[发明专利]异常资源转移识别方法、装置、电子设备及可读存储介质

说明书

本申请涉及互联网技术领域，公开了一种异常资源转移识别方法、装置、电子设备及可读存储介质，异常资源转移识别方法包括：获取至少一种待识别的资源转移有效特征；基于预设的权重系数和至少一种资源转移有效特征确定待识别的输入特征；基于训练后的识别模型对输入特征进行识别，得到资源转移的异常识别结果；其中，识别模型是基于样本有效特征对初始识别模型进行训练得到的；样本有效特征是从样本资源转移特征中进行筛选获取的。本申请提供的异常资源转移识别方法可以即时确定资源转移是否异常，避免用户的资源难以追回的情况。

技术领域

本申请涉及互联网技术领域，具体而言，本申请涉及一种异常资源转移识别方法、装置、电子设备及可读存储介质。

背景技术

随着信息技术和互联网技术的快速发展，基于互联网的资源转移，也就是网络交易给人们的生活、工作带来了极大的便利。但是，网络交易方便人们的生活，在网络交易的过程中有可能出现异常行为，例如，存在欺诈交易行为。

目前，通常是通过资源转移后的投诉信息来识别资源转移是否存在异常行为，但是这种方式往往是在资源转移完成后进行识别，具有延时性，有可能造成用户已转移的资源难以追回。

发明内容

本申请的目的旨在至少能解决上述的技术缺陷之一，特提出以下技术方案：

第一方面，提供了一种异常资源转移识别方法，包括：

获取至少一种待识别的资源转移有效特征；

基于预设的权重系数和至少一种资源转移有效特征确定待识别的输入特征；

基于训练后的识别模型对输入特征进行识别，得到资源转移的异常识别结果；

其中，识别模型是基于样本有效特征对初始识别模型进行训练得到的；样本有效特征是从样本资源转移特征中进行筛选获取的。

在第一方面的可选实施例中，识别网络通过如下方式训练得到：

获取至少两种样本资源转移特征；

确定样本资源转移特征针对资源转移异常识别的重要性权值；

基于所确定的重要性权值从样本资源转移特征中筛选出样本有效特征；

基于样本有效特征获取样本输入特征，基于样本输入特征对初始识别模型进行训练，得到识别模型。

在第一方面的可选实施例中，样本有效特征设置有对应的样本异常识别结果；基于样本有效特征获取样本输入特征，基于样本输入特征对初始识别模型进行训练，得到识别模型，包括：

基于初始权重系数和样本有效特征确定样本输入特征；

将样本输入特征输入至初始识别模型，得到样本输出特征；

基于样本输出特征和样本输入特征计算损失函数；基于损失函数调节初始权重系数并调节初始识别模型的参数，直至调节后得到的损失函数小于预设阈值；

将调节后的初始权重系数设为权重系数，将调节参数后的初始识别模型设为识别模型。

在第一方面的可选实施例中，确定样本资源转移特征针对资源转移异常识别的重要性权值，包括：

基于样本资源转移特征确定第一判别矩阵；其中，第一判别矩阵用于表示任意两个样本资源转移特征针对资源转移异常识别的重要性的比较结果；

基于第一判别矩阵确定重要性权值。

在第一方面的可选实施例中，基于第一判别矩阵确定重要性权值，包括：

基于第一判别矩阵确定第一最大特征根，并确定样本资源转移特征的第一数量；

基于第一最大特征根和第一数量确定第一一致性比率；