一种欺诈检测方法、系统、装置及存储介质

本发明涉及数据处理，尤其是一种欺诈检测方法、系统、装置及存储介质。

背景技术：

1、随着信息技术的高速发展，人们在互联网上创造了高度交互的异构网络，同时也为欺诈者提供了藏身之地，他们往往连接大量正常节点以达到伪装目的，使得欺诈检测系统难以发掘。而基于图表示学习的算法能够有效建模相互交互的图数据，对比传统的基于专家知识的反欺诈系统，此方法从“关系”出发，不仅能够有效表示隐含的拓扑结构，而且将实体间的关系融入到异常检测任务之中，从整个网络出发有效的识别伪装的欺诈实体，在图欺诈检测任务上有着巨大潜力。

2、迄今为止，众多的图嵌入学习方法相继被提出，其中随机游走、深度神经网络和图对比学习的图表示学习等方法是应用最广泛的技术。基于随机游走的图表示方法通过在拓扑图上进行路径采样学习节点的邻域信息，使节点特征具有表示图上共现关系的能力。该方法简单高效、并且具有高扩展性，可以将学习到的图谱结构特征表示迁移到各类下游任务之中，但是图欺诈检测任务跟传统节点分类任务有很大差异，异常节点往往连接大量的正常用户从而达到伪装的目的，仅仅依赖图上节点的领域信息很难将它们区分出来；而基于深度神经网络的图表示方法首先聚集连接的属性特征，再通过非线性转化得到图的特征表示，最后依赖相关任务的标签优化。该方法有效利用了图的拓扑结构和属性信息，能够学习到具有强判别能力的节点特征。但是由于需要大量的标注数据进行模型优化，而且图欺诈检测任务的标签极不平衡，导致该方法在图欺诈检测任务上的扩展性以及效果并不理想。

技术实现思路

1、有鉴于此，本发明实施例提供一种欺诈检测方法、系统、装置及存储介质，能够有效实现欺诈检测。

2、一方面，本发明的实施例提供了一种欺诈检测方法，包括：

3、基于欺诈检测任务，从目标系统获取目标业务数据，构建得到异构图；

4、利用第一融合编码器，根据异构图，基于不同元路径视图确定目标节点的目标边嵌入，并基于目标节点的节点属性确定目标节点嵌入；以及对目标边嵌入和目标节点嵌入进行特征融合，得到图节点嵌入向量；

5、基于动量对比学习，对异构图中的正样本进行分析，获得正样本节点嵌入向量；其中，正样本表征与目标节点连接的节点；各节点的正样本节点嵌入向量基于节点标识存储在离线节点特征缓存；

6、根据异构图中的负样本，在离线节点特征缓存中索引出负样本节点嵌入向量；其中，负样本表征未与目标节点连接的节点；

7、根据图节点嵌入向量、正样本节点嵌入向量和负样本节点嵌入向量计算对比学习损失，基于对比学习损失梯度更新第一融合编码器；

8、利用更新后的第一融合编码器对待检测异构图进行欺诈检测。

9、可选地，方法还包括：

10、对构建得到的异构图进行数据转化处理，得到预设格式的异构图；

11、其中，数据转化处理包括数据清洗处理、数据变化处理和特征工程处理。

12、可选地，基于欺诈检测任务，从目标系统获取目标业务数据，构建得到异构图，包括：

13、基于欺诈检测任务，从目标系统获取目标业务数据；其中，目标系统包括系统业务日志和系统数据库；

14、根据业务数据，抽取业务数据各数据节点的目标关系；

15、基于目标关系，构建得到用于表征业务数据的异构图。

16、可选地，根据异构图，基于不同元路径视图确定目标节点的目标边嵌入，包括：

17、根据异构图，基于不同元路径视图确定目标节点在不同属性边下的边嵌入表示；

18、根据目标节点在不同属性边下的边嵌入表示，结合不同元路径视图的重要性权重，利用注意力机制融合各边嵌入表示，获得目标节点的目标边嵌入。

19、可选地，基于不同元路径视图确定目标节点在不同属性边下的边嵌入表示，包括：

20、获取目标节点的所有邻居节点，基于预设数量对邻居节点进行随机采样；并确定采样后的各邻居节点的边嵌入向量；

21、基于边嵌入向量，通过自适应学习得到采样后的各邻居节点关于目标节点的注意力分数；

22、根据不同元路径视图对应的嵌入向量和注意力分数，确定目标节点在不同属性边下的边嵌入表示。

23、可选地，对目标边嵌入和目标节点嵌入进行特征融合，得到图节点嵌入向量，包括：

24、对目标边嵌入和目标节点嵌入进行向量拼接，得到拼接向量；

25、利用多层感知机对目标边嵌入和目标节点嵌入的拼接向量进行特征融合，得到图节点嵌入向量。

26、可选地，基于动量对比学习，对异构图中的正样本进行分析，获得正样本节点嵌入向量，包括：

27、对第一融合编码器进行动量更新，得到第二融合编码器；

28、利用第二融合编码器，确定异构图中的正样本的节点的边嵌入和节点嵌入，并进行特征融合获得正样本节点嵌入向量。

29、另一方面，本发明的实施例提供了一种欺诈检测系统，包括：

30、第一模块，用于基于欺诈检测任务，从目标系统获取目标业务数据，构建得到异构图；

31、第二模块，用于利用第一融合编码器，根据异构图，基于不同元路径视图确定目标节点的目标边嵌入，并基于目标节点的节点属性确定目标节点嵌入；以及对目标边嵌入和目标节点嵌入进行特征融合，得到图节点嵌入向量；

32、第三模块，用于基于动量对比学习，对异构图中的正样本进行分析，获得正样本节点嵌入向量；其中，正样本表征与目标节点连接的节点；各节点的正样本节点嵌入向量基于节点标识存储在离线节点特征缓存；

33、第四模块，用于根据异构图中的负样本，在离线节点特征缓存中索引出负样本节点嵌入向量；其中，负样本表征未与目标节点连接的节点；

34、第五模块，用于根据图节点嵌入向量、正样本节点嵌入向量和负样本节点嵌入向量计算对比学习损失，基于对比学习损失梯度更新第一融合编码器；

35、第六模块，用于利用更新后的第一融合编码器对待检测异构图进行欺诈检测。

36、可选的，系统还包括：

37、第七模块，用于对构建得到的异构图进行数据转化处理，得到预设格式的异构图；

38、其中，数据转化处理包括数据清洗处理、数据变化处理和特征工程处理。

39、另一方面，本发明的实施例提供了一种欺诈检测装置，包括处理器以及存储器；

40、存储器用于存储程序；

41、处理器执行程序实现如前面的方法。

42、另一方面，本发明的实施例提供了一种计算机可读存储介质，存储介质存储有程序，程序被处理器执行实现如前面的方法。

43、本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。

44、本发明实施例首先基于欺诈检测任务，从目标系统获取目标业务数据，构建得到异构图；利用第一融合编码器，根据异构图，基于不同元路径视图确定目标节点的目标边嵌入，并基于目标节点的节点属性确定目标节点嵌入；以及对目标边嵌入和目标节点嵌入进行特征融合，得到图节点嵌入向量；本发明实施例通过节点嵌入和边嵌入的特征融合，使得生成图节点嵌入向量特征时不需要有监督标签，减少了人工标注数据的时间消耗，提高了欺诈检测任务处理效率；基于动量对比学习，对异构图中的正样本进行分析，获得正样本节点嵌入向量；其中，正样本表征与目标节点连接的节点；各节点的正样本节点嵌入向量基于节点标识存储在离线节点特征缓存；本发明实施例使用动量对比学习自的方式进行样本处理，规避掉了标签不平衡导致的有监督学习难以训练的问题，提高了欺诈检测精度；根据异构图中的负样本，在离线节点特征缓存中索引出负样本节点嵌入向量；其中，负样本表征未与目标节点连接的节点；根据图节点嵌入向量、正样本节点嵌入向量和负样本节点嵌入向量计算对比学习损失，基于对比学习损失梯度更新第一融合编码器；本发明实施例结合对比损失函数进行梯度更新，提升数据处理准确性；利用更新后的第一融合编码器对待检测异构图进行欺诈检测。