【技术实现步骤摘要】
异常交易识别模型训练方法及异常交易识别方法
[0001]本申请涉及人工智能
，特别是涉及一种异常交易识别模型训练方法和装置、异常交易识别方法和装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]信用卡欺诈行为是指窃取他人的身份信息冒领信用卡，从而进行恶意透支、套现和盗刷等行为。信用卡反欺诈检测即对信用卡交易进行风险识别，以便及时阻止信用卡欺诈等异常交易，是金融行业控制风险的关键之一。
[0003]相关技术中，信用卡反欺诈检测是通过分类模型对信用卡交易数据进行分类，以识别其为异常交易或正常交易，其中，分类模型一般为训练后的随机森林模型。然而，由于在真实的业务场景中，信用卡异常交易的样本量远远少于正常交易的样本量，是不平衡数据集，采用随机森林模型对异常交易的识别准确性较低。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够提高对异常交易的识别准确性的异常交易识别模型训练方法和装置、异常交易识别方法和装置、计算机设备、存储介质和计算机程序产品。
[0005...
【技术保护点】
【技术特征摘要】
1.一种异常交易识别模型训练方法，其特征在于，所述异常交易识别模型为包含多级分类单元的深度森林模型，每级所述分类单元包含第一类型分类单元，所述方法包括：获取待训练的第一类型分类单元对应的训练样本集；所述训练样本集包含异常交易类型的样本和正常交易类型的样本；通过所述训练样本集对所述待训练的第一类型分类单元中的第一个决策树进行训练；针对所述待训练的第一类型分类单元中除所述第一个决策树以外的每个决策树，根据上一个决策树分类错误的异常交易类型的样本、以及所述训练样本集，得到所述决策树对应的第二样本集，并根据所述第二样本集对所述决策树进行训练，以得到训练后的第一类型分类单元；根据所述训练后的第一类型分类单元对所述训练样本集的分类结果、以及所述训练样本集，确定新的训练样本集，并将下一级分类单元包含的第一类型分类单元作为待训练的第一类型分类单元，返回执行所述通过所述训练样本集对所述待训练的第一类型分类单元中的第一个决策树进行训练，直到达到预设训练结束条件，得到所述异常交易识别模型。2.根据权利要求1所述的方法，其特征在于，每级所述分类单元还包含第二类型分类单元，所述第二类型分类单元为随机森林分类单元；所述方法还包括：通过所述训练样本集对待训练的第二类型分类单元进行训练，以得到训练后的第二类型分类单元；所述待训练的第一类型分类单元和所述待训练的第二类型分类单元属于同一级分类单元；所述根据所述训练后的第一类型分类单元对所述训练样本集的分类结果、以及所述训练样本集，确定新的训练样本集，包括：根据所述训练后的第一类型分类单元对所述训练样本集的分类结果、所述训练后的第二类型分类单元对所述训练样本集的分类结果、以及所述训练样本集，确定新的训练样本集。3.根据权利要求1所述的方法，其特征在于，所述根据上一个决策树分类错误的异常交易类型的样本、以及所述训练样本集，得到所述决策树对应的第二样本集，包括：将上一个决策树分类错误的异常交易类型的样本确定为第一目标样本，并采用K近邻算法，在所述训练样本集中确定所述第一目标样本对应的近邻样本；将所述第一目标样本和所述近邻样本进行合成，得到第二目标样本；根据所述第一目标样本、所述第二目标样本、以及所述训练样本集，得到所述决策树对应的第二样本集；所述第二样本集包含所述第一目标样本和所述第二目标样本。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：确定所述训练样本集中每个样本的初始权重；其中，所述训练样本集中异常交易类型的样本的初始权重大于正常交易类型的样本的初始权重；所述通过所述训练样本集对所述待训练的第一类型分类单元中的第一个决策树进行训练，包括：根据所述训练样本集中每个样本的初始权重进行抽样，并通过所述抽样得到的样本对所述待训练的第一类型分类单元中的第一个决策树进行训练。5.根据权利要求4所述的方法，其特征在于，所述确定所述训练样本集中每个样本的初始权重，包括：
统计所述训练样本集中异常交易类型的样本的数量、以及正常交易类型的样本的数量；将所述异常交易类型的样本的数量的倒数确定为所述训练样本集中异常交易类型的样本的初始权重，并将所述正常交易类型的样本的数量的倒数确定为所述训练样本集中正常交易类型的样本的初始权重。6.一种异常交易识别方法，其特征在于，所述方法包括：对待识别交易数据进行预处理，得到目标特征数据；所述...
【专利技术属性】
技术研发人员：葛琪超，林子涯，杜亚东，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。