[發明專利]一種反欺詐數據分析方法與系統

在審

• 申請號: 201711406514.7
• 申請日: 2017-12-22
• 公開（公告）號: CN108038700A
• 公開（公告）日: 2018-05-15
• 發明（設計）人: 何同國;張鵬;羅小勇
• 申請（專利權）人: 上海前隆信息科技有限公司
• 主分類號: G06Q30/00
• 分類號: G06Q30/00;G06Q30/06;G06K9/62
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 徐秋平

1.一種反欺詐數據分析方法，其特征在于，包括：

從一后端數據庫中獲取數據集市以及圖數據庫發送至一分析模型；其中，所述數據集市以及所述圖數據庫為根據預先搜集的關于欺詐的基礎數據生成的；

所述分析模型對所述數據集市以及所述圖數據庫進行分析，以獲得一分析結果；

將所述分析結果輸出至一前端并展示。

2.根據權利要求1所述的反欺詐數據分析方法，其特征在于：

所述分析模型包括個體欺詐風險識別模型和群體欺詐風險識別模型，所述分析結果包括群體分析結果以及個體分析結果；

其中，根據所述個體欺詐風險識別模型對所述數據集市進行分析以獲得所述個體分析結果，且根據所述群體欺詐風險識別模型對所述圖數據庫進行分析以獲得所述群體分析結果。

3.根據權利要求2所述的反欺詐數據分析方法，其特征在于：還用以將所述群體分析結果作為所述個體欺詐風險識別模型的輸入，以對所述個體分析結果進行補充。

4.根據權利要求2所述的反欺詐數據分析方法，其特征在于：所述個體欺詐風險識別模型包括監督學習模型、半監督學習模型以及無監督學習模型，其中所述監督學習模型至少包括以下模型的一種：邏輯回歸模型、樹網模型、神經網絡模型，所述半監督學習模型包括隨機森林模型；所述無監督學習模型包括孤立森林算法，所述孤立森林算法用以對輸入所述分析模型的所述數據集市的異常數據進行檢測。

5.根據權利要求2所述的反欺詐數據分析方法，其特征在于：所述群體欺詐風險識別模型包括一關系圖譜復雜網絡分析模型。

6.根據權利要求1所述的反欺詐數據分析方法，其特征在于：從所述后端數據庫中獲取所述數據集市后，將所述數據集市發送至一建模分析工具，以獲得關聯所述數據集市的建模數據，且將所述建模數據發送至所述分析模型，以供所述分析模型對所述建模數據進行分析。

7.根據權利要求1所述的反欺詐數據分析方法，其特征在于：將所述分析結果輸出至一前端并展示包括：將根據所述分析結果獲得的用戶欺詐評分、風險標簽預警以及用戶關系圖譜中的一種或多種進行展示。

8.根據權利要求1所述的反欺詐數據分析方法，其特征在于：所述圖數據庫可根據所述數據集市而進行更新，同時所述數據集市可根據所述圖數據庫而進行更新。

9.根據權利要求1所述的反欺詐數據分析方法，其特征在于：還用以將所述數據集市、所述圖數據庫以及所述分析結果進行存儲，以供查詢或導出。

10.一種反欺詐數據分析系統，其特征在于，包括：

數據生成模塊，用以根據預先搜集的關于欺詐的基礎數據生成數據集市以及圖數據庫；其中，所述基礎數據、所述數據集市以及所述圖數據庫存儲于一后端數據庫中；

數據獲取模塊，用以從所述后端數據庫中獲取所述數據集市以及所述圖數據庫；

數據發送模塊，用以將所述數據集市以及所述圖數據庫發送至一分析模型；

分析模塊，用以根據所述分析模型對數據集市以及所述圖數據庫進行分析，以獲得一分析結果，且將所述分析結果輸出至一前端；

分析結果展示模塊，運行于所述前端，用以在所述前端對所述分析結果進行展示。