诈骗识别方法、装置、电子设备和存储介质与流程

所属的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。下面参照图13来描述根据本发明的这种实施方式的诈骗识别装置1300。图13所示的诈骗识别装置1300仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。诈骗识别装置1300以硬件模块的形式表现。诈骗识别装置1300的组件可以包括但不限于：构建模块1302，用于基于出行保险的历史出险数据构建二部图，二部图包括多个第一节点、多个第二节点，以及连接对应的第一节点和第二节点之间的连接边，第一节点表示出险用户，第二节点表示出险的出行工具；迭代挖掘模块1304，用于迭代执行对二部图中稠密子图的挖掘操作，获取多个稠密子图；筛选模块1306，用于对多个稠密子图基于密度进行筛选，得到候选稠密子图；切分模块1308，用于从候选稠密子图中切分出连通子图，连通子图为任意两个第一节点与第二节点均连接的子图；识别模块1310，用于基于连通子图识别出险用户中的风险团伙用户。在一个实施例中，识别模块1310包括：挖掘子模块13102，用于对连通子图执行稠密挖掘操作，得到异常稠密子图；过滤子模块13104，用于基于风控过滤策略对异常稠密子图中的第一异常节点执行过滤操作，以将过滤结果确定为对风险团伙用户的识别结果，其中，第一异常节点为异常稠密子图中的第一节点。在一个实施例中，挖掘子模块13102具体用于：基于图异常簇检测模型对连通子图执行稠密挖掘操作，得到异常稠密子图。在一个实施例中，过滤子模块13104具体用于：将满足指定条件的第一异常节点表示的多个出险用户，确定为风险团伙用户，指定条件包括出险率过滤条件和航班记录过滤条件中的至少一种，其中，检测到第一异常节点的出险率大于或等于概率阈值时，确定第一异常节点满足出险率过滤条件，检测到多个第一异常节点具有重叠的航班记录时，确定多个第一异常节点满足航班记录过滤条件，检测到第一异常节点具有矛盾的航班记录时，确定第一异常节点满足出险率过滤条件。在一个实施例中，迭代挖掘模块1304具体用于：在一轮挖掘操作的过程中，基于图异常簇检测模型对二部图的全局可疑度执行调节操作；在调节操作的过程中确定二部图的最大全局可疑度，以确定与最大全局可疑度对应的二部图的子图；将二部图的子图确定为稠密子图，以在移除稠密子图，以及更新全局可疑度后，进入下一轮挖掘操作。在一个实施例中，迭代挖掘模块1304具体用于：确定每个第一节点的可疑度以及每个第二节点的可疑度；迭代移除二部图中可疑度最小的第一节点和/或第二节点，直至移除全部第一节点和第二节点，以完成一轮的调节操作，其中，响应于每次的移除操作，基于剩余节点更新二部图，并确定更新的二部图的全局可疑度，以使全局可疑度在迭代删除过程中由逐渐增大变为逐渐减小，并在全局可疑度减小至0时，确定移除全部第一节点和第二节点。在一个实施例中，迭代挖掘模块1304具体用于：回溯一轮挖掘操作的过程中，全局可疑度由逐渐增大变为逐渐减小时的拐点；将拐点对应的全局可疑度记为最大全局可疑度；将得到全局最大可疑度时所保留的第一节点和第二节点构成的子图确定为对应的二部图的子图。在一个实施例中，迭代挖掘模块1304具体用于：基于每个第二节点相连的连接边的数量计算连接边的可疑度；基于第一节点相连的连接边的数量和连接边的可疑度计算第一节点的可疑度；基于第二节点相连的连接边的数量和连接边的可疑度计算第二节点的可疑度。在一个实施例中，筛选模块1306具体用于：基于稠密度阈值对多个稠密子图进行筛选，得到初始筛选子图；基于业务需求从初始筛选子图中进一步筛选出所述候选稠密子图。在一个实施例中，还包括：评估模块1312，用于评估风险团伙用户的风险等级；防御模块1314，用于统计风险团伙用户的历史出险次数、风险团伙用户的用户数量以及风险团伙用户的历史出险金额中的至少一项；基于历史出险次数、用户数量和历史出险金额中的至少一种，评估风险团伙用户的风险等级；基于风险等级生成对应的防御策略，其中，历史出险次数和风险等级正相关，用户数量和风险等级正相关，历史出险金额和风险等级正相关。下面参照图14来描述根据本发明的这种实施方式的电子设备1400。图14显示的电子设备1400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图14所示，电子设备1400以通用计算设备的形式表现。电子设备1400的组件可以包括但不限于：上述至少一个处理单元1410、上述至少一个存储单元1420、连接不同系统组件(包括存储单元1420和处理单元1410)的总线1430。其中，存储单元存储有程序代码，程序代码可以被处理单元1410执行，使得处理单元1410执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元1410可以执行如图2中所示的步骤s202至步骤s210，以及本公开的诈骗识别方法中限定的其他步骤。存储单元1420可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)14201和/或高速缓存存储单元14202，还可以进一步包括只读存储单元(rom)14203。存储单元1420还可以包括具有一组(至少一个)程序模块14205的程序/实用工具14204，这样的程序模块14205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。总线1430可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。电子设备1400也可以与一个或多个外部设备1460(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备交互的设备通信，和/或与使得该电子设备1400能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口1450进行。并且，电子设备1400还可以通过网络适配器1450与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器1450通过总线1430与电子设备1400的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。根据本发明的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

背景技术：

1、随着互联网保险业的发展，便捷的投保理赔流程在带来丰厚回报的同时，也引来大量黑产，即诈骗用户，为了有效控制欺诈风险，需要对投保中存在的欺诈行为进行检测。相关技术中，欺诈检测方式主要包括两种方式，一种是基于专家规则，另一种是基于机器学习，上述两种方式分别存在以下缺陷：使用专家规则虽然能够识别欺诈行为，但是对作案手法复杂的团伙难以识别，使用机器学习需要构造大量的基础特征以及组合特征来对用户是否欺诈进行预测，由于缺少可解释性，使得到的检测将结果的可信度不高。

2、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开的目的在于提供一种诈骗识别方法、装置、电子设备和计算机可读存储介质，至少在一定程度上能够改善相关技术中的难以识别作案团伙以及识别结果缺少可解释性的问题。

2、本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

3、根据本公开的一个方面，提供一种诈骗识别方法，包括：基于出行保险的历史出险数据构建二部图，所述二部图包括多个第一节点、多个第二节点，以及连接对应的第一节点和第二节点之间的连接边，所述第一节点表示出险用户，所述第二节点表示出险的出行工具；迭代执行对所述二部图中稠密子图的挖掘操作，获取多个稠密子图；对所述多个稠密子图基于密度进行筛选，得到候选稠密子图；从所述候选稠密子图中切分出连通子图，所述连通子图为任意两个第一节点与第二节点均连接的子图；基于所述连通子图识别所述出险用户中的风险团伙用户。

4、在一个实施例中，所述基于所述连通子图识别所述出险用户中的风险团伙用户包括：对所述连通子图执行稠密挖掘操作，得到异常稠密子图；基于风控过滤策略对所述异常稠密子图中的第一异常节点执行过滤操作，以将过滤结果确定为对所述风险团伙用户的识别结果，其中，所述第一异常节点为所述异常稠密子图中的第一节点。

5、在一个实施例中，所述对所述连通子图执行稠密挖掘操作，得到异常稠密子图包括：基于图异常簇检测模型对所述连通子图执行稠密挖掘操作，得到所述异常稠密子图。

6、在一个实施例中，所述风控过滤策略包括所述出行保险的出险率过滤条件和航班记录过滤条件中的至少一种，所述基于风控过滤策略对所述异常稠密子图中的第一异常节点执行过滤操作包括：将满足指定条件的所述第一异常节点表示的多个所述出险用户，确定为所述风险团伙用户，所述指定条件包括所述出险率过滤条件和所述航班记录过滤条件中的至少一种，其中，检测到所述第一异常节点的所述出险率大于或等于概率阈值时，确定所述第一异常节点满足所述出险率过滤条件，检测到多个所述第一异常节点具有重叠的航班记录时，确定多个所述第一异常节点满足所述航班记录过滤条件，检测到所述第一异常节点具有矛盾的航班记录时，确定所述第一异常节点满足所述出险率过滤条件。

7、在一个实施例中，所述迭代执行对所述二部图中稠密子图的挖掘操作，获取多个稠密子图包括：在一轮所述挖掘操作的过程中，基于图异常簇检测模型对所述二部图的全局可疑度执行调节操作；在所述调节操作的过程中确定所述二部图的最大全局可疑度，以确定与所述最大全局可疑度对应的所述二部图的子图；将所述二部图的子图确定为所述稠密子图，以在移除所述稠密子图，以及更新所述全局可疑度后，进入下一轮所述挖掘操作。

8、在一个实施例中，所述基于图异常簇检测模型对所述二部图的全局可疑度执行调节操作包括：确定每个第一节点的可疑度以及每个第二节点的可疑度；迭代移除所述二部图中可疑度最小的所述第一节点和/或所述第二节点，直至移除全部所述第一节点和所述第二节点，以完成一轮的所述调节操作，其中，响应于每次的移除操作，基于剩余节点更新所述二部图，并确定更新的所述二部图的全局可疑度，以使所述全局可疑度在迭代删除过程中由逐渐增大变为逐渐减小，并在所述全局可疑度减小至0时，确定移除全部所述第一节点和所述第二节点。

9、在一个实施例中，所述在所述调节操作的过程中确定所述二部图的最大全局可疑度，以确定与所述最大全局可疑度对应的所述二部图的子图包括：回溯一轮所述挖掘操作的过程中，所述全局可疑度由逐渐增大变为逐渐减小时的拐点；将所述拐点对应的所述全局可疑度记为所述最大全局可疑度；将得到所述全局最大可疑度时所保留的所述第一节点和所述第二节点构成的子图确定为对应的所述二部图的子图。

10、在一个实施例中，所述确定每个第一节点的可疑度以及每个第二节点的可疑度，具体包括：基于每个所述第二节点相连的所述连接边的数量计算所述连接边的可疑度；基于所述第一节点相连的所述连接边的数量和所述连接边的可疑度计算所述第一节点的可疑度；基于所述第二节点相连的所述连接边的数量和所述连接边的可疑度计算所述第二节点的可疑度。

11、在一个实施例中，所述对所述多个稠密子图基于密度进行筛选，得到候选稠密子图包括：基于稠密度阈值对所述多个稠密子图进行筛选，得到初始筛选子图；基于业务需求从所述初始筛选子图中进一步筛选出所述候选稠密子图。

12、在一个实施例中，所述基于所述连通子图识别所述出险用户中的风险团伙用户，还包括：统计所述风险团伙用户的历史出险次数、所述风险团伙用户的用户数量以及所述风险团伙用户的历史出险金额中的至少一项；基于所述历史出险次数、所述用户数量和历史出险金额中的至少一种，评估所述风险团伙用户的风险等级；基于所述风险等级生成对应的防御策略，其中，所述历史出险次数和所述风险等级正相关，所述用户数量和所述风险等级正相关，所述历史出险金额和所述风险等级正相关。

13、根据本公开的另一方面，提供一种诈骗识别装置，包括：构建模块，用于基于出行保险的历史出险数据构建二部图，所述二部图包括多个第一节点、多个第二节点，以及连接对应的第一节点和第二节点之间的连接边，所述第一节点表示出险用户，所述第二节点表示出险的出行工具；迭代挖掘模块，用于迭代执行对所述二部图中稠密子图的挖掘操作，获取多个稠密子图；筛选模块，用于对所述多个稠密子图基于密度进行筛选，得到候选稠密子图；切分模块，用于从所述候选稠密子图中切分出连通子图，所述连通子图为任意两个第一节点与第二节点均连接的子图；识别模块，用于基于所述连通子图识别所述出险用户中的风险团伙用户。

14、根据本公开的再一方面，提供一种电子设备，包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，处理器配置为经由执行可执行指令来执行上述另一个方面所述的诈骗识别方法。

15、根据本公开的又一方面，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任意一项的诈骗识别方法。

16、本公开的实施例所提供的诈骗识别方案，由于在出行保险中，团伙欺诈常以出同行出险的形态骗保，通过构建用户和出险的出行工具之间的二部图，在二部图中挖掘出稠密子图，并进一步在稠密子图中切分出连通子图，以基于对连通子图的识别获取同行出险的整个风险团伙用户，与相关技术中的方案相比，一方面，实现了对人数众多的风险团伙用户的识别，提升了欺诈识别的效率和质量，另一方面，基于出行保险的历史出险数据进行欺诈识别，也提升了识别结果的可信度。

17、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。