CN110245875A - 欺诈风险评估方法、装置、设备及存储介质 - Google Patents
欺诈风险评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110245875A CN110245875A CN201910548411.7A CN201910548411A CN110245875A CN 110245875 A CN110245875 A CN 110245875A CN 201910548411 A CN201910548411 A CN 201910548411A CN 110245875 A CN110245875 A CN 110245875A
- Authority
- CN
- China
- Prior art keywords
- social
- risk
- fraud
- clique
- label
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 230000000694 effects Effects 0.000 claims abstract description 26
- 238000001514 detection method Methods 0.000 claims description 12
- 238000004140 cleaning Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000012502 risk assessment Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 230000003796 beauty Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005242 forging Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 241000209202 Bromus secalinus Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Finance (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种欺诈风险评估方法、装置、设备及存储介质,该方法包括:通过从数据源采集社交账号数据,根据预设分团规则对所述社交账号数据进行分团,得到第一社交团伙;根据预设打标规则和所述第一社交团伙中的特征信息对所述第一社交团伙中的社交账号数据打上相应的风险标签;根据所述风险标签对所述第一社交团伙的欺诈风险进行评估。本发明能够对社交账号数据进行分团、打标等处理,从而根据风险标签对社交团伙的欺诈风险进行监测,提高了团伙欺诈的识别效果,进而提升了金融交易的安全性。
Description
技术领域
本发明涉及金融科技(Fintech)技术领域,尤其涉及欺诈风险评估方法、装置、设备及存储介质。
背景技术
近年来,随着金融科技(Fintech)产业的高速发展,欺诈案件也日益增多。传统的欺诈检测方法通常是通过建立一个规则引擎来描述中介欺诈行为的特征,从而将中介的欺诈行为从正常操作中区别开来,在反欺诈规则引擎中,这些甄别欺诈行为的规则往往依赖于从大量历史案例中总结出来的已知的欺诈申请和正常申请数据,这种方法对于交易本身特征明显的欺诈行为效果显著。
但是,这种方法却忽略了欺诈背后的团伙关联性,欺诈行为随着时间不断演化和发展,衍生出了有团伙有组织的欺诈模式,而现有的欺诈检测方法对于伪造正常用户信息的团伙欺诈的识别效果不明显。
发明内容
本发明的主要目的在于提出一种欺诈风险评估方法、装置、设备及存储介质,旨在解决现有的欺诈检测方法对于团伙欺诈的识别效果不明显的技术问题。
为实现上述目的,本发明提供一种欺诈风险评估方法,所述欺诈风险评估方法包括如下步骤:
从数据源采集社交账号数据,根据预设分团规则对所述社交账号数据进行分团,得到第一社交团伙;
根据预设打标规则和所述第一社交团伙中的特征信息对所述第一社交团伙中的社交账号数据打上相应的风险标签;
根据所述风险标签对所述第一社交团伙的欺诈风险进行评估。
优选地,所述从数据源采集社交账号数据的步骤包括:
根据预设清洗策略确定所述数据源的需求类型,并根据所述需求类型确定需求字段;
根据所述需求字段对所述原始数据进行一次过滤,获得一次数据字段;
对所述一次数据字段进行数值缺失检测,以对所述一次数据字段进行二次过滤,获得二次数据字段;
对所述二次数据字段进行数值重复检测,以对所述二次数据字段进行三次过滤,得到社交账号数据。
优选地,所述根据预设分团规则对所述社交账号数据进行分团,得到第一社交团伙的步骤包括:
将所述社交账号数据中的社交账号作为节点,将所述社交账号间的社交关系作为连接边,根据所述节点和所述连接边构建团状关系网;
根据所述节点间的社交关系对所述团状关系网中的节点进行分团,得到第一社交团伙。
优选地,所述根据预设打标规则和所述第一社交团伙中的特征信息对所述第一社交团伙中的社交账号数据打上相应的风险标签的步骤包括:
获取所述第一社交团伙中各个节点的特征信息;
根据所述特征信息获取所述特征信息对应的类型信息;
根据所述类型信息与风险标签的预设映射关系对所述第一社交团伙中的各个节点打上相应的风险标签。
优选地,所述风险标签包括负向标签,所述根据所述风险标签对所述第一社交团伙的欺诈风险进行评估的步骤包括:
计算所述第一社交团伙中所有风险标签中负向标签的比例;
判断所述负向标签的比例是否大于或者等于预设比例阈值;
若所述负向标签的比例大于或者等于预设比例阈值,则判定所述第一社交团伙存在团伙欺诈风险。
优选地,所述若所述负向标签的比例大于或者等于预设比例阈值,则判定所述第一社交团伙存在团伙欺诈风险的步骤之后,还包括:
将所述第一社交团伙中的社交账号数据发送至预设工作终端,以使工作人员根据所述社交账号数据对所述第一社交团伙进行人工干预。
优选地,所述根据预设打标规则和所述第一社交团伙中的特征信息对所述第一社交团伙中的社交账号数据打上相应的风险标签的步骤之后,还包括:
在所述风险标签在所述第一社交团伙中的存在时长超过预设时长时,删除所述风险标签。
此外,为实现上述目的,本发明还提供一种欺诈风险评估装置,所述欺诈风险评估装置包括:
分团模块,用于从数据源采集社交账号数据,根据预设分团规则对所述社交账号数据进行分团,得到第一社交团伙;
打标模块,用于根据预设打标规则和所述第一社交团伙中的特征信息对所述第一社交团伙中的社交账号数据打上相应的风险标签;
评估模块,用于根据所述风险标签对所述第一社交团伙的欺诈风险进行评估。
此外,为实现上述目的,本发明还提供一种欺诈风险评估设备,所述欺诈风险评估设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的欺诈风险评估程序,所述欺诈风险评估程序被所述处理器执行时实现如上所述的欺诈风险评估方法的步骤。
此外,为实现上述目的,本发明还提供一种存储介质,所述存储介质上存储有欺诈风险评估程序,所述欺诈风险评估程序被处理器执行时实现如上所述的欺诈风险评估方法的步骤。
本发明通过从数据源采集社交账号数据,根据预设分团规则对所述社交账号数据进行分团,得到第一社交团伙;根据预设打标规则和所述第一社交团伙中的特征信息对所述第一社交团伙中的社交账号数据打上相应的风险标签;根据所述风险标签对所述第一社交团伙的欺诈风险进行评估。本发明能够对社交账号数据进行分团、打标等处理,从而根据风险标签对社交团伙的欺诈风险进行监测,提高了团伙欺诈的识别效果,进而提升了金融交易的安全性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图;
图2为本发明欺诈风险评估方法第一实施例的流程示意图;
图3为本发明欺诈风险评估装置一实施例的模块示意图。
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
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。
本发明实施例的主要解决方案是从数据源采集社交账号数据,根据预设分团规则对所述社交账号数据进行分团,得到第一社交团伙;根据预设打标规则和所述第一社交团伙中的特征信息对所述第一社交团伙中的社交账号数据打上相应的风险标签;根据所述风险标签对所述第一社交团伙的欺诈风险进行评估。本发明能够对社交账号数据进行分团、打标等处理,从而根据风险标签对社交团伙的欺诈风险进行监测,提高了团伙欺诈的识别效果,进而提升了金融交易的安全性。
传统的欺诈检测方法通常是通过建立一个规则引擎来描述中介欺诈行为的特征,从而将中介的欺诈行为从正常操作中区别开来,在反欺诈规则引擎中,这些甄别欺诈行为的规则往往依赖于从大量历史案例中总结出来的已知的欺诈申请和正常申请数据,这种方法对于交易本身特征明显的欺诈行为效果显著。但是,这种方法却忽略了欺诈背后的团伙关联性,欺诈行为随着时间不断演化和发展,衍生出了有团伙有组织的欺诈模式,而现有的欺诈检测方法对于伪造正常用户信息的团伙欺诈的识别效果不明显。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端可以是搭载了虚拟化平台的PC机或服务器(如X86服务器)等终端设备。
如图1所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及欺诈风险评估程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的欺诈风险评估程序,并执行以下欺诈风险评估方法实施例中的操作。
基于上述硬件结构,提出本发明欺诈风险评估方法实施例。
参照图2,图2为本发明欺诈风险评估方法第一实施例的流程示意图,所述方法包括:
步骤S1,从数据源采集社交账号数据,根据预设分团规则对所述社交账号数据进行分团,得到第一社交团伙;
传统的欺诈检测方法通常是通过建立一个规则引擎来描述中介欺诈行为的特征,从而将中介的欺诈行为从正常操作中区别开来,在反欺诈规则引擎中,这些甄别欺诈行为的规则往往依赖于从大量历史案例中总结出来的已知的欺诈申请和正常申请数据,这种方法对于交易本身特征明显的欺诈行为效果显著。但是,这种方法却忽略了欺诈背后的团伙关联性,欺诈行为随着时间不断演化和发展,衍生出了有团伙有组织的欺诈模式,而现有的欺诈检测方法对于伪造正常用户信息的团伙欺诈的识别效果不明显。
在本实施例中,社交账号包括但不限于电话号码、设备指纹、微信账号、QQ账号、微博账号等具有即时通讯和信息交换功能的新媒体账号。
本实施例中的欺诈风险评估方法由欺诈风险评估设备实现,该欺诈风险评估设备要对欺诈风险进行监测,首先要从数据源采集大量的原始数据,而数据源通常包括多个,这些数据源不一定是仅为贷款平台进行服务的,因此数据中的原始数据往往会包括了脏数据、且这些数据由于来源不同会呈现出无序性;而在欺诈风险评估的过程中,若直接使用这些原始数据进行监测业务,必然会延长了数据调用的时间,增大了系统服务器的计算和处理压力,从而降低了欺诈风险评估效率。
因此,欺诈风险评估设备在从数据源采集到原始数据后,首先要对原始数据进行数据清洗得到社交账号数据,之后,根据预设分团规则对社交账号数据进行分团,得到第一社交团伙。其中,预设分团规则为将社交账号数据中的社交账号作为节点,将社交账号间的社交关系作为连接边,根据节点和连接边构建团状关系网;根据节点间的社交关系对团状关系网中的节点进行分团,得到第一社交团伙。
步骤S2,根据预设打标规则和所述第一社交团伙中的特征信息对所述第一社交团伙中的社交账号数据打上相应的风险标签;
在本实施例中,预设打标规则为每个特征信息都对应有相应的风险标签,在获取到第一社交团伙中每个社交账号的若干个特征信息后,可根据预设打标规则对社交账号匹配上相应的风险标签。在不同的业务层面下,欺诈风险评估设备所关注的特征信息可能相同也可能不同,运维人员可根据业务需要进行设置,本实施例不做限制。其中,特征信息可以但不限于是用户年龄、性别、户籍、交易次数、交易时间、账户余额等。
步骤S3,根据所述风险标签对所述第一社交团伙的欺诈风险进行评估。
在本实施例中,根据风险标签对第一社交团伙的欺诈风险进行监测的步骤包括:计算第一社交团伙中所有风险标签中负向标签的比例;判断负向标签的比例是否大于或者等于预设比例阈值;若是,则判定第一社交团伙存在团伙欺诈风险。
在本实施例中,通过从数据源采集社交账号数据,根据预设分团规则对所述社交账号数据进行分团,得到第一社交团伙;根据预设打标规则和所述第一社交团伙中的特征信息对所述第一社交团伙中的社交账号数据打上相应的风险标签;根据所述风险标签对所述第一社交团伙的欺诈风险进行评估。通过上述方式,本实施例通过对社交账号数据进行分团、打标等处理,从而根据风险标签对社交团伙的欺诈风险进行监测,提高了团伙欺诈的识别效果,进而提升了金融交易的安全性。
进一步地,基于本发明欺诈风险评估方法第一实施例,提出本发明欺诈风险评估方法第二实施例,在本实施例中,上述步骤S1具体包括:
步骤S11,根据预设清洗策略确定所述数据源的需求类型,并根据所述需求类型确定需求字段;
在本实施例中,欺诈风险评估设备中预先配置有预设清洗策略,该预设清洗策略中包括了为不同数据源定义对应的需求数据类型(即需要从该数据源获取到什么原始数据)、以及需求数据在原始数据中的需求字段名称。例如,人民银行征信平台数据源的需求数据为用户的征信数据、公安接口数据源的需求数据为涉案信息数据、贷款平台数据源的需求数据为用户的交易流水和账户资金数据。
步骤S12,根据所述需求字段对所述原始数据进行一次过滤,获得一次数据字段;
在获取到原始数据时,将根据该需求字段对原始数据进行一次过滤,过滤掉非需求数据的字段,得到一次数据字段。
步骤S13,对所述一次数据字段进行数值缺失检测,以对所述一次数据字段进行二次过滤,获得二次数据字段;
在得到一次数据字段时,将对一次数据字段进行数值缺失检测,判断该一次数据字段中是否具有确定的数据值,例如,用户的涉案信息数据,对于涉案金额,仅具有表头字段(涉案金额),而缺失了具体确定的数据值(空或null),对于这类数值缺失的数据字段,数据整合平台会在二次过滤中将其过滤掉,得到二次数据字段。
步骤S14,对所述二次数据字段进行数值重复检测,以对所述二次数据字段进行三次过滤,得到社交账号数据。
对于二次过滤后的二次数据字段,可对其进行重复检测,判断是否有字段名称和内容值一致的重复数据,若存在,则将该重复数据进行三次过滤,在三次过滤完成时,即获得了清洗数据,即社交账号数据。
进一步的,在对原始数据清洗的过程中,还可以进行记录,以生成对应的清洗日志,清洗日志的内容可以包括各过滤节点的数据过滤量、各过滤节点过滤掉的数据索引(仅包含简略信息,不包括具体数据)、过滤原因等内容,以便管理人员根据清洗日志对清洗功能进行维护和优化。
进一步地,上述步骤S1还包括:
步骤S15,将所述社交账号数据中的社交账号作为节点,将所述社交账号间的社交关系作为连接边,根据所述节点和所述连接边构建团状关系网;
在本实施例中,在获取到社交账号数据后,将社交账号数据中的社交账号作为节点,将社交账号之间的社交关系作为连接边,根据节点和连接边构建团状关系网。其中,社交关系可以是不同社交账号之间交流的频率、交流的相似度等。
步骤S16,根据所述节点间的社交关系对所述团状关系网中的节点进行分团,得到第一社交团伙。
为辅助理解,现列举一实例:若社交关系为一个或者多个社交账号与其他多个社交账号之间交流的相似度,相似度可以根据预设关键字/词来确定,若有社交联系的多个社交账号的聊天记录中都出现了预设关键字/词“贷款”,则将这些社交账号划分为一个团,即第一社交团伙;若社交关系为一个或者多个社交账号与其他多个社交账号之间交流的频率,若与一个或者多个社交账号交流的频率超过预设频率阈值,则将这些社交账号划分为一个团,即第一社交团伙。
进一步地,上述步骤S2包括:
步骤S21,获取所述第一社交团伙中各个节点的特征信息;
在不同的业务层面下,欺诈风险评估设备所关注的特征信息可能相同也可能不同,运维人员可根据业务需要进行设置,本实施例不做限制。其中,特征信息可以但不限于是用户年龄、性别、户籍、交易次数、交易时间、账户余额等。
步骤S22,根据所述特征信息获取所述特征信息对应的类型信息;
例如,若业务产品为医疗美容类,且该医疗美容产品主要针对的客户年龄层为30岁至45岁,则可将该业务产品的特征信息设置为用户年龄,且每个用户年龄有其对应的年龄范围,即类型信息,第一年龄范围为30岁≤用户年龄≤45岁,第二年龄范围为用户年龄<30岁和用户年龄>45岁。
步骤S23,根据所述类型信息与风险标签的预设映射关系对所述第一社交团伙中的各个节点打上相应的风险标签。
在本实施例中,运维人员可根据业务需要为类型信息设置与之相映射的风险标签,例如,若业务产品为医疗美容类,且该医疗美容产品主要针对的客户年龄层为30岁至45岁,则可将该业务产品的特征信息设置为用户年龄,且每个用户年龄有其对应的年龄范围,即类型信息,第一年龄范围为30岁≤用户年龄≤45岁,第二年龄范围为用户年龄<30岁和用户年龄>45岁,第一年龄范围对应的风险标签为正向标签,第二年龄范围对应的风险标签为负向标签。若用户A的年龄为30岁,用户B的年龄为25岁,则用户A的类型信息为第一年龄范围,对应的风险标签为正向标签;用户B的类型信息为第二年龄范围,对应的风险标签为负向标签。
进一步地,所述风险标签包括负向标签,上述步骤S3还包括:
步骤S31,计算所述第一社交团伙中所有风险标签中负向标签的比例;
步骤S32,判断所述负向标签的比例是否大于或者等于预设比例阈值;
步骤S33,若所述负向标签的比例大于或者等于预设比例阈值,则判定所述第一社交团伙存在团伙欺诈风险。
在本实施例中,风险标签包括负向标签,即异常标签,对应的风险标签还可以包括正向标签。在根据预设打标规则和第一社交团伙中的特征信息对第一社交团伙中的社交账号数据打上相应的风险标签之后,计算第一社交团伙中所有风险标签中负向标签所占的比例,并判断该比例是否大于或者等于预设比例阈值,若负向标签的比例大于或者等于预设比例阈值,则判定第一社交团伙存在团伙欺诈风险;若负向标签的比例小于预设比例阈值,则判定第一社交团伙暂不存在团伙欺诈风险。其中,运维人员可根据需要设置预设比例阈值的大小,本实施例不做限制。
进一步地,负向标签还可以按照异常类型划分为资金异常标签、行为异常标签、地理位置异常标签、年龄异常标签、社交异常标签等。
进一步地,上述步骤S33之后还包括:
步骤S34,将所述第一社交团伙中的社交账号数据发送至预设工作终端,以使工作人员根据所述社交账号数据对所述第一社交团伙进行人工干预。
在本实施例中,在判定第一社交团伙存在团伙欺诈风险之后,即可对该社交团伙进行风险调控。具体的,将第一社交团伙中的社交账号数据发送至预设工作终端,以使工作人员根据社交账号数据对第一社交团伙进行人工干预。
当然,为了保证数据传输的安全性,欺诈风险评估设备和预设工作终端还可约定数据加密协议,欺诈风险评估设备先根据该数据加密协议将社交账号数据进行加密,再将加密后的数据返回至预设工作终端。
进一步地,上述步骤S2之后还包括:
在所述风险标签在所述第一社交团伙中的存在时长超过预设时长时,删除所述风险标签。
本实施例通过对社交账号数据进行分团,得到第一社交团伙,然后根据第一社交团伙中的每个节点的特征信息为相应节点打上相应的风险标签,最后根据不同风险标签所占比例是否超过预设阈值对该社交团伙的欺诈风险进行评估,提高了团伙欺诈的识别效果,进而提升了金融交易的安全性。
本发明还提供一种欺诈风险评估装置,参照图3,图3为本发明欺诈风险评估装置一实施例的模块示意图,本实施例中,所述欺诈风险评估装置包括:
分团模块10,用于从数据源采集社交账号数据,根据预设分团规则对所述社交账号数据进行分团,得到第一社交团伙;
打标模块20,用于根据预设打标规则和所述第一社交团伙中的特征信息对所述第一社交团伙中的社交账号数据打上相应的风险标签;
评估模块30,用于根据所述风险标签对所述第一社交团伙的欺诈风险进行评估。
上述各功能模块实现的方法可参照本发明欺诈风险评估方法实施例,此处不再赘述。
在本实施例中,分团模块从数据源采集社交账号数据,根据预设分团规则对所述社交账号数据进行分团,得到第一社交团伙;打标模块根据预设打标规则和所述第一社交团伙中的特征信息对所述第一社交团伙中的社交账号数据打上相应的风险标签;评估模块根据所述风险标签对所述第一社交团伙的欺诈风险进行评估。本实施例能够对社交账号数据进行分团、打标等处理,从而根据风险标签对社交团伙的欺诈风险进行监测,提高了团伙欺诈的识别效果,进而提升了金融交易的安全性。
本发明还提供一种存储介质。
本发明存储介质上存储有欺诈风险评估程序,所述欺诈风险评估程序被处理器执行时实现如上所述的欺诈风险评估方法的步骤。
其中,在所述处理器上运行的欺诈风险评估程序被执行时所实现的方法可参照本发明欺诈风险评估方法各个实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种欺诈风险评估方法,其特征在于,所述欺诈风险评估方法包括如下步骤:
从数据源采集社交账号数据,根据预设分团规则对所述社交账号数据进行分团,得到第一社交团伙;
根据预设打标规则和所述第一社交团伙中的特征信息对所述第一社交团伙中的社交账号数据打上相应的风险标签;
根据所述风险标签对所述第一社交团伙的欺诈风险进行评估。
2.如权利要求1所述的欺诈风险评估方法,其特征在于,所述从数据源采集社交账号数据的步骤包括:
根据预设清洗策略确定所述数据源的需求类型,并根据所述需求类型确定需求字段;
根据所述需求字段对所述原始数据进行一次过滤,获得一次数据字段;
对所述一次数据字段进行数值缺失检测,以对所述一次数据字段进行二次过滤,获得二次数据字段;
对所述二次数据字段进行数值重复检测,以对所述二次数据字段进行三次过滤,得到社交账号数据。
3.如权利要求1所述的欺诈风险评估方法,其特征在于,所述根据预设分团规则对所述社交账号数据进行分团,得到第一社交团伙的步骤包括:
将所述社交账号数据中的社交账号作为节点,将所述社交账号间的社交关系作为连接边,根据所述节点和所述连接边构建团状关系网;
根据所述节点间的社交关系对所述团状关系网中的节点进行分团,得到第一社交团伙。
4.如权利要求3所述的欺诈风险评估方法,其特征在于,所述根据预设打标规则和所述第一社交团伙中的特征信息对所述第一社交团伙中的社交账号数据打上相应的风险标签的步骤包括:
获取所述第一社交团伙中各个节点的特征信息;
根据所述特征信息获取所述特征信息对应的类型信息;
根据所述类型信息与风险标签的预设映射关系对所述第一社交团伙中的各个节点打上相应的风险标签。
5.如权利要求1所述的欺诈风险评估方法,其特征在于,所述风险标签包括负向标签,所述根据所述风险标签对所述第一社交团伙的欺诈风险进行评估的步骤包括:
计算所述第一社交团伙中所有风险标签中负向标签的比例;
判断所述负向标签的比例是否大于或者等于预设比例阈值;
若所述负向标签的比例大于或者等于预设比例阈值,则判定所述第一社交团伙存在团伙欺诈风险。
6.如权利要求5所述的欺诈风险评估方法,其特征在于,所述若所述负向标签的比例大于或者等于预设比例阈值,则判定所述第一社交团伙存在团伙欺诈风险的步骤之后,还包括:
将所述第一社交团伙中的社交账号数据发送至预设工作终端,以使工作人员根据所述社交账号数据对所述第一社交团伙进行人工干预。
7.如权利要求1所述的欺诈风险评估方法,其特征在于,所述根据预设打标规则和所述第一社交团伙中的特征信息对所述第一社交团伙中的社交账号数据打上相应的风险标签的步骤之后,还包括:
在所述风险标签在所述第一社交团伙中的存在时长超过预设时长时,删除所述风险标签。
8.一种欺诈风险评估装置,其特征在于,所述欺诈风险评估装置包括:
分团模块,用于从数据源采集社交账号数据,根据预设分团规则对所述社交账号数据进行分团,得到第一社交团伙;
打标模块,用于根据预设打标规则和所述第一社交团伙中的特征信息对所述第一社交团伙中的社交账号数据打上相应的风险标签;
评估模块,用于根据所述风险标签对所述第一社交团伙的欺诈风险进行评估。
9.一种欺诈风险评估设备,其特征在于,所述欺诈风险评估设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的欺诈风险评估程序,所述欺诈风险评估程序被所述处理器执行时实现如权利要求1至7任一项所述的欺诈风险评估方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有欺诈风险评估程序,所述欺诈风险评估程序被处理器执行时实现如权利要求1至7中任一项所述的欺诈风险评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910548411.7A CN110245875A (zh) | 2019-06-21 | 2019-06-21 | 欺诈风险评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910548411.7A CN110245875A (zh) | 2019-06-21 | 2019-06-21 | 欺诈风险评估方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110245875A true CN110245875A (zh) | 2019-09-17 |
Family
ID=67888984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910548411.7A Pending CN110245875A (zh) | 2019-06-21 | 2019-06-21 | 欺诈风险评估方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110245875A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111428217A (zh) * | 2020-04-12 | 2020-07-17 | 中信银行股份有限公司 | 欺诈团伙识别方法、装置、电子设备及计算机可读存储介质 |
CN111582757A (zh) * | 2020-05-20 | 2020-08-25 | 深圳前海微众银行股份有限公司 | 欺诈风险的分析方法、装置、设备及计算机可读存储介质 |
CN112258315A (zh) * | 2020-10-20 | 2021-01-22 | 南京三百云信息科技有限公司 | 基于身份标签的车贷贷前数据检验方法及装置 |
CN112700321A (zh) * | 2020-12-31 | 2021-04-23 | 重庆富民银行股份有限公司 | 基于用户行为数据的多规则反欺诈预测方法及系统 |
CN113011889A (zh) * | 2021-03-10 | 2021-06-22 | 腾讯科技(深圳)有限公司 | 账号异常识别方法、系统、装置、设备及介质 |
CN114020985A (zh) * | 2021-11-10 | 2022-02-08 | 深圳安巽科技有限公司 | 一种诈骗反制拦截方法、系统及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160071105A1 (en) * | 2014-09-08 | 2016-03-10 | Mastercard International Incorporated | Systems and methods for using social network data to determine payment fraud |
CN107103050A (zh) * | 2017-03-31 | 2017-08-29 | 海通安恒(大连)大数据科技有限公司 | 一种大数据建模平台及方法 |
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 |
CN107688997A (zh) * | 2017-08-23 | 2018-02-13 | 浙江天悦信息技术有限公司 | 一种基于通话记录实现微贷用户风险评分的算法 |
CN107943879A (zh) * | 2017-11-14 | 2018-04-20 | 上海维信荟智金融科技有限公司 | 基于社交网络的欺诈团体检测方法及系统 |
CN108595627A (zh) * | 2018-04-23 | 2018-09-28 | 温州市鹿城区中津先进科技研究院 | 一种自助式数据分析建模平台 |
CN108681936A (zh) * | 2018-04-26 | 2018-10-19 | 浙江邦盛科技有限公司 | 一种基于模块度和平衡标签传播的欺诈团伙识别方法 |
CN109166030A (zh) * | 2018-08-01 | 2019-01-08 | 深圳微言科技有限责任公司 | 一种反欺诈解决方法及系统 |
CN109460420A (zh) * | 2018-09-28 | 2019-03-12 | 北京赛博贝斯数据科技有限责任公司 | 结构化数据的知识挖掘方法及系统 |
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 |
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 |
-
2019
- 2019-06-21 CN CN201910548411.7A patent/CN110245875A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160071105A1 (en) * | 2014-09-08 | 2016-03-10 | Mastercard International Incorporated | Systems and methods for using social network data to determine payment fraud |
CN107103050A (zh) * | 2017-03-31 | 2017-08-29 | 海通安恒(大连)大数据科技有限公司 | 一种大数据建模平台及方法 |
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 |
CN107688997A (zh) * | 2017-08-23 | 2018-02-13 | 浙江天悦信息技术有限公司 | 一种基于通话记录实现微贷用户风险评分的算法 |
CN107943879A (zh) * | 2017-11-14 | 2018-04-20 | 上海维信荟智金融科技有限公司 | 基于社交网络的欺诈团体检测方法及系统 |
CN108595627A (zh) * | 2018-04-23 | 2018-09-28 | 温州市鹿城区中津先进科技研究院 | 一种自助式数据分析建模平台 |
CN108681936A (zh) * | 2018-04-26 | 2018-10-19 | 浙江邦盛科技有限公司 | 一种基于模块度和平衡标签传播的欺诈团伙识别方法 |
CN109166030A (zh) * | 2018-08-01 | 2019-01-08 | 深圳微言科技有限责任公司 | 一种反欺诈解决方法及系统 |
CN109460420A (zh) * | 2018-09-28 | 2019-03-12 | 北京赛博贝斯数据科技有限责任公司 | 结构化数据的知识挖掘方法及系统 |
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 |
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 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111428217A (zh) * | 2020-04-12 | 2020-07-17 | 中信银行股份有限公司 | 欺诈团伙识别方法、装置、电子设备及计算机可读存储介质 |
CN111582757A (zh) * | 2020-05-20 | 2020-08-25 | 深圳前海微众银行股份有限公司 | 欺诈风险的分析方法、装置、设备及计算机可读存储介质 |
CN111582757B (zh) * | 2020-05-20 | 2024-04-30 | 深圳前海微众银行股份有限公司 | 欺诈风险的分析方法、装置、设备及计算机可读存储介质 |
CN112258315A (zh) * | 2020-10-20 | 2021-01-22 | 南京三百云信息科技有限公司 | 基于身份标签的车贷贷前数据检验方法及装置 |
CN112258315B (zh) * | 2020-10-20 | 2024-02-02 | 南京三百云信息科技有限公司 | 基于身份标签的车贷贷前数据检验方法及装置 |
CN112700321A (zh) * | 2020-12-31 | 2021-04-23 | 重庆富民银行股份有限公司 | 基于用户行为数据的多规则反欺诈预测方法及系统 |
CN113011889A (zh) * | 2021-03-10 | 2021-06-22 | 腾讯科技(深圳)有限公司 | 账号异常识别方法、系统、装置、设备及介质 |
CN113011889B (zh) * | 2021-03-10 | 2023-09-15 | 腾讯科技(深圳)有限公司 | 账号异常识别方法、系统、装置、设备及介质 |
CN114020985A (zh) * | 2021-11-10 | 2022-02-08 | 深圳安巽科技有限公司 | 一种诈骗反制拦截方法、系统及存储介质 |
CN114020985B (zh) * | 2021-11-10 | 2022-10-14 | 深圳安巽科技有限公司 | 一种诈骗反制拦截方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110245875A (zh) | 欺诈风险评估方法、装置、设备及存储介质 | |
US20190295102A1 (en) | Computer architecture incorporating blockchain based immutable audit ledger for compliance with data regulations | |
CN104704524B (zh) | 信息公开系统、信息公开服务器、通信终端、信息公开方法和非瞬时性计算机可读介质 | |
CA2580005C (en) | Purchasing alert methods and apparatus | |
CN110100429A (zh) | 实时检测并防止欺诈和滥用 | |
CN107067324A (zh) | 一种利用网络抓包数据实现交易风险控制的方法和系统 | |
JP2016197431A (ja) | コミュニティ内の接続の決定 | |
US20080109314A1 (en) | Method and apparatus for determining a customer's likelihood of reusing a financial account | |
CN101576988A (zh) | 信用数据交互系统及交互方法 | |
US20020128880A1 (en) | Information management device and information management system | |
CN107993142A (zh) | 一种金融反欺诈风险控制系统 | |
WO2020221292A1 (zh) | 基于多个节点的网络交易验证方法及其系统和存储介质 | |
CN111899058B (zh) | 一种基于区块链的积分通兑结合精准投放系统 | |
CN105303441A (zh) | 利用sim卡号和手机识别码预防申请欺诈的办法和装置 | |
US20210049576A1 (en) | Point-of-sale system and method | |
US11941632B2 (en) | Instant funds availability risk assessment and real-time fraud alert system and method | |
CN113553609B (zh) | 基于隐私保护的多方联合进行业务预测的方法及系统 | |
CN108270848A (zh) | 一种基于云服务技术的金融信息分享平台系统 | |
CN106485488A (zh) | 基于销售终端pos套现的确定方法及装置 | |
CN110110954B (zh) | 风险顶点识别方法和装置 | |
WO2011026121A2 (en) | Systems, methods, and computer program products for user identification in communication networks | |
CN113313600A (zh) | 消息的处理方法、装置及系统、存储介质、电子装置 | |
CN109800992A (zh) | 一种全面型审计综合分析平台 | |
CN110442799A (zh) | 基于数据管理平台的方案推送方法、装置及设备 | |
Maharani | Application of Blockchain Technology for Digital Transaction Security on Business Incubator Websites |
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: 20190917 |
|
RJ01 | Rejection of invention patent application after publication |