【技术实现步骤摘要】
本申请涉及金融数据处理，尤其涉及一种任务行为识别方法、装置、设备及其存储介质。
技术介绍
1、由于线上支付聚道不仅涵盖了普通的双方购买交易，还包含了公司或个人税单、账单、工资表、社保表、水电缴费记录等方方面面，容易导致隐私数据泄露，导致金融监管人员无法快速识别出异常交易行为，但是，正常交易数据和异常交易数据往往存在着一定的不同之处，例如：在交易时间上，常规白天时段完成的交易可能所涉及的异常交易较少，而夜间至凌晨时段，经常接收不特定主体所发送的特定数额转账或者红包额度的使用者，极大的可能为非法交易主体。因此，如何在保证交易数据安全的情况下，采用交易数据更加准确的识别出异常交易成为了亟需解决的问题。
技术实现思路
1、本申请实施例的目的在于提出一种任务行为识别方法、装置、设备及其存储介质，能够在保证交易数据安全的情况下，采用交易数据更加准确的识别出异常交易，以辅助金融监管人员快速识别出异常交易。
2、为了解决上述技术问题，本申请实施例提供一种任务行为识别方法，采用了如下所述的技术方案：
3、一种任务行为识别方法，包括下述步骤：
4、采集正负样本数据，其中，所述正负样本数据中包括黑名单用户的异常任务数据和白名单用户的正常任务数据，且所述黑名单用户的异常任务数据和所述白名单用户的正常任务数据都已预先进行了区别标记；
5、对所述正负样本数据进行预处理，得到模型训练数据；
6、将所述模型训练数据输入待训练的任务行为分析模型，进行模型训
7、获取待预测任务数据；
8、采用改进bi-des加密算法对所述待预测任务数据中用户隐私数据进行安全加密处理，获得加密后的待预测任务数据；
9、将所述加密后的待预测任务数据输入所述训练完成的任务行为分析模型，根据所述模型输出结果识别所述待预测任务数据对应的任务行为类别。
10、进一步的，所述对所述正负样本数据进行预处理包括：
11、根据预设识别规则，识别出所述任务数据中的用户隐私数据；
12、采用改进bi-des加密算法对所述用户隐私数据进行安全加密处理，获得加密后的任务数据；
13、采用预设扩增技术对所述加密后的任务数据进行扩增处理，得到扩增后的任务数据，具体的，所述预设扩增技术包括基于timegan模型的多维数据扩增技术。
14、进一步的，所述根据预设识别规则，识别出所述任务数据中的用户隐私数据的步骤，具体包括：
15、获取预设的隐私数据识别字典，其中，所述隐私数据识别字典中包含了目标隐私数据的编码规则，所述编码规则包括数据长度规则和数据字符规则；
16、根据所述数据长度规则和所述数据字符规则，识别出所述任务数据中的用户隐私数据。
17、进一步的，在执行所述采用改进bi-des加密算法对所述用户隐私数据进行安全加密处理，获得加密后的任务数据的步骤之前，所述方法还包括：
18、将所述用户隐私数据输入到预设掩码组件中，获取所述掩码组件输出的掩码处理后的用户隐私数据，其中，所述掩码组件包括部分数据掩码组件、特定字符掩码组件、规则性掩码组件中的至少一种或者多种；
19、所述采用改进bi-des加密算法对所述用户隐私数据进行安全加密处理，获得加密后的任务数据的步骤，具体包括：
20、采用预设提取组件，提取出所述掩码处理后的用户隐私数据；
21、将所述掩码处理后的用户隐私数据作为加密参数值输入到预设的改进bi-des加密算法执行组件中；
22、运行所述改进bi-des加密算法执行组件，以获取所述改进bi-des加密算法执行组件输出的加密内容；
23、以所述加密内容替换所述正负样本数据中相应的用户隐私数据，获得被替换后的正负样本数据作为所述加密后的任务数据。
24、进一步的，在执行所述采用预设扩增技术对所述加密后的任务数据进行扩增处理，得到扩增后的任务数据的步骤之前，所述方法还包括：
25、根据所述正负样本数据中正常任务数据和异常任务数据分别对应的区别标记，识别出所述异常任务数据对应的加密后的任务数据和所述正常任务数据对应的加密后的任务数据；
26、根据任务时间先后顺序，对所述异常任务数据对应的加密后的任务数据进行时序化处理，获得第一时间序列数据，以及
27、对所述正常任务数据对应的加密后的任务数据进行时序化处理，获得第二时间序列数据；
28、所述采用预设扩增技术对所述加密后的任务数据进行扩增处理，得到扩增后的任务数据的步骤，具体包括：
29、将所述第一时间序列数据输入到预设的timegan模型，其中，所述预设的timegan模型指已完成对抗生成训练的timegan模型；
30、根据所述timegan模型中的encoder编码组件对所述第一时间序列数据进行多维特征向量编码，获得所述第一时间序列数据对应的多维特征向量；
31、通过所述timegan模型中的decoder解码组件对所述第一时间序列数据对应的多维特征向量进行n次解码处理，获得所述第一时间序列数据的n个扩增序列，其中，n为正整数；
32、将所述第二时间序列数据输入到所述timegan模型；
33、根据所述timegan模型中的encoder编码组件对所述第二时间序列数据进行多维特征向量编码，获得所述第二时间序列数据对应的多维特征向量；
34、通过所述timegan模型中的decoder解码组件对所述第二时间序列数据对应的多维特征向量进行m次解码处理，获得所述第二时间序列数据的m个扩增序列，其中，m为正整数。
35、进一步的，在执行所述将所述模型训练数据输入待训练的任务行为分析模型，进行模型训练，获得训练完成的任务行为分析模型的步骤之前，所述方法还包括：
36、整合所述第一时间序列数据和所述第一时间序列数据的n个扩增序列，获得所述异常任务数据对应的n+1条模型训练数据；
37、整合所述第二时间序列数据和所述第二时间序列数据的m个扩增序列，获得所述正常任务数据对应的m+1条模型训练数据；
38、所述将所述模型训练数据输入待训练的任务行为分析模型，进行模型训练，获得训练完成的任务行为分析模型的步骤，具体包括：
39、将所述异常任务数据对应的n+1条模型训练数据输入所述待训练的任务行为分析模型；
40、通过所述ac-lstnet时序神经网络中的卷积层、循环层和循环跳跃层捕获所述异常任务数据的任务特征；
41、将所述异常任务数据的任务特征作为异常任务数据识别特征部署到所述任务行为分析模型；
42、将所述正常任务数据对应的m+1条模型训练数据本文档来自技高网...
【技术保护点】
1.一种任务行为识别方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的任务行为识别方法，其特征在于，所述对所述正负样本数据进行预处理包括：
3.根据权利要求2所述的任务行为识别方法，其特征在于，所述根据预设识别规则，识别出所述任务数据中的用户隐私数据的步骤，具体包括：
4.根据权利要求2所述的任务行为识别方法，其特征在于，在执行所述采用改进Bi-DES加密算法对所述用户隐私数据进行安全加密处理，获得加密后的任务数据的步骤之前，所述方法还包括：
5.根据权利要求2所述的任务行为识别方法，其特征在于，在执行所述采用预设扩增技术对所述加密后的任务数据进行扩增处理，得到扩增后的任务数据的步骤之前，所述方法还包括：
6.根据权利要求5所述的任务行为识别方法，其特征在于，在执行所述将所述模型训练数据输入待训练的任务行为分析模型，进行模型训练，获得训练完成的任务行为分析模型的步骤之前，所述方法还包括：
7.根据权利要求6所述的任务行为识别方法，其特征在于，所述将所述加密后的待预测任务数据输入所述训练完成的任务行为分
8.一种任务行为识别装置，其特征在于，包括：
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的任务行为识别方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的任务行为识别方法的步骤。
...【技术特征摘要】
1.一种任务行为识别方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的任务行为识别方法，其特征在于，所述对所述正负样本数据进行预处理包括：
3.根据权利要求2所述的任务行为识别方法，其特征在于，所述根据预设识别规则，识别出所述任务数据中的用户隐私数据的步骤，具体包括：
4.根据权利要求2所述的任务行为识别方法，其特征在于，在执行所述采用改进bi-des加密算法对所述用户隐私数据进行安全加密处理，获得加密后的任务数据的步骤之前，所述方法还包括：
5.根据权利要求2所述的任务行为识别方法，其特征在于，在执行所述采用预设扩增技术对所述加密后的任务数据进行扩增处理，得到扩增后的任务数据的步骤之前，所述方法还包括：
6.根据权利要求5所述的任务行为识别方法，其特征在于，在执行所述将所述模型训练数...
【专利技术属性】
技术研发人员：冷万，高显，安庆贤，齐雪，
申请(专利权)人：湖南数据产业集团有限公司，
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。