The invention provides a real-time fraudulent transaction detection method, system, storage medium and electronic terminal based on statistical sequence characteristics. The detection method includes: receiving the latest transaction request of the user, querying the user transaction record list in the user history transaction record database according to the received user's latest transaction request, obtaining the feature vector according to the user transaction record list; The feature vectors are fed into the classifier to get the result of transaction detection. Through the detection system of the invention, the prediction effect is good, the recall rate of 97.2% and the disturbance rate of less than 1% are achieved, and the response speed is fast. The average time to give a prediction result is only 1.5 milliseconds.
【技术实现步骤摘要】
基于统计序列特征的实时欺诈交易检测方法、系统、存储介质及电子终端
本专利技术属于电子交易
,涉及一种交易行为检测方法,特别是涉及一种基于统计序列特征的实时欺诈交易检测方法、系统、存储介质及电子终端。
技术介绍
随着网络技术的飞速发展,越来越多的人参与到电子交易当中。同时,这也给了欺诈者更多的犯罪机会。因此,设计出有效的欺诈交易检测系统,保障用户的财产安全是尤为重要的。然而,面对花样迭出和不断翻新的欺诈交易手段,传统的基于人为制定规则的欺诈交易检测系统需要不断地投入人力来适应变化,这增加了欺诈交易检测的成本。因此,基于用户行为和机器学习的自适应欺诈交易检测系统成为了新的研究热点。行为模型主要包括个人行为模型和群体行为模型两类。个人行为模型假设每个用户都有足够的历史交易记录来建模,但现实是大多数用户不具备足够数量的交易记录来完成建模。另一方面,群体行为模型则不对用户的历史交易记录数量有过多要求,因为其考察的是欺诈行为和正常行为的总体区别,跟个别用户的行为无关。因此相比个人行为模型,群体行为模型具有更好的发展空间。然而,现有的基于群体行为的欺诈交易检测系统仍然存在以下问题。第一,很多模型的检测效率不能够满足实时性的需求,其中一个原因是模型过于复杂(例如深度学习模型)。第二,对欺诈交易检测的效果不理想,包括对欺诈交易的召回率偏低,以及对正常交易的打扰率偏高,其原因可能在于特征不够有效。第三,很多方法仍停留在实验层面,没有形成完整的流程体系。
技术实现思路
鉴于以上所述现有技术的缺点,本专利技术的目的在于提供一种基于统计序列特征的实时欺诈交易检测方法、系统、存储介 ...
【技术保护点】
1.一种基于统计序列特征的实时欺诈交易检测方法,其特征在于,包括:接收用户最新交易请求,并根据接收到的所述用户最新交易请求于用户历史交易记录库中查询用户交易记录列表;根据所述用户交易记录列表获取获得特征向量;将所述特征向量送入分类器得到交易检测结果。
【技术特征摘要】
1.一种基于统计序列特征的实时欺诈交易检测方法,其特征在于,包括:接收用户最新交易请求,并根据接收到的所述用户最新交易请求于用户历史交易记录库中查询用户交易记录列表;根据所述用户交易记录列表获取获得特征向量;将所述特征向量送入分类器得到交易检测结果。2.根据权利要求1所述的基于统计序列特征的实时欺诈交易检测方法,其特征在于,若在所述用户历史交易记录中未查询到用户交易记录列表时,则为用户创建用户交易记录列表。3.根据权利要求1或2所述的基于统计序列特征的实时欺诈交易检测方法,其特征在于,所述根据所述用户交易记录列表获取特征向量的一种实现方式为:根据所述最新交易请求的时间更新时间窗口内用户历史交易记录;判断用户交易记录数量是否达到两条以上;若是,则计算每两笔相邻交易记录的时间差和金额差,得到全部时间差的均值和方差,以及全部金额差的均值和方差,构成统计序列特征;否则,统计序列特征取零;组合所述统计序列特征、聚合特征和原始特征获得特征向量。4.根据权利要求1所述的基于统计序列特征的实时欺诈交易检测方法,其特征在于,所述分类器需要进行周期性训练,所述周期性训练包括:定期从带标记的交易记录库中抽取预设时间段内的受害用户、正常用户和对应每个用户的全部交易记录,构成原始数据;对原始数据利用滑动时间窗口技术计算取得对应用户的特征向量,得到特征向量...
【专利技术属性】
技术研发人员:蒋昌俊,闫春钢,王成,丁志军,张亚英,景晨,
申请(专利权)人:同济大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。