CN108038778A - 互联网金融小微贷款的团伙欺诈识别方法及装置 - Google Patents
互联网金融小微贷款的团伙欺诈识别方法及装置 Download PDFInfo
- Publication number
- CN108038778A CN108038778A CN201711270177.3A CN201711270177A CN108038778A CN 108038778 A CN108038778 A CN 108038778A CN 201711270177 A CN201711270177 A CN 201711270177A CN 108038778 A CN108038778 A CN 108038778A
- Authority
- CN
- China
- Prior art keywords
- user
- group
- loan
- fraud
- exception
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开一种互联网金融小微贷款的团伙欺诈识别方法及装置,所述方法包括以下步骤:获取贷款申请用户的特征信息;通过对比用户特征信息之间的相似度,来定义用户与用户之间的关系;基于所定义的用户之间的关系构建用户的关系网络,一个用户代表一个节点,有关系的用户之间通过一条线连接;使用非监督学习算法寻找关系网络中的所有连通分支;若团体中的用户数量超过设定的阀值时,将该团体划分为异常可疑团体;检测异常可疑团体,进一步分析该异常可疑团体的实体特征,若分析出该异常可疑团体欺诈嫌疑较大,则对其进行进一步调查。本发明旨在基于互联网金融小微贷款用户的特征构建用户的关系网络,根据该关系网络有效识别出具有欺诈嫌疑的团体。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种互联网金融小微贷款的团伙欺诈识别方法及装置。
背景技术
目前,互联网金融小微贷款传统的反欺诈手段主要有:1、风控规则:通过建立一个规则引擎来描述欺诈行为的特征,从而将欺诈行为从正常操作中区别开来;2、反欺诈机器学习模型:它采用数据挖掘方法,基于历史数据(即已知的欺诈申请和正常申请的数据)采用监督学习算法建立分类模型。
现有技术手段中都是从历史案例中发现金融欺诈时重复出现的个体行为模式,但是金融欺诈的模式随时间不断演化和发展,不仅仅是重复出现在历史案例中的个体行为模式,而且目前金融欺诈越来越多的是通过团伙有组织的进行,且团伙中个体的欺诈特征单独来看有时并不显著,导致在某些情况下仅根据个体特征对用户进行识别的结果不甚理想。
发明内容
本发明的目的在于克服现有技术的不足,提供一种互联网金融小微贷款的团伙欺诈识别方法及装置,旨在基于互联网金融小微贷款用户的特征构建用户的关系网络,根据该关系网络有效识别出具有欺诈嫌疑的团体。
为实现上述目的,本发明的技术方案如下:
一种互联网金融小微贷款的团伙欺诈识别方法,所述方法包括以下步骤:
1)获取贷款申请用户的特征信息;
2)通过对比用户特征信息之间的相似度,来定义用户与用户之间的关系;
3)基于所定义的用户之间的关系构建用户的关系网络,一个用户代表一个节点,有关系的用户之间通过一条线连接,形成一个连通分支;
4)使用非监督学习算法寻找上述关系网络中的所有连通分支,每一个连通分支则对应着一个团体,所述团体至少包括两个用户;
5)若团体中的用户数量超过设定的阀值时,将该团体划分为异常可疑团体;
6)检测异常可疑团体,进一步分析该异常可疑团体的实体特征,若分析出该异常可疑团体欺诈嫌疑较大,则对其进行进一步调查。
具体地,在步骤1)中,所述特征信息包括用户的登录设备指纹、登录ip、登录密码、申请时所使用的邮箱、通讯录信息、gps定位信息。
具体地,在步骤3)中,所述关系网络为一种基于图的数据结构。
具体地,在步骤5)中,所述阀值设定为三个。
具体地,在步骤6)中,若一个异常可疑团体全部由男性构成、且年龄跨度在十岁以内,或者一个异常可疑团体全部由六十岁以上老年人构成,则认为该异常可疑团体欺诈嫌疑较大。
一种互联网金融小微贷款的团伙欺诈识别装置,所述识别装置包括:
信息获取模块,用于获取贷款申请用户的特征信息;
关系定义模块,用于通过对比用户特征信息之间的相似度来定义用户与用户之间的关系;
关系网络构建模块,用于根据所述关系定义模块所定义的用户之间的关系构建用户的关系网络,其中,一个用户代表一个节点,有关系的用户之间通过一条线连接,形成一个连通分支;
寻找模块,用于通过非监督学习算法寻找所述关系网络中的所有连通分支,每一个连通分支则对应着一个团体,所述团体至少包括两个用户;
筛选模块,用于筛选出异常可疑团体,所述异常可疑团体为用户数量超过设定阀值的团体;
检测分析模块,用于检测所述异常可疑团体的实体特征,分析出该异常可疑团体是否存在欺诈嫌疑。
进一步地,所述信息获取模块所获取的特征信息包括用户的登录设备指纹、登录ip、登录密码、申请时所使用的邮箱、通讯录信息、gps定位信息。
进一步地,所述关系网络构建模块所构建的关系网络为一种基于图的数据结构。
进一步地,所述异常可疑团体为用户数量超过三个的团体。
进一步地,所述异常可疑团体的实体特征包括该异常可疑团体中所有用户的性别、年龄以及年龄跨度,如果一个异常可疑团体全部由男性构成、且年龄跨度在十岁以内,或者一个异常可疑团体全部由六十岁以上老年人构成,则认为该异常可疑团体存在欺诈嫌疑。
相对于现有的互联网金融反欺诈技术手段,本发明的有益效果在于:
1)与以往针对个体用户的审查和信用评分不同,本发明是以团体而非个体作为识别对象,可以对欺诈特征不显著的个体进行进一步审查,识别其是否属于某异常团体;
2)通过所构建的用户关系网络可以把不同的个体按照其关系连接在一起,从而提供了从“关系”的角度分析问题的能力,这更有利于从正常行为中识别出异常的团伙欺诈行为;
3)使用的是非监督学习算法,并不是基于历史数据挖掘隐藏的欺诈模式,因而能够有效地识别出新出现的未曾记录的欺诈行为。
附图说明
图1为本发明实施例一互联网金融小微贷款的团伙欺诈识别方法的流程示意图;
图2为本发明实施例二互联网金融小微贷款的团伙欺诈识别装置的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一
本发明提供一种互联网金融小微贷款的团伙欺诈识别方法。
参照图1,图1为本发明互联网金融小微贷款的团伙欺诈识别方法的流程示意图。
该互联网金融小微贷款的团伙欺诈识别方法包括以下步骤:
1)获取贷款申请用户的特征信息,所述特征信息包括但不限于用户的登录设备指纹、登录ip、登录密码、申请时所使用的邮箱、通讯录信息、gps定位信息等;
2)通过对比用户特征信息之间的相似度,来定义用户与用户之间的关系,例如(包括但不限于):某两个用户登录设备指纹相似度高、登录ip相同、使用相同密码登录、使用相同邮箱登录、通讯录相似度高、gps定位距离近等,都可以说明这两个用户之间有关系;
3)基于所定义的用户之间的关系构建用户的关系网络,该关系网络为一种基于图的数据结构,关系网络中每一个节点代表一个用户,如果两个用户之间有关系,则在两个节点之间连接一条线,形成一个连通分支;
4)使用非监督学习算法(例如图论中的广度优先遍历或深度优先遍历等)寻找上述关系网络中的所有连通分支,每一个连通分支则对应着一个团体,所述团体至少包括两个用户;
5)若团体中的用户数量超过设定的阀值时,将该团体划分为异常可疑团体,所述阀值可根据业务经验选取,也可基于团体规模的概率分布情况选取,因大多数的正常个体应该是独立的节点(规模为1的单个个体,或者与另一个节点组成规模为2的团体,在这种情况下,多数可能为家人或朋友关系),如果出现三个点以上甚至十几个点关系密切时,这些团体可被归为异常;
6)检测异常可疑团体,进一步分析该异常可疑团体的实体特征,包括其中个体的性别、年龄结构、年龄跨度等,例如,若一个异常团体全部由男性构成、且年龄跨度在十岁以内,或者一个异常团体全部由六十岁以上老年人构成,则这个团体的欺诈嫌疑可能较大,下一步就可以对其进行进一步调查。
实施例二
本发明提供一种互联网金融小微贷款的团伙欺诈识别装置。
参照图2,图2为本发明互联网金融小微贷款的团伙欺诈识别装置的结构框图。
该互联网金融小微贷款的团伙欺诈识别装置包括:
信息获取模块,用于获取贷款申请用户的特征信息,所述特征信息包括但不限于用户的登录设备指纹、登录ip、登录密码、申请时所使用的邮箱、通讯录信息、gps定位信息等;
关系定义模块,用于通过对比用户特征信息之间的相似度来定义用户与用户之间的关系,例如(包括但不限于):某两个用户登录设备指纹相似度高、登录ip相同、使用相同密码登录、使用相同邮箱登录、通讯录相似度高、gps定位距离近等,都可以说明这两个用户之间有关系;
关系网络构建模块,用于根据所述关系定义模块所定义的用户之间的关系构建用户的关系网络,该关系网络为一种基于图的数据结构,关系网络中每一个节点代表一个用户,如果两个用户之间有关系,则在两个节点之间连接一条线,形成一个连通分支;
寻找模块,用于通过非监督学习算法(例如图论中的广度优先遍历或深度优先遍历等)寻找所述关系网络中的所有连通分支,每一个连通分支则对应着一个团体,所述团体至少包括两个用户;
筛选模块,用于筛选出异常可疑团体,所述异常可疑团体为用户数量超过设定阀值的团体,所述阀值可根据业务经验选取,也可基于团体规模的概率分布情况选取,因大多数的正常个体应该是独立的节点(规模为1的单个个体,或者与另一个节点组成规模为2的团体,在这种情况下,多数可能为家人或朋友关系),如果出现三个点以上甚至十几个点关系密切时,这些团体可被归为异常;
检测分析模块,用于检测所述异常可疑团体的实体特征,分析出该异常可疑团体是否存在欺诈嫌疑,所述异常可疑团体的实体特征包括该异常可疑团体中所有用户的性别、年龄以及年龄跨度,例如:如果一个异常可疑团体全部由男性构成、且年龄跨度在十岁以内,或者一个异常可疑团体全部由六十岁以上老年人构成,则认为该异常可疑团体存在欺诈嫌疑。
综上所述,本发明是以团体而非个体作为识别对象,可以对欺诈特征不显著的个体进行进一步审查,识别其是否属于某异常团体,通过所构建的用户关系网络可以把不同的个体按照其关系连接在一起,从而提供了从“关系”的角度分析问题的能力,这更有利于从正常行为中识别出异常的团伙欺诈行为,其使用的是非监督学习算法,并不是基于历史数据挖掘隐藏的欺诈模式,因而能够有效地识别出新出现的未曾记录的欺诈行为。
以上仅为本发明的较佳实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种互联网金融小微贷款的团伙欺诈识别方法,其特征在于,所述方法包括以下步骤:
1)获取贷款申请用户的特征信息;
2)通过对比用户特征信息之间的相似度,来定义用户与用户之间的关系;
3)基于所定义的用户之间的关系构建用户的关系网络,一个用户代表一个节点,有关系的用户之间通过一条线连接,形成一个连通分支;
4)使用非监督学习算法寻找上述关系网络中的所有连通分支,每一个连通分支则对应着一个团体,所述团体至少包括两个用户;
5)若团体中的用户数量超过设定的阀值时,将该团体划分为异常可疑团体;
6)检测异常可疑团体,进一步分析该异常可疑团体的实体特征,若分析出该异常可疑团体欺诈嫌疑较大,则对其进行进一步调查。
2.根据权利要求1所述的互联网金融小微贷款的团伙欺诈识别方法,其特征在于,在步骤1)中,所述特征信息包括用户的登录设备指纹、登录ip、登录密码、申请时所使用的邮箱、通讯录信息、gps定位信息。
3.根据权利要求1所述的互联网金融小微贷款的团伙欺诈识别方法,其特征在于,在步骤3)中,所述关系网络为一种基于图的数据结构。
4.根据权利要求1所述的一种互联网金融小微贷款的团伙欺诈识别方法,其特征在于,在步骤5)中,所述阀值设定为三个。
5.根据权利要求1所述的互联网金融小微贷款的团伙欺诈识别方法,其特征在于,在步骤6)中,若一个异常可疑团体全部由男性构成、且年龄跨度在十岁以内,或者一个异常可疑团体全部由六十岁以上老年人构成,则认为该异常可疑团体欺诈嫌疑较大。
6.一种互联网金融小微贷款的团伙欺诈识别装置,其特征在于,所述识别装置包括:
信息获取模块,用于获取贷款申请用户的特征信息;
关系定义模块,用于通过对比用户特征信息之间的相似度来定义用户与用户之间的关系;
关系网络构建模块,用于根据所述关系定义模块所定义的用户之间的关系构建用户的关系网络,其中,一个用户代表一个节点,有关系的用户之间通过一条线连接,形成一个连通分支;
寻找模块,用于通过非监督学习算法寻找所述关系网络中的所有连通分支,每一个连通分支则对应着一个团体,所述团体至少包括两个用户;
筛选模块,用于筛选出异常可疑团体,所述异常可疑团体为用户数量超过设定阀值的团体;
检测分析模块,用于检测所述异常可疑团体的实体特征,分析出该异常可疑团体是否存在欺诈嫌疑。
7.根据权利要求6所述的互联网金融小微贷款的团伙欺诈识别装置,其特征在于,所述信息获取模块所获取的特征信息包括用户的登录设备指纹、登录ip、登录密码、申请时所使用的邮箱、通讯录信息、gps定位信息。
8.根据权利要求6所述的互联网金融小微贷款的团伙欺诈识别装置,其特征在于,所述关系网络构建模块所构建的关系网络为一种基于图的数据结构。
9.根据权利要求6所述的互联网金融小微贷款的团伙欺诈识别装置,其特征在于,所述异常可疑团体为用户数量超过三个的团体。
10.根据权利要求6所述的互联网金融小微贷款的团伙欺诈识别装置,其特征在于,所述异常可疑团体的实体特征包括该异常可疑团体中所有用户的性别、年龄以及年龄跨度,如果一个异常可疑团体全部由男性构成、且年龄跨度在十岁以内,或者一个异常可疑团体全部由六十岁以上老年人构成,则认为该异常可疑团体存在欺诈嫌疑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711270177.3A CN108038778A (zh) | 2017-12-05 | 2017-12-05 | 互联网金融小微贷款的团伙欺诈识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711270177.3A CN108038778A (zh) | 2017-12-05 | 2017-12-05 | 互联网金融小微贷款的团伙欺诈识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108038778A true CN108038778A (zh) | 2018-05-15 |
Family
ID=62095713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711270177.3A Pending CN108038778A (zh) | 2017-12-05 | 2017-12-05 | 互联网金融小微贷款的团伙欺诈识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108038778A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146638A (zh) * | 2018-08-29 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 异常金融交易群体的识别方法及装置 |
CN109191281A (zh) * | 2018-08-21 | 2019-01-11 | 重庆富民银行股份有限公司 | 一种基于知识图谱的团体欺诈识别系统 |
CN109271418A (zh) * | 2018-08-14 | 2019-01-25 | 阿里巴巴集团控股有限公司 | 可疑团伙识别方法、装置、设备及计算机可读存储介质 |
CN109410035A (zh) * | 2018-09-29 | 2019-03-01 | 众安在线财产保险股份有限公司 | 一种协助反欺诈分析群组结构的方法及工具 |
CN109658222A (zh) * | 2018-10-16 | 2019-04-19 | 深圳壹账通智能科技有限公司 | 风险分析方法、装置、设备及计算机可读存储介质 |
CN109741173A (zh) * | 2018-12-27 | 2019-05-10 | 深圳前海微众银行股份有限公司 | 可疑洗钱团伙的识别方法、装置、设备及计算机存储介质 |
CN109754258A (zh) * | 2018-12-24 | 2019-05-14 | 同济大学 | 一种基于个体行为建模的面向线上交易欺诈检测方法 |
CN109816513A (zh) * | 2018-12-21 | 2019-05-28 | 上海拍拍贷金融信息服务有限公司 | 用户信用评级方法及装置、可读存储介质 |
CN109816519A (zh) * | 2019-01-25 | 2019-05-28 | 宜人恒业科技发展(北京)有限公司 | 一种欺诈团伙识别方法、装置及设备 |
CN109829721A (zh) * | 2019-02-13 | 2019-05-31 | 同济大学 | 基于异质网络表征学习的线上交易多主体行为建模方法 |
CN109840778A (zh) * | 2018-12-21 | 2019-06-04 | 上海拍拍贷金融信息服务有限公司 | 欺诈用户的识别方法及装置、可读存储介质 |
CN110297912A (zh) * | 2019-05-20 | 2019-10-01 | 平安科技(深圳)有限公司 | 欺诈识别方法、装置、设备及计算机可读存储介质 |
CN110489515A (zh) * | 2019-08-01 | 2019-11-22 | 卫盈联信息技术(深圳)有限公司 | 通讯录检索的方法、服务器及存储介质 |
CN110766091A (zh) * | 2019-10-31 | 2020-02-07 | 上海观安信息技术股份有限公司 | 一种套路贷团伙的识别方法及系统 |
CN110930246A (zh) * | 2019-12-04 | 2020-03-27 | 深圳市新国都金服技术有限公司 | 信贷反欺诈识别方法、装置、计算机设备及计算机可读存储介质 |
CN111078969A (zh) * | 2019-11-06 | 2020-04-28 | 广州荔支网络技术有限公司 | 一种基于ai的异常人群识别方法 |
CN111427926A (zh) * | 2020-03-23 | 2020-07-17 | 平安医疗健康管理股份有限公司 | 异常医保群组识别方法、装置、计算机设备及存储介质 |
CN112541765A (zh) * | 2019-09-20 | 2021-03-23 | 京东数字科技控股有限公司 | 用于检测可疑交易的方法和装置 |
CN113591898A (zh) * | 2021-06-04 | 2021-11-02 | 广州三七极创网络科技有限公司 | 游戏中账号的分类方法、装置及电子设备 |
CN116993371A (zh) * | 2023-09-25 | 2023-11-03 | 中邮消费金融有限公司 | 一种基于生物特征的异常检测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106921504A (zh) * | 2015-12-24 | 2017-07-04 | 阿里巴巴集团控股有限公司 | 一种确定不同用户的关联路径的方法和设备 |
CN107194623A (zh) * | 2017-07-20 | 2017-09-22 | 深圳市分期乐网络科技有限公司 | 一种团伙欺诈的发现方法及装置 |
CN107294974A (zh) * | 2017-06-26 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 识别目标团伙的方法和装置 |
-
2017
- 2017-12-05 CN CN201711270177.3A patent/CN108038778A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106921504A (zh) * | 2015-12-24 | 2017-07-04 | 阿里巴巴集团控股有限公司 | 一种确定不同用户的关联路径的方法和设备 |
CN107294974A (zh) * | 2017-06-26 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 识别目标团伙的方法和装置 |
CN107194623A (zh) * | 2017-07-20 | 2017-09-22 | 深圳市分期乐网络科技有限公司 | 一种团伙欺诈的发现方法及装置 |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109271418A (zh) * | 2018-08-14 | 2019-01-25 | 阿里巴巴集团控股有限公司 | 可疑团伙识别方法、装置、设备及计算机可读存储介质 |
CN109271418B (zh) * | 2018-08-14 | 2022-03-04 | 蚂蚁智安安全技术(上海)有限公司 | 可疑团伙识别方法、装置、设备及计算机可读存储介质 |
CN109191281A (zh) * | 2018-08-21 | 2019-01-11 | 重庆富民银行股份有限公司 | 一种基于知识图谱的团体欺诈识别系统 |
CN109146638B (zh) * | 2018-08-29 | 2021-11-30 | 创新先进技术有限公司 | 异常金融交易群体的识别方法及装置 |
CN109146638A (zh) * | 2018-08-29 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 异常金融交易群体的识别方法及装置 |
CN109410035A (zh) * | 2018-09-29 | 2019-03-01 | 众安在线财产保险股份有限公司 | 一种协助反欺诈分析群组结构的方法及工具 |
CN109658222A (zh) * | 2018-10-16 | 2019-04-19 | 深圳壹账通智能科技有限公司 | 风险分析方法、装置、设备及计算机可读存储介质 |
CN109816513A (zh) * | 2018-12-21 | 2019-05-28 | 上海拍拍贷金融信息服务有限公司 | 用户信用评级方法及装置、可读存储介质 |
CN109840778A (zh) * | 2018-12-21 | 2019-06-04 | 上海拍拍贷金融信息服务有限公司 | 欺诈用户的识别方法及装置、可读存储介质 |
CN109754258B (zh) * | 2018-12-24 | 2023-05-12 | 同济大学 | 一种基于个体行为建模的面向线上交易欺诈检测方法 |
CN109754258A (zh) * | 2018-12-24 | 2019-05-14 | 同济大学 | 一种基于个体行为建模的面向线上交易欺诈检测方法 |
CN109741173B (zh) * | 2018-12-27 | 2022-11-29 | 深圳前海微众银行股份有限公司 | 可疑洗钱团伙的识别方法、装置、设备及计算机存储介质 |
CN109741173A (zh) * | 2018-12-27 | 2019-05-10 | 深圳前海微众银行股份有限公司 | 可疑洗钱团伙的识别方法、装置、设备及计算机存储介质 |
CN109816519A (zh) * | 2019-01-25 | 2019-05-28 | 宜人恒业科技发展(北京)有限公司 | 一种欺诈团伙识别方法、装置及设备 |
CN109829721A (zh) * | 2019-02-13 | 2019-05-31 | 同济大学 | 基于异质网络表征学习的线上交易多主体行为建模方法 |
CN110297912A (zh) * | 2019-05-20 | 2019-10-01 | 平安科技(深圳)有限公司 | 欺诈识别方法、装置、设备及计算机可读存储介质 |
CN110489515A (zh) * | 2019-08-01 | 2019-11-22 | 卫盈联信息技术(深圳)有限公司 | 通讯录检索的方法、服务器及存储介质 |
CN112541765A (zh) * | 2019-09-20 | 2021-03-23 | 京东数字科技控股有限公司 | 用于检测可疑交易的方法和装置 |
CN110766091A (zh) * | 2019-10-31 | 2020-02-07 | 上海观安信息技术股份有限公司 | 一种套路贷团伙的识别方法及系统 |
CN110766091B (zh) * | 2019-10-31 | 2024-02-27 | 上海观安信息技术股份有限公司 | 一种套路贷团伙的识别方法及系统 |
CN111078969B (zh) * | 2019-11-06 | 2023-06-09 | 广州荔支网络技术有限公司 | 一种基于ai的异常人群识别方法 |
CN111078969A (zh) * | 2019-11-06 | 2020-04-28 | 广州荔支网络技术有限公司 | 一种基于ai的异常人群识别方法 |
CN110930246A (zh) * | 2019-12-04 | 2020-03-27 | 深圳市新国都金服技术有限公司 | 信贷反欺诈识别方法、装置、计算机设备及计算机可读存储介质 |
CN111427926B (zh) * | 2020-03-23 | 2023-02-03 | 平安医疗健康管理股份有限公司 | 异常医保群组识别方法、装置、计算机设备及存储介质 |
CN111427926A (zh) * | 2020-03-23 | 2020-07-17 | 平安医疗健康管理股份有限公司 | 异常医保群组识别方法、装置、计算机设备及存储介质 |
CN113591898A (zh) * | 2021-06-04 | 2021-11-02 | 广州三七极创网络科技有限公司 | 游戏中账号的分类方法、装置及电子设备 |
CN113591898B (zh) * | 2021-06-04 | 2024-01-02 | 广州三七极创网络科技有限公司 | 游戏中账号的分类方法、装置及电子设备 |
CN116993371A (zh) * | 2023-09-25 | 2023-11-03 | 中邮消费金融有限公司 | 一种基于生物特征的异常检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108038778A (zh) | 互联网金融小微贷款的团伙欺诈识别方法及装置 | |
Yue et al. | A review of data mining-based financial fraud detection research | |
Lopez-Rojas et al. | Money laundering detection using synthetic data | |
Zhang et al. | Label propagation-based approach for detecting review spammer groups on e-commerce websites | |
CN109873812A (zh) | 异常检测方法、装置及计算机设备 | |
CN110381079B (zh) | 结合gru和svdd进行网络日志异常检测方法 | |
Savage et al. | Detection of money laundering groups using supervised learning in networks | |
CN111461216B (zh) | 一种基于机器学习的案件风险识别方法 | |
Sherly et al. | BOAT adaptive credit card fraud detection system | |
Meng et al. | A case study in credit fraud detection with SMOTE and XGboost | |
CN110348528A (zh) | 基于多维数据挖掘的用户信用确定方法 | |
CN109829721B (zh) | 基于异质网络表征学习的线上交易多主体行为建模方法 | |
Savage et al. | Detection of money laundering groups: Supervised learning on small networks | |
CN111695597A (zh) | 基于改进式孤立森林算法的信贷欺诈团伙识别方法和系统 | |
CN114707571A (zh) | 基于增强隔离森林的信用数据异常检测方法 | |
KR101999765B1 (ko) | 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법 | |
Barman et al. | A complete literature review on financial fraud detection applying data mining techniques | |
Shi et al. | An improved agglomerative hierarchical clustering anomaly detection method for scientific data | |
Vorobyev et al. | Reducing false positives in bank anti-fraud systems based on rule induction in distributed tree-based models | |
KR20200029426A (ko) | 인공지능 기반의 보험금 부당청구 및 부당패턴 탐지 장치 및 방법 | |
CN110347669A (zh) | 基于流式大数据分析的风险防范方法 | |
Torres et al. | A proposal for online analysis and identification of fraudulent financial transactions | |
Apparao et al. | Financial statement fraud detection by data mining | |
Kamishima et al. | The independence of fairness-aware classifiers | |
CN117114689A (zh) | 一种欺诈检测模型构建方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180515 |
|
RJ01 | Rejection of invention patent application after publication |