[发明专利]账户风险模型的训练方法和风险用户群体的确定方法

说明书

本申请提供一种账户风险模型的训练方法和风险用户群体的确定方法，该账户风险模型的训练方法包括：通过根据多个样本用户账号的交易数据，生成至少一个样本连通图，针对任一样本连通图，根据预设交易数额和样本连通图中的每个路径对应的交易数额，生成样本带权邻接矩阵，根据至少一个样本带权邻接矩阵，生成样本训练矩阵集，使用样本训练矩阵集对账户风险模型进行训练，得到训练好的账户风险模型。该技术方案中：通过使用根据样本带权邻接矩阵生成的样本训练矩阵集对账户风险模型进行有监督训练，样本带权邻接矩阵中包含样本用户账号间的交易关系，提高了训练好的账户风险模型的识别准确度。

技术领域

本申请涉及科技金融技术领域，尤其涉及一种账户风险模型的训练方法和风险用户群体的确定方法。

背景技术

随着金融机构在互联网金融业务的不断深入发展，互联网金融在为大众提供更多便利的同时，也给不法分子提供了洗钱活动的渠道。对洗钱团伙进行准确的识别，能够有效打击经济犯罪，减轻其对社会产生的危害，维护社会公平。因此，如何对洗钱团伙进行识别是关键。

目前，识别洗钱团伙主要通过预设的反洗钱模型对待识别用户的交易金额进行识别分析，从而从所有待识别用户中识别出洗钱团伙。其中，反洗钱模型通常为决策树、随机森林、卷积神经网络、循环神经网络和长短期记忆人工神经网络等。

然而，现有技术中在基于反洗钱模型对洗钱团伙进行识别时仅考虑了待识别用户的交易金额，可能会导致将正常用户识别为洗钱团伙的情况，存在识别准确度低的问题。

发明内容

本申请提供一种账户风险模型的训练方法和风险用户群体的确定方法，以解决可能会导致将正常用户识别为洗钱团伙的情况，存在识别准确度低的问题。

第一方面，本申请实施例提供一种账户风险模型的训练方法，包括：

根据多个样本用户账号的交易数据，生成至少一个样本连通图，所述样本连通图中的节点为样本用户账号的账号信息，所述样本连通图中的路径为所述路径连接的两个节点对应的样本用户账号之间的交易关系和交易数额，所述账号信息包括样本用户账号的样本风险值，所述样本风险值为所述样本用户账号存在异常操作的可能性；

针对任一样本连通图，根据预设交易数额和所述样本连通图中的每个路径对应的交易数额，生成样本带权邻接矩阵；

根据至少一个样本带权邻接矩阵，生成样本训练矩阵集；

使用所述样本训练矩阵集对账户风险模型进行训练，得到训练好的账户风险模型，所述训练好的账户风险模型用于根据多个待检测用户账号的交易数据和所述预设交易数额，获取每个待检测用户账号的目标风险值。

在第一方面的一种可能设计中，所述根据至少一个样本带权邻接矩阵，生成样本训练矩阵集，包括：

针对任一样本带权邻接矩阵中的任一样本用户账号，根据所述样本用户账号与其他的样本用户账号之间的交易时间和所述样本带权邻接矩阵，获取所述样本用户账号的样本风险向量，所述样本风险向量用于表示所述样本用户账号的初始样本风险值；

根据每个样本带权邻接矩阵和每个样本用户账号的样本风险向量，生成样本训练矩阵集。

可选的，所述针对任一样本带权邻接矩阵中的任一样本用户账号，根据所述样本用户账号与其他的样本用户账号之间的交易时间和所述样本带权邻接矩阵，获取所述样本用户账号的样本风险向量，包括：

针对任一样本带权邻接矩阵中的任一样本用户账号，根据所述样本用户账号与其他的样本用户账号之间的交易频次，交易总额以及与所述样本用户账号进行交易的账号个数，生成第一样本风险值；

根据连接所述样本用户账号的路径对应的权重，生成第二样本风险值；

根据所述样本用户账号的账号信息和与其他的样本用户账号之间的交易时间，生成第三样本风险值；