[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

说明书

本文涉及金融领域，特别地，提供了一种异常账户检测方法、图神经网络模型的构建方法和装置，其中异常账户检测方法包括：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。本文能够提高异常账户的检测效率和准确度。

技术领域

本发明涉及金融领域，特别地，涉及一种异常账户检测方法、图神经网络模型的构建方法和装置。

背景技术

由于在线交易属于一种非面对面的网上交易型态，银行无法确认操作在线交易的个人，是否就是拥有该账户的本人，这种不确定性及交易的隐密性，导致银行为该账户执行身份识别等各类反洗钱措施效果大打折扣，再加上在线网络交易具备全天候、速度快、可跨地域转汇资金的特性，使得银行在此过程中须面对一定程度的洗钱风险。同时，随着大数据技术的发展，积累交易账户的相关基础信息和交易记录相对容易，但是给每一笔资金交易标记是正常或异常将会消耗巨大的人力物力，甚至根本无法完成。

目前主流的机器学习技术在资金交易异常检测方面仍有不足，在该场景中，资金交易数量庞大，传统的监督型机器学习需要给每一笔交易构造标签信息以供机器学习模型学习，这无疑会消耗大量的人力物力。

因此现在亟需一种异常账户检测方法，能够提高异常账户的检测效率和准确度。

发明内容

本文实施例的目的在于提供一种异常账户检测方法、图神经网络模型的构建方法和装置，以提高异常账户的检测效率和准确度。

为达到上述目的，一方面，本文实施例提供了一种异常账户检测方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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；