[发明专利]异常节点识别方法、模型的训练方法、装置及存储介质

说明书

本发明提供了异常节点识别方法、模型的训练方法、装置、系统及存储介质，该异常节点识别模型的训练方法包括：基于交易要素之间的显式关联关系构建显式关联图，交易要素至少包括交易账户；基于多个交易账户之间的相似度构建隐式关联图，其中根据多个交易账户的历史交易数据计算多个交易账户之间的相似度；融合显式关联图和隐式关联图，得到以交易账户为节点的关联图；基于每个交易账户的特征和标签以及关联图训练图神经网络，得到异常节点识别模型。利用上述方法，能够构建完备和高正确度的关联图结构，提升节点识别模型的识别效果。

技术领域

本发明属于节点识别领域，具体涉及一种异常节点识别方法、模型的训练方法、装置及存储介质。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

近年来，在线上交易支付中存在着大量的欺诈交易，比如伪冒注册交易，为用户带来了不小的损失。为了提升线上交易支付中防范欺诈交易风险的水平，已开展了伪冒注册交易卡高效自动化侦测工作，并对模型输出的疑似伪冒注册银行卡进行风险处置。

鉴于图神经网络在图异常节点识别任务的优异表现，采用图神经网络方法进行高效的伪冒注册欺诈侦测工作。该方法存在一个重要的前提假设：人工构建的关联网络的图结构是完整且正确，即图上的边是没有缺失且真实可信。然而，实际上由于信息缺失和噪声连接的影响，所构建的关联网络的边很可能不是完整或不都是真实存在。这容易导致图计算方法在错误的图结构上获得不理想的节点表示，影响了后续的下游任务。

因此，如何构建完备和正确的图结构供后续关联图分析，仍然面临着一定的挑战。

发明内容

针对上述现有技术中存在的所构建关联网络上的边存在缺失和错误的问题，本发明提出一种基于图结构学习的异常节点识别方法、装置及存储介质，对适配伪冒注册交易场景的关联图构建提供了有效的解决方案。

具体来说，首先基于银行卡转账关系人工构建伪冒注册交易关联网络，然后基于关联网络采用图神经网络模型算法进行节点表示学习，最后用于异常节点识别的下游任务。

本发明提供了以下方案。

第一方面，提供一种异常节点识别模型的训练方法，所述异常节点识别模型用于识别异常交易账户，所述方法包括：基于交易要素之间的显式关联关系构建显式关联图，所述交易要素至少包括交易账户；基于多个所述交易账户之间的相似度构建隐式关联图，其中根据多个所述交易账户的历史交易数据计算多个所述交易账户之间的相似度；融合所述显式关联图和所述隐式关联图，得到以所述交易账户为节点的关联图；基于每个所述交易账户的特征和标签以及所述关联图训练图神经网络，得到异常节点识别模型。

在一些实施方式中，所述交易要素包括交易账户和其他交易要素，所述基于交易要素之间的显式关联关系构建显式关联图，还包括：构建以所述交易账户为节点的同质关联图；构建以所述交易账户和所述其他交易要素为节点的至少一个异质关联图。

在一些实施方式中，所述交易要素还包括以下一种或多种：商户、设备和IP地址。

在一些实施方式中，所述交易要素之间的显式关联关系包括以下中的一种或多种：所述交易账户之间的转账关联关系；所述交易账户和所述商户之间的转账关联关系；所述交易账户和所述设备之间的绑卡关联关系；所述交易账户和所述IP地址之间的交易地关联关系。