CN111161063A - 基于图计算的资金账号识别方法及计算机可读存储介质 - Google Patents

基于图计算的资金账号识别方法及计算机可读存储介质 Download PDF

Info

Publication number
CN111161063A
CN111161063A CN201911273314.8A CN201911273314A CN111161063A CN 111161063 A CN111161063 A CN 111161063A CN 201911273314 A CN201911273314 A CN 201911273314A CN 111161063 A CN111161063 A CN 111161063A
Authority
CN
China
Prior art keywords
account
fund
preset
degree
sub
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.)
Pending
Application number
CN201911273314.8A
Other languages
English (en)
Inventor
陈捷
邱胜立
朱朝霞
栾江霞
章正道
王仁斌
左军
梁秋梅
方凤妹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Meiya Pico Information Co Ltd
Original Assignee
Xiamen Meiya Pico Information Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen Meiya Pico Information Co Ltd filed Critical Xiamen Meiya Pico Information Co Ltd
Priority to CN201911273314.8A priority Critical patent/CN111161063A/zh
Publication of CN111161063A publication Critical patent/CN111161063A/zh
Pending legal-status Critical Current

Links

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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • 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
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • 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
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Technology Law (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种基于图计算的资金账号识别方法及计算机可读存储介质，方法包括：从待分析的资金交易网络中随机抽取多个子资金交易网络；分别计算各子资金交易网络中的各账号的入度、出度以及在预设周期内的资金通量；分别根据各账号的入度和出度，计算各账号的第一积分，并分别根据各账号的所述资金通量，计算各账号的第二积分；分别根据各账号的第一积分和第二积分以及预设的积分阈值，识别各账号的账号类型，所述账号类型包括收集账号、分发账号和中转账号。本发明可快速识别出可能存在异常的资金账号，进而可快速定位出可能存在异常的资金交易网络。

Description

基于图计算的资金账号识别方法及计算机可读存储介质
技术领域
本发明涉及金融安全技术领域，尤其涉及一种基于图计算的资金账号识别方法及计算机可读存储介质。
背景技术
随着社会经济的发展，资金交易的规模成级数性的爆炸增长。过往对资金网络中异常交易的识别主要通过网络拓扑分析、规则匹配、交易行为监测等方式进行。而随着资金交易规模的不断扩大，异常交易中使用的账号数也越来越多，交易行为也越来越隐蔽。异常交易获利者往往会建立大量中间账号，不断进行资金的转移，而且不同中间账号间资金交易的特征也不相同，这就给现有异常交易监控策略带来了挑战。
另一方面，通过对现有异常资金交易行为的分析来看，虽然中间账号有了显著增加，同时中转的层级、交易的特征都有了新的变化，但是在整体的资金交易网络中，总是存在资金收集过程、资金分发转移过程。所谓资金收集过程，就是资金异常交易者将众多中间账号的资金向少量账号上汇总套现，在资金交易网络上，将这些账号连接起来，就像一个漏斗形状。所谓资金分发转移过程，指的是资金异常交易者将获利的资金不断拆散，借助大量的中间账号进行转移过渡，在资金交易网络上，将这些账号连接起来，就像一个喇叭形状。因此，可以借助对异常交易账号如资金收集账号、分发账号、中转账号等的识别，来快速定位出海量资金网络中存在的异常资金交易网络。
现有对异常资金交易的识别，往往需要借助对异常交易网络的分析，寻找相似网络结构，对异常交易行为的特征识别，建立主动识别的匹配规则等方法，如公开号为CN104199832A的中国公开专利《基于信息熵的金融网络异常交易社区发现方法》和公开号为CN106547838A的中国公开专利《基于资金网络监测可疑资金交易的方法》。但这些方法对历史累积经验有较大的依赖，计算也较为复杂。
发明内容
本发明所要解决的技术问题是：提供一种基于图计算的资金账号识别方法及计算机可读存储介质，可快速识别出可能存在异常的资金账号。
为了解决上述技术问题，本发明采用的技术方案为：一种基于图计算的资金账号识别方法，包括：
从待分析的资金交易网络中随机抽取多个子资金交易网络；
分别计算各子资金交易网络中的各账号的入度、出度以及在预设周期内的资金通量；
分别根据各账号的入度和出度，计算各账号的第一积分，并分别根据各账号的所述资金通量，计算各账号的第二积分；
分别根据各账号的第一积分和第二积分以及预设的积分阈值，识别各账号的账号类型，所述账号类型包括收集账号、分发账号和中转账号。
本发明还提出一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上所述的步骤。
本发明的有益效果在于：通过计算各账号的入度、出度和资金通量，并根据入度、出度和资金通量，计算各账号的第一积分和第二积分，即计算出各账号的汇入账号数和汇出账号数的差值，以及经过各账号的资金量，然后根据第一积分和第二积分，对账号的账号类型进行识别，从而可快速识别出可能存在异常的资金账号。本发明不需要考虑异常交易者获利者的交易频率、交易时间等行为特征，而是通过主动识别资金网络中存在的异常账号数量，进而可快速定位出需要重点关注的资金网络。
附图说明
图1为本发明的一种基于图计算的资金账号识别方法的流程图；
图2为本发明实施例一的方法流程图；
图3为本发明实施例二的子资金交易网络的结构示意图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图详予说明。
本发明最关键的构思在于：根据账号的入度、出度和资金通量，对账号的类型进行识别；通过识别资金交易网络中存在的异常账号数量，定位出需要重点关注的资金交易网络。
请参阅图1，一种基于图计算的资金账号识别方法，包括：
从待分析的资金交易网络中随机抽取多个子资金交易网络；
分别计算各子资金交易网络中的各账号的入度、出度以及在预设周期内的资金通量；
分别根据各账号的入度和出度，计算各账号的第一积分，并分别根据各账号的所述资金通量，计算各账号的第二积分；
分别根据各账号的第一积分和第二积分以及预设的积分阈值，识别各账号的账号类型，所述账号类型包括收集账号、分发账号和中转账号。
从上述描述可知，本发明的有益效果在于：可快速识别出可能存在异常的资金账号。
进一步地，所述分别根据各账号的第一积分和第二积分以及预设的积分阈值，识别各账号的账号类型之后，进一步包括：
若一子资金交易网络中的收集账号、分发账号和中转账号的数量超过预设的数量阈值，则将所述一子资金交易网络及其中的收集账号、分发账号和中转账号标记为重点关注。
进一步地，所述若一子资金交易网络中的收集账号、分发账号和中转账号的数量超过预设的数量阈值，则将所述一子资金交易网络及其中的收集账号、分发账号和中转账号标记为重点关注具体为：
若一子资金交易网络中的收集账号、分发账号和中转账号的数量满足预设的预警条件，则将所述一子资金交易网络及其中的收集账号、分发账号和中转账号标记为重点关注，所述预警条件包括收集账号的数量大于预设的第一数量阈值、分发账号的数量大于预设的第二数量阈值、中转账号的数量大于预设的第三数量阈值、收集账号和分发账号的总数量大于第一数量阈值和第二数量阈值之和、收集账号和中转账号的总数量大于第一数量阈值和第三数量阈值之和、分发账号和中转账号的总数量大于第二数量阈值和第三数量阈值之和，以及收集账号、分发账号和中转账号的总数量大于第一数量阈值、第二数量阈值和第三数量阈值之和中的至少一个。
由上述描述可知，通过识别资金网络中存在的异常账号数量，可快速定位出需要重点关注的资金网络。
进一步地，所述分别计算各子资金交易网络中的各账号的入度、出度以及在预设周期内的资金通量具体为：
根据第一公式计算一子资金交易网络中一账号的入度，所述第一公式为
Figure BDA0002314825700000041
λi为所述一账号的入度，αij表示所述一账号的第j近邻的账号产生的入度，n为预设的第一参数，αij为预设的权重系数，0≤αij≤1；
根据第二公式计算一子资金交易网络中一账号的出度，所述第二公式为
Figure BDA0002314825700000042
μi为所述一账号的出度，μij表示所述一账号的第j近邻的账号产生的出度，m为预设的第二参数，βij为预设的权重系数，0≤βij≤1；
获取预设周期内汇入所述一账号的资金总量和所述一账号汇出的资金总量中的最大值，得到所述一账号在预设周期内的资金通量。
由上述描述可知，由于资金的汇入汇出往往存在通过建立多级中间账号进行过渡的情况，因此需要将账号的近邻账号也考虑到计算中。
进一步地，所述分别根据各账号的入度和出度，计算各账号的第一积分具体为：
根据一账号的入度和出度，计算在预设周期的单位时间内所述入度和出度的差值，得到所述一账号的第一积分。
由上述描述可知，即计算在预设周期的单位时间内，该账号的汇入账号数与汇出账号数的差值。
进一步地，所述别根据各账号的所述资金通量，计算各账号的第二积分具体为：
根据一账号的资金通量，计算在预设周期内经过所述一账号的资金量，或计算所述一账号的资金通量占其所在的子资金交易网络中所有账号的资金通量总和的比例，得到所述一账号的第二积分。
由上述描述可知，即计算预设周期内经过该账号的资金量，或该账号的资金通量占其所在网络的所有账号的资金通量总和的比例。
进一步地，所述分别根据各账号的第一积分和第二积分以及预设的积分阈值，识别各账号的账号类型具体为：
若一账号的第一积分大于预设的第一积分阈值且第二积分大于预设的第二积分阈值，则将所述一账号的账号类型识别为收集账号；
若一账号的第一积分小于预设的第三积分阈值且第二积分大于预设的第四积分阈值，则将所述一账号的账号类型识别为分发账号；
若一账号的第一积分小于预设的第五积分阈值且第二积分小于预设的第六积分阈值，则将所述一账号的账号类型识别为中转账号。
由上述描述可知，通过计算向账号的汇入汇出账号差及资金量，可以对账号的账号类型进行判断。对于收集账号，其汇入账号数要比汇出账号数多，且经过这个账号的资金量比较大，但是余额少；对于分发账号，其汇出账号数大于汇入账号数，且资金流通量较高；对于中转账号，其汇入账号数与汇出账号数的差距一般不大，都比较少，且资金量也较小。
本发明还提出一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上所述的步骤。
实施例一
请参照图2，本发明的实施例一为：一种基于图计算的资金账号识别方法，可应用于检测可能存在异常的资金交易网络；所述方法包括如下步骤：
S1：从待分析的资金交易网络中随机抽取多个子资金交易网络，得到子网络列表，可记为Q{Q1,Q2,…,QN}。
S2：分别计算所述子网络列表中各子资金交易网络中的各账号的入度、出度以及在预设周期内的资金通量。
具体地，对子资金交易网络Q中的任意子资金交易网络Qk，计算其网络上任意账号i的入度、出度以及一定周期内经过该账号的资金通量；
根据第一公式计算该账号i的入度，所述第一公式为
Figure BDA0002314825700000061
其中，λi为账号i的入度，αij表示账号i的第j近邻的账号产生的入度，n为预设的第一参数，αij为预设的权重系数，取值范围为[0,1]；
根据第二公式计算该账号i的出度，所述第二公式为
Figure BDA0002314825700000062
其中，μi为账号i的出度，μij表示账号i的第j近邻的账号产生的出度，m为预设的第二参数，βij为预设的权重系数，取值范围为[0,1]；
账号i在预设周期内的资金通量指的是在预设周期内，汇入账号i的资金总量和账号i汇出的资金总量中的最大值，用fi表示，即fi＝max(∑fi(in)，∑fi(out))，其中，fi(in)表示预设周期内账号i接收其他账号汇入的单笔资金量，fi(out)表示预设周期内账号i向其他账号汇出的单笔资金量。
S3：分别根据各账号的入度、出度和所述资金通量，计算各账号的第一积分和第二积分。其中，第一积分描述的是预设周期内，单位时间内向账号i汇入的账号数和账号i汇出的账号数的差值；第二积分描述的是预设周期内通过账号i的资金量。
具体地，分别根据各账号的入度和出度，计算各账号的第一积分；即根据一账号的入度和出度，计算在预设周期的单位时间内所述入度和出度的差值，得到所述一账号的第一积分。
所述第一积分的计算公式可表示为：Si1＝(λi-μi)/ΔT，其中，ΔT为预设周期，一般以天为单位。由于资金的汇入汇出往往存在通过建立多级中间账号进行过渡的情况，因此需要将账号i的第j近邻账号也考虑到计算中。
进一步地，若一账号为其所在的子资金交易网络的初始输入账号或最终输出账号，则直接令所述一账号的第一积分为零。由于在真实的资金交易网络中，初始输入账号和最终输出账号一般都不会是需要重点关注的账号，因此为了简化计算，提高识别效率，可将子资金交易网络中的初始输入账号或最终输出账号的第一积分直接赋值为零。
对于第二积分，分别根据各账号的所述资金通量，计算各账号的第二积分；具体地，根据一账号的资金通量，得到所述一账号的第二积分，或计算所述一账号的资金通量占其所在的子资金交易网络中所有账号的资金通量总和的比例，得到所述一账号的第二积分。
所述第二积分的计算公式可表示为：Si2＝fi或
Figure BDA0002314825700000071
其中，第二个计算公式的分母表示该账号所在的子资金交易网络中所有账号的资金通量总和。
第二积分可以存在两种取值方式，根据需要，在不同的子资金交易网络中可以选择不同的计算方法。
通过计算向账号i汇入汇出账号差及资金量，可以对账号i的账号类型进行判断，比如收集账号，其汇入账号数要比汇出账号数多，且经过这个账号的资金量比较大，但是余额少。分发账号则是汇出账号数大于汇入账号数，且资金流通量较高。对于中转账号，一般汇入账号数与汇出账号数的差距不大，都比较少，且资金量也较小。
S4：分别根据各账号的第一积分和第二积分以及预设的积分阈值，识别各账号的账号类型，账号类型包括收集账号、分发账号和中转账号。
具体地，若Si1＞N1且Si2＞M1，则将账号i的账号类型识别为收集账号；
若Si1＜N2且Si2＞M2，则将账号i的账号类型识别为分发账号；
若Si1＜N3且Si2＜M3，则将账号i的账号类型识别为中转账号；
其中，N1、M1、N2、M2、N3、M3分别为预设的第一积分阈值至第六积分阈值。影响积分阈值的因素有两个，一个是使用者的业务经验；另一个是不同分析阶段的任务，比如初始分析阶段，快速找出一批可疑线索，积分阈值可以设置低一些；深入挖掘阶段，积分阈值会高些，以便确认重点账号。
N1的取值范围一般为5-10，N2的取值范围一般为3-7，N3的取值范围一般为3-5，根据使用者及案件会有差异。不同的积分阈值之间本身没有必然联系，取决于使用者和分析的不同阶段。
S5：分别对各子资金交易网络进行检测，判断是否存在一子资金交易网络，所述一子资金交易网络中的收集账号、分发账号和中转账号的数量满足预设的预警条件，若是，则认为该子资金交易网络可能存在异常，执行步骤S6，若否，则认为该子资金交易网络正常。
所述预警条件包括收集账号的数量大于预设的第一数量阈值、分发账号的数量大于预设的第二数量阈值、中转账号的数量大于预设的第三数量阈值、收集账号和分发账号的总数量大于第一数量阈值和第二数量阈值之和、收集账号和中转账号的总数量大于第一数量阈值和第三数量阈值之和、分发账号和中转账号的总数量大于第二数量阈值和第三数量阈值之和，以及收集账号、分发账号和中转账号的总数量大于第一数量阈值、第二数量阈值和第三数量阈值之和中的至少一个。即假设收集账号的数量为A，分发账号的数量为B，中转账号的数量为C，第一数量阈值为P1，第二数量阈值为P2，第三数量阈值为P3，则预警条件包括A＞P1，B＞P2，C＞P3，A+B＞P1+P2，A+C＞P1+P3，B+C＞P2+P3，A+B+C＞P1+P2+P3中的至少一个。
这样设置的原因在于，给予使用者更多的分析维度，比如使用者只关心收集账号，那么就只需要设置收集账号的数量阈值，一般用在案件的初步研判阶段。当需要对选定的网络进行深入了解的时候，可以选择两类或三类账号的总数作为数量阈值，一般用在案件的线索挖掘阶段。
如果这个资金网络里所有的数量阈值都未超过，说明这个资金网络是个正常交易，没有涉及到非法交易，不需要关注，减少了工作人员分析的工作量。
S6：将所述一子资金交易网络及其中的收集账号、分发账号和中转账号标记为重点关注；可通过添加重点关注标签实现标记。
本实施例可以自动从大规模的资金交易网络中找出需要重点关注的子资金交易网络，以便进行更深入的研判分析，从而增强了对整体资金网络中异常交易的监控效果。
实施例二
本实施例是实施例一的一具体应用场景。
假设随机获取到的一个子资金交易网络Qk如图3所示，其中A1、A2、A3、A4、A5、A6、B1、B2、B3这九个账号中初始都存有1万元，其他账号中余额为零。在1天内，该子网络中各账号都将账号内的所有余额按照图3的资金流向，平均向下一级账号转入，直至所有的资金转入E2、F1、F2、G1、G2、G3、G4、G5、G6这九个账号中。
在本实施例中，在计算各账号的出度和入度时，都只考虑第一近邻和第二近邻，即n和m都取2，权重系数αij和βij都取为1。以账号D1为例，其入度为λD1＝1×3+1×5＝8，出度为μD1＝1×3+1×4＝7，资金通量为fD1＝9。
本实施例中，ΔT＝1，以账号D1为例，其第一积分为S(D1)1＝(λD1-μD1)/ΔT＝(8-7)/1＝1。同理，可计算得到图3中各账号的第一积分值，如表1所示。
表1：图3中各账号节点及其第一积分关系表
Figure BDA0002314825700000091
其中，考虑到真实的资金交易网络中，初始输入账号和最终输出账号一般都不会是需要重点关注的账号，因此在本实施例中，为简化计算，对子网络的初始输入账号A1、A2、A3、A4、A5、A6、B1、B2、B3和最终输出账号E2、F1、F2、G1、G2、G3、G4、G5、G6的第一积分直接赋值为零。
本实施例中，为了简化说明，采用Si2＝fi这个公式，计算得到图3中各账号的第二积分值，如表2所示。
表2：图3中各账号节点及其第二积分关系表
Figure BDA0002314825700000092
本实施例中，N1＝3，N2＝-3，N3＝2，M1＝4，M2＝1，M3＝4，结合实施例一的步骤S4中的判断方法以及表1-2，可以得到，C3为收集账号，E3为分发账号，D1为中转账号。在实际应用中，一般是先识别出中转账号，因为这类账号较易识别，然后在该类账号的上游账号中寻找收集账号，在该类账号的下游账号中寻找分发账号。
本实施例中，对子资金交易网络Qk设置P1、P2、P3和P4四个数量阈值，其中，P1代表子资金交易网络中允许存在的最大收集账号数，P2代表子资金交易网络中允许存在的最大分发账号数，P3代表子资金交易网络中允许存在的最大中转账号数，P4代表子资金交易网络中允许存在的最大收集账号数、分发账号数和中转账号数之和，也即P4＝P1+P2+P3。
当P1、P2、P3和P4中任意一个或多个阈值被超过时，就说明这个资金网络里面存在需要重点关注的账号，因此将该子资金交易网络及其中已识别出来的收集账号、中转账号和分发账号标记为重点关注，以便后续进行关注。
实施例三
本实施例是对应上述实施例的一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如下步骤：
从待分析的资金交易网络中随机抽取多个子资金交易网络；
分别计算各子资金交易网络中的各账号的入度、出度以及在预设周期内的资金通量；
分别根据各账号的入度和出度，计算各账号的第一积分，并分别根据各账号的所述资金通量，计算各账号的第二积分；
分别根据各账号的第一积分和第二积分以及预设的积分阈值，识别各账号的账号类型，所述账号类型包括收集账号、分发账号和中转账号。
进一步地，所述分别根据各账号的第一积分和第二积分以及预设的积分阈值，识别各账号的账号类型之后，进一步包括：
若一子资金交易网络中的收集账号、分发账号和中转账号的数量超过预设的数量阈值，则将所述一子资金交易网络及其中的收集账号、分发账号和中转账号标记为重点关注。
进一步地，所述若一子资金交易网络中的收集账号、分发账号和中转账号的数量超过预设的数量阈值，则将所述一子资金交易网络及其中的收集账号、分发账号和中转账号标记为重点关注具体为：
若一子资金交易网络中的收集账号、分发账号和中转账号的数量满足预设的预警条件，则将所述一子资金交易网络及其中的收集账号、分发账号和中转账号标记为重点关注，所述预警条件包括收集账号的数量大于预设的第一数量阈值、分发账号的数量大于预设的第二数量阈值、中转账号的数量大于预设的第三数量阈值、收集账号和分发账号的总数量大于第一数量阈值和第二数量阈值之和、收集账号和中转账号的总数量大于第一数量阈值和第三数量阈值之和、分发账号和中转账号的总数量大于第二数量阈值和第三数量阈值之和，以及收集账号、分发账号和中转账号的总数量大于第一数量阈值、第二数量阈值和第三数量阈值之和中的至少一个。
进一步地，所述分别计算各子资金交易网络中的各账号的入度、出度以及在预设周期内的资金通量具体为：
根据第一公式计算一子资金交易网络中一账号的入度，所述第一公式为
Figure BDA0002314825700000111
λi为所述一账号的入度，αij表示所述一账号的第j近邻的账号产生的入度，n为预设的第一参数，αij为预设的权重系数，0≤αij≤1；
根据第二公式计算一子资金交易网络中一账号的出度，所述第二公式为
Figure BDA0002314825700000112
μi为所述一账号的出度，μij表示所述一账号的第j近邻的账号产生的出度，m为预设的第二参数，βij为预设的权重系数，0≤βij≤1；
获取预设周期内汇入所述一账号的资金总量和所述一账号汇出的资金总量中的最大值，得到所述一账号在预设周期内的资金通量。
进一步地，所述分别根据各账号的入度和出度，计算各账号的第一积分具体为：
根据一账号的入度和出度，计算在预设周期的单位时间内所述入度和出度的差值，得到所述一账号的第一积分。
进一步地，还包括：
若一账号为其所在的子资金交易网络的初始输入账号或最终输出账号，则令所述一账号的第一积分为零。
进一步地，所述别根据各账号的所述资金通量，计算各账号的第二积分具体为：
根据一账号的资金通量，计算在预设周期内经过所述一账号的资金量，或计算所述一账号的资金通量占其所在的子资金交易网络中所有账号的资金通量总和的比例，得到所述一账号的第二积分。
进一步地，所述分别根据各账号的第一积分和第二积分以及预设的积分阈值，识别各账号的账号类型具体为：
若一账号的第一积分大于预设的第一积分阈值且第二积分大于预设的第二积分阈值，则将所述一账号的账号类型识别为收集账号；
若一账号的第一积分小于预设的第三积分阈值且第二积分大于预设的第四积分阈值，则将所述一账号的账号类型识别为分发账号；
若一账号的第一积分小于预设的第五积分阈值且第二积分小于预设的第六积分阈值，则将所述一账号的账号类型识别为中转账号。
综上所述，本发明提供的一种基于图计算的资金账号识别方法及计算机可读存储介质，不需要考虑异常交易者获利者的交易频率、交易时间等行为特征，而是通过主动识别资金网络中存在的异常账号数量，从而快速定位出需要重点关注的资金网络；可以自动从大规模的资金交易网络中找出需要重点关注的子资金交易网络，以便进行更深入的研判分析，从而增强了对整体资金网络中异常交易的监控效果。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种基于图计算的资金账号识别方法，其特征在于，包括：
从待分析的资金交易网络中随机抽取多个子资金交易网络；
分别计算各子资金交易网络中的各账号的入度、出度以及在预设周期内的资金通量；
分别根据各账号的入度和出度，计算各账号的第一积分，并分别根据各账号的所述资金通量，计算各账号的第二积分；
分别根据各账号的第一积分和第二积分以及预设的积分阈值，识别各账号的账号类型，所述账号类型包括收集账号、分发账号和中转账号。
2.根据权利要求1所述的基于图计算的资金账号识别方法，其特征在于，所述分别根据各账号的第一积分和第二积分以及预设的积分阈值，识别各账号的账号类型之后，进一步包括：
若一子资金交易网络中的收集账号、分发账号和中转账号的数量超过预设的数量阈值，则将所述一子资金交易网络及其中的收集账号、分发账号和中转账号标记为重点关注。
3.根据权利要求2所述的基于图计算的资金账号识别方法，其特征在于，所述若一子资金交易网络中的收集账号、分发账号和中转账号的数量超过预设的数量阈值，则将所述一子资金交易网络及其中的收集账号、分发账号和中转账号标记为重点关注具体为：
若一子资金交易网络中的收集账号、分发账号和中转账号的数量满足预设的预警条件，则将所述一子资金交易网络及其中的收集账号、分发账号和中转账号标记为重点关注，所述预警条件包括收集账号的数量大于预设的第一数量阈值、分发账号的数量大于预设的第二数量阈值、中转账号的数量大于预设的第三数量阈值、收集账号和分发账号的总数量大于第一数量阈值和第二数量阈值之和、收集账号和中转账号的总数量大于第一数量阈值和第三数量阈值之和、分发账号和中转账号的总数量大于第二数量阈值和第三数量阈值之和，以及收集账号、分发账号和中转账号的总数量大于第一数量阈值、第二数量阈值和第三数量阈值之和中的至少一个。
4.根据权利要求1所述的基于图计算的资金账号识别方法，其特征在于，所述分别计算各子资金交易网络中的各账号的入度、出度以及在预设周期内的资金通量具体为：
根据第一公式计算一子资金交易网络中一账号的入度，所述第一公式为
Figure FDA0002314825690000021
λi为所述一账号的入度，αij表示所述一账号的第j近邻的账号产生的入度，n为预设的第一参数，αij为预设的权重系数，0≤αij≤1；
根据第二公式计算一子资金交易网络中一账号的出度，所述第二公式为
Figure FDA0002314825690000022
μi为所述一账号的出度，μij表示所述一账号的第j近邻的账号产生的出度，m为预设的第二参数，βij为预设的权重系数，0≤βij≤1；
获取预设周期内汇入所述一账号的资金总量和所述一账号汇出的资金总量中的最大值，得到所述一账号在预设周期内的资金通量。
5.根据权利要求1所述的基于图计算的资金账号识别方法，其特征在于，所述分别根据各账号的入度和出度，计算各账号的第一积分具体为：
根据一账号的入度和出度，计算在预设周期的单位时间内所述入度和出度的差值，得到所述一账号的第一积分。
6.根据权利要求5所述的基于图计算的资金账号识别方法，其特征在于，还包括：
若一账号为其所在的子资金交易网络的初始输入账号或最终输出账号，则令所述一账号的第一积分为零。
7.根据权利要求1所述的基于图计算的资金账号识别方法，其特征在于，所述别根据各账号的所述资金通量，计算各账号的第二积分具体为：
根据一账号的资金通量，计算在预设周期内经过所述一账号的资金量，或计算所述一账号的资金通量占其所在的子资金交易网络中所有账号的资金通量总和的比例，得到所述一账号的第二积分。
8.根据权利要求1所述的基于图计算的资金账号识别方法，其特征在于，所述分别根据各账号的第一积分和第二积分以及预设的积分阈值，识别各账号的账号类型具体为：
若一账号的第一积分大于预设的第一积分阈值且第二积分大于预设的第二积分阈值，则将所述一账号的账号类型识别为收集账号；
若一账号的第一积分小于预设的第三积分阈值且第二积分大于预设的第四积分阈值，则将所述一账号的账号类型识别为分发账号；
若一账号的第一积分小于预设的第五积分阈值且第二积分小于预设的第六积分阈值，则将所述一账号的账号类型识别为中转账号。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-8任一项所述的步骤。
CN201911273314.8A 2019-12-12 2019-12-12 基于图计算的资金账号识别方法及计算机可读存储介质 Pending CN111161063A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911273314.8A CN111161063A (zh) 2019-12-12 2019-12-12 基于图计算的资金账号识别方法及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911273314.8A CN111161063A (zh) 2019-12-12 2019-12-12 基于图计算的资金账号识别方法及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN111161063A true CN111161063A (zh) 2020-05-15

Family

ID=70556777

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911273314.8A Pending CN111161063A (zh) 2019-12-12 2019-12-12 基于图计算的资金账号识别方法及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN111161063A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112435126A (zh) * 2021-01-26 2021-03-02 深圳华锐金融技术股份有限公司 账户识别方法、装置、计算机设备和存储介质
CN112613867A (zh) * 2020-12-25 2021-04-06 厦门市美亚柏科信息股份有限公司 一种基于账单交易记录的异常资金分析方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160203489A1 (en) * 2015-01-14 2016-07-14 Alibaba Group Holding Limited Methods, systems, and apparatus for identifying risks in online transactions
CN106372938A (zh) * 2015-07-21 2017-02-01 华为技术有限公司 异常账号识别方法及系统
CN108228706A (zh) * 2017-11-23 2018-06-29 中国银联股份有限公司 用于识别异常交易社团的方法和装置
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160203489A1 (en) * 2015-01-14 2016-07-14 Alibaba Group Holding Limited Methods, systems, and apparatus for identifying risks in online transactions
CN106372938A (zh) * 2015-07-21 2017-02-01 华为技术有限公司 异常账号识别方法及系统
CN108228706A (zh) * 2017-11-23 2018-06-29 中国银联股份有限公司 用于识别异常交易社团的方法和装置
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

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112613867A (zh) * 2020-12-25 2021-04-06 厦门市美亚柏科信息股份有限公司 一种基于账单交易记录的异常资金分析方法和系统
CN112613867B (zh) * 2020-12-25 2022-08-19 厦门市美亚柏科信息股份有限公司 一种基于账单交易记录的异常资金分析方法和系统
CN112435126A (zh) * 2021-01-26 2021-03-02 深圳华锐金融技术股份有限公司 账户识别方法、装置、计算机设备和存储介质
CN112435126B (zh) * 2021-01-26 2021-06-18 深圳华锐金融技术股份有限公司 账户识别方法、装置、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
Engelmann et al. Testing rating accuracy
US7509282B2 (en) Auction system and method
Chen Classifying credit ratings for Asian banks using integrating feature selection and the CPDA-based rough sets approach
US20210081964A1 (en) Method for detecting suspicious groups in collaborative stock transactions based on bipartite graph
Cava et al. Evaluation of bank efficiency in Brazil: a DEA approach
CN111476660A (zh) 一种基于数据分析的智能风控系统及方法
CN111444232A (zh) 挖掘数字货币交易所地址的方法以及存储介质
CN111161063A (zh) 基于图计算的资金账号识别方法及计算机可读存储介质
CN113537960A (zh) 一种异常资源转移链路的确定方法、装置和设备
CN113689218A (zh) 风险账户的识别方法、装置、计算机设备和存储介质
CN111798304A (zh) 一种风险贷款确定方法、装置、电子设备及存储介质
CN113159930A (zh) 一种基于经济依存关系的客户群体识别方法和装置
CN107527289A (zh) 一种投资组合行业配置方法、装置、服务器和存储介质
Moubariki et al. Enhancing cash management using machine learning
KR102381498B1 (ko) 복합 지표를 이용한 가상 자산 가격 변동 탐지 방법 및 이러한 방법을 수행하는 장치
Nadarajah et al. Dependence between bitcoin and African currencies
CN113592505B (zh) 基于组合构建实现可疑交易场景模型识别处理的系统
Ryan et al. FinTech isn’t so different from traditional banking: trading off aggregation of soft information for transaction processing efficiency
Ullah et al. Predicting Default Payment of Credit Card Users: Applying Data Mining Techniques
Cao et al. Market microstructure patterns powering trading and surveillance agents
Caplescu et al. Will they repay their debt? Identification of borrowers likely to be charged off
Guo et al. Borrower-lender Information Fusion for P2P Lending: A Nonparametric Approach.
Idbenjra et al. Investigating the beneficial impact of segmentation-based modelling for credit scoring
Cerchiello et al. ICOs White Papers: identity card or lark mirror?
CN110110954A (zh) 风险顶点识别方法和装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200515

RJ01 Rejection of invention patent application after publication