[发明专利]异常交易的监测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种异常交易的监测方法、装置、计算机设备和存储介质。该方法包括：获取交易元组信息以及交易数据；根据每个时间周期内的交易数据以及聚合函数计算得到对应时间周期的交易聚合特征值集；并且计算每个交易聚合特征值在n个历史交易聚合特征值集内的动态阈值；根据每个交易聚合特征值的动态阈值按照特定规则计算每个交易聚合特征值的交易异常分数；获取当前时间周期内的每个交易聚合特征值的交易聚合特征值权重，根据每个交易聚合特征值权重以及其对应的交易异常分数按照加权规则得到当前时间周期内的交易聚合特征值集的交易异常总分数。采用本方法能够更为精确的对异常交易进行分析监测。

技术领域

本申请涉及金融风控领域，尤其是涉及一种异常交易的监测方法、装置、计算机设备和存储介质。

背景技术

随着金融监管的日益严格，异常交易监测变得尤为重要，尤其在互联网金融的推动下，支付场景更加多元化，业务类型也更加复杂，不同类型的交易数据具有不同的格式和特征，因此，异常交易监测面临的数据规模也更大、监测指标更多、分析维度也更加复杂等。那么，如何有效识别异常交易，避免持卡人资金损失，是金融机构日常经营中面临的重要问题之一。

一般异常交易的类型分为虚假交易、自买自卖、互为对手方交易等。其中大部分都可以归结为某些指标的异常，比如，虚假交易的表现是同一交易实体发起交易的数量或金额较大，同时交易撤销的比例较高；自买自卖是指同一个交易实体控制的账户之间大量或频繁交易；互为对手方交易的特征是两个固定交易实体控制的账户之间大量或频繁交易；而传统的监测方法是根据交易类型划分多个数据模块，比如快捷交易模块、网关交易模块等，每个数据模块对应一个数据特征库，然后根据实际需求对数据特征库中的特征进行选择，再利用机器学习、人工智能等技术实现交易的异常分析监测。

然而，在大部分交易异常分析的过程中，我们要研究的核心对象是交易实体，判定一个交易实体是否异常需要考虑该交易实体的整体交易行为，而不仅仅是关注于某种类型的交易。传统监测方法虽然便于数据特征的管理，但由于不同类型的数据特征相互分离，而且数据特征维度多种多样，如果对不同数据特征库中的数据特征按照交易实体进行合并计算，则会出现计算逻辑复杂、数据分析不够灵活等诸多问题。

发明内容

基于此，有必要针对上述技术问题，提供一种异常交易的监测方法、装置、计算机设备和存储介质。

一方面，提供一种异常交易的监测方法，该方法包括：

根据交易记录，获取交易元组信息；交易记录是从不同交易平台获取的；

根据交易元组信息，获取交易数据；其中，交易数据包括当前时间周期内的交易数据和n个历史时间周期内的交易数据；

根据每个时间周期内的交易数据以及聚合函数计算得到对应时间周期的交易聚合特征值集；

根据n个历史交易聚合特征值集，计算每个交易聚合特征值在n个历史交易聚合特征值集内的动态阈值；根据每个交易聚合特征值的动态阈值按照特定规则计算每个交易聚合特征值的交易异常分数；

获取当前时间周期内的每个交易聚合特征值的交易聚合特征值权重，根据每个交易聚合特征值权重以及其对应的交易异常分数按照加权规则得到当前时间周期内的交易聚合特征值集的交易异常总分数；其中，交易异常总分数表征交易元组信息的整体交易异常程度。

在其中一个实施例中，上述的根据n个历史交易聚合特征值集，计算每个交易聚合特征值在n个历史交易聚合特征值集内的动态阈值；根据每个交易聚合特征值的动态阈值按照特定规则计算每个交易聚合特征值的交易异常分数，包括：

根据每个交易聚合特征值集内的交易聚合特征值，计算每个交易聚合特征值在n个历史时间周期内的最大值、最小值以及平均值；

根据每个交易聚合特征值的最大值、最小值、平均值以及动态阈值公式计算得到每个交易聚合特征值的动态阈值；