(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 202111622991.3 (22)申请日 2021.12.28 (71)申请人 杭州趣链科技有限公司 地址 310000 浙江省杭州市西湖区文三路 199号13幢南楼5 01室 (72)发明人 汪小益　谭锦志　詹士潇　曾磊　 匡立中　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 张萍 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 40/04(2012.01) G06Q 20/06(2012.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 非法金融活动检测方法、 系统、 电子设备及 介质 (57)摘要 本发明提供了一种非法金融活动检测方法、 系统、 电子设备及介质， 包括： 获取区块链加密货 币的交易数据， 并基于交易数据建立交易网络； 其中， 交易网络包括多个交易子图， 每个交易账 户对应一个交易子图； 将交易子图输入到预先基 于图神经网络模 型训练得到的检测模 型中， 输出 交易子图的检测结果。 本发明通过图神经网络模 型增强非法金融活动结构的识别效率， 解决现有 的规则只能识别指定的非法金融活动结构， 难以 识别隐匿结构的问题。 权利要求书2页 说明书11页 附图4页 CN 114782159 A 2022.07.22 CN 114782159 A 1.一种非法金融活动检测方法， 其特 征在于， 包括： 获取区块链加密货币的交易数据， 并基于所述交易数据建立交易网络； 其中， 所述交易 网络包括多个交易子图， 每 个交易账户对应一个所述交易子图； 将所述交易子图输入到预先基于图神经网络模型训练得到的检测模型中， 输出所述交 易子图的检测结果。 2.根据权利要求1所述的方法， 其特 征在于， 所述检测模型的构建包括： 获取区块链加密货币的样本交易数据， 并基于所述样本交易数据建立样本交易网络； 基于预先设定的图筛选规则和预先定义的异常子图结构， 对所述样本交易网络进行筛 选， 确定第一异常子图； 其中， 所述第一异常子图为非法金融活动节点对应的交易子图； 将所述第一异常子图与已标注的非法金融活动节点对应的交易子图进行比对， 确定未 筛选出的非法金融活动节点， 并对所述未筛选出的非法金融活动节点的交易子图进行采 样， 得到第二异常子图； 将所述第一异常子图与所述第 二异常子图输入到图神经网络模型中进行训练， 得到基 于图神经网络模型的检测模型。 3.根据权利要求2所述的方法， 其特征在于， 所述获取区块链加密货币的样本交易数 据， 并基于所述样本交易数据建立样本交易网络的步骤之后， 所述方法还 包括： 对所述样本交易网络中每个交易账户的交易特征进行统计； 其中， 所述交易特征包括 节点特征和边特 征。 4.根据权利要求2所述的方法， 其特征在于， 所述基于预先设定的图筛选规则和预先定 义的异常子图结构， 对所述样本交易网络进行筛 选， 确定第一异常子图的步骤， 包括： 基于所述样本交易数据， 确定每个交易账户的金额损耗率、 交易过程中的节点数量、 交 易次数以及中心性特 征； 如果所述交易账户的金额损耗率、 交易过程中的节点数量、 交易次数以及中心性特征 均满足预设要求， 且所述交易账户对应的交易子图符合所述预先定义的异常子图结构， 确 定所述交易账户对应的交易子图为第一异常子图； 其中， 所述预先定义的异常子图结构至 少包括： 链式交易结构、 环状交易结构、 集中转入/ 分散转出 交易结构和分散转入/集中转出 交易结构。 5.根据权利要求2所述的方法， 其特征在于， 所述将所述第 一异常子图与已标注的非法 金融活动节点对应的交易子图进行比对， 确定未筛选出 的非法金融活动节点， 并对所述未 筛选出的非法金融活动节点的交易子图进行采样， 得到第二异常子图的步骤， 包括： 将所述第一异常子图与已标注的非法金融活动节点对应的交易子图进行比对， 确定未 筛选出的非法金融活动节点； 基于所述未筛选出的非法金融活动节点的交易子图， 确定未筛选出的非法金融活动节 点的转移概 率； 其中， 所述 转移概率包括： 节点 转移概率和边特 征转移概 率； 基于所述节点转移概率和预设的节点游走策略确定节点采样子图， 以及基于所述边特 征转移概 率预设的边游走 策略确定边采样子图； 将所述节点采样子图和所述 边采样子图进行优化， 得到第二异常子图。 6.根据权利要求5所述的方法， 其特征在于， 所述将所述节点采样子图和所述边采样子 图进行优化， 得到第二异常子图的步骤， 包括：权　利　要　求　书 1/2 页 2 CN 114782159 A 2确定不同所述节点采样子图共同的节点集合， 以及不同所述边采样子图所有的边集 合； 基于所述节点 集合和所述 边集合确定第二异常子图。 7.根据权利要求2所述的方法， 其特征在于， 所述将所述第 一异常子图与所述第 二异常 子图输入到图神经网络模型中进行训练， 得到基于图神经网络模型 的检测模型 的步骤， 包 括： 基于图注意力神经网络， 聚合所述第 一异常子图与所述第 二异常子图中所有节点的邻 域特征， 并确定节点特 征； 通过所述图注意力神经网络的最大池化层将所述节点特 征池化为子图特 征； 采用k‑means聚类算法将所述节点特 征进行聚合， 并确定聚类损失函数； 将所述子图特征通过非线性变换特征函数进行特征重构， 并基于重构后的子图特征确 定重构损失函数； 将所述聚类损失函数和所述重构损失函数的加权和 确定为总体损失函数； 基于所述总体损 失函数对图神经网络模型进行训练， 直至所述总体损 失函数收敛， 得 到基于图神经网络模型的检测模型。 8.一种非法金融活动检测系统， 其特 征在于， 包括： 数据获取模块， 用于获取区块链加密货币的交易数据， 并基于所述交易数据建立交易 网络； 其中， 所述交易网络包括多个交易子图， 每 个交易账户对应一个所述交易子图； 检测模块， 用于将所述交易子图输入到预先基于图神经网络模型训练得到的检测模型 中， 输出所述交易子图的检测结果。 9.一种电子设备， 其特征在于， 包括处理器和存储器， 所述存储器存储有能够被所述处 理器执行 的计算机可执行指令， 所述处理器执行所述计算机可执行指令以实现权利要求1 至7任一项所述的方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质上存储有计算机程序， 其特征 在于， 所述计算机程序被处 理器运行时执 行上述权利要求1至7任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114782159 A 3