【技术实现步骤摘要】
本专利技术涉及数据安全追踪领域，具体为一种基于人工智能的多因子欺诈链路追踪方法及系统。
技术介绍
1、随着信息技术的发展及数字交易场景的不断拓展，网络环境中涌现出多源异构、高频动态的欺诈行为形式，传统基于规则匹配、特征聚类或静态图挖掘的欺诈检测手段在面对复杂协同欺诈模式时呈现出识别能力不足、响应滞后及溯源困难等问题。在金融交易、电商活动、社交网络与智能物联等应用中，欺诈行为主体往往通过构建隐蔽协作链路、调控行为扰动轨迹与规避特征同质性等方式，逃避常规检测算法的判别机制，造成系统性风控盲区。
2、现有技术中，部分方法尝试引入图神经网络、图嵌入学习等算法进行结构增强建模，提升对欺诈实体的识别精度。然而，该类方法多依赖静态邻接关系与固定传播规则，难以动态刻画行为扰动演化过程与跨模态协同行为结构，且在路径链路可信建模、扰动一致性约束及行为复杂性刻画等方面缺乏系统建模机制。
3、此外，当前的欺诈追踪方案普遍忽略了实体在多模态行为场景下对外扰动的吸收能力差异与耦合响应强度的动态演化特性，导致实体之间潜在协同关系的识别与链路可...
【技术保护点】
1.一种基于人工智能的多因子欺诈链路追踪方法，其特征在于，包括：
2.根据权利要求1所述的一种基于人工智能的多因子欺诈链路追踪方法，其特征在于，构建多模态行为扰动结构模型的步骤包括：
3.根据权利要求2所述的一种基于人工智能的多因子欺诈链路追踪方法，其特征在于，构建实体间能流耦合关系图的过程包括：
4.根据权利要求2或3所述的一种基于人工智能的多因子欺诈链路追踪方法，其特征在于，实体结构嵌入表示的生成包括：
5.根据权利要求4所述的一种基于人工智能的多因子欺诈链路追踪方法，其特征在于，构建欺诈链路集合包括：
...
【技术特征摘要】
1.一种基于人工智能的多因子欺诈链路追踪方法，其特征在于，包括：
2.根据权利要求1所述的一种基于人工智能的多因子欺诈链路追踪方法，其特征在于，构建多模态行为扰动结构模型的步骤包括：
3.根据权利要求2所述的一种基于人工智能的多因子欺诈链路追踪方法，其特征在于，构建实体间能流耦合关系图的过程包括：
4.根据权利要求2或3所述的一种基于人工智能的多因子欺诈链路追踪方法，其特征在于，实体结构嵌入表示的生成包括：
5.根据权利要求4所述的一种基于人工智能的多因子欺诈链路追踪方法，其特征在于，构建欺诈链路集合包括：
6.根据权利要求5所...
【专利技术属性】
技术研发人员：闵炜，辛洪钧，肖烽，张勇，
申请(专利权)人：深圳市前海泽金产融科技有限公司，
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。