[发明专利]基于异常移动的反欺诈识别方法及系统

权利要求书

1.一种基于异常移动的反欺诈识别方法，其特征在于，应用于基于异常移动的反欺诈识别系统，所述方法包括：

在接收到目标用户的业务申请请求时，获取所述目标用户的用户终端在进行独立生物特征验证过程中实时采集的申请行为过程数据；

对所述申请行为过程数据进行分析，判断所述目标用户是否存在异常移动行为；

当所述目标用户存在异常移动行为时，确定所述目标用户存在异常欺诈行为，否则确定所述目标用户不存在异常欺诈行为；

所述申请行为过程数据包括所述用户终端在进行独立生物特征验证过程中采集到的目标用户的实时视频流数据，对所述申请行为过程数据进行分析，判断所述目标用户是否存在异常移动行为的步骤，包括：

对所述实时视频流数据中的每相邻的两帧图像进行图像分析，获取任意一个参考对象在所述每相邻的两帧图像中的轨迹变化信息；

当所述轨迹变化信息表征所述任意一个参考对象存在大于预设位置变化值的浮动时，确定所述目标用户存在异常移动行为，否则确定所述目标用户不存在异常移动行为；

所述方法还包括：

获取存在异常欺诈行为的每个目标用户的历史业务操作行为大数据；

对所述历史业务操作行为大数据进行分析，获取与所述异常欺诈行为关联的目标业务行为活动数据；

提取所述目标业务行为活动数据中的关键特征信息，并将所述关键特征信息与所述异常欺诈行为进行绑定后，依据绑定后的所述关键特征信息与所述异常欺诈行为对预设人工智能模型进行训练，获得训练后的异常欺诈行为识别模型；

所述提取所述目标业务行为活动数据中的关键特征信息的步骤，包括：

生成所述目标业务行为活动数据对应的行为活动关系网络，获取所述行为活动关系网络关联的共享行为活动、所述共享行为活动关联的过往行为活动会话数据和所述共享行为活动关联的共享标注数据，所述共享标注数据依据所述行为活动关系网络在所述共享行为活动中的共享状态数据获得；

基于频繁项挖掘模型，依据所述过往行为活动会话数据和所述共享标注数据，获取所述共享行为活动关联的频繁项挖掘数据，所述频繁项挖掘数据代表所述共享行为活动中每个行为活动数据的目标频繁项标签，每个行为活动数据的目标频繁项标签代表所述每个行为活动数据的高频触发信息；

依据所述频繁项挖掘数据，在所述共享行为活动中对所述行为活动关系网络进行特征添加，获得所述行为活动关系网络在所述共享行为活动中的关键特征片段，并汇总所述关键特征片段后得到所述目标业务行为活动数据中的关键特征信息；

所述基于频繁项挖掘模型，依据所述过往行为活动会话数据和所述共享标注数据，获取所述共享行为活动关联的频繁项挖掘数据，包括：

基于频繁项挖掘模型，依据所述过往行为活动会话数据和所述共享标注数据的关联性数据，分别执行第一循环次数的频繁项挖掘，获得所述共享行为活动关联的第一频繁项挖掘变量；

依据所述第一频繁项挖掘变量相关的融合挖掘变量，分别执行所述第一循环次数的变量衍生，获得所述共享行为活动关联的第二频繁项挖掘变量；

对所述第二频繁项挖掘变量进行融合，获得所述共享行为活动关联的频繁项挖掘数据；

所述基于频繁项挖掘模型，依据所述过往行为活动会话数据和所述共享标注数据，获取所述共享行为活动关联的频繁项挖掘数据之后，所述方法还包括：

基于欺诈挖掘价值评估模型，依据所述过往行为活动会话数据和所述频繁项挖掘数据，获取目标欺诈挖掘价值数据；

其中，所述欺诈挖掘价值评估模型包括级联的至少两个变量融合单元、至少两个变量归集单元和一个挖掘价值预测单元；所述基于欺诈挖掘价值评估模型，依据所述过往行为活动会话数据和所述频繁项挖掘数据，获取目标欺诈挖掘价值数据，包括：

将所述过往行为活动会话数据和所述频繁项挖掘数据配置到所述欺诈挖掘价值评估模型中的首个变量融合单元进行处理，获得所述首个变量融合单元生成的提取变量；

从之后的变量融合单元开始，将之前的变量融合单元生成的提取变量配置到之后的变量融合单元进行处理，获得之后的变量融合单元生成的提取变量；

将末端的变量融合单元生成的提取变量配置到首个变量归集单元进行处理，获得所述首个变量归集单元生成的归集变量；从之后的变量归集单元开始，将之前的变量归集单元生成的归集变量配置到之后的变量归集单元进行处理，获得之后的变量归集单元生成的归集变量；

将末端的变量归集单元生成的归集变量配置到所述挖掘价值预测单元进行预测，获得所述挖掘价值预测单元生成的所述目标欺诈挖掘价值数据；

所述基于频繁项挖掘模型，依据所述过往行为活动会话数据和所述共享标注数据，获取所述共享行为活动关联的频繁项挖掘数据之前，所述方法还包括：

获取至少两个示例共享行为活动、所述至少两个示例共享行为活动分别关联的过往行为活动会话数据、所述至少两个示例共享行为活动分别关联的示例共享标注数据和所述至少两个示例共享行为活动分别关联的示例频繁项挖掘数据；

依据所述至少两个示例共享行为活动分别关联的过往行为活动会话数据、所述至少两个示例共享行为活动分别关联的示例共享标注数据和所述至少两个示例共享行为活动分别关联的示例频繁项挖掘数据对示例频繁项挖掘模型进行收敛优化，获得所述频繁项挖掘模型；

所述基于频繁项挖掘模型，依据所述过往行为活动会话数据和所述共享标注数据，获取所述共享行为活动关联的频繁项挖掘数据之前，所述方法还包括：

获取至少两个示例共享行为活动、所述至少两个示例共享行为活动分别关联的过往行为活动会话数据、所述至少两个示例共享行为活动分别关联的示例共享标注数据和所述至少两个示例共享行为活动分别关联的示例频繁项挖掘数据；

依据所述至少两个示例共享行为活动分别关联的过往行为活动会话数据、所述至少两个示例共享行为活动分别关联的示例共享标注数据和所述至少两个示例共享行为活动分别关联的示例频繁项挖掘数据对示例频繁项挖掘模型和示例欺诈挖掘价值预测模型进行组合训练，获得所述频繁项挖掘模型和所述欺诈挖掘价值评估模型；

其中，所述依据所述至少两个示例共享行为活动分别关联的过往行为活动会话数据、所述至少两个示例共享行为活动分别关联的示例共享标注数据和所述至少两个示例共享行为活动分别关联的示例频繁项挖掘数据对示例频繁项挖掘模型和示例欺诈挖掘价值预测模型进行组合训练，获得所述频繁项挖掘模型和所述欺诈挖掘价值评估模型，包括：

基于所述示例频繁项挖掘模型，依据所述至少两个示例共享行为活动中的第一示例共享行为活动关联的过往行为活动会话数据和所述第一示例共享行为活动关联的示例共享标注数据，获取所述第一示例共享行为活动关联的对标频繁项挖掘数据；

基于所述示例欺诈挖掘价值预测模型，依据所述第一示例共享行为活动关联的过往行为活动会话数据和所述第一示例共享行为活动关联的对标频繁项挖掘数据，获取第一欺诈挖掘价值数据；

依据所述第一示例共享行为活动关联的过往行为活动会话数据和所述第一示例共享行为活动关联的示例频繁项挖掘数据，获取第二欺诈挖掘价值数据；

依据所述第一欺诈挖掘价值数据和所述第二欺诈挖掘价值数据，计算第一收敛评估参数；

依据所述第一收敛评估参数优化所述示例欺诈挖掘价值预测模型的模型权重信息；

如果所述示例欺诈挖掘价值预测模型的模型权重信息的优化结果匹配 第一训练终止要求，获得第一欺诈挖掘价值预测模型；

基于所述示例频繁项挖掘模型，依据至少两个第一示例共享行为活动中的第二示例共享行为活动关联的过往行为活动会话数据和所述第二示例共享行为活动关联的示例共享标注数据，获取所述第二示例共享行为活动关联的对标频繁项挖掘数据；

基于所述第一欺诈挖掘价值预测模型，依据所述第二示例共享行为活动关联的过往行为活动会话数据和所述第二示例共享行为活动关联的对标频繁项挖掘数据，获取第三欺诈挖掘价值数据；

依据所述第三欺诈挖掘价值数据、所述第二示例共享行为活动关联的对标频繁项挖掘数据和所述第二示例共享行为活动关联的示例频繁项挖掘数据，计算第二收敛评估参数；

依据所述第二收敛评估参数优化所述示例频繁项挖掘模型的模型权重信息；

如果所述示例频繁项挖掘模型的模型权重信息的优化结果匹配第二训练终止要求，获得第一频繁项挖掘模型；

如果组合训练结果不匹配目标训练终止要求，迭代对所述第一欺诈挖掘价值预测模型和所述第一频繁项挖掘模型进行组合训练，直到确定组合训练结果匹配所述目标训练终止要求，获得所述欺诈挖掘价值评估模型和所述频繁项挖掘模型；

所述第一循环次数为三次，任一次频繁项挖掘包括一次变量融合和一次变量衍生，依据所述过往行为活动会话数据和所述共享标注数据的关联性数据，分别执行第一循环次数的频繁项挖掘，获得所述共享行为活动关联的第一频繁项挖掘变量，包括以下步骤：

对所述过往行为活动会话数据和所述共享标注数据的关联性数据进行第一变量融合，获得所述共享行为活动关联的第一融合变量；

对所述第一融合变量进行第一变量衍生，获得所述共享行为活动关联的第一衍生变量；

对所述第一衍生变量进行第二变量融合，获得所述共享行为活动关联的第二融合变量；

对所述第二融合变量进行第二变量衍生，获得所述共享行为活动关联的第二衍生变量；

对所述第二衍生变量进行第三变量融合，获得所述共享行为活动关联的第三融合变量；

对所述第三融合变量进行第三变量衍生，获得所述共享行为活动关联的第一频繁项挖掘变量；

其中，任一次变量衍生包括一次全局变量衍生和一次部分变量衍生；依据此，依据所述第一频繁项挖掘变量相关的融合挖掘变量，分别执行所述第一循环次数的变量衍生，获得所述共享行为活动关联的第二频繁项挖掘变量，包括以下步骤：

对所述第一频繁项挖掘变量相关的融合挖掘变量进行第一全局变量衍生，获得所述共享行为活动关联的第一衍生变量；

对所述第一衍生变量和所述第三融合变量的融合变量进行第四变量融合，获得所述共享行为活动关联的第四融合变量；

对所述第四融合变量进行第二全局变量衍生，获得所述共享行为活动关联的第二衍生变量；

对所述第二衍生变量和所述第二融合变量的融合变量进行第五变量融合，获得所述共享行为活动关联的第五融合变量；

对所述第五融合变量进行第三全局变量衍生，获得所述共享行为活动关联的第三衍生变量；

对所述第三衍生变量和所述第一融合变量的融合变量进行第六变量融合，获得所述共享行为活动关联的第二频繁项挖掘变量；

对所述第二频繁项挖掘变量进行融合，获得所述共享行为活动关联的频繁项挖掘数据。