信贷反欺诈识别方法、装置、计算机设备及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种信贷反欺诈识别方法、装置、计算机设备以及存储介质。所述方法包括：根据金融机构的用户贷款申请数据构建信用知识图谱；根据所述信用知识图谱识别可疑团伙欺诈团体；抽取所述信用知识图谱中的所有用户节点以得到用户知识图谱，并根据所述用户知识图谱识别可疑欺诈节点，从而能够准确识别现有金融贷款申请中的团体欺诈风险以及个人欺诈风险，极大地降低了金融机构的损失。

Credit anti fraud identification method, device, computer equipment and computer-readable storage medium

【技术实现步骤摘要】
信贷反欺诈识别方法、装置、计算机设备及计算机可读存储介质
本专利技术涉及知识图谱
，尤其涉及一种信贷反欺诈识别方法、装置、计算机设备及计算机可读存储介质。
技术介绍
银行与金融机构每年因为信用欺诈而损失的数十亿人民币,传统反欺诈技术在识别和降低损失方面起到了非常重要的作用。但是,越来越多的欺诈者专利技术了多种多样的欺诈方法来避免被传统方法所识别。其中，主要的方法为团伙欺诈和通过各种方法构建虚假身份。传统反欺诈技术通过单一的数据点的特征来进行反欺诈的方式，其对目前的新型诈骗方式的识别率较低。
技术实现思路
本专利技术实施例提供了一种信贷反欺诈识别方法、装置、计算机设备及计算机可读存储介质，旨在解决现有技术对金融申请诈骗识别率低的问题。第一方面，本专利技术实施例提供了一种信贷反欺诈识别方法，其包括：根据金融机构的用户贷款申请数据构建信用知识图谱；根据所述信用知识图谱识别可疑团伙欺诈团体；抽取所述信用知识图谱中的所有用户节点以得到用户知识图谱，并根据所述用户知识图谱识别可疑欺诈节点。其进一步的技术方案为，所述根据金融机构的用户贷款申请数据构建信用知识图谱，包括：对金融机构的用户贷款申请数据进行实体的抽取，所述实体包括用户实体、地址实体、手机号码实体、身份证号实体、银行卡号实体以及金融机构实体；赋予所述用户实体相应的属性，所述属性包括:年龄、性别、身份证归属地、互金查询次数、是否疑似团伙欺诈、近一个月金融申请次数、近三个月金融申请次数以及近六个月金融申请次数；根据用户贷款申请数据之间的关系，建立节点之间的关联关系以得到所述信用知识图谱，其中，所述用户贷款申请数据之间的关系包括用户与地址的关系、用户与手机号码的关系、用户与身份证号的关系、用户与银行卡号的关系以及用户与金融机构的关系，每一节点对应一实体。其进一步的技术方案为，所述根据所述信用知识图谱识别可疑团伙欺诈团体，包括：获取所述信用知识图谱中的特征路径，所述特征路径的起始节点为用户节点，所述特征路径的终点节点为金融机构节点；获取经过相同的申请信息节点的特征路径作为目标特征路径，并根据目标特征路径中的节点建立子图，所述申请信息节点包括手机节点、身份证节点以及地址节点；判断所述子图中节点的数量是否大于预设的数量阈值；若所述子图中节点的数量大于预设的数量阈值，判定所述子图中包含可疑团伙欺诈团体。其进一步的技术方案为，所述根据所述信用知识图谱识别可疑团伙欺诈团体，包括：获取所述信用知识图谱的各节点的节点向量；获取节点向量的距离小于预设阈值的节点作为目标节点，并根据所述目标节点建立子图；判断所述子图中节点的数量是否大于预设的数量阈值；若所述子图中节点的数量大于预设的数量阈值，判定所述子图中包含可疑团伙欺诈团体。其进一步的技术方案为，所述获取所述信用知识图谱的各节点的节点向量，包括：通过预设的TransD模型计算所述信用知识图谱的节点向量。其进一步的技术方案为，所述根据所述用户知识图谱识别可疑欺诈节点，包括：根据预设的欺诈个体名单对所述用户知识图谱中的欺诈个体节点分配标签，并为所述用户知识图谱中的欺诈个体节点以外的用户节点随机分配不同的标签；获取所述用户知识图谱的用户节点的相邻用户节点，并根据该用户节点的相邻用户节点的标签确定该用户节点的标签；判断所述用户知识图谱的用户节点的标签是否发生变化；若所述用户知识图谱的用户节点的标签发生变化，返回所述获取所述用户知识图谱的用户节点的相邻用户节点，并根据该用户节点的相邻用户节点的标签确定该用户节点的标签的步骤；若所述用户知识图谱的用户节点的标签未发生变化，将与欺诈个体节点具有相同标签的用户节点标记为可疑欺诈节点。其进一步的技术方案为，所述根据该用户节点的相邻用户节点的标签确定该用户节点的标签，包括：根据用户节点与其相邻用户节点之间的归属因子来确定该用户节点的标签，所述归属因子根据用户节点与其相邻用户节点之间关系的数量以及用户节点与其相邻用户节点之间属性的相似度来确定。第二方面，本专利技术实施例还提供了一种信贷反欺诈识别装置，其包括用于执行上述方法的单元。第三方面，本专利技术实施例还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现上述方法。通过应用本专利技术实施例的技术方案，根据金融机构的用户贷款申请数据构建信用知识图谱；根据所述信用知识图谱识别可疑团伙欺诈团体；抽取所述信用知识图谱中的所有用户节点以得到用户知识图谱，并根据所述用户知识图谱识别可疑欺诈节点，从而能够准确识别现有金融贷款申请中的团体欺诈风险以及个人欺诈风险，极大地降低了金融机构的损失。附图说明为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种信贷反欺诈识别方法的流程示意图；图2为本专利技术实施例提供的一种计算机设备的示意性框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。请参阅图1，图1是本专利技术实施例提供的信贷反欺诈识别方法的流程示意图。如图所示，该方本文档来自技高网...

【技术保护点】
1.一种信贷反欺诈识别方法，其特征在于，包括：/n根据金融机构的用户贷款申请数据构建信用知识图谱；/n根据所述信用知识图谱识别可疑团伙欺诈团体；/n抽取所述信用知识图谱中的所有用户节点以得到用户知识图谱，并根据所述用户知识图谱识别可疑欺诈节点。/n

【技术特征摘要】
1.一种信贷反欺诈识别方法，其特征在于，包括：
根据金融机构的用户贷款申请数据构建信用知识图谱；
根据所述信用知识图谱识别可疑团伙欺诈团体；
抽取所述信用知识图谱中的所有用户节点以得到用户知识图谱，并根据所述用户知识图谱识别可疑欺诈节点。


2.根据权利要求1所述的信贷反欺诈识别方法，其特征在于，所述根据金融机构的用户贷款申请数据构建信用知识图谱，包括：
对金融机构的用户贷款申请数据进行实体的抽取，所述实体包括用户实体、地址实体、手机号码实体、身份证号实体、银行卡号实体以及金融机构实体；
赋予所述用户实体相应的属性，所述属性包括:年龄、性别、身份证归属地、互金查询次数、是否疑似团伙欺诈、近一个月金融申请次数、近三个月金融申请次数以及近六个月金融申请次数；
根据用户贷款申请数据之间的关系，建立节点之间的关联关系以得到所述信用知识图谱，其中，所述用户贷款申请数据之间的关系包括用户与地址的关系、用户与手机号码的关系、用户与身份证号的关系、用户与银行卡号的关系以及用户与金融机构的关系，每一节点对应一实体。


3.根据权利要求1所述的信贷反欺诈识别方法，其特征在于，所述根据所述信用知识图谱识别可疑团伙欺诈团体，包括：
获取所述信用知识图谱中的特征路径，所述特征路径的起始节点为用户节点，所述特征路径的终点节点为金融机构节点；
获取经过相同的申请信息节点的特征路径作为目标特征路径，并根据目标特征路径中的节点建立子图，所述申请信息节点包括手机节点、身份证节点以及地址节点；
判断所述子图中节点的数量是否大于预设的数量阈值；
若所述子图中节点的数量大于预设的数量阈值，判定所述子图中包含可疑团伙欺诈团体。


4.根据权利要求1所述的信贷反欺诈识别方法，其特征在于，所述根据所述信用知识图谱识别可疑团伙欺诈团体，包括：
获取所述信用知识图谱的各节点的节点向量；
获取节点向量的距离小于预设阈值的节点作为目标节点，并根据所述目标节点建立子图；
判断所述子图中节点的数量是否大于预设的数量阈值...

【专利技术属性】
技术研发人员：刘新宇，江汉，赵寒枫，严博宇，黄鸿康，
申请(专利权)人：深圳市新国都金服技术有限公司，
类型：发明
国别省市：广东;44