[發明專利]銀行欺詐識別模型訓練方法、銀行欺詐識別方法和裝置

有效

• 申請號: 201811211265.0
• 申請日: 2018-10-17
• 公開（公告）號: CN109409896B
• 公開（公告）日: 2020-04-10
• 發明（設計）人: 郭豪;孫善萍;康曉中;蔡準;孫悅;郭曉鵬
• 申請（專利權）人: 北京芯盾時代科技有限公司
• 主分類號: G06Q20/40
• 分類號: G06Q20/40;G06Q40/02
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 唐維虎

本申請提供一種銀行欺詐識別模型訓練方法、銀行欺詐識別方法和裝置，在模型訓練的時候，通過獲取多個樣本用戶歷史操作信息及是否發生欺詐行為的標注信息，并根據每個樣本用戶的歷史操作信息，確定該樣本用戶在其所使用的業務渠道下的多種操作行為分別對應的特征向量；將特征向量輸入至預先構建的目標神經網絡模型中進行遷移學習，獲取該樣本用戶的欺詐識別結果；根據欺詐識別結果以及標注信息對目標神經網絡模型進行訓練，獲取銀行欺詐識別模型。本申請能夠基于遷移學習的思想，使得訓練得到的銀行欺詐識別模型學習到多種不同業務渠道用戶行為的特征，基于這種銀行欺詐識別模型檢測用戶的操作行為是否屬于欺詐行為具有更高的準確率。

技術領域

本申請涉及機器學習技術領域，具體而言，涉及一種銀行欺詐識別模型訓練方法、銀行欺詐識別方法和裝置。

背景技術

互聯網的快速發展以及智能終端的普及，使得人們在通過多種業務渠道的電子銀行遠程辦理查詢余額、轉賬、購物支付、理財等業務時獲得了極大的便捷，人們無論在任何時間、任何地點，不需要到銀行柜面，只需輕松動一下手指即可通過電子銀行進行匯款轉賬、定活互轉、信用卡賬單及明細查詢、信用卡還款、理財/基金購買、生活繳費等多種金融業務，效率得到了極大的提高。但是電子銀行在為用戶提供便捷服務的同時，也存在很多的安全隱患。

調查顯示，網絡犯罪每年給全球帶來高達4450億美元的經濟損失，日益復雜并向不同行業滲透。在國內，網絡詐騙的黑色產業鏈規模超過1100億元，從業人員超過160萬人。據中國互聯網協會發布的數據顯示，63.4％的網民通話記錄、網上購物記錄等信息遭泄露；78.2％的網民個人身份信息曾被泄露。欺詐者竊取到受害人的信息之后不斷的進行暴力破解、賬戶信息竊取、賬戶信息盜用、盜轉資金等行為，個人信息的泄露，給詐騙分子實現精準詐騙帶來了很大的便利，使得詐騙分子可以實現精準詐騙，單個詐騙金額不斷攀升，其欺詐行為已從單一個體行為，發展成為一個組織嚴密、專業分工明確的黑色產業鏈條，為銀行發展網絡金融業務帶來了嚴峻挑戰。

目前業內的電子銀行反欺詐系統防控策略存在對欺詐行為檢測的準確率低的問題。

發明內容

有鑒于此，本申請實施例的目的在于提供一種銀行欺詐識別模型訓練方法、銀行欺詐識別方法和裝置，能夠基于遷移學習的思想，使得訓練得到的銀行欺詐識別模型能夠學習到多種不同業務渠道用戶行為的特征，基于這種銀行欺詐識別模型檢測用戶的操作行為是否屬于欺詐行為，具有更高的準確率。

第一方面，本申請實施例提供了一種銀行欺詐識別模型訓練方法，包括：

獲取多個樣本用戶在第一歷史時間段內使用多個業務渠道進行操作的歷史操作信息，以及每個所述樣本用戶在第二歷史時間段在其所使用的所述業務渠道是否發生欺詐行為的標注信息；多個所述業務渠道包括一個目標業務渠道以及至少一個輔助業務渠道；

針對每個樣本用戶，根據該樣本用戶在第一歷史時間段內的所述歷史操作信息，確定該樣本用戶在其所使用的業務渠道下的多種操作行為分別對應的特征向量；

將各個樣本用戶的所述特征向量輸入至預先構建的目標神經網絡模型中進行從所述目標業務渠道至所述至少一個業務渠道的遷移學習，獲取該樣本用戶在其所使用的業務渠道的欺詐識別結果；

根據每個所述樣本用戶在其所使用的業務渠道的欺詐識別結果，以及該樣本用戶在其所使用的業務渠道是否發生欺詐行為的標注信息，對所述目標神經網絡模型進行訓練，獲取欺詐識別模型。

在一種可選的實施方式中，所述樣本用戶包括：第一樣本用戶以及第二樣本用戶；

獲取多個樣本用戶在第一歷史時間段內使用多個業務渠道進行操作的歷史操作信息，以及每個所述樣本用戶在第二歷史時間段在其所使用的所述業務渠道是否發生欺詐行為的標注信息，包括：