[發(fā)明專利]一種基于時(shí)間序列聚類檢測異常風(fēng)險(xiǎn)賬戶的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011389228.6
• 申請(qǐng)日: 2020-12-01
• 公開（公告）號(hào): CN112381546A
• 公開（公告）日: 2021-02-19
• 發(fā)明（設(shè)計(jì)）人: 施炎;徐德華;徐華建;余杰潮;湯敏偉;李真
• 申請(qǐng)（專利權(quán)）人: 天翼電子商務(wù)有限公司
• 主分類號(hào): G06Q20/40
• 分類號(hào): G06Q20/40;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于時(shí)間序列聚類檢測異常風(fēng)險(xiǎn)賬戶的方法，從電商交易風(fēng)險(xiǎn)評(píng)估的現(xiàn)狀及存在的問題出發(fā),通過對(duì)國內(nèi)外電商平臺(tái)交易風(fēng)險(xiǎn)評(píng)估模式的方法進(jìn)行了研究分析,以風(fēng)險(xiǎn)管理的方法論為指導(dǎo),結(jié)合風(fēng)險(xiǎn)交易業(yè)務(wù)特征分析,提出了基于時(shí)間序列聚類檢測異常風(fēng)險(xiǎn)賬戶的方法。本發(fā)明設(shè)計(jì)了一種基于時(shí)間序列聚類檢測異常風(fēng)險(xiǎn)賬戶的方法。與傳統(tǒng)的風(fēng)控規(guī)則和直接聚類相比；使用時(shí)間序列的數(shù)據(jù)擴(kuò)展了聚類數(shù)據(jù)的范圍，能在時(shí)間維度上將相似或者相近的行為聚集在一起，從而有效的檢測刷單、非法套利、黃牛搶購等行為的風(fēng)險(xiǎn)賬戶。

技術(shù)領(lǐng)域

本發(fā)明涉及新興信息技術(shù)領(lǐng)域，特別涉及一種基于時(shí)間序列聚類檢測異常風(fēng)險(xiǎn)賬戶的方法。

背景技術(shù)

近年來,電子商務(wù)發(fā)展迅猛,網(wǎng)上訂餐、購物成為了人們最重要的消費(fèi)形式。在繁榮的背后，一些電子商務(wù)平臺(tái)上的刷單、非法套利、黃牛搶購等大量的交易風(fēng)險(xiǎn)問題集中爆發(fā),交易風(fēng)險(xiǎn)管理手段的落后成為了阻礙平臺(tái)健康發(fā)展的瓶頸,給電商平臺(tái)帶來了極大的損失,也影響了普通客戶的權(quán)益,電商平臺(tái)的公平、公正、真實(shí)性受到了公眾的質(zhì)疑。而電商在交易風(fēng)險(xiǎn)管理上經(jīng)驗(yàn)還比較薄弱,風(fēng)險(xiǎn)管理起步比較晚,電商還主要依靠業(yè)務(wù)人員的經(jīng)驗(yàn)來進(jìn)行交易的風(fēng)險(xiǎn)評(píng)估。隨著業(yè)務(wù)量的增長和業(yè)務(wù)的復(fù)雜性提高,特別是黃牛公司和水軍公司等黑色產(chǎn)業(yè)鏈的專業(yè)化發(fā)展,傳統(tǒng)的交易風(fēng)險(xiǎn)管理模式已經(jīng)不能滿足風(fēng)險(xiǎn)管理的發(fā)展需要。因此,構(gòu)建一套科學(xué)智能的交易風(fēng)險(xiǎn)評(píng)估體系來檢測異常風(fēng)險(xiǎn)和黑產(chǎn)賬戶對(duì)電商平臺(tái)的健康發(fā)展具有重大的意義。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是克服現(xiàn)有技術(shù)的缺陷，提供一種基于時(shí)間序列聚類檢測異常風(fēng)險(xiǎn)賬戶的方法。

為了解決上述技術(shù)問題，本發(fā)明提供了如下的技術(shù)方案：

本發(fā)明一種基于時(shí)間序列聚類檢測異常風(fēng)險(xiǎn)賬戶的方法，包括以下步驟：

步驟1，數(shù)據(jù)獲取：獲取待研究區(qū)域的用戶交易數(shù)據(jù)，用戶操作數(shù)據(jù)，用戶基本屬性數(shù)據(jù)，其中用戶交易數(shù)據(jù)和操作數(shù)據(jù)包含每個(gè)操作和交易的詳細(xì)名稱和時(shí)間，用戶基本屬性數(shù)據(jù)包含用戶唯一標(biāo)識(shí)，是否中黑名單，地理位置相關(guān)信息等；

步驟2，數(shù)據(jù)預(yù)處理：將步驟1所獲取的數(shù)據(jù)，按照用戶先進(jìn)行分組，在每個(gè)用戶的組內(nèi)按照操作和交易發(fā)生的時(shí)間順序進(jìn)行排序；

步驟3，生成時(shí)間序列:將步驟2處理好的數(shù)據(jù)，將每個(gè)用戶的操作名稱和交易名稱按照時(shí)間順序排列形成第一操作-交易名稱序列；將每個(gè)用戶操作名稱和交易時(shí)間點(diǎn)按照時(shí)間順序排列形成第二操作-交易時(shí)間點(diǎn)序列；將每個(gè)用戶操作名稱和交易時(shí)間點(diǎn)按照時(shí)間順序后一個(gè)時(shí)間點(diǎn)減去前一個(gè)時(shí)間點(diǎn)形成第三操作-交易時(shí)間間隔序列；

步驟4，時(shí)間序列數(shù)值化:對(duì)于第一操作-交易名稱序列,首先使用seq2seq方法對(duì)名稱序列建模，然后利用該模型對(duì)該序列的每個(gè)名稱進(jìn)行向量化，最后將該序列中所有名稱向量化后的結(jié)果相加求平均值；對(duì)于第二操作-交易時(shí)間點(diǎn)序列，將該序列的每個(gè)時(shí)間點(diǎn)減去一個(gè)固定的時(shí)間節(jié)點(diǎn)(如2020年01月01日)計(jì)算結(jié)果根據(jù)需要保存為天，時(shí)，分或者秒；對(duì)于第三操作-交易時(shí)間間隔序列，根據(jù)需求直接換算成天，時(shí)，分或者秒；

步驟5，時(shí)間序列聚類分組：以步驟4第一操作-交易名稱序列的向量做為輸入值，使用MeanShift聚類算法進(jìn)行聚類分組，將在時(shí)間上具有相似操作和交易的用戶分到相同的組中并給每個(gè)組編號(hào)；

步驟6，時(shí)間序列組內(nèi)指標(biāo)計(jì)算：計(jì)算每個(gè)組內(nèi)用戶的黑樣本占比，平均操作交易時(shí)間，平均序列長度等業(yè)務(wù)指標(biāo)，把超過業(yè)務(wù)指標(biāo)的認(rèn)定為異常風(fēng)險(xiǎn)賬戶。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果如下：

本發(fā)明設(shè)計(jì)了一種基于時(shí)間序列聚類檢測異常風(fēng)險(xiǎn)賬戶的方法。與傳統(tǒng)的風(fēng)控規(guī)則和直接聚類相比；使用時(shí)間序列的數(shù)據(jù)擴(kuò)展了聚類數(shù)據(jù)的范圍，能在時(shí)間維度上將相似或者相近的行為聚集在一起，從而有效的檢測刷單、非法套利、黃牛搶購等行為的風(fēng)險(xiǎn)賬戶。

附圖說明