金融交易的可信欺诈检测方法、系统、介质及终端技术方案

本发明专利技术提供一种金融交易的可信欺诈检测方法、系统、介质及终端；所述方法包括以下步骤：构建可信个体行为画像框架；基于可信个体行为画像框架刻画虚拟用户的偏好模式，以搭建可信个体行为模型；根据可信个体行为模型对一待检测金融交易进行欺诈检测；本发明专利技术公开了一种可信个体行为建模的方法，该方法将可信个体行为建模问题拆分为两个步骤，分别是构建可信个体行为画像框架和框架实现，通过定义可信交易描述、个体可信性约束、共现映射以及设计可信推荐算法等技术手段，确保了个体行为模型的可信性，从而为金融欺诈检测领域的可信个体行为建模提供了新的思路，满足了高质量欺诈检测的需求。的需求。的需求。

【技术实现步骤摘要】
金融交易的可信欺诈检测方法、系统、介质及终端


[0001]本专利技术涉及互联网金融欺诈检测
，特别是涉及一种金融交易的可信欺诈检测方法、系统、介质及终端。

技术介绍

[0002]异常检测是金融欺诈检测的主要手段，依赖于对交易背后行为模式的有效刻画，行为模型可分为群体行为模型和个体行为模型两大类；其中，群体行为模型是一种粗粒度的行为模型，它能够有效利用群体的共性信息，但无法反映出个体之间的差异性；个体行为模型虽然能够刻画更细粒度的行为模式，却无法反应个体之间的共性，导致模型不够准确，尤其是在金融欺诈检测领域，个体历史数据往往是较为稀缺的，这更加剧了个体行为建模的难度。
[0003]传统的金融欺诈检测方法大多都是基于群体行为模型的，依赖于对群体行为模式的刻画，根据它们所采用的建模机制，又可以细分为基于有监督学习和基于无监督学习的欺诈检测方法。
[0004]基于有监督学习的欺诈检测方法，要求数据必须带标签，这类方法根据交易数据特征，将其划分成不同的类别，在保证相同类别内交易实例的相似性的同时，最大化不同类别间交易实例的区分性，因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种金融交易的可信欺诈检测方法，其特征在于，包括以下步骤：构建可信个体行为画像框架；基于所述可信个体行为画像框架刻画虚拟用户的偏好模式，以搭建可信个体行为模型；根据所述可信个体行为模型对一待检测金融交易进行欺诈检测。2.根据权利要求1所述的金融交易的可信欺诈检测方法，其特征在于，构建可信个体行为画像框架包括以下步骤：将金融交易的交易属性划分为上下文属性和行为属性，以获取上下文属性集和行为属性集；其中，所述上下文属性定义了所述金融交易的上下文环境；所述行为属性从多个角度对所述金融交易进行刻画；所述上下文属性集中包括至少一所述上下文属性；所述行为属性集中包括至少一所述行为属性；所述上下文属性集记为A
c
；所述行为属性集记为A
b
；获取所述上下文属性集中每一所述上下文属性对应的拓展个体集；所述拓展个体集中包括至少一拓展个体；i
C
表示对应上下文属性C的拓展个体，i
C
∈I
C
；I
C
表示对应上下文属性C的拓展个体集；基于所述行为属性集获取原型行为集；所述原型行为集中包括至少一原型行为；ρ表示所述原型行为，ρ＝<v1，v2，...，v
J
>；其中，v
j
∈V
j
(j＝1，2，...，J)；V
j
表示第j个所述行为属性；由所述原型行为ρ构成的集合为所述原型行为集P；利用元组描述所述金融交易；所述金融交易体现为所述拓展个体和所述原型行为的共现关系；所述共现关系包括两类共现信息，分别是：频次信息和标签信息；其中，所述频次信息是指所述拓展个体和所述原型行为的共现次数，是一种全局信息；所述标签信息是指所述拓展个体和所述原型行为的交易标签，是一种局部信息；所述元组记为τ＝<{i
C
，N
C
|C∈A
c
}，ρ，l>；其中，l∈L，L表示标签集，L＝{0，1}，0代表合法交易，1代表欺诈交易；N
C
表示对应上下文属性C的所述频次信息；根据对应一所述金融交易的元组，获取所述拓展个体的行为模式；所述行为模式表示为所述拓展个体与所述原型行为共现的重要性；所述重要性记为基于所述重要性和所述元组，获取个体行为可信性约束；所述个体行为可信性约束包括：排序条件、评分条件及邻接条件；基于所述元组和所述个体行为可信性约束，构建所述可信个体行为画像框架。3.根据权利要求2所述的金融交易的可信欺诈检测方法，其特征在于，一所述金融交易的元组记为，τ1＝<{i
C
，N
C，1
|C∈A
c
}，ρ1，l1>；另一所述金融交易的元组记为，τ2＝<{i
C
，N
C，2
|C∈A
c
}，ρ2，l2>；其中，N
C，1
表示对应一所述金融交易的频次信息；N
C，2
表示对应另一所述金融交易的频次信息；ρ1表示对应一所述金融交易的原型行为；ρ2表示对应另一所述金融交易的原型行为；l1表示对应一所述金融交易的交易标签；l2表示对应另一所述金融交易的交易标签；所述排序条件是对所述拓展个体和不同所述原型行为组合在不同标签下的重要性比较，包括：对于C∈A
c
，如果l1＝0，l2＝1，N
C，1
≠0，则无论N
C，2
如何取值，都有对于C∈A
c
，如果l1＝0，N
C，1
≠0，N
C，2
＝0，则无论l2如何取值，都有
所述评分条件是对所述拓展个体和不同所述原型交易组合在相同标签下的重要性比较，包括：对于C∈A
c
，l1＝l2＝0，N
C，1
≠0，N
C，2
≠0，如果N
C，1
＞N
C，2
，那么有对于C∈A
c
，l1＝l2＝1，N
C，1
≠0，N
C，2
≠0，如果N
C，1
＞N
C，2
，那么有所述邻接条件是指，如果l1＝l2＝l3，且|N
C，1
‑
N
C，2
|<|N
C，1
‑
N
C，3
|，则对于任一C∈A
c
，必须满足条件所述可信个体行为画像框架包括两部分：所述金融交易的表达形式满足τ＝<{i
C
，N
...

【专利技术属性】
技术研发人员：蒋昌俊，闫春钢，丁志军，王成，张亚英，崔纪鹏，
申请(专利权)人：同济大学，
类型：发明
国别省市：