CN110119976A - 一种基于交易风险特征库的风险检测方法 - Google Patents
一种基于交易风险特征库的风险检测方法 Download PDFInfo
- Publication number
- CN110119976A CN110119976A CN201910239962.5A CN201910239962A CN110119976A CN 110119976 A CN110119976 A CN 110119976A CN 201910239962 A CN201910239962 A CN 201910239962A CN 110119976 A CN110119976 A CN 110119976A
- Authority
- CN
- China
- Prior art keywords
- risk
- transaction
- index
- model
- feature database
- 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
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种基于交易风险特征库的风险检测方法,所述方法在没有黑样本的前提下,通过交易风险特征库获得先验知识并构建风险检测模型,通过检测结果进行反馈校正,不断矫正指标和模型,提高风险检测的准确度。通过本发明提供三维模型建立交易风险特征库,可以减少对行内专家的依赖。
Description
技术领域
本发明属于金融交易风险技术领域,具体涉及一种基于交易风险特征库的风险检测方法。
背景技术
识别业务交易风险,保障交易安全是金融机构的重要工作之一。金融机构的业务产品繁多,积累了庞大的交易数据和客户信息数据。当前很多金融机构和公司提出基于数据分析的交易风险检测技术。这些技术可分为依赖黑样本的有监督学习技术、无监督学习技术以及规则检测技术。这些技术在实际运行中会遇到3点困难:1、黑样本数量少;2、无监督学习缺乏业务知识,调参时间长,检测准确度差;3、规则检测依赖专家经验,寻找合适的专家资源是挑战。
发明内容
为了解决上述问题,本发明提供一种交易风险检测方法,所述方法在没有黑样本的前提下,通过交易风险特征库获得先验知识并构建风险检测模型,通过检测结果进行反馈校正,不断矫正指标和模型,提高风险检测的准确度;
进一步地,所述方法包括:
S1、基于三维模型构建交易风险特征库;
S2、以交易、风险为维度从交易风险特征库中提取特征集合;
S3、对于特征集合的每个特征构建风险指标,形成指标集合;
S4、依据风险指标集合构造风险检测模型,识别风险;
S5、依据检测结果校正指标和模型;
进一步地,S1中所述三维模型包含三个维度:交易、风险和特征维度;
进一步地,S1中所述交易为执行操作的最小单元,所述执行操作的最小单元包括:在个人网银中执行个人账号登陆、在手机银行中执行个人账号登陆和在网上银行中执行个人账号转账;
进一步地,S1中所述风险为从结果出发描述的待检测的风险,所述风险包含但不限于私号公用、盗号、盗转账、客户被骗主动转账、薅羊毛和洗钱;
进一步地,S1中所述特征维度为交易执行的特征维度,所述特征维度包含但不限于地点、时间、频率、金额、对象、IP和客户;
进一步地,所述S2具体包括:
S21:交易风险特征库中的一个特征f用三个要素描述,分别为交易ID、风险ID和特征维度ID;
S22:交易风险特征库中若两个特征的三个要素全部相同,则为同一特征,否则,为不同特征;
S23:依据单一交易和单一风险,提取其特征集合F;
S24:所述特征集合F为,如果fi(transID,riskID,dimID)∈F且fj(transID',riskID',dimID')∈F则有transID=transID'且riskID=riskID',其中transID为交易ID,riskID为风险ID,dimID为特征维度ID;
进一步地,所述S3具体为:如果fi(transID,riskID,dimID)∈F,则针对fi构建风险指标targeti,形成指标集合T,targeti∈T,其中,targeti包含基于dimID的指标描述和指标值;
进一步地,所述S4具体为:针对指标集合T,构建风险检测模型,风险检测模型为指标集合T到目标风险的映射函数,包含但不限于加权、优先和逻辑回归模型;
进一步地,所述S5具体为:
S51:依据检测结果调整指标集合中的指标数量和指标值;
S52:依据检测结果调整风险检测模型参数和模型类型;
本发明的有益效果如下:
1)本发明提供三维模型建立交易风险特征库,减少对行内专家的依赖;
2)本发明提供的基于交易风险特征库的风险检测方法和装置,可在没有黑样本的前提下,通过交易风险特征库获得先验知识,构建风险检测模型,通过反馈校正装置不断矫正指标和模型,提高风险检测的准确度。
附图说明
图1为本发明所述方法的流程图;
图2为本发明实施例中所述装置的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。相反,本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步,为了使公众对本发明有更好的了解,在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
下面结合附图和具体实施例对本发明作进一步说明,但不作为对本发明的限定。下面为本发明的举出最佳实施例:
如图1所示,本发明提供一种交易风险检测方法,所述方法在没有黑样本的前提下,通过交易风险特征库获得先验知识并构建风险检测模型,通过检测结果进行反馈校正,不断矫正指标和模型,提高风险检测的准确度,其中黑样本的意思为银行或金融交易机构的黑名单所发生的行为。
具体包括以下5个步骤:
S1、基于三维模型构建交易风险特征库;
S2、以交易、风险为维度从交易风险特征库中提取特征集合;
S3、对于特征集合的每个特征构建风险指标,形成指标集合;
S4、依据风险指标集合构造风险检测模型,识别风险;
S5、依据检测结果校正指标和模型。
所述三维模型包含三个维度:交易、风险、特征维度,所述交易指执行操作的最小单元,例如“在个人网银中执行个人账号登陆”、“在手机银行中执行个人账号登陆”、“在网上银行中执行个人账号转账”等等。所述风险指从结果出发描述的待检测的风险,包含但不限于私号公用、盗号、盗转账、客户被骗主动转账、薅羊毛、洗钱等。所述特征维度指交易执行的特征维度,包含但不限于地点、时间、频率、金额、对象、IP、客户等。
所述交易风险特征库:交易风险特征库中的一个特征f用三个要素描述,分别为交易ID(以下称transID)、风险ID(以下称riskID)和特征维度ID(以下称dimID);
交易风险特征库中若两个特征的三个要素全部相同,则为同一特征,否则,为不同特征。
所述以交易、风险为维度从交易风险特征库中提取特征集合:
1、依据单一交易和单一风险,提取其特征集合F,
2、所述特征集合F,其特征为,如果fi(transID,riskID,dimID)∈F且fj(transID',riskID',dimID')∈F则有transID=transID'且riskID=riskID',。
对于特征集合F的每个特征构建风险指标,形成指标集合:
a.如果fi(transID,riskID,dimID)∈F,则针对fi构建风险指标targeti,形成指标集合T,targeti∈T,
b.targeti∈T包含基于dimID的指标描述和指标值,
例如针对“transID表示个人网银中执行个人账号登录,riskID表示公号私用,dimID表示频率”的风险特征f的指标target可设置为每小时登陆的次数,值为100。
风险指标构造风险检测模型,识别风险:
1、针对指标集合T,构建风险检测模型;
2、所述风险检测模型,指指标集合T到目标风险的映射函数,包含但不限于加权、优先或者逻辑回归等模型。
依据检测结果校正指标和模型:
1、依据检测结果调整指标集合中的指标数量、指标值等。
2、依据检测结果调整风险检测模型参数、模型类型等
如图2所示,基于上述方法,本发明还提供一种基于交易风险特征库的风险检测装置,具体包括五个子装置:1)交易风险特征库生成子装置,采用三维模型建立交易风险特征库,可精确生成不同交易不同风险下的特征库;2)特征集合提取装置,依据单一交易和单一风险,提取其特征集合;3)风险指标构造装置,基于特征集合构建风险指标;4)风险检测装置,基于风险指标建立风险检测模型,识别风险;5)反馈校正装置,依据检测结果校正指标和模型,提高风险检测的准确度。上述五个装置从1-5依次连接,其中5)反馈校正装置同时连接4)风险检测装置和3)风险指标构造装置,5)反馈校正装置在通过4)风险检测装置进行检测后,根据结果,再次对3)风险指标构造装置中的指标和和模型进行校正。
以上所述的实施例,只是本发明较优选的具体实施方式的一种,本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。
Claims (10)
1.一种基于交易风险特征库的风险检测方法,其特征在于,所述方法在没有黑样本的前提下,通过交易风险特征库获得先验知识并构建风险检测模型,通过检测结果进行反馈校正,不断矫正指标和模型,提高风险检测的准确度。
2.根据权利要求1所述的方法,其特征在于,所述方法包括:
S1、基于三维模型构建交易风险特征库;
S2、以交易、风险为维度从交易风险特征库中提取特征集合;
S3、对于特征集合的每个特征构建风险指标,形成指标集合;
S4、依据风险指标集合构造风险检测模型,识别风险;
S5、依据检测结果校正指标和模型。
3.根据权利要求2所述的方法,其特征在于,S1中所述三维模型包含三个维度:交易、风险和特征维度。
4.根据权利要求3所述的方法,其特征在于,S1中所述交易为执行操作的最小单元,所述执行操作的最小单元包括:在个人网银中执行个人账号登陆、在手机银行中执行个人账号登陆和在网上银行中执行个人账号转账。
5.根据权利要求3所述的方法,其特征在于,S1中所述风险为从结果出发描述的待检测的风险,所述风险包含但不限于私号公用、盗号、盗转账、客户被骗主动转账、薅羊毛和洗钱。
6.根据权利要求3所述的方法,其特征在于,S1中所述特征维度为交易执行的特征维度,所述特征维度包含但不限于地点、时间、频率、金额、对象、IP和客户。
7.根据权利要求2所述的方法,其特征在于,所述S2具体包括:
S21:交易风险特征库中的一个特征f用三个要素描述,分别为交易ID、风险ID和特征维度ID;
S22:交易风险特征库中若两个特征的三个要素全部相同,则为同一特征,否则,为不同特征;
S23:依据单一交易和单一风险,提取其特征集合F;
S24:所述特征集合F为,如果fi(transID,riskID,dimID)∈F且fj(transID',riskID',dimID')∈F则有transID=transID'且riskID=riskID',其中transID为交易ID,riskID为风险ID,dimID为特征维度ID。
8.根据权利要求7所述的方法,其特征在于,所述S3具体为:如果fi(transID,riskID,dimID)∈F,则针对fi构建风险指标targeti,形成指标集合T,targeti∈T,其中,targeti包含基于dimID的指标描述和指标值。
9.根据权利要求8所述的方法,其特征在于,所述S4具体为:针对指标集合T,构建风险检测模型,风险检测模型为指标集合T到目标风险的映射函数,包含但不限于加权、优先和逻辑回归模型。
10.根据权利要求8所述的方法,其特征在于,所述S5具体为:
S51:依据检测结果调整指标集合中的指标数量和指标值;
S52:依据检测结果调整风险检测模型参数和模型类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910239962.5A CN110119976A (zh) | 2019-03-27 | 2019-03-27 | 一种基于交易风险特征库的风险检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910239962.5A CN110119976A (zh) | 2019-03-27 | 2019-03-27 | 一种基于交易风险特征库的风险检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110119976A true CN110119976A (zh) | 2019-08-13 |
Family
ID=67520687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910239962.5A Pending CN110119976A (zh) | 2019-03-27 | 2019-03-27 | 一种基于交易风险特征库的风险检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110119976A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881783A (zh) * | 2015-05-14 | 2015-09-02 | 中国科学院信息工程研究所 | 电子银行账户欺诈行为及风险检测方法与系统 |
US20180260904A1 (en) * | 2009-12-02 | 2018-09-13 | Axioma, Inc. | Methodology and process for constructing factor indexes |
CN109063921A (zh) * | 2018-08-20 | 2018-12-21 | 平安科技(深圳)有限公司 | 客户风险预警的优化处理方法、装置、计算机设备和介质 |
CN109377339A (zh) * | 2018-10-22 | 2019-02-22 | 中信网络科技股份有限公司 | 一种可疑交易案例的辅助甄别方法及系统 |
CN109377050A (zh) * | 2018-10-24 | 2019-02-22 | 江苏税软软件科技有限公司 | 一种基于风险分析及ai人工智能模型风险分析方法 |
-
2019
- 2019-03-27 CN CN201910239962.5A patent/CN110119976A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180260904A1 (en) * | 2009-12-02 | 2018-09-13 | Axioma, Inc. | Methodology and process for constructing factor indexes |
CN104881783A (zh) * | 2015-05-14 | 2015-09-02 | 中国科学院信息工程研究所 | 电子银行账户欺诈行为及风险检测方法与系统 |
CN109063921A (zh) * | 2018-08-20 | 2018-12-21 | 平安科技(深圳)有限公司 | 客户风险预警的优化处理方法、装置、计算机设备和介质 |
CN109377339A (zh) * | 2018-10-22 | 2019-02-22 | 中信网络科技股份有限公司 | 一种可疑交易案例的辅助甄别方法及系统 |
CN109377050A (zh) * | 2018-10-24 | 2019-02-22 | 江苏税软软件科技有限公司 | 一种基于风险分析及ai人工智能模型风险分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10838848B2 (en) | System and method for test generation | |
CN112037012A (zh) | 一种基于pso-bp神经网络的互联网金融信用评价方法 | |
CN109034194B (zh) | 基于特征分化的交易欺诈行为深度检测方法 | |
US11263644B2 (en) | Systems and methods for detecting unauthorized or suspicious financial activity | |
CN110213244A (zh) | 一种基于时空特征融合的网络入侵检测方法 | |
CN112733995B (zh) | 训练神经网络的方法、行为检测方法及行为检测装置 | |
CN113344700B (zh) | 一种基于多目标优化的风控模型构建方法、装置和电子设备 | |
CN109858930A (zh) | 基于关联图谱表征学习的线上交易欺诈检测方法 | |
CN110335144B (zh) | 个人电子银行账户安全检测方法及装置 | |
CN114641811B (zh) | 用于用户网络活动异常检测的系统、方法和计算机程序产品 | |
CN113221104A (zh) | 用户异常行为的检测方法及用户行为重构模型的训练方法 | |
CN112508709A (zh) | 一种基于网络结构的信用风险传染监控方法 | |
US20210034917A1 (en) | Anomaly detection and clustering in financial data channel migration | |
Wang et al. | Predicting the At‐Risk Online Students Based on the Click Data Distribution Characteristics | |
CN110956543A (zh) | 异常交易检测的方法 | |
Chang et al. | Sufficient and necessary conditions of near-optimal controls for a diffusion dengue model with Lévy noise | |
US11551317B2 (en) | Property valuation model and visualization | |
CN112801780A (zh) | 基于联邦学习的境内外风险客户识别方法、装置及系统 | |
CN110119976A (zh) | 一种基于交易风险特征库的风险检测方法 | |
Chen et al. | An Optimized BP Neural Network Model and Its Application in the Credit Evaluation of Venture Loans | |
Dua | Macroeconomic modelling and bayesian methods | |
US20150134565A1 (en) | Predicting economic conditions | |
Wandhe et al. | Real Estate Prediction System Using ML | |
US20210150595A1 (en) | Experience Sensing Engine | |
Shaik et al. | Customer loan eligibility prediction using machine learning |
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: 20190813 |
|
RJ01 | Rejection of invention patent application after publication |