本發(fā)明涉及風(fēng)險識別，尤其涉及一種異常團(tuán)伙識別方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、近年來，隨著移動互聯(lián)網(wǎng)的普及，異常團(tuán)伙成為金融業(yè)務(wù)中的一個突出問題，不僅容易導(dǎo)致金融機(jī)構(gòu)不良貸款比例較高，還會破壞金融秩序的穩(wěn)定。

2、目前，金融機(jī)構(gòu)針對異常團(tuán)伙的識別主要依賴傳統(tǒng)機(jī)器學(xué)習(xí)模型以及專家經(jīng)驗，通過傳統(tǒng)機(jī)器學(xué)習(xí)和人工方式制定風(fēng)控規(guī)則進(jìn)行異常團(tuán)伙識別，傳統(tǒng)機(jī)器學(xué)習(xí)模型往往僅聚焦單一信息點的屬性，因此，得出的異常團(tuán)伙規(guī)則存在一定的局限性，不能覆蓋所有欺詐場景，也無法識別各類異常行為。

技術(shù)實現(xiàn)思路

1、本發(fā)明的主要目的在于提供一種異常團(tuán)伙識別方法、裝置、設(shè)備及存儲介質(zhì)，旨在解決現(xiàn)有技術(shù)異常團(tuán)伙識別效果差的技術(shù)問題。

2、為實現(xiàn)上述目的，本發(fā)明提供了一種異常團(tuán)伙識別方法，所述方法包括以下步驟：

3、構(gòu)建目標(biāo)異常團(tuán)伙識別模型，其中，所述目標(biāo)異常團(tuán)伙識別模型的結(jié)構(gòu)包括輸入層、嵌入層以及預(yù)測層，所述輸入層用于在構(gòu)建目標(biāo)異常團(tuán)伙識別模型時輸入歷史異常團(tuán)伙特征信息以及模擬異常團(tuán)伙特征信息，所述預(yù)測層用于預(yù)測待識別用戶為異常團(tuán)伙用戶的概率以及預(yù)測異常團(tuán)伙的欺詐類別；

4、獲取待識別用戶的當(dāng)前數(shù)據(jù)，所述當(dāng)前數(shù)據(jù)包括所述待識別用戶對應(yīng)終端設(shè)備的設(shè)備數(shù)據(jù)、位置數(shù)據(jù)、通信行為數(shù)據(jù)以及訪問行為數(shù)據(jù)；

5、將所述待識別用戶的當(dāng)前數(shù)據(jù)輸入至所述目標(biāo)異常團(tuán)伙識別模型，得到識別結(jié)果。

6、可選地，所述構(gòu)建目標(biāo)異常團(tuán)伙識別模型，包括：

7、獲取歷史異常團(tuán)伙特征信息；

8、獲取正常用戶的歷史數(shù)據(jù)；

9、將所述歷史數(shù)據(jù)輸入至異常團(tuán)伙特征生成模型生成模擬異常團(tuán)伙特征信息，其中，所述異常團(tuán)伙特征生成模型的結(jié)構(gòu)包括多個生成器和一個判別器；

10、通過所述歷史異常團(tuán)伙特征信息和所述模擬異常團(tuán)伙特征信息對初始異常團(tuán)伙識別模型進(jìn)行模型訓(xùn)練，得到目標(biāo)異常團(tuán)伙識別模型。

11、可選地，所述將所述歷史數(shù)據(jù)輸入至異常團(tuán)伙特征生成模型生成模擬異常團(tuán)伙特征信息之前，還包括：

12、獲取正常用戶的樣本特征數(shù)據(jù)、預(yù)設(shè)擾動權(quán)重以及預(yù)設(shè)擾動值；

13、根據(jù)所述樣本特征數(shù)據(jù)、所述預(yù)設(shè)擾動權(quán)重以及所述預(yù)設(shè)擾動值構(gòu)建預(yù)設(shè)擾動函數(shù)；

14、將所述樣本特征數(shù)據(jù)輸入至多個生成器進(jìn)行異常團(tuán)伙特征生成模型的模型訓(xùn)練；

15、通過所述生成器的模型參數(shù)、所述樣本特征數(shù)據(jù)以及所述預(yù)設(shè)擾動函數(shù)輸出模擬異常團(tuán)伙樣本特征；

16、將所述模擬異常團(tuán)伙樣本特征輸入至判別器進(jìn)行判定，得到判定結(jié)果；

17、在所述判定結(jié)果為所述模擬異常團(tuán)伙樣本特征符合實際異常團(tuán)伙特征時，停止模型訓(xùn)練，得到異常團(tuán)伙特征生成模型。

18、可選地，所述將所述模擬異常團(tuán)伙樣本特征輸入至判別器進(jìn)行判定，得到判定結(jié)果之后，還包括：

19、在所述判定結(jié)果為所述模擬異常團(tuán)伙樣本特征不符合實際異常團(tuán)伙特征時，通過計算梯度更新每個生成器的模型參數(shù)；

20、根據(jù)更新的模型參數(shù)返回所述通過所述生成器的模型參數(shù)、所述樣本特征數(shù)據(jù)以及所述預(yù)設(shè)擾動函數(shù)輸出模擬異常團(tuán)伙樣本特征的步驟。

21、可選地，所述將所述模擬異常團(tuán)伙樣本特征輸入至判別器進(jìn)行判定，得到判定結(jié)果，包括：

22、獲取異常團(tuán)伙特征生成模型的超參數(shù)；

23、在判別器對所述模擬異常團(tuán)伙樣本特征進(jìn)行判定時，獲取判別器的靈敏度和特異性；

24、在所述判別器的靈敏度和特異性大于所述超參數(shù)時，得到所述模擬異常團(tuán)伙樣本特征不符合實際異常團(tuán)伙特征的判定結(jié)果；

25、在所述判別器的靈敏度和特異性小于等于所述超參數(shù)時，得到所述模擬異常團(tuán)伙樣本特征符合實際異常團(tuán)伙特征的判定結(jié)果。

26、可選地，所述獲取歷史異常團(tuán)伙特征信息，包括：

27、獲取異常團(tuán)伙的歷史異常數(shù)據(jù)；

28、根據(jù)所述歷史異常數(shù)據(jù)構(gòu)建關(guān)系圖譜；

29、將所述關(guān)系圖譜劃分為多個連通子圖；

30、計算所述連通子圖的密度指標(biāo)，通過所述密度指標(biāo)進(jìn)行篩選，得到異常團(tuán)伙中的異常用戶的深層網(wǎng)絡(luò)信息；

31、通過所述異常用戶的深層網(wǎng)絡(luò)信息得到歷史異常團(tuán)伙特征信息。

32、可選地，所述將所述待識別用戶的當(dāng)前數(shù)據(jù)輸入至所述目標(biāo)異常團(tuán)伙識別模型，得到識別結(jié)果，包括：

33、將所述待識別用戶的當(dāng)前數(shù)據(jù)輸入至所述目標(biāo)異常團(tuán)伙識別模型；

34、通過所述目標(biāo)異常團(tuán)伙識別模型中預(yù)測層的第一預(yù)測層預(yù)測所述待識別用戶為異常團(tuán)伙用戶的概率；

35、在所述概率大于預(yù)設(shè)概率閾值時，將待識別用戶作為異常用戶；

36、通過所述預(yù)測層的第二預(yù)測層預(yù)測所述異常用戶的欺詐類別；

37、將所述異常團(tuán)伙用戶的概率和所述欺詐類別作為識別結(jié)果。

38、此外，為實現(xiàn)上述目的，本發(fā)明還提出一種異常團(tuán)伙識別裝置，所述異常團(tuán)伙識別裝置包括：

39、構(gòu)建模塊，用于構(gòu)建目標(biāo)異常團(tuán)伙識別模型，其中，所述目標(biāo)異常團(tuán)伙識別模型的結(jié)構(gòu)包括輸入層、嵌入層以及預(yù)測層，所述輸入層用于在構(gòu)建目標(biāo)異常團(tuán)伙識別模型時輸入歷史異常團(tuán)伙特征信息以及模擬異常團(tuán)伙特征信息，所述預(yù)測層用于預(yù)測待識別用戶為異常團(tuán)伙用戶的概率以及預(yù)測異常團(tuán)伙的欺詐類別；

40、獲取模塊，用于獲取待識別用戶的當(dāng)前數(shù)據(jù)，所述當(dāng)前數(shù)據(jù)包括所述待識別用戶對應(yīng)終端設(shè)備的設(shè)備數(shù)據(jù)、位置數(shù)據(jù)、通信行為數(shù)據(jù)以及訪問行為數(shù)據(jù)；

41、輸入模塊，用于將所述待識別用戶的當(dāng)前數(shù)據(jù)輸入至所述目標(biāo)異常團(tuán)伙識別模型，得到識別結(jié)果。

42、此外，為實現(xiàn)上述目的，本發(fā)明還提出一種異常團(tuán)伙識別設(shè)備，所述異常團(tuán)伙識別設(shè)備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運(yùn)行的異常團(tuán)伙識別程序，所述異常團(tuán)伙識別程序配置為實現(xiàn)如上文所述的異常團(tuán)伙識別方法的步驟。

43、此外，為實現(xiàn)上述目的，本發(fā)明還提出一種存儲介質(zhì)，所述存儲介質(zhì)上存儲有異常團(tuán)伙識別程序，所述異常團(tuán)伙識別程序被處理器執(zhí)行時實現(xiàn)如上文所述的異常團(tuán)伙識別方法的步驟。

44、本發(fā)明通過構(gòu)建目標(biāo)異常團(tuán)伙識別模型，其中，所述目標(biāo)異常團(tuán)伙識別模型的結(jié)構(gòu)包括輸入層、嵌入層以及預(yù)測層，所述輸入層用于在構(gòu)建目標(biāo)異常團(tuán)伙識別模型時輸入歷史異常團(tuán)伙特征信息以及模擬異常團(tuán)伙特征信息，所述預(yù)測層用于預(yù)測待識別用戶為異常團(tuán)伙用戶的概率以及預(yù)測異常團(tuán)伙的欺詐類別；獲取待識別用戶的當(dāng)前數(shù)據(jù)，所述當(dāng)前數(shù)據(jù)包括所述待識別用戶對應(yīng)終端設(shè)備的設(shè)備數(shù)據(jù)、位置數(shù)據(jù)、通信行為數(shù)據(jù)以及訪問行為數(shù)據(jù)；將所述待識別用戶的當(dāng)前數(shù)據(jù)輸入至所述目標(biāo)異常團(tuán)伙識別模型，得到識別結(jié)果，通過提前構(gòu)建目標(biāo)異常團(tuán)伙識別模型，并使用當(dāng)前數(shù)據(jù)通過構(gòu)建的目標(biāo)異常團(tuán)伙識別模型識別異常團(tuán)伙，可從數(shù)據(jù)中精準(zhǔn)識別異常團(tuán)伙，提高識別能力和準(zhǔn)確性。

技術(shù)特征：

1.一種異常團(tuán)伙識別方法，其特征在于，所述異常團(tuán)伙識別方法包括：

2.如權(quán)利要求1所述的異常團(tuán)伙識別方法，其特征在于，所述構(gòu)建目標(biāo)異常團(tuán)伙識別模型，包括：

3.如權(quán)利要求2所述的異常團(tuán)伙識別方法，其特征在于，所述將所述歷史數(shù)據(jù)輸入至異常團(tuán)伙特征生成模型生成模擬異常團(tuán)伙特征信息之前，還包括：

4.如權(quán)利要求3所述的異常團(tuán)伙識別方法，其特征在于，所述將所述模擬異常團(tuán)伙樣本特征輸入至判別器進(jìn)行判定，得到判定結(jié)果之后，還包括：

5.如權(quán)利要求3所述的異常團(tuán)伙識別方法，其特征在于，所述將所述模擬異常團(tuán)伙樣本特征輸入至判別器進(jìn)行判定，得到判定結(jié)果，包括：

6.如權(quán)利要求2所述的異常團(tuán)伙識別方法，其特征在于，所述獲取歷史異常團(tuán)伙特征信息，包括：

7.如權(quán)利要求1至6中任一項所述的異常團(tuán)伙識別方法，其特征在于，所述將所述待識別用戶的當(dāng)前數(shù)據(jù)輸入至所述目標(biāo)異常團(tuán)伙識別模型，得到識別結(jié)果，包括：

8.一種異常團(tuán)伙識別裝置，其特征在于，所述異常團(tuán)伙識別裝置包括：

9.一種異常團(tuán)伙識別設(shè)備，其特征在于，所述異常團(tuán)伙識別設(shè)備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運(yùn)行的異常團(tuán)伙識別程序，所述異常團(tuán)伙識別程序配置為實現(xiàn)如權(quán)利要求1至7中任一項所述的異常團(tuán)伙識別方法。

10.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)上存儲有異常團(tuán)伙識別程序，所述異常團(tuán)伙識別程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至7中任一項所述的異常團(tuán)伙識別方法。

技術(shù)總結(jié)
本發(fā)明公開了一種異常團(tuán)伙識別方法、裝置、設(shè)備及存儲介質(zhì)，屬于風(fēng)險識別技術(shù)領(lǐng)域。本發(fā)明通過構(gòu)建目標(biāo)異常團(tuán)伙識別模型；獲取待識別用戶的當(dāng)前數(shù)據(jù)，所述當(dāng)前數(shù)據(jù)包括所述待識別用戶對應(yīng)終端設(shè)備的設(shè)備數(shù)據(jù)、位置數(shù)據(jù)、通信行為數(shù)據(jù)以及訪問行為數(shù)據(jù)；將所述待識別用戶的當(dāng)前數(shù)據(jù)輸入至所述目標(biāo)異常團(tuán)伙識別模型，得到識別結(jié)果，通過提前構(gòu)建目標(biāo)異常團(tuán)伙識別模型，并使用待識別用戶對應(yīng)終端設(shè)備的設(shè)備數(shù)據(jù)、位置數(shù)據(jù)、通信行為數(shù)據(jù)以及訪問行為數(shù)據(jù)通過構(gòu)建的目標(biāo)異常團(tuán)伙識別模型識別異常團(tuán)伙，使得動態(tài)和靜態(tài)數(shù)據(jù)中隱藏的信息得到充分的挖掘，可從數(shù)據(jù)中精準(zhǔn)識別異常團(tuán)伙，提高識別能力和準(zhǔn)確性。

技術(shù)研發(fā)人員：饒凱,胡博
受保護(hù)的技術(shù)使用者：中移動金融科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21