[发明专利]基于用户通信行为的金融反欺诈方法及系统

说明书

本发明公开了一种基于用户通信行为的金融反欺诈方法及系统，其中方法包括如下步骤：包括如下步骤：S1用于对设备风控数据采集的步骤；S2用于将采集风控数据进行传输存储的步骤；S3用于对风控数据进行归并演绎处理的步骤；S4用于将处理后的风控数据自动化特征生成的步骤；S5用于通过特征搭建模型并将模型融合输出的步骤。这样，本发明所提供的一种基于用户通信行为的金融反欺诈方法及系统，对多个数据进行欺诈风险判断时，自动化特征生成，提高数据处理效率，从而使完成欺诈评分模型的效率提高。

技术领域

本发明涉及计算机软件技术领域，尤其涉及基于用户通信行为的金融反欺诈方法及系统。

背景技术

随着互联网金融时代的来临，深刻的影响了传统信贷领域，同时也伴随着巨大的风险，如多头借贷，身份欺诈，团伙作案，羊毛党等欺诈风险。互联网用户通常采用风险控制方法来识别风险，现有技术中反欺诈方法，需要对如判断用户的设备信息、登录行为、访问特征、信用状况等数据判断是否存在欺诈风险，存在多达近百项的特征需实时计算，数据处理困难且速度较慢，从而使完成欺诈评分模型的效率降低。

发明内容

本发明的目的是提供一种基于用户通信行为的金融反欺诈方法及系统。

本发明提供了一种基于用户通信行为的金融反欺诈方法，包括如下步骤：S1用于对设备风控数据采集的步骤；S2用于将采集风控数据进行传输存储的步骤；S3用于对风控数据进行归并演绎处理的步骤；S4用于将处理后的风控数据自动化特征生成的步骤；S5用于通过特征搭建模型并将模型融合输出的步骤。

所述S1用于对设备风控数据采集的步骤包括：S11用于对基于嵌入在APP中的SDK建立数据采集器的步骤；S12用于通过数据采集器进行风控数据采集的步骤。所述S12用于通过数据采集器进行数据采集的步骤包括：S121用于根据需求建立用户接口组件并触发调用的初始化接口的步骤；S122用于通过业务模块组件和控制模块组件异步加载并进行初始化操作的步骤；S123用于对初始化操作中的数据进行采集并进行封装、打包及上报的步骤。所述S2用于将采集数据进行传输存储的步骤包括：S21用于通过APP初始化网络连接配置，获取并调用所采集的风控数据的步骤；S22用于将采集的风控数据通过数据传输器实行延时上报机制并即时分析的步骤。所述S3用于对存储的数据进行归并及演绎处理的步骤包括：S31用于通过数据处理器对风控数据进行数据预处理的步骤；S32用于对动态数据进行人机判断的步骤。所述S31用于通过数据处理器对风控数据进行预处理的步骤：S311用于通过填写缺失的值、光滑噪声数据、识别或删除离群点并解决不一致性来进行数据清理的步骤；S312用于将多个数据源中的数据结合起来并统一存储，建立数据仓库的步骤；S313用于通过平滑聚集，数据概化，规范化等方式将数据转换成适用于数据挖掘形式的步骤；S314用于通过网络爬虫技术模块对数据进行数据归约处理的步骤。所述S4用于将处理的数据自动化特征生成的步骤包括：S41用于授权并抓取数据进行欺诈风险判断的步骤；S42用于将抓取到的数据根据维度进行分析并统一清洗的步骤。所述S5用于通过特征搭建模型并将模型融合输出的步骤包括：S51用于调用特征生成相对应的模型并将多个模型集成反欺诈模型的步骤；S52用于根据反欺诈模型生成欺诈概率的步骤。

本发明提供了一种基于用户通信行为的金融反欺诈系统，包括：用于对设备风控数据采集的模块；用于将采集风控数据进行传输存储的模块；用于对风控数据进行归并演绎处理的模块；用于将处理后的风控数据自动化特征生成的模块；用于通过特征搭建模型并将模型融合输出的模块。