[发明专利]银行欺诈识别模型训练方法、银行欺诈识别方法和装置

说明书

本申请提供一种银行欺诈识别模型训练方法、银行欺诈识别方法和装置，在模型训练的时候，通过获取多个样本用户历史操作信息及是否发生欺诈行为的标注信息，并根据每个样本用户的历史操作信息，确定该样本用户在其所使用的业务渠道下的多种操作行为分别对应的特征向量；将特征向量输入至预先构建的目标神经网络模型中进行迁移学习，获取该样本用户的欺诈识别结果；根据欺诈识别结果以及标注信息对目标神经网络模型进行训练，获取银行欺诈识别模型。本申请能够基于迁移学习的思想，使得训练得到的银行欺诈识别模型学习到多种不同业务渠道用户行为的特征，基于这种银行欺诈识别模型检测用户的操作行为是否属于欺诈行为具有更高的准确率。

技术领域

本申请涉及机器学习技术领域，具体而言，涉及一种银行欺诈识别模型训练方法、银行欺诈识别方法和装置。

背景技术

互联网的快速发展以及智能终端的普及，使得人们在通过多种业务渠道的电子银行远程办理查询余额、转账、购物支付、理财等业务时获得了极大的便捷，人们无论在任何时间、任何地点，不需要到银行柜面，只需轻松动一下手指即可通过电子银行进行汇款转账、定活互转、信用卡账单及明细查询、信用卡还款、理财/基金购买、生活缴费等多种金融业务，效率得到了极大的提高。但是电子银行在为用户提供便捷服务的同时，也存在很多的安全隐患。

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，日益复杂并向不同行业渗透。在国内，网络诈骗的黑色产业链规模超过1100亿元，从业人员超过160万人。据中国互联网协会发布的数据显示，63.4％的网民通话记录、网上购物记录等信息遭泄露；78.2％的网民个人身份信息曾被泄露。欺诈者窃取到受害人的信息之后不断的进行暴力破解、账户信息窃取、账户信息盗用、盗转资金等行为，个人信息的泄露，给诈骗分子实现精准诈骗带来了很大的便利，使得诈骗分子可以实现精准诈骗，单个诈骗金额不断攀升，其欺诈行为已从单一个体行为，发展成为一个组织严密、专业分工明确的黑色产业链条，为银行发展网络金融业务带来了严峻挑战。

目前业内的电子银行反欺诈系统防控策略存在对欺诈行为检测的准确率低的问题。

发明内容

有鉴于此，本申请实施例的目的在于提供一种银行欺诈识别模型训练方法、银行欺诈识别方法和装置，能够基于迁移学习的思想，使得训练得到的银行欺诈识别模型能够学习到多种不同业务渠道用户行为的特征，基于这种银行欺诈识别模型检测用户的操作行为是否属于欺诈行为，具有更高的准确率。

第一方面，本申请实施例提供了一种银行欺诈识别模型训练方法，包括：

获取多个样本用户在第一历史时间段内使用多个业务渠道进行操作的历史操作信息，以及每个所述样本用户在第二历史时间段在其所使用的所述业务渠道是否发生欺诈行为的标注信息；多个所述业务渠道包括一个目标业务渠道以及至少一个辅助业务渠道；

针对每个样本用户，根据该样本用户在第一历史时间段内的所述历史操作信息，确定该样本用户在其所使用的业务渠道下的多种操作行为分别对应的特征向量；

将各个样本用户的所述特征向量输入至预先构建的目标神经网络模型中进行从所述目标业务渠道至所述至少一个业务渠道的迁移学习，获取该样本用户在其所使用的业务渠道的欺诈识别结果；

根据每个所述样本用户在其所使用的业务渠道的欺诈识别结果，以及该样本用户在其所使用的业务渠道是否发生欺诈行为的标注信息，对所述目标神经网络模型进行训练，获取欺诈识别模型。

在一种可选的实施方式中，所述样本用户包括：第一样本用户以及第二样本用户；

获取多个样本用户在第一历史时间段内使用多个业务渠道进行操作的历史操作信息，以及每个所述样本用户在第二历史时间段在其所使用的所述业务渠道是否发生欺诈行为的标注信息，包括：