[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

说明书

本发明涉及人工智能技术，揭露了一种基于人工智能的非法行为检测方法，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。此外，本发明还涉及区块链技术，待检测用户数据集可存储于区块链的节点。本发明还提出一种基于人工智能的非法行为检测装置、电子设备以及存储介质。本发明可以解决非法行为检测的准确性较低的问题。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的非法行为检测方法、装置、电子设备及计算机可读存储介质。

背景技术

随着经济的发展，资金配置效率和金融服务质量都得到了提高，产生了良好的经济效益和社会效益，但同时也使非法集资行为进一步扩大。

对于非法集资行为的检测，主要依靠人工收集相关信息实现，准确率和效率均较低；还有一种是通过金融产品本身的分析来判断是否存在非法集资场景，但集资不一定是产品本身，还包括基于个人及团体的投资行为，因此，需要一种准确度更高的集资行为检测方法。

发明内容

本发明提供一种基于人工智能的非法行为检测方法、装置及计算机可读存储介质，其主要目的在于解决非法行为检测的准确性较低的问题。

为实现上述目的，本发明提供的一种基于人工智能的非法行为检测方法，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。

可选地，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。

可选地，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。

可选地，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。