CN111104978A - 一种反欺诈模型的训练方法及装置 - Google Patents
一种反欺诈模型的训练方法及装置 Download PDFInfo
- Publication number
- CN111104978A CN111104978A CN201911302469.XA CN201911302469A CN111104978A CN 111104978 A CN111104978 A CN 111104978A CN 201911302469 A CN201911302469 A CN 201911302469A CN 111104978 A CN111104978 A CN 111104978A
- Authority
- CN
- China
- Prior art keywords
- training
- sample data
- weak classifier
- training sample
- prediction
- 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.)
- Granted
Links
- 238000012549 training Methods 0.000 title claims abstract description 523
- 238000000034 method Methods 0.000 title claims abstract description 133
- 238000012795 verification Methods 0.000 claims abstract description 79
- 230000000717 retained effect Effects 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000008030 elimination Effects 0.000 claims abstract description 9
- 238000003379 elimination reaction Methods 0.000 claims abstract description 9
- 230000006399 behavior Effects 0.000 claims description 53
- 238000012937 correction Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 6
- 238000010200 validation analysis Methods 0.000 claims description 5
- 238000007477 logistic regression Methods 0.000 description 20
- 238000012706 support-vector machine Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000013145 classification model Methods 0.000 description 6
- 238000009795 derivation Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- QERYCTSHXKAMIS-UHFFFAOYSA-M thiophene-2-carboxylate Chemical compound [O-]C(=O)C1=CC=CS1 QERYCTSHXKAMIS-UHFFFAOYSA-M 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Security & Cryptography (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种反欺诈模型的训练方法及装置，主要方案包括：执行模型迭代训练过程：将训练样本数据集中留存的训练样本数据拆分为训练集和验证集；用训练集分别训练多个弱分类器后，获取多个弱分类器分别在验证集上的预测分值；对于每个弱分类器，根据其在验证集上的预测分值确定该弱分类器的数据分布适应度值；根据各弱分类器的数据分布适应度值选取目标弱分类器；利用目标弱分类器对训练集进行预测，根据预测分值对训练样本数据集进行训练样本数据剔除处理；当训练样本数据集中留存的训练样本数据的数据量小于数据量阈值时结束迭代训练过程，否则进行下一轮训练；在结束迭代训练过程后组合各轮训练中得到的目标弱分类器形成反欺诈模型。
Description
技术领域
本发明涉及数据处理技术领域，特别是涉及一种反欺诈模型的训练方法及装置。
背景技术
互联网技术的发展，金融领域的交易行为越来越多的依赖于互联网进行，但是相伴而生的骗贷、违约、转账等欺诈性行为逐渐渗入到互联网中，为了保证交易行为的安全，对于金融机构而言，针对反欺诈识别监控成为抵御金融风险的重要工作之一。
通常而言，金融领域的欺诈行为是一种复杂且隐蔽的行为，目前通常通过深度学习方法而得的反欺诈模型进行反欺诈监控。使用传统方法对反欺诈模型建模时，通常有两种方式：一是，使用复杂模型和简单特征，例如深度学习和一些原始特征。通常需要利用模型从简单的原始特征中抽象出更高级的上层特征，从而来拟合最终结果。当前最具代表性的方法是“深度学习”，该方式为了提高模型的拟合能力和特征抽象能力，通常需要为神经网络增加网络节点或者网络层，这会大大增加对算力的需求。二是、使用简单模型和复杂特征，例如逻辑回归和大量的衍生特征。通常需要人工提取大量特征，人为的对原始特征进行特征衍生。通常需要渊博的专家知识、深刻的业务理解和对机器学习算法了解来进行特征衍生和算法选择。企业需要耗费大量人力来完成建模工作。可见，现有的方式，反欺诈模型的构建需要大量的人工和算力成本。
发明内容
有鉴于此，本发明提出了一种反欺诈模型的训练方法方法及装置，主要目的在于降低反欺诈模型建模的人工和算力成本。
第一方面，本发明提供了一种反欺诈模型的训练方法，该方法包括：
获取训练样本数据集，所述训练样本数据集中包括多个具有二分类标签的训练样本数据，其中，所述二分类标签用于表征训练样本数据是否为与欺诈行为相应的数据；
执行模型迭代训练过程，其中，每一轮训练包括如下步骤：将所述训练样本数据集中留存的训练样本数据拆分为训练集和验证集；用所述训练集分别训练预设的多个弱分类器后，获取所述多个弱分类器分别在验证集上的预测分值；对于每个弱分类器，根据其在验证集上的预测分值确定该弱分类器的数据分布适应度值；根据各弱分类器的数据分布适应度值，选取一个目标弱分类器；利用所述目标弱分类器对所述训练集进行预测，并根据预测分值对所述训练样本数据集进行训练样本数据剔除处理；判断所述训练样本数据集中留存的训练样本数据的数据量是否小于预设的数据量阈值，是则结束迭代训练过程，否则进行下一轮训练；
在结束迭代训练过程后，组合各轮训练中得到的目标弱分类器形成反欺诈模型。
第二方面，本发明提供了一种反欺诈模型的训练装置，该装置包括：
获取单元，用于获取训练样本数据集，所述训练样本数据集中包括多个具有二分类标签的训练样本数据，其中，所述二分类标签用于表征训练样本数据是否为与欺诈行为相应的数据；
训练单元，用于执行模型迭代训练过程，其中，每一轮训练包括如下步骤：将所述训练样本数据集中留存的训练样本数据拆分为训练集和验证集；用所述训练集分别训练预设的多个弱分类器后，获取所述多个弱分类器分别在验证集上的预测分值；对于每个弱分类器，根据其在验证集上的预测分值确定该弱分类器的数据分布适应度值；根据各弱分类器的数据分布适应度值，选取一个目标弱分类器；利用所述目标弱分类器对所述训练集进行预测，并根据预测分值对所述训练样本数据集进行训练样本数据剔除处理；判断所述训练样本数据集中留存的训练样本数据的数据量是否小于预设的数据量阈值，是则结束迭代训练过程，否则进行下一轮训练；
组合单元，用于在结束迭代训练过程后，组合各轮训练中得到的目标弱分类器形成反欺诈模型。
第三方面，本发明提供了一种计算机可读存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行第一方面所述的反欺诈模型的训练方法。
第四方面，发明提供了一种存储管理设备，所述存储管理设备包括：
存储器，用于存储程序；
处理器，耦合至所述存储器，用于运行所述程序以执行第一方面所述的反欺诈模型的训练方法。
借由上述技术方案，本发明提供的一种反欺诈模型的训练方法及装置，首先在获取训练样本数据集时，执行模型迭代训练过程，其中，每一轮训练包括如下步骤：将训练样本数据集中留存的训练样本数据拆分为训练集和验证集。用训练集分别训练预设的多个弱分类器后，获取多个弱分类器分别在验证集上的预测分值。对于每个弱分类器，根据其在验证集上的预测分值确定该弱分类器的数据分布适应度值。根据各弱分类器的数据分布适应度值，选取一个目标弱分类器。利用目标弱分类器对练集进行预测，并根据预测分值对训练样本数据集进行训练样本数据剔除处理；判断训练样本数据集中留存的训练样本数据的数据量是否小于预设的数据量阈值，是则结束迭代训练过程，否则进行下一轮训练；在结束迭代训练过程后，组合各轮训练中得到的目标弱分类器形成反欺诈模型。可见，本发明提供的方案并未采用复杂模型，而是采用简单的多个弱分类器，对多个弱分类器采用多轮迭代训练过程，每轮训练区分出可区分性较高的训练样本数据，且每轮仅用上一轮未区分出训练样本数据对弱分类器进行训练。在完成多轮训练后，组合每轮训练得到的弱分类器得到反欺诈模型，由于使用多个弱分类器这种简单模型代替了现有技术中的复杂模型，且无需人工进行特征衍生和算法选择。因此，本发明提供的方案降低反欺诈模型建模的人工和算力成本。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本发明一个实施例提供的一种反欺诈模型的训练方法的流程图；
图2示出了本发明另一个实施例提供的一种反欺诈模型的训练方法的流程图；
图3示出了本发明一个实施例提供的一种反欺诈模型的训练装置的结构示意图；
图4示出了本发明另一个实施例提供的一种反欺诈模型的训练装置的结构示意图。
具体实施方式
下面将参照附图更加详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示，本发明实施例提供了一种反欺诈模型的训练方法，该方法主要包括：
101、获取训练样本数据集，所述训练样本数据集中包括多个具有二分类标签的训练样本数据，其中，所述二分类标签用于表征训练样本数据是否为与欺诈行为相应的数据。
在实际应用中，欺诈行为往往隐藏在金融领域的交易过程中，故金融领域的在互联网等媒介中的交易行为所产生的数据中包括有大量的欺诈行为相关的特征，而这些特征可以作为反欺诈模型的训练基础，故获取的训练样本数据集为面向金融领域的数据集。获取的训练样本数据集中包括有大量训练样本数据，而这些训练样本数据均具有其各自对应的二分类标签，而该二分类标签用于表征训练样本数据是否为欺诈行为相应的数据。示例性的，当训练样本数据的交易类型为欺诈行为时，其二分类标签为1，当训练样本的交易类型为合法行为(即非欺诈行为)时，其二分类标签为0。
在本实施例中，为了使反欺诈模型能够学习到有用的信息，且使训练得到的反欺诈模型可以精确的对欺诈行为和合法行为进行识别，则训练样本数据集中的各训练样本数据中需要含有丰富的与欺诈行为相关的特征。通常训练样本数据包含的特征存在如下两类：一是，用户类特征，该类特征主要描述用户的特征信息，比如，用户年龄、用户性别、用户存款余额、家庭成员数据等特征；二是，用户行为类特征，该类特征主要描述用户交易行为相关的信息，比如，用户深夜转账金额、用户ATM取钱比数、一周内用户柜面存款比数等特征。
102、将所述训练样本数据集中留存的训练样本数据拆分为训练集和验证集。
在本实施例中，训练集用于训练预设的多个弱分类器，验证集用于验证通过训练集训练后的弱分类器，其用户验证弱分类器的训练效果。
在本实施例中，将训练样本数据集中留存的训练样本数据拆分为训练及和验证集的方法至少包括如下几种：
第一种，在训练样本数据集中的训练样本数据为首次拆分时，将训练样本数据按照数量，拆分为训练集和验证集。其中，训练集和验证集中的训练样本数据的数量可以相同，也可以不同。
第二种，在训练样本数据集中的训练样本数据非首次拆分时，说明在上一轮训练中已经对训练样本数据集进行了剔除操作，为了提高弱分类器的训练效果，则混合上一轮训练中的训练集和验证集中留存的训练样本数据，并重新将训练样本数据拆分为训练及和验证集。此时，拆分之后，原训练集中留存的训练样本数据可能被分配到新的训练集或新的验证集，同理，原验证集中留存的训练样本数据可能被分配到新的训练集或新的验证集。
第三种，在训练样本数据集中的训练样本数据非首次拆分时，检测上一轮训练中的训练集和验证集已经连续应用到几次迭代中，若该次数达到设定的阈值，则混合上一轮训练中的训练集和验证集中留存的训练样本数据，并重新将训练样本数据拆分为训练集和验证集。若该次数未达到设定的阈值，说明训练集可能还存在可剔除的训练样本数据，该训练集对弱分类器的训练具有有效的训练价值，则维持上一轮中的训练集和验证集中不变。
第四种，为了增加弱分类器的训练样本数据的数量，则无论训练样本数据集中的训练样本数据为首次拆分还是非首次拆分，则训练样本数据集中留存的训练样本数据同时既为训练集中的数据又为验证集中的数据。
示例性的，将训练样本数据集拆分为训练集和验证集，其中训练集的各训练数据如表-1所示。
表-1
103、用所述训练集分别训练预设的多个弱分类器后，获取所述多个弱分类器分别在验证集上的预测分值。
本实施例中，为了减少算力成本，且为了能够在当前算力的情况下可以较快的训练模型，本实施例中选用多个弱分类器进行训练。预设的多个弱分类器的具体数量和设定方法可以基于业务要求确定，本实施例中不做具体限定。可选的，基于算力要求选定弱分类器的类型，也就是，弱分类器基于算力要求而设定，这里所述的算力要求至少可以包括如下内容中的至少一种：训练样本数据的数据总量、训练要求时长、训练用机的硬件信息和训练用机的架构。
在本实施例中，由于不同种类的弱分类器有不同的识别特点，因此为了提高反欺诈模型的反欺诈能力，则多个弱分类器选用不同种类的若分类器。可选的，多个弱分类器可以包括但不限于：GBDT(Gradient Boosting Decision Tree，梯度提升迭代决策树)弱分类器、LR(Logistic Regression，逻辑回归)弱分类器和SVM(Support Vector Machine，支持向量机)弱分类器。
在本实施例中，用训练样本数据集中的训练集分别训练预设的多个弱分类器，多个弱分类器分别在验证集上的预测分值，该预测分值能够反映出弱分类器在验证集上的预测分值表征了弱分类器的训练效果以及弱分类器对欺诈行为的识别能力。示例性的，弱分类器在验证集上的预测分值位于[0，1]的区间中，弱分类器在验证集上的预测分值中趋近于0或1的预测分值越多，则说明弱分类器的识别能力越好，趋近于0说明识别出合法行为，趋近于1说明识别出了欺诈行为。
在本实施例中，需要说明的是，在执行每一轮训练时，均需要用当前最新的训练集重新分别训练预设的多个弱分类器。
示例性，预设的多个弱分类器包括GBDT弱分类器、LR弱分类器和SVM弱分类器，用所述训练集分别训练预设的多个弱分类器后，获取多个弱分类器分别在验证集上的预测分值如表-2所示，表-2中Model-GBDT表征GBDT弱分类器的预测分值，Model-LR表征LR弱分类器的预测分值，Model-SVM表征SVM弱分类器的预测分值。
表-2
104、对于每个弱分类器，根据其在验证集上的预测分值确定该弱分类器的数据分布适应度值。
在本实施例中，弱分类器的数据分布适应度值表征该弱分离器的预测结果的数据分布情况，且其还可以表征弱分类器的反欺诈能力。具体的，对于每个弱分类器，根据其在验证集上的预测分值确定该弱分类器的数据分布适应度值的过程具体为：对于每个弱分类器，排序其在验证集上的预测分值，根据预测分值的排序和预测分值，确定该弱分类器的数据分布适应度值。
具体的，弱分类器在验证集上的预测分值为验证集中各训练样本数据均具体有其各自对应的预测分值，该预测分值能够表征其对应的训练样本数据为欺诈行为数据的概率。为了确定验证集中各训练样本数据在欺诈行为概率的分布情况，则排序弱分类器在验证集上的预测分值。需要说明的是，弱分类器在验证集上的预测分值的排序方法至少包括如下几种：
第一种，当验证集中各训练样本数据的预测分值均不同时，则按照预测分值的大小的顺序进行排序，每一个预测分值均有其对应的排序号。
示例性的，表-2中所示的GBDT弱分类器在验证集上的预测分值进行排序，表-3即为排序验证集上的预测分值之后的结果。
表-3
第二种，当验证集中各训练样本数据的预测分值中存在有相同的预测分值时，则按照预测分值的大小的顺序进行排序时，相同的预测分值分配给相同的排序号。
示例性的，表-2中所示的LR弱分类器在验证集上的预测分值进行排序，表-4即为排序验证集上的预测分值之后的结果。
表-4
在本实施例中，在确定预测分值的排序后，根据预测分值的排序和预测分值，确定该弱分类器的数据分布适应度值的过程至少包括如下步骤1041-1042：
1041、根据预测分值的排序，选取第一预测分值、第二预测分值和第三预测分值，以及选取最大预测分值和最小预测分值，其中，第一预测分值小于第二预测分值，第二预测分值小于第三预测分值，第一预测分值与最小预测分值相同或不同，第三预测分值与最大预测分值相同或不同。
下面对根据预测分值的排序，选取第一预测分值、第二预测分值和第三预测分值进行说明，其具体执行过程包括如下步骤1041A-1041C：
1041A、确定各预测分值在排序中的排序号。
1041B、通过公式(2)，确定第一排序号、第二排序号和第三排序号。
Rm＝round(im×p) (2)
其中，Rm表征第m排序号；所述im表征与第m排序号相应的预设百分比；所述p表征所述验证集中各训练样本数据的总条数；所述round表征四舍五入函数。
具体的，预设百分比可以基于业务要求确定，比如，第一排序号相应的预设百分比为20％，第二排序号相应的预设百分比为50％，第三排序号相应的预设百分比为80％。第一排序号相应的预设百分比是为了确定出已被明显识别为合法行为的数据和未能明确识别出是否为欺诈行为的数据的分界。第三排序号相应的预设百分比是为了确定出已被明显识别为欺诈行为的数据和未能明确识别出是否为欺诈行为的数据的分解。第二排序号是为相应的预设百分比是为了确定未能明确识别出是否为欺诈行为的数据中偏向欺诈行为和偏向合法行为的分界。
示例性的，下面以表-4为例对第一排序号、第二排序号和第三排序号的确定过程进行说明：
第一排序号对应的预设百分比为20％，验证集中各训练样本数据的总条数为14，则第一排序号为：Rm＝round(20％×14)＝3。
第二排序号对应的预设百分比为50％，验证集中各训练样本数据的总条数为14，则第二排序号为：Rm＝round(50％×14)＝7。
第三排序号对应的预设百分比为80％，验证集中各训练样本数据的总条数为14，则第二排序号为：Rm＝round(80％×14)＝11。
需要说明的是，在选用的预设百分比使得第一排序号恰为最小的排序号时，则第一排序号对应的预测分值正好与最小预测分值相同。在选用的预设百分比使得第三排序号恰为最大的排序号时，则第三排序号对应的预测分值正好与最大预测分值相同。
1041C、将分别与所述第一排序号、所述第二排序号和所述第三排序号相应的预测分值，分别选取为第一预测分值、第二预测分值和第三预测分值。
示例性的，第一排序号相应的预设百分比为20％，第二排序号相应的预设百分比为50％，第三排序号相应的预设百分比为80％。依据表-2中Model-GBDT表征GBDT弱分类器的预测分值，Model-LR表征LR弱分类器的预测分值，Model-SVM表征SVM弱分类器的预测分值，确定出三种弱分类器对应的第一排序号均为3、第二排序号均为7以及第三排序号均为11。如表-5所示，表-5为依据第一排序号、第二排序号以及第三排序号选取的各弱分类器分别对应的第一预测分值、第二预测分值、第三预测分值、最大预测分值和最小预测分值。
表-5
| 弱分类模型 | v<sub>min</sub> | v<sub>max</sub> | v<sub>1</sub> | v<sub>2</sub> | v<sub>3</sub> |
| Model-GBDT | 0.13 | 0.97 | 0.32 | 0.45 | 0.85 |
| Model-LR | 0.12 | 0.84 | 0.2 | 0.75 | 0.82 |
| Model-SVM | 0.1 | 0.8 | 0.2 | 0.53 | 0.65 |
1042、通过公式(1)，确定该弱分类器的数据分布适应度值；
其中，Sn表征第n个弱分类器的数据分布适应度值；所述v1表征第一预测分值；所述v2表征第二预测分值；所述v3表征第三预测分值；所述a表征第一校正系数，所述b表征第二校正系数。
在本实施例中，弱分类器的数据分布适应度值表征弱分类器反欺诈能力。弱分类器的数据分布适应度值越小，则说明弱分类器的反欺诈能力越好，反之，弱分类器的数据分布适应度值越大，则说明弱分类器的反欺诈能力越差。
在本实施例中，[vmin，v2]表征弱分类器认定的合法行为数据的分布区间，而[vmin，v1]表征弱分类器认定的大概率为合法行为数据的分布区间。其中，[vmin，v1]包含在[vmin，v2]中。可见，
的值越小，说明v1越趋近于最小预测分值vmin，预测分值排序中位于前20％的训练样本数据的预测分值最靠近于0，说明弱分类模型反欺诈能力越好。
同理，[v2，νmax]可认定为是弱分类模型认定的合法行为数据的分布区间，而[v3，νmax]可认定为是弱分类模型认定的大概率为合法行为数据的分布区间。其中，[v3，νmax]包含在[v2，νmax]中。可见，
的值越小，说明v3越趋近于最大预测分值νmax]，预测分值排序中位于80％之后的训练样本数据的预测分值最靠近于1，说明弱分类模型反欺诈能力越好。
在本实施例中，
的值越小和
的值越小，说明弱分类模型反欺诈能力越好，因此数据分布适应度值越小，说明弱分类器模型返欺诈能力越好。
在本实施例中，当最小预测分值与第一预测分值相等时，则
为0，此时，
越小，说明弱分类器对合法行为的识别能力越好。当最大预测分值与第二预测分值相等时，则
为0时，此时，
越小，说明弱分类器对欺诈行为的识别能力越好。
在本实施例中，公式(2)中所涉及的第一系数a和第二系数b的选值方法至少包括如下几种：
第一种，第一系数a和第二系数b相加等于1。示例性的，第一系数a和第二系数b均为0.5。需要说明的是，用户可以基于自身对弱分类器识别能力自行调整第一系数a和第二系数b。示例性的，比如，弱分类器识别合法行为较差时，选用第一系数a大于第二系数b。
第二种，第一系数a和第二系数b均选用为1。
第二种，第一系数a和第二系数b为大于1的任意数值。此时，需要注意的是，各弱分类器的数据分布适应度值需均选用同样的第一系数a和第二系数b。
示例性的，依据表-5中的数据计算GBDT弱分类器、SVM弱分类器和LR弱分类器的数据分布适应度值：
GBDT弱分类器的数据分布适应度值的计算过程：
SVM弱分类器的数据分布适应度值的计算过程：
LR弱分类器的数据分布适应度值的计算过程：
表-6
105、根据各弱分类器的数据分布适应度值，选取一个目标弱分类器。
在本实施例中，数据分布适应度值能够反应出弱分类器反欺诈识别能力，且数据分布适应度值越小，则弱分类器的反欺诈识别能力越好，越能更好对合法行为数据和欺诈行为数据进行识别，因此，在根据各弱分类器的数据分布适应度值选取一个目标弱分类器时，则选取数据分布适应度值最小的弱分类器为目标弱分类器。
示例性的，如表-6所示，由于SVM弱分类器的数据分布适应度值最小，因此，选取SVM弱分类器为目标弱分类器。
需要说明的是，不同轮训练中训练出的最优弱分类器可能为相同类型的弱分类器或不同类型的弱分类器，因此各轮训练中得到的目标弱分类器可能为相同类型的弱分类器，也可能为不同类型的弱分类器。在目标弱分类器为相同类型的弱分类器时，由于其各自来源于不同轮训练，因此，虽然目标弱分类器的类型相同，当时目标弱分类器中的参数不同。
106、利用所述目标弱分类器对所述训练集进行预测，并根据预测分值对所述训练样本数据集进行训练样本数据剔除处理。
在本实施例中，由于目标弱分类器能够清楚识别的数据，再次用来训练弱分类器的训练意义不大，且为了减少训练样本数据的数据量，则在利用目标弱分类器对训练集进行预测后，根据预测分值对训练样本数据集进行训练样本数据剔除处理，该训练样本数据剔除处理的具体过程包括：根据所述目标弱分类器在训练集上的预测分值，确定分值范围；剔除所述训练集中预测分值在所述分值范围之外的训练样本数据。
在本实施例中，分值范围内所有预测分值对应的训练样本数据，均是目标弱分类器不能清楚识别是欺诈行为还是合法行为的数据，这些数据需要再次用户训练多个弱分类器模型。而分值范围外所有预测分值对应的训练样本数据，均是目标弱分类器能够清楚识别是欺诈行为数据或合法行为的数据，由于这部分数据能够被目标弱分类器清楚的识别，因此将这部分数据剔除出训练集。
107、判断所述训练样本数据集中留存的训练样本数据的数据量是否小于预设的数据量阈值，若是，执行109，否则，执行108。
在本实施例中，预设的数据量阈值可以通过考虑如下因素设定：数据量阈值是训练多个弱分类器的所需的训练样本数据的最低数据量，以保证训练样本数据集中留存的训练样本数据能够满足训练多个弱分类器的训练要求。
在本实施例中，当判断出训练样本数据集中留存的训练样本数据的数据量小于预设的数据量阈值时，说明之前执行的迭代训练过程已经能够明确识别出欺诈行为和合法行为的数据，而训练样本数据集中的留存在的训练样本数据即使再次进行一轮迭代训练，也并不对这部分训练样本数据是否为欺诈行为的数据进行明确识别。因此，为了避免继续进行无效的迭代过程，则当判断出训练样本数据集中留存的训练样本数据的数据量小于预设的数据量阈值时，执行109。
在本实施例中，当判断出训练样本数据集中留存的训练样本数据的数量不小于预设的数据量阈值时，说明训练样本数据集中留存的训练样本数据的数据量足够支持进行下一轮迭代训练，且在下一轮迭代训练中的目标弱分类器能够概率从留存的训练样本数据中识别出欺诈行为或合法行为的数据。因此，为了提高欺诈行为的识别精度，当判断出训练样本数据集中留存的训练样本数据的数据量不小于预设的数据量阈值时，执行108。
在本实施例中，为了避免模型迭代训练过程中迭代训练次数较多，产生较多的算力消耗，进一步的，在判断出所述训练样本数据集中留存的训练样本数据的数据量不小于所述数据量阈值之后，进行步骤108下一轮训练之前，该方法还可以包括如下步骤：判断模型迭代训练的已执行迭代的总次数是否大于预设的次数阈值，若是，则结束迭代训练过程，否则进行下一轮训练。
具体的，预设的次数阈值根据历史反欺诈模型的训练次数设定。在模型迭代训练的已执行迭代的总次数达到预设的次数阈值时，说明训练而得的弱分类器已经满足反欺诈模型的识别要求，则执行109。在模型迭代训练的一致性迭代的总次数未达到预设的次数阈值时，说明训练而得的弱分类器尚不满足返欺诈模型的识别要求，需要继续执行迭代训练，故执行108。
在本实施例中，当训练反欺诈模型存在时间限定，需要尽快完成反欺诈模型的训练时，进一步的，在判断出所述训练样本数据集中留存的训练样本数据的数据量不小于所述数据量阈值之后，进行步骤108下一轮训练之前，该方法还可以包括如下步骤：判断模型迭代训练过程的执行总时长是否大于预设的时长阈值，若是，则结束迭代训练过程，否则进行下一轮训练。
108、进行下一轮训练，并执行102。
109、结束迭代训练过程。
110、在结束迭代训练过程后，组合各轮训练中得到的目标弱分类器形成反欺诈模型。
在本实施例中，不同轮训练中训练出的最优弱分类器可能为相同类型的弱分类器或不同类型的弱分类器，因此各轮训练中得到的目标弱分类器可能为相同类型的弱分类器，也可能为不同类型的弱分类器。在目标弱分类器为相同类型的弱分类器时，由于其各自来源于不同轮训练，因此，虽然目标弱分类器的类型相同，当时目标弱分类器中的参数不同。
示例性的，预设的弱分类器包括GBDT弱分类器、SVM弱分类器和LR弱分类器。第一轮训练根据上述的各弱分类器的数据分布适应度值选取的目标弱分类器为“SVM弱分类器”。第二轮训练根据上述的各弱分类器的数据分布适应度值选取的目标弱分类器为“LR弱分类器”。第三轮训练根据上述的各弱分类器的数据分布适应度值选取的目标弱分类器为“LR弱分类器”。第三轮之后结束迭代训练过程，各轮训练中得到的目标弱分类器分别为SVM弱分类器、LR弱分类器和LR弱分类器。可见，第二轮和第三轮训练得到的目标弱分类器的类型相同，均为LR弱分类器。虽然第二轮和第三轮训练得到的目标弱分类器的类型相同，但是由于训练这两目标弱分类器所用的训练样本数据集中留存的训练样本数据不同，因此，这两个目标弱分类器的参数并不相同，因此这两个弱分类器并不是完全相同的LR弱分类器。
在本实施例中，组合各轮训练中得到的目标弱分类器形成反欺诈模型的具体执行过程为：按照目标弱分类器的得到顺序确定各目标弱分类器的执行顺序；根据各目标弱分类器的执行顺序组合各目标弱分类器形成反欺诈模型，其中，各目标弱分类器的执行顺序与各目标弱分类器在各轮训练中得到的顺序相同。
在本实施例中，各轮训练中得到的目标弱分类器，每轮训练得到目标弱分类器的反欺诈识别精度均大于与其相邻的上一轮训练得到目标弱分类器。在使用反欺诈模型进行反欺诈识别时，按照各目标弱分类器的执行顺序执行识别，对于每个目标弱分类器，执行顺序位于其前一位的目标弱分类器识别待识别数据之后，仍存在部分未识别出是否为欺诈行为的数据时，则该目标弱分类器继续对这部分未识别出是否为欺诈行为的数据进行识别；执行顺序位于其前一位的目标弱分类器识别待识别数据之后，不存在部分未识别出是否为欺诈行为的数据时，则该目标弱分类器无需参与反欺诈识别。
示例性的，模型迭代训练过程执行3轮迭代训练，第一轮迭代训练得到目标弱分类器“GBDT弱分类器”，第二轮迭代训练得到目标弱分类器“LR弱分类器”以及第三轮迭代训练得到目标弱分类器“SVM弱分类器”，组合上述的各目标弱分类器形成反欺诈模型，该反欺诈模型在进行反欺诈识别时，各目标弱分类器的识别顺序为“GBDT弱分类器”、“LR弱分类器”、“SVM弱分类器”。首先“GBDT弱分类器”先对待识别数据进行识别的，若其识别之后仍存在部分未识别出是否为欺诈行为的数据时，则“LR弱分类器”继续对这部分未识别出是否为欺诈行为的数据进行识别，若“LR弱分类器”识别后不存在未识别出是否为欺诈行为的数据时，则确定识别完毕，“SVM弱分类器”无需使用。若“LR弱分类器”识别后仍存在部分未识别出是否为欺诈行为的数据时，则“SVM弱分类器”继续对未识别出是否为欺诈行为的数据进行识别。
本发明实施例提供的一种反欺诈模型的训练方法，首先在获取训练样本数据集时，执行模型迭代训练过程，其中，每一轮训练包括如下步骤：将训练样本数据集中留存的训练样本数据拆分为训练集和验证集。用训练集分别训练预设的多个弱分类器后，获取多个弱分类器分别在验证集上的预测分值。对于每个弱分类器，根据其在验证集上的预测分值确定该弱分类器的数据分布适应度值。根据各弱分类器的数据分布适应度值，选取一个目标弱分类器。利用目标弱分类器对练集进行预测，并根据预测分值对训练样本数据集进行训练样本数据剔除处理；判断训练样本数据集中留存的训练样本数据的数据量是否小于预设的数据量阈值，是则结束迭代训练过程，否则进行下一轮训练；在结束迭代训练过程后，组合各轮训练中得到的目标弱分类器形成反欺诈模型。可见，本发明实施例提供的方案并未采用复杂模型，而是采用简单的多个弱分类器，对多个弱分类器采用多轮迭代训练过程，每轮训练区分出可区分性较高的训练样本数据，且每轮仅用上一轮未区分出训练样本数据对弱分类器进行训练。在完成多轮训练后，组合每轮训练得到的弱分类器得到反欺诈模型，由于使用多个弱分类器这种简单模型代替了现有技术中的复杂模型，且无需人工进行特征衍生和算法选择。因此，本发明实施例提供的方案降低反欺诈模型建模的人工和算力成本。
进一步的，根据图1所示的方法，本发明的另一个实施例还提供了一种反欺诈模型的训练方法，如图2所示，所述方法主要包括：
201、获取训练样本数据集，所述训练样本数据集中包括多个具有二分类标签的训练样本数据，其中，所述二分类标签用于表征训练样本数据是否为与欺诈行为相应的数据。
202、将所述训练样本数据集中留存的训练样本数据拆分为训练集和验证集。
203、用所述训练集分别训练预设的多个弱分类器后，获取所述多个弱分类器分别在验证集上的预测分值。
204、对于每个弱分类器，根据预测分值的排序，选取第一预测分值、第二预测分值和第三预测分值，以及选取最大预测分值和最小预测分值，其中，第一预测分值小于第二预测分值，第二预测分值小于第三预测分值，第一预测分值与最小预测分值相同或不同，第三预测分值与最大预测分值相同或不同。
205、通过公式(1)，确定该弱分类器的数据分布适应度值。
其中，Sn表征第n个弱分类器的数据分布适应度值；所述v1表征第一预测分值；所述v2表征第二预测分值；所述v3表征第三预测分值；所述a表征第一校正系数，所述b表征第二校正系数。
206、选取数据分布适应度值最小的弱分类器为所述目标弱分类器。
207、利用所述目标弱分类器对所述训练集进行预测。
208、根据所述目标弱分类器在训练集上的预测分值，确定分值范围。
209、剔除所述训练集中预测分值在所述分值范围之外的训练样本数据。
210、判断所述训练样本数据集中留存的训练样本数据的数据量是否小于预设的数据量阈值，若是，执行213，否则，执行211。
211、判断模型迭代训练的已执行迭代的总次数是否大于预设的次数阈值，若是，执行213，否则，执行212。
212、进行下一轮训练，并执行102。
213、结束迭代训练过程。
214、在结束迭代训练过程后，按照各轮训练中得到的目标弱分类器的得到顺序确定各目标弱分类器的执行顺序，其中，所述执行顺序与所述得到顺序相同。
215、根据所述执行顺序组合各目标弱分类器形成反欺诈模型。
进一步的，依据上述方法实施例，本发明的另一个实施例还提供了一种反欺诈模型的训练装置，如图3所示，所述装置包括：
获取单元31，用于获取训练样本数据集，所述训练样本数据集中包括多个具有二分类标签的训练样本数据，其中，所述二分类标签用于表征训练样本数据是否为与欺诈行为相应的数据；
训练单元32，用于执行模型迭代训练过程，其中，每一轮训练包括如下步骤：将所述训练样本数据集中留存的训练样本数据拆分为训练集和验证集；用所述训练集分别训练预设的多个弱分类器后，获取所述多个弱分类器分别在验证集上的预测分值；对于每个弱分类器，根据其在验证集上的预测分值确定该弱分类器的数据分布适应度值；根据各弱分类器的数据分布适应度值，选取一个目标弱分类器；利用所述目标弱分类器对所述训练集进行预测，并根据预测分值对所述训练样本数据集进行训练样本数据剔除处理；判断所述训练样本数据集中留存的训练样本数据的数据量是否小于预设的数据量阈值，是则结束迭代训练过程，否则进行下一轮训练；
组合单元33，用于在结束迭代训练过程后，组合各轮训练中得到的目标弱分类器形成反欺诈模型。
本发明实施例提供的一种反欺诈模型的训练装置，首先在获取训练样本数据集时，执行模型迭代训练过程，其中，每一轮训练包括如下步骤：将训练样本数据集中留存的训练样本数据拆分为训练集和验证集。用训练集分别训练预设的多个弱分类器后，获取多个弱分类器分别在验证集上的预测分值。对于每个弱分类器，根据其在验证集上的预测分值确定该弱分类器的数据分布适应度值。根据各弱分类器的数据分布适应度值，选取一个目标弱分类器。利用目标弱分类器对练集进行预测，并根据预测分值对训练样本数据集进行训练样本数据剔除处理；判断训练样本数据集中留存的训练样本数据的数据量是否小于预设的数据量阈值，是则结束迭代训练过程，否则进行下一轮训练；在结束迭代训练过程后，组合各轮训练中得到的目标弱分类器形成反欺诈模型。可见，本发明实施例提供的方案并未采用复杂模型，而是采用简单的多个弱分类器，对多个弱分类器采用多轮迭代训练过程，每轮训练区分出可区分性较高的训练样本数据，且每轮仅用上一轮未区分出训练样本数据对弱分类器进行训练。在完成多轮训练后，组合每轮训练得到的弱分类器得到反欺诈模型，由于使用多个弱分类器这种简单模型代替了现有技术中的复杂模型，且无需人工进行特征衍生和算法选择。因此，本发明实施例提供的方案降低反欺诈模型建模的人工和算力成本。
可选的，如图4所示，所述训练单元32包括：
确定模块321，用于对于每个弱分类器，排序其在验证集上的预测分值，根据预测分值的排序和预测分值，确定该弱分类器的数据分布适应度值。
可选的，如图4所示，所述确定模块321包括：
选取子模块3211，用于根据预测分值的排序，选取第一预测分值、第二预测分值和第三预测分值，以及选取最大预测分值和最小预测分值，其中，第一预测分值小于第二预测分值，第二预测分值小于第三预测分值，第一预测分值与最小预测分值相同或不同，第三预测分值与最大预测分值相同或不同；
确定子模块3212，用于通过公式(1)，确定该弱分类器的数据分布适应度值；
其中，Sn表征第n个弱分类器的数据分布适应度值；所述v1表征第一预测分值；所述v2表征第二预测分值；所述v3表征第三预测分值；所述a表征第一校正系数，所述b表征第二校正系数。
可选的，如图4所示，所述选取子模块3211，用于确定各预测分值在排序中的排序号；通过公式(2)，确定第一排序号、第二排序号和第三排序号；将分别与所述第一排序号、所述第二排序号和所述第三排序号相应的预测分值，分别选取为第一预测分值、第二预测分值和第三预测分值；
Rm＝round(im×p) (2)
其中，Rm表征第m排序号；所述i表征与第m排序号相应的预设百分比；所述p表征所述验证集中各训练样本数据的总条数；所述round表征四舍五入函数。
可选的，如图4所示，所述训练单元32包括：
剔除模块322，用于根据所述目标弱分类器在训练集上的预测分值，确定分值范围；剔除所述训练集中预测分值在所述分值范围之外的训练样本数据。
可选的，如图4所示，所述训练单元32包括：
选取模块323，用于选取数据分布适应度值最小的弱分类器为所述目标弱分类器。
可选的，如图4所示，所述训练单元32，还包括：
判断模块324，用于在判断出所述训练样本数据集中留存的训练样本数据的数据量不小于所述数据量阈值之后，进行下一轮训练之前，判断模型迭代训练的已执行迭代的总次数是否大于预设的次数阈值，若是，则结束迭代训练过程，否则进行下一轮训练。
可选的，如图4所示，所述训练单元32所涉及的所述多个弱分类器是基于算力要求而预设的，其中，所述算力要求至少包括如下内容中的至少一种：训练样本数据的数据总量、训练要求时长、训练用机的硬件信息和训练用机的架构。
本发明实施例提供的反欺诈模型的训练装置中，各个功能模块运行过程中所采用的方法详解可以参见图1、图2方法实施例的对应方法详解，在此不再赘述。
进一步的，依据上述方法实施例，本发明的另一个实施例还提供了一种计算机可读存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行第一方面或第二方面所述的反欺诈模型的训练方法。
进一步的，依据上述方法实施例，本发明的另一个实施例还提供了一种存储管理设备，所述存储管理设备包括：
存储器，用于存储程序；
处理器，耦合至所述存储器，用于运行所述程序以执行第一方面或第二方面中任意一项所述的反欺诈模型的训练方法。
本发明实施例公开了：
A1.一种反欺诈模型的训练方法，包括：
获取训练样本数据集，所述训练样本数据集中包括多个具有二分类标签的训练样本数据，其中，所述二分类标签用于表征训练样本数据是否为与欺诈行为相应的数据；
执行模型迭代训练过程，其中，每一轮训练包括如下步骤：将所述训练样本数据集中留存的训练样本数据拆分为训练集和验证集；用所述训练集分别训练预设的多个弱分类器后，获取所述多个弱分类器分别在验证集上的预测分值；对于每个弱分类器，根据其在验证集上的预测分值确定该弱分类器的数据分布适应度值；根据各弱分类器的数据分布适应度值，选取一个目标弱分类器；利用所述目标弱分类器对所述训练集进行预测，并根据预测分值对所述训练样本数据集进行训练样本数据剔除处理；判断所述训练样本数据集中留存的训练样本数据的数据量是否小于预设的数据量阈值，是则结束迭代训练过程，否则进行下一轮训练；
在结束迭代训练过程后，组合各轮训练中得到的目标弱分类器形成反欺诈模型。
A2.根据A1所述的方法，对于每个弱分类器，根据其在验证集上的预测分值确定该弱分类器的数据分布适应度值，包括：
对于每个弱分类器，排序其在验证集上的预测分值，根据预测分值的排序和预测分值，确定该弱分类器的数据分布适应度值。
A3.根据A2所述的方法，根据预测分值的排序和预测分值，确定该弱分类器的数据分布适应度值，包括：
根据预测分值的排序，选取第一预测分值、第二预测分值和第三预测分值，以及选取最大预测分值和最小预测分值，其中，第一预测分值小于第二预测分值，第二预测分值小于第三预测分值，第一预测分值与最小预测分值相同或不同，第三预测分值与最大预测分值相同或不同；
通过第一公式，确定该弱分类器的数据分布适应度值；
所述第一公式为：
其中，Sn表征第n个弱分类器的数据分布适应度值；所述v1表征第一预测分值；所述v2表征第二预测分值；所述v3表征第三预测分值；所述a表征第一校正系数，所述b表征第二校正系数。
A4.根据A3所述的方法，根据预测分值的排序，选取第一预测分值、第二预测分值和第三预测分值，包括：
确定各预测分值在排序中的排序号；
通过第二公式，确定第一排序号、第二排序号和第三排序号；
所述第二公式包括：
Rm＝round(im×p)
其中，Rm表征第m排序号；所述i表征与第m排序号相应的预设百分比；所述p表征所述验证集中各训练样本数据的总条数；所述round表征四舍五入函数；
将分别与所述第一排序号、所述第二排序号和所述第三排序号相应的预测分值，分别选取为第一预测分值、第二预测分值和第三预测分值。
A5.根据A1所述的方法，根据预测分值对所述训练样本数据集进行训练样本数据剔除处理，包括：
根据所述目标弱分类器在训练集上的预测分值，确定分值范围；
剔除所述训练集中预测分值在所述分值范围之外的训练样本数据。
A6.根据A1-A5中任一所述的方法，根据各弱分类器的数据分布适应度值，选取一个目标弱分类器，包括：
选取数据分布适应度值最小的弱分类器为所述目标弱分类器。
A7.根据A1-5中任一所述的方法，组合各轮训练中得到的目标弱分类器形成反欺诈模型，包括：
按照各轮训练中得到的目标弱分类器的得到顺序确定各目标弱分类器的执行顺序，其中，所述执行顺序与所述得到顺序相同；
根据所述执行顺序组合各目标弱分类器形成反欺诈模型。
A8.根据A1-A5中任一所述的方法，在判断出所述训练样本数据集中留存的训练样本数据的数据量不小于所述数据量阈值之后，进行下一轮训练之前，所述方法还包括：
判断模型迭代训练的已执行迭代的总次数是否大于预设的次数阈值，若是，则结束迭代训练过程，否则进行下一轮训练。
A9.根据A1-A5中任一所述的方法，所述多个弱分类器是基于算力要求而预设的，其中，所述算力要求至少包括如下内容中的至少一种：训练样本数据的数据总量、训练要求时长、训练用机的硬件信息和训练用机的架构。
B1.一种反欺诈模型的训练装置，包括：
获取单元，用于获取训练样本数据集，所述训练样本数据集中包括多个具有二分类标签的训练样本数据，其中，所述二分类标签用于表征训练样本数据是否为与欺诈行为相应的数据；
训练单元，用于执行模型迭代训练过程，其中，每一轮训练包括如下步骤：将所述训练样本数据集中留存的训练样本数据拆分为训练集和验证集；用所述训练集分别训练预设的多个弱分类器后，获取所述多个弱分类器分别在验证集上的预测分值；对于每个弱分类器，根据其在验证集上的预测分值确定该弱分类器的数据分布适应度值；根据各弱分类器的数据分布适应度值，选取一个目标弱分类器；利用所述目标弱分类器对所述训练集进行预测，并根据预测分值对所述训练样本数据集进行训练样本数据剔除处理；判断所述训练样本数据集中留存的训练样本数据的数据量是否小于预设的数据量阈值，是则结束迭代训练过程，否则进行下一轮训练；
组合单元，用于在结束迭代训练过程后，组合各轮训练中得到的目标弱分类器形成反欺诈模型。
B2.根据B1所述的装置，所述训练单元包括：
确定模块，用于对于每个弱分类器，排序其在验证集上的预测分值，根据预测分值的排序和预测分值，确定该弱分类器的数据分布适应度值。
B3.根据B2所述的装置，所述确定模块包括：
选取子模块，用于根据预测分值的排序，选取第一预测分值、第二预测分值和第三预测分值，以及选取最大预测分值和最小预测分值，其中，第一预测分值小于第二预测分值，第二预测分值小于第三预测分值，第一预测分值与最小预测分值相同或不同，第三预测分值与最大预测分值相同或不同；
确定子模块，用于通过第一公式，确定该弱分类器的数据分布适应度值；
所述第一公式为：
其中，Sn表征第n个弱分类器的数据分布适应度值；所述v1表征第一预测分值；所述v2表征第二预测分值；所述v3表征第三预测分值；所述a表征第一校正系数，所述b表征第二校正系数。
B4.根据B3所述的装置，所述选取子模块，用于确定各预测分值在排序中的排序号；通过第二公式，确定第一排序号、第二排序号和第三排序号；将分别与所述第一排序号、所述第二排序号和所述第三排序号相应的预测分值，分别选取为第一预测分值、第二预测分值和第三预测分值；
所述第二公式包括：
Rm＝round(im×p)
其中，rm表征第m排序号；所述i表征与第m排序号相应的预设百分比；所述p表征所述验证集中各训练样本数据的总条数；所述round表征四舍五入函数。
B5.根据B1所述的装置，所述训练单元包括：
剔除模块，用于根据所述目标弱分类器在训练集上的预测分值，确定分值范围；剔除所述训练集中预测分值在所述分值范围之外的训练样本数据。
B6.根据B1-B5中任一所述的装置，所述训练单元包括：
选取模块，用于选取数据分布适应度值最小的弱分类器为所述目标弱分类器。
B7.根据B1-B5中任一所述的装置，所述组合单元，用于按照各轮训练中得到的目标弱分类器的得到顺序确定各目标弱分类器的执行顺序，其中，所述执行顺序与所述得到顺序相同；根据所述执行顺序组合各目标弱分类器形成反欺诈模型。
B8.根据B1-B5中任一所述的装置，所述训练单元，还包括：
判断模块，用于在判断出所述训练样本数据集中留存的训练样本数据的数据量不小于所述数据量阈值之后，进行下一轮训练之前，判断模型迭代训练的已执行迭代的总次数是否大于预设的次数阈值，若是，则结束迭代训练过程，否则进行下一轮训练。
B9.根据B1-B5中任一所述的装置，所述训练单元所涉及的所述多个弱分类器是基于算力要求而预设的，其中，所述算力要求至少包括如下内容中的至少一种：训练样本数据的数据总量、训练要求时长、训练用机的硬件信息和训练用机的架构。
C1.一种计算机可读存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行A1至A9中任意一项所述的反欺诈模型的训练方法。
D1.一种存储管理设备，所述存储管理设备包括：
存储器，用于存储程序；
处理器，耦合至所述存储器，用于运行所述程序以执行A1至A9中任意一项所述的反欺诈模型的训练方法。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的深度神经网络模型的运行方法、装置及框架中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种反欺诈模型的训练方法，其特征在于，包括：
获取训练样本数据集，所述训练样本数据集中包括多个具有二分类标签的训练样本数据，其中，所述二分类标签用于表征训练样本数据是否为与欺诈行为相应的数据；
执行模型迭代训练过程，其中，每一轮训练包括如下步骤：将所述训练样本数据集中留存的训练样本数据拆分为训练集和验证集；用所述训练集分别训练预设的多个弱分类器后，获取所述多个弱分类器分别在验证集上的预测分值；对于每个弱分类器，根据其在验证集上的预测分值确定该弱分类器的数据分布适应度值；根据各弱分类器的数据分布适应度值，选取一个目标弱分类器；利用所述目标弱分类器对所述训练集进行预测，并根据预测分值对所述训练样本数据集进行训练样本数据剔除处理；判断所述训练样本数据集中留存的训练样本数据的数据量是否小于预设的数据量阈值，是则结束迭代训练过程，否则进行下一轮训练；
在结束迭代训练过程后，组合各轮训练中得到的目标弱分类器形成反欺诈模型。
2.根据权利要求1所述的方法，其特征在于，对于每个弱分类器，根据其在验证集上的预测分值确定该弱分类器的数据分布适应度值，包括：
对于每个弱分类器，排序其在验证集上的预测分值，根据预测分值的排序和预测分值，确定该弱分类器的数据分布适应度值。
3.根据权利要求2所述的方法，其特征在于，根据预测分值的排序和预测分值，确定该弱分类器的数据分布适应度值，包括：
根据预测分值的排序，选取第一预测分值、第二预测分值和第三预测分值，以及选取最大预测分值和最小预测分值，其中，第一预测分值小于第二预测分值，第二预测分值小于第三预测分值，第一预测分值与最小预测分值相同或不同，第三预测分值与最大预测分值相同或不同；
通过第一公式，确定该弱分类器的数据分布适应度值；
所述第一公式为：
其中，Sn表征第n个弱分类器的数据分布适应度值；所述v1表征第一预测分值；所述v2表征第二预测分值；所述v3表征第三预测分值；所述a表征第一校正系数，所述b表征第二校正系数。
4.根据权利要求3所述的方法，其特征在于，根据预测分值的排序，选取第一预测分值、第二预测分值和第三预测分值，包括：
确定各预测分值在排序中的排序号；
通过第二公式，确定第一排序号、第二排序号和第三排序号；
所述第二公式包括：
Rm＝round(im×p)
其中，Rm表征第m排序号；所述i表征与第m排序号相应的预设百分比；所述p表征所述验证集中各训练样本数据的总条数；所述round表征四舍五入函数；
将分别与所述第一排序号、所述第二排序号和所述第三排序号相应的预测分值，分别选取为第一预测分值、第二预测分值和第三预测分值。
5.根据权利要求1所述的方法，其特征在于，根据预测分值对所述训练样本数据集进行训练样本数据剔除处理，包括：
根据所述目标弱分类器在训练集上的预测分值，确定分值范围；
剔除所述训练集中预测分值在所述分值范围之外的训练样本数据。
6.根据权利要求1-5中任一所述的方法，其特征在于，根据各弱分类器的数据分布适应度值，选取一个目标弱分类器，包括：
选取数据分布适应度值最小的弱分类器为所述目标弱分类器。
7.根据权利要求1-5中任一所述的方法，其特征在于，组合各轮训练中得到的目标弱分类器形成反欺诈模型，包括：
按照各轮训练中得到的目标弱分类器的得到顺序确定各目标弱分类器的执行顺序，其中，所述执行顺序与所述得到顺序相同；
根据所述执行顺序组合各目标弱分类器形成反欺诈模型。
8.一种反欺诈模型的训练装置，其特征在于，包括：
获取单元，用于获取训练样本数据集，所述训练样本数据集中包括多个具有二分类标签的训练样本数据，其中，所述二分类标签用于表征训练样本数据是否为与欺诈行为相应的数据；
训练单元，用于执行模型迭代训练过程，其中，每一轮训练包括如下步骤：将所述训练样本数据集中留存的训练样本数据拆分为训练集和验证集；用所述训练集分别训练预设的多个弱分类器后，获取所述多个弱分类器分别在验证集上的预测分值；对于每个弱分类器，根据其在验证集上的预测分值确定该弱分类器的数据分布适应度值；根据各弱分类器的数据分布适应度值，选取一个目标弱分类器；利用所述目标弱分类器对所述训练集进行预测，并根据预测分值对所述训练样本数据集进行训练样本数据剔除处理；判断所述训练样本数据集中留存的训练样本数据的数据量是否小于预设的数据量阈值，是则结束迭代训练过程，否则进行下一轮训练；
组合单元，用于在结束迭代训练过程后，组合各轮训练中得到的目标弱分类器形成反欺诈模型。
9.一种计算机可读存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至权利要求7中任意一项所述的反欺诈模型的训练方法。
10.一种存储管理设备，其特征在于，所述存储管理设备包括：
存储器，用于存储程序；
处理器，耦合至所述存储器，用于运行所述程序以执行权利要求1至权利要求7中任意一项所述的反欺诈模型的训练方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911302469.XA CN111104978B (zh) | 2019-12-17 | 2019-12-17 | 一种反欺诈模型的训练方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911302469.XA CN111104978B (zh) | 2019-12-17 | 2019-12-17 | 一种反欺诈模型的训练方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111104978A true CN111104978A (zh) | 2020-05-05 |
| CN111104978B CN111104978B (zh) | 2024-04-02 |
Family
ID=70422064
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911302469.XA Active CN111104978B (zh) | 2019-12-17 | 2019-12-17 | 一种反欺诈模型的训练方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111104978B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111899027A (zh) * | 2020-08-04 | 2020-11-06 | 第四范式（北京）技术有限公司 | 一种反欺诈模型的训练方法及装置 |
| CN113344585A (zh) * | 2021-06-22 | 2021-09-03 | 中国银行股份有限公司 | 反欺诈预测模型的训练方法及装置、存储介质及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9443168B1 (en) * | 2015-12-31 | 2016-09-13 | International Business Machines Corporation | Object detection approach using an ensemble strong classifier |
| CN109035003A (zh) * | 2018-07-04 | 2018-12-18 | 北京玖富普惠信息技术有限公司 | 基于机器学习的反欺诈模型建模方法和反欺诈监控方法 |
| CN109903053A (zh) * | 2019-03-01 | 2019-06-18 | 成都新希望金融信息有限公司 | 一种基于传感器数据进行行为识别的反欺诈方法 |
-
2019
- 2019-12-17 CN CN201911302469.XA patent/CN111104978B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9443168B1 (en) * | 2015-12-31 | 2016-09-13 | International Business Machines Corporation | Object detection approach using an ensemble strong classifier |
| CN109035003A (zh) * | 2018-07-04 | 2018-12-18 | 北京玖富普惠信息技术有限公司 | 基于机器学习的反欺诈模型建模方法和反欺诈监控方法 |
| CN109903053A (zh) * | 2019-03-01 | 2019-06-18 | 成都新希望金融信息有限公司 | 一种基于传感器数据进行行为识别的反欺诈方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111899027A (zh) * | 2020-08-04 | 2020-11-06 | 第四范式（北京）技术有限公司 | 一种反欺诈模型的训练方法及装置 |
| CN113344585A (zh) * | 2021-06-22 | 2021-09-03 | 中国银行股份有限公司 | 反欺诈预测模型的训练方法及装置、存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111104978B (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019169688A1 (zh) | 车辆定损方法、装置、电子设备及存储介质 | |
| CN108550065B (zh) | 评论数据处理方法、装置及设备 | |
| CN110852881B (zh) | 风险账户识别方法、装置、电子设备及介质 | |
| CN109583966A (zh) | 一种高价值客户识别方法、系统、设备及存储介质 | |
| CN105404947A (zh) | 用户质量侦测方法及装置 | |
| CN107220281B (zh) | 一种音乐分类方法及装置 | |
| CN111104978A (zh) | 一种反欺诈模型的训练方法及装置 | |
| CN111145026B (zh) | 一种反洗钱模型的训练方法及装置 | |
| CN109214444B (zh) | 基于孪生神经网络和gmm的游戏防沉迷判定系统及方法 | |
| CN107368526A (zh) | 一种数据处理方法及装置 | |
| CN112307860A (zh) | 图像识别模型训练方法和装置、图像识别方法和装置 | |
| CN111428639A (zh) | 手势识别模型的训练方法、手势识别方法及装置 | |
| CN111523964A (zh) | 基于聚类的召回方法、装置、电子设备及可读存储介质 | |
| CN111899027A (zh) | 一种反欺诈模型的训练方法及装置 | |
| CN112016756A (zh) | 数据预测的方法和装置 | |
| CN111144899A (zh) | 识别虚假交易的方法及装置和电子设备 | |
| CN111444930B (zh) | 一种确定二分类模型的预测效果的方法及装置 | |
| CN110019563B (zh) | 一种基于多维数据的肖像建模方法和装置 | |
| CN109409231B (zh) | 基于自适应隐马尔可夫的多特征融合手语识别方法 | |
| CN114581249A (zh) | 基于投资风险承受能力评估的金融产品推荐方法及系统 | |
| CN112508684A (zh) | 一种基于联合卷积神经网络的催收风险评级方法及系统 | |
| CN109145207B (zh) | 一种基于分类指标预测的信息个性化推荐方法及装置 | |
| CN110880117A (zh) | 虚假业务识别方法、装置、设备和存储介质 | |
| US20220164836A1 (en) | Methods and systems an obv buyback program | |
| CN115204322A (zh) | 行为链路异常识别方法和装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |