[发明专利]欺诈交易判断方法、装置、计算机设备和存储介质

权利要求书

1.一种欺诈交易判断方法，所述方法包括：

获取当前交易；

将所述当前交易输入交易反欺诈分析模型得到所述当前交易的交易欺诈概率；

通过预存的欺诈交易识别规则对所述当前交易进行识别得到识别结果；

根据所述当前交易的交易欺诈概率与所述识别结果判断所述当前交易是否为欺诈交易。

2.根据权利要求1所述的方法，其特征在于，所述获取当前交易之前，还包括：

获取样本数据；

对所述样本数据进行清洗，并从清洗后的样本数据中选择训练变量；

通过随机森林算法模型从所述训练变量中选择入模变量以及所述入模变量对应的出模变量；

获取预设的初始神经网络模型；

根据所述入模变量与所述入模变量对应的出模变量对初始神经网络模型进行训练得到交易反欺诈分析模型。

3.根据权利要求2所述的方法，其特征在于，所述对所述样本数据进行清洗，并从清洗后的样本数据中选择训练变量，包括：

获取内容为空的数据，并识别所述内容为空的数据对应的数据类型；

获取所述数据类型获取对应的替换逻辑，并根据所获取的替换逻辑将所述样本数据中的所述内容为空的数据进行替换；

获取替换后的所述样本数据中的非高相关性变量作为第一变量；

计算所述第一变量的信息价值；

选取所述信息价值高于预设值的所述第一变量作为训练变量。

4.根据权利要求2所述的方法，其特征在于，所述对所述样本数据进行清洗，包括：

获取样本数据中的第二变量，并获取所述第二变量对应的业务规则；

根据所述业务规则从所述第二变量中选取业务作用的相似度大于预设值的第二变量，并从所业务作用相似度大于预设值的第二变量中选取其中一个作为清洗后的样本数据。

5.根据权利要求2所述的方法，其特征在于，所述对所述样本数据进行清洗，包括：

获取所述样本数据中的第三变量；

检测所述第三变量的变量类型；

当所述变量类型为连续型，根据预设条件推理树获取递归分割算法，并根据所述递归分割算法对所述第三变量进行分段。

6.根据权利要求1所述的方法，其特征在于，所述将所述当前交易输入交易反欺诈分析模型得到所述当前交易的交易欺诈概率之后，还包括：

根据以下公式将所述交易欺诈概率转换成交易欺诈评分：

Score＝A-Blog(odds)

其中odds＝p/(1-p)，Score为交易欺诈评分，p为交易欺诈概率，A和B是预设常数；

所述根据所述当前交易的交易欺诈概率与所述识别结果判断所述当前交易是否为欺诈交易，包括：

根据所述当前交易的交易欺诈评分与所述识别结果判断所述当前交易是否为欺诈交易。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取验证交易；

将所述验证交易输入所述交易反欺诈分析模型得到验证欺诈概率；

获取所述验证交易对应的标准欺诈概率，计算所述验证欺诈概率与所述标准欺诈概率的差值；

当所述差值大于预设值时，根据所述标准欺诈概率纠正所述交易反欺诈分析模型。

8.一种欺诈交易判断装置，其特征在于，所述装置包括：

数据获取模块，用于获取当前交易；

概率分析模块，用于将所述当前交易输入交易反欺诈分析模型得到所述当前交易的交易欺诈概率；

规则识别模块，用于通过预存的欺诈交易识别规则对所述当前交易进行识别得到识别结果；

结果获取模块，用于根据所述当前交易的交易欺诈概率与所述识别结果判断所述当前交易是否为欺诈交易。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。