一种基于大数据与人工智能的充值行为异常监测系统

本发明涉及充值异常监测技术领域，尤指一种基于大数据与人工智能的充值行为异常监测系统，通过采集历史充值行为数据与实时用户行为数据，构建用户静态画像与设备I P画像，并对实时行为特征进行偏离度量，量化其与历史基线的差异，用于识别异常操作模式。基于历史操作序列训练时序神经网络模型，自动学习用户典型操作链路与行为节奏，精准识别时序结构异常。异常监测模块融合静态偏移与行为偏移结果，采用强化学习模型，根据风险拦截效果、误报情况与用户反馈动态调整响应策略，实现风控措施的自适应优化，提升系统在复杂充值场景下的实时智能风控能力。