结合互联网用户信息分析的金融交易异常行为检测方法

1. 成果简介

首先，针对Twitter、微博等公开社交媒体中的用户发文数据，创新性地提出了主题序列模式的概念，通过建立同一用户发文内容之间的关联关系，准确刻画互联网用户完整而重复的发文行为，复现其发文策略，体现了发文背后的真实意图和潜在意图。在此基础上，提出了用户感知的稀有主题序列模式和稀有主题复杂模式的挖掘问题，并设计了高效的挖掘方法，利用“整体稀有，局部频繁”的特征，在海量的数据中识别出这些个性化和异常的行为模式，并关联到对应的异常用户。

在此基础上，面对作案手法日益隐蔽和升级的互联网经济犯罪活动，研发了基于互联网言语信息的异常资金活动查控分析平台，从新闻、微博、论坛、通讯记录等各类互联网言语信息出发，与社会关系、资金交易等结构化信息进行整合，对已知的犯罪模式进行渐进交互式的研判与跟踪，并对未知的异常行为模式进行分析与挖掘，基于发现的新线索，继续在互联网中爬取和调取相关信息，形成多轮迭代的金融异常行为研判框架。同时，挖掘出的新模式经确认后还可补充和优化类罪模型与类罪战法库，协助专业人员破案。

同时，作为中国科学院软件研究所具有自主知识产权的软件产品，研发了金融数据审计分析平台，致力于为金融机构、政府部门提供非现场审计解决方案。在十多年的应用中，不但完善了系统功能，提高了系统稳定性，还建立了自有的金融审计风险体系及审计模型，在多家金融机构的应用中，取得了较好的经济和社会效益。平台在审计分析模型建设、审计结果可视化展示、非现场审计流程管理等方面提出了非现场审计分析预警系统及整体解决方法，其中平台拥有的汉化编程等核心技术具有独立知识产权，领先于国内外同类数据分析系统。

2. 技术创新点

该技术的技术创新点如下：

（1）整合无监督挖掘和弱监督学习的方法，解决了异常行为数据不易获取和标注困难的问题；

（2）充分利用了历史沉淀下来的静态知识和基于专业人员领域经验的动态知识，充分发挥了计算机和专业人员各自的优势；

（3）将线上发文行为和线下交易行为结合起来，形成多层异构网络，从中发现更多的线索，并通过迭代研判，识别更多的异常行为；

（4）汉化编程技术解决了业务人员根据自身经验进行模型编制的难题；

（5）提出了非现场审计整体解决方案，包括非现场审计模型编制、可视化分析、非现场审计流程管理及外部数据引入等。

3. 技术成熟度

该技术处于产品化阶段（市场应用），已形成多项产品，成功应用于多个行业。

首先，基于互联网言语信息的异常资金活动查控分析平台作为公安部经侦局违法犯罪资金查控平台的子模块，在云端行动、e租宝案、黄金票专项行动、百城会战等多起重大经济案件中发挥了重要作用，为国家挽回了大量损失，得到了公安部经侦局的高度评价。

金融数据审计分析平台已在国家审计署、国家开发银行、中国农业发展银行等政府部门和金融机构得到广泛应用，协助国家开发银行完成了非现场审计体系及非现场审计风险管控体系的设计，有效提升了审计人员的查控和分析水平。

4. 可应用领域

该技术可用于互联网用户个体和群体异常行为分析、金融交易异常行为分析、企业内部员工异常行为分析，以及金融机构、政府部门等单位的内部审计和非现场审计。

5. 联系人

朱嘉奇，zhujq@ios.ac.cn，13683257241