[发明专利]基于自编码神经网络的电子业务风险识别方法和装置

说明书

本申请提供一种基于自编码神经网络的电子业务风险识别方法和装置。所述方法包括：提取目标电子业务的原始特征信息，并确定所述原始特征信息的原始特征值；将所述原始特征值作为入参输入已训练的自编码神经网络模型，经过所述自编码神经网络模型输出评估特征值；根据所述评估特征值和所述原始特征值之间的误差确定所述电子业务的风险。本申请可以通过已训练的自编码神经网络模型识别目标电子业务的风险，无需进行风险历史电子业务的积累，无需人工进行特征筛选，节省了黑样本积累以及特征筛选所带来的时间成本，也有效解决了人对业务理解不深刻所导致的特征筛选不准确、风险识别不准确等问题。

技术领域

本申请涉及互联网技术领域，尤其涉及一种基于自编码神经网络的电子业务风险识别方法和装置。

背景技术

随着互联网技术的快速发展，越来越多的业务可以通过网络实现，比如：购物、转账等。然而，由于互联网业务具有不可见的特性，不法人员可能会进行电子业务欺诈，给用户带来损失。

发明内容

有鉴于此，本申请提供一种基于自编码神经网络的电子业务风险识别方法和装置。

具体地，本申请是通过如下技术方案实现的：

一种基于自编码神经网络的电子业务风险识别方法，所述方法包括：

提取目标电子业务的原始特征信息，并确定所述原始特征信息的原始特征值；

将所述原始特征值作为入参输入已训练的自编码神经网络模型，经过所述自编码神经网络模型输出评估特征值；

根据所述评估特征值和所述原始特征值之间的误差确定所述电子业务的风险。

一种基于自编码神经网络的电子业务风险识别装置，所述装置包括：

特征提取单元，提取目标电子业务的原始特征信息，并确定所述原始特征信息的原始特征值；

特征输入单元，将所述原始特征值作为入参输入已训练的自编码神经网络模型，经过所述自编码神经网络模型输出评估特征值；

风险确定单元，根据所述评估特征值和所述原始特征值之间的误差确定所述电子业务的风险。

由以上描述可以看出，本申请可以通过已训练的自编码神经网络模型识别目标电子业务的风险，无需进行风险历史电子业务的积累，无需人工进行特征筛选，节省了黑样本积累以及特征筛选所带来的时间成本，也有效解决了人对业务理解不深刻所导致的特征筛选不准确、风险识别不准确等问题。

附图说明

图1是本申请一示例性实施例示出的一种基于自编码神经网络的电子业务风险识别方法的流程示意图。

图2是本申请一示例性实施例示出的一种自编码神经网络模型的训练流程示意图。

图3是本申请一示例性实施例示出的一种自编码神经网络模型的示意图。

图4是本申请一示例性实施例示出的一种用于基于自编码神经网络的电子业务风险识别装置的一结构图。

图5是本申请一示例性实施例示出的一种基于自编码神经网络的电子业务风险识别装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。