[發明專利]一種異常交易的檢測方法、裝置及存儲介質

在審

• 申請號: 201811320811.4
• 申請日: 2018-11-07
• 公開（公告）號: CN109558416A
• 公開（公告）日: 2019-04-02
• 發明（設計）人: 王強;彭烈;王彥丞;張幼萍
• 申請（專利權）人: 北京先進數通信息技術股份公司
• 主分類號: G06F16/242
• 分類號: G06F16/242;G06Q40/02
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

本申請實施例提供了一種異常交易的檢測方法、裝置及存儲介質，該方法包括：獲取需要檢測的交易的當前數據；根據預設的量化指標，對當前數據進行分類聚合，以確定分類聚合參數；利用核密度算法結合預先根據時間動態窗口確定的核密度樣本，確定分類聚合參數的概率密度；根據概率密度，結合核密度樣本，確定需要檢測的交易是否為異常交易。因此，通過核密度算法對具有變化模式復雜、變化范圍很小、有時間序列特性的流數據進行異常值檢測，能夠實現無監督的情況下對交易數據進行分析處理，快速準確的確定交易是否為異常。

技術領域

本申請涉及數據處理領域，特別是涉及一種異常交易的檢測方法、裝置及存儲介質。

背景技術

隨著我國信用卡發卡量和交易量的不斷增長，信用卡交易中的欺詐交易也急劇上升。加強對信用卡欺詐的識別和防范，已成為銀行風險控制的一個焦點?，F有技術中，商業銀行針對信用卡交易數據中欺詐行為的少量性和異常性，采用的方式基本都是專家規則體系兼有少量的行為分析模型，基于專家規則體系的異常交易監測系統，規則監測的范圍很多都是單渠道，跨渠道的監測基本不設防。且當專家規則更新不及時，將會出現較多誤報警信息，銀行業務人員需要花資源去甄別交易是否異常，人工成本高。

發明內容

鑒于上述問題，本申請實施例提供一種異常交易的檢測方法，解決現有技術中存在的成本高和無法跨渠道的問題。

相應的，本申請實施例還提供了一種異常交易的檢測裝置。

為了解決上述問題，本申請實施例公開了一種異常交易的檢測方法，所述方法包括：

獲取需要檢測的交易的當前數據；

根據預設的量化指標，對所述當前數據進行分類聚合，以確定分類聚合參數；

利用核密度算法結合預先根據時間動態窗口確定的核密度樣本，確定所述分類聚合參數的概率密度；

根據所述概率密度，結合所述核密度樣本，確定所述需要檢測的交易是否為異常交易。

相應的，本申請實施例還公開了一種異常交易的檢測裝置，包括：

數據獲取模塊，用于獲取需要檢測的交易的當前數據；

分類聚合模塊，用于根據預設的量化指標，對所述當前數據進行分類聚合，以確定分類聚合參數；

密度確定模塊，用于利用核密度算法結合預先根據時間動態窗口確定的核密度樣本，確定所述分類聚合參數的概率密度；

交易確定模塊，用于根據所述概率密度，結合所述核密度樣本，確定所述需要檢測的交易是否為異常交易。

本申請實施例還提供一種裝置，包括處理器以及存儲器，其中，

所述處理器執行所述存儲器所存放的計算機程序代碼，以實現本申請所述的異常交易的檢測方法。

本申請實施例還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲計算機程序，所述計算機程序被處理器執行時實現本申請所述的異常交易的檢測方法的步驟。

本申請實施例包括以下優點：

本申請實施例通過獲取需要檢測的交易的當前數據；根據預設的量化指標，對所述當前數據進行分類聚合，以確定分類聚合參數；利用核密度算法結合預先根據時間動態窗口確定的核密度樣本，確定所述分類聚合參數的概率密度；根據所述概率密度，結合所述核密度樣本，確定所述需要檢測的交易是否為異常交易。因此，通過核密度算法對具有變化模式復雜、變化范圍很小、有時間序列特性的流數據進行異常值檢測，能夠實現無監督的情況下對交易數據進行分析處理，快速準確的確定交易是否為異常。

附圖說明

圖1是本申請的一種異常交易的檢測方法實施例的步驟流程圖；