[发明专利]互联网金融小微贷款的团伙欺诈识别方法及装置

说明书

本发明公开一种互联网金融小微贷款的团伙欺诈识别方法及装置，所述方法包括以下步骤：获取贷款申请用户的特征信息；通过对比用户特征信息之间的相似度，来定义用户与用户之间的关系；基于所定义的用户之间的关系构建用户的关系网络，一个用户代表一个节点，有关系的用户之间通过一条线连接；使用非监督学习算法寻找关系网络中的所有连通分支；若团体中的用户数量超过设定的阀值时，将该团体划分为异常可疑团体；检测异常可疑团体，进一步分析该异常可疑团体的实体特征，若分析出该异常可疑团体欺诈嫌疑较大，则对其进行进一步调查。本发明旨在基于互联网金融小微贷款用户的特征构建用户的关系网络，根据该关系网络有效识别出具有欺诈嫌疑的团体。

技术领域

本发明涉及计算机技术领域，尤其涉及一种互联网金融小微贷款的团伙欺诈识别方法及装置。

背景技术

目前，互联网金融小微贷款传统的反欺诈手段主要有：1、风控规则：通过建立一个规则引擎来描述欺诈行为的特征，从而将欺诈行为从正常操作中区别开来；2、反欺诈机器学习模型：它采用数据挖掘方法，基于历史数据(即已知的欺诈申请和正常申请的数据)采用监督学习算法建立分类模型。

现有技术手段中都是从历史案例中发现金融欺诈时重复出现的个体行为模式，但是金融欺诈的模式随时间不断演化和发展，不仅仅是重复出现在历史案例中的个体行为模式，而且目前金融欺诈越来越多的是通过团伙有组织的进行，且团伙中个体的欺诈特征单独来看有时并不显著，导致在某些情况下仅根据个体特征对用户进行识别的结果不甚理想。

发明内容

本发明的目的在于克服现有技术的不足，提供一种互联网金融小微贷款的团伙欺诈识别方法及装置，旨在基于互联网金融小微贷款用户的特征构建用户的关系网络，根据该关系网络有效识别出具有欺诈嫌疑的团体。

为实现上述目的，本发明的技术方案如下：

一种互联网金融小微贷款的团伙欺诈识别方法，所述方法包括以下步骤：

1)获取贷款申请用户的特征信息；

2)通过对比用户特征信息之间的相似度，来定义用户与用户之间的关系；

3)基于所定义的用户之间的关系构建用户的关系网络，一个用户代表一个节点，有关系的用户之间通过一条线连接，形成一个连通分支；

4)使用非监督学习算法寻找上述关系网络中的所有连通分支，每一个连通分支则对应着一个团体，所述团体至少包括两个用户；

5)若团体中的用户数量超过设定的阀值时，将该团体划分为异常可疑团体；

6)检测异常可疑团体，进一步分析该异常可疑团体的实体特征，若分析出该异常可疑团体欺诈嫌疑较大，则对其进行进一步调查。

具体地，在步骤1)中，所述特征信息包括用户的登录设备指纹、登录ip、登录密码、申请时所使用的邮箱、通讯录信息、gps定位信息。

具体地，在步骤3)中，所述关系网络为一种基于图的数据结构。

具体地，在步骤5)中，所述阀值设定为三个。

具体地，在步骤6)中，若一个异常可疑团体全部由男性构成、且年龄跨度在十岁以内，或者一个异常可疑团体全部由六十岁以上老年人构成，则认为该异常可疑团体欺诈嫌疑较大。

一种互联网金融小微贷款的团伙欺诈识别装置，所述识别装置包括：

信息获取模块，用于获取贷款申请用户的特征信息；

关系定义模块，用于通过对比用户特征信息之间的相似度来定义用户与用户之间的关系；

关系网络构建模块，用于根据所述关系定义模块所定义的用户之间的关系构建用户的关系网络，其中，一个用户代表一个节点，有关系的用户之间通过一条线连接，形成一个连通分支；