一种基于用户行为和神经网络的风险控制方法、装置和电子设备制造方法及图纸

本发明专利技术公开了一种基于用户行为和神经网络的风险控制方法及装置。风险控制方法包括：利用现有用户数据提取形成用户应用操作的时间序列数据；基于所述时间序列数据建立风险预测模型；获取当前用户操作行为信息；使用所述风险预测模型对所述当前用户进行风险分类及概率识别；对识别为风险的用户进行人工核实。本发明专利技术提出一种通过分析用户操作行为来预警用户欺诈风险的系统，做到贷前预先防范风险，贷中实时监控风险，从而降低用户欺诈带来的不良影响。在反欺诈风险防控中，发生的风险手法来自于已有的风险手法和未知的风险手法。提高预测已知的风险的准确度，在精准防范风险的同时提高用户的授信量与借款额，在早期发现未知的风险手法，并作出及时响应。

A risk control method, device and electronic equipment based on user behavior and neural network

【技术实现步骤摘要】
一种基于用户行为和神经网络的风险控制方法、装置和电子设备
本专利技术涉及计算机信息处理领域，具体而言，涉及一种基于用户行为和神经网络的风险控制方法、装置、电子设备及计算机可读介质。
技术介绍
传统的反欺诈策略和模型主要以规则和简单模型为基础，辅以关系网关联和黑灰名单等数据，实现欺诈用户的识别与管制。数据源主要依赖于公司的人工调查以及外部资信的黑白名单，整体数据源和策略模式较为单一，对于未知风险的应对能力较差。为了挖掘公司内部数据的价值，发现可能出现的未知风险，本专利技术利用公司数据库存储的大量用户信息，构建用户操作的时间序列数据，依此建立风险预测模型，预测用户出现逾期、伪冒和中介的可能性。对于不同的模型预测结果实施不同的应对策略，既能更加精确地识别用户风险，又利用人工辅助去探索发现更多的未知风险，并反哺模型，提高预测的精准度。本专利技术中涉及所有渠道上授信、借款申请的用户，增大了风险用户的识别范围，大幅提升了反欺诈的风险预警能力。
技术实现思路
鉴于上述问题，提出了本说明书以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于社交关系网络的用户额度调整方法及装置。本专利技术说明书公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。第一方面，本专利技术说明书提供一种基于用户行为和神经网络的风险控制方法，包括：利用现有用户数据提取形成用户应用操作的时间序列数据；基于所述时间序列数据建立风险预测模型；获取当前用户操作行为信息；使用所述风险预测模型对所述当前用户进行风险分类及概率识别；对识别为风险的用户进行人工核实。在本公开的一种示例性实施例中，所述利用现有用户数据提取形成用户应用操作的时间序列数据，包括：提取现有用户数据；基于所述现有用户数据，形成用户应用操作的时间序列数据。在本公开的一种示例性实施例中，所述基于所述时间序列数据建立风险预测模型，包括：获得所述时间序列数据；建立风险预测模型，所述风险预测模型为LSTM+Attention风险预测模型。在本公开的一种示例性实施例中，所述基于所述时间序列数据建立风险预测模型，包括：生成不同风险类型用户的概率；计算现有用户逾期的第一概率、计算现有用户可能是中介的第二概率、计算现有用户可能是伪冒用户的第三概率。在本公开的一种示例性实施例中，所述基于所述时间序列数据建立风险预测模型包括：分别获取现有用户的第一概率、第二概率、第三概率的阈值。在本公开的一种示例性实施例中，所述获取当前用户操作行为信息，包括：获取当前用户的授信申请；确认所述当前用户的授信申请到达的时间点；生成所述时间点为最后时间点的当前用户时间序列数据。在本公开的一种示例性实施例中，所述使用所述风险预测模型对所述当前用户进行风险分类及概率识别，包括：将所述当前用户时间序列数据输入所述风险预测模型；计算所述当前用户的第一概率、第二概率、第三概率；通过判断所述当前用户的第一概率、第二概率、第三概率是否对应属于所述现有用户的第一概率、第二概率、第三概率的阈值范围以识别当前用户的风险；所述当前用户的第一概率或第二概率或第三概率对应属于所述现有用户的第一概率或第二概率或第三概率的阈值范围；拒绝当前用户授信申请。在本公开的一种示例性实施例中，所述对识别为风险的用户进行人工核实，包括：将被拒绝授信申请的当前用户的用户信息发送至人工；迭代更新所述LSTM+Attention风险预测模型。第二方面，本专利技术说明书提供一种基于用户行为和神经网络的风险控制装置，包括：第一获得模块：用于利用现有用户数据提取形成用户应用操作的时间序列数据；建立风险预测模型模块：用于基于所述时间序列数据建立风险预测模型；第二获得模块：用于获取当前用户操作行为信息；风险识别模块：用于使用所述风险预测模型对所述当前用户进行风险分类及概率识别；人工核实模块：用于对识别为风险用户进行人工核实。在本公开的一种示例性实施例中，所述第一获得模块，包括：提取现有用户数据；基于所述现有用户数据，形成用户应用操作的时间序列数据。在本公开的一种示例性实施例中，所述建立风险预测模型模块，包括：获得所述时间序列数据；建立风险预测模型，所述风险预测模型为LSTM+Attention风险预测模型。在本公开的一种示例性实施例中，所述建立风险预测模型模块，包括：生成不同风险类型用户的概率；计算现有用户逾期的第一概率、计算现有用户可能是中介的第二概率、计算现有用户可能是伪冒用户的第三概率。在本公开的一种示例性实施例中，所述建立风险预测模型模块包括：分别获取现有用户的第一概率、第二概率、第三概率的阈值。在本公开的一种示例性实施例中，所述第二获得模块，包括：获取当前用户的授信申请；确认所述当前用户的授信申请到达的时间点；生成所述时间点为最后时间点的当前用户时间序列数据。在本公开的一种示例性实施例中，所述风险识别模块，包括：将所述当前用户时间序列数据输入所述风险预测模型；计算所述当前用户的第一概率、第二概率、第三概率；通过判断所述当前用户的第一概率、第二概率、第三概率是否对应属于所述现有用户的第一概率、第二概率、第三概率的阈值范围以识别当前用户的风险；所述当前用户的第一概率或第二概率或第三概率对应属于所述现有用户的第一概率或第二概率或第三概率的阈值范围；拒绝当前用户授信申请。在本公开的一种示例性实施例中，所述人工核实模块，包括：将被拒绝授信申请的当前用户的用户信息发送至人工；迭代更新所述LSTM+Attention风险预测模型。第三方面，本专利技术说明书提供一种服务器，包括处理器和存储器：所述存储器用于存储执行上述任一项所述方法的程序；所述处理器被配置为用于执行所述存储器中存储的程序。第四方面，本专利技术说明书实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述方法的步骤。本专利技术利用公司数据库存储的大量用户信息，构建用户APP操作的时间序列数据，依此建立LSTM+Attention风险预测模型，预测用户出现逾期、伪冒和中介的可能性。对于不同的模型预测结果实施不同的应对策略，既能更加精确地识别用户风险，又利用人工辅助去探索发现更多的未知风险，并反哺模型，提高预测的精准度。附图说明为了使本专利技术所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本专利技术的具体实施例。但需声明的是，下面描述的附图仅仅是本专利技术本专利技术示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。图1是根据一示例性实施例示出的一种基于用户行为和神经网络的风险控制的流程图。图2是根据另一示例性实施例示出的一种基于用户行为和神经网络的风险控制装置的框图。图3为本说明书实施例提供的一种电子设备的结构示意图；图4为本说明书实施例提供的一种计算机可读介质的原理示意图。具体实施方式现在将参考附图更全面地描述本专利技术的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本专利技术仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本专利技术更加全面和完整，更加便于将专利技术构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。在符合本本文档来自技高网...

【技术保护点】
1.基于用户行为和神经网络的风险控制方法，包括：利用现有用户数据提取形成用户应用操作的时间序列数据；基于所述时间序列数据建立风险预测模型；获取当前用户操作行为信息；使用所述风险预测模型对所述当前用户进行风险分类及概率识别；对识别为风险的用户进行人工核实。

【技术特征摘要】
1.基于用户行为和神经网络的风险控制方法，包括：利用现有用户数据提取形成用户应用操作的时间序列数据；基于所述时间序列数据建立风险预测模型；获取当前用户操作行为信息；使用所述风险预测模型对所述当前用户进行风险分类及概率识别；对识别为风险的用户进行人工核实。2.根据权利要求1所述的基于用户行为和神经网络的风险控制方法，包括：提取现有用户数据；基于所述现有用户数据，形成用户应用操作的时间序列数据。3.根据权利要求1至2任一项所述的基于用户行为和神经网络的风险控制方法，包括：获得所述时间序列数据；建立风险预测模型，所述风险预测模型为LSTM+Attention风险预测模型。4.根据权利要求1至3任一项所述的基于用户行为和神经网络的风险控制方法，包括：所述建立LSTM+Attention风险预测模型，包括：生成不同风险类型用户的概率；计算现有用户逾期的第一概率、计算现有用户可能是中介的第二概率、计算现有用户可能是伪冒用户的第三概率。5.根据权利要求1至4任一项所述的基于用户行为和神经网络的风险控制方法，包括：分别获取现有用户的第一概率、第二概率、第三概率的阈值。6.根据权利要求1至5任一项所述的基于用户行为和神经网络的风...

【专利技术属性】
技术研发人员：陈佳瑶，胡晓悦，张婧雯，张亚莉，
申请(专利权)人：上海淇馥信息技术有限公司，
类型：发明
国别省市：上海,31