一种信贷欺诈行为识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种信贷欺诈行为识别方法、装置、设备及存储介质，涉及信贷安全技术领域，其中方法包括以下步骤：获取用户的人脸图像信息，并识别对应的信贷行为是否为本人操作，若否则不执行操作；若是则对信贷行为数据进行预处理；构建信贷行为识别模型，利用所述信贷行为识别模型对经过预处理的信贷业务数据进行识别，得到识别结果，基于所述识别结果判断所述信贷行为是否为欺诈行为；本发明专利技术能解决目前信贷欺诈行为识别的效率较低以及识别结果不准确等问题。准确等问题。准确等问题。

A credit fraud identification method, device, equipment and storage medium

【技术实现步骤摘要】
一种信贷欺诈行为识别方法、装置、设备及存储介质


[0001]本专利技术涉及信贷安全
，更具体的说是涉及一种信贷欺诈行为识别方法、装置、设备及存储介质。

技术介绍

[0002]目前，飞速发展的网络技术作为互联网金融的技术保障，已经在社会各行各业中广泛传播，各种互联网金融平台在此基础上得到了较大发展。作为面向客户个人借贷的网络平台，网络信贷使得银行等金融机构无需介入，申请及使用较为灵活方便的特点。
[0003]但是，目前平台风险防控主要依据用户个人提供数据，配合客户经理的主观评价实现，由于征信体系不够健全，同时用户个人的信用信息搜集过程费时费力，平台无法准确判断欺诈风险，直接导致来自于借款方违约欺诈现象频繁发生，导致信贷行为的识别准确性较差，最终影响平台的运行效率。
[0004]因此，如何提供一种能够解决上述问题的信贷欺诈行为识别方法是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种信贷欺诈行为识别方法、装置、设备及存储介质，以至少解决目前信贷欺诈行为识别的效率较低以及识别结果不准确等问题。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种信贷欺诈行为识别方法，包括以下步骤：
[0008]获取用户的人脸图像信息，并识别对应的信贷行为是否为本人操作，若否则不执行操作；若是则对信贷行为数据进行预处理；
[0009]构建信贷行为识别模型，利用所述信贷行为识别模型对经过预处理的信贷业务数据进行识别，得到识别结果，基于所述识别结果判断所述信贷行为是否为欺诈行为。
[0010]优选的，构建信贷行为识别模型的具体过程包括：
[0011]获取历史安全信贷行为数据集，并将所述历史安全信贷行为数据集划分为测试集及训练集；
[0012]构建信贷行为识别模型，其中所述信贷行为识别模型为卷积神经网络；
[0013]利用所述训练集对所述信贷行为识别模型进行训练，根据输出的预测值与目标值通过损失函数进行误差分析，更改所述信贷行为识别模型各个权重值，当误差符合预设阈值时则利用测试集进行验证，完成模型的测试及训练。
[0014]优选的，基于所述识别结果判断所述信贷行为是否为欺诈行为的具体过程包括：
[0015]将所述识别结果与预设第一风险阈值进行对比，若小于等于所述第一风险阈值则为安全行为；
[0016]若大于所述第一风险阈值且小于等于预设第二风险阈值，则为低风险行为；
[0017]若大于所述第二风险阈值，则所述信贷行为存在风险。
[0018]优选的，当所述识别结果为存在风险时的具体处理过程如下：
[0019]提取所述信贷行为对应的第一特征向量，
[0020]获取用户对应的银行信用数据，并提取所述银行信用数据对应的第二特征向量；
[0021]计算所述第一特征向量与所述第二特征向量之间的相关系数，并与预设系数阈值进行比较，当所述相关系数大于等于所述预设系数阈值时表示所述信贷行为属于安全行为。
[0022]优选的，当所述相关系数小于所述预设系数阈值时的具体处理过程包括：
[0023]通过SIM单元远程通知上级工作人员及时进行处理。
[0024]进一步，本专利技术还提供一种应用上述任一项所述的信贷欺诈行为识别方法的装置，包括：
[0025]识别模块，用于获取用户的人脸图像信息，并识别对应的信贷行为是否为本人操作，若否则不执行操作；若是则对信贷行为数据进行预处理；
[0026]处理模块，用于构建信贷行为识别模型，利用所述信贷行为识别模型对经过预处理的信贷业务数据进行识别，得到识别结果，基于所述识别结果判断所述信贷行为是否为欺诈行为。
[0027]进一步，本专利技术还提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器用于存储程序指令，所述处理器用于执行存储器中存储的计算机程序时实现上述任一项所述信贷欺诈行为识别方法的步骤。
[0028]进一步，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的信贷欺诈行为识别方法。
[0029]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种信贷欺诈行为识别方法、装置、设备及存储介质，通过识别用户本人的信贷行为是否为本人操作，利用训练好的卷积神经网络对信贷行为进行识别，并对识别结果划分预警级别，根据预警级别再次对用户的数据以及对应的银行数据进行计算处理，实现了从多个角度对用户的信贷行为风险进行预测识别，避免了人为主观评价带来的错误干预，提高了预测准确性。
附图说明
[0030]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0031]图1为本专利技术提供的一种信贷欺诈行为识别方法的整体流程图；
[0032]图2为本专利技术提供的一种信贷欺诈行为识别装置的结构示意图。
具体实施方式
[0033]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本专利技术保护的范围。
[0034]参见附图1所示，本专利技术实施例公开了一种信贷欺诈行为识别方法，包括以下步骤：
[0035]获取用户的人脸图像信息，并识别对应的信贷行为是否为本人操作；
[0036]若否则不执行操作；若是则对信贷行为数据进行预处理；
[0037]其中，数据预处理的具体过程可以包括依次的数据分组、冗余数据处理以及归一化处理。
[0038]构建信贷行为识别模型，利用信贷行为识别模型对经过预处理的信贷业务数据进行识别，得到识别结果，基于识别结果判断信贷行为是否为欺诈行为。
[0039]在一个具体的实施例中，构建信贷行为识别模型的具体过程包括：
[0040]获取历史安全信贷行为数据集，并将历史安全信贷行为数据集划分为测试集及训练集；
[0041]构建信贷行为识别模型，其中信贷行为识别模型为卷积神经网络；
[0042]利用训练集对所述信贷行为识别模型进行训练，根据输出的预测值与目标值通过损失函数进行误差分析，更改信贷行为识别模型各个权重值，当误差符合预设阈值时则利用测试集进行验证，完成模型的测试及训练。
[0043]其中，测试集及训练集的划分比例可以为8:2。
[0044]在一个具体的实施例中，基于识别结果判断信贷行为是否为欺诈行为的具体过程包括：
[0045]将识别结果与预设第一风险阈值进行对比，若小于等于第一风险本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信贷欺诈行为识别方法，其特征在于，包括以下步骤：获取用户的人脸图像信息，并识别对应的信贷行为是否为本人操作；若否则不执行操作；若是则对信贷行为数据进行预处理；构建信贷行为识别模型，利用所述信贷行为识别模型对经过预处理的信贷业务数据进行识别，得到识别结果，基于所述识别结果判断所述信贷行为是否为欺诈行为。2.根据权利要求1所述的一种信贷欺诈行为识别方法，其特征在于，构建信贷行为识别模型的具体过程包括：获取历史安全信贷行为数据集，并将所述历史安全信贷行为数据集划分为测试集及训练集；构建信贷行为识别模型，其中所述信贷行为识别模型为卷积神经网络；利用所述训练集对所述信贷行为识别模型进行训练，根据输出的预测值与目标值通过损失函数进行误差分析，更改所述信贷行为识别模型各个权重值，当误差符合预设阈值时则利用测试集进行验证，完成模型的测试及训练。3.根据权利要求1所述的一种信贷欺诈行为识别方法，其特征在于，基于所述识别结果判断所述信贷行为是否为欺诈行为的具体过程包括：将所述识别结果与预设第一风险阈值进行对比，若小于等于所述第一风险阈值则为安全行为；若大于所述第一风险阈值且小于等于预设第二风险阈值，则为低风险行为；若大于所述第二风险阈值，则所述信贷行为存在风险。4.根据权利要求3所述的一种信贷欺诈行为识别方法，其特征在于，当所述识别结果为存在风险时的具体处理过程如下：提取所述信贷行为对应的第一特...

【专利技术属性】
技术研发人员：吴叶国，韩彧，
申请(专利权)人：深圳微言科技有限责任公司，
类型：发明
国别省市：