本申请涉及金融科技及其他相关领域，具体而言，涉及一种交易行为检测方法、装置及电子设备。
背景技术：
1、对应用进行高频交易行为攻击可能会产生以下危害：破坏应用的安全性、降低应用性能、窃取用户财产、影响用户信任度等。为了防范高频交易行为，目前已有多种技术方案，其中较有代表性的如访问控制技术，通过人为地限制每个账户或ip地址在单位时间内的交易请求次数，以避免系统被高频交易攻击淹没。相关技术方案主要具有以下不足：一是客观性和灵活性不足，通过人为地限制每个账户或ip地址在单位时间内的交易请求次数，该交易请求次数通常是技术人员凭借经验数据设定的某一固定阈值，主观性较强且不够灵活；二是智能性可进一步提高，现有技术方案缺少对用户行为数据的分析挖掘，未充分利用海量数据所蕴含的有价值信息；三是时效性存在优化空间，限制每个账户或ip地址在单位时间内的交易请求次数，单位时间设置的长短，将直接影响识别高频交易行为的时效性。例如，单位时间如果设置为一天，则将在一天结束后方能给出高频交易行为的监测结果，时效性不高。
2、针对相关技术中直接基于历史交易数据进行交易行为检测的方法，存在的预测准确性低且实时性差的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请的主要目的在于提供一种交易行为检测方法、装置及电子设备，以解决相关技术中直接基于历史交易数据进行交易行为检测的方法，存在的预测准确性低且实时性差的问题。
2、为了实现上述目的，根据本申请的一个方面，提供了一种交易行为检测方法。该方法包括：获取目标账户在当前监测时间窗口内的交易数据；基于所述目标账户在所述当前监测时间窗口内的交易数据，确定所述目标账户在所述当前监测时间窗口内的交易行为特征；基于所述目标账户在所述当前监测时间窗口内的交易行为特征，采用交易行为检测模型，得到所述目标账户的交易行为检测结果，其中，所述交易行为检测结果用于指示所述目标账户在所述当前监测时间窗口内是否存在高频交易行为；所述交易行为检测模型是基于k个账户分别在历史监测时间窗口内的交易行为特征和交易行为标签，对m个初始模型进行训练和验证，基于所述m个初始模型分别对应的验证结果进行模型超参数的筛选，基于筛选出的超参数进行机器学习得到的，其中，k为大于或等于2的整数，m为大于或等于2的整数。
3、为了实现上述目的，根据本申请的另一方面，提供了一种交易行为检测装置。该装置包括：获取模块，用于获取目标账户在当前监测时间窗口内的交易数据；确定模块，用于基于所述目标账户在所述当前监测时间窗口内的交易数据，确定所述目标账户在所述当前监测时间窗口内的交易行为特征；检测模块，用于基于所述目标账户在所述当前监测时间窗口内的交易行为特征，采用交易行为检测模型，得到所述目标账户的交易行为检测结果，其中，所述交易行为检测结果用于指示所述目标账户在所述当前监测时间窗口内是否存在高频交易行为；所述交易行为检测模型是基于k个账户分别在历史监测时间窗口内的交易行为特征和交易行为标签，对m个初始模型进行训练和验证，基于所述m个初始模型分别对应的验证结果进行模型超参数的筛选，基于筛选出的超参数进行机器学习得到的，其中，k为大于或等于2的整数，m为大于或等于2的整数。
4、为了实现上述目的，根据本申请的另一方面，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任意一项所述的交易行为检测方法。
5、通过本申请，采用以下步骤：获取目标账户在当前监测时间窗口内的交易数据；基于所述目标账户在所述当前监测时间窗口内的交易数据，确定所述目标账户在所述当前监测时间窗口内的交易行为特征；基于所述目标账户在所述当前监测时间窗口内的交易行为特征，采用交易行为检测模型，得到所述目标账户的交易行为检测结果，其中，所述交易行为检测结果用于指示所述目标账户在所述当前监测时间窗口内是否存在高频交易行为；所述交易行为检测模型是基于k个账户分别在历史监测时间窗口内的交易行为特征和交易行为标签，对m个初始模型进行训练和验证，基于所述m个初始模型分别对应的验证结果进行模型超参数的筛选，基于筛选出的超参数进行机器学习得到的，其中，k为大于或等于2的整数，m为大于或等于2的整数，达到了将交易数据按照监测时间窗口进行划分，提取每一个窗口的交易行为特征，从更细粒度进行交易行为的准确检测的目的，解决了相关技术中直接基于历史交易数据进行交易行为检测的方法，存在的预测准确性低且实时性差的问题。进而达到了提升交易行为检测准确性和实时性的效果。
1.一种交易行为检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述目标账户在所述当前监测时间窗口内的交易数据，确定所述目标账户在所述当前监测时间窗口内的交易行为特征，包括：
3.根据权利要求1或2所述的方法，其特征在于，在所述基于所述目标账户在所述当前监测时间窗口内的交易行为特征，采用交易行为检测模型，得到所述目标账户的交易行为检测结果之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述获取所述k个账户分别在所述历史监测时间窗口内的交易行为特征和交易行为标签，包括：
5.根据权利要求4所述的方法，其特征在于，基于所述k个账户分别在历史采样时段内的交易数据，通过如下方式确定所述k个账户分别在所述历史监测时间窗口内的交易行为特征：
6.根据权利要求4所述的方法，其特征在于，基于所述k个账户分别在历史采样时段内的交易数据，通过如下方式确定所述k个账户分别在所述历史采样时段内的交易行为标签：
7.根据权利要求6所述的方法，其特征在于，所述根据所述k个账户是否存在跨监测时间窗口的交易行为，确定所述k个账户分别在所述历史监测时间窗口内的交易行为标签，包括：
8.根据权利要求3所述的方法，其特征在于，所述根据所述k个账户分别在所述历史监测时间窗口内的交易行为特征和交易行为标签，构建m个子训练集和m个验证集，包括：
9.一种交易行为检测装置，其特征在于，包括：
10.一种电子设备，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中任意一项所述的交易行为检测方法。
