[发明专利]异常交易账户群体识别方法及装置

说明书

本申请实施例提供一种异常交易账户群体识别方法及装置，方法包括：将各个账户的属性信息分别输入用于预测账户风险的机器学习模型，并将至少一个账户确定为高风险账户；针对每个高风险账户分别执行局部社区挖掘步骤：以当前的高风险账户作为发起节点，在图数据中分别确定其他各个节点与该发起节点之间的关联值，并确定高风险账户对应的风险账户社区；若获取到多个风险账户社区，且各个风险账户社区之间均满足预设的非相似要求，则将各个风险账户社区分别确定为目标金融机构的异常交易账户群体。本申请能够有效提高异常交易账户群体识别的效率、可靠性及准确性，进而能够提高识别得到异常交易账户群体的金融机构的运转安全性及可靠性。

技术领域

本申请涉及数据处理技术领域，具体涉及异常交易账户群体识别方法及装置。

背景技术

异常金融活动对金融机构和地区安全等已经构成了越来越严重的威胁。尽管反异常金融工作已经受到了各方的高度关注，针对异常金融手段的复杂、多变，多以群体账户的形式存在且群体内账户转账频繁的实际情况，如何有效地检测异常金融活动仍然是一个巨大挑战。

当前，绝大多数反异常金融活动的方法通常为基于规则或者基于账户的特征信息建立识别模型。一方面，基于规则的异常金融账户识别方法虽然能够帮助发现一些异常的交易行为，但规则大多是根据历史数据总结出来的，过于依赖人工经验，难免疏漏。而且犯罪分子也多多少少掌握了一些反异常金融活动的规则，故意地去规避检测，因此基于规则的异常金融账户识别方式难以达到大规模、高效识别的要求。另一方面，基于账户的特征信息建立机器学习或者人工神经网络识别模型，如GDBT和全连接神经网络模型，虽然大大提高了异常金融账户的识别准确率，但是，当前的异常金融活动往往涉及到群体犯罪。现有的反异常金融模型只利用了账户的特征信息作为训练样本，只适用于识别单个账户的异常金融行为，不能识别出群体中隐蔽的而又与群体中其他账户联系密切的账户，而往往这些账户是资金的最后接收账户。

近年来，随着电子通信技术、社会媒体技术等新技术的快速发展，社区发现算法吸引了国内外众多学者的关注。社区是指，在图数据中，社区内节点链接紧密，而与社区外节点链接稀疏的节点集合。社区发现是指，把图中的节点划分成内部连接紧密、与外部链接稀疏的节点集合。以群体账户的形式发生的异常金融行为，群体内账户转账频繁，而与群体外账户转账较少，符合社区的定义。社区发现分为局部挖掘和全图挖掘，如，尽管有很多社区发现的算法，但是无法直接应用于群体式异常金融交易账户的识别。第一，银行的账户数目巨大，并不适用于计算量大的全图社区发现算法，会导致因计算量过大而造成的识别效率低的问题；第二，局部社区发现算法，相较于全图挖掘算法，尽管计算量少，但对于社区发现的发起节点没有明确的选择，或者选择的节点不符合群体式进行异常金融行为的业务解释，则会影响异常金融行为识别的准确性。也就是说，现有的异常交易账户社区识别方法无法同时满足识别效率及识别准确性的要求。

发明内容

针对现有技术中的问题，本申请提供一种异常交易账户群体识别方法及装置，能够有效提高异常交易账户群体识别的效率、可靠性及准确性，进而能够提高识别得到异常交易账户群体的金融机构的运转安全性及可靠性。

为解决上述技术问题，本申请提供以下技术方案：

第一方面，本申请提供一种异常交易账户群体识别方法，包括：

将目标金融机构对应的各个账户的属性信息分别输入用于预测账户风险的机器学习模型，并根据该机器学习模型的输出将至少一个账户确定为高风险账户；

针对每个所述高风险账户分别执行局部社区挖掘步骤，其中，所述局部社区挖掘步骤包括：以当前的高风险账户作为发起节点，在包含有该发起节点的图数据中分别确定其他各个节点与该发起节点之间的关联值，并根据各个所述节点与该发起节点之间的关联值以及预设的密切关联判定规则，确定当前的高风险账户对应的风险账户社区；