[发明专利]一种基于图分析的反欺诈检测方法及检测系统

说明书

本发明实施例提供了一种基于图分析的反欺诈检测方法及系统，方法包括：1)、基于通信运营商提供的包括了受害者通信数据的通信数据，构建与通信数据中用户对应的关系图；2)、从关系图中获取受害者用户特征，并利用受害者用户特征训练随机森林分类模型，然后使用训练后的随机森林分类模型识别出待识别用户是否为受害者的结果；3)、将关系图中的除号码节点以外的其他节点收缩至对应的边或者节点中，得到目标关系图；4)、获取目标关系图中各个子连通图中对其他号码节点影响力最大的号码节点，并将对其他号码节点影响力最大的号码节点对应的用户作为诈骗犯罪分子。应用本发明实施例，可以识别出诈骗犯罪分子。

技术领域

本发明涉及电信诈骗防范技术领域，具体来说是一种基于图分析的反欺诈检测方法及检测系统。

背景技术

在移动互联网时代背景下,伴随着通讯技术的飞速发展,一些不法分子在使用运营商服务的过程中故意使用欺诈方法来使自身获得利益，严重危害了人民群众的财产安全，同时也给运营商的业务发展带来了巨大影响。由于此类案件不受时间、地域限制，破案难度、成本极大,致使各类电信诈骗案件居高不下。因此及时准确地对电信诈骗进行检测对于社会的安全稳定起到了重要的作用。

目前，在电信诈骗检测中常用的方法是基于机器学习的建模方法，该方法从数据库中提取建模所需的样本数据，并对每个样本数据进行标签化处理；从数据库中匹配每个样本数据的关联信息，结合标签化处理结果构建基于用户的多维度特征，然后对特征数据进行数据处理并划分为训练集数据和测试集数据；利用训练集数据训练并调整反欺诈模型的参数；利用测试集数据测试反欺诈模型，获得测试集数据为欺诈用户的欺诈概率值；利用获得的欺诈概率值与对应的实际样本情况进行比对，根据比对结果判断所述反欺诈模型的稳定性并制定反欺诈统计阈值。

上述方法虽然通过将机器学习方法引入电信诈骗的检测之中，在一定程度上提高了欺诈用户的检测准确度，但是由于其在加工数据特征时使用的是传统关系型数据库，在做大量的关联和匹配操作时，会造成特别大的开销，因为一般关系型数据库在做三层表的关联就很吃力了，所以根本无法实现深层次、多张数据表之间频繁的关联匹配以及特征的构建。但是诈骗行为往往会发生在一个深层次的关系之中，要想更精准地对电信诈骗进行检测，需要挖掘出更深层次人物关系背后的隐藏特征。同时，在现有的方法中，模型最终的输出结果需要与实际样本情况进行对比来确定异常阈值，该做法所产生的模型结果会随着对比所采用的实际样本大小的变化而变化，从而使得最终的欺诈检测结果存在一定程度上的不稳定性。

本发明为了解决现有技术方案存在的无法挖掘深层次关系中的数据特征以及其得到的模型结果存在不稳定性的技术问题，提供了一种基于知识图谱的分析方法，可以高效挖掘出隐藏在多层关系背后的数据特征，精准定位到实施诈骗行为的核心成员。

发明内容

本发明所要解决的技术问题在于提供一种基于图分析的反欺诈检测方法及检测系统，以准确定位实施诈骗行为的核心人员。

针对现有技术中存在的无法挖掘深层次关系中的数据特征以及其得到的模型结构存在不稳定性的技术问题，提供一种基于图分析的反欺诈检测方法及检测系统，可以实现高效挖掘出隐藏在多层关系背后的数据特征，准确定位到实施诈骗行为的核心成员，且能通过图的形式实现可视化分析。

本发明通过以下技术手段实现解决上述技术问题的：

本发明实施例提供了一种基于图分析的反欺诈检测方法，所述方法包括：

1)、基于通信运营商提供的包括了受害者通信数据的通信数据，构建与通信数据中用户对应的关系图，其中，所述关系图是由通过边连接起来的节点构成的，其中，所述节点包括：受害者用户非受害者用户分别对应的号码、设备、时间、年龄、地址、套餐中的一种或组合；

2)、从所述关系图中获取受害者用户特征，并利用受害者用户特征训练随机森林分类模型，然后使用训练后的随机森林分类模型识别出待识别用户是否为受害者的结果；