[發明專利]一種風險控制模型的訓練方法及裝置

在審

• 申請號: 201810444821.2
• 申請日: 2018-05-10
• 公開（公告）號: CN108665166A
• 公開（公告）日: 2018-10-16
• 發明（設計）人: 譚威強
• 申請（專利權）人: 易聯支付有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q20/40;G06Q30/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張春水;唐京橋

本發明提供的一種風險控制模型的訓練方法，包括：獲取用于訓練風險控制模型的第一白樣本和第一黑樣本并計算他們之間各個變量的差值，若差值大于預設第一閾值，則將該差值對應的變量作為模型特征；根據模型特征運行模型算法，生成風險控制模型；驗證風險控制模型的誤判率；若誤判率符合預設的范圍，則輸出風險控制模型，完成風險控制模型的訓練，否則對各步驟預設參數進行調整并重新訓練。本發明通過計算第一白樣本和第一黑樣本之間各個變量的差值并將差值較大的變量作為模型特征，從而科學地選擇到能夠明確區分白樣本和黑樣本的變量，使得風險控制模型能夠更加精確和準確地判斷訂單風險，有效降低了訂單的誤判率。

技術領域

本發明涉及風險控制技術領域，尤其涉及一種風險控制模型的訓練方法及裝置。

背景技術

在支付行業內，規則型框架是一種普遍應用于運算交易風險數值的系統設計。目前，風險控制系統也是利用同類框架創建。每一筆訂單按其行業、商戶、開戶銀行、手機號歸屬地等等屬性，匹配出一系列預設的規則和參數。透過規則的一一運行，為訂單打上各項后續操作標記。最后，由系統統一根據標記對訂單作出相應的分流處理。

而隨著互聯網的發展，互聯網業務越來越豐富。隨之而來的互聯網業務的欺詐行為，也越來越多。比如，盜取他人賬戶或盜用他人賬戶進行非法交易、或單個賬戶業務量激增(信用值炒作)等。因此，為了確保信息操作安全，通常一項互聯網業務所屬的系統需要有風險控制系統，這個系統的核心就是風險控制模型。

借助于風險控制模型，當該模型接收到訂單數據時，通過訂單及其相關信息便可進行風險識別。然而，在目前的風險控制模型普遍存在精度不足，模型輸入變量與風險判斷的“點”數量龐大，容易出現模型輸入變量與風險判斷重點不匹配的情況，導致誤判或判斷不準確。

發明內容

本發明實施例提供了一種風險控制模型的訓練方法及裝置，用于解決目前風險控制模型的模型輸入變量與風險判斷關鍵不匹配導致容易出現誤判的情況的技術問題。

本發明提供的一種風險控制模型的訓練方法，包括：

S1：獲取用于訓練風險控制模型的第一白樣本和第一黑樣本；

S2：直接或間接計算第一白樣本和第一黑樣本之間各個變量的差值，若差值大于預設第一閾值，則將該差值對應的變量作為模型特征；

S3：根據模型特征運行模型算法，生成風險控制模型；

S4：獲取用于驗證風險控制模型的第二白樣本和第二黑樣本并輸入風險控制模型，根據運行結果獲得當前的風險控制模型的誤判率；

S5：若誤判率符合預設的范圍，則輸出風險控制模型，完成風險控制模型的訓練，否則對各步驟預設參數進行調整并返回執行步驟S1。

優選地，所述獲取用于訓練風險控制模型的第一白樣本和第一黑樣本之前還包括：

從交易數據庫中提取正常訂單數據和欺詐訂單數據；

按比例抽取正常訂單和欺詐訂單，獲得白樣本和黑樣本；

將白樣本和黑樣本分別按比例分成用于訓練風險控制模型的第一白樣本和第一黑樣本和用于驗證風險控制模型的第二白樣本和第二黑樣本。

優選地，若誤判率符合預設的范圍，則輸出風險控制模型，完成風險控制模型的訓練之后還包括：

S6：獲取用于刷新風險控制模型的第三白樣本和第三黑樣本，對各步驟預設參數進行調整并將第三白樣本和第三黑樣本輸入風險控制模型，根據運行結果獲得當前的風險控制模型的誤判率；

S7：若誤判率符合預設的范圍，則輸出風險控制模型，完成風險控制模型的訓練，否則返回執行步驟S6。

優選地，所述步驟S6之前還包括：