本技术涉及计算机，具体而言，涉及一种应用于网络交易的风险预警方法及系统。
背景技术：
1、随着数字经济的迅猛发展和网络交易的日益普及，金融交易规模不断扩大，交易手段日益多样化。然而，这也带来了交易风险增加的问题，特别是非法资金转移、电信诈骗等犯罪活动日益猖獗，给金融安全带来了严重威胁。传统的风险预警方法主要依赖于人工审核和简单的规则匹配，难以应对日益复杂的网络交易环境，因此急需一种更为高效、准确的风险预警方法。
2、现有的网络交易风险预警方法多基于单一的数据源和分析模型，难以全面捕捉网络交易中的复杂行为模式。特别是在处理海量的网络交易数据时，传统的分析方法往往面临数据维度高、特征稀疏等问题，导致预警效果不理想。
技术实现思路
1、鉴于上述提及的问题，结合本技术的第一方面，本技术实施例提供一种应用于网络交易的风险预警方法，所述方法包括：
2、获取样例网络交易行为图谱中多个行为关系链路对应的基础交易行为连通阵列；
3、对所述多个行为关系链路对应的基础交易行为连通阵列进行潜在交互关系提取，生成衍生交易行为连通阵列；
4、依据所述衍生交易行为连通阵列对所述样例网络交易行为图谱进行嵌入表示，生成所述样例网络交易行为图谱的图谱嵌入表示矢量序列；
5、依据所述样例网络交易行为图谱的图谱嵌入表示矢量序列对网络交易风险预警模型进行模型参数优化，并基于完成模型参数优化的所述网络交易风险预警模型对任意用户的目标网络交易行为图谱进行网络交易风险标签估计，生成对应的网络交易风险标签后向所述用户推送风险预警信息。
6、在第一方面的一种可能的实施方式中，所述网络交易风险预警模型包括多个按照特征指向功能性连接的深层关系网络单元；
7、所述对所述多个行为关系链路对应的基础交易行为连通阵列进行潜在交互关系提取，生成衍生交易行为连通阵列，包括：
8、利用每个所述深层关系网络单元对所述多个行为关系链路对应的基础交易行为连通阵列进行潜在交互关系提取，生成每个所述深层关系网络单元对应的衍生交易行为连通阵列；
9、所述依据所述衍生交易行为连通阵列对所述样例网络交易行为图谱进行嵌入表示，生成所述样例网络交易行为图谱的图谱嵌入表示矢量序列，包括：
10、依据所述多个按照特征指向功能性连接的深层关系网络单元对应的衍生交易行为连通阵列对所述样例网络交易行为图谱进行按照特征指向功能性连接的嵌入表示，生成所述样例网络交易行为图谱的图谱嵌入表示矢量序列。
11、在第一方面的一种可能的实施方式中，所述利用每个所述深层关系网络单元对所述多个行为关系链路对应的基础交易行为连通阵列进行潜在交互关系提取，生成每个所述深层关系网络单元对应的衍生交易行为连通阵列，包括：
12、利用任意一个所述深层关系网络单元对任意一个所述行为关系链路对应的两个网络交易行为主体的交易行为轨迹矢量进行特征比较，生成任意一个所述行为关系链路对应的两个网络交易行为主体之间的相关性；
13、将多个所述行为关系链路对应的两个网络交易行为主体之间的相关性进行累加，生成累加相关性，将任意一个所述行为关系链路对应的两个网络交易行为主体之间的相关性与所述累加相关性的比率作为任意一个所述行为关系链路对应的互影响系数；
14、依据任意一个所述行为关系链路对应的互影响系数对任意一个所述行为关系链路对应的链路知识矢量进行交融，生成任意一个所述行为关系链路对应的交融链路知识矢量；
15、依据包括多个所述行为关系链路对应的交融链路知识矢量的序列，构成每个所述深层关系网络单元对应的交融链路知识矢量序列；
16、依据每个所述深层关系网络单元对应的交融链路知识矢量序列对所述基础交易行为连通阵列进行潜在交互关系提取，生成每个所述深层关系网络单元对应的衍生交易行为连通阵列。
17、在第一方面的一种可能的实施方式中，所述利用每个所述深层关系网络单元对所述多个行为关系链路对应的基础交易行为连通阵列进行潜在交互关系提取，生成每个所述深层关系网络单元对应的衍生交易行为连通阵列，包括：
18、利用多个深层关系网络单元的第x-1个深层关系网络单元与第x个深层关系网络单元的单元间关联逻辑，对所述第x-1个深层关系网络单元对应的衍生交易行为连通阵列进行递进潜在交互关系提取，生成所述第x个深层关系网络单元对应的衍生交易行为连通阵列；
19、其中，x依次递增且2≤x≤m，m为所述多个按照特征指向功能性连接的深层关系网络单元的数量，第1个深层关系网络单元对应的衍生交易行为连通阵列是依据所述多个行为关系链路分别对应的链路知识矢量对所述基础交易行为连通阵列进行潜在交互关系提取生成的。
20、在第一方面的一种可能的实施方式中，所述利用多个深层关系网络单元的第x-1个深层关系网络单元与第x个深层关系网络单元的单元间关联逻辑，对所述第x-1个深层关系网络单元对应的衍生交易行为连通阵列进行递进潜在交互关系提取，生成所述第x个深层关系网络单元对应的衍生交易行为连通阵列，包括：
21、将所述基础交易行为连通阵列与所述第x-1个深层关系网络单元对应的衍生交易行为连通阵列进行区别对比，生成第一区别交易行为连通阵列，所述第一区别交易行为连通阵列包括所述第x-1个深层关系网络单元中未提取到的行为关系链路；
22、依据所述多个行为关系链路分别对应的链路知识矢量对所述第一区别交易行为连通阵列进行潜在交互关系提取，生成第二区别交易行为连通阵列；
23、将所述第x-1个深层关系网络单元对应的衍生交易行为连通阵列与所述第二区别交易行为连通阵列进行融合，生成所述第x个深层关系网络单元对应的衍生交易行为连通阵列。
24、在第一方面的一种可能的实施方式中，所述依据所述多个行为关系链路分别对应的链路知识矢量对所述第一区别交易行为连通阵列进行潜在交互关系提取，生成第二区别交易行为连通阵列，包括：
25、对所述多个行为关系链路分别对应的链路知识矢量进行交融，生成交融链路知识矢量序列；
26、依据所述交融链路知识矢量序列对所述第一区别交易行为连通阵列进行潜在交互关系提取，生成第二区别交易行为连通阵列。
27、在第一方面的一种可能的实施方式中，所述利用多个深层关系网络单元的第x-1个深层关系网络单元与第x个深层关系网络单元的单元间关联逻辑，对所述第x-1个深层关系网络单元对应的衍生交易行为连通阵列进行递进潜在交互关系提取，生成所述第x个深层关系网络单元对应的衍生交易行为连通阵列，包括：
28、依据所述多个行为关系链路分别对应的链路知识矢量对所述第x-1个深层关系网络单元对应的衍生交易行为连通阵列进行潜在交互关系提取，生成参考交易行为连通阵列；
29、将所述第x-1个深层关系网络单元对应的衍生交易行为连通阵列与所述参考交易行为连通阵列进行区别对比，将生成的第三区别交易行为连通阵列作为所述第x个深层关系网络单元对应的衍生交易行为连通阵列。
30、在第一方面的一种可能的实施方式中，所述依据所述多个按照特征指向功能性连接的深层关系网络单元对应的衍生交易行为连通阵列对所述样例网络交易行为图谱进行按照特征指向功能性连接的嵌入表示，生成所述样例网络交易行为图谱的图谱嵌入表示矢量序列，包括：
31、利用所述多个按照特征指向功能性连接的深层关系网络单元的首个深层关系网络单元结合所述首个深层关系网络单元对应的衍生交易行为连通阵列，对所述样例网络交易行为图谱进行嵌入表示；
32、将所述首个深层关系网络单元的嵌入表示结果加载到后向连接的深层关系网络单元，以使得后向连接的深层关系网络单元中继续进行嵌入表示后输出，直到加载到末个深层关系网络单元；
33、将所述末个深层关系网络单元生成的嵌入表示结果作为所述样例网络交易行为图谱的图谱嵌入表示矢量序列；
34、在第一方面的一种可能的实施方式中，所述将所述首个深层关系网络单元的嵌入表示结果加载到后向连接的深层关系网络单元，以使得后向连接的深层关系网络单元中继续进行嵌入表示后输出，直到加载到末个深层关系网络单元，包括：
35、利用多个深层关系网络单元的第y个深层关系网络单元，将所述第y个深层关系网络单元对应的衍生交易行为连通阵列、第y-1个深层关系网络单元的嵌入表示结果以及所述第y个深层关系网络单元的可训练权重阵列进行点积运算处理，生成所述第y个深层关系网络单元的嵌入表示结果，并将所述第y个深层关系网络单元的嵌入表示结果加载到第y+1个深层关系网络单元；其中，y依次递增且2≤y≤m-1，m为所述多个按照特征指向功能性连接的深层关系网络单元的数量。
36、在第一方面的一种可能的实施方式中，所述依据所述样例网络交易行为图谱的图谱嵌入表示矢量序列对网络交易风险预警模型进行模型参数优化，包括：
37、利用所述网络交易风险预警模型对所述样例网络交易行为图谱的图谱嵌入表示矢量序列进行网络交易风险标签估计，生成所述样例网络交易行为图谱的估计网络交易风险标签；
38、依据所述样例网络交易行为图谱的估计网络交易风险标签以及所述样例网络交易行为图谱的训练监督数据，计算所述网络交易风险预警模型的训练代价值；
39、基于所述训练代价值优化所述网络交易风险预警模型，直到所述训练代价值不再继续下降时，将所述网络交易风险预警模型输出为目标网络交易风险预警模型。
40、再一方面，本技术实施例还提供一种应用于网络交易的风险预警系统，包括处理器、机器可读存储介质，所述机器可读存储介质和所述处理器连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以实现上述的方法。
41、基于以上方面，本技术实施例通过获取样例网络交易行为图谱中多个行为关系链路对应的基础交易行为连通阵列，能够全面捕捉网络交易中的实际行为模式。其次，利用深层关系网络单元对基础交易行为连通阵列进行潜在交互关系提取，生成衍生交易行为连通阵列，有效揭示了交易主体间隐藏的、复杂的交互关系，提高了风险预警的准确性和全面性。进一步地，基于衍生交易行为连通阵列对样例网络交易行为图谱进行嵌入表示，生成图谱嵌入表示矢量序列，将复杂的图谱结构转换为数学上易于处理的向量形式，便于后续的风险预警模型进行学习和分析。最后，依据图谱嵌入表示矢量序列对网络交易风险预警模型进行模型参数优化，并基于优化后的模型对任意用户的目标网络交易行为图谱进行风险标签估计，实现了对潜在交易风险的精准预警和及时推送风险预警信息，从而有效保障了网络交易的安全性和用户的权益。
1.一种应用于网络交易的风险预警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的应用于网络交易的风险预警方法，其特征在于，所述网络交易风险预警模型包括多个按照特征指向功能性连接的深层关系网络单元；
3.根据权利要求2所述的应用于网络交易的风险预警方法，其特征在于，所述利用每个所述深层关系网络单元对所述多个行为关系链路对应的基础交易行为连通阵列进行潜在交互关系提取，生成每个所述深层关系网络单元对应的衍生交易行为连通阵列，包括：
4.根据权利要求2所述的应用于网络交易的风险预警方法，其特征在于，所述利用每个所述深层关系网络单元对所述多个行为关系链路对应的基础交易行为连通阵列进行潜在交互关系提取，生成每个所述深层关系网络单元对应的衍生交易行为连通阵列，包括：
5.根据权利要求4所述的应用于网络交易的风险预警方法，其特征在于，所述利用多个深层关系网络单元的第x-1个深层关系网络单元与第x个深层关系网络单元的单元间关联逻辑，对所述第x-1个深层关系网络单元对应的衍生交易行为连通阵列进行递进潜在交互关系提取，生成所述第x个深层关系网络单元对应的衍生交易行为连通阵列，包括：
6.根据权利要求5所述的应用于网络交易的风险预警方法，其特征在于，所述依据所述多个行为关系链路分别对应的链路知识矢量对所述第一区别交易行为连通阵列进行潜在交互关系提取，生成第二区别交易行为连通阵列，包括：
7.根据权利要求4所述的应用于网络交易的风险预警方法，其特征在于，所述利用多个深层关系网络单元的第x-1个深层关系网络单元与第x个深层关系网络单元的单元间关联逻辑，对所述第x-1个深层关系网络单元对应的衍生交易行为连通阵列进行递进潜在交互关系提取，生成所述第x个深层关系网络单元对应的衍生交易行为连通阵列，包括：
8.根据权利要求2所述的应用于网络交易的风险预警方法，其特征在于，所述依据所述多个按照特征指向功能性连接的深层关系网络单元对应的衍生交易行为连通阵列对所述样例网络交易行为图谱进行按照特征指向功能性连接的嵌入表示，生成所述样例网络交易行为图谱的图谱嵌入表示矢量序列，包括：
9.根据权利要求1所述的应用于网络交易的风险预警方法，其特征在于，所述依据所述样例网络交易行为图谱的图谱嵌入表示矢量序列对网络交易风险预警模型进行模型参数优化，包括：
10.一种应用于网络交易的风险预警系统，其特征在于，所述应用于网络交易的风险预警系统包括处理器和存储器，所述存储器和所述处理器连接，所述存储器用于存储程序、指令或代码，所述处理器用于执行所述存储器中的程序、指令或代码，以实现上述权利要求1-9任意一项所述的应用于网络交易的风险预警方法。
