[发明专利]一种异常行为检测处理方法及装置

说明书

本发明提供了一种异常行为检测处理方法及装置，其中，该方法包括：获取多个可疑账户的数据，得到多个数据；根据该多个数据创建一个或多个交易关联子图；对该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；根据该评估结果对该一个或多个交易关联子图的异常行为进行检测，可以解决相关技术中针对可疑的异常行为账户个体进行特征检测和聚类，导致检测精度低的问题，可以有效的从多个步骤检测账户是否有异常行为，实现对异常行为的全流程检测，在面对一些针对异常行为账户个体的伪装行为时，可以较为有效的识别出异常行为，提高了异常行为检测的精度。

技术领域

本发明涉及数据处理领域，具体而言，涉及一种异常行为检测处理方法及装置。

背景技术

大多数现有的异常行为检测算法忽略了异常行为的整体链条过程，也忽略了交易之间复杂的依赖关系，仅仅针对可疑的异常行为账户个体进行特征检测和聚类，导致检测精度低，同时容易被对手规避。进一步的，基于密集子图或子张量的异常行为检测算法也已被用于欺诈检测，但这种算法也仅考虑单步传输。此外，在处理异常行为链条的整体链交易时，这种算法需要大量的手动标记过的数据集来进行训练，然而这样的数据很少，导致训练效果不佳、模型容易过拟合，在不同的数据集中应用时泛用性也不足。

针对相关技术中针对可疑的异常行为账户个体进行特征检测和聚类，导致检测精度低的问题，大多数现有的异常行为检测算法尚未提出行之有效的解决方案。

发明内容

本发明实施例提供了一种异常行为检测处理方法及装置，以至少解决相关技术中针对可疑的异常行为账户个体进行特征检测和聚类，导致检测精度低的问题。

根据本发明的一个实施例，提供了一种异常行为检测处理方法，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。

可选地，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。

可选地，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。

可选地，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图流量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。

可选地，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MLMetric值组成目标子集包括：