所属的技术人员知道，本发明可以实现为系统、方法或计算机程序产品，因此，本发明可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是一一但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)，只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
背景技术：
1、对交易欺诈交易账号的识别，关键是识别群体交易账号，是欺诈交易识别的关键环节。当前的交易欺诈群体识别技术手段主要还是通过资金链路社团划分进行提取。比如利用关联图谱技术挖掘不同实体间的关联关系，构建客户、账户、交易等实体的网络结构，通过社团识别如标签传播或鲁汶算法进行社区分割后判定子社区内的风险行。
2、但是，当前交易欺诈群体交易账号识别仍存在一些问题和痛点难点无法完美解决，社团划分对于交易欺诈中的群体交易账号没办法进行精确识别，无法区分其中无风险交易账号，首先，欺诈群体的规模和组织结构可能非常复杂，涉及大量的交易账号和交易，需要构建有效的特征体系才能精准识别群体关联交易账号，其次，并非所有与群体有联系的交易账号都表现出明显的欺诈风险特征，因为在社团内部，可能同时存在高风险和无风险交易账号，这使得仅通过社团划分难以区分。对于欺诈交易账号来源，包括新账户的开户以及旧交易账号的买断和租用，因此交易账号的历史交易对手有可能是账户的正常交易对手，不能仅仅通过社区划分在同一子社团内就判定为同一欺诈群体。
技术实现思路
1、本发明所要解决的技术问题是针对现有技术的不足，具体提供了一种基于机器学习模型的高关联度群体账号识别方法和系统，具体如下：
2、1)第一方面，本发明提供一种基于机器学习模型的高关联度群体账号识别方法，具体技术方案如下：
3、利用训练好的机器学习模型，计算疑似群体欺诈的交易账号与疑似群体欺诈的交易账号关联的每个交易账号之间的关联紧密度，利用关联紧密度阈值，筛选出疑似群体欺诈的交易账号关联的目标交易账号，并将目标交易账号作为疑似群体欺诈的交易账号进行迭代，得到多个目标交易账号；
4、对疑似群体欺诈的交易账号和所有目标账号中是否存在群体欺诈的交易账号进行判定。
5、本发明提供的一种基于机器学习模型的高关联度群体账号识别方法的有益效果如下：
6、通过训练好的机器学习模型，得到疑似群体欺诈的交易账号与疑似群体欺诈的交易账号关联的每个交易账号之间的关联紧密度，然后筛选出疑似群体欺诈的交易账号关联的目标交易账号，并进行多次迭代，精准识别出多个目标交易账号，可以更全面地分析和识别完整的欺诈群体的交易账号的结构，能够更精准判断是否存在群体欺诈的交易账号。
7、在上述方案的基础上，本发明的一种基于机器学习模型的高关联度群体账号识别方法还可以做如下改进。
8、进一步，还包括：
9、根据每次筛选出的所有目标交易账号，均分别构建连通图；
10、对疑似群体欺诈的交易账号和所有目标账号中是否存在群体欺诈的交易账号进行判定，包括：
11、利用群体关联紧密度规则，对每个连通图进行判断，以确定疑似群体欺诈的交易账号和所有目标账号中是否存在群体欺诈的交易账号。
12、采用上述进一步方案的有益效果是：利用群体关联紧密度规则，能够精准判断是否存在群体欺诈的交易账号。
13、进一步，疑似群体欺诈的交易账号的获取过程包括：
14、通过高风险群体账号筛选规则，在全量交易账号中，筛选出疑似群体欺诈的交易账号。
15、采用上述进一步方案的有益效果是：基于高风险群体账号筛选规则筛选出疑似群体欺诈的交易账号，缩小训练好的机器学习模型的识别范围，提高识别效率。
16、进一步，训练好的机器学习模型的获取过程，包括：
17、利用已知群体欺诈账号和无风险账号作为样本，对机器学习模型进行训练，得到训练好的机器学习模型。
18、采用上述进一步方案的有益效果是：充分利用已知群体欺诈账号和无风险账号，使机器学习模型能够更好地捕捉欺诈行为的特征，提升训练好的机器学习模型的识别准确性。
19、2)第二方面，本发明还提供一种基于机器学习模型的高关联度群体账号识别系统，具体技术方案如下：
20、包括目标交易账号获取模块和判断模块；
21、目标交易账号获取模块用于：利用训练好的机器学习模型，计算疑似群体欺诈的交易账号与疑似群体欺诈的交易账号关联的每个交易账号之间的关联紧密度，利用关联紧密度阈值，筛选出疑似群体欺诈的交易账号关联的目标交易账号，并将目标交易账号作为疑似群体欺诈的交易账号进行迭代，得到多个目标交易账号；
22、判断模块用于：对疑似群体欺诈的交易账号和所有目标账号中是否存在群体欺诈的交易账号进行判定。
23、在上述方案的基础上，本发明的一种基于机器学习模型的高关联度群体账号识别系统还可以做如下改进。
24、进一步，还包括连通图构建模块，连通图构建模块用于：根据每次筛选出的所有目标交易账号，均分别构建连通图；
25、判断模块具体用于：利用群体关联紧密度规则，对每个连通图进行判断，以确定疑似群体欺诈的交易账号和所有目标账号中是否存在群体欺诈的交易账号。
26、进一步，还包括交易账号筛选模块，交易账号筛选模块用于：通过高风险群体账号筛选规则，在全量交易账号中，筛选出疑似群体欺诈的交易账号。
27、进一步，还包括模型训练模块，模型训练模块用于：
28、利用已知群体欺诈账号和无风险账号作为样本，对机器学习模型进行训练，得到训练好的机器学习模型。
29、3)第三方面，本发明还提供一种电子设备，电子设备包括处理器，处理器与存储器耦合，存储器中存储有至少一条计算机程序，至少一条计算机程序由处理器加载并执行，以使电子设备实现上述任一项基于机器学习模型的高关联度群体账号识别方法。
30、4)第四方面，本发明还提供一种计算机可读存储介质，计算机可读存储介质中存储有至少一条计算机程序，至少一条计算机程序由处理器加载并执行，以使计算机实现上述任一项基于机器学习模型的高关联度群体账号识别方法。
31、需要说明的是，本发明的第二方面至第四方面的技术方案及对应的可能的实现方式所取得的有益效果，可以参见上述对第一方面及其对应的可能的实现方式的技术效果，此处不再赘述。
1.一种基于机器学习模型的高关联度群体账号识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于机器学习模型的高关联度群体账号识别方法，其特征在于，还包括：
3.根据权利要求1或2所述的一种基于机器学习模型的高关联度群体账号识别方法，其特征在于，所述疑似群体欺诈的交易账号的获取过程包括：
4.根据权利要求1或2所述的一种基于机器学习模型的高关联度群体账号识别方法，其特征在于，所述训练好的机器学习模型的获取过程，包括：
5.一种基于机器学习模型的高关联度群体账号识别系统，其特征在于，包括目标交易账号获取模块和判断模块；
6.根据权利要求5所述的一种基于机器学习模型的高关联度群体账号识别系统，其特征在于，还包括连通图构建模块，所述连通图构建模块用于：根据每次筛选出的所有目标交易账号，均分别构建连通图；
7.根据权利要求5或6所述的一种基于机器学习模型的高关联度群体账号识别系统，其特征在于，还包括交易账号筛选模块，所述交易账号筛选模块用于：通过高风险群体账号筛选规则，在全量交易账号中，筛选出疑似群体欺诈的交易账号。
8.根据权利要求5或6所述的一种基于机器学习模型的高关联度群体账号识别系统，其特征在于，还包括模型训练模块，所述模型训练模块用于：
9.一种电子设备，其特征在于，所述电子设备包括处理器，所述处理器与存储器耦合，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述电子设备实现如权利要求1至4任一项权利要求所述的一种基于机器学习模型的高关联度群体账号识别方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使计算机实现如权利要求1至4任一项权利要求所述的一种基于机器学习模型的高关联度群体账号识别方法。
