CN110781308A - 一种基于大数据构建知识图谱的反欺诈*** - Google Patents
一种基于大数据构建知识图谱的反欺诈*** Download PDFInfo
- Publication number
- CN110781308A CN110781308A CN201910552871.7A CN201910552871A CN110781308A CN 110781308 A CN110781308 A CN 110781308A CN 201910552871 A CN201910552871 A CN 201910552871A CN 110781308 A CN110781308 A CN 110781308A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- graph
- model
- fraud
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Animal Behavior & Ethology (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据构建知识图谱的反欺诈***,涉及反欺诈技术领域,包括图规则模块、图分析模块和社团分析模块,图规则模块用于制定数据的筛选规则,并对数据予以记录;图分析模块根据核查单模块记录的数据结果,构建被定义为非法的进件数据的图谱模型,对被定义为非法的进件数据进行分析,并对被定义为非法的进件数据进行深层次操作;社团分析模块用于搭建社团网络,设定社团网络中每个用户对应数据的筛选条件,进行全局扫描,供社团网络中每个用户分析,本发明从大量的信息源中抽取多维度的特征信息,提供必要的素材,通过智能推理和数据挖掘实现从数据到智慧的深加工,使得反欺诈识别能力更高,并与用户交互,直观易懂。
Description
技术领域
本发明涉及反欺诈技术领域,具体涉及一种基于大数据构建知识图谱的反欺诈***。
背景技术
传统的反欺诈手段主要依赖于信息的人工审核,而身份证、手机号码、银行流水等材料的伪造成本非常低,各类信贷服务机构均不得不投入大量的人力用于核实信息主体的身份及其提供材料的真实性。同时在进反欺诈时,只简单采用基于规则的方法,而没有使用关联分析技术去侦测身份和关系风险。因此,在互联网金融反欺诈领域,与传统的反欺诈不同,互联网上的各类交易行为是看不见也摸不着的,所以互联网反欺诈数据是基础。通过埋点的方式从交易行为中提取到各类特征数据,对采集到的数据进行分析来识别和处置欺诈的交易行为是互联网反欺诈的基本思路。通过搭建模型,在自身已有的历史数据中挖掘出反欺诈规则或者评分是非常重要而又十分有效的手段。那么如何处理采集到的数据,对数据进行进行合理的筛选和分析,很大程度上决定了搭建数据模型的反欺诈识别能力。
发明内容
根据以上现有技术的不足,本发明所要解决的技术问题是提出一种基于大数据构建知识图谱的反欺诈***,从大量的信息源中抽取多维度的特征信息,提供必要的素材,通过智能推理和数据挖掘实现从数据到智慧的深加工,使得反欺诈识别能力更高,并与用户交互,直观易懂。
一种基于大数据构建知识图谱的反欺诈***,包括图规则模块、图分析模块和社团分析模块;
其中,所述图规则模块,用于制定数据的筛选规则,并对数据予以记录,包括图规则引擎模块和核查单模块;
所述图规则引擎模块,用于从大量的数据信息源中抽取关于数据多维度的特征信息,并制定所述数据的筛选规则,筛选出被定义为合法的进件数据和被定义为非法的进件数据;
所述核查单模块,用于对所述被定义为非法的进件数据进行记录,并执行后续操作;
所述图分析模块,根据核查单模块记录的数据结果,构建被定义为非法的进件数据的图谱模型,对被定义为非法的进件数据进行分析,并对被定义为非法的进件数据进行深层次操作,包括基本查询模块、高级查询模块、模型查询模块、最短路径模块、重要节点模块和图谱数据模块;
所述基本查询模块,建立基本查询条件,基于所述基本查询条件,对所述数据结果进行链接,并进行分析;
所述高级查询模块,建立高级查询条件,基于所述高级查询条件,对所述数据结果进行链接,并进行分析;
所述图谱数据模块,根据数据结果构建图谱模型;
所述模型查询模块,内置欺诈模式模型,并用所述欺诈模式模型与所述图谱模型进行一一比对,获得数据结果的分析结果;
所述最短路径模块,获取任意两个节点之间的最短路径,根据所述最短路径,获取任意两个节点之间潜在关系;
所述重要节点模块,进行每个节点的相关性排序:
所述社团分析模块,用于搭建社团网络,设定社团网络中每个用户对应数据的筛选条件,进行全局扫描,筛选出每个用户对应数据的被定义为合法的进件数据和被定义为非法的进件数据,供社团网络中每个用户分析。
可选的,所述图规则模块中所述规则基于gremlin语言写成。
可选的,所述图分析模块通过PageRank算法对所述被定义为非法的进件数据进行分析。
可选的,所述深层次操作包括录黑操作和取消路黑操作。
可选的,所述高级查询模块基于gremlin语言,构建查询语句,完成查询任务。
可选的,所述欺诈模式模型为信息碰撞模型,用所述信息碰撞模型与所述图谱模型进行一一比对,找出信息碰撞模型与图谱模型的碰撞点,生成碰撞检查报告,获得所述分析结果。
可选的,所述社团分析模块通过louvian算法进行全局扫描。
本发明的优点在于:从大量的信息源中抽取多维度的特征信息,为后续算法拓展深度关联关系提供必要的素材,在信息素材的基础上,通过智能推理和数据挖掘实现从数据到智慧的深加工,利用大数据收集的大量异构、多样化的信息,包括可交叉验证信息主体所提供的信息以及第三方信息来源的真实性,使用关联分析技术,全方位描绘一个人的真实数据与社会关系网,使得反欺诈识别能力更高。深加工的结果以可视化,场景化的方式展现给用户,并与用户交互,直观易懂。
附图说明
图1为本发明实施例的结构框图。
图2为本发明实施例具体应用的结构框图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
作为本发明的一个实施例,本发明提出一种基于大数据构建知识图谱的反欺诈***,包括图规则模块、图分析模块和社团分析模块;
其中,所述图规则模块,用于制定数据的筛选规则,并对数据予以记录,包括图规则引擎模块和核查单模块;
所述图规则引擎模块,用于从大量的数据信息源中抽取关于数据多维度的特征信息,并制定所述数据的筛选规则,筛选出被定义为合法的进件数据和被定义为非法的进件数据;
所述核查单模块,用于对所述被定义为非法的进件数据进行记录,并执行后续操作;
所述图分析模块,根据核查单模块记录的数据结果,构建被定义为非法的进件数据的图谱模型,对被定义为非法的进件数据进行分析,并对被定义为非法的进件数据进行深层次操作,包括基本查询模块、高级查询模块、模型查询模块、最短路径模块、重要节点模块和图谱数据模块;
所述基本查询模块,建立基本查询条件,基于所述基本查询条件,对所述数据结果进行链接,并进行分析;
所述高级查询模块,建立高级查询条件,基于所述高级查询条件,对所述数据结果进行链接,并进行分析;
所述图谱数据模块,根据数据结果构建图谱模型;
所述模型查询模块,内置欺诈模式模型,并用所述欺诈模式模型与所述图谱模型进行一一比对,获得数据结果的分析结果;
所述最短路径模块,获取任意两个节点之间的最短路径,根据所述最短路径,获取任意两个节点之间潜在关系;
所述重要节点模块,进行每个节点的相关性排序:
所述社团分析模块,用于搭建社团网络,设定社团网络中每个用户对应数据的筛选条件,进行全局扫描,筛选出每个用户对应数据的被定义为合法的进件数据和被定义为非法的进件数据,供社团网络中每个用户分析。
通过该反欺诈***的设计,从大量的信息源中抽取多维度的特征信息,为后续算法拓展深度关联关系提供必要的素材,在信息素材的基础上,通过智能推理和数据挖掘实现从数据到智慧的深加工,利用大数据收集的大量异构、多样化的信息,包括可交叉验证信息主体所提供的信息以及第三方信息来源的真实性,使用关联分析技术,全方位描绘一个人的真实数据与社会关系网,使得反欺诈识别能力更高。深加工的结果以可视化,场景化的方式展现给用户,并与用户交互,直观易懂。
下面结合本发明的较佳实施例对该基于大数据构建知识图谱的反欺诈***进行说明。
请参阅图1和图2,该反欺诈***,包括图规则模块、图分析模块和社团分析模块。
其中,图规则模块,用于制定数据的筛选规则,并对数据予以记录,包括图规则引擎模块和核查单模块;
图规则引擎模块,用于从大量的数据信息源中抽取关于数据多维度的特征信息,并制定数据的筛选规则,筛选出被定义为合法的进件数据和被定义为非法的进件数据。图规则引擎模块是通过建立一个规则引擎或者机器学习模型来描述欺诈行为的特征,从而将可能存在的欺诈行为从正常操作中区别开来。是采用数据挖掘方法,基于历史数据(即,已知的被定义为合法的数据和被定义为非法的数据)而建立的分类模型。
核查单模块,用于对被定义为非法的进件数据进行记录,并执行后续操作。
在本实施例中,图规则模块中所有的规则基于gremlin语言写成,gremlin语言是图数据库查询语言,相当于SQL之于关系型数据库。gremlin语言具有简单易学,并且语义明显,接近自然语言的特点,能够准确描述规则,可以实现比较复杂的规则。图分析引擎模块着重点在于关联网络或者图谱网络的可视化,将实体之间的关系或者人与人之间的关系用网络的形式展示,进行辅助判断。
在本实施例中,图规则模块主要是针对的是图分析模块,为图分析模块制定相应的规则并由图分析模块进行具体操作。
图分析模块,根据核查单模块记录的数据结果,构建被定义为非法的进件数据的图谱模型,通过PageRank算法对被定义为非法的进件数据进行分析,并对被定义为非法的进件数据进行深层次操作,深层次操作包括录黑操作、取消路黑操作等操作。包括基本查询模块、高级查询模块、模型查询模块、最短路径模块、重要节点模块和图谱数据模块。
PageRank算法是Sergey Brin与Larry Page于1998年在WWW7会议上提出来的,用来解决链接分析中网页排名的问题。在衡量一个网页的排名,直觉告诉我们:
1)当一个网页被更多网页所链接时,其排名会越靠前;
2)排名高的网页应具有更大的表决权,即当一个网页被排名高的网页所链接时,其重要性也应对应提高。
对于这两个直觉,PageRank算法所建立的模型非常简单:一个网页的排名等于所有链接到该网页的网页的加权排名之和。
基本查询模块,建立基本查询条件,基于基本查询条件,对数据结果进行链接,并进行分析,在基本查询模块处会给定一些基本的查询条件,查找具体的数据结果,进一步分析数据结果;
高级查询模块,建立高级查询条件,基于高级查询条件,对数据结果进行链接,并进行分析,基于gremlin语言,构建查询语句,完成查询任务。高级查询模块中查询语句比较任意,用户定制性比较强,可以是提供给用户的高级服务,对高等级的用户开放。
通过将该反欺诈***部署于应用服务器上,将数据库部署到数据库服务器上,客户端通过浏览器访问服务器上的应用程序,查询到结果,
图谱数据模块,根据数据结果构建图谱模型。图谱模型是描述用户及用户之间关系的图。用户类型可以包括IP地址、设备、支付账户、账户联系人等,用户之间也可以存在不同的关系,比如IP登录行为、设备登录行为、联系人登记行为等。图谱模型可以把不同的用户按照其关系连接在一起,从而提供了从“关系”的角度分析问题的能力。这更有利于从正常行为中识别出到异常的团伙欺诈行为。
模型查询模块,内置欺诈模式模型,例如并用欺诈模式模型,利用信息碰撞模型与图谱模型进行一一比对,找出信息碰撞模型与图谱模型的碰撞点,生成碰撞检查报告,获得分析结果。
最短路径模块,***自动高亮出任意两个节点之前的最短路径,根据最短路径,获取任意两个节点之间潜在关系。任意两个节点,可能存在多个路径,通过相关算法和权重,快速找到两个节点之前的最短路径,通过最短路径,可以快速直观的了解两个节点的潜在关系。
重要节点模块,对实时查询出的图谱数据,***根据PageRank算法,计算图中每个节点值的计算,得到每个节点的相关性排序。一般被箭头指向最多的点,其PageRank值越大,例如多个申请客户的紧急联系人都指向同一个人,则该紧急联系人的PageRank值会大于其余紧急联系人,该节点的排序也会越靠前。
社团分析模块,用于搭建社团网络,设定社团网络中每个用户对应数据的筛选条件,通过louvian算法对整个图网络进行扫描,挖掘出稠密的联通的子图,这些子图可以一个社团。
目前,常见的互联网反欺诈模型然而在解决金融欺诈问题时表现一般,原因有两个:
其一,金融欺诈的模式随时间不断演化和发展,而不仅仅是重复出现在历史案例中的个体行为模式;
其二,随着反欺诈技术的进步,金融欺诈越来越难以由个体完成,而是需要通过团伙有组织的进行。
因此,本实施例中,还涉及到了针对团队活动分析的社团分析模块。在社交网络中,每个用户相当于每一个点,用户之间通过互相的关注关系构成了整个网络的结构,在这样的网络中,有的用户之间的连接较为紧密,有的用户之间的连接关系较为稀疏,在这样的的网络中,连接较为紧密的部分可以被看成一个社区,其内部的节点之间有“较为紧密”的连接,而在两个社区间则相对连接“较为稀疏”,这便称为社团结构。
通过建立图谱模型与社团分析模块,极大地提高了数据分析的正确性以及以可视化,场景化的方式展现给用户,并与用户交互,直观易懂。
综上所述,本发明的优点在于:从大量的信息源中抽取多维度的特征信息,为后续算法拓展深度关联关系提供必要的素材,在信息素材的基础上,通过智能推理和数据挖掘实现从数据到智慧的深加工,利用大数据收集的大量异构、多样化的信息,包括可交叉验证信息主体所提供的信息以及第三方信息来源的真实性,使用关联分析技术,全方位描绘一个人的真实数据与社会关系网,使得反欺诈识别能力更高。深加工的结果以可视化,场景化的方式展现给用户,并与用户交互,直观易懂。
由技术常识可知,本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此,上述公开的实施方案,就各方面而言,都只是举例说明,并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
Claims (7)
1.一种基于大数据构建知识图谱的反欺诈***,其特征在于,包括图规则模块、图分析模块和社团分析模块;
其中,所述图规则模块,用于制定数据的筛选规则,并对数据予以记录,包括图规则引擎模块和核查单模块;
所述图规则引擎模块,用于从大量的数据信息源中抽取关于数据多维度的特征信息,并制定所述数据的筛选规则,筛选出被定义为合法的进件数据和被定义为非法的进件数据;
所述核查单模块,用于对所述被定义为非法的进件数据进行记录,并执行后续操作;
所述图分析模块,根据核查单模块记录的数据结果,构建被定义为非法的进件数据的图谱模型,对被定义为非法的进件数据进行分析,并对被定义为非法的进件数据进行深层次操作,包括基本查询模块、高级查询模块、模型查询模块、最短路径模块、重要节点模块和图谱数据模块;
所述基本查询模块,建立基本查询条件,基于所述基本查询条件,对所述数据结果进行链接,并进行分析;
所述高级查询模块,建立高级查询条件,基于所述高级查询条件,对所述数据结果进行链接,并进行分析;
所述图谱数据模块,根据数据结果构建图谱模型;
所述模型查询模块,内置欺诈模式模型,并用所述欺诈模式模型与所述图谱模型进行一一比对,获得数据结果的分析结果;
所述最短路径模块,获取任意两个节点之间的最短路径,根据所述最短路径,获取任意两个节点之间潜在关系;
所述重要节点模块,进行每个节点的相关性排序:
重要节点是指对实时查询出的图谱数据,***根据PageRank算法,计算图中每个节点值的计算,一般被箭头指向最多的点,其PageRank值越大,如多个申请客户的紧急联系人都指向同一个人,则该紧急联系人的PageRank值会大于其余紧急联系人。
所述社团分析模块,用于搭建社团网络,设定社团网络中每个用户对应数据的筛选条件,进行全局扫描,筛选出每个用户对应数据的被定义为合法的进件数据和被定义为非法的进件数据,供社团网络中每个用户分析。
2.根据权利要求1所述的一种基于大数据构建知识图谱的反欺诈***,其特征在于:所述图规则模块中所述规则基于gremlin语言写成。
3.根据权利要求1所述的一种基于大数据构建知识图谱的反欺诈***,其特征在于:所述图分析模块通过PageRank算法对所述被定义为非法的进件数据进行分析。
4.根据权利要求1所述的一种基于大数据构建知识图谱的反欺诈***,其特征在于:所述深层次操作包括录黑操作和取消路黑操作。
5.根据权利要求1所述的一种基于大数据构建知识图谱的反欺诈***,其特征在于:所述高级查询模块基于gremlin语言,构建查询语句,完成查询任务。
6.根据权利要求1所述的一种基于大数据构建知识图谱的反欺诈***,其特征在于:所述欺诈模式模型为信息碰撞模型,用所述信息碰撞模型与所述图谱模型进行一一比对,找出信息碰撞模型与图谱模型的碰撞点,生成碰撞检查报告,获得所述分析结果。
7.根据权利要求1所述的一种基于大数据构建知识图谱的反欺诈***,其特征在于:所述社团分析模块通过louvian算法进行全局扫描。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910552871.7A CN110781308B (zh) | 2019-06-25 | 2019-06-25 | 一种基于大数据构建知识图谱的反欺诈*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910552871.7A CN110781308B (zh) | 2019-06-25 | 2019-06-25 | 一种基于大数据构建知识图谱的反欺诈*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110781308A true CN110781308A (zh) | 2020-02-11 |
CN110781308B CN110781308B (zh) | 2023-08-29 |
Family
ID=69383269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910552871.7A Active CN110781308B (zh) | 2019-06-25 | 2019-06-25 | 一种基于大数据构建知识图谱的反欺诈*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110781308B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111292008A (zh) * | 2020-03-03 | 2020-06-16 | 电子科技大学 | 一种基于知识图谱的隐私保护数据发布风险评估方法 |
CN111415168A (zh) * | 2020-03-06 | 2020-07-14 | 中国建设银行股份有限公司 | 一种交易告警的方法和装置 |
CN111754337A (zh) * | 2020-06-30 | 2020-10-09 | 上海观安信息技术股份有限公司 | 一种***养卡套现团体识别的方法及*** |
CN111882330A (zh) * | 2020-07-27 | 2020-11-03 | 山东协和学院 | 一种金融防欺诈分析方法、装置、设备和存储介质 |
CN112200583A (zh) * | 2020-10-28 | 2021-01-08 | 交通银行股份有限公司 | 一种基于知识图谱的欺诈客户识别方法 |
CN112231350A (zh) * | 2020-10-13 | 2021-01-15 | 汉唐信通(北京)科技有限公司 | 一种基于知识图谱的企业商机挖掘方法和装置 |
CN113495978A (zh) * | 2020-03-18 | 2021-10-12 | 中电长城网际***应用有限公司 | 一种数据检索方法及装置 |
CN113641827A (zh) * | 2021-06-29 | 2021-11-12 | 武汉众智数字技术有限公司 | 一种基于知识图谱的网络诈骗识别方法及*** |
CN115641201A (zh) * | 2022-09-27 | 2023-01-24 | 厦门国际银行股份有限公司 | 数据异常检测方法、***、终端设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016072A (zh) * | 2017-03-23 | 2017-08-04 | 成都市公安科学技术研究所 | 基于社交网络知识图谱的知识推理***及方法 |
CN109918511A (zh) * | 2019-01-29 | 2019-06-21 | 华融融通(北京)科技有限公司 | 一种基于bfs和lpa的知识图谱反欺诈特征提取方法 |
-
2019
- 2019-06-25 CN CN201910552871.7A patent/CN110781308B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016072A (zh) * | 2017-03-23 | 2017-08-04 | 成都市公安科学技术研究所 | 基于社交网络知识图谱的知识推理***及方法 |
CN109918511A (zh) * | 2019-01-29 | 2019-06-21 | 华融融通(北京)科技有限公司 | 一种基于bfs和lpa的知识图谱反欺诈特征提取方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111292008A (zh) * | 2020-03-03 | 2020-06-16 | 电子科技大学 | 一种基于知识图谱的隐私保护数据发布风险评估方法 |
CN111415168B (zh) * | 2020-03-06 | 2023-08-22 | 中国建设银行股份有限公司 | 一种交易告警的方法和装置 |
CN111415168A (zh) * | 2020-03-06 | 2020-07-14 | 中国建设银行股份有限公司 | 一种交易告警的方法和装置 |
CN113495978B (zh) * | 2020-03-18 | 2024-01-02 | 中电长城网际***应用有限公司 | 一种数据检索方法及装置 |
CN113495978A (zh) * | 2020-03-18 | 2021-10-12 | 中电长城网际***应用有限公司 | 一种数据检索方法及装置 |
CN111754337A (zh) * | 2020-06-30 | 2020-10-09 | 上海观安信息技术股份有限公司 | 一种***养卡套现团体识别的方法及*** |
CN111754337B (zh) * | 2020-06-30 | 2024-02-23 | 上海观安信息技术股份有限公司 | 一种***养卡套现团体识别的方法及*** |
CN111882330A (zh) * | 2020-07-27 | 2020-11-03 | 山东协和学院 | 一种金融防欺诈分析方法、装置、设备和存储介质 |
CN112231350B (zh) * | 2020-10-13 | 2022-04-12 | 汉唐信通(北京)科技有限公司 | 一种基于知识图谱的企业商机挖掘方法和装置 |
CN112231350A (zh) * | 2020-10-13 | 2021-01-15 | 汉唐信通(北京)科技有限公司 | 一种基于知识图谱的企业商机挖掘方法和装置 |
CN112200583B (zh) * | 2020-10-28 | 2023-12-19 | 交通银行股份有限公司 | 一种基于知识图谱的欺诈客户识别方法 |
CN112200583A (zh) * | 2020-10-28 | 2021-01-08 | 交通银行股份有限公司 | 一种基于知识图谱的欺诈客户识别方法 |
CN113641827A (zh) * | 2021-06-29 | 2021-11-12 | 武汉众智数字技术有限公司 | 一种基于知识图谱的网络诈骗识别方法及*** |
CN115641201A (zh) * | 2022-09-27 | 2023-01-24 | 厦门国际银行股份有限公司 | 数据异常检测方法、***、终端设备及存储介质 |
CN115641201B (zh) * | 2022-09-27 | 2023-11-07 | 厦门国际银行股份有限公司 | 数据异常检测方法、***、终端设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110781308B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110781308A (zh) | 一种基于大数据构建知识图谱的反欺诈*** | |
CN112053221A (zh) | 一种基于知识图谱的互联网金融团伙欺诈行为检测方法 | |
Dreżewski et al. | System supporting money laundering detection | |
CN111881302B (zh) | 基于知识图谱的银行舆情分析方法和*** | |
Savage et al. | Detection of money laundering groups using supervised learning in networks | |
CN112488716B (zh) | 一种异常事件检测*** | |
GB2418499A (en) | Information analysis arrangement | |
CN112053222A (zh) | 一种基于知识图谱的互联网金融团伙欺诈行为检测方法 | |
KR102113347B1 (ko) | 인공지능을 이용한 암호화폐 계좌 분류 방법, 장치 및 컴퓨터프로그램 | |
Altman et al. | Realistic synthetic financial transactions for anti-money laundering models | |
CN116996325A (zh) | 一种基于云计算的网络安全检测方法及*** | |
CN112991079B (zh) | 多卡共现就医欺诈行为检测方法、***、云端及介质 | |
Torres et al. | A proposal for online analysis and identification of fraudulent financial transactions | |
Poelmans et al. | A case of using formal concept analysis in combination with emergent self organizing maps for detecting domestic violence | |
CN113487241A (zh) | 企业环保信用等级的分类方法、装置、设备及存储介质 | |
Singh et al. | Fraud detection techniques for credit card transactions | |
CN117829994A (zh) | 一种基于图计算的洗钱风险分析方法 | |
Sundaram et al. | Detecting phishing websites using an efficient feature-based machine learning framework | |
CN109063485A (zh) | 一种基于漏洞平台的漏洞分类统计***及方法 | |
CN113407734B (zh) | 基于实时大数据的知识图谱***的构建方法 | |
CN115496130A (zh) | 新发卡实时审批模型的训练及审批方法、设备及存储介质 | |
CN112256988A (zh) | 监测跨境购房网站的方法及装置、电子设备及存储介质 | |
CN113408207A (zh) | 基于社会网络分析技术的数据挖掘的一种方法 | |
Xiong | A method of mining key accounts from internet pyramid selling data | |
CN112749990B (zh) | 一种基于游客身份的数据分析方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230802 Address after: 201899 room 602-4, floor 6, building 1, No. 48 Qinghe Road, Jiading town, Jiading District, Shanghai Applicant after: Shanghai xurong Network Technology Co.,Ltd. Address before: No. 1204, Building N1, Jianwu Industrial Park, No. 88 Dongchang Road, Suzhou Industrial Park, Suzhou City, Jiangsu Province, 215000 Applicant before: GUANGWEI DATA TECHNOLOGY (SUZHOU) Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |