[发明专利]风险团伙的识别方法、装置、存储介质和计算机设备

说明书

本说明书实施例提供了一种风险团伙的识别方法、装置、存储介质和计算机设备。该方法包括：根据获取的黑种子节点和所述黑种子节点的扩散节点构建关系图；对所述关系图进行子图切割，生成多个节点子集；对所述节点子集中的无用节点进行去除操作，生成查询子集；将各个所述查询子集中的节点识别为各个第一风险团伙。

技术领域

本说明书实施例涉及互联网技术领域，特别涉及一种风险团伙的识别方法、装置、存储介质和计算机设备。

背景技术

在盗用、欺诈、作弊、套现、冒用等风控场景中，通常存在团伙作案的方式，这种成员之间相互勾连进行作案的方式，波及面广且容易造成较大资损。

相关技术中，主要通过无监督学习算法实现风险团伙的识别过程。

发明内容

有鉴于此，本说明书实施例提供了一种风险团伙的识别方法、装置、存储介质和计算机设备，用于降低计算量和提高识别的准确度。

一方面，本说明书实施例提供了一种风险团伙的识别方法，包括：

根据获取的黑种子节点和所述黑种子节点的扩散节点构建关系图；

对所述关系图进行子图切割，生成多个节点子集；

对所述节点子集中的无用节点进行去除操作，生成查询子集；

将各个所述查询子集中的节点识别为各个第一风险团伙。

可选地，所述根据获取的黑种子节点和所述黑种子节点的扩散节点构建关系图之前，包括：

获取多个黑种子节点和边关系表；

根据边关系表，以多个黑种子节点作为初始节点进行N度扩散以得到所述黑种子节点的扩散节点。

可选地，所述对所述关系图进行子图切割，生成多个节点子集，包括：

通过Louvain算法对关系图进行子图切割，生成多个节点子集。

可选地，所述对所述节点子集中的无用节点进行去除操作，生成查询子集，包括：

通过最小生成树算法对节点子集进行计算得到最小生成树；

通过k-核算法对所述最小生成树进行迭代剪枝以去除所述无用节点；

根据剩余的节点生成所述查询子集。

可选地，所述将各个所述查询子集中的节点识别为各个第一风险团伙之后，还包括：

以所述查询子集中的节点作为起始节点进行节点召回，得到召回节点；

根据查询子集中的节点和召回节点生成子图；

对所述子图中的节点进行评分，生成各个节点的风险评分；

根据各个节点的风险评分，确定出节点选择阈值；

根据所述节点选择阈值，将所述子图中的节点选择阈值个节点识别为第二风险团伙。

可选地，所述风险评分包括第一风险评分和第二风险评分；

所述对所述子图中的节点进行评分，生成各个节点的风险评分，包括：

将所述子图拆分为风险集合和中介集合，所述风险集合包括具备入边的节点，所述中介集合包括具备出边的节点，所述风险集合中的节点与所述中介集合中的节点之间具备连接关系；

根据所述风险集合与所述中介集合之间的连接关系，计算出所述风险集合中节点的状态转移矩阵和所述中介集合中节点的状态转移矩阵；

通过个性化网页排序算法，根据所述风险集合中节点的状态转移矩阵，计算出所述风险集合中节点的第一风险评分；