[發(fā)明專(zhuān)利]基于關(guān)系圖譜學(xué)習(xí)的欺詐分析方法、系統(tǒng)、介質(zhì)及設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202010436169.7
• 申請(qǐng)日: 2020-05-21
• 公開(kāi)（公告）號(hào): CN111639690A
• 公開(kāi)（公告）日: 2020-09-08
• 發(fā)明（設(shè)計(jì)）人: 蔣昌俊;丁志軍;章昭輝;閆春鋼;王成;王鑫塵
• 申請(qǐng)（專(zhuān)利權(quán)）人: 同濟(jì)大學(xué)
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06F16/28;G06Q40/02
• 代理公司: 上海光華專(zhuān)利事務(wù)所(普通合伙) 31219
• 代理人: 徐秋平

本發(fā)明提供一種基于關(guān)系圖譜學(xué)習(xí)的欺詐分析方法、系統(tǒng)、介質(zhì)及設(shè)備，所述基于關(guān)系圖譜學(xué)習(xí)的欺詐分析方法包括：根據(jù)用戶的信息記錄構(gòu)建異質(zhì)關(guān)系圖譜；對(duì)所述信息記錄和異質(zhì)關(guān)系圖譜進(jìn)行特征提取，以獲取多個(gè)用戶信息特征，通過(guò)所述用戶信息特征標(biāo)識(shí)該用戶的信息錄入行為；將多個(gè)所述用戶信息特征分別輸入一級(jí)分類(lèi)器中進(jìn)行初級(jí)分類(lèi)；將所有初級(jí)分類(lèi)的結(jié)果輸入二級(jí)分類(lèi)器中進(jìn)行分類(lèi)決策，以輸出該用戶是否為欺詐用戶的分類(lèi)結(jié)果；所述二級(jí)分類(lèi)器是由所述一級(jí)分類(lèi)器進(jìn)行模型融合后確定的集成式分類(lèi)器。本發(fā)明利用多維度特征訓(xùn)練各個(gè)初級(jí)分類(lèi)器，并對(duì)各個(gè)初級(jí)分類(lèi)器進(jìn)行模型融合，全面提升欺詐識(shí)別的性能指標(biāo)。

技術(shù)領(lǐng)域

本發(fā)明涉及欺詐分析的技術(shù)領(lǐng)域，涉及一種欺詐分析方法，特別是涉及一種基于關(guān)系圖譜學(xué)習(xí)的欺詐分析方法、系統(tǒng)、介質(zhì)及設(shè)備。

背景技術(shù)

目前，互聯(lián)網(wǎng)欺詐現(xiàn)象的普遍存在，甚至給部分交易用戶造成了重大的損失。但是互聯(lián)網(wǎng)平臺(tái)并沒(méi)能提出系統(tǒng)性的解決方法，用于在交易過(guò)程中識(shí)別欺詐者，它們只是利用用戶的交易行為和個(gè)人信息來(lái)判斷用戶的可信性。目前最流行的電子商務(wù)互聯(lián)網(wǎng)平臺(tái)，如國(guó)外的eBay和國(guó)內(nèi)的淘寶，它們正在使用的是基于反饋累積的信譽(yù)評(píng)價(jià)機(jī)制。由于用戶的信譽(yù)度是通過(guò)評(píng)分來(lái)計(jì)算，而這種評(píng)分基于簡(jiǎn)單的反饋評(píng)價(jià)機(jī)制，所以欺詐者們可以創(chuàng)建多個(gè)賬號(hào)，通過(guò)多個(gè)賬號(hào)之間的虛假交易來(lái)提高他們的信譽(yù)度，這種方式被稱為團(tuán)伙欺詐。而目前存在著一種更加流行的欺詐方式，欺詐者們通過(guò)刷信譽(yù)平臺(tái)來(lái)提升自己的信譽(yù)度。由于通過(guò)平臺(tái)方式形成的欺詐團(tuán)伙會(huì)很大，并且團(tuán)伙成員間的關(guān)系簡(jiǎn)單。所以，很難通過(guò)目前的方法來(lái)檢測(cè)出欺詐者用戶，甚至是欺詐團(tuán)伙。因此，對(duì)于互聯(lián)網(wǎng)平臺(tái)提出的反饋評(píng)價(jià)機(jī)制，從某種意義上促進(jìn)了互聯(lián)網(wǎng)的欺詐行為。

關(guān)系圖譜指的是一種基于圖的數(shù)據(jù)結(jié)構(gòu)，由節(jié)點(diǎn)和邊組成。每個(gè)節(jié)點(diǎn)代表一個(gè)個(gè)體，每條邊為個(gè)體與個(gè)體之間的關(guān)系。關(guān)系圖譜把不同的個(gè)體按照其關(guān)系連接在一起，從而提供了從“關(guān)系”的角度分析問(wèn)題的能力。這更有利于從正常行為中識(shí)別出到異常的團(tuán)伙欺詐行為。

集成學(xué)習(xí)是先通過(guò)一定的規(guī)則生成多個(gè)學(xué)習(xí)器，再采用某種集成策略進(jìn)行組合，最后綜合判斷輸出最終結(jié)果。一般而言,通常所說(shuō)的集成學(xué)習(xí)中的多個(gè)學(xué)習(xí)器都是同質(zhì)的“弱學(xué)習(xí)器”,基于該弱學(xué)習(xí)器,通過(guò)樣本集擾動(dòng)、輸入特征擾動(dòng)、輸出表示擾動(dòng)、算法參數(shù)擾動(dòng)等方式生成多個(gè)學(xué)習(xí)器,進(jìn)行集成后獲得一個(gè)精度較好的“強(qiáng)學(xué)習(xí)器”。隨著集成學(xué)習(xí)研究的深入，它是指對(duì)多個(gè)學(xué)習(xí)器集合采用學(xué)習(xí)的方式，而不對(duì)學(xué)習(xí)器性質(zhì)加以區(qū)分。根據(jù)這一定義，多學(xué)習(xí)器系統(tǒng)、多專(zhuān)家混合以及基于委員會(huì)的學(xué)習(xí)等多個(gè)領(lǐng)域都可以納入到集成學(xué)習(xí)中。但目前仍然以同質(zhì)分類(lèi)器的集成學(xué)習(xí)研究居多。

集成學(xué)習(xí)的第一個(gè)問(wèn)題就是如何得到若干個(gè)個(gè)體學(xué)習(xí)器。這里有兩種選擇。第一種就是所有的個(gè)體學(xué)習(xí)器都是一個(gè)種類(lèi)的，或者說(shuō)是同質(zhì)的，同質(zhì)集成中的個(gè)體學(xué)習(xí)器也稱為“基學(xué)習(xí)器”，相應(yīng)的學(xué)習(xí)算法稱為“基學(xué)習(xí)算法”。比如都是決策樹(shù)個(gè)體學(xué)習(xí)器，或者都是神經(jīng)網(wǎng)絡(luò)個(gè)體學(xué)習(xí)器。第二種是所有的個(gè)體學(xué)習(xí)器不全是一個(gè)種類(lèi)的，或者說(shuō)是異質(zhì)的。比如對(duì)訓(xùn)練集采用支持向量機(jī)個(gè)體學(xué)習(xí)器，邏輯回歸個(gè)體學(xué)習(xí)器和樸素貝葉斯個(gè)體學(xué)習(xí)器來(lái)學(xué)習(xí)，再通過(guò)某種結(jié)合策略來(lái)確定最終的分類(lèi)強(qiáng)學(xué)習(xí)器。這時(shí)個(gè)體學(xué)習(xí)器一般不稱為基學(xué)習(xí)器，而稱作“組件學(xué)習(xí)器”或直接稱為個(gè)體學(xué)習(xí)器。根據(jù)個(gè)體學(xué)習(xí)器生成方式的不同，目前集成學(xué)習(xí)方法大致可分為三大類(lèi)，第一個(gè)是個(gè)體學(xué)習(xí)器之間存在強(qiáng)依賴關(guān)系，一系列個(gè)體學(xué)習(xí)器基本都需要串行生成的序列化方法，代表算法是boosting系列算法，第二個(gè)是個(gè)體學(xué)習(xí)器之間不存在強(qiáng)依賴關(guān)系，一系列個(gè)體學(xué)習(xí)器可以并行生成，代表算法是bagging和隨機(jī)森林系列算法。第三個(gè)是子學(xué)習(xí)器之間是異質(zhì)的，代表算法是Stacking算法。

因此，如何提供一種基于關(guān)系圖譜學(xué)習(xí)的欺詐分析方法、系統(tǒng)、介質(zhì)及設(shè)備，以解決現(xiàn)有技術(shù)無(wú)法有效結(jié)合用戶之間的各種關(guān)系進(jìn)行欺詐識(shí)別等缺陷，成為本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問(wèn)題。

發(fā)明內(nèi)容

鑒于以上所述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種基于關(guān)系圖譜學(xué)習(xí)的欺詐分析方法、系統(tǒng)、介質(zhì)及設(shè)備，用于解決現(xiàn)有技術(shù)無(wú)法有效結(jié)合用戶之間的各種關(guān)系進(jìn)行欺詐識(shí)別的問(wèn)題。