[发明专利]基于迁移学习的电子商务欺诈检测方法、装置及存储介质

说明书

本发明涉及风险欺诈技术领域，提出一种基于迁移学习的电子商务欺诈检测方法、装置及存储介质，其中的方法包括获取训练样本数据，并基于所述训练样本数据预训练初级风控模型；获取待检测的目标样本数据，并基于所述目标样本数据微调所述预训练得到的初级风控模型，形成对应的目标风控模型；将所述目标样本数据输入所述目标风控模型进行检测，获取所述目标样本数据的欺诈概率。本发明模型训练速度快、通用性强，电子商务欺诈检测精度高。

技术领域

本发明涉及风险评估技术领域，尤其涉及一种基于迁移学习的电子商务欺诈检测方法、装置及计算机可读存储介质。

背景技术

电子商务欺诈也被称为电商欺诈，其中电子商务中的诈骗罪，主要是以非法占有为目的，通过网络信息系统虚构事实或者隐瞒真相，骗取数额较大的财物的行为。

对电商诈骗中的欺诈用户进行有效识别是目前风控系统中的一项主要任务，虽然深度学习模型已经在许多风控预警任务上达到了较理想的水平，但是这些模型几乎都是从新开始训练的，从而需要大量的数据集和较长的训练时间。在目前的风控系统的欺诈用户识别方法中，对已经在其他欺诈用户识别任务中训练好的风控模型，只能将其作为模型效果对比，对当前任务本身作用不大，要想解决当前任务仍然需要从新开始进行训练，从而限制了其训练效率及模型的通用程度。

另外，在现有的风控模型训练过程中，大部分采用的是近年或近几年内的历史数据，而时间较久的历史数据由于其参考价值不大，通常都会舍弃，仅采用近期内的相关数据。可知，仅采取近期的数据训练风控模型，数据利用率低，容易影响模型检测的精度，而如果将多年的历史数据均用于模型训练，则会导致训练周期长，效率低。

发明内容

本发明提供一种基于迁移学习的电子商务欺诈检测方法、电子装置及计算机可读存储介质，其主要目的在于。

为实现上述目的，本发明提供一种基于迁移学习的电子商务欺诈检测方法，所述方法包括：

获取训练样本数据，并基于所述训练样本数据预训练初级风控模型；

获取待检测的目标样本数据，并基于所述目标样本数据微调所述预训练得到的初级风控模型，形成对应的目标风控模型；

将所述目标样本数据输入所述目标风控模型进行检测，获取所述目标样本数据的欺诈概率。

优选地，所述基于所述目标样本数据微调所述预训练得到的初级风控模型，形成对应的目标风控模型的步骤包括：

通过枚举确定所述初级风控模型的神经网络模型最后一层的学习率，并基于所述最后一层的学习率确定所述神经网络模型各层的学习率；

根据所述初级风控模型的各层的学习率确定所述初级风控模型的梯度下降参数；

根据所述梯度下降参数获取所述初级风控模型的神经网络各层与层之间连接的权重参数，以形成所述目标风控模型。

优选地，所述通过枚举确定所述初级风控模型的神经网络模型最后一层的学习率，并基于所述最后一层的学习率确定所述神经网络模型各层的学习率的步骤包括：

将所述神经网络模型的参数θ拆分为{θ¹，…θ^l…，θ^L}，其中θ^l表示所述神经网络模型第l层的参数，L表示所述神经网络模型的总层数；

用{η¹，…η^l…，η^L}分别表示所述神经网络模型的各层参数的学习率；

通过枚举确定神经网络模型最后一层参数的学习率η^L，进而根据η^L确定{η¹，…η^l…，η^L}的各值；其中，