[发明专利]一种异常账户的识别方法及装置

权利要求书

1.一种异常账户的识别方法，其特征在于，包括：

获取待测试帐户的账户信息；所述账户信息包括所述待测试账户的在多个预设账户维度的特征参数；

根据所述特征参数，从所有所述待测试账户选取预选账户；

将各个所述预选账户的账户信息导入第一模型，输出所述预选账户关于所有所述特征参数的第一异常指标；所述第一模型是通过对所有所述待测试账户的所述特征参数进行无监督深度学习得到的；

将各个所述预选账户的账户信息导入第二模型，输出所述预选账户的第二异常指标；所述第二模型是通过多个训练账户的训练信息对预设的神经网络训练得到的；

基于所述第一异常指标以及第二异常指标，确定所述预选账户的异常分值；

基于各个所述预选账户的所述异常分值，从所有所述预选账户识别出异常账户。

2.如权利要求1所述的识别方法，其特征在于，所述将各个所述预选账户的账户信息导入第一模型之前，还包括：

获取多个训练账户的训练信息，所述训练信息包括异常标签以及候选参数；所述异常标签用于标记所述训练账户是否为异常账户。

3.如权利要求2所述的识别方法，其特征在于，所述根据所述特征参数，从所有所述待测试账户选取预选账户之前，还包括：

基于所述多个训练账户的训练信息确定所述训练账户的各个所述候选参数的权重；

选取基于所述权重降序排序得到的权重序列中前R个的所述候选参数作为所述特征参数，所述R为预设的特征个数。

4.如权利要求3所述的识别方法，其特征在于，所述将各个所述预选账户的账户信息导入第一模型，输出所述预选账户关于所有所述特征参数的第一异常指标之前，包括：

根据所有所述待测试账户的所述特征参数以及无监督聚类算法，分别对各个所述特征参数进行两分类，确定各个所述特征参数对应的多数簇质心；

基于各个所述特征参数的权重以及各个所述特征参数对应的多数簇质心，生成第一模型。

5.如权利要求4所述的识别方法，其特征在于，所述将各个所述预选账户的账户信息导入第一模型，输出所述预选账户关于所有所述特征参数的第一异常指标，包括：

基于所述预选账户的各个所述特征参数与所述特征参数对应的所述多数簇质心之间的差，以及所述特征参数的权重，计算所述预选账户的各个所述特征参数对应的异类得分；

基于所述预选账户的各个所述特征参数对应的异类得分，计算所述预选账户关于所有所述特征参数的第一异常指标。

6.如权利要求2所述的识别方法，其特征在于，所述将各个所述预选账户的账户信息导入第二模型，输出所述预选账户的第二异常指标之前，包括：

将所述多个训练账户的训练信息进行数据预处理，得到训练矩阵；

分别将所述训练矩阵的每一行数据作为输入、与所述每一行数据对应的异常标签作为输出，对预设的神经网络进行训练，生成第二模型。

7.如权利要求6所述的识别方法，其特征在于，所述将所述多个训练账户的训练信息进行数据预处理，得到所述训练矩阵，包括：

根据所述多个训练账户的所述候选参数，生成原始矩阵；

基于降维算法对原始矩阵进行降维，生成降维矩阵；

对所述降维矩阵进行数据标准化处理，生成所述训练矩阵。

8.如权利要求6或7所述的识别方法，其特征在于，所述分别将所述训练矩阵的每一行数据作为输入、与所述每一行数据对应的训练异常指标作为输出，对预设的神经网络进行训练，生成第二模型，包括：

将所述训练矩阵的每一行数据导入所述预设的神经网络，输出预测异常指标；

基于所述预测异常指标以及所有所述训练账户的所述异常标签，确定网络损失；

基于所述网络损失训练所述预设的神经网络，生成第二模型。