[发明专利]一种目标对象的风险识别方法、装置和处理设备

权利要求书

1.一种目标对象的风险识别方法，包括：

以预先构建的目标对象的知识图谱中的实体为节点、实体之间的关系数据为边，利用选取的图神经网络算法对所述知识图谱进行分类处理，获取节点的图向量数据；

获取目标对象最新的风险特征数据；

将所述风险特征数据与所述图向量数据作为选取的风险识别模型的输入数据进行训练，得到更新后风险识别模型；其中，所述图向量数据按照预设频率更新；

基于更新后风险识别模型识别目标对象中存在风险的节点。

2.如权利要求1所述的方法，采用流式计算获取目标对象最新的风险特征数据。

3.如权利要求1所述的方法，所述选取的风险识别模型包括简单分类模型，所述简单分类模型满足训练参数个数少于第一阈值、训练时间小于第二阈值。

4.如权利要求3所述的方法，所述选取的风险识别模型为逻辑回归模型。

5.如权利要求1所述的方法，所述目标对象为企业，构建的目标的对象的实体包括：企业、自然人、案件、域名；所述实体之间的关系数据采用头节点、关系、尾节点的三元组数据结构。

6.如权利要求5所述的方法，所述实体之间的关系数据包括：自然人是否为企业的法人、企业是否为另一个企业的母公司、企业是否为同一个注册地、自然人与自然人在指定社交平台中是否为好友。

7.如权利要求5所述的方法，所述最新的风险特征数据包括企业交易额、企业非可信登录设备的个数。

8.一种目标对象的风险识别装置，包括：

固定特征模块，用于以预先构建的目标对象的知识图谱中的实体为节点、实体之间的关系数据为边，利用选取的图神经网络算法对所述知识图谱进行分类处理，获取节点的图向量数据；

变化特征模块，用于获取目标对象最新的风险特征数据；

更新模块，用于将所述风险特征数据与所述图向量数据作为选取的风险识别模型的输入数据进行训练，得到更新后风险识别模型；其中，所述图向量数据按照预设频率更新；

风险识别模块，用于基于更新后风险识别模型识别目标对象中存在风险的节点。

9.如权利要求8所述的装置，所述变化特征模块采用流式计算获取目标对象最新的风险特征数据。

10.如权利要求8所述的装置，所述选取的风险识别模型包括简单分类模型，所述简单分类模型满足训练参数个数少于第一阈值、训练时间小于第二阈值。

11.如权利要求10所述的装置，所述选取的风险识别模型为逻辑回归模型。

12.如权利要求8所述的装置，所述目标对象为企业，构建的目标的对象的实体包括：企业、自然人、案件、域名；所述实体之间的关系数据采用头节点、关系、尾节点的三元组数据结构。

13.如权利要求12所述的装置，所述实体之间的关系数据包括：自然人是否为企业的法人、企业是否为另一个企业的母公司、企业是否为同一个注册地、自然人与自然人在指定社交平台中是否为好友。

14.如权利要求12所述的装置，所述变化特征模块获取的最新的风险特征数据可以包括企业交易额、企业非可信登录设备的个数。

15.一种处理设备分片处理设备，包括：至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1-7中任一项所述的方法。