CN111340622A - 一种异常交易集群的检测方法及装置 - Google Patents
一种异常交易集群的检测方法及装置 Download PDFInfo
- Publication number
- CN111340622A CN111340622A CN202010107390.8A CN202010107390A CN111340622A CN 111340622 A CN111340622 A CN 111340622A CN 202010107390 A CN202010107390 A CN 202010107390A CN 111340622 A CN111340622 A CN 111340622A
- Authority
- CN
- China
- Prior art keywords
- transaction
- consumption
- node
- cluster
- transfer
- 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
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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/10—Payment architectures specially adapted for electronic funds transfer [EFT] systems; specially adapted for home banking systems
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开一种异常交易集群的检测方法及装置,其中方法包括:从各交易节点中筛选出满足异常交易集群中主交易节点的转账交易特性的第一交易节点,再基于与第一交易节点具有转出交易关系的各个交易节点构建得到待测交易集群,若待测交易集群的消费交易特性满足异常交易集群的消费交易特性,则确定待测交易集群为异常交易集群。通过使用转账交易特性和消费交易特性完成对待测交易集群的异常检测,可以无需获取全部的介质信息,降低异常检测的数据量,提高异常检测的效率;且,转账交易特性和消费交易特性为交易集群的内在交易特征,能够用于准确区分异常交易集群和正常交易集群,从而还可以提高异常检测的准确率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种异常交易集群的检测方法及装置。
背景技术
现有技术中,在检测异常交易集群时,通常先根据交易节点使用的共享介质为任意两个交易节点建立关联关系,再将关联关系较为紧密的多个交易节点构成的关联关系网络作为异常交易集群。其中,共享介质包括设备、指纹、证件号、Wifi等。如此,基于共享介质建立的关联关系实际上相当于为使用同一设备登录、属于同一用户或同一指纹解锁、使用同一wifi信号的各个交易节点建立关联关系。
然而,现有技术存在的问题是:该种方式需要分析每个交易节点的全部介质信息,导致异常检测的数据量较大,异常检测的效率较低;且,交易节点的介质信息实际属于交易节点的外在特征,与异常交易集群的实际交易特征的关联性并不强,该种方式仅基于交易节点的介质信息确定各个交易节点间的关联关系,还会导致异常检测的准确率较低。
综上,目前亟需一种异常交易集群的检测方法,用以解决现有技术使用交易节点的介质信息确定异常交易集群所导致的异常检测的效率较低、准确率较低的技术问题。
发明内容
本发明提供一种异常交易集群的检测方法及装置,用以解决现有技术使用交易节点的介质信息确定异常交易集群所导致的异常检测的效率较低、准确率较低的技术问题。
第一方面,本发明提供的一种异常交易集群的检测方法,包括:
根据各交易节点的转账交易信息,确定所述各交易节点的转账交易特性,从所述各交易节点中选取转账交易特性满足第一交易特性的第一交易节点;所述第一交易特性用于指示异常交易集群中主交易节点的转账交易特性;进一步地,根据所述第一交易节点和与所述第一交易节点存在转出交易关系的交易节点,构建得到待测交易集群,根据所述待测交易集群中各交易节点的消费交易信息,确定所述待测交易集群的消费交易特性,若所述消费交易特性满足第二交易特性,则确定所述待测交易集群为异常交易集群;所述第二交易特性用于指示异常交易集群的消费交易特性。
本发明中,先从各个交易节点中筛选出满足异常交易集群中主交易节点的转账交易特性的第一交易节点,因此第一交易节点极大可能为疑似异常的主交易节点,如此,再根据与疑似异常的主交易节点具有转出交易关系的各个交易节点能够构建得到疑似异常的待测交易集群,最后根据疑似异常的待测交易集群的消费交易特性与真实的异常交易集群的消费交易特性的匹配程度确定待测交易集群是否为异常交易集群,通过使用转账交易特性和消费交易特性完成对待测交易集群的异常检测,可以无需获取全部的介质信息,从而可以降低异常检测所需的数据量,提高异常检测的效率;且,异常交易集群的转账交易特性和消费交易特性能够体现异常交易集群的真实交易特征,因此使用异常交易集群的转账交易特性和消费交易特性进行异常检测还可以准确区分出异常交易集群和正常交易集群,提高异常检测的准确率。
在一种可能的实现方式中,所述根据各交易节点的转账交易信息,确定所述各交易节点的转账交易特性,从所述各交易节点中选取转账交易特性满足第一交易特性的第一交易节点,包括:根据任一交易节点与其它交易节点的转账交易信息,确定所述交易节点对其它交易节点进行转出交易的数量,若所述转出交易的数量大于第一预设阈值,则将所述交易节点确定为一个第一交易节点。
在上述实现方式中,通过分析历史异常交易集群中主交易节点的转账交易行为发现异常交易集群中主交易节点执行的转出交易的数量较多,因此,通过设置第一交易特性为转出交易的数量大于第一预设阈值,使得第一交易特性能够标识异常交易集群中主交易节点的真实转账交易特性,使得异常检测更加符合实际业务需要;且,使用第一交易特性还能够准确筛选出疑似异常的主交易节点,基于疑似异常的主交易节点进行异常检测可以更有针对性,提高异常检测的效率。
在一种可能的实现方式中,所述根据所述待测交易集群中各交易节点的消费交易信息,确定所述待测交易集群的消费交易特性,若所述消费交易特性满足第二交易特性,则确定所述待测交易集群为异常交易集群,包括:根据所述待测交易集群中各交易节点的消费交易信息,确定所述各交易节点的消费商户重合度、消费时间集中度和消费金额集中度,若所述消费商户重合度大于第二预设阈值,且所述消费时间集中度大于第三预设阈值,且所述消费金额集中度大于第四预设阈值,则确定所述待测交易集群为异常交易集群。
在上述实现方式中,通过分析历史异常交易集群中各个交易节点的消费交易行为发现异常交易集群中各个交易节点的消费商户重合度高、消费时间集中、消费金额集中,因此,通过设置第二交易特性为消费商户重合度大于第二预设阈值、消费时间集中度大于第三预设阈值和消费金额集中度大于第四预设阈值,使得第二交易特性能够标识异常交易集群的真实消费交易特性,使得异常检测更加符合实际业务需要;且,使用第二交易特性还能够准确判断疑似异常的待测交易集群是否为真实的异常交易集群,提高异常检测的准确率。
在一种可能的实现方式中,所述根据所述待测交易集群中各交易节点的消费交易信息,确定所述各交易节点的消费商户重合度、消费时间集中度和消费金额集中度,包括:根据所述待测交易集群中各交易节点的消费交易信息,确定各交易节点进行消费交易的公共商户的数量和全部商户的数量,根据所述公共商户的数量和全部商户的数量计算得到所述各交易节点的消费商户重合度;相应地,根据所述待测交易集群中各交易节点的消费交易信息,生成按消费时间顺序排序的消费序列;所述消费序列中位置靠后的消费交易的消费时间晚于位置靠前的消费交易的消费时间;计算所述消费序列中任意两个相邻消费交易的消费时间间隔,对所述任意两个相邻消费交易的消费时间间隔与总消费时间求比值,并根据所述消费序列中各个相邻消费交易的消费时间间隔与总消费时间的比值计算得到所述各交易节点的消费时间集中度;相应地,对所述消费序列中任一消费交易的消费金额与总消费金额求比值,根据所述消费序列中各个消费交易的消费金额与总消费金额的比值计算得到所述各交易节点的消费金额集中度。
在一种可能的实现方式中,所述消费商户重合度满足如下形式:L=b/S;其中,L为所述消费商户重合度,b为所述各交易节点进行消费交易的公共商户的数量,S为所述各交易节点进行消费交易的全部商户的数量;相应地,所述消费时间集中度满足如下形式:其中,E为所述消费时间集中度,pk为所述消费序列中第k个相邻消费交易的时间间隔与总消费时间的比值,n为所述消费序列中相邻消费交易的总数量,k为整数,且0<k≤n;相应地,所述消费金额集中度满足如下形式:其中,H为所述消费金额集中度,ai为所述消费序列中第i个消费交易的消费金额,m为所述消费序列中消费交易的总数量,i、j为整数,且i<m,j<m。
第二方面,本发明提供的一种异常交易集群的检测装置,所述装置包括:
确定模块,用于根据各交易节点的转账交易信息,确定所述各交易节点的转账交易特性,从所述各交易节点中选取转账交易特性满足第一交易特性的第一交易节点;所述第一交易特性用于指示异常交易集群中主交易节点的转账交易特性;
构建模块,用于根据所述第一交易节点和与所述第一交易节点存在转出交易关系的交易节点,构建得到待测交易集群;
检测模块,用于根据所述待测交易集群中各交易节点的消费交易信息,确定所述待测交易集群的消费交易特性,若所述消费交易特性满足第二交易特性,则确定所述待测交易集群为异常交易集群;所述第二交易特性用于指示异常交易集群的消费交易特性。
在一种可能的实现方式中,所述确定模块具体用于:根据任一交易节点与其它交易节点的转账交易信息,确定所述交易节点对其它交易节点进行转出交易的数量,若所述转出交易的数量大于第一预设阈值,则将所述交易节点确定为一个第一交易节点。
在一种可能的实现方式中,所述检测模块具体用于:根据所述待测交易集群中各交易节点的消费交易信息,确定所述各交易节点的消费商户重合度、消费时间集中度和消费金额集中度,若所述消费商户重合度大于第二预设阈值,且所述消费时间集中度大于第三预设阈值,且所述消费金额集中度大于第四预设阈值,则确定所述待测交易集群为异常交易集群。
在一种可能的实现方式中,所述检测模块具体用于:根据所述待测交易集群中各交易节点的消费交易信息,确定各交易节点进行消费交易的公共商户的数量和全部商户的数量,根据所述公共商户的数量和全部商户的数量计算得到所述各交易节点的消费商户重合度;相应地,根据所述待测交易集群中各交易节点的消费交易信息,生成按消费时间顺序排序的消费序列;所述消费序列中位置靠后的消费交易的消费时间晚于位置靠前的消费交易的消费时间;计算所述消费序列中任意两个相邻消费交易的消费时间间隔,对所述任意两个相邻消费交易的消费时间间隔与总消费时间求比值,并根据所述消费序列中各个相邻消费交易的消费时间间隔与总消费时间的比值计算得到所述各交易节点的消费时间集中度;相应地对所述消费序列中任一消费交易的消费金额与总消费金额求比值,根据所述消费序列中各个消费交易的消费金额与总消费金额的比值计算得到所述各交易节点的消费金额集中度。
在一种可能的实现方式中,所述消费商户重合度满足如下形式:L=b/S;其中,L为所述消费商户重合度,b为所述各交易节点进行消费交易的公共商户的数量,S为所述各交易节点进行消费交易的全部商户的数量;相应地,所述消费时间集中度满足如下形式:其中,E为所述消费时间集中度,pk为所述消费序列中第k个相邻消费交易的时间间隔与总消费时间的比值,n为所述消费序列中相邻消费交易的总数量,k为整数,且0<k≤n;相应地,所述消费金额集中度满足如下形式:其中,H为所述消费金额集中度,ai为所述消费序列中第i个消费交易的消费金额,m为所述消费序列中消费交易的总数量;i、j为整数,且i<m,j<m。
第三方面,本发明提供的一种计算设备,包括至少一个处理器以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器执行上述第一方面任意所述的方法。
第四方面,本发明提供的一种计算机可读存储介质,其存储有可由计算设备执行的计算机程序,当所述程序在所述计算设备上运行时,使得所述计算设备执行第一方面任意所述的方法。
本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
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一种可能的系统架构示意图;
图2为本发明实施例提供的一种异常交易集群的检测方法对应的流程示意图;
图3为本发明实施例提供的一种转账关系网络图;
图4为本发明实施例提供的一种异常交易集群的检测方法的整体流程示意图;
图5为本发明实施例提供的一种异常交易集群的检测装置的结构示意图;
图6为本发明实施例提供的一种终端设备的结构示意图;
图7为本发明实施例提供的一种后端设备的结构示意图。
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。
图1为本发明实施例提供的一种可能的系统架构示意图,如图1所示,该系统架构中包括检测服务器110、交易业务系统120和至少一个用户端设备130,检测服务器110可以连接交易业务系统120,交易业务系统120可以连接至少一个用户端设备130。其中,实现连接的方式可以有多种,比如可以通过有线方式实现连接,也可以通过无线方式实现连接,不作限定。
本发明实施例中,交易业务系统120可以为任意的金融机构,比如银行、第三方支付媒介等。相应地,用户端设备130可以为任意的终端设备,比如笔记本电脑、手机、平板电脑、Ipad等。用户可以通过用户端设备130和交易业务系统120调用交易账户完成转账交易或消费交易,比如使用手机调用某一交易账户中的资金购买商品或向其它交易账户转账。
需要说明的是,图1仅是一种示例性的说明,并不构成对本方案的限定;在具体实施中,检测服务器可以为部署在交易业务系统之外的单独的检测装置,也可以为部署在交易业务系统内部的检测部件或检测进程,具体不作限定。
本发明的下列实施例中,交易节点具体是指交易账户,同一用户的多个交易账户分别属于多个交易节点。
通过分析套利欺诈行为发现,现有的套利欺诈行为一般通过两个阶段完成套利:养卡阶段,由一个主交易节点(即主账户)向多个从交易节点(即买来或收集来的分账户)分发欺诈本金,欺诈本金用于各个从交易节点参与商户的消费营销;分润阶段,在各个从交易节点消费营销完成后,主交易节点将套利得到的金额分发给各个从交易节点。显然地,在套利欺诈行为中,主交易节点会向各个从交易节点进行转出交易,而从交易节点会对商户进行消费交易,基于此,发明人从交易节点与交易节点、交易节点和商户之间的资金往来关系入手,提出了一种异常交易集群的检测方法,用以解决现有技术使用交易节点的介质信息确定异常交易集群所导致的异常检测的效率较低、准确率较低的技术问题。
基于图1所示意的系统架构,图2为本发明实施例提供的一种异常交易集群的检测方法的流程示意图,该方法适用于检测服务器110,该方法包括:
步骤201,根据各交易节点的转账交易信息,确定所述各交易节点的转账交易特性。
本发明实施例中,如图1所示,交易业务系统120中还部署有数据平台,数据平台用于在用户使用用户端设备130和交易业务系统120进行交易的过程中记录用户端设备130上的交易节点的交易流水信息。其中,任一交易节点的交易流水信息包括该交易节点的转账交易信息和消费交易信息,转账交易是指交易节点向其它交易节点转出资金或接收其它交易节点转入的资金,而消费交易是指交易节点与商户的交易,比如购买商户的商品。
具体实施中,若需要对各交易节点进行异常检测,则检测服务器110可以先从数据平台中获取每个交易节点的交易流水信息,再从每个交易节点的交易流水信息中提取得到每个交易节点的转账交易信息,每个交易节点的转账交易信息中包含该交易节点与其它交易节点的转账关联关系,比如该交易节点向其它交易节点进行转出交易的转出交易关系和该交易节点接收其它交易节点转入交易的转入交易关系。如此,检测服务器110可以根据每个交易节点与其它交易节点的转账关联关系确定每个交易节点的转账交易特性。其中,任一交易节点的转账交易特性可以由本领域技术人员预先定义维度,维度可以为与异常交易集群的转账交易特性相关的维度,比如转账笔数(转出笔数和/或转入笔数)、转账金额(转出金额和/或转入金额)、转账时间(转出时间和/或转入时间)等。
需要说明的是,获取交易流水信息的方式可以由本领域技术人员根据经验进行设置,比如可以按照批次获取该批次时段内的全部交易流水信息,也可以仅获取该批次的设定时间范围内的交易流水信息,不作限定。
在一个示例中,各个交易节点的转账交易特性可以以转账关系网络图的形式来表示,转账关系网络图由如下方式绘制得到:针对于任一交易节点,若该交易节点与某一其它交易节点存在转出交易关系(即该交易节点向其它交易节点转出资金),则创建该交易节点指向其它交易节点的有向连接线;若该交易节点与某一其它交易节点存在转入交易关系(即该交易节点接收其它交易节点转入的资金),则创建其它交易节点指向该交易节点的有向连接线;当对全部交易节点之间的转账交易关系绘制对应的有向连接线后,各个交易节点以及各个交易节点之间的有向连接线即构成转账关系网络图。
图3为一种转账关系网络图的示意,转账关系网络图为一种有向连通图。根据图3所示意的各条有向连接线可知,交易节点a分别对交易节点b1、交易节点b2、交易节点b3、……、交易节点bn1进行转出交易,交易节点c分别对交易节点a、交易节点d1、交易节点d2、交易节点d3、……、交易节点dn2进行转出交易,交易节点e分别对交易节点c、交易节点f1、交易节点f2、交易节点f3、……、交易节点fn3进行转出交易。
需要说明的是,上述仅是一种示例性的说明,并不构成对本方案的限定;在具体实施中,各交易节点的转账交易特性也可以以其它形式表示,比如转账关系数据库、转账关系栈表等,不作限定。
步骤202,从各交易节点中选取转账交易特性满足第一交易特性的第一交易节点,第一交易特性用于指示异常交易集群中主交易节点的转账交易特性。
本发明实施例中,第一交易特性可以根据异常交易集群中主交易节点的转账交易行为进行设置,比如若某一类异常交易集群中主交易节点的转出金额较多,则可以设置第一交易特性为转出金额大于预设转出金额,若某一类异常交易集群中主交易节点的转入时间较为密集,则可以设置第一交易特性为设定转出时段内转入交易的数量大于预设数量,等等,不作限定。
在一个示例中,在套利欺诈行为的异常交易集群中,主交易节点会向各个从交易节点分发套利本金,且主交易节点在套利完成后还会向各个从交易节点分发套出利润,因此,套利欺诈行为的异常交易集群中主交易节点的转账交易特性为转出笔数较多,基于此,可以设置第一交易特性为转出笔数大于或等于第一预设阈值。
具体实施中,针对于任一交易节点,可以先从该交易节点的转账交易信息中提取出该交易节点对其它交易节点进行转出交易的转账交易信息,再根据转出交易的转账交易信息确定该交易节点对其它交易节点进行转出交易的数量,若转出交易的数量大于第一预设阈值,则可以将该交易节点确定为一个第一交易节点。举例来说,在转账关系网络图中,交易节点的转出笔数为交易节点指向其它交易节点的有向连接线的数量(即交易节点的出度),交易节点的转入笔数为指向交易节点的有向连接线的数量(即交易节点的入度)。如此,针对于转账关系网络图中的任一交易节点,可以直接从转账关系网络图中查询得到该交易节点的出度,若交易节点的出度大于或等于第一预设阈值,则该交易节点为第一交易节点,若交易节点的出度小于第一预设阈值,则该交易节点不为第一交易节点。
举例来说,如图3所示,由于交易节点a分别对交易节点b1、交易节点b2、交易节点b3、……、交易节点bn1进行转出交易,交易节点c分别对交易节点a、交易节点d1、交易节点d2、交易节点d3、……、交易节点dn2进行转出交易,交易节点e分别对交易节点c、交易节点f1、交易节点f2、交易节点f3、……、交易节点fn3进行转出交易,因此交易节点a的转出交易的数量为n1,交易节点c的转出交易的数量为n2+1,交易节点e的转出交易的数量为n3+1,若n1、n2+1和n3+1均大于第一预设阈值,则交易节点a、交易节点c和交易节点e为第一交易节点。
在上述示例中,通过基于异常交易集群中主交易节点的转账行为统计得到主交易节点的转账交易特性,并从节点集中筛选出满足异常交易集群中主交易节点的转账交易特性的第一交易节点,能够使得筛选出的第一交易节点大概率为异常交易集群中的主交易节点,如此,基于第一交易节点执行异常交易集群的检测不仅能够降低工作量,提高异常检测的效率,还能体现异常交易集群的真实转账特性,提高异常检测的准确性。
步骤203,根据所述第一交易节点和与所述第一交易节点存在转出交易关系的交易节点,构建得到待测交易集群。
具体实施中,在确定出各个第一交易节点后,可以先从转账关系网络图中删除与各个第一交易节点不存在转出交易关系的交易节点,以及删除非转出交易对应的有向连接线,从而仅保留与各个第一交易节点存在转出交易关系的交易节点,以及各个第一交易节点指向进行转出交易的交易节点的有向连接线。如此,针对于保留的各个第一交易节点和存在转出交易关系的交易节点,可以将每个第一交易节点和与该第一交易节点存在转出交易关系的交易节点归类为一个待测交易集群,从而得到各个第一交易节点分别对应的待测交易集群,也可以将所有第一交易节点和与任一交易节点存在转出交易的交易节点归类为一个待测交易集群,从而得到一个待测交易集群,不作限定。
在一个示例中,可以先将每个第一交易节点和与每个第一交易节点存在转出交易关系的交易节点归类为一个子集群,再根据各个第一交易节点对应的子集群的关联性,断开关联较弱的子集群的连接关系,得到各个待测交易集群,每个待测交易集群中可以包括一个或多个子集群。
举例来说,如图3所示,第一交易节点a和与第一交易节点a存在转出交易关系的交易节点b1至交易节点bn1构成一个子集群,第一交易节点c和与第一交易节点c存在转出交易关系的交易节点a、交易节点d1至交易节点dn2构成一个子集群,第一交易节点e和与第一交易节点e存在转出交易关系的交易节点c、交易节点f1至交易节点fn1构成一个子集群。虽然第一交易节点c对第一交易节点a进行转出交易,第一交易节点e对第一交易节点c进行转出交易,但是第一交易节点c的子集群与第一交易节点a的子集群、第一交易节点e的子集群与第一交易节点c的子集群之间的关联性较弱,因此可以断开第一交易节点a与第一交易节点c、第一交易节点c与第一交易节点e的连接关系,如此,第一交易节点a和与第一交易节点a存在转出交易的交易节点b1至交易节点bn1构成一个待测交易集群,第一交易节点c和与第一交易节点c存在转出交易的交易节点d1至交易节点dn2构成一个待测交易集群,第一交易节点e和与第一交易节点e存在转出交易的交易节点f1至交易节点fn3构成一个待测交易集群。
在上述示例中,通过断开关联关系较弱的子集群的连接关系,可以保证每个待测交易集群中的交易节点均具有较强的转账关联关系,从而可以避免对转账关联关系较弱的无关交易节点进行检测,提高异常检测的针对性和准确率。
步骤204,根据所述待测交易集中各交易节点的消费交易信息,确定所述待测交易集的消费交易特性,若所述消费交易特性满足第二交易特性,则确定所述待测交易集群为异常交易集群;所述第二交易特性用于指示异常交易集群中的消费交易特性。
本发明实施例中,第二交易特性可以根据异常交易集群中各个交易节点的消费交易行为进行设置,比如若某一类异常交易集群中各个交易节点每隔固定时段执行消费交易,则可以设置第二交易特性为消费交易的间隔时段与固定间隔时段的偏差值小于或等于预设偏差值,若某一类异常交易集群中各个交易节点的消费频率较高,则可以设置第二交易特性为消费频率大于或等于预设消费频率,等等,不作限定。
在一个示例中,在套利欺诈行为的异常交易集群中,主交易节点向各个从交易节点下发套利本金后,主交易节点和各个从交易节点会集中在同一时间段使用套利本金对相同商户、相同金额的商品进行消费交易,因此,套利欺诈行为的异常交易集群中各个交易节点(包括主交易节点和各个从交易节点)的消费交易特性为消费商户重合度高、消费时间集中度高和消费金额集中度高。基于此,可以设置第二交易特性为消费商户重合度大于第三预设阈值、消费时间集中度大于第三预设阈值和消费金额集中度大于第四预设阈值。
具体实施中,针对待测交易集群中的每个交易节点,检测服务器110可以根据数据平台中每个交易节点的交易流水信息,提取得到每个交易节点的消费交易信息,每个交易节点的消费交易信息中包含有每个交易节点购买商品的消费交易情况,比如购买商品的消费商户、购买商品的消费交易时间、购买商品的消费交易金额等。
如此,检测服务器110可以采用如下任意方式检测待测交易集群的异常性:
检测方式一,针对于任一待测交易集群,先根据待测交易集中各个交易节点的消费交易信息,确定各个交易节点的消费商户重合度、消费时间集中度和消费金额集中度;若消费商户重合度大于第二预设阈值,且消费时间集中度大于第三预设阈值,且消费金额集中度大于第四预设阈值,则确定待测交易集为异常交易集群;相应地,若消费商户重合度小于或等于第二预设阈值,和/或,消费时间集中度小于或等于第三预设阈值,和/或,消费金额集中度小于或等于第四预设阈值,则确定待测交易集为正常交易集群。
检测方式二,针对于任一待测交易集群,先根据待测交易集群中各个交易节点的消费交易信息确定各个交易节点的消费商户重合度,若消费商户重合度小于或等于第二预设阈值,则确定待测交易集群为正常交易集群,若消费商户重合度大于第二预设阈值,则再根据待测交易集群中各个交易节点的消费交易信息确定各个交易节点的消费时间集中度。若消费时间集中度小于或等于第三预设阈值,则确定待测交易集群为正常交易集群,若消费时间集中度大于第三预设阈值,则再根据待测交易集群中各个交易节点的消费交易信息确定各个交易节点的消费金额集中度。若消费金额集中度小于或等于第四预设阈值,则确定待测交易集群为正常交易集群,若消费金额集中度大于第四预设阈值,则确定待测交易集群为异常交易集群。
其中,消费商户重合度用于指示待测交易集群中各个交易节点的公共消费商户情况,可以理解的,消费商户重合度可以由任意能够指示公共消费商户情况的信息来确定,不作限定。
在一个示例中,消费商户重合度可以由待测交易集群中各个交易节点进行消费交易的公共商户的数量和全部商户的数量来确定,比如,消费商户重合度可以满足如下形式:
L=b/S
其中,L为消费商户重合度,b为待测交易集群中各个交易节点进行消费交易的公共商户的数量,S为待测交易集群中各个交易节点进行消费交易的全部商户的数量。
相应地,消费时间集中度用于指示待测交易集群中各个交易节点的消费交易在时间上的集中情况,可以理解的,消费时间集中度可以由任意能够指示消费时间集中情况的信息来确定,不作限定。
在一个示例中,消费时间集中度可以以交易时序熵的形式来表示,消费时间集中度可以通过如下方式计算得到:先根据待测交易集群中各个交易节点的消费交易信息,生成按消费时间顺序排序的消费序列,且消费序列中位置靠后的消费交易的消费时间晚于位置靠前的消费交易的消费时间;进一步地,计算消费序列中任意两个相邻消费交易的消费时间间隔,并对任意两个相邻消费交易的消费时间间隔与总消费时间求比值,然后再根据消费序列中各个相邻消费交易的消费时间间隔与总消费时间的比值计算得到各交易节点的消费时间集中度。
其中,消费时间集中度可以满足如下形式:
其中,E为消费时间集中度,pk为消费序列中任意两个相邻交易的时间间隔与总消费时间的比值,n为消费序列中相邻交易的总数量,k为整数,且0<k≤n。需要说明的是,上述公式仅是一种示例性的说明,并不构成对本方案的限定;在具体实施中,消费时间集中度也可以由其他公式来表示,比如 不作限定。
相应地,消费金额集中度用于指示待测交易集群中各个交易节点的消费交易在金额上的集中情况,可以理解的,消费金额集中度可以由任意能够指示消费金额集中情况的信息来确定,不作限定。
在一个示例中,消费金额集中度可以通过如下方式计算得到:针对于待测交易集群中各个交易节点的全部消费交易(比如消费序列中的各个消费交易),先根据消费序列中各个消费交易的消费金额确定消费总金额,再根据消费序列中任一消费交易的消费金额与消费总金额计算得到任一消费交易的消费金额占比,最后根据消费序列中全部消费交易的消费金额占比确定消费金额集中度。
其中,消费金额集中度可以满足如下形式:
其中,H为消费金额集中度,ai为消费序列中第i个消费交易的消费金额,m为消费序列中消费交易的总数量;i、j为整数,且i<m,j<m。
综上,现有技术需要耗费大量时间成本从各个数据源获取交易节点的全部介质信息,不仅时间成本高,还可能由于获取信息不全导致异常检测的准确性低。相对来说,本方案通过整合数据平台中已有的转账交易信息和消费交易信息(即从交易流水信息中提取出转账交易信息和消费交易信息),即可完成对异常交易集群的检测,而无需耗费大量时间成本从各数据源中采集数据,因此,本方案可以以更少的数据量、更低的时间成本完成对交易集群的异常检测,异常检测的效率较高。
图4为本发明实施例提供的一种异常交易集群的检测方法的整体流程示意图,该方法包括:
步骤401,确定是否存在未判断的交易节点,若是,则执行步骤402,若否,执行步骤405。
步骤402,根据未判断的任一交易节点的转账交易信息,确定该交易节点对其它交易节点进行转出交易的数量。
其中,交易节点的转账交易信息可以为从数据平台中采集的交易节点的流水信息中提取得到的。
步骤403,判断该交易节点进行转出交易的数量是否大于第一预设阈值,若是,执行步骤404,若否,执行步骤401。
步骤404,确定该交易节点为一个第一交易节点,执行步骤401。
步骤405,根据各个第一交易节点和与各个第一交易节点存在转出交易关系的交易节点,构建待测交易集群。其中,任一待测交易集群中包括至少一个第一交易节点和与至少一个第一交易节点存在转出交易关系的交易节点。
步骤406,是否存在未判断的待测交易集群,若是,则执行步骤407,若否,则执行步骤412。
步骤407,根据任一未判断的待测交易集群中各交易节点的消费交易信息,确定该待测交易集群中各交易节点的消费商户重合度,判断该待测交易集群中各交易节点的消费商户重合度是否大于第二预设阈值,若是,则执行步骤408,若否,则执行步骤411。
其中,交易节点的消费交易信息可以为从数据平台中采集的交易节点的流水信息中提取得到的。
步骤408,根据该待测交易集群中各交易节点的消费交易信息,确定该待测交易集群中各交易节点的消费时间集中度,判断该待测交易集群中各交易节点的消费时间集中度是否大于第三预设阈值,若是,则执行步骤409,若否,则执行步骤411。
步骤409,根据该待测交易集群中各交易节点的消费交易信息,确定该待测交易集群中各交易节点的消费金额集中度,判断该待测交易集群中各交易节点的消费金额重合度是否大于第四预设阈值,若是,则执行步骤410,若否,则执行步骤411。
步骤410,确定该待测交易集群为异常交易集群。
步骤411,确定该待测交易集群为正常交易集群。
步骤412,结束。
本发明的上述实施例中,根据各交易节点的转账交易信息,确定所述各交易节点的转账交易特性,从所述各交易节点中选取转账交易特性满足第一交易特性的第一交易节点;所述第一交易特性用于指示异常交易集群中主交易节点的转账交易特性;进一步地,根据所述第一交易节点和与所述第一交易节点存在转出交易关系的交易节点,构建得到待测交易集群,根据所述待测交易集群中各交易节点的消费交易信息,确定所述待测交易集群的消费交易特性,若所述消费交易特性满足第二交易特性,则确定所述待测交易集群为异常交易集群;所述第二交易特性用于指示异常交易集群的消费交易特性。本发明实施例中,先从各个交易节点中筛选出满足异常交易集群中主交易节点的转账交易特性的第一交易节点,因此第一交易节点极大可能为疑似异常的主交易节点,如此,再根据与疑似异常的主交易节点具有转出交易关系的各个交易节点能够构建得到疑似异常的待测交易集群,最后根据疑似异常的待测交易集群的消费交易特性与真实的异常交易集群的消费交易特性的匹配程度确定待测交易集群是否为异常交易集群,通过使用转账交易特性和消费交易特性完成对待测交易集群的异常检测,可以无需获取全部的介质信息,从而可以降低异常检测所需的数据量,提高异常检测的效率;且,异常交易集群的转账交易特性和消费交易特性能够体现异常交易集群的真实交易特征,因此使用异常交易集群的转账交易特性和消费交易特性进行异常检测还可以准确区分出异常交易集群和正常交易集群,提高异常检测的准确率。
针对上述方法流程,本发明实施例还提供一种异常交易集群的检测装置,该装置的具体内容可以参照上述方法实施。
图5为本发明实施例提供的一种异常交易集群的检测装置的结构示意图,包括:
确定模块501,用于根据各交易节点的转账交易信息,确定所述各交易节点的转账交易特性,从所述各交易节点中选取转账交易特性满足第一交易特性的第一交易节点;所述第一交易特性用于指示异常交易集群中主交易节点的转账交易特性;
构建模块502,用于根据所述第一交易节点和与所述第一交易节点存在转出交易关系的交易节点,构建得到待测交易集群;
检测模块503,用于根据所述待测交易集群中各交易节点的消费交易信息,确定所述待测交易集群的消费交易特性,若所述消费交易特性满足第二交易特性,则确定所述待测交易集群为异常交易集群;所述第二交易特性用于指示异常交易集群的消费交易特性。
可选地,所述确定模块501具体用于:
根据任一交易节点与其它交易节点的转账交易信息,确定所述交易节点对其它交易节点进行转出交易的数量,若所述转出交易的数量大于第一预设阈值,则将所述交易节点确定为一个第一交易节点。
可选地,所述检测模块503具体用于:
根据所述待测交易集群中各交易节点的消费交易信息,确定所述各交易节点的消费商户重合度、消费时间集中度和消费金额集中度;
若所述消费商户重合度大于第二预设阈值,且所述消费时间集中度大于第三预设阈值,且所述消费金额集中度大于第四预设阈值,则确定所述待测交易集群为异常交易集群。
可选地,所述检测模块503具体用于:
根据所述待测交易集群中各交易节点的消费交易信息,确定各交易节点进行消费交易的公共商户的数量和全部商户的数量,根据所述公共商户的数量和全部商户的数量计算得到所述各交易节点的消费商户重合度;
根据所述待测交易集群中各交易节点的消费交易信息,生成按消费时间顺序排序的消费序列;所述消费序列中位置靠后的消费交易的消费时间晚于位置靠前的消费交易的消费时间;计算所述消费序列中任意两个相邻消费交易的消费时间间隔,对所述任意两个相邻消费交易的消费时间间隔与总消费时间求比值,并根据所述消费序列中各个相邻消费交易的消费时间间隔与总消费时间的比值计算得到所述各交易节点的消费时间集中度;
对所述消费序列中任一消费交易的消费金额与总消费金额求比值,根据所述消费序列中各个消费交易的消费金额与总消费金额的比值计算得到所述各交易节点的消费金额集中度。
可选地,所述消费商户重合度满足如下形式:
L=b/S
其中,L为所述消费商户重合度,b为所述各交易节点进行消费交易的公共商户的数量,S为所述各交易节点进行消费交易的全部商户的数量;
所述消费时间集中度满足如下形式:
其中,E为所述消费时间集中度,pk为所述消费序列中第k个相邻消费交易的时间间隔与总消费时间的比值,n为所述消费序列中相邻消费交易的总数量,k为整数,且0<k≤n;
所述消费金额集中度满足如下形式:
其中,H为所述消费金额集中度,ai为所述消费序列中第i个消费交易的消费金额,m为所述消费序列中消费交易的总数量。
从上述内容可以看出:本发明的上述实施例中,根据各交易节点的转账交易信息,确定所述各交易节点的转账交易特性,从所述各交易节点中选取转账交易特性满足第一交易特性的第一交易节点;所述第一交易特性用于指示异常交易集群中主交易节点的转账交易特性;进一步地,根据所述第一交易节点和与所述第一交易节点存在转出交易关系的交易节点,构建得到待测交易集群,根据所述待测交易集群中各交易节点的消费交易信息,确定所述待测交易集群的消费交易特性,若所述消费交易特性满足第二交易特性,则确定所述待测交易集群为异常交易集群;所述第二交易特性用于指示异常交易集群的消费交易特性。本发明实施例中,先从各个交易节点中筛选出满足异常交易集群中主交易节点的转账交易特性的第一交易节点,因此第一交易节点极大可能为疑似异常的主交易节点,如此,再根据与疑似异常的主交易节点具有转出交易关系的各个交易节点能够构建得到疑似异常的待测交易集群,最后根据疑似异常的待测交易集群的消费交易特性与真实的异常交易集群的消费交易特性的匹配程度确定待测交易集群是否为异常交易集群,通过使用转账交易特性和消费交易特性完成对待测交易集群的异常检测,可以无需获取全部的介质信息,从而可以降低异常检测所需的数据量,提高异常检测的效率;且,异常交易集群的转账交易特性和消费交易特性能够体现异常交易集群的真实交易特征,因此使用异常交易集群的转账交易特性和消费交易特性进行异常检测还可以准确区分出异常交易集群和正常交易集群,提高异常检测的准确率。
基于同一发明构思,本发明实施例提供了一种终端设备,如图6所示,包括至少一个处理器601,以及与至少一个处理器连接的存储器602,本发明实施例中不限定处理器601与存储器602之间的具体连接介质,图6中处理器601和存储器602之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。
在本发明实施例中,存储器602存储有可被至少一个处理器601执行的指令,至少一个处理器601通过执行存储器602存储的指令,可以执行前述的异常交易集群的检测方法中所包括的步骤。
其中,处理器601是终端设备的控制中心,可以利用各种接口和线路连接终端设备的各个部分,通过运行或执行存储在存储器602内的指令以及调用存储在存储器602内的数据,从而实现数据处理。可选的,处理器601可包括一个或多个处理单元,处理器601可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理下发指令。可以理解的是,上述调制解调处理器也可以不集成到处理器601中。在一些实施例中,处理器601和存储器602可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器601可以是通用处理器,例如中央处理器(CPU)、数字信号处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列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,可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合异常交易集群的检测实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器602作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器602可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器602是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本发明实施例中的存储器602还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
基于相同的技术构思,本发明实施例提供了一种后端设备,如图7所示,包括至少一个处理器701,以及与至少一个处理器连接的存储器702,本发明实施例中不限定处理器701与存储器702之间的具体连接介质,图7中处理器701和存储器702之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。
在本发明实施例中,存储器702存储有可被至少一个处理器701执行的指令,至少一个处理器701通过执行存储器702存储的指令,可以执行前述的异常交易集群的检测方法中所包括的步骤。
其中,处理器701是后端设备的控制中心,可以利用各种接口和线路连接后端设备的各个部分,通过运行或执行存储在存储器702内的指令以及调用存储在存储器702内的数据,从而实现数据处理。可选的,处理器701可包括一个或多个处理单元,处理器701可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、应用程序等,调制解调处理器主要对接收到的指令进行解析以及对接收到的结果进行解析。可以理解的是,上述调制解调处理器也可以不集成到处理器701中。在一些实施例中,处理器701和存储器702可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器701可以是通用处理器,例如中央处理器(CPU)、数字信号处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列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,可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合异常交易集群的检测实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器702作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器702可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器702是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本发明实施例中的存储器702还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
基于同一发明构思,本发明实施例还提供了一种计算机可读存储介质,包括计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机执行上述图2或图4实施例所述的异常交易集群的检测方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、或计算机程序产品。因此,本发明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,本发明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,则可对这些实施例作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 (12)
1.一种异常交易集群的检测方法,其特征在于,所述方法包括:
根据各交易节点的转账交易信息,确定所述各交易节点的转账交易特性;
从所述各交易节点中选取转账交易特性满足第一交易特性的第一交易节点;所述第一交易特性用于指示异常交易集群中主交易节点的转账交易特性;
根据所述第一交易节点和与所述第一交易节点存在转出交易关系的交易节点,构建得到待测交易集群;
根据所述待测交易集群中各交易节点的消费交易信息,确定所述待测交易集群的消费交易特性,若所述消费交易特性满足第二交易特性,则确定所述待测交易集群为异常交易集群;所述第二交易特性用于指示异常交易集群的消费交易特性。
2.根据权利要求1所述的方法,其特征在于,所述根据各交易节点的转账交易信息,确定所述各交易节点的转账交易特性,从所述各交易节点中选取转账交易特性满足第一交易特性的第一交易节点,包括:
根据任一交易节点与其它交易节点的转账交易信息,确定所述交易节点对其它交易节点进行转出交易的数量,若所述转出交易的数量大于第一预设阈值,则将所述交易节点确定为一个第一交易节点。
3.根据权利要求1所述的方法,其特征在于,所述根据所述待测交易集群中各交易节点的消费交易信息,确定所述待测交易集群的消费交易特性,若所述消费交易特性满足第二交易特性,则确定所述待测交易集群为异常交易集群,包括:
根据所述待测交易集群中各交易节点的消费交易信息,确定所述各交易节点的消费商户重合度、消费时间集中度和消费金额集中度;
若所述消费商户重合度大于第二预设阈值,且所述消费时间集中度大于第三预设阈值,且所述消费金额集中度大于第四预设阈值,则确定所述待测交易集群为异常交易集群。
4.根据权利要求3所述的方法,其特征在于,所述根据所述待测交易集群中各交易节点的消费交易信息,确定所述各交易节点的消费商户重合度、消费时间集中度和消费金额集中度,包括:
根据所述待测交易集群中各交易节点的消费交易信息,确定各交易节点进行消费交易的公共商户的数量和全部商户的数量,根据所述公共商户的数量和全部商户的数量计算得到所述各交易节点的消费商户重合度;
根据所述待测交易集群中各交易节点的消费交易信息,生成按消费时间顺序排序的消费序列;所述消费序列中位置靠后的消费交易的消费时间晚于位置靠前的消费交易的消费时间;计算所述消费序列中任意两个相邻消费交易的消费时间间隔,对所述任意两个相邻消费交易的消费时间间隔与总消费时间求比值,并根据所述消费序列中各个相邻消费交易的消费时间间隔与总消费时间的比值计算得到所述各交易节点的消费时间集中度;
对所述消费序列中任一消费交易的消费金额与总消费金额求比值,根据所述消费序列中各个消费交易的消费金额与总消费金额的比值计算得到所述各交易节点的消费金额集中度。
6.一种异常交易集群的检测装置,其特征在于,所述装置包括:
确定模块,用于根据各交易节点的转账交易信息,确定所述各交易节点的转账交易特性,从所述各交易节点中选取转账交易特性满足第一交易特性的第一交易节点;所述第一交易特性用于指示异常交易集群中主交易节点的转账交易特性;
构建模块,用于根据所述第一交易节点和与所述第一交易节点存在转出交易关系的交易节点,构建得到待测交易集群;
检测模块,用于根据所述待测交易集群中各交易节点的消费交易信息,确定所述待测交易集群的消费交易特性,若所述消费交易特性满足第二交易特性,则确定所述待测交易集群为异常交易集群;所述第二交易特性用于指示异常交易集群的消费交易特性。
7.根据权利要求6所述的装置,其特征在于,所述确定模块具体用于:
根据任一交易节点与其它交易节点的转账交易信息,确定所述交易节点对其它交易节点进行转出交易的数量,若所述转出交易的数量大于第一预设阈值,则将所述交易节点确定为一个第一交易节点。
8.根据权利要求6所述的装置,其特征在于,所述检测模块具体用于:
根据所述待测交易集群中各交易节点的消费交易信息,确定所述各交易节点的消费商户重合度、消费时间集中度和消费金额集中度;
若所述消费商户重合度大于第二预设阈值,且所述消费时间集中度大于第三预设阈值,且所述消费金额集中度大于第四预设阈值,则确定所述待测交易集群为异常交易集群。
9.根据权利要求8所述的装置,其特征在于,所述检测模块具体用于:
根据所述待测交易集群中各交易节点的消费交易信息,确定各交易节点进行消费交易的公共商户的数量和全部商户的数量,根据所述公共商户的数量和全部商户的数量计算得到所述各交易节点的消费商户重合度;
根据所述待测交易集群中各交易节点的消费交易信息,生成按消费时间顺序排序的消费序列;所述消费序列中位置靠后的消费交易的消费时间晚于位置靠前的消费交易的消费时间;计算所述消费序列中任意两个相邻消费交易的消费时间间隔,对所述任意两个相邻消费交易的消费时间间隔与总消费时间求比值,并根据所述消费序列中各个相邻消费交易的消费时间间隔与总消费时间的比值计算得到所述各交易节点的消费时间集中度;
对所述消费序列中任一消费交易的消费金额与总消费金额求比值,根据所述消费序列中各个消费交易的消费金额与总消费金额的比值计算得到所述各交易节点的消费金额集中度。
11.一种计算设备,其特征在于,包括至少一个处理器以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器执行权利要求1~5任一权利要求所述的方法。
12.一种计算机可读存储介质,其特征在于,其存储有可由计算设备执行的计算机程序,当所述程序在所述计算设备上运行时,使得所述计算设备执行权利要求1~5任一权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010107390.8A CN111340622A (zh) | 2020-02-21 | 2020-02-21 | 一种异常交易集群的检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010107390.8A CN111340622A (zh) | 2020-02-21 | 2020-02-21 | 一种异常交易集群的检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111340622A true CN111340622A (zh) | 2020-06-26 |
Family
ID=71183960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010107390.8A Pending CN111340622A (zh) | 2020-02-21 | 2020-02-21 | 一种异常交易集群的检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111340622A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610527A (zh) * | 2021-08-24 | 2021-11-05 | 上海点融信息科技有限责任公司 | 联盟链的交易方法、装置、系统、终端设备及存储介质 |
CN113609454A (zh) * | 2021-08-12 | 2021-11-05 | 中国工商银行股份有限公司 | 一种异常交易检测方法和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20180218369A1 (en) * | 2017-02-01 | 2018-08-02 | Google Inc. | Detecting fraudulent data |
CN109102151A (zh) * | 2018-07-03 | 2018-12-28 | 阿里巴巴集团控股有限公司 | 一种可疑群组识别方法和装置 |
CN109583890A (zh) * | 2018-11-09 | 2019-04-05 | 阿里巴巴集团控股有限公司 | 异常交易对象的识别方法、装置及设备 |
CN109615521A (zh) * | 2018-12-26 | 2019-04-12 | 天翼电子商务有限公司 | 基于营销反套利模型的反套利识别方法、系统及服务器 |
CN110111113A (zh) * | 2019-04-30 | 2019-08-09 | 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 |
CN110264326A (zh) * | 2019-05-24 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 识别异常账户集合和风险账户集合的方法、装置及设备 |
CN110276620A (zh) * | 2019-06-28 | 2019-09-24 | 深圳前海微众银行股份有限公司 | 一种确定异常交易的方法及装置 |
-
2020
- 2020-02-21 CN CN202010107390.8A patent/CN111340622A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180218369A1 (en) * | 2017-02-01 | 2018-08-02 | Google Inc. | Detecting fraudulent data |
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 |
CN109102151A (zh) * | 2018-07-03 | 2018-12-28 | 阿里巴巴集团控股有限公司 | 一种可疑群组识别方法和装置 |
CN109583890A (zh) * | 2018-11-09 | 2019-04-05 | 阿里巴巴集团控股有限公司 | 异常交易对象的识别方法、装置及设备 |
CN109615521A (zh) * | 2018-12-26 | 2019-04-12 | 天翼电子商务有限公司 | 基于营销反套利模型的反套利识别方法、系统及服务器 |
CN110111113A (zh) * | 2019-04-30 | 2019-08-09 | 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 |
CN110264326A (zh) * | 2019-05-24 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 识别异常账户集合和风险账户集合的方法、装置及设备 |
CN110276620A (zh) * | 2019-06-28 | 2019-09-24 | 深圳前海微众银行股份有限公司 | 一种确定异常交易的方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113609454A (zh) * | 2021-08-12 | 2021-11-05 | 中国工商银行股份有限公司 | 一种异常交易检测方法和装置 |
CN113610527A (zh) * | 2021-08-24 | 2021-11-05 | 上海点融信息科技有限责任公司 | 联盟链的交易方法、装置、系统、终端设备及存储介质 |
CN113610527B (zh) * | 2021-08-24 | 2024-05-28 | 上海点融信息科技有限责任公司 | 联盟链的交易方法、装置、系统、终端设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10621522B2 (en) | Machine learning artificial intelligence system for predicting hours of operation | |
CN109948728A (zh) | 异常交易检测模型的训练以及异常交易检测的方法和装置 | |
CN109035013A (zh) | 检测异常金融交易的设备和方法及计算机可读存储介质 | |
CN109493086B (zh) | 一种确定违规商户的方法及装置 | |
CN111028016A (zh) | 销量数据预测方法、装置以及相关设备 | |
CN111833182B (zh) | 识别风险对象的方法和装置 | |
CN110895758A (zh) | 存在作弊交易的信用卡账户的筛选方法、装置及系统 | |
CN110097451A (zh) | 一种银行业务的监控方法及装置 | |
CN113554228B (zh) | 还款率预测模型的训练方法及还款率的预测方法 | |
CN111861486A (zh) | 异常账户识别方法、装置、设备及介质 | |
CN111340622A (zh) | 一种异常交易集群的检测方法及装置 | |
CN115170319A (zh) | 异常账户检测方法、图神经网络模型的构建方法和装置 | |
CN109934700A (zh) | 一种套现侦测的方法及装置 | |
CN110991650A (zh) | 训练养卡识别模型、识别养卡行为的方法及装置 | |
Ranjan et al. | Fraud detection on bank payments using machine learning | |
CN114140246A (zh) | 模型训练方法、欺诈交易识别方法、装置和计算机设备 | |
CN113435900A (zh) | 交易风险确定方法、装置和服务器 | |
CN114219497A (zh) | 账户信息确定方法、装置及服务器 | |
CN116308370A (zh) | 异常交易识别模型的训练方法、异常交易识别方法及装置 | |
CN110442375B (zh) | 移动支付产品渠道集成方法、装置、设备和存储介质 | |
CN110570301B (zh) | 风险识别方法、装置、设备及介质 | |
CN112907254A (zh) | 欺诈交易识别、模型训练方法、装置、设备及存储介质 | |
Kang | Fraud Detection in Mobile Money Transactions Using Machine Learning | |
CN111475566A (zh) | 一种区块链资金可疑交易模式的识别方法及装置 | |
CN112785476B (zh) | 一种用户行为识别方法及装置 |
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 |