[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

说明书

本公开涉及一种基于图模型检测团伙欺诈的方法和装置、存储介质，用于解决相关技术中难以识别团伙欺诈的技术问题。所述基于图模型检测团伙欺诈的方法包括：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。

技术领域

本公开涉及网络技术领域，具体地，涉及一种基于图模型检测团伙欺诈的方法和装置、存储介质。

背景技术

金融领域对交易风险控制的要求较高，需要保证资金交易的安全性。在实际应用中，可能会存在一些欺诈行为。比如，欺诈者诱骗很多的普通消费者向其转账，但是却不向这些消费者返还相应的回报，以此进行牟利。为了识别上述的欺诈行为，将高风险的欺诈者识别出来，以采取措施尽量避免消费者的资金损失，可以利用交易模型来识别欺诈者，比如，将某个支付账户定性为欺诈者账户，将欺诈者账户进行的资金交易定性为风险交易。

发明内容

本公开提供一种基于图模型检测团伙欺诈的方法和装置、存储介质，以解决相关技术中难以识别团伙欺诈的技术问题。

为实现上述目的，本公开实施例的第一方面，提供一种基于图模型检测团伙欺诈的方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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；