数据检测方法和装置、计算机可读存储介质制造方法及图纸

本公开涉及一种数据检测方法和装置、计算机可读存储介质。该数据检测方法包括：从多个服务器获取对象关联数据；对对象关联数据进行数据处理并确定对象关联数据的特征值；将处理后的对象关联数据和相应特征值，输入异常数据监测模型，确定异常数据。本公开不仅考虑机构之间直接的法律关系，也通过挖掘与机构相关的个人实体的信息来寻找异常数据和对应的欺诈机构。机构。机构。

【技术实现步骤摘要】
数据检测方法和装置、计算机可读存储介质


[0001]本公开涉及数据检测领域，特别涉及一种数据检测方法和装置、计算机可读存储介质。

技术介绍

[0002]反欺诈是通过对已有的商业或金融信息或数据进行分析，判断用户的行为，从中找出疑似欺诈的账户，从而实现反欺诈的目的。
[0003]相关技术的反欺诈方法有：建立电商贷款管理系统。经用户授权，获取用户的多个账号的经营数据，对多个账号进行账户关联分析。此外，将同一个实体及与其有相关法律关系实体的电商平台的多个账户进行整合，将主从账号的交易数据整合在一起。采集多方数据进行加工，通过大数据分析，结合风控模型进行用户评估，生成评分结果和贷前风控报告。

技术实现思路

[0004]专利技术人通过研究发现：相关技术的电商贷款管理系统存在如下缺陷：相关技术寻找用户间的关系都是直接通过有法律关系的实体找出，而一个欺诈团伙中的关系可能更加隐蔽，不仅仅通过法律关系直接关联。
[0005]鉴于以上技术问题中的至少一项，本公开提供了一种数据检测方法和装置、计算机可读存储介质，不仅考虑机构之间直接的法律关系，也通过挖掘与机构相关的个人实体的信息来寻找异常数据和对应的异常机构。
[0006]根据本公开的一个方面，提供一种数据检测方法，包括：
[0007]从多个服务器获取对象关联数据；
[0008]对对象关联数据进行数据处理并确定对象关联数据的特征值；
[0009]将处理后的对象关联数据和相应特征值，输入异常数据监测模型，确定异常数据。
>[0010]在本公开的一些实施例中，所述将处理后的对象关联数据和相应特征值，输入异常数据监测模型，确定异常数据包括：
[0011]根据处理后的对象关联数据和相应特征值，构建二部图；
[0012]搜索构建的二部图，确定二部图的最紧密子图；
[0013]将所述最紧密子图对应的数据确定为异常数据，将异常数据对应的对象集合确定为异常机构。
[0014]在本公开的一些实施例中，所述根据处理后的对象关联数据和相应特征值，构建二部图包括：
[0015]将所有对象作为二部图的点，分别设置于二部图的两个子集中；
[0016]将对象关联数据对应的特征值设置为两个对象之间边的可疑度。
[0017]在本公开的一些实施例中，所述搜索构建的二部图，确定二部图的最紧密子图包括：
[0018]确定整个二部图的可疑度，其中，整个二部图的可疑度值为二部图中每个点和每条边的可疑度之和；
[0019]构建优先树，其中，移除一个点之后，对整个二部图可疑度减少量越小的点，拥有更高的优先级；
[0020]按照优先树，依次移除优先级最高的点，确定每次移除优先级最高的点后子图结构的紧密度；
[0021]将紧密度最高的子图结构作为二部图的最紧密子图。
[0022]在本公开的一些实施例中，所述确定每次移除优先级最高的点后子图结构的紧密度包括：
[0023]将每次移除优先级最高的点后整个子图结构的可疑度与整个子图结构中点的个数的比值，作为每次移除优先级最高的点后子图结构的紧密度。
[0024]在本公开的一些实施例中，所述数据检测方法还包括：
[0025]根据异常数据结果，对异常数据监测模型的模型参数进行相应调整。
[0026]根据本公开的另一方面，提供一种数据检测装置，包括：
[0027]关联数据采集模块，用于从多个服务器获取对象关联数据；
[0028]数据处理模块，用于对对象关联数据进行数据处理并确定对象关联数据的特征值；
[0029]异常数据确定模块，用于将处理后的对象关联数据和相应特征值，输入异常数据监测模型，确定异常数据。
[0030]在本公开的一些实施例中，所述数据检测装置用于执行实现如上述任一实施例所述的数据检测方法的操作。
[0031]根据本公开的另一方面，提供一种数据检测装置，包括：
[0032]存储器，用于存储指令；
[0033]处理器，用于执行所述指令，使得所述数据检测装置执行实现如上述任一实施例所述的数据检测方法的操作。
[0034]根据本公开的另一方面，提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如上述任一实施例所述的数据检测方法。
[0035]本公开不仅考虑机构之间直接的法律关系，也通过挖掘与机构相关的个人实体的信息来寻找异常数据和对应的异常机构。
附图说明
[0036]为了更清楚地说明本公开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公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]图1为本公开数据检测方法一些实施例的示意图。
[0038]图2为本公开一些实施例中二部图的示意图。
[0039]图3为本公开数据检测方法另一些实施例的示意图。
Number，个人识别码)来代表。
[0055]在本公开的一些实施例中，建立对象关系所需要的数据表可以包括：
[0056]绑卡表，用于表示绑卡关系，例如：对象PIN1和对象PIN2绑定同一张卡(绑卡关系)。
[0057]通话表，用于表示不同对象(例如对象PIN1与对象PIN2)之间的通话关系。
[0058]实名表，用于表示注册关系，例如：对象PIN1与对象PIN2用同个身份证注册(注册关系)。
[0059]浏览表，用于表示浏览关系，例如：对象PIN1与对象PIN2在同一个设备上登陆(浏览关系)。
[0060]订单表，用于表示不同对象(例如对象PIN1与对象PIN2)之间的赠送关系。
[0061]钱包交易表，用于表示不同对象(例如对象PIN1与对象PIN2)之间的转账关系。
[0062]本公开上述实施例场景通过挖掘与商户、公司、组织、团体等机构关联的对象(如法人、股东)之间的关系，发现机构中的诸如欺诈团伙的异常机构。用机构信息表和对象注册信息表寻找每个机构对应的所有个人账户。再通过交易、转账、绑卡等数据表，从中挖掘出对象之间的关系。建立机构之间的关系网络，在关系网络图中寻找异常机构(例如欺诈机构)。
[0063]本公开上述实施例方法通过挖掘对象信息中的关联，建立关系网络。由于欺诈行为需要考虑到资源的有限性以及欺诈金额最大化的目标，欺诈行为通常呈现团伙性。比如使用同一张身份证、同一个电话号码注册。同时欺诈行为的一个团伙中的成员可能在平时生活中也有密切关联。因此用这些关系能建立关系网络，并在网络中形成紧密的子网络。
[0064]本公开上述实施例由于建立关系网络需要发现对象之间不同的关系，因此需要从不同的表中挖掘关系，并确定对象关系的特征值，这一步骤涉及大量的特征加工。
[0065]步骤2，对对象关联数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据检测方法，其特征在于，包括：从多个服务器获取对象关联数据；对对象关联数据进行数据处理并确定对象关联数据的特征值；将处理后的对象关联数据和相应特征值，输入异常数据监测模型，确定异常数据。2.根据权利要求1所述的数据检测方法，其特征在于，所述将处理后的对象关联数据和相应特征值，输入异常数据监测模型，确定异常数据包括：根据处理后的对象关联数据和相应特征值，构建二部图；搜索构建的二部图，确定二部图的最紧密子图；将所述最紧密子图对应的数据确定为异常数据，将异常数据对应的对象集合确定为异常机构。3.根据权利要求2所述的数据检测方法，其特征在于，所述根据处理后的对象关联数据和相应特征值，构建二部图包括：将所有对象作为二部图的点，分别设置于二部图的两个子集中；将对象关联数据对应的特征值设置为两个对象之间边的可疑度。4.根据权利要求3所述的数据检测方法，其特征在于，所述搜索构建的二部图，确定二部图的最紧密子图包括：确定整个二部图的可疑度，其中，整个二部图的可疑度值为二部图中每个点和每条边的可疑度之和；构建优先树，其中，移除一个点之后，对整个二部图可疑度减少量越小的点，拥有更高的优先级；按照优先树，依次移除优先级最高的点，确定每次移除优先级最高的点后子图结构的紧密度；将紧密度最高的子图结构作为二部...

【专利技术属性】
技术研发人员：倪泽邦，程建波，彭南博，张雯，朱海，张科，
申请(专利权)人：京东数字科技控股有限公司，
类型：发明
国别省市：