一种基于图像识别的网贷欺诈识别方法及系统技术方案

本发明专利技术提供了一种基于图像识别的网贷欺诈识别方法及系统，方法包括：数据获取步骤：读取与网贷相关的图像；样本与特征提取步骤：将黑名单客户提取为样本，通过深度学习提取其与网贷相关的图像特征，作为欺诈参考特征；基于深度学习的欺诈预测步骤：利用提取的样本，基于欺诈参考特征，运用卷积神经网络算法训练得到预测模型，利用训练得到的预测模型预测得到申请人实时的欺诈可能概率。

【技术实现步骤摘要】
一种基于图像识别的网贷欺诈识别方法及系统
本专利技术涉及网络领域、数据处理领域以及金融领域，具体涉及一种基于图像识别的网贷欺诈识别方法及系统。
技术介绍
网贷是指通过网络平台申请的贷款，包括个体通过互联网平台向机构、组织借款，也包括个人和个人之间通过互联网平台实现的借贷。而随着网贷门槛的降低，越来越多的用户采用网贷来解决短期资金问题。随之而来的是，网贷欺诈也越来越普遍。目前，还没有很高效的自动识别网贷欺诈的方法。尤其是，反欺诈数据源基本上都是文字和数据，而关于图像类数据的反欺诈数据源基本未被用于反欺诈。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术中存在上述缺陷，提供一种能够弥补反欺诈数据源关于图像类数据的空白，提供新的角度来识别欺诈的高效网贷欺诈识别方法。根据本专利技术，提供了一种基于图像识别的网贷欺诈识别方法，包括：数据获取步骤：读取与网贷相关的图像；样本与特征提取步骤：将黑名单客户提取为样本，通过深度学习提取其与网贷相关的图像的图像特征，作为欺诈参考特征；基于深度学习本文档来自技高网...

【技术保护点】
1.一种基于图像识别的网贷欺诈识别方法，其特征在于包括：/n数据获取步骤：读取与网贷相关的图像；/n样本与特征提取步骤：将黑名单客户提取为样本，通过深度学习提取其与网贷相关的图像特征，作为欺诈参考特征；/n基于深度学习的欺诈预测步骤：利用提取的样本，基于欺诈参考特征，运用卷积神经网络算法训练得到预测模型，利用训练得到的预测模型预测得到申请人实时的欺诈可能概率。/n

【技术特征摘要】
1.一种基于图像识别的网贷欺诈识别方法，其特征在于包括：
数据获取步骤：读取与网贷相关的图像；
样本与特征提取步骤：将黑名单客户提取为样本，通过深度学习提取其与网贷相关的图像特征，作为欺诈参考特征；
基于深度学习的欺诈预测步骤：利用提取的样本，基于欺诈参考特征，运用卷积神经网络算法训练得到预测模型，利用训练得到的预测模型预测得到申请人实时的欺诈可能概率。


2.根据权利要求1所述的基于图像识别的网贷欺诈识别方法，其特征在于，数据获取步骤包括：利用客户端通过嵌入在手机的应用程序中的软件开发工具包，将手机屏幕画面的图像读取为与网贷相关的图像。


3.根据权利要求1或2所述的基于图像识别的网贷欺诈识别方法，其特征在于，在基于深度学习的欺诈预测步骤中，设置第一阈值和第二阈值，其中第一阈值小于第二阈值，对于欺诈可能概率小于第一阈值的判断为低风险，处理为安全申请人，实施授信；对于欺诈可能概率大于第二阈值的申请人，判断为高风险申请人，拒绝授信。


4.根据权利要求1或2所述的基于图像识别的网贷欺诈识别方法，其特征在于，基于图像识别的网贷欺诈识别方法还包括：根据业务经验的欺诈特征识别步骤，其中根据已经识别出的网贷欺诈用户，提取这些网贷欺诈用户的与网贷相关的图像并利用OpenCV实现图像识别以提取图像特征作为参考欺诈特征；随后对于概率处于第一阈值和第二阈值之间的申请人，基于参考欺诈特征分析申请人的与网贷相关的图像。


5.根据权利要求4所述的基于图像识别的网贷欺诈识别方法，其特征在于，根据业务经验的欺诈特征识别步骤，提取概率处于第一阈值和第二阈值之间的申请人的与网贷相关图像中的参考欺诈特征，计算提取出的每个参考欺诈特征的IV值和KS值，设置第一IV阈值和第二IV阈值、KS阈值，舍弃IV值小于第一IV阈值的特征变量；将对于IV值大于第二IV阈值的特征变量加入决策规则集，组合具有区分力的规则。


6.根据权利要求5所述的基于图像识别的网贷欺诈识别方法，其特征在于，其中第一...

【专利技术属性】
技术研发人员：陈望东，贾娟，高峥，万稚慧，
申请(专利权)人：小花网络科技深圳有限公司，
类型：发明
国别省市：广东;44