[发明专利]一种基于模块度和平衡标签传播的欺诈团伙识别方法

权利要求书

1.一种基于模块度和平衡标签传播的欺诈团伙识别方法，其特征在于，该方法包括以下步骤：

步骤1、在交易反欺诈或申请反欺诈场景中，提取ID特征；

步骤2、利用从交易数据或申请数据中提取的ID特征，结合用户自身已知的欺诈标识，对包括欺诈黑名单与正常用户的所有用户计算两两相似度，建立相似度矩阵，通过该相似度矩阵建立关联图；

步骤3、对建立的关联图运行Louvain算法得出每个节点所属的社区及层级信息；具体步骤为：

(1)初始时假设关联图中的每个节点各自属于一个独立的社区；

(2)对关联图中的每个节点i依次遍历其所有邻居节点，计算将其分配到邻居节点所属社区前后的模块度变化量ΔQ；并更新模块度变化最大值maxΔQ，max_j为最大值maxΔQ对应的邻居节点，当maxΔQ＞0时，把节点i分配到max_j所在的社区中，否则保持不变；

(3)重新执行步骤(2)，直到节点归属社区不再变化；

(4)将关联图中归属同一个社区的节点归并一个超节点来重新构造网络，此时超节点的权重由社区内节点间边的权重转化，超节点间的边权重由社区间的边权重转化，实现关联图的压缩；

(5)重新执行步骤(1)，直到达到设定的迭代次数或关联图的模块度不再变化，最终得到每个节点在每个层级所属的社区；

步骤4、以每个节点所属的社区、层级信息及欺诈标识作为每个节点初始的社区信息，运行平衡标签传播过程得到每个节点最终所属社区，再根据是否归属共同社区划分网络，根据传播获得的欺诈标识划分欺诈团伙；具体步骤如下：

(1)将步骤2建立的关联图中每个节点初始归属设为Louvain算法得到的每个层级所属的社区，得到每个节点的社区id,概率值信息，其中初始概率等于1/(节点所属社区数量)，社区id由层级、层级所属的社区、欺诈标识组成；

(2)对每个节点遍历其所有的邻居节点，将相同社区id对应的概率进行加和，记为b，b_max为概率加和后社区id,概率值中概率的最大值；根据公式过滤关联图中每个节点的社区id，其中q为可调参数，q取值范围在[0,1]之间；

(3)归一化每个节点的社区id,概率值信息；

(4)重复步骤(2)，直到达到指定迭代数；

(5)根据是否归属共同社区划分网络，根据传播获得的欺诈标识划分欺诈团伙。

2.根据权利要求1所述的一种基于模块度和平衡标签传播的欺诈团伙识别方法，其特征在于，所述步骤2中，所述ID特征包括卡号、账户号、ip和设备指纹。

3.根据权利要求1所述的一种基于模块度和平衡标签传播的欺诈团伙识别方法，其特征在于，所述步骤2中，设用户i的n个特征为X_i,1,X_i,2,X_i,3…X_i,n，用户i与用户j的相似度定义可参考实际业务情况采用共同属性或余弦距离。

4.根据权利要求1所述的一种基于模块度和平衡标签传播的欺诈团伙识别方法，其特征在于，所述步骤2中，将相似度矩阵中低于阈值p的设置0，p为可调参数，p取值范围在[0,1]之间，不为0的用户节点建立边联系，构建图结构，节点间的相似度为边的权重。