【技术实现步骤摘要】
本申请涉及计算机，具体而言，涉及一种基于人工智能的资金链风险行为识别方法及系统。
技术介绍
1、在金融领域，资金链的安全与稳定是企业运营和发展的基石。然而，随着金融交易的日益复杂和频繁，资金链风险行为的识别与防控变得尤为重要。传统的资金链风险识别方法主要依赖于人工分析，这种方式不仅效率低下，而且难以准确识别出潜在的风险点。因此，开发一种高效、准确的资金链风险行为识别方法成为了迫切的需求。
技术实现思路
1、鉴于上述提及的问题，结合本申请的第一方面，本申请实施例提供一种基于人工智能的资金链风险行为识别方法，通过资金链风险行为识别模型实现，所述资金链风险行为识别模型包括第一估计网络、第二估计网络和聚焦定位网络；所述方法包括：
2、将资金链交互行为数据的会话网络结构数据加载到所述第一估计网络，确定所述资金链交互行为数据的估计风险交互路径；
3、依据所述聚焦定位网络，生成所述估计风险交互路径对应的聚焦节点，以及确定每个所述聚焦节点所在的聚焦区域；所述聚焦节点反映所述估计风险交互路径在所述资金链交互行为数据上的上下文节点，至少部分所述聚焦区域内包括所述估计风险交互路径的渗透路径区间；
4、将所述资金链交互行为数据的所述会话网络结构数据以及所述聚焦区域在所述资金链交互行为数据对应的上下文节点加载到所述第二估计网络，生成更新后的估计风险交互路径；所述更新后的估计风险交互路径对应的所述聚焦区域内包括更新后的渗透路径区间；
5、向风控服务器的消息队列加
6、在第一方面的一种可能的实施方式中，所述依据所述聚焦定位网络，生成所述估计风险交互路径对应的聚焦节点，以及确定每个所述聚焦节点所在的聚焦区域，包括：
7、依据所述聚焦定位网络，确定所述估计风险交互路径对应的聚焦节点参数值；
8、游走所述估计风险交互路径并依据所述聚焦节点参数值进行聚焦节点匹配，生成所述估计风险交互路径对应的所述聚焦节点；
9、分别以所述聚焦节点作为所述聚焦区域的参考节点，确定每个所述聚焦节点所在的所述聚焦区域。
10、在第一方面的一种可能的实施方式中，所述依据所述聚焦定位网络，确定所述估计风险交互路径对应的聚焦节点参数值，包括：
11、依据所述聚焦定位网络，基于所述估计风险交互路径的代价值确定所述估计风险交互路径对应的所述聚焦节点参数值，其中，所述聚焦节点参数值与所述代价值成正比。
12、在第一方面的一种可能的实施方式中，所述第一估计网络包括第一多层感知机；
13、所述将资金链交互行为数据的会话网络结构数据加载到所述第一估计网络，确定所述资金链交互行为数据的估计风险交互路径，包括：
14、依据所述第一多层感知机对所述资金链交互行为数据的所述会话网络结构数据进行模式分析，估计出x个潜在风险链路，以及每个所述潜在风险链路的风险标签；所述x为大于0的整数；
15、基于x条所述潜在风险链路的风险路径特征，以及每个所述潜在风险链路的所述风险标签，从所述潜在风险链路中，确定所述资金链交互行为数据的所述估计风险交互路径。
16、在第一方面的一种可能的实施方式中，所述第二估计网络包括第二多层感知机；
17、所述将所述资金链交互行为数据的所述会话网络结构数据以及所述聚焦区域在所述资金链交互行为数据对应的上下文节点加载到所述第二估计网络，生成更新后的估计风险交互路径，包括：
18、将所述聚焦区域在所述资金链交互行为数据对应的上下文节点映射到所述资金链交互行为数据的所述会话网络结构数据上，确定所述聚焦区域内的所述渗透路径区间的渗透路径特征；
19、依据所述渗透路径特征，基于所述第二多层感知机对所述聚焦区域内的所述渗透路径区间进行更新，生成所述更新后的估计风险交互路径。
20、在第一方面的一种可能的实施方式中，所述依据所述渗透路径特征，基于所述第二多层感知机对所述聚焦区域内的所述渗透路径区间进行更新，生成所述更新后的估计风险交互路径，包括：
21、依据所述渗透路径特征，基于所述第二多层感知机对所述聚焦区域内的所述渗透路径区间进行更新，生成每个所述聚焦区域内的估计风险操作轨迹，以及每个所述估计风险操作轨迹的标签知识点；
22、基于每个所述聚焦区域内的所述估计风险操作轨迹的标签知识点，从各所述估计风险操作轨迹中提取更新后的渗透路径区间，生成所述更新后的估计风险交互路径。
23、在第一方面的一种可能的实施方式中，所述方法还包括：
24、依据所述第二多层感知机，确定每个所述聚焦区域内的所述估计风险操作轨迹的风险注意力节点、所述估计风险操作轨迹的轨迹代价值，以及所述估计风险操作轨迹相对于所述估计风险交互路径的基准路径区间的偏离度；
25、依据所述估计风险操作轨迹的所述风险注意力节点、所述轨迹代价值和所述偏离度，确定每个聚焦区域内的所述估计风险操作轨迹的路径状态描述；所述路径状态描述反映所述估计风险操作轨迹的具体风险状态模式。
26、在第一方面的一种可能的实施方式中，所述向风控服务器的消息队列加载所述更新后的估计风险交互路径，确定所述资金链交互行为数据的风险行为识别数据，包括：
27、基于所述更新后的渗透路径区间的所述路径状态描述，确定所述更新后的渗透路径区间的风险注意力节点；
28、依据所述更新后的估计风险交互路径对应的所述聚焦区域的次序，向风控服务器的消息队列加载所述聚焦区域内的所述更新后的渗透路径区间的风险注意力节点集合，生成所述资金链交互行为数据的所述风险行为识别数据。
29、在第一方面的一种可能的实施方式中，所述方法还包括：
30、将模板资金链交互行为数据的会话网络结构数据加载到所述第一估计网络，确定所述模板资金链交互行为数据的估计风险交互路径；所述模板资金链交互行为数据携带风险交互路径；
31、依据所述聚焦定位网络，生成所述估计风险交互路径对应的聚焦节点，以及确定每个所述聚焦节点所在的聚焦区域；所述聚焦节点反映所述估计风险交互路径在所述模板资金链交互行为数据上的上下文节点，至少部分所述聚焦区域内包括所述估计风险交互路径的渗透路径区间；
32、将所述模板资金链交互行为数据的所述会话网络结构数据以及所述聚焦区域在所述模板资金链交互行为数据对应的上下文节点加载到所述第二估计网络，生成更新后的估计风险交互路径；
33、依据所述风险交互路径以及潜在风险链路，确定第一模型误差参数；所述潜在风险链路是所述第一估计网络估计得到；
34、基于所述估计风险交互路径对应的所述聚焦区域内的渗透路径区间，以及所述更新后的估计风险交互路径的所述聚焦区域内的更新后的渗透路径区间，确定第二模型误差参数；
35、依据所述第一模型误差参数和所本文档来自技高网...
【技术保护点】
1.一种基于人工智能的资金链风险行为识别方法，其特征在于，通过资金链风险行为识别模型实现，所述资金链风险行为识别模型包括第一估计网络、第二估计网络和聚焦定位网络；所述方法包括：
2.根据权利要求1所述的基于人工智能的资金链风险行为识别方法，其特征在于，所述依据所述聚焦定位网络，生成所述估计风险交互路径对应的聚焦节点，以及确定每个所述聚焦节点所在的聚焦区域，包括：
3.根据权利要求2所述的基于人工智能的资金链风险行为识别方法，其特征在于，所述依据所述聚焦定位网络，确定所述估计风险交互路径对应的聚焦节点参数值，包括：
4.根据权利要求1-3中任意一项所述的基于人工智能的资金链风险行为识别方法，其特征在于，所述第一估计网络包括第一多层感知机；
5.根据权利要求1-3中任意一项所述的基于人工智能的资金链风险行为识别方法，其特征在于，所述第二估计网络包括第二多层感知机；
6.根据权利要求5所述的基于人工智能的资金链风险行为识别方法，其特征在于，所述依据所述渗透路径特征，基于所述第二多层感知机对所述聚焦区域内的所述渗透路径区间进行更
7.根据权利要求5所述的基于人工智能的资金链风险行为识别方法，其特征在于，所述方法还包括：
8.根据权利要求7所述的基于人工智能的资金链风险行为识别方法，其特征在于，所述向风控服务器的消息队列加载所述更新后的估计风险交互路径，确定所述资金链交互行为数据的风险行为识别数据，包括：
9.根据权利要求1所述的基于人工智能的资金链风险行为识别方法，其特征在于，所述方法还包括：
10.一种基于人工智能的资金链风险行为识别系统，其特征在于，所述基于人工智能的资金链风险行为识别系统包括处理器和存储器，所述存储器和所述处理器连接，所述存储器用于存储程序、指令或代码，所述处理器用于执行所述存储器中的程序、指令或代码，以实现上述权利要求1-9任意一项所述的基于人工智能的资金链风险行为识别方法。
...【技术特征摘要】
1.一种基于人工智能的资金链风险行为识别方法，其特征在于，通过资金链风险行为识别模型实现，所述资金链风险行为识别模型包括第一估计网络、第二估计网络和聚焦定位网络；所述方法包括：
2.根据权利要求1所述的基于人工智能的资金链风险行为识别方法，其特征在于，所述依据所述聚焦定位网络，生成所述估计风险交互路径对应的聚焦节点，以及确定每个所述聚焦节点所在的聚焦区域，包括：
3.根据权利要求2所述的基于人工智能的资金链风险行为识别方法，其特征在于，所述依据所述聚焦定位网络，确定所述估计风险交互路径对应的聚焦节点参数值，包括：
4.根据权利要求1-3中任意一项所述的基于人工智能的资金链风险行为识别方法，其特征在于，所述第一估计网络包括第一多层感知机；
5.根据权利要求1-3中任意一项所述的基于人工智能的资金链风险行为识别方法，其特征在于，所述第二估计网络包括第二多层感知机；
6.根据权利要求5所述的基于人工智能的资金链风险行为识...
【专利技术属性】
技术研发人员：姚钧，
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：
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。