[发明专利]异常交易检测模型的训练以及异常交易检测的方法和装置

权利要求书

1.一种异常交易检测模型的训练方法，包括：

接收所获取的第一交易样本数据集，其中，第一交易样本数据集中的各第一交易样本数据是正常交易样本数据；

对第一交易样本数据集进行特征提取处理，得到第一交易样本特征集；

基于所述第一交易样本特征集，采用无监督机器学习算法训练得到异常交易检测模型，记录基于无监督机器学习算法获得的每个簇的核心位置和半径。

2.如权利要求1所述的训练方法，其中，所述训练方法还包括：

输出所述异常交易检测模型和所记录的每个簇的核心位置和半径。

3.如权利要求1所述的训练方法，其中，第一交易样本特征集中的各第一交易样本的特征包括从第一交易样本数据中提取的以下特征中的一个或多个：时间属性特征、金额属性特征、金额分布属性特征、同品类属性特征、同地区属性特征。

4.如权利要求1所述的训练方法，其中，基于所述第一交易样本特征集采用无监督机器学习算法训练得到异常交易检测模型的步骤包括：

将所述第一交易样本特征集中的各第一交易样本的特征进行按列归一化；

基于按列归一化后的各第一交易样本的特征，采用无监督机器学习算法训练得到异常交易检测模型。

5.如权利要求1所述的训练方法，其中，所述无监督机器学习算法包括k-means算法、DBSCAN算法或孤立森林算法。

6.一种异常交易检测方法，包括：

接收待检测的第二交易样本数据；

对所述第二交易样本数据进行特征提取处理，得到第二交易样本的特征；

将所述第二交易样本的特征输入基于无监督机器学习算法的异常交易检测模型，得到预测结果；

根据所述预测结果和所述异常交易检测模型的每个簇的核心位置和半径进行判断，当判断出所述第二交易样本的特征不属于所述异常交易检测模型的任一个簇时，输出所述第二交易样本数据为异常交易的检测结果。

7.一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现权利要求1至6中的任意一项所述的方法。

8.一种计算装置，包括：

一个或多个处理器；

一个或多个存储器，存储有计算机程序，当所述计算机程序被所述一个或多个处理器执行时，实现权利要求1至6中的任意一项所述的方法。

9.一种异常交易检测模型的训练装置，包括：

接收单元，被配置为接收所获取的第一交易样本数据集，其中，第一交易样本数据集中的各第一交易样本数据是正常交易样本数据；

特征处理单元，被配置为对第一交易样本数据集进行特征提取处理，得到第一交易样本特征集；

训练与记录单元，被配置为基于所述第一交易样本特征集，采用无监督机器学习算法训练得到异常交易检测模型，记录基于无监督机器学习算法获得的每个簇的核心位置和半径。

10.一种异常交易检测装置，包括：

接收单元，被配置为接收待检测的第二交易样本数据；

特征处理单元，被配置为对所述第二交易样本数据进行特征提取处理，得到第二交易样本的特征；

输入单元，被配置为将所述第二交易样本的特征输入基于无监督机器学习算法的异常交易检测模型，得到预测结果；

检测单元，被配置为根据所述预测结果和所述异常交易检测模型的每个簇的核心位置和半径进行判断，当判断出所述第二交易样本的特征不属于所述异常交易检测模型的任一个簇时，输出所述第二交易样本数据为异常交易的检测结果。