[發明專利]一種網絡資金的智能分析系統及方法

在審

• 申請號: 202011272561.9
• 申請日: 2020-11-13
• 公開（公告）號: CN112463893A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 鄧昌智;屈曉春
• 申請（專利權）人: 中科金審（北京）科技有限公司
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06Q40/04;G06F21/31;G06N3/04;G06N3/08
• 代理公司: 重慶百潤洪知識產權代理有限公司 50219
• 代理人: 陳萬江

1.一種網絡資金的智能分析方法，其特征在于，包括以下步驟：

S101：犯罪特征采集并形成實體關系模型的拓撲圖G(V，E)，以點邊關系矩陣的方式進行存儲；

S102：通過深度神經網絡進行樣本訓練，建立聚類模型；

S103：根據聚類后的實體關系模型確定資金的流向。

2.根據權利要求1所述的一種網絡資金的智能分析方法，其特征在于，所述步驟S101中的實體關系模型中包括節點V和E邊兩個元素，節點V表示個人、企業或賬戶，邊E表示交易明細數據。

3.根據權利要求1所述的一種網絡資金的智能分析方法，其特征在于，所述步驟S102中通過深度神經網絡進行樣本訓練，建立聚類模型的過程包括：

S10201：采集交易次數超過20的賬戶作為樣本數據，賬戶分為核心賬戶、經營性賬戶和過渡賬戶，以及分別與核心賬戶、經營性賬戶和過渡賬戶相關聯的特征；

S10202：采用sigmoid函數對絕對量的特征指標進行變換；

S10203：對樣本特征進行描述性統計，刪除樣本特征取值單一的特征；

S10204：計算各樣本特征之間的皮爾遜相關系數，刪除皮爾遜相關系數大于0.8的樣本特征；

S10205：根據肘點法確定簇數，建立聚類模型；

S10206：統計聚類模型中每一類的樣本量，刪除樣本量小于5的類，計算新增樣本特征與保留類中的樣本特征的互信息，刪除保留類中樣本特征的互信息均低于0.1的樣本特征。

4.根據權利要求2所述的一種網絡資金的智能分析方法，其特征在于，所述步驟S103中確定資金的流向的過程包括：

S10301：數據抽取：首先，抽取聚類模型中的核心賬戶和過渡賬戶，根據交易明細數據獲取與核心賬戶和過渡賬戶相關的出入賬戶，根據出入賬戶信息獲取歷史案件相關的信息數據；

S10302：將出入賬戶信息的身份證號碼與出入賬戶信息與歷史案件相關的信息數據進行對比，得到包含相同身份證號碼的歷史案件數據；

S10303：將具有相同身份證號碼賬戶的關聯特征與歷史案件的關聯特征進行比對，獲取可疑案件線索類別的賬戶集。

5.一種網絡資金的智能分析系統，其特征在于，包括數據采集模塊、數據存儲模塊、數據分析模塊和數據輸出模塊，

所述數據采集模塊用于采集犯罪特征，犯罪特征包括個人、企業或賬戶，以及與個人、企業或賬戶相關的交易數據，并將個人、企業或賬戶作為節點，與個人、企業或賬戶相關的交易明細數據作為交易數據作為邊，形成實體關系數據模型；

所述數據存儲模塊用于以點邊關系矩陣的方式存儲犯罪特征，并通過深度神經網絡進行樣本訓練，建立聚類模型；

所述數據分析模塊用于根據聚類模型中的核心賬戶和過渡賬戶，根據交易明細數據獲取與核心賬戶和過渡賬戶相關的出入賬戶，根據出入賬戶與歷史案件的信息數據進行對比，獲取可疑案件線索類別的賬戶集；

所述數據輸出模塊用于以關系圖的形式顯示數據分析的結果。

6.根據權利要求5所述的一種網絡資金的智能分析系統，其特征在于，所述交易明細數據包括賬戶類型、注冊信息、資金交易金額、交易時間、交易方式、交易頻率和交易對象。

7.根據權利要求5所述的一種網絡資金的智能分析系統，其特征在于，所述歷史案件的信息數據包括案件的類型、涉案人員、涉案企業、涉案賬戶、高危地區和黑名單庫。