CN110727922A - 一种基于多维度数据流的反欺诈决策模型构建方法 - Google Patents

Abstract

本发明提出了一种基于多维度数据流的反欺诈决策模型构建方法，包括：步骤S1，接收用户的注册请求，并为所述用户分配功能权限；步骤S2，自定义配置反欺诈决策模型，其中，所述反欺诈决策模型包括：规则集、评分模型、以及规则集与规则集、规则集与评分模型、评分模型与评分模型之间的关联；步骤S3，将配置的反欺诈决策模型作为模板存入决策模型模板市场，并支持对所述反欺诈决策模型中的决策集的编辑和保存。本发明为业务系统提供供反欺诈识别，前置风控防范、风险精准识别，专业信息验证等服务，用户可基于自有规则集或评分模型构建决策模型，保证自有业务安全进行，同时降低虚假信息对之后贷款业务的影响和欺诈请求等带来的损失。

Description

一种基于多维度数据流的反欺诈决策模型构建方法

技术领域

本发明涉及信息处理技术领域，特别涉及一种基于多维度数据流的反欺诈决策模型构建方法。

背景技术

互联网金融随着互联网技术的发展而得到了快速的发展。与传统金融业不同，互联网金融的多数利用线上网络进行交易，而非现场完成。传统金融业的风险控制更加依赖于线下人工审核和背景调查，这就会花费比较长的时间，同时也缺乏信用管理及数据分析。互联网与金融的融合，使得互联网金融核心在于风控，风控防范欺诈行为，信息甄别进行规则验证，同时保证自有业务安全运行，降低虚假信息损失，可以极大的减少风险事件产生，保证企业利益。

信用风险是银行面临的主要风险。我国的目前市场上的很多信贷、金融机构还缺乏科学，先进的信贷管理技术。

发明内容

本发明的目的旨在至少解决所述技术缺陷之一。

为此，本发明的目的在于提出一种基于多维度数据流的反欺诈决策模型构建方法。

为了实现上述目的，本发明的实施例提供一种基于多维度数据流的反欺诈决策模型构建方法，包括如下步骤：

步骤S1，接收用户的注册请求，并为所述用户分配功能权限；

步骤S2，自定义配置反欺诈决策模型，其中，所述反欺诈决策模型包括：规则集、评分模型、以及规则集与规则集、规则集与评分模型、评分模型与评分模型之间的关联；

步骤S3，将配置的反欺诈决策模型作为模板存入决策模型模板市场，并支持对所述反欺诈决策模型中的决策集的编辑和保存。

进一步，在所述步骤S1中，向用户分配功能权限，包括：设置用户的角色为超级管理员、管理员或普通用户，不同权限的用户之间业务隔离。

进一步，所述自定义配置反欺诈决策模型包括如下步骤：

新建决策集；

向所述决策集中导入可用规则集和可用模板，建立规则集、评分模型、以及规则集与规则集、规则集与评分模型、评分模型与评分模型之间的关联，设置关联之间的跳转条件；

根据所述决策集进行数据分析比对，若命中一项规则，则根据关联之间的跳转条件作为参考条件。

进一步，新建决策集基于导入的规则集和可用模板，包括常规数据、实时数据的多维度数据流采集，并运行计算框架实现分布式计算，并根据根据规则集中的校验条件，逐步解析校验数据，用于进件时进行参数规则校验。

进一步，多维度数据流的数据类型包括：运营商数据、银行数据、借贷数据、身份核验数据和位置数据。

进一步，根据所述决策集进行数据分析比对，若命中一项规则，则表示该项规则为该贷款者信贷缺失参考，并对贷款者的信息构建风险模型并进行分析运算并生成分析结果报告。

进一步，所述跳转条件包括：通过、拒绝、转人工，根据这三种进件结果来设置。

进一步，进一步包括如下步骤：允许外部的客户方业务系统和其他三方数据平台接入，调用反欺诈决策模型。

根据本发明实施例的基于多维度数据流的反欺诈决策模型构建方法，涉及金融征信，市场营销，信息安全等领域下的各类业务系统，用户可以通过导入已审批上线的规则集或已激活的模型评分，在可视化的构建界面通过设置节点进行关联，从而为业务系统提供供反欺诈识别，前置风控防范、风险精准识别，专业信息验证等服务，用户可基于自有规则集或评分模型构建决策模型，保证自有业务安全进行，同时降低虚假信息对之后贷款业务的影响和欺诈请求等带来的损失，最大限度减少风险事件产生，保证企业利益不受损害。

基于现在大数据背景下，本发明可以获得更多更加全面、可靠、动态的用户信息，同时根据用户风险的各种要素的维度和权重的不断变化，灵活变换和调整构建相关贷前数据决策模型，建立综合的信用风险控制系统，推进并做好贷前决策，及贷前反欺诈工作。

本发明应用数据源平台的接入的技术，用户的信用评级可以得到进一步的完善、创新。大数据时代，开启了重大的变革，运用逐渐发展的科学技术，建立适用于互联网金融的反欺诈模型，帮助互联网金融行业的高效有序发展。并且，利用反欺诈决策模型及自定义模型，可以有效降低贷前风险，从而为用户提供一定分析及参考条件，制定完善的全面风险监控管理体系。本发明可以快速响应不断变化的用户需求，利用规则集和评分模板的不断复用，实现了决策模板逻辑的在线编辑和修改，极大程度上解决了传统决策引擎修改不灵活，部署缓慢，安全性不高等问题。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明实施例的基于多维度数据流的反欺诈决策模型构建方法的流程框图；

图2为根据本发明实施例的基于多维度数据流的反欺诈决策模型构建方法的示意图；

图3为根据本发明实施例的基于多维度数据流的反欺诈决策模型构建方法的详细流程图；

图4为根据本发明实施例的基于多维度数据流的反欺诈决策模型构建方法的架构图。

具体实施方式

下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

本发明提出一种基于多维度数据流的反欺诈决策模型构建方法，可以提供风险决策平台，使用户能够多维度设置分析查看编辑风险模型，以及对进件结果进行多维度分析及展现。本发明主要涉及以下功能：多用户管理及权限管理、反欺诈决策模型自定义配置、决策集列表及分析统计、决策模型模板审核及编辑和风控数据源。

如图1-3所示，本发明实施例的基于多维度数据流的反欺诈决策模型构建方法，包括如下步骤：

步骤S1，接收用户的注册请求，并为用户分配功能权限。

在本步骤中，向用户分配功能权限，包括：设置用户的角色为超级管理员、管理员或普通用户，不同权限的用户之间业务隔离。通过设置三个用户角色，即可使用业务系统，降低系统的使用门槛。同时若存在特殊需求，系统提供了自定义角色功能，用户可使用超级管理员的相关权限自行设定分配新的用户角色，并分配相应访问权限和功能。

本发明的多用户管理及权限是面向业务人员和业务系统，需要提供多用户管理、权限设置、业务隔离等功能，支持Web客户端多用户注册及管理，权限划分及角色权限设定，以满足系统对使用人员的管理及安全级别分配需求。

步骤S2，自定义配置反欺诈决策模型。

具体来说，本发明核心功能为面向业务人员提供反欺诈决策模型自定义配置和面向业务系统提供决策模型使用，系统在Web客户端界面提供了基于规则集和评分模型的自定义配置。业务人员根据实际业务需求，个性化配置不同场景下的规则模型，从而对外提供相关服务。其中，反欺诈决策模型包括：规则集、评分模型、以及规则集与规则集、规则集与评分模型、评分模型与评分模型之间的关联。

自定义配置反欺诈决策模型包括如下步骤：

(1)新建决策集。

具体的，新建决策集基于导入的规则集和可用模板，包括常规数据、实时数据等多维度数据流采集，并运行计算框架实现分布式计算，并根据根据规则集中的校验条件，逐步解析校验数据，用于进件时进行参数规则校验。

在本发明的实施例中，多维度数据流的数据类型包括：运营商数据、银行数据、借贷数据、身份核验数据和位置数据。

本发明内置运营商数据，银行数据，借贷数据，身份核验，位置等多维度指标变量，依托全面的指标构建符合实际场景的规则模型，从多个方面对具有潜在欺诈风险，虚假用户等非法业务数据进行排查。如手机在网时长、状态，身份验证，工作及居住验证等。

(2)向决策集中导入可用规则集和可用模板，建立规则集、评分模型、以及规则集与规则集、规则集与评分模型、评分模型与评分模型之间的关联，设置关联之间的跳转条件。

在本发明的实施例中，规则集由规则组成，规则又由条件组成，条件由字段组成。层层相关，组成规则集。通过规则集里所含的参考规则，让用户可以针对贷款者进行，根据参数设定进行逻辑运算，验证是否符合用户的信贷前所需。

评分模型可根据具体业务需求，整合相关规则集，以解决不同场景下的评分需求，如评分模型：“线下消费分期”、“线下小额贷”等。

具体的，导入可用规则集及可用模板，根据其所包含的校验条件，逐步解析校验数据，用于进件时进行参数规则校验。其中，规则模型由规则集-规则-条件-字段变量构建运行逻辑，支持从规则集到自定义字段变量级别的参数设定，字段级别支持数值，字符，时间，日期不同类型参数的运算，涵盖了实际业务场景的绝大多数运算模型。通过拖拽建立规则集与规则集、规则集与评分模型、评分模型与评分模型之间的关联，设置关联之间跳转条件，实现决策集校验数据的功能。其中，跳转条件包括：通过、拒绝、转人工，根据这三种进件结果来设置。

即，决策模型由规则集、评分模型以及其间的关联构建运行逻辑，层层相关，组成决策集。支持在决策集构建页面中的规则集和评分模版的导入面板，通过输入规则集或评分模版的名称进行精确检索，导入所需规则集和评分模版后，根据实际业务需要，将其拖拽进操作面板，同时建立相关逻辑关联，设置关联节点，灵活、高效地完成用户的自定义配置决策模型，可以涵盖实际业务场景的绝大多数决策模型需求。

通过决策集里所含的参考规则，让用户可以选择个人进件或者批量进件，系统依据参数设定进行逻辑运算，验证筛选用户信息是否符合信贷前所需。

(3)根据决策集进行数据分析比对，若命中一项规则，则根据关联之间的跳转条件作为参考条件。

在本发明的一个实施例中，根据决策集进行数据分析比对，若命中该项规则，则说明此项规则为该贷款者信贷缺失参考。对于贷款者的信息构建风险模型并进行分析运算并生成分析结果报告。这种信息处理方式，用于业务需求者而言在使用过程中可以带来极大方便。通过输入个人数据或者批量导入待查数据，大幅度提升了使用效率，系统的可运行性得到大力扩展。

在本步骤中，对外提供API业务进件提供服务，业务人员可以通过访问Web端对业务进件进行统计分析，通过进件信息命中规则的数量和比例确定风险等级，同时根据风险等级以及相关进件情况生成进件报告，进而全面了解业务量级、进件趋势、决策集结果分析、规则集结果比例分布及相应时长分析等详细统计指标。多个维度的详细进件指标可以全面综合反映决策模型的效率，借助指标分析结果，用户可进行相应的调整从而对业务模型进行优化。通过上述方式可以提高或降低业务通过/拦截比例，提升业务进件量级，降低无效数据应用等优化措施，最终提升业务系统的使用效率，保障业务系统的安全运行。

步骤S3，将配置的反欺诈决策模型作为模板存入决策模型模板市场，并支持对反欺诈决策模型中的决策集的编辑和保存。

在本步骤中，向决策模型模板市场快速构建及导入规则集的同时，成熟的决策模型可发布为已激活决策集，支持在线完成相应决策集的编辑和保存。

本发明面向业务人员提供了决策模型概览及管理功能，用户使用系统可直接预览所有的决策集并可以通过业务类型、场景名称和决策集名称等进行进行筛选搜索，同时可以对已选中的决策集进行在线编辑或删除等操作，完善业务决策模板，提高了业务处理效率，降低了用户的使用门槛。同时成熟的业务决策模型可发布为已上线使用模板，面向同类型业务可快速导入使用，降低业务模型构建的时间成本，提升业务人员的使用效率。

此外，本发明进一步包括如下步骤：允许外部的客户方业务系统和其他三方数据平台接入，调用反欺诈决策模型。

具体的，本发明与外部的客户方业务系统和其他三方数据平台交互功能包括：依据不同的客户需求，可使用客户方提供的专有业务系统；同时可通过接入第三方平台的数据对已有数据作为补充来进行相关进件操作，以保证全面、科学的对个人信息进行分析评估。

图4示出了本发明的基于多维度数据流的贷前反欺诈系统架构图。本发明可以提供系统配置、管理服务。反欺诈决策引擎对验真接口平台、基础平台、日志平台的数据接口服务接入。反欺诈业务系统的外部数据的通过数据源层进行相应的接入和管理，提供海量数据支撑贷前反欺诈引擎的运行。

根据本发明实施例的基于多维度数据流的反欺诈决策模型构建方法，涉及金融征信，市场营销，信息安全等领域下的各类业务系统，用户可以通过导入已审批上线的规则集或已激活的模型评分，在可视化的构建界面通过设置节点进行关联，从而为业务系统提供供反欺诈识别，前置风控防范、风险精准识别，专业信息验证等服务，用户可基于自有规则集或评分模型构建决策模型，保证自有业务安全进行，同时降低虚假信息对之后贷款业务的影响和欺诈请求等带来的损失，最大限度减少风险事件产生，保证企业利益不受损害。

基于现在大数据背景下，本发明可以获得更多更加全面、可靠、动态的用户信息，同时根据用户风险的各种要素的维度和权重的不断变化，灵活变换和调整构建相关贷前数据决策模型，建立综合的信用风险控制系统。推进并做好贷前决策，及贷前反欺诈工作。

本发明应用数据源平台的接入的技术，用户的信用评级可以得到进一步的完善、创新。大数据时代，开启了重大的变革，运用逐渐发展的科学技术，建立适用于互联网金融的反欺诈模型，帮助互联网金融行业的高效有序发展。并且，利用反欺诈决策模型及自定义模型，可以有效降低贷前风险，从而为用户提供一定分析及参考条件，制定完善的全面风险监控管理体系。本发明可以快速响应不断变化的用户需求，利用规则集和评分模板的不断复用，实现了决策模板逻辑的在线编辑和修改，极大程度上解决了传统决策引擎修改不灵活，部署缓慢，安全性不高等问题。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。

Claims (8)

1.一种基于多维度数据流的反欺诈决策模型构建方法，其特征在于，包括如下步骤：

步骤S1，接收用户的注册请求，并为所述用户分配功能权限；

步骤S2，自定义配置反欺诈决策模型，其中，所述反欺诈决策模型包括：规则集、评分模型、以及规则集与规则集、规则集与评分模型、评分模型与评分模型之间的关联；

步骤S3，将配置的反欺诈决策模型作为模板存入决策模型模板市场，并支持对所述反欺诈决策模型中的决策集的编辑和保存。

2.如权利要求1所述的基于多维度数据流的反欺诈决策模型构建方法，其特征在于，在所述步骤S1中，向用户分配功能权限，包括：设置用户的角色为超级管理员、管理员或普通用户，不同权限的用户之间业务隔离。

3.如权利要求1所述的基于多维度数据流的反欺诈决策模型构建方法，其特征在于，在所述步骤S2中，所述自定义配置反欺诈决策模型包括如下步骤：

新建决策集；

向所述决策集中导入可用规则集和可用模板，建立规则集、评分模型、以及规则集与规则集、规则集与评分模型、评分模型与评分模型之间的关联，设置关联之间的跳转条件；

根据所述决策集进行数据分析比对，若命中一项规则，则根据关联之间的跳转条件作为参考条件。

4.如权利要求3所述的基于多维度数据流的反欺诈决策模型构建方法，其特征在于，新建决策集基于导入的规则集和可用模板，包括常规数据、实时数据的多维度数据流采集，并运行计算框架实现分布式计算，并根据根据规则集中的校验条件，逐步解析校验数据，用于进件时进行参数规则校验。

5.如权利要求4所述的基于多维度数据流的反欺诈决策模型构建方法，其特征在于，多维度数据流的数据类型包括：运营商数据、银行数据、借贷数据、身份核验数据和位置数据。

6.如权利要求3所述的基于多维度数据流的反欺诈决策模型构建方法，其特征在于，根据所述决策集进行数据分析比对，若命中一项规则，则表示该项规则为该贷款者信贷缺失参考，并对贷款者的信息构建风险模型并进行分析运算并生成分析结果报告。

7.如权利要求3所述的基于多维度数据流的反欺诈决策模型构建方法，其特征在于，所述跳转条件包括：通过、拒绝、转人工，根据这三种进件结果来设置。

8.如权利要求1所述的基于多维度数据流的反欺诈决策模型构建方法，其特征在于，进一步包括如下步骤：允许外部的客户方业务系统和其他三方数据平台接入，调用反欺诈决策模型。

Images