[发明专利]一种基于复杂网络的要素异常结构检测模型构建方法

权利要求书

1.一种基于复杂网络的非法集资行为检测模型构建方法，其特征在于，步骤如下：

首先根据依存的银行交易流水，利用抽取的交易关系构建交易关系网络，找出交易的爆发时间区间，以及每个客户的可疑度P计算；

然后，在交易爆发区间内找出可疑的客户并检测出可疑的最大连通子图；

所述交易关系，包含以下步骤：

a.首先对行内数据进行清洗选择，交易关系的抽取，以及交易流水与客户账户信息的对接，最后必须对于那些涉及个人隐私的私密数据要进行筛除脱密处理；

b.其次对真实的交易关系网建模分析，给出模型的非法集资行为的形式化定义：

G＝(V,E,M,T)

V表示图中的节点集合，节点表行内客户，S表示一个交易子图，E表示图中的边集合，代表客户之间的交易关系，M代表交易的钱数，T表示交易发生的时间；

c.下一步引入扫描统计量来计算交易客户节点的可疑度，扫描统计量是指在网络环境下的一个数学变量，并且应用于检测一个子图上观测到的数据突然增加，其中观测到的数据表示在该子图S上每个节点的观测到的值；

使用经验P值，来建模数据的分布，该客户ν在时间T的经验P值p_T(v),如公式：

为每一个顶点赋值了一个经验P值，为了检测数据的异常，给出一个置信水平α；

d.在交易网络找到短暂的爆发和消亡区间：

一般非法集资会在短时间内进行集资行为，而且集资完成后会突然消失；

为了考虑上面描述的突发和消亡的模式，需要确定交易时间序列T中爆发的起始点和跌落的结束点：爆发点为(t_m,c_m)，最大值为c_m；

交易时间序列T，辅助线ι，辅助线从左下点(t₀,c₀)，到右上点(t_m,c_m)，那么最大点(t_m,c_m)的觉醒点为交易时间序列到辅助线最大的距离的点，觉醒点(t_a,c_a)满足:

e.同样的方法找到消亡点，然后求出Δc，Δc为爆发点与觉醒点的高度差，以及两点间斜率，还有爆发区间，即觉醒点到爆发点的时间段，觉醒爆发点对的高度差至少占时间序列的前50％，也就是说高度差过小的不计入考虑范围内，找出交易爆发区间。

2.根据权利要求1所述的一种基于复杂网络的非法集资行为检测模型构建方法，其特征在于，利用计算出的爆发区间以及客户的可疑度，挖掘非法集资行为子图，包含以下步骤：

a.针对异常子图，具有两个非常直观的性质，即：(1)异常子图应该包含尽可能多的异常顶点；(2)异常子图应该包含尽可能少的正常节点；

b.利用计算出的爆发区间，在每个爆发区间计算出客户的P值，然后构成一个小的交易网络；

c.为了满足上述两条性质并且必须构成连通子图，考虑使用贪婪算法：首先在一个时间窗口内，选取k个P值最小的客户点，及最可疑的点，然后逐步迭代，类似于最小生成树算法，构建出最可疑的非法集资集团；

d.评估因果关系网络预测的结果，采用计算精确率Pre值，召回率R值和F值进行评估，计算精确率的公式如下：

计算召回率的公式如下：

计算F值的公式如下