违规资源转移识别方法、装置、计算机设备和存储介质与流程

本申请涉及人工智能和大数据，特别是涉及一种违规资源转移方法、装置、计算机设备和存储介质。

背景技术：

1、违规资源转移例如信用卡套现，信用卡用户不通过合规手续提取现金，而通过其他手段将卡中信用额度内的资金以现金的方式套取，同时又不支付银行提现费用的行为，如信用卡用户在商户的pos机或二维码上作消费交易，而商户从交易金额中扣除少部分手续费后，把剩余部分以现金方式给用户。

2、这种违规资源转移会增加发卡银行的风险，因此，如何识别违规资源转移已经成为了一个亟需解决的问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够识别违规资源转移的违规资源转移方法、装置、计算机设备和存储介质。

2、第一方面，本申请提供了一种违规资源转移识别方法，所述方法包括：获取目标用户的资源特征数据；将资源特征数据输入至预先通过联邦学习训练的预测模型中，得到预测模型输出的识别结果；根据识别结果确定目标用户是否进行了违规资源转移。

3、在其中一个实施例中，预测模型包括第一预测子模型和第二预测子模型，预测模型的训练方法包括：通过加密对齐算法确定第一训练参与方和第二训练参与方的用户交集；根据用户交集和第一训练参与方的第一历史资源数据，得到第一资源特征数据；向第二训练参与方发送加密后的第一中间结果，以供第二训练参与方根据第一中间结果、第二资源特征数据和第二初始预测模型得到第二预测子模型，其中，第一中间结果为第一训练参与方根据第一资源特征数据和第一初始预测模型得到的，第二资源特征数据为根据用户交集和第二训练参与方的第二历史资源数据得到的；接收第二训练参与方发送的加密后的第二中间结果，其中，第二中间结果为第二训练参与方根据第二资源特征数据和第二初始预测模型得到的；根据第一资源特征数据和第二中间结果得到第一初始预测模型的第一梯度；将第一梯度发送至训练协调方，接收训练协调方发送的第二梯度，第二梯度为训练协调方对第一梯度解密后得到的；根据第二梯度更新第一初始预测模型的模型参数，得到第一预测子模型。

4、在其中一个实施例中，根据第一资源特征数据和第二中间结果得到第一初始预测模型的第一梯度，包括：根据第一资源特征数据和第二中间结果，基于rmsprop算法计算得到第一梯度。

5、在其中一个实施例中，将第一梯度发送至训练协调方，包括：对第一梯度进行掩码后发送至训练协调方；对应的，根据第二梯度更新第一初始预测模型的模型参数，包括：对第二梯度进行去掩码处理，得到第三梯度；根据第三梯度更新第一初始预测模型的模型参数。

6、在其中一个实施例中，将第一梯度发送至训练协调方，包括：对第一梯度进行添加噪声后发送至训练协调方；对应的，根据第二梯度更新第一初始预测模型的模型参数，包括：对第二梯度进行去噪声处理，得到第三梯度；根据第三梯度更新第一初始预测模型的模型参数。

7、在其中一个实施例中，根据用户交集和第一训练参与方的第一历史资源数据，确定第一资源特征数据，包括：根据用户交集从第一历史资源数据中选取得到初始资源数据；对初始资源数据进行特征处理，得到第一资源特征数据。

8、第二方面，本申请还提供了一种违规资源转移识别装置，所述装置包括：获取模块，用于获取目标用户的资源特征数据；确定模块，用于将资源特征数据输入至预先通过联邦学习训练的预测模型中，得到预测模型输出的识别结果；判断模块，用于根据识别结果确定目标用户是否进行了违规资源转移。

9、在其中一个实施例中，预测模型包括第一预测子模型和第二预测子模型，所述装置还包括训练模块，所述训练模块包括：

10、第一确定单元，用于通过加密对齐算法确定第一训练参与方和第二训练参与方的用户交集；

11、第二确定单元，用于根据用户交集和第一训练参与方的第一历史资源数据，得到第一资源特征数据；

12、第一发送单元，用于向第二训练参与方发送加密后的第一中间结果，以供第二训练参与方根据第一中间结果、第二资源特征数据和第二初始预测模型得到第二预测子模型，其中，第一中间结果为第一训练参与方根据第一资源特征数据和第一初始预测模型得到的，第二资源特征数据为根据用户交集和第二训练参与方的第二历史资源数据得到的；

13、第一接收单元，用于接收第二训练参与方发送的加密后的第二中间结果，其中，第二中间结果为第二训练参与方根据第二资源特征数据和第二初始预测模型得到的；

14、第三确定单元，用于根据第一资源特征数据和第二中间结果得到第一初始预测模型的第一梯度；

15、第二发送单元，用于将第一梯度发送至训练协调方，第二接收单元，用于接收训练协调方发送的第二梯度，第二梯度为训练协调方对第一梯度解密后得到的；

16、第四确定单元，用于根据第二梯度更新第一初始预测模型的模型参数，得到第一预测子模型。

17、在其中一个实施例中，第三确定单元，具体用于根据第一资源特征数据和第二中间结果，基于rmsprop算法计算得到第一梯度。

18、在其中一个实施例中，第二发送单元，具体用于对第一梯度进行掩码后发送至训练协调方；对应的，第四确定单元，具体用于对第二梯度进行去掩码处理，得到第三梯度；根据第三梯度更新第一初始预测模型的模型参数。

19、在其中一个实施例中，第二发送单元，具体用于对第一梯度进行添加噪声后发送至训练协调方；对应的，第四确定单元，具体用于对第二梯度进行去噪声处理，得到第三梯度；根据第三梯度更新第一初始预测模型的模型参数。

20、在其中一个实施例中，第二确定单元，具体用于根据用户交集从第一历史资源数据中选取得到初始资源数据；对初始资源数据进行特征处理，得到第一资源特征数据。

21、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。

22、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一项所述的方法的步骤。

23、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面任一项所述的方法的步骤。

24、上述违规资源转移方法、装置、计算机设备和存储介质，通过获取目标用户的资源特征数据，再将资源特征数据输入至预先通过联邦学习训练的预测模型中，得到预测模型输出的识别结果，而后，根据识别结果确定目标用户是否进行了违规资源转移，从而实现识别违规资源转移。

技术特征：

1.一种违规资源转移识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述预测模型包括第一预测子模型和第二预测子模型，所述预测模型的训练方法包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一资源特征数据和所述第二中间结果得到第一初始预测模型的第一梯度，包括：

4.根据权利要求2所述的方法，其特征在于，将所述第一梯度发送至训练协调方，包括：

5.根据权利要求2所述的方法，其特征在于，将所述第一梯度发送至训练协调方，包括：

6.根据权利要求2所述的方法，其特征在于，所述根据所述用户交集和所述第一训练参与方的第一历史资源数据，确定第一资源特征数据，包括：

7.一种违规资源转移识别装置，其特征在于，所述装置包括：

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结
本申请涉及人工智能和大数据技术领域，特别是涉及一种违规资源转移方法、装置、计算机设备和存储介质。所述方法包括：获取目标用户的资源特征数据；将所述资源特征数据输入至预先通过联邦学习训练的预测模型中，得到所述预测模型输出的识别结果；根据所述识别结果确定所述目标用户是否进行了违规资源转移。采用本方法能够识别违规资源转移。

技术研发人员：刘涛
受保护的技术使用者：中国银行股份有限公司
技术研发日：
技术公布日：2024/1/22