[發明專利]借貸欺詐檢測模型訓練方法、借貸欺詐檢測方法及裝置

在審

• 申請號: 201811249964.4
• 申請日: 2018-10-25
• 公開（公告）號: CN109300029A
• 公開（公告）日: 2019-02-01
• 發明（設計）人: 郭豪;孫善萍;陳雨濛;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: G06Q40/02
• 分類號: G06Q40/02;G06K9/62
• 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: 蘇勝

1.一種借貸欺詐檢測模型訓練方法，其特征在于，包括：

獲取多個樣本用戶的身份信息、用戶銀行流水信息，以及與每個用戶對應的欺詐標簽信息；

針對每個所述樣本用戶，根據該樣本用戶的身份信息構建身份特征向量，并使用第一向量變換矩陣對所述身份特征向量進行非線性變換，獲得該樣本用戶的行為模式向量；

根據該樣本用戶的用戶行為模式向量、第二向量變換矩陣以及所述用戶銀行流水信息，構建所述樣本用戶的流水特征向量；

將所述樣本用戶的用戶行為模式向量與所述流水特征向量進行拼接，生成該樣本用戶的目標特征向量，其中，所述目標特征向量用于表述所述用戶的行為模式以及收入支出情況；

將各個所述樣本用戶的所述目標特征向量輸入至目標神經網絡，獲取各個所述樣本用戶的目標特征向量的欺詐檢測結果；

根據各個所述樣本用戶的欺詐檢測結果以及對應的欺詐標注信息，對所述目標神經網絡、所述第一向量變換矩陣以及所述第二向量變換矩陣進行訓練，得到所述借貸欺詐檢測模型。

2.根據權利要求1所述的方法，其特征在于，所述根據該樣本用戶的身份信息構建身份特征向量，并使用第一向量變換矩陣對所述身份特征向量進行非線性變換，獲得該樣本用戶的行為模式向量，包括：

計算所述身份特征向量以及所述第一向量變換矩陣的乘積，并使用預設的線性變換函數，對所述身份特征向量以及所述第一向量變換矩陣的乘積結果進行非線性運算，獲得該樣本用戶的行為模式向量。

3.根據權利要求1所述的方法，其特征在于，所述根據該樣本用戶的用戶行為模式向量、第二向量變換矩陣以及所述用戶銀行流水信息，構建所述樣本用戶的流水特征向量，具體包括：

根據至少一個預設時長、所述第二向量變換矩陣以及該樣本用戶的銀行流水信息，生成時長為所述預設時長的多個不同時間段的流水數據向量；

根據所述行為模式向量和所述多個不同時間段的流水數據向量，生成每個時間段的流水數據向量對應的權重；

根據所述每個時間段的流水數據向量，將時長為該預設時長的各個時間段的流水數據向量進行加權求和，得到與該預設時長對應的流水特征向量。

4.根據權利要求3所述的方法，其特征在于，所述根據至少一個預設時長、所述第二向量變換矩陣以及該樣本用戶的銀行流水信息，生成時長為所述預設時長的多個不同時間段的流水數據向量，具體包括：

針對每個預設時長的多個不同時間段中的每個時間段，根據發生時間落入該時間段的用戶銀行流水信息，生成該時間段的原始流水數據向量；

根據所述第二向量變換矩陣，對該樣本用戶的原始流水數據向量進行變換處理，生成該時間段的流水數據向量。

5.根據權利要求4所述的方法，其特征在于，所述根據所述第二向量變換矩陣，對該樣本用戶的原始流水數據向量進行變換處理，生成該時間段的流水數據向量，具體包括：

對所述原始流水數據向量進行增強魯棒性變換，和/或對所述原始流水數據向量進行消除差距變換，生成變換流水數據向量；

根據第二向量變換矩陣，對所述變換流水數據向量進行流水信息變換，得到該時間段的流水數據向量。

6.根據權利要求5所述的方法，其特征在于，所述根據第二向量變換矩陣，對所述變換流水數據向量進行流水信息變換，得到該時間段的流水數據向量，包括：

計算所述變換流水數據向量與所述第二向量變換矩陣的乘積；

將所述所述變換流水數據向量與所述第二向量變換矩陣的乘積的結果作為所述流水數據向量。