业务欺诈行为的确定方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种业务欺诈行为的确定方法、装置、设备及介质。该方法包括：确定业务行为的特征指标，并获取预设周期内的业务行为数据；根据业务行为数据确定特征指标的数值；对特征指标的数值进行聚类分析，得到聚类结果，其中，聚类结果包括多个集群，将集群中特征指标的数值密度大于第一预设阈值的集群作为具有相似的业务行为；选择与具有相似的业务行为的特征指标的数值存在差异的业务行为；将选择的业务行为作为欺诈行为。根据发明专利技术实施例，能够确定业务欺诈行为，如代理商的业务欺诈行为。

【技术实现步骤摘要】
业务欺诈行为的确定方法、装置、设备及介质
本专利技术属于通信
，尤其涉及一种业务欺诈行为的确定方法、装置、设备及介质。
技术介绍
随着移动互联网的发展，电信移动市场很多增值业务的开展，并不是电信运营商独自运作，而是由很多服务提供商、内容提供商与通信运营商合作开展了很多增值业务，并从业务收入中分成获得利润，许多这种合作伙伴为了获取非法佣金而进行欺诈。近年来，随着移动对市场开拓以及业务发展的需要，加大了对合作伙伴酬金结算的种类和幅度，集中在终端销售酬金、业务受理酬金和发展酬金几个方面，而不是仅仅局限于增值业务。因此，大量通过虚假用户、重复业务办理、养卡、串号等手段套取酬金的情况发生。当前酬金的发放规则通常是随着市场需求进行针对性定制的，变化快，时效性强，在这种情况下，针对不同种类酬金的稽核，在规则制定上会经常显得滞后，无法及时满足业务需要。之前的酬金稽核更多是聚焦于酬金的计算过程，保障代理商数据通过酬金计算规则得到的结果是否正确，而对于代理商获取酬金的手段和渠道，关注的并不细致，往往是除了问题后，再根据问题的具体内容来构建保障机制通常，一种新的酬金上线，梳理的规则在初期往往是不全面的，只能发现少量欺诈行为非常明显的欺诈行为的情况，而针对大多数欺诈行为来说，需要通过人工调研，不断的完善稽核规则。在这一过程中，会显得较为困难，因为需要知道用户是如何进行欺诈的，这些欺诈行为在数据上的体现是什么样的，才能固化为稽核规则。这种情况下，规则的固化会滞后很久，了解欺诈行为需要一段时间，固化为系统实现又需要时间。另外，当花费了如此精力总结后，随着新的欺诈行为或模式出现时，老的规则不再适用，又需要重新整理规则，使得稽核工作总是跟在欺诈者后面。针对酬金欺诈的分析，目前主要有以下两种手段：1、通过对地区、代理商的酬金获取情况和构成进行波动性分析，发现异常波动，进行粗粒度的预警，然后人工干预进行追加分析。也可以引入一些波动性分析算法，例如拟合算法，通过历史数据模拟判断酬金支出是否大于正常的业务预期。但这种方法主要有两个缺陷，一是准确性不足，二是颗粒度太粗，无法定位到底发生了什么。准确性不足的问题在于，酬金的构成或总额出现了波动，单从数据上看难以判断是否真正异常，只能提醒需要关注。即使使用了类似拟合算法进行补充，因为干扰因素较多(例如突然的促销、节假日、新品销售、开学季等等)，会给拟合模型带来参数的变化，往往会出现较大偏差。酬金额发生了波动，是因为异常行为，还是因为其他原因，在波动性分析上体现不出来，必须辅助其他措施。而对于定位异常，仅依赖上述数据是无法重现欺诈行为的，因此也不可能进行定位异常。2、通过对欺诈行为的分析和数据模型的构建，通过固化的稽核规则来对代理商的每一笔酬金业务合规性进行判断，对于违反预设规则的，则判别为欺诈行为。但这种方法又以下缺陷：1)规则错误或是规则不正确都会导致稽核结果的错误；2)灵活性不够，每次酬金规则的变化，都需要对稽核规则或数据进行重新的梳理和开发；3)只能对已知的欺诈行为进行稽核，未知的欺诈行为，无法制定稽核规则，也无法展开相应的稽核。
技术实现思路
为了解决上述中的至少一个技术问题，本专利技术实施例提供一种业务欺诈行为的识别方法、装置、设备及介质，能够确定业务欺诈行为，如代理商的业务欺诈行为。第一方面，本专利技术实施例提供一种业务欺诈行为的确定方法，所述方法包括：确定业务行为的特征指标，并获取预设周期内的业务行为数据；根据所述业务行为数据确定所述特征指标的数值；对所述特征指标的数值进行聚类分析，得到聚类结果，其中，所述聚类结果包括多个集群，将所述集群中特征指标的数值密度大于第一预设阈值的集群作为具有相似的业务行为；选择与所述具有相似的业务行为的特征指标的数值存在差异的业务行为；将选择的业务行为作为欺诈行为。根据本专利技术实施例的业务欺诈行为的确定方法，所述方法还包括：分析所述欺诈行为对应的特征指标的数值，确定所述欺诈行为所属类型。根据本专利技术实施例的业务欺诈行为的确定方法，所述分析所述欺诈行为对应的特征指标的数值，确定所述欺诈行为所属类型，包括：确定所述欺诈行为对应的特征指标的数值与预设标准特征指标数值的偏差距离；若所述偏差距离大于第二预设阈值，将所述欺诈行为对应的特征指标的数值与预设欺诈行为类型对应的特征指标的数值进行相似度拟合；若所述相似度拟合的结果为相似度大于第三预设阈值，所述欺诈行为所属类型为所述预设欺诈行为类型。根据本专利技术实施例的业务欺诈行为的确定方法，所述对所述特征指标的数值进行聚类分析，包括：利用Kohonen神经网络将所述所有特征指标的数值进行聚类分析。根据本专利技术实施例的业务欺诈行为的确定方法，所述方法还包括：根据夹角余弦公式确定所述所有特征指标的数值与预设权值之间的距离；将所述距离中的最小值对应的特征指标的数值作为竞争获胜神经元；根据所述竞争获胜神经元调整所述预设权值。根据本专利技术实施例的业务欺诈行为的确定方法，所述方法还包括：根据调整后的所述预设权值重新确定所述距离，并根据所述距离重新确定竞争获胜神经元；根据重新确定的竞争获胜神经元再次调整权值；重复上述步骤，直至所述Kohonen神经网络进入稳定状态。根据本专利技术实施例的业务欺诈行为的确定方法，所述夹角余弦公式为：其中，cos(x,wjn)为特征指标的数值与预设权值之间的距离，xn为特征指标的数值，wjn为预设权值，n和j均为正整数。根据本专利技术实施例的业务欺诈行为的确定方法，所述特征指标包括下列中的一项或多项：用户量、平均用户办理业务量、酬金总额、平均用户酬金、酬金业务占比、平均用户贡献、业务占比。根据本专利技术实施例的业务欺诈行为的确定方法，所述获取预设周期内的业务行为数据，包括：从预设业务受理数据库中获取预设周期内的业务行为数据。根据本专利技术实施例的业务欺诈行为的确定方法，所述欺诈行为所属类型包括下列中的一项或多项：通过反复办理业务进行欺诈、通过密码变更业务进行欺诈。第二方面，本专利技术实施例提供一种业务欺诈行为的确定装置，所述装置包括：数据获取模块，用于确定业务行为的特征指标，并获取预设周期内的业务行为数据；数值确定模块，用于根据所述业务行为数据确定所述特征指标的数值；聚类模块，用于对所述特征指标的数值进行聚类分析，得到聚类结果，其中，所述聚类结果包括多个集群，将所述集群中特征指标的数值密度大于第一预设阈值的集群作为具有相似的业务行为；选择模块，用于选择与所述具有相似的业务行为的特征指标的数值存在差异的业务行为；识别模块，用于将选择的业务行为作为欺诈行为。第三方面，本专利技术实施例提供一种业务欺诈行为的确定设备，所述设备包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程本文档来自技高网...

【技术保护点】
1.一种业务欺诈行为的确定方法，所述方法包括：/n确定业务行为的特征指标，并获取预设周期内的业务行为数据；/n根据所述业务行为数据确定所述特征指标的数值；/n对所述特征指标的数值进行聚类分析，得到聚类结果，其中，所述聚类结果包括多个集群，将所述集群中特征指标的数值密度大于第一预设阈值的集群作为具有相似的业务行为；/n选择与所述具有相似的业务行为的特征指标的数值存在差异的业务行为；/n将选择的业务行为作为欺诈行为。/n

【技术特征摘要】
1.一种业务欺诈行为的确定方法，所述方法包括：
确定业务行为的特征指标，并获取预设周期内的业务行为数据；
根据所述业务行为数据确定所述特征指标的数值；
对所述特征指标的数值进行聚类分析，得到聚类结果，其中，所述聚类结果包括多个集群，将所述集群中特征指标的数值密度大于第一预设阈值的集群作为具有相似的业务行为；
选择与所述具有相似的业务行为的特征指标的数值存在差异的业务行为；
将选择的业务行为作为欺诈行为。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
分析所述欺诈行为对应的特征指标的数值，确定所述欺诈行为所属类型。


3.根据权利要求2所述的方法，其特征在于，所述分析所述欺诈行为对应的特征指标的数值，确定所述欺诈行为所属类型，包括：
确定所述欺诈行为对应的特征指标的数值与预设标准特征指标数值的偏差距离；
若所述偏差距离大于第二预设阈值，将所述欺诈行为对应的特征指标的数值与预设欺诈行为类型对应的特征指标的数值进行相似度拟合；
若所述相似度拟合的结果为相似度大于第三预设阈值，所述欺诈行为所属类型为所述预设欺诈行为类型。


4.根据权利要求1所述的方法，其特征在于，所述对所述特征指标的数值进行聚类分析，包括：
利用Kohonen神经网络将所述所有特征指标的数值进行聚类分析。


5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
根据夹角余弦公式确定所述所有特征指标的数值与预设权值之间的距离；
将所述距离中的最小值对应的特征指标的数值作为竞争获胜神经元；
根据所述竞争获胜神经元调整所述预设权值。


6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
根据调整后的所述预设权值重新确定所述距离，并根据所述距离重新确定竞争获胜神经元；
根据重新确定的竞争获胜神经元再次调整权值；
重复上述步骤，直至所述Kohonen神经...

【专利技术属性】
技术研发人员：王海明，
申请(专利权)人：中国移动通信集团辽宁有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：辽宁;21