CN115442092A - 一种目标账户识别的方法、装置、计算机设备 - Google Patents

Abstract

本申请涉及一种目标账户识别的方法。所述方法包括：获取预设时段内的待验证交互数据；通过待验证交互数据得到与待验证交互数据关联的待验证账户的账户级别评分；根据待验证交互数据以及预设的账户级别规则，从待验证账户中筛选目标账户；将目标账户输入至第二识别模型，得到与目标账户关联的账户社区；根据账户社区的第一特征和第二特征得到账户分组的级别规则和团伙级别评分；基于账户社区的待验证交互数据，根据确定的账户社区的特征，筛选账户分组的交互模式；根据账户级别评分、团伙级别评分、账户分组的级别规则、账户分组的交互模式得到账户社区中的目标账户。采用本方法能够减少直接计算大量目标账户的资源消耗问题。

Description

一种目标账户识别的方法、装置、计算机设备

技术领域

本申请涉及网络信息安全领域，特别是涉及一种目标账户识别的方法、装置、计算机设备。

背景技术

随着目前互联网网络环境复杂程度的增加，出现了部分用户借助互联网平台实施不符合规定的行为。为了保证安全有序的网络环境，可以通过筛选目标账户的方式来维护网络环境的安全。

目前，通过制定业务规则，利用机器学习的方式筛选出个体账户。但是，现有技术在机器学习方面会依靠工作人员的业务经验生成账户标签，筛选出个体账户，不仅无法通过个体账户找到其他的关联目标账户，而且直接对大量目标账户进行计算会造成资源消耗的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种目标账户识别的方法，可以通过交互数据筛选出目标账户，并且得到与目标账户关联的账户社区，通过账户社区找到更多的目标账户。

第一方面，本申请提供了一种目标账户识别的方法，所述方法包括：

获取预设时段内的待验证交互数据；

将所述待验证交互数据输入至第一识别模型，得到与所述待验证交互数据关联的待验证账户的账户级别评分；

根据所述待验证交互数据以及预设的账户级别规则，从所述待验证账户中筛选目标账户；

将所述目标账户输入至第二识别模型，得到与所述目标账户关联的账户社区，所述第二识别模型基于聚类算法进行训练得到；筛选所述账户社区的第一特征制定账户分组的级别规则，将所述账户社区的第二特征输入至第三识别模型，得到团伙级别评分，所述第三识别模型基于图卷积神经网络训练得到；

基于所述账户社区的待验证交互数据，确定所述账户社区的特征，并根据账户社区的特征，筛选账户分组的交互模式；

根据账户级别评分、团伙级别评分、账户分组的级别规则、账户分组的交互模式得到账户社区中的目标账户。

在其中一个实施例中，所述方法还包括：

获取所述目标账户与所述账户社区中的目标账户，构建所述目标账户与所述账户社区中的目标账户的关系网络，用于找到其他关联的目标账户。

在其中一个实施例中，所述得到与所述目标账户关联的账户社区包括：

根据待检测数据与账户特征构建交易关系网络，将目标账户作为交易关系网络的种子节点输入至第二识别模型，得到与所述目标账户关联的账户社区。

在其中一个实施例中，所述根据账户级别评分、团伙级别评分、账户分组的级别规则、账户分组的交互模式得到账户社区中的目标账户包括：

根据账户级别评分筛选出待验证交互数据关联的目标账户，根据团伙级别评分、账户分组的级别规则、账户分组的交互模式筛选出目标账户关联的账户社区中的目标账户。

第二方面，本申请还提供了一种目标账户识别装置，所述装置包括：

数据获取模块，用于获取预设时段内的待验证交互数据；

第一识别模块，用于将所述待验证交互数据输入至第一识别模型，得到与所述待验证交互数据关联的待验证账户的账户级别评分；

第一目标模块，用于根据所述待验证交互数据以及预设的账户级别规则，从所述待验证账户中筛选目标账户；

第二识别模块，用于将所述目标账户输入至第二识别模型，得到与所述目标账户关联的账户社区，所述第二识别模型基于聚类算法进行训练得到；筛选所述账户社区的第一特征制定账户分组的级别规则，将所述账户社区的第二特征输入至第三识别模型，得到团伙级别评分，所述第三识别模型基于图卷积神经网络训练得到；

筛选模块，用于基于所述账户社区的待验证交互数据，确定所述账户社区的特征，并根据账户社区的特征，筛选账户分组的交互模式；

第二目标模块，用于根据账户级别评分、团伙级别评分、账户分组的级别规则、账户分组的交互模式得到账户社区中的目标账户。

在其中一个实施例中，所述装置还包括：

获取所述目标账户与所述账户社区中的目标账户，构建所述目标账户与所述账户社区中的目标账户的关系网络，用于找到其他关联的目标账户。

在其中一个实施例中，所述得到与所述目标账户关联的账户社区包括：

根据待检测数据与账户特征构建交易关系网络，将目标账户作为交易关系网络的种子节点输入至第二识别模型，得到与所述目标账户关联的账户社区。

在其中一个实施例中，所述根据账户级别评分、团伙级别评分、账户分组的级别规则、账户分组的交互模式得到账户社区中的目标账户包括：

根据账户级别评分筛选出待验证交互数据关联的目标账户，根据团伙级别评分、账户分组的级别规则、账户分组的交互模式筛选出目标账户关联的账户社区中的目标账户。

第三方面，本公开还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现目标账户识别方法的步骤。

第四方面，本公开还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现目标账户识别方法的步骤。

第五方面，本公开还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现目标账户识别方法的步骤。

上述一种目标账户识别的方法，至少包括以下有益效果：

本公开提供的实施例方案，通过预设时段内的待验证数据筛选出目标账户，通过目标账户得到与目标账户关联的账户社区。筛选账户社区的第一特征和第二特征得到账户分组的级别规则和团伙级别评分。根据账户社区的待验证交互数据确定账户社区的特征，筛选账户分组的交互模式。根据团伙级别评分、账户分组的级别规则、账户分组的交互模式筛选出目标账户关联的账户社区中的目标账户，减少了直接计算大量目标账户的资源消耗问题。还可以通过构建所有目标账户的关系网络，通过关系网络找到其他目标账户，实现可视化关联分析的展示。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

为了更清楚地说明本公开实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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为一个实施例中目标账户识别方法的应用环境图；

图2为一个实施例中目标账户识别方法的流程示意图；

图3为一个实施例中目标账户识别装置的结构框图；

图4为一个实施例中计算机设备的内部结构图；

图5为一个实施例中一种服务器的内部结构图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。术语“包括”、“包含”或者其任何其它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、产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它要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。例如若使用到第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

本公开实施例提供一种目标账户识别方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在本公开的一些实施例中，如图2所示，提供了一种目标账户识别方法，以该方法应用于图1中的服务器对待验证交互数据进行处理为例进行说明。可以理解的是，该方法可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。具体的一个实施例中，所述方法可以包括以下步骤：

S202：获取预设时段内的待验证交互数据。

用户在操作账户的过程中，每时每刻都会产生交互数据，首先可以从大量的交互数据中获取预设时段的待验证交互数据，可以减少机器处理的时间。预设时段可以根据实际业务操作或业务需求决定。待验证交互数据可以包括普通用户或目标用户在操作账户的过程中产生的所有数据以及与普通用户或目标用户交互的其他用户的数据。

S204:将所述待验证交互数据输入至第一识别模型，得到与所述待验证交互数据关联的待验证账户的账户级别评分。

所述第一识别模型可以包括：对待验证交互数据关联的待验证账户做账户特征分析，将所述账户特征分析后的待验证账户作为训练样本，基于梯度提升决策树机器学习算法(LightGBM)进行训练得到。账户级别评分可以用来表示待验证账户为目标账户的可能性，如果账户级别评分较高，待验证账户成为目标账户的可能性可能也会较高。

在本公开的一些实施例中，首先可以清洗待验证数据，可以根据交互代码、摘要代码、交互双方的特殊性决定。可以再根据与待验证交互数据关联的待验证账户的基础信息、交互频率、交互地址等做账户特征分析，将账户特征分析后的待验证账户作为训练样本构建第一识别模型。通过第一识别模型可以得到待验证账户成为目标账户的概率、比值等信息，可以将信息转化为账户级别评分，可以直观的看出待验证账户成为目标账户的可能性。

S206:根据所述待验证交互数据以及预设的账户级别规则，从所述待验证账户中筛选目标账户。

在本公开的实施例中，可以对账户特征做稳定度指标、信息价值、证据权重分析操作，通过操作人员的业务经验以及分析操作的结果评估账户特征对目标账户的区分能力，得到区分能力强的账户特征，例如交互次数、交互波动性等。可以对区分能力强的账户特征制定相应的账户级别规则。根据待验证交互数据和账户级别规则可以筛选出目标账户。

在本公开的实施例中，可以对待验证数据关联的待验证账户的账户特征做分析操作，可以得到区分能力强的账户特征，对区分能力强的账户特征制定相应的账户级别规则。在本公开的一些实施例中，在账户特征为交易次数的情况下，账户级别规则可以设置为在3个月内交互次数大于151次的待验证账户是可能的目标账户。再对可能的目标账户进行筛选，可以得到目标账户。

S208:将所述目标账户输入至第二识别模型，得到与所述目标账户关联的账户社区，所述第二识别模型基于聚类算法进行训练得到；筛选所述账户社区的第一特征制定账户分组的级别规则，将所述账户社区的第二特征输入至第三识别模型，得到团伙级别评分，所述第三识别模型基于图卷积神经网络训练得到。

第二识别模型基于聚类算法进行训练得到，在本公开的一些实施例中，可以为社区挖掘算法(Local community mining,LCD)、划分法、层次法等。对账户社区中的账户进行特征分析，可以再根据账户社区中的账户特征对于目标账户的区分能力，将账户社区中的账户特征分为第一特征和第二特征。第一特征可以是区分能力强的特征，第二特征可以是一般特征。

在本公开的实施例中，可以使用社区挖掘算法得到与所述目标账户关联的账户社区，对账户社区中的账户进行特征分析。可以根据第一特征制定账户分组的级别规则，账户分组的级别规则可以用于筛选包含目标账户的账户社区。可以根据第二特征构建图卷积神经网络模型(GraphSage)，可以得到账户社区中的账户成为目标账户的概率，根据概率值可以制定团伙级别评分，可以用于得到账户社区中的账户成为目标账户的可能性。

S210：基于所述账户社区的待验证交互数据，确定所述账户社区的特征，并根据账户社区的特征，筛选账户分组的交互模式。

账户社区的特征可以包括交互次数、交互数据额度等。账户分组的交互模式可以包括异常数据的交互、超额数据的交互等。

在本公开的一些实施例中，根据账户社区的待验证交互数据可以确定账户社区的特征。在交互次数高于预设次数的情况下，可以将交互次数高作为账户社区的特征。根据账户社区的特征可以筛选账户分组的交互模式。如果账户社区的特征为交互次数高，在交互数据中可能会出现异常数据或超额数据，可以筛选交互数据中的异常数据或超额数据，作为账户分组的交互模式。

S212：根据账户级别评分、团伙级别评分、账户分组的级别规则、账户分组的交互模式得到账户社区中的目标账户。

在本公开的实施例中，可以根据账户级别评分筛选出待验证交互数据关联的目标账户，根据团伙级别评分、账户分组的级别规则、账户分组的交互模式筛选出目标账户关联的账户社区中的目标账户。

上述目标账户识别方法中，可以根据预设时段内的待验证交互数据筛选目标账户，通过目标账户得到与目标账户关联的账户社区。可以再根据目标账户关联的账户社区制定团伙级别评分、账户分组的级别规则、账户分组的交互模式，得到账户社区中的目标账户。减少了直接计算大量目标账户的资源消耗问题。

在本公开的一些实施例中，所述方法还包括：

获取所述目标账户与所述账户社区中的目标账户，构建所述目标账户与所述账户社区中的目标账户的关系网络，用于找到其他关联的目标账户。

通过待验证交互数据获得的目标账户与账户社区中的目标账户的关系网络可以通过知识图谱技术构建而成。知识图谱技术可以提供多种语义联系，根据知识图谱技术找到其他相关联的目标账户的准确性可能会较高。

在本公开的实施例中，可以根据知识图谱技术构建目标账户与账户社区中的目标账户的关系网络，不仅可以通过关系网络直观的看出关系网络中目标账户之间的关系，而且可以通过目标账户之间的关系找到其他关联的目标账户。

在本公开的一些实施例中，所述得到与所述目标账户关联的账户社区包括：

根据待检测数据与账户特征构建交易关系网络，将目标账户作为交易关系网络的种子节点输入至第二识别模型，得到与所述目标账户关联的账户社区。

一个社区可以由一组节点构成的，节点之间高度连接，这一组节点与社区中的其他节点不同，可以将这一组节点看作种子节点，用于找到其他的节点。

在本公开的实施例中，可以将目标账户作为种子节点，在交易关系网络启动时可以通过种子节点快速发现网络中的其他节点，可以得到目标账户关联的账户社区。

在本公开的一些实施例中，所述根据账户级别评分、团伙级别评分、账户分组的级别规则、账户分组的交互模式得到账户社区中的目标账户包括：根据账户级别评分筛选出待验证交互数据关联的目标账户，根据团伙级别评分、账户分组的级别规则、账户分组的交互模式筛选出目标账户关联的账户社区中的目标账户。

在根据待验证交互数据以及预设的账户级别规则筛选目标账户的过程中，部分账户未命中账户级别规则，未命中账户级别规则的账户可能会成为目标账户。在后续通过目标账户找到关联的账户社区的过程中，未命中账户级别规则的账户可能会在其他目标账户关联的账户社区中，也可能不在其他目标账户关联的账户社区中。可以对未命中账户级别规则的账户进行评分卡打分，可以减少遗漏目标账户的可能性。

在本公开的实施例中，评分卡方法可以涉及点双倍倍率递增(point-double-odds)和逻辑回归(logistic regression)集成，用于得到未命中账户级别规则的账户成为目标账户的评分。在未命中账户级别规则的账户在其他目标账户关联的账户社区中的情况下，再次根据账户级别评分、团伙级别评分、账户分组的级别规则、账户分组的交互模式四个方面进行决策汇总，可以利用评分卡方法得到未命中账户级别规则的账户成为目标账户的可能性。在未命中账户级别规则的账户不在其他目标账户关联的账户社区中的情况下，可以根据账户级别评分得到未命中账户级别规则的账户成为目标账户的可能性。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本公开实施例还提供了一种用于实现上述所涉及的针对目标账户识别方法的目标账户识别装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的目标账户识别装置实施例中的具体限定可以参见上文中对于目标账户识别方法的限定，在此不再赘述。

所述装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思，本公开实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参见前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

在一个实施例中，如图3所示，提供了一种目标账户识别装置300，所述装置可以为前述服务器，或者集成于所述服务器的模块、组件、器件、单元等。

该装置300可以包括：

数据获取模块302，用于获取预设时段内的待验证交互数据；

第一识别模块304，用于将所述待验证交互数据输入至第一识别模型，得到与所述待验证交互数据关联的待验证账户的账户级别评分；

第一目标模块306，用于根据所述待验证交互数据以及预设的账户级别规则，从所述待验证账户中筛选目标账户；

第二识别模块308，用于将所述目标账户输入至第二识别模型，得到与所述目标账户关联的账户社区，所述第二识别模型基于聚类算法进行训练得到；筛选所述账户社区的第一特征制定账户分组的级别规则，将所述账户社区的第二特征输入至第三识别模型，得到团伙级别评分，所述第三识别模型基于图卷积神经网络训练得到；

筛选模块310，用于基于所述账户社区的待验证交互数据，确定所述账户社区的特征，并根据账户社区的特征，筛选账户分组的交互模式；

第二目标模块312，用于根据账户级别评分、团伙级别评分、账户分组的级别规则、账户分组的交互模式得到账户社区中的目标账户。

在一个实施例中，所述装置还包括：

获取所述目标账户与所述账户社区中的目标账户，构建所述目标账户与所述账户社区中的目标账户的关系网络，用于找到其他关联的目标账户。

在一个实施例中，所述得到与所述目标账户关联的账户社区包括：

根据待检测数据与账户特征构建交易关系网络，将目标账户作为交易关系网络的种子节点输入至第二识别模型，得到与所述目标账户关联的账户社区。

在一个实施例中，所述根据账户级别评分、团伙级别评分、账户分组的级别规则、账户分组的交互模式得到账户社区中的目标账户包括：

根据账户级别评分筛选出待验证交互数据关联的目标账户，根据团伙级别评分、账户分组的级别规则、账户分组的交互模式筛选出目标账户关联的账户社区中的目标账户。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

上述针对目标账户识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储交互数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种目标账户识别方法。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现目标账户识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图4、图5中示出的结构，仅仅是与本公开方案相关的部分结构的框图，并不构成对本公开方案所应用于其上的计算机设备的限定，具体的计算机设备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。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现本公开任一实施例所述的方法。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开任一实施例所述的方法。

本领域普通技术人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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本公开所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本公开所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本公开所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本公开的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本公开专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本公开构思的前提下，还可以做出若干变形和改进，这些都属于本公开的保护范围。因此，本公开的保护范围应以所附权利要求为准。

Claims (11)

1.一种目标账户识别的方法，其特征在于，所述方法包括：

获取预设时段内的待验证交互数据；

将所述待验证交互数据输入至第一识别模型，得到与所述待验证交互数据关联的待验证账户的账户级别评分；

根据所述待验证交互数据以及预设的账户级别规则，从所述待验证账户中筛选目标账户；

将所述目标账户输入至第二识别模型，得到与所述目标账户关联的账户社区，所述第二识别模型基于聚类算法进行训练得到；筛选所述账户社区的第一特征制定账户分组的级别规则，将所述账户社区的第二特征输入至第三识别模型，得到团伙级别评分，所述第三识别模型基于图卷积神经网络训练得到；

基于所述账户社区的待验证交互数据，确定所述账户社区的特征，并根据账户社区的特征，筛选账户分组的交互模式；

根据账户级别评分、团伙级别评分、账户分组的级别规则、账户分组的交互模式得到账户社区中的目标账户。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述目标账户与所述账户社区中的目标账户，构建所述目标账户与所述账户社区中的目标账户的关系网络，用于找到其他关联的目标账户。

3.根据权利要求1所述的方法，其特征在于，所述得到与所述目标账户关联的账户社区包括：

根据待检测数据与账户特征构建交易关系网络，将目标账户作为交易关系网络的种子节点输入至第二识别模型，得到与所述目标账户关联的账户社区。

4.根据权利要求1所述的方法，其特征在于，所述根据账户级别评分、团伙级别评分、账户分组的级别规则、账户分组的交互模式得到账户社区中的目标账户包括：

根据账户级别评分筛选出待验证交互数据关联的目标账户，根据团伙级别评分、账户分组的级别规则、账户分组的交互模式筛选出目标账户关联的账户社区中的目标账户。

5.一种目标账户识别的装置，其特征在于，所述装置包括：

数据获取模块，用于获取预设时段内的待验证交互数据；

第一识别模块，用于将所述待验证交互数据输入至第一识别模型，得到与所述待验证交互数据关联的待验证账户的账户级别评分；

第一目标模块，用于根据所述待验证交互数据以及预设的账户级别规则，从所述待验证账户中筛选目标账户；

第二识别模块，用于将所述目标账户输入至第二识别模型，得到与所述目标账户关联的账户社区，所述第二识别模型基于聚类算法进行训练得到；筛选所述账户社区的第一特征制定账户分组的级别规则，将所述账户社区的第二特征输入至第三识别模型，得到团伙级别评分，所述第三识别模型基于图卷积神经网络训练得到；

筛选模块，用于基于所述账户社区的待验证交互数据，确定所述账户社区的特征，并根据账户社区的特征，筛选账户分组的交互模式；

第二目标模块，用于根据账户级别评分、团伙级别评分、账户分组的级别规则、账户分组的交互模式得到账户社区中的目标账户。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括：

获取所述目标账户与所述账户社区中的目标账户，构建所述目标账户与所述账户社区中的目标账户的关系网络，用于找到其他关联的目标账户。

7.根据权利要求5所述的装置，其特征在于，所述得到与所述目标账户关联的账户社区包括：

根据待检测数据与账户特征构建交易关系网络，将目标账户作为交易关系网络的种子节点输入至第二识别模型，得到与所述目标账户关联的账户社区。

8.根据权利要求5所述的装置，其特征在于，所述根据账户级别评分、团伙级别评分、账户分组的级别规则、账户分组的交互模式得到账户社区中的目标账户包括：

根据账户级别评分筛选出待验证交互数据关联的目标账户，根据团伙级别评分、账户分组的级别规则、账户分组的交互模式筛选出目标账户关联的账户社区中的目标账户。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。

10.一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，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。

11.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。

Images