欺诈账户识别方法、装置、电子设备和存储介质与流程
本申请实施例涉及人工智能技术,可以应用于金融科技领域,尤其涉及一种欺诈账户识别方法、装置、电子设备和存储介质。
背景技术:
1、在国家持续加大对电信网络诈骗的治理力度背景下,金融监管部门密集出台规范文件推动银行加强涉诈账户治理,尤其聚焦于企业账户异常交易的精准识别与动态管控。
2、现有技术中,银行反欺诈系统主要依赖规则系统与传统机器学习模型。
3、但是,依赖规则系统与传统机器学习模型的欺诈账户识别方法,规则固化,准确率低。
技术实现思路
1、本申请提供一种欺诈账户识别方法、装置、电子设备和存储介质,以提高对欺诈账户识别的准确率。
2、第一方面,本申请实施例提供了一种欺诈账户识别方法,该欺诈账户识别方法包括:
3、响应于待识别账户的交易请求,获取待识别账户在动态交易图中前一时刻的历史帧和当前时刻的当前帧,以及历史行为序列;动态交易图为包括时间戳和行为类别的动态图神经网络;
4、对历史帧和当前帧进行融合,得到待识别账户的图聚合向量;
5、根据历史行为序列,对待识别账户的行为进行预测,得到行为预测向量;
6、根据图聚合向量和行为预测向量,通过欺诈评分模型,得到待识别账户的欺诈评分;
7、根据欺诈评分,确定待识别账户是否为欺诈账户。
8、第二方面,本申请实施例还提供了一种欺诈账户识别装置,该欺诈账户识别装置包括:
9、待识别账户数据获取模块,用于响应于待识别账户的交易请求,获取待识别账户在动态交易图中前一时刻的历史帧和当前时刻的当前帧,以及历史行为序列;动态交易图为包括时间戳和行为类别的动态图神经网络;
10、图聚合向量确定模块,用于对历史帧和当前帧进行融合,得到待识别账户的图聚合向量;
11、行为预测向量确定模块,用于根据历史行为序列,对待识别账户的行为进行预测,得到行为预测向量;
12、欺诈评分确定模块,用于根据图聚合向量和行为预测向量,通过欺诈评分模型,得到待识别账户的欺诈评分;
13、欺诈账户判断模块,用于根据欺诈评分,确定待识别账户是否为欺诈账户。
14、第三方面,本申请实施例还提供了电子设备,该电子设备包括:
15、一个或多个处理器;
16、存储装置,用于存储一个或多个程序;
17、当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如本申请实施例提供的任意一种欺诈账户识别方法。
18、第四方面,本申请实施例还提供了一种包括计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行如本申请实施例提供的任意一种欺诈账户识别方法。
19、本申请通过响应于待识别账户的交易请求,获取待识别账户在动态交易图中前一时刻的历史帧和当前时刻的当前帧,以及历史行为序列;动态交易图为包括时间戳和行为类别的动态图神经网络;对历史帧和当前帧进行融合,得到待识别账户的图聚合向量,使得图聚合向量既包括了待识别账户与相邻节点的结构关系,还包括了结构关系的动态变化信息;根据历史行为序列,对待识别账户的行为进行预测,得到行为预测向量,通过行为预测向量确定待识别账户的行为偏好;根据图聚合向量和行为预测向量,通过欺诈评分模型,得到待识别账户的欺诈评分;根据欺诈评分,确定待识别账户是否为欺诈账户,考虑多维信息确定欺诈评分,通过提高欺诈评分的准确性,进而提高对欺诈账户识别的准确率。因此通过本申请的技术方案,解决了依赖规则系统与传统机器学习模型的欺诈账户识别方法,规则固化,准确率低的问题,达到了提高对欺诈账户识别的准确率的效果。
1.一种欺诈账户识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述对所述历史帧和所述当前帧进行融合,得到所述待识别账户的图聚合向量,包括:
3.根据权利要求2所述的方法,其特征在于,所述针对所述历史帧和所述当前帧中的每一帧,基于嵌入交易时差的注意力权重,确定对应的历史图向量和当前图向量,包括:
4.根据权利要求1所述的方法,其特征在于,所述根据所述历史行为序列,对所述待识别账户的行为进行预测,得到行为预测向量,包括:
5.根据权利要求1所述的方法,其特征在于,所述根据所述图聚合向量和所述行为预测向量,通过欺诈评分模型,得到所述待识别账户的欺诈评分,包括:
6.根据权利要求5所述的方法,其特征在于,所述方法,还包括:
7.一种欺诈账户识别装置,其特征在于,包括:
8.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6任一所述的欺诈账户识别方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6任一所述的欺诈账户识别方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的欺诈账户识别方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com