[發明專利]一種基于過采樣改進svdd的銀行客戶交易行為異常識別方法

在審

• 申請號: 202010137063.7
• 申請日: 2020-03-02
• 公開（公告）號: CN111369339A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 楊健穎
• 申請（專利權）人: 深圳索信達數據技術有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q20/40
• 代理公司: 深圳市千納專利代理有限公司 44218
• 代理人: 黃良寶

1.一種基于過采樣改進svdd的銀行客戶交易行為異常識別方法，其特征在于：包括以下步驟：

S1，給定銀行客戶交易行為的原始數據，對原始數據進行一致性檢查，清除無效數據和重復數據，填補缺失值，并將類別變量轉化為數值型變量，根據原始數據中記錄的結果，將原始數據分為有異常行為和暫時沒有出現異常行為兩類；將暫時沒有出現異常行為這類視作不知是否有異常；

S2，設置一個數值p，使用smote過采樣算法將數據中有異常行為的數據擴充p倍；

S3，對擴充p倍后的有異常行為的數據建立svdd模型，計算svdd模型的球心a和半徑R；

S4，計算不知是否異常行為的數據到svdd模型球心a的距離,將該距離小于svdd模型半徑R的交易行為判斷為異常行為，否則判斷為無異常行為。

2.根據權利要求1所述的一種基于過采樣改進svdd的銀行客戶交易行為異常識別方法，其特征在于，所述步驟S2包括：

設有異常行為的數據集為Q，共有q個樣本；

計算有異常行為的數據集Q中的每一個樣本x_i(i＝1,2,...q)的m近鄰點，從這m個近鄰點中隨機選取一個樣本點x_it再生成一個0至1的隨機數λ_j，基于x_i生成的第j個新樣本點

對每一個樣本x_i進行p次線性插值運算，每次生成一個新樣本，得到基于smote過采樣算法擴充p倍后的有異常行為數據集。

3.根據權利要求1所述的一種基于過采樣改進svdd的銀行客戶交易行為異常識別方法，其特征在于，所述步驟S3包括：

用(x,y)表示有異常行為的數據集，x表示特征，y表示有異常；對有異常行為的數據集(x,y)構建一個超球體，該超球體描述為使得(x_i-a)^T(x_i-a)≤R²+ξ_i，其中C是懲罰參數，ξ_i是松弛變量；

將超球體的描述轉化為如下形式：L＝∑α_iK(x_i,x_j)-∑α_iα_jK(x_i,x_j)，其中K是核函數，α_i是拉格朗日乘子，計算超球體的球心a和半徑R；

計算超球體的半徑R²＝K(x_i,x_i)-2∑α_iK(x_i,x_j)+∑∑α_iα_jK(x_i,x_j)和球心a＝∑α_ix_i；

計算不知是否有異常行為的數據到球心a的距離，將該距離小于超球體半徑R的行為判斷為異常，將識別出來的異常行為報告到驗證模塊做進一步的安全驗證。