(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221097014 4.4 (22)申请日 2022.08.12 (71)申请人 北京神州新 桥科技有限公司 地址 100089 北京市海淀区西三环北路89 号12层B- 08号 (72)发明人 蒋祥胜　肖霞　王雅　 (74)专利代理 机构 北京智信四方知识产权代理 有限公司 1 1519 专利代理师 黄健 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 40/04(2012.01) (54)发明名称 交易异常检测方法、 装置、 电子设备及可读 存储介质 (57)摘要 本公开涉及数据处理技术领域， 具体涉及一 种交易异常检测方法、 装置、 电子设备及可读存 储介质， 所述交易异常检测方法包括： 获取历史 交易数据； 根据所述历史交易数据训练异常检测 模型； 其中， 所述异常检测模型为深度学习模型； 利用所述异常检测模型识别当前交易是否存在 异常； 在所述当前交易存在异常时， 发送告警提 示至业务人员。 上述技术方案能够挖掘出获取历 史交易数据中与异常交易相关联的特征， 进而用 于识别当前交易的异常， 并在识别出异常时以告 警提示方式通知业务人员， 克服了依赖人工查验 和设定阈值的方式存在的标准不统一的问题， 而 且随着训练数据的完备， 提高了异常识别的效率 和准确性， 避免了异常交易可能导致的财产损 失。 权利要求书2页 说明书9页 附图6页 CN 115471309 A 2022.12.13 CN 115471309 A 1.一种交易异常检测方法， 其特 征在于， 包括： 获取历史 交易数据； 根据所述历史 交易数据训练异常检测模型； 其中， 所述异常检测模型为深度学习模型； 利用所述异常检测模型识别当前交易是否存在异常； 在所述当前交易存在异常时， 发送告警提 示至业务人员。 2.根据权利要求1所述的交易异常检测方法， 其特征在于， 所述根据所述历史交易数据 训练异常检测模型， 包括： 对所述历史 交易数据进行 预处理； 将预处理后的数据作为原 始数据输入自编码器得到 重构数据， 计算第一重构误差； 对所述预处 理后的数据、 重构数据进行分类， 计算分类误差 。 3.根据权利要求2所述的交易异常检测方法， 其特征在于， 所述自编码器包括第 一编码 器和解码器； 所述将预处 理后的数据作为原 始数据输入自编码器得到 重构数据包括： 将预处理后的数据作为原 始数据输入第一编码器中得到潜向量； 所述解码器将所述潜向量进行解码得到 重构数据。 4.根据权利要求3所述的交易异常检测方法， 其特 征在于， 还 包括： 将所述重构数据输入第二编码器得到再重构数据， 计算第二重构误差； 所述第二编码 器与所述第一编码器的结构相同； 根据所述第一重构误差、 分类误差确定损失函数， 训练得到异常检测模型； 或者， 根据 所述第一重构误差、 分类误差、 第二重构误差确定损失函数， 训练得到异常检测模型。 5.根据权利要求2所述的交易异常检测方法， 其特征在于， 所述对所述历史交易数据进 行预处理， 包括： 按照预设规则对所述历史 交易数据进行采样； 提取每一交易数据的特 征， 并将提取的特 征组合成向量作为原 始数据。 6.根据权利要求5所述的交易异常检测方法， 其特征在于， 所述预设规则 至少包括交易 时间序列、 交易类型。 7.根据权利要求1所述的交易异常检测方法， 其特征在于， 在所述当前交易存在异常 时， 发送告警提 示至业务人员， 包括： 在所述当前交易存在异常时， 以语音、 邮件、 短信中的一种或两种方式发送告警提示至 业务人员。 8.一种交易异常检测装置， 其特 征在于， 包括： 获取模块， 被 配置为获取历史 交易数据； 训练模块， 被配置为根据 所述历史交易数据训练异常检测模型； 其中， 所述异常检测模 型为深度学习模型； 识别模块， 被 配置为利用所述异常检测模型识别当前交易是否存在异常； 发送模块， 被 配置为在所述当前交易存在异常时， 发送告警提 示至业务人员。 9.一种电子设备， 其特征在于， 包括存储器和 处理器； 其中， 所述存储器用于存储一条 或多条计算机指令， 其中， 所述一条或多条计算机指令被所述处理器执行以实现权利要求 1‑7任一项所述的方法步骤。权　利　要　求　书 1/2 页 2 CN 115471309 A 210.一种计算机可读存储介质， 其上存储有计算机指令， 其特征在于， 该计算机指令被 处理器执行时实现权利要求1 ‑7任一项所述的方法步骤。权　利　要　求　书 2/2 页 3 CN 115471309 A 3