买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：雄驹数字科技(浙江)有限公司

摘要：本申请实施例实施例提供一种基于人工智能的欺诈行为分析方法及数字金融大数据系统，通过对目标金融服务用户的用户行为有向图数据进行第一欺诈标签值估计策略，获得目标金融服务用户的第一欺诈标签值，由于第一欺诈标签值估计策略的估计性能值高于第二欺诈标签值估计策略，由此提高欺诈标签值估计策略的估计性能值，通过欺诈行为分析神经网络对目标金融服务用户的用户行为有向图数据进行欺诈标签偏离值估计，获得目标金融服务用户的欺诈标签偏离值，并依据欺诈标签偏离值对确定的第一欺诈标签值进行偏离值优化，获得目标金融服务用户的第二欺诈标签值，也即采用本申请的技术方案可以兼顾预测相关用户的欺诈标签值的准确度以及速度。

主权项：1.一种基于人工智能的欺诈行为分析方法，其特征在于，所述方法包括：获取目标金融服务用户的用户行为有向图数据；基于欺诈行为分析神经网络对所述目标金融服务用户的用户行为有向图数据进行欺诈标签偏离值估计，获得所述目标金融服务用户的欺诈标签偏离值；其中，所述欺诈行为分析神经网络是通过结合模板用户行为有向图数据的欺诈标签偏离值进行网络权重参数更新生成的，所述模板用户行为有向图数据的欺诈标签偏离值用于表示分别依据两种欺诈标签值估计策略来计算所述模板用户行为有向图数据的欺诈标签值时得到的欺诈标签损失值，所述两种欺诈标签值估计策略包括第一欺诈标签值估计策略以及第二欺诈标签值估计策略，所述第一欺诈标签值估计策略的准确性评分小于所述第二欺诈标签值估计策略的准确性评分，且所述第一欺诈标签值估计策略的估计性能值大于所述第二欺诈标签值估计策略的估计性能值；对所述目标金融服务用户的用户行为有向图数据进行所述第一欺诈标签值估计策略，获得所述目标金融服务用户的第一欺诈标签值；依据所述目标金融服务用户的欺诈标签偏离值对所述目标金融服务用户的第一欺诈标签值进行偏离值优化，获得所述目标金融服务用户的第二欺诈标签值；所述基于欺诈行为分析神经网络对所述目标金融服务用户的用户行为有向图数据进行欺诈标签偏离值估计，获得所述目标金融服务用户的欺诈标签偏离值，包括：基于所述欺诈行为分析神经网络对所述用户行为有向图数据进行欺诈矢量描述，获得所述目标金融服务用户的欺诈标签偏离矢量；基于所述欺诈行为分析神经网络对所述欺诈标签偏离矢量进行欺诈标签偏离值估计，获得所述目标金融服务用户的欺诈标签偏离值；所述欺诈行为分析神经网络包括K个依次连接的欺诈知识描述单元，所述基于所述欺诈行为分析神经网络对所述用户行为有向图数据进行欺诈矢量描述，获得所述目标金融服务用户的欺诈标签偏离矢量，包括：对所述用户行为有向图数据中各用户行为数据进行基础欺诈知识矢量描述，获得各用户行为数据的基础欺诈知识矢量；响应于k为1≤k≤K-2，基于K个依次连接的欺诈知识描述单元中的第k欺诈知识描述单元，对所述第k欺诈知识描述单元的加载数据进行第k欺诈矢量描述，获得各所述用户行为数据的第k欺诈知识矢量，并将所述第k欺诈知识矢量加载至第k+1欺诈知识描述单元以继续进行第k+1欺诈矢量描述；响应于k为K-1，基于所述第k+1欺诈知识描述单元对各所述用户行为数据的第k欺诈知识矢量进行欺诈时域矢量提取，获得各所述用户行为数据的第k+1欺诈时域矢量，并基于所述第k+1欺诈知识描述单元对各所述用户行为数据的第k欺诈知识矢量进行欺诈空域矢量提取，获得各所述用户行为数据的第k+1欺诈空域矢量，将各所述用户行为数据的第k+1欺诈时域矢量以及第k+1欺诈空域矢量组成所述欺诈标签偏离矢量；其中，K满足2≤K，k为1逐渐递增的正整数，且k满足1≤k≤K-1；响应于k为1时，所述第k欺诈知识描述单元的加载数据为各用户行为数据的基础欺诈知识矢量，响应于k为2≤k≤K-1时，所述第k欺诈知识描述单元的加载数据为第k-1欺诈知识描述单元输出的各用户行为数据的第k-1欺诈知识矢量；所述对所述用户行为有向图数据中各用户行为数据进行基础欺诈知识矢量描述，获得各用户行为数据的基础欺诈知识矢量，包括：获取所述用户行为有向图数据中各用户行为数据的基础欺诈时域矢量，并获取所述用户行为有向图数据中各用户行为数据的基础欺诈空域矢量；其中，所述基础欺诈时域矢量用于反映所述用户行为数据的时间序列矢量，所述基础欺诈空域矢量用于反映所述用户行为数据的空间序列矢量；针对所述用户行为有向图数据中各所述用户行为数据执行下述步骤：获取所述用户行为有向图数据中除所述用户行为数据之外的至少一个其它用户行为数据，并获取所述用户行为数据与各所述其它用户行为数据之间的初始有向路径关系，所述初始有向路径关系用于反映所述用户行为数据与其它用户行为数据的行为流向关系；将各所述用户行为数据的基础欺诈时域矢量、各所述用户行为数据的基础欺诈空域矢量以及各所述用户行为数据的初始有向路径关系，组成各所述用户行为数据的基础欺诈知识矢量；所述基于K个依次连接的欺诈知识描述单元中的第k欺诈知识描述单元，对所述第k欺诈知识描述单元的加载数据进行第k欺诈矢量描述，获得各所述用户行为数据的第k欺诈知识矢量，包括：基于所述第k欺诈知识描述单元对各所述用户行为数据执行下述步骤：获取所述用户行为有向图数据中除所述用户行为数据之外的其它用户行为数据；对所述用户行为数据的第k-1欺诈知识矢量以及各所述其它用户行为数据的第k-1欺诈知识矢量，执行第一矢量映射，获得所述用户行为数据对应各所述其它用户行为数据的第k有向关系矢量；对所述用户行为数据的第k-1欺诈知识矢量以及所述用户行为数据对应各所述其它用户行为数据的第k有向关系矢量，执行第二矢量映射，获得所述用户行为数据的第k欺诈知识矢量；所述基于所述第k+1欺诈知识描述单元对各所述用户行为数据的第k欺诈知识矢量进行欺诈时域矢量提取，获得各所述用户行为数据的第k+1欺诈时域矢量，包括：从各所述用户行为数据的第k欺诈知识矢量中提取出所述用户行为数据的第k欺诈空域矢量、所述用户行为数据的第k欺诈时域矢量以及所述用户行为数据的第k有向路径关系；针对各所述用户行为数据，获取所述用户行为有向图数据中除所述用户行为数据外的其它用户行为数据，并针对各所述其它用户行为数据执行下述步骤：从所述用户行为数据的第k有向路径关系中提取所述用户行为数据针对所述其它用户行为数据的第k有向路径关系，并获取所述用户行为数据的第k欺诈空域矢量与所述其它用户行为数据的第k欺诈空域矢量之间的第二矢量距离；对所述第二矢量距离的平方、所述用户行为数据的第k欺诈时域矢量、所述其它用户行为数据的第k欺诈时域矢量、以及所述用户行为数据针对所述其它用户行为数据的第k有向路径关系，执行第一矢量融合，获得所述用户行为数据对应所述其它用户行为数据的第k+1有向关系矢量；将所述用户行为数据对应多个所述其它用户行为数据的第k+1有向关系矢量进行融合，获得所述用户行为数据的第k+1有向关系矢量；对所述用户行为数据的第k欺诈时域矢量以及所述用户行为数据的第k+1有向关系矢量进行第二矢量融合，获得所述用户行为数据的第k+1欺诈时域矢量；所述对所述用户行为数据的第k-1欺诈知识矢量以及各所述其它用户行为数据的第k-1欺诈知识矢量，执行第一矢量映射，获得所述用户行为数据对应各所述其它用户行为数据的第k有向关系矢量，包括：从所述用户行为数据的第k-1欺诈知识矢量中提取出所述用户行为数据的第k-1欺诈空域矢量、所述用户行为数据的第k-1欺诈时域矢量、以及所述用户行为数据的第k-1有向路径关系；从各所述其它用户行为数据的第k-1欺诈知识矢量中提取出各所述其它用户行为数据的第k-1欺诈空域矢量、以及各所述其它用户行为数据的第k-1欺诈时域矢量；针对各所述其它用户行为数据执行下述步骤：从所述用户行为数据的第k-1有向路径关系中提取所述用户行为数据针对所述其它用户行为数据的第k-1有向路径关系；获取所述用户行为数据的第k-1欺诈空域矢量与所述其它用户行为数据的第k-1欺诈空域矢量之间的第一矢量距离；对所述第一矢量距离的平方、所述用户行为数据的第k-1欺诈时域矢量、所述其它用户行为数据的第k-1欺诈时域矢量、以及所述用户行为数据针对所述其它用户行为数据的第k-1有向路径关系，执行第一矢量融合，获得所述用户行为数据对应所述其它用户行为数据的第k有向关系矢量；所述对所述用户行为数据的第k-1欺诈知识矢量以及所述用户行为数据对应各所述其它用户行为数据的第k有向关系矢量，执行第二矢量映射，获得所述用户行为数据的第k欺诈知识矢量，包括：将所述用户行为数据对应多个所述其它用户行为数据的第k有向关系矢量进行融合，获得所述用户行为数据的第k有向关系矢量；对所述用户行为数据的第k-1欺诈时域矢量以及所述用户行为数据的第k有向关系矢量进行第二矢量融合，获得所述用户行为数据的第k欺诈时域矢量；获取所述用户行为数据的第k-1欺诈空域矢量与各所述其它用户行为数据的第k-1欺诈空域矢量之间的第一矢量距离；对所述用户行为数据对应各所述其它用户行为数据的第k有向关系矢量进行矢量映射，获得各所述其它用户行为数据的行为影响系数；依据各所述其它用户行为数据的行为影响系数，对多个所述其它用户行为数据的第一矢量距离进行权重融合计算，获得对应所述用户行为数据的融合计算数据；将所述用户行为数据的融合计算数据与所述用户行为数据的第k-1欺诈空域矢量进行融合，获得所述用户行为数据的第k欺诈空域矢量；将所述用户行为数据的初始有向路径关系作为所述用户行为数据的第k有向路径关系，并将所述用户行为数据的第k有向路径关系、所述用户行为数据的第k欺诈时域矢量以及所述用户行为数据的第k欺诈空域矢量，组成所述用户行为数据的第k欺诈知识矢量。

全文数据：

权利要求：

百度查询： 雄驹数字科技(浙江)有限公司 基于人工智能的欺诈行为分析方法及数字金融大数据系统