[發明專利]境外信用卡風控模型迭代方法、裝置、設備以及存儲介質

在審

• 申請號: 202010322281.8
• 申請日: 2020-04-22
• 公開（公告）號: CN111507829A
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 譚振強;孔日暉
• 申請（專利權）人: 廣州東百信息科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06N20/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及信用卡風控的技術領域，尤其是涉及一種境外信用卡風控模型迭代方法、裝置、設備以及存儲介質，其包括以下步驟：S10：獲取預設的境外信用卡風控模型，從所述境外信用卡風控模型中獲取子模型數據；S20：從每個所述子模型數據中提取待識別特征；S30：根據所述境外信用卡風控模型的所述待識別特征獲取實時交易數據，并對所述實時交易數據進行效果判斷，得到判斷結果；S40：根據所述判斷結果，采用機器學習對所述境外信用卡風控模型中的所述子模型數據進行更新。本發明具有能夠對境外信用卡風控體系實時更新，保證風險檢測的準確性的效果。

技術領域

本發明涉及信用卡風控的技術領域，尤其是涉及一種境外信用卡風控模型迭代方法、裝置、設備以及存儲介質。

背景技術

近幾年來，隨著經濟的高速發展和對外經濟開放的不斷深入，使得網絡支付業務快速發展，各行各業也逐漸開始重視信用卡業務，特別是海外移動互聯網經濟的快速發展，使得各大互聯網服務行業也以不同方式介入信用卡業務，為商品和服務的提供接入了信用卡支付方式。

現有的使用場景中，大部分商家在接入銀行支付系統，使用銀行本身的風控機制，同時，部分商家也有采用自主設定規則的風控系統應對境外信用卡的支付風險。

上述中的現有技術方案存在以下缺陷：

部分商家雖然采用自主設定規則的風控系統應對境外信用卡的支付風險，短期來看或許效果尚可，但隨著用戶的體量較大，用戶行為的復雜多樣性，設定規則方式的信用卡欺詐防控系統無法適應日益增長的海量數據和不斷變化的用戶支付行為，從而會導致判斷準則不夠完善，容易出現錯判漏判，使得用戶支付體驗大打折扣，進而影響公司經濟效益。

發明內容

本發明的目的是提供一種能夠對境外信用卡風控體系實時更新，保證風險檢測的準確性的境外信用卡風控模型迭代方法、裝置、設備以及存儲介質。

本發明的上述發明目的一是通過以下技術方案得以實現的：

一種境外信用卡風控模型迭代方法，所述境外信用卡風控模型迭代方法包括以下步驟：

S10：獲取預設的境外信用卡風控模型，從所述境外信用卡風控模型中獲取子模型數據；

S20：從每個所述子模型數據中提取待識別特征；

S30：根據所述境外信用卡風控模型的所述待識別特征獲取實時交易數據，并對所述實時交易數據進行效果判斷，得到判斷結果；

S40：根據所述判斷結果，采用機器學習對所述境外信用卡風控模型中的所述子模型數據進行更新。

通過采用上述技術方案，通過從訓練好的境外信用卡風控模型中提取子模型數據，并從該子模型數據中提取待識別特征，能夠在實際使用該境外信用卡風控模型時，獲取到實時交易數據，并對該實時交易數據進行分析；同時，對該實時交易數據進行效果判斷，能夠根據判斷結果，并采用機器學習，調優模型，動態調整模型規則，完善各異常模型，提高系統決策力。

本發明在一較佳示例中可以進一步配置為：步驟S10包括：

S11：獲取歷史用戶支付數據，所述歷史用戶支付數據包括設備與網絡數據、社交數據、用戶行為數據以及業務數據；

S12：對所述歷史支付數據進行預處理后得到待特征提取數據；

S13：通過正則化對所述待特征提取數據進行特征提取，得到待訓練數據集；

S14：分別對所述設備與網絡數據、所述社交數據、所述用戶行為數據以及所述業務數據對應的所述待訓練數據集進行建模后進行訓練，得到用于檢測客戶風險等級的所述信用卡風控模型。