[发明专利]用于交易风险实时侦测的方法和装置

权利要求书

1.一种用于交易风险实时侦测的方法，其特征在于，包含下列步骤：

基于与单个账户相关联的历史交易建立对应于该单个账户的历史交易模型；以及

向客户端提供历史交易模型以供其对该单个账户的当前交易的风险进行判断，

其中，所述历史交易模型为隐马尔可夫模型，建立历史交易模型的步骤包括：

生成表示单个账户的历史交易的可观察行为状态的第一交易序列作为隐马尔可夫模型的观察状态集合；以及

利用第一交易序列来训练该隐马尔可夫模型以建立该单个账户的历史交易模型，

其中，建立对应于单个账户的历史交易模型的步骤在云端完成，

其中，生成第一交易序列的步骤包括：

生成单个账户的每笔历史交易的交易特征向量以得到多个交易特征向量；

对所得到的多个交易特征向量进行聚类处理以得到一个或多个交易特征类别，其中每个所述交易特征类别对应于一个可观察行为状态；以及

根据各自的交易特征向量确定每笔历史交易所属的交易特征类别从而得到该单个账户的第一交易序列。

2.如权利要求1所述的方法，其中，进一步包括下列步骤：

利用单个账户新增的历史交易记录对历史交易模型进行定期或不定期地更新。

3.如权利要求1所述的方法，其中，按照下列方式确定所属的交易特征类别：

计算单个账户的每笔历史交易的交易特征向量与每个交易特征类别的相似性；以及

将对应于最大相似性的交易特征类别确定为该笔历史交易的交易特征向量所属的交易特征类别。

4.如权利要求1所述的方法，其中，利用第一交易序列来训练隐马尔可夫模型包括下列步骤：

设定对应于单个账户的隐马尔可夫模型的隐藏状态的数量；

设定该隐马尔可夫模型的参数的初始值，其中，所述参数包括隐藏状态间的转移概率矩阵、隐藏状态到观察状态的概率矩阵和隐藏状态的初始概率分布；

对于该单个账户的第一交易序列，基于使第一交易序列的出现概率最大的优化目标来确定所述参数的优化值，由此建立对应于该单个账户的历史交易模型。

5.如权利要求4所述的方法，其中，隐藏状态间的转移概率矩阵和隐藏状态的初始概率分布的初始值设定为等概率值，隐藏状态到观察状态的概率矩阵的初始值根据交易特征类别的分布确定。

6.如权利要求1所述的方法，其中，采用非关系型数据库来保存对应于单个账户的历史交易模型。

7.一种用于侦测交易风险的方法，其特征在于，包含下列步骤：

客户端从云端获取对应于单个账户的历史交易模型，该历史交易模型基于与该单个账户相关联的历史交易而建立；

客户端利用历史交易模型对该单个账户的当前交易的风险进行判断；以及

输出当前交易的风险的判断结果，

其中，所述历史交易模型为隐马尔可夫模型，该隐马尔可夫模型的观察状态集合为表示单个账户的历史交易的可观察行为状态的第一交易序列，利用第一交易序列来训练该隐马尔可夫模型以建立该单个账户的历史交易模型，其中，历史交易的可观察行为状态按照下列方式确定：

生成单个账户的每笔历史交易的交易特征向量以得到多个交易特征向量；

对所得到的多个交易特征向量进行聚类处理以得到一个或多个交易特征类别，其中每个所述交易特征类别对应于一个可观察行为状态；以及

根据各自的交易特征向量确定每笔历史交易所属的交易特征类别从而得到该单个账户的第一交易序列。

8.如权利要求7所述的方法，其中，利用所述历史交易模型对单个账户的当前交易的风险进行判断包括下列步骤：

确定当前交易的交易特征向量所属的交易特征类别；

通过以当前交易的交易特征向量所属的交易特征类别替换该单个账户的第一交易序列中的历史交易的交易特征向量所属的交易特征类别而生成第二交易序列；

确定第二交易序列的出现概率；以及

通过将第二交易序列的出现概率与第一交易序列的出现概率进行比较来对该单个账户的当前交易的风险进行判断。