[发明专利]一种团伙欺诈的发现方法及装置

权利要求书

1.一种团伙欺诈的发现方法，其特征在于，包括：

每隔预设时间段对网络数据库中的网络关系数据进行社区划分，得到至少一个第一社区；

根据所述至少一个第一社区中的每个节点的特征信息计算所述第一社区的特征指标信息；

根据所述特征指标信息对所述第一社区的团伙欺诈风险进行预测；

其中，所述每隔预设时间段对网络数据库中的网络关系数据进行社区划分，得到至少一个第一社区包括：

每隔预设时间段获取网络数据库中的网络关系数据中的节点信息；

按照网络关系构建所述节点信息间的关系边，其中，所述网络关系为好友关系；

根据所述关系边形成节点关系图；

根据所述关系图中节点信息的连通性和所述关系边的权重进行社区划分，得到至少一个第一社区，其中，所述关系边的权重根据节点信息间的好友关系的紧密程度进行设置；

其中，所述根据所述特征指标信息对所述第一社区的团伙欺诈风险进行预测，包括：

利用历史社区中团伙欺诈社区的特征指标信息和非团伙欺诈社区的特征指标信息进行数据训练，获取训练模型；其中，所述训练模型为逻辑回归模型，公式为其中，θ^Tx＝θ₁x₁+…+θ_nx_n，x₁，x₂...x_n为社区中各个特征指标信息值，θ₁，θ₂...θ_n为逻辑回归模型的参数，h_θ(x)为待求值；

将所述第一社区的特征指标信息代入所述训练模型进行团伙欺诈风险预测。

2.根据权利要求1所述的团伙欺诈的发现方法，其特征在于，所述根据所述至少一个第一社区中的每个节点特征信息计算所述第一社区的特征指标信息包括：

获取所述至少一个第一社区中的每个节点的特征信息；

将每个节点的特征信息累加去重，获取所述第一社区的特征指标信息。

3.根据权利要求1所述的团伙欺诈的发现方法，其特征在于，所述将所述第一社区的特征指标信息代入所述训练模型进行团伙欺诈风险预测包括：

将所述第一社区的特征指标信息代入所述训练模型获取计算结果；

若所述计算结果大于预设概率值，则所述第一社区存在团伙欺诈风险。

4.一种团伙欺诈的发现装置，其特征在于，包括：

社区划分模块，用于每隔预设时间段对网络数据库中的网络关系数据进行社区划分，得到至少一个第一社区；

特征指标信息计算模块，用于根据所述至少一个第一社区中的每个节点的特征信息计算所述第一社区的特征指标信息；

团伙欺诈风险预测模块，用于根据所述特征指标信息对所述第一社区的团伙欺诈风险进行预测；

其中，所述社区划分模块，还用于：

每隔预设时间段获取网络数据库中的网络关系数据中的节点信息；

按照网络关系构建所述节点信息间的关系边，其中，所述网络关系为好友关系；

根据所述关系边形成节点关系图；

根据所述关系图中节点信息的连通性和所述关系边的权重进行社区划分，得到至少一个第一社区，其中，所述关系边的权重根据节点信息间的好友关系的紧密程度进行设置；

其中，所述团伙欺诈风险预测模块，还用于：

利用历史社区中团伙欺诈社区的特征指标信息和非团伙欺诈社区的特征指标信息进行数据训练，获取训练模型；其中，所述训练模型为逻辑回归模型，公式为其中，θ^Tx＝θ₁x₁+…+θ_nx_n，x₁，x₂...x_n为社区中各个特征指标信息值，θ₁，θ₂...θ_n为逻辑回归模型的参数，h_θ(x)为待求值；

将所述第一社区的特征指标信息代入所述训练模型进行团伙欺诈风险预测。