[發(fā)明專利]異常交易數(shù)據(jù)識別方法、裝置、計算機設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202211568742.5
• 申請日: 2022-12-08
• 公開（公告）號: CN116166999A
• 公開（公告）日: 2023-05-26
• 發(fā)明（設(shè)計）人: 明小康;周年
• 申請（專利權(quán)）人: 中國平安財產(chǎn)保險股份有限公司
• 主分類號: G06F18/2431
• 分類號: G06F18/2431;G06F18/214;G06Q40/04;G06Q40/08
• 代理公司: 深圳市世聯(lián)合知識產(chǎn)權(quán)代理有限公司 44385
• 代理人: 楊暉瓊

1.一種異常交易數(shù)據(jù)的識別方法，其特征在于，包括：

對交易數(shù)據(jù)進行預(yù)處理，得到對應(yīng)的待識別交易數(shù)據(jù)；

提取部分所述待識別交易數(shù)據(jù)構(gòu)成樣本數(shù)據(jù)集，基于樣本數(shù)據(jù)集建立孤立森林模型，所述孤立森林模型中包括多個孤立樹模型；

將每個所述待識別交易數(shù)據(jù)輸入所述孤立森林模型，得到每個所述待識別交易數(shù)據(jù)在所述孤立森林模型中的路徑長度，根據(jù)所述路徑長度計算每個所述待識別交易數(shù)據(jù)的異常分值；

基于每個所述待識別交易數(shù)據(jù)的異常分值，從每個所述待識別交易數(shù)據(jù)中篩選出滿足異常條件的異常交易數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的異常交易數(shù)據(jù)的識別方法，其特征在于，所述對交易數(shù)據(jù)進行預(yù)處理，得到對應(yīng)的待識別交易數(shù)據(jù)，包括：

對交易數(shù)據(jù)進行數(shù)據(jù)清洗；

對經(jīng)過數(shù)據(jù)清洗后的交易數(shù)據(jù)進行結(jié)構(gòu)轉(zhuǎn)換，將非結(jié)構(gòu)化的交易數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化的交易數(shù)據(jù)，得到待識別交易數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的異常交易數(shù)據(jù)的識別方法，其特征在于，所述提取部分所述待識別交易數(shù)據(jù)構(gòu)成樣本數(shù)據(jù)集，基于樣本數(shù)據(jù)集建立孤立森林模型，所述孤立森林模型中包括多個孤立樹模型，包括：

S1、提取部分所述待識別交易數(shù)據(jù)構(gòu)成樣本數(shù)據(jù)集；

S2、將所述樣本數(shù)據(jù)集導(dǎo)入初始樹模型，從樣本數(shù)據(jù)集的若干個維度中隨機抽取一個維度，并隨機產(chǎn)生一個切割點；

S3、基于所述切割點對所述維度的數(shù)據(jù)進行切割；

S4、重復(fù)步驟S2和步驟S3，遍歷所述樣本數(shù)據(jù)集的若干個維度，直至初始樹模型的高度達(dá)到預(yù)設(shè)高度，得到對應(yīng)的樹模型；

S5、重復(fù)步驟S1-步驟S4，即可得到樣本數(shù)據(jù)集中每個樣本數(shù)據(jù)對應(yīng)的樹模型構(gòu)成的孤立森林模型。

4.根據(jù)權(quán)利要求1所述的異常交易數(shù)據(jù)的識別方法，其特征在于，所述將每個所述待識別交易數(shù)據(jù)輸入所述孤立森林模型，得到每個所述待識別交易數(shù)據(jù)在所述孤立森林模型中的路徑長度，根據(jù)所述路徑長度計算每個所述待識別交易數(shù)據(jù)的異常分值，包括：

將每個所述待識別交易數(shù)據(jù)輸入所述孤立森林模型，令每個所述待識別交易數(shù)據(jù)遍歷所述孤立森林模型中的每個孤立樹模型，得到每個所述待識別交易數(shù)據(jù)對應(yīng)于每個孤立樹模型的第一路徑長度；

基于每個所述待識別交易數(shù)據(jù)的第一路徑長度計算得到每個所述待識別交易數(shù)據(jù)在所述孤立森林模型中的平均路徑長度；

根據(jù)所述平均路徑長度計算每個所述待識別交易數(shù)據(jù)的異常分值。

5.根據(jù)權(quán)利要求1所述的異常交易數(shù)據(jù)的識別方法，其特征在于，所述基于每個所述待識別交易數(shù)據(jù)的異常分值，從每個所述待識別交易數(shù)據(jù)中篩選出滿足異常條件的異常交易數(shù)據(jù)，包括：

將所述每個所述待識別交易數(shù)據(jù)的異常分值與預(yù)設(shè)閾值進行比較；

從所述每個所述待識別交易數(shù)據(jù)中篩選出小于所述預(yù)設(shè)閾值的交易數(shù)據(jù)，篩選出的交易數(shù)據(jù)即為異常交易數(shù)據(jù)。

6.根據(jù)權(quán)利要求1所述的異常交易數(shù)據(jù)的識別方法，其特征在于，在所述基于每個所述待識別交易數(shù)據(jù)的異常分值，從每個所述待識別交易數(shù)據(jù)中篩選出滿足異常條件的異常交易數(shù)據(jù)之后，還可包括：

將所述異常交易數(shù)據(jù)發(fā)送至數(shù)據(jù)監(jiān)測平臺，并向綁定終端發(fā)送異常交易數(shù)據(jù)提醒。

7.根據(jù)權(quán)利要求4所述的異常交易數(shù)據(jù)的識別方法，其特征在于，

所述異常分值的計算公式為：

c(ψ)是異常分值的計算公式中的常規(guī)變量，其中，

h(x)是每個所述待識別交易數(shù)據(jù)對應(yīng)于每個孤立樹模型的第一路徑長度，E(h(x))是每個所述待識別交易數(shù)據(jù)在所述孤立森林模型中的平均路徑長度，ψ是樣本數(shù)據(jù)個數(shù)，H(ψ-1)即為ln(ψ-1)+，其中γ為歐拉常數(shù)。