【技术实现步骤摘要】
本专利技术属于信息，尤其涉及一种基于图神经网络的聊天场景异常用户发现方法和系统。
技术介绍
1、近年来，网络犯罪案件量及占比均呈逐年上升趋势，聊天工具成为网络诈骗犯罪中使用最为频繁的犯罪工具，超半数网络诈骗案件中均有涉及微信等聊天工具实施诈骗的犯罪情节，如何根据聊天场景及时发现并监测异常用户具有重大意义。
2、针对异常用户检测这个问题虽然已经得到了不少研究，大部分方法都将用户的ip地址，好友关系等信息预处理为特征，然后利用聚类或者手工指定规则的方式判断是否为异常用户。但目前诈骗案件中出现犯罪分子利用聊天场景中群的途径，分工合作扮演不同角色合伙诈骗受害人，群里可能存在多个恶意用户，恶意用户之间会经常发生互相支持的现象。并且不同群聊中受害者的模式可能类似，都是有一个开始联系，怀疑，小收获，大损失的阶段。每个阶段，欺诈者的话术可能是类似的。针对这类新型犯罪如何通过分析群中聊天记录的方法快速分析出受害者和欺诈者，值得我们关注。
3、图神经网络通过同时捕获内容特性和结构关系来学习节点的高维表示。图神经网络通过将内容和结构特...
【技术保护点】
1.一种基于图神经网络的聊天场景异常用户发现方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述将给定的不同群聊信息分别处理为语义图和时序图，包括：
3.根据权利要求2所述的方法，其特征在于，所述在具有标签的群聊信息中训练图神经网络模型和分类器模型，采用关系图卷积神经网络模型RGCN学习语义图与时序图的具有异构边类型的节点表示，第l层的RGCN通过聚合来自k种类型边的消息计算出节点表示Hl：
4.根据权利要求3所述的方法，其特征在于，所述在具有标签的群聊信息中训练图神经网络模型和分类器模型，选择多层感知机...
【技术特征摘要】
1.一种基于图神经网络的聊天场景异常用户发现方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述将给定的不同群聊信息分别处理为语义图和时序图，包括：
3.根据权利要求2所述的方法，其特征在于，所述在具有标签的群聊信息中训练图神经网络模型和分类器模型，采用关系图卷积神经网络模型rgcn学习语义图与时序图的具有异构边类型的节点表示，第l层的rgcn通过聚合来自k种类型边的消息计算出节点表示hl：
4.根据权利要求3所述的方法，其特征在于，所述在具有标签的群聊信息中训练图神经网络模型和分类器模型，选择多层感知机模型mlp作为分类器模型，用于判断节点是否属于欺诈者。
5.根据权利要求4所述的方法，其特征在于，在具有标签的群聊数据集中，使用随机梯度下降法训练2*ntrain个rgcn用于学习用户节点的最终表示，以及一个mlp用于对用户节点进行分类，采用交叉熵lossc作为损失函数：
6.根据权利要求1所述的方法，其特征在于，所述利用对抗生成方式在没...
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。