[发明专利]基于图模型检测团伙欺诈的方法和装置、存储介质

权利要求书

1.一种基于图模型检测团伙欺诈的方法，其特征在于，所述方法包括：

获取用户基础数据和历史嫌疑用户数据；

根据获取的数据，生成用户关联图；其中，所述用户关联图的节点为根据数据特征生成的用户关联子图，所述用户关联图的边权重包括节点的相似度；

基于所述用户关联图，利用社区划分算法生成待判定团伙集合；

计算所述待判定团伙集合的嫌疑度；

根据计算结果，输出所述待判定团伙的判定结果。

2.根据权利要求1所述的方法，其特征在于，所述生成用户关联图，包括：

选取所述用户基础数据和所述历史嫌疑用户数据中的特征组合和组数；

利用特征一致性相等或模糊性相等方式对应生成用户关联子图并以所述用户关联子图为节点拼接生成用户无权重关联图；

以所述用户无权重关联图中节点的相似度作为边权重生成用户相似权重关联图。

3.根据权利要求2所述的方法，其特征在于，所述利用社区划分算法生成待判定团伙集合，包括：

基于所述用户相似权重关联图，利用社区划分算法生成n个团伙集合，n为正整数；

确认所述团伙集合中用户数量小于或等于极大阈值；

确认用户数量小于极小阈值的所述团伙集合的数量小于或等于预设阈值；

将所述团伙集合确定为待判定团伙集合。

4.根据权利要求3所述的方法，其特征在于，还包括：

对用户数量大于所述极大阈值的团伙集合调用社区划分算法进行划分以使所述团伙集合中用户数量小于或等于所述极大阈值；

若用户数量小于极小阈值的所述团伙集合的数量大于所述预设阈值，调用层次聚类算法对用户数量小于极小阈值的所述团伙集合进行凝聚。

5.根据权利要求4所述的方法，其特征在于，所述社区划分算法包括图标签传播算法或GN算法；所述层次聚类算法包括凝聚算法或分裂算法。

6.根据权利要求1所述的方法，其特征在于，所述计算所述待判定团伙集合的嫌疑度得分，包括：

从所述数据特征中选取目标数据特征，所述目标数据特征在所述待判定团伙集合中的分布与所述目标数据特征在整体数据中的分布差异超过目标阈值；

根据所述目标数据特征在所述待判定团伙集合中的占比，计算所述待判定团伙集合的嫌疑度得分。

7.根据权利要求1所述的方法，其特征在于，所述计算所述待判定团伙集合的嫌疑度得分，包括：

抽取每个所述待判定团伙集合的团伙特征；

将所述团伙特征输入训练好的回归模型中以使所述回归模型输出所述待判定团伙集合的嫌疑度得分。

8.一种基于图模型检测团伙欺诈的装置，其特征在于，所述装置包括：

获取模块，用于获取用户基础数据和历史嫌疑用户数据；

第一生成模块，用于根据获取的数据，生成用户关联图；其中，所述用户关联图的节点为根据数据特征生成的用户关联子图，所述用户关联图的边权重包括节点的相似度；

第二生成模块，用于基于所述用户关联图，利用社区划分算法生成待判定团伙集合；

计算模块，用于计算所述待判定团伙集合的嫌疑度；

输出模块，用于根据计算结果，输出所述待判定团伙的判定结果。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。

10.一种基于图模型检测团伙欺诈的装置，其特征在于，包括：

存储器，其上存储有计算机程序；以及

处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1至7中任一项所述方法的步骤。