【技术实现步骤摘要】
本公开涉及数据处理领域，尤其涉及一种用户数据的实时检测方法、装置、设备及存储介质。
技术介绍
1、目前银行行业在电信诈骗反欺诈的业务场景下，主要是依靠业务专家对账户的交易明细以及交易特征，进行直接人工审核或构建专家规则进行识别。
2、业务专家直接进行审核，一方面不同专家的评判标准不同，导致审核结果的主观性太大，审核结果的稳定性太差；另一方面还因为审核量往往较大，会导致效率审核效率非常的低下，完全不适应于当下电子或电子银行大规模记录的业务场景需求。
技术实现思路
1、本公开提供了一种用户数据的实时检测方法、装置、设备及存储介质，以至少解决现有技术中存在的以上技术问题。
2、根据本公开的第一方面，提供了一种用户数据的实时检测方法，所述方法包括：
3、获取第一用户的第一时间段内的第一操作特征数据，基于行为特征对所述第一操作特征数据进行标记，基于所述标记将所述第一操作特征数据与所述行为特征进行匹配；
4、若匹配成功，将所述行为特征按照行为阶段进行拆分，得到行为路径特征，基于所述行为路径特征对所述第一操作特征数据进行归纳，得到由至少一个节点特征组成的节点画像；
5、获取账户的黑白名单库，将所述第一操作特征数据和所述节点画像作为训练数据，基于所述黑白名单库建立训练模型；
6、获取第二用户实时的账户数据，将所述账户数据输入所述训练模型，生成风险判定结果。
7、在一可实施方式中，所述获取第一用户的第一时间段内的第一
8、将所述第一时间段拆分为第二时间段、第三时间段和第四时间段；
9、所述第一操作特征数据包括：第二操作特征数据、异常操作特征数据和处理特征数据；
10、基于所述第二时间段获取第一用户的第二操作特征数据和基于所述第三时间段获取第一用户的异常操作特征数据；
11、基于所述第四时间段获取第一用户的处理特征数据，基于行为特征对所述处理特征数据进行标记。
12、在一可实施方式中，所述基于所述标记将所述第一操作特征数据与所述行为特征进行匹配，还包括：
13、若匹配失败，则将所述第一用户添加至所述黑白名单库中的黑名单库；
14、若所述第一用户已存在于所述黑名单库，则获取所述第一用户的行为数据特征，基于所述行为特征对所述行为数据特征进行识别，建立新型行为特征，并将所述新型行为特征与所述行为特征合并。
15、在一可实施方式中，所述得到由至少一个节点特征组成的节点画像，还包括：
16、基于经验对所述节点画像进行标注，基于所述标注对所述节点画像进行判定；
17、若判定结果为黑样本，则将所述节点画像对应的第一用户添加到所述黑白名单库中的黑名单库；
18、若判定结果为白样本，则将所述节点画像对应的第一用户添加到所述黑白名单库中的白名单库。
19、在一可实施方式中，所述获取第二用户实时的账户数据，将所述账户数据输入所述训练模型，生成风险判定结果，包括：
20、基于所述行为特征提取所述账户数据的实时处理特征数据，将所述实时处理特征数据与所述行为特征相匹配，基于匹配结果建立所述第二用户的节点画像；
21、将所述第二用户的节点画像输入所述训练模型，生成风险判定结果。
22、根据本公开的第二方面，提供了一种用户数据的实时检测装置，所述装置包括：
23、特征提取模块，用于获取第一用户的第一时间段内的第一操作特征数据；
24、行为特征匹配模块，用于基于行为特征对所述第一操作特征数据进行标记，基于所述标记将所述第一操作特征数据与所述行为特征进行匹配；
25、节点画像归纳模块，用于若匹配成功，将所述行为特征按照行为阶段进行拆分，得到行为路径特征，基于所述行为路径特征对所述第一操作特征数据进行归纳，得到由至少一个节点特征组成的节点画像；
26、模型建立模块，用于获取账户的黑白名单库，将所述第一操作特征数据和所述节点画像作为训练数据，基于所述黑白名单库建立训练模型；
27、推理模块，用于获取第二用户实时的账户数据，将所述账户数据输入所述训练模型，生成风险判定结果。
28、在一可实施方式中，所述特征提取模块还用于，将所述第一时间段拆分为第二时间段、第三时间段和第四时间段；所述第一操作特征数据包括：第二操作特征数据、异常操作特征数据和处理特征数据；基于所述第二时间段获取所述第一用户的所述第二操作特征数据和基于所述第三时间段获取所述第一用户的所述异常操作特征数据；基于所述第四时间段获取所述第一用户的所述处理特征数据，基于所述行为特征对所述处理特征数据进行标记；
29、所述推理模块还用于，基于所述行为特征提取所述账户数据的实时处理特征数据，将所述实时处理特征数据与所述行为特征相匹配，基于匹配结果建立所述第二用户的节点画像；将所述第二用户的节点画像输入所述训练模型，生成风险判定结果。
30、在一可实施方式中，所述装置还包括：
31、行为特征更新模块，用于若匹配失败，则将所述第一用户添加至所述黑白名单库中的黑名单库；若所述第一用户已存在于所述黑名单库，则获取所述第一用户的行为数据特征，基于所述行为特征对所述行为数据特征进行识别，建立新型行为特征，并将所述新型行为特征与所述行为特征合并；
32、节点画像判定模块，用于基于经验对所述节点画像进行标注，基于所述标注对所述节点画像进行判定；若判定结果为黑样本，则将所述节点画像对应的所述第一用户添加到所述黑白名单库中的黑名单库；若判定结果为白样本，则将所述节点画像对应的所述第一用户添加到所述黑白名单库中的白名单库。
33、根据本公开的第三方面，提供了一种电子设备，包括：
34、至少一个处理器；以及
35、与所述至少一个处理器通信连接的存储器；其中，
36、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开所述的方法。
37、根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开所述的方法。
38、本公开的一种用户数据的实时检测方法、装置、设备及存储介质，通过分段获取不同时间段内的账户的操作特征，与现有的行为特征（欺诈模式）进行对比，构建用户节点画像，建立训练模型，基于训练模型实时检测交易账户电信诈骗的风险，并通过数据积累不断更新行为特征（欺诈模式）。从而迅速得到账户的风险结果。避免了出现直接使用人工判别出现的，不同专家判定尺度不同的情况，在处理大规模数据上的效率得到提升。在电信欺诈场景下，在同时考虑不同时间窗内客户的不同行为特征情况下，对不同的欺诈模式做到自适应优化调整更新，从而更全面且准确的本文档来自技高网...
【技术保护点】
1.一种用户数据的实时检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取第一用户的第一时间段内的第一操作特征数据，基于行为特征对所述第一操作特征数据进行标记，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述标记将所述第一操作特征数据与所述行为特征进行匹配，还包括：
4.根据权利要求1所述的方法，其特征在于，所述得到由至少一个节点特征组成的节点画像，还包括：
5.根据权利要求1所述的方法，其特征在于，所述获取第二用户实时的账户数据，将所述账户数据输入所述训练模型，生成风险判定结果，包括：
6.一种用户数据的实时检测装置，其特征在于，所述装置包括：
7.根据权利要求6所述的装置，其特征在于，
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：
9.一种电子设备，其特征在于，包括：
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使计算机执行根据权利要求1-5中任一项所述的方法。>...
【技术特征摘要】
1.一种用户数据的实时检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取第一用户的第一时间段内的第一操作特征数据，基于行为特征对所述第一操作特征数据进行标记，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述标记将所述第一操作特征数据与所述行为特征进行匹配，还包括：
4.根据权利要求1所述的方法，其特征在于，所述得到由至少一个节点特征组成的节点画像，还包括：
5.根据权利要求1所述的方法，其特...
【专利技术属性】
技术研发人员：刘博文，孙悦，徐子皓，蔡准，郭晓鹏，
申请(专利权)人：北京芯盾时代科技有限公司，
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。