一种基于交易风险特征库的风险检测方法技术

本发明专利技术提供一种基于交易风险特征库的风险检测方法，所述方法在没有黑样本的前提下，通过交易风险特征库获得先验知识并构建风险检测模型，通过检测结果进行反馈校正，不断矫正指标和模型，提高风险检测的准确度。通过本发明专利技术提供三维模型建立交易风险特征库，可以减少对行内专家的依赖。

A Risk Detection Method Based on Transaction Risk Feature Base

【技术实现步骤摘要】
一种基于交易风险特征库的风险检测方法
本专利技术属于金融交易风险
，具体涉及一种基于交易风险特征库的风险检测方法。
技术介绍
识别业务交易风险，保障交易安全是金融机构的重要工作之一。金融机构的业务产品繁多，积累了庞大的交易数据和客户信息数据。当前很多金融机构和公司提出基于数据分析的交易风险检测技术。这些技术可分为依赖黑样本的有监督学习技术、无监督学习技术以及规则检测技术。这些技术在实际运行中会遇到3点困难：1、黑样本数量少；2、无监督学习缺乏业务知识，调参时间长，检测准确度差；3、规则检测依赖专家经验，寻找合适的专家资源是挑战。
技术实现思路
为了解决上述问题，本专利技术提供一种交易风险检测方法，所述方法在没有黑样本的前提下，通过交易风险特征库获得先验知识并构建风险检测模型，通过检测结果进行反馈校正，不断矫正指标和模型，提高风险检测的准确度；进一步地，所述方法包括：S1、基于三维模型构建交易风险特征库；S2、以交易、风险为维度从交易风险特征库中提取特征集合；S3、对于特征集合的每个特征构建风险指标，形成指标集合；S4、依据风险指标集合构造风险检测模型，识别风险；S5、依据检测结果校正指标和模型；进一步地，S1中所述三维模型包含三个维度：交易、风险和特征维度；进一步地，S1中所述交易为执行操作的最小单元，所述执行操作的最小单元包括：在个人网银中执行个人账号登陆、在手机银行中执行个人账号登陆和在网上银行中执行个人账号转账；进一步地，S1中所述风险为从结果出发描述的待检测的风险，所述风险包含但不限于私号公用、盗号、盗转账、客户被骗主动转账、薅羊毛和洗钱；进一步地，S1中所述特征维度为交易执行的特征维度，所述特征维度包含但不限于地点、时间、频率、金额、对象、IP和客户；进一步地，所述S2具体包括：S21：交易风险特征库中的一个特征f用三个要素描述，分别为交易ID、风险ID和特征维度ID；S22：交易风险特征库中若两个特征的三个要素全部相同，则为同一特征，否则，为不同特征；S23：依据单一交易和单一风险，提取其特征集合F；S24：所述特征集合F为，如果fi(transID,riskID,dimID)∈F且fj(transID',riskID',dimID')∈F则有transID＝transID'且riskID＝riskID'，其中transID为交易ID，riskID为风险ID，dimID为特征维度ID；进一步地，所述S3具体为：如果fi(transID,riskID,dimID)∈F，则针对fi构建风险指标targeti，形成指标集合T，targeti∈T，其中，targeti包含基于dimID的指标描述和指标值；进一步地，所述S4具体为：针对指标集合T，构建风险检测模型，风险检测模型为指标集合T到目标风险的映射函数，包含但不限于加权、优先和逻辑回归模型；进一步地，所述S5具体为：S51：依据检测结果调整指标集合中的指标数量和指标值；S52：依据检测结果调整风险检测模型参数和模型类型；本专利技术的有益效果如下：1)本专利技术提供三维模型建立交易风险特征库，减少对行内专家的依赖；2)本专利技术提供的基于交易风险特征库的风险检测方法和装置，可在没有黑样本的前提下，通过交易风险特征库获得先验知识，构建风险检测模型，通过反馈校正装置不断矫正指标和模型，提高风险检测的准确度。附图说明图1为本专利技术所述方法的流程图；图2为本专利技术实施例中所述装置的结构图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细描述。应当理解，此处所描述的具体实施例仅仅用于解释本专利技术，并不用于限定本专利技术。相反，本专利技术涵盖任何由权利要求定义的在本专利技术的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本专利技术有更好的了解，在下文对本专利技术的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本专利技术。下面结合附图和具体实施例对本专利技术作进一步说明，但不作为对本专利技术的限定。下面为本专利技术的举出最佳实施例：如图1所示，本专利技术提供一种交易风险检测方法，所述方法在没有黑样本的前提下，通过交易风险特征库获得先验知识并构建风险检测模型，通过检测结果进行反馈校正，不断矫正指标和模型，提高风险检测的准确度,其中黑样本的意思为银行或金融交易机构的黑名单所发生的行为。具体包括以下5个步骤：S1、基于三维模型构建交易风险特征库；S2、以交易、风险为维度从交易风险特征库中提取特征集合；S3、对于特征集合的每个特征构建风险指标，形成指标集合；S4、依据风险指标集合构造风险检测模型，识别风险；S5、依据检测结果校正指标和模型。所述三维模型包含三个维度：交易、风险、特征维度，所述交易指执行操作的最小单元，例如“在个人网银中执行个人账号登陆”、“在手机银行中执行个人账号登陆”、“在网上银行中执行个人账号转账”等等。所述风险指从结果出发描述的待检测的风险，包含但不限于私号公用、盗号、盗转账、客户被骗主动转账、薅羊毛、洗钱等。所述特征维度指交易执行的特征维度，包含但不限于地点、时间、频率、金额、对象、IP、客户等。所述交易风险特征库：交易风险特征库中的一个特征f用三个要素描述，分别为交易ID(以下称transID)、风险ID(以下称riskID)和特征维度ID(以下称dimID)；交易风险特征库中若两个特征的三个要素全部相同，则为同一特征，否则，为不同特征。所述以交易、风险为维度从交易风险特征库中提取特征集合：1、依据单一交易和单一风险，提取其特征集合F，2、所述特征集合F，其特征为，如果fi(transID,riskID,dimID)∈F且fj(transID',riskID',dimID')∈F则有transID＝transID'且riskID＝riskID'，。对于特征集合F的每个特征构建风险指标，形成指标集合：a.如果fi(transID,riskID,dimID)∈F，则针对fi构建风险指标targeti，形成指标集合T，targeti∈T，b.targeti∈T包含基于dimID的指标描述和指标值，例如针对“transID表示个人网银中执行个人账号登录,riskID表示公号私用，dimID表示频率”的风险特征f的指标target可设置为每小时登陆的次数，值为100。风险指标构造风险检测模型，识别风险：1、针对指标集合T，构建风险检测模型；2、所述风险检测模型，指指标集合T到目标风险的映射函数，包含但不限于加权、优先或者逻辑回归等模型。依据检测结果校正指标和模型：1、依据检测结果调整指标集合中的指标数量、指标值等。2、依据检测结果调整风险检测模型参数、模型类型等如图2所示，基于上述方法，本专利技术还提供一种基于交易风险特征库的风险检测装置，具体包括五个子装置：1)交易风险特征库生成子装置，采用三维模型建立交易风险特征库，可精确生成不同交易不同风险下的特征库；2)特征集合提取装置，依据单一交易和单一风险，提取其特征集合；3)风险指标构造装置，基于特征集合构建风险指标；4)风险检测装置，基于风险指标建立风险检测模型，识别风险；5)反馈校正装置，依据检测结果校正指标和模型，提高风险检本文档来自技高网...

【技术保护点】
1.一种基于交易风险特征库的风险检测方法，其特征在于，所述方法在没有黑样本的前提下，通过交易风险特征库获得先验知识并构建风险检测模型，通过检测结果进行反馈校正，不断矫正指标和模型，提高风险检测的准确度。

【技术特征摘要】
1.一种基于交易风险特征库的风险检测方法，其特征在于，所述方法在没有黑样本的前提下，通过交易风险特征库获得先验知识并构建风险检测模型，通过检测结果进行反馈校正，不断矫正指标和模型，提高风险检测的准确度。2.根据权利要求1所述的方法，其特征在于，所述方法包括：S1、基于三维模型构建交易风险特征库；S2、以交易、风险为维度从交易风险特征库中提取特征集合；S3、对于特征集合的每个特征构建风险指标，形成指标集合；S4、依据风险指标集合构造风险检测模型，识别风险；S5、依据检测结果校正指标和模型。3.根据权利要求2所述的方法，其特征在于，S1中所述三维模型包含三个维度：交易、风险和特征维度。4.根据权利要求3所述的方法，其特征在于，S1中所述交易为执行操作的最小单元，所述执行操作的最小单元包括：在个人网银中执行个人账号登陆、在手机银行中执行个人账号登陆和在网上银行中执行个人账号转账。5.根据权利要求3所述的方法，其特征在于，S1中所述风险为从结果出发描述的待检测的风险，所述风险包含但不限于私号公用、盗号、盗转账、客户被骗主动转账、薅羊毛和洗钱。6.根据权利要求3所述的方法，其特征在于，S1中所述特征维度为交易执行的特征维度，所述特征维度包含但不限于地点、时间、频率、金额、对象、IP和客户。7.根据权利要求2所述的方法，其特征...

【专利技术属性】
技术研发人员：魏巍，陈仙，李吉慧，刘书洪，陈慧，
申请(专利权)人：民生科技有限责任公司，
类型：发明
国别省市：北京,11