本公開涉及異常識別，具體涉及一種賬戶異常識別方法、裝置、電子設(shè)備及可讀存儲介質(zhì)。

背景技術(shù)：

1、經(jīng)濟(jì)類違法行為往往需要將違法收入通過銀行、證券等方式掩蓋資金源頭，讓資金流轉(zhuǎn)到不同的形式領(lǐng)域，由于各大銀行交易量巨大，違法行為難以發(fā)現(xiàn)。

2、為了及時發(fā)現(xiàn)上述經(jīng)濟(jì)類違法行為，銀行往往采用簡單的量化指標(biāo)或人工進(jìn)行識別。但簡單的量化指標(biāo)往往會被違法人員規(guī)避，識別人員素質(zhì)參差不齊，存在大量的誤報、漏報情形。

技術(shù)實(shí)現(xiàn)思路

1、為了解決相關(guān)技術(shù)中的問題，本公開實(shí)施例提供一種賬戶異常識別方法、裝置、電子設(shè)備及可讀存儲介質(zhì)。

2、第一方面，本公開實(shí)施例中提供了一種賬戶異常識別方法，包括：

3、獲取賬戶交易數(shù)據(jù)；

4、對于所述賬戶交易數(shù)據(jù)中選中的交易數(shù)據(jù)進(jìn)行標(biāo)注，標(biāo)注內(nèi)容至少包括交易者所在行業(yè)、貸款額度、銀行評級；

5、預(yù)處理經(jīng)過標(biāo)注的交易數(shù)據(jù)，之后將預(yù)處理過的數(shù)據(jù)輸入預(yù)訓(xùn)練的異常識別模型，輸出識別結(jié)果；其中，所述異常識別模型以歷史交易數(shù)據(jù)及其對應(yīng)的標(biāo)注內(nèi)容作為訓(xùn)練集訓(xùn)練得到。

6、根據(jù)本公開的實(shí)施例，所述預(yù)處理經(jīng)過標(biāo)注的交易數(shù)據(jù)包括：

7、將標(biāo)注內(nèi)容進(jìn)行數(shù)值化處理；

8、構(gòu)建所述交易數(shù)據(jù)、數(shù)值化處理的標(biāo)注內(nèi)容的特征矩陣；

9、將所述特征矩陣進(jìn)行歸一化處理。

10、根據(jù)本公開的實(shí)施例，在所述對于所述賬戶交易數(shù)據(jù)中選中的交易數(shù)據(jù)進(jìn)行標(biāo)注之前，所述方法還包括：

11、從賬戶交易數(shù)據(jù)中隨機(jī)選擇若干個交易數(shù)據(jù)；

12、初步識別所述交易數(shù)據(jù)是否異常；

13、若是，則將所述交易數(shù)據(jù)作為標(biāo)注對象。

14、根據(jù)本公開的實(shí)施例，所述初步識別所述交易數(shù)據(jù)是否異常，包括：

15、根據(jù)當(dāng)前交易金額與歷史交易最大金額的比較結(jié)果，識別是否異常；或者，

16、根據(jù)當(dāng)前交易金額、前一次交易金額計(jì)算得到的金額波動幅度與歷史金額最大波動幅度的比較結(jié)果，識別是否異常；或者，

17、根據(jù)當(dāng)前時段的交易頻次與同時段的最大交易頻次的比較結(jié)果，識別是否異常。

18、根據(jù)本公開的實(shí)施例，所述異常識別模型采用以下方式訓(xùn)練得到：

19、將所述歷史交易數(shù)據(jù)及其對應(yīng)的標(biāo)注內(nèi)容構(gòu)建歷史特征矩陣；

20、將所述歷史特征矩陣劃分為訓(xùn)練樣本和測試樣本；

21、利用所述訓(xùn)練樣本訓(xùn)練異常識別模型，并利用所述測試樣本進(jìn)行測試，最終得到訓(xùn)練好的異常識別模型。

22、根據(jù)本公開的實(shí)施例，所述利用所述訓(xùn)練樣本訓(xùn)練異常識別模型，包括：

23、將所述訓(xùn)練樣本劃分為正樣本和負(fù)樣本，其中，所述正樣本為選中的正常交易數(shù)據(jù)的樣本，負(fù)樣本為選中的異常交易數(shù)據(jù)的樣本；

24、利用所述正樣本、負(fù)樣本訓(xùn)練異常識別模型。

25、第二方面，本公開實(shí)施例中提供了一種賬戶異常識別裝置，包括：

26、獲取模塊，被配置為獲取賬戶交易數(shù)據(jù)；

27、標(biāo)注模塊，被配置為對于所述賬戶交易數(shù)據(jù)中選中的交易數(shù)據(jù)進(jìn)行標(biāo)注，標(biāo)注內(nèi)容至少包括交易者所在行業(yè)、貸款額度、銀行評級；

28、訓(xùn)練模塊，被配置為預(yù)處理經(jīng)過標(biāo)注的交易數(shù)據(jù)，之后將預(yù)處理過的數(shù)據(jù)輸入預(yù)訓(xùn)練的異常識別模型，輸出識別結(jié)果；其中，所述異常識別模型以歷史交易數(shù)據(jù)及其對應(yīng)的標(biāo)注內(nèi)容作為訓(xùn)練集訓(xùn)練得到。

29、根據(jù)本公開的實(shí)施例，所述訓(xùn)練模塊中預(yù)處理經(jīng)過標(biāo)注的交易數(shù)據(jù)的部分，被配置為：

30、將標(biāo)注內(nèi)容進(jìn)行數(shù)值化處理；

31、構(gòu)建所述交易數(shù)據(jù)、數(shù)值化處理的標(biāo)注內(nèi)容的特征矩陣；

32、將所述特征矩陣進(jìn)行歸一化處理。

33、第三方面，本公開實(shí)施例提供了一種電子設(shè)備，包括存儲器和處理器，其中，所述存儲器用于存儲一條或多條計(jì)算機(jī)指令，其中，所述一條或多條計(jì)算機(jī)指令被所述處理器執(zhí)行以實(shí)現(xiàn)如第一方面任一項(xiàng)所述的方法。

34、第四方面，本公開實(shí)施例中提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)指令，該計(jì)算機(jī)指令被處理器執(zhí)行時實(shí)現(xiàn)如第一方面任一項(xiàng)所述的方法。

35、根據(jù)本公開實(shí)施例提供的技術(shù)方案，公開了一種賬戶異常識別方法，包括獲取賬戶交易數(shù)據(jù)；對于所述賬戶交易數(shù)據(jù)中選中的交易數(shù)據(jù)進(jìn)行標(biāo)注，標(biāo)注內(nèi)容至少包括交易者所在行業(yè)、貸款額度、銀行評級；預(yù)處理經(jīng)過標(biāo)注的交易數(shù)據(jù)，之后將預(yù)處理過的數(shù)據(jù)輸入預(yù)訓(xùn)練的異常識別模型，輸出識別結(jié)果；其中，所述異常識別模型以歷史交易數(shù)據(jù)及其對應(yīng)的標(biāo)注內(nèi)容作為訓(xùn)練集訓(xùn)練得到。本公開的技術(shù)方案，可以提高異常交易數(shù)據(jù)的識別速度和效率，提升異常交易行為的識別精確度。

36、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本公開。

技術(shù)特征：

1.一種賬戶異常識別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的賬戶異常識別方法，其特征在于，所述預(yù)處理經(jīng)過標(biāo)注的交易數(shù)據(jù)包括：

3.根據(jù)權(quán)利要求1所述的賬戶異常識別方法，其特征在于，在所述對于所述賬戶交易數(shù)據(jù)中選中的交易數(shù)據(jù)進(jìn)行標(biāo)注之前，所述方法還包括：

4.根據(jù)權(quán)利要求3所述的賬戶異常識別方法，其特征在于，所述初步識別所述交易數(shù)據(jù)是否異常，包括：

5.根據(jù)權(quán)利要求1所述的賬戶異常識別方法，其特征在于，所述異常識別模型采用以下方式訓(xùn)練得到：

6.根據(jù)權(quán)利要求5所述的賬戶異常識別方法，其特征在于，所述利用所述訓(xùn)練樣本訓(xùn)練異常識別模型，包括：

7.一種賬戶異常識別裝置，其特征在于，包括：

8.根據(jù)權(quán)利要求7所述的賬戶異常識別裝置，其特征在于，所述訓(xùn)練模塊中預(yù)處理經(jīng)過標(biāo)注的交易數(shù)據(jù)的部分，被配置為：

9.一種電子設(shè)備，其特征在于，包括存儲器和處理器；其中，所述存儲器用于存儲一條或多條計(jì)算機(jī)指令，其中，所述一條或多條計(jì)算機(jī)指令被所述處理器執(zhí)行以實(shí)現(xiàn)權(quán)利要求1-6任一項(xiàng)所述的方法步驟。

10.一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)指令，其特征在于，該計(jì)算機(jī)指令被處理器執(zhí)行時實(shí)現(xiàn)權(quán)利要求1-6任一項(xiàng)所述的方法步驟。

技術(shù)總結(jié)
本公開涉及異常識別技術(shù)領(lǐng)域，具體涉及一種賬戶異常識別方法、裝置、電子設(shè)備及可讀存儲介質(zhì)，所述賬戶異常識別包括：獲取賬戶交易數(shù)據(jù)；對于所述賬戶交易數(shù)據(jù)中選中的交易數(shù)據(jù)進(jìn)行標(biāo)注，標(biāo)注內(nèi)容至少包括交易者所在行業(yè)、貸款額度、銀行評級；預(yù)處理經(jīng)過標(biāo)注的交易數(shù)據(jù)，之后將預(yù)處理過的數(shù)據(jù)輸入預(yù)訓(xùn)練的異常識別模型，輸出識別結(jié)果；其中，所述異常識別模型以歷史交易數(shù)據(jù)及其對應(yīng)的標(biāo)注內(nèi)容作為訓(xùn)練集訓(xùn)練得到。本公開的技術(shù)方案可以提高異常交易數(shù)據(jù)的識別速度和效率，提升異常交易行為的識別精確度。

技術(shù)研發(fā)人員：吳宗健,蔣艷姣,閉世永
受保護(hù)的技術(shù)使用者：中國工商銀行股份有限公司廣西壯族自治區(qū)分行
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30