[发明专利]一种异常社区的识别方法、装置和设备

权利要求书

1.一种异常社区的识别方法，其特征在于，包括：

获取目标系统在预设时间段内的资源转移信息集；

基于所述资源转移信息集，生成点边文件；其中，所述点边文件中包含各个节点的种子属性和节点之间的边属性，所述节点为所述资源转移信息集中涉及的账号；

利用局部社区挖掘算法确定出所述点边文件中黑种子节点对应的局部社区；其中，所述黑种子节点表示存在异常的节点；

确定各个黑种子节点对应的局部社区之间的相似度；

根据所述各个黑种子节点对应的局部社区之间的相似度，合并得到多个目标局部社区；其中，所述目标局部社区为存在异常的社区。

2.根据权利要求1所述的方法，其特征在于，基于所述资源转移信息集，生成点边文件，包括：

对所述资源转移信息集进行预处理，得到预处理后的资源转移信息集；

根据所述预处理后的资源转移信息集，生成第一资源转移网络；

将所述第一资源转移网络中的特征节点去除，得到第二资源转移网络；其中，所述特征节点为确定无异常的冗余节点；

标注所述第二资源转移网络中各个节点的种子属性，得到第三资源转移网络；其中，所述种子属性包括：黑种子和白种子；

提取出所述第三资源转移网络中的点边文件。

3.根据权利要求2所述的方法，其特征在于，对所述资源转移信息集进行预处理，得到预处理后的资源转移信息集，包括：

对所述资源转移信息集进行数据清洗，得到的第一资源转移信息集；

统一所述第一资源转移信息集中的资源转移方向，得到第二资源转移信息集；

将所述第二资源转移信息集中的资源转移信息按照账号粒度进行去重、聚合，得到第三资源转移信息集；

将所述第三资源转移信息集中互为资源转移发起发和接收方的账号对应的资源转移信息进行合并，得到预处理后的资源转移信息集。

4.根据权利要求1所述的方法，其特征在于，利用局部社区挖掘算法确定出所述点边文件中黑种子节点对应的局部社区，包括：

以所述点边文件中黑种子节点为出发点，通过随机游走的方式确定出所述点边文件中各个节点与黑种子节点之间的相似分数；

根据所述各个节点与黑种子节点之间的相似分数，确定所述点边文件中黑种子节点对应的局部社区。

5.根据权利要求1所述的方法，其特征在于，根据所述各个黑种子节点对应的局部社区之间的相似度，合并得到多个目标局部社区，包括：

根据所述各个黑种子节点对应的局部社区之间的相似度，确定是否存在相似度大于第一阈值的局部社区；

将所述各个黑种子节点对应的局部社区中相似度大于第一阈值的局部社区合并，得到多个目标局部社区。

6.根据权利要求1所述的方法，其特征在于，在合并得到多个目标局部社区之后，还包括：

获取各个目标局部社区的目标点边文件；其中，所述目标点边文件中包含节点的资源转移特征；

根据所述各个目标局部社区的目标点边文件，利用图卷积网络确定所述目标局部社区的目标表征值；

将所述目标表征值大于第二预设阈值的目标局部社区作为风险局部社区。

7.根据权利要求6所述的方法，其特征在于，根据所述各个目标局部社区的目标点边文件，利用图卷积网络确定所述目标局部社区的目标表征值，包括：

根据所述各个目标局部社区的目标点边文件，利用图卷积网络确定所述目标局部社区中各个节点的表征值；

根据所述各个目标局部社区中各个节点的表征值相加求平均值，得到所述各个目标局部社区的目标表征值。