[发明专利]异常账号检测模型训练、异常账号检测方法、装置及设备

权利要求书

1.一种异常账号检测模型训练方法，包括：

基于目标应用在预设时段内的账号注册数据，构建包含账号和设备两种节点的网络图，在所述网络图中，一个账号和注册该账号的设备之间存在一条边；

基于预设图节点表示向量学习算法，确定所述网络图中账号的表示向量；

将所述网络图中账号的表示向量和标签作为输入，对目标残差网络进行训练，其中，所述目标残差网络用于检测使用同一设备在所述目标应用中注册的多个账号中的一个账号是否为异常账号。

2.根据权利要求1所述的方法，在将所述网络图中账号的表示向量和标签作为输入，对目标残差网络进行训练前，还包括：

确定所述网络图中账号的指定特征，所述指定特征包括使用该账号的用户的基础特征和行为特征中的至少一种；

其中，将所述网络图中账号的表示向量和标签作为输入，对目标残差网络进行训练，包括：

将所述网络图中账号的表示向量、指定特征和标签作为输入，对目标残差网络进行训练。

3.根据权利要求2所述的方法，将所述网络图中账号的表示向量、指定特征和标签作为输入，对目标残差网络进行训练，包括：

对所述网络图中账号的指定特征进行归一化；

将所述网络图中账号的表示向量和归一化后的指定特征拼接在一起，得到所述网络图中账号的拼接特征；

将所述网络图中账号的拼接特征和标签作为输入，对目标残差网络进行训练。

4.根据权利要求2所述的方法，

用户的基础特征包括使用该账号的用户的年龄、性别、职业和地理位置中的一种或多种。

5.根据权利要求2所述的方法，

所述目标应用为电子支付应用，用户的行为特征包括账号余额、交易次数、交易时间、交易金额、购买的东西的类型、收款方的类型和凌晨交易情况中的一种或多种。

6.根据权利要求1所述的方法，基于预设图节点表示向量学习算法，确定所述网络图中账号的表示向量，包括：

确定所述网络图的邻间矩阵或邻接表；

基于所述网络图的邻间矩阵或邻接表，以及预设图节点表示向量学习算法，确定所述网络图中账号的表示向量。

7.根据权利要求6所述的方法，

所述预设图节点表示向量学习算法包括下述一种：深度游走、随机游走、深度优先搜索DFS、广度优先搜索BFS、Node2Vec、Word2vec和双向编码器表征模型BERT。

8.根据权利要求1所述的方法，还包括；

确定待检测账号，其中，所述待检测账号是使用目标设备在目标应用中注册的多个账号中的一个，且所述目标设备和使用所述目标设备注册的多个账号包含在所述网络图中；

确定所述待检测账号的表示向量；

将所述待检测账号的表示向量输入训练好的所述目标残差网络中，得到所述待检测账号是否为异常账号的检测结果。

9.根据权利要求2所述的方法，还包括：

确定待检测账号，其中，所述待检测账号是使用目标设备在目标应用中注册的多个账号中的一个，且所述目标设备和使用所述目标设备注册的多个账号包含在所述网络图中；

确定所述待检测账号的表示向量和指定特征；

将所述待检测账号的表示向量和指定特征输入训练好的所述目标残差网络中，得到所述待检测账号是否为异常账号的检测结果。