[发明专利]一种针对转账的安全策略生成方法、装置及设备

权利要求书

1.一种针对转账的安全策略生成方法，包括：

获取针对用户间转账事件的黑样本的集合和白样本的集合，其中，任一样本中包含转入方和转出方，所述样本包括多个样本特征；

统计黑样本的转入方和转出方的转账属性，其中，所述转账属性包括转入方的收款次数，转入方和转出方的用户标识属性，转入方的收款金额，或者，转入方的注册时间与转账时间的时间间隔；所述用户标识属性包括高频收款方或者高频汇款方；

筛选出转入方和转出方的转账属性符合预设的子场景筛选条件的黑样本，生成黑样本子集；

生成包含所述黑样本子集和所述白样本集合的训练样本的集合；

根据训练样本的样本特征的取值，构建决策树对所述训练样本的集合进行分类，从决策树的路径中确定出对应于所述子场景的安全策略，其中，所述安全策略为样本特征的取值的组合。

2.如权利要求1所述的方法，所述预设的子场景筛选条件，包括：

转入方的收款次数超过次数阈值，和，转入方的用户标识属性为高频收款方，和，转出方的用户标识属性不是高频汇款方；或者，

转入方的注册时间与转账时间的时间间隔不超过时间阈值，和，转入方的收款金额超过金额阈值。

3.如权利要求1所述的方法，构建决策树对所述训练样本的集合进行分类，从决策树的路径中确定出对应于所述子场景的安全策略，包括：

在所述决策树中，每个节点表示一个训练样本子集，决策树中根节点对应所述训练样本的集合，以训练样本的样本特征的取值为边进行分裂，且，在每个非叶子节点上分裂时信息增益参数最大，所述信息增益参数包括信息增益量或者信息增益比，用于表示在决策树以样本特征的取值进行分裂时的信息增加程度；

确定出所述决策树中表征黑样本的黑叶子节点，确定各黑叶子节点至根节点的路径，其中，任一路径表征一种样本特征的取值的组合；

将所述路径所对应的样本特征的取值的组合确定为针对所述子场景的安全策略。

4.如权利要求1所述的方法，还包括：

根据预设的样本特征的取值的分值对应表，确定出每个训练样本的样本特征的分值，和，确定出所述安全策略所对应的样本特征的分值的组合；

根据每个训练样本的样本特征的分值和样本特征的分值的组合对训练样本进行分类，以便评估所述安全策略。

5.一种基于如权利要求1至4任一所述安全策略的使用方法，包括：

获取转账事件，其中，所述转账事件中包含转入方和转出方；

确定转入方和转出方的转账属性；

确定所述转入方和转出方的转账属性所符合的子场景筛选条件；

采用所述子场景筛选条件所对应的安全策略对所述转账事件进行安全评估。

6.一种针对转账的安全策略生成装置，包括：

获取模块，获取针对用户间转账事件的黑样本的集合和白样本的集合，其中，任一样本中包含转入方和转出方，所述样本包括多个样本特征；

统计模块，统计黑样本的转入方和转出方的转账属性，其中，所述转账属性包括转入方的收款次数，转入方和转出方的用户标识属性，转入方的收款金额，或者，转入方的注册时间与转账时间的时间间隔；所述用户标识属性包括高频收款方或者高频汇款方；

筛选模块，筛选出转入方和转出方的转账属性符合预设的子场景筛选条件的黑样本，生成黑样本子集；

生成模块，生成包含所述黑样本子集和所述白样本集合的训练样本的集合；

确定模块，根据训练样本的样本特征的取值，构建决策树对所述训练样本的集合进行分类，从决策树的路径中确定出对应于所述子场景的安全策略，其中，所述安全策略为样本特征的取值的组合。

7.如权利要求6所述的装置，所述预设的子场景筛选条件，包括：

转入方的收款次数超过次数阈值，和，转入方的用户标识属性为高频收款方，和，转出方的用户标识属性不是高频汇款方；或者，

转入方的注册时间与转账时间的时间间隔不超过时间阈值，和，转入方的收款金额超过金额阈值。