[发明专利]训练风险交易识别模型、识别风险交易的方法和装置

权利要求书

1.一种训练风险交易识别模型的方法，包括：

获取历史交易记录，所述历史交易记录中包括：标注有风险标签的风险交易，标注有无风险标签的正常交易，以及无标签的其他交易；

判断所述历史交易记录中各交易对应的端侧行为序列是否具有预设的高危子序列，得到第一判断结果；

判断所述历史交易记录中各交易对应的链路特征是否符合预设的高风险模式，得到第二判断结果；

基于各交易对应的第一判断结果、第二判断结果、以及交易基本信息，构建各交易样本；

基于各交易样本及其标签标注情况，训练风险交易识别模型。

2.根据权利要求1所述的方法，其中，所述方法还包括：

基于风险交易和正常交易对应的端侧行为序列分别形成风险序列和正常序列；

对风险序列进行序列挖掘，得到至少一个频繁子序列；

根据各频繁子序列在风险序列和正常序列的出现占比，从所述至少一个频繁子序列中确定频繁子序列作为所述高危子序列。

3.根据权利要求2所述的方法，其中，所述根据各频繁子序列在风险序列和正常序列的出现占比，从所述至少一个频繁子序列中确定频繁子序列作为所述高危子序列，包括：

根据各频繁子序列在风险序列和正常序列的出现占比，确定各频繁子序列的信息值；

将对应信息值大于预设阈值的频繁子序列作为所述高危子序列。

4.根据权利要求1所述的方法，其中，端侧行为序列是基于以下至少一种日志产生的：超级位置模型日志、远程过程调用日志、端侧安全系统日志。

5.根据权利要求1所述的方法，其中，所述方法还包括：

获取所述历史交易记录中各交易对应的链路特征；

在各交易对应的链路特征上进行归因分析，确定出至少一种交易模式作为所述高风险模式，其中，高风险模式对应的风险交易数量与风险交易浓度分别高于所对应预设阈值。

6.根据权利要求1所述的方法，其中，交易对应的链路特征包括以下中的至少一项：交易各跳转位置的特征、跳转次数、支付渠道、支付产品、订单商品名称、收款方信息在预设时间段内出现次数的量级。

7.根据权利要求1所述的方法，其中，所述风险标签的标签值为第一数值，无风险标签的标签值为第二数值，所述第一数值大于第二数值；以及

所述基于各交易样本及其标签标注情况，训练风险交易识别模型，包括：

从风险交易对应的风险样本中选择部分样本作为伪装无标签样本；

至少基于剩余风险样本、正常交易对应的正常样本，训练得到第一模型；

使用所述第一模型对伪装无标签样本进行预测，确定预测得到的最低分值；

使用所述第一模型对其他交易对应的无标签样本进行预测，将预测值大于或等于所述最低分值的无标签样本的标签值设置为所述最低分值，将剩余的无标签样本的标签值设置为第二数值；

使用风险样本、正常样本、以及设置有标签值的无标签样本，对所述第一模型进行进一步训练，得到风险交易识别模型。

8.根据权利要求7所述的方法，其中，所述至少基于剩余风险样本、正常交易对应的正常样本，训练得到第一模型，包括：

基于剩余风险样本、正常样本和无标签样本进行自训练，得到所述第一模型。

9.根据权利要求1所述的方法，其中，所述基于各交易样本及其标签标注情况，训练风险交易识别模型，包括：

基于风险交易被标记出的概率值，设置正样本和负样本中交易样本的权重值，其中，正样本包括风险交易对应的交易样本，负样本包括风险交易、正常交易和其他交易对应的交易样本；

使用带有权重的正样本和负样本，采用监督学习训练得到风险交易识别模型。

10.根据权利要求9所述的方法，其中，所述概率值是基于风险交易的被投诉结果统计得到的，或者使用预设的风险交易投诉预测模型对风险交易的预测结果进行统计分析得到的。