[发明专利]信用卡套现行为的识别方法和识别装置

权利要求书

1.一种信用卡套现行为的识别方法，其特征在于，所述识别方法包括：

获取目标信用卡的交易数据；

从所述交易数据中提取预定的多组特征对应的信息；

将每组特征对应的信息分别输入到对应的预先建立的识别模型，计算每组特征对应的识别结果；以及

根据多组特征对应的多个识别结果采用投票策略判断所述目标信用卡是否存在信用卡套现行为；

其中，每组特征包括以下特征中的至少一个：客户静态信息、客户动态信息、账单特征、静态商户信息、动态商户信息、账单与商户关联特征。

2.根据权利要求1所述的识别方法，其中，所述识别方法还包括：

对获取的所述交易数据进行数据归一化处理。

3.根据权利要求2所述的识别方法，其中，

经过所述数据归一化处理后的交易数据呈均值为0，方差为1的正态分布。

4.根据权利要求1所述的识别方法，其中，所述识别模型是基于XGBOOST模型建立的机器学习模型。

5.根据权利要求1所述的识别方法，其中，所述投票策略为选择所述多个识别结果中位于判定阈值一侧的识别结果数量多的识别结果作为判断所述目标信用卡是否存在信用卡套现行为的依据。

6.根据权利要求1至5中的任意一项所述的识别方法，其中，

所述客户静态信息包括年龄、性别、学历、开户时间、开卡时间、持卡数量、居住地中的至少一个；

所述客户动态信息包括客户的最新授信额度限额；

所述账单特征包括以下数据中的至少一个：交易时间、最新账单周期额度使用率、最近预定数量的账单周期额度使用率、最近预定期间内的账单周期使用率、最新账单周期在折扣率低于第一阈值的商户交易金额占比、最近预定数量的账单周期在折扣率低于第一阈值的商户交易金额占比、最新账单周期内交易额度大于第二阈值的商家总数、最近连续预定数量的账单周期内交易额度大于第二阈值的商家总数、最近预定数量的账单周期内交易额度大于第二阈值的商家总数、最新预定数量的账单周期在免息期最后预定时间内进行还款并在下一个账单周期达到额度的第三阈值以上的平均天数、最近预定数量的账单周期消费总笔数、在最近预定数量的账单周期内消费金额占授信额度的第一比例以上且还款额度占消费额度的第一比例以上的天数、最近预定数量的账单周期平均每笔消费金额、最近预定期间内消费时间在预定时间段在预定商店的消费金额、最近预定期间内消费时间在预定时间段在预定商店的消费笔数、最近预定期间内消费时间在预定时间段在预定商店的消费金额占比、最近预定期间内连续在同一家商店消费的最大总金额、最近预定期间内连续在同一家商店消费的总次数、最近预定期间内连续在同一家商店消费的预定周期内的额度占比；

所述静态商户信息包括是否为高风险商户、商户的类型、商户成立的时间、商户地址中的至少一个；

所述动态商户信息包括以下数据中的至少一个：最近预定数量的账单周期商户法人在本人商户下交易金额总和、最近预定期间内商户法人在本人商户下交易金额总和、最近预定数量的账单周期内商户法人在本人商户下消费额度占总额度的百分比。

7.一种信用卡套现行为的识别装置，其特征在于，所述装置方法包括：

数据获取单元，其获取目标信用卡的交易数据；

信息提取单元，其从所述交易数据中提取预定的多组特征对应的信息，其中，每组特征包括以下特征中的至少一个：客户静态信息、客户动态信息、账单特征、静态商户信息、动态商户信息、账单与商户关联特征；

计算单元，其将每组特征对应的信息分别输入到对应的预先建立的识别模型，计算每组特征对应的识别结果；

判断单元，其根据多组特征对应的多个识别结果采用投票策略判断所述目标信用卡是否存在信用卡套现行为。

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的识别方法。