[發明專利]信用欺詐識別方法及裝置、電子設備、存儲介質

在審

• 申請號: 201910792220.5
• 申請日: 2019-08-26
• 公開（公告）號: CN110706090A
• 公開（公告）日: 2020-01-17
• 發明（設計）人: 劉永迅;陳新
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q40/04
• 代理公司: 11403 北京風雅頌專利代理有限公司
• 代理人: 李莎

1.一種信用欺詐識別方法，其特征在于，應用于服務器端，包括：

接收交易請求；

根據所述交易請求，獲取交易信息、交易雙方的賬號信息、交易支出方的設備信息和對交易支出方作出的受騙風險評分；

根據所述交易信息、交易雙方的賬號信息、交易支出方的設備信息和對交易支出方作出的受騙風險評分，生成風險評估結果；

若所述風險評估結果為有風險，則發送風險提示。

2.根據權利要求1所述的方法，其特征在于，還包括：

獲取交易支出方的用戶信息變量、消費信息變量、操作信息變量和安全意識信息變量；

對所述用戶信息變量、消費信息變量、操作信息變量和安全意識信息變量分別進行證據權重評分，得到用戶信息變量評分、消費信息變量評分、操作信息變量評分和安全意識信息變量評分；

根據所述用戶信息變量評分、消費信息變量評分、操作信息變量評分和安全意識信息變量評分，計算得到所述受騙風險評分。

3.根據權利要求2所述的方法，其特征在于，所述用戶信息變量包括用戶年齡、用戶常駐地的案發頻率、用戶常駐地的城市等級、用戶的賬號認證時長、用戶的賬號資金等級中的至少一種；

所述消費信息變量包括第一預設期間內的交易次數、第一預設期間內購買商品的平均價格、第一預設期間內的酒店訂單次數、第一預設期間內的機票訂單次數、第一預設期間內網絡游戲交易次數中的至少一種；

所述操作信息變量包括第二預設期間內瀏覽高危網頁的次數、第二預設期間內搜索高危網頁的次數、第二預設期間內使用外部WIFI和外部設備操作賬號的次數、第二預設期間內賬號登錄城市個數、第二預設期間內賬號有效登錄次數、第二預設期間內營銷活動點擊次數中的至少一種；

所述安全意識信息變量包括使用安全產品的個數。

4.根據權利要求1所述的方法，其特征在于，根據所述交易信息、交易雙方的賬號信息以及交易支出方的設備信息和受騙風險評分，生成風險評估結果，包括：

將所述交易信息、交易雙方的賬號信息以及交易支出方的設備信息和受騙風險評分代入有監督梯度提升決策樹風險評估模型，得到風險評估結果。

5.根據權利要求4所述的方法，其特征在于，還包括：

利用梯度提升決策樹，建立風險評估模型；

獲取正常交易歷史數據、正常用戶數據、欺詐交易歷史數據和欺詐用戶數據，并將所述正常交易歷史數據和正常用戶數據標記為正常，將所述欺詐交易歷史數據和欺詐用戶數據標記為異常；

利用帶有標記的所述正常交易歷史數據、正常用戶數據、欺詐交易歷史數據和欺詐用戶數據訓練所述風險評估模型，得到所述有監督梯度提升決策樹風險評估模型。

6.根據權利要求4所述的方法，其特征在于，還包括：

利用梯度提升決策樹，建立風險評估模型；

獲取正常交易歷史數據、正常用戶數據、欺詐交易歷史數據和欺詐用戶數據，并將所述正常交易歷史數據和正常用戶數據標記為正常，將所述欺詐交易歷史數據和欺詐用戶數據標記為異常；

根據數據是否產生于可信環境，對帶有標記的所述正常交易歷史數據、正常用戶數據、欺詐交易歷史數據和欺詐用戶數據進行分組，得到可信環境數據組和非可信環境數據組；

利用所述可信環境數據組和非可信環境數據組分別訓練所述風險評估模型，得到可信環境的有監督梯度提升決策樹風險評估模型和非可信環境的有監督梯度提升決策樹風險評估模型。