基于交易信息的监测方法及其装置、电子设备及存储介质与流程

1.本发明涉及人工智能领域，具体而言，涉及一种基于交易信息的监测方法及其装置、电子设备及存储介质。


背景技术：

2.对诈骗行为进行及时预警一直是研究的重点问题。随着科技的不断发展，诈骗手段呈现出多样性、迷惑性、隐秘性等特点，出现了迅速增强的态势。为了应对这种局面，各类反诈骗应用随即产生。
3.相关技术中，反诈骗应用主要是利用日常生活中的大数据，采集大量电话号码并进行人工标注，当接收到高频电话或标注为诈骗的电话后，在机主接听电话前自动弹出提示框，让机主提高警惕。并且，还可以根据短信内容，抽取其中的关键词，检测其是否是诈骗短信，从而实现诈骗短信的拦截，进而实现反诈骗。此外，还可以在用户接收到诈骗短信或者诈骗电话后，通过反诈骗应用后台通知相关人员，以使相关人员迅速打电话给用户，提醒用户谨防诈骗。
4.然而，相关技术中的反诈骗应用存在如下问题：(1)通过对电话号码进行标注的方式的反诈骗效率较低且效果较差，可通过购买大量新的电话卡号进行规避，并且进行人工标注也需要花费大量人力财力；(2)通过短信内容进行检测的方法容易导致用户隐私数据泄露，并且，可以使用同音字、拼音、错别字、生僻字等方式来迷惑检测模型，将诈骗短信伪装成正常短信；(3)电话回访需要大量人力资源，容易造成检测到了诈骗信息，但是没有足够的人力去通知用户。
5.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

6.本发明实施例提供了一种基于交易信息的监测方法及其装置、电子设备及存储介质，以至少解决相关技术中无法对交易信息进行有效监测，导致用户财产受损的技术问题。
7.根据本发明实施例的一个方面，提供了一种基于交易信息的监测方法，包括：获取目标交易信息，其中，所述目标交易信息包括：n种维度数据，n为正整数；将每种所述维度数据转化为交易点，并将转化后的所述交易点绘制到预设多维地图上，其中，所述预设多维地图包括：n种维度子地图，每个所述交易点位于一种所述维度子地图上，每个所述维度子地图包括的历史交易点分为k类群体，每类所述群体选取有一个中心点，k为正整数；确定所述交易点与每个目标中心点之间的预设距离；在存在大于预设阈值的所述预设距离的情况下，确定所述目标交易信息存在异常，并采用预设语音模型与目标终端进行交互，其中，所述目标终端是所述目标交易信息指示的目标汇款账户所绑定的终端。
8.可选地，在获取目标交易信息之前，还包括：获取历史交易信息，其中，所述历史交易信息包括下述至少之一：收款账户的开户地点与汇款账户的开户地点之间的物理距离信息、转账金额信息、转账时间段信息、收款账户状态信息；基于预设维度集合，将所述历史交
易信息分为n种历史维度数据，并对所述历史维度数据进行处理，得到多个所述历史交易点，其中，所述预设维度集合包括：n种预设维度，每个所述历史交易点对应有坐标值；基于所述预设维度下的所有所述历史交易点，绘制所述维度子地图；基于所有所述维度子地图，构建所述预设多维地图。
9.可选地，在基于所有所述维度子地图，构建所述预设多维地图之后，还包括：基于所述历史交易信息，确定目标群体数，其中，所述目标群体数与k相等；将每种所述预设维度下的所有所述历史交易点划分为k类所述群体；确定每类所述群体中的历史交易点数；基于所述群体的历史交易点数以及所述群体中所有所述历史交易点的所述坐标值，确定所述群体的所述中心点。
10.可选地，确定所述交易点与每个目标中心点之间的预设距离的步骤，包括：确定所述维度子地图上所述群体中所有所述历史交易点与所述群体中的所述目标中心点之间的第一距离，得到第一距离集合；对所述第一距离集合中的所有所述第一距离进行排序，并基于排序后的所述第一距离集合，确定第二距离，其中，所述第二距离是从排序后的所述第一距离集合选择的位于预设位置上的所述第一距离；确定所述交易点与所述群体中的所述目标中心点之间的第三距离；基于所述第三距离与所述第二距离，确定所述交易点与所述群体中的所述目标中心点之间的所述预设距离。
11.可选地，所述预设阈值分为第一阈值、第二阈值，所述第一阈值小于所述第二阈值，在确定所述交易点与每个目标中心点之间的预设距离之后，还包括：在所述预设距离大于所述第一阈值且小于等于所述第二阈值的情况下，将所述目标交易信息的异常等级确定为第一等级；在所述预设距离大于所述第二阈值的情况下，将所述目标交易信息的异常等级确定为第二等级，并在所述目标交易信息的所述异常等级为所述第二等级的情况下，封锁当前交易；将所述目标交易信息加入至所述预设多维地图，并更新所述预设多维地图上每种所述维度子地图中所有所述群体的所述中心点。
12.可选地，在采用预设语音模型与目标终端进行交互之前，还包括：获取历史异常案例集合，其中，所述历史异常案例集合中的每个历史异常案例对应有异常特征；采用所述历史异常案例集合，训练预设分析模型，其中，所述预设分析模型用于抽取输入的案例的案例特征；获取预设回复数据集合，其中，所述预设回复数据集合中的每条预设回复数据对应有所述异常特征；基于所述预设回复数据集合与所述历史异常案例集合中的所有所述异常特征，训练预设回复模型，其中，所述预设回复模型用于基于所述异常特征，输出所述预设回复数据；基于所述预设分析模型、所述预设回复模型、预设拨号系统以及预设语音合成系统，构建所述预设语音模型。
13.可选地，采用预设语音模型与目标终端进行交互的步骤，包括：采用所述预设语音模型将目标回复数据传输至所述目标终端，并接收所述目标终端返回的响应信息，其中，所述目标回复数据是基于目标异常特征确定的所述预设回复数据，所述目标异常特征是基于所述目标交易信息确定的所述异常特征；采用预设语音模型分析所述响应信息，得到响应特征，并基于所述响应特征，继续与所述目标终端进行交互，直到所述目标终端发出终止信息。
14.可选地，在所述目标终端发出终止信息之后，还包括：在当前交易继续进行的情况下，将所述目标交易信息转化成待标注案例，并对所述待标注案例进行标注，得到标注案
例；将所述标注案例加入至所述历史异常案例集合，并采用更新后的历史异常案例集合对所述预设语音模型进行增量训练。
15.根据本发明实施例的另一方面，还提供了一种基于交易信息的监测装置，包括：获取单元，用于获取目标交易信息，其中，所述目标交易信息包括：n种维度数据，n为正整数；转化单元，用于将每种所述维度数据转化为交易点，并将转化后的所述交易点绘制到预设多维地图上，其中，所述预设多维地图包括：n种维度子地图，每个所述交易点位于一种所述维度子地图上，每个所述维度子地图包括的历史交易点分为k类群体，每类所述群体选取有一个中心点，k为正整数；确定单元，用于确定所述交易点与每个目标中心点之间的预设距离；交互单元，用于在存在大于预设阈值的所述预设距离的情况下，确定所述目标交易信息存在异常，并采用预设语音模型与目标终端进行交互，其中，所述目标终端是所述目标交易信息指示的目标汇款账户所绑定的终端。
16.可选地，所述监测装置还包括：第一获取模块，用于在获取目标交易信息之前，获取历史交易信息，其中，所述历史交易信息包括下述至少之一：收款账户的开户地点与汇款账户的开户地点之间的物理距离信息、转账金额信息、转账时间段信息、收款账户状态信息；第一处理模块，用于基于预设维度集合，将所述历史交易信息分为n种历史维度数据，并对所述历史维度数据进行处理，得到多个所述历史交易点，其中，所述预设维度集合包括：n种预设维度，每个所述历史交易点对应有坐标值；第一绘制模块，用于基于所述预设维度下的所有所述历史交易点，绘制所述维度子地图；第一构建模块，用于基于所有所述维度子地图，构建所述预设多维地图。
17.可选地，所述监测装置还包括：第一确定模块，用于在基于所有所述维度子地图，构建所述预设多维地图之后，基于所述历史交易信息，确定目标群体数，其中，所述目标群体数与k相等；第一划分模块，用于将每种所述预设维度下的所有所述历史交易点划分为k类所述群体；第二确定模块，用于确定每类所述群体中的历史交易点数；第三确定模块，用于基于所述群体的历史交易点数以及所述群体中所有所述历史交易点的所述坐标值，确定所述群体的所述中心点。
18.可选地，所述确定单元包括：第四确定模块，用于确定所述维度子地图上所述群体中所有所述历史交易点与所述群体中的所述目标中心点之间的第一距离，得到第一距离集合；第五确定模块，用于对所述第一距离集合中的所有所述第一距离进行排序，并基于排序后的所述第一距离集合，确定第二距离，其中，所述第二距离是从排序后的所述第一距离集合选择的位于预设位置上的所述第一距离；第六确定模块，用于确定所述交易点与所述群体中的所述目标中心点之间的第三距离；第七确定模块，用于基于所述第三距离与所述第二距离，确定所述交易点与所述群体中的所述目标中心点之间的所述预设距离。
19.可选地，所述预设阈值分为第一阈值、第二阈值，所述第一阈值小于所述第二阈值，所述监测装置还包括：第八确定模块，用于在确定所述交易点与每个目标中心点之间的预设距离之后，在所述预设距离大于所述第一阈值且小于等于所述第二阈值的情况下，将所述目标交易信息的异常等级确定为第一等级；第九确定模块，用于在所述预设距离大于所述第二阈值的情况下，将所述目标交易信息的异常等级确定为第二等级，并在所述目标交易信息的所述异常等级为所述第二等级的情况下，封锁当前交易；第一更新模块，用于将所述目标交易信息加入至所述预设多维地图，并更新所述预设多维地图上每种所述维度子
地图中所有所述群体的所述中心点。
20.可选地，所述监测装置还包括：第二获取模块，用于在采用预设语音模型与目标终端进行交互之前，获取历史异常案例集合，其中，所述历史异常案例集合中的每个历史异常案例对应有异常特征；第一训练模块，用于采用所述历史异常案例集合，训练预设分析模型，其中，所述预设分析模型用于抽取输入的案例的案例特征；第三获取模块，用于获取预设回复数据集合，其中，所述预设回复数据集合中的每条预设回复数据对应有所述异常特征；第二训练模块，用于基于所述预设回复数据集合与所述历史异常案例集合中的所有所述异常特征，训练预设回复模型，其中，所述预设回复模型用于基于所述异常特征，输出所述预设回复数据；第二构建模块，用于基于所述预设分析模型、所述预设回复模型、预设拨号系统以及预设语音合成系统，构建所述预设语音模型。
21.可选地，所述交互单元包括：第一传输模块，用于采用所述预设语音模型将目标回复数据传输至所述目标终端，并接收所述目标终端返回的响应信息，其中，所述目标回复数据是基于目标异常特征确定的所述预设回复数据，所述目标异常特征是基于所述目标交易信息确定的所述异常特征；第一分析模块，用于采用预设语音模型分析所述响应信息，得到响应特征，并基于所述响应特征，继续与所述目标终端进行交互，直到所述目标终端发出终止信息。
22.可选地，所述监测装置还包括：第一标注模块，用于在所述目标终端发出终止信息之后，在当前交易继续进行的情况下，将所述目标交易信息转化成待标注案例，并对所述待标注案例进行标注，得到标注案例；第三训练模块，用于将所述标注案例加入至所述历史异常案例集合，并采用更新后的历史异常案例集合对所述预设语音模型进行增量训练。
23.根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项基于交易信息的监测方法。
24.根据本发明实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述任意一项基于交易信息的监测方法。
25.在本公开中，获取目标交易信息，将每种维度数据转化为交易点，并将转化后的交易点绘制到预设多维地图上，确定交易点与每个目标中心点之间的预设距离，在存在大于预设阈值的预设距离的情况下，确定目标交易信息存在异常，并采用预设语音模型与目标终端进行交互。在本公开中，可以先将获取的目标交易信息中每种维度数据转化为交易点，并将交易点绘制到预设多维地图上，然后确定交易点与其所位于的维度子地图上每类群体的目标中心点之间的预设距离，如果存在大于预设阈值的预设距离，则可以确定目标交易信息存在异常，之后可以采用预设语音模型与目标交易信息指示的目标汇款账户所绑定的目标终端进行交互，以及时提醒用户暂停当前交易，实现了交易信息的自动化监测以及异常交易的智能通知，有效避免了用户的财产损失，进而解决了相关技术中无法对交易信息进行有效监测，导致用户财产受损的技术问题。
附图说明
26.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
27.图1是根据本发明实施例的一种可选的基于交易信息的监测方法的流程图；
28.图2是根据本发明实施例的一种可选的智能反诈骗流程的示意图；
29.图3是根据本发明实施例的一种可选的智能回访系统训练流程的示意图；
30.图4是根据本发明实施例的一种可选的基于交易信息的监测装置的示意图；
31.图5是根据本发明实施例的一种用于基于交易信息的监测方法的电子设备(或移动设备)的硬件结构框图。
具体实施方式
32.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
33.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
34.需要说明的是，本公开中的基于交易信息的监测方法及其装置可用于人工智能领域在基于交易信息进行监测的情况下，也可用于除人工智能领域之外的任意领域在基于交易信息进行监测的情况下，本公开中对基于交易信息的监测方法及其装置的应用领域不做限定。
35.需要说明的是，本公开所涉及的相关信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。例如，本系统和相关用户或机构间设置有接口，在获取相关信息之前，需要通过接口向前述的用户或机构发送获取请求，并在接收到前述的用户或机构反馈的同意信息后，获取相关信息。
36.本发明下述各实施例可应用于各种基于交易信息进行监测的系统/应用/设备中。本发明可以根据转账交易信息，采用聚类算法(例如，k-means算法(一种k均值聚类算法))检测离群点，以判断当前交易是否存在异常情况(即用户是否存在被诈骗风险)，在准确得到结果的同时还规避了侵犯用户隐私的风险，在不引起用户反感的情况下实现反诈骗。并且，还可以通过学习海量的诈骗案例，构建聊天交互网络，并结合智能语音合成技术，实现
全自动化的电话回访，不仅节约了大量的人力资源，而且能够实现迅速、及时、准确的全自动反诈骗功能。此外，通过自动提取、识别、学习诈骗案例，以及后续继续学习新的案例进行增量学习，能够而使得诈骗判断模块持续维持较高的准确率和召回率。
37.下面结合各个实施例来详细说明本发明。
38.实施例一
39.根据本发明实施例，提供了一种基于交易信息的监测方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
40.图1是根据本发明实施例的一种可选的基于交易信息的监测方法的流程图，如图1所示，该方法包括如下步骤：
41.步骤s101，获取目标交易信息，其中，目标交易信息包括：n种维度数据，n为正整数。
42.步骤s102，将每种维度数据转化为交易点，并将转化后的交易点绘制到预设多维地图上，其中，预设多维地图包括：n种维度子地图，每个交易点位于一种维度子地图上，每个维度子地图包括的历史交易点分为k类群体，每类群体选取有一个中心点，k为正整数。
43.步骤s103，确定交易点与每个目标中心点之间的预设距离。
44.步骤s104，在存在大于预设阈值的预设距离的情况下，确定目标交易信息存在异常，并采用预设语音模型与目标终端进行交互，其中，目标终端是目标交易信息指示的目标汇款账户所绑定的终端。
45.通过上述步骤，可以获取目标交易信息，将每种维度数据转化为交易点，并将转化后的交易点绘制到预设多维地图上，确定交易点与每个目标中心点之间的预设距离，在存在大于预设阈值的预设距离的情况下，确定目标交易信息存在异常，并采用预设语音模型与目标终端进行交互。在本发明实施例中，可以先将获取的目标交易信息中每种维度数据转化为交易点，并将交易点绘制到预设多维地图上，然后确定交易点与其所位于的维度子地图上每类群体的目标中心点之间的预设距离，如果存在大于预设阈值的预设距离，则可以确定目标交易信息存在异常，之后可以采用预设语音模型与目标交易信息指示的目标汇款账户所绑定的目标终端进行交互，以及时提醒用户暂停当前交易，实现了交易信息的自动化监测以及异常交易的智能通知，有效避免了用户的财产损失，进而解决了相关技术中无法对交易信息进行有效监测，导致用户财产受损的技术问题。
46.下面结合上述各步骤对本发明实施例进行详细说明。
47.一种可选地实施例，在获取目标交易信息之前，还包括：获取历史交易信息，其中，历史交易信息包括下述至少之一：收款账户的开户地点与汇款账户的开户地点之间的物理距离信息、转账金额信息、转账时间段信息、收款账户状态信息；基于预设维度集合，将历史交易信息分为n种历史维度数据，并对历史维度数据进行处理，得到多个历史交易点，其中，预设维度集合包括：n种预设维度，每个历史交易点对应有坐标值；基于预设维度下的所有历史交易点，绘制维度子地图；基于所有维度子地图，构建预设多维地图。
48.在本发明实施例中，诈骗行为通常由多人实施，其中负责收款的诈骗人员往往会通过收取大量银行卡作为收款账号，这些收款账号通常与被诈骗人无任何交集，因此，可以
根据每一个用户的转账记录(包括：收款以及汇款记录)，按照收款人账户的开户地点与汇款人账户的开户地点之间的物理距离、转账金额、转账时间段、收款账户近期是否存在异常行为(例如，异地登陆、收款次数以及金额激增等情况)，构造四维离散地图(即预设多维地图)。
49.在本发明实施例中，可以先获取历史交易信息(历史交易信息包括：收款账户的开户地点与汇款账户的开户地点之间的物理距离信息、转账金额信息、转账时间段信息、收款账户状态信息(即收款账户是否处于异常状态，例如，如果收款账户在短时间内收款次数激增，则可以确定收款账户处于异常状态)等，然后根据预设维度集合(该预设维度集合包括：多种预设维度，每种预设维度是预先确定的维度，例如，物理距离维度、转账金额维度、转账时间段维度、收款账户状态维度等)，并将获取的历史交易信息分为多种历史维度数据(例如，物理距离数据、转账金额数据、转账时间段数据、收款账户状态数据等)。然后可以使用数据处理工具(例如，matlab(是一种计算机编程语言和环境，具有数学和工程计算功能)工具)对每种历史维度数据进行处理(例如，正态化处理)，以得到多个历史交易点(即可以将每种历史维度数据中所包含的数据转化成样本点(即历史交易点，并且每个历史交易点对应有坐标值))。例如，将四个维度下的所有数据转化为样本点，可以记为(α1,α2,α3,α4)，其中，α表示一种维度下的所有样本点集合。之后，可以根据每种预设维度下的所有历史交易点，绘制维度子地图，再根据所有维度子地图，构建预设多维地图。
50.可选地，在基于所有维度子地图，构建预设多维地图之后，还包括：基于历史交易信息，确定目标群体数，其中，目标群体数与k相等；将每种预设维度下的所有历史交易点划分为k类群体；确定每类群体中的历史交易点数；基于群体的历史交易点数以及群体中所有历史交易点的坐标值，确定群体的中心点。
51.在本发明实施例中，可以根据历史交易信息，确定目标群体数(该目标群体数与k相等)，具体为，可以将目标群体数依次设为1到k(例如，1到20)，然后根据历史交易信息，通过聚类算法进行迭代，并根据肘部法则(是一种确定最佳聚类数量的方法，基于观察聚类中心与数据点之间的总平方距离的变化情况，当聚类数量增加时，总平方距离会逐渐减小，但减小速度会逐渐变缓，当增加聚类数量导致总平方距离的减小速度明显变缓时，这个点就被称为“肘部”，肘部之后的聚类数量被认为是最佳聚类数量，因为在这个点之后，增加聚类数量不再显著降低总平方距离)确定最佳的k值(即通过多次迭代后的构建的曲线，选择斜率最大的点作为最佳的k值)。
52.在本发明实施例中，在确定目标群体数k之后，可以将每种预设维度下的所有历史交易点划分为k类群体(即将每种维度数据指示的与用户进行交易的账户分为k类群体)，然后确定每类群体中的历史交易点数(即确定每类群体中包含的样本数)，之后根据群体的历史交易点数以及群体中所有历史交易点的坐标值，确定群体的中心点(即累加群体中所有样本点的坐标值，然后将累加值除以该群体的样本数，从而得到该群体的中心点的坐标值)，例如，存在四个维度，可以将每类群体的中心点记为其中，i表示第i类群体，n表示该群体的样本数，m表示样本中的某一样本点编号，表示该样本点在第j维坐标的坐标值。
53.步骤s101，获取目标交易信息，其中，目标交易信息包括：n种维度数据，n为正整数。
54.步骤s102，将每种维度数据转化为交易点，并将转化后的交易点绘制到预设多维地图上，其中，预设多维地图包括：n种维度子地图，每个交易点位于一种维度子地图上，每个维度子地图包括的历史交易点分为k类群体，每类群体选取有一个中心点，k为正整数。
55.在本发明实施例中，当接收到新的交易时，可以先判断用户与收款人是否存在历史转账记录，如果从未进行转账或只有近期进行过转账，则可以获取用户当前交易的目标交易信息(目标交易信息包括：收款账户的开户地点与汇款账户的开户地点之间的物理距离、转账金额、转账时间段、收款账户近期是否存在异常行为等多种维度数据)，然后将当前交易的目标交易信息，在预设多维地图上绘制出来(即将每种维度数据转化为交易点，并将转化后的交易点绘制到预设多维地图上，该预设多维地图包括：多种维度子地图，每个交易点位于一种维度子地图上，每个维度子地图包括的历史交易点分为k(k为正整数)类群体，每类群体选取有一个中心点)，可以记为(α1',α'2,α'3,α'4)，其中，α1',α'2,α'3,α'4分别表示在每个维度子地图上的交易点。
56.步骤s103，确定交易点与每个目标中心点之间的预设距离。
57.可选地，确定交易点与每个目标中心点之间的预设距离的步骤，包括：确定维度子地图上群体中所有历史交易点与群体中的目标中心点之间的第一距离，得到第一距离集合；对第一距离集合中的所有第一距离进行排序，并基于排序后的第一距离集合，确定第二距离，其中，第二距离是从排序后的第一距离集合选择的位于预设位置上的第一距离；确定交易点与群体中的目标中心点之间的第三距离；基于第三距离与第二距离，确定交易点与群体中的目标中心点之间的预设距离。
58.在本发明实施例中，可以计算每个交易点在其所位于的维度子地图上与每类群体的中心点之间的预设距离(即确定交易点与每个目标中心点之间的预设距离(即相对距离))，以判断其是否为离群点，具体为：先确定维度子地图上群体中所有历史交易点与群体中的目标中心点之间的第一距离(即欧几里得距离)，以得到第一距离集合(即对于每类群体中，可以先计算该群体中每一个样本点距离该群体的中心点的欧几里得距离)，然后可以对第一距离集合中的所有第一距离进行排序，并基于排序后的第一距离集合，确定第二距离该第二距离是从排序后的第一距离集合选择的位于预设位置(即中间位置)上的第一距离，如果中心位置有两个位置，则取这两个位置上的两个第一距离之间的平均值(即确定群体中各样本点距离该群体的中心点的欧几里得距离的中位数)。之后，确定交易点与群体中的目标中心点之间的第三距离(即计算交易点与群体中的目标中心点之间的欧几里得距离)，再根据第三距离与第二距离，计算交易点与群体中的目标中心点之间的预设距离，其中，计算预设距离公式为：的目标中心点之间的预设距离，其中，计算预设距离公式为：表示交易点与群体中的中心点之间的欧几里得距离，表示群体中各样本点距离该群体的中心点的欧几里得距离的中位数。
59.可选地，预设阈值分为第一阈值、第二阈值，第一阈值小于第二阈值，在确定交易
点与每个目标中心点之间的预设距离之后，还包括：在预设距离大于第一阈值且小于等于第二阈值的情况下，将目标交易信息的异常等级确定为第一等级；在预设距离大于第二阈值的情况下，将目标交易信息的异常等级确定为第二等级，并在目标交易信息的异常等级为第二等级的情况下，封锁当前交易；将目标交易信息加入至预设多维地图，并更新预设多维地图上每种维度子地图中所有群体的中心点。
60.在本发明实施例中，预设阈值可以通过分析历史被诈骗账户的交易数据确定。可以将预设阈值分为第一阈值λ1、第二阈值λ2，其中，第一阈值小于第二阈值。在确定交易点与每个目标中心点之间的预设距离之后，判断预设距离与第一阈值λ1以及第二阈值λ2的关系。如果预设距离大于第一阈值且小于等于第二阈值，则将目标交易信息的异常等级确定为第一等级(即普通等级)，即判定当前交易为普通疑似诈骗交易；如果预设距离大于第二阈值，则可以将目标交易信息的异常等级确定为第二等级(即严重等级)，即判定当前交易为高度疑似诈骗交易。在上述两种情况下，都会拦截当前交易，并且如果当前交易属于高度疑似诈骗交易的话，当前交易还会被封锁预设时长(如30分钟)(即在目标交易信息的异常等级为第二等级的情况下，封锁当前交易)，如果后续该交易还是被发起，则认为是该交易是正常交易。
61.在本发明实施例中，可以定期将这些新增的交易信息加入到预设多维地图中，重新计算每类群体的中心点(即将目标交易信息加入至预设多维地图，并更新预设多维地图上每种维度子地图中所有群体的中心点)，确保每类群体的中心点都能准确描述当前情况。
62.可选地，在采用预设语音模型与目标终端进行交互之前，还包括：获取历史异常案例集合，其中，历史异常案例集合中的每个历史异常案例对应有异常特征；采用历史异常案例集合，训练预设分析模型，其中，预设分析模型用于抽取输入的案例的案例特征；获取预设回复数据集合，其中，预设回复数据集合中的每条预设回复数据对应有异常特征；基于预设回复数据集合与历史异常案例集合中的所有异常特征，训练预设回复模型，其中，预设回复模型用于基于异常特征，输出预设回复数据；基于预设分析模型、预设回复模型、预设拨号系统以及预设语音合成系统，构建预设语音模型。
63.在本发明实施例中，可以将历史异常案例集合(例如，网络上海量的诈骗案例、诈骗新闻报导等)作为数据集，送入网络模型中进行预训练，使其学习海量的诈骗手段，具备判断交易是否为诈骗的能力。判断是否为诈骗，可以简化为二元预测问题，因此无需消耗大量的人力进行结果标注，诈骗案例已经是标注好的数据集，仅仅需要抽取其中的诈骗特征即可(即可以先获取历史异常案例集合(该历史异常案例集合中的每个历史异常案例对应有异常特征)，然后采用历史异常案例集合，训练预设分析模型，训练好的预设分析模型能够抽取输入的案例的案例特征)。之后，将预训练好的模型，与反诈人员进行对话，在对话中学习反诈人员的话术，再逐步拟合真人的对话方式(即获取预设回复数据集合(该预设回复数据集合中的每条预设回复数据对应有异常特征)，然后根据预设回复数据集合与历史异常案例集合中的所有异常特征，训练预设回复模型，训练好的预设回复模型能够基于异常特征，输出预设回复数据)。最后，结合智能拨号系统和智能语音合成系统，即可实现智能回访(即基于预设分析模型、预设回复模型、预设拨号系统以及预设语音合成系统，构建预设语音模型，该预设语音模型即为智能电话回访系统，能够进行智能回访)。
64.步骤s104，在存在大于预设阈值的预设距离的情况下，确定目标交易信息存在异
常，并采用预设语音模型与目标终端进行交互，其中，目标终端是目标交易信息指示的目标汇款账户所绑定的终端。
65.可选地，采用预设语音模型与目标终端进行交互的步骤，包括：采用预设语音模型将目标回复数据传输至目标终端，并接收目标终端返回的响应信息，其中，目标回复数据是基于目标异常特征确定的预设回复数据，目标异常特征是基于目标交易信息确定的异常特征；采用预设语音模型分析响应信息，得到响应特征，并基于响应特征，继续与目标终端进行交互，直到目标终端发出终止信息。
66.在本发明实施例中，如果存在大于预设阈值的预设距离，则表明目标交易信息存在异常(即当前交易存在疑似诈骗)，需要及时对用户进行智能回访(即采用预设语音模型与目标终端(目标终端是目标交易信息指示的目标汇款账户所绑定的终端)进行交互。
67.在本发明实施例中，当判断当前交易存在疑似诈骗时，可以通过智能电话回访系统自动拨打用户绑定的手机号，告知用户存在的诈骗风险，如果对方近期账户存在异常或本次交易与该用户的日常行为相悖，询问用户当前的交易情况，根据用户描述的场景及自身学习到的案例，进一步判断用户是否遭受诈骗，并把判断结果告知用户，请用户先核实相关情况，再决定是否需要继续进行交易(即采用预设语音模型将目标回复数据(目标回复数据是基于目标异常特征确定的预设回复数据，目标异常特征是基于目标交易信息确定的异常特征)传输至目标终端，并接收目标终端返回的响应信息，采用预设语音模型分析响应信息，得到响应特征，并基于响应特征，继续与目标终端进行交互，直到目标终端发出终止信息)。如果用户核实后确定为遭遇诈骗，则本次交易将会被终止，并且该用户的诈骗场景描述将会通过智能语音识别系统，转换成诈骗案例训练集的一部分，实现诈骗判断模块的增量学习；否则，如果用户核实相关情况后仍选择继续交易，那么交易会正常进行。
68.可选地，在目标终端发出终止信息之后，还包括：在当前交易继续进行的情况下，将目标交易信息转化成待标注案例，并对待标注案例进行标注，得到标注案例；将标注案例加入至历史异常案例集合，并采用更新后的历史异常案例集合对预设语音模型进行增量训练。
69.在本发明实施例中，需要考虑用户没办法清楚核实交易情况，从而继续进行交易的场景，以及对交易进行判断需要有较高召回率的要求，因此，如果把继续进行交易的案例当成正常案例进行增量训练，可能会导致对交易进行判断的精确度越来越低，基于此，可以先将这些案例保存到后台，但是不保留其判断结果，定期对这些案例进行人工标注，再进行增量学习，确保判断的准确率和召回率。
70.在本发明实施例中，如果当前交易继续进行(即用户核实相关情况后仍选择继续交易)，则需要将目标交易信息转化成待标注案例，并对待标注案例进行人工标注(即人工判断交易是否存在诈骗情况)，以得到标注案例，之后将标注案例加入至历史异常案例集合，并采用更新后的历史异常案例集合对预设语音模型进行增量训练。
71.下面结合另一种可选的具体实施方式进行详细说明。
72.在本发明实施例中，当金融机构的用户在提交交易请求后，诈骗判断模块可以先根据当前交易的交易信息判断用户是否遭受到诈骗，如果判断结果为正常交易，则放行当前交易，正常进行转账业务操作；否则，拒绝当前交易。之后通过智能电话回访系统自动发起电话回访，通过分析用户的交易信息以及询问用户的交易情况，告知用户当前交易存在
的风险，从而达到防诈骗的目标。
73.图2是根据本发明实施例的一种可选的智能反诈骗流程的示意图，如图2所示，包括如下流程：在用户提交交易后，先通过诈骗判断模块判断当前交易是否正常，如果判断结果为正常交易，则放行当前交易，正常进行转账业务操作；否则，拒绝当前交易。之后通过智能电话回访系统自动发起电话回访，从而达到防诈骗的目标。
74.在本发明实施例中，为了让智能回访系统能够更加拟人化、智能化，并节约大量的人力资源，可以采用聊天交互网络来实现智能对话系统。
75.图3是根据本发明实施例的一种可选的智能回访系统训练流程的示意图，如图3所示，包括如下流程：先将采集的诈骗案例作为数据集，送入网络模型中进行模型预训练，然后将训练好的模型与反诈人员进行对话，进行人工对话训练，以得到智能反诈聊天系统，之后结合智能拨号系统、智能语音合成系统、智能反诈聊天系统，即可得到智能回访系统。通过智能回访系统对疑似诈骗交易进行二次判断，如果判断是诈骗交易，则交易终止，并将当前交易加入至数据集进行增量训练；否则，交易继续，但需要对当前交易进行人工标注，并将标注后的交易加入至数据集进行增量训练。
76.本发明实施例中，根据交易信息，采用聚类算法检测离群点，以判断当前交易是否存在异常情况，能够在准确检测的同时避免了侵犯用户隐私的风险，并且，还可以通过学习海量的诈骗案例，构建聊天交互网络，并结合智能语音合成技术，实现全自动化的电话回访，不仅节约了大量的人力资源，而且能够实现迅速、及时、准确的全自动反诈骗功能。此外，通过自动提取、识别、学习诈骗案例，以及后续继续学习新的交易案例进行增量学习，能够使得诈骗判断模块持续维持较高的准确率和召回率。
77.下面结合另一实施例进行详细说明。
78.实施例二
79.本实施例中提供的一种基于交易信息的监测装置包含了多个实施单元，每个实施单元对应于上述实施例一中的各个实施步骤。
80.图4是根据本发明实施例的一种可选的基于交易信息的监测装置的示意图，如图4所示，该监测装置可以包括：获取单元40，转化单元41，确定单元42，交互单元43，其中，
81.获取单元40，用于获取目标交易信息，其中，目标交易信息包括：n种维度数据，n为正整数；
82.转化单元41，用于将每种维度数据转化为交易点，并将转化后的交易点绘制到预设多维地图上，其中，预设多维地图包括：n种维度子地图，每个交易点位于一种维度子地图上，每个维度子地图包括的历史交易点分为k类群体，每类群体选取有一个中心点，k为正整数；
83.确定单元42，用于确定交易点与每个目标中心点之间的预设距离；
84.交互单元43，用于在存在大于预设阈值的预设距离的情况下，确定目标交易信息存在异常，并采用预设语音模型与目标终端进行交互，其中，目标终端是目标交易信息指示的目标汇款账户所绑定的终端。
85.上述监测装置，可以通过获取单元40获取目标交易信息，通过转化单元41将每种维度数据转化为交易点，并将转化后的交易点绘制到预设多维地图上，通过确定单元42确定交易点与每个目标中心点之间的预设距离，通过交互单元43在存在大于预设阈值的预设
距离的情况下，确定目标交易信息存在异常，并采用预设语音模型与目标终端进行交互。在本发明实施例中，可以先将获取的目标交易信息中每种维度数据转化为交易点，并将交易点绘制到预设多维地图上，然后确定交易点与其所位于的维度子地图上每类群体的目标中心点之间的预设距离，如果存在大于预设阈值的预设距离，则可以确定目标交易信息存在异常，之后可以采用预设语音模型与目标交易信息指示的目标汇款账户所绑定的目标终端进行交互，以及时提醒用户暂停当前交易，实现了交易信息的自动化监测以及异常交易的智能通知，有效避免了用户的财产损失，进而解决了相关技术中无法对交易信息进行有效监测，导致用户财产受损的技术问题。
86.可选地，监测装置还包括：第一获取模块，用于在获取目标交易信息之前，获取历史交易信息，其中，历史交易信息包括下述至少之一：收款账户的开户地点与汇款账户的开户地点之间的物理距离信息、转账金额信息、转账时间段信息、收款账户状态信息；第一处理模块，用于基于预设维度集合，将历史交易信息分为n种历史维度数据，并对历史维度数据进行处理，得到多个历史交易点，其中，预设维度集合包括：n种预设维度，每个历史交易点对应有坐标值；第一绘制模块，用于基于预设维度下的所有历史交易点，绘制维度子地图；第一构建模块，用于基于所有维度子地图，构建预设多维地图。
87.可选地，监测装置还包括：第一确定模块，用于在基于所有维度子地图，构建预设多维地图之后，基于历史交易信息，确定目标群体数，其中，目标群体数与k相等；第一划分模块，用于将每种预设维度下的所有历史交易点划分为k类群体；第二确定模块，用于确定每类群体中的历史交易点数；第三确定模块，用于基于群体的历史交易点数以及群体中所有历史交易点的坐标值，确定群体的中心点。
88.可选地，确定单元包括：第四确定模块，用于确定维度子地图上群体中所有历史交易点与群体中的目标中心点之间的第一距离，得到第一距离集合；第五确定模块，用于对第一距离集合中的所有第一距离进行排序，并基于排序后的第一距离集合，确定第二距离，其中，第二距离是从排序后的第一距离集合选择的位于预设位置上的第一距离；第六确定模块，用于确定交易点与群体中的目标中心点之间的第三距离；第七确定模块，用于基于第三距离与第二距离，确定交易点与群体中的目标中心点之间的预设距离。
89.可选地，预设阈值分为第一阈值、第二阈值，第一阈值小于第二阈值，监测装置还包括：第八确定模块，用于在确定交易点与每个目标中心点之间的预设距离之后，在预设距离大于第一阈值且小于等于第二阈值的情况下，将目标交易信息的异常等级确定为第一等级；第九确定模块，用于在预设距离大于第二阈值的情况下，将目标交易信息的异常等级确定为第二等级，并在目标交易信息的异常等级为第二等级的情况下，封锁当前交易；第一更新模块，用于将目标交易信息加入至预设多维地图，并更新预设多维地图上每种维度子地图中所有群体的中心点。
90.可选地，监测装置还包括：第二获取模块，用于在采用预设语音模型与目标终端进行交互之前，获取历史异常案例集合，其中，历史异常案例集合中的每个历史异常案例对应有异常特征；第一训练模块，用于采用历史异常案例集合，训练预设分析模型，其中，预设分析模型用于抽取输入的案例的案例特征；第三获取模块，用于获取预设回复数据集合，其中，预设回复数据集合中的每条预设回复数据对应有异常特征；第二训练模块，用于基于预设回复数据集合与历史异常案例集合中的所有异常特征，训练预设回复模型，其中，预设回
复模型用于基于异常特征，输出预设回复数据；第二构建模块，用于基于预设分析模型、预设回复模型、预设拨号系统以及预设语音合成系统，构建预设语音模型。
91.可选地，交互单元包括：第一传输模块，用于采用预设语音模型将目标回复数据传输至目标终端，并接收目标终端返回的响应信息，其中，目标回复数据是基于目标异常特征确定的预设回复数据，目标异常特征是基于目标交易信息确定的异常特征；第一分析模块，用于采用预设语音模型分析响应信息，得到响应特征，并基于响应特征，继续与目标终端进行交互，直到目标终端发出终止信息。
92.可选地，监测装置还包括：第一标注模块，用于在目标终端发出终止信息之后，在当前交易继续进行的情况下，将目标交易信息转化成待标注案例，并对待标注案例进行标注，得到标注案例；第三训练模块，用于将标注案例加入至历史异常案例集合，并采用更新后的历史异常案例集合对预设语音模型进行增量训练。
93.上述的监测装置还可以包括处理器和存储器，上述获取单元40，转化单元41，确定单元42，交互单元43等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
94.上述处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来在存在大于预设阈值的预设距离的情况下，确定目标交易信息存在异常，并采用预设语音模型与目标终端进行交互。
95.上述存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。
96.本技术还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取目标交易信息，将每种维度数据转化为交易点，并将转化后的交易点绘制到预设多维地图上，确定交易点与每个目标中心点之间的预设距离，在存在大于预设阈值的预设距离的情况下，确定目标交易信息存在异常，并采用预设语音模型与目标终端进行交互。
97.根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行上述的基于交易信息的监测方法。
98.根据本发明实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，存储器用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述的基于交易信息的监测方法。
99.图5是根据本发明实施例的一种用于基于交易信息的监测方法的电子设备(或移动设备)的硬件结构框图。如图5所示，电子设备可以包括一个或多个(图5中采用502a、502b，
……
，502n来示出)处理器502(处理器502可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)、用于存储数据的存储器504。除此以外，还可以包括：显示器、输入/输出接口(i/o接口)、通用串行总线(usb)端口(可以作为i/o接口的端口中的一个端口被包括)、网络接口、键盘、电源和/或相机。本领域普通技术人员可以理解，图5所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，电子设备还可包括比图5中所示更多或者更少的组件，或者具有与图5所示不同的配置。
100.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
101.在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
102.在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
103.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
104.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
105.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
106.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

技术特征：
1.一种基于交易信息的监测方法，其特征在于，包括：获取目标交易信息，其中，所述目标交易信息包括：n种维度数据，n为正整数；将每种所述维度数据转化为交易点，并将转化后的所述交易点绘制到预设多维地图上，其中，所述预设多维地图包括：n种维度子地图，每个所述交易点位于一种所述维度子地图上，每个所述维度子地图包括的历史交易点分为k类群体，每类所述群体选取有一个中心点，k为正整数；确定所述交易点与每个目标中心点之间的预设距离；在存在大于预设阈值的所述预设距离的情况下，确定所述目标交易信息存在异常，并采用预设语音模型与目标终端进行交互，其中，所述目标终端是所述目标交易信息指示的目标汇款账户所绑定的终端。2.根据权利要求1所述的监测方法，其特征在于，在获取目标交易信息之前，还包括：获取历史交易信息，其中，所述历史交易信息包括下述至少之一：收款账户的开户地点与汇款账户的开户地点之间的物理距离信息、转账金额信息、转账时间段信息、收款账户状态信息；基于预设维度集合，将所述历史交易信息分为n种历史维度数据，并对所述历史维度数据进行处理，得到多个所述历史交易点，其中，所述预设维度集合包括：n种预设维度，每个所述历史交易点对应有坐标值；基于所述预设维度下的所有所述历史交易点，绘制所述维度子地图；基于所有所述维度子地图，构建所述预设多维地图。3.根据权利要求2所述的监测方法，其特征在于，在基于所有所述维度子地图，构建所述预设多维地图之后，还包括：基于所述历史交易信息，确定目标群体数，其中，所述目标群体数与k相等；将每种所述预设维度下的所有所述历史交易点划分为k类所述群体；确定每类所述群体中的历史交易点数；基于所述群体的历史交易点数以及所述群体中所有所述历史交易点的所述坐标值，确定所述群体的所述中心点。4.根据权利要求1所述的监测方法，其特征在于，确定所述交易点与每个目标中心点之间的预设距离的步骤，包括：确定所述维度子地图上所述群体中所有所述历史交易点与所述群体中的所述目标中心点之间的第一距离，得到第一距离集合；对所述第一距离集合中的所有所述第一距离进行排序，并基于排序后的所述第一距离集合，确定第二距离，其中，所述第二距离是从排序后的所述第一距离集合选择的位于预设位置上的所述第一距离；确定所述交易点与所述群体中的所述目标中心点之间的第三距离；基于所述第三距离与所述第二距离，确定所述交易点与所述群体中的所述目标中心点之间的所述预设距离。5.根据权利要求1所述的监测方法，其特征在于，所述预设阈值分为第一阈值、第二阈值，所述第一阈值小于所述第二阈值，在确定所述交易点与每个目标中心点之间的预设距离之后，还包括：
在所述预设距离大于所述第一阈值且小于等于所述第二阈值的情况下，将所述目标交易信息的异常等级确定为第一等级；在所述预设距离大于所述第二阈值的情况下，将所述目标交易信息的异常等级确定为第二等级，并在所述目标交易信息的所述异常等级为所述第二等级的情况下，封锁当前交易；将所述目标交易信息加入至所述预设多维地图，并更新所述预设多维地图上每种所述维度子地图中所有所述群体的所述中心点。6.根据权利要求1所述的监测方法，其特征在于，在采用预设语音模型与目标终端进行交互之前，还包括：获取历史异常案例集合，其中，所述历史异常案例集合中的每个历史异常案例对应有异常特征；采用所述历史异常案例集合，训练预设分析模型，其中，所述预设分析模型用于抽取输入的案例的案例特征；获取预设回复数据集合，其中，所述预设回复数据集合中的每条预设回复数据对应有所述异常特征；基于所述预设回复数据集合与所述历史异常案例集合中的所有所述异常特征，训练预设回复模型，其中，所述预设回复模型用于基于所述异常特征，输出所述预设回复数据；基于所述预设分析模型、所述预设回复模型、预设拨号系统以及预设语音合成系统，构建所述预设语音模型。7.根据权利要求6所述的监测方法，其特征在于，采用预设语音模型与目标终端进行交互的步骤，包括：采用所述预设语音模型将目标回复数据传输至所述目标终端，并接收所述目标终端返回的响应信息，其中，所述目标回复数据是基于目标异常特征确定的所述预设回复数据，所述目标异常特征是基于所述目标交易信息确定的所述异常特征；采用预设语音模型分析所述响应信息，得到响应特征，并基于所述响应特征，继续与所述目标终端进行交互，直到所述目标终端发出终止信息。8.根据权利要求7所述的监测方法，其特征在于，在所述目标终端发出终止信息之后，还包括：在当前交易继续进行的情况下，将所述目标交易信息转化成待标注案例，并对所述待标注案例进行标注，得到标注案例；将所述标注案例加入至所述历史异常案例集合，并采用更新后的历史异常案例集合对所述预设语音模型进行增量训练。9.一种基于交易信息的监测装置，其特征在于，包括：获取单元，用于获取目标交易信息，其中，所述目标交易信息包括：n种维度数据，n为正整数；转化单元，用于将每种所述维度数据转化为交易点，并将转化后的所述交易点绘制到预设多维地图上，其中，所述预设多维地图包括：n种维度子地图，每个所述交易点位于一种所述维度子地图上，每个所述维度子地图包括的历史交易点分为k类群体，每类所述群体选取有一个中心点，k为正整数；
确定单元，用于确定所述交易点与每个目标中心点之间的预设距离；交互单元，用于在存在大于预设阈值的所述预设距离的情况下，确定所述目标交易信息存在异常，并采用预设语音模型与目标终端进行交互，其中，所述目标终端是所述目标交易信息指示的目标汇款账户所绑定的终端。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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至8中任意一项所述的基于交易信息的监测方法。11.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至8中任意一项所述的基于交易信息的监测方法。

技术总结
本发明公开了一种基于交易信息的监测方法及其装置、电子设备及存储介质，涉及人工智能领域，其中，该监测方法包括：获取目标交易信息，将每种维度数据转化为交易点，并将转化后的交易点绘制到预设多维地图上，确定交易点与每个目标中心点之间的预设距离，在存在大于预设阈值的预设距离的情况下，确定目标交易信息存在异常，并采用预设语音模型与目标终端进行交互。本发明解决了相关技术中无法对交易信息进行有效监测，导致用户财产受损的技术问题。导致用户财产受损的技术问题。导致用户财产受损的技术问题。


技术研发人员：李翔宇 罗秉安 徐伟锋 高栎淮
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：2023.07.13
技术公布日：2023/10/11