[發明專利]交易異常驗證方法、裝置、設備及存儲介質

在審

• 申請號: 202210889916.1
• 申請日: 2022-07-25
• 公開（公告）號: CN115170320A
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 賈臻
• 申請（專利權）人: 金蝶軟件（中國）有限公司
• 主分類號: G06Q40/04
• 分類號: G06Q40/04;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 吳松濱

1.一種交易異常驗證方法，其特征在于，應用于操作后臺，所述方法包括：

響應于用戶端發起的第一交易請求，調用與所述第一交易請求存在先后時序關系的歷史交易請求，所述第一交易請求攜帶有多種第一單據特征數據，所述歷史交易請求攜帶有多種歷史單據特征數據；

利用與所述第一交易請求的交易類型對應的目標模糊神經網絡，基于所述歷史單據特征數據，從多個驗證維度對多種所述第一單據特征數據進行異常驗證，得到第一目標驗證值，其中每種交易類型對應的模糊神經網絡的網絡參數不同，所述網絡參數包括每種單據特征在每個所述驗證維度時對應的維度權重；

若所述第一目標驗證值滿足預設異常條件，則判定所述第一交易請求為異常請求。

2.如權利要求1所述的交易異常驗證方法，其特征在于，所述利用與所述第一交易請求的交易類型對應的目標模糊神經網絡，基于所述歷史單據特征數據，從多個驗證維度對多種所述第一單據特征數據進行異常驗證，得到第一目標驗證值，包括：

對于每種所述第一單據特征數據，利用與所述第一交易請求的交易類型對應的目標模糊神經網絡，基于所述歷史單據特征數據，驗證所述第一單據特征數據在每個所述驗證維度時對應的維度驗證值；

基于所述目標模糊神經網絡的維度權重，對每種所述第一單據特征數據對應的多個所述維度驗證值進行加權，得到所述第一目標驗證值。

3.如權利要求2所述的交易異常驗證方法，其特征在于，所述驗證所述第一單據特征數據在每個所述驗證維度時對應的維度驗證值，包括：

基于每個所述驗證維度對應的符號函數，計算所述第一單據特征數據與所述歷史單據特征數據或維度數據之間的差值，所述維度數據為所述目標模糊神經網絡中的網絡參數；

基于所述差值，確定所述第一單據特征數據在所述驗證維度時對應的維度驗證值。

4.如權利要求1所述的交易異常驗證方法，其特征在于，所述利用與所述用戶端的用戶類型對應的目標模糊神經網絡，基于所述歷史單據特征數據，從多個驗證維度對多種所述第一單據特征數據進行異常驗證，得到第一目標驗證值之前，還包括：

獲取所述交易類型對應的交易單據特征樣本集，所述交易單據特征樣本集包括多組交易單據特征樣本；

利用預設模糊神經網絡，從多個驗證維度對所述交易單據特征樣本進行異常驗證，得到訓練值；

根據所述訓練值與預設閾值，計算所述預設模糊神經網絡的損失函數；

基于所述損失函數，更新所述預設模糊神經網絡的網絡參數，直至所述損失函數達到最小值，得到所述交易類型對應的目標模糊神經網絡。

5.如權利要求4所述的交易異常驗證方法，其特征在于，所述基于所述損失函數，更新所述預設模糊神經網絡的網絡參數，直至所述損失函數達到最小值，得到所述目標模糊神經網絡，包括：

利用梯度下降算法，根據所述損失函數，計算所述預設模糊神經網絡的最新網絡參數；

基于所述最新網絡參數，更新所述預設模糊神經網絡，得到新的預設模糊神經網絡；

利用所述交易單據特征樣本，對所述新的預設模糊神經網絡進行迭代訓練，計算所述新的預設模糊神經網絡的損失函數，并更新所述新的預設模糊神經網絡的網絡參數，直至所述損失函數達到最小值，得到所述交易類型對應的目標模糊神經網絡。

6.一種交易異常驗證方法，其特征在于，應用于通道后臺，所述通道后臺與操作后臺通信連接，所述方法包括：

響應于操作后臺發送的第二交易請求，調取與所述第二交易請求存在上下游關系的銀企單據信息，所述第二交易請求攜帶有多種第二單據特征數據，所述銀企單據信息包括多種銀企單據特征數據；

利用目標模糊神經網絡，基于所述銀企單據特征數據，從多個驗證維度對多種所述第二單據特征數據進行異常驗證，得到第二目標驗證值，其中所述目標模糊神經網絡為與所述第二交易請求的交易類型以及所述操作后臺的用戶類型存在對應關系的模糊神經網絡，每種模糊神經網絡的網絡參數不同，所述網絡參數包括每種單據特征在每個所述驗證維度時對應的維度權重；

若所述第二目標驗證值滿足預設異常條件，則判定所述第二交易請求為異常請求。