[发明专利]一种电子银行反欺诈方法及系统

说明书

本申请提供了一种电子银行反欺诈方法及系统，其中，该方法包括如下步骤：获取模块获取操作请求和操作请求对应的特征数据；第一计算模型基于所述特征数据，确定所述操作请求属于欺诈请求的第一概率；第一决策模块基于预定概率范围，判断所述第一概率是否可信；第二计算模型在第一概率不可信的情况下，基于所述特征数据确定所述操作请求属于欺诈请求的第二概率；第二决策模块根据所述第一概率和所述第二概率确定第三概率，并在第三概率大于预定值时，判定所述操作请求为欺诈请求。本申请的一种电子银行反欺诈方法及系统，能够有效提升反欺诈算法模型对欺诈操作请求的判断的准确率，从而提高反欺诈方法对欺诈操作请求识别的准确性。

技术领域

本申请涉及计算机信息技术领域，尤其是涉及一种电子银行反欺诈方法及系统。

背景技术

互联网的快速发展以及智能终端的普及，使得人们在使用电子银行办理查询余额、转账、购物支付、理财等业务时获得了极大的便捷，便捷的同时，在利益的驱使下，也滋生了大量的黑产军团。调查显示，网络犯罪每年给全球带来高达4450亿美元的经济损失。

目前业内的电子银行反欺诈系统一般具有两种实现方案：一是基于专家规则的方法，简称专家法；二是采用机器学习算法模型对特征数据进行机器学习，通过定期调整参数，不断提升反欺诈防控策略的有效性。

现有的基于机器学习的方法是把机器学习算法模型不加改造的直接应用到业务场景中来，这些反欺诈算法模型一般直接使用目标业务场景中的全部特征数据进行训练，在线上应用时通常会得到欺诈概率值，并对欺诈概率值的大小进行判断：如果欺诈概率值大于预先设定的专家阈值，就认为该用户属于欺诈用户；如果概率小于预先设定的专家阈值，就认为该用户属于正常用户，专家阈值一般设定为50％。现有技术中的反欺诈算法模型对欺诈操作请求的判断会存在一定的误差，现有的反欺诈方法的准确性较低。

发明内容

本申请提出了一种电子银行反欺诈方法及系统，能够有效提升反欺诈算法模型对欺诈操作请求的判断的准确率，从而提高反欺诈方法对欺诈操作请求识别的准确性。

第一方面，本申请实施例提供了一种电子银行反欺诈方法，包括如下步骤：

获取模块获取操作请求和操作请求对应的特征数据；

第一计算模型基于所述特征数据，确定所述操作请求属于欺诈请求的第一概率；

第一决策模块基于预定概率范围，判断所述第一概率是否可信；

第二计算模型在第一概率不可信的情况下，基于所述特征数据确定所述操作请求属于欺诈请求的第二概率；

第二决策模块根据所述第一概率和所述第二概率确定第三概率，并在第三概率大于预定值时，判定所述操作请求为欺诈请求。

结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，还包括如下步骤：在所述第一概率可信的情况下，所述第一决策模块基于所述第一概率判定所述操作请求是否为欺诈请求。

结合第一方面，本申请实施例提供了第一方面的第二种可能的实施方式，其中，所述第三计算模块具体执行如下步骤：

对所述第一概率和所述第二概率进行加权求和，得到所述第三概率。

结合第一方面，本申请实施例提供了第一方面的第三种可能的实施方式，其中，还包括如下步骤：

数据获取模块获取所述操作请求所属的用户的所有历史操作请求以及所述历史操作请求对应的第一历史特征数据；

第一模型训练模块根据获取的数据进行模型训练，得到所述第一计算模型。

结合第一方面的第三种可能的实施方式，本申请实施例提供了第一方面的第四种可能的实施方式，其中，还包括如下步骤：