一种交易账号的识别方法及装置与流程

本公开涉及数据处理领域，尤其涉及一种交易账号的识别方法及装置。

背景技术：

1、随着互联网技术的不断发展，金融领域的交易行为越来越多的依赖于互联网进行，电子银行已经成为了银行业务渠道和市场营销的主要竞争手段之一，网络电子银行为我们带来便利的同时，也为非法交易行为提供了新的渠道。目前非法交易手段逐渐向专业化方向发展，因此增大了非法交易行为的分析难度。

2、根据交易行为的交易时间可以获取与交易行为对应的时间序列数据，基于时间序列对非法交易行为进行分析具有重要意义。该时间序列通常为多种过程叠加，具有多周期属性，而对于某一特定周期过程，周期内的时序变化不仅仅与周期内邻近的时刻有关，也有临近周期相关，呈现周期内与周期间两种时序变化，但受限于时间序列固有的一维结构，该时间序列难以同时表现出周期内与周期间两种不同的时序变化。

技术实现思路

1、本公开提供了一种交易账号的识别方法及装置，以至少解决现有技术中存在的以上技术问题。

2、根据本公开的第一方面，提供了一种交易账号的识别方法，所述方法包括：获取预设时间范围内的交易流水，所述交易流水包括交易账号、交易时间和交易金额；针对每个交易账号，根据所述交易账号在预设时间范围内的交易流水生成所述交易账号的一维时间序列；将所述交易账号的一维时间序列转化为基于多个周期的二维张量；对所述多个周期的二维张量进行池化处理，确定所述交易账号的池化序列；通过高斯混合模型对所述池化序列进行更新；根据更新后的池化序列确定所述交易账号属于不同账号类型的概率值，根据所述概率值确定所述交易账号的账号类型。

3、在一可实施方式中，所述将所述交易账号的一维时间序列转化为基于多个周期的二维张量，包括：通过快速傅里叶变换对所述一维时间序列进行处理，确定与所述一维时间序列对应的频率序列和周期序列；基于所述频率序列和所述周期序列，将所述一维时间序列转化为基于周期的多个二维张量。

4、在一可实施方式中，所述对所述多个周期的二维张量进行池化处理，确定所述交易账号的池化序列，包括：根据如下公式，确定所述交易账号的池化序列：；其中，所述表示所述池化序列，k为所述二维张量的个数，表示第i个周期，表示第j个周期，表示第i个周期的二维张量，表示对二维张量进行均值池化。

5、在一可实施方式中，所述通过高斯混合模型对所述池化序列进行更新，包括：根据如下公式，对所述池化序列进行更新：；其中，表示更新后的池化序列，q表示交易账号的账号类型总数，表示第q个账号类型的高斯分布，表示第q个高斯分布的系数，为交易账号的池化序列，为可学习参数。

6、在一可实施方式中，在获取预设时间范围内的交易流水后，所述方法还包括：对所述交易流水进行预处理。

7、根据本公开的第二方面，提供了一种交易账号的识别装置，所述装置包括：获取模块，用于获取预设时间范围内的交易流水，所述交易流水包括交易账号、交易时间和交易金额；生成模块，用于针对每个交易账号，根据所述交易账号在预设时间范围内的交易流水生成所述交易账号的一维时间序列；转化模块，用于将所述交易账号的一维时间序列转化为基于多个周期的二维张量；第一处理模块，用于对所述多个周期的二维张量进行池化处理，确定所述交易账号的池化序列；更新模块，用于通过高斯混合模型对所述池化序列进行更新；确定模块，用于根据更新后的池化序列确定所述交易账号属于不同账号类型的概率值，根据所述概率值确定所述交易账号的账号类型。

8、在一可实施方式中，所述转化模块，包括：处理子模块，用于通过快速傅里叶变换对所述一维时间序列进行处理，确定与所述一维时间序列对应的频率序列和周期序列；转化子模块，用于基于所述频率序列和所述周期序列，将所述一维时间序列转化为基于周期的多个二维张量。

9、在一可实施方式中，所述第一处理模块，具体用于根据如下公式，确定所述交易账号的池化序列：；其中，所述表示所述池化序列，k为所述二维张量的个数，表示第i个周期，表示第j个周期，表示第i个周期的二维张量，表示对二维张量进行均值池化。

10、在一可实施方式中，所述更新模块，具体用于根据如下公式，对所述池化序列进行更新：；其中，表示更新后的池化序列，q表示交易账号的账号类型总数，表示第q个账号类型的高斯分布，表示第q个高斯分布的系数，为交易账号的池化序列，为可学习参数。

11、在一可实施方式中，所述装置还包括：第二处理模块，用于在获取预设时间范围内的交易流水后，对所述交易流水进行预处理。

12、本公开的一种交易账号的识别方法及装置，获取预设时间范围内的交易流水，交易流水包括交易账号、交易时间和交易金额；针对每个交易账号，根据交易账号在预设时间范围内的交易流水生成交易账号的一维时间序列；将交易账号的一维时间序列转化为基于多个周期的二维张量；对多个周期的二维张量进行池化处理，确定交易账号的池化序列；通过高斯混合模型对池化序列进行更新，根据更新后的池化序列确定交易账号属于不同账号类型的概率值，根据概率值确定交易账号的账号类型。应用本方法，将交易账号的一维时间序列转化为多个二维张量，可以明确交易账号在周期内和周期间的变化情况，更好地确定交易账号的账号类型。

13、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种交易账号的识别方法，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，所述将所述交易账号的一维时间序列转化为基于多个周期的二维张量，包括：

3.根据权利要求1所述的方法，其特征在于，所述对所述多个周期的二维张量进行池化处理，确定所述交易账号的池化序列，包括：

4.根据权利要求1所述的方法，其特征在于，所述通过高斯混合模型对所述池化序列进行更新，包括：

5.根据权利要求1所述的方法，其特征在于，在获取预设时间范围内的交易流水后，所述方法还包括：

6.一种交易账号的识别装置，其特征在于，所述装置包括：

7.根据权利要求6所述的装置，其特征在于，所述转化模块，包括：

8.根据权利要求6所述的装置，其特征在于，所述第一处理模块，具体用于根据如下公式，确定所述交易账号的池化序列：

9.根据权利要求6所述的装置，其特征在于，所述更新模块，具体用于根据如下公式，对所述池化序列进行更新：

10.根据权利要求6所述的装置，其特征在于，所述装置还包括：

技术总结
本公开提供了一种交易账号的识别方法及装置，涉及数据处理领域，方法包括：获取预设时间范围内的交易流水，交易流水包括交易账号、交易时间和交易金额；针对每个交易账号，根据交易账号在预设时间范围内的交易流水生成交易账号的一维时间序列；将交易账号的一维时间序列转化为基于多个周期的二维张量；对多个周期的二维张量进行池化处理，确定交易账号的池化序列；通过高斯混合模型对池化序列进行更新；根据更新后的池化序列确定交易账号属于不同账号类型的概率值，根据概率值确定交易账号的账号类型。应用本方法，将交易账号的一维时间序列转化为多个二维张量，可以明确交易账号在周期内和周期间的变化情况，更好地确定交易账号的账号类型。

技术研发人员：栗位勋,李梦哲,郭伟怡,孙悦,蔡准,郭晓鹏
受保护的技术使用者：北京芯盾时代科技有限公司
技术研发日：
技术公布日：2024/2/8