欺诈用户的识别方法及装置、可读存储介质制造方法及图纸

一种欺诈用户的识别方法及装置、可读存储介质，所述欺诈用户的识别方法包括：获取目标用户的个人信息和扩展信息；根据所述目标用户的扩展信息，判断所述目标用户是否与预设的用户数据库中至少两个其他用户关联；对所述目标用户及关联用户的所述个人信息和所述扩展信息进行变量提取，得到用户间关联变量；根据所述用户间关联变量和预设应变量，构建用户关联判断模型；根据所述用户关联判断模型、所述目标用户的个人信息和扩展信息，确定所述目标用户是否为可疑用户。采用上述方案，可以可靠有效地识别欺诈用户。

【技术实现步骤摘要】
欺诈用户的识别方法及装置、可读存储介质
本专利技术属于互联网
，特别涉及一种欺诈用户的识别方法及装置、可读存储介质。
技术介绍
如今，基于互联网的各类行业中，风险控制对各类行业公司而言十分重要，特别是对欺诈用户的风险控制。大部分欺诈用户具有团伙组织规划的特点，其破坏力巨大，尤其表现在同一时间段爆发。一旦有组织的欺诈用户欺诈成功后，欺诈结果所涉范围广泛、数额巨大，会在极短时间内造成极大的资金损失，很大程度上影响公司运营和资金回转。由于有组织的欺诈的风险控制难度较大，传统的风险控制模型采用用户个人维度的多种变量，但几乎不评估关联关系对风险的影响，有组织的欺诈用户容易通过信用审核，使得欺诈行为不容易在早期被察觉。因此，使用传统概率模型的建模手段难以描述有组织的欺诈行为，不能可靠有效地对欺诈用户进行识别。
技术实现思路
本专利技术实施例解决的是如何可靠有效地识别欺诈用户。为解决上述技术问题，本专利技术实施例提供一种欺诈用户的识别方法，欺诈用户的识别方法包括：获取目标用户的个人信息和扩展信息；所述扩展信息包括以下至少一种：账户信息、设备信息；根据所述目标用户的扩展信息，判断所述目标用户是否与预设的用户数据库中至少两个其他用户关联；对所述目标用户及关联用户的所述个人信息和所述扩展信息进行变量提取，得到用户间关联变量；根据所述用户间关联变量和预设应变量，构建用户关联判断模型；根据所述用户关联判断模型、所述目标用户的个人信息和扩展信息，确定所述目标用户是否为可疑用户。可选的，所述对所述目标用户及关联用户的所述个人信息和所述扩展信息进行变量提取，得到用户间关联变量，包括：对所述关联变量进行数据处理，得到处理后的关联变量。可选的，所述对所述关联变量进行数据处理，包括以下至少一种数据处理方法：排列组合及衍生、标准化、最大值、最小值、加和、均值、缺失值处理和样本不均衡处理。可选的，所述用户关联判断模型包括至少一个二分类模型。、可选的，当确定所述目标用户为可疑用户后，还包括：当所述可疑用户数量占所述目标用户及关联用户数量的比例超过预设比例阈值，判定所述目标用户及关联用户为可疑团伙。可选的，当确定所述目标用户为可疑用户后，还包括：获取对所述可疑用户的人工调查结果；当所述人工调查结果确定所述可疑用户为欺诈用户后，标记所述目标用户为欺诈用户。可选的，所述用户个人信息包括以下至少一种信息：姓名、性别、年龄、身份证和手机号。可选的，所述账户信息包括以下至少一种信息：银行卡号、IMEI、IMSI、FLASH、QQ、微信、账号注册渠道，账号密码、设备密码、手机号码归属地、账号填写资料、关联时间附近修改信息情况；所述设备信息包括以下至少一种信息：设备型号，装载软件、通讯录、短信、通话记录。可选的，所述对所述目标用户及关联用户的所述个人信息和所述扩展信息进行变量提取，包括以下至少一种变量提取方法：专家变量提取、自动编码器提取、孤独森林异常值检测和概率转换。为解决上述技术问题，本专利技术实施例还公开了一种欺诈用户的识别装置，欺诈用户的识别装置包括：获取单元，用于获取目标用户的个人信息和扩展信息；所述扩展信息包括以下至少一种：账户信息、设备信息；判断单元，用于根据所述目标用户的扩展信息，判断所述目标用户是否与预设的用户数据库中至少两个其他用户关联；提取单元，用于对所述目标用户及关联用户的所述个人信息和所述扩展信息进行变量提取，得到用户间关联变量；确定单元，用于根据所述用户间关联变量和预设应变量，构建用户关联判断模型；根据所述用户关联判断模型、所述目标用户的个人信息和扩展信息，确定所述目标用户是否为可疑用户。可选的，所述提取单元，用于：对所述关联变量进行数据处理，得到处理后的关联变量。可选的，所述提取单元，用于：对所述关联变量进行数据处理，包括以下至少一种数据处理方法：排列组合及衍生、标准化、最大值、最小值、加和、均值、缺失值处理和样本不均衡处理。可选的，所述用户关联判断模型包括至少一个二分类模型。可选的，所述确定单元，还用于：当所述可疑用户数量占所述目标用户及关联用户数量的比例超过预设比例阈值，判定所述目标用户及关联用户为可疑团伙。可选的，所述确定单元，还用于：获取对所述可疑用户的人工调查结果；当所述人工调查结果确定所述可疑用户为欺诈用户后，标记所述目标用户为欺诈用户。可选的，所述用户个人信息包括以下至少一种信息：姓名、性别、年龄、身份证和手机号。可选的，所述账户信息包括以下至少一种信息：银行卡号、IMEI、IMSI、FLASH、QQ、微信、账号注册渠道，账号密码、设备密码、手机号码归属地、账号填写资料、关联时间附近修改信息情况；所述设备信息包括以下至少一种信息：设备型号，装载软件、通讯录、短信、通话记录。可选的，所述提取单元，用于：对所述目标用户及关联用户的所述个人信息和所述扩展信息进行变量提取，包括以下至少一种变量提取方法：专家变量提取、自动编码器提取、孤独森林异常值检测和概率转换。本专利技术实施例还公开了一种可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述任一种所述的欺诈用户的识别方法的步骤。本专利技术实施例还提供了一种欺诈用户的识别装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述任一种所述的欺诈用户的识别方法的步骤。与现有技术相比，本专利技术实施例的技术方案具有以下有益效果：根据所述目标用户的扩展信息，判断所述目标用户是否与预设的用户数据库中至少两个其他用户关联；对所述目标用户及关联用户的所述个人信息和所述扩展信息进行变量提取，得到用户间关联变量；根据所述用户间关联变量和预设应变量，构建用户关联判断模型；根据所述用户关联判断模型、所述目标用户的个人信息和扩展信息，确定所述目标用户是否为可疑用户。通过提取多维度关联信息，与用户的个人维度信息相互补充，构建用户关联判断模型，进而在多种关系基础上进行欺诈用户判断，能够可靠有效地识别欺诈用户。进一步，当所述可疑用户数量占所述目标用户及关联用户数量的比例超过预设比例阈值，判定所述目标用户及关联用户为可疑团伙，可以有效地识别出团伙欺诈用户。附图说明图1是本专利技术实施例一种欺诈用户的识别方法的流程图；图2是本专利技术实施例一种欺诈用户的识别装置的结构示意图。具体实施方式现有技术中，由于有组织的欺诈的风险控制难度较大，传统的风险控制模型采用用户个人维度的多种变量，但几乎不评估关联关系对风险的影响，有组织的欺诈用户容易通过信用审核，使得欺诈行为不容易在早期被察觉。因此，使用传统概率模型的建模手段难以描述有组织的欺诈行为，不能可靠有效地对欺诈用户进行识别。本专利技术实施例中，根据所述目标用户的扩展信息，判断所述目标用户是否与预设的用户数据库中至少两个其他用户关联；对所述目标用户及关联用户的所述个人信息和所述扩展信息进行变量提取，得到用户间关联变量；根据所述用户间关联变量和预设应变量，构建用户关联判断模型；根据所述用户关联判断模型、所述目标用户的个人信息和扩展信息，确定所述目标用户是否为可疑用户。通过提取多维度关联信息，与用户的个人维度信息相互补充，构建用户关联判断模型，进而在多种关系基础上进行欺诈用户判断，能够可靠有效地识别欺诈用户。为使本专利技术的上述本文档来自技高网...

【技术保护点】
1.一种欺诈用户的识别方法，其特征在于，包括：获取目标用户的个人信息和扩展信息；所述扩展信息包括以下至少一种：账户信息、设备信息；根据所述目标用户的扩展信息，判断所述目标用户是否与预设的用户数据库中至少两个其他用户关联；对所述目标用户及关联用户的所述个人信息和所述扩展信息进行变量提取，得到用户间关联变量；根据所述用户间关联变量和预设应变量，构建用户关联判断模型；根据所述用户关联判断模型、所述目标用户的个人信息和扩展信息，确定所述目标用户是否为可疑用户。

【技术特征摘要】
1.一种欺诈用户的识别方法，其特征在于，包括：获取目标用户的个人信息和扩展信息；所述扩展信息包括以下至少一种：账户信息、设备信息；根据所述目标用户的扩展信息，判断所述目标用户是否与预设的用户数据库中至少两个其他用户关联；对所述目标用户及关联用户的所述个人信息和所述扩展信息进行变量提取，得到用户间关联变量；根据所述用户间关联变量和预设应变量，构建用户关联判断模型；根据所述用户关联判断模型、所述目标用户的个人信息和扩展信息，确定所述目标用户是否为可疑用户。2.如权利要求1所述的欺诈用户的识别方法，其特征在于，所述对所述目标用户及关联用户的所述个人信息和所述扩展信息进行变量提取，得到用户间关联变量，包括：对所述关联变量进行数据处理，得到处理后的关联变量。3.如权利要求2所述的欺诈用户的识别方法，其特征在于，所述对所述关联变量进行数据处理，包括以下至少一种数据处理方法：排列组合及衍生、标准化、最大值、最小值、加和、均值、缺失值处理和样本不均衡处理。4.如权利要求1所述的欺诈用户的识别方法，其特征在于，所述用户关联判断模型包括至少一个二分类模型。5.如权利要求1所述的欺诈用户的识别方法，其特征在于，当确定所述目标用户为可疑用户后，还包括：当所述可疑用户数量占所述目标用户及关联用户数量的比例超过预设比例阈值，判定所述目标用户及关联用户为可疑团伙。6.如权利要求1所述的欺诈用户的识别方法，其特征在于，当确定所述目标用户为可疑用户后，还包括：获取对所述可疑用户的人工调查结果；当所述人工调查结果确定所述可疑用户为欺诈用户后，标记所述目标用户为欺诈用户。7.如权利要求1所述的欺诈用户的识别方法，其特征在于，所述用户个人信息包括以下至少一种信息：姓名、性别、年龄、身份证和手机号。8.如权利要求1所述的欺诈用户的识别方法，其特征在于，所述账户信息包括以下至少一种信息：银行卡号、IMEI、IMSI、FLASH、QQ、微信、账号注册渠道，账号密码、设备密码、手机号码归属地、账号填写资料、关联时间附近修改信息情况；所述设备信息包括以下至少一种信息：设备型号，装载软件、通讯录、短信、通话记录。9.如权利要求1所述的欺诈用户的识别方法，其特征在于，所述对所述目标用户及关联用户的所述个人信息和所述扩展信息进行变量提取，包括以下至少一种变量提取方法：专家变量提取、自动编码器提取、孤独森林异常值检测和概率转换。10.一种欺诈用户的识别装置，其特征在于，包括：获取单元，用于获取目标用户的个人信息和扩展信息；所述扩展信息包括以下至少一种：账户信息、设备信息；判断单元，用于根据所述目标用户的扩展信息，判断所述目标...

【专利技术属性】
技术研发人员：赵劼铖，李雅沁，刘蓓，顾鸣，
申请(专利权)人：上海拍拍贷金融信息服务有限公司，
类型：发明
国别省市：上海,31