异常用户的识别方法、装置、电子设备以及存储介质

本申请涉及人工智能技术领域，尤其涉及一种异常用户的识别方法、装置、电子设备以及存储介质。

随着网络信息技术的快速发展，互联网金融也越来越广泛地应用于工作和生活等诸多场景。金融市场上涌现出许多提供信贷服务的银行或金融机构，同时各家旗下开设的信贷产品琳琅满目，以满足不同客户的需求。

目前，很多信贷机构已经搭建了自己的风控系统，在为用户提供信贷服务前，通常需要对该用户进行风险评估，从而确定用户是否具有信贷资格。例如，信贷机构通常会使用相应的评估模型来确定用户的风险指数。然而现有的风控系统通常是根据各个用户自身的交易行为确定该用户是否为异常用户，当遇到团伙时，导致其未能有效拦截部分非正常用户。

因此，如何准确识别异常用户，以降低企业的金融投资风险，是本领域技术人员正在研究的热门课题。

本申请实施例的主要目的在于提供一种异常用户的识别方法、装置、电子设备以及存储介质，旨在提高异常用户识别准确率。

第一方面，本申请实施例提供一种异常用户的识别方法，包括：

基于目标用户提交的身份信息与授权信息，获取所述目标用户的信贷信息，并对所述信贷信息进行特征提取，以获取所述目标用户的信贷特征；

将所述信贷特征输入预设的信用评估模型，得到所述目标用户的风险系数；

当所述目标用户的风险系数小于预设风险系数时，根据所述身份信息获取所述目标用户的当前申请信息、及历史申请信息；

根据所述当前申请信息及所述历史申请信息获取与所述目标用户关联的一度关联用户信息、二度关联用户信息、及三度关联用户信息，其中，所述一度关联用户信息为与所述当前申请信息或所述历史申请信息中至少一者直接关联的一度关联用户对应的用户信息，所述二度关联用户信息为与所述一度关联用户信息直接关联的二度关联用户对应的用户信息，所述三度关联用户信息为与所述二度关联用户信息直接关联的三度关联用户对应的用户信息；

根据目标用户的用户信息与所述一度关联用户信息、所述二度关联用户信息、及所述三度关联用户信息中任一者的信息匹配度划分所述目标用户与所述一度关联用户、所述二度关联用户及所述三度关联用户任一者之间的关联等级；

根据所述关联等级将所述一度关联用户、所述二度关联用户、及所述三度关联用户进行分类，并根据分类结果构建所述目标用户的用户关系网，所述用户关系网中包括多个关联等级不同的关联用户体，每个关联用户体包括多个关联用户节点；

获取所述用户关系网中各个关联用户节点对应的节点数据，并利用所述节点数据和预设的用户分类模型，获取所述目标用户的分类结果。

第二方面，本申请实施例还提供一种异常用户的识别装置，包括：

特征获取模块，用于基于目标用户提交的身份信息与授权信息，获取所述目标用户的信贷信息，并对所述信贷信息进行特征提取，以获取所述目标用户的信贷特征；

风险评估模块，用于将所述信贷特征输入预设的信用评估模型，得到所述目标用户的风险系数；

信息获取模块，用于当所述目标用户的风险系数小于预设风险系数时，根据所述身份信息获取所述目标用户的当前申请信息、及历史申请信息；

信息关联模块，用于根据所述当前申请信息及所述历史申请信息获取与所述目标用户关联的一度关联用户信息、二度关联用户信息、及三度关联用户信息，其中，所述一度关联用户信息为与所述当前申请信息或所述历史申请信息中至少一者直接关联的一度关联用户对应的用户信息，所述二度关联用户信息为与所述一度关联用户信息直接关联的二度关联用户对应的用户信息，所述三度关联用户信息为与所述二度关联用户信息直接关联的三度关联用户对应的用户信息；

关联分析模块，用于根据目标用户的用户信息与所述一度关联用户信息、所述二度关联用户信息、及所述三度关联用户信息中任一者的信息匹配度划分所述目标用户与所述一度关联用户、所述二度关联用户及所述三度关联用户任一者之间的关联等级；

网络构建模块，用于根据所述关联等级将所述一度关联用户、所述二度关联用户、及所述三度关联用户进行分类，并根据分类结果构建所述目标用户的用户关系网，所述用户关系网中包括多个关联等级不同的关联用户体，每个关联用户体包括多个关联用户节点；

用户分类模块，用于获取所述用户关系网中各个关联用户节点对应节点数据，并利用所述节点数据和预设的用户分类模型，获取所述目标用户的分类结果。

第三方面，本申请实施例还提供一种电子设备，电子设备包括处理器、存储器、存储在存储器上并可被处理器执行的计算机程序以及用于实现处理器和存储器之间的连接通信的数据总线，其中计算机程序被处理器执行时，实现如本申请说明书提供的任一项异常用户的识别方法的步骤。

第四方面，本申请实施例还提供一种存储介质，用于计算机可读存储，其特征在于，存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现如本申请说明书提供的任一项异常用户的识别方法的步骤。

本申请实施例提供一种异常用户的识别方法、装置、电子设备及存储介质，其中，该异常用户的识别方法通过基于目标用户提交的身份信息与授权信息，获取所述目标用户的信贷信息，并对所述信贷信息进行特征提取，以获取所述目标用户的信贷特征；将所述信贷特征输入预设的信用评估模型，得到所述目标用户的风险系数；当所述目标用户的风险系数小于预设风险系数时，根据所述身份信息获取所述目标用户的当前申请信息、及历史申请信息；根据所述当前申请信息及所述历史申请信息获取与所述目标用户关联的一度关联用户信息、二度关联用户信息、及三度关联用户信息，其中，所述一度关联用户信息为与所述当前申请信息或所述历史申请信息中至少一者直接关联的一度关联用户对应的用户信息，所述二度关联用户信息为与所述一度关联用户信息直接关联的二度关联用户对应的用户信息，所述三度关联用户信息为与所述二度关联用户信息直接关联的三度关联用户对应的用户信息；根据目标用户的用户信息与所述一度关联用户信息、所述二度关联用户信息、及所述三度关联用户信息中任一者的信息匹配度划分所述目标用户与所述一度关联用户、所述二度关联用户及所述三度关联用户任一者之间的关联等级；根据所述关联等级将所述一度关联用户、所述二度关联用户、及所述三度关联用户进行分类，并根据分类结果构建所述目标用户的用户关系网，所述用户关系网中包括多个关联等级不同的关联用户体，每个关联用户体包括多个关联用户节点；获取所述用户关系网中各个关联用户节点对应的节点数据，并利用所述节点数据和预设的用户分类模型，获取所述目标用户的分类结果。本申请所提供的方法在接收用目标用户的金融服务请求时，基于目标用户的用户信息获取到该用户的信贷信息，从而根据用户信贷信息对用户的信用系数做第一次评估，若第一次评估没通过，则表明目标用户为异常用户，当第一次评估通过时，获取用户的三度关联关系，利用三度关联关系创建目标用户对应的用户关系网，从而可以从用户关系网中对应各个关联用户节点挖掘出目标用户相关的更多规律，及与目标用户相关联的关联用户数据，将关联用户数据作为目标用户的关联特征，通过预设的分类算法对所获取的特征数据进行分析，从而可以有效评估该用户是存在团体风险，提高异常用户识别准确率。

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种异常用户的识别方法的流程示意图；

图2是根据目标用户对应的用户信息所获取的三度关联用户及其用户信息的示意图；

图3是目标用户的用户信息和与目标用户关联的用户信息所构建的用户关系网步示意图；

图4为本申请实施例提供的一种异常用户的识别装置的模块结构示意图；

图5为本申请实施例提供的一种电子设备的结构示意框图。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

本申请实施例提供一种异常用户的识别方法、装置、电子设备以及存储介质。其中，该异常用户的识别方法可应用于电子设备。该电子设备可以为手机、平板电脑、笔记本电脑、台式电脑、个人数字助理、穿戴式设备、或服务器，其中，服务器可以为独立的服务器，也可以为服务器集。

本申请实施例提供一种异常用户的识别方法、装置、电子设备及存储介质，其中，该异常用户的识别方法通过基于目标用户提交的身份信息与授权信息，获取所述目标用户的信贷信息，并对所述信贷信息进行特征提取，以获取所述目标用户的信贷特征；将所述信贷特征输入预设的信用评估模型，得到所述目标用户的风险系数；当所述目标用户的风险系数小于预设风险系数时，根据所述身份信息获取所述目标用户的当前申请信息、及历史申请信息；根据所述当前申请信息及所述历史申请信息获取与所述目标用户关联的一度关联用户信息、二度关联用户信息、及三度关联用户信息，其中，所述一度关联用户信息为与所述当前申请信息或所述历史申请信息中至少一者直接关联的一度关联用户对应的用户信息，所述二度关联用户信息为与所述一度关联用户信息直接关联的二度关联用户对应的用户信息，所述三度关联用户信息为与所述二度关联用户信息直接关联的三度关联用户对应的用户信息；根据目标用户的用户信息与所述一度关联用户信息、所述二度关联用户信息、及所述三度关联用户信息中任一者的信息匹配度划分所述目标用户与所述一度关联用户、所述二度关联用户及所述三度关联用户任一者之间的关联等级；根据所述关联等级将所述一度关联用户、所述二度关联用户、及所述三度关联用户进行分类，并根据分类结果构建所述目标用户的用户关系网，所述用户关系网中包括多个关联等级不同的关联用户体，每个关联用户体包括多个关联用户节点；获取所述用户关系网中各个关联用户节点对应的节点数据，并利用所述节点数据和预设的用户分类模型，获取所述目标用户的分类结果。本申请所提供的方法在接收用目标用户的金融服务请求时，基于目标用户的用户信息获取到该用户的信贷信息，从而根据用户信贷信息对用户的信用系数做第一次评估，若第一次评估没通过，则表明目标用户为异常用户，当第一次评估通过时，获取用户的三度关联关系，利用三度关联关系创建目标用户对应的用户关系网，从而可以从用户关系网中对应各个关联用户节点挖掘出目标用户相关的更多规律，及与目标用户相关联的关联用户数据，将关联用户数据作为目标用户的关联特征，通过预设的分类算法对所获取的特征数据进行分析，从而可以有效评估该用户是存在团体风险，提高异常用户识别准确率。

下面结合附图，对本申请的一些实施例作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

请参照图1，图1为本申请实施例提供的一种异常用户的识别方法的流程示意图。

如图1所示，该异常用户的识别方法包括步骤S1至步骤S7。

步骤S1：基于目标用户提交的身份信息与授权信息，获取所述目标用户的信贷信息，并对所述信贷信息进行特征提取，以获取所述目标用户的信贷特征。

信贷信息是用于评价用户信用度的信息，信贷信息包括从银行获取的信征信息、从第三方数据库获取的用户信贷行为信息、及从自身搭建的数据库中记录的用户借贷信息等中的任一者。信贷信息中每一条信贷数据均具对应一个数据属性，例如，以信征信息为例进行说明，信征信息包括收入水平数据，教育水平数据、银行卡数据、信用卡数据、还款记录数据、担保人数据、资产处置数据、房贷、车贷、助学贷款等多个属性数据。

在接收到目标用户金融服务请求时，基于目标用户提交的身份信息和授权信息获取与目标用户对应的信贷信息，并从信贷信息中提取信贷特征，其中信贷信息中的每一个属性数据都对应于一个信贷特征。

步骤S2：将所述信贷特征输入预设的信用评估模型，得到所述目标用户的风险系数。

信用评估模型是利用用户的信贷信息进行特征提取，并预先训练好的机器模型，在获取到信贷信息转换的N个信贷特征后，将N个信贷特征输入预设的信用评估模型，从而获得该用户的初步风险评估结果。如，信用评估模型采用K-S值最大的分箱算法进行处理，得到分箱结果特征，其中，N为信贷特征的总数且为正整数。

分箱算法有多种处理方式，本实施例中采用K-S值最大的分箱算法进行信贷特征的处理，从而可以使得用户风险评估结果能更准确的区分用户的风险系数。

步骤S3：当所述目标用户的风险系数小于预设风险系数时，根据所述身份信息获取所述目标用户的当前申请信息、及历史申请信息。

示例性地，当用户的风险系数大于或等于预设风险系数时，表明当前用户为异常用户，可以直接拒绝其金融服务请求。当用户的风险系数小于预设风险系数时，表明用户自身的信征暂时无法判断该用户是否涉及团队，需要进一步进行风险排除，则根据用户的身份信息从数据库中调取该用户的当前申请信息、历史申请信息。

当前申请信息包括当前申请时间、当前联系地址、当前、当前移动设备的设备信息、当前预留联系人电话中的至少一者，其中，当前联系地址包括当前居住地址、当前单位地址，当前移动设备的设备信息包括当前所使用的移动设备的IP信息和GPS信息。

历史申请信息包括历史申请时间、历史联系地址、历史、历史移动设备的设备信息、历史预留联系人电话中的至少一者，其中，历史联系地址包括历史居住地址、历史单位地址，历史移动设备的设备信息包括历史所使用的移动设备的IP信息和GPS信息。

步骤S4：根据所述当前申请信息及所述历史申请信息获取与所述目标用户关联的一度关联用户信息、二度关联用户信息、及三度关联用户信息，其中，所述一度关联用户信息为与所述当前申请信息或所述历史申请信息中至少一者直接关联的一度关联用户对应的用户信息，所述二度关联用户信息为与所述一度关联用户信息直接关联的二度关联用户对应的用户信息，所述三度关联用户信息为与所述二度关联用户信息直接关联的三度关联用户对应的用户信息。

在一些实施方式中，所述根据所述当前申请信息及所述历史申请信息获取与所述目标用户关联的一度关联用户信息、二度关联用户信息、及三度关联用户信息，包括：

根据所述目标用户对应的所述当前申请信息获取与所述当前申请信息匹配的当前一度关联用户信息；

根据当前一度关联用户信息获取与所述当前一度关联用户信息匹配的当前二度关联用户信息，并根据当前二度关联用户信息获取与所述当前二度关联用户信息匹配的当前三度关联用户信息；

根据所述目标用户对应的所述历史申请信息获取与所述历史申请信息匹配的历史一度关联用户信息；

根据历史一度关联用户信息获取与所述历史一度关联用户信息匹配的历史二度关联用户信息，并根据历史二度关联用户信息获取与所述历史二度关联用户信息匹配的历史三度关联用户信息；

根据当前一度关联用户信息、及历史一度关联用户信息确定与所述目标用户关联的一度关联用户信息；

根据当前二度关联用户信息、及历史二度关联用户信息确定与所述目标用户关联的二度关联用户信息；

根据当前三度关联用户信息、及历史三度关联用户信息确定与所述目标用户关联的三度关联用户信息。

在一些实施方式中，所述根据所述目标用户对应的所述当前申请信息获取与所述当前申请信息匹配的当前一度关联用户信息，包括：

根据所述目标用户的当前申请信息从数据库中获取与所述当前申请信息的信息匹配度超过预设值的匹配用户所对应的用户信息，其中，用户信用信息、用户、用户联系地址、用户所使用移动设备的设备信息中至少一者；

将所述匹配用户的用户信息作为所述目标用户的当前一度关联用户信息。

在一些实施方式中，所述根据所述目标用户对应的所述历史申请信息获取与所述历史申请信息匹配的历史一度关联用户信息，包括：

根据所述目标用户的当前申请信息从数据库中获取与所述当前申请信息的信息匹配度超过预设值的匹配用户所对应的用户信息，其中，用户信息包括用户、用户联系地址、用户所使用移动设备的设备信息；

将所述匹配用户的用户信息作为所述目标用户的当前一度关联用户信息。

示例性地，根据目标用户的当前联系地址、当前、当前移动设备的设备信息、当前预留联系人电话等当前申请信息确定与该目标用户直接关联的当前一度关联用户。根据当前一度关联用户对应的联系地址、、移动设备的设备信息、预留联系人电话确定与该当前一度关联用户直接关联的用户体，并从该用户体中剔除目标用户即可获取到当前二度关联用户。根据当前二度关联用户的联系地址、、移动设备的设备信息、预留联系人电话确定与该当前二度关联用户直接关联的用户体，并从该用户体中剔除当前一度关联用户即可获得当前三度关联用户。其中，直接关联的用户指联系地址、、移动设备的设备信息、预留联系人电话中至少一者相同的用户。

同理，根据目标用户的历史联系地址、历史、历史移动设备的设备信息、历史预留联系人电话等历史申请信息确定与该目标用户直接关联的历史一度关联用户。根据历史一度关联用户对应的联系地址、、移动设备的设备信息、预留联系人电话确定与该历史一度关联用户直接关联的用户体，并从该用户体中剔除目标用户即可获取到历史二度关联用户。根据历史二度关联用户的联系地址、、移动设备的设备信息、预留联系人电话确定与该历史二度关联用户直接关联的用户体，并从该用户体中剔除历史一度关联用户即可获得历史三度关联用户。

对当前一度关联用户和历史一度关联用户进行去重处理，即，将当前一度关联用户和历史一度关联用户进行相似度匹配，并相似值超过预设值时，保留当前一度关联用户和历史一度关联用户中任一者，以获取该目标用户的一度关联用户。对当前二度关联用户和历史二度关联用户进行去重处理，以获取该目标用户的二度关联用户。对当前三度关联用户和历史一度关联用户进行去重处理，以获取该目标用户的三度关联用户。

如图2所示，目标用户A和用户B之间具有共同的1，目标用户A和用户C之间具有共同的2、及共同的联系地址1，则用户B和用户C为目标用户A的一度关联用户。将共同的1映射为技术标签1、将共同的2映射为技术标签2，将目标用户A和一度关联用户B、C进行关联。

用户B和用户D之间具有共同的3和共同的联系地址2，则用户D为用户B的直接关联用户，也即是目标用户A的二度关联用户。将共同的3映射为技术标签3、将共同的联系地址2映射为技术标签4，将目标用户A和二度关联用户D进行关联。

用户C和用户E之间具有共同的4，则用户E为用户C的直接关联用户，也即是目标用户A的二度关联用户。将共同的4映射为技术标签5，将目标用户A和二度关联用户E进行关联。

用户D和用户F、及用户E和用户F及之间均具有共同的5，则用户F为用户D和用户E的直接关联用户，也即是目标用户A的三度关联用户。将共同的5映射为技术标签6，将目标用户A和三度关联用户F进行关联。

步骤S5：根据目标用户的用户信息与所述一度关联用户信息、所述二度关联用户信息、及所述三度关联用户信息中任一者的信息匹配度，划分所述目标用户与所述一度关联用户、所述二度关联用户及所述三度关联用户任一者之间的关联等级。

示例性地，用户信息包括用户、用户联系地址、用户所使用移动设备的设备信息、用户的信用信息中至少一者。

将用户信息中对应用户、用户联系地址、用户所使用移动设备的设备信息等与用户属性相关的信息作为匹配特征进行相似度匹配，获取目标用户对应的用户信息与对应一度关联用户的用户信息之间的第一信息匹配度值、获取目标用户对应的用户信息与对应二度关联用户的用户信息之间的第二信息匹配度值、及获取目标用户对应的用户信息与对应三度关联用户的用户信息之间的第三信息匹配度值。

将第一信息匹配度值、第二信息匹配度值、第三信息匹配度值按照数值大小进行降序排列，按照匹配度值所在区域进行关联等级划分。

本实施例中，以对关联用户进行三级划分为例进行说明，例如，将排名前30％的匹配度值对应的关联用户作为一级关联用户，将排名后30％的匹配度值对应的关联用户作为三级关联用户，其余关联用户为二级关联用户。其中，一级关联用户与目标用户的关联度高于二级关联用户、二级关联用户与目标用户的关联度高于三级关联用户。

步骤S6：根据所述关联等级将所述一度关联用户、所述二度关联用户、及所述三度关联用户进行分类，并根据分类结果构建所述目标用户的用户关系网，所述用户关系网中包括多个关联等级不同的关联用户体，每个关联用户体包括多个关联用户节点。

在一些实施方式中，所述根据所述关联等级将所述一度关联用户、所述二度关联用户、及所述三度关联用户进行分类，并根据分类结果构建所述目标用户的用户关系网，包括：

根据所述关联等级将所述一度关联用户、所述二度关联用户、及所述三度关联用户进行分类，以获取多个关联用户体，每个所述关联用户体具有不同关联等级，且每个所述关联用户体中包括多个关联用户节点，每个所述关联用户节点记录有对应关联用户的负面信用信息、用户信息及关联等级信息；

获取所述关联用户节点中对应关联用户的负面信用信息对应的负面信用时间点，并剔除所述负面信用时间点小于预设时间点的关联用户对应的关联用户节点；

更新所述关联用户节点，以形成所述目标用户的用户关系网。

请参阅图3，示例性地，根据关联用户与目标用户之间信息的匹配度对一度关联用户、所述二度关联用户、及所述三度关联用户重新分级，从而可以获取到与目标用户信息匹配程度在不同等级区间的关联用户体，不同的用户等级对判断目标用户是否为异常用户的贡献不同。

基于一级关联用户体中的一级关联用户与目标用户的关联度高于二级关联用户体中的二级关联用户、二级关联用户体中的二级关联用户与目标用户的关联度高于三级关联用户体中的三级关联用户，因此，一级关联用户与目标用户的关系紧密度较大概率高于二级关联用户、同理，二级关联用户与目标用户的关系紧密度较大概率高于三级关联用户。

故，通过一级关联用户的用户信息来评估目标用户是否为异常用户的精准度高于二级关联用户、通过二级关联用户的用户信息来评估目标用户是否为异常用户的精准度高于三级关联用户。

在将一度关联用户、二度关联用户、及三度关联用户重新分级，获得不同等级区间的关联用户体后，多个不同等级的关联用户体初步构成了目标用户对应的用户关系网，其中，每个关联用户体中包括多个相同等级的关联用户，每个关联用户作为目标用户的用户关系网中的一个关联用户节点，且每个关联用户节点记录有对应关联用户的负面信用信息、用户信息及关联等级信息。通过获取对应用户节点的节点信息，即可聚类分析出目标用户是否为异常用户。

然而，初步构建的用户关系网对应的用户节点可能为无效节点，该节点对应的用户信息为无效用户信息，为了增加数据分析的效率及准确度，需要将该些数据进行剔除。

本实施方式中，通过对应信息中事件发生的时间轴对相关用户信息进行排序并剔除，具体地，获取关联用户节点中对应关联用户的负面信用信息对应的负面信用时间点，并剔除负面信用时间点小于预设时间点的关联用户对应的用户节点，负面信用信息时间点越小，则表明该负面信息出现的时间点越早，即，距离目标用户提出金融服务请求的时间点越远，当负面信用信息时间点小于预设时间点时，表明该负面信用信息参考价值可以忽略不计，即该负面信用信息为无效数据，也即，该负面信用信息对应的用户节点为无效节点，需要将该无效节点剔除并从新更新目标用户的用户关系网。

如图3所示，将一度关联用户、所述二度关联用户、及所述三度关联用户重新分级后，获得三个不同等级的关联用户体，其中，关联用户体X为一级关联用户体，关联用户体Y为二级关联用户体，关联用户体Z为三级关联用户体。

步骤S7：获取所述用户关系网中各个关联用户节点对应的节点数据，并利用所述节点数据和预设的用户分类模型，获取所述目标用户的分类结果。

节点数据包括各个关联用户体中关联用户节点的节点数量、每个关联用户节点的对应的关联等级、每个关联用户节点对应的关联用户的负面信用信息类型、每个关联用户节点对应的关联用户的负面信用信息数量、对应关联用户的负面信用信息对应的负面信用时间点、同一关联用户体中对应负面信用时间点之间的时间差中至少一者。

在一些实施方式中，所述利用所述节点数据和预设的用户分类模型，获取所述目标用户的分类结果，包括：

将各个所述关联用户体中关联用户节点的节点数量转换为第一衍生特征；

将每个关联用户节点的对应的关联等级转换为第二衍生特征；

将每个关联用户节点对应的关联用户的负面信用信息类型转换为第三衍生特征；

将每个关联用户节点对应的关联用户的负面信用信息数量转换为第四衍生特征；

将对应关联用户的负面信用信息对应的负面信用时间点转换为第五衍生特征；

将同一所述关联用户体中对应负面信用时间点之间的时间差转换为第六衍生特征；

将所述第一衍生特征、所述第二衍生特征、所述第三衍生特征、所述第四衍生特征、所述第五衍生特征、及所述第六衍生特征输入预设的用户分类模型，从而获取所述目标用户的分类结果。

示例性地，通过多维采集各个关联用户体中关联用户节点的节点数量、每个关联用户节点的对应的关联等级、每个关联用户节点对应的关联用户的负面信用信息类型、每个关联用户节点对应的关联用户的负面信用信息数量、对应关联用户的负面信用信息对应的负面信用时间点、同一关联用户体中对应负面信用时间点之间的时间差等关系数据作为特征，从而可以更为全面获取到与目标用户相关联的特征数据，将该特征数据输入预设的XGBoost模型做用户分类评估，从而可以更为精准分析出目标用户是否为异常用户。

具体的，节点数量即为对用户体中关联用户对应的数量，每个关联节点中每个关联用户的信用信息中包括正面信用信息和负面信用信息，该负面信用信息可以辅助分析目标用户是否为异常用户，且负面信用信息具有不同的负面信息类型，不同的负面信息类型对分析目标用户是否为异常用户的贡献也不同，如，负面信息为信用卡超期还款、及负面信息为用户在第三方平台被列入黑名单，两者间具有明显不同的参考价值。不同类型的负面信息可以提取到不同的特征数据，通过多维采集与目标用户关联的关联用户所对应的用户负面信息数据，从而可以更精准分析出目标用户是否为异常用户。

进一步，负面信息对应的时间不同、负面信息在单位时间内出现的频率，其参考价值也不同，例如，目标用户在一年前信用卡出现多次还款异常，现在信用卡还款正常，则表明该目标用户在一年前可能暂时性资金周转不灵，则表明该目标用户为异常用户可能性较低。

目标用户在近期多次命中信用黑名单，则表明该目标用户为异常用户可能性较高。

通过对与目标用户进行关联等级划分，以形成不同等级的关联用户体，通过对不同关联等级的关联用户体中对应用户节点件数据提取，并输入到预设的XGBoost分类模型中，利用XGBoost分类算法，从而可以更为精准分析出目标用户是否为异常用户。

其中，XGBoost模型是基于XGBoost分类算法利用各个用户节点所对应的节点数据训练所得的分类模型。

请参阅图4，本申请实施例还提供一种服务质量的评价装置10，其包括：

特征获取模块101，用于基于目标用户提交的身份信息与授权信息，获取所述目标用户的信贷信息，并对所述信贷信息进行特征提取，以获取所述目标用户的信贷特征；

风险评估模块102，用于将所述信贷特征输入预设的信用评估模型，得到所述目标用户的风险系数；

信息获取模块103，用于当所述目标用户的风险系数小于预设风险系数时，根据所述身份信息获取所述目标用户的当前申请信息、及历史申请信息；

信息关联模块104，用于根据所述当前申请信息及所述历史申请信息获取与所述目标用户关联的一度关联用户信息、二度关联用户信息、及三度关联用户信息，其中，所述一度关联用户信息为与所述当前申请信息或所述历史申请信息中至少一者直接关联的一度关联用户对应的用户信息，所述二度关联用户信息为与所述一度关联用户信息直接关联的二度关联用户对应的用户信息，所述三度关联用户信息为与所述二度关联用户信息直接关联的三度关联用户对应的用户信息；

关联分析模块105，用于根据目标用户的用户信息与所述一度关联用户信息、所述二度关联用户信息、及所述三度关联用户信息中任一者的信息匹配度划分所述目标用户与所述一度关联用户、所述二度关联用户及所述三度关联用户任一者之间的关联等级；

网络构建模块106，用于根据所述关联等级将所述一度关联用户、所述二度关联用户、及所述三度关联用户进行分类，并根据分类结果构建所述目标用户的用户关系网，所述用户关系网中包括多个关联等级不同的关联用户体，每个关联用户体包括多个关联用户节点；

用户分类模块107，用于获取所述用户关系网中各个关联用户节点对应节点数据，并利用所述节点数据和预设的用户分类模型，获取所述目标用户的分类结果。

在一些实施方式中，所述当前申请信息包括当前申请时间、当前单位地址、当前居住地址、当前、当前移动设备的设备信息、当前预留联系人电话中的至少一者；

所述历史申请信息包括历史申请时间、历史单位地址、历史居住地址、历史、历史移动设备的设备信息、历史预留联系人电话中的至少一者。

在一些实施方式中，信息关联模块104在根据所述当前申请信息及所述历史申请信息获取与所述目标用户关联的一度关联用户信息、二度关联用户信息、及三度关联用户信息时，包括：

根据所述目标用户对应的所述当前申请信息获取与所述当前申请信息匹配的当前一度关联用户信息；

根据当前一度关联用户信息获取与所述当前一度关联用户信息匹配的当前二度关联用户信息，并根据当前二度关联用户信息获取与所述当前二度关联用户信息匹配的当前三度关联用户信息；

根据所述目标用户对应的所述历史申请信息获取与所述历史申请信息匹配的历史一度关联用户信息；

根据历史一度关联用户信息获取与所述历史一度关联用户信息匹配的历史二度关联用户信息，并根据历史二度关联用户信息获取与所述历史二度关联用户信息匹配的历史三度关联用户信息；

根据当前一度关联用户信息、及历史一度关联用户信息确定与所述目标用户关联的一度关联用户信息；

根据当前二度关联用户信息、及历史二度关联用户信息确定与所述目标用户关联的二度关联用户信息；

根据当前三度关联用户信息、及历史三度关联用户信息确定与所述目标用户关联的三度关联用户信息。

在一些实施方式中，信息关联模块104在根据所述目标用户对应的所述当前申请信息获取与所述当前申请信息匹配的当前一度关联用户信息时，包括：

根据所述目标用户的当前申请信息从数据库中获取与所述当前申请信息的信息匹配度超过预设值的匹配用户所对应的用户信息，其中，用户信息包括用户信用信息、用户、用户联系地址、用户所使用移动设备的设备信息中至少一者；

将所述匹配用户的用户信息作为所述目标用户的当前一度关联用户信息。

在一些实施方式中，网络构建模块106在根据所述关联等级将所述一度关联用户、所述二度关联用户、及所述三度关联用户进行分类，并根据分类结果构建所述目标用户的用户关系网时，包括：

根据所述关联等级将所述一度关联用户、所述二度关联用户、及所述三度关联用户进行分类，以获取多个关联用户体，每个所述关联用户体具有不同关联等级，且每个所述关联用户体中包括多个关联用户节点，每个所述关联用户节点记录有对应关联用户的负面信用信息、用户信息及关联等级信息；

获取所述关联用户节点中对应关联用户的负面信用信息对应的负面信用时间点，并剔除所述负面信用时间点小于预设时间点的关联用户对应的关联用户节点；

更新所述关联用户节点，以形成所述目标用户的用户关系网。

在一些实施方式中，所述节点数据包括各个所述关联用户体中关联用户节点的节点数量、每个关联用户节点的对应的关联等级、每个关联用户节点对应的关联用户的负面信用信息类型、每个关联用户节点对应的关联用户的负面信用信息数量、对应关联用户的负面信用信息对应的负面信用时间点、同一所述关联用户体中对应负面信用时间点之间的时间差中至少一者。

在一些实施方式中，用户分类模块107在利用所述节点数据和预设的用户分类模型，获取所述目标用户的分类结果时，包括：

将各个所述关联用户体中关联用户节点的节点数量转换为第一衍生特征；

将每个关联用户节点的对应的关联等级转换为第二衍生特征；

将每个关联用户节点对应的关联用户的负面信用信息类型转换为第三衍生特征；

将每个关联用户节点对应的关联用户的负面信用信息数量转换为第四衍生特征；

将对应关联用户的负面信用信息对应的负面信用时间点转换为第五衍生特征；

将同一所述关联用户体中对应负面信用时间点之间的时间差转换为第六衍生特征；

将所述第一衍生特征、所述第二衍生特征、所述第三衍生特征、所述第四衍生特征、所述第五衍生特征、及所述第六衍生特征输入预设的用户分类模型，从而获取所述目标用户的分类结果。

请参阅图5，图5为本申请实施例提供的电子设备的结构示意性框图。

如图5所示，电子设备300包括处理器301和存储器302，处理器301和存储器302通过总线303连接，该总线比如为I2C(Inter-integrated Circuit)总线。

具体地，处理器301用于提供计算和控制能力，支撑整个服务器的运行。处理器301可以是中央处理单元(Central Processing Unit，CPU)，该处理器301还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

具体地，存储器302可以是Flash芯片、只读存储器(ROM，Read-Only Memory)磁盘、光盘、U盘或移动硬盘等。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请实施例方案相关的部分结构的框图，并不构成对本申请实施例方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

其中，处理器301用于运行存储在存储器中的计算机程序，并在执行计算机程序时实现本申请实施例提供的任意一种的异常用户的识别方法。

在一些实施方式中，处理器301用于运行存储在存储器中的计算机程序，并在执行计算机程序时实现如下步骤：

基于目标用户提交的身份信息与授权信息，获取所述目标用户的信贷信息，并对所述信贷信息进行特征提取，以获取所述目标用户的信贷特征；

将所述信贷特征输入预设的信用评估模型，得到所述目标用户的风险系数；

当所述目标用户的风险系数小于预设风险系数时，根据所述身份信息获取所述目标用户的当前申请信息、及历史申请信息；

根据所述当前申请信息及所述历史申请信息获取与所述目标用户关联的一度关联用户信息、二度关联用户信息、及三度关联用户信息，其中，所述一度关联用户信息为与所述当前申请信息或所述历史申请信息中至少一者直接关联的一度关联用户对应的用户信息，所述二度关联用户信息为与所述一度关联用户信息直接关联的二度关联用户对应的用户信息，所述三度关联用户信息为与所述二度关联用户信息直接关联的三度关联用户对应的用户信息；

根据目标用户的用户信息与所述一度关联用户信息、所述二度关联用户信息、及所述三度关联用户信息中任一者的信息匹配度划分所述目标用户与所述一度关联用户、所述二度关联用户及所述三度关联用户任一者之间的关联等级；

根据所述关联等级将所述一度关联用户、所述二度关联用户、及所述三度关联用户进行分类，并根据分类结果构建所述目标用户的用户关系网，所述用户关系网中包括多个关联等级不同的关联用户体，每个关联用户体包括多个关联用户节点；

获取所述用户关系网中各个关联用户节点对应的节点数据，并利用所述节点数据和预设的用户分类模型，获取所述目标用户的分类结果。

在一些实施方式中，所述当前申请信息包括当前申请时间、当前单位地址、当前居住地址、当前、当前移动设备的设备信息、当前预留联系人电话中的至少一者；

所述历史申请信息包括历史申请时间、历史单位地址、历史居住地址、历史、历史移动设备的设备信息、历史预留联系人电话中的至少一者。

在一些实施方式中，处理器301在根据所述当前申请信息及所述历史申请信息获取与所述目标用户关联的一度关联用户信息、二度关联用户信息、及三度关联用户信息时，包括：

根据所述目标用户对应的所述当前申请信息获取与所述当前申请信息匹配的当前一度关联用户信息；

根据当前一度关联用户信息获取与所述当前一度关联用户信息匹配的当前二度关联用户信息，并根据当前二度关联用户信息获取与所述当前二度关联用户信息匹配的当前三度关联用户信息；

根据所述目标用户对应的所述历史申请信息获取与所述历史申请信息匹配的历史一度关联用户信息；

根据历史一度关联用户信息获取与所述历史一度关联用户信息匹配的历史二度关联用户信息，并根据历史二度关联用户信息获取与所述历史二度关联用户信息匹配的历史三度关联用户信息；

根据当前一度关联用户信息、及历史一度关联用户信息确定与所述目标用户关联的一度关联用户信息；

根据当前二度关联用户信息、及历史二度关联用户信息确定与所述目标用户关联的二度关联用户信息；

根据当前三度关联用户信息、及历史三度关联用户信息确定与所述目标用户关联的三度关联用户信息。

在一些实施方式中，处理器301在根据所述目标用户对应的所述当前申请信息获取与所述当前申请信息匹配的当前一度关联用户信息时，包括：

根据所述目标用户的当前申请信息从数据库中获取与所述当前申请信息的信息匹配度超过预设值的匹配用户所对应的用户信息，其中，用户信息包括用户信用信息、用户、用户联系地址、用户所使用移动设备的设备信息中至少一者；

将所述匹配用户的用户信息作为所述目标用户的当前一度关联用户信息。

在一些实施方式中，处理器301在根据所述关联等级将所述一度关联用户、所述二度关联用户、及所述三度关联用户进行分类，并根据分类结果构建所述目标用户的用户关系网时，包括：

根据所述关联等级将所述一度关联用户、所述二度关联用户、及所述三度关联用户进行分类，以获取多个关联用户体，每个所述关联用户体具有不同关联等级，且每个所述关联用户体中包括多个关联用户节点，每个所述关联用户节点记录有对应关联用户的负面信用信息、用户信息及关联等级信息；

获取所述关联用户节点中对应关联用户的负面信用信息对应的负面信用时间点，并剔除所述负面信用时间点小于预设时间点的关联用户对应的关联用户节点；

更新所述关联用户节点，以形成所述目标用户的用户关系网。

在一些实施方式中，所述节点数据包括各个所述关联用户体中关联用户节点的节点数量、每个关联用户节点的对应的关联等级、每个关联用户节点对应的关联用户的负面信用信息类型、每个关联用户节点对应的关联用户的负面信用信息数量、对应关联用户的负面信用信息对应的负面信用时间点、同一所述关联用户体中对应负面信用时间点之间的时间差中至少一者。

在一些实施方式中，处理器301在利用所述节点数据和预设的用户分类模型，获取所述目标用户的分类结果时，包括：

将各个所述关联用户体中关联用户节点的节点数量转换为第一衍生特征；

将每个关联用户节点的对应的关联等级转换为第二衍生特征；

将每个关联用户节点对应的关联用户的负面信用信息类型转换为第三衍生特征；

将每个关联用户节点对应的关联用户的负面信用信息数量转换为第四衍生特征；

将对应关联用户的负面信用信息对应的负面信用时间点转换为第五衍生特征；

将同一所述关联用户体中对应负面信用时间点之间的时间差转换为第六衍生特征；

将所述第一衍生特征、所述第二衍生特征、所述第三衍生特征、所述第四衍生特征、所述第五衍生特征、及所述第六衍生特征输入预设的用户分类模型，从而获取所述目标用户的分类结果。

需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的电子设备的具体工作过程，可以参考前述异常用户的识别方法实施例中的对应过程，在此不再赘述。

本申请实施例还提供一种存储介质，用于计算机可读存储，存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现如本申请说明书实施例提供的任一项异常用户的识别方法的步骤。

其中，存储介质可以是前述实施例的电子设备的内部存储单元，例如电子设备的硬盘或内存。存储介质也可以是电子设备的外部存储设备，例如电子设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施例中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。以上，仅为本申请的具体实施例，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。