[发明专利]一种基于双模网络图挖掘算法的信用卡反欺诈预测方法

说明书

本发明公开了一种基于双模网络图挖掘算法的信用卡反欺诈预测方法，具体包括以下步骤：采集信用卡申请人的原始数据，将原始数据转换为图数据；从图数据中筛选出构建双模网络模型所需的结点、边、结点的属性、边的属性；构建双模网络模型；构建网络风险特征模型，获取网络欺诈概率；获取个人欺诈概率；综合网络欺诈概率和个体欺诈概率，得到信用卡申请人的欺诈预测概率。本发明通过汇聚与申请人相关的多维数据信息，构建出信用卡申请领域数据知识图谱，获得可反应客户之间关联关系的双模网络模型，精准融合了个体与群组风险对申请人欺诈概率的影响，从而有效降低身份伪造盗用、团伙欺诈、群体攻击等风险，提升金融反欺诈风控能力。

技术领域

本发明涉及金融风控技术领域，特别是涉及一种基于双模网络图挖掘算法的信用卡反欺诈预测方法。

背景技术

目前，信用卡业务在我国经历了三十多年的发展，呈现出突破性增长态势，截至2016年二季度末，全国信用卡和借贷合一卡发卡数量共计4.73亿张，同比增长9.26％，人均持有信用卡0.31张，信用卡授信总额为8.05万亿元，同比增长25.44％。在当前普惠金融的大市场环境下，传统金融和互联网技术不断融合，信用卡获客渠道日益多元化，其中在线申请以其快速便捷、低准入门槛的优势受到了市场青睐，逐渐成为传统金融机构的业务转型方向。然而，伴随信贷市场的高速发展，虚假申请、串联交易、团伙欺诈、套现洗钱冲击的可能性也在加大。许多不法信用卡代办机构将不具备申请信用卡的客户需求视为商机，通过与黑色产业链合作，为其提供虚假证明资料，通过各种手段协助他们包装成为“信用合格”人员，骗办、转卖信用卡以谋取中间利益，加之互联网时代个人信息泄露严重，冒名骗办信用卡案件时有发生，最终导致了银行不良信贷的产生和被冒名当事人的损失。

传统金融机构采用的信用卡审批风险评分模型主要针对个体特征，利用评分卡或者集成模型的技术预测个体欺诈概率。难以实现对每个申请用户从个体风险到群组风险、关联风险的全面把控，通过顺藤摸瓜的方法捕捉到身份伪冒盗用、团伙欺诈、群体攻击等风险。针对上述问题，目前行业内仍然面临着如下技术难点：

(1)、网络构建困难：线上申请通常会获取多种关联关系，诸如身份证号，手机号，设备相关，地址，单位等，构建何种网络，单模网络还是多模网络，如何构建网络，如何定义网络的结点与边，欺诈模式变幻多端，如何构建时间动态更新的网络，如何通过匹配技术，与已有网络的结点构建关联等都具有较大的难度。

(2)、网络特征提取困难：与传统极大程度依赖专家经验的特征工程不同，网络特征工程的提取需要深厚的图理论知识，且根据单模网络或者双模网络常采用不同的图指标，如何根据构建的网络提取网络特征，这也对风控建模专家提出了挑战。

(3)、网络特征建模困难：基于图理论的网络特征加工之后往往会产生上千维度变量，且通常是分布稀疏的弱变量，远超出传统风控建模基于LR(Logistic regression，即逻辑回归)和评分卡体系的处理能力范围。

发明内容

本发明的目的是克服现有技术的不足，设计出一种基于双模网络图挖掘算法的信用卡反欺诈预测方法。

为达到上述目的，本发明所采用的技术方案是：

一种基于双模网络图挖掘算法的信用卡反欺诈预测方法，具体包括以下步骤：

步骤1：采集信用卡申请人的原始数据，并将原始数据转换为图数据；

步骤2：对图数据进行处理，筛选出构建双模网络模型所需的结点、边、结点的属性、边的属性，根据筛选结果构建出双模网络模型；

步骤3：构建网络风险特征模型：

具体地，首先，将所述信用卡申请人的原始数据划分为网络构建数据和建模数据，根据双模网络模型从建模数据中提取出信用卡申请人的网络风险特征；