基于风险图谱和智能风险研判的个人账户风险监测方法与流程
本发明涉及数据处理，尤其涉及一种基于风险图谱和智能风险研判的个人账户风险监测方法及装置。
背景技术：
1、近年来，电信网络诈骗犯罪形势日益严峻。随着信息技术的快速发展和金融业务数字化转型的深入推进，犯罪结构发生深刻变化，传统接触式犯罪持续下降，以电信网络诈骗为代表的新型涉网犯罪呈高发态势，已成为发案率最高、上升速度最快的刑事犯罪类型。此类犯罪严重侵害人民群众的财产安全，对国家金融秩序和社会稳定构成重大威胁。
2、在个人账户风险监测领域，现有技术主要包括基于规则引擎的风险识别方法和基于传统图谱的关联分析方法。基于规则引擎的方法通过预设规则库对交易数据进行匹配判断，能够快速识别符合已知模式的典型欺诈行为，具有执行效率高、维护成本低的优势。然而，面对不断演变的欺诈手段和复杂多变的资金流转模式，规则库的更新迭代难以跟上风险形态的变化速度，对新变种、新模式的识别能力不足。基于传统风险图谱的关联分析方法以账户间的转账关系为基础，构建“账户—账户”的二元连接模型，通过图数据库存储关系并利用连通图算法或路径查找算法进行有限深度的关联查询。该类方法的核心应用场景集中于黑名单扩散和直接关联发现，在实际使用中存在以下不足：
3、其一，图谱构建维度单一，缺乏多源异构数据的融合能力。传统风险图谱主要依赖账户间的资金交易关系构建边，难以将设备指纹、网络ip地址、地理位置、登录行为序列、时间模式等多维度信息纳入统一的图结构中，导致图谱结构扁平化，关联信息维度受限，无法全面刻画账户的完整风险轮廓。
4、其二，特征提取方式浅层化，缺乏对深层行为模式的挖掘能力。现有方法在特征工程环节主要依赖人工设计的统计特征，如交易频次、金额均值、账户活跃度等表层指标，未能充分捕捉交易行为在时间序列上的动态演化规律，也缺乏对图谱结构中节点与边之间复杂依赖关系的深度建模手段，致使隐藏在群体协作模式下的异常交易路径和团伙组织结构难以被有效识别。
5、其三，系统架构相对孤立，缺乏闭环联动机制。传统风险图谱多以独立的分析工具形式存在，其风险识别结果与后续的预警触发、账户管控、人工复核等处置环节之间缺乏自动化衔接，也难以将处置结果及新增的欺诈样本反馈至前端模型进行迭代优化，限制了风险防控体系的整体效能。
6、综上所述，现有个人账户风险监测技术在应对组织化、隐蔽化、智能化的电信网络诈骗犯罪时，在多维图谱构建、深度特征挖掘及全流程闭环防控等方面存在明显的技术局限。因此，亟需一种能够融合多源异构数据动态构建风险图谱，并基于深度学习和知识图谱推理技术实现智能风险研判与处置决策的个人账户风险监测方法。
技术实现思路
1、本发明的主要目的在于提供一种基于风险图谱和智能风险研判的个人账户风险监测方法。
2、本发明的另一个目的在于提出一种基于风险图谱和智能风险研判的个人账户风险监测装置。
3、本发明的第三个目的在于提出一种电子设备。
4、本发明的第四个目的在于提出一种非临时性计算机可读存储介质。
5、为达上述目的，本发明第一方面实施例提出了一种基于风险图谱和智能风险研判的个人账户风险监测方法，包括：
6、获取个人账户的多维度原始数据，并对所述原始数据进行清洗和归一化预处理，形成结构化的数据流；
7、根据所述数据流中的实体及其关联关系，构建包含节点和边的动态风险图谱，所述节点代表账户、设备或位置实体，所述边代表实体之间的交易、登录或连接关系；
8、利用深度学习模型对账户的交易行为特征进行时序建模，生成初步风险评分，并基于所述风险图谱对可疑子图进行多跳关联挖掘生成关联风险评分，将初步风险评分与关联风险评分进行加权融合，生成综合风险评分及对应的风险等级；
9、根据所述综合风险评分、所述风险等级以及所述风险图谱中的关联拓扑生成风险画像，并输入至经过领域知识微调的大型语言模型，由大型语言模型生成包含风险定性分析和处置措施建议的处置报告，完成个人账户风险的闭环监测与处置。
10、可选的，对所述原始数据进行清洗和归一化预处理，包括：
11、剔除字段缺失率超过预设阈值的数据记录；
12、将不同来源的原始数据中的时间戳进行统一格式转换；
13、将不同源系统中的账户标识分别映射为平台内部的全局标识；
14、将网络ip地址转换为整数格式进行归一化存储。
15、可选的，构建包含节点和边的动态风险图谱，包括：
16、以账户、设备、ip地址及手机号作为实体，分别创建对应的节点；
17、根据原始数据中的交易记录，在参与同一笔交易的两个账户节点之间构建带有向的交易边，并在交易边的属性中写入交易金额及交易时间信息；
18、根据原始数据中的登录记录，在账户节点与设备节点之间构建登录关系边，并在登录关系边的属性中写入登录时间及登录状态信息；
19、根据原始数据中的网络连接记录，在账户节点与ip地址节点之间构建连接关系边，并在连接关系边的属性中写入连接时间及连接频次信息；
20、根据新增的原始数据，基于已创建的所述节点和已构建的所述交易边、登录关系边及连接关系边，增量添加新的节点和边，并更新已有节点和边的属性信息，形成动态风险图谱。
21、可选的，利用深度学习模型对账户的交易行为特征进行时序建模，生成初步风险评分，包括：
22、针对每个账户，从其历史交易序列中提取统计特征、序列特征及上下文特征，其中统计特征包括单笔交易金额的分布参数、单位时间内的交易频次、交易对手方的数量及交易活跃时间段分布，序列特征包括交易时间间隔及与对手方的交互周期，上下文特征包括当前交易ip地址的地理位置与账户常用登录地的一致性度量；
23、将提取的统计特征、序列特征及上下文特征按时间顺序组合为时序特征向量；
24、将时序特征向量输入至经黑名单账户样本和正常账户样本训练后的长短期记忆网络模型中，由所述长短期记忆网络模型的输出层生成初步风险评分。
25、可选的，基于所述风险图谱对可疑子图进行多跳关联挖掘生成关联风险评分，包括：
26、以被标记为可疑的账户节点作为起始节点，在所述动态风险图谱中沿交易边、登录边及连接边执行广度优先遍历或深度优先遍历，扩展出包含直接关联实体和间接关联实体的多阶子图；
27、在多阶子图中识别当前账户所处的拓扑角色，根据拓扑角色确定对应的关联风险评分权重系数，基于多阶子图中各关联实体的风险标记及关联路径的深度，计算当前账户的关联风险评分。
28、可选的，将初步风险评分与关联风险评分进行加权融合，生成综合风险评分及对应的风险等级，包括：
29、获取所述初步风险评分及其对应的第一权重系数，获取所述关联风险评分及其对应的第二权重系数；
30、计算所述初步风险评分与第一权重系数的第一乘积，以及所述关联风险评分与第二权重系数的第二乘积，将第一乘积与第二乘积相加后经非线性映射函数规整至预设评分区间，得到综合风险评分；
31、将所述综合风险评分与预设的多个风险等级阈值进行比较，判定当前账户对应的风险等级。
32、可选的，根据所述综合风险评分、所述风险等级以及所述风险图谱中的关联拓扑生成风险画像，并输入至经过领域知识微调的大型语言模型，由大型语言模型生成包含风险定性分析和处置措施建议的处置报告，包括：
33、获取监管机构发布的风险账户处置办法、银行内部操作手册、历史风险案例及对应处置记录、相关法律法规条文，构建领域知识语料库，基于领域知识语料库对通用大型语言模型进行监督微调；
34、根据所述综合风险评分、所述风险等级以及所述动态风险图谱中已构建的节点及边所形成的拓扑结构生成风险画像，将风险画像中的综合风险评分、风险等级、异常交易特征描述以及拓扑结构摘要进行结构化拼接，形成输入提示词；
35、将输入提示词馈送至经过监督微调后的所述大型语言模型，由所述大型语言模型推理生成风险定性分析文本和处置措施建议文本，其中处置措施建议文本包括对当前账户实施的冻结措施类型及期限、对关联账户的监控措施以及对账户的非柜面交易额度限制措施；
36、将风险定性分析文本和处置措施建议文本组合为处置报告并输出。
37、为达上述目的，本发明第二方面实施例提出了一种基于风险图谱和智能风险研判的个人账户风险监测装置，包括：
38、数据接入清洗单元，用于获取个人账户的多维度原始数据，并对所述原始数据进行清洗和归一化预处理，形成结构化的数据流；
39、风险图谱构建单元，用于根据所述数据流中的实体及其关联关系，构建包含节点和边的动态风险图谱，所述节点代表账户、设备或位置实体，所述边代表实体之间的交易、登录或连接关系；
40、风险评分研判单元，用于利用深度学习模型对账户的交易行为特征进行时序建模，生成初步风险评分，并基于所述风险图谱对可疑子图进行多跳关联挖掘生成关联风险评分，将初步风险评分与关联风险评分进行加权融合，生成综合风险评分及对应的风险等级；
41、智能决策处置单元，用于根据所述综合风险评分、所述风险等级以及所述风险图谱中的关联拓扑生成风险画像，并输入至经过领域知识微调的大型语言模型，由大型语言模型生成包含风险定性分析和处置措施建议的处置报告，完成个人账户风险的闭环监测与处置。
42、关于上述实施例中的装置，其中各个单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
43、为达上述目的，本技术第三方面实施例提出了一种电子设备，包括：处理器和存储器；其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如第一方面实施例所述的一种基于风险图谱和智能风险研判的个人账户风险监测方法。
44、为达上述目的，本技术第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所述的一种基于风险图谱和智能风险研判的个人账户风险监测方法。
45、本发明实施例具有以下有益效果：
46、（1）本方法通过构建融合账户、设备、ip地址及手机号等多维实体的动态风险图谱，将异构数据统一纳入图结构中进行关联建模，实现了对个人账户关联网络的全面刻画，显著提升了风险信息的覆盖广度与表征能力。
47、（2）本方法将深度学习时序建模与知识图谱多跳推理相结合，在个体行为偏离度分析的基础上，进一步穿透挖掘隐蔽的团伙作案链路，实现了从个体风险评分到群体结构风险识别的联合研判，有效提升了复杂欺诈模式的检出率。
48、（3）本方法引入经过领域知识注入的大型语言模型进行处置决策，使风险处置建议突破传统的“冻结/不冻结”二元选择模式，能够依据风险类型、角色定位、风险等级及合规要求，智能生成包含限额管控、交易延迟、增强认证、只收不付及提交报告等精细化、可组合的处置策略，大幅提高了处置措施的精准性与合规性，同时降低了人工分析负担。
49、（4）本方法通过构建“监测-处置-决策”的闭环防控流程，使每一次风险处置结果均可反馈至模型训练与知识库更新，实现了风险感知能力与处置策略的持续自我迭代优化，构建了具备自适应性与鲁棒性的动态电诈风险防控体系。