[发明专利]一种预付费交易场景下的异常行为监测方法及装置

权利要求书

1.一种预付费交易场景下的异常行为监测方法，其特征在于，包括：

获取被监管账户设定时段的真实交易数据；

根据设定周期的历史交易数据，利用预先构建的异常行为监测模型预测所述设定时段的预测交易数据；

根据预先设定的异常行为阈值、所述预测交易数据及所述真实交易数据对所述被监管账户进行异常行为监测。

2.根据权利要求1所述的预付费交易场景下的异常行为监测方法，其特征在于，预先构建异常行为监测模型的步骤，包括：

根据所述被监管账户的账户基本信息及用于模型训练的历史交易数据构建异常行为监测模型。

3.根据权利要求2所述的预付费交易场景下的异常行为监测方法，其特征在于，所述用于模型训练的历史交易数据包括历史交易维度特征，所述根据所述被监管账户的账户基本信息及用于模型训练的历史交易数据构建异常行为监测模型，包括：

获取所述账户基本信息及所述历史交易维度特征；其中，所述历史交易维度特征至少包括时间维度特征及金额维度特征；

将所述账户基本信息及所述历史交易维度特征输入梯度提升决策树模型，得到所述异常行为监测模型。

4.根据权利要求2所述的预付费交易场景下的异常行为监测方法，其特征在于，所述用于模型训练的历史交易数据包括历史交易统计特征，所述根据所述被监管账户的账户基本信息及用于模型训练的历史交易数据构建异常行为监测模型，包括：

获取所述账户基本信息及所述历史交易统计特征；其中，所述历史交易统计特征至少包括历史交易维度特征的平均值、最大值、最小值及中位数；

将所述账户基本信息及所述历史交易统计特征输入梯度提升决策树模型，得到所述异常行为监测模型。

5.根据权利要求3所述的预付费交易场景下的异常行为监测方法，其特征在于，所述预测交易数据包括拟合维度特征，所述根据设定周期的历史交易数据，所述利用预先构建的异常行为监测模型预测所述设定时段的预测交易数据，包括：

根据设定周期的历史交易维度特征，利用所述异常行为监测模型确定所述设定周期的拟合维度特征。

6.根据权利要求4所述的预付费交易场景下的异常行为监测方法，其特征在于，所述预测交易数据包括拟合统计特征，所述根据设定周期的历史交易数据，利用预先构建的异常行为监测模型预测所述设定时段的预测交易数据，包括：

根据设定周期的历史交易统计特征，利用所述异常行为监测模型确定所述设定周期的拟合统计特征。

7.根据权利要求5所述的预付费交易场景下的异常行为监测方法，其特征在于，所述根据预先设定的异常行为阈值、所述预测交易数据及所述真实交易数据对所述被监管账户进行异常行为监测，包括：

根据预先设定的异常行为阈值、所述设定时段的拟合维度特征及所述真实交易数据确定交易行为是否异常；

当交易行为异常时，进行行为异常预警。

8.根据权利要求6所述的预付费交易场景下的异常行为监测方法，其特征在于，所述根据预先设定的异常行为阈值、所述预测交易数据及所述真实交易数据对所述被监管账户进行异常行为监测，包括：

根据预先设定的异常行为阈值、所述设定时段的拟合统计特征及所述真实交易数据确定交易行为是否异常；

当交易行为异常时，进行行为异常预警。

9.一种预付费交易场景下的异常行为监测装置，其特征在于，包括：

真实数据获取单元，用于获取被监管账户设定时段的真实交易数据；

预测数据生成单元，用于根据设定周期的历史交易数据，利用预先构建的异常行为监测模型预测所述设定时段的预测交易数据；

异常行为监测单元，用于根据预先设定的异常行为阈值、所述预测交易数据及所述真实交易数据对所述被监管账户进行异常行为监测。