信用卡风险交易检测方法及装置与流程

1.本发明涉及人工智能技术领域，尤其涉及信用卡风险交易检测方法及装置。

背景技术：

2.目前信用卡交易检测的方法主要利用信用卡历史数据进行机器学习建模，模型主要是分类预测模型或树模型。
3.一方面，在建模之前，需要对数据进行各种预处理的操作，模型效果依赖于前置的处理操作。另一方面，模型训练时间长，有性能风险。
4.综上，亟需一种信用卡风险交易检测方法，用于解决上述现有技术存在的问题。

技术实现要素：

5.本发明实施例提供一种信用卡风险交易检测方法，用以提高信用卡风险交易检测的准确性及效率，该方法包括：
6.获取历史用户信用卡交易数据；
7.根据历史用户信用卡交易数据构建二分图；所述二分图包含用户集以及商户集；所述二分图的边用于指示用户集中的各个用户与商户集中的各个商户之间的交易关系；
8.将所述二分图投影成第一同构图及第二同构图；第一同构图用于指示各个商户之间的关系；第二同构图用于指示各个用户之间的关系；
9.根据第一同构图确定线上商户图及线下商户图；线上商户图用于指示各个线上商户之间的关系；线下商户图用于指示各个线下商户之间的关系；
10.根据线上商户图确定线上商户图对应的第一隐义表示向量；
11.根据线下商户图确定线下商户图对应的第二隐义表示向量；
12.根据线上商户图及对应的第一隐义表示向量训练多层感知机模型，得到线上信用卡风险交易检测模型；
13.根据线下商户图及对应的第二隐义表示向量训练多层感知机模型，得到线下信用卡风险交易检测模型；
14.在待检测交易为线上交易时，将待检测交易输入至线上信用卡风险交易检测模型，得到第一风险检测结果；
15.在待检测交易为线下交易时，将待检测交易输入至线下信用卡风险交易检测模型，得到第二风险检测结果。
16.本发明实施例还提供一种信用卡风险交易检测装置，用以提高信用卡风险交易检测的准确性及效率，该装置包括：
17.模型训练模块，用于获取历史用户信用卡交易数据；根据历史用户信用卡交易数据构建二分图；所述二分图包含用户集以及商户集；所述二分图的边用于指示用户集中的各个用户与商户集中的各个商户之间的交易关系；将所述二分图投影成第一同构图及第二同构图；第一同构图用于指示各个商户之间的关系；第二同构图用于指示各个用户之间的
关系；根据第一同构图确定线上商户图及线下商户图；线上商户图用于指示各个线上商户之间的关系；线下商户图用于指示各个线下商户之间的关系；根据线上商户图确定线上商户图对应的第一隐义表示向量；根据线下商户图确定线下商户图对应的第二隐义表示向量；根据线上商户图及对应的第一隐义表示向量训练多层感知机模型，得到线上信用卡风险交易检测模型；根据线下商户图及对应的第二隐义表示向量训练多层感知机模型，得到线下信用卡风险交易检测模型；
18.预测模块，用于在待检测交易为线上交易时，将待检测交易输入至线上信用卡风险交易检测模型，得到第一风险检测结果；在待检测交易为线下交易时，将待检测交易输入至线下信用卡风险交易检测模型，得到第二风险检测结果。
19.本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述信用卡风险交易检测方法。
20.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述信用卡风险交易检测方法。
21.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述信用卡风险交易检测方法。
22.本发明实施例中，获取历史用户信用卡交易数据，根据历史用户信用卡交易数据构建二分图，将二分图投影成第一同构图及第二同构图，根据第一同构图确定线上商户图及线下商户图，根据线上商户图确定线上商户图对应的第一隐义表示向量，根据线下商户图确定线下商户图对应的第二隐义表示向量，根据线上商户图及对应的第一隐义表示向量训练多层感知机模型，得到线上信用卡风险交易检测模型；根据线下商户图及对应的第二隐义表示向量训练多层感知机模型，得到线下信用卡风险交易检测模型，在待检测交易为线上交易时，将待检测交易输入至线上信用卡风险交易检测模型，得到第一风险检测结果；在待检测交易为线下交易时，将待检测交易输入至线下信用卡风险交易检测模型，得到第二风险检测结果，与现有技术相比，根据线上商户图及对应的第一隐义表示向量训练多层感知机模型，得到线上信用卡风险交易检测模型，根据线下商户图及对应的第二隐义表示向量训练多层感知机模型，得到线下信用卡风险交易检测模型，提供多种角度的特征，避免了复杂的特征工程，使模型构建更准确，分别针对线下商户和线上商户进行模型训练，提高了模型训练效率及模型的有效性，提高了信用卡风险交易检测的准确性及效率，实现了能够及时检测信用卡交易风险。
附图说明
23.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
24.图1为本发明提供的信用卡风险交易检测方法的流程示意图；
25.图2为本发明提供的信用卡风险交易检测方法的流程示意图；
26.图3为本发明提供的信用卡风险交易检测方法的流程示意图；
27.图4为本发明提供的信用卡风险交易检测方法的流程示意图；
28.图5为本发明提供的信用卡风险交易检测装置的结构示意图。
具体实施方式
29.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
30.图1为本发明实施例提供的一种信用卡风险交易检测方法所对应的流程示意图，如图1所示，该方法包括：
31.步骤101，获取历史用户信用卡交易数据。
32.本发明实施例中，还可以在获取历史用户信用卡交易数据的同时获取实时的信用卡交易数据。
33.步骤102，根据历史用户信用卡交易数据构建二分图。
34.需要说明的是，二分图包含用户集以及商户集。二分图的边用于指示用户集中的各个用户与商户集中的各个商户之间的交易关系。
35.步骤103，将二分图投影成第一同构图及第二同构图。
36.需要说明的是，第一同构图用于指示各个商户之间的关系，第二同构图用于指示各个用户之间的关系。
37.具体的，两个用户与同一个商户发生交易，则两个用户之间存在一条边，同一个用户与两个商户发生交易，则两个商户之间有一条边。
38.本发明实施例中，将二分图投影成第一同构图及第二同构图，降低了图的规模，降低了计算复杂度，提高了信用卡风险交易检测的效率。
39.步骤104，根据第一同构图确定线上商户图及线下商户图。
40.需要说明的是，线上商户图用于指示各个线上商户之间的关系；线下商户图用于指示各个线下商户之间的关系。
41.本发明实施例中，由于线下商户和线上商户具有差异，将线下商户和线上商户进行分，同一位置的线下商户之间形成关系的可能性较大，而线上商户与位置无关。
42.步骤105，根据线上商户图确定线上商户图对应的第一隐义表示向量。
43.在一种可能的实施方式中，采用deepwalk算法根据线上商户图确定线上商户图对应的第一隐义表示向量。
44.本发明实施例中，针对线上商户图训练机器学习模型，此机器学习模型采用deepwalk算法。
45.具体的，训练过程中对每个节点被采样的次数、滑动窗口大小、生成向量的维度、游走的节点长度等参数进行调整，生成线上商户图对应的第一隐义表示向量。
46.本发明实施例还可以采用word2vec算法根据线上商户图确定线上商户图对应的第一隐义表示向量，对此不做具体限定。
47.步骤106，根据线下商户图确定线下商户图对应的第二隐义表示向量。
48.在一种可能的实施方式中，采用deepwalk算法根据线下商户图确定线下商户图对应的第二隐义表示向量。
49.本发明实施例中，针对线下商户图训练机器学习模型，此机器学习模型采用deepwalk算法。
50.具体的，训练过程中对每个节点被采样的次数、滑动窗口大小、生成向量的维度、游走的节点长度等参数进行调整，生成线下商户图对应的第二隐义表示向量。
51.本发明实施例还可以采用word2vec算法根据线下商户图确定线下商户图对应的第二隐义表示向量，对此不做具体限定。
52.步骤107，根据线上商户图及对应的第一隐义表示向量训练多层感知机模型，得到线上信用卡风险交易检测模型。
53.步骤108，根据线下商户图及对应的第二隐义表示向量训练多层感知机模型，得到线下信用卡风险交易检测模型。
54.步骤109，在待检测交易为线上交易时，将待检测交易输入至线上信用卡风险交易检测模型，得到第一风险检测结果。
55.步骤110，在待检测交易为线下交易时，将待检测交易输入至线下信用卡风险交易检测模型，得到第二风险检测结果。
56.上述方案，根据线上商户图及对应的第一隐义表示向量训练多层感知机模型，得到线上信用卡风险交易检测模型，根据线下商户图及对应的第二隐义表示向量训练多层感知机模型，得到线下信用卡风险交易检测模型，提供多种角度的特征，避免了复杂的特征工程，使模型构建更准确，分别针对线下商户和线上商户进行模型训练，提高了模型训练效率及模型的有效性，提高了信用卡风险交易检测的准确性及效率，实现了能够及时检测信用卡交易风险。
57.在一种可能的实施方式中，历史用户信用卡交易数据包括商户品牌信息，本发明实施例在步骤103中，步骤流程如图2所示，具体如下：
58.步骤201，根据商户品牌信息确定第一同构图的第一节点信息。
59.步骤202，根据第一节点信息将所述二分图投影成第一同构图。
60.在一种可能的实施方式中，本发明实施例抽取每天出现次数大于50次的品牌以提高准确率。
61.上述方案，以商户所属的品牌定义节点，同一个品牌下的商户可能是不同的，以品牌定义节点可以减少稀疏性。
62.在另一种可能的实施方式中，历史用户信用卡交易数据包括商户名称及商户邮编，本发明实施例在步骤103中，步骤流程如图3所示，具体如下：
63.步骤301，根据商户名称及商户邮编确定第一同构图的第二节点信息。
64.步骤302，根据第二节点信息将二分图投影成第一同构图。
65.上述方案，由于不相关的商户可能具有相同的名称，以商户名称及商户邮编定义节点，增加了区分度。
66.本发明实施例在步骤104中，根据第一同构图确定线上商户图及线下商户图，步骤流程如图4所示，具体如下：
67.步骤401，确定第一同构图中各个商户的运营模式信息。
68.步骤402，根据各个商户的运营模式信息将第一同构图分为线上商户图及线下商户图。
69.上述方案，分别针对线下商户和线上商户进行模型训练，提高了模型训练效率及模型的有效性，提高了信用卡风险交易检测的准确性及效率。
70.本发明实施例中还提供了一种信用卡风险交易检测装置，如下面的实施例所述。该装置如图5所示，所述装置包括：
71.模型训练模块501，用于获取历史用户信用卡交易数据；根据历史用户信用卡交易数据构建二分图；所述二分图包含用户集以及商户集；所述二分图的边用于指示用户集中的各个用户与商户集中的各个商户之间的交易关系；将所述二分图投影成第一同构图及第二同构图；第一同构图用于指示各个商户之间的关系；第二同构图用于指示各个用户之间的关系；根据第一同构图确定线上商户图及线下商户图；线上商户图用于指示各个线上商户之间的关系；线下商户图用于指示各个线下商户之间的关系；根据线上商户图确定线上商户图对应的第一隐义表示向量；根据线下商户图确定线下商户图对应的第二隐义表示向量；根据线上商户图及对应的第一隐义表示向量训练多层感知机模型，得到线上信用卡风险交易检测模型；根据线下商户图及对应的第二隐义表示向量训练多层感知机模型，得到线下信用卡风险交易检测模型；
72.预测模块502，用于在待检测交易为线上交易时，将待检测交易输入至线上信用卡风险交易检测模型，得到第一风险检测结果；在待检测交易为线下交易时，将待检测交易输入至线下信用卡风险交易检测模型，得到第二风险检测结果。
73.本发明实施例中，所述历史用户信用卡交易数据包括商户品牌信息，所述模型训练模块501具体用于：
74.根据商户品牌信息确定第一同构图的第一节点信息；
75.根据第一节点信息将所述二分图投影成第一同构图。
76.本发明实施例中，所述历史用户信用卡交易数据包括商户名称及商户邮编，所述模型训练模块501具体用于：
77.根据商户名称及商户邮编确定第一同构图的第二节点信息；
78.根据第二节点信息将所述二分图投影成第一同构图。
79.本发明实施例中，所述模型训练模块501具体用于：
80.确定第一同构图中各个商户的运营模式信息；
81.根据各个商户的运营模式信息将第一同构图分为线上商户图及线下商户图。
82.本发明实施例中，所述模型训练模块501具体用于：
83.采用deepwalk算法根据线上商户图确定线上商户图对应的第一隐义表示向量；
84.采用deepwalk算法根据线下商户图确定线下商户图对应的第二隐义表示向量。
85.由于该装置解决问题的原理与信用卡风险交易检测方法相似，因此该装置的实施可以参见信用卡风险交易检测方法的实施，重复之处不再赘述。
86.本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述信用卡风险交易检测方法。
87.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述信用卡风险交易检测方法。
88.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程
序，所述计算机程序被处理器执行时实现上述信用卡风险交易检测方法。
89.本发明实施例中，获取历史用户信用卡交易数据，根据历史用户信用卡交易数据构建二分图，将二分图投影成第一同构图及第二同构图，根据第一同构图确定线上商户图及线下商户图，根据线上商户图确定线上商户图对应的第一隐义表示向量，根据线下商户图确定线下商户图对应的第二隐义表示向量，根据线上商户图及对应的第一隐义表示向量训练多层感知机模型，得到线上信用卡风险交易检测模型；根据线下商户图及对应的第二隐义表示向量训练多层感知机模型，得到线下信用卡风险交易检测模型，在待检测交易为线上交易时，将待检测交易输入至线上信用卡风险交易检测模型，得到第一风险检测结果；在待检测交易为线下交易时，将待检测交易输入至线下信用卡风险交易检测模型，得到第二风险检测结果，与现有技术相比，根据线上商户图及对应的第一隐义表示向量训练多层感知机模型，得到线上信用卡风险交易检测模型，根据线下商户图及对应的第二隐义表示向量训练多层感知机模型，得到线下信用卡风险交易检测模型，提供多种角度的特征，避免了复杂的特征工程，使模型构建更准确，分别针对线下商户和线上商户进行模型训练，提高了模型训练效率及模型的有效性，提高了信用卡风险交易检测的准确性及效率，实现了能够及时检测信用卡交易风险。
90.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
91.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
92.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
93.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
94.以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：

1.一种信用卡风险交易检测方法，其特征在于，包括：获取历史用户信用卡交易数据；根据历史用户信用卡交易数据构建二分图；所述二分图包含用户集以及商户集；所述二分图的边用于指示用户集中的各个用户与商户集中的各个商户之间的交易关系；将所述二分图投影成第一同构图及第二同构图；第一同构图用于指示各个商户之间的关系；第二同构图用于指示各个用户之间的关系；根据第一同构图确定线上商户图及线下商户图；线上商户图用于指示各个线上商户之间的关系；线下商户图用于指示各个线下商户之间的关系；根据线上商户图确定线上商户图对应的第一隐义表示向量；根据线下商户图确定线下商户图对应的第二隐义表示向量；根据线上商户图及对应的第一隐义表示向量训练多层感知机模型，得到线上信用卡风险交易检测模型；根据线下商户图及对应的第二隐义表示向量训练多层感知机模型，得到线下信用卡风险交易检测模型；在待检测交易为线上交易时，将待检测交易输入至线上信用卡风险交易检测模型，得到第一风险检测结果；在待检测交易为线下交易时，将待检测交易输入至线下信用卡风险交易检测模型，得到第二风险检测结果。2.如权利要求1所述的信用卡风险交易检测方法，其特征在于，所述历史用户信用卡交易数据包括商户品牌信息，将所述二分图投影成第一同构图，包括：根据商户品牌信息确定第一同构图的第一节点信息；根据第一节点信息将所述二分图投影成第一同构图。3.如权利要求1所述的信用卡风险交易检测方法，其特征在于，所述历史用户信用卡交易数据包括商户名称及商户邮编，将所述二分图投影成第一同构图，包括：根据商户名称及商户邮编确定第一同构图的第二节点信息；根据第二节点信息将所述二分图投影成第一同构图。4.如权利要求1所述的信用卡风险交易检测方法，其特征在于，根据第一同构图确定线上商户图及线下商户图，包括：确定第一同构图中各个商户的运营模式信息；根据各个商户的运营模式信息将第一同构图分为线上商户图及线下商户图。5.如权利要求1所述的信用卡风险交易检测方法，其特征在于，根据线上商户图确定线上商户图对应的第一隐义表示向量，包括：采用deepwalk算法根据线上商户图确定线上商户图对应的第一隐义表示向量；根据线下商户图确定线下商户图对应的第二隐义表示向量，包括：采用deepwalk算法根据线下商户图确定线下商户图对应的第二隐义表示向量。6.一种信用卡风险交易检测装置，其特征在于，包括：模型训练模块，用于获取历史用户信用卡交易数据；根据历史用户信用卡交易数据构建二分图；所述二分图包含用户集以及商户集；所述二分图的边用于指示用户集中的各个用户与商户集中的各个商户之间的交易关系；将所述二分图投影成第一同构图及第二同构
图；第一同构图用于指示各个商户之间的关系；第二同构图用于指示各个用户之间的关系；根据第一同构图确定线上商户图及线下商户图；线上商户图用于指示各个线上商户之间的关系；线下商户图用于指示各个线下商户之间的关系；根据线上商户图确定线上商户图对应的第一隐义表示向量；根据线下商户图确定线下商户图对应的第二隐义表示向量；根据线上商户图及对应的第一隐义表示向量训练多层感知机模型，得到线上信用卡风险交易检测模型；根据线下商户图及对应的第二隐义表示向量训练多层感知机模型，得到线下信用卡风险交易检测模型；预测模块，用于在待检测交易为线上交易时，将待检测交易输入至线上信用卡风险交易检测模型，得到第一风险检测结果；在待检测交易为线下交易时，将待检测交易输入至线下信用卡风险交易检测模型，得到第二风险检测结果。7.如权利要求6所述的信用卡风险交易检测装置，其特征在于，所述模型训练模块具体用于：确定第一同构图中各个商户的运营模式信息；根据各个商户的运营模式信息将第一同构图分为线上商户图及线下商户图。8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一所述方法。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至5任一所述方法。10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至5任一所述方法。

技术总结

本发明公开了信用卡风险交易检测方法及装置，可用于人工智能技术领域，方法包括：获取历史用户信用卡交易数据，根据历史用户信用卡交易数据构建二分图，将二分图投影成第一同构图及第二同构图，根据第一同构图确定线上商户图及线下商户图，根据线上商户图确定线上商户图对应的第一隐义表示向量，根据线下商户图确定线下商户图对应的第二隐义表示向量，在待检测交易为线上交易时，将待检测交易输入至线上信用卡风险交易检测模型；在待检测交易为线下交易时，将待检测交易输入至线下信用卡风险交易检测模型。本发明分别针对线下商户和线上商户进行模型训练，提高了模型训练效率及模型的有效性，提高了信用卡风险交易检测的准确性及效率。效率。效率。