033]基于预设的压缩权重，对所述词向量进行压缩处理，获得相应的压缩向量，并将所述压缩向量作为所述目标分析结果；
[0034]则所述对所述目标分析结果进行特征提取，获得所述一个资源转移行为对应的转移行为特征，包括：
[0035]对获得的压缩向量进行特征提取，获得所述一个资源转移行为对应的转移行为特征
。
[0036]在一种可能的实施方式中，所述提取模块用于基于获得的多个转移行为特征及所述多个转移行为特征各自关联的执行时间，获得至少一个目标矩阵时，具体用于：
[0037]基于所述多个转移行为特征各自关联的执行时间，将获得的多个转移行为特征按照时间顺序排序，并组合为相应的目标矩阵；或者，
[0038]基于预设的时间间隔，结合所述多个转移行为特征各自关联的执行时间，将所述多个转移行为特征划分为至少两个中间特征集，以及，分别将所述至少两个中间特征集各自包含的各转移行为特征，组合为相应的目标矩阵；其中，获得的至少两个目标矩阵具有相同的矩阵大小
。
[0039]在一种可能的实施方式中，所述划分模块用于将所述至少一个目标矩阵中包含的各矩阵元素，划分为至少一个子矩阵时，具体用于：
[0040]基于预设滑动路线以及预设滑动步长，在所述目标矩阵中滑动目标滑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种异常识别方法，其特征在于，所述方法包括：获取目标对象关联的多个资源转移记录；其中，每个资源转移记录至少包括：一种资源转移行为以及相应的执行时间；分别对多个资源转移行为进行特征提取，获得相应的转移行为特征，以及，基于获得的多个转移行为特征及所述多个转移行为特征各自关联的执行时间，获得至少一个目标矩阵；将所述至少一个目标矩阵中包含的各矩阵元素，划分为至少一个子矩阵；其中，每个子矩阵包括：归属于至少两个转移行为特征的矩阵元素；分别对所述至少一个子矩阵进行特征提取，获得相应的混合行为特征；基于获得的至少一个混合行为特征，针对所述目标对象进行异常行为识别处理，获得相应的异常识别结果
。2.
如权利要求1所述的方法，其特征在于，所述分别对多个资源转移行为进行特征提取，获得相应的转移行为特征，包括：针对所述多个资源转移行为，分别执行以下操作：在一个资源转移行为对应的资源转移记录中，获取符合预设数据类型的目标数据；对所述目标数据进行语义分析，获得相应的目标分析结果；对所述目标分析结果进行特征提取，获得所述一个资源转移行为对应的转移行为特征
。3.
如权利要求2所述的方法，其特征在于，所述对所述目标数据进行语义分析，获得相应的目标分析结果，包括：对所述目标数据进行语义分析，获得所述目标数据中包含的各分词；分别对所述各分词进行编码，获得所述目标数据对应的词向量；基于所述词向量获得所述目标分析结果
。4.
如权利要求3所述的方法，其特征在于，所述基于所述词向量获得所述目标分析结果，包括：基于预设的压缩权重，对所述词向量进行压缩处理，获得相应的压缩向量，并将所述压缩向量作为所述目标分析结果；则所述对所述目标分析结果进行特征提取，获得所述一个资源转移行为对应的转移行为特征，包括：对获得的压缩向量进行特征提取，获得所述一个资源转移行为对应的转移行为特征
。5.
如权利要求1‑4任一项所述的方法，其特征在于，所述基于获得的多个转移行为特征及所述多个转移行为特征各自关联的执行时间，获得至少一个目标矩阵，包括：基于所述多个转移行为特征各自关联的执行时间，将获得的多个转移行为特征按照时间顺序排序，并组合为相应的目标矩阵；或者，基于预设的时间间隔，结合所述多个转移行为特征各自关联的执行时间，将所述多个转移行为特征划分为至少两个中间特征集，以及，分别将所述至少两个中间特征集各自包含的各转移行为特征，组合为相应的目标矩阵；其中，获得的至少两个目标矩阵具有相同的矩阵大小
。6.
如权利要求1‑4任一项所述的方法，其特征在于，所述将所述至少一个目标矩阵中包
含的各矩阵元素，划分为至少一个子矩阵，包括：基于预设滑动路线以及预设滑动步长，在所述目标矩阵中滑动目标滑动窗口，并从所述目标矩阵中提取出与当前滑动窗口对应的窗口内容；其中，每一次提取出的窗口内容中均包括：归属于至少两个转移行为特征的矩阵元素；基于提取出的至少一个窗口内容，获得所述至少一个子矩阵
。7.
如权利要求1‑4任一项所述的方法，其特征在于，当划分得到的子矩阵为至少两个子矩阵时，所述分别对所述至少一个子矩阵进行特征提取，获得相应的混合行为特征，包括：分别对所述至少两个子矩阵进行初始特征提取，获得相应的初始中间特征；对获得的至少两个初始中间特征进行预设轮次的混合特征提取，获...

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