[发明专利]一种基于图分类的套利团伙识别方法

权利要求书

1.一种基于图分类的套利团伙识别方法，其特征在于，包括以下：

S1：获取数据预处理，抽取构图的实体和关系，构建知识图谱；

S2：对构建好的图谱，利用连通子图算法进行群组划分；

S3：计算每个群组的风险指标信息，形成业务风险评分；

S4：搭建并训练深度图卷积神经网络，用于预测群组的结构风险评分；

S5：综合业务风险评分和结构风险评分计算群组的综合风险评分，筛选风险群组；

上述的步骤S1，包含：

S1.1：从业务数据表中获取原始交易数据和操作数据，进行数据清洗等预处理工作，抽取构图所需的实体和关系信息。实体包括：账户、商户、设备、IP等；关系包括：消费，登录，转账，提现等；

S1.2：根据步骤S1.1中抽取的实体和关系，将数据导入图数据库Neo4j构建图谱，或使用Networkx等构图工具构图，当数据量较大时Neo4j的性能明显优于Networkx；

上述的步骤S2，包含：

S2.1：基于步骤S1.2中构建的图谱，采用连通子图算法在全图上进行子图划分，形成一个个彼此之间互相割裂，但内部联系紧密的群组；

上述的步骤S3，包含：

S3.1：根据步骤S2.1划分的用户群组，使用FP-growth频繁集挖掘算法，计算群组中用户的聚集度指标，得到聚集度评分；

S3.2：基于步骤S3.1的聚集度指标和现有的用户黑名单、设备黑名单等，计算群组的风险程度评分；

S3.3：基于步骤S3.1和步骤S3.2中得到的聚集度评分和风险程度评分，计算群组总的业务风险评分；

上述的步骤S4，包含：

S4.1：搭建深度图卷积神经网络，模型可以接受任意的图作为输入而不限制图的结构和节点数量，基于部分标签群组训练神经网络。

S4.2：基于步骤S4.1的训练好的神经网络，将步骤S1.2中得到的用户群组作为输入，得到每个群组是否是套利群组的概率，将该概率处理后作为每个群组的结构风险评分；

上述的步骤S5，包含：

S5.1：基于步骤S3和步骤S4中得到的群组业务风险评分和群组结构风险评分，计算每个群组的综合风险评分，筛选群组综合风险评分大于一定阈值的群组或取前TOPN的群组，作为风险群组输出。