一种融合事前预测和事中检测的网络交易反欺诈方法技术

本发明专利技术公开了一种融合事前预测和事中检测的网络交易反欺诈方法，涉及网络交易反欺诈技术领，解决了传统网络交易欺诈检测只能在交易发生时才能检测，缺乏前瞻性，其技术方案要点是保留近期交易记录并更新交易记录；对最新完成的交易记录进行处理并通过事前风险预测模型进行预测输出风险值，锁定风险值高于设定风险阈值的账户；未被锁定的账户正在进行新的交易时，事中检测模型进行检测并输出检测标签；对输入的交易记录进行判断，若为欺诈交易则终止交易并锁定账户；反之允许当前交易完成，本发明专利技术的一种融合事前预测和事中检测的网络交易反欺诈方法，融合事前预测和事中检测，增加了对账户风险的提前预测，对阻止欺诈交易的发生有更好的保障。

An anti fraud method of network transaction based on pre prediction and in process detection

The invention discloses a network transaction anti fraud method integrating pre prediction and in-process detection, which relates to the technology of network transaction anti fraud, solves the problem that traditional network transaction fraud detection can only be detected when the transaction occurs, and lacks foresight. The key point of the technical solution is to keep the recent transaction record and update the transaction record; process the latest completed transaction record and pass the The pre event risk prediction model predicts and outputs the risk value, and locks the account whose risk value is higher than the set risk threshold; when the unlocked account is in the process of new transaction, the in event detection model detects and outputs the detection label; judges the input transaction record, and terminates the transaction and locks the account in case of fraudulent transaction; otherwise, allows the current transaction to be completed This paper introduces an anti fraud method of network transaction, which combines the prediction in advance and the detection in the event. It increases the prediction of account risk in advance and has a better guarantee to prevent the occurrence of fraudulent transaction.

【技术实现步骤摘要】
一种融合事前预测和事中检测的网络交易反欺诈方法
本专利技术涉及网络交易反欺诈
，特别涉及一种融合事前预测和事中检测的网络交易反欺诈方法。
技术介绍
随着移动互联网的兴起，网络交易得到了快速的发展。虽然网络交易给人们的日常生活带来了极大的便利，但同时也面临着诸多挑战。欺诈交易就是网络交易面临的重要挑战之一，欺诈者利用非法手段窃取电子账户，并试图通过在第三方购物平台购买一些商品来快速转移资金。欺诈交易每年给金融平台和平台用户造成巨大了的经济损失。因此，金融平台急需建立一个有效的欺诈交易检测系统，阻止欺诈交易的发生。目前传统的网络交易欺诈检测系统都是基于事中检测的方法。事中检测的方法是指当交易正在发生的时候，对交易进行检测，如果系统判定当前正在发生的交易是欺诈交易，系统就会立即终止当前发生的交易。基于事中的检测方法具有很强的时效性，但是它只能在交易发生时才能进行检测，缺乏前瞻性。
技术实现思路
本专利技术的目的是提供一种融合事前预测和事中检测的网络交易反欺诈方法，从事前和事中两个时间维度进行风险预测和欺诈检测，既能在交易还没发生时就对账户的欺诈风险进行预测，防止欺诈交易的发生，又能在交易正在发生时对交易进行检测，有效减少欺诈交易的发生。本专利技术的上述技术目的是通过以下技术方案得以实现的：一种融合事前预测和事中检测的网络交易反欺诈方法，其特征是，包括有以下步骤：根据交易完成的序列保留近期设定数量的交易记录并于每笔交易完成后更新交易记录；对最新完成的交易记录进行处理并通过事前风险预测模型进行预测，对应输出风险值，锁定风险值高于设定风险阈值的账户；未被事前预测锁定的账户当前正在进行新的交易时，交易记录输入至事中检测模型进行检测并输出检测标签；对输入的交易记录进行判断，若为欺诈交易则终止交易并锁定账户；反之允许当前交易完成。作为优选，事前风险预测和事中检测的具体步骤如下：每个账户保留一个近期交易序列的序列窗口，并且在当前账户每完成一笔交易时更新序列窗口内的交易记录；对序列窗口内的交易记录进行预处理，完成特征选取及特征融合；将融合后的特征输入事前风险预测模型进行风险预测，并输出对应的风险值；设定风险阈值，并且在事前风险预测模型输出的风险值高于设定的风险阈值时，判断为高风险欺诈，并且锁定当前账户同时禁止后续交易；若输出的风险值低于设定的风险阈值，则允许当前账户进行后续交易；当前账户未被锁定时，将正在进行的交易记录输入至事中检测模型中进行检测并且输出对应的检测标签；对输出的检测标签进行判断，判断为欺诈交易时终止正在进行的交易并锁定当前账户；反之允许当前交易完成。作为优选，对交易记录进行处理的具体步骤包括有：对交易数据进行类型转换及空值填充预处理，将非数值型特征转化成数值型特征，并且将处理后获得的交易记录和数据标签通过随机森林进行重要性排序，并按照重要性从高到低分别选择和剔除原始特征；对用户的历史交易记录按照时间顺序进行排序，设定一个固定大小的滑动窗口在历史交易序列上进行滑动，每滑动一次生成一个窗口样本，完成滑动采样；对每个窗口样本内的多条交易记录进行特征融合，使每个窗口内的交易记录融合成一个样本记录。作为优选，所述特征融合包括有对交易行为特征的融合及账户信息特征的融合；所述交易行为特征根据用户在不同交易中的不同表征可分为离散型特征和连续型特征。作为优选，账户每完成一笔交易时更新交易记录的步骤具体为：按照交易时间进行排序，并且舍弃窗口内距离当前交易时间最久的交易记录，并将当前完成的交易记录加入到该账户的序列窗口中。作为优选，所述事前风险预测模型及事中检测模型的学习训练具体如下：对交易数据进行类型转换及空值填充预处理，并根据重要性进行特征选择；对用户的历史交易记录按照时间顺序排序并进行窗口滑动采样；对每个窗口样本内的多条交易记录进行特征融合，使每个窗口内的交易记录融合成一个样本记录；当所有窗口数据融均完成特征融合后，对样本记录进行欠采样，保留所有的欺诈样本且选取部分正常样本，并将选取的欺诈样本和正常样本输入至XGBoost分类器中训练生成事前风险预测模型及事中检测模型。综上所述，本专利技术具有以下有益效果：通过融合事前预测和事中检测的系统，克服现有反欺诈技术的不足，增加了对账户风险的提前预测，既能提前预测欺诈交易的发生，又能对正在进行的交易进行实时检测，对阻止欺诈交易的发生和保护用户与金融平台的资金安全有更好的保障。附图说明图1为本专利技术的结构图；图2为本专利技术的流程图。具体实施方式以下结合附图对本专利技术作进一步详细说明。本实施例公开的一种融合事前预测和事中检测的网络交易反欺诈方法，如图1及图2所示，包括有以下步骤：根据交易完成的序列保留近期设定数量的交易记录并于每笔交易完成后更新交易记录；对最新完成的交易记录进行处理并通过基于机器学习的事前风险预测模型进行预测，对应输出风险值，锁定风险值高于设定风险阈值的账户；未被事前预测锁定的账户当前正在进行新的交易时，交易记录输入至基于机器学习的事中检测模型进行检测并输出检测标签；对输入的交易记录进行判断，若为欺诈交易则终止交易并锁定账户；反之允许当前交易完成。事前风险预测及事中检测的具体步骤如下：每个账户保留一个近期交易序列的序列窗口，并且在当前账户每完成一笔交易时更新序列窗口内的交易记录；具体的更新方法为：按照交易时间进行排序，并且舍弃窗口内距离当前交易时间最久的交易记录，并将当前完成的交易记录加入到该账户的序列窗口中。对序列窗口内的交易记录进行预处理，完成特征选取及特征融合；具体的：对交易数据进行类型转换及空值填充预处理，将非数值型特征转化成数值型特征，并且将处理后获得的交易记录和数据标签通过随机森林进行重要性排序，并按照重要性从高到低分别选择和剔除原始特征；对用户的历史交易记录按照时间顺序进行排序，设定一个固定大小的滑动窗口在历史交易序列上进行滑动，每滑动一次生成一个窗口样本，完成滑动采样；对每个窗口样本内的多条交易记录进行特征融合，使每个窗口内的交易记录融合成一个样本记录，特征融合包括有对交易行为特征的融合及账户信息特征的融合；交易行为特征根据用户在不同交易中的不同表征又可分为离散型特征和连续型特征。将融合后的特征输入基于机器学习的事前风险预测模型进行风险预测，并输出对应的风险值；设定风险阈值，并且在事前风险预测模型输出的风险值高于设定的风险阈值时，判断为高风险欺诈，并且锁定当前账户同时禁止后续交易；若输出的风险值低于设定的风险阈值，则允许当前账户进行后续交易；当前账户未被锁定时，将正在进行的交易记录输入至事中检测模型中进行检测并且输出对应的检测标签；对输出的检测标签进行判断，判断为欺诈交易时终止正在进行的交易并锁定当前账户；反之允本文档来自技高网...

【技术保护点】
1.一种融合事前预测和事中检测的网络交易反欺诈方法，其特征是，包括有以下步骤：/n根据交易完成的序列保留近期设定数量的交易记录并于每笔交易完成后更新交易记录；/n对最新完成的交易记录进行处理并通过事前风险预测模型进行预测，对应输出风险值，锁定风险值高于设定风险阈值的账户；/n未被事前预测锁定的账户当前正在进行新的交易时，交易记录输入至事中检测模型进行检测并输出检测标签；/n对输入的交易记录进行判断，若为欺诈交易则终止交易并锁定账户；反之允许当前交易完成。/n

【技术特征摘要】
1.一种融合事前预测和事中检测的网络交易反欺诈方法，其特征是，包括有以下步骤：
根据交易完成的序列保留近期设定数量的交易记录并于每笔交易完成后更新交易记录；
对最新完成的交易记录进行处理并通过事前风险预测模型进行预测，对应输出风险值，锁定风险值高于设定风险阈值的账户；
未被事前预测锁定的账户当前正在进行新的交易时，交易记录输入至事中检测模型进行检测并输出检测标签；
对输入的交易记录进行判断，若为欺诈交易则终止交易并锁定账户；反之允许当前交易完成。


2.根据权利要求1所述的融合事前预测和事中检测的网络交易反欺诈方法，其特征是，事前风险预测和事中检测的具体步骤如下：
每个账户保留一个近期交易序列的序列窗口，并且在当前账户每完成一笔交易时更新序列窗口内的交易记录；
对序列窗口内的交易记录进行预处理，完成特征选取及特征融合；
将融合后的特征输入事前风险预测模型进行风险预测，并输出对应的风险值；
设定风险阈值，在事前风险预测模型输出的风险值高于设定的风险阈值时，判断为高风险欺诈，并且锁定当前账户同时禁止后续交易；若输出的风险值低于设定的风险阈值，则允许当前账户进行后续交易；
当前账户未被锁定时，将正在进行的交易记录输入至事中检测模型中进行检测并且输出对应的检测标签；
对输出的检测标签进行判断，判断为欺诈交易时终止正在进行的交易并锁定当前账户；反之允许当前交易完成。


3.根据权利要求2所述的融合事前预测和事中检测的网络交易反欺诈方法，其特征是，对交易记录进行处理的具体步骤包括有：
对交易数据进行类型转换及空值填充预处理，将非数值型特征转化...

【专利技术属性】
技术研发人员：王成，舒鹏飞，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31