基于动态图的用户交易特征提取的方法和系统与流程

1.本技术涉及信息安全技术领域，特别是涉及基于动态图的用户交易特征提取的方法和系统。


背景技术：

2.随着计算机技术的快速发展，互联网金融的发展也是日新月异，在网上进行金融交易虽然便利快捷，但是随之而来的也有很多让人防不胜防的金融诈骗。因此，为了减少用户被诈骗的几率，在交易反欺诈中，通常会使用图结构的数据作为用户交易信息特征的补充，使得能够更丰富的提取图上的结构或者特征属性。
3.在相关技术中，通常基于静态图进行计算，然而这种计算方法会忽略一个重要的信息，即时间信息。
4.目前针对相关技术中，对交易反欺诈进行预测的情况下，缺少对特征的时间维度信息进行刻画的问题，尚未提出有效的解决方案。


技术实现要素：

5.本技术实施例提供了一种基于动态图的用户交易特征提取的方法和系统，以至少解决相关技术中对交易反欺诈进行预测的情况下，缺少对特征的时间维度信息进行刻画的问题。
6.第一方面，本技术实施例提供了一种基于动态图的用户交易特征提取的方法，所述方法包括：
7.获取交易快照图，聚合各个时间段内快照图的节点和所述节点的邻点信息，通过所述信息计算所述各个时间段的节点结构信息；
8.聚合所述各个时间段，得到聚合时间的快照图，并计算所述聚合时间快照图中节点聚合邻点的节点结构信息；
9.聚合所述节点的时间信息，得到时间快照信息，并根据所述时间快照信息计算得到节点时序特征信息，其中，所述时间包括所述各个时间段和所述聚合时间。
10.在其中一些实施例中，所述通过所述信息计算所述各个时间段的节点结构信息，以及计算所述聚合时间快照图中节点聚合邻点的节点结构信息包括：
11.计算所述快照图中节点之间的attention系数，并对所述attention系数进行归一化处理，得到归一化attention系数；
12.根据所述归一化attention系数，聚合所述节点的邻点信息，得到所述节点结构信息。
13.在其中一些实施例中，所述根据所述时间快照信息计算得到节点时序特征信息包括：
14.计算每个时间段下所述节点和其余时间之间的self
‑
attention系数，并对所述self
‑
attention系数进行归一化处理，得到归一化self
‑
attention系数；
15.根据所述归一化self
‑
attention系数，聚合所述节点的时间信息，得到所述节点时序特征信息。
16.在其中一些实施例中，在计算每个时间段下所述节点和其余时间之间的self
‑
attention系数之前，所述方法包括：
17.对所述聚合时间进行选择，根据所述节点所在的时间段信息，选择相应的聚合时间。
18.在其中一些实施例中，所述聚合所述节点的时间信息，得到时间快照信息包括：
19.获取所述节点在各个时间段的快照图中的节点信息，以及在所述聚合时间的快照图中的节点信息，得到所述节点的时间快照信息。
20.在其中一些实施例中，所述获取交易快照图包括：
21.获取一组有序的交易动态快照图，所述交易快照图按时间区间进行划分，其中，所述交易快照图的时间划分区间和所述交易快照图的数量可以根据业务需求进行自定设置。
22.在其中一些实施例中，在计算得到节点结构信息和节点时序特征信息之后，所述方法包括：
23.在计算到的节点特征信息之后添加分类器，并对所述节点特征信息进行损失函数计算，得到loss值。
24.第二方面，本技术实施例提供了一种基于动态图的用户交易特征提取的系统，所述系统包括：
25.结构特征模块，用于获取交易快照图，聚合各个时间段内快照图的节点和所述节点的邻点信息，通过所述信息计算所述各个时间段的节点结构信息，
26.聚合所述各个时间段，得到聚合时间的快照图，并计算所述聚合时间快照图中节点聚合邻点的节点结构信息；
27.时序特征模块，用于聚合所述节点的时间信息，得到时间快照信息，并根据所述时间快照信息计算得到节点时序特征信息，其中，所述时间包括所述各个时间段和所述聚合时间。
28.第三方面，本技术实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的基于动态图的用户交易特征提取的方法。
29.第四方面，本技术实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的基于动态图的用户交易特征提取的方法。
30.相比于相关技术，本技术实施例提供的基于动态图的用户交易特征提取的方法，获取交易快照图，聚合各个时间段内快照图的节点和该节点的邻点信息，通过该信息计算各个时间段的节点结构信息；接着，聚合各个时间段，得到聚合时间的快照图，并计算聚合时间快照图中节点聚合邻点的节点结构信息；最后聚合交易快照图中节点的时间信息，得到时间快照信息，并根据该时间快照信息计算得到节点时序特征信息，其中，交易时间包括各个时间段和聚合各个时间段后的时间。
31.本技术基于离散时间用一组有序的交易快照图来表示交易动态图，并聚合各时间段交易动态图中的节点信息和时间信息，计算得到节点结构特征和时序特征，由于在计算节点结构和时序特征信息时，加入了时间间隔的维度，因此能更好的刻画时间对特征计算
的影响，此外，本技术通过动态图将时间维度加入到金融交易反欺诈的应用中，解决了对交易反欺诈进行预测的情况下，缺少对特征的时间维度信息进行刻画的问题，通过时间维度不仅能够更好的刻画网络数据中的交易特征信息，还能提高对反欺诈的预测能力，提高用户交易安全性；进一步地，本技术中通过使用聚合时间图，补全了交易快照图中由于切分而被破坏的数据结构，使得相关交易特征的提取更全面，有利于后续的特征识别和分类，提高模型的预测能力。
附图说明
32.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
33.图1是根据本技术实施例的基于动态图的用户交易特征提取的方法的流程图；
34.图2是根据本技术实施例的用户交易graph示意图；
35.图3是根据本技术实施例的聚合时间快照示意图；
36.图4是根据本技术实施例的节点时间信息聚合示意图；
37.图5是根据本技术实施例的基于动态图的用户交易特征提取的系统的结构框图；
38.图6是根据本技术实施例的电子设备的内部结构示意图。
具体实施方式
39.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。基于本技术提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本技术公开的内容相关的本领域的普通技术人员而言，在本技术揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本技术公开的内容不充分。
40.在本技术中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本技术所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
41.除非另作定义，本技术所涉及的技术术语或者科学术语应当为本技术所属技术领域内具有一般技能的人士所理解的通常意义。本技术所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本技术所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本技术所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本技术所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或
b”可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。本技术所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
42.本技术提供了一种基于动态图的用户交易特征提取的方法，图1是根据本技术实施例的基于动态图的用户交易特征提取的方法的流程图，如图1所示，该流程包括如下步骤：
43.步骤s101，获取交易快照图，聚合各个时间段内快照图的节点和该节点的邻点信息，并通过该信息计算各个时间段的节点结构信息；需要说明的是，这里的时间段可根据实际情况进行划分，不做具体限制。
44.优选的，本实施例中时间段按每小时进行划分，表1是根据本技术实施例的交易快照图信息，如下表1所示，本实施例中的交易快照图一共可以划分为3部分时间快照，分别为t1＝{5:02,5:10,5:36}，t2＝{6:10,6:30}，t3＝{7:20,7:44,7:58}，可选的，这里的时间划分区间和快照数量可根据业务需求进行自主定义。表1中的点边信息，例如a
‑
b边，为用户之间的交互交易，通过该交可构建用户交易的graph图，图2是根据本技术实施例的用户交易graph示意图，如图2所示。
45.表1
46.时间点边信息快照索引快照内索引5:02a
‑
b；b
‑
c；t1t1
‑
15:10b
‑
e；c
‑
f；t1t1
‑
25:36a
‑
b；t1t1
‑
36:10a
‑
b；t2t2
‑
16:30b
‑
d；t2t2
‑
27:20a
‑
b；b
‑
ft3t3
‑
17:44c
‑
g；c
‑
e；t3t3
‑
27:58e
‑
f；t3t3
‑347.本实施例中，在获取如表1和图2所示的交易快照图之后，聚合上述t1、t2、和t3，3个时间段内交易快照图的节点和节点的邻点信息，并通过这些信息计算3个时间段的节点结构信息。
48.可选的，计算上述3个时间段的节点结构信息的具体操作包括：
49.s1，计算交易快照图中各个节点之间的attention系数e
ij
，如下式1和2所示：
50.e
ij
＝σ(a
ij
*α
t
[w
s h
j
||w
s h
j
||φ
δt
])
ꢀꢀꢀ
(1)
[0051]
φ
δt
＝cos(w
t
*δ
t
)
ꢀꢀꢀ
(2)
[0052]
其中，σ表示sigmoid函数，α、w
s
、w
t
为模型需要学习的参数；||表示concat特征拼接；δ
t
表示时间间隔，比如，对表1中5:36时刻交易快照图中的a
‑
b这条边，时间间隔δ
t
＝60
‑
36＝24，如果同一个快照内发生多次事件，取最后一次事件的发生时间；a
ij
表示边的权重，由每个时间段内快照发生的事件次数决定，如表1所示，t1时间段内a
‑
b边的权重a
ab
＝2，t2时间段和t3时间段内a
‑
b边的权重均为1；
[0053]
s2，对attention系数进行归一化处理，得到归一化attention系数α
ij
，如下式3所示：
[0054][0055]
其中，表示j节点的邻居节点；
[0056]
s3，根据上述得到的归一化attention系数，聚合节点的邻点信息，得到聚合邻点的节点结构信息x
i
，如下式4所示：
[0057][0058]
其中，σ表示sigmoid函数，h
i
表示i节点的初始特征。
[0059]
本实施例在计算快照图中节点结构特征信息时，加入了时间间隔维度，能更好的刻画时间变化在模型中的影响，提高数据的预测能力；
[0060]
步骤s102，聚合各个时间段，得到聚合时间的快照图，并计算聚合时间快照图中节点聚合邻点的节点结构信息；
[0061]
经过步骤s101计算得出交易快照图各个时间段内的节点聚合邻点的结构特征信息，但是，由于交易快照图的划分，某些重要的关系也可能被切分，因此，为了将快照图中可能被破坏的数据结构补全，本实施例中对各个时间段进行聚合，得到聚合时间的快照图。图3是根据本技术实施例的聚合时间快照示意图，如图3所示，在t1时间，聚合时间快照就是t1时间段内发生的所有事件；在t2时间，聚合快照就是t1 t2时间段内发生的所有事件；以此类推，在t3时间，聚合时间快照就是t1 t2 t3时间段内发生的所有事件。
[0062]
在获取上述经过时间聚合的交易快照图后，按照步骤s101中计算不同时间段的节点结构信息的具体操作，计算聚合时间快照图中节点聚合邻点的节点结构特征信息。需要说明的是，本实施例中的具体计算操作示例可以参照步骤s101中的实施例，本实施例在此不再赘述；
[0063]
步骤s103，聚合节点的时间信息，得到时间快照信息，并根据时间快照信息计算得到节点时序特征信息，其中，时间包括各个时间段和聚合时间；
[0064]
在将交易快照图的结构信息聚合完成之后，本实施例需要对节点的时间信息进行聚合，获取节点在各个时间段的快照图中的节点信息，以及在聚合时间的快照图中的节点信息，得到节点的时间快照信息。具体地，图4是根据本技术实施例的节点时间信息聚合示意图，如图4所示，选择一个节点在各个快照中的信息，比如选择节点a在时间段包括t1、t2、t3和t聚合的节点信息，其中t1、t2、t3时间分别为每个时间段内快照中节点聚合邻点后的节点信息，t聚合就是聚合时间快照图中的节点信息。优选的，本实施例根据上述得到的t1、t2、t3和t聚合的时间信息计算节点时序特征信息。
[0065]
可选的，根据上述4个时间信息计算交易快照图中节点时序特征信息的具体操作包括：
[0066]
s1，计算每个时间段下的节点和其余时间之间的self
‑
attention系数，例如，计算t1时刻a节点和{t2时刻a节点,t3时刻a节点,t聚合时刻a节点}之间的self
‑
attention系数；
[0067]
本实施例中self
‑
attention系数的计算，如下式5
‑
8所示：
[0068]
query＝x
v
w
q
ꢀꢀꢀ
(5)
[0069]
key＝x
v
w
k
ꢀꢀꢀ
(6)
[0070][0071][0072]
其中，x
v
为时间快照中节点v聚合邻居后的节点特征；w
q
、w
k
为需要学习的参数；d表示缩放因子，可以等于query的特征维度，也可自定义；m
ij
用于评价节点发生的事件是否在在t时刻之后，如果，该事件是在t时刻之后才发生的，那么不计算相应的attention值。比如，在计算a节点在t1时刻的attention值时，不能计算a节点t2时刻的attention值和t3时刻attention值的attention值，因为t1时刻的节点a发生的事件，在t2时刻和t3时刻还没有发生，因此，
[0073]
s2，对self
‑
attention系数进行归一化处理，得到归一化self
‑
attention系数如下式9所示：
[0074][0075]
其中，i、j表示时刻；
[0076]
s3，根据上述计算得到的归一化self
‑
attention系数，聚合节点的时间信息，得到节点时序特征信息如下式10所示：
[0077][0078]
其中，表示节点v在i时刻的特征。
[0079]
在其中一些实施例中，在计算每个时间段下节点和其余时间之间的self
‑
attention系数之前，需要对聚合时间进行选择，根据节点所在的时间段信息，选择相应的聚合时间。比如，在计算t1时刻a节点信息时，t聚合就选择图3中聚合时间t1的这张快照图；如果计算t2时刻a节点信息时，t聚合就选择图3中聚合时间t2的这张快照图；以此类推选择聚合时间。
[0080]
优选的，在上述计算得到节点结构信息和节点时序特征信息之后，在节点特征信息之后添加分类器，进行交易行为的预测，并对节点特征信息进行损失函数计算，得到loss值。
[0081]
在其中一些实施例中，通过有监督分类模型，对已知标签的节点特征进行预测，并通过cross entropy计算预测结果和真实标签之间的loss值。具体地，已知用户的类别，例如欺诈用户或好用户，然后根据模型进行预测，得到预测的结果，采用cross entropy计算预测结果和真实标签之间的loss值，再通过反向传播不断学习网络参数，得到训练好的模型，通过该模型再次对未知类别的用户节点进行预测。本实施例采用这类有监督分类模型，可以更多的学习到真实label的情况，是的模型的预测更加准确，但是在实际情况中，真实label的获取比较困难，很难实现。
[0082]
在其中一些实施例中，通过无监督的分类模型，对节点特征信息进行预测，计算得
到损失函数loss，如下式11所示：
[0083][0084]
其中，i,j∈edge表示i、j之间有边连接，u,v∈neg表示u、v之间不存在连接，是负采样的边。
[0085]
本实施例采用无监督的模型，能更注重于图结构和时间变化上的信息，更关注于图本身的性质，有利于预测结果的准确性。
[0086]
通过上述步骤s101至步骤s103，本技术基于离散时间用一组有序的交易快照图来表示交易动态图，通过使用动态图将时间维度加入了交易反欺诈的应用中；此外，本技术使用聚合时间图，补全交易快照中由于切分而被破坏的数据结构，并在计算节点特征时加入时间间隔的维度，更好的刻画了时间对特征计算的影响，解决了对交易反欺诈进行预测的情况下，缺少对特征的时间维度信息进行刻画的问题，通过时间维度能够更好的刻画网络数据中的交易特征信息，提高模型预测时对反欺诈的预测能力，提高用户交易安全性。
[0087]
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0088]
本实施例还提供了一种基于动态图的用户交易特征提取的系统，该系统用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
[0089]
图5是根据本技术实施例的基于动态图的用户交易特征提取的系统的结构框图，如图5所示，该系统包括结构特征模块51和时序特征模块52：
[0090]
结构特征模块51，用于获取交易快照图，聚合各个时间段内快照图的节点和该节点的邻点信息，通过该信息计算各个时间段的节点结构信息，聚合各个时间段，得到聚合时间的快照图，并计算聚合时间快照图中节点聚合邻点的节点结构信息；时序特征模块52，用于聚合节点的时间信息，得到时间快照信息，并根据时间快照信息计算得到节点时序特征信息，其中，时间包括各个时间段和聚合时间。
[0091]
通过上述系统，本技术基于离散时间用一组有序的交易快照图来表示交易动态图，通过使用动态图将时间维度加入了交易反欺诈的应用中；此外，本技术使用聚合时间图，补全交易快照中由于切分而被破坏的数据结构，并在计算节点特征时加入时间间隔的维度，更好的刻画了时间对特征计算的影响，解决了对交易反欺诈进行预测的情况下，缺少对特征的时间维度信息进行刻画的问题，通过时间维度能够更好的刻画网络数据中的交易特征信息，提高模型预测时对反欺诈的预测能力，提高用户交易安全性。
[0092]
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
[0093]
此外，需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
[0094]
本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算
机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
[0095]
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
[0096]
另外，结合上述实施例中的基于动态图的用户交易特征提取的方法，本技术实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种基于动态图的用户交易特征提取的方法。
[0097]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于动态图的用户交易特征提取的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0098]
在一个实施例中，图6是根据本技术实施例的电子设备的内部结构示意图，如图6所示，提供了一种电子设备，该电子设备可以是服务器，其内部结构图可以如图6所示。该电子设备包括通过内部总线连接的处理器、网络接口、内存储器和非易失性存储器，其中，该非易失性存储器存储有操作系统、计算机程序和数据库。处理器用于提供计算和控制能力，网络接口用于与外部的终端通过网络连接通信，内存储器用于为操作系统和计算机程序的运行提供环境，计算机程序被处理器执行时以实现一种基于动态图的用户交易特征提取的方法，数据库用于存储数据。
[0099]
本领域技术人员可以理解，图6中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0100]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0101]
本领域的技术人员应该明白，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0102]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并
不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。