[發明專利]基于機器學習的用戶風險分類方法、裝置、介質及設備

在審

• 申請號: 201811244552.1
• 申請日: 2018-10-24
• 公開（公告）號: CN109344906A
• 公開（公告）日: 2019-02-15
• 發明（設計）人: 于洋;馬寧
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 劉抗美

1.一種用戶風險分類方法，其特征在于，包括：

獲取用戶靜態特征數據，所述用戶靜態特征數據表示在未結合用戶網絡行為的情況下表現出來的特征；

獲取用戶動態特征數據，所述用戶動態特征數據表示用戶的網絡行為表現出來的特征；

剔除用戶靜態特征數據和用戶動態特征數據中的目標剔除特征數據；

將剔除了目標剔除特征數據后的用戶靜態特征數據和用戶動態特征數據的特征數據輸入預先訓練的隨機森林模型，所述隨機森林模型輸出用戶風險等級；

將剔除了目標剔除特征數據后的用戶靜態特征數據和用戶動態特征數據的特征數據、以及隨機森林模型輸出的用戶風險等級，輸入預先訓練的邏輯回歸模型，由邏輯回歸模型輸出用戶風險評分；

根據隨機森林模型輸出的用戶風險等級和邏輯回歸模型輸出的用戶風險評分，對用戶進行風險上的分類。

2.根據權利要求1所述的方法，其特征在于，所述根據隨機森林模型輸出的用戶風險等級和邏輯回歸模型輸出的用戶風險評分，對用戶進行風險上的分類，具體包括：

如果所述隨機森林模型輸出的用戶風險等級滿足第一預定用戶風險等級條件，且所述邏輯回歸模型輸出的用戶風險評分大于第一預定用戶風險評分閾值，則將用戶分類為異常網絡行為用戶；

如果所述隨機森林模型輸出的用戶風險等級滿足第二預定用戶風險等級條件，且所述邏輯回歸模型輸出的用戶風險評分小于第二預定用戶風險評分閾值，則將用戶分類為正常網絡行為用戶；

否則，將用戶分類為待定網絡行為用戶。

3.根據權利要求1所述的方法，其特征在于，所述根據隨機森林模型輸出的用戶風險等級和邏輯回歸模型輸出的用戶風險評分，對用戶進行風險上的分類，具體包括：

將所述隨機森林模型輸出的用戶風險等級換算成等級分數；

確定所述等級分數與所述用戶風險評分的加權和，作為風險總分數；

基于所述風險總分數，對用戶進行風險上的分類。

4.根據權利要求1所述的方法，其特征在于，所述用戶靜態特征數據包括以下中的至少一個：

所述用戶是否屬于黑名單中的用戶；

所述用戶的注冊信息特征；

所述用戶的網絡消費特征。

5.根據權利要求1所述的方法，其特征在于，所述用戶動態特征數據包括以下中的至少一個：

所述用戶單位時間更換網絡地址的次數；

所述用戶單位時間更換上網設備的次數；

所述用戶單位時間產生同一操作路徑的次數。

6.根據權利要求5所述的方法，其特征在于，所述用戶單位時間更換網絡地址的次數通過如下方式確定：

基于所述用戶注冊時的手機號或身份證號，確定所述用戶注冊時的手機號或身份證號對應的用戶的單位時間上網次數，其中，從用戶登錄到互聯網到退出互聯網，稱為一次上網；

確定所述用戶單位時間內每次上網用的網絡地址；

基于所述用戶單位時間內相鄰兩次上網所用的網絡地址的一致性，確定所述用戶單位時間內更換網絡地址的次數，其中，如果所述用戶一次上網用的網絡地址與前一次不一致，則更換了一次網絡地址。

7.根據權利要求5所述的方法，其特征在于，所述用戶單位時間更換上網設備的次數通過如下方式確定：

基于所述用戶注冊時的手機號或身份證號，確定所述用戶注冊時的手機號或身份證號對應的用戶的單位時間上網次數，其中，從用戶登錄到互聯網到退出互聯網，稱為一次上網；

確定所述用戶單位時間內每次上網用的上網設備；

基于所述用戶單位時間內相鄰兩次上網所用的上網設備的一致性，確定所述用戶單位時間內更換上網設備的次數，其中，如果所述用戶一次上網用的上網設備與前一次不一致，則更換了一次上網設備。