(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210643973.1 (22)申请日 2022.06.09 (65)同一申请的已公布的文献号 申请公布号 CN 114723554 A (43)申请公布日 2022.07.08 (73)专利权人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 陈李龙　徐林嘉　刘华杰　王雅欣　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 董骁毅　王首峰 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 40/04(2012.01)G06K 9/62(2022.01) (56)对比文件 CN 113362157 A,2021.09.07 CN 111160695 A,2020.0 5.15 审查员 林晓梦 (54)发明名称 异常账户识别方法及装置 (57)摘要 本发明提供一种异常账户识别方法及 装置， 涉及大数据技术领域和金融领域。 该异常账户识 别方法包括： 获取待识别账户的交易记录； 将所 述交易记录中的各类交易信息分别输入至对应 的识别模型中， 分别得到对应的账户初步识别结 果； 所述识别模 型是分别根据多个交易信息生成 的； 对所述账户初步识别结果进行均值运算， 得 到对应的账户识别结果； 所述账户识别结果包括 涉诈账户和非涉诈账户。 本申请训练并使用各类 交易信息对应的识别模型进行异常账户识别， 相 比于传统的机器学习算法模型而言， 本申请的识 别模型在预测账户是否存在异常的场景中， 具有 更好的识别精确率、 召回率和综合测评价值， 能 更精准地预测是否账户是否涉及异常活动， 减少 资金损失。 权利要求书3页 说明书14页 附图9页 CN 114723554 B 2022.09.23 CN 114723554 B 1.一种异常账户识别方法， 其特 征在于， 包括： 获取待识别账户的交易记录； 将所述交易记录 中的各类交易信 息分别输入至对应的识别模型中， 分别得到对应的账 户初步识别结果； 所述识别模型是分别根据多个交易信息以及各 交易信息之间的关联关系 生成的； 对所述账户初步识别结果进行均值运算， 得到对应的账户识别结果； 所述账户识别结 果包括涉诈账户和非涉诈账户； 其中， 所述识别模型包括账户子图识别模型、 地址子图识别模型、 电话子图识别模型以 及IP子图识别模型； 生成所述账户子图识别模 型、 地址子图识别模型、 电话子图识别模型以 及IP子图识别模型的步骤 包括： 获取多个交易信息及其对应的账户分类标签； 基于所述交易信息中的账户信息、 联系地址信息、 联系电话信息以及登录IP信息分别 构建对应的交易子图、 地址 子图、 电话子图和IP子图； 根据同一子图中的各节点的关联关系构建图结构约束项， 以及根据所有子图中节点的 关联关系构建异构图对比融合学习项； 基于所述图结构约束项、 所述异构图对比融合学习 项以及所述账户分类标签构建各子 图对应的目标函数； 最小化各 所述目标函数， 得到各子图对应的识别模型； 所述根据同一子图中各节点的关联关系构建图结构约束 项， 包括： 分别根据各子图中的节点信息和边信息得到各子图中的各节点之间的相似度； 根据节点之间的相似度确定同一子图中的各节点之间的表征关系； 根据所述相似度以及所述表征关系构建所述图结构约束 项； 所述根据所有子图中节点的关联关系构建异构图对比融合学习项， 包括： 获取预设的对比融合规则， 所述对比融合规则包括： 使同一账户信 息中的交易信 息、 联 系地址信息、 联系电话信息以及登录IP信息在对应子图中的识别结果之 间的差的绝对值小 于预设阈值； 根据所述对比融合 规则构建所述异构图对比融合学习项。 2.根据权利要求1所述的异常账户识别方法， 其特征在于， 所述将所述交易记录 中的各 类交易信息分别输入至对应的识别模型中， 分别得到对应的账户初步识别结果， 包括： 将所述交易记录 中的账户信 息输入所述账户子图识别模型中， 得到第 一账户初步识别 结果； 将所述交易记录 中的联系地址信 息输入所述地址子图识别模型中， 得到第 二账户初步 识别结果； 将所述交易记录 中的联系电话信 息输入所述电话子图识别模型中， 得到第 三账户初步 识别结果； 将所述交易记录中的登录IP信息输入所述IP子图识别 模型中， 得到第四账户初步识别 结果。 3.根据权利要求1所述的异常账户识别方法， 其特征在于， 所述基于所述交易信 息中的 账户信息、 联系地址信息、 联系电话信息以及登录IP信息分别构建交易子图、 地址子图、 电权　利　要　求　书 1/3 页 2 CN 114723554 B 2话子图和IP子图， 包括： 以各账户信息中的账户交易特征为节点、 以各账户的交易关系为边构建所述账户子 图； 以各联系地址信 息中的地域特征为节点、 以各账户的地址相关关系为边构建所述地址 子图； 以各联系电话信 息中的电话特征为节点、 以各账户的电话相关关系为边构建所述电话 子图； 以各登录IP信息中的IP特 征为节点、 以各 账户的IP相关 关系为边构建所述 IP子图。 4.一种异常账户识别装置， 其特 征在于， 包括： 交易记录获取模块， 用于获取待识别账户的交易记录； 初步识别模块， 用于将所述交易记录中的各类交易信息分别输入至对应的识别模型 中， 分别得到对应的账户初步识别结果； 所述识别模型是分别根据多个交易信息以及各交 易信息之 间的关联关系生成的； 所述识别模型包括账户子图识别模型、 地址子图识别模型、 电话子图识别模型以及IP子图识别模型； 账户识别模块， 用于对所述账户初步识别结果进行均值运算， 得到对应的账户识别结 果； 所述账户识别结果包括涉诈账户和非涉诈账户； 模型生成模块， 用于： 获取多个交易信息及其对应的账户分类标签； 基于所述交易信息中的账户信息、 联系地址信息、 联系电话信息以及登录IP信息分别 构建对应的交易子图、 地址 子图、 电话子图和IP子图； 根据同一子图中的各节点的关联关系构建图结构约束项， 以及根据所有子图中节点的 关联关系构建异构图对比融合学习项； 基于所述图结构约束项、 所述异构图对比融合学习 项以及所述账户分类标签构建各子 图对应的目标函数； 最小化各 所述目标函数， 得到各子图对应的识别模型； 所述根据同一子图中各节点的关联关系构建图结构约束 项， 包括： 分别根据各子图中的节点信息和边信息得到各子图中的各节点之间的相似度； 根据节点之间的相似度确定同一子图中的各节点之间的表征关系； 根据所述相似度以及所述表征关系构建所述图结构约束 项； 所述根据所有子图中节点的关联关系构建异构图对比融合学习项， 包括： 获取预设的对比融合规则， 所述对比融合规则包括： 使同一账户信 息中的交易信 息、 联 系地址信息、 联系电话信息以及登录IP信息在对应子图中的识别结果之 间的差的绝对值小 于预设阈值； 根据所述对比融合 规则构建所述异构图对比融合学习项。 5.一种电子设备， 其特 征在于， 包括： 中央处理器、 存储器、 通信模块， 所述存储器中存储有计算机程序， 所述中央处理器可 调用所述计算机程序， 所述中央处理器执行所述计算机程序时实现如权利要求 1至3中任一 项所述的异常账户识别方法。 6.一种计算机可读存储介质， 用于存储计算机程序， 其特征在于， 所述计算机程序被处权　利　要　求　书 2/3 页 3 CN 114723554 B 3