用户交易行为识别方法及装置制造方法及图纸

本发明专利技术公开了一种用户交易行为识别方法及装置，涉及人工智能技术领域，其中该方法包括：获取目标用户的多维交易行为信息；应用预设的交易行为识别模型和所述多维交易行为信息，确定所述目标用户的交易行为识别结果，所述预设的交易行为识别模型是根据批量多维历史交易行为信息及其各自对应的实际交易行为信息对机器学习算法预先训练得到的，所述交易行为识别结果为风险交易行为或者正常交易行为；输出所述交易行为识别结果。本发明专利技术可以提高用户交易行为识别的准确性和全面性，进而保证交易过程的安全性。证交易过程的安全性。证交易过程的安全性。

User transaction behavior identification method and device

【技术实现步骤摘要】
用户交易行为识别方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及用户交易行为识别方法及装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]随着互联网技术尤其是移动互联网技术的不断发展，越来越多银行用户通过网上银行获取服务，使得网银系统的访问量和数据量也越来越多；资金风险是银行始终考虑的问题，欺诈、盗窃、伪造等风险交易行为不断向网银系统渗透，容易造成银行的经济损失等。
[0004]目前，通常使用单一规则来识别用户的风险交易行为；比如凌晨四点使用系统、交易金额千万以上等进行预报；预先存储一系列可能有风险的行为，一旦客户触发其中一条行为就进行预警；仅考虑单一规则，如果用户的某个独立行为满足一条规则，就发出预警风险；未对用户行为进行整体分析，风险交易行为识别的准确性较低。

技术实现思路

[0005]本专利技术实施例提供一种用户交易行为识别方法，用以提高用户交易行为识别的准确性和全面性，进而保证交易过程的安全性，该方法包括：
[0006]获取目标用户的多维交易行为信息；
[0007]应用预设的交易行为识别模型和所述多维交易行为信息，确定所述目标用户的交易行为识别结果，所述预设的交易行为识别模型是根据批量多维历史交易行为信息及其各自对应的实际交易行为信息对机器学习算法预先训练得到的，所述交易行为识别结果为风险交易行为或者正常交易行为；
[0008]输出所述交易行为识别结果。
[0009]进一步地，在所述应用预设的交易行为识别模型和所述多维交易行为信息，确定所述目标用户的交易行为识别结果之前，还包括：
[0010]获取批量多维历史交易行为信息及其各自对应的实际交易行为信息，该实际交易行为信息为风险交易行为或者正常交易行为信息；
[0011]应用批量多维历史交易行为信息及其各自对应的实际交易行为识别结果对XGBoost算法进行训练，得到所述交易行为识别模型。
[0012]进一步地，所述应用预设的交易行为识别模型和所述多维交易行为信息，确定所述目标用户的交易行为识别结果，包括：
[0013]应用预设的用户分类子模型和所述多维交易行为信息，确定所述目标用户的用户类型；
[0014]根据所述目标用户的用户类型，确定所述目标用户对应的预设的交易行为识别子模型；
[0015]根据所述预设的交易行为识别子模型和多维交易行为信息，确定所述目标用户的
交易行为识别结果；
[0016]所述预设的交易行为识别模型包括：预设的用户分类子模型和多个预设的交易行为识别子模型。
[0017]进一步地，所述的用户交易行为识别方法，还包括：
[0018]获取批量多维历史交易行为信息及其各自对应的实际交易行为信息和实际用户类型，该实际交易行为信息为风险交易行为或者正常交易行为；
[0019]应用批量多维历史交易行为信息及其各自对应实际用户类型对XGBoost算法进行训练，得到所述用户分类子模型；
[0020]根据实际用户类型相同的多维历史交易行为信息及其各自对应的实际交易行为信息对XGBoost算法进行训练，得到该实际用户类型对应的交易行为识别子模型。
[0021]进一步地，在所述确定所述目标用户的交易行为识别结果之后，还包括：
[0022]判断所述交易行为识别结果是否为风险交易行为，若是，则输出所述风险交易行为对应的预警信息。
[0023]本专利技术实施例还提供一种用户交易行为识别装置，用以提高用户交易行为识别的准确性和全面性，进而保证交易过程的安全性，该装置包括：
[0024]获取模块，用于获取目标用户的多维交易行为信息；
[0025]识别模块，用于应用预设的交易行为识别模型和所述多维交易行为信息，确定所述目标用户的交易行为识别结果，所述预设的交易行为识别模型是根据批量多维历史交易行为信息及其各自对应的实际交易行为信息对机器学习算法预先训练得到的，所述交易行为识别结果为风险交易行为或者正常交易行为；
[0026]输出模块，用于输出所述交易行为识别结果。
[0027]进一步地，在所述应用预设的交易行为识别模型和所述多维交易行为信息，确定所述目标用户的交易行为识别结果之前，还包括：
[0028]第一获取历史数据模块，用于获取批量多维历史交易行为信息及其各自对应的实际交易行为信息，该实际交易行为信息为风险交易行为或者正常交易行为信息；
[0029]第一训练模块，用于应用批量多维历史交易行为信息及其各自对应的实际交易行为识别结果对XGBoost算法进行训练，得到所述交易行为识别模型。
[0030]进一步地，所述识别模块包括：
[0031]第一确定单元，用于应用预设的用户分类子模型和所述多维交易行为信息，确定所述目标用户的用户类型；
[0032]第二确定单元，用于根据所述目标用户的用户类型，确定所述目标用户对应的预设的交易行为识别子模型；
[0033]识别单元，用于根据所述预设的交易行为识别子模型和多维交易行为信息，确定所述目标用户的交易行为识别结果；
[0034]所述预设的交易行为识别模型包括：预设的用户分类子模型和多个预设的交易行为识别子模型。
[0035]进一步地，所述的用户交易行为识别装置，还包括：
[0036]第二获取历史数据模块，用于获取批量多维历史交易行为信息及其各自对应的实际交易行为信息和实际用户类型，该实际交易行为信息为风险交易行为或者正常交易行
为；
[0037]第二训练模块，用于应用批量多维历史交易行为信息及其各自对应实际用户类型对XGBoost算法进行训练，得到所述用户分类子模型；
[0038]第三训练模块，用于根据实际用户类型相同的多维历史交易行为信息及其各自对应的实际交易行为信息对XGBoost算法进行训练，得到该实际用户类型对应的交易行为识别子模型。
[0039]进一步地，所述的用户交易行为识别装置，还包括：
[0040]预警模块，用于判断所述交易行为识别结果是否为风险交易行为，若是，则输出所述风险交易行为对应的预警信息。
[0041]本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述用户交易行为识别方法。
[0042]本专利技术实施例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存储有计算机程序，所述计算机程序被处理器执行时实现上述用户交易行为识别方法。
[0043]本专利技术实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述用户交易行为识别方法。
[0044]本专利技术实施例中的用户交易行为识别方法及装置，与现有技术中通常使用单一规则来识别用户的风险交易行为的技术方案相比，通过获取目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户交易行为识别方法，其特征在于，包括：获取目标用户的多维交易行为信息；应用预设的交易行为识别模型和所述多维交易行为信息，确定所述目标用户的交易行为识别结果，所述预设的交易行为识别模型是根据批量多维历史交易行为信息及其各自对应的实际交易行为信息对机器学习算法预先训练得到的，所述交易行为识别结果为风险交易行为或者正常交易行为；输出所述交易行为识别结果。2.根据权利要求1所述的用户交易行为识别方法，其特征在于，在所述应用预设的交易行为识别模型和所述多维交易行为信息，确定所述目标用户的交易行为识别结果之前，还包括：获取批量多维历史交易行为信息及其各自对应的实际交易行为信息，该实际交易行为信息为风险交易行为或者正常交易行为信息；应用批量多维历史交易行为信息及其各自对应的实际交易行为识别结果对XGBoost算法进行训练，得到所述交易行为识别模型。3.根据权利要求1所述的用户交易行为识别方法，其特征在于，所述应用预设的交易行为识别模型和所述多维交易行为信息，确定所述目标用户的交易行为识别结果，包括：应用预设的用户分类子模型和所述多维交易行为信息，确定所述目标用户的用户类型；根据所述目标用户的用户类型，确定所述目标用户对应的预设的交易行为识别子模型；根据所述预设的交易行为识别子模型和多维交易行为信息，确定所述目标用户的交易行为识别结果；所述预设的交易行为识别模型包括：预设的用户分类子模型和多个预设的交易行为识别子模型。4.根据权利要求3所述的用户交易行为识别方法，其特征在于，还包括：获取批量多维历史交易行为信息及其各自对应的实际交易行为信息和实际用户类型，该实际交易行为信息为风险交易行为或者正常交易行为；应用批量多维历史交易行为信息及其各自对应实际用户类型对XGBoost算法进行训练，得到所述用户分类子模型；根据实际用户类型相同的多维历史交易行为信息及其各自对应的实际交易行为信息对XGBoost算法进行训练，得到该实际用户类型对应的交易行为识别子模型。5.根据权利要求1所述的用户交易行为识别方法，其特征在于，在所述确定所述目标用户的交易行为识别结果之后，还包括：判断所述交易行为识别结果是否为风险交易行为，若是，则输出所述风险交易行为对应的预警信息。6.一种用户交易行为识别装置，其特征在于，包括：获取模块，用于获取目标用户的多维交易行为信息；识别模块，用于应用预设的交易行为识别模型和所述多维交易行为信息，确定所述目标用户的交易行为识别结果，所述预设的交易行为识别模型是根据批量多维历史交易行为
...

【专利技术属性】
技术研发人员：王贺超，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：