[发明专利]一种异常转账侦测方法和装置

权利要求书

1.一种异常转账侦测方法，其特征在于，包括：

获取转账交易信息，所述转账交易信息中包括转出方信息；

根据所述转出方信息，确定转出方的异常转账侦测模型，所述异常转账侦测模型根据所述转出方的社交属性和所述转出方的历史行为属性得到；

将所述转账交易信息输入所述转出方的异常转账侦测模型，得到所述转账交易信息的异常概率值；

其中，所述异常转账侦测模型根据所述转出方的社交属性和所述转出方的历史行为属性得到，包括：

所述转出方的社交属性包括转出方的自身属性和从社交网络获得的交互属性；

所述转出方的历史行为属性包括所述转出方的支付行为属性；

根据所述自身属性、所述交互属性和所述支付行为属性确定所述转出方的用户关系网络；

根据历史转账交易正负样本和所述用户关系网络，通过机器学习算法建立所述转出方的异常转账侦测模型；

其中，所述用户关系网络是通过多次修正而得到，且对所述用户关系网络进行修正包括在对所述异常转账侦测模型的训练过程中，以及包括在对所述异常转账侦测模型的训练之前的过程。

2.如权利要求1所述的方法，其特征在于，所述将所述转账交易信息输入所述转出方的异常转账侦测模型，得到所述转账交易信息的异常概率值，包括：

将所述转账交易信息输入所述转出方的异常转账侦测模型，得到所述转账交易信息的自身属性异常概率值、交互属性异常概率值和支付行为属性异常概率值；

根据所述自身属性异常概率值、所述交互属性异常概率值和所述支付行为属性异常概率值，得到所述转账交易信息的异常概率值。

3.如权利要求1所述的方法，其特征在于，所述根据历史转账交易正负样本和所述用户关系网络，通过机器学习算法建立所述转出方的异常转账侦测模型，包括：

对所述用户关系网络中的自身属性、交互属性和支付行为属性进行相关性分析；

从所述用户关系网络中删除无相关性的属性，得到修正后的用户关系网络；根据所述历史转账交易正负样本和所述修正后的用户关系网络，通过机器学习算法建立所述转出方的异常转账侦测模型。

4.如权利要求3所述的方法，其特征在于，所述自身属性包括以下至少之一：身份信息指标、教育程度指标、职业状况指标、家庭情况指标、社会信息指标；

所述支付行为属性包括以下至少之一：转账频率指标、转账时间分布指标、转账地点分布指标、转账金额分布指标、转账方式占比指标；

所述交互属性包括以下至少之一：好友频率指标、联络频率指标、好感度指标。

5.一种异常转账侦测装置，其特征在于，包括：

获取单元，用于获取转账交易信息，所述转账交易信息中包括转出方信息；

确定单元，用于根据所述转出方信息，确定转出方的异常转账侦测模型，所述异常转账侦测模型根据所述转出方的社交属性和所述转出方的历史行为属性得到；

计算单元，用于将所述转账交易信息输入所述转出方的异常转账侦测模型，得到所述转账交易信息的异常概率值；

其中，所述转出方的社交属性包括转出方的自身属性和从社交网络获得的交互属性；所述转出方的历史行为属性包括所述转出方的支付行为属性；

所述确定单元，具体用于根据所述自身属性、所述交互属性和所述支付行为属性确定所述转出方的用户关系网络；

根据历史转账交易正负样本和所述用户关系网络，通过机器学习算法建立所述转出方的异常转账侦测模型；

其中，所述用户关系网络是通过多次修正而得到，且对所述用户关系网络进行修正包括在对所述异常转账侦测模型的训练过程中，以及包括在对所述异常转账侦测模型的训练之前的过程。

6.如权利要求5所述的装置，其特征在于，

所述计算单元，具体用于将所述转账交易信息输入所述转出方的异常转账侦测模型，得到所述转账交易信息的自身属性异常概率值、交互属性异常概率值和支付行为属性异常概率值；

根据所述自身属性异常概率值、所述交互属性异常概率值和所述支付行为属性异常概率值，得到所述转账交易信息的异常概率值。