一种基于运营商数据的反欺诈指数生成方法技术

本发明专利技术提供了一种基于运营商数据的反欺诈指数生成方法，包括获取客户还款行为，根据预设的欺诈判断规则，定义客户的欺诈行为；根据所述欺诈行为，提取客户的运营商数据，并确定客户的行为数据；将所述客户的行为数据进行处理，并提取数据特征；根据所述数据特征，搭建欺诈指数模型；根据所述欺诈指数模型，对客户的欺诈行为进行线上预测，并确定反欺诈指数。本发明专利技术的有益效果在于：形成全方位、立体化、多维度的判断和识别机制，提高反欺诈命中率，更贴近真实的电子银行市场交易场景。提高暴露风险筛选的准精度和准度，并使运维人员能够从大量信息中准确提取有价值的风险信息，便于管理人员进行决策和维护。

An anti fraud index generation method based on operator data

【技术实现步骤摘要】
一种基于运营商数据的反欺诈指数生成方法
本专利技术涉及信贷
，特别涉及一种基于运营商数据的反欺诈指数生成方法。
技术介绍
目前，随着社会的发展，国家信贷市场规模急剧扩大，银行的发展前景也在不断变化。与此同时，防止个人信用欺诈和降低不良信用率已成为商业银行的重要研究课题。尽管国内信贷市场的规模已大大增加，但相应服务的质量并未显着改善，特别是商业银行面临各种问题，例如贷款逾期和不良贷款等，给商业银行造成了重大损失。商业银行面临的最常见欺诈风险是逾期风险。相关主要风险有信贷风险、运营风险、流动性风险和市场风险。信用风险是信用合作伙伴固有的风险，也是银行面临的最大风险。操作风险主要是指由于内部银行系统故障或外部事件而造成的损失风险。操作风险并不常发生，但是一旦出现可能带来毁灭性打击。流动性风险意味着尽管商业银行有偿付能力，但仍可能无法及时提供充足的资金或不能以合理的成本及时筹集足够的资金来应对资产增长和偿还债务的风险。银行通常会采取一系列措施来避免融资风险，例如银行通常具有专门的风控人员，负责管理从总部到分支机构的各种风险管理。可以对贷款本文档来自技高网...

【技术保护点】
1.一种基于运营商数据的反欺诈指数生成方法，其特征在于，包括：/n获取客户还款行为，根据预设的欺诈判断规则，定义客户的欺诈行为；/n根据所述欺诈行为，提取客户的运营商数据，并确定客户的行为数据；/n将所述客户的行为数据进行处理，并提取数据特征；/n根据所述数据特征，搭建欺诈指数模型；/n根据所述欺诈指数模型，对客户的欺诈行为进行线上预测，并确定反欺诈指数。/n

【技术特征摘要】
1.一种基于运营商数据的反欺诈指数生成方法，其特征在于，包括：
获取客户还款行为，根据预设的欺诈判断规则，定义客户的欺诈行为；
根据所述欺诈行为，提取客户的运营商数据，并确定客户的行为数据；
将所述客户的行为数据进行处理，并提取数据特征；
根据所述数据特征，搭建欺诈指数模型；
根据所述欺诈指数模型，对客户的欺诈行为进行线上预测，并确定反欺诈指数。


2.根据权利要求1所述的一种基于运营商数据的反欺诈指数生成方法，其特征在于，所述方法还包括：
获取反欺诈指数生成任务，确定任务信息；
将所述任务信息通过预设的规则策略进行处理，确定预测结果；其中，所述规则策略包括：进件规则、反欺诈规则、严拒规则、客群判定、可变规则和评分规则。


3.根据权利要求1所述的一种基于运营商数据的反欺诈指数生成方法，其特征在于，所述获取客户还款行为，根据预设的欺诈规则，定义客户的欺诈行为，包括：
获取放贷机构的业务行为；
根据所述业务行为，设置欺诈判断规则；其中，
所述欺诈判断规则包括：还款行为结果规则、人工干预结果规则和权威机构判断结果规则；
获取客户的还款行为，判断所述还款行为是否符合欺诈规则；
当所述还款行为符合欺诈规则时，设置所述客户的还款行为的欺诈标签；
根据所述欺诈标签，定义所述客户的业务行为是欺诈行为。


4.根据权利要求1所述的一种基于运营商数据的反欺诈指数生成方法，其特征在于，所述根据所述欺诈行为，提取客户的运营商数据，并确定客户的行为数据，包括：
根据所述欺诈行为，获取客户信息；
根据所述客户信息，通过运营商网络获取客户的运营商数据；
根据所述运营商数据，确定客户的贷款申请行为：其中，
所述贷款申请行为包括本地贷款申请和渠道贷款申请行为；
根据所述本地贷款申请和渠道贷款申请行为，获取客户的贷款申请单；
根据所述贷款申请单，确定所述客户的个人申请行为和交易信息；其中，
所述交易信息包括贷款申请数据和历史交易数据；
根据所述客户的个人申请行为和交易信息，确定客户的行为数据。


5.根据权利要求1所述的一种基于运营商数据的反欺诈指数生成方法，其特征在于，所述将所述客户的行为数据进行处理，并提取数据特征，包括：
获取所述行为数据，确定数据变量；
根据所述数据变量，确定所述行为数据中的异常数据；
所述异常数据包括缺失值占比大数据、数值异常数据、长度异常数据、关联异常数据、脱敏异常数据和时效性异常数据；
将所述行为数据中的异常数据通过增删或替换处理，得到处理数据；
根据所述处理数据，确定数据特征；其中，
所述数据特征包括网络特征和非网络特征。


6.根据权利要求1所述的一种基于运营商数据的反欺诈指数生成方法，其特征在于，所述将所述客户的行为数据进行处理，并提取数据特征，还包括：
步骤1：基于所述行为数据，确定数据类型A、类型权重ξ和数据类型数m，通过聚类处理，确定数据变量的变量合集s：



其中，所述si表示第i类的行为数据的数据变量；所述Ai表示第i类的行为数据；所述ξi表示第i类的行为数据的权重；
步骤2：根据所述变量集合...

【专利技术属性】
技术研发人员：陈建，龙泳先，何侃，廖博帆，程金旭，
申请(专利权)人：北京睿知图远科技有限公司，
类型：发明
国别省市：北京;11