[发明专利]基于图神经网络的交易欺诈检测方法及系统

说明书

本发明提出的一种基于图神经网络的交易欺诈检测方法及系统，包括以下步骤：交易数据预处理步骤，获取交易数据并对交易数据进行预处理，获得面板形式的交易样本集；交易行为历史特征提取步骤，对交易样本集进行长短期记忆网络处理，获得交易行为历史特征；交易行为聚合特征提取步骤，对交易历史行为特征进行图卷积网络处理，获得交易行为聚合特征；预测步骤，将交易行为历史特征以及交易行为聚合特征进行全连接层处理，通过二分类进行交易节点的欺诈预测。克服了传统的交易欺诈检测方法忽略数据之间本身就存在的联系以及交易行为是时间序列数据的缺陷，确保了交易欺诈检测的全面性，并且提高了交易欺诈检测的精确性。

技术领域

本发明涉及金融技术领域，特别是涉及一种基于图神经网络的交易欺诈检测方法及系统。

背景技术

大数据时代下线上交易变得越来越频繁，其中不乏一些恶意攻击、钓鱼等方式的违法交易，因此在交易成为违法交易前需要根据交易的特征将其检测出来，防止产生巨额损失。

交易数据指众多交易账户之间发生的有向交易，由于骗局、恶意软件等的存在，导致交易网络中出现部分欺诈交易，并且这些数据是时间序列数据，指交易一段时间内的行为序列，因此我们需要将非法交易和合法交易进行分类以检测出交易欺诈。

传统的检测方法采用机器学习方法或者时间序列分类方法，但是这样的方法一方面忽略了这类数据之间本身就存在联系：交易是网络上的节点，如果发生交易则说明两个节点之间有联系；另一方面忽视了交易行为是时间序列数据，这些缺陷将在很大程度上影响检测的全面性以及精确性。

发明内容

基于此，有必要针对传统的交易欺诈检测方法忽略了数据之间本身就存在的联系以及交易行为是时间序列数据的特点，从而导致检测全面性差、精确性低的技术问题，本发明提出了一种基于图神经网络的交易欺诈检测方法及系统。

本发明提出了一实施方式的基于图神经网络的交易欺诈检测方法，包括以下步骤：

交易数据预处理步骤，获取交易数据并对所述交易数据进行预处理，获得面板形式的交易样本集；

交易行为历史特征提取步骤，对所述交易样本集进行长短期记忆网络处理，获得交易行为历史特征；

交易行为聚合特征提取步骤，对所述交易历史行为特征进行图卷积网络处理，获得交易行为聚合特征；

预测步骤，将所述交易行为历史特征以及所述交易行为聚合特征进行全连接层处理，通过二分类进行交易节点的欺诈预测。

在其中的一个实施例中，在所述交易数据预处理步骤中，所述预处理包括以下子步骤：

获取所述交易数据的本地交易节点特征；

获取所述交易数据的交易节点汇总特征；

获取所述交易数据的交易节点子图谱信息。

在其中的一个实施例中，在交易行为历史特征提取步骤之前，还包括以下步骤：

谱聚类样本标注步骤，对所述交易样本集进行谱聚类样本标注处理，获得谱聚类交易样本集。

在其中的一个实施例中，在所述谱聚类样本标注步骤中，谱聚类样本标注处理包括以下子步骤：

构建交易样本集的谱矩阵；

将所述谱矩阵进行特征值分解为特征矩阵；

对所述特征矩阵进行聚类。

在其中的一个实施例中，在所述交易行为聚合特征提取步骤中，所述图卷积网络处理包括以下子步骤：

获取所述交易行为历史特征的邻接矩阵；