【技术实现步骤摘要】
一种交易异常群组的检测方法、装置及设备
本说明书涉及计算机
,尤其涉及一种交易异常群组的检测方法、装置及设备。
技术介绍
随着终端技术和网络技术的不断发展,在线交易成为当前重要的交易形式,而由此出现了很多网络黑产,为了保护用户的资源和账户安全,交易平台也相应的出现了很多风险防控机制(例如针对欺诈的风险防控机制、针对赌博的风险防控机制、针对营销的风险防控机制等),以此来对抗网络黑产。随着交易平台和网络黑产之间的对抗的不断升级,网络黑产越来越趋近于团伙(或群组)的形式,而黑产群组对交易用户的危害程度非常高。而如何从交易中检测出上述黑产群组成为需要解决的重要问题。为此,需要提供一种能够从交易中检测黑产群组的技术方案。
技术实现思路
本说明书实施例的目的是提供一种交易异常群组的检测方法、装置及设备,以提供一种能够从交易中检测黑产群组的技术方案。为了实现上述技术方案,本说明书实施例是这样实现的:本说明书实施例提供的一种交易异常群组的检测方法,所述方法包括:基于用户的交易数据,构建所述交易数据中包含的账户之间的关联关系图谱。基于所述账户之间的关联关系图谱,将所述交易数据中包含的账户进行分组,得到至少一个账户群组。基于所述至少一个账户群组中包含的账户之间的关联关系图谱和预定的异常图谱数据库中的异常子图,以及预定的图谱处理模型,通过图谱匹配的方式确定所述账户群组是否为存在预定风险的异常群组。本说明书实施例提供的一种交易异常群组的检测装置,所述装置包括:第一图谱构建模块,基于用户的交易 ...
【技术保护点】
1.一种交易异常群组的检测方法,所述方法包括:/n基于用户的交易数据,构建所述交易数据中包含的账户之间的关联关系图谱;/n基于所述账户之间的关联关系图谱,将所述交易数据中包含的账户进行分组,得到至少一个账户群组;/n基于所述至少一个账户群组中包含的账户之间的关联关系图谱和预定的异常图谱数据库中的异常子图,以及预定的图谱处理模型,通过图谱匹配的方式确定所述账户群组是否为存在预定风险的异常群组。/n
【技术特征摘要】
1.一种交易异常群组的检测方法,所述方法包括:
基于用户的交易数据,构建所述交易数据中包含的账户之间的关联关系图谱;
基于所述账户之间的关联关系图谱,将所述交易数据中包含的账户进行分组,得到至少一个账户群组;
基于所述至少一个账户群组中包含的账户之间的关联关系图谱和预定的异常图谱数据库中的异常子图,以及预定的图谱处理模型,通过图谱匹配的方式确定所述账户群组是否为存在预定风险的异常群组。
2.根据权利要求1所述的方法,所述基于所述至少一个账户群组中包含的账户之间的关联关系图谱和预定的异常图谱数据库中的异常子图,以及预定的图谱处理模型,通过图谱匹配的方式确定所述账户群组是否为存在预定风险的异常群组,包括:
分别将所述至少一个账户群组中包含的账户之间的关联关系图谱输入到所述图谱处理模型中,得到每个所述账户群组中包含的账户之间的关联关系图谱对应的图谱表征信息;
获取每个所述账户群组中包含的账户之间的关联关系图谱对应的图谱表征信息与所述异常图谱数据库中的异常子图对应的子图表征信息之间的相似度;
基于获取的所述相似度,确定所述账户群组是否为存在预定风险的异常群组。
3.根据权利要求2所述的方法,所述方法还包括:
获取多个历史账户群组,以及每个所述历史账户群组中包含的账户之间的关联关系图谱;
基于所述多个历史账户群组中包含的账户之间的关联关系图谱,对所述图谱处理模型进行训练,得到训练后的图谱处理模型。
4.根据权利要求3所述的方法,所述基于所述多个历史账户群组中包含的账户之间的关联关系图谱,对所述图谱处理模型进行训练,得到训练后的图谱处理模型,包括:
将第一历史账户群组中包含的账户之间的关联关系图谱中账户顺序进行打乱处理,得到打乱后的第一历史账户群组中包含的账户之间的关联关系图谱;
基于所述打乱后的第一历史账户群组中包含的账户之间的关联关系图谱、所述第一历史账户群组中包含的账户之间的关联关系图谱和第二历史账户群组中包含的账户之间的关联关系图谱,对所述图谱处理模型进行训练,得到训练后的图谱处理模型,所述第一历史账户群组和所述第二历史账户群组为所述多个历史账户群组中任意两个不同的历史账户群组。
5.根据权利要求4所述的方法,所述图谱处理模型由预设的神经网络模型、Embedding函数和TripletLoss模型构建。
6.根据权利要求5所述的方法,所述神经网络模型为图神经网络模型。
7.根据权利要求5所述的方法,所述神经网络模型为卷积神经网络模型。
8.根据权利要求2所述的方法,所述获取每个所述账户群组中包含的账户之间的关联关系图谱对应的图谱表征信息与所述异常图谱数据库中的异常子图对应的子图表征信息之间的相似度,包括:
基于预定的相似度算法,确定每个所述账户群组中包含的账户之间的关联关系图谱对应的图谱表征信息与所述异常图谱数据库中的异常子图对应的子图表征信息之间的相似度;
其中,所述预定的相似度算法包括欧氏距离算法、曼哈顿距离算法、切比雪夫距离算法、闵可夫斯基距离算法、马氏距离算法、余弦距离算法、汉明距离算法和杰卡德距离算法中的任一算法。
9...
【专利技术属性】
技术研发人员:毛琼,
申请(专利权)人:支付宝杭州信息技术有限公司,
类型:发明
国别省市:浙江;33
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。