本申請實(shí)施例涉及金融科技領(lǐng)域,具體而言,涉及一種異常交易檢測方法及裝置。
背景技術(shù):
1、在金融科技領(lǐng)域,資金轉(zhuǎn)移往往通過復(fù)雜的交易模式掩蓋其真實(shí)意圖,因此,相關(guān)技術(shù)中需要有效的監(jiān)測系統(tǒng)來識別異常交易行為。目前針對異常交易行為的檢測主要有以下方式:基于人工規(guī)則的方法和基于機(jī)器學(xué)習(xí)的方法。
2、基于人工規(guī)則的異常交易檢測方法通?;趯<抑贫ǖ囊幌盗泄潭ㄒ?guī)則,如交易金額、頻率等進(jìn)行檢測。然而,這些固定規(guī)則存在明顯的缺陷:(1)規(guī)則依賴性強(qiáng):基于規(guī)則的方法難以適應(yīng)不斷變化的資金轉(zhuǎn)移手法,容易導(dǎo)致漏檢;(2)特征選擇有限:傳統(tǒng)方法通常只關(guān)注少量特征,未能綜合考慮多維度的特征信息;(3)動態(tài)數(shù)據(jù)處理能力不足:面對大規(guī)模和復(fù)雜的時(shí)間序列數(shù)據(jù),傳統(tǒng)模型的表現(xiàn)往往不理想。
3、基于機(jī)器學(xué)習(xí)的異常交易檢測方法能在一定程度緩解傳統(tǒng)基于人工規(guī)則方法的缺陷,這些方法大多使用傳統(tǒng)的時(shí)間序列分析方法或簡單的機(jī)器學(xué)習(xí)模型,如決策樹、隨機(jī)森林和支持向量機(jī)等。然而基于機(jī)器學(xué)習(xí)的方法依賴于特征工程,需要大量的人工參與。此外,由于交易數(shù)據(jù)的時(shí)序特性,基于機(jī)器學(xué)習(xí)的方法難以有效捕捉交易行為隨時(shí)間的變化。
4、綜上,相關(guān)技術(shù)中尚未提出有效的解決方案。
技術(shù)實(shí)現(xiàn)思路
1、本申請實(shí)施例提供了一種異常交易檢測方法及裝置,以至少解決相關(guān)技術(shù)中依賴于人工規(guī)則和機(jī)器學(xué)習(xí)模型,無法有效捕捉復(fù)雜的數(shù)據(jù)特征,導(dǎo)致異常交易的漏檢和誤檢率較高的問題,進(jìn)而達(dá)到了提高異常交易檢測效率的效果。
2、根據(jù)本申請的一個(gè)實(shí)施例,提供了一種異常交易檢測方法,所述方法包括:根據(jù)歷史交易數(shù)據(jù)集對長短期記憶網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,得到訓(xùn)練好的長短期記憶網(wǎng)絡(luò)模型;根據(jù)所述訓(xùn)練好的長短期記憶網(wǎng)絡(luò)模型并結(jié)合雙重注意力機(jī)制對新的交易數(shù)據(jù)集進(jìn)行異常交易檢測,其中,所述雙重注意力機(jī)制包括時(shí)間注意力機(jī)制和特征注意力機(jī)制。
3、根據(jù)本申請的另一個(gè)實(shí)施例,提供了一種異常交易檢測裝置,所述裝置包括:訓(xùn)練模塊,用于根據(jù)歷史交易數(shù)據(jù)集對長短期記憶網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,得到訓(xùn)練好的長短期記憶網(wǎng)絡(luò)模型;檢測模塊,用于根據(jù)所述訓(xùn)練好的長短期記憶網(wǎng)絡(luò)模型并結(jié)合雙重注意力機(jī)制對新的交易數(shù)據(jù)集進(jìn)行異常交易檢測,其中,所述雙重注意力機(jī)制包括時(shí)間注意力機(jī)制和特征注意力機(jī)制。
4、根據(jù)本申請的又一個(gè)實(shí)施例,還提供了一種計(jì)算機(jī)可讀存儲介質(zhì),所述計(jì)算機(jī)可讀存儲介質(zhì)中存儲有計(jì)算機(jī)程序,其中,所述計(jì)算機(jī)程序被設(shè)置為運(yùn)行時(shí)執(zhí)行上述任一項(xiàng)方法實(shí)施例中的步驟。
5、根據(jù)本申請的又一個(gè)實(shí)施例,還提供了一種電子裝置,包括存儲器和處理器,所述存儲器中存儲有計(jì)算機(jī)程序,所述處理器被設(shè)置為運(yùn)行所述計(jì)算機(jī)程序以執(zhí)行上述方法實(shí)施例中的步驟。
6、根據(jù)本申請的又一個(gè)實(shí)施例,還提供了一種計(jì)算機(jī)程序產(chǎn)品,包括計(jì)算機(jī)程序,所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述方法實(shí)施例中的步驟。
7、通過本申請上述實(shí)施例,提供了一種異常交易檢測方法,通過歷史交易數(shù)據(jù)集對長短期記憶網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,可在歷史交易數(shù)據(jù)集中引入多特征數(shù)據(jù),對長短期記憶網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,以得到訓(xùn)練好的長短期記憶網(wǎng)絡(luò)模型,進(jìn)而通過訓(xùn)練好的長短期記憶網(wǎng)絡(luò)模型與雙重注意力機(jī)制相結(jié)合,能夠更準(zhǔn)確地識別出異常交易,具體地,通過時(shí)間注意力機(jī)制和特征注意力機(jī)制對新的交易數(shù)據(jù)集進(jìn)行異常交易檢測,從而更加有效地發(fā)現(xiàn)特定時(shí)間或具有特定特征的異常交易。因此,可以解決相關(guān)技術(shù)中依賴于人工規(guī)則和機(jī)器學(xué)習(xí)模型,無法有效捕捉復(fù)雜的數(shù)據(jù)特征,導(dǎo)致異常交易的漏檢和誤檢率較高的問題,進(jìn)而達(dá)到了提高異常交易檢測效率的效果。
1.一種異常交易檢測方法,其特征在于,包括:
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述根據(jù)歷史交易數(shù)據(jù)集對長短期記憶網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練之前,所述方法還包括:
3.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述對所述歷史交易數(shù)據(jù)進(jìn)行預(yù)處理至少包括以下之一:眾數(shù)填補(bǔ)、單值填補(bǔ)。
4.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述根據(jù)歷史交易數(shù)據(jù)集對長短期記憶網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,得到訓(xùn)練好的長短期記憶網(wǎng)絡(luò)模型,包括:
5.根據(jù)權(quán)利要求1所述的方法,其特征在于,根據(jù)所述訓(xùn)練好的長短期記憶網(wǎng)絡(luò)模型并結(jié)合雙重注意力機(jī)制對新的交易數(shù)據(jù)集進(jìn)行異常交易檢測,包括:
6.根據(jù)權(quán)利要求5所述的方法,其特征在于,所述根據(jù)所述訓(xùn)練好的長短期記憶網(wǎng)絡(luò)模型中的時(shí)間注意力機(jī)制對新的交易數(shù)據(jù)集中的每個(gè)特征向量進(jìn)行計(jì)算,得到每個(gè)特征向量對應(yīng)的第一權(quán)重值,包括:
7.根據(jù)權(quán)利要求5所述的方法,其特征在于,所述根據(jù)所述訓(xùn)練好的長短期記憶網(wǎng)絡(luò)模型中的特征注意力機(jī)制對所述時(shí)間異常交易數(shù)據(jù)中特征向量的每個(gè)特征進(jìn)行計(jì)算,得到每個(gè)特征對應(yīng)的第二權(quán)重值,包括:
8.根據(jù)權(quán)利要求6-7任一項(xiàng)中所述的方法,其特征在于,其中,所述打分函數(shù)至少包括以下之一:
9.一種異常交易檢測裝置,其特征在于,包括:
10.一種計(jì)算機(jī)可讀存儲介質(zhì),其特征在于,所述計(jì)算機(jī)可讀存儲介質(zhì)中存儲有計(jì)算機(jī)程序,其中,所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述權(quán)利要求1-8任一項(xiàng)中所述的方法的步驟。
11.一種電子裝置,包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序,其特征在于,所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)所述權(quán)利要求1-8任一項(xiàng)中所述的方法的步驟。
12.一種計(jì)算機(jī)程序產(chǎn)品,包括計(jì)算機(jī)程序、指令,其特征在于,所述計(jì)算機(jī)程序、指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述權(quán)利要求1-8任一項(xiàng)中所述的方法的步驟。