一种根据误判类型对用户设备进行认证的方法及装置制造方法及图纸

本发明专利技术公开了一种根据误判类型对用户设备进行认证的方法及装置，所述方法包括：对设备认证模型中不同的误判类型配置不同的损失权重；根据业务场景从设备认证模型中选取指定设备认证模型；基于所述不同的损失权重获取指定设备认证模型对应的损失函数；采用训练样本训练所述指定设备认证模型，使得训练样本中指定设备认证模型的损失函数最小；基于训练好的指定设备认证模型，对申请互联网服务的新用户设备进行认证。本发明专利技术通过对设备认证模型中不同的误判类型配置不同的损失权重，从而使不同的误判类型能够得到不同的损失惩罚，提高认证区分度、认证准确率，避免风险或者非法的设备用户认证通过，提高业务安全性。提高业务安全性。提高业务安全性。

【技术实现步骤摘要】
一种根据误判类型对用户设备进行认证的方法及装置


[0001]本专利技术涉及数据处理
，具体而言，涉及一种根据误判类型对用户设备进行认证的方法、装置、电子设备及计算机可读介质。

技术介绍

[0002]随着互联网的发展，出现了各种互联网服务平台，比如：网购平台、网约车平台、共享平台、地图、音乐等等以互联网为基础的服务平台。当有新用户设备申请这些互联网服务的时候，通常需要对这些新的用户设备进行认证，以排除哪些存在欺诈、失信等风险的用户设备。
[0003]目前，会采用机器学习模型对新的用户设备进行认证、给出设备为“好”或者“坏”的区分。但是目前的机器学习模型(比如：LR模型、XGBoost模型等)在训练过程中默认对“好”、“坏”样本的误判造成的损失是相同的，因此，对“好”、“坏”样本的误判都给予相同的惩罚。但在实际的业务场景中，“好”、“坏”样本的误判造成的损失是不同的。例如：反欺诈的认证中，将欺诈设备认证为“好”设备造成的损失要大于将一个正常设备(即不存在欺诈的设备)认证为“坏”设备；在失信设备的认证中，对于有逾期的设备，不同设备逾期的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种根据误判类型对用户设备进行认证的方法，其特征在于，所述方法包括：对设备认证模型中不同的误判类型配置不同的损失权重；根据业务场景从设备认证模型中选取指定设备认证模型；根据所述不同的损失权重获取指定设备认证模型对应的损失函数；采用训练样本训练所述指定设备认证模型，使得训练样本中指定设备认证模型的损失函数最小；通过训练好的指定设备认证模型，对申请互联网服务的新用户设备进行认证。2.根据权利要求1所述的方法，其特征在于，采用代价敏感分类模型的混淆矩阵对设备认证模型中不同的误判类型配置不同的损失权重。3.根据权利要求2所述的方法，其特征在于，所述代价敏感分类模型的混淆矩阵为：其中，表示设备i认证为类别1且真实值为类别1的损失权重；表示设备i认证为类别0且真实值为类别0的损失权重；表示设备i认证为类别0但真实值为类别1的损失权重；表示设备i认证为类别1但真实值为类别0的损失权重；cl
i
表示设备i的授信金额，L
gd
为违约损失率；r
i
为设备i的潜在收益。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，指定设备认证模型为：逻辑回归模型；则指定设备认证模型对应的损失函数为：其中：其中：j为逻辑回归模型中入模的K个特征中的第j个特征的标记；θ
j
为线性方程中，第K个特征的回归系数，也即为逻辑回归模型待确定的参数；N为样本总量，x
i
和y
i
分别为第i个样本的特征数据和预测值。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述采用训练样本训练所述指定设备认证模型，使得训练样本中指定设备认证模型的损失函数最小包括：将训练样本输入所述指定设备认证模型中，输出认证结果；根据训练样本的认证结果和真实结果确定Q
×
4的训练样本混淆矩阵；Q为训练样本数量；根据所述训练样本混淆矩阵确定训练样本中指定设备认证模型的损失函数；将训练样本重复输入所述指定设备认证模型中，使得训练样本中指定设备认证模型的损失函数最小。6.一种根据误判类型对用户设备进行认证的装置，其特征在于，所述装置包括：
配置模块，用于对设备认证模型中不同的误判类型配置不同的损失权重；选取模块，用于根据业务场景从设备认证模型中选取指定设备认证模型；获取模块，用于根据所述不同的损失权重获...

【专利技术属性】
技术研发人员：张倩倩，
申请(专利权)人：上海淇玥信息技术有限公司，
类型：发明
国别省市：