[发明专利]一种异常行为检测处理方法及装置

权利要求书

1.一种异常行为检测处理方法，其特征在于，包括：

获取多个可疑账户的数据，得到多个数据；

根据所述多个数据创建一个或多个交易关联子图；

对所述一个或多个交易关联子图参与异常事件程度进行评估，得到评估结果；

根据所述评估结果对所述一个或多个交易关联子图的异常行为进行检测。

2.根据权利要求1所述的方法，其特征在于，对所述一个或多个交易关联子图参与异常事件程度进行评估，得到所述评估结果包括：

确定所述一个或多个交易关联子图参与异常事件程度的ML metric值；

根据所述ML metric值对所述多个可疑账户参与异常事件程度进行评估，得到所述评估结果。

3.根据权利要求2所述的方法，其特征在于，确定所述一个或多个交易关联子图参与异常事件程度的ML metric值包括：

将所述一个或多个交易关联子图输入预先训练好的异常事件模型中，得到所述异常事件模型输出的所述一个或多个交易关联子图参与异常事件程度的ML metric值，其中，所述评估结果为所述ML metric值。

4.根据权利要求3所述的方法，其特征在于，根据所述ML metric值对所述多个可疑账户参与异常事件程度进行评估，得到所述评估结果包括：

通过所述异常事件模型运行FlowScope算法；

通过循环运行贪心算法确定多个最大ML Metric值，并将所述多个最大ML Metric值组成目标子集；

确定所述多个可疑账户中所述目标子集对应的目标可疑账户的评估结果为参与异常事件程度的第一等级；

确定所述多个可疑账户中除所述目标可疑账户之外的其他可疑账户的评估结果为异常事件程度的第二等级，其中，所述第二等级参与异常事件的程度低于所述第一等级参与异常事件的程度。

5.根据权利要求4所述的方法，其特征在于，通过循环运行贪心算法确定多个最大MLMetric值，并将所述多个最大ML Metric值组成目标子集包括：

为所述多个可疑账户中的每个账户节点建立优先级树，为每个账户节点分配权值；

在每次循环运行所述贪心算法中，在所述优先级树中去除最小权值对应的账户节点，更新所有连接的账户节点的权值，直到得到所述多个最大ML Metric值组成的所述目标子集。

6.根据权利要求2所述的方法，其特征在于，在确定所述一个或多个交易关联子图参与异常事件程度的ML metric值之前，所述方法还包括：

对所述多个可疑账户中的每个可疑账户，执行以下步骤，得到所述多个可疑账户的所述评估结果，其中，正在执行的可疑账户称为当前可疑账户：

为当前可疑账户创建虚拟资源转移图G＝(V,E)，其中，节点V为所述当前可疑账户对应的账户，边E为虚拟资源转移量；

从所述虚拟资源转移图中确定满足预设条件的所述一个或多个交易关联子图，其中，所述预设条件包括：交易流水在转入中间账户和转出中间账户的过程中数量大于预设阈值，虚拟资源流转量在交易关联子图中最大。