一种电子银行反欺诈方法及系统技术方案

本申请提供了一种电子银行反欺诈方法及系统，其中，反欺诈方法包括如下步骤：获取操作请求、所述操作请求对应的操作特征数据和所述操作请求对应的用户特征数据；根据所述用户特征数据确定用户特征参数；根据操作特征数据与用户特征参数得到第一特征数据；将操作特征数据映射到对应的第一特征数据的向量空间，得到第三特征数据；根据第一特征数据与对应的所述第三特征数据得到第四特征数据，根据第四特征数据确定所述操作请求是欺诈请求的概率值，在所述操作请求是欺诈请求的概率大于预定阈值时，判定所述操作请求为欺诈操作请求。本申请的一种反欺诈方法及系统能够很好的利用用户特征数据，大幅度地提高欺诈用户识别率，降低正常用户误判率。

【技术实现步骤摘要】
一种电子银行反欺诈方法及系统
本申请涉及计算机信息
，尤其是涉及一种电子银行反欺诈方法及系统。
技术介绍
互联网的快速发展以及智能终端的普及，使得人们在使用电子银行办理查询余额、转账、购物支付、理财等业务时获得了极大的便捷，但同时伴随的则是电子银行面临的安全隐患和遭到恶意侵害带来的风险。目前业内的电子银行反欺诈系统防控策略一般使用两种实现方案：一是基于专家规则的方法，单纯的专家规则难以适应现在的电子银行反欺诈系统的需求，二是采用机器学习算法对业务全流程的风险特征进行机器学习以及对历史数据进行离线分析。现有的基于机器学习的方法是把机器学习算法模型不加改造的直接应用到当前的场景中来，虽然相对于专家规则在一定程度上避免了人为的主观性，但其在训练模型的时候使用的是方式是直接把所有用户的行为特征数据进行混合训练，虽然相对于专家规则在一定程度上避免了人为的主观性，但是现有技术中的机器学习算法没有考虑到电子银行的用户特征，并没有很好的对用户特征数据进行建模，而是把所有用户的操作特征数据混合使用训练反欺诈模型，因此，现有的反欺诈模型对欺诈操作行为的识别准确率较低。专利技术内容本申请提出了一种电本文档来自技高网...

【技术保护点】
1.一种电子银行反欺诈方法，其特征在于，包括如下步骤：获取模块用于获取操作请求、所述操作请求对应的操作特征数据和所述操作请求对应的用户特征数据；第一计算模块用于根据所述用户特征数据以及每个用户特征数据的权重，确定用户特征参数；第二计算模块用于根据所述操作特征数据与所述用户特征参数，确定所述操作请求是欺诈请求的概率值，在所述操作请求是欺诈请求的概率大于预定阈值时，判定所述操作请求为欺诈操作请求。

【技术特征摘要】
1.一种电子银行反欺诈方法，其特征在于，包括如下步骤：获取模块用于获取操作请求、所述操作请求对应的操作特征数据和所述操作请求对应的用户特征数据；第一计算模块用于根据所述用户特征数据以及每个用户特征数据的权重，确定用户特征参数；第二计算模块用于根据所述操作特征数据与所述用户特征参数，确定所述操作请求是欺诈请求的概率值，在所述操作请求是欺诈请求的概率大于预定阈值时，判定所述操作请求为欺诈操作请求。2.根据权利要求1所述的方法，其特征在于，利用如下步骤确定所述用户特征参数：第一计算模块具体用于将每个所述用户特征数据进行加权处理，并将加权处理后的用户特征数据相加，得到用户特征参数；所述第一计算模块还用于将所述用户特征参数映射到预定数值范围内。3.根据权利要求1所述的方法，其特征在于，第二计算模块具体用于执行如下步骤：将每个所述操作特征数据分别与所述用户特征参数相乘，得到多个第一特征数据；根据所有的所述第一特征数据确定所述操作请求是欺诈请求的概率值。4.根据权利要求1所述的方法，其特征在于，还包括如下步骤：获取模块还用于获取所述操作请求对应的操作类型；第三计算模块用于根据所述操作类型，对所述操作特征数据进行分类；第四计算模块用于将每个操作类型的操作特征数据对应的第一特征数据进行拼接，得到第二特征数据；第二计算模块还用于根据所述第二特征数据与所述用户特征参数，确定所述操作请求是欺诈请求的概率值。5.根据权利要求4所述的方法，其特征在于，还包括如下步骤：第三计算模块用于将每个操作特征数据转换为非线性化特征数据...

【专利技术属性】
技术研发人员：郭豪，孙善萍，陈雨濛，蔡准，孙悦，郭晓鹏，
申请(专利权)人：北京芯盾时代科技有限公司，
类型：发明
国别省市：北京,11