CN114707420A - 一种信贷欺诈行为识别方法、装置、设备及存储介质 - Google Patents

一种信贷欺诈行为识别方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114707420A
CN114707420A CN202210451060.XA CN202210451060A CN114707420A CN 114707420 A CN114707420 A CN 114707420A CN 202210451060 A CN202210451060 A CN 202210451060A CN 114707420 A CN114707420 A CN 114707420A
Authority
CN
China
Prior art keywords
credit
behavior
identification
fraud
identification result
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
Application number
CN202210451060.XA
Other languages
English (en)
Inventor
吴叶国
韩彧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Weiyan Technology Co ltd
Original Assignee
Shenzhen Weiyan Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Weiyan Technology Co ltd filed Critical Shenzhen Weiyan Technology Co ltd
Priority to CN202210451060.XA priority Critical patent/CN114707420A/zh
Publication of CN114707420A publication Critical patent/CN114707420A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Technology Law (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种信贷欺诈行为识别方法、装置、设备及存储介质，涉及信贷安全技术领域，其中方法包括以下步骤：获取用户的人脸图像信息，并识别对应的信贷行为是否为本人操作，若否则不执行操作；若是则对信贷行为数据进行预处理；构建信贷行为识别模型，利用所述信贷行为识别模型对经过预处理的信贷业务数据进行识别，得到识别结果，基于所述识别结果判断所述信贷行为是否为欺诈行为；本发明能解决目前信贷欺诈行为识别的效率较低以及识别结果不准确等问题。

Description

一种信贷欺诈行为识别方法、装置、设备及存储介质
技术领域
本发明涉及信贷安全技术领域，更具体的说是涉及一种信贷欺诈行为识别方法、装置、设备及存储介质。
背景技术
目前，飞速发展的网络技术作为互联网金融的技术保障，已经在社会各行各业中广泛传播，各种互联网金融平台在此基础上得到了较大发展。作为面向客户个人借贷的网络平台，网络信贷使得银行等金融机构无需介入，申请及使用较为灵活方便的特点。
但是，目前平台风险防控主要依据用户个人提供数据，配合客户经理的主观评价实现，由于征信体系不够健全，同时用户个人的信用信息搜集过程费时费力，平台无法准确判断欺诈风险，直接导致来自于借款方违约欺诈现象频繁发生，导致信贷行为的识别准确性较差，最终影响平台的运行效率。
因此，如何提供一种能够解决上述问题的信贷欺诈行为识别方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种信贷欺诈行为识别方法、装置、设备及存储介质，以至少解决目前信贷欺诈行为识别的效率较低以及识别结果不准确等问题。
为了实现上述目的，本发明采用如下技术方案：
一种信贷欺诈行为识别方法，包括以下步骤：
获取用户的人脸图像信息，并识别对应的信贷行为是否为本人操作，若否则不执行操作；若是则对信贷行为数据进行预处理；
构建信贷行为识别模型，利用所述信贷行为识别模型对经过预处理的信贷业务数据进行识别，得到识别结果，基于所述识别结果判断所述信贷行为是否为欺诈行为。
优选的，构建信贷行为识别模型的具体过程包括：
获取历史安全信贷行为数据集，并将所述历史安全信贷行为数据集划分为测试集及训练集；
构建信贷行为识别模型，其中所述信贷行为识别模型为卷积神经网络；
利用所述训练集对所述信贷行为识别模型进行训练，根据输出的预测值与目标值通过损失函数进行误差分析，更改所述信贷行为识别模型各个权重值，当误差符合预设阈值时则利用测试集进行验证，完成模型的测试及训练。
优选的，基于所述识别结果判断所述信贷行为是否为欺诈行为的具体过程包括：
将所述识别结果与预设第一风险阈值进行对比，若小于等于所述第一风险阈值则为安全行为；
若大于所述第一风险阈值且小于等于预设第二风险阈值，则为低风险行为；
若大于所述第二风险阈值，则所述信贷行为存在风险。
优选的，当所述识别结果为存在风险时的具体处理过程如下：
提取所述信贷行为对应的第一特征向量，
获取用户对应的银行信用数据，并提取所述银行信用数据对应的第二特征向量；
计算所述第一特征向量与所述第二特征向量之间的相关系数，并与预设系数阈值进行比较，当所述相关系数大于等于所述预设系数阈值时表示所述信贷行为属于安全行为。
优选的，当所述相关系数小于所述预设系数阈值时的具体处理过程包括：
通过SIM单元远程通知上级工作人员及时进行处理。
进一步，本发明还提供一种应用上述任一项所述的信贷欺诈行为识别方法的装置，包括：
识别模块，用于获取用户的人脸图像信息，并识别对应的信贷行为是否为本人操作，若否则不执行操作；若是则对信贷行为数据进行预处理；
处理模块，用于构建信贷行为识别模型，利用所述信贷行为识别模型对经过预处理的信贷业务数据进行识别，得到识别结果，基于所述识别结果判断所述信贷行为是否为欺诈行为。
进一步，本发明还提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器用于存储程序指令，所述处理器用于执行存储器中存储的计算机程序时实现上述任一项所述信贷欺诈行为识别方法的步骤。
进一步，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的信贷欺诈行为识别方法。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种信贷欺诈行为识别方法、装置、设备及存储介质，通过识别用户本人的信贷行为是否为本人操作，利用训练好的卷积神经网络对信贷行为进行识别，并对识别结果划分预警级别，根据预警级别再次对用户的数据以及对应的银行数据进行计算处理，实现了从多个角度对用户的信贷行为风险进行预测识别，避免了人为主观评价带来的错误干预，提高了预测准确性。
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，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明提供的一种信贷欺诈行为识别方法的整体流程图；
图2为本发明提供的一种信贷欺诈行为识别装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见附图1所示，本发明实施例公开了一种信贷欺诈行为识别方法，包括以下步骤：
获取用户的人脸图像信息，并识别对应的信贷行为是否为本人操作；
若否则不执行操作；若是则对信贷行为数据进行预处理；
其中，数据预处理的具体过程可以包括依次的数据分组、冗余数据处理以及归一化处理。
构建信贷行为识别模型，利用信贷行为识别模型对经过预处理的信贷业务数据进行识别，得到识别结果，基于识别结果判断信贷行为是否为欺诈行为。
在一个具体的实施例中，构建信贷行为识别模型的具体过程包括：
获取历史安全信贷行为数据集，并将历史安全信贷行为数据集划分为测试集及训练集；
构建信贷行为识别模型，其中信贷行为识别模型为卷积神经网络；
利用训练集对所述信贷行为识别模型进行训练，根据输出的预测值与目标值通过损失函数进行误差分析，更改信贷行为识别模型各个权重值，当误差符合预设阈值时则利用测试集进行验证，完成模型的测试及训练。
其中，测试集及训练集的划分比例可以为8:2。
在一个具体的实施例中，基于识别结果判断信贷行为是否为欺诈行为的具体过程包括：
将识别结果与预设第一风险阈值进行对比，若小于等于第一风险阈值则为安全行为；
若大于第一风险阈值且小于等于预设第二风险阈值，则为低风险行为；
若大于第二风险阈值，则信贷行为存在风险。
在一个具体的实施例中，当识别结果为存在风险时的具体处理过程如下：
提取信贷行为对应的第一特征向量；
获取用户对应的银行信用数据，并提取银行信用数据对应的第二特征向量；
其中银行信用数据主要包括用户财务数据、账户流水数据、账户状态历史记录、信贷产品信息、逾期记录等信息；
计算第一特征向量与第二特征向量之间的相关系数，并与预设系数阈值进行比较，当相关系数大于等于预设系数阈值时表示信贷行为属于安全行为。
在一个具体的实施例中，当相关系数小于预设系数阈值时的具体处理过程包括：
则该用户的此次信贷行为仍然存在风险，通过SIM单元远程通知上级工作人员及时进行处理，还可以通过无线通讯方式的与远程服务器建立联系并上传用户的人脸信息，以方便上级工作人员进行识别。
参见附图2所示，本发明实施例还提供一种应用上述实施例任一项的信贷欺诈行为识别方法的装置，包括：
识别模块，用于获取用户的人脸图像信息，并识别对应的信贷行为是否为本人操作，若否则不执行操作；若是则对信贷行为数据进行预处理；
处理模块，用于构建信贷行为识别模型，利用信贷行为识别模型对经过预处理的信贷业务数据进行识别，得到识别结果，基于识别结果判断信贷行为是否为欺诈行为。
进一步，本发明实施例还提供一种电子设备，电子设备包括处理器和存储器，存储器用于存储程序指令，处理器用于执行存储器中存储的计算机程序时实现上述权利要求1-5任一项信贷欺诈行为识别方法的步骤。
进一步，本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现如权利要求1至5 中任一项的信贷欺诈行为识别方法。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种信贷欺诈行为识别方法，其特征在于，包括以下步骤：
获取用户的人脸图像信息，并识别对应的信贷行为是否为本人操作；
若否则不执行操作；若是则对信贷行为数据进行预处理；
构建信贷行为识别模型，利用所述信贷行为识别模型对经过预处理的信贷业务数据进行识别，得到识别结果，基于所述识别结果判断所述信贷行为是否为欺诈行为。
2.根据权利要求1所述的一种信贷欺诈行为识别方法，其特征在于，构建信贷行为识别模型的具体过程包括：
获取历史安全信贷行为数据集，并将所述历史安全信贷行为数据集划分为测试集及训练集；
构建信贷行为识别模型，其中所述信贷行为识别模型为卷积神经网络；
利用所述训练集对所述信贷行为识别模型进行训练，根据输出的预测值与目标值通过损失函数进行误差分析，更改所述信贷行为识别模型各个权重值，当误差符合预设阈值时则利用测试集进行验证，完成模型的测试及训练。
3.根据权利要求1所述的一种信贷欺诈行为识别方法，其特征在于，基于所述识别结果判断所述信贷行为是否为欺诈行为的具体过程包括：
将所述识别结果与预设第一风险阈值进行对比，若小于等于所述第一风险阈值则为安全行为；
若大于所述第一风险阈值且小于等于预设第二风险阈值，则为低风险行为；
若大于所述第二风险阈值，则所述信贷行为存在风险。
4.根据权利要求3所述的一种信贷欺诈行为识别方法，其特征在于，当所述识别结果为存在风险时的具体处理过程如下：
提取所述信贷行为对应的第一特征向量，
获取用户对应的银行信用数据，并提取所述银行信用数据对应的第二特征向量；
计算所述第一特征向量与所述第二特征向量之间的相关系数，并与预设系数阈值进行比较，当所述相关系数大于等于所述预设系数阈值时表示所述信贷行为属于安全行为。
5.根据权利要求4所述的一种信贷欺诈行为识别方法，其特征在于，当所述相关系数小于所述预设系数阈值时的具体处理过程包括：
通过SIM单元远程通知上级工作人员及时进行处理。
6.一种应用权利要求1-5任一项所述的信贷欺诈行为识别方法的装置，其特征在于，包括：
识别模块，用于获取用户的人脸图像信息，并识别对应的信贷行为是否为本人操作，若否则不执行操作；若是则对信贷行为数据进行预处理；
处理模块，用于构建信贷行为识别模型，利用所述信贷行为识别模型对经过预处理的信贷业务数据进行识别，得到识别结果，基于所述识别结果判断所述信贷行为是否为欺诈行为。
7.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器用于存储程序指令，所述处理器用于执行存储器中存储的计算机程序时实现上述权利要求1-5任一项所述信贷欺诈行为识别方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的信贷欺诈行为识别方法。
CN202210451060.XA 2022-04-24 2022-04-24 一种信贷欺诈行为识别方法、装置、设备及存储介质 Pending CN114707420A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210451060.XA CN114707420A (zh) 2022-04-24 2022-04-24 一种信贷欺诈行为识别方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210451060.XA CN114707420A (zh) 2022-04-24 2022-04-24 一种信贷欺诈行为识别方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114707420A true CN114707420A (zh) 2022-07-05

Family

ID=82177481

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210451060.XA Pending CN114707420A (zh) 2022-04-24 2022-04-24 一种信贷欺诈行为识别方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114707420A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116205664A (zh) * 2023-04-28 2023-06-02 成都新希望金融信息有限公司 一种中介欺诈识别方法、装置、电子设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116205664A (zh) * 2023-04-28 2023-06-02 成都新希望金融信息有限公司 一种中介欺诈识别方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
US10572885B1 (en) Training method, apparatus for loan fraud detection model and computer device
US7386506B2 (en) Fraud score calculating program, method of calculating fraud score, and fraud score calculating system for credit cards
US20070124236A1 (en) Credit risk profiling method and system
CN110751557A (zh) 一种基于序列模型的异常资金交易行为分析方法及系统
CN110335144B (zh) 个人电子银行账户安全检测方法及装置
CN112581291B (zh) 风险测评异动检测方法、装置、设备及存储介质
CN111708883A (zh) 一种基于机器学习和设备指纹的授信额度确定方法及装置
CN117934043A (zh) 一种人工智能的电商平台交易风险评估方法及系统
CN112785420A (zh) 信用评分模型的训练方法、装置、电子设备及存储介质
CN110020939B (zh) 建立违约损失率预测模型的装置、方法及存储介质
CN114707420A (zh) 一种信贷欺诈行为识别方法、装置、设备及存储介质
CN118154194A (zh) 一种基于云平台的数字支付身份安全验证方法及系统
CN114841705A (zh) 一种基于场景识别的反欺诈监测方法
CN112990989B (zh) 价值预测模型输入数据生成方法、装置、设备和介质
CN117670359A (zh) 异常交易数据的识别方法、装置、存储介质及电子设备
CN113807943A (zh) 一种不良资产的多因子估值方法及系统、介质、设备
CN112884480A (zh) 异常交易识别模型的构造方法、装置、计算机设备和介质
CN110796379B (zh) 业务渠道的风险评估方法、装置、设备及存储介质
CN117575595A (zh) 支付风险识别方法、装置、计算机设备及存储介质
CN116739794A (zh) 基于大数据及机器学习的用户个性化方案推荐方法及系统
CN116664306A (zh) 风控规则的智能推荐方法、装置、电子设备及介质
CN108446907B (zh) 安全校验方法及装置
CN115496205A (zh) 检测模型训练、数据检测方法、装置、设备及存储介质
CN111461865B (zh) 一种数据分析方法及装置
CN115619539A (zh) 贷前风险评价方法以及装置

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