[发明专利]一种识别异常商户的方法及装置

说明书

本发明实施例提供一种识别异常商户的方法及装置，该方法包括：获取待识别的商户交易数据，待识别的商户交易数据是根据商户在预设时间内发生的各交易数据得到的；从待识别的商户交易数据中确定出包含预设数量的特征字段的特征向量；预设数量的特征字段是根据待识别的商户交易数据中各特征字段对异常商户识别的重要程度确定的；将特征向量输入图卷积网络模型，确定商户是否为异常商户，图卷积网络模型中包含交易权值参数，交易权值参数用于表征图卷积网络模型中商户节点的互联程度，交易权值参数是通过历史的商户交易数据中用户在各商户之间的交易次数和交易权重确定的。如此，可以提高异常交易数据侦测的准确度。

技术领域

本申请涉及网络技术领域，尤其涉及一种识别异常商户的方法及装置。

背景技术

随着金融行业业务的不断创新与快速发展，基于业务系统中清算功能的支付体系日趋完善和成熟，业务的覆盖范围与影响力愈发提升。而与此同时，各种以非法获利为目的的违规交易也开始大量出现，且逐渐呈现出复杂化和规模化的态势，极大地影响了金融环境的稳定。为了保证金融业务的安全健康运行，需要对涉及违规的交易进行分析和处置。

现有技术中，一般通过深度学习模型/机器学习模型对交易数据进行训练，通过训练后的深度学习模型/机器学习模型，对生产中的交易数据进行检测以侦测异常交易数据。但交易数据属于并不具备固定拓扑结构的非欧式(Non-Euclidean)数据，这使得常规深度学习模型，如，卷积神经网络、神经网络模型等在其上的应用受到了很大限制；使得传统机器学习模型，如，Logistic模型、决策树等因为交易数据缺少准确的浅层特征表示，而同样无法实现有效的侦测识别。

因此，现在亟需一种识别异常商户的方法及装置，用于提高异常交易数据侦测的准确度。

发明内容

本发明实施例提供一种识别异常商户的方法及装置，用于提高异常交易数据侦测的准确度。

第一方面，本发明实施例提供一种识别异常商户的方法，该方法包括：

获取待识别的商户交易数据，所述待识别的商户交易数据是根据商户在预设时间内发生的各交易数据得到的；

从所述待识别的商户交易数据中确定出包含预设数量的特征字段的特征向量；所述预设数量的特征字段是根据所述待识别的商户交易数据中各特征字段对异常商户识别的重要程度确定的；

将所述特征向量输入图卷积网络模型，确定所述商户是否为异常商户待识别的商户交易数据，所述图卷积网络模型中包含交易权值参数，所述交易权值参数用于表征所述图卷积网络模型中商户节点的互联程度，所述交易权值参数是通过历史的商户交易数据中用户在各商户之间的交易次数和交易权重确定的。

上述方法中，令待识别的商户交易数据中包含商户在预设时间内的发生交易的汇总交易数据，待识别的商户交易数据中包含用户行为信息，如，交易次数信息。如此，使得待识别的商户交易数据中包含商户维度和用户维度的信息，提高对待识别的商户交易数据的识别准确度。通过特征筛选模型确定待识别的商户交易数据的特征字段和特征字段的重要程度，且特征字段是重要程度最大的预设数量个字段中的。如此，使得特征向量可以准确表征待识别的商户交易数据为异常商户交易数据的可能性。通过使得图卷积网络模型中包含交易权值参数，交易权值参数用于表征图卷积网络模型中商户节点的互联程度，且互联程度由用户在各商户节点之间的交易次数和交易权重确定。如此，使得图卷积网络模型可以根据两个维度，即，商户维度和用户维度信息获取识别结果。

可选的，将所述特征向量输入图卷积网络模型判断所述待识别的商户交易数据的识别结果之后，还包括：

对所述识别结果和所述待识别的商户交易数据的真实结果进行核验；

若所述识别结果与所述真实结果不同，则根据包含所述真实结果的待识别的商户交易数据更新所述特征筛选模型和所述图卷积网络模型。