申请/专利权人：中南大学

申请日：2021-03-11

公开（公告）日：2024-04-02

公开（公告）号：CN113011888B

主分类号：G06Q20/40

分类号：G06Q20/40;G06Q20/36;G06Q20/06;G06Q40/04;G06F18/2321;G06F18/2433

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.07.09#实质审查的生效;2021.06.22#公开

摘要：本发明公开了一种针对数字货币的异常交易行为检测方法、装置、设备及介质，方法为：获取数字货币交易所中每个用户的交易数据；将检测时间段划分为若干分段，将单个用户在各时间分段的交易记录组合，均作为该用户的交易行为；从多个维度对交易行为进行特征描述，作为交易行为的特征向量；所有用户所有交易行为的特征向量构成数据集；使用局部异常因子算法计算数据集中每个数据点的离群因子值；对数据集聚类，并对各数据点根据其所在簇大小调整其离群因子值；根据调整后的离群因子值确定该数据点对应交易行为分析单元的异常交易可疑值，进而确定该用户的异常交易可疑性。本发明提高异常交易行为检测的准确度，对有异常交易嫌疑的账户自动化检测。

主权项：1.一种针对数字货币的异常交易行为检测方法，其特征在于，包括：获取数字货币交易所中每个用户在检测时间段的所有交易记录；将检测时间段划分为长度相同的m个分段，将单个用户在第j个时间分段tj的所有交易记录的组合，作为该用户的第j个交易行为分析单元S′j；1≤j≤m；从入场、出场以及币币交易这三个维度对每个交易行为分析单元进行特征描述，作为交易行为分析单元的特征向量；所有用户所有交易行为分析单元的特征向量，构成数据集；交易行为分析单元在入场维度提取的特征包括：入场总额、入场总次数、入场额均值、入场频率、单笔最大入场额、入场最大额与最小额差值、入场额离散系数、入场额占总交易额比、入场次数占总交易次数比、入场额为整数的交易次数、入场额大于一万的交易次数、最多持续入场次数、非工作时段入场次数占入场总次、入场币种数、入场小众币种数占入场币种数比和最长入场间隔天数；交易行为分析单元在出场维度提取的特征包括：出场总额、出场总次数、出场额均值、出场频率、单日最大出场额、单笔最大出场额、出场最大额与最小额差值、出场额占总交易额比例、出场次数占总交易次数比、出场额大于与小于均值的次数差、出场天数、连续最多出场次数、非工作时段出场次数占入场总次数比、出场币种数、出场小众币种数占入场币种数比例和出场后数字钱包余额为零的次数；交易行为分析单元在币币交易维度提取的特征包括：币币交易总额、币币交易次数、币币交易交易对数量、币币交易涉及币种数、币币交易频率、币币交易次数占总交易次数比例、币币交易额离散系数和非工作时段币币交易次数占币币交易总次数比例；使用局部异常因子算法计算数据集中每个数据点的离群因子值LOF；对数据集中所有数据点进行聚类，并对各数据点根据其所在聚类簇的大小调整其离群因子值，所得值称为DLOF值；其中，数据点p的离群因子值的计算方法为：首先确定数据点p在数据集中的k邻域，记作Nkp；然后按以下公式计算数据点p到其k邻域Nkp中每个数据点o的可达距离以及数据点p的局部可达密度：reach-distkp，o＝max{dko，dp，o}； 式中，reach-distkp，o表示数据点p到数据点o的可达距离，dko为数据点o的第k距离，dp，o为数据点o与数据点p之间的距离；max{}表示求最大值；lrdkp表示数据点p的局部可达密度，|Nkp|表示k邻域Nkp中的数据点个数；再按照与数据点p的局部可达密度相同的计算方法，计算数据点p的k邻域Nkp中每个数据点o的局部可达密度lrdko；最后，按以下公式计算数据点p的离群因子值LOFp： 对各数据点根据其所在聚类簇的大小调整其离群因子值的方法为： 式中，LOFp表示数据点p的离群因子值，DLOFp表示对数据点p的LOFp调整得到后的离群因子值，cn表示第n个聚类簇，|cn|表示聚类簇cn包括的数据点个数，K为聚类簇的数量；根据数据点的DLOF值确定该数据点对应交易行为分析单元的异常交易可疑值，进而根据用户所有交易行为分析单元的异常交易可疑值确定该用户的异常交易可疑性；其中，交易行为分析单元的异常交易可疑值的计算公式为：tS′j＝α·Z1pj+1-α·Z2pj，α∈0，1； Z2pj＝1-PNDLOFpj，μ，σ；式中，tS′j表示交易行为分析单元S′j的异常交易可疑值，数据点pj表示交易行为分析单元S′j的特征向量，Z1pj和Z2pj均为有关数据点pj的中间参数；DLOFpj表示数据点pj的DLOF值，表示用户全体数据点的DLOF均值；Z2pj表示数据点pj的DLOF值DLOFpj在PN·的正态分布下被判为异常的概率，均值μ和标准差σ是在该用户所有数据点DLOF值的范围内计算得到；α表示加权系数；用户的异常交易可疑性的确定方法为：取该用户所有交易行为分析单元的异常交易可疑值中最大的前n个异常交易可疑值的平均值，即为该用户的异常交易可疑值。

全文数据：

权利要求：

百度查询： 中南大学 一种针对数字货币的异常交易行为检测方法、装置、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD