[發明專利]一種業務風險防控方法、裝置及設備有效
| 申請號: | 201811184619.7 | 申請日: | 2018-10-11 |
| 公開(公告)號: | CN109598281B | 公開(公告)日: | 2023-05-26 |
| 發明(設計)人: | 郝靜云 | 申請(專利權)人: | 創新先進技術有限公司 |
| 主分類號: | G06Q40/08 | 分類號: | G06Q40/08;G06F18/241;G06F18/214 |
| 代理公司: | 北京博思佳知識產權代理有限公司 11415 | 代理人: | 林祥 |
| 地址: | 開曼群島大開曼島*** | 國省代碼: | 暫無信息 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 業務 風險 方法 裝置 設備 | ||
公開了一種業務風險防控方法、裝置及設備。通過匯總第一訓練樣本集和第二訓練樣本集,形成一個混合的訓練樣本集,并賦予每個訓練樣本相應的采樣權重。然后針對這個訓練樣本集進行相應的模型訓練,得到分類模型,并計算該分類對于第一訓練樣本的錯誤識別率。而后基于錯誤識別率不斷調整訓練樣本集中第一訓練樣本和第二訓練樣本的采樣權重,最終可得到一個在第一訓練樣本上具有一定準確性的目標分類模型,進而可以根據該目標分類模型對第一業務進行準確的風控防御。
技術領域
本說明書實施例涉及信息技術領域,尤其涉及一種業務風險防控方法、裝置及設備。
背景技術
隨著網絡技術的發展,越來越多的與用戶資金、信用等相關的業務通過在線進行(例如,支付或者貸款),相應的也伴隨出現很多業務風險(例如,在線欺詐),對業務進行風險控制常常是業務流程中不可或缺的一部分。
當前在風控過程中,常用的手段是收集大量的業務數據(包括出現風險的業務數據和正常業務數據),進行監督/半監督/無監督的機器學習,得到一個相應的分類模型,從而可以自動的對線上正在進行的業務進行及時的風險判定。在這個方式中,收集大量的有效業務數據是基礎。但是在某些業務中,出現風險的環節往往在業務系統之外,例如,在現金貸業務中,用戶被人欺騙,將貸款得到的資金通過自己的銀行卡轉給了惡意第三方。此時,業務方難以收集到大量的有效風險業務數據來訓練模型進行風險防控。
基于此,需要一種更有效的業務風險防控方案。
發明內容
針對現有業務風險防控的問題,為實現更有效的業務風險防控方案,本說明書實施例提供一種業務風險防控方法,具體包括:
獲取第一業務的第一訓練樣本集和第二業務的第二訓練樣本集,其中,第一訓練樣本集和第二訓練樣本集中的訓練樣本均帶有風險標簽;以及,針對所述第一訓練樣本集和第二訓練樣本集中的任一訓練樣本,確定其采樣權重,
利用以下步驟進行迭代處理,直到分類模型對所述第一訓練樣本集的分類錯誤率達到預設的要求:
基于所述訓練樣本的當前采樣權重生成分類模型,確定當前分類模型對所述第一訓練樣本集的分類錯誤率;
若所述分類錯誤率未達到預設的要求,根據所述分類錯誤率調整訓練樣本的采樣權重;
迭代結束時,確定當前的分類模型為目標分類模型,用于處理第一業務時進行風險防控。
對應的,本說明書實施例還提供一種業務風險防控裝置,包括:
樣本獲取模塊,獲取第一業務的第一訓練樣本集和第二業務的第二訓練樣本集,其中,第一訓練樣本集和第二訓練樣本集中的訓練樣本均帶有風險標簽,以及,針對所述第一訓練樣本集和第二訓練樣本集中的任一訓練樣本,確定其采樣權重;
模型訓練模塊,基于所述訓練樣本的當前采樣權重生成分類模型;
分類錯誤率確定模塊,確定當前分類模型對所述第一訓練樣本集的分類錯誤率;
權重調整模塊,若所述分類錯誤率未達到預設的要求,根據所述分類錯誤率調整訓練樣本的采樣權重;
所述模型訓練模塊、分類錯誤率確定模塊和權重調整模塊互相配合,實現迭代處理,直到分類錯誤率達到預設的要求;
模型確定模塊,迭代結束時,確定當前的分類模型為目標分類模型,用于處理第一業務時進行風險防控。
對應的,本說明書實施例還提供一種計算機設備,包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序,其中,所述處理器執行所述程序時實現上述的業務風險防控方法。
對應的,本說明書實施例還提供計算機可讀存儲介質,其上存儲有計算機程序,該程序被處理器執行時,執行如下方法:
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于創新先進技術有限公司,未經創新先進技術有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811184619.7/2.html,轉載請聲明來源鉆瓜專利網。





