[发明专利]交易异常验证方法、装置、设备及存储介质

权利要求书

1.一种交易异常验证方法，其特征在于，应用于操作后台，所述方法包括：

响应于用户端发起的第一交易请求，调用与所述第一交易请求存在先后时序关系的历史交易请求，所述第一交易请求携带有多种第一单据特征数据，所述历史交易请求携带有多种历史单据特征数据；

利用与所述第一交易请求的交易类型对应的目标模糊神经网络，基于所述历史单据特征数据，从多个验证维度对多种所述第一单据特征数据进行异常验证，得到第一目标验证值，其中每种交易类型对应的模糊神经网络的网络参数不同，所述网络参数包括每种单据特征在每个所述验证维度时对应的维度权重；

若所述第一目标验证值满足预设异常条件，则判定所述第一交易请求为异常请求。

2.如权利要求1所述的交易异常验证方法，其特征在于，所述利用与所述第一交易请求的交易类型对应的目标模糊神经网络，基于所述历史单据特征数据，从多个验证维度对多种所述第一单据特征数据进行异常验证，得到第一目标验证值，包括：

对于每种所述第一单据特征数据，利用与所述第一交易请求的交易类型对应的目标模糊神经网络，基于所述历史单据特征数据，验证所述第一单据特征数据在每个所述验证维度时对应的维度验证值；

基于所述目标模糊神经网络的维度权重，对每种所述第一单据特征数据对应的多个所述维度验证值进行加权，得到所述第一目标验证值。

3.如权利要求2所述的交易异常验证方法，其特征在于，所述验证所述第一单据特征数据在每个所述验证维度时对应的维度验证值，包括：

基于每个所述验证维度对应的符号函数，计算所述第一单据特征数据与所述历史单据特征数据或维度数据之间的差值，所述维度数据为所述目标模糊神经网络中的网络参数；

基于所述差值，确定所述第一单据特征数据在所述验证维度时对应的维度验证值。

4.如权利要求1所述的交易异常验证方法，其特征在于，所述利用与所述用户端的用户类型对应的目标模糊神经网络，基于所述历史单据特征数据，从多个验证维度对多种所述第一单据特征数据进行异常验证，得到第一目标验证值之前，还包括：

获取所述交易类型对应的交易单据特征样本集，所述交易单据特征样本集包括多组交易单据特征样本；

利用预设模糊神经网络，从多个验证维度对所述交易单据特征样本进行异常验证，得到训练值；

根据所述训练值与预设阈值，计算所述预设模糊神经网络的损失函数；

基于所述损失函数，更新所述预设模糊神经网络的网络参数，直至所述损失函数达到最小值，得到所述交易类型对应的目标模糊神经网络。

5.如权利要求4所述的交易异常验证方法，其特征在于，所述基于所述损失函数，更新所述预设模糊神经网络的网络参数，直至所述损失函数达到最小值，得到所述目标模糊神经网络，包括：

利用梯度下降算法，根据所述损失函数，计算所述预设模糊神经网络的最新网络参数；

基于所述最新网络参数，更新所述预设模糊神经网络，得到新的预设模糊神经网络；

利用所述交易单据特征样本，对所述新的预设模糊神经网络进行迭代训练，计算所述新的预设模糊神经网络的损失函数，并更新所述新的预设模糊神经网络的网络参数，直至所述损失函数达到最小值，得到所述交易类型对应的目标模糊神经网络。

6.一种交易异常验证方法，其特征在于，应用于通道后台，所述通道后台与操作后台通信连接，所述方法包括：

响应于操作后台发送的第二交易请求，调取与所述第二交易请求存在上下游关系的银企单据信息，所述第二交易请求携带有多种第二单据特征数据，所述银企单据信息包括多种银企单据特征数据；

利用目标模糊神经网络，基于所述银企单据特征数据，从多个验证维度对多种所述第二单据特征数据进行异常验证，得到第二目标验证值，其中所述目标模糊神经网络为与所述第二交易请求的交易类型以及所述操作后台的用户类型存在对应关系的模糊神经网络，每种模糊神经网络的网络参数不同，所述网络参数包括每种单据特征在每个所述验证维度时对应的维度权重；

若所述第二目标验证值满足预设异常条件，则判定所述第二交易请求为异常请求。