一种交易异常群组的检测方法、装置及设备制造方法及图纸

本说明书实施例公开了一种交易异常群组的检测方法、装置及设备，该方法包括：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。

【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。群组划分模块，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。异常群组确定模块，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设备，所述交易异常群组的检测设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：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。附图说明为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本说明书一种交易异常群组的检测方法实施例；图2为本说明书一种关联关系图谱的示意图；图3A为本说明书另一种交易异常群组的检测方法实施例；图3B为本说明书一种模型训练的方法流程示意图；图4为本说明书一种相似度算法的原理示意图；图5为本说明书一种交易异常群组的检测装置实施例；图6为本说明书一种交易异常群组的检测设备实施例。具体实施方式本说明书实施例提供一种交易异常群组的检测方法、装置及设备。为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。实施例一如图1所示，本说明书实施例提供一种交易异常群组的检测方法，该方法的执行主体可以为服务器，其中，该服务器可以是独立的一个服务器，还可以是由多个服务器构成的服务器集群等，该服务器可以是某业务(如金融业务或网络购物业务等)的后台服务器，还可以是某应用程序的后台服务器等。该方法具体可以包括以下步骤：在步骤S102中，基于用户的交易数据，构建该交易数据中包含的账户之间的关联关系图谱。其中，交易数据可以是与用户进行交易的过程中产生的数据，交易数据可以包括多种不同内容的数据，具体如交易时间、交易双方的账户信息、交易的资源数量等。关联关系可以是不同账户之间的交易关系、对应的用户之间的好友关系等，具体可以根据实际情况设定。在实施中，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。本说明书实施例提供一种可选的处理方式，具体可以包括以下内容：考虑到无论是欺诈风险、赌博风险或营销风险，通常都会适合于使用图谱的形式进行抽象，因此，可以通过图谱的形式检测交易中可能存在风险的异常群组，具体地，交易平台的用户往往较多，同一时刻可能有多个不同的用户进行某项或多项交易，因此，可以获取交易平台的实时交易数据流，并可以对该实时交易数据流进行异常群组检测，为此，可以基于从交易平台获取的交易数据，获取该交易数据中包含的账户信息。并可以基于该交易数据，确定不同账户信息对应的账户之间存在的关联关系，然后，可以基于上述账户信息和不同账户之间的关联关系，可以以图谱的形式，构建交易数据中包含的账户之间的关联关系图谱。在步骤S104中，基于上述账户之间的关联关系图谱，将上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。在实施中，通过上述方式得到交易数据中包含的账户之间的关联关系图谱后，可以通过预先设定的分组规则对上述关联关系图谱中的账户进行分组，得到至少一个账户群组，其中，分组规则可以是基于历史数据而总结归纳得到的规则，还可以是通过预先设定的算法而设定的规则，如可以基于余弦距离算法计算任意两个账户之间的距离，可以基于距离的大小关系对相应的账户进行分组，或者，还可以是通过社区发现等方式对相应的账户进行分组等，具体可以根据实际情况设定，本说明书实施例对此不做限定。例如，如图2所示，其中的每个圆圈和其中的数字代表一个账户，每个虚线框中的账户可以构成账户群组，不同账户之间的连线表示账户之间存在预定的关联关系。在步骤S106中，基于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，以及预定的图本文档来自技高网...

【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