[发明专利]一种异常用户的检测方法和装置

权利要求书

1.一种异常用户的检测方法，其特征在于，包括：

获取交易属性及其交易属性数据；

通过特征异常检测模型和异常图结构检测模型，对所述交易属性数据进行异常检测；

根据异常检测结果，以识别异常用户。

2.根据权利要求1所述的方法，其特征在于，获取交易属性及其交易属性数据之后，包括：

提取交易属性中的主维度，根据预设规则对交易属性进行拆分，以获取拆分后的交易属性及其交易属性数据。

3.根据权利要求2所述的方法，其特征在于，通过IsolationForest特征异常检测模型，对拆分后的交易属性数据进行异常检测。

4.根据权利要求3所述的方法，其特征在于，通过IsolationForest特征异常检测模型，对拆分后的交易属性数据进行异常检测，包括：

在拆分后的交易属性数据中抽取多个样本，构建多棵二叉树，进而组成一个森林；

当获取一条新的交易属性数据时，代入训练好的森林中，通过每棵树得到一个异常分值，进而综合整个森林的异常分值，获得最终的异常分值，以确定所述交易属性数据是否异常。

5.根据权利要求2所述的方法，其特征在于，通过异常图结构检测模型，对所述交易属性数据进行异常检测，包括：

根据拆分后的交易属性数据，构建多维度的图结构，以通过异常图结构检测模型对多维度的图结构进行异常检测。

6.根据权利要求5所述的方法，其特征在于，通过异常图结构检测算法Fraudar来对多维度的图结构进行异常检测。

7.根据权利要求6所述的方法，其特征在于，通过异常图结构检测模型，对所述交易属性数据进行异常检测，包括：

根据拆分后的交易属性数据，选取两列交易属性数据，其中一列为交易属性数据中的主维度数据，进而通过所述的两列交易属性数据构建二分图；

对多个二分图分别进行Fraudar算法，以分别获得对应的异常用户集合，进而针对所有异常用户集合中的异常用户进行加权判定，提取加权数大于预设阈值的异常用户作为异常检测的结果。

8.根据权利要求1-7任一所述的方法，其特征在于，根据异常检测结果，以识别异常用户，包括：

基于特征异常检测模型和异常图结构检测模型对所述交易属性数据进行异常检测的结果，进行加权判定，以识别异常用户。

9.一种异常用户的检测装置，其特征在于，包括：

获取模块，用于获取交易属性及其交易属性数据；

检测模块，用于通过特征异常检测模型和异常图结构检测模型，对所述交易属性数据进行异常检测；

识别模块，用于根据异常检测结果，以识别异常用户。

10.根据权利要求9所述的装置，其特征在于，所述获取模块获取交易属性及其交易属性数据之后，包括：

提取交易属性中的主维度，根据预设规则对交易属性进行拆分，以获取拆分后的交易属性及其交易属性数据。

11.根据权利要求10所述的装置，其特征在于，所述检测模块，还用于：

通过IsolationForest特征异常检测模型，对拆分后的交易属性数据进行异常检测。

12.根据权利要求11所述的装置，其特征在于，所述检测模块通过IsolationForest特征异常检测模型，对拆分后的交易属性数据进行异常检测，包括：

在拆分后的交易属性数据中抽取多个样本，构建多棵二叉树，进而组成一个森林；

当获取一条新的交易属性数据时，代入训练好的森林中，通过每棵树得到一个异常分值，进而综合整个森林的异常分值，获得最终的异常分值，以确定所述交易属性数据是否异常。