[发明专利]一种欺诈风险的预测方法、装置、设备及存储介质

说明书

本发明提供了一种欺诈风险的预测方法、装置、设备及存储介质，涉及反欺诈技术领域。本申请中将新申请客户的信息图谱化后与预设客户图谱进行融合，再基于离线社团划分的结果将与新申请客户相关联的图谱从预设图谱中筛选出来，然后根据子关联图中含有的欺诈标签信息和第一预设规则，得到当前客户对银行的欺诈风险预测等级，以便于银行工作人员对高风险的客户进行人工核查，不仅可以提高工作效率，还能及时发现具有欺诈行为特征的客户以提高警惕，减少银行不必要的损失。而且，本申请是借助识别和评估借贷人所在的团体是否具有欺诈风险来评断借贷人的欺诈风险，提高了团伙以及个人欺诈识别的准确度和可靠性。

技术领域

本发明涉及反欺诈技术领域，具体而言，涉及一种欺诈风险的预测方法、装置、设备及存储介质。

背景技术

当前随着信用卡欺诈手法不断升级，欺诈者使用各类前沿技术进行各种各样的欺诈行为，巧妙地使用伪造申请资料、冒充虚假身份、盗用他人资料等手段进行欺诈，以及使用各类成熟的群控云控技术进行批量骗贷，骗取大量资金。当下反欺诈识别使用最广泛的技术方法，是基于专家规则、评分模型(采用逻辑回归、决策树、支持向量机或XGBoost等机器学习算法)构建的以单笔进件欺诈识别为基础的反欺诈模型，而这种反欺诈模型对于层出不穷的、隐藏更深的团伙欺诈手段，如集体伪造申请资料、批量虚假身份申请，中介批量包装等识别难度较大。欺诈规则和传统机器学习模型虽然可以规避“单点”欺诈漏洞，但对于大规模的团伙欺诈仍难以识别。因此完善信用卡的反欺诈体系非常重要且迫切。

发明内容

本发明的目的在于提供一种欺诈风险的预测方法、装置、设备及存储介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：

第一方面，本申请提供了一种欺诈风险的预测方法，包括：

获取待处理业务的客户信息，所述客户信息包括客户的身份证号。

基于所述客户的身份证号，判断客户是否包含在历史客户名单内，若不是，则获取第一数据，所述第一数据为所述客户信息所对应的多个基本属性信息经过图谱化后得到的图谱。

基于所述第一数据和预设客户图谱，得到第一目标关联图，所述第一目标关联图是所述第一数据中的每个基本属性信息与所述预设客户图谱中相同信息进行映射后得到的融合图谱，所述预设客户图谱为根据实际的社会网络关系将至少两个历史客户的基本属性信息进行相互映射形成的图谱集合，每个所述历史客户带有对应的等级社团标签。

对所述第一目标关联图进行聚类处理，得到子关联图，所述子关联图是基于离线社团划分的结果对第一数据进行归类得到的社团图谱；所述社团图谱是从所述第一目标关联图中截取的与所述第一数据映射关联的图谱，并根据所有的所述社团标签中最大占比的所述社团标签将所述第一数据进行划分后得到的图谱集合。

基于所述子关联图和第一预设规则，得到当前客户对银行的欺诈风险预测等级，所述第一预设规则为自定义的疑似欺诈行为特征的风险等级规则。

第二方面，本申请还提供了一种欺诈风险的预测装置，包括第一获取模块、第二获取模块、第一图谱模块、第二图谱模块和等级输出模块，其中：

第一获取模块：用于获取待处理业务的客户信息，所述客户信息包括客户的身份证号。

第二获取模块：用于基于所述客户的身份证号，判断客户是否包含在历史客户名单内，若不是，则获取第一数据，所述第一数据为所述客户信息所对应的多个基本属性信息经过图谱化后得到的图谱。

第一图谱模块：用于基于所述第一数据和预设客户图谱，得到第一目标关联图，所述第一目标关联图是所述第一数据中的每个基本属性信息与所述预设客户图谱中相同信息进行映射后得到的融合图谱，所述预设客户图谱为根据实际的社会网络关系将至少两个历史客户的基本属性信息进行相互映射形成的图谱集合，每个所述历史客户带有对应的等级社团标签。