[发明专利]一种基于图神经网络的非正常关键账户发现方法、系统、设备及存储介质

权利要求书

1.一种基于图神经网络的非正常关键账户发现方法，其特征在于，包括步骤如下：

(1)数据预处理：对非正常金融账户的历史交易记录依次进行数据清洗、关键数据项提取、组织内账户交易关系构建操作；

数据清洗，是指：清洗所有和正常账户相关的交易数据，仅保留交易双方都是非正常金融账户的历史交易记录；

关键数据项提取，是指：从非正常金融账户的历史交易记录中提取出交易账户、对手账户、进出标志信息项数据；

组织内账户交易关系构建，是指：

为新数据即组织内账户交易关系创建两个数据项：源账户和目标账户；源账户是指在当前交易中从自身转出一定金额的账户，目标账户指的是接收源账户转出金额的账户；对每笔非正常金融账户的历史交易记录，如果进出标志信息项数据为“出”，则源账户为交易账户，目标账户为对手账户；如果进出标志信息项数据为“进”，则源账户为对手账户，目标账户为交易账户；

当新数据中不存在该条数据时，将这条包含源账户和目标账户的信息添加到新数据中；同时，还对各个非正常金融账户重新进行了编码映射，将非正常金融账户映射为区间0到非正常账户数量内的编码；

(2)非正常组织金融交易网络图构建；

根据步骤(1)构建的组织内账户交易关系构建非正常组织金融交易网络图；非正常组织金融交易网络图中，节点表示非正常金融账户的编码，连接两个节点之间的有向边表示这两个非正常金融账户发生过转账交易，且箭头方向表示资金的流动方向；

(3)非正常组织关键账户发现；通过训练好的TRGA模型实现非正常组织关键账户发现。

2.根据权利要求1所述的一种基于图神经网络的非正常关键账户发现方法，其特征在于，步骤(3)的具体实现步骤包括：

3.1构建并训练TRGA模型；

3.2账户交易拓扑特征提取，发现非正常组织关键账户。

3.根据权利要求2所述的一种基于图神经网络的非正常关键账户发现方法，其特征在于，TRGA模型包括依次连接的输入层、三路图神经网络层、多头注意力机制层、线性层及Softmax层；

TRGA模型的输入层的输入为非正常组织金融交易网络图Graph以及账户节点的one-hot特征X；

三路图神经网络层分别对非正常组织金融交易网络图的节点从不同角度进行特征聚合以更新节点特征，再拼接不同层面获取到的节点特征，并通过多头注意力机制层来对获取到的三种节点特征进行信息加权，使TRGA模型关注到更加有效的节点拓扑结构信息；TRGA模型将多头注意力机制层的输出进行整合，即通过线性层综合节点的特征向量并进行数据降维，TRGA模型最终输出为一个长度为2的向量，基于该输出向量实现非正常组织关键账户发现。

4.根据权利要求3所述的一种基于图神经网络的非正常关键账户发现方法，其特征在于，TRGA模型的各路图神经网络层都各自独立地对节点的邻接节点信息进行聚合；

在TRGA模型中，非正常组织金融交易网络图Graph以及账户节点的one-hot特征X分别输入三路图神经网络层；在每一路图神经网络层中，其它各层网络层的输入都为当前那一路图神经网络层中的上一层网络层的输出；每一路图神经网络层最终都得到一个维度相同的节点特征矩阵。