[发明专利]一种异常操作行为的检测方法

说明书

本申请提供了一种异常操作行为的检测方法和装置，包括：获取多个样本用户在发生目标历史操作行为的采样时刻和在采样时刻之前的预设历史时间段内的目标历史操作行为信息，以及指示每个样本用户在采样时刻是否发生异常行为的标签信息；根据获取的目标历史操作行为信息，生成在每种操作类型下的行为特征向量序列以及的时间间隔序列；基于样本用户的行为特征向量序列和时间间隔序列、以及标签信息，进行异常检测模型训练，得到异常检测模型。本申请能够根据目标历史操作行为以及当前时刻目标操作行为，对用户在使用电子银行时发生的当前目标操作行为进行分析，提高对用户当前目标操作行为是否为异常行为进行判断的准确率。

技术领域

本申请涉及计算机信息技术领域，具体而言，涉及一种异常操作行为的检测方法。

背景技术

电子银行是指银行面向社会公众开放的通讯通道。随着互联网的快速发展以及智能终端的普及，电子银行是电子商务活动中一种常用的银行业务处理方式，如：使用电子银行进行网上转账，查询账户余额，网上理财等其他离柜业务，而离柜办理业务为用户提供了极大的便利。但是，电子银行在为用户提供便利的同时，也存在很多的安全隐患，如：账户信息窃取、账户信息盗用、盗转资金等非正常操作行为，使得用户的利益受到损害。

为了增强电子银行的安全性，现有技术中根据当前获取的用户行为特征，以及预存的异常行为特征，判断用户的当前行为是否为异常行为。

上述异常行为的识别方法存在一定的片面性，识别准确率较差。

发明内容

有鉴于此，本申请实施例的目的在于提供一种异常操作行为的检测方法和装置，能够根据目标历史操作行为以及当前时刻目标操作行为，对用户在使用电子银行时发生的当前目标操作行为进行分析，提高对用户当前目标操作行为是否为异常行为进行判断的准确率。

第一方面，本申请实施例提供了一种异常检测模型训练方法，其中，包括：

在所述采样时刻之前的预设历史时间段内的目标历史操作行为信息，以及指示在所述采样时刻是否发生异常行为的标签信息；

针对每个样本用户，根据获取的所述目标历史操作行为信息，生成该样本用户在每种操作类型下的行为特征向量序列以及发生目标历史操作行为的时间间隔序列；所述行为特征向量序列包括多个第一行为特征向量，不同的第一行为特征向量为在不同时刻发生的目标历史操作行为所对应的特征向量；

基于所述样本用户在每种操作类型下的行为特征向量序列和所述时间间隔序列、以及所述标签信息，进行异常检测模型训练，得到所述异常检测模型；所述异常检测模型用于检测待测用户的目标操作行为的异常风险概率。

结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中：所述基于所述样本用户在每种操作类型下的行为特征向量序列和所述时间间隔序列、以及所述标签信息，进行异常检测模型训练，包括：

针对每个样本用户，将该样本用户在每种操作类型下的行为特征向量序列以及所述时间间隔序列，输入至循环神经网络中，得到与该操作类型对应的第二行为特征向量；

将各个操作类型对应的第二行为特征向量进行拼接后，输入至分类神经网络，获取与该样本用户在采样时刻的异常风险概率；

基于所述异常风险概率和所述标签信息，对所述循环神经网络以及所述分类神经网络进行训练，得到所述异常检测模型。

结合第一方面，本申请实施例提供了第一方面的第二种可能的实施方式，其中：所述循环神经网络包括：转换层以及编码层；

所述生成与各个操作类型对应的第二行为特征向量包括：

将各个操作类型对应的行为特征向量序列输入至所述转换层，通过所述转换层将所述行为特征向量序列中的各个第一行为特征向量进行标准化转换，得到样本用户每次发生操作行为时的行为转换向量；