[发明专利]基于人工智能的非法行为检测方法、装置、设备及介质

权利要求书

1.一种基于人工智能的非法行为检测方法，其特征在于，所述方法包括：

获取待检测用户数据集，并根据所述待检测用户数据集构建用户关系网，基于图聚类法对所述用户关系网进行聚类分析，得到异常用户集；

基于模式挖掘算法对所述异常用户集进行挖掘和筛选，得到疑似非法用户集；

基于预设的非法行为模式对所述疑似非法用户集进行人群画像分析，得到非法用户集；

通过对所述非法用户集进行识别检测，得到非法行为团体。

2.如权利要求1所述的基于人工智能的非法行为检测方法，其特征在于，所述获取待检测用户数据集，并根据所述待检测用户数据集构建用户关系网，包括：

从预设的数据库中获取待检测用户的财务数据，得到用户数据集；

以所述用户数据集中的用户作为节点，并以每个所述用户的财务数据中的转账数据作为边构建有向图；

将所述转账数据的收支方向作为所述有向图中边的指向方向，并将所述转账数据的金额作为所述有向图中边的权重，得到用户关系网。

3.如权利要求1所述的基于人工智能的非法行为检测方法，其特征在于，所述基于图聚类法对所述用户关系网进行聚类分析，得到异常用户集，包括：

计算所述用户关系网的邻接矩阵与度矩阵；

根据所述邻接矩阵和所述度矩阵计算拉普拉斯矩阵；

计算所述拉普拉斯矩阵的特征值与特征向量；

从所述拉普拉斯矩阵的特征值中，按照从小到大的顺序选取前k个特征值对应的特征向量，并利用选取的所述特征向量构成特征矩阵；

将所述特征矩阵的每一行作为一个样本点进行K-means聚类，根据所述聚类的结果得到异常用户集。

4.如权利要求1所述的基于人工智能的非法行为检测方法，其特征在于，所述基于模式挖掘算法对所述异常用户集进行挖掘和筛选，得到疑似非法用户集，包括：

获取所述异常用户集中每个用户的业务数据，并根据所述业务数据构建序列行为数据集；

利用频繁模式挖掘算法处理所述序列行为数据集，生成频繁模式集，并在所述频繁模式集中选择预设个数的频繁模式，得到疑似非法用户集。

5.如权利要求4所述的基于人工智能的非法行为检测方法，其特征在于，所述利用频繁模式挖掘算法处理所述序列行为数据集，生成频繁模式集，并在所述频繁模式集中选择预设个数的频繁模式，得到疑似非法用户集，包括：

遍历查询步骤：遍历所述序列行为数据集，并查找满足预设频繁条件的频繁项集L1；

连接及剪枝步骤：对所述频繁项集L1进行连接和剪枝生成频繁项集L2；

频繁模式集步骤：重复上述的遍历查询步骤及连接及剪枝步骤，直到生成的频繁项集为最大项集，并将生成的多个频繁项集合并，得到频繁模式集；

疑似非法用户集确认步骤：在所述频繁模式集中选择预设个数的频繁项集，并根据所述频繁项集生成关联规则，在所述异常用户集中筛选出符合所述关联规则的用户数据，得到疑似非法用户集。

6.如权利要求1所述的基于人工智能的非法行为检测方法，其特征在于，所述基于预设的非法行为模式对所述疑似非法用户集进行人群画像分析，得到非法用户集，包括：

基于预设的非法行为模式提取行为特征，生成集资人群画像；

在所述疑似非法用户集中查找用户数据特征满足所述集资人群画像的用户，得到非法用户集。

7.如权利要求1所述的基于人工智能的非法行为检测方法，其特征在于，所述通过对所述非法用户集进行识别检测，得到非法行为团体，包括：

将所述非法用户集中的用户数据以及用户之间的转账记录导入到至图数据库中，得到集资行为数据集；

基于预设的集资行为特征利用模式识别算法对所述集资行为数据集进行检测和划分，得到非法行为团体。