[發明專利]一種金融欺詐的檢測方法及裝置

在審

• 申請號: 202011552836.4
• 申請日: 2020-12-24
• 公開（公告）號: CN113159778A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 康悠杰;黃勝藍;袁滿
• 申請（專利權）人: 西安四葉草信息技術有限公司
• 主分類號: G06Q20/40
• 分類號: G06Q20/40;G06Q30/00;G06Q40/04;G06N3/04;G06N3/08
• 代理公司: 北京挺立專利事務所(普通合伙) 11265
• 代理人: 韓暢

本公開提供一種金融欺詐的檢測方法及裝置，涉及金融風控領域，能夠解決現有技術中對于金融欺詐團伙難以識別的問題。具體技術方案為：首先獲取目標圖數據；然后對目標圖數據進行圖神經網絡模型學習，獲得異常賬戶；根據異常賬戶，對目標圖數據進行圖計算，獲得異常商戶；最后根據異常商戶，對目標圖數據運行圖算法，獲得關聯商戶和關聯賬戶。本公開用于金融欺詐行為的檢測。

技術領域

本公開涉及金融風控技術領域，尤其涉及一種金融欺詐的檢測方法及裝置。

背景技術

當前社會，團伙作案成為了金融欺詐領域中較為嚴重的問題，在套現、將非法所得合法化、惡意薅羊毛等案例中都能挖掘出不少團伙組織，如零售終端pos機養卡團伙等。

在金融反欺詐領域，對于異常的監測與識別一般都基于復雜的規則模型，利用業務人員的經驗編寫大量的識別策略，并通過調整閾值與權重來抓取惡意目標。這種方案不但難以維護，準確率差，更重要的是，一般只能以單個目標為對象進行判定與預測，難以從團伙的角度去抓取可能存在的惡意欺詐組織。

發明內容

本公開實施例提供一種金融欺詐的檢測方法及裝置，能夠解決現有技術中對于金融欺詐團伙難以識別的問題。所述技術方案如下：

根據本公開實施例的第一方面，提供一種金融欺詐的檢測方法，該方法包括：

獲取目標圖數據；

對所述目標圖數據進行圖神經網絡模型學習，獲得異常賬戶；

根據所述異常賬戶，對所述目標圖數據進行圖計算，獲得異常商戶；

根據所述異常商戶，對所述目標圖數據運行圖算法，獲得關聯商戶和關聯賬戶。

本公開實施例提供的金融欺詐的檢測方法，首先獲取目標圖數據；然后對目標圖數據進行圖神經網絡模型學習，獲得異常賬戶；根據異常賬戶，對目標圖數據進行圖計算，獲得異常商戶；最后根據異常商戶，對目標圖數據運行圖算法，獲得關聯商戶和關聯賬戶。本公開目標圖數據在得到單個異常賬戶和異常商戶后，再通過圖算法，挖掘出惡意欺詐團伙。本公開適配場景多且靈活，包括預防各種非法所得的合法化，反薅羊毛，反套現等案例，易于維護的同時，這種團伙維度的挖掘也有助于相關業務人員進行進一步的分析和管控。

在一個實施例中，獲取目標圖數據包括：

獲取原始數據，所述原始數據包括賬戶的借記卡信息、信用卡信息以及所述賬戶對應的交易流水信息；

對所述原始數據添加節點特征和邊特征，獲得圖數據庫，所述節點特征包括賬戶和商戶，所述邊特征包括交易流水信息；

在所述圖數據庫中提取所述目標圖數據。

本公開實施例通過上述方法，獲取原始數據，并對原始數據添加節點特征和邊特征，形成圖數據庫。

在一個實施例中，對所述目標圖數據進行圖神經網絡模型學習之后，所述方法還包括：

獲得目標圖數據中每兩個相鄰節點連邊的權重值。

在一個實施例中，根據所述異常賬戶，對所述目標圖數據進行圖計算，獲得異常商戶包括：

根據所述異常賬戶，對所述目標圖數據進行基于賬戶節點特征，商戶節點特征，交易流水信息邊特征的圖計算，獲得異常商戶，所述交易流水信息至少包括交易金額，類型，出入度中的一種。

在一個實施例中，根據所述異常商戶，對所述目標圖數據運行圖算法，獲得關聯商戶和關聯賬戶包括：

獲取第i個出發節點的關聯值以及與所述第i個出發節點的一階鄰節點對應的N個目的節點，其中，i≥1，N≥1；