[发明专利]异常账户检测方法、图神经网络模型的构建方法和装置

权利要求书

1.一种异常账户检测方法，其特征在于，包括：

获取目标账户的属性信息；

将所述目标账户的属性信息投入到预先构建完成的图神经网络模型中，其中所述图神经网络模型基于账户的交易信息所生成的交易图构建完成；

根据所述图神经网络模型，计算得到目标账户的异常得分；

根据所述异常得分，确定所述目标账户为正常账户或异常账户。

2.根据权利要求1所述的异常账户检测方法，其特征在于，所述根据图神经网络模型，计算得到目标账户的异常得分进一步包括：

根据所述图神经网络模型，计算得到目标账户的局部异常得分和全局异常得分；

将所述目标账户的局部异常得分和全局异常得分进行线性相加，得到目标账户的异常得分。

3.根据权利要求2所述的异常账户检测方法，其特征在于，所述根据所述图神经网络模型，计算得到目标账户的局部异常得分和全局异常得分进一步包括：

利用所述图神经网络模型，得到目标账户对应的目标节点的嵌入矩阵；

利用所述图神经网络模型计算得到目标节点的嵌入向量；

根据所述目标节点的嵌入矩阵和嵌入向量，得到目标节点的局部异常得分和全局异常得分。

4.根据权利要求3所述的异常账户检测方法，其特征在于，所述根据所述目标节点的嵌入矩阵和嵌入向量，得到目标节点的局部异常得分进一步包括：

将交易图中目标账户的属性信息进行隐藏；

根据所述目标节点的嵌入矩阵，计算得到目标节点隐藏后的局部嵌入向量；

根据所述目标节点隐藏后的局部嵌入向量、目标节点的交易子图中除该节点外的其他节点隐藏后的局部嵌入向量，以及目标节点的嵌入向量，计算得到目标节点的局部异常得分。

5.根据权利要求3所述的异常账户检测方法，其特征在于，所述根据所述目标节点的嵌入矩阵和嵌入向量，得到目标节点的全局异常得分进一步包括：

将交易图中目标账户的属性信息进行隐藏；

根据所述目标节点的嵌入矩阵，计算得到目标节点隐藏后的全局嵌入向量；

根据所述目标节点隐藏后的全局嵌入向量、目标节点的交易子图中除该节点外的其他节点隐藏后的全局嵌入向量，以及目标节点的嵌入向量，计算得到目标节点的全局异常得分。

6.根据权利要求1所述的异常账户检测方法，其特征在于，所述图神经网络模型的构建方法包括：

根据账户与账户之间的交易信息，得到交易图，所述交易图中的节点用于表征账户的属性信息；

基于所述交易图，生成每一节点的交易子图；

利用初始图神经网络模型分别对每一节点的交易子图进行处理，得到目标函数；

训练所述目标函数，得到图神经网络模型。

7.根据权利要求6所述的异常账户检测方法，其特征在于，所述利用初始图神经网络模型分别对每一节点的交易子图进行处理，得到目标函数，进一步包括：

利用初始图神经网络模型分别对每一节点的交易子图进行编码，得到每一节点的初始嵌入矩阵；

利用初始图神经网络模型计算得到每一节点的初始嵌入向量；

根据所述每一节点的初始嵌入矩阵和初始嵌入向量，得到每一节点的局部对比学习项和全局对比学习项；

根据每一节点的局部对比学习项和全局对比学习项，得到目标函数。