异常社团识别方法、装置、计算机可读介质及电子设备与流程

1.本技术涉及计算机技术领域，具体而言，涉及一种异常社团识别方法、装置、计算机可读介质及电子设备。


背景技术：

2.随着互联网技术的发展，基于互联网的交易形式得到了广泛应用，但是也出现了许多电子交易违规行为。针对电子交易违规行为逐渐向社团模式进行转移的趋势，在目前的技术方案中，通过构建用户与用户之间的关系网络进行社团划分，再基于划分所得到的社团网络进行异常社团的识别。由此，如何提高用户与用户之间的关系网络构建的准确性，进而保证异常社团识别结果的准确度成为了亟待解决的技术问题。


技术实现要素：

3.本技术的实施例提供了一种异常社团识别方法、装置、计算机可读介质及电子设备，进而至少在一定程度上可以提高用户与用户之间的关系网络构建的准确性，进而保证异常社团识别结果的准确度。
4.本技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本技术的实践而习得。
5.根据本技术实施例的一个方面，提供了一种异常社团识别方法，该方法包括：
6.根据具有相同交易账户的关联交易节点，构建交易网络，所述关联交易节点中包括至少两个交易节点，所述关联交易节点中任意两个所述交易节点之间形成所述交易网络的边；
7.根据所述关联交易节点中任意两个交易节点对应的交易账户的总数量和相同交易账户的数量，确定所述任意两个交易节点之间的关系亲密度；
8.根据所述关系亲密度，对所述交易网络内的边进行优化处理，得到目标交易网络；
9.根据所述目标交易网络的模块度，对所述目标交易网络内的交易节点进行社团划分，得到待识别社团；
10.根据各所述待识别社团内的交易节点的特征信息，从各所述待识别社团中识别出异常社团。
11.根据本技术实施例的一个方面，提供了一种异常社团识别装置，该装置包括：
12.构建模块，用于根据具有相同交易账户的关联交易节点，构建交易网络，所述关联交易节点包括至少两个交易节点，且所述关联交易节点中任意两个所述交易节点之间形成所述交易网络的边；
13.确定模块，用于根据所述关联交易节点中任意两个交易节点对应的交易账户的总数量和相同交易账户的数量，确定所述任意两个交易节点之间的关系亲密度；
14.优化模块，用于根据所述关系亲密度，对所述交易网络内的边进行优化处理，得到目标交易网络；
15.划分模块，用于根据所述目标交易网络的模块度，对所述目标交易网络内的交易节点进行社团划分，得到待识别社团；
16.识别模块，用于根据各所述待识别社团内的交易节点的特征信息，从各所述待识别社团中识别出异常社团。
17.在本技术一些实施例中，基于前述方案，该确定模块被配置为：根据所述关联交易节点中各交易节点的身份信息，将所述关联交易节点中具有相同身份信息的任意两个交易节点识别为待处理节点；根据所述待处理节点的相同身份信息以及所述待处理节点对应的交易账户的总数量和相同交易账户的数量，确定所述待处理节点之间的关系亲密度。
18.在本技术一些实施例中，基于前述方案，该确定模块被配置为：根据所述相同身份信息，获取与所述相同身份信息对应的权重；根据所述待处理节点对应的交易账户的总数量和相同交易账户的数量，确定所述相同交易账户的数量占所述待处理节点对应的交易账户的总数量的比例；根据所述比例以及所述相同身份信息对应的权重，确定所述待处理节点之间的关系亲密度。
19.在本技术一些实施例中，基于前述方案，该优化模块被配置为：若所述任意两个交易节点之间的关系亲密度小于预定阈值，从所述交易网络中删除所述任意两个交易节点所形成的边，得到目标交易网络。
20.在本技术一些实施例中，基于前述方案，所述若所述任意两个交易节点之间的关系亲密度小于预定阈值，从所述交易网络中删除所述任意两个交易节点所形成的边，得到目标交易网络之后，该优化模块还被配置为：获取所述目标交易网络中各交易节点对应的标识信息；若所述交易节点对应的标识信息为目标标识信息，则从所述目标交易网络中将所述交易节点进行删除。
21.在本技术一些实施例中，基于前述方案，划分模块被配置为：根据所述目标交易网络的模块度，采用fast unfolding算法对所述交易网络内的交易节点进行社团划分，得到待识别社团。
22.在本技术一些实施例中，基于前述方案，所述根据所述目标交易网络的模块度，采用fast unfolding算法对所述目标交易网络内的交易节点进行社团划分，得到待识别社团之后，划分模块还被配置为：根据所述待识别社团内的交易节点的数量以及边的数量，得到所述待识别社团内的边的强度；根据所述待识别社团内的交易节点的数量以及所述待识别社团与其他待识别社团之间的边的数量，得到所述待识别社团对应的划分惩罚值；根据所述待识别社团内的边的强度、所述划分惩罚值以及所述待识别社团的模块度，得到所述待识别社团的模块密度；若所述待识别社团的模块密度未满足预定条件，则对所述待识别社团进行重新划分。
23.在本技术一些实施例中，基于前述方案，识别模块被配置为：若所述交易节点的特征信息为目标特征信息，将所述交易节点识别为异常节点；根据所述待识别社团内的异常交易节点的数量占该待识别社团内的交易节点的数量的异常比例，从各所述待识别社团中识别出异常社团。
24.在本技术一些实施例中，基于前述方案，所述从各所述待识别社团中识别出异常社团之后，识别模块还被配置为：根据所述异常社团对应的异常比例，确定所述异常比例所处的阈值范围；基于所述阈值范围，采用与所述阈值范围对应的处理策略对所述异常社团
内的交易节点进行处理。
25.在本技术一些实施例中，基于前述方案，该识别模块被配置为：若所述交易节点的特征信息为目标特征信息，生成并显示针对所述交易节点所在的待识别社团的异常提醒信息，所述异常提醒信息包括待识别社团的分类选项；响应于针对所述分类选项的触发操作，确定所述交易节点所在的待识别社团的分类信息；根据所述分类信息，从各所述待识别社团中识别出异常社团。
26.在本技术一些实施例中，基于前述方案，所述根据具有相同交易账户的关联交易节点，构建交易网络之前，该构建模块还被配置为：获取各交易节点对应的交易账户；将各所述交易节点对应的交易账户进行比对，若任意两个交易节点之间存在相同交易账号，将所述两个交易节点识别为关联交易节点。
27.根据本技术实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例中所述的异常社团识别方法。
28.根据本技术实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的异常社团识别方法。
29.在本技术的一些实施例所提供的技术方案中，通过根据具有相同交易账户的关联交易节点，构建交易网络，该关联交易节点中包括至少两个交易节点，该关联交易节点中任意两个交易节点之间形成交易网络的边。根据关联交易节点中任意两个交易节点对应的交易账户的总数量和相同交易账户的数量，确定该任意两个交易节点之间关系的亲密度，根据该关系亲密度，对交易网络内的边进行优化处理，得到目标交易网络，并根据目标交易网络的模块度，对目标交易网络内的交易节点进行社团划分，得到待识别社团，再根据各待识别社团内的交易节点的特征信息，从各待识别社团中识别出异常社团。由此，通过确定交易节点之间的关系亲密度，从而确定该交易节点之间所形成的边的强度，再基于该关系亲密度对交易网络内的边进行优化，得到目标交易网络，保证了目标交易网络构建的准确性。进而提高了异常社团识别结果的准确度。
30.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
31.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
32.图1示出了可以应用本技术实施例的技术方案的示例性系统架构的示意图；
33.图2a示出了可以应用本技术实施例的技术方案的区块链数据共享系统的示意图；
34.图2b示出了根据本技术的一个实施例的技术方案的区块链的结构示意图；
35.图2c示出了根据本技术的一个实施例的技术方案产生新区块的示意图；
36.图3示出了根据本技术的一个实施例的异常社团识别方法的流程示意图；
37.图4示出了根据本技术的一个实施例的图3的异常社团识别方法中步骤s320的流
程示意图；
38.图5示出了根据本技术的一个实施例的图4的异常社团识别方法中步骤s420的流程示意图；
39.图6示出了根据本技术的一个实施例的异常社团识别方法中还包括的对目标交易网络内的交易节点进行优化处理的流程示意图；
40.图7示出了根据本技术一个实施例的异常社团识别方法中还包括的确定社团划分结果的准确性的流程示意图；
41.图8示出了根据本技术的一个实施例的图3的异常社团识别方法中步骤s350的流程示意图；
42.图9示出了根据本技术的一个实施例的异常社团识别方法中还包括的打击异常社团的流程示意图；
43.图10示出了根据本技术的另一个实施例的图3的异常识别方法中步骤 s350的流程示意图；
44.图11示出了根据本技术的一个实施例的异常社团识别方法中还包括的确定关联交易节点的流程示意图；
45.图12示出了根据本技术的一个实施例的异常社团识别方法的流程框图；
46.图13a至图13c示出了根据本技术的一个实施例的构建共同交易对手网络的流程示意图；
47.图14示出了根据本技术的一个实施例的异常社团识别装置的框图；
48.图15示出了适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。
具体实施方式
49.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本技术将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
50.此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本技术的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本技术的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本技术的各方面。
51.附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
52.附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
53.图1示出了可以应用本技术实施例的技术方案的示例性系统架构的示意图。
54.如图1所示，系统架构可以包括终端设备101、网络102和服务器 103，网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例
如有线通信链路、无线通信链路等等。
55.需要说明的，该终端设备101可以是智能手机、平板电脑、便携式计算机中的一种或多种；该终端设备101也可以是配置于商家、企业等场所的具有资源交换记录功能的电子设备，例如收银设备、记账服务器等。
56.应该理解的，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。比如服务器103可以是由多个服务器组成的服务器集群等。
57.在本技术一具体应用场景中，可以将多个终端设备配置为交易节点，该交易节点可以记录具体的交易信息，例如该交易信息可以包括但不限于交易时间、交易金额以及交易账户等。服务器103可以获取每一交易节点的交易信息，并根据具有相同交易账户的关联交易节点，构建交易网络，该关联交易节点中包括至少两个交易节点，且关联交易节点中任意两个交易节点之间形成该交易网络的边。
58.服务器103可以根据关联交易节点中任意两个交易节点对应的交易账户的总数量和相同交易账户的数量，确定该任意两个交易节点之间的关系亲密度。并根据该关系亲密度对交易网络内的边进行优化处理，得到目标交易网络。根据目标交易网络的模块度，对目标交易网络内的交易节点进行社团划分，得到待识别社团。再根据各待识别社团内的交易节点的特征信息，从各待识别社团中识别出异常社团。
59.需要说明的是，本技术实施例所提供的异常社团识别方法一般由服务器103执行，相应地，异常社团识别装置一般设置于服务器103中。但是，在本技术的其它实施例中，终端设备也可以与服务器具有相似的功能，从而执行本技术实施例所提供的异常社团识别方法的方案。
60.在本技术一示例性实施例中，可以将多个终端设备配置为区块链节点，区块链节点与区块链节点之间相互连接，从而形成区块链数据共享系统。服务器103可以根据区块链数据共享系统中的数据构建交易网络，从而进行异常社团的识别。
61.应该理解的，区块链数据共享系统是指用于进行节点与节点之间数据共享的系统。请参考图2a所示的区块链数据共享系统，该区块链数据共享系统中可以包括多个节点201，多个节点201可以是区块链数据共享系统中各个终端设备(例如智能手机、平板电脑或便携式计算机中的一种或多种)或服务器。在本技术的一个实施例中，可以将开票节点110、服务节点120配置为区块链数据共享系统中的节点，每个节点201在进行正常工作时可以接收到输入信息，并基于接收到的输入信息维护该区块链数据共享系统内的共享数据，例如该输入信息可以是终端设备101所上传的交易信息等。
62.为了保证区块链数据共享系统内的信息互通，区块链数据共享系统中的每个节点之间可以存在信息连接，节点之间可以通过上述信息连接进行信息传输。例如，当区块链数据共享系统中的任意节点接收到输入信息时，区块链数据共享系统中的其他节点便根据共识算法获取该输入信息，将该输入信息作为区块链共享数据中的数据进行存储，使得区块链数据共享系统中全部节点上存储的数据均一致。
63.对于区块链数据共享系统中的每个节点，均具有与其对应的节点标识，而且区块链数据共享系统中的每个节点均可以存储有区块链数据共享系统中其他节点的节点标识，以便后续根据其他节点的节点标识，将生成的区块广播至区块链数据共享系统中的其他节
点。每个节点中可维护一个如下表所示的节点标识列表，将节点名称和节点标识对应存储至该节点标识列表中。其中，节点标识可为ip(internet protocol，网络之间互联的协议)地址以及其他任一种能够用于标识该节点的信息，表1中仅以ip地址为例进行说明。
64.表1
65.节点名称节点标识节点1117.114.151.174节点2117.116.189.145
……
节点n119.123.789.258
66.区块链数据共享系统中的每个节点均存储一条相同的区块链。区块链由多个区块组成，参见图2b，图2b示出了根据本技术的一个实施例的技术方案的区块链的结构示意图，区块链由多个区块组成，创始块中包括区块头和区块主体，区块头中存储有输入信息特征值、版本号、时间戳和难度值，区块主体中存储有输入信息；创始块的下一区块以创始块为父区块，下一区块中同样包括区块头和区块主体，区块头中存储有当前区块的输入信息特征值、父区块的区块头特征值、版本号、时间戳和难度值，并以此类推，使得区块链中每个区块中存储的区块数据均与父区块中存储的区块数据存在关联，保证了区块中输入信息的安全性。
67.参见图2c，图2c示出了根据本技术的一个实施例的技术方案产生新区块的示意图，在生成区块链中的各个区块时，区块链所在的节点在接收到输入信息时，对输入信息进行校验，完成校验后，将输入信息存储至内存池中，并更新其用于记录输入信息的哈希树；之后，将更新时间戳更新为接收到输入信息的时间，并尝试不同的随机数，多次进行特征值计算，使得计算得到的特征值可以满足下述公式：
68.sha256(sha256(version prev_hash merkle_root ntime nbits x))＜target
69.其中，sha256为计算特征值所用的特征值算法；version(版本号)为区块链中相关区块协议的版本信息；prev_hash为当前区块的父区块的区块头特征值；merkle_root为输入信息的特征值；ntime为更新时间戳的更新时间；nbits为当前难度，在一段时间内为定值，并在超出固定时间段后再次进行确定；x为随机数；target为特征值阈值，该特征值阈值可以根据 nbits确定得到。
70.这样，当计算得到满足上述公式的随机数时，便可将信息对应存储，生成区块头和区块主体，得到当前区块。随后，区块链所在节点根据区块链数据共享系统中其他节点的节点标识，将新生成的区块分别发送给其所在的区块链数据共享系统中的其他节点，由其他节点对新生成的区块进行校验，并在完成校验后将新生成的区块添加至其存储的区块链中。
71.以下对本技术实施例的技术方案的实现细节进行详细阐述：
72.图3示出了根据本技术的一个实施例的异常社团识别方法的流程示意图。参照图3示，该异常社团识别方法至少包括步骤s210至步骤s250，详细介绍如下：
73.在步骤s310中，根据具有相同交易账户的关联交易节点，构建交易网络，所述关联交易节点中包括至少两个交易节点，所述关联交易节点中任意两个所述交易节点之间形成所述交易网络的边。
74.其中，交易节点可以是具有资源交易记录功能的节点，例如资金转账、商品购买记录等。在一示例中，可以将商家所使用的终端设备配置为交易节点，该交易节点可以记录该商家对应的交易信息，该交易信息可以包括但不限于交易金额、交易时间以及交易账户等信息。
75.需要说明的，本技术所述商家可以是具有实体意义的商家，例如零售店、饭店或者超市等，其也可以是基于互联网的商家，例如网络店铺或者微商等。
76.交易账户可以是与交易节点进行交易的账户信息，该交易账户可以是个人账户，也可以是商家账户等，本技术对此不作特殊限定。
77.在本技术一示例性实施例中，服务器可以将具有相同交易账户的交易节点识别为关联交易节点。应该理解的，具有相同交易账户的关联交易节点即表示存在同一交易账户与关联交易节点中的每一交易节点都存在交易记录。
78.需要说明的，关联交易节点中可以包含至少两个交易节点，即关联交易节点中的交易节点为两个或者两个以上的任意数量，且关联交易节点中的任意两个交易节点之间都具有相同交易账户。
79.服务器可以基于关联交易节点，构建交易网络，关联交易节点中任意两个交易节点之间形成该交易网络的边。由此，该交易网络的边可以用于表示交易节点之间的资金转移情况，体现各个交易节点之间是否存在资金交易关系。应该理解的，关联交易节点的关系并不是固定的，例如交易节点a与交易节点b之间存在相同交易账户，则交易节点a与交易节点b 为关联交易节点，而若交易节点a与交易节点c之间也存在相同交易账户，则交易节点a与交易节点c也为关联交易节点，等等。因此，某一关联交易节点中的交易节点也可以为其他关联交易节点中的交易节点，由此，基于多组关联交易节点即可构成交易网络。
80.需要说明的，若某一交易节点与其他交易节点之间未存在相同交易账户，则该交易节点也可以包含于该交易网络中，只是该交易节点与其他交易节点并未形成边，即与其他交易节点不存在资金交易关系。
81.在步骤s320中，根据所述关联交易节点中任意两个交易节点对应的交易账户的总数量和相同交易账户的数量，确定所述任意两个交易节点之间的关系亲密度。
82.其中，关系亲密度可以是用于表示交易节点之间所形成的边的强度的数值信息。应该理解的，若两个交易节点之间的相同交易账户的数量越多，则表示该两个交易节点之间的资金交易关系越紧密，对应的关系亲密度也就越高，因此该两个交易节点之间所形成的边的强度也就越高。
83.在本技术一示例性实施例中，服务器可以获取每一交易节点对应的交易信息，并根据该交易信息进行统计，确定每一交易节点对应的交易账户及交易账户的数量。由此，服务器可以计算关联交易节点中任意两个交易节点对应的交易账户的总数量以及相同交易账户的数量，并根据任意两个交易节点对应的交易账户的总数量和相同交易账户的数量，确定该两个交易节点之间的关系亲密度。具体地，可以根据以下公式计算关联交易节点中任意两个交易节点之间的关系亲密度：
84.w(a,b)＝2*n(a)∩n(b)/(n(a) n(b))；
85.其中，n(a)为交易节点a对应的账户数量，n(b)为交易节点b对应的交易账户的数量，n(a)∩n(b)为交易节点a与交易节点b之间的相同交易账户的数量。
86.由此，可以根据两个交易节点之间的相同交易账户的数量以及该两个交易节点对应的交易账户的总数量，确定该两个交易节点之间的关系亲密度，该关系亲密度与两个交易节点之间的资金交易关系呈正相关，由此保证了关系亲密度的准确性。
87.请继续参考图3，在步骤s330中，根据所述关系亲密度，对所述交易网络内的边进行优化处理，得到目标交易网络。
88.其中，优化处理可以是对交易网络内的边进行优化的处理过程。该优化处理可以包括对边进行删减、保持以及增加等过程。
89.在本技术一示例性实施例中，应该理解的，若某两个交易节点为从事网络黑产的交易节点，则该两个交易节点之间的资金交易关系应较为紧密，即该两个交易节点之间的关系亲密度应达到一定阈值。同样的，若两个交易节点之间的关系亲密度较低，即表示该两个交易节点之间的资金交易关系较为稀疏，进而该两个交易节点为从事网络黑产的可能性也就较低。
90.由此，服务器可以根据两个交易节点之间的关系亲密度，评价该两个交易节点形成的边的强度，即确定该两个交易节点之间的资金交易关系是否紧凑，进而确定该两个交易节点是否为从事网络黑产的交易节点的可能性。具体地，若两个交易节点之间的关系亲密度小于一定阈值，则表示该两个交易节点从事网络黑产的可能性较低，可以对该两个交易节点之间所形成的边进行删除，以提高后续计算效率。若该两个交易节点之间的关系亲密度达到一定阈值，则表示该两个交易节点具有一定的可能性从事网络黑产，可以将该两个交易节点所形成的边进行保留，以作后续计算和识别。
91.在该步骤中，通过交易节点之间的关系亲密度对在先构建的交易网络的边进行优化处理，以得到目标交易网络，保证了目标交易网络构建的准确性，同时将强度较低的边进行删除，也能够提高后续的计算效率，进而提高了异常社团识别的准确性。
92.在步骤s340中，根据所述目标交易网络的模块度，对所述目标交易网络内的交易节点进行社团划分，得到待识别社团。
93.其中，模块度可以是用于衡量社团划分结果的优劣的数值信息，该模块度可以是社团内部的总边数与网络中总边数的比例减去一个期望值，该期望值是将网络设定为随机网络时同样的社区分配所形成的的社区内部的总边数和网络中总边数的比例的大小。
94.具体地，可以按照以下公式计算模块度q：
[0095][0096]
其中，m为整个网络中边的数量，mc表示节点c在社团c的内部边的数量，内部边即为该节点c与社团c内的节点所连接的边，ec表示节点c 在社团c的外部边的数量，外部边即为该节点c与社团c外部的节点所连接的边。
[0097]
由此，该模块度q可以用于衡量一个社团内部边相对于社团外部边连接的紧密程度，以表示社团划分的质量，并且，可以通过该模块度q判断是否可以将一个节点划分进当前社团中。需要说明的，模块度越高，则表示社团划分的质量越好。
[0098]
在本技术一示例性实施例中，服务器可以基于模块度的计算，将目标交易网络中的交易节点划分成至少一个社团。应该理解的，处于同一社团内的交易节点之间的相似度较高，资金交易关系较为紧凑，即位于同一社团内的交易节点的内部边的数量应明显大于
交易节点的外部边的数量。
[0099]
由此，基于模块度的计算，服务器可以将交易网络中的节点划分为至少一个社团，保证了社团划分的准确性。服务器可以将划分所得到的社团作为待识别社团，以备后续进行异常社团的识别。
[0100]
在步骤s350中，根据各所述待识别社团内的交易节点的特征信息，从各所述待识别社团中识别出异常社团。
[0101]
其中，特征信息可以是用于描述交易节点的交易情况的标签信息，例如某一交易节点每次的交易金额达到一定阈值，则该交易节点的特征信息可以设置为高额交易，若某一交易节点的交易次数较高或者交易频率较高，则该交易节点的特征信息可以为高次数交易或者高频交易，等等。
[0102]
需要说明的，每一交易节点可以对应有多种特征信息，该特征信息可以是由服务器基于该交易节点的交易信息进行设定例如交易金额的大小、交易次数以及频率等，该特征信息也可以由管理人员进行人工设定，具体地，管理人员可以通过输入设备手动输入某一交易节点的特征信息，并将该特征信息与该交易节点进行关联存储。
[0103]
在一示例中，交易节点的特征信息还可以是根据用户对交易节点的投诉记录生成。具体地，服务器可以获取每一交易节点的用户投诉记录，并根据该投诉记录的类别，生成交易节点对应的特征信息。例如投诉记录为该交易节点的交易次数过于频繁，则可以将交易节点对应的特征信息设置为高频交易，等等。
[0104]
在本技术一示例性实施例中，服务器可以获取每一待识别社团内的交易节点对应的特征信息，并基于该特征信息，确定待识别社团中的异常社团。例如，某一待识别社团内的交易节点中存在较多特征信息为高频交易或者高额交易的交易节点，则表示该待识别社团为从事网络黑产的可能性较高，可以将该待识别社团识别为异常社团。
[0105]
在该步骤中，根据待识别社团内的交易节点的特征信息，从待识别社团中识别出异常社团。基于部分交易节点的特征信息，识别出异常社团，由此可以预先发掘出可疑社团，并对该社团进行覆盖打击，保证了异常社团识别的提前性和准确性。
[0106]
基于图3所示的实施例，图4示出了根据本技术的一个实施例的图3 的异常社团识别方法中步骤s320的流程示意图。参照图4所示，步骤 s320至少包括步骤s410至步骤s420，详细介绍如下：
[0107]
在步骤s410中，根据所述关联交易节点中各交易节点的身份信息，将所述关联交易节点中具有相同身份信息的任意两个交易节点识别为待处理节点。
[0108]
其中，身份信息可以是与交易节点对应的信息，其可以包括各种类型的信息，例如交易节点的身份信息可以包括但不限于交易节点的设备信息、使用者的证件信息(例如身份证号、护照编号等)以及使用者的联系方式(例如社交网络账号、联系电话等)等。
[0109]
在本技术一示例性实施例中，在配置交易节点时，服务器可以获取该交易节点的身份信息，并将该身份信息与该交易节点进行关联存储，具体地，服务器可以将身份信息与交易节点的节点编号建立关联关系，并进行存储，以在后续服务器可以根据交易节点的节点编号获取该交易节点对应的身份信息。
[0110]
由此，服务器可以获取关联交易节点中各交易节点对应的身份信息，并将交易节点对应的身份信息进行比对，从而确定任意两个交易节点之间是否存在相同身份信息，例
如是否相同设备、相同证件信息或者相同联系方式等。服务器可以将具有相同身份信息的任意两个交易节点识别为待处理节点，例如交易节点a的设备信息和交易节点b的设备信息相同，则可以将交易节点a和交易节点b识别为待处理节点，等等。
[0111]
在步骤s420中，根据所述待处理节点的相同身份信息以及所述待处理节点对应的交易账户的总数量和相同交易账户的数量，确定所述待处理节点之间的关系亲密度。
[0112]
在本技术一示例性实施例中，服务器可以根据待处理节点的相同身份信息以及待处理节点对应的交易账户的总数量和相同交易账户的数量，计算该待处理节点之间的关系亲密度。应该理解的，若待处理节点的相同身份信息的数量越多，则表示该待处理节点之间的关系越紧密，对应的，该待处理节点之间的关系亲密度也就越高。
[0113]
在一示例中，服务器可以根据待处理节点的相同身份信息的数量以及对应的权重，计算待处理节点的身份信息比重，例如待处理节点的相同身份信息的数量为3个，对应的权重为0.1，则该待处理节点的身份信息比重为0.3(即3*0.1)，服务器可以将该身份信息比重加上待处理节点的相同交易账户的数量占待处理节点对应的交易账户的总数量的比例，从而得到待处理节点的关系亲密度。例如，待处理节点的相同交易账户的数量占待处理节点对应的交易账户的总数量的比例为0.4，该待处理节点对应的身份信息比重为0.3，则该待处理节点之间的关系亲密度为0.3 0.4＝0.7，等等。以上数字仅为示例性举例，本技术对此不作特殊限定。
[0114]
在图4所示的实施例中，通过获取交易节点的身份信息，确定关联交易节点中任意两个交易节点的相同身份信息，从而计算该两个交易节点的关系亲密度。由此，可以将交易节点的身份信息与交易节点的资金交易关系进行融合，实现了异构信息的融合。避免基于交易节点的各种类型信息的联系而建立多个网络进行分析的繁琐，同时也能够保证关系亲密度计算的准确性。
[0115]
基于图3和图4所示的实施例，图5示出了根据本技术的一个实施例的图4的异常社团识别方法中步骤s420的流程示意图。参照图5所示，步骤s420至少包括步骤s510至步骤s520，详细介绍如下：
[0116]
在步骤s510中，根据所述相同身份信息，获取与所述相同身份信息对应的权重。
[0117]
在本技术一示例性实施例中，本领域技术人员可以根据不同的身份信息设定对应的权重，例如设备信息对应的权重为0.1、使用者的身份证明信息对应的权重为0.2、使用者的联系方式对应的权重为0.1等。以上数字仅为示例性举例，本技术对此不作特殊限定。
[0118]
需要说明的，不同的身份信息对应的权重可以相同也可以不同，例如身份信息对应的权重可以全为0.1，也可以设备信息对应的权重为0.1、使用者的身份证明信息对应的权重为0.2、使用者的联系方式对应的权重为 0.1等，本技术对此不作特殊限定。
[0119]
在设定身份信息对应的权重之后，服务器可以将该权重与对应的身份信息的类别进行关联存储，以备后续进行读取。
[0120]
在步骤s520中，根据所述待处理节点对应的交易账户的总数量和相同交易账户的数量，确定所述相同交易账户的数量占所述待处理节点对应的交易账户的总数量的比例。
[0121]
在本技术一示例性实施例中，服务器可以将待处理节点的相同交易账户的数量除以该待处理节点对应的交易账户的总数量，以得到相同交易账户的数量占待处理节点对应的交易账户的总数量的比例。具体地，可以参照上文所述公式进行计算，本技术在此不再赘
述。
[0122]
在步骤s530中，根据所述比例以及所述相同身份信息对应的权重，确定所述待处理节点之间的关系亲密度。
[0123]
在本技术一示例性实施例中，该身份信息可以包括交易节点的设备信息、使用者的身份证明信息以及使用者的联系方式。具体地，可以参照以下公式计算待处理节点之间的关系亲密度：
[0124]
w(a,b)＝(2*n(a)∩n(b)/(n(a) n(b))) a*d(a,b) b*p(a,b) c*i(a,b)；
[0125]
其中，n(a)为交易节点a对应的账户数量，n(b)为交易节点b对应的交易账户的数量，n(a)∩n(b)为交易节点a与交易节点b之间的相同交易账户的数量，a为设备信息对应的权重，b为身份证明信息对应的权重，c为联系方式对应的权重，当设备信息相同时，d(a,b)＝1，反之则d(a,b)＝0，当身份证明信息相同时，p(a,b)＝1，反之则p(a,b)＝0，当联系方式相同时，则 i(a,b)＝1，反之则i(a,b)＝0。
[0126]
由此，基于上述公式，则可以根据待处理节点之间不同类型的信息(即身份信息以及相同交易账户的数量)从而确定待处理节点之间的关系亲密度，保证了关系亲密度的准确性。
[0127]
基于图3所示的实施例，在本技术一示例性实施例中，所述根据所述关系亲密度，对所述交易网络内的边进行优化处理，得到目标交易网络，包括：
[0128]
若所述任意两个交易节点之间的关系亲密度小于预定阈值，从所述交易网络中删除所述任意两个交易节点所形成的边，得到目标交易网络。
[0129]
其中，预定阈值可以是预先设定的，用以确定交易节点之间的关系亲密度的下限的阈值信息。本领域技术人员可以根据在先经验设定对应的预定阈值，例如该预定阈值可以是0.5、0.6或者0.7等，以上数字仅为示例性举例，本技术对此不作特殊限定。
[0130]
在该实施例中，服务器可以将关联交易节点中任意两个交易节点之间的关系亲密度与预定阈值进行比较，若关系亲密度小于该预定阈值，则表示该两个交易节点所形成的边的强度较低，因此可以将该两个交易节点所形成的边从交易网络中进行删除，从而对交易网络进行优化，得到目标交易网络，由此提高该目标交易网络构建的准确性。
[0131]
基于上述实施例，图6示出了根据本技术的一个实施例的异常社团识别方法中还包括的对目标交易网络内的交易节点进行优化处理的流程示意图。参照图6所示，对目标交易网络内的交易节点进行优化处理至少包括步骤s610至步骤s620，详细介绍如下：
[0132]
在步骤s610中，获取所述目标交易网络中各交易节点对应的标识信息。
[0133]
其中，标识信息可以是交易节点的类别信息。例如根据交易节点所属主体的不同，可以将交易节点划分为个人账户、线下商户收款账户、企业账户、线上商户收款账户以及微商账户等。
[0134]
在本技术一示例性实施例中，用户在申请交易账户时，可以预先确定该交易账户的用途，从而确定该交易账户的类别信息。服务器可以将所确定的类别信息与该交易账户对应存储，以便后续进行读取。
[0135]
在步骤s620中，若所述交易节点对应的标识信息为目标标识信息，则从所述目标交易网络中将所述交易节点进行删除。
[0136]
在本技术一示例性实施例中，服务器可以将标识信息为目标标识信息的交易节点
从目标交易网络中进行删除，从而对目标交易网络内的交易节点进行优化。应该理解的，若交易节点的标识信息为微商或者线下商户收款账户等，则该交易节点所对应的交易账户偏多，导致更容易与其他交易节点形成较强关系对，导致所构建的局部交易网络较为密集。同时与该交易节点作为对手的交易节点(即与其存在相同交易账户的交易节点)的属性也是错综复杂，在后续进行社团划分时，容易出现大社团或者社团不纯等情况。
[0137]
由此，通过删除部分具有明确标签的微商用户以及线下商户收款账户等交易节点，可以避免由于该交易节点的交易的特殊性，影响目标交易网络的构建，同时也能够在后续避免出现大社团或者社团不纯的情况发生，保证了目标交易网络构建以及后续社团划分的准确性。
[0138]
基于图3所示的实施例，在本技术一示例性实施例中，所述根据所述目标交易网络的模块度，对所述目标交易网络内的交易节点进行社团划分，得到待识别社团，包括：
[0139]
根据所述目标交易网络的模块度，采用fast unfolding算法对所述交易网络内的交易节点进行社团划分，得到待识别社团。
[0140]
其中，fast unfolding算法为一种迭代的算法，通过不断划分社团使得划分后的整个网络的模块度不断增大。其主要包括两个阶段，第一阶段是将每个节点划分到与其临接的节点所在的社团中，以使模块度的值不断变大，第二阶段是将第一阶段所划分出来的社团聚合成为一个节点，即根据第一阶段所划分出来的社团结构重新构造网络。重复以上过程直到网络中的结构不再改变位置。
[0141]
具体地，fast unfolding算法过程如下所示：
[0142]
(1)初始化，将每个点划分在不同的社团中；
[0143]
(2)对每个节点，将每个点尝试划分到与其邻接的节点所在的社团中，计算此时的模块度，判断划分前后的模块度的差值δq是否为正数，若为正数，则接受本次的划分，若不为正数，则放弃本次的划分；
[0144]
(3)重复以上的过程，直到不能再增大模块度为止；
[0145]
(4)构造新图，新图中的每个点代表的是步骤3中划出来的每个社团，继续执行步骤(2)和步骤(3)，直到社团的结构不再改变为止。
[0146]
在一示例中，当fast unfolding算法的迭代次数达到预定次数之后，可以停止对网络的社团划分。在另一示例中，当划分所得到的网络的模块度达到一定阈值之后，停止对网络的社团划分。本领域技术人员可以根据实现需要确定对应的停止条件，本技术对此不作特殊限定。
[0147]
由此，通过fast unfolding算法的使用，可以提高交易网络的模块度，即保证了社团划分结果的准确性。
[0148]
基于上述实施例，图7示出了根据本技术一个实施例的异常社团识别方法中还包括的确定社团划分结果的准确性的流程示意图。参照图7所示，确定社团划分结果的准确性至少包括步骤s710至步骤s740，详细介绍如下：
[0149]
在步骤s710中，根据所述待识别社团内的交易节点的数量以及边的数量，得到所述待识别社团内的边的强度。
[0150]
其中，社团内的边的强度可以是描述社团内的交易节点所形成的边的紧凑性信息。该社团内的边的强度与该社团内的交易节点的数量以及该社团的内部边的数量相关。
需要说明的，社团内的交易节点数量越少，内部边的数量越多，则该社团内的边的强度越大。
[0151]
在本技术一示例性实施例中，服务器可以基于以下公式计算待识别社团内的边的强度p：
[0152]
p＝2mc/[nc(n
c-1)]；
[0153]
其中，mc为社团c的内部边的数量，nc为该社团c的交易节点数量。
[0154]
根据该强度p，服务器可以确定社团内的边的强度，即确定该社团内的交易节点所形成的边的紧凑性。
[0155]
在步骤s720中，根据所述待识别社团内的交易节点的数量以及所述待识别社团与其他待识别社团之间的边的数量，得到所述待识别社团对应的划分惩罚值。
[0156]
其中，划分惩罚值可以是用以对社团划分进行调优的数值信息。该划分惩罚值与社团内的交易节点的数量以及社团内的交易节点与其他社团内的交易节点所形成的边的数量相关。
[0157]
在本技术一示例性实施例中，服务器可以根据社团内的交易节点的数量以及社团内的交易节点与其他社团内的交易节点所形成的边的数量确定对应的划分惩罚值。若某一社团内的交易节点数量越少，该社团内的交易节点与其他社团内的交易节点所形成的边的数量越多，说明该社团划分的结果较为不合理，则划分惩罚值越大。相反的，若某一社团内的交易节点数量越多，该社团内的交易节点与其他社团内的交易节点所形成的边的数量越少，说明该社团划分的结果较为合理，因此对应的划分惩罚值越小。
[0158]
在步骤s730中，根据所述待识别社团内的边的强度、所述划分惩罚值以及所述待识别社团的模块度，得到所述待识别社团的模块密度。
[0159]
在本技术一示例性实施例中，服务器可以基于以下公式计算待识别社团的模块密度：
[0160][0161]
其中，pc为社团c内边的强度，m为整个网络中边的数量，mc表示节点c在社团c的内部边的数量，内部边即为该节点c与社团c内的节点所连接的边，ec表示节点c在社团c的外部边的数量，外部边即为该节点c 与社团c外部的节点所连接的边，为分割惩罚项，其中，m
cc'
是社团c和社区c’之间边的数量，p
cc'
＝2m
cc'
/[n
c'
(n
c'-1)]，n
c'
为社团c’内的节点的数量。
[0162]
可以理解的，根据该分割惩罚项，若当前社团的节点的数量较少，而和其他社团有较多的边连接时，该分割惩罚项的值也会随之增大。由此，为了得到更大的q
ds
，服务器会避免划分过小的社团(即交易节点数较少的社团)。
[0163]
在步骤s740中，若所述待识别社团的模块密度未满足预定条件，则对所述待识别社团进行重新划分。
[0164]
在本技术一示例性实施例中，服务器可以基于该待识别社团的模块度密度与预先设定的模块度密度阈值进行比较，若该模块度密度未达到该模块度密度阈值，则表示当前的社团划分结果的质量较差。因此，需要对当前的待识别社团进行重新划分，直至划分后的
待识别社团的模块度密度能够大于或等于该模块度密度阈值，以保证社团划分结果的质量。
[0165]
在图7所示的实施例中，通过计算模块度密度，并将该模块度密度作为社团划分结果的结束条件，可以避免在社团划分时划分出过小的社团，保证每一待识别社团所包含的交易节点的数量。
[0166]
在一示例中，服务器在采用fast unfolding算法对交易网络进行社团划分时，可以根据社团划分结果的模块度密度确定是否停止社团划分。即在每一次社团划分之后，计算当前所划分的社团的模块度密度，若当前待识别社团的模块度密度达到预设的模块度密度阈值，则停止fast unfolding算法，确定社团划分的结果。
[0167]
基于图3所示的实施例，图8示出了根据本技术的一个实施例的图3 的异常社团识别方法中步骤s350的流程示意图。参照图8所示，步骤 s350至少包括步骤s810至步骤s820，详细介绍如下：
[0168]
在步骤s810中，若所述交易节点的特征信息为目标特征信息，将所述交易节点识别为异常交易节点。
[0169]
在本技术一示例性实施例中，服务器可以根据待识别社团内的交易节点的特征信息进行比对，若某一交易节点的特征信息为目标特征信息，例如目标特征信息可以为高频交易、高额交易等，则表示该交易节点为从事网络黑产交易的可能性较大，因此服务器可以将该交易节点识别为异常交易节点。
[0170]
在步骤s820中，根据所述待识别社团内的异常交易节点的数量占该待识别社团内的交易节点的数量的异常比例，从各所述待识别社团中识别出异常社团。
[0171]
在本技术一示例性实施例中，服务器可以将待识别社团内的异常交易节点的数量除以该待识别社团内的交易节点的数量，从而得到异常比例。应该理解的，异常比例越大，则表示该待识别社团内异常交易节点的占比越大，则表示该待识别社团为从事网络黑产社团的可能性越大，因此，服务器可以根据待识别社团所对应的异常比例，确定待识别社团中的异常社团。
[0172]
在一示例中，本领域技术人员可以根据在先经验设定对应的比例阈值，服务器可以将每一待识别社团对应的异常比例与该比例阈值进行比较，若某一待识别社团对应的异常比例大于或等于该比例阈值，则表示该待识别社团内异常交易节点的占比较大，服务器可以将该待识别社团识别为异常社团。
[0173]
由此，通过计算每一待识别社团对应的异常比例，服务器可以知晓异常交易节点在各个待识别社团中的交易节点的数量的占比。从而可以基于部分异常交易节点，识别出该异常交易节点所在的异常社团，实现了可疑社团的预知和挖掘。
[0174]
基于图3和图8所示的实施例，图9示出了根据本技术的一个实施例的异常社团识别方法中还包括的打击异常社团的流程示意图。参照图9所示，打击异常社团至少包括步骤s910至步骤s920，详细介绍如下：
[0175]
在步骤s910中，根据所述异常社团对应的异常比例，确定所述异常比例所处的阈值范围。
[0176]
在本技术一示例性实施例中，本领域技术人员可以预先设定多个比例阈值，相邻比例阈值之间形成阈值范围。应该理解的，阈值范围所对应的数值越大，则表示该异常社团
为从事网络黑产社团的可能性越高，则对该异常社团的打击程度也应该越高。例如，比例阈值可以设定为0.3，0.5以及0.7，则所形成的阈值范围为[0,0.3)，[0.3,0.5)，[0.5,0.7)以及[0.7,1]，等等。
[0177]
服务器可以将每一异常社团对应的异常比例与多个比例阈值进行比较，从而确定每一异常社团对应的异常比例所处的阈值区间。
[0178]
在步骤s920中，基于所述阈值范围，采用与所述阈值范围对应的处理策略对所述异常社团内的交易节点进行处理。
[0179]
其中，处理策略可以是用以对异常社团进行打击的处理方式，本领域技术人员可以根据不同的阈值范围设定对应的处理策略。应该理解的，阈值范围所对应的数值越大，则该阈值范围所对应的处理策略的打击程度也就越高。
[0180]
例如存在四个阈值范围分别为：[0,0.3)，[0.3,0.5)，[0.5,0.7)以及 [0.7,1]，则对应于[0,0.3)的处理策略可以为向该异常社团内的交易节点进行异常提示，对应于[0.3,0.5)的处理策略可以为向该异常社团内的交易节点进行警告，对应于[0.5,0.7)的处理策略可以为将异常社团内的交易节点处以部分封号，停止交易的处罚。对应于[0.7,1]的处理策略可以为将异常社团内的所有交易节点处以全部封号，停止交易的处罚，等等。
[0181]
在本技术一示例性实施例中，服务器可以根据异常社团对应的异常比例所处的阈值范围，确定所应采取的处理策略，以对异常社团进行不同程度的打击，保证了打击程度与异常社团的异常比例相对应，避免打击过重的同时，也能够保证打击力度。
[0182]
基于图3所示的实施例，图10示出了根据本技术的另一个实施例的图 3的异常识别方法中步骤s350的流程示意图。参照图10所示，步骤s350 至少包括步骤s1010至步骤s1030，详细介绍如下：
[0183]
在步骤s1010中，若所述交易节点的特征信息为目标特征信息，生成并显示针对所述交易节点所在的待识别社团的异常提醒信息，所述异常提醒信息包括待识别社团的分类选项。
[0184]
在本技术一示例性实施例中，服务器可以基于特征信息为目标特征信息的交易节点的相关信息，例如交易节点所属的待识别社团的编号以及该交易节点的特征信息等，生成针对该交易节点所在的待识别社团的异常提醒信息。
[0185]
例如交易节点a对应的特征信息为高额交易和高频交易，该交易节点所属的待识别社团的编号为0021，则该异常提醒信息可以为：异常交易节点：交易节点a；特征信息：高频交易、高额交易；所属待识别社团： 0021，请确认该待识别社团的分类信息：异常社团或正常社团。
[0186]
其中，该异常提醒信息可以包括待识别社团的分类选项，例如异常社团和正常社团。服务器可以将该异常提醒信息在终端的界面上进行显示。
[0187]
在步骤s1020中，响应于针对所述分类选项的触发操作，确定所述交易节点所在的待识别社团的分类信息。
[0188]
在本技术一示例性实施例中，管理人员可以基于该异常提醒信息，选择对应的分类选项，例如通过点击对应的分类选项或者输入对应的选项编号等，从而确定该待识别社团对应的分类信息。
[0189]
在步骤s1030中，根据所述分类信息，从各所述待识别社团中识别出异常社团。
[0190]
在本技术一示例性实施例中，服务器可以根据所确定的待识别社团的分类信息，将分类信息为异常社团的待识别社团识别为异常社团。由此，基于人工进行异常社团的确定，可以保证所确定的异常社团的准确性。
[0191]
基于图3所示的实施例，图11示出了根据本技术的一个实施例的异常社团识别方法中还包括的确定关联交易节点的流程示意图。参照图11所示，确定关联交易节点至少包括步骤s1110至步骤s1120，详细介绍如下：
[0192]
在步骤s1110中，获取各交易节点对应的交易账户。
[0193]
在该步骤中，服务器可以获取各交易节点的交易信息，并基于该交易信息，确定各交易节点对应的交易账户。
[0194]
在步骤s1120中，将各所述交易节点对应的交易账户进行比对，若任意两个交易节点之间存在相同交易账号，将所述两个交易节点识别为关联交易节点。
[0195]
在本技术一示例性实施例中，服务器可以将各交易节点所对应的交易账户进行比对，从而确定交易节点之间是否存在相同交易账户。若两个交易节点之间存在相同交易账户，服务器将该两个交易节点识别为关联交易节点，从而保证关联关系交易节点确定的准确性，进而提高了后续交易网络构建的准确性。
[0196]
基于上述实施例的技术方案，以下介绍本技术实施例的一个具体应用场景：
[0197]
图12示出了根据本技术的一个实施例的异常社团识别方法的流程框图。
[0198]
参照图12所示，如图12中1210所示，其包括构建共同交易对手网络 1211、网络结构优化1212、异构网络信息融合1213以及基于模块度密度的fast unfolding算法的社团划分1214。
[0199]
其中，构建共同交易对手网络1211可以是基于具有相同交易账户的关联交易节点，构建对应的交易网络，具有相同交易账户的交易节点之间形成该交易网络的边。
[0200]
网络结构优化1212可以是基于具有相同交易账户的交易节点对应的交易账户的总数量以及相同交易账户的数量，计算具有相同交易账户的交易节点之间的关系亲密度，再基于该关系亲密度，对所构建的交易网络内的边进行优化处理，去除强度较弱的边。
[0201]
异构网络信息融合1213可以是获取各交易节点的身份信息，若两个交易节点具有相同身份信息，则基于该相同身份信息以及该两个交易节点对应的交易账户的总数量和相同交易账户的数量，计算该两个交易节点之间的关系亲密度，从而实现异构新的融合。
[0202]
基于模块度密度的fast unfolding算法的社团划分1214可以是基于交易网络的模块度密度，采用fast unfolding算法对优化后的交易网络进行社团划分，以避免在社团划分中出现过小的待识别社团，保证社团划分的合理性。
[0203]
在染色发现1220中，可以将划分后的交易网络在界面中进行显示，并基于每一交易节点的特征信息对该交易节点进行标注，例如若交易节点的特征信息为目标特征信息，则可以将该交易节点标注为红色，若交易节点的特征信息不是目标特征信息，则无需操作。由此，管理人员可以根据交易网络中的染色情况，直观知晓异常交易节点的分布情况。
[0204]
在协同扩散评分1230中，服务器可以基于每一待识别社团中异常交易节点的数量以及该待识别社团中交易节点的数量，确定异常比例即异常评分。
[0205]
在分级打击1240中，服务器可以基于异常社团的异常评分，根据该异常评分所处的阈值范围，确定对应的处理策略以实现分级打击的目的。由此，通过部分异常交易节点即
可实现异常社团的识别，保证了对从事网络黑产社团的打击效果。
[0206]
在可疑词云图1250中，服务器可以基于被标注的交易节点即异常交易节点，生成对应的异常提醒信息，并将该异常提醒信息在界面中进行显示，以供管理人员进行查看。
[0207]
在人工定性1260中，管理人员可以基于异常提醒信息，确定该异常交易节点所在的待识别社团的分类信息，即确定该待识别社团是否为异常社团。
[0208]
在社团发现、打击1270中，服务器可以根据管理人员所确定的待识别社团的分类信息，识别出异常社团，并采用对应的处理策略对该异常社团进行打击。
[0209]
由此，在图12所示的实施例中，通过构建共同交易对手网络、网络结构优化、异构网络信息融合以及基于模块度密度的fast unfolding算法的社团划分，可以保证交易网络构建的准确性，同时保证社团划分结果的合理性，进而保证了后续异常社团识别结果的准确性。
[0210]
基于图12所示的实施例，图13a至图13c示出了根据本技术的一个实施例的构建共同交易对手网络的流程示意图。
[0211]
如图13a中所示，基于交易节点对应的交易账户，可以确定具有相同交易账户的交易节点，即为关联交易节点。
[0212]
如图13b中所示，基于关联交易节点，可以构建交易网络，其中，具有相同交易账户的交易节点形成交易网络的边。
[0213]
如图13c中所示，基于相连接的交易节点对应的交易账户的总数量以及相同交易账户的数量，可以计算边的强度，并将强度较弱的边进行删除，以对交易网络进行优化，保证交易网络构建的准确性，同时也可以提高后续的识别效率。
[0214]
以下以打击网络黑产这一具体应用场景为例进行说明：
[0215]
网络黑产是指以互联网为媒介，以网络技术为主要手段，为计算机信息系统安全和网络空间管理秩序带来潜在威胁的非法行为。在分析网络黑产的交易模式时，可以发现某一用户会同时向多个其他用户进行支付，即网络黑产社团会同时使用不同账户(即交易节点)进行收款，因此多个账户(即交易节点)可以通过相同交易账户连接起来(即关联交易节点)，形成资金流网络。
[0216]
由此，在该应用场景中，可以将各个商家或者企业配置为交易节点，再根据各交易节点的交易信息(如交易金额、交易时间以及交易账户等信息)，可以识别出具有相同交易账户的交易节点(即关联交易节点)。如图13b所示，基于具有相同交易账户的交易节点，可以构建出交易网络，且具有相同交易账户的交易节点之间可以形成该交易网络的边。
[0217]
服务器可以基于关联交易节点中任意两个交易节点之间的交易账户的总数量和相同交易账户的数量，确定该任意两个交易节点之间的关系亲密度。再基于该关系亲密度，对该交易网络的边进行优化处理，以去除掉关系亲密度较低的边，从而得到目标交易网络。
[0218]
服务器可以根据目标交易网络的模块密度，对目标交易网络的交易节点进行社团划分，以得到待识别社团。再基于待识别社团中各交易节点的特征信息，从待识别社团中识别出异常社团。
[0219]
其中，交易节点的特征信息可以是用于描述交易节点的交易情况的特征信息，例如某一交易节点每次的交易金额达到一定阈值，则该交易节点的特征信息可以设置为高额交易，若某一交易节点的交易次数较高或者交易频率较高，则该交易节点的特征信息可以
设置为高频交易，等等。
[0220]
需要说明的，交易节点的特征信息也可以是基于该交易节点的投诉记录进行设定，在一示例中，服务器可以获取每一交易节点的用户投诉记录，并根据该投诉记录的类别，生成该交易节点对应的特征信息。例如投诉记录为该交易节点的交易次数过于频繁，则可以将该交易节点对应的特征信息设置为高频交易，等等。
[0221]
在另一示例中，服务器可以获取每一交易节点的用户投诉记录，若该交易节点被用户投诉存在违规交易等行为，则可以将该交易节点识别为违规节点。由此，若某一社团中存在违规节点或者违规节点的数量达到一定阈值，则可以将该社团识别为异常社团。
[0222]
由此，在该应用场景中，基于交易节点的交易账户，识别出具有相同交易账户的关联交易节点，并根据关联交易节点之间的交易账户的总数量以及相同交易账户的数量，确定关联交易节点中任意两个交易节点之间的关系亲密度，以根据该关系亲密度对交易网络进行优化处理，得到目标交易节点。可以减少关系亲密度较弱的交易节点对后续社团划分的影响，同时也可以减少计算量，提高计算效率。
[0223]
另外，基于模块度密度进行划分，可以避免划分出节点数较少的社团，保证了每一社团中交易节点的数量，以保证社团划分的结果的准确度，达到有效打击网络黑产社团的目的。
[0224]
以下介绍本技术的装置实施例，可以用于执行本技术上述实施例中的异常社团识别方法。对于本技术装置实施例中未披露的细节，请参照本技术上述的异常社团识别方法的实施例。
[0225]
图14示出了根据本技术的一个实施例的异常社团识别装置的框图。
[0226]
参照图14所示，根据本技术的一个实施例的异常社团识别装置，包括：
[0227]
构建模块1410，用于根据具有相同交易账户的关联交易节点，构建交易网络，所述关联交易节点包括至少两个交易节点，且所述关联交易节点中任意两个所述交易节点之间形成所述交易网络的边；
[0228]
确定模块1420，用于根据所述关联交易节点中任意两个交易节点对应的交易账户的总数量和相同交易账户的数量，确定所述任意两个交易节点之间的关系亲密度；
[0229]
优化模块1430，用于根据所述关系亲密度，对所述交易网络内的边进行优化处理，得到目标交易网络；
[0230]
划分模块1440，用于根据所述目标交易网络的模块度，对所述目标交易网络内的交易节点进行社团划分，得到待识别社团；
[0231]
识别模块1450，用于根据各所述待识别社团内的交易节点的特征信息，从各所述待识别社团中识别出异常社团。
[0232]
在本技术一些实施例中，基于前述方案，该确定模块1420被配置为：根据所述关联交易节点中各交易节点的身份信息，将所述关联交易节点中具有相同身份信息的任意两个交易节点识别为待处理节点；根据所述待处理节点的相同身份信息以及所述待处理节点对应的交易账户的总数量和相同交易账户的数量，确定所述待处理节点之间的关系亲密度。
[0233]
在本技术一些实施例中，基于前述方案，该确定模块1420被配置为：根据所述相同身份信息，获取与所述相同身份信息对应的权重；根据所述待处理节点对应的交易账户的总数量和相同交易账户的数量，确定所述相同交易账户的数量占所述待处理节点对应的交
易账户的总数量的比例；根据所述比例以及所述相同身份信息对应的权重，确定所述待处理节点之间的关系亲密度。
[0234]
在本技术一些实施例中，基于前述方案，该优化模块1430被配置为：若所述任意两个交易节点之间的关系亲密度小于预定阈值，从所述交易网络中删除所述任意两个交易节点所形成的边，得到目标交易网络。
[0235]
在本技术一些实施例中，基于前述方案，所述若所述任意两个交易节点之间的关系亲密度小于预定阈值，从所述交易网络中删除所述任意两个交易节点所形成的边，得到目标交易网络之后，该优化模块1430还被配置为：获取所述目标交易网络中各交易节点对应的标识信息；若所述交易节点对应的标识信息为目标标识信息，则从所述目标交易网络中将所述交易节点进行删除。
[0236]
在本技术一些实施例中，基于前述方案，划分模块1440被配置为：根据所述目标交易网络的模块度，采用fast unfolding算法对所述交易网络内的交易节点进行社团划分，得到待识别社团。
[0237]
在本技术一些实施例中，基于前述方案，所述根据所述目标交易网络的模块度，采用fast unfolding算法对所述目标交易网络内的交易节点进行社团划分，得到待识别社团之后，划分模块1440还被配置为：根据所述待识别社团内的交易节点的数量以及边的数量，得到所述待识别社团内的边的强度；根据所述待识别社团内的交易节点的数量以及所述待识别社团与其他待识别社团之间的边的数量，得到所述待识别社团对应的划分惩罚值；根据所述待识别社团内的边的强度、所述划分惩罚值以及所述待识别社团的模块度，得到所述待识别社团的模块密度；若所述待识别社团的模块密度未满足预定条件，则对所述待识别社团进行重新划分。
[0238]
在本技术一些实施例中，基于前述方案，识别模块1450被配置为：若所述交易节点的特征信息为目标特征信息，将所述交易节点识别为异常节点；根据所述待识别社团内的异常交易节点的数量占该待识别社团内的交易节点的数量的异常比例，从各所述待识别社团中识别出异常社团。
[0239]
在本技术一些实施例中，基于前述方案，所述从各所述待识别社团中识别出异常社团之后，识别模块1450还被配置为：根据所述异常社团对应的异常比例，确定所述异常比例所处的阈值范围；基于所述阈值范围，采用与所述阈值范围对应的处理策略对所述异常社团内的交易节点进行处理。
[0240]
在本技术一些实施例中，基于前述方案，该识别模块1450被配置为：若所述交易节点的特征信息为目标特征信息，生成并显示针对所述交易节点所在的待识别社团的异常提醒信息，所述异常提醒信息包括待识别社团的分类选项；响应于针对所述分类选项的触发操作，确定所述交易节点所在的待识别社团的分类信息；根据所述分类信息，从各所述待识别社团中识别出异常社团。
[0241]
在本技术一些实施例中，基于前述方案，所述根据具有相同交易账户的关联交易节点，构建交易网络之前，该构建模块1410还被配置为：获取各交易节点对应的交易账户；将各所述交易节点对应的交易账户进行比对，若任意两个交易节点之间存在相同交易账号，将所述两个交易节点识别为关联交易节点。
[0242]
图15示出了适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。
[0243]
需要说明的是，图15示出的电子设备的计算机系统仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0244]
如图15所示，计算机系统包括中央处理单元(central processingunit，cpu)1501，其可以根据存储在只读存储器(read-only memory， rom)1502中的程序或者从储存部分1508加载到随机访问存储器 (randomaccess memory，ram)1503中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。在ram 1503中，还存储有系统操作所需的各种程序和数据。cpu 1501、rom 1502以及ram 1503通过总线1504彼此相连。输入/输出(input/output，i/o)接口1505也连接至总线1504。
[0245]
以下部件连接至i/o接口1505：包括键盘、鼠标等的输入部分1506；包括诸如阴极射线管(cathode ray tube，crt)、液晶显示器(liquidcrystal display，lcd)等以及扬声器等的输出部分1507；包括硬盘等的储存部分1508；以及包括诸如lan(local area network，局域网)卡、调制解调器等的网络接口卡的通信部分1509。通信部分1509经由诸如因特网的网络执行通信处理。驱动器1510也根据需要连接至i/o接口1505。可拆卸介质1511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1510上，以便于从其上读出的计算机程序根据需要被安装入储存部分1508。
[0246]
特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分1509从网络上被下载和安装，和/或从可拆卸介质1511被安装。在该计算机程序被中央处理单元(cpu)1501执行时，执行本技术的系统中限定的各种功能。
[0247]
需要说明的是，本技术实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(erasable programmable read only memory， eprom)、闪存、光纤、便携式紧凑磁盘只读存储器(compact disc read
‑ꢀ
only memory，cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
[0248]
附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一
个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0249]
描述于本技术实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
[0250]
作为另一方面，本技术还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。
[0251]
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本技术的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0252]
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本技术实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd
‑ꢀ
rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本技术实施方式的方法。
[0253]
本领域技术人员在考虑说明书及实践这里公开的实施方式后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。
[0254]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求来限制。