[发明专利]交易异常验证方法、装置、设备及存储介质

说明书

本申请公开了一种交易异常验证方法、装置、设备及存储介质，本申请通过响应于用户端发起的第一交易请求，调用与第一交易请求存在先后时序关系的历史交易请求；利用与第一交易请求的交易类型对应的目标模糊神经网络，基于历史单据特征数据，从多个验证维度对多种第一单据特征数据进行异常验证，得到第一目标验证值，当第一目标验证值满足预设异常条件时，则判定第一交易请求为异常请求，其中每种交易类型对应的模糊神经网络的网络参数不同，以能够针对不同交易场景采用不同的模糊神经网络进行异常验证，从而适用于多种交易场景，满足用户在不同交易场景时的安全性需求，提高交易异常验证的灵活性。

技术领域

本申请涉及计算机技术领域，尤其涉及一种交易异常验证方法、装置、设备及存储介质。

背景技术

在企业财务系统的业务交易中，为保证交易能够正确完整运行和保障交易安全，通常需要对交易数据进行异常验证。目前，企业财务系统在云端跟踪业务上下游关系，并结合分布式锁和串行机制，保证当前系统只有一个线程正在执行交易数据，防止重复交易。

但是，现有技术根据单一的单据转换关系跟踪业务上下游关系，其验证灵活性不足，只能针对国内业务数据简单的交易场景，而无法根据实际业务的单据特点针对不同交易场景进行异常验证，从而无法满足不同用户对交易安全性的需求。

发明内容

本申请提供了一种交易异常验证方法、装置、设备及存储介质，以解决当前异常验证方式灵活性不足而无法满足不同用户对交易安全性的需求的技术问题。

为了解决上述技术问题，第一方面，本申请提供了一种交易异常验证方法，应用于操作后台，方法包括：

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

利用与第一交易请求的交易类型对应的目标模糊神经网络，基于历史单据特征数据，从多个验证维度对多种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，网络参数包括每种单据特征在每个验证维度时对应的维度权重；

若第一目标验证值满足预设异常条件，则判定第一交易请求为异常请求。

在第一方面的一些实现方式中，利用与第一交易请求的交易类型对应的目标模糊神经网络，基于历史单据特征数据，从多个验证维度对多种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：

对于每种第一单据特征数据，利用与第一交易请求的交易类型对应的目标模糊神经网络，基于历史单据特征数据，验证第一单据特征数据在每个验证维度时对应的维度验证值；

基于目标模糊神经网络的维度权重，对每种第一单据特征数据对应的多个维度验证值进行加权，得到第一目标验证值。

在第一方面的一些实现方式中，验证第一单据特征数据在每个验证维度时对应的维度验证值，包括：

基于每个验证维度对应的符号函数，计算第一单据特征数据与历史单据特征数据或维度数据之间的差值，维度数据为目标模糊神经网络中的网络参数；

基于差值，确定第一单据特征数据在验证维度时对应的维度验证值。

在第一方面的一些实现方式中，利用与用户端的用户类型对应的目标模糊神经网络，基于历史单据特征数据，从多个验证维度对多种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：

获取交易类型对应的交易单据特征样本集，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，从多个验证维度对交易单据特征样本进行异常验证，得到训练值；

根据训练值与预设阈值，计算预设模糊神经网络的损失函数；