具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
本说明书实施例的思想在于,在建立了目标平台的客户关系网络后,根据该网络中与各个客户具有之间关联关系的客户的数量,进行异常金融交易群体的挖掘,并且,通过对挖掘出的群体中的客户进行验证的方式,可以进一步提高确定出的异常金融交易群体的准确性。基于此思想,本说明书实施例提供了一种异常金融交易群体的识别方法、装置、设备及存储介质。下述将一一详细进行介绍。
图1为本说明书实施例提供的异常金融交易群体的识别方法,图1所示的方法至少包括如下步骤:
步骤102,获取目标平台上的客户相关信息;其中,该客户关系信息至少包括客户之间的关联信息和客户在设定时间长度内的交易信息。
本说明书实施例提供的异常金融交易群体的识别方法可以应用于服务器侧,即本说明书实施例提供的方法的执行主体为服务器,具体的,该方法的执行主体可以为设置于服务器上的异常金融交易群体的识别装置。
其中,上述目标平台为金融交易平台。例如,可以为支付宝等。
具体的,在本说明书实施例中,步骤102中所提及的客户之间的关联关系可以为资金交易关系、同设备关系或者通讯录好友关系中的任意一种。所谓客户之间存在资金交易关系一般指的是客户之间发生过转账等金钱交易关系;所谓同设备关系一般指的是在某个时间段内两个或者多个客户共用媒体访问控制层(Media Access Control,MAC)地址等;所谓通信录好友可以是两个或者多个客户之间为手机通讯录好友或者在目标平台为通讯好友等。
上述交易信息一般指的是客户之间的金钱交易,例如,可以是金钱流入、金钱流出、与该客户进行交易的交易方等信息。
需要说明的是,上述设定时间长度的取值可以为三个月、四个月等任意时间段。具体的,上述设定时间长度的具体取值可以根据实际应用场景进行限定,本说明书实施例并不对上述设定时间长度的具体取值进行限定。
具体的,在本说明书实施例中,在目标平台的数据库中维护有客户信息,因此,在上述步骤102中,可以直接从目标平台的数据库中读取客户相关信息。
步骤104,基于上述关联信息和交易信息,构建针对目标平台的客户关系网络。
其中,基于目标平台上的所有客户,可以构建出一个或者多个客户关系网络,所构建的客户关系网络的数目依据目标平台上所有客户之间的关联关系而确定,若是依据目标平台上客户之间的关联关系可以将目标平台上所有的客户串在一起,则可以构建一个客户关系网络,例如,若是目标平台上存在客户A、客户B、客户C、客户D和客户E五个客户,且客户A与客户B存在关联关系,客户B和客户C存在关联关系,客户C和客户D存在关联关系,客户D和客户E存在关联关系,则针对该目标平台可以构建一个客户关系网络;若是依据目标平台上客户之间的关联关系不能将目标平台上所有的客户串在一起,则可以根据存在关联关系的客户构建多个客户关系网络,例如,若是目标平台上存在客户A、客户B、客户C、客户D和客户E五个客户,且客户A与客户B和客户C存在关联关系,客户B与客户C存在关联关系,客户D和客户E存在关联关系,则针对目标平台,则客户A、客户B和客户C可以构建一个客户关系网络,客户D和客户E可以构建一个客户关系网络。
具体的,上述步骤104中,基于上述关联关系和交易信息,构建针对目标平台的客户关系网络具体包括如下步骤一、步骤二和步骤三;
步骤一、根据上述交易信息,筛选目标平台上满足预设条件的目标客户;其中,上预设条件包括以下条件中的任意一种:设定时间长度内的交易金额达到设定金额、设定时间长度内进行交易的交易方的数量达到第三设定数量或设定时间长度内的交易频率达到设定频率;
步骤二、根据上述关联信息,从目标客户中确定每个目标客户所对应的关联客户;
步骤三、根据每个目标客户所对应的关联客户,构建针对目标平台的客户关系网络。
在本说明书实施例中,由于目标平台上的客户数量较多,但是并不是目标平台上所有的客户都属于异常金融交易群体,若是在建立目标客户关系网络时,将所有的客户都考虑进去,建立的客户关系网络较大,可能会导致后续挖掘异常金融交易群体时的工作量较大。因此,本说明书实施例中,在建立针对目标平台的客户关系网络时,可以先对目标平台上的所有客户进行筛选。
具体的,在进行筛选的时候,可以考虑每个客户在设定时间长度内的交易金额、进行交易方的数量或者交易频率等信息。例如,在具体实施时,上述设定时间长度为三个月,可以将上述设定金额设置为20亿人民币、将交易方的第三设定数量设置为10万,将交易频率设置为5次。相应的,在构建针对目标平台的客户关系网络时,筛选出的目标客户可以是在三个月内的交易金额大于或等于20亿人民币的客户、或者是在三个月内进行交易的交易方的数量大于或等于10万的客户、还或者是在三个月内的交易次数大于或等于5次的客户。
在筛选出进行构建客户关系网络的目标客户后,则需要确定目标客户中每个目标客户所对应的关联客户。其中,上述关联客户为与目标客户具有以下关系中的任意一种的客户:资金关系、同设备关系或通讯录好友关系。
在具体实施时,针对目标平台上的每个客户,均需要确定出与该客户具有关联关系的其他客户。例如,针对目标平台上的客户A,若是客户B与客户A通过目标平台进行了转账交易,则确定客户A与客户B具有关联关系;若是客户B与客户A为手机通讯录好友或者在目标平台上为好友关系,则确定客户B与客户A具有关联关系;或者,在某段时间内,客户A和客户B共同使用一个设备进行账号的登录或者操作等,则确定客户A和客户B具有关联关系。
具体的,在上述步骤三中,在构建客户关系网络时,可以将存在关联关系的目标客户之间通过直线进行连接,从而得到针对目标平台的客户关系网络。
为便于理解,下述将举例进行说明。
假设从目标平台上筛选出的目标客户为客户A、客户B、客户C、客户D、客户E、客户F和客户G,且客户A与客户B、客户D、客户E和客户F具有关联关系,客户B与客户A、客户C、客户D和客户F具有关联关系,客户C与客户B、客户D、客户F和客户E具有关联关系,客户D与客户A、客户B、客户C、客户E、客户F、和客户G具有关联关系,客户E与客户A、客户C、客户D、客户F具有关系联系,客户F与客户A、客户B、客户C、客户D、客户E和客户G具有关联关系,则建立的客户关系网络如图2所示。
另外,在本说明书实施例中,对于目标平台而言,存在一些客户交易额度、或者交易方的数量、或者交易频率中的一种或者多种满足上述设定条件,但是,该客户明显不是异常金融交易群体。因此,为了进一步减少所构建的客户关系网络中的客户的数量,从而减少后续挖掘异常金融交易群体时的数据处理量,在本说明书实施例中,上述步骤104的具体实现过程还包括:
筛除属于目标平台上的白名单的客户。
在一种具体实施方式中,可以预先列举针对该目标平台的白名单客户,这样,在构建针对目标平台的客户关系网络时,可以将属于该目标平台的白名单的客户筛除,然后通过对剩余的客户执行上述步骤一、步骤二和步骤三,从而构建针对目标平台的客户关系网络。
例如,上述白名单客户可以为一些交易频繁的交易平台。例如,可以为滴滴打车平台、阿里妈妈等平台。
需要说明的是,在本说明书实施例中,步骤102中所提及的构建客户关系网络,可以通过连线将在同一客户关系网络中的客户连接起来,也可以只是将属于同一关系网络的客户查找出来,并列出同一关系网络中的客户之间的关联关系。
步骤106,根据客户关系网络中与每个客户所对应的关联客户的数量,按照设定的群体挖掘策略和挖掘出的群体中每个客户的验证结果,确定目标平台上的异常金融交易群体;其中,上述验证结果用于指示该客户是否属于异常金融交易客户。
在本说明书实施例中,按照设定的群体挖掘策略所挖掘的群体可以为Kcore群体,Kcore群体中客户之间的关系较为稠密。具体的,Kcore则是满足以下条件的子网络:对于子网络g中的任意客户v,与该子网络g中的至少k个其它客户存在关联关系,即在子网络g中,每个客户至少具有k个关联客户。
所谓具有关联关系的客户一般指的是存在金钱交易、或者共同使用一个MAC地址或者为通讯录好友关系的两个或多个客户。例如,针对图2所示的客户关系网络,客户A与客户D之间具有关联关系,客户D和客户C之间具有关联关系,但是客户A和客户C之间不具有关联关系。
具体的,在步骤106中,在按照设定的群体挖掘策略挖掘出客户后,则将挖掘出的客户发送给验证节点,由验证节点对挖掘出的客户进行验证,以验证该客户是否属于异常金融交易客户,并将验证结果返回给异常金融交易群体的识别装置,由异常金融交易群体的识别装置根据验证节点返回的验证结果将挖掘出的客户中的异常金融交易客户组成一个群体,将该群体确定异常金融交易群体。
其中,上述验证节点可以为运营节点,具体的,可以由运营节点的工作人员通过人工方式对挖掘出的客户进行验证,也可以由运营节点根据各个客户的交易相关信息、被举报信息、与其进行交易的交易方信息等自动分析,以验证该客户是否为异常金融交易群体。
在本说明书实施例中,在确定目标平台上的异常金融交易群体时,可以直接从客户关系网络中挖掘具有第二设定数量各关联客户的客户,也可以先确定一个较小的初始群体,然后逐层扩大该初始群体中的成员的方式进行挖掘。
下述将分别详细介绍上述两种实现方式。
方式一
在具体实施时,上述设定的群体挖掘策略可以包括对上述客户关系网络进行多轮挖掘;
具体的,上述步骤106中,根据客户关系网络中与每个客户所对应的关联客户的数量,按照设定的群体挖掘策略和挖掘出的群体中每个客户的验证结果,确定目标平台上的异常金融交易群体,具体包括如下步骤(1)和步骤(2);
步骤(1)、根据客户关系网络中每个客户所对应的关联客户的数量,从上述客户关系网络中挖掘每个客户所对应的初始群体,并根据对上述初始群体中每个客户的验证结果,对属于初始群体中的客户进行调整;其中,上述初始群体中每个客户均与该初始群体中的其他客户具有关联关系;
步骤(2)、通过降低初始群体中每个客户所对应的关联客户的数量对客户关系网络执行至少一轮客户挖掘操作,根据每轮挖掘的客户所对应的验证结果将异常金融交易客户添加至调整后的初始群体中,若在接收到停止挖掘的指示信息或者在每个客户所对应的关联客户的数量降低至设定值时得到该客户所对应的群体,则将当前得到的群体确定为目标平台上的异常金融交易群体。
具体的,上述步骤(1)中所确定的初始群体,实质为Kcore群体的一种特殊形式,在该初始群体中,k=g-1,其中,g表示该初始群体中客户的数量,k为该初始群体中每个客户所对应的关联客户的数量,并且,上述初始群体为一个关系最稠密的团伙。
需要说明的是,上述步骤(2)中停止挖掘的指示信息为验证节点发送的,即接收到验证节点发送的停止挖掘的指示信息时,则停止继续发掘;或者,在本说明书实施例中,在进行多轮客户挖掘操作时,则是通过不断降低初始群体中每个客户所对应的关联客户的数量实现的,因此,当将每个客户所对应的关联客户的数量降低至设置值时,则停止继续挖掘。
在具体实施时,步骤(2)中的设定值的取值可以为1,当然,还可以为其它数值,上述设定值的具体取值可以根据实际应用场景进行设置,本说明书实施例并不对上述设定值的具体取值进行限定。
具体的,该种实现方式则是对客户关系网络进行多轮挖掘,并在每轮挖掘之后,将挖掘出的客户发送给验证节点,由验证节点验证该客户是否为异常金融交易客户,验证节点将验证结果返回给异常金融交易群体的识别装置,异常金融交易群体的识别装置将验证结果指示属于异常金融交易客户的客户作为异常金融交易群体的成员;在每轮操作中均是执行上述操作,依次增加异常金融交易群体中的成员的数量,从而得到目标平台上的异常金融交易群体。
在具体实施时,则需要先从客户关系网络中确定一个较小的初始群体,然后由验证节点对属于该初始群体的每个客户进行验证,异常金融交易群体的识别装置根据验证节点对每个客户的验证结果,对属于该初始群体的客户进行调整(若是对某个客户的验证结果指示该客户不属于异常金融交易客户,则从初始群体中删除该客户);然后通过对客户关系网进行挖掘再一轮轮的扩展调整后的初始群体中的客户,仍然由验证节点对扩展的客户进行验证,异常金融交易群体的识别装置根据每个扩展客户的验证结果,确定添加至异常金融交易群体中的客户。
其中,在上述步骤(1)中,根据客户关系网络中每个客户所对应的关联客户的数量,从客户关系网络中挖掘每个客户所对应的初始群体,具体可以通过如下过程实现:
针对客户关系网络中的每个客户,从客户关系网络中筛选与该客户具有关联关系的客户队列;确定筛选出的客户队列中每个客户所对应的关联客户的数量;将关联客户的数量等于客户队列中除该客户外剩余客户的数量的客户确定为属于该初始群体的客户,得到初始群体。
其中,上述客户队列中包括该客户以及与该客户具有关联关系的其他客户。
若是所对应的关联客户的数量小于筛选出的客户队列中除该客户外剩余客户的数量,则确定该客户并不是与筛选出的其他客户之间均存在关联关系,将该客户从筛选出的客户队列中移出。
为便于理解,下述将举例进行说明。
继续沿用图2所对应的举例,例如,针对客户A,与客户A具有关联关系的客户包括客户B、客户D、客户E和客户F,即筛选出的客户队列包括客户A、客户B、客户D、客户E和客户F五个客户,对于客户A与剩余四个客户均具有关联关系,因此,客户A所对应的关联客户的数量等于该客户队列中除客户A外剩余客户的数量,客户B与客户A、客户D和客户F具有关联关系,即筛选出的客户队列中与客户B具有关联关系的客户的数量为3,而筛选出的客户队列中除客户B外剩余客户的数量为4,因此,客户B不属于初始群体;客户D与客户A、客户B、客户E和客户F均具有关联关系,即筛选出的客户队列中与客户D具有关联关系的客户的数量为4,等于筛选出的客户队列中除客户D外剩余客户的数量,因此,客户D属于初始群体;客户E与客户A、客户D和客户F具有关联关系,即筛选出的客户队列中与客户E具有关联关系的客户的数量为3,而筛选出的客户队列中客户E外剩余客户的数量为4,因此,客户E不属于初始群体;客户D与客户A、客户B、客户D和客户E具有关联关系,即筛选出的客户队列中与客户F具有关联关系的客户的数量为4,因此,客户F属于初始群体。通过上述过程,确定出的初始群体中的成员则为客户A、客户D和客户F。
上述只是示例性介绍每个客户所对应的初始群体的挖掘方法,并不构成对本说明书实施例的限定。
在本说明书实施例中,当通过上述过程确定出客户关系网络中每个客户所对应的初始群体后,则将属于该初始群体的客户发送给验证节点,由验证节点的工作人员对每个客户进行验证,以确定该成员是否属于异常金融交易客户,验证节点将验证结果返回给异常金融交易群体的识别装置,以使异常金融交易群体的识别装置将初始群体中不属于异常金融交易群体的客户删除。
在异常金融交易群体的识别装置对初始群体中的成员进行调整之后,则需要进一步扩展调整后的初始群体中的客户的数量。
具体的,在上述步骤(2)中,对客户关系网络执行至少一轮客户挖掘操作,具体包括:
确定初始群体中每个客户所对应的关联客户的数量;按照设定规则依次降低每个客户所对应的关联客户的数量,并确定每次降低该数量时从客户关系网络中所挖掘到的客户。
上述设定规则可以是每次降低一个关联客户的数量、或者每次降低两个、三个等关联客户的数量。上述设定规则的具体内容可根据实际应用场景进行限定,本说明书实施例并不对此进行限定。
可以理解,当降低初始群体中每个客户所对应的关联客户的数量时,可以从客户关系网络中再筛选出一部分满足该条件的客户,将该部分客户作为挖掘到的客户。
为便于理解,下述将举例进行说明。
继续沿用图2所示客户关系网络,从图2中挖掘出的客户A所对应的初始群体包括客户A、客户D和客户F,在挖掘客户A所对应的初始群体时,与每个客户具有关联关系的客户的数量为2,将每个客户所对应的关联客户的数量将为1,则客户B、客户C和客户E和客户G均满足条件,因此,客户B、客户C和客户E和客户G确定为挖掘到的客户。
另外,由于目标平台上存在的客户数量较多,在依次降低每个客户所对应的关联客户的数量时,可能会挖掘到多个客户,若是将挖掘到的客户均发送给验证节点进行验证,则会增大验证节点的工作负担,因此,可以对挖掘到的客户先执行筛选操作。具体的,在本说明书实施例中,在确定每次降低该数量时从客户关系网络中所挖掘到的客户之后,上述对客户关系网络执行至少一轮客户挖掘操作的步骤,还包括:
根据所挖掘到的客户中的每个客户被认定为异常金融交易客户的得分,筛选第一设定数量个客户进行验证。
其中,在目标平台的数据库中存储有每个客户被认定为异常金融交易客户的得分,可以按照该得分从高到低的顺序筛选出第一设定数量个客户发送给验证节点进行验证。
需要说明的是,每个客户所对应的得分越高,则该客户属于异常金融交易客户的概率越高,因此,在本说明书实施例中,当挖掘出的客户数量较多时,可以只选择分值较高的第一设定数量个客户进行验证即可。
在本说明书实施例中,通过依次降低关联客户的数量,可以实现逐层扩展的方式进行多轮挖掘,可以有效控制每次挖掘出的群体成员的关系稠密度和覆盖度,使得挖掘出的群体规模合适,进而可以减少验证节点对挖掘出的群体进行验证的工作量,并且,通过验证结果的指示对挖掘出的群体进行筛选,使得确定出的异常金融交易群体的精确性较高。
方式二
上述设定的群体挖掘筛选策略包括从客户关系网络中挖掘具有第二设定数量个关联客户的客户;
相应的,上述步骤106中,根据客户关系网络中每个客户所对应的关联客户的数量,按照设定的群体挖掘策略和挖掘出的群体中每个客户的验证结果,确定上述目标平台上的异常金融交易群体,具体包括如下步骤(A)、步骤(B)和步骤(C);
步骤(A)、根据上述客户关系网络中每个客户所对应的关联客户的数量,从上述客户关系网络中挖掘具有第二设定数量个关联客户的客户;
步骤(B)、将挖掘出的上述客户发送给验证节点,以使验证节点验证该客户是否属于异常金融交易客户;
步骤(C)、根据上述验证节点返回的验证结果,从挖掘出的客户中确定异常金融交易群体所对应的客户。
具体的,上述第二设定数量可以根据实际应用场景进行设置,本说明书实施例并不对上述第二设定数量的具体取值进行限定。
为便于理解,下述将举例进行说明。
基于沿用图2所示客户关系网络,若是上述第二设定数量为3,则需要从客户关系网络中选取关联客户的数量至少为4个的客户,在图2所示客户关系网络中,客户A所对应的关联客户的数量为4个,客户B所对应的关联客户的数量为4个,客户C所对应的关联客户的数量为4个,客户D所对应的关联客户的数量为6个,客户E所对应的关联客户的数量为5个,客户F所对应的关联客户的数量为6个,客户G所对应的关联客户的数量为3个,因此,挖掘出的客户包括客户A、客户B、客户C、客户D、客户E和客户F。
然后将挖掘出的各个客户发送给验证节点进行验证,验证节点的工作人员验证各个客户是否属于异常金融交易客户,得到验证结果,将验证结果返回给异常金融交易群体的识别装置,异常金融交易群体的识别装置将挖掘出的客户中属于异常金融交易的客户组成群体,作为目标平台的异常金融交易群体。
在本说明书实施例中,采用给定关联客户的数量的方式确定目标平台上的异常金融交易群体,确定方法简单方便,容易实现。
另外,在本说明书实施例中,当确定出目标平台上的异常金融交易群体后,还需要执行如下步骤:
搜集上述异常金融交易群体被认定为异常金融交易群体的相关信息;其中,上述相关信息至少包括上述异常金融交易群体中每个成员的被举报信息、上述异常金融交易群体在上述设定时间长度内的整体交易金额以及上述异常金融交易群体中每个成员在上述设定时间长度内的交易信息。
本说明书实施例提供的异常金融交易群体的识别方法,根据目标平台上的客户之间的关联信息以及客户在设定时间长度内的交易信息,构建针对目标平台的客户关系网络;然后,根据客户关系网络中每个客户所对应的关联客户的数量,按照设定的挖掘策略进行可疑群体的挖掘,并通过对挖掘出的可疑群体中的每个客户进行验证的方式,确定出目标平台上的异常金融交易群体;在本说明书实施例中,实现了对目标平台上的异常金融交易群体的识别,并且根据每个客户所对应的关联客户的数量,可以挖掘出规模合适的群体,可以减少对挖掘出的客户进行验证的工作量,并且,通过验证结果的指示对挖掘出的群体进行筛选,可以提高确定出的异常金融交易群体的精确性较。
对应于本说明书实施例提供的异常金融交易群体的识别方法,基于相同的思路,本说明书实施例还提供了一种异常金融交易群体的识别方法,针对与图1、图2所对应实施例中相同之处不再赘述,这里重点介绍与图1、图2所对应实施例的不同之处。图3为本说明书实施例提供的异常金融交易群体的识别方法的方法流程图之二,图3所示的方法至少包括如下步骤:
步骤302,获取目标平台上的客户相关信息;其中,该客户相关信息至少包括客户之间的关联信息和客户在设定时间长度内的交易信息。
步骤304,基于关联信息和交易信息,构建针对目标平台的客户关系网络。
步骤306,依次降低客户关系网络中每个客户所对应的关联客户的数量,对客户关系网络进行多轮挖掘,并根据每轮挖掘出的客户所对应的验证结果,确定该轮挖掘出的客户中的异常金融交易客户。
其中,上述客户所对应的验证结果为验证节点返回的。
需要说明的是,在本说明书实施例中,在进行多轮挖掘时,可以不断降低每个客户所对应的关联客户的数量,从而对第一次挖掘出的初始群体不断进行成员扩展。
步骤308,根据每轮确定出的异常金融交易客户,确定目标平台上的异常金融交易群体;其中,验证结果用于指示客户是否属于异常金融交易客户。
具体的,在步骤308中,将每轮确定出的异常金融交易客户构成一个群体,该群体则为目标平台上的异常金融交易群体。
其中,上述步骤306具体可以通过如下步骤实现:
根据客户关系网络中每个客户所对应的关联客户的数量,从客户关系网络中挖掘每个客户所对应的初始群体,并根据初始群体中每个客户的验证结果,对属于初始群体的客户进行调整;其中,初始群体中每个客户均与该初始群体中的其他客户具有关联关系;通过降低初始群体中每个客户所对应的关联客户的数量对客户关系网络执行至少一轮客户挖掘操作,根据每轮挖掘的客户所对应的验证结果将异常金融交易客户添加至调整后的初始群体中,若在接收到停止挖掘的指示信息或者在每个客户所对应的关联客户的数量降低至设定值时得到该客户所对应的群体,则将当前得到的群体确定为目标平台上的异常金融交易群体。
具体的,上述根据客户关系网络中每个客户所对应的关联客户的数量,从客户关系网络中挖掘每个客户所对应的初始群体,具体包括:
针对客户关系网络中的每个客户,从客户关系网络中筛选与该客户具有关联关系的客户队列;确定筛选出的客户队列中每个客户所对应的关联客户的数量;将关联客户的数量等于客户队列中除该客户外剩余客户的数量的客户确定为属于初始群体的客户,得到初始群体。
上述对客户关系网络执行至少一轮客户挖掘操作,具体包括:
确定初始群体中每个客户所对应的关联客户的数量;按照设定规则依次降低每个客户所对应的关联客户的数量,并确定每次降低数量时从客户关系网络中所挖掘到的客户。
在确定每次降低该数量时从客户关系网络中所挖掘到的客户之后,该方法还包括:
根据所挖掘到的客户中的每个客户被认定为异常金融交易客户的得分,筛选第一设定数量个客户进行验证。
另外,在上述步骤304中,基于关联关系和交易信息,构建针对目标平台的客户关系网络,具体包括:
根据交易信息,筛选目标平台上满足预设条件的目标客户;其中,预设条件包括以下条件中的任意一种:设定时间长度内的交易金额达到设定金额、设定时间长度内进行交易的交易方的数量达到第三设定数量或者设定时间长度内的交易频率达到设定频率;根据关联信息,从目标客户中确定每个目标客户所对应的关联客户;根据每个目标客户所对应的关联客户,构建针对目标平台的客户关系网络。
具体的,基于上述关联关系和交易信息,构建针对目标平台的客户关系网络,还包括:
筛除属于目标平台上的白名单的客户。
另外,在本说明书实施例中,在通过步骤308确定出目标平台上的异常金融交易群体之后,本说明书实施例提供的方法还包括:
搜集异常金融交易群体被认定为异常金融交易群体的相关信息;其中,相关信息至少包括异常金融交易群体中每个成员的被举报信息、异常金融交易群体在设定时间长度内的整体交易金额以及异常金融交易群体中每个成员在设定时间长度内的交易信息。
图4为本说明书实施例提供的异常金融交易群体的识别方法的方法流程图之三,图4所示的方法,至少包括如下步骤:
步骤402,获取目标平台上客户之间的关联信息和客户在设定时间长度内的交易信息。
步骤404,筛除目标平台上属于该平台所对应的白名单的客户。
步骤406,根据设定时间长度内的交易信息,从筛除属于白名单的客户后的客户中筛选满足预设条件的目标客户。
其中,上述预设条件包括以下条件中的任意一种:设定时间长度内的交易金额达到设定金额、设定时间长度内进行交易的交易方的数量得到第三设定数量或者设定时间长度内的交易频率达到设定频率。
步骤408,从上述目标客户中确定每个客户所对应的关联客户。
步骤410,根据每个客户所对应的关联客户,构建针对目标平台的客户关系网络。
其中,在步骤410中,所构建的客户关系网络可以为一个或多个。
步骤412,针对客户关系网络中的每个客户,从客户关系网络中筛选与该客户具有关联关系的客户队列。
步骤414,确定筛选出的客户队列中每个客户所对应的关联客户的数量。
步骤416,将关联客户的数量等于客户队列中除该客户外剩余客户的数量的客户确定为属于初始群体的客户,得到初始群体。
步骤418,将属于初始群体中的每个客户发送给验证节点,以使验证节点验证该客户是否属于异常金额交易客户。
步骤420,依次降低初始群体中每个客户所对应的关联客户的数量,并确定每个降低该数量时从客户关系网络中所挖掘到的客户。
步骤422,根据所挖掘到的客户中每个客户被认定为异常金融交易客户的得分,筛选第一设定数量个客户发送给验证节点进行验证。
步骤424,将验证为异常金融交易的客户添加至上述初始群体中。
步骤426,将挖掘结束时所得到的群体确定为目标平台的异常金融交易群体。
本说明书实施例中各个步骤的具体实现过程可参考图1至图3所对应实施例,此处不再赘述。
图5为本说明书实施例提供的异常金融交易群体的识别方法的方法流程图之四,图5所示的方法至少包括如下步骤:
步骤502,获取目标平台上客户之间的关联信息和客户在设定时间长度内的交易信息。
步骤504,筛除目标平台上属于该平台所对应的白名单的客户。
步骤506,根据设定时间长度内的交易信息,从筛除属于白名单的客户后的客户中筛选满足预设条件的目标客户。
其中,上述预设条件包括以下条件中的任意一种:设定时间长度内的交易金额达到设定金额、设定时间长度内进行交易的交易方的数量得到第三设定数量或者设定时间长度内的交易频率达到设定频率。
步骤508,从上述目标客户中确定每个客户所对应的关联客户。
步骤510,根据每个客户所对应的关联客户,构建针对目标平台的客户关系网络。
其中,在步骤510中,所构建的客户关系网络可以为一个或多个。
步骤512,根据客户关系网络中每个客户所对应的关联客户的数量,从客户关系网络中挖掘具有第二设定数量个关联客户的客户。
步骤514,将挖掘出的客户发送给验证节点,以使验证节点验证该客户是否属于异常金融交易客户。
步骤516,根据验证节点返回的验证结果,从挖掘出的客户中确定异常金融交易群体所对应的客户。
本说明书实施例提供的异常金融交易群体的识别方法,根据目标平台上的客户之间的关联信息以及客户在设定时间长度内的交易信息,构建针对目标平台的客户关系网络;然后,依次降低客户关系网络中每个客户所对应的关联客户的数量,对客户关系网络进行多轮挖掘,并在每轮挖掘之后,将挖掘出的客户发送给验证节点进行验证,以确定出该轮挖掘出的客户中的异常金融交易客户;在本说明书实施例中,通过依次降低关联客户的数量,可以实现逐层扩展的方式进行多轮挖掘,可以有效控制每次挖掘出的群体成员的关系稠密度和覆盖度,使得挖掘出的群体规模合适,进而可以减少验证节点对挖掘出的群体进行验证的工作量,并且,通过验证结果的指示对挖掘出的群体进行筛选,使得确定出的异常金融交易群体的精确性较高。
对应于本说明书实施例提供的异常金融交易群体的识别方法,基于相同的思路,本说明书实施例提供了一种异常金融交易群体的识别装置,用于执行本说明书实施例提供的异常金融交易群体的识别装置,图6为本说明书实施例提供的异常金融交易群体的识别装置的模块组成示意图之一,该装置可以应用于服务器侧,图6所示的装置,包括:
第一获取模块601,用于获取目标平台上的客户相关信息;其中,客户相关信息至少包括客户之间的关联信息和客户在设定时间长度内的交易信息;
第一构建模块602,用于基于关联信息和交易信息,构建针对目标平台的客户关系网络;
第一确定模块603,用于根据客户关系网络中每个客户所对应的关联客户的数量,按照设定的群体挖掘策略和挖掘出的群体中每个客户的验证结果,确定目标平台上的异常金融交易群体;其中,验证结果用于指示客户是否属于异常金融交易客户。
可选的,设定的群体挖掘策略包括对客户关系网络进行多轮挖掘;
第一确定模块603,包括:
第一挖掘单元,用于根据客户关系网络中每个客户所对应的关联客户的数量,从客户关系网络中挖掘每个客户所对应的初始群体;其中,初始群体中每个客户均与该初始群体中的其他客户具有关联关系;
调整单元,用于根据初始群体中每个客户的验证结果,对属于初始群体的客户进行调整;
第二挖掘单元,用于通过降低初始群体中每个客户所对应的关联客户的数量对客户关系网络执行至少一轮客户挖掘操作;
添加单元,用于根据每轮挖掘的客户所对应的验证结果将异常金融交易客户添加至调整后的初始群体中;
确定单元,用于若在接收到停止挖掘的指示信息或者在每个客户所对应的关联客户的数量降低至设定值时得到该客户所对应的群体,则将当前得到的群体确定为目标平台上的异常金融交易群体。
可选的,第一挖掘单元,具体用于:
针对客户关系网络中的每个客户,从客户关系网络中筛选与该客户具有关联关系的客户队列;确定筛选出的客户队列中每个客户所对应的关联客户的数量;将关联客户的数量等于客户队列中除该客户外剩余客户的数量的客户确定为属于初始群体的客户,得到初始群体。
可选的,第二挖掘单元,具体用于:
确定初始群体中每个客户所对应的关联客户的数量;按照设定规则依次降低每个客户所对应的关联客户的数量,并确定每次降低数量时从客户关系网络中所挖掘到的客户。
可选的,第二挖掘单元,还用于:
根据所挖掘到的客户中的每个客户被认定为异常金融交易客户的得分,筛选第一设定数量个客户进行验证。
可选的,设定的群体挖掘筛选策略包括从客户关系网络中挖掘具有第二设定数量个关联客户的客户;
第一确定模块603,还用于:
根据客户关系网络中每个客户所对应的关联客户的数量,从客户关系网络中挖掘具有第二设定数量个关联客户的客户;
将挖掘出的客户发送给验证节点,以使验证节点验证该客户是否属于异常金融交易客户;
根据验证节点返回的验证结果,从挖掘出的客户中确定异常金融交易群体所对应的客户。
可选的,上述第一构建模块602,具体用于:
根据交易信息,筛选目标平台上满足预设条件的目标客户;其中,预设条件包括以下条件中的任意一种:设定时间长度内的交易金额达到设定金额、设定时间长度内进行交易的交易方的数量达到第三设定数量或者设定时间长度内的交易频率达到设定频率;根据关联信息,从目标客户中确定每个目标客户所对应的关联客户;根据每个目标客户所对应的关联客户,构建针对目标平台的客户关系网络。
可选的,上述第一构建模块602,还用于:
筛除属于目标平台上的白名单的客户。
可选的,本说明书实施例提供的装置,还包括:
搜集模块,用于搜集异常金融交易群体被认定为异常金融交易群体的相关信息;其中,相关信息至少包括异常金融交易群体中每个成员的被举报信息、异常金融交易群体在设定时间长度内的整体交易金额以及异常金融交易群体中每个成员在设定时间长度内的交易信息。
本说明书实施例提供的异常金融交易群体的识别装置,根据目标平台上的客户之间的关联信息以及客户在设定时间长度内的交易信息,构建针对目标平台的客户关系网络;然后,根据客户关系网络中每个客户所对应的关联客户的数量,按照设定的挖掘策略进行可疑群体的挖掘,并通过对挖掘出的可疑群体中的每个客户进行验证的方式,确定出目标平台上的异常金融交易群体;在本说明书实施例中,实现了对目标平台上的异常金融交易群体的识别,并且根据每个客户所对应的关联客户的数量,可以挖掘出规模合适的群体,可以减少对挖掘出的客户进行验证的工作量,并且,通过验证结果的指示对挖掘出的群体进行筛选,可以提高确定出的异常金融交易群体的精确性较。
对应于本说明书实施例提供的异常金融交易群体的识别方法,基于相同的思路,本说明书实施例提供了一种异常金融交易群体的识别装置,用于执行本说明书实施例提供的异常金融交易群体的识别装置,图7为本说明书实施例提供的异常金融交易群体的识别装置的模块组成示意图之二,该装置可以应用于服务器侧,图7所示的装置,包括:
第二获取模块701,用于获取目标平台上的客户相关信息;其中,客户相关信息至少包括客户之间的关联信息和客户在设定时间长度内的交易信息;
第二构建模块702,用于基于关联信息和交易信息,构建针对目标平台的客户关系网络;
第二确定模块703,用于依次降低客户关系网络中每个客户所对应的关联客户的数量,对客户关系网络进行多轮挖掘,并根据每轮挖掘出的客户所对应的验证结果,确定该轮挖掘出的客户中的异常金融交易客户;
第三确定模块704,用于根据每轮确定出的异常金融交易客户,确定目标平台上的异常金融交易群体;其中,验证结果用于指示客户是否属于异常金融交易客户。
可选的,上述第二确定模块703,具体用于:
根据客户关系网络中每个客户所对应的关联客户的数量,从客户关系网络中挖掘每个客户所对应的初始群体,并根据初始群体中每个客户的验证结果,对属于初始群体的客户进行调整;其中,初始群体中每个客户均与该初始群体中的其他客户具有关联关系;
通过降低初始群体中每个客户所对应的关联客户的数量对客户关系网络执行至少一轮客户挖掘操作,根据每轮挖掘的客户所对应的验证结果将异常金融交易客户添加至调整后的初始群体中,若在接收到停止挖掘的指示信息或者在每个客户所对应的关联客户的数量降低至设定值时得到该客户所对应的群体,则将当前得到的群体确定为目标平台上的异常金融交易群体。
本说明书实施例提供的异常金融交易群体的识别装置,根据目标平台上的客户之间的关联信息以及客户在设定时间长度内的交易信息,构建针对目标平台的客户关系网络;然后,依次降低客户关系网络中每个客户所对应的关联客户的数量,对客户关系网络进行多轮挖掘,并在每轮挖掘之后,将挖掘出的客户发送给验证节点进行验证,以确定出该轮挖掘出的客户中的异常金融交易客户;在本说明书实施例中,通过依次降低关联客户的数量,可以实现逐层扩展的方式进行多轮挖掘,可以有效控制每次挖掘出的群体成员的关系稠密度和覆盖度,使得挖掘出的群体规模合适,进而可以减少验证节点对挖掘出的群体进行验证的工作量,并且,通过验证结果的指示对挖掘出的群体进行筛选,使得确定出的异常金融交易群体的精确性较高。
进一步地,基于上述图1至图5所示的方法,本说明书实施例还提供了一种异常金融交易群体的识别设备,如图8所示。
异常金融交易群体的识别设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器801和存储器802,存储器802中可以存储有一个或一个以上存储应用程序或数据。其中,存储器802可以是短暂存储或持久存储。存储在存储器802的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括对异常金融交易群体的识别设备中的一系列计算机可执行指令。更进一步地,处理器801可以设置为与存储器802通信,在异常金融交易群体的识别设备上执行存储器802中的一系列计算机可执行指令。异常金融交易群体的识别设备还可以包括一个或一个以上电源803,一个或一个以上有线或无线网络接口804,一个或一个以上输入输出接口805,一个或一个以上键盘806等。
在一个具体的实施例中,异常金融交易群体的识别设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对异常金融交易群体的识别设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
获取目标平台上的客户相关信息;其中,所述客户相关信息至少包括所述客户之间的关联信息和所述客户在设定时间长度内的交易信息;
基于所述关联信息和所述交易信息,构建针对所述目标平台的客户关系网络;
根据所述客户关系网络中每个客户所对应的关联客户的数量,按照设定的群体挖掘策略和挖掘出的群体中每个客户的验证结果,确定所述目标平台上的异常金融交易群体;其中,所述验证结果用于指示所述客户是否属于异常金融交易客户。
可选的,计算机可执行指令在被执行时,所述设定的群体挖掘策略包括对所述客户关系网络进行多轮挖掘;
所述根据所述客户关系网络中每个客户所对应的关联客户的数量,按照设定的群体挖掘策略和挖掘出的群体中每个客户的验证结果,确定所述目标平台上的异常金融交易群体,包括:
根据所述客户关系网络中每个客户所对应的关联客户的数量,从所述客户关系网络中挖掘每个客户所对应的初始群体,并根据所述初始群体中每个客户的验证结果,对属于所述初始群体的客户进行调整;其中,所述初始群体中每个客户均与该初始群体中的其他客户具有关联关系;
通过降低初始群体中每个客户所对应的关联客户的数量对客户关系网络执行至少一轮客户挖掘操作,根据每轮挖掘的客户所对应的验证结果将异常金融交易客户添加至调整后的初始群体中,若在接收到停止挖掘的指示信息或者在每个客户所对应的关联客户的数量降低至设定值时得到该客户所对应的群体,则将当前得到的群体确定为目标平台上的异常金融交易群体。
可选的,计算机可执行指令在被执行时,所述根据所述客户关系网络中每个客户所对应的关联客户的数量,从所述客户关系网络中挖掘每个客户所对应的初始群体,包括:
针对所述客户关系网络中的每个客户,从所述客户关系网络中筛选与该客户具有关联关系的客户队列;
确定筛选出的所述客户队列中每个客户所对应的关联客户的数量;
将关联客户的数量等于所述客户队列中除该客户外剩余客户的数量的客户确定为属于所述初始群体的客户,得到所述初始群体。
可选的,计算机可执行指令在被执行时,所述对所述客户关系网络执行至少一轮客户挖掘操作,包括:
确定所述初始群体中每个客户所对应的关联客户的数量;
按照设定规则依次降低每个客户所对应的关联客户的数量,并确定每次降低所述数量时从所述客户关系网络中所挖掘到的客户。
可选的,计算机可执行指令在被执行时,所述确定每次降低所述数量时从所述客户关系网络中所挖掘到的客户之后,所述方法还包括;
根据所挖掘到的客户中的每个客户被认定为异常金融交易客户的得分,筛选第一设定数量个客户进行验证。
可选的,计算机可执行指令在被执行时,所述设定的群体挖掘筛选策略包括从所述客户关系网络中挖掘具有第二设定数量个关联客户的客户;
所述根据所述客户关系网络中每个客户所对应的关联客户的数量,按照设定的群体挖掘策略和挖掘出的群体中每个客户的验证结果,确定所述目标平台上的异常金融交易群体,包括:
根据所述客户关系网络中每个客户所对应的关联客户的数量,从所述客户关系网络中挖掘具有第二设定数量个关联客户的客户;
将挖掘出的所述客户发送给验证节点,以使验证节点验证该客户是否属于异常金融交易客户;
根据所述验证节点返回的验证结果,从挖掘出的客户中确定异常金融交易群体所对应的客户。
可选的,计算机可执行指令在被执行时,所述基于所述关联信息和所述交易信息,构建针对所述目标平台的客户关系网络,包括:
根据所述交易信息,筛选所述目标平台上满足预设条件的目标客户;其中,所述预设条件包括以下条件中的任意一种:所述设定时间长度内的交易金额达到设定金额、所述设定时间长度内进行交易的交易方的数量达到第三设定数量或者所述设定时间长度内的交易频率达到设定频率;
根据所述关联信息,从所述目标客户中确定每个目标客户所对应的关联客户;
根据每个目标客户所对应的关联客户,构建针对所述目标平台的客户关系网络。
可选的,计算机可执行指令在被执行时,所述基于所述关联信息和所述交易信息,构建针对所述目标平台的客户关系网络,还包括:
筛除属于所述目标平台上的白名单的客户。
可选的,计算机可执行指令在被执行时,所述确定所述目标平台上的异常金融交易群体之后,所述方法还包括:
搜集所述异常金融交易群体被认定为异常金融交易群体的相关信息;其中,所述相关信息至少包括所述异常金融交易群体中每个成员的被举报信息、所述异常金融交易群体在所述设定时间长度内的整体交易金额以及所述异常金融交易群体中每个成员在所述设定时间长度内的交易信息。
本说明书实施例提供的异常金融交易群体的识别设备,根据目标平台上的客户之间的关联信息以及客户在设定时间长度内的交易信息,构建针对目标平台的客户关系网络;然后,根据客户关系网络中每个客户所对应的关联客户的数量,按照设定的挖掘策略进行可疑群体的挖掘,并通过对挖掘出的可疑群体中的每个客户进行验证的方式,确定出目标平台上的异常金融交易群体;在本说明书实施例中,实现了对目标平台上的异常金融交易群体的识别,并且根据每个客户所对应的关联客户的数量,可以挖掘出规模合适的群体,可以减少对挖掘出的客户进行验证的工作量,并且,通过验证结果的指示对挖掘出的群体进行筛选,可以提高确定出的异常金融交易群体的精确性较。
在一个具体的实施例中,异常金融交易群体的识别设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对异常金融交易群体的识别设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
获取目标平台上的客户相关信息;其中,所述客户相关信息至少包括所述客户之间的关联信息和所述客户在设定时间长度内的交易信息;
基于所述关联信息和所述交易信息,构建针对所述目标平台的客户关系网络;
依次降低所述客户关系网络中每个客户所对应的关联客户的数量,对所述客户关系网络进行多轮挖掘,并根据每轮挖掘出的客户所对应的验证结果,确定该轮挖掘出的客户中的异常金融交易客户;
根据每轮确定出的异常金融交易客户,确定所述目标平台上的异常金融交易群体;其中,所述验证结果用于指示所述客户是否属于异常金融交易客户。
可选的,计算机可执行指令在被执行时,所述根据所述客户关系网络中每个客户所对应的关联客户的数量,对所述客户关系网络进行多轮挖掘,并根据每轮挖掘出的客户所对应的验证结果,确定该轮挖掘出的客户中的异常金融交易客户,包括:
根据所述客户关系网络中每个客户所对应的关联客户的数量,从所述客户关系网络中挖掘每个客户所对应的初始群体,并根据所述初始群体中每个客户的验证结果,对属于所述初始群体的客户进行调整;其中,所述初始群体中每个客户均与该初始群体中的其他客户具有关联关系;
通过降低初始群体中每个客户所对应的关联客户的数量对客户关系网络执行至少一轮客户挖掘操作,根据每轮挖掘的客户所对应的验证结果将异常金融交易客户添加至调整后的初始群体中,若在接收到停止挖掘的指示信息或者在每个客户所对应的关联客户的数量降低至设定值时得到该客户所对应的群体,则将当前得到的群体确定为目标平台上的异常金融交易群体。
本说明书实施例提供的异常金融交易群体的识别设备,根据目标平台上的客户之间的关联信息以及客户在设定时间长度内的交易信息,构建针对目标平台的客户关系网络;然后,依次降低客户关系网络中每个客户所对应的关联客户的数量,对客户关系网络进行多轮挖掘,并在每轮挖掘之后,将挖掘出的客户发送给验证节点进行验证,以确定出该轮挖掘出的客户中的异常金融交易客户;在本说明书实施例中,通过依次降低关联客户的数量,可以实现逐层扩展的方式进行多轮挖掘,可以有效控制每次挖掘出的群体成员的关系稠密度和覆盖度,使得挖掘出的群体规模合适,进而可以减少验证节点对挖掘出的群体进行验证的工作量,并且,通过验证结果的指示对挖掘出的群体进行筛选,使得确定出的异常金融交易群体的精确性较高。
进一步地,基于上述图1至图5所示的方法,本说明书实施例还提供了一种存储介质,用于存储计算机可执行指令,一种具体的实施例中,该存储介质可以为U盘、光盘、硬盘等,该存储介质存储的计算机可执行指令在被处理器执行时,能实现以下流程:
获取目标平台上的客户相关信息;其中,所述客户相关信息至少包括所述客户之间的关联信息和所述客户在设定时间长度内的交易信息;
基于所述关联信息和所述交易信息,构建针对所述目标平台的客户关系网络;
根据所述客户关系网络中每个客户所对应的关联客户的数量,按照设定的群体挖掘策略和挖掘出的群体中每个客户的验证结果,确定所述目标平台上的异常金融交易群体;其中,所述验证结果用于指示所述客户是否属于异常金融交易客户。
可选的,该存储介质存储的计算机可执行指令在被处理器执行时,所述设定的群体挖掘策略包括对所述客户关系网络进行多轮挖掘;
所述根据所述客户关系网络中每个客户所对应的关联客户的数量,按照设定的群体挖掘策略和挖掘出的群体中每个客户的验证结果,确定所述目标平台上的异常金融交易群体,包括:
根据所述客户关系网络中每个客户所对应的关联客户的数量,从所述客户关系网络中挖掘每个客户所对应的初始群体,并根据所述初始群体中每个客户的验证结果,对属于所述初始群体的客户进行调整;其中,所述初始群体中每个客户均与该初始群体中的其他客户具有关联关系;
通过降低初始群体中每个客户所对应的关联客户的数量对客户关系网络执行至少一轮客户挖掘操作,根据每轮挖掘的客户所对应的验证结果将异常金融交易客户添加至调整后的初始群体中,若在接收到停止挖掘的指示信息或者在每个客户所对应的关联客户的数量降低至设定值时得到该客户所对应的群体,则将当前得到的群体确定为目标平台上的异常金融交易群体。
可选的,该存储介质存储的计算机可执行指令在被处理器执行时,所述根据所述客户关系网络中每个客户所对应的关联客户的数量,从所述客户关系网络中挖掘每个客户所对应的初始群体,包括:
针对所述客户关系网络中的每个客户,从所述客户关系网络中筛选与该客户具有关联关系的客户队列;
确定筛选出的所述客户队列中每个客户所对应的关联客户的数量;
将关联客户的数量等于所述客户队列中除该客户外剩余客户的数量的客户确定为属于所述初始群体的客户,得到所述初始群体。
可选的,该存储介质存储的计算机可执行指令在被处理器执行时,所述对所述客户关系网络执行至少一轮客户挖掘操作,包括:
确定所述初始群体中每个客户所对应的关联客户的数量;
按照设定规则依次降低每个客户所对应的关联客户的数量,并确定每次降低所述数量时从所述客户关系网络中所挖掘到的客户。
可选的,该存储介质存储的计算机可执行指令在被处理器执行时,所述确定每次降低所述数量时从所述客户关系网络中所挖掘到的客户之后,所述方法还包括;
根据所挖掘到的客户中的每个客户被认定为异常金融交易客户的得分,筛选第一设定数量个客户进行验证。
可选的,该存储介质存储的计算机可执行指令在被处理器执行时,所述设定的群体挖掘筛选策略包括从所述客户关系网络中挖掘具有第二设定数量个关联客户的客户;
所述根据所述客户关系网络中每个客户所对应的关联客户的数量,按照设定的群体挖掘策略和挖掘出的群体中每个客户的验证结果,确定所述目标平台上的异常金融交易群体,包括:
根据所述客户关系网络中每个客户所对应的关联客户的数量,从所述客户关系网络中挖掘具有第二设定数量个关联客户的客户;
将挖掘出的所述客户发送给验证节点,以使验证节点验证该客户是否属于异常金融交易客户;
根据所述验证节点返回的验证结果,从挖掘出的客户中确定异常金融交易群体所对应的客户。
可选的,该存储介质存储的计算机可执行指令在被处理器执行时,所述基于所述关联信息和所述交易信息,构建针对所述目标平台的客户关系网络,包括:
根据所述交易信息,筛选所述目标平台上满足预设条件的目标客户;其中,所述预设条件包括以下条件中的任意一种:所述设定时间长度内的交易金额达到设定金额、所述设定时间长度内进行交易的交易方的数量达到第三设定数量或者所述设定时间长度内的交易频率达到设定频率;
根据所述关联信息,从所述目标客户中确定每个目标客户所对应的关联客户;
根据每个目标客户所对应的关联客户,构建针对所述目标平台的客户关系网络。
可选的,该存储介质存储的计算机可执行指令在被处理器执行时,所述基于所述关联信息和所述交易信息,构建针对所述目标平台的客户关系网络,还包括:
筛除属于所述目标平台上的白名单的客户。
可选的,该存储介质存储的计算机可执行指令在被处理器执行时,所述确定所述目标平台上的异常金融交易群体之后,所述方法还包括:
搜集所述异常金融交易群体被认定为异常金融交易群体的相关信息;其中,所述相关信息至少包括所述异常金融交易群体中每个成员的被举报信息、所述异常金融交易群体在所述设定时间长度内的整体交易金额以及所述异常金融交易群体中每个成员在所述设定时间长度内的交易信息。
本说明书实施例提供的存储介质存储的计算机可执行指令在被处理器执行时,根据目标平台上的客户之间的关联信息以及客户在设定时间长度内的交易信息,构建针对目标平台的客户关系网络;然后,根据客户关系网络中每个客户所对应的关联客户的数量,按照设定的挖掘策略进行可疑群体的挖掘,并通过对挖掘出的可疑群体中的每个客户进行验证的方式,确定出目标平台上的异常金融交易群体;在本说明书实施例中,实现了对目标平台上的异常金融交易群体的识别,并且根据每个客户所对应的关联客户的数量,可以挖掘出规模合适的群体,可以减少对挖掘出的客户进行验证的工作量,并且,通过验证结果的指示对挖掘出的群体进行筛选,可以提高确定出的异常金融交易群体的精确性较。
进一步地,基于上述图1至图5所示的方法,本说明书实施例还提供了一种存储介质,用于存储计算机可执行指令,一种具体的实施例中,该存储介质可以为U盘、光盘、硬盘等,该存储介质存储的计算机可执行指令在被处理器执行时,能实现以下流程:
获取目标平台上的客户相关信息;其中,所述客户相关信息至少包括所述客户之间的关联信息和所述客户在设定时间长度内的交易信息;
基于所述关联信息和所述交易信息,构建针对所述目标平台的客户关系网络;
依次降低所述客户关系网络中每个客户所对应的关联客户的数量,对所述客户关系网络进行多轮挖掘,并根据每轮挖掘出的客户所对应的验证结果,确定该轮挖掘出的客户中的异常金融交易客户;
根据每轮确定出的异常金融交易客户,确定所述目标平台上的异常金融交易群体;其中,所述验证结果用于指示所述客户是否属于异常金融交易客户。
可选的,该存储介质存储的计算机可执行指令在被处理器执行时,所述根据所述客户关系网络中每个客户所对应的关联客户的数量,对所述客户关系网络进行多轮挖掘,并根据每轮挖掘出的客户所对应的验证结果,确定该轮挖掘出的客户中的异常金融交易客户,包括:
根据所述客户关系网络中每个客户所对应的关联客户的数量,从所述客户关系网络中挖掘每个客户所对应的初始群体,并根据所述初始群体中每个客户的验证结果,对属于所述初始群体的客户进行调整;其中,所述初始群体中每个客户均与该初始群体中的其他客户具有关联关系;
通过降低初始群体中每个客户所对应的关联客户的数量对客户关系网络执行至少一轮客户挖掘操作,根据每轮挖掘的客户所对应的验证结果将异常金融交易客户添加至调整后的初始群体中,若在接收到停止挖掘的指示信息或者在每个客户所对应的关联客户的数量降低至设定值时得到该客户所对应的群体,则将当前得到的群体确定为目标平台上的异常金融交易群体。
本说明书实施例提供的存储介质存储的计算机可执行指令在被处理器执行时,根据目标平台上的客户之间的关联信息以及客户在设定时间长度内的交易信息,构建针对目标平台的客户关系网络;然后,依次降低客户关系网络中每个客户所对应的关联客户的数量,对客户关系网络进行多轮挖掘,并在每轮挖掘之后,将挖掘出的客户发送给验证节点进行验证,以确定出该轮挖掘出的客户中的异常金融交易客户;在本说明书实施例中,通过依次降低关联客户的数量,可以实现逐层扩展的方式进行多轮挖掘,可以有效控制每次挖掘出的群体成员的关系稠密度和覆盖度,使得挖掘出的群体规模合适,进而可以减少验证节点对挖掘出的群体进行验证的工作量,并且,通过验证结果的指示对挖掘出的群体进行筛选,使得确定出的异常金融交易群体的精确性较高。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本说明书实施例的方法、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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。