用于账户风险监控系统的数据分析方法及系统技术方案

本申请实施例提供一种用于账户风险监控系统的数据分析方法及系统，将账户风险估计网络生成的估计风险操作数据加载到观测网络中，由观测网络来确定该估计风险操作数据的映射标签，并且还基于图结构嵌入网络，来提取第一估计风险操作数据的第一风险操作图嵌入数据和第一模板风险标注数据的第二风险操作图嵌入数据，基于观测网络生成的映射标签和目标映射标签之间的区别

【技术实现步骤摘要】
用于账户风险监控系统的数据分析方法及系统


[0001]本申请涉及账户风控
，具体而言，涉及一种用于账户风险监控系统的数据分析方法及系统
。

技术介绍

[0002]随着互联网金融信息的计算发展，各种互联网金融机构对账户风险行为
(
如欺诈行为
、
洗钱行为等
)
越来越重视，这些互联网金融机构必须识别出各类账户的操作行为的异常情况，从而及时进行相应的风控处理
。
如何保证账户风险估计的可靠性，以满足金融机构风控架构的需求，是当前领域亟待解决的技术问题
。

技术实现思路

[0003]有鉴于此，本申请的目的在于提供一种用于账户风险监控系统的数据分析方法及系统
。
[0004]依据本申请的第一方面，提供一种用于账户风险监控系统的数据分析方法，应用于云服务器，所述方法包括：
[0005]获取第一模板账户行为数据，所述第一模板账户行为数据包括第一模板账户操作事件数据和所述第一模板账户操作事件数据对应的第一模板风险标注数据，所述第一模板风险标注数据依据对所述第一模板账户操作事件数据中的账户操作节点进行风险操作数据标定获得的；
[0006]基于账户风险估计网络，对所述第一模板账户操作事件数据进行账户风险估计，生成第一估计风险操作数据；
[0007]基于观测网络，基于所述第一模板账户操作事件数据的第一操作知识向量和所述第一估计风险操作数据的第二操作知识向量进行观测，生成所述第一估计风险操作数据的第一映射标签，所述第一映射标签用于反映所述第一估计风险操作数据所对应的风险属性标签；
[0008]基于图结构嵌入网络，对所述第一估计风险操作数据和所述第一模板风险标注数据进行编码，生成所述第一估计风险操作数据的第一风险操作图嵌入数据和所述第一模板风险标注数据的第二风险操作图嵌入数据；
[0009]基于所述第一映射标签和目标映射标签之间的区别
、
以及所述第一风险操作图嵌入数据和所述第二风险操作图嵌入数据之间的区别，对所述账户风险估计网络进行网络权重参数更新，以使更新后的所述账户风险估计网络的训练误差不再继续下降，所述目标映射标签用于反映的风险属性标签为对账户操作数据中的账户操作节点进行风险操作数据标定获得的模板风险标注数据，其中，所述更新后的账户风险估计网络用于对任意输入的账户行为数据进行风险操作数据预测
。
[0010]在第一方面的一种可能的实施方式中，所述基于观测网络，基于所述第一模板账户操作事件数据的第一操作知识向量和所述第一估计风险操作数据的第二操作知识向量
进行观测，生成所述第一估计风险操作数据的第一映射标签，包括：
[0011]获取第一交互账户操作数据，所述第一交互账户操作数据依据将所述第一模板账户操作事件数据和所述第一估计风险操作数据进行特征交互汇聚生成的，所述第一交互账户操作数据包括所述第一操作知识向量和所述第二操作知识向量；
[0012]基于所述观测网络，基于所述第一交互账户操作数据进行观测，生成所述第一估计风险操作数据的第一映射标签；
[0013]所述观测网络包括编码参数层和观测参数层，所述基于所述观测网络，基于所述第一交互账户操作数据进行观测，生成所述第一估计风险操作数据的第一映射标签，包括：
[0014]基于所述编码参数层，对所述第一交互账户操作数据进行编码，生成所述第一交互账户操作数据的账户操作依赖向量，所述账户操作依赖向量用于反映所述第一操作知识向量与所述第二操作知识向量之间的联系知识向量；
[0015]基于所述观测参数层，基于所述账户操作依赖向量进行观测，生成所述第一映射标签；
[0016]所述账户操作依赖向量包括多个实体账户操作依赖向量，所述第一操作知识向量包括多个第一实体操作知识向量，所述第二操作知识向量包括多个第二实体操作知识向量，所述基于所述编码参数层，对所述第一交互账户操作数据进行编码，生成所述第一交互账户操作数据的账户操作依赖向量，包括：
[0017]基于所述编码参数层，基于所述多个第一实体操作知识向量和所述多个第二实体操作知识向量，分别对所述第一交互账户操作数据中对应的实体操作数据进行编码，生成多个操作实体分别对应的实体账户操作依赖向量
。
[0018]在第一方面的一种可能的实施方式中，所述基于所述第一映射标签和目标映射标签之间的区别
、
以及所述第一风险操作图嵌入数据和所述第二风险操作图嵌入数据之间的区别，对所述账户风险估计网络进行网络权重参数更新，包括：
[0019]基于所述第一映射标签
、
所述目标映射标签和第一关联属性信息，获取所述第一估计风险操作数据的第一训练误差，所述第一关联属性信息用于反映所述观测网络为任意一个账户操作数据确定的映射标签
、
所述任意一个账户操作数据的目标映射标签与所述任意一个账户操作数据的训练误差之间的关系；
[0020]基于所述第一风险操作图嵌入数据
、
所述第二风险操作图嵌入数据和第二关联属性信息，获取所述第一估计风险操作数据的第二训练误差，所述第二关联属性信息用于反映任意一个估计风险操作数据的风险操作图嵌入数据
、
所述任意一个估计风险操作数据对应的模板风险标注数据的风险操作图嵌入数据和所述任意一个估计风险操作数据的训练误差之间的关系；
[0021]基于所述第一训练误差和所述第二训练误差，更新所述账户风险估计网络的网络权重信息
。
[0022]在第一方面的一种可能的实施方式中，所述基于观测网络，基于所述第一模板账户操作事件数据的第一操作知识向量和所述第一估计风险操作数据的第二操作知识向量进行观测，生成所述第一估计风险操作数据的第一映射标签之后，所述方法还包括：
[0023]基于所述第一映射标签和所述第一估计风险操作数据对应的第一设定映射标签之间的区别，对所述观测网络进行网络权重参数更新，以使更新后的所述观测网络的训练
误差不再继续下降，所述第一设定映射标签用于反映的风险属性标签为通过基于账户风险估计网络生成的估计风险操作数据
。
[0024]在第一方面的一种可能的实施方式中，所述方法还包括：
[0025]获取第二模板账户操作事件数据对应的第二模板风险标注数据，所述第二模板风险标注数据依据对所述第二模板账户操作事件数据中的账户操作节点进行风险操作数据标定获得的；
[0026]基于所述观测网络，基于所述第二模板账户操作事件数据的第三操作知识向量和所述第二模板风险标注数据的第四操作知识向量进行观测，生成所述第二模板风险标注数据的第二映射标签，所述第二映射标签用于反映所述第二模板风险标注数据所对应的风险属性标签；
[0027]基于所述第二映射标签和第二设定映射标签之间的区别，对所述观测网络进行网络权重参数更新，以使更新后的所述观测网络的训练误差不再继续下降，所述第二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于账户风险监控系统的数据分析方法，其特征在于，应用于云服务器，所述方法包括：获取第一模板账户行为数据，所述第一模板账户行为数据包括第一模板账户操作事件数据和所述第一模板账户操作事件数据对应的第一模板风险标注数据，所述第一模板风险标注数据依据对所述第一模板账户操作事件数据中的账户操作节点进行风险操作数据标定获得的；基于账户风险估计网络，对所述第一模板账户操作事件数据进行账户风险估计，生成第一估计风险操作数据；基于观测网络，基于所述第一模板账户操作事件数据的第一操作知识向量和所述第一估计风险操作数据的第二操作知识向量进行观测，生成所述第一估计风险操作数据的第一映射标签，所述第一映射标签用于反映所述第一估计风险操作数据所对应的风险属性标签；基于图结构嵌入网络，对所述第一估计风险操作数据和所述第一模板风险标注数据进行编码，生成所述第一估计风险操作数据的第一风险操作图嵌入数据和所述第一模板风险标注数据的第二风险操作图嵌入数据；基于所述第一映射标签和目标映射标签之间的区别
、
以及所述第一风险操作图嵌入数据和所述第二风险操作图嵌入数据之间的区别，对所述账户风险估计网络进行网络权重参数更新，以使更新后的所述账户风险估计网络的训练误差不再继续下降，所述目标映射标签用于反映的风险属性标签为对账户操作数据中的账户操作节点进行风险操作数据标定获得的模板风险标注数据，其中，所述更新后的账户风险估计网络用于对任意输入的账户行为数据进行风险操作数据预测
。2.
根据权利要求1所述的用于账户风险监控系统的数据分析方法，其特征在于，所述基于观测网络，基于所述第一模板账户操作事件数据的第一操作知识向量和所述第一估计风险操作数据的第二操作知识向量进行观测，生成所述第一估计风险操作数据的第一映射标签，包括：获取第一交互账户操作数据，所述第一交互账户操作数据依据将所述第一模板账户操作事件数据和所述第一估计风险操作数据进行特征交互汇聚生成的，所述第一交互账户操作数据包括所述第一操作知识向量和所述第二操作知识向量；基于所述观测网络，基于所述第一交互账户操作数据进行观测，生成所述第一估计风险操作数据的第一映射标签；所述观测网络包括编码参数层和观测参数层，所述基于所述观测网络，基于所述第一交互账户操作数据进行观测，生成所述第一估计风险操作数据的第一映射标签，包括：基于所述编码参数层，对所述第一交互账户操作数据进行编码，生成所述第一交互账户操作数据的账户操作依赖向量，所述账户操作依赖向量用于反映所述第一操作知识向量与所述第二操作知识向量之间的联系知识向量；基于所述观测参数层，基于所述账户操作依赖向量进行观测，生成所述第一映射标签；所述账户操作依赖向量包括多个实体账户操作依赖向量，所述第一操作知识向量包括多个第一实体操作知识向量，所述第二操作知识向量包括多个第二实体操作知识向量，所述基于所述编码参数层，对所述第一交互账户操作数据进行编码，生成所述第一交互账户
操作数据的账户操作依赖向量，包括：基于所述编码参数层，基于所述多个第一实体操作知识向量和所述多个第二实体操作知识向量，分别对所述第一交互账户操作数据中对应的实体操作数据进行编码，生成多个操作实体分别对应的实体账户操作依赖向量
。3.
根据权利要求1所述的用于账户风险监控系统的数据分析方法，其特征在于，所述基于所述第一映射标签和目标映射标签之间的区别
、
以及所述第一风险操作图嵌入数据和所述第二风险操作图嵌入数据之间的区别，对所述账户风险估计网络进行网络权重参数更新，包括：基于所述第一映射标签
、
所述目标映射标签和第一关联属性信息，获取所述第一估计风险操作数据的第一训练误差，所述第一关联属性信息用于反映所述观测网络为任意一个账户操作数据确定的映射标签
、
所述任意一个账户操作数据的目标映射标签与所述任意一个账户操作数据的训练误差之间的关系；基于所述第一风险操作图嵌入数据
、
所述第二风险操作图嵌入数据和第二关联属性信息，获取所述第一估计风险操作数据的第二训练误差，所述第二关联属性信息用于反映任意一个估计风险操作数据的风险操作图嵌入数据
、
所述任意一个估计风险操作数据对应的模板风险标注数据的风险操作图嵌入数据和所述任意一个估计风险操作数据的训练误差之间的关系；基于所述第一训练误差和所述第二训练误差，更新所述账户风险估计网络的网络权重信息
。4.
根据权利要求1所述的用于账户风险监控系统的数据分析方法，其特征在于，所述基于观测网络，基于所述第一模板账户操作事件数据的第一操作知识向量和所述第一估计风险操作数据的第二操作知识向量进行观测，生成所述第一估计风险操作数据的第一映射标签之后，所述方法还包括：基于所述第一映射标签和所述第一估计风险操作数据对应的第一设定映射标签之间的区别，对所述观测网络进行网络权重参数更新，以使更新后的所述观测网络的训练误差不再继续下降，所述第一设定映射标签用于反映的风险属性标签为通过基于账户风险估计网络生成的估计风险操作数据
。5.
根据权利要求1所述的用于账户风险监控系统的数据分析方法，其特征在于，所述方法还包括：获取第二模板账户操作事件数据对应的第二模板风险标注数据，所述第二模板风险标注数据依据对所述第二模板账户操作事件数据中的账户操作节点进行风险操作数据标定获得的；基于所述观测网络，基于所述第二模板账户操作事件数据的第三操作知识向量和所述第二模板风险标注数据的第四操作知识向量进行观测，生成所述第二模板风险标注数据的第二映射标签，所述第二映射标签用于反映所述第二模板风险标注数据所对应的风险属性标签；基于所述第二映射标签和第二设定映射标签之间的区别，对所述观测网络进行网络权重参数更新，以使更新后的所述观测网络的训练误差不再继续下降，所述第二映射标签用于反映的风险属性标签为对账户操作数据中的账户操作节点...

【专利技术属性】
技术研发人员：柳德林，
申请(专利权)人：石溪信息科技上海有限公司，
类型：发明
国别省市：