[發明專利]一種基于網絡嵌入技術的線上借貸反欺詐方法

在審

• 申請號: 202010148123.5
• 申請日: 2020-03-05
• 公開（公告）號: CN111429249A
• 公開（公告）日: 2020-07-17
• 發明（設計）人: 王成;舒鵬飛
• 申請（專利權）人: 同濟大學
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海科律專利代理事務所(特殊普通合伙) 31290
• 代理人: 葉鳳

1.一種基于網絡嵌入的線上借貸反欺詐方法，其特征在于，過程如下：

輸入：最近三天的借貸申請記錄

輸出：這三天借貸申請中每條申請記錄的欺詐風險值

(1)將用戶的歷史申請記錄構建成一個原生網路，原生網絡的構建方法為：在所有的歷史申請記錄中，將用戶的申請記錄中的每個特征值作為網絡中的一個節點，節點的類型為該特征值對應的特征類型，將每個申請單號類型的節點(APPLYNO節點)作為網絡中的超導節點。遍歷每一條申請記錄，將在同一條申請記錄中所有的特征值對應的網絡節點與該申請記錄對應的APPLYNO節點連接起來，構建好原生網絡。執行步驟(2)；

(2)當有一條新的借貸申請記錄產生時，將該申請記錄的所有特征值按照步驟(1)中的方法更新到步驟(1)中構建好的原生網絡中，得到一個新的原生網絡；執行步驟(3)；

(3)當每連續三天更新原生網絡后，從原生網絡中提取出一個同質的衍生網絡，提取同質的衍生網絡的方法為：將網絡中所有的APPLYO節點提取出來，在原生網絡中如果任意兩個APPLYNO節點之間有公共的鄰居節點，則在衍生網絡中將這兩個APPLYNO節點連接起來，形成網絡中的一條邊，邊的權重weight等于這兩個APPLYNO節點之間共同鄰居節點的個數。執行步驟(4)；

(4)將提取的同質的衍生網絡輸入到node2Vec模型中，node2Vec模型會輸出每個APPLYNO節點的128維向量表示。node2vec模型主要包括兩個部分：隨機游走和向量學習。

隨機游走：將網絡中的每個節點作為起始節點，根據網絡結構和邊的權重，從當前節點隨機游走到其他節點，在游走過程中結束后，會得到以每個節點作為起始節點的游走節點序列。為了增加樣本數量，游走過程可以重復多次；

向量學習：將隨機游走后的序列輸入到skip-gram模型后，skip-gram模型訓練完成后，會輸出每個APPLYNO節點的向量表示。

執行步驟(5)；

(5)在完成每個APPLYNO節點的向量表示后，將歷史記錄中有標簽的申請記錄對應的APPLYNO節點的向量表示和記錄標簽輸入到XGBoost模型中，訓練一個XGBoost模型(簡稱xgb模型)。執行步驟(6)；

(6)將最近三天的借貸申請的申請單號節點(APPLYNO節點)的向量表示輸入到訓練好的xgb模型中，xgb模型會輸出每個申請記錄的欺詐概率值pred(0-1之間的小數)；執行步驟(7)；

(7)設置一個欺詐風險閾值threshold，如果某條申請記錄的欺詐風險值pred大于threshold，則認定這條借貸申請是欺詐借貸，拒絕提供借貸服務；否則認定為正常借貸，可以提供借貸業務。