[发明专利]一种基于动态注意力图网络的营销套利黑产的识别方法

说明书

本发明公开了一种基于动态注意力图网络的营销套利黑产的识别方法。本发明其创新的具有以下优点：1)定义了一种由用户节点、商户节点、多维关系和多个时刻组成的一种新型的动态图网络结构；2)设计了一种新型的多边注意力单元，能更有效的实现用户节点、商户节点、多维关系的统一，更好的实现节点空间层面的信息聚合；3)在图网络时间动态性上，创新的设计了一种通过多路GRU单元传递注意力信息的动态模式，使得图网络在时间轴上的演变信息也得到了有效的传递；4)有效把多边注意力单元和多路GRU单元进行了合并，提出了新型处理单元，使用此单元搭建的动态注意力图网络能既完成时间维的有效信息传递，又能实现空间维的多层邻接信息的高效聚合。

技术领域

本发明涉及新兴信息技术、人工智能领域，特别涉及一种基于动态注意力图网络的营销套利黑产的识别方法。

背景技术

营销套利是一种新型的互联网欺诈手段，套利黑产通过各种不法方式来大量套取电商平台或支付平台推出的代金券、折扣、满减、立返立减等营销活动的权益，极大的伤害了正常消费者的切身利益，也使得平台方投入的营销成本没有发挥其应有价值。并且随着当今互联网产业的飞速发展，营销套利黑产也更加趋于团伙化，手段方式也变得更加隐蔽和复杂。

传统的解决方案通常依靠专家经验在风控系统中设置一些风险策略，用以捕获被风险策略命中的套利黑产人员，但随着黑产手段更具团伙化、复杂化、隐蔽化，此类方法往往受限于专家自身经验无法更全面的识别一些特征潜藏的或手段新型的套利黑产群体。

也有提出通过构建图网络并在图网络上定义一些风险算子，从而通过计算风险算子来判断图上各节点的套利风险，但这类方法通常存在如下一些不足：1)本质上该类方法是将专家经验策略以一种更复杂的形式定义在图网络上，同样也会受限于算子本身，而并非是一种机器学习的算法。2)该类方法往往仅利用了图网络空间上的拓扑信息，并未利用网络节点本身蕴藏的特征信息。3)通常只利用了低邻接关系中的信息，而没有充分利用高邻接关系中蕴藏的潜在信息。

随着科技的发展进步，有提出通过图神经网络来更好的解决该场景的问题。图神经网络是一种基于历史样本可自学习的算法能避免专家经验的局限性，同时也都引入了节点自身的特征信息，并且可进行多层邻接的信息聚合使得能更全面的识别潜在的套利风险节点。

但是当前基于图神经网络的方法大多只是使用了静态图而非动态图，即只是某一时刻的图网络结构，并没有考虑图网络在时间轴上的演变。静态图的方法只考虑图网络空间结构上的信息，却忽略了时间轴上传递的信息

发明内容

本发明要解决的技术问题是克服现有技术的缺陷，提供一种基于动态注意力图网络的营销套利黑产的识别方法，能很大程度提升风控系统识别套利黑产的全面性和准确性，从而能更好的解决此场景问题。

为了解决上述技术问题，本发明提供了如下的技术方案：

本发明提供一种基于动态注意力图网络的营销套利黑产的识别方法，包括以下步骤：

一、定义一种动态图网络结构，它由两类节点，四种关系边，和T个时刻组成：

1)两类节点：图网络中含有用户节点V_c，和商户节点V_b两类节点

2)四种关系边分别是：

A)用户与用户的设备关系边E_d：

根据访问日志中过去某段时间内，不同用户访问设备IP存在相同性，生成用户节点和用户节点之间的设备关系边；

B)用户与用户的支付关系边E_p：

根据业务系统中过去某段时间内，用户和用户之间存在转账支付行为，生成用户节点和用户节点之间的支付关系边；

C)用户与用户的社交关系边E_s：