【技术实现步骤摘要】
本专利技术涉及金融安全，尤其涉及基于孤立森林和密度聚类的金融交易异常检测方法和系统。
技术介绍
1、随着金融科技的快速发展，金融交易逐渐呈现出高频化、多样化、复杂化的特点。作为金融机构风控决策的重要依据，金融交易数据的异常检测对于防范金融欺诈、反洗钱、维护市场秩序以及提升金融机构的风险控制能力具有重要意义。然而，因其交易频率高、数据量庞大、特征维度复杂等特点，在数据分析与异常检测中仍面临着诸多挑战。
2、现有的异常数据检测方法大致可以分为基于规则的方法和基于统计或机器学习的方法。其中，基于规则的方法依赖于专家经验设定阈值或规则，能够对已知的异常行为进行检测，但对于复杂的非线性数据模式和未知的异常行为表现出较大的局限性；而基于统计或机器学习的方法通过数据驱动的方式建模，能够捕获交易数据中的复杂模式，展现出更高的灵活性和适应性。
3、近年来，孤立森林(isolation forest)和密度聚类(如dbscan模型)等算法在异常检测领域受到广泛关注。孤立森林是一种基于决策树的无监督学习算法，能够快速、高效地处理高维数...
【技术保护点】
1.基于孤立森林和密度聚类的金融交易异常检测方法，其特征在于，包括：
2.根据权利要求1所述的基于孤立森林和密度聚类的金融交易异常检测方法，其特征在于，所述原始金融交易数据包括交易发生的账户ID、交易日期和时间、交易金额、支付方式和交易类型。
3.根据权利要求1所述的基于孤立森林和密度聚类的金融交易异常检测方法，其特征在于，所述预处理包括数据清洗、处理缺失值、属性规约、数据降维和归一化处理。
4.根据权利要求1所述的基于孤立森林和密度聚类的金融交易异常检测方法，其特征在于，所述改进的孤立森林模型包括在原始的孤立森林模型中引入特征权重...
【技术特征摘要】
1.基于孤立森林和密度聚类的金融交易异常检测方法，其特征在于，包括：
2.根据权利要求1所述的基于孤立森林和密度聚类的金融交易异常检测方法，其特征在于，所述原始金融交易数据包括交易发生的账户id、交易日期和时间、交易金额、支付方式和交易类型。
3.根据权利要求1所述的基于孤立森林和密度聚类的金融交易异常检测方法，其特征在于，所述预处理包括数据清洗、处理缺失值、属性规约、数据降维和归一化处理。
4.根据权利要求1所述的基于孤立森林和密度聚类的金融交易异常检测方法，其特征在于，所述改进的孤立森林模型包括在原始的孤立森林模型中引入特征权重、构建多个相对金额特征作为输入以及对输入的特征进行时间窗口特征转换；
5.根据权利要求4所述的基于孤立森林和密度聚类的金融交易异常检测方法，其特征在于，所述特征权重按以下公式表示：
6...
【专利技术属性】
技术研发人员：武相军，何雨，游大涛，何亚光，张晓举，徐梓赫，王彦磊，熊志军，李法全，王逸凡，王东豪，
申请(专利权)人：中金汇通数据管理有限公司，
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。