一种基于过采样改进svdd的银行客户交易行为异常识别方法技术

一种基于过采样改进svdd的银行客户交易行为异常识别方法，涉及银行风控数据处理技术领域，步骤：S1，对原始数据进行一致性检查；S2，设置一个数值p，使用smote过采样算法将数据中有异常行为的数据扩充p倍；S3，对扩充p倍后的有异常行为的数据建立svdd模型，计算svdd模型的球心a和半径R；S4，计算不知是否异常行为的数据到svdd模型球心a的距离,将该距离小于svdd模型半径R的交易行为判断为异常行为，否则判断为无异常行为。改善银行客户交易行为中现有异常识别算法的不足，从而识别出异常的银行客户交易行为。最后，将识别出来的异常交易行为报告到验证模块做进一步的安全验证来达到更好防范银行交易风险的目的。

A method of abnormal transaction behavior identification of bank customers based on over sampling and improved SVDD

【技术实现步骤摘要】
一种基于过采样改进svdd的银行客户交易行为异常识别方法
本专利技术涉及银行风控数据处理
，具体涉及银行风控中关于客户交易行为异常识别的数据分析方法改进方面。
技术介绍
风控是银行业最重要的环节之一，对客户交易行为的异常识别可以有效提高银行的风控能力和水平。一般客户异常行为识别方法通常是构建有监督的分类模型来进行分析，有异常的是一类，没有异常的是另一类。这种方法有一个明显的缺陷：对于一个客户的交易行为，例如银行客户的信用卡被盗刷，那可以确定这时的交易行为是异常的，但没有异常的交易行为只能视作暂时没有出现异常，以后也可能会出现异常。所以有监督的模型在这种情况下并不适用，因为没有异常的这一类数据并不完全准确。这种情况下，我们可以使用半监督模型svdd来识别异常交易行为。半监督模型svdd需要在有标签这类数据量较大的情况下才能更精确。在银行的客户交易行为异常识别中，有标签的数据指确定有风险的数据，例如信用卡被盗刷的交易，这类数据占比往往很少。
技术实现思路
本专利技术的目的是改善银行客户交易行为中现有异常识别本文档来自技高网...

【技术保护点】
1.一种基于过采样改进svdd的银行客户交易行为异常识别方法，其特征在于：包括以下步骤：/nS1，给定银行客户交易行为的原始数据，对原始数据进行一致性检查，清除无效数据和重复数据，填补缺失值，并将类别变量转化为数值型变量，根据原始数据中记录的结果，将原始数据分为有异常行为和暂时没有出现异常行为两类；将暂时没有出现异常行为这类视作不知是否有异常；/nS2，设置一个数值p，使用smote过采样算法将数据中有异常行为的数据扩充p倍；/nS3，对扩充p倍后的有异常行为的数据建立svdd模型，计算svdd模型的球心a和半径R；/nS4，计算不知是否异常行为的数据到svdd模型球心a的距离,将该距离小于s...

【技术特征摘要】
1.一种基于过采样改进svdd的银行客户交易行为异常识别方法，其特征在于：包括以下步骤：
S1，给定银行客户交易行为的原始数据，对原始数据进行一致性检查，清除无效数据和重复数据，填补缺失值，并将类别变量转化为数值型变量，根据原始数据中记录的结果，将原始数据分为有异常行为和暂时没有出现异常行为两类；将暂时没有出现异常行为这类视作不知是否有异常；
S2，设置一个数值p，使用smote过采样算法将数据中有异常行为的数据扩充p倍；
S3，对扩充p倍后的有异常行为的数据建立svdd模型，计算svdd模型的球心a和半径R；
S4，计算不知是否异常行为的数据到svdd模型球心a的距离,将该距离小于svdd模型半径R的交易行为判断为异常行为，否则判断为无异常行为。


2.根据权利要求1所述的一种基于过采样改进svdd的银行客户交易行为异常识别方法，其特征在于，所述步骤S2包括：
设有异常行为的数据集为Q，共有q个样本；
计算有异常行为的数据集Q中的每一个样本xi(i＝1,2,...q)的m近邻点，从这m个近邻点中随机选...

【专利技术属性】
技术研发人员：杨健颖，
申请(专利权)人：深圳索信达数据技术有限公司，
类型：发明
国别省市：广东;44