CN109615524A - 洗钱犯罪团伙的识别方法、装置、计算机设备及存储介质 - Google Patents
洗钱犯罪团伙的识别方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109615524A CN109615524A CN201910016388.7A CN201910016388A CN109615524A CN 109615524 A CN109615524 A CN 109615524A CN 201910016388 A CN201910016388 A CN 201910016388A CN 109615524 A CN109615524 A CN 109615524A
- Authority
- CN
- China
- Prior art keywords
- transaction
- account
- trading
- clique
- detail
- 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.)
- Granted
Links
- 238000004900 laundering Methods 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000003860 storage Methods 0.000 title claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims description 63
- 238000004590 computer program Methods 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 21
- 239000000284 extract Substances 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000012546 transfer Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 239000000203 mixture Substances 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 235000007926 Craterellus fallax Nutrition 0.000 description 2
- 240000007175 Datura inoxia Species 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例公开了一种洗钱犯罪团伙的识别方法、装置、计算机设备及存储介质，其中所述方法包括获取交易系统中的若干交易账户的历史交易明细；将每个交易账户中的交易对手为个人账户的历史交易明细确定为目标交易明细；通过预设的函数将所有的具有目标交易明细的交易账户作为主节点以提取多个交易团伙；根据预设的图分析算法标记每个交易团伙中的交易账户的权重值；将每个交易团伙中权重值最大的交易账户所对应的所有历史交易明细分别输入预设的二分类模型，以判断其是否为洗钱账户；若是，则确定该交易账户所在的交易团伙为洗钱犯罪团伙。本发明能够通过数据分析精准快速地确认洗钱犯罪团伙，提高了团伙划分的工作效率以及用户的使用体验度。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种洗钱犯罪团伙的识别方法、装置、计算机设备及存储介质。
背景技术
目前的洗钱犯罪活动中，将大额资金通过网银转账散发到大量账户是一种占比相当高的洗钱犯罪方式。在这种洗钱模式下，洗钱主体人往往不需要诸多人员参与网银转账，而是收集大量网银账户，在自己的计算机和网络环境下(计算机和网络共同决定一个IP)完成自己主体账号和大量账号的转账洗钱操作，这就导致大量交易有相同的交易IP。通过交易IP关联交易人主体是一项工作繁琐、耗时较长的不能自动化完成的工作；而且人工划分团伙在考虑到二度及以上交易人的关联关系时，没有比较成熟的框架式开发工具，因此目前的团伙划分只能通过交易等单一关系作为嫌疑人关联的途径。
发明内容
本发明实施例提供一种洗钱犯罪团伙的识别方法、装置、计算机设备及存储介质，能够通过数据分析精准快速地确认洗钱犯罪团伙，提高了团伙划分的工作效率以及用户的使用体验度。
第一方面，本发明实施例提供了一种洗钱犯罪团伙的识别方法，该方法包括：
获取交易系统中的若干交易账户的历史交易明细，其中，每个历史交易明细至少包括交易对手、交易金额以及交易IP；
将每个交易账户中的交易对手为个人账户的历史交易明细确定为目标交易明细；
通过预设的函数将所有的具有目标交易明细的交易账户作为主节点以提取多个连通子图，并将每个连通子图均确定为一个对应的交易团伙，其中每个连通子图包括多个两两相连的主节点，每个主节点为一个交易账户；
根据预设的图分析算法标记每个交易团伙中的交易账户的权重值；
将每个交易团伙中权重值最大的交易账户所对应的所有历史交易明细分别输入预设的二分类模型，以判断其是否为洗钱账户；
若交易团伙中权重值最大的交易账户为洗钱账户，则确定该交易账户所在的交易团伙为洗钱犯罪团伙。
第二方面，本发明实施例还提供了一种洗钱犯罪团伙的识别装置，该装置包括：
明细获取单元，用于获取交易系统中的若干交易账户的历史交易明细，其中，每个历史交易明细至少包括交易对手、交易金额以及交易IP；
目标确定单元，用于将每个交易账户中的交易对手为个人账户的历史交易明细确定为目标交易明细；
图形提取单元，用于通过预设的函数将所有的具有目标交易明细的交易账户作为主节点以提取多个连通子图，并将每个连通子图均确定为一个对应的交易团伙，其中每个连通子图包括多个两两相连的主节点，每个主节点为一个交易账户；
权重标记单元，用于根据预设的图分析算法标记每个交易团伙中的交易账户的权重值；
识别单元，用于将每个交易团伙中权重值最大的交易账户所对应的所有历史交易明细分别输入预设的二分类模型，以判断其是否为洗钱账户；
第一确定单元，用于若交易团伙中权重值最大的交易账户为洗钱账户，则确定该交易账户所在的交易团伙为洗钱犯罪团伙。
第三方面，本发明实施例还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现上述方法。
本发明实施例提供了一种洗钱犯罪团伙的识别方法、装置、计算机设备及存储介质，其中，所述方法包括：获取交易系统中的若干交易账户的历史交易明细；将每个交易账户中的交易对手为个人账户的历史交易明细确定为目标交易明细；通过预设的函数将所有的具有目标交易明细的交易账户作为主节点以提取多个连通子图，并将每个连通子图均确定为一个对应的交易团伙；根据预设的图分析算法标记每个交易团伙中的交易账户的权重值；将每个交易团伙中权重值最大的交易账户所对应的所有历史交易明细分别输入预设的二分类模型，以判断其是否为洗钱账户；若交易团伙中权重值最大的交易账户为洗钱账户，则确定该交易账户所在的交易团伙为洗钱犯罪团伙。本发明实施例由于通过对历史交易明细的数据分析，可实现精准快速地确认洗钱犯罪团伙，提高团伙划分的工作效率以及用户的使用体验度的效果。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种洗钱犯罪团伙的识别方法的流程示意图；
图1a是本发明实施例提供的一种洗钱犯罪团伙的识别方法的应用场景示意图；
图2是本发明实施例提供的一种洗钱犯罪团伙的识别方法的子流程示意图；
图3是本发明另一实施例提供的一种洗钱犯罪团伙的识别方法的流程示意图；
图4是本发明实施例提供的一种洗钱犯罪团伙的识别装置的示意性框图；
图5是本发明实施例提供的一种洗钱犯罪团伙的识别装置的图形提取单元的示意性框图；
图6是本发明另一实施例提供的一种洗钱犯罪团伙的识别装置的示意性框图；
图7是本发明实施例提供的一种计算机设备结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
请参阅图1和图1a，图1是本申请实施例提供的一种洗钱犯罪团伙的识别方法的示意流程图，图1a是本申请实施例中洗钱犯罪团伙的划分方法的场景示意图。该洗钱犯罪团伙的划分方法应用于管理服务器10中。该管理服务器10通过对从交易系统20中提取的海量的交易明细记录进行分析，从而将交易账户划分到不同的群组中，以便快速精准地锁定洗钱嫌疑程度较高的团伙的成员，以便于进行后续的分析。以下将以管理服务器10的角度详细地介绍该洗钱犯罪团伙的划分方法的各个步骤。
请参阅图1，图1是本发明实施例提供的一种洗钱犯罪团伙的识别方法的示意流程图。如图1所示，该方法的步骤包括步骤S101～S106。
步骤S101，获取交易系统中的若干交易账户的历史交易明细，其中，每个历史交易明细至少包括交易对手、交易金额以及交易IP。
在本实施例中，管理服务器可以获取交易系统中的若干交易账户的历史交易明细，其中，交易系统可以是银行等金融机构，交易账户是交易主体所使用的在交易系统办理金融业务的账号。每个交易账户都可以包括多条历史交易明细，每条历史交易明细可以是其对应的交易账户在交易系统中进行的一个转账交易操作，每个转账交易操作具体可以包括如交易对手、交易金额以及交易IP等信息，另外还可以包括交易时间以及交易类型等相关信息，同时，还能够根据交易时间确定每个交易账户的交易频率。
步骤S102，将每个交易账户中的交易对手为个人账户的历史交易明细确定为目标交易明细。
在本发明实施例中，交易对手是指交易账户转账的对象，其也对应一个相应的账户。一般情况下，交易账户能够在交易系统实现对公转账业务和对私转账业务，其中对公转账业务即非对私转账业务，具体是指交易账户通过交易系统转账到公共账户的业务类型，所述公共账户可以包括公司账户等非个人账户；而对私转账业务是指交易账户通过交易系统转账到其他个人账户的业务类型。一般情况下，在洗钱的案例中，大量资金会被分散至私人账户中取出，故为了更精准地实现对交易团伙的划分以及对洗钱嫌疑人员的识别，需要从所获取的历史交易明细中筛选出交易对手为个人账户的历史交易明细，并将所筛选出来的历史交易明细作为目标交易明细，即使得每个交易账户所保留的历史交易明细均为目标交易明细。同时，也需要将交易对手为非个人账户的历史交易明细确定为从属交易明细，以便于后续的处理。
步骤S103，通过预设的函数将所有的具有目标交易明细的交易账户作为主节点以提取多个连通子图，并将每个连通子图均确定为一个对应的交易团伙，其中每个连通子图包括多个两两相连的主节点，每个主节点为一个交易账户。
在本实施例中，预设的函数是指预先设定的用于将已有的数据信息转化为多个连通子图或团伙的函数。一般情况下，可以通过运行预设的函数，该预设的函数能够以具有目标交易明细的交易账户作为主节点来确定包括多个主节点的连通子图。其中不同的主节点对应不同的交易账户，每个连通子图可以做为一个对应的交易团伙。
在另一实施例中，所述预设的函数为connected_component_subgraphs()函数。作为进一步地，如图2所示，所述步骤S103具体可以包括步骤S201～S202。
S201，获取所有的交易账户的目标交易明细中的交易IP。
其中，交易账户所对应的历史交易明细若是针对个人账户转账的，可以将其作为目标交易明细。而为了进行交易团伙的划分，管理服务器需要获取所有的交易账户的每个目标交易明细中的交易IP。
S202，运行所述预设的函数，并使所述预设的函数以具有目标交易明细的交易账户作为主节点、以所获取的交易IP作为从节点和以主节点和从节点之间的连线作为边来提取多个连通子图，其中，连通子图中与相同的从节点构成边的主节点之间两两相连。
其中，所述预设的函数可以是networkx包的connected_component_subgraphs()函数，NetworkX是一款Python的软件包，用于创造、操作复杂网络，以及学习复杂网络的结构、动力学及其功能。
当管理服务器运行所述预设的函数时，该所述预设的函数可以将具有目标交易明细的交易账户根据所获取的交易IP的联通情况划分为多个交易团伙。具体是以具有目标交易明细的交易账户作为主节点、以所获取的交易IP作为从节点和以主节点和从节点之间的连线作为边，来构建多个交易团伙，并且同一个交易团伙内所有交易账户可以沿边的连接路径互相到达，不同的交易团伙之间则不能到达。
例如，在一个交易团伙中，交易账户A的目标交易明细包括a、b、c、d四个不同的交易IP，其中a和b两个交易IP同时被交易账户B使用，c交易IP同时被交易账户C使用；同时，交易账户B还使用e和f交易IP，交易账户C还使用g交易IP；故可知，以交易IP作为中间连接点，可以将通过相同交易IP相连的两个账户之间进行连接，即作为主节点的交易账户A和交易账户B可以连接在一起，作为主节点的交易账户A和交易账户B可以连接在一起。通过辨别每个交易团伙中的连通性的高低以及频繁度，可以分析交易账户的洗钱嫌疑。
作为更进一步地，所述步骤S103还包括：
步骤S203，将所有的目标交易明细中的交易对手作为附属节点并与对应的作为主节点的交易账户相连，从而将交易对手并入相应的连通子图中，以得到多个新的连通子图。
其中，为了更为准确地分析每个连通子图作为交易团伙的洗钱的嫌疑度，可以将跟交易团伙中的交易账户有过转账行为的交易对手均并入同一个交易团伙中。故需要将所有的目标交易明细中的交易对手作为附属节点与跟其有转账交易的交易账户相连，从而使得新的联通子图作为新的交易团伙的节点更为丰富，以便更加准确地描述交易行为的嫌疑程度。再者，新的连通子图可以包括有作为主节点的交易账户和相应的作为附属节点的交易对手，当然还可以包括起到中间连接作用的作为从节点的与交易账户相应的交易IP。另外，交易对手在整个连通子图中也表现为一个交易账户，以便于用户对连通子图进行分析计算。
步骤S104，根据预设的图分析算法标记每个交易团伙中的交易账户的权重值。
在本实施例中，图分析算法是利用数学模型并结合图像处理的技术来分析底层特征和上层结构，从而提取具有一定智能性的信息的算法。该预设的图分析算法能够根据每个交易团伙中的交易账户的连接程度等数据分析出用于表示交易账户在整个交易团伙中的重要性的权重值。作为可选的，所述预设的图分析算法是指PageRank算法，所述PageRank算法可以通过网络浩瀚的超链接关系来确定一个网络页面的等级，同样的，也可以根据对连通子图所表示的交易团伙中的每个交易账户的连接关系来确定每个交易账户的重要程度。
步骤S105，将每个交易团伙中权重值最大的交易账户所对应的所有历史交易明细分别输入预设的二分类模型，以判断其是否为洗钱账户。
在本实施例中，管理服务器可以确定每个连通子图所表示的交易团伙中的权重值最大的交易账户，该权重值最大的交易账户即为其所处的交易团队中最为重要的交易账户，判定其是否为洗钱账户，即可以判断该交易团伙是否为洗钱犯罪团伙。预设的二分类模型是指预先设置的用于分辨交易账户是否为洗钱账户的二分类模型，该二分类模型可以通过大量的现有的交易账户对应的历史交易明细训练卷积神经网络得到，以便于用户进行使用。
步骤S106，若交易团伙中权重值最大的交易账户为洗钱账户，则确定该交易账户所在的交易团伙为洗钱犯罪团伙。
在本实施例中，通过选取权重值最大的交易账户进行识别，能够有效提高识别交易团伙是否为洗钱犯罪团伙的效率。故若交易团伙中权重值最大的交易账户为洗钱账户，则表明该交易账户所属的交易团伙为洗钱犯罪团伙，避免了用户对大量交易账户一一进行分析的过程，同时通过交易团伙形式的识别和权重值的比较，还能够有效地确定其内部的各个交易账户在洗钱行为当中的分工。
综上，本发明实施例由于通过对历史交易明细的数据分析，可实现精准快速地确认洗钱犯罪团伙，提高团伙划分的工作效率以及用户的使用体验度的效果。
请参阅图3，图3是本发明另一实施例提供的一种洗钱犯罪团伙的识别方法的示意流程图。如图3所示，该方法的步骤包括步骤S301～S310。其中与上述实施例中的步骤S101-S106类似的步骤的相关解释和详细说明在此不再赘述，下面详细说明的为本实施例中所增加的步骤。
步骤S301，获取交易系统中的若干交易账户的历史交易明细，其中，每个历史交易明细至少包括交易对手、交易金额以及交易IP。
步骤S302，将每个交易账户中的交易对手为个人账户的历史交易明细确定为目标交易明细。
步骤S303，通过预设的函数将所有的具有目标交易明细的交易账户作为主节点以提取多个连通子图，并将每个连通子图均确定为一个对应的交易团伙，其中每个连通子图包括多个两两相连的主节点，每个主节点为一个交易账户。
步骤S304，根据预设的图分析算法标记每个交易团伙中的交易账户的权重值。
步骤S305，将每个交易团伙中权重值最大的交易账户所对应的所有历史交易明细分别输入预设的二分类模型，以判断其是否为洗钱账户。
步骤S306，若交易团伙中权重值最大的交易账户为洗钱账户，则确定该交易账户所在的交易团伙为洗钱犯罪团伙。
步骤S307，若所述交易团伙中的权重值最大的交易账户为非洗钱账户，根据预设百分比计算所述交易团伙对应的提取数量。
在本实施例中，若所述交易团伙中的权重值最大的交易账户为非洗钱账户，为了进一步确定该交易团伙的性质，需要根据预先设置的百分比确定所述交易团伙除去权重值最大的交易账户后需要计算的提取数量。
步骤S308，将根据所述提取数量从所述交易团伙所剩余的交易账户中随机筛选相应数量的交易账户确定为待测交易账户。
在本实施例中，为了确保分析结果的正确性，需要从所述交易团伙中除去权重值最大的交易账户，并从剩余的交易账户中随机筛选与所述提取数量相应的交易账户，并将所筛选的交易账户确定为待测交易账户。
如上述的例子可知，交易账户A不仅连接交易账户B，还连接交易账户C，故可知交易账户A的连接重要程度是最大的，即其分配到的权重值也是最大的。而如果判断出交易账户A不是洗钱账户，预设百分比为百分之五十，那么就可以确定从这个交易团伙中提出的提取数量为1个。此时需要从交易账户B和交易账户C中随机提取一个作为待测交易账户。
步骤S309，将所述交易团伙的所有待测交易账户对应的历史交易明细均输入预设的二分类模型，以判断是否有待测交易账户为洗钱账户。
在本实施例中，管理服务器可以将所筛选出来的待测交易账户对应的历史交易明细分别输入预设的二分类模型中，从而来判断待测交易账户是不是洗钱账户，即判断是否有所筛选出来的待测交易账户是洗钱账户。若所述交易团伙没有待测交易账户为洗钱账户，则可知该交易团伙是正常的，同时可以执行步骤五，直到所有的交易团伙中的权重值最大的交易账户对应的历史交易明细都输入预设的二分类模型进行判断为止。
步骤S310，若存在待测交易账户为洗钱账户，则判定该待测交易账户所在的交易团伙为洗钱犯罪团伙。
在本实施例中，若所述交易团伙中只要有一个待测交易账户为洗钱账户，那么就可以确定该待测交易账户所在的交易团伙为洗钱犯罪团伙，以便于用户再进行相关的具体分析工作。
本领域普通技术员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等。
请参阅图4，对应上述一种洗钱犯罪团伙的识别方法，本发明实施例还提出一种洗钱犯罪团伙的识别装置，该装置100包括：明细获取单元101、目标确定单元102、图形提取单元103、权重标记单元104、第一识别单元105以及第一确定单元106。
所述明细获取单元101，用于获取交易系统中的若干交易账户的历史交易明细，其中，每个历史交易明细至少包括交易对手、交易金额以及交易IP。
在本实施例中，管理服务器可以获取交易系统中的若干交易账户的历史交易明细，其中，交易系统可以是银行等金融机构，交易账户是交易主体所使用的在交易系统办理金融业务的账号。每个交易账户都可以包括多条历史交易明细，每条历史交易明细可以是其对应的交易账户在交易系统中进行的一个转账交易操作，每个转账交易操作具体可以包括如交易对手、交易金额以及交易IP等信息，另外还可以包括交易时间以及交易类型等相关信息，同时，还能够根据交易时间确定每个交易账户的交易频率。
所述目标确定单元102，用于将每个交易账户中的交易对手为个人账户的历史交易明细确定为目标交易明细。
在本发明实施例中，交易对手是指交易账户转账的对象，其也对应一个相应的账户。一般情况下，交易账户能够在交易系统实现对公转账业务和对私转账业务，其中对公转账业务即非对私转账业务，具体是指交易账户通过交易系统转账到公共账户的业务类型，所述公共账户可以包括公司账户等非个人账户；而对私转账业务是指交易账户通过交易系统转账到其他个人账户的业务类型。一般情况下，在洗钱的案例中，大量资金会被分散至私人账户中取出，故为了更精准地实现对交易团伙的划分以及对洗钱嫌疑人员的识别，需要从所获取的历史交易明细中筛选出交易对手为个人账户的历史交易明细，并将所筛选出来的历史交易明细作为目标交易明细，即使得每个交易账户所保留的历史交易明细均为目标交易明细。同时，也需要将交易对手为非个人账户的历史交易明细确定为从属交易明细，以便于后续的处理。
所述图形提取单元103，用于通过预设的函数将所有的具有目标交易明细的交易账户作为主节点以提取多个连通子图，并将每个连通子图均确定为一个对应的交易团伙，其中每个连通子图包括多个两两相连的主节点，每个主节点为一个交易账户。
在本实施例中，预设的函数是指预先设定的用于将已有的数据信息转化为多个连通子图或团伙的函数。一般情况下，可以通过运行预设的函数，该预设的函数能够以具有目标交易明细的交易账户作为主节点来确定包括多个主节点的连通子图。其中不同的主节点对应不同的交易账户，每个连通子图可以做为一个对应的交易团伙。
在另一实施例中，所述预设的函数为connected_component_subgraphs()函数。作为进一步地，如图5所示，所述图形提取单元103具体可以包括：IP获取单元201以及函数运行单元202。
所述IP获取单元201，用于获取所有的交易账户的目标交易明细中的交易IP。
其中，交易账户所对应的历史交易明细若是针对个人账户转账的，可以将其作为目标交易明细。而为了进行交易团伙的划分，管理服务器需要获取所有的交易账户的每个目标交易明细中的交易IP。
所述函数运行单元202，用于运行所述预设的函数，并使所述预设的函数以具有目标交易明细的交易账户作为主节点、以所获取的交易IP作为从节点和以主节点和从节点之间的连线作为边来提取多个连通子图，其中，连通子图中与相同的从节点构成边的主节点之间两两相连。
其中，所述预设的函数可以是networkx包的connected_component_subgraphs()函数，NetworkX是一款Python的软件包，用于创造、操作复杂网络，以及学习复杂网络的结构、动力学及其功能。
当管理服务器运行所述预设的函数时，该所述预设的函数可以将具有目标交易明细的交易账户根据所获取的交易IP的联通情况划分为多个交易团伙。具体是以具有目标交易明细的交易账户作为主节点、以所获取的交易IP作为从节点和以主节点和从节点之间的连线作为边，来构建多个交易团伙，并且同一个交易团伙内所有交易账户可以沿边的连接路径互相到达，不同的交易团伙之间则不能到达。
作为更进一步地，所述图形提取单元103还包括：
节点更新单元203，用于将所有的目标交易明细中的交易对手作为附属节点并与对应的作为主节点的交易账户相连，从而将交易对手并入相应的连通子图中，以得到多个新的连通子图。
其中，为了更为准确地分析每个连通子图作为交易团伙的洗钱的嫌疑度，可以将跟交易团伙中的交易账户有过转账行为的交易对手均并入同一个交易团伙中。故需要将所有的目标交易明细中的交易对手作为附属节点与跟其有转账交易的交易账户相连，从而使得新的联通子图作为新的交易团伙的节点更为丰富，以便更加准确地描述交易行为的嫌疑程度。再者，新的连通子图可以包括有作为主节点的交易账户和相应的作为附属节点的交易对手，当然还可以包括起到中间连接作用的作为从节点的与交易账户相应的交易IP。另外，交易对手在整个连通子图中也表现为一个交易账户，以便于用户对连通子图进行分析计算。
所述权重标记单元104，用于根据预设的图分析算法标记每个交易团伙中的交易账户的权重值。
在本实施例中，图分析算法是利用数学模型并结合图像处理的技术来分析底层特征和上层结构，从而提取具有一定智能性的信息的算法。该预设的图分析算法能够根据每个交易团伙中的交易账户的连接程度等数据分析出用于表示交易账户在整个交易团伙中的重要性的权重值。作为可选的，所述预设的图分析算法是指PageRank算法，所述PageRank算法可以通过网络浩瀚的超链接关系来确定一个网络页面的等级，同样的，也可以根据对连通子图所表示的交易团伙中的每个交易账户的连接关系来确定每个交易账户的重要程度。
所述第一识别单元105，用于将每个交易团伙中权重值最大的交易账户所对应的所有历史交易明细分别输入预设的二分类模型，以判断其是否为洗钱账户。
在本实施例中，管理服务器可以确定每个连通子图所表示的交易团伙中的权重值最大的交易账户，该权重值最大的交易账户即为其所处的交易团队中最为重要的交易账户，判定其是否为洗钱账户，即可以判断该交易团伙是否为洗钱犯罪团伙。预设的二分类模型是指预先设置的用于分辨交易账户是否为洗钱账户的二分类模型，该二分类模型可以通过大量的现有的交易账户对应的历史交易明细训练卷积神经网络得到，以便于用户进行使用。
所述第一确定单元106，用于若交易团伙中权重值最大的交易账户为洗钱账户，则确定该交易账户所在的交易团伙为洗钱犯罪团伙。
在本实施例中，通过选取权重值最大的交易账户进行识别，能够有效提高识别交易团伙是否为洗钱犯罪团伙的效率。故若交易团伙中权重值最大的交易账户为洗钱账户，则表明该交易账户所属的交易团伙为洗钱犯罪团伙，避免了用户对大量交易账户一一进行分析的过程，同时通过交易团伙形式的识别和权重值的比较，还能够有效地确定其内部的各个交易账户在洗钱行为当中的分工。
请参阅图6，对应上述一种洗钱犯罪团伙的识别方法，本发明另一实施例还提出一种洗钱犯罪团伙的识别装置，该装置300包括：明细获取单元301、目标确定单元302、图形提取单元303、权重标记单元304、第一识别单元305、第一确定单元306、数量计算单元307、账户确定单元308、第二识别单元309以及第二确定单元310。
所述明细获取单元301，用于获取交易系统中的若干交易账户的历史交易明细，其中，每个历史交易明细至少包括交易对手、交易金额以及交易IP。
所述目标确定单元302，用于将每个交易账户中的交易对手为个人账户的历史交易明细确定为目标交易明细。
所述图形提取单元303，用于通过预设的函数将所有的具有目标交易明细的交易账户作为主节点以提取多个连通子图，并将每个连通子图均确定为一个对应的交易团伙，其中每个连通子图包括多个两两相连的主节点，每个主节点为一个交易账户。
所述权重标记单元304，用于根据预设的图分析算法标记每个交易团伙中的交易账户的权重值。
所述第一识别单元305，用于将每个交易团伙中权重值最大的交易账户所对应的所有历史交易明细分别输入预设的二分类模型，以判断其是否为洗钱账户。
所述第一确定单元306，用于若交易团伙中权重值最大的交易账户为洗钱账户，则确定该交易账户所在的交易团伙为洗钱犯罪团伙。
所述数量计算单元307，用于若所述交易团伙中的权重值最大的交易账户为非洗钱账户，根据预设百分比计算所述交易团伙对应的提取数量。
在本实施例中，若所述交易团伙中的权重值最大的交易账户为非洗钱账户，为了进一步确定该交易团伙的性质，需要根据预先设置的百分比确定所述交易团伙除去权重值最大的交易账户后需要计算的提取数量。
所述账户确定单元308，用于将根据所述提取数量从所述交易团伙所剩余的交易账户中随机筛选相应数量的交易账户确定为待测交易账户。
在本实施例中，为了确保分析结果的正确性，需要从所述交易团伙中除去权重值最大的交易账户，并从剩余的交易账户中随机筛选与所述提取数量相应的交易账户，并将所筛选的交易账户确定为待测交易账户。
所述第二识别单元309，用于将所述交易团伙的所有待测交易账户对应的历史交易明细均输入预设的二分类模型，以判断是否有待测交易账户为洗钱账户。
在本实施例中，管理服务器可以将所筛选出来的待测交易账户对应的历史交易明细分别输入预设的二分类模型中，从而来判断待测交易账户是不是洗钱账户，即判断是否有所筛选出来的待测交易账户是洗钱账户。若所述交易团伙没有待测交易账户为洗钱账户，则可知该交易团伙是正常的，同时可以执行步骤五，直到所有的交易团伙中的权重值最大的交易账户对应的历史交易明细都输入预设的二分类模型进行判断为止。
所述第二确定单元310，用于若存在待测交易账户为洗钱账户，则判定该待测交易账户所在的交易团伙为洗钱犯罪团伙。
在本实施例中，若所述交易团伙中只要有一个待测交易账户为洗钱账户，那么就可以确定该待测交易账户所在的交易团伙为洗钱犯罪团伙，以便于用户再进行相关的具体分析工作。
需要说明的是，所属领域的技术人员可以清楚地了解到，上述洗钱犯罪团伙的划分装置100和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
由以上可见，在硬件实现上，以上明细获取单元101、目标确定单元102、图形提取单元103、权重标记单元104、第一识别单元105以及第一确定单元106等可以以硬件形式内嵌于或独立于寿险报案的装置中，也可以以软件形式存储于洗钱犯罪团伙的划分装置的存储器中，以便处理器调用执行以上各个单元对应的操作。该处理器可以为中央处理单元(CPU)、微处理器、单片机等。
上述洗钱犯罪团伙的划分装置可以实现为一种计算机程序的形式，计算机程序可以在如图7所示的计算机设备上运行。
图7为本发明一种计算机设备的结构组成示意图。该设备可以是服务器，其中，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。
参照图7，该计算机设备400包括通过系统总线401连接的处理器402、存储器、内存储器404和网络接口405，其中，存储器可以包括非易失性存储介质403和内存储器404。
该非易失性存储介质403可存储操作系统4031和计算机程序4032，该计算机程序4032被执行时，可使得处理器402执行一种洗钱犯罪团伙的识别方法。
该处理器402用于提供计算和控制能力，支撑整个计算机设备400的运行。
该内存储器404为非易失性存储介质403中的计算机程序4032的运行提供环境，该计算机程序4032被处理器402执行时，可使得处理器402执行一种洗钱犯罪团伙的识别方法。
该网络接口405用于与其它设备进行网络通信。本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备400的限定，具体的计算机设备400可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器402用于运行存储在存储器中的计算机程序4032，以实现如下步骤：获取交易系统中的若干交易账户的历史交易明细，其中，每个历史交易明细至少包括交易对手、交易金额以及交易IP；将每个交易账户中的交易对手为个人账户的历史交易明细确定为目标交易明细；通过预设的函数将所有的具有目标交易明细的交易账户作为主节点以提取多个连通子图，并将每个连通子图均确定为一个对应的交易团伙，其中每个连通子图包括多个两两相连的主节点，每个主节点为一个交易账户；根据预设的图分析算法标记每个交易团伙中的交易账户的权重值；将每个交易团伙中权重值最大的交易账户所对应的所有历史交易明细分别输入预设的二分类模型，以判断其是否为洗钱账户；若交易团伙中权重值最大的交易账户为洗钱账户，则确定该交易账户所在的交易团伙为洗钱犯罪团伙。
在一实施例中，所述预设的函数为connected_component_subgraphs()函数，处理器402在实现所述通过预设的函数将所有的具有目标交易明细的交易账户作为主节点以提取多个连通子图，并将每个连通子图均确定为一个对应的交易团伙的步骤时，具体实现如下步骤：获取所有的交易账户的目标交易明细中的交易IP；运行所述预设的函数，并使所述预设的函数以具有目标交易明细的交易账户作为主节点、以所获取的交易IP作为从节点和以主节点和从节点之间的连线作为边来提取多个连通子图，其中，连通子图中与相同的从节点构成边的主节点之间两两相连。
在一实施例中，处理器402在实现所述通过预设的函数将所有的具有目标交易明细的交易账户作为主节点以提取多个连通子图，并将每个连通子图均确定为一个对应的交易团伙的步骤时，具体还实现如下步骤：将所有的目标交易明细中的交易对手作为附属节点并与对应的作为主节点的交易账户相连，从而将交易对手并入相应的连通子图中，以得到多个新的连通子图。
在一实施例中，处理器402还实现如下步骤：若所述交易团伙中的权重值最大的交易账户为非洗钱账户，根据预设百分比计算所述交易团伙对应的提取数量；将根据所述提取数量从所述交易团伙所剩余的交易账户中随机筛选相应数量的交易账户确定为待测交易账户；将所述交易团伙的所有待测交易账户对应的历史交易明细均输入预设的二分类模型，以判断是否有待测交易账户为洗钱账户；若存在待测交易账户为洗钱账户，则判定该待测交易账户所在的交易团伙为洗钱犯罪团伙。
应当理解，在本申请实施例中，处理器402可以是中央处理单元(CentralProcessingUnit，CPU)，该处理器402还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该计算机程序被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，该计算机程序被处理器执行时使处理器执行如下步骤：获取交易系统中的若干交易账户的历史交易明细，其中，每个历史交易明细至少包括交易对手、交易金额以及交易IP；将每个交易账户中的交易对手为个人账户的历史交易明细确定为目标交易明细；通过预设的函数将所有的具有目标交易明细的交易账户作为主节点以提取多个连通子图，并将每个连通子图均确定为一个对应的交易团伙，其中每个连通子图包括多个两两相连的主节点，每个主节点为一个交易账户；根据预设的图分析算法标记每个交易团伙中的交易账户的权重值；将每个交易团伙中权重值最大的交易账户所对应的所有历史交易明细分别输入预设的二分类模型，以判断其是否为洗钱账户；若交易团伙中权重值最大的交易账户为洗钱账户，则确定该交易账户所在的交易团伙为洗钱犯罪团伙。
在一实施例中，所述预设的函数为connected_component_subgraphs()函数，所述处理器在执行所述计算机程序而实现所述通过预设的函数将所有的具有目标交易明细的交易账户作为主节点以提取多个连通子图，并将每个连通子图均确定为一个对应的交易团伙的步骤时，具体实现如下步骤：获取所有的交易账户的目标交易明细中的交易IP；运行所述预设的函数，并使所述预设的函数以具有目标交易明细的交易账户作为主节点、以所获取的交易IP作为从节点和以主节点和从节点之间的连线作为边来提取多个连通子图，其中，连通子图中与相同的从节点构成边的主节点之间两两相连。
在一实施例中，所述预设的函数为connected_component_subgraphs()函数，所述处理器在执行所述计算机程序而实现所述通过预设的函数将所有的具有目标交易明细的交易账户作为主节点以提取多个连通子图，并将每个连通子图均确定为一个对应的交易团伙的步骤时，具体实现如下步骤：将所有的目标交易明细中的交易对手作为附属节点并与对应的作为主节点的交易账户相连，从而将交易对手并入相应的连通子图中，以得到多个新的连通子图。
在一实施例中，所述处理器还执行如下步骤：若所述交易团伙中的权重值最大的交易账户为非洗钱账户，根据预设百分比计算所述交易团伙对应的提取数量；将根据所述提取数量从所述交易团伙所剩余的交易账户中随机筛选相应数量的交易账户确定为待测交易账户；将所述交易团伙的所有待测交易账户对应的历史交易明细均输入预设的二分类模型，以判断是否有待测交易账户为洗钱账户；若存在待测交易账户为洗钱账户，则判定该待测交易账户所在的交易团伙为洗钱犯罪团伙。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种洗钱犯罪团伙的识别方法，其特征在于，所述方法包括：
获取交易系统中的若干交易账户的历史交易明细，其中，每个历史交易明细至少包括交易对手、交易金额以及交易IP；
将每个交易账户中的交易对手为个人账户的历史交易明细确定为目标交易明细；
通过预设的函数将所有的具有目标交易明细的交易账户作为主节点以提取多个连通子图，并将每个连通子图均确定为一个对应的交易团伙，其中每个连通子图包括多个两两相连的主节点，每个主节点为一个交易账户；
根据预设的图分析算法标记每个交易团伙中的交易账户的权重值；
将每个交易团伙中权重值最大的交易账户所对应的所有历史交易明细分别输入预设的二分类模型，以判断其是否为洗钱账户；
若交易团伙中权重值最大的交易账户为洗钱账户，则确定该交易账户所在的交易团伙为洗钱犯罪团伙。
2.如权利要求1所述的方法，其特征在于，所述预设的函数为connected_component_subgraphs()函数。
3.如权利要求2所述的方法，其特征在于，所述通过预设的函数将所有的具有目标交易明细的交易账户作为主节点以提取多个连通子图，并将每个连通子图均确定为一个对应的交易团伙的步骤，包括：
获取所有的交易账户的目标交易明细中的交易IP；
运行所述预设的函数，并使所述预设的函数以具有目标交易明细的交易账户作为主节点、以所获取的交易IP作为从节点和以主节点和从节点之间的连线作为边来提取多个连通子图，其中，连通子图中与相同的从节点构成边的主节点之间两两相连。
4.如权利要求3所述的方法，其特征在于，所述方法还包括：
将所有的目标交易明细中的交易对手作为附属节点并与对应的作为主节点的交易账户相连，从而将交易对手并入相应的连通子图中，以得到多个新的连通子图。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
若所述交易团伙中的权重值最大的交易账户为非洗钱账户，根据预设百分比计算所述交易团伙对应的提取数量；
将根据所述提取数量从所述交易团伙所剩余的交易账户中随机筛选相应数量的交易账户确定为待测交易账户；
将所述交易团伙的所有待测交易账户对应的历史交易明细均输入预设的二分类模型，以判断是否有待测交易账户为洗钱账户；
若存在待测交易账户为洗钱账户，则判定该待测交易账户所在的交易团伙为洗钱犯罪团伙。
6.一种洗钱犯罪团伙的识别装置，其特征在于，所述装置包括：
明细获取单元，用于获取交易系统中的若干交易账户的历史交易明细，其中，每个历史交易明细至少包括交易对手、交易金额以及交易IP；
目标确定单元，用于将每个交易账户中的交易对手为个人账户的历史交易明细确定为目标交易明细；
图形提取单元，用于通过预设的函数将所有的具有目标交易明细的交易账户作为主节点以提取多个连通子图，并将每个连通子图均确定为一个对应的交易团伙，其中每个连通子图包括多个两两相连的主节点，每个主节点为一个交易账户；
权重标记单元，用于根据预设的图分析算法标记每个交易团伙中的交易账户的权重值；
识别单元，用于将每个交易团伙中权重值最大的交易账户所对应的所有历史交易明细分别输入预设的二分类模型，以判断其是否为洗钱账户；
第一确定单元，用于若交易团伙中权重值最大的交易账户为洗钱账户，则确定该交易账户所在的交易团伙为洗钱犯罪团伙。
7.如权利要求6所述的装置，其特征在于，所述图形提取单元，包括：
IP获取单元，用于获取所有的交易账户的目标交易明细中的交易IP；
函数运行单元，用于运行所述预设的函数，并使所述预设的函数以具有目标交易明细的交易账户作为主节点、以所获取的交易IP作为从节点和以主节点和从节点之间的连线作为边来提取多个连通子图，其中，连通子图中与相同的从节点构成边的主节点之间两两相连。
8.如权利要求7所述的装置，其特征在于，所述装置还包括：
节点更新单元，用于将所有的目标交易明细中的交易对手作为附属节点并与对应的作为主节点的交易账户相连，从而将交易对手并入相应的连通子图中，以得到多个新的连通子图。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器执行如权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910016388.7A CN109615524B (zh) | 2019-01-08 | 2019-01-08 | 洗钱犯罪团伙的识别方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910016388.7A CN109615524B (zh) | 2019-01-08 | 2019-01-08 | 洗钱犯罪团伙的识别方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109615524A true CN109615524A (zh) | 2019-04-12 |
| CN109615524B CN109615524B (zh) | 2024-04-26 |
Family
ID=66016413
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910016388.7A Active CN109615524B (zh) | 2019-01-08 | 2019-01-08 | 洗钱犯罪团伙的识别方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109615524B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110490730A (zh) * | 2019-08-21 | 2019-11-22 | 北京顶象技术有限公司 | 异常资金聚集行为检测方法、装置、设备及存储介质 |
| CN111047426A (zh) * | 2019-11-26 | 2020-04-21 | 智器云南京信息科技有限公司 | 一种基于资金交易的可疑账户分析方法、系统及存储介质 |
| CN112330373A (zh) * | 2020-11-30 | 2021-02-05 | 中国银联股份有限公司 | 用户行为分析方法、装置及计算机可读存储介质 |
| CN112541765A (zh) * | 2019-09-20 | 2021-03-23 | 京东数字科技控股有限公司 | 用于检测可疑交易的方法和装置 |
| CN112561703A (zh) * | 2020-12-23 | 2021-03-26 | 支付宝(杭州)信息技术有限公司 | 基于异步网络刻画和实时特征提取的局部关系网络的刻画方法、系统 |
| CN112862493A (zh) * | 2021-01-27 | 2021-05-28 | 中山大学 | 一种智能庞氏骗局检测方法、装置、终端及存储介质 |
| CN112990446A (zh) * | 2021-05-19 | 2021-06-18 | 神威超算(北京)科技有限公司 | 一种异常团体识别方法、装置和智能芯片 |
| CN113469816A (zh) * | 2021-09-03 | 2021-10-01 | 浙江中科华知科技股份有限公司 | 基于多组学技术的数字货币识别方法、系统和存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140214841A1 (en) * | 2013-01-31 | 2014-07-31 | Wal-Mart Stores, Inc. | Semantic Product Classification |
| CN106301978A (zh) * | 2015-05-26 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 团伙成员账号的识别方法、装置及设备 |
| CN108280755A (zh) * | 2018-02-28 | 2018-07-13 | 阿里巴巴集团控股有限公司 | 可疑洗钱团伙的识别方法和识别装置 |
-
2019
- 2019-01-08 CN CN201910016388.7A patent/CN109615524B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140214841A1 (en) * | 2013-01-31 | 2014-07-31 | Wal-Mart Stores, Inc. | Semantic Product Classification |
| CN106301978A (zh) * | 2015-05-26 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 团伙成员账号的识别方法、装置及设备 |
| CN108280755A (zh) * | 2018-02-28 | 2018-07-13 | 阿里巴巴集团控股有限公司 | 可疑洗钱团伙的识别方法和识别装置 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110490730A (zh) * | 2019-08-21 | 2019-11-22 | 北京顶象技术有限公司 | 异常资金聚集行为检测方法、装置、设备及存储介质 |
| CN110490730B (zh) * | 2019-08-21 | 2022-07-26 | 北京顶象技术有限公司 | 异常资金聚集行为检测方法、装置、设备及存储介质 |
| CN112541765A (zh) * | 2019-09-20 | 2021-03-23 | 京东数字科技控股有限公司 | 用于检测可疑交易的方法和装置 |
| CN111047426A (zh) * | 2019-11-26 | 2020-04-21 | 智器云南京信息科技有限公司 | 一种基于资金交易的可疑账户分析方法、系统及存储介质 |
| CN112330373A (zh) * | 2020-11-30 | 2021-02-05 | 中国银联股份有限公司 | 用户行为分析方法、装置及计算机可读存储介质 |
| CN112561703A (zh) * | 2020-12-23 | 2021-03-26 | 支付宝(杭州)信息技术有限公司 | 基于异步网络刻画和实时特征提取的局部关系网络的刻画方法、系统 |
| CN112862493A (zh) * | 2021-01-27 | 2021-05-28 | 中山大学 | 一种智能庞氏骗局检测方法、装置、终端及存储介质 |
| CN112990446A (zh) * | 2021-05-19 | 2021-06-18 | 神威超算(北京)科技有限公司 | 一种异常团体识别方法、装置和智能芯片 |
| CN112990446B (zh) * | 2021-05-19 | 2021-09-24 | 神威超算(北京)科技有限公司 | 一种异常团体识别方法、装置和智能芯片 |
| CN113469816A (zh) * | 2021-09-03 | 2021-10-01 | 浙江中科华知科技股份有限公司 | 基于多组学技术的数字货币识别方法、系统和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109615524B (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109615524A (zh) | 洗钱犯罪团伙的识别方法、装置、计算机设备及存储介质 | |
| CN109034660B (zh) | 基于预测模型的风险控制策略的确定方法及相关装置 | |
| CN109784636A (zh) | 欺诈用户识别方法、装置、计算机设备及存储介质 | |
| CN109872232A (zh) | 涉及非法所得合法化行为的账户分类方法、装置、计算机设备及存储介质 | |
| CN106875078B (zh) | 交易风险检测方法、装置及设备 | |
| Sharifi et al. | Limitations in assessment methodologies of neighborhood sustainability assessment tools: A literature review | |
| CN110209660A (zh) | 欺诈团伙挖掘方法、装置及电子设备 | |
| CN109859054A (zh) | 网络社团挖掘方法、装置、计算机设备及存储介质 | |
| CN104616194A (zh) | 一种数据处理方法及支付平台 | |
| CN109190930A (zh) | 一种指标生成方法及装置 | |
| CN110363407A (zh) | 基于用户行为轨迹的欺诈风险评估方法及装置 | |
| CN110276618A (zh) | 生成洗钱案宗预测模型、预测洗钱案宗的方法及系统 | |
| CN108734304A (zh) | 一种数据模型的训练方法、装置、及计算机设备 | |
| CN108089923A (zh) | 基于加权Voronoi图的用户接入区域划分方法和装置 | |
| CN113609345B (zh) | 目标对象关联方法和装置、计算设备以及存储介质 | |
| CN110009417A (zh) | 目标客户筛选方法、装置、设备及计算机可读存储介质 | |
| CN110349013A (zh) | 风险控制方法及装置 | |
| CN110163739A (zh) | 支付申诉方法、装置、服务器及可读存储介质 | |
| CN108108897A (zh) | 一种轨道交通客流清分方法、系统及电子设备 | |
| CN109493027A (zh) | 一种实现跨链交易操作的方法及装置 | |
| CN109670933A (zh) | 识别用户角色的方法、用户设备、存储介质及装置 | |
| CN108182587A (zh) | 一种电商平台刷单行为检测方法及系统 | |
| CN109559230A (zh) | 基于重叠社区发现算法的银行交易群体发现方法和系统 | |
| CN101120322B (zh) | 估算事务处理响应时间的方法和系统 | |
| CN108648093A (zh) | 数据处理方法、装置及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |