[发明专利]欺诈交易判断方法、装置、计算机设备和存储介质

说明书

本申请涉及一种欺诈交易判断方法、装置、计算机设备和存储介质。所述方法包括：获取当前交易；将当前交易输入交易反欺诈分析模型得到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当前交易进行识别得到识别结果；根据当前交易的交易欺诈概率与识别结果判断当前交易是否为欺诈交易。采用本方法能够提高对实际交易中发生的欺诈交易的判断的准确率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种欺诈交易判断方法、装置、计算机设备和存储介质。

背景技术

随着现代网络技术的发展，电子交易在生活中被越来越广泛地应用，随之而来也存在电子交易为欺诈交易的风险，如信息泄露或者交易违法等；因此需要在交易中对当前交易的交易数据进行欺诈分析，当根据交易数据分析出当前交易可能为欺诈交易时，则结束当前交易。

传统地，一般利用一些交易反欺诈实时评分模型对当前交易进行分析，如FICO(一种个人信用评级法，)、SAS(STATISTICAL ANALYSIS SYSTEM，数据分析系统，银行可通过部署SAS欺诈管理，进行反欺诈分析)、同盾的交易反欺诈模型等，但这些模型的通用性较差，对实际交易中发生的欺诈交易判断的准确率较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高实际交易中发生的欺诈交易判断的准确率的欺诈交易判断方法、装置、计算机设备和存储介质。

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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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；