一种异常账户的识别方法、装置、电子设备及存储介质与流程

本申请涉及计算机，尤其涉及一种异常账户的识别方法、装置、电子设备及存储介质。

背景技术：

1、随着互联网技术的快速发展，各行各业的业务规模和账户规模均不断扩大，相应的，从业务中利用非常规手段获取利益的异常账户也越来越多，因此，对于各个行业来说，识别异常账户都至关重要。

2、在现有技术中，主要依靠规则对异常账户进行识别。然而，异常账户获取利益的手段多种多样，专家需要对异常账户进行持续不断的研究，编写多套专家规则以适用于多种手段，这会消耗大量的人力和资源；另外，异常账户获取利益的手段不断升级，异常账户的特征也更加复杂，复杂的特征难以用专家规则刻画清楚，因此异常账户的识别精确度不高。

技术实现思路

1、本申请实施例提供了一种异常账户的识别方法、装置、电子设备及存储介质。

2、根据本申请的第一方面，提供了一种异常账户的识别方法，该方法包括：获取待识别账户在设定时段内具备时序特征的多维行为特征数据；根据所述多维行为特征数据和设定时间步长，构建所述待识别账户的行为特征矩阵，所述行为特征矩阵的矩阵维度包括时间维度和特征维度；在所述时间维度和所述特征维度对所述行为特征矩阵进行特征向量提取，得到所述时间维度对应的第一行为特征向量和所述特征维度对应的第二行为特征向量；根据所述第一行为特征向量和所述第二行为特征向量，对所述待识别账户进行识别，得到异常账户识别结果，所述异常账户识别结果用于表征所述待识别账户的异常程度。

3、根据本申请一实施方式，获取待识别账户在设定时段内具备时序特征的多维行为特征数据，包括：获取所述待识别账户在设定时段内具备时序特征的交易数据；基于设定提取规则，从所述交易数据中提取所述多维行为特征数据，所述设定提取规则包括设定特征维度和设定数据类型。

4、根据本申请一实施方式，所述根据所述多维行为特征数据和设定时间步长，构建所述待识别账户的行为特征矩阵，包括：以设定时间步长为基准对所述多维行为特征数据进行切片，得到多个时间片段下的数据切片；以所述设定矩阵格式将多个时间片段下的数据切片进行组合，得到所述行为特征矩阵，所述设定矩阵格式包括行维度和列维度，所述列维度为特征维度，所述行维度为时间维度。

5、根据本申请一实施方式，在时间维度和特征维度对所述行为特征矩阵进行特征向量提取，得到所述时间维度对应的第一行为特征向量和所述特征维度对应的第二行为特征向量，包括：基于第一设定卷积核对所述行为特征矩阵的每一行进行卷积操作，得到第一行为特征向量，所述第一行为特征向量包括所述行为特征矩阵的每一行的卷积结果；基于第二设定卷积核对所述行为特征矩阵的每一列进行卷积操作，得到第二行为特征向量，所述第二行为特征向量包括所述行为特征矩阵的每一列的卷积结果。

6、根据本申请一实施方式，所述根据所述第一行为特征向量和所述第二行为特征向量，对所述待识别账户进行识别，得到异常账户识别结果，包括：将所述第一行为特征向量和所述第二行为特征向量进行特征拼接，得到账户表征向量；根据所述账户表征向量对所述待识别账户进行识别，得到所述异常账户识别结果。

7、根据本申请一实施方式，所述根据所述账户表征向量对所述待识别账户进行识别，得到所述异常账户识别结果，包括：将所述账户表征向量输入至异常账户识别模型，得到所述异常账户识别结果。

8、根据本申请一实施方式，所述异常账户识别模型通过以下操作训练得到：获取初始训练集，所述初始训练集包括多个账户在设定时段内具有时序特征的多维行为特征数据和账户异常程度；基于每个账户的多维行为特征数据和设定训练步长，构建每个账户的行为特征矩阵；在所述时间维度和所述特征维度对每个账户的行为特征矩阵进行特征向量提取，得到每个账户在所述时间维度的第一训练行为特征向量和所述特征维度的第二训练行为特征向量；将每个账户的第一训练行为特征向量和第二训练行为特征向量进行特征拼接，得到每个账户的表征向量；将每个账户的表征向量作为输入并将对应的账户异常程度作为输出，对初始识别模型进行训练，得到所述异常账户识别模型。

9、根据本申请的第二方面，提供了一种异常账户的识别装置，该装置包括：获取模块，用于获取待识别账户在设定时段内具备时序特征的多维行为特征数据；构建模块，用于根据所述多维行为特征数据和设定时间步长，构建所述待识别账户的行为特征矩阵，所述行为特征矩阵的矩阵维度包括时间维度和特征维度；提取模块，用于在所述时间维度和所述特征维度对所述行为特征矩阵进行特征向量提取，得到所述时间维度对应的第一行为特征向量和所述特征维度对应的第二行为特征向量；识别模块，用于根据所述第一行为特征向量和所述第二行为特征向量，对所述待识别账户进行识别，得到异常账户识别结果，所述异常账户识别结果用于表征所述待识别账户的异常程度。

10、根据本申请的第三方面，提供了一种电子设备，包括：

11、至少一个处理器；以及

12、与所述至少一个处理器通信连接的存储器；其中，

13、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请所述的方法。

14、根据本申请的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请所述的方法。

15、本申请实施例的方法，通过分析待识别账户在设定时段内的具备时序特征的多维行为特征数据，构建行为特征矩阵，并在时间维度和特征维度上提取特征向量，实现了对待识别账户行为的全面和准确刻画，之后基于时间维度和特征维度提取的特征向量对待识别账户进行异常识别，充分考虑了待识别账户行为的时序变化和待识别账户在不同特征维度下的行为模式，从而显著提高了异常账户识别的准确性和效率。

16、需要理解的是，本申请的教导并不需要实现上面所述的全部有益效果，而是特定的技术方案可以实现特定的技术效果，并且本申请的其他实施方式还能够实现上面未提到的有益效果。

技术特征：

1.一种异常账户的识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取待识别账户在设定时段内具备时序特征的多维行为特征数据，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据所述多维行为特征数据和设定时间步长，构建所述待识别账户的行为特征矩阵，包括：

4.根据权利要求1所述的方法，其特征在于，所述在时间维度和特征维度对所述行为特征矩阵进行特征向量提取，得到所述时间维度对应的第一行为特征向量和所述特征维度对应的第二行为特征向量，包括：

5.根据权利要求1所述的方法，其特征在于，所述根据所述第一行为特征向量和所述第二行为特征向量，对所述待识别账户进行识别，得到异常账户识别结果，包括：

6.根据权利要求5所述的方法，其特征在于，所述根据所述账户表征向量对所述待识别账户进行识别，得到所述异常账户识别结果，包括：

7.根据权利要求6所述的方法，其特征在于，所述异常账户识别模型通过以下操作训练得到：

8.一种异常账户的识别装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，包括：

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使计算机执行权利要求1-7中任一项所述的方法。

技术总结本申请提供了一种异常账户的识别方法、装置、电子设备及存储介质，所述方法包括：获取待识别账户在设定时段内具备时序特征的多维行为特征数据；根据所述多维行为特征数据和设定时间步长，构建所述待识别账户的行为特征矩阵，所述行为特征矩阵的矩阵维度包括时间维度和特征维度；在所述时间维度和所述特征维度对所述行为特征矩阵进行特征向量提取，得到所述时间维度对应的第一行为特征向量和所述特征维度对应的第二行为特征向量；根据所述第一行为特征向量和所述第二行为特征向量，对所述待识别账户进行识别，得到异常账户识别结果，所述异常账户识别结果用于表征所述待识别账户的异常程度。技术研发人员：刘登涛,郭伟怡,孙悦,蔡准,郭晓鹏受保护的技术使用者：北京芯盾时代科技有限公司技术研发日：技术公布日：2024/7/29