[发明专利]一种基于动态规则库的消费金融反欺诈系统与方法

摘要

本发明一种基于动态规则库的消费金融反欺诈系统与方法，该系统包括数据准备模块、基于动态规则库的反欺诈引擎模块及建模人机接口模块。该方法步骤如下(1)、基于存量数据建立标签体系(2)、对标签样本数据开展EDA探索(3)、在入模变量初步筛选基础上，利用决策树获取变量特征重要性排序，确定最终入模变量；(4)、基于建立的决策树模型生成动态规则库(5)、利用基于动态规则库的反欺诈引擎模块进行决策。本发明优点提升了规则库的安全性和可用性，不易被破解；所需数据样本量较小，适合刚开展消费金融业务的公司或机构，降低消费金融反欺诈体系的冷启动难度；提升业务人员的参与程度，有助于规则库的快速迭代更新。

主权项

一种基于动态规则库的消费金融反欺诈系统，其特征在于：该系统主要包括数据准备模块、基于动态规则库的反欺诈引擎模块及建模人机接口模块：具体如下：其中，数据准备模块提供了数据可视化的人机接口，支持对数据进行清洗、统计分析等EDA操作；该模块输出已经筛选过的入模变量，以及对应的训练样本；该模块包括以下子模块：数据导入子模块：该子模块提供了用于训练模型的样本数据的导入；数据处理/融合子模块：该子模块调用数据导入子模块，提供了对导入数据的初步处理以及融合；数据EDA子模块：该模块调用数据处理/融合子模块，对新组合的数据样本进行探索性分析，主要包括对数据样本集合中，各个变量维度的频率、众数、百分位数、均值、中位数、方差、标准差、偏度和峰度进行统计分析；数据可视化呈现子模块：该模块通过调用数据处理/融合子模块和数据EDA子模块，提供了对数据导入子模块导入的原始数据、数据处理/融合子模块重新组合构建的样本数据集合和数据EDA子模块得到的数据EDA结果的可视化呈现；其中，基于动态规则库的反欺诈引擎模块提供了基于智能决策技术的算法支持，在用户的干预下，选择合适的决策树模型算法，对导入且完成数据准备的样本数据进行决策树建模并训练模型，而且能够在训练得到的模型基础上形式化输出可供人工干预的形式化规则；该模块包括以下子模块：规则库模型子模块：该子模块实现了对常见的决策树算法的封装，包括XGBoost、GBDT、RF决策树算法；该模块通过调用建模人机接口模块中的规则库配置子模块中传递过来的模型参数，结合调用数据准备模块传递过来的训练样本数据，实现对样本数据的建模和训练；该子模块的输出为训练完成的决策树、基于训练完成决策树的变量重要度排序；规则库输出子模块：该子模块通过调用规则库模型子模块、数据导入子模块、规则库校正子模块，实现对已经训练完成的决策树模型进行形式化的输出，并支持对形式化输出的规则库直接进行人工校正干预；决策子模块：该子模块通过调用建模人机接口模块，得到需要决策的申请人信息，并调用规则库模型子模块，将申请人信息输入已经训练和校正完毕的决策树模型，提供了基于规则库的决策结果输出；其中，建模人机接口模块提供了基于web的UI人机接口，用户可通过该模块实现动态规则库构建、动态规则库部署应用过程的全程可视化以及干预交互，该模块包括以下子模块：规则库配置子模块：该子模块提供了基于web界面的决策树模型选择，以及对应模型参数配置功能，用户可以通过该子模块实现对决策树模型建立过程的干预和设置；规则库校正子模块：该子模块提供了基于web界面的规则库校正功能，通过调用规则库输出子模块，得到训练完成的形式化的决策树模型；通过调用规则库模型子模块，得到变量重要度排序，可作为对决策树校正的参考依据；最终能够支持决策树模型可视化、可编辑；用户可以通过该子模块对可视化呈现的决策树进行校正，从而对规则库进行完善；申请人信息采集子模块：该子模块提供了基于web界面的申请人信息输入功能；该子模块中采集到的申请人信息，通过调用决策子模块，输入到已经校正后的规则库中，可以实现对申请人欺诈行为的判定。