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。