CN106327340B - 一种金融网络的异常节点集合侦测方法及装置 - Google Patents
一种金融网络的异常节点集合侦测方法及装置 Download PDFInfo
- Publication number
- CN106327340B CN106327340B CN201610633788.9A CN201610633788A CN106327340B CN 106327340 B CN106327340 B CN 106327340B CN 201610633788 A CN201610633788 A CN 201610633788A CN 106327340 B CN106327340 B CN 106327340B
- Authority
- CN
- China
- Prior art keywords
- node
- subset
- nodes
- subsets
- information entropy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 67
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000001186 cumulative effect Effects 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 85
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004900 laundering Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及计算机技术领域,尤其涉及一种金融网络的异常节点集合侦测方法及装置,包括:根据待侦测金融网络中的所有节点,生成节点集合,根据节点集合中每个节点的目标函数值,将节点集合的所有节点划分为多个子集合;根据每个子集合对应的集合信息熵,对所有子集合进行合并,得到合并后的多个子集合。本发明实施例,使用目标函数值来表示一个节点的异常程度且一个节点的目标函数值是与所述节点在设定时长内的交易频繁度成正比关系,以及根据子集合中节点的累计交易资金总额、累计交易次数及与所述节点有交易来往的节点个数得到集合信息熵,从而可以提高金融网络中异常节点集合的侦测准确性。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种金融网络的异常节点集合侦测方法及装置。
背景技术
金融网络中的社区是指那些内在联系紧密,对外联系稀疏的局部网络结构。通过挖掘金融网络中的社区,我们能够发现那些在交易金额和交易频次上呈现出目标行为的子集合(比如洗钱团伙、非法集资等)。其中,一个异常交易社区是由多个节点构成的集合,因此异常交易社区也称为一场节点集合。
现有的金融网络的异常节点集合侦测方法主要有基于信息熵的金融网络集合侦测方法,该方法根据所有节点的信息熵来划分子集合。
上述基于信息熵的金融网络子集合确定方法存在的主要问题是:第一,金融网络中对单个节点信息熵的定义既不符合信息熵的原始含义,也无法准确反映出该节点的异常交易程度。信息熵的准确定义如下:对于随机变量X,它有n种可能的取值x1,x2,…,xn,假设第i种取值对应的概率为pi,则X的信息熵为显然但在现有方法中对节点的信息熵定义如下:金融网络中第i个节点xi的信息熵为H(xi)=-p(xi)·log2(p(xi)),其中这里p(xi)是该节点的交易金额占整个网络的比率乘以交易次数占整个网络的比率。显然该定义只计算了节点xi的交易金额和交易次数分别取值为Qi和Di时的概率,没有考虑取其它值时的情形,因此不符合信息熵的原始含义。对H(xi)进行求导,令得到p(xi)=e-1≈0.367,此时H(xi)取极大值。当p(xi)>e-1≈0.367时,则H(xi)会随着p(xi)的增加而递减。然而现有方法中一方面认为p(xi)越大则节点越目标,另一方面又将H(xi)的取值大小作为判断节点目标程度的依据,这显然是相互矛盾的;第二,现有方法关于社团信息熵的定义不能准确描述整个社团的复杂程度。现有方法将社团内所有节点信息熵的算术平均值作为整个社团的信息熵,这样的做法无法准确刻画社团内部资金往来的复杂程度。
综上所述,现有技术中基于信息熵的金融网络异常节点集合的确定方法在确定异常节点集合时,准确性不高。
发明内容
本发明提供一一种金融网络的异常节点集合侦测及装置,用以解决现有技术中基于信息熵的金融网络异常节点集合的确定方法在确定异常节点集合时,存在侦测准确性不高的技术问题。
一方面,本发明实施例提供一种金融网络的异常节点集合侦测方法,包括:
根据待侦测金融网络中的所有节点,生成节点集合,其中,一个节点为一个银行账号;
根据所述节点集合中每个节点的目标函数值,将所述节点集合的所有节点划分为多个子集合,其中,一个节点的目标函数值是与所述节点在设定时长内的交易频繁度成正比关系;
根据每个子集合对应的集合信息熵,对所有子集合进行合并,得到合并后的多个子集合,一个子集合对应的集合信息熵是根据该子集合中每个节点在设定时长内的累计交易资金总额、累计交易次数及与所述节点有交易来往的节点个数得到的,所述合并后的多个子集合中的每个子集合用于表示所述待侦测金融网络中的一个异常节点集合。
可选地,所述根据所述节点集合中每个节点的目标函数值,将所述节点集合的所有节点划分为多个子集合,包括:
将所述节点集合中目标函数值最大的节点,作为子集合的核节点;
将所述节点集合中与所述核节点有交易往来的节点加入所述子集合,以及将邻节点集合中使所述子集合的目标函数值增大的节点加入所述子集合,所述邻节点集合为所述节点集合中与所述子集合中的任一节点有交易来往的节点的集合,所述邻节点集合与所述子集合无交集;
输出更新后的所述子集合,并从所述节点集合中删除所述子集合中的所有节点,返回到将所述节点集合中目标函数值最大的节点,作为子集合的核节点的步骤,直至所述节点集合为空。
可选地,所述根据每个子集合分别对应的集合信息熵,对所有子集合进行合并,得到合并后的多个子集合,包括:
从所有子集合中选择第一子集合和第二子集合,所述第一子集合和所述第二子集合之间的连接边数最大且所述连接边数不等于零;
若将所述第一子集合和所述第二子集合合并后得到的子集合对应的集合信息熵大于所述第一子集合对应的集合信息熵与所述第二子集合对应的集合信息熵的均值,则将所述第一子集合和所述第二子集合合并得到一个新的子集合,并返回到从所有子集合中选择第一子集合和第二子集合的步骤,直至所有子集合中任意两个子集合之间的连接边数均为零;
若将所述第一子集合和所述第二子集合合并后得到的子集合对应的集合信息熵不大于所述第一子集合对应的集合信息熵与所述第二子集合对应的集合信息熵的均值,则将所述第一子集合和所述第二子集合之间的连接边数设为零,并返回到从所有子集合中选择第一子集合和第二子集合的步骤,直至所有子集合中任意两个子集合之间的连接边数均为零。
可选地,根据下列公式得到一个节点的目标函数值:
其中,fi为节点i的目标函数值,Di为节点i在所述设定时长内的累计交易次数,D′i为节点i归一化后的所述设定时长的累计交易次数,Qi为所述设定时长内的累计交易金额,Q′i为节点i归一化后的所述设定时长的累计交易金额,σD为所述设定时长内的交易次数标准差,为所述设定时长内的交易次数均值,σQ为为所述设定时长内的交易金额标准差,为所述设定时长内的交易金额均值,n为所述节点集合中的节点数。
可选地,根据下列公式得到一个子集合对应的集合信息熵:
其中,H为所述子集合对应的集合信息熵,L为所述子集合中的节点数量,ni为所述子集合的L个节点中的第ni个节点,表示节点ni是异常节点的概率,表示节点ni在所述设定时长内的累计交易金额,表示节点ni在所述设定时长内的累计交易次数,表示在所述设定时长内与节点ni有交易来往的节点个数。
另一方面,本发明实施例提供一种金融网络的异常节点集合侦测装置,包括:
节点集合生成单元,用于根据待侦测金融网络中的所有节点,生成节点集合,其中,一个节点为一个银行账号;
节点集合划分单元,用于根据所述节点集合中每个节点的目标函数值,将所述节点集合的所有节点划分为多个子集合,其中,一个节点的目标函数值是与所述节点在设定时长内的交易频繁度成正比关系;
异常节点集合确定单元,用于根据每个子集合对应的集合信息熵,对所有子集合进行合并,得到合并后的多个子集合,一个子集合对应的集合信息熵是根据该子集合中每个节点在设定时长内的累计交易资金总额、累计交易次数及与所述节点有交易来往的节点个数得到的,所述合并后的多个子集合中的每个子集合用于表示所述待侦测金融网络中的一个异常节点集合。
可选地,所述节点集合划分单元,具体用于:
将所述节点集合中目标函数值最大的节点,作为子集合的核节点;
将所述节点集合中与所述核节点有交易往来的节点加入所述子集合,以及将邻节点集合中使所述子集合的目标函数值增大的节点加入所述子集合,所述邻节点集合为所述节点集合中与所述子集合中的任一节点有交易来往的节点的集合,所述邻节点集合与所述子集合无交集;
输出更新后的所述子集合,并从所述节点集合中删除所述子集合中的所有节点,返回到将所述节点集合中目标函数值最大的节点,作为子集合的核节点的步骤,直至所述节点集合为空。
可选地,所述异常节点集合确定单元,具体用于:
从所有子集合中选择第一子集合和第二子集合,所述第一子集合和所述第二子集合之间的连接边数最大且所述连接边数不等于零;
若将所述第一子集合和所述第二子集合合并后得到的子集合对应的集合信息熵大于所述第一子集合对应的集合信息熵与所述第二子集合对应的集合信息熵的均值,则将所述第一子集合和所述第二子集合合并得到一个新的子集合,并返回到从所有子集合中选择第一子集合和第二子集合的步骤,直至所有子集合中任意两个子集合之间的连接边数均为零;
若将所述第一子集合和所述第二子集合合并后得到的子集合对应的集合信息熵不大于所述第一子集合对应的集合信息熵与所述第二子集合对应的集合信息熵的均值,则将所述第一子集合和所述第二子集合之间的连接边数设为零,并返回到从所有子集合中选择第一子集合和第二子集合的步骤,直至所有子集合中任意两个子集合之间的连接边数均为零。
可选地,所述装置还包括目标函数值确定单元,用于根据下列公式得到一个节点的目标函数值:
其中,fi为节点i的目标函数值,Di为节点i在所述设定时长内的累计交易次数,D′i为节点i归一化后的所述设定时长的累计交易次数,Qi为所述设定时长内的累计交易金额,Q′i为节点i归一化后的所述设定时长的累计交易金额,σD为所述设定时长内的交易次数标准差,为所述设定时长内的交易次数均值,σQ为为所述设定时长内的交易金额标准差,为所述设定时长内的交易金额均值,n为所述节点集合中的节点数。
可选地,所述装置还包括集合信息熵确定单元,用于根据下列公式得到一个子集合对应的集合信息熵:
其中,H为所述子集合对应的集合信息熵,L为所述子集合中的节点数量,ni为所述子集合的L个节点中的第ni个节点,表示节点ni是异常节点的概率,表示节点ni在所述设定时长内的累计交易金额,表示节点ni在所述设定时长内的累计交易次数,表示在所述设定时长内与节点ni有交易来往的节点个数。
本发明实施例,根据待侦测金融网络中的所有节点,生成节点集合,其中,一个节点为一个银行账号;根据所述节点集合中每个节点的目标函数值,将所述节点集合的所有节点划分为多个子集合,其中,一个节点的目标函数值是与所述节点在设定时长内的交易频繁度成正比关系;根据每个子集合对应的集合信息熵,对所有子集合进行合并,得到合并后的多个子集合,一个子集合对应的集合信息熵是根据该子集合中每个节点在设定时长内的累计交易资金总额、累计交易次数及与所述节点有交易来往的节点个数得到的,所述合并后的多个子集合中的每个子集合用于表示所述待侦测金融网络中的一个异常节点集合。本发明实施例,由于使用目标函数值来表示一个节点的异常程度且一个节点的目标函数值是与节点在设定时长内的交易频繁度成正比关系;以及根据子集合中节点在设定时长内的累计交易资金总额、累计交易次数及与所述节点有交易来往的节点个数得到集合信息熵,因而可以准确反映金融网络中各节点的异常程度以及各节点之间的联系紧密程度,从而可以提高金融网络中异常节点集合的侦测准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的金融网络的异常节点集合侦测方法流程图;
图2为本发明实施例提供的金融网络的异常节点集合侦测方法详细流程图;
图3为本发明实施例提供的金融网络的异常节点集合侦测装置示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面结合说明书附图对本发明实施例作进一步详细描述。
如图1所示,本发明实施例提供的一种金融网络的异常节点集合侦测方法,包括:
步骤101、根据待侦测金融网络中的所有节点,生成节点集合,其中,一个节点为一个银行账号;
步骤102、根据所述节点集合中每个节点的目标函数值,将所述节点集合的所有节点划分为多个子集合,其中,一个节点的目标函数值是与所述节点在设定时长内的交易频繁度成正比关系;
步骤103、根据每个子集合对应的集合信息熵,对所有子集合进行合并,得到合并后的多个子集合,一个子集合对应的集合信息熵是根据该子集合中每个节点在设定时长内的累计交易资金总额、累计交易次数及与所述节点有交易来往的节点个数得到的,所述合并后的多个子集合中的每个子集合用于表示所述待侦测金融网络中的一个异常节点集合。
待侦测金融网络中,有很多节点,其中,一个节点为一个银行账号。节点与节点之间存在着交易关系,比如银行转账交易。
在上述步骤101中,首先根据待侦测金融网络中的所有节点,生成节点集合,即该节点集合表示待侦测金融网络中想要侦测的节点的集合,因此该节点集合中可以是包含待侦测金融网络中的所有节点,也可以是包含待侦测金融网络中的部分选择的节点,具体地,节点集合中包含哪些内容,视实际需要而定。
在上步骤102中,根据所述节点集合中每个节点的目标函数值,将所述节点集合的所有节点划分为多个子集合,其中,一个节点的目标函数值是与所述节点在设定时长内的交易频繁度成正比关系。
下面首先对本发明实施例中一个节点的目标函数值的定义做详细说明。
在本发明实施例中,一个节点的目标函数值在定义的时候,是与所述节点在设定时长内的交易频繁度成正比关系的。因此在定义的时候,只要定义的目标函数值是与交易频繁度成正比关系即可。
举例来说,可以将一个节点的目标函数值定义为节点在设定时长内的交易总额的正比函数,或者是将一个节点的目标函数值定义为节点在设定时长内的交易次数的正比函数,等等。对于目标函数值的定义,本发明实施例不做具体限定,只要是与交易频繁度成正比关系即可。
需要说明的是,本发明实施例中,之所以将一个节点的目标函数值是与所述节点在设定时长内的交易频繁度成正比关系,是因为交易越频繁的节点,其是异常节点的可能性越高,因此将一个节点的目标函数值定义为与所述节点在设定时长内的交易频繁度成正比关系,可以体现一个节点是异常节点的概率大小。
下面给出一种本发明实施例中所使用的目标函数值的具体定义。
首先,针对任一个节点i,假设设定时长以天为单位,例如设定时长为T天,其中任一天用t来表示,t=1,2,…,T。
假设节点集合中包含n个节点(编号为1,2,…,n)。针对任一节点i,在第t天的总交易金额为总交易次数为则在设定时长内(T天),节点i的累计交易金额为Qi、累计交易次数为Di,显然它们满足如下关系式:假设在该设定时长内,节点i与Ki个节点有资金往来,则它的节点度为Ki。
可选地,根据下列公式得到一个节点的目标函数值:
其中,fi为节点i的目标函数值,Di为节点i在所述设定时长内的累计交易次数,D′i为节点i归一化后的所述设定时长的累计交易次数,Qi为所述设定时长内的累计交易金额,Q′i为节点i归一化后的所述设定时长的累计交易金额,σD为所述设定时长内的交易次数标准差,为所述设定时长内的交易次数均值,σQ为为所述设定时长内的交易金额标准差,为所述设定时长内的交易金额均值,n为所述节点集合中的节点数。
通过上述公式,定义了一个节点i的目标函数值fi,可以看出,fi是分别与Di、Qi成正比的,由于Di、Qi值越大,表示节点i的交易越频繁,因此目标函数值fi是与节点的交易频繁度成正比的。
当然,上述实施例只是给出了定义一个节点的目标函数值的一种方法,实际应用中,还可以根据其他方式来定义一个节点的目标函数值,例如还可以定义为fi=a1*D′i*Q′i,fi=a2*D′i,fi=a3*Q′i,等等,其中a1、a2、a3表示系数。
在定义了每个节点的目标函数值之后,可将一个节点集合的目标函数值f定义为节点集合中所有节点的目标函数值的均值,即:
在上步骤102中,根据所述节点集合中每个节点的目标函数值,将所述节点集合的所有节点划分为多个子集合。
具体地,如何根据节点集合中每个节点的目标函数值,将节点集合的所有节点划分为多个子集合,方式有很多种,举例来说,可以是从节点集合中选择一个目标函数值最大的节点并根据该节点生成一个子集合,然后将与该节点有交易来往的所有节点加入该子集合,得到一个子集合;然后将在节点集合中去掉该子集合中的所有节点,得到更新后的节点集合,然后按照同样的方法,再得到其他的子集合。最终可以将该节点集合划分为多个子集合。
上述方法是一种对节点集合进行划分的方法,但实际应用中,考虑到节点集合划分的准确性的问题,下面给出一种将节点集合划分为子集合的方法,该方法可实现对节点集合进行合理划分,从而使得划分得到的多个子集合分别能准确地表示一个内部相互关联紧密的节点集合。
可选地,所述根据所述节点集合中每个节点的目标函数值,将所述节点集合的所有节点划分为多个子集合,包括:
步骤1、将所述节点集合中目标函数值最大的节点,作为子集合的核节点。
步骤2、将所述节点集合中与所述核节点有交易往来的节点加入所述子集合,以及将邻节点集合中使所述子集合的目标函数值增大的节点加入所述子集合,所述邻节点集合为所述节点集合中与所述子集合中的任一节点有交易来往的节点的集合,所述邻节点集合与所述子集合无交集。
步骤3、输出更新后的所述子集合,并从所述节点集合中删除所述子集合中的所有节点,返回到步骤1。
步骤4、若所述节点集合为空,则结束;若所述节点集合不为空,则返回到步骤1。
下面结合具体例子,对上述步骤1~步骤4进行详细的解释说明。
首先,做如下一些变量的定义:
X:节点集合,表示当前节点集合中的所有节点的集合。
U:邻节点集合,表示节点集合中与子集合中的任一节点有交易来往的节点的集合,邻节点集合与子集合无交集。
C:临时节点集合,表示临时节点节点中的所有节点的集合。
Ck:子集合k,表示第k个子集合中的所有节点的集合。
以下是具体的步骤:
1)初始化各变量。初始化节点集合X={1,2,…,n},U=φ,C=φ,子集合计数器k=0,其中φ代表空集;
2)从X中选取目标函数值最大的节点作为核节点,将核节点及与其有交易往来的节点存入集合C中,然后将集合C的所有邻接点存入邻节点集合U中,也就是U中存放的是子集合C内所有节点的邻节点(不包含C内的节点)。
该步骤中,f为节点集合X的目标函数值。
4)从U中选取一个目标函数值最大的节点,假设为节点i,如果该节点的目标函数值fi大于f,则继续步骤5),否则,令k=k+1,Ck=C,X={X-U-Ck},U=φ,C=φ,回到步骤2);
5)将节点i加入字集合C中,并计算加入该节点i之后子集合C的目标函数值f′C,其中(其中fi是节点i的目标函数值),如果f′C≥f,则继续步骤6),否则,令k=k+1,Ck=C,X={X-Ck},U=φ,C=φ,回到步骤2);
6)计算加入节点i之后的子集合C的目标函数值的绝对变化量,Δf=|f′C-fC|,如果Δf≤σf,则添加该节点i到字集合C中,并从U中去掉节点i,然后将节点i的邻节点添加到U中,继续步骤7),否则,从U中去掉该节点i,回到步骤4);
7)如果U≠φ,回到步骤4),否则令k=k+1,Ck=C,X={X-Ck},C=φ,继续步骤8);
8)如果X≠φ,则回到步骤2),否则,所有满足条件的节点都被划分到相应的字集合中,完成了将节点集合X中的n个节点划分为到多个子集合。
在找到了多个子集合后,由于这些子集合中有可能存在两个子集合相互联系很紧密的情形,此时应该将这两个子集合进行合并,形成一个新的子集合。
通过将任意两个存在紧密联系的子集合合并,最终得到一组相互独立的子集合。其中,最终得到的每个子集合,也可以称为异常子集合,或者称之为异常社区集合,它所表示的含义为:异常子集合内部的节点之间存在的频繁的交易行为,该异常子集合是一个可疑洗钱团体。
下面将描述如何对多个子集合进行合并。
在上述步骤103中,根据每个子集合对应的集合信息熵,对所有子集合进行合并,得到合并后的多个子集合。
其中,一个子集合对应的集合信息熵是根据该子集合中每个节点在设定时长内的累计交易资金总额、累计交易次数及与所述节点有交易来往的节点个数得到的,所述合并后的多个子集合中的每个子集合用于表示所述待侦测金融网络中的一个异常节点集合。
下面首先对一个子集合对应的集合信息熵的确定方法进行详细描述。
本发明实施例中,一个子集合对应的集合信息熵是根据该子集合中每个节点在设定时长内的累计交易资金总额、累计交易次数及与所述节点有交易来往的节点个数得到的。可选地,根据下列公式得到一个子集合对应的集合信息熵:
其中,H为所述子集合对应的集合信息熵,L为所述子集合中的节点数量,ni为所述子集合的L个节点中的第ni个节点,表示节点ni是异常节点的概率,表示节点ni在所述设定时长内的累计交易金额,表示节点ni在所述设定时长内的累计交易次数,表示在所述设定时长内与节点ni有交易来往的节点个数。
而对于上述步骤103中根据每个子集合分别对应的集合信息熵,对所有子集合进行合并,得到合并后的多个子集合,实际应用中是有多种方式的,例如假设两个子集合之间的连接边数超过一个预设的阈值,并且两个子集合合并后得到的新的子集合的集合信息熵大于原来两个子集合的集合信息熵之和的平均值,则将这两个子集合合并,其中,两个子集合之间的连接边数可通过下列方式计算:假设子集合A中一个节点i与子集合B中的一个节点j有交易往来,则确定节点i与节点j之间有连接关系,然后将具有这种连接关系的总数作为两个子集合之间的连接边数。
举例来说,假设子集合A有10个节点,子集合B有20个节点,假设子集合A中有5个节点与子集合B有连接关系,并且这5个节点分别与子集合B中的3个,5个,7个,8个,3个节点有连接关系,则确定子集合A与子集合B之间的连接边数26。
对于根据每个子集合分别对应的集合信息熵,对所有子集合进行合并,得到合并后的多个子集合的具体方法,本发明不做具体限定。
下面给出本发明实施例中根据每个子集合分别对应的集合信息熵,对所有子集合进行合并,得到合并后的多个子集合的具体方法:
步骤A、从所有子集合中选择第一子集合和第二子集合,所述第一子集合和所述第二子集合之间的连接边数最大且所述连接边数不等于零;
步骤B、判断将所述第一子集合和所述第二子集合合并后得到的子集合对应的集合信息熵是否大于所述第一子集合对应的集合信息熵与所述第二子集合对应的集合信息熵的均值;若是,则转到步骤C,否则转到步骤D;
步骤C、将所述第一子集合和所述第二子集合合并得到一个新的子集合,并转到步骤E;
步骤D、将所述第一子集合和所述第二子集合之间的连接边数设为零,并转到步骤E;
步骤E、判断当前所有子集合中任意两个子集合之间的连接边数是否均为零,若是,则结束,否则转到步骤A。
下面对上述步骤A~步骤E根据具体例子来说明。
1)假设有k个子集合:C1,C2,…,Ck,任意两个子集合Ci和Cj之间的连接边数为Eij,把它们存入数组E中;
2)如果E中的每个元素取值都为0,则结束流程,否则,从E中挑选出取值最大的元素max(Eij),如果max(Eij)=0,则不需要进行子集合的合并,结束流程,否则继续步骤3);
通过将任意两个存在紧密联系的子集合合并,最终得到一组相互独立的子集合。其中,最终得到的每个子集合,也可以称为异常子集合,或者称之为异常社区集合,它所表示的含义为:异常子集合内部的节点之间存在的频繁的交易行为,该异常子集合是一个可疑洗钱团体。
至此,完成了根据节点集合中的n个节点,最终得到了多个子集合,每个子集合表示一个异常节点集合,或者称之为一个可疑洗钱团体。
本发明实施例,根据待侦测金融网络中的所有节点,生成节点集合,其中,一个节点为一个银行账号;根据所述节点集合中每个节点的目标函数值,将所述节点集合的所有节点划分为多个子集合,其中,一个节点的目标函数值是与所述节点在设定时长内的交易频繁度成正比关系;根据每个子集合对应的集合信息熵,对所有子集合进行合并,得到合并后的多个子集合,一个子集合对应的集合信息熵是根据该子集合中每个节点在设定时长内的累计交易资金总额、累计交易次数及与所述节点有交易来往的节点个数得到的,所述合并后的多个子集合中的每个子集合用于表示所述待侦测金融网络中的一个异常节点集合。本发明实施例,由于使用目标函数值来表示一个节点的异常程度且一个节点的目标函数值是与节点在设定时长内的交易频繁度成正比关系;以及根据子集合中节点在设定时长内的累计交易资金总额、累计交易次数及与所述节点有交易来往的节点个数得到集合信息熵,因而可以准确反映金融网络中各节点的异常程度以及各节点之间的联系紧密程度,从而可以提高金融网络中异常节点集合的侦测准确性。
下面对本发明实施例提供的一种金融网络的异常节点集合侦测方法做详细描述,如图2所示,包括:
步骤201、根据待侦测金融网络中的所有节点,生成节点集合,其中,一个节点为一个银行账号;
步骤202、将所述节点集合中目标函数值最大的节点,作为子集合的核节点;
步骤203、将所述节点集合中与所述核节点有交易往来的节点加入所述子集合,以及将邻节点集合中使所述子集合的目标函数值增大的节点加入所述子集合,所述邻节点集合为所述节点集合中与所述子集合中的任一节点有交易来往的节点的集合,所述邻节点集合与所述子集合无交集;
步骤204、输出更新后的所述子集合,并从所述节点集合中删除所述子集合中的所有节点;
步骤205、判断所述节点集合是否为空,若是,则转到步骤206,否则转到步骤202;
步骤206、从所有子集合中选择第一子集合和第二子集合,所述第一子集合和所述第二子集合之间的连接边数最大且所述连接边数不等于零;
步骤207、判断将所述第一子集合和所述第二子集合合并后得到的子集合对应的集合信息熵是否大于所述第一子集合对应的集合信息熵与所述第二子集合对应的集合信息熵的均值,若是,则转到步骤208,否则转到步骤209;
步骤208、将所述第一子集合和所述第二子集合合并得到一个新的子集合,并转到步骤210;
步骤209、将所述第一子集合和所述第二子集合之间的连接边数设为零,并转到步骤210;
步骤210、判断当前所有子集合中任意两个子集合之间的连接边数是否均为零,若是则转到步骤211,若否则转到步骤206;
步骤211、将得到的合并后的多个子集合作为最终结果输出。
本发明实施例,根据待侦测金融网络中的所有节点,生成节点集合,其中,一个节点为一个银行账号;根据所述节点集合中每个节点的目标函数值,将所述节点集合的所有节点划分为多个子集合,其中,一个节点的目标函数值是与所述节点在设定时长内的交易频繁度成正比关系;根据每个子集合对应的集合信息熵,对所有子集合进行合并,得到合并后的多个子集合,一个子集合对应的集合信息熵是根据该子集合中每个节点在设定时长内的累计交易资金总额、累计交易次数及与所述节点有交易来往的节点个数得到的,所述合并后的多个子集合中的每个子集合用于表示所述待侦测金融网络中的一个异常节点集合。本发明实施例,由于使用目标函数值来表示一个节点的异常程度且一个节点的目标函数值是与节点在设定时长内的交易频繁度成正比关系;以及根据子集合中节点在设定时长内的累计交易资金总额、累计交易次数及与所述节点有交易来往的节点个数得到集合信息熵,因而可以准确反映金融网络中各节点的异常程度以及各节点之间的联系紧密程度,从而可以提高金融网络中异常节点集合的侦测准确性。
基于相同的技术构思,本发明实施例还提供一种金融网络的异常节点集合侦测装置,如图3所示,包括:
节点集合生成单元301,用于根据待侦测金融网络中的所有节点,生成节点集合,其中,一个节点为一个银行账号;
节点集合划分单元302,用于根据所述节点集合中每个节点的目标函数值,将所述节点集合的所有节点划分为多个子集合,其中,一个节点的目标函数值是与所述节点在设定时长内的交易频繁度成正比关系;
异常节点集合确定单元303,用于根据每个子集合对应的集合信息熵,对所有子集合进行合并,得到合并后的多个子集合,一个子集合对应的集合信息熵是根据该子集合中每个节点在设定时长内的累计交易资金总额、累计交易次数及与所述节点有交易来往的节点个数得到的,所述合并后的多个子集合中的每个子集合用于表示所述待侦测金融网络中的一个异常节点集合。
可选地,所述节点集合划分单元302,具体用于:
将所述节点集合中目标函数值最大的节点,作为子集合的核节点;
将所述节点集合中与所述核节点有交易往来的节点加入所述子集合,以及将邻节点集合中使所述子集合的目标函数值增大的节点加入所述子集合,所述邻节点集合为所述节点集合中与所述子集合中的任一节点有交易来往的节点的集合,所述邻节点集合与所述子集合无交集;
输出更新后的所述子集合,并从所述节点集合中删除所述子集合中的所有节点,返回到将所述节点集合中目标函数值最大的节点,作为子集合的核节点的步骤,直至所述节点集合为空。
可选地,所述异常节点集合确定单元303,具体用于:
从所有子集合中选择第一子集合和第二子集合,所述第一子集合和所述第二子集合之间的连接边数最大且所述连接边数不等于零;
若将所述第一子集合和所述第二子集合合并后得到的子集合对应的集合信息熵大于所述第一子集合对应的集合信息熵与所述第二子集合对应的集合信息熵的均值,则将所述第一子集合和所述第二子集合合并得到一个新的子集合,并返回到从所有子集合中选择第一子集合和第二子集合的步骤,直至所有子集合中任意两个子集合之间的连接边数均为零;
若将所述第一子集合和所述第二子集合合并后得到的子集合对应的集合信息熵不大于所述第一子集合对应的集合信息熵与所述第二子集合对应的集合信息熵的均值,则将所述第一子集合和所述第二子集合之间的连接边数设为零,并返回到从所有子集合中选择第一子集合和第二子集合的步骤,直至所有子集合中任意两个子集合之间的连接边数均为零。
可选地,所述装置还包括目标函数值确定单元304,用于根据下列公式得到一个节点的目标函数值:
其中,fi为节点i的目标函数值,Di为节点i在所述设定时长内的累计交易次数,D′i为节点i归一化后的所述设定时长的累计交易次数,Qi为所述设定时长内的累计交易金额,Q′i为节点i归一化后的所述设定时长的累计交易金额,σD为所述设定时长内的交易次数标准差,为所述设定时长内的交易次数均值,σQ为为所述设定时长内的交易金额标准差,为所述设定时长内的交易金额均值,n为所述节点集合中的节点数。
可选地,所述装置还包括集合信息熵确定单元305,用于根据下列公式得到一个子集合对应的集合信息熵:
其中,H为所述子集合对应的集合信息熵,L为所述子集合中的节点数量,ni为所述子集合的L个节点中的第ni个节点,表示节点ni是异常节点的概率,表示节点ni在所述设定时长内的累计交易金额,表示节点ni在所述设定时长内的累计交易次数,表示在所述设定时长内与节点ni有交易来往的节点个数。
本发明实施例,根据待侦测金融网络中的所有节点,生成节点集合,其中,一个节点为一个银行账号;根据所述节点集合中每个节点的目标函数值,将所述节点集合的所有节点划分为多个子集合,其中,一个节点的目标函数值是与所述节点在设定时长内的交易频繁度成正比关系;根据每个子集合对应的集合信息熵,对所有子集合进行合并,得到合并后的多个子集合,一个子集合对应的集合信息熵是根据该子集合中每个节点在设定时长内的累计交易资金总额、累计交易次数及与所述节点有交易来往的节点个数得到的,所述合并后的多个子集合中的每个子集合用于表示所述待侦测金融网络中的一个异常节点集合。本发明实施例,由于使用目标函数值来表示一个节点的异常程度且一个节点的目标函数值是与节点在设定时长内的交易频繁度成正比关系;以及根据子集合中节点在设定时长内的累计交易资金总额、累计交易次数及与所述节点有交易来往的节点个数得到集合信息熵,因而可以准确反映金融网络中各节点的异常程度以及各节点之间的联系紧密程度,从而可以提高金融网络中异常节点集合的侦测准确性。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种金融网络的异常节点集合侦测方法,其特征在于,包括:
根据待侦测金融网络中的所有节点,生成节点集合,其中,一个节点为一个银行账号;
根据所述节点集合中每个节点的目标函数值,将所述节点集合的所有节点划分为多个子集合,其中,一个节点的目标函数值是与所述节点在设定时长内的交易频繁度成正比关系;
根据每个子集合对应的集合信息熵,对所有子集合进行合并,得到合并后的多个子集合,一个子集合对应的集合信息熵是根据该子集合中每个节点在设定时长内的累计交易资金总额、累计交易次数及与所述节点有交易来往的节点个数得到的,所述合并后的多个子集合中的每个子集合用于表示所述待侦测金融网络中的一个异常节点集合;
所述根据所述节点集合中每个节点的目标函数值,将所述节点集合的所有节点划分为多个子集合,包括:
将所述节点集合中目标函数值最大的节点,作为子集合的核节点;
将所述节点集合中与所述核节点有交易往来的节点加入所述子集合,以及将邻节点集合中使所述子集合的目标函数值增大的节点加入所述子集合,所述邻节点集合为所述节点集合中与所述子集合中的任一节点有交易来往的节点的集合,所述邻节点集合与所述子集合无交集;
输出更新后的所述子集合,并从所述节点集合中删除所述子集合中的所有节点,返回到将所述节点集合中目标函数值最大的节点,作为子集合的核节点的步骤,直至所述节点集合为空;
所述根据每个子集合分别对应的集合信息熵,对所有子集合进行合并,得到合并后的多个子集合,包括:
从所有子集合中选择第一子集合和第二子集合,所述第一子集合和所述第二子集合之间的连接边数最大且所述连接边数不等于零;
若将所述第一子集合和所述第二子集合合并后得到的子集合对应的集合信息熵大于所述第一子集合对应的集合信息熵与所述第二子集合对应的集合信息熵的均值,则将所述第一子集合和所述第二子集合合并得到一个新的子集合,并返回到从所有子集合中选择第一子集合和第二子集合的步骤,直至所有子集合中任意两个子集合之间的连接边数均为零;
若将所述第一子集合和所述第二子集合合并后得到的子集合对应的集合信息熵不大于所述第一子集合对应的集合信息熵与所述第二子集合对应的集合信息熵的均值,则将所述第一子集合和所述第二子集合之间的连接边数设为零,并返回到从所有子集合中选择第一子集合和第二子集合的步骤,直至所有子集合中任意两个子集合之间的连接边数均为零。
4.一种金融网络的异常节点集合侦测装置,其特征在于,包括:
节点集合生成单元,用于根据待侦测金融网络中的所有节点,生成节点集合,其中,一个节点为一个银行账号;
节点集合划分单元,用于根据所述节点集合中每个节点的目标函数值,将所述节点集合的所有节点划分为多个子集合,其中,一个节点的目标函数值是与所述节点在设定时长内的交易频繁度成正比关系;
异常节点集合确定单元,用于根据每个子集合对应的集合信息熵,对所有子集合进行合并,得到合并后的多个子集合,一个子集合对应的集合信息熵是根据该子集合中每个节点在设定时长内的累计交易资金总额、累计交易次数及与所述节点有交易来往的节点个数得到的,所述合并后的多个子集合中的每个子集合用于表示所述待侦测金融网络中的一个异常节点集合;
所述节点集合划分单元,具体用于:
将所述节点集合中目标函数值最大的节点,作为子集合的核节点;
将所述节点集合中与所述核节点有交易往来的节点加入所述子集合,以及将邻节点集合中使所述子集合的目标函数值增大的节点加入所述子集合,所述邻节点集合为所述节点集合中与所述子集合中的任一节点有交易来往的节点的集合,所述邻节点集合与所述子集合无交集;
输出更新后的所述子集合,并从所述节点集合中删除所述子集合中的所有节点,返回到将所述节点集合中目标函数值最大的节点,作为子集合的核节点的步骤,直至所述节点集合为空;
所述异常节点集合确定单元,具体用于:
从所有子集合中选择第一子集合和第二子集合,所述第一子集合和所述第二子集合之间的连接边数最大且所述连接边数不等于零;
若将所述第一子集合和所述第二子集合合并后得到的子集合对应的集合信息熵大于所述第一子集合对应的集合信息熵与所述第二子集合对应的集合信息熵的均值,则将所述第一子集合和所述第二子集合合并得到一个新的子集合,并返回到从所有子集合中选择第一子集合和第二子集合的步骤,直至所有子集合中任意两个子集合之间的连接边数均为零;
若将所述第一子集合和所述第二子集合合并后得到的子集合对应的集合信息熵不大于所述第一子集合对应的集合信息熵与所述第二子集合对应的集合信息熵的均值,则将所述第一子集合和所述第二子集合之间的连接边数设为零,并返回到从所有子集合中选择第一子集合和第二子集合的步骤,直至所有子集合中任意两个子集合之间的连接边数均为零。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610633788.9A CN106327340B (zh) | 2016-08-04 | 2016-08-04 | 一种金融网络的异常节点集合侦测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610633788.9A CN106327340B (zh) | 2016-08-04 | 2016-08-04 | 一种金融网络的异常节点集合侦测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106327340A CN106327340A (zh) | 2017-01-11 |
CN106327340B true CN106327340B (zh) | 2022-01-07 |
Family
ID=57739392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610633788.9A Active CN106327340B (zh) | 2016-08-04 | 2016-08-04 | 一种金融网络的异常节点集合侦测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106327340B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934697A (zh) | 2017-12-15 | 2019-06-25 | 阿里巴巴集团控股有限公司 | 一种基于图结构模型的信用风险控制方法、装置以及设备 |
CN109934706B (zh) | 2017-12-15 | 2021-10-29 | 创新先进技术有限公司 | 一种基于图结构模型的交易风险控制方法、装置以及设备 |
CN109461078B (zh) * | 2018-10-22 | 2020-09-11 | 中信网络科技股份有限公司 | 一种基于资金交易网络的异常交易识别方法及系统 |
CN110111113B (zh) * | 2019-04-30 | 2023-12-08 | 中国银联股份有限公司 | 一种异常交易节点的检测方法及装置 |
US11605086B2 (en) | 2019-10-30 | 2023-03-14 | Paypal, Inc. | Electronic database search and storage efficiency improvement |
CN111105238A (zh) * | 2019-11-07 | 2020-05-05 | 中国建设银行股份有限公司 | 一种交易风险控制方法和装置 |
CN111815946A (zh) * | 2020-04-17 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 一种异常路段的确定方法、装置、存储介质和电子设备 |
CN111626860B (zh) * | 2020-07-24 | 2020-11-20 | 成都寻道数财科技有限公司 | 结合历史和实时财务数据判断高频交易的系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400299A (zh) * | 2013-07-02 | 2013-11-20 | 西安交通大学 | 基于重叠点识别的网络重叠社团检测方法 |
CN104199832A (zh) * | 2014-08-01 | 2014-12-10 | 西安理工大学 | 基于信息熵的金融网络异常交易社区发现方法 |
CN105608329A (zh) * | 2016-01-26 | 2016-05-25 | 中国人民解放军国防科学技术大学 | 一种基于社团演化的组织行为异常检测方法 |
CN105824785A (zh) * | 2016-03-11 | 2016-08-03 | 中国石油大学(华东) | 基于惩罚回归的快速异常点检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9680915B2 (en) * | 2012-09-12 | 2017-06-13 | Infosys Limited | Methods for clustering networks based on topology discovery and devices thereof |
-
2016
- 2016-08-04 CN CN201610633788.9A patent/CN106327340B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400299A (zh) * | 2013-07-02 | 2013-11-20 | 西安交通大学 | 基于重叠点识别的网络重叠社团检测方法 |
CN104199832A (zh) * | 2014-08-01 | 2014-12-10 | 西安理工大学 | 基于信息熵的金融网络异常交易社区发现方法 |
CN105608329A (zh) * | 2016-01-26 | 2016-05-25 | 中国人民解放军国防科学技术大学 | 一种基于社团演化的组织行为异常检测方法 |
CN105824785A (zh) * | 2016-03-11 | 2016-08-03 | 中国石油大学(华东) | 基于惩罚回归的快速异常点检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106327340A (zh) | 2017-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106327340B (zh) | 一种金融网络的异常节点集合侦测方法及装置 | |
CN113379042B (zh) | 保护数据隐私的业务预测模型训练方法及装置 | |
US20210157930A1 (en) | Blockchain-based transaction privacy | |
WO2020093736A1 (zh) | 基于区块链的数据处理方法、装置和服务器 | |
CN112799708A (zh) | 联合更新业务模型的方法及系统 | |
CN111709415A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
CN110688433A (zh) | 一种基于路径的特征生成方法及装置 | |
CN112347425B (zh) | 基于时间序列的密集子图检测的方法和系统 | |
US20200169386A1 (en) | Blockchain-based data processing method, apparatus, and blockchain node | |
CN112507323A (zh) | 基于单向网络的模型训练方法、装置和计算设备 | |
CN109993338B (zh) | 一种链路预测方法及装置 | |
CN111082922B (zh) | 一种区块链的数据处理方法及相关设备 | |
CN109800823B (zh) | 一种pos终端的聚类方法及装置 | |
CN113393250A (zh) | 一种信息处理方法及装置、存储介质 | |
CN113837878A (zh) | 一种数据比对方法、装置、设备及存储介质 | |
CN108256642B (zh) | 一种用于非精确计算神经网络的电路设计方法 | |
CN110738563A (zh) | 识别目标企业对应的最终受益人的方法及装置 | |
WO2018211617A1 (ja) | 実験計画最適化装置、実験計画最適化方法および実験計画最適化プログラム | |
CN116308805B (zh) | 一种交易账号的识别方法、装置和电子设备 | |
CN117436882A (zh) | 异常交易识别方法、装置、计算机设备和存储介质 | |
CN111179037B (zh) | 理财产品的推荐方法及装置 | |
US20230298326A1 (en) | Image augmentation method, electronic device and readable storage medium | |
Lucas et al. | Bayesian Networks | |
CN112308307A (zh) | 股市中最大回撤的优化方法、装置、电子设备及存储介质 | |
CN117708151A (zh) | 数据的处理方法、装置、计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |