基于人工智能的金融系统安全处理方法及系统与流程

本技术涉及人工智能与金融系统安全，具体而言，涉及一种基于人工智能的金融系统安全处理方法及系统。

背景技术：

1、在金融系统运行过程中，需要关注用户的在线交易行为，以在出现异常风险时进行准确识别，便于进行干预。常见的异常风险包括欺诈风险、骗贷风险、洗钱风险、偷漏税风险、异常套现风险等，而金融系统对于用户的每一笔交易记录均按照法律法规允许进行记录。对记录得到的交易行为数据进行分析，可以分析出异常风险行为，辅助保障用户或金融的资金安全。金融的用户基础庞大，产生的数据也是海量的，庞大的数据基础就需要借助高效且准确的分析策略以及工具进行实现，显然，人工智能技术是有效的解决方案。

2、那么，如何借助人工智能手段进行高效准确地风险识别则是需要考虑解决的技术问题。

技术实现思路

1、本发明的目的在于提供一种基于人工智能的金融系统安全处理方法及系统，以进行高效准确地用户交易行为风险识别。

2、本技术实施例是这样实现的：

3、第一方面，本技术实施例提供了一种基于人工智能的金融系统安全处理方法，应用于安全处理系统，所述方法包括：

4、获取拟分析用户在线交易日志；

5、提取所述拟分析用户在线交易日志中的静态描述数据和动态交易数据；

6、通过所述静态描述数据对应的静态描述表征向量进行聚焦影响系数获取，得到静态描述聚焦影响系数，并通过所述静态描述聚焦影响系数优化所述静态描述表征向量，得到聚焦静态描述表征向量；

7、通过所述动态交易数据对应的动态交易表征向量进行聚焦影响系数获取，得到动态交易聚焦影响系数，并通过所述动态交易聚焦影响系数优化所述动态交易表征向量，得到聚焦动态交易表征向量；

8、将所述聚焦动态交易表征向量和所述聚焦静态描述表征向量进行表征向量整合，得到整合表征向量，通过所述整合表征向量进行风险类别预测，得到所述拟分析用户在线交易日志对应的风险类别预测结果；

9、通过所述风险类别预测结果对所述拟分析用户在线交易日志对应的用户账户进行安全监测防护。

10、作为一种实施方式，所述方法通过预先调试完成的账户风险类别预测网络实现，所述方法具体包括：

11、将所述拟分析用户在线交易日志加载至所述账户风险类别预测网络；

12、所述账户风险类别预测网络被配置为挖掘所述拟分析用户在线交易日志中静态描述数据和动态交易数据，将所述静态描述数据加载至静态描述子模块，并将所述动态交易数据加载至动态交易子模块；

13、所述静态描述子模块被配置为挖掘所述静态描述数据对应的静态描述表征向量，采取所述静态描述表征向量进行聚焦影响系数获取，得到静态描述聚焦影响系数，并通过所述静态描述聚焦影响系数对所述静态描述表征向量进行影响系数干预，得到聚焦静态描述表征向量；

14、所述动态交易子模块被配置为挖掘所述动态交易数据对应的动态交易表征向量，采取所述动态交易表征向量进行聚焦影响系数获取，得到动态交易聚焦影响系数，并通过所述动态交易聚焦影响系数对所述动态交易表征向量进行影响系数干预，得到聚焦动态交易表征向量；

15、所述账户风险类别预测网络还被配置为将所述聚焦动态交易表征向量和所述聚焦静态描述表征向量进行表征向量整合，得到整合表征向量，通过所述整合表征向量进行风险类别预测，得到风险类别预测结果。

16、作为一种实施方式，所述账户风险类别预测网络包括日志表征向量提取模块；

17、所述提取所述拟分析用户在线交易日志中静态描述数据和动态交易数据，包括：

18、将所述拟分析用户在线交易日志加载至所述日志表征向量提取模块中进行表征向量提取，得到拟分析用户在线交易日志表征向量；

19、通过所述拟分析用户在线交易日志表征向量进行数据识别挖掘，得到静态描述数据和动态交易数据。

20、作为一种实施方式，所述静态描述子模块包括静态描述表征向量提取模块和聚焦静态表征向量提取模块；

21、所述通过所述静态描述数据对应的静态描述表征向量进行聚焦影响系数获取，得到静态描述聚焦影响系数，并通过所述静态描述聚焦影响系数优化所述静态描述表征向量，得到聚焦静态描述表征向量，包括：

22、将所述静态描述数据加载至所述静态描述表征向量提取模块中进行表征向量提取，得到所述静态描述数据对应的静态描述表征向量；

23、将所述静态描述表征向量加载至所述聚焦静态表征向量提取模块中进行聚焦影响系数获取，得到所述静态描述聚焦影响系数，采取所述静态描述聚焦影响系数对所述静态描述表征向量进行影响系数干预，得到所述聚焦静态描述表征向量。

24、作为一种实施方式，所述将所述静态描述表征向量加载至所述聚焦静态表征向量提取模块中进行聚焦影响系数获取，得到所述静态描述聚焦影响系数，采取所述静态描述聚焦影响系数对所述静态描述表征向量进行影响系数干预，得到所述聚焦静态描述表征向量，包括：

25、通过所述聚焦静态表征向量提取模块中的平均下采样单元将所述静态描述表征向量进行平均下采样，得到静态描述下采样表征向量；

26、采取所述聚焦静态表征向量提取模块中的多维缩放单元将所述静态描述下采样表征向量进行多维缩放，得到静态描述降维表征向量；

27、将所述静态描述降维表征向量依据所述聚焦静态表征向量提取模块中的非线性变换单元进行非线性变换，得到静态描述激活表征向量；

28、通过所述聚焦静态表征向量提取模块中的影响系数关联单元将所述静态描述激活表征向量进行影响系数关联，得到所述静态描述聚焦影响系数；

29、采取所述静态描述聚焦影响系数对所述静态描述表征向量中的向量值进行影响系数干预，得到干预静态描述表征向量，通过所述干预静态描述表征向量采取所述聚焦静态表征向量提取模块中的最大值下采样单元进行最大值下采样，得到所述聚焦静态描述表征向量。

30、作为一种实施方式，所述动态交易子模块包括动态交易表征向量提取模块和聚焦动态交易表征向量提取模块；

31、所述通过所述动态交易数据对应的动态交易表征向量进行聚焦影响系数获取，得到动态交易聚焦影响系数，并通过所述动态交易聚焦影响系数优化所述动态交易表征向量，得到聚焦动态交易表征向量，包括：

32、将所述动态交易数据加载至所述动态交易表征向量提取模块中进行表征向量提取，得到所述动态交易数据对应的动态交易表征向量；

33、将所述动态交易表征向量加载至所述聚焦动态交易表征向量提取模块中进行聚焦影响系数获取，得到所述动态交易聚焦影响系数，采取所述动态交易聚焦影响系数对所述动态交易表征向量进行影响系数干预，得到所述聚焦动态交易表征向量。

34、作为一种实施方式，所述将所述动态交易表征向量加载至所述聚焦动态交易表征向量提取模块中进行聚焦影响系数获取，得到所述动态交易聚焦影响系数，采取所述动态交易聚焦影响系数对所述动态交易表征向量进行影响系数干预，得到所述聚焦动态交易表征向量，包括：

35、通过所述聚焦动态交易表征向量提取模块中的平均下采样单元将所述动态交易表征向量进行平均下采样，得到动态交易下采样表征向量；

36、采取所述聚焦动态交易表征向量提取模块中的多维缩放单元将所述动态交易下采样表征向量进行多维缩放，得到动态交易降维表征向量；

37、将所述动态交易降维表征向量通过所述聚焦动态交易表征向量提取模块中的非线性变换单元进行非线性变换，得到动态交易激活表征向量；

38、通过所述聚焦动态交易表征向量提取模块中的影响系数关联单元将所述动态交易激活表征向量进行影响系数关联，得到所述动态交易聚焦影响系数；

39、采取所述动态交易聚焦影响系数对所述动态交易表征向量中的向量值进行影响系数干预，得到干预动态交易表征向量，通过所述干预动态交易表征向量采取所述聚焦动态交易表征向量提取模块中的最大值下采样单元进行最大值下采样，得到所述聚焦动态交易表征向量。

40、作为一种实施方式，所述账户风险类别预测网络包括表征向量整合模块；

41、所述将所述聚焦动态交易表征向量和所述聚焦静态描述表征向量进行表征向量整合，得到整合表征向量，通过所述整合表征向量进行风险类别预测，得到所述拟分析用户在线交易日志对应的风险类别预测结果，包括：

42、通过所述表征向量整合模块中的整合单元将所述聚焦动态交易表征向量和所述聚焦静态描述表征向量进行预设向量运算，得到融合表征向量；

43、将所述融合表征向量加载至所述表征向量整合模块中的分类映射单元进行风险类别预测，得到所述风险类别预测结果。

44、作为一种实施方式，所述账户风险类别预测网络通过如下步骤进行调试得到：

45、获取用户在线交易日志样本和对应的风险类别样本指示信息，将所述用户在线交易日志样本加载至待调试账户风险类别预测网络；

46、通过所述待调试账户风险类别预测网络提取所述用户在线交易日志样本中的基础静态描述样本数据和基础动态交易样本数据，将所述基础静态描述样本数据加载至基础静态描述子模块中，并将所述基础动态交易样本数据加载至基础动态交易子模块中；

47、所述基础静态描述子模块通过所述基础静态描述样本数据对应的基础静态描述表征向量进行聚焦影响系数获取，得到基础静态描述聚焦影响系数，并通过所述基础静态描述聚焦影响系数优化所述基础静态描述表征向量，得到基础聚焦静态描述表征向量；

48、所述基础动态交易子模块通过所述基础动态交易样本数据对应的基础动态交易表征向量进行聚焦影响系数获取，得到基础动态交易聚焦影响系数，并通过所述基础动态交易聚焦影响系数优化所述基础动态交易表征向量，得到基础聚焦动态交易表征向量；

49、所述待调试账户风险类别预测网络将所述基础聚焦动态交易表征向量和所述基础聚焦静态描述表征向量进行表征向量整合，得到基础整合表征向量，通过所述基础整合表征向量进行风险类别预测，得到基础风险类别预测结果；

50、获取所述基础风险类别预测结果和所述风险类别样本指示信息的误差值，通过所述误差值调节所述待调试账户风险类别预测网络，重复将所述用户在线交易日志样本加载至待调试账户风险类别预测网络的步骤直至满足预设的调试截止要求，获得调试好的所述账户风险类别预测网络。

51、第二方面，本技术实施例提供了一种安全处理系统，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序，以实现第一方面所述的方法。

52、本技术实施例提供的基于人工智能的金融系统安全处理方法及系统，通过获取拟分析用户在线交易日志，再提取拟分析用户在线交易日志中的静态描述数据和动态交易数据，之后通过静态描述数据对应的静态描述表征向量进行聚焦影响系数获取，得到静态描述聚焦影响系数，并通过静态描述聚焦影响系数优化静态描述表征向量，得到聚焦静态描述表征向量，然后通过动态交易数据对应的动态交易表征向量进行聚焦影响系数获取，得到动态交易聚焦影响系数，并通过动态交易聚焦影响系数优化动态交易表征向量，得到聚焦动态交易表征向量，接着将聚焦动态交易表征向量和聚焦静态描述表征向量进行表征向量整合，得到整合表征向量，通过整合表征向量进行风险类别预测，得到拟分析用户在线交易日志对应的风险类别预测结果，最后通过风险类别预测结果对拟分析用户在线交易日志对应的用户账户进行安全监测防护。本技术实施例基于静态描述子模块和动态交易子模块分别提取聚焦静态描述表征向量和聚焦动态交易表征向量，再将基础聚焦动态交易表征向量和基础聚焦静态描述表征向量进行表征向量整合，获得风险类别预测结果，基于此，令调试获得的账户风险类别预测网络可以增加对用户在线交易日志风险类别预测的精确度和可靠度。

53、在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。