[發明專利]社交網絡欺詐模型的構建方法、防欺詐方法和裝置

在審

• 申請號: 201910515291.0
• 申請日: 2019-06-14
• 公開（公告）號: CN110232524A
• 公開（公告）日: 2019-09-13
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 哈爾濱哈銀消費金融有限責任公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q30/00;G06Q40/04;G06Q50/00
• 代理公司: 北京細軟智谷知識產權代理有限責任公司 11471
• 代理人: 劉冬梅

1.一種社交網絡欺詐模型的構建方法，其特征在于，包括：

將訓練對象的社交網絡信息輸入預先構建的社交網絡提取模型，得到所述社交網絡信息的特征數據；

基于所述特征數據，構建所述社交網絡信息對應的社交網絡圖譜；

基于預設的社區識別算法，對所述社交網絡圖譜進行識別，得到所述社交網絡圖譜對應的社區個數；

獲取每個社區內每個社區對象的歷史行為數據；

根據目標社區內所有歷史行為數據，確定所述目標社區是否存在欺詐行為；

若所述目標社區存在所述欺詐行為，利用所述目標社區內所有歷史行為數據對預先構建的神經網絡模型進行訓練，得到社交網絡欺詐模型，以便利用所述社交網絡欺詐模型對目標網絡信息的欺詐行為進行識別。

2.根據權利要求1所述的方法，其特征在于，所述根據目標社區內所有歷史行為數據，確定所述目標社區是否存在欺詐行為，包括：

根據目標社區內所有歷史行為數據，確定所述目標社區內每個社區對象的單體欺詐風險；

根據所述目標社區內每個社區對象的單體欺詐風險，確定所述目標社區存在欺詐行為的概率；

若所述概率大于或者等于第一預設閾值，確定出所述目標社區存在欺詐行為；

若所述概率小于所述第一預設閾值，確定出所述目標社區不存在欺詐行為。

3.根據權利要求2所述的方法，其特征在于，根據目標社區內所有歷史行為數據，確定所述目標社區內每個社區對象的單體欺詐風險，包括：

檢測所述目標社區內所有歷史行為數據是否包括已知欺詐數據；

若所述目標社區內所有歷史行為數據包括所述已知欺詐數據，基于預設的風險評估公式，計算所述目標社區內每個社區對象的單體欺詐風險；

所述風險評估公式為：

R_j＝r_j+L/d(V_j,V_i)；

L＝sum(W_k)；

d(V_j,V_i)＝min(L)；

其中，R_j為社區對象V_j的單體欺詐風險，r_j為社區對象V_j的原有欺詐風險，未識別出欺詐數據的情況下V_j＝0，L為社區對象V_j到社區對象V_i的一條聯通路徑，L的長度為社區對象V_j到社區對象V_i聯通路徑中各條邊的權重和sum(W_k)，d(V_j,V_i)為社區對象V_j與社區對象V_i之間最短聯通路徑的距離。

4.根據權利要求3所述的方法，其特征在于，還包括：

若所述目標社區內所有歷史行為數據不包括所述已知欺詐數據，確定可能影響每個社區對象行為的各種屬性；

根據每個所述社區對象所述各種屬性的分布情況，確定每個社區對象的角色；

計算每個社區對象與所在社區內不同角色的其它社區對象發生欺詐行為的可能性；

基于所述可能性，對所述每個社區對象的單體欺詐風險進行更新。

5.根據權利要求1-4任一項所述的方法，其特征在于，所述社區識別算法包括GN算法和/或基于模塊度算法。

6.一種防欺詐方法，其特征在于，包括：

獲取目標對象的目標社交網絡信息；

將所述目標社交網絡信息輸入預先訓練的社交網絡欺詐模型，得到所述目標社交網絡信息對應的特征值；其中，所述交網絡欺詐模型為根據權利要求1-5任一項所述社交網絡欺詐模型的構建方法構建的；

判斷所述特征值是否大于第二預設閾值；

若所述特征值大于第二預設閾值，判斷出所述目標社交網絡信息存在欺詐行為。