[发明专利]一种反电信网络诈骗预警方法及系统

说明书

本发明提出了一种反电信网络诈骗预警方法及系统，涉及数据处理技术领域。通过获取用户贷款风控数据；然后根据用户贷款风控数据按照预置的特征指标计算公式计算得到多个用户贷款行为特征指标；最后将多个用户贷款行为特征指标输入至预置的诈骗预警模型中，得到预警结果。通过对用户贷款风控行为深入分析，构建贷款行为特征指标，结合先进的机器学习算法，构建精准的预警模型，计算输出可能受害的预警信息，发现潜在风险并进行预警，从而提前发现其中的潜在风险并进行预警，减少了诈骗事件的发生。

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种反电信网络诈骗预警方法及系统。

背景技术

近年来，电信网络诈骗案件持续高发，给人民群众财产造成重大损失，引起各级公安机关的高度重视，也涌现出一批提供反电信诈骗服务的技术公司。

传统的反电信诈骗技术，主要依赖用户的通讯、上网、社交网络数据，通过分析这些数据进行预警，但是这样的方法存在以下问题：1）数据量非常大，且格式不统一，数据处理工作量很大；2）网络诈骗行为中相当一部分是涉及贷款的，而上述各类数据并不能直接的反应用户的贷款行为。

在电信诈骗案件中，涉贷网络诈骗的占比通常在30%甚至更高，相当一部分受害人在遭遇网络诈骗前已经产生了异常的贷款行为，而现有的各类预警方案中，并不能提前发现其中的潜在风险进行预警。

发明内容

本发明的目的在于提供一种反电信网络诈骗预警方法及系统，用以改善现有技术中不能提前发现其中的潜在风险进行预警的问题。

第一方面，本申请实施例提供一种反电信网络诈骗预警方法，包括以下步骤：

获取用户贷款风控数据；

根据用户贷款风控数据按照预置的特征指标计算公式计算得到多个用户贷款行为特征指标；

将多个用户贷款行为特征指标输入至预置的诈骗预警模型中，得到预警结果。

上述实现过程中，通过获取用户贷款风控数据；然后根据用户贷款风控数据按照预置的特征指标计算公式计算得到多个用户贷款行为特征指标；最后将多个用户贷款行为特征指标输入至预置的诈骗预警模型中，得到预警结果。突破了传统的基于用户网络、通讯、社交行为数据进行反诈预警的思路，通过对用户贷款风控行为深入分析，构建贷款行为特征指标，结合先进的机器学习算法，构建精准的预警模型，计算输出可能受害的预警信息，发现潜在风险并进行预警，从而提前发现其中的潜在风险并进行预警，减少了诈骗事件的发生。

基于第一方面，在本发明的一些实施例中，还包括以下步骤：

获取并根据已被骗人员信息对预置的借贷风控历史数据库进行筛选，得到正样本数据集和负样本数据集。

对正样本数据集进行预处理，得到正样本预处理数据集；

通过数据分析工具对正样本预处理数据集与负样本数据集进行对比分析，得到被害人员在贷款行为数据上的分布特征；

根据被害人员在贷款行为数据上的分布特征采用预置的特征指标计算公式分别计算正样本数据集和负样本数据集中个人贷款行为特征指标；

根据个人贷款行为特征指标、正样本数据集和负样本数据集采用深度学习算法训练得到诈骗预警模型。

基于第一方面，在本发明的一些实施例中，对正样本数据集进行预处理，得到正样本预处理数据集的步骤包括以下步骤：

对正样本数据集中的样本数据分别进行格式转化，生成新的正样本数据集；

对新的正样本数据集进行解析，得到诈骗相关信息，以形成正样本预处理数据集。

基于第一方面，在本发明的一些实施例中，通过数据分析工具对正样本预处理数据集与负样本数据集进行对比分析，得到被害人员在贷款行为数据上的分布特征的步骤包括以下步骤：

通过数据分析工具对正样本预处理数据集中被害人员的贷款行为进行分析，得到被害人员贷款行为数据；