[发明专利]交易检测方法、模型的训练方法、装置及计算机可读存储介质

权利要求书

1.一种交易检测模型的训练方法，其特征在于，包括：

获取交易样本集，所述交易样本集包括携带样本标签的多个交易样本，所述样本标签用于指示所述交易样本的异常情况；

根据所述交易样本集构造人工特征以及提取深度特征，得到所述交易样本集的人工特征和深度特征，形成训练样本集；

构建待训练模型，所述待训练模型至少包含待训练的特征重建网络和分类网络，基于所述训练样本集对所述待训练模型迭代地执行端到端的训练，以得到交易检测模型。

2.根据权利要求1所述的方法，其特征在于，构建待训练模型，还包括：

基于自编码器构建所述特征重建网络，其中，所述自编码器包括用于执行特征编码的编码器和用于执行特征重建的解码器,以及，根据所述编码器的输出数据而确定所述分类网络的输入数据。

3.根据权利要求1所述的方法，其特征在于，构建待训练模型，还包括：

基于多层感知机MLP构建所述分类器网络，其中，所述多层感知机MLP的最后一层是softmax层。

4.根据权利要求2所述的方法，其特征在于，基于所述训练样本集对所述待训练模型迭代地执行端到端的训练，包括：

将所述交易样本的所述人工特征和所述深度特征输入待训练的所述特征重建网络，其中，所述特征重建网络至少包括待训练的第一自编码器和第二自编码器，所述特征重建网络将所述人工特征和所述深度特征融合为综合特征，并将所述综合特征和所述人工特征输入所述第一自编码器，将所述综合特征和所述深度特征输入所述第二自编码器，所述第一自编码器根据所述综合特征和所述人工特征依次生成第一编码特征和第一重建特征，所述第二自编码器根据所述综合特征和所述深度特征依次生成第二编码特征和第二重建特征，所述特征重建网络根据所述第一编码特征和所述第二编码特征生成所述交易样本的综合编码特征。

5.根据权利要求4所述的方法，其特征在于，基于所述训练样本集对所述待训练模型迭代地执行端到端的训练，还包括：

将所述特征重建网络生成的所述交易样本的所述综合编码特征输入待训练的所述分类网络，得到所述交易样本的样本检测结果；

根据所述第一重建特征和所述人工特征之间的差异程度、所述第二重建特征和所述深度特征之间的差异程度以及所述样本检测结果和所述样本标签之间的差异程度，调整所述待训练模型的各个参数，直至达到预设收敛条件。

6.根据权利要求5所述的方法，其特征在于，调整所述待训练模型的各个参数，还包括：

根据所述第一重建特征和所述人工特征之间的差异程度确定第一损失函数；

根据所述第二重建特征和所述深度特征之间的差异程度确定第二损失函数；

根据所述样本检测结果和所述样本标签之间的差异程度确定第三损失函数；

根据所述第一损失函数、所述第二损失函数和所述第三损失函数确定综合损失函数；

根据所述综合损失函数联合调整所述第一自编码器、所述第二自编码器以及所述分类网络中的各个参数。

7.根据权利要求5所述的方法，其特征在于，调整所述待训练模型的各个参数，还包括：

采用随机梯度下降的反向传播算法优化所述待训练模型的各个参数。

8.根据权利要求1所述的方法，其特征在于，所述构造人工特征还包括：

基于所述交易样本的预设交易信息构造人工特征；

所述预设交易信息包括以下中的一种或多种：交易账户、交易时间、交易金额、交易地点、设备标识、账号注册时间、银行卡预留手机号归属地。

9.根据权利要求1所述的方法，其特征在于，所述构造人工特征，还包括：

对非数值类型数据进行one-hot编码。