(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 202210865921.9 (22)申请日 2022.07.22 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 陈李龙　徐林嘉　冯歆然　季晨颖　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 贾磊　党晓林 (51)Int.Cl. G06Q 40/04(2012.01) G06F 16/2455(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于时间序列数据的异常用户识别方 法和装置 (57)摘要 本文涉及金融领域， 特别的， 涉及一种基于 时间序列数据的异常用户识别方法和装置， 其中 方法包括： 获取用户在连续的多个 设定时段内的 多组多维交易数据， 其中每一设定时段均对应一 组多维交易数据； 将所述多组多维交易数据转换 为矩阵形式， 得到时间滑窗矩阵； 所述时间滑窗 矩阵中的每个元素分别代表一组多维交易数据； 将所述时间滑窗矩阵分解得到趋势矩阵； 所述趋 势矩阵中包含多组多维交易数据中符合趋势的 数据； 根据所述趋势矩阵， 得到用户在连续的多 个设定时段内分别对应的连续的多个 分值； 将所 述连续的多个 分值分别与设定阈值比较， 根据比 较结果， 识别所述用户为正常用户或异常用户。 本文能够更为精准高效的识别异常用户。 权利要求书2页 说明书11页 附图4页 CN 115170318 A 2022.10.11 CN 115170318 A 1.一种基于时间序列数据的异常用户识别方法， 其特 征在于， 包括： 获取用户在连续的多个设定时段内的多组多维交易数据， 其中每一设定时段均对应一 组多维交易数据； 将所述多组多维交易数据转换为矩阵形式， 得到时间滑窗矩阵； 所述时间滑窗矩阵中 的每个元素分别代 表一组多维交易数据； 将所述时间滑窗矩阵分解得到趋势矩阵； 所述趋势矩阵中包含多组多维交易数据中符 合趋势的数据； 根据所述趋势 矩阵， 得到用户在连续的多个设定时段内分别对应的连续的多个分值； 将所述连续的多个分值分别与设定阈值比较， 根据比较结果， 识别所述用户为正常用 户或异常用户。 2.根据权利要求1所述的基于时间序列数据的异常用户识别方法， 其特征在于， 所述将 所述时间滑窗矩阵分解得到 趋势矩阵之前还 包括： 利用二维卷积神经网络对所述时间滑窗矩阵进行非线性变换。 3.根据权利要求1所述的基于时间序列数据的异常用户识别方法， 其特征在于， 所述根 据所述趋势矩阵， 得到用户在连续的多个设定时段内分别对应的连续的多个分值进一步包 括： 将所述趋势矩阵转换为趋势序列， 所述趋势序列中的每个元素分别代表一组多维交易 数据中符合趋势的数据； 利用一维卷积神经网络对所述趋势序列进行非线性变换； 对非线性变换后的所述趋势序列进行计算， 得到用户在多个设定时段内分别对应的多 个分值。 4.根据权利要求3所述的基于时间序列数据的异常用户识别方法， 其特征在于， 所述对 非线性变换后的所述趋势序列进 行计算， 得到用户在多个设定时段内分别对应的多个分值 进一步包括： 利用如下公式计算得到用户在多个设定时段内分别对应的多个分值： 其中， scorei为用户在第i个设定时段内对应的分值， 为非线性变换后的趋势序列中 第i个设定时段对应的多维交易数据中符合趋势的数据， 为 的L2范数。 5.根据权利要求1所述的基于时间序列数据的异常用户识别方法， 其特征在于， 所述将 所述时间滑窗矩阵分解得到 趋势矩阵进一 步包括： 利用自动 编码器将所述时间滑窗矩阵分解得到 趋势矩阵。 6.根据权利要求5所述的基于时间序列数据的异常用户识别方法， 其特征在于， 所述利 用自动编码器将所述时间滑窗矩阵分解得到 趋势矩阵进一 步包括： 将所述时间滑窗矩阵分解为初始趋势矩阵和初始偏差矩阵， 其中所述初始偏差矩阵中 包含多组多维交易数据中偏离 趋势的数据； 利用自动编码器的编码函数对所述初始趋势矩阵进行编码， 得到编码后的初始趋势矩 阵；权　利　要　求　书 1/2 页 2 CN 115170318 A 2利用自动 编码器的解码函数对所述编码后的初始趋势 矩阵进行解码， 得到 重构矩阵； 利用自动编码器的目标函数对所述初始趋势矩阵、 重构矩阵， 以及初始偏差矩阵进行 训练， 得到 趋势矩阵。 7.根据权利要求1所述的基于时间序列数据的异常用户识别方法， 其特征在于， 所述将 所述多组多维交易数据转换为矩阵形式， 得到时间滑窗矩阵进一 步包括： 构建多组多维交易数据的时间序列， 其中所述 时间序列中的每个元素分别代表一组多 维交易数据； 按照设定时间窗口， 通过设定时间窗口迭代构造时间滑窗矩阵。 8.一种基于时间序列数据的异常用户识别装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取用户在连续的多个设定时段内的多组多维交易数据， 其中每一设 定时段均对应一组多维交易数据； 转换模块， 用于将所述多组多维交易数据转换为矩阵形式， 得到时间滑窗矩阵； 所述 时 间滑窗矩阵中的每 个元素分别代 表一组多维交易数据； 分解模块， 用于将所述时间滑窗矩阵分解得到趋势矩阵； 所述趋势矩阵中包含多组多 维交易数据中符合趋势的数据； 确定模块， 用于根据所述趋势矩阵， 得到用户在连续的多个设定时段内分别对应的连 续的多个分值； 识别模块， 用于将所述连续的多个分值分别与设定 阈值比较， 根据比较结果， 识别所述 用户为正常用户或异常用户。 9.一种计算机设备， 包括存储器、 处理器、 以及存储在所述存储器上的计算机程序， 其 特征在于， 所述计算机程序被所述处理器运行时， 执行根据权利要求 1‑7任意一项 所述方法 的指令。 10.一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 被计算机设备的处 理器运行时， 执 行根据权利要求1 ‑7任意一项所述方法的指令 。权　利　要　求　书 2/2 页 3 CN 115170318 A 3