(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 202210916345.6 (22)申请日 2022.08.01 (71)申请人 复旦大学 地址 200433 上海市杨 浦区邯郸路2 20号 (72)发明人 吴斌　李银胜　 (74)专利代理 机构 上海德昭知识产权代理有限 公司 31204 专利代理师 郁旦蓉 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 30/00(2012.01) G06F 30/27(2020.01) G06F 16/36(2019.01) G06F 119/02(2020.01) (54)发明名称 一种面向供应链金融的欺诈检测系统 (57)摘要 本发明提供一种面向供应链金融的欺诈检 测系统， 以供应链金融涉及的抵押物状态为核心 线索， 企业信用为辅， 基于抵押物及企业知识图 谱有效识别欺诈， 弥补欺诈识别模型在异质、 异 构信息方面的缺失， 完善抵押物、 企业及其关联 数据的关系。 该系统包括数据采集、 图谱构建、 欺 诈识别以及欺诈解释四个模块。 由数据采集模块 通过不同的数据来源能够采用不同的采集方式 来获取各类数据对象， 包括企业和抵押物等。 由 图谱构建模块从数据中基于本体及关系建模生 成对应的知识图谱。 欺诈识别模块基于知识图谱 采用欺诈 检测识别方法， 获得不同对象的欺诈判 定。 通过欺诈解释模块给出欺诈对象的特征和图 谱关系解释， 并进行可视化展示， 为风控人员后 续决策提供辅助。 权利要求书3页 说明书9页 附图1页 CN 115271920 A 2022.11.01 CN 115271920 A 1.一种面向供应链金融的欺诈检测系统， 用于对供应链金融方面的多源信息进行欺诈 风险检测， 其特 征在于， 包括： 数据采集模块、 图谱构建模块、 欺诈 识别模块以及欺诈解释模块； 其中， 所述数据采集模块基于不同的数据来源采集数据对象并进行数据预处理， 所述 数据对象至少包括抵押物及企业， 所述图谱构建模块， 与所述数据采集模块相通信连接， 基于预处理后的数据对象， 根据 数据对象对应的知识本体及关系进行建模， 生成与数据对象对应的知识图谱， 所述欺诈识别模块， 与所述图谱构建模块通信连接， 对知识图谱中的数据对象在各自 图谱内的表示进行学习， 并共享图谱之间的复杂关系， 来判定识别不同数据对 象即抵押物 和企业是否存在欺诈， 所述欺诈解释模块， 与所述欺诈识别模块通信连接， 用于对存在欺诈 的抵押物及企业 的节点特 征和图谱关系进行 可视化展示， 为 风控人员提供欺诈判定的解释。 2.根据权利要求1所述的一种面向供应链金融的欺诈检测系统， 其特 征在于： 其中， 所述数据采集模块具有数据采集单 元和预处 理单元， 所述数据采集单元用于针对不同性质的数据对象， 通过不同的采集方法采集与数据对 象对应的主体数据， 所述采集方法至少包括人工输入、 调用内部业务系统、 调用第三方接口以及网络数据 爬取， 所述预处理单元对所述数据采集单元采集到的数据对象及其对应的主体数据进行数 据预处理， 所述数据预处 理至少包括数据解析、 数据去重、 数据融合和标签处 理。 3.根据权利要求2所述的一种面向供应链金融的欺诈检测系统， 其特 征在于： 其中， 所述数据对象为企业时， 其对应的主体数据至少包括企业注册时间、 注册资本、 实缴资本、 企业所属行业、 人员、 企业邮箱、 电话、 资产规模、 销售收入、 发票、 订单、 合同和物 流， 所述人员至少包括企业股东、 高管、 法人， 所述数据对象的性质为抵押物时， 其对应的主体数据至少包括抵押物类型、 抵押物金 额、 抵押物涉及企业、 抵押类型和仓储设施。 4.根据权利要求1所述的一种面向供应链金融的欺诈检测系统， 其特 征在于： 其中， 所述图谱构建模块具有知识建模单 元和知识抽取 单元， 所述知识建模单元采用自顶向下方法从所述预处理后的数据中基于知识本体及关系 进行知识建模， 生成知识图谱， 所述知识建模 包括领域本体、 领域属性和领域关系， 所述知识抽取单元从所述建模结果中进行知识抽取， 基于知识抽取的结果使用知识表 示形式， 从而获取知识 表示， 所述知识抽取包括结构化数据知识抽取， 所述知识 表示形式包 含实实体—关系—属性和实体—关系—实体两种形式。 5.根据权利要求 4所述的一种面向供应链金融的欺诈检测系统， 其特 征在于： 其中， 针对所述数据对象为抵押物的知识建模： 抵押物领域本体包括抵押物、 抵押物类型、 抵押类型、 仓储设施，权　利　要　求　书 1/3 页 2 CN 115271920 A 2抵押物领域关系包括抵押物 ‑抵押物类型间的所属关系、 抵押物 ‑抵押类型间的所属关 系、 抵押物‑仓储设施间的所属关系， 抵押物领域属性包括金额、 抵押物币种 、 发生时间、 截止时间； 针对所述数据对象为企业的知识建模： 企业领域本体包括企业、 人员、 邮箱、 电话、 发票、 订单、 合同、 物流， 企业领域关系包括企业 ‑人员类型间的所属关系、 企业 ‑邮箱间的所属关系、 企业 ‑电话 间的所属关系 、 企业间的发票 流、 订单流、 合同流、 物流关系， 企业领域属性包括企业注 册时间， 注 册资本， 实缴资本， 企业所属行业； 所述企业领域关系还 包括抵押物 ‑企业类型间的所属关系。 6.根据权利要求 4所述的一种面向供应链金融的欺诈检测系统， 其特 征在于： 其中， 所述数据采集模块还具有存储单元， 该存储单元以数据库 方式进行数据存储， 数 据库包括图数据库和关系型数据库， 分别存储 所述图谱构建模块生成的所述知识图谱和所 述知识表示。 7.根据权利要求 4所述的一种面向供应链金融的欺诈检测系统， 其特 征在于： 其中， 所述结构化数据知识抽取至少包括 转化抽取， 所述转化抽取为基于描述关系型数据库规则和知识表示形式之间关系的声明式语言， 将所述结构化数据转 化为抵押物及企业知识， 进行知识抽取。 8.根据权利要求1所述的一种面向供应链金融的欺诈检测系统， 其特 征在于： 其中， 所述欺诈识别模块具有Metapath抽 取单元、 GCN节点嵌入单元、 节点嵌入共享单 元以及欺诈判定单 元， 所述Metapath抽取单元用于从输入 的异质知识图谱即抵押物图谱或企业 图谱中抽取 多张同质图用于后续模型 学习， 所述GCN节点嵌入单元对所述Metapath抽取单元抽取得到的多张所述同质图分别 使用 GCN进行节点嵌入学习， 并对不同同质图获取的嵌入进行合并， 生成抵押物嵌入和企业嵌 入， 所述节点嵌入共享单元对所述抵押物嵌入和企业嵌入进行共享， 其中企业嵌入通过 Concat的方法合并入参与抵押物嵌入， 抵押 物嵌入通过Att ‑BLSTM模型处理后合并入所涉 及企业的嵌入， 所述欺诈判定单元对所述抵押物嵌入和企业嵌入， 分别 使用Softmax方法进行分类， 判 定每一笔抵押物及每一个企业是否存在欺诈。 9.根据权利要求1所述的一种面向供应链金融的欺诈检测系统， 其特 征在于： 其中， 所述欺诈解释模块具有抵押物欺诈解释单 元和企业欺诈解释单 元， 所述抵押物欺诈解释单元用于对判定为欺诈 的抵押物的特征及其图谱关系进行可视 化展示， 展示的内容至少包括抵押物节点特征重要性、 抵押物图中异质关系、 抵押物所涉及 企业、 抵押物所涉及企业的企业图异质关系， 所对应的解释对象至少包括抵押物图解释、 查 询相关企业、 企业图解释和关系合并， 所述企业欺诈解释单元， 用于对判定为欺诈的企业的特征和图谱关系进行可视化展 示， 展示的内容至少包括企业节点特征重要性、 企业图中异质关系、 企业所涉及抵押物、 企 业所涉及抵押物的抵押物图异质关系， 所对应的解释对 象至少包括企业图解释、 选取相关权　利　要　求　书 2/3 页 3 CN 115271920 A 3