设备信息处理方法及装置制造方法及图纸

本发明专利技术公开了一种设备信息处理方法及装置，属于人工智能领域，其中，该方法包括：获取访问设备的设备信息，并对设备信息进行归一化处理以生成归一化设备信息，设备信息包括：设备属性信息和用户操作行为信息；将归一化设备信息输入至预先训练的反欺诈模型，以生成设备信息的风险类别，反欺诈模型基于分类算法根据设备属性信息和用户操作行为信息预测访问设备的风险类别；根据访问设备的风险类别对相应地用户操作行为进行干预处理。通过本发明专利技术，可以较好地判断设备的欺诈属性，进而可以有效地对欺诈行为进行风险防控。

【技术实现步骤摘要】
设备信息处理方法及装置
本专利技术涉及人工智能领域，具体涉及一种设备信息处理方法及装置。
技术介绍
随着互联网金融的快速发展，用户的金融行为习惯发生了巨大的变化，线上渠道金融业务得到了大力发展。科技金融的发展呈现营销获客渠道多样化、交易线上化、账户虚拟化、身份识别远程化、数据海量化及非结构化的趋势。线上渠道为客户带来了便捷，同时也为网络黑产打开了一扇大门，身份盗用、团伙欺诈、账户盗用、羊毛党等行为严重危害了业务发展。线上交易行为呈现多样性和复杂性，仅依靠账户等传统交易信息已无法全面掌握用户的操作行为，更无法提前有效地判断设备的欺诈属性，进而也无法有效地在事前对用户行为进行欺诈行为风险防控。
技术实现思路
有鉴于此，本专利技术提供一种设备信息处理方法及装置，以解决上述提及的至少一个问题。根据本专利技术的第一方面，提供一种设备信息处理方法，所述方法包括：获取访问设备的设备信息，并对所述设备信息进行归一化处理以生成归一化设备信息，所述设备信息包括：设备属性信息和用户操作行为信息；将所述归一化设备信息本文档来自技高网...

【技术保护点】
1.一种设备信息处理方法，其特征在于，所述方法包括：/n获取访问设备的设备信息，并对所述设备信息进行归一化处理以生成归一化设备信息，所述设备信息包括：设备属性信息和用户操作行为信息；/n将所述归一化设备信息输入至预先训练的反欺诈模型，以生成所述设备信息的风险类别，所述反欺诈模型基于分类算法根据所述设备属性信息和用户操作行为信息预测所述访问设备的风险类别；/n根据所述访问设备的风险类别对相应地用户操作行为进行干预处理。/n

【技术特征摘要】
1.一种设备信息处理方法，其特征在于，所述方法包括：
获取访问设备的设备信息，并对所述设备信息进行归一化处理以生成归一化设备信息，所述设备信息包括：设备属性信息和用户操作行为信息；
将所述归一化设备信息输入至预先训练的反欺诈模型，以生成所述设备信息的风险类别，所述反欺诈模型基于分类算法根据所述设备属性信息和用户操作行为信息预测所述访问设备的风险类别；
根据所述访问设备的风险类别对相应地用户操作行为进行干预处理。


2.根据权利要求1所述的方法，其特征在于，所述反欺诈模型基于KNN算法，通过如下方式训练所述反欺诈模型：
获取多个历史设备信息，并将所述多个历史设备信息划分为训练数据集和测试数据集，所述历史设备信息包括：历史设备属性信息、历史用户操作行为信息和历史风险类别；
将各训练数据中的历史设备属性信息和历史用户操作行为信息进行归一化处理后输入至所述反欺诈模型以预测风险类别，并根据各训练数据中的历史风险类别和预测的风险类别对所述反欺诈模型进行训练；
响应于各测试数据输入至所述反欺诈模型，预测的风险类别的准确性达到预定值，则所述反欺诈模型训练完成，其中，训练完成的反欺诈模型具有最优超参数。


3.根据权利要求2所述的方法，其特征在于，通过如下方式确定最优超参数：
根据预定规则设置初始超参数、超参数阈值和风险类别预测阈值；
将各训练数据循环遍历输入所述反欺诈模型，并根据所述预测的风险类别的准确性调整所述初始超参数到所述最优超参数，以使所述预测的风险类别的准确性达到所述风险类别预测阈值，其中，所述最优超参数位于所述超参数阈值的预定位置。


4.根据权利要求2所述的方法，其特征在于，将所述归一化设备信息输入至预先训练的反欺诈模型，以生成所述设备信息的风险类别包括：
根据所述反欺诈模型中的最优超参数确定与所述归一化设备信息相关的多个测试数据；
根据所述归一化设备信息与多个测试数据之间的相关程度、以及所述多个测试数据的历史风险类别确定所述设备信息的风险类别。


5.根据权利要求4所述的方法，其特征在于，根据所述反欺诈模型中的最优超参数确定与所述归一化设备信息相关的多个测试数据包括：

【专利技术属性】
技术研发人员：邓琳，董磊，刘安霞，杨朝欣，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：北京;11