[发明专利]一种异常账户的识别方法及装置

说明书

本申请适用于人工智能技术领域，提供了一种异常账户的识别方法及装置，该识别方法包括：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；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；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。本申请提供的识别方法在异常账户识别中可以同时兼顾识别精度和识别效率。

技术领域

本申请属于数据处理技术领域，尤其涉及一种异常账户的识别方法及装置。

背景技术

随着时代的发展，很多平台上都注册了庞大数量的账户，越来越多的用户通过这些账户在互联网上进行各种活动。但是存在不法分子利用一些账户进行非法活动，有必要采取有效的方法在庞大数量的账户中识别出这些不法分子用于进行非法活动的异常账户，以净化这些账户所在的平台的环境。

目前这些异常账户只能依靠人工来识别，这种方法费时费力，过于依赖人工的主观性，也不能满足在庞大数量的账户中确定异常账户的实际需求。

发明内容

本申请实施例提供了一种异常账户的识别方法及装置，基于有监督训练得到的模型以及无监督训练得到的模型共同识别异常账户，可以识别出未来可能出现的新类型的异常账户，保证识别精度的同时提高识别效率，解决现有技术识别异常账户的效率低下，成本高的问题。

第一方面，本申请实施例提供了一种异常账户的识别方法，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。

在第一方面的一种可能的实现方式中，在确定所述预选账户的异常分值之后,基于所述预选账户的所述异常分值的大小，对所述预选账户进行降序排序，得到异常账户优先表,依照所述异常优先表的排序对所述预选账户进行人工核实,基于所述人工核实的结果从所述异常账户优先表中识别出异常账户。

示例性的，上述异常分值指的是该预选账户为异常账户的概率性得分，可以直接依据该异常分值来识别该预选账户是否异常账户，也可以通过人工核实的手段进一步确定该预选账户是否异常账户。

应理解，即使通过人工核实的手段，基于该异常账户优先表的顺序确认各个预选账户是否为异常账户，虽然牺牲了一些识别效率来保证识别精度，但相对于现有技术，也可以减少识别异常账户的工作量，提高在人工核实期间对异常账户的识别命中率。