[发明专利]网络欺诈识别方法、装置、计算机装置及存储介质

说明书

本发明提供一种网络欺诈识别方法、装置、计算机装置及存储介质。所述方法包括：获取多个用户的网络注册信息，根据所述网络注册信息构建所述多个用户的网络图；根据所述网络图构建所述多个用户的邻接矩阵；对所述邻接矩阵进行谱分解，得到所述多个用户的特征矩阵；对于所述多个用户中的每个给定用户，根据所述特征矩阵中所述给定用户对应的行向量和所述给定用户的预设邻居用户对应的行向量生成所述给定用户的特征向量；使用所述多个用户中的训练集用户的特征向量训练网络欺诈识别模型；将所述多个用户中的待识别用户的特征向量输入所述网络欺诈识别模型进行识别。本发明根据用户的网络注册信息识别网络上的欺诈用户。

技术领域

本发明涉及机器识别技术领域，具体涉及一种网络欺诈识别方法、装置、计算机装置及计算机存储介质。

背景技术

随着互联网的快速发展以及智能终端的普及，在线社交网络已经成为流行的社交服务。由于社交网络的开放性，欺诈者可以很容易地在社交网络中注册，并通过向社交网络中注入虚假内容进行网络欺诈。调查显示，包括网络欺诈在内的网络犯罪每年给全球带来高达4450亿美元的经济损失，日益复杂并向不同行业渗透。在国内，网络诈骗的黑色产业链规模超过1100亿元，从业人员超过160万人。

目前有许多基于内容的欺诈检测技术。基于内容的欺诈检测技术是从社交网络上的用户活动中提取内容特征(即文本、URL)，然后进行欺诈识别。但是，基于内容的方法不能充分利用社交网络的图结构特征，不能够有效识别用户的欺诈行为的全局特性。

发明内容

鉴于以上内容，有必要提出一种网络欺诈识别方法、装置、计算机装置及计算机存储介质，其可以根据用户的网络注册信息识别网络上的欺诈用户。

本申请的第一方面提供一种网络欺诈识别方法，所述方法包括：

获取多个用户的网络注册信息，根据所述多个用户的网络注册信息构建所述多个用户的网络图，所述多个用户包括训练集用户和待识别用户；

根据所述网络图构建所述多个用户的邻接矩阵；

对所述邻接矩阵进行谱分解，得到所述多个用户的特征矩阵；

对于所述多个用户中的每个给定用户，根据所述特征矩阵中所述给定用户对应的行向量和所述给定用户的预设邻居用户对应的行向量生成所述给定用户的特征向量；

使用所述训练集用户的特征向量训练网络欺诈识别模型，所述网络欺诈识别模型包括深度自编码器和卷积神经网络，所述深度自编码器包括编码器和解码器，所述编码器的输出为所述卷积神经网络的输入；

将所述待识别用户的特征向量输入训练后的所述网络欺诈识别模型进行识别，确定所述待识别用户是否为欺诈用户。

另一种可能的实现方式中，所述根据多个用户的网络注册信息构建所述多个用户的网络图包括：

以所述多个用户中的每个用户作为所述网络图的节点，若所述多个用户中的两个用户有相同的网络注册信息，则连接所述两个用户对应的节点，得到所述两个用户对应的边；

根据所述多个用户的网络注册信息确定所述网络图中各条边的权值。

另一种可能的实现方式中，所述邻接矩阵中的各个元素的值根据所述网络图中各个节点的连接关系和所述网络图中各条边的权值确定。

另一种可能的实现方式中，所述网络注册信息包括IP地址和MAC地址。

另一种可能的实现方式中，所述根据所述特征矩阵中所述给定用户对应的行向量和所述给定用户的预设邻居用户对应的行向量生成所述给定用户的特征向量包括：

在所述特征矩阵中，取所述给定用户对应的行向量的前K个元素，得到所述给定用户的第一特征子向量，K小于等于所述邻接矩阵的维数N；