[發(fā)明專利]一種風控規(guī)則生成方法和裝置

有效

• 申請?zhí)枺?/td>: 201810144812.1
• 申請日: 2018-02-12
• 公開（公告）號: CN108460523B
• 公開（公告）日: 2020-08-21
• 發(fā)明（設(shè)計）人: 張?zhí)煲?/a>;宋博文
• 申請（專利權(quán)）人: 阿里巴巴集團控股有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q40/04
• 代理公司: 北京國昊天誠知識產(chǎn)權(quán)代理有限公司 11315
• 代理人: 許志勇

本申請公開了一種風控規(guī)則生成方法和裝置，所述方法包括：通過將源域與目標域進行數(shù)據(jù)結(jié)構(gòu)對齊，得到包括源域樣本數(shù)據(jù)和目標域樣本數(shù)據(jù)的樣本數(shù)據(jù)集合，基于預(yù)設(shè)收斂閾值，對樣本數(shù)據(jù)集合進行多次迭代，得到樣本數(shù)據(jù)集合中每個樣本數(shù)據(jù)的權(quán)重分值，進而根據(jù)樣本數(shù)據(jù)集合中每個樣本數(shù)據(jù)的權(quán)重分值，確定預(yù)設(shè)風控規(guī)則生成條件中的特征參數(shù)值，以及根據(jù)預(yù)設(shè)風控規(guī)則生成條件和預(yù)設(shè)風控規(guī)則生成條件中的特征參數(shù)值，生成風控規(guī)則，從而使得可以利用源域?qū)?yīng)的成熟業(yè)務(wù)場景積累的歷史數(shù)據(jù)，快速為目標域?qū)?yīng)的新業(yè)務(wù)場景生成風控規(guī)則，有效提高風控規(guī)則的生成效率。

技術(shù)領(lǐng)域

本申請涉及風險控制領(lǐng)域，尤其涉及一種風控規(guī)則生成方法和裝置。

背景技術(shù)

在金融、企業(yè)經(jīng)營管理等經(jīng)濟領(lǐng)域中，有效的風險控制是預(yù)防和打擊經(jīng)濟犯罪的必要手段。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，各種網(wǎng)絡(luò)經(jīng)濟活動迅速發(fā)展，例如，網(wǎng)絡(luò)購物、網(wǎng)絡(luò)交易等業(yè)務(wù)場景，因此，網(wǎng)絡(luò)風險控制變得越來越重要。實際應(yīng)用中，網(wǎng)絡(luò)風險控制的方式是通過設(shè)置一些風控規(guī)則來判斷可信交易和風險交易，風控規(guī)則的生成依賴于大量的歷史交易數(shù)據(jù)。針對于新業(yè)務(wù)場景，由于積累交易數(shù)據(jù)需要較長時間，導(dǎo)致無法及時為新業(yè)務(wù)場景構(gòu)建風控規(guī)則。因此，亟需提供一種效率更高的風控規(guī)則生成方法。

發(fā)明內(nèi)容

本申請實施例提供一種風控規(guī)則生成方法和裝置，能夠有效提高風控規(guī)則的生成效率。

本申請實施例提供一種風控規(guī)則生成方法，包括：

將源域與目標域進行數(shù)據(jù)結(jié)構(gòu)對齊，得到樣本數(shù)據(jù)集合，其中，所述樣本數(shù)據(jù)集合中包括源域樣本數(shù)據(jù)和目標域樣本數(shù)據(jù)；

基于預(yù)設(shè)收斂閾值，對所述樣本數(shù)據(jù)集合進行多次迭代，得到所述樣本數(shù)據(jù)集合中每個樣本數(shù)據(jù)的權(quán)重分值；

根據(jù)所述樣本數(shù)據(jù)集合中每個樣本數(shù)據(jù)的權(quán)重分值，確定預(yù)設(shè)風控規(guī)則生成條件中的特征參數(shù)值；

根據(jù)所述預(yù)設(shè)風控規(guī)則生成條件，以及所述預(yù)設(shè)風控規(guī)則生成條件中的特征參數(shù)值，生成風控規(guī)則。

可選地，將源域與目標域進行數(shù)據(jù)結(jié)構(gòu)對齊，得到樣本數(shù)據(jù)集合，包括：

將所述源域和所述目標域中，具有相同變量維度的變量數(shù)據(jù)，和/或，具有相同業(yè)務(wù)邏輯定義的變量數(shù)據(jù)，添加到所述樣本數(shù)據(jù)集合中。

可選地，基于預(yù)設(shè)收斂閾值，對所述樣本數(shù)據(jù)集合進行多次迭代，得到所述樣本數(shù)據(jù)集合中每個樣本數(shù)據(jù)的權(quán)重分值，包括：

基于預(yù)設(shè)算法和所述樣本數(shù)據(jù)集合，確定分類模型；

通過降低錯誤分類的所述源域樣本數(shù)據(jù)的權(quán)重，以及提高錯誤分類的所述目標域樣本數(shù)據(jù)的權(quán)重，對所述樣本數(shù)據(jù)集合進行多次迭代，直到所述分類模型的分類正確率滿足所述預(yù)設(shè)收斂閾值；

基于所述分類正確率滿足所述預(yù)設(shè)收斂閾值的所述分類模型，確定所述樣本數(shù)據(jù)集合中每個樣本數(shù)據(jù)的權(quán)重分值。

可選地，根據(jù)所述樣本數(shù)據(jù)集合中每個樣本數(shù)據(jù)的權(quán)重分值，確定預(yù)設(shè)風控規(guī)則生成條件中的特征參數(shù)值，包括：

根據(jù)所述樣本數(shù)據(jù)集合中每個樣本數(shù)據(jù)的權(quán)重分值，采用加權(quán)決策樹算法，確定所述預(yù)設(shè)風控規(guī)則生成條件中的特征參數(shù)值。

可選地，所述變量數(shù)據(jù)是客戶關(guān)系管理RFM變量數(shù)據(jù)，用于表示交易事件的風險相似性。

可選地，所述RFM變量數(shù)據(jù)包括：交易信息變量、風險網(wǎng)絡(luò)變量、用戶歷史行為變量。

本申請實施例還提供一種風控規(guī)則生成裝置，包括：

集合確定單元，將源域與目標域進行數(shù)據(jù)結(jié)構(gòu)對齊，得到樣本數(shù)據(jù)集合，其中，所述樣本數(shù)據(jù)集合中包括源域樣本數(shù)據(jù)和目標域樣本數(shù)據(jù)；