[发明专利]借贷欺诈检测模型训练方法、借贷欺诈检测方法及装置

说明书

本申请提供了一种借贷欺诈检测模型训练方法、借贷欺诈检测方法及装置，其中借贷欺诈检测模型训练方法包括：获取多个样本用户的身份信息、用户银行流水信息，以及与每个样本用户对应的欺诈标注信息；基于身份信息构建身份特征向量；以及根据用户银行流水信息，构建流水特征向量；将身份特征向量以及流水特征向量进行拼接，生成用于表征每个样本用户身份以及支出收入情况的目标特征向量；将目标特征向量输入至目标神经网络，获取目标特征向量的欺诈检测结果；根据欺诈检测结果以及对应的欺诈标注信息，对目标神经网络进行训练，得到借贷欺诈检测模型。本申请能够提高信贷平台对欺诈用户的识别效率和识别准确率，同时大大的节省了人力成本。

技术领域

本申请涉及机器学习技术领域，具体而言，涉及一种借贷欺诈检测模型训练方法、借贷欺诈检测方法及装置。

背景技术

随着互联网金融的快速发展，伴随而来的是互联网欺诈及信贷风险发生率的上升。据统计数据显示，近年来我过消费金融行业资产不良率呈不断上升趋势，中国互联网欺诈风险已在全球排名前三，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。

互联网金融风险包含信用风险和操作风险，信用风险即客户在发起借款请求时即无意还款。其中信用风险中欺诈类居高，消费金融的坏账损失超过50％来源于欺诈。

为了规避借贷中的欺诈行为，目前借贷平台处理用户的借贷请求的时候基本上都是采取人工审核的方式，审核用户在进行借贷申请的时候为了证明自己的身份信息往往需要提供一些能够反应个人信息的材料，一般包括：学历证明，收入证明，职业信息，地域信息，历史银行流水信息等。

一般来说，借贷平台只会对其认定的具有还款能力并且消费行为正常的借贷者发放贷款，其中银行流水信息是衡量一个用户还款能力的最重要的维度。每个月拥有固定收入以及符合规律的消费行为记录将能够帮助用户高概率的通过借贷平台的审核。基于此类放贷规则，现在很多黑产中介会通过伪造银行流水的方式帮助借贷用户进行隐瞒自身资质以达到贷款目的，此类借款人往往存在逾期甚至失联等高风险。

正是由于在信贷平台对借贷用户进行信用审核的时候基本上都是依靠业务人员的专家经验进行判断，由于银行历史流水信息往往比较繁杂，涉及的信息的体量比较大，单纯由人工审核的话不但效率低下，而且很难综合银行流水数据和用户个人信息得出整体的正确结论。

发明内容

有鉴于此，本申请实施例的目的在于提供一种借贷欺诈检测模型训练方法、借贷欺诈检测方法及装置，能够提高信贷平台对欺诈用户的识别效率和识别准确率，同时大大的节省了人力成本。

第一方面，提供一种借贷欺诈检测模型训练方法，包括：

获取多个样本用户的身份信息、用户银行流水信息，以及与每个样本用户对应的欺诈标注信息；

针对每个样本用户，基于该样本用户的所述身份信息构建身份特征向量；以及

根据所述用户银行流水信息，构建流水特征向量；

将所述身份特征向量以及该样本用户的所述流水特征向量进行拼接，生成用于表征该样本用户身份以及支出收入情况的目标特征向量；

将所述目标特征向量输入至目标神经网络，获取各个所述样本用户的欺诈检测结果；

根据所述欺诈检测结果以及对应的欺诈标注信息，对所述目标神经网络进行训练，得到所述借贷欺诈检测模型。

在一种可选实施方式中，所述身份信息包括：多个身份特征下的特征值；

所述针对每个样本用户，基于该样本用户的所述身份信息构建身份特征向量，包括：

根据该样本用户在多个身份特征下的特征值，生成该样本用户的身份特征向量。