一种交易行为的欺诈预测方法、装置、设备和存储介质制造方法及图纸

本发明专利技术公开了一种交易行为的欺诈预测方法、装置、设备和存储介质。该方法包括：获取当前交易行为对应的当前交易流水数据；对当前交易流水数据进行特征提取，构建出当前交易行为对应的当前交易特征矩阵；将当前交易特征矩阵和目标交易特征矩阵输入至训练结束后的孪生卷积神经网络模型中进行当前交易行为的欺诈预测，其中，目标交易特征矩阵是预先基于正常交易行为流水数据和多种欺诈类型对应的欺诈交易行为流水数据构建出的；根据孪生卷积神经网络模型的输出，确定当前交易行为对应的欺诈预测结果。本发明专利技术技术方案可以实现交易行为的自动欺诈预测，无需人工参与，提高交易行为欺诈预测的准确性和效率。诈预测的准确性和效率。诈预测的准确性和效率。

【技术实现步骤摘要】
一种交易行为的欺诈预测方法、装置、设备和存储介质


[0001]本专利技术涉及计算机
，尤其涉及一种交易行为的欺诈预测方法、装置、设备和存储介质。

技术介绍

[0002]随着计算机技术的发展，交易行为的方式越来越多样，随之而来的是，交易行为的欺诈形式也越来越多样。
[0003]目前，通常需要通过人工经验对交易行为进行欺诈风险预测。对预测出欺诈风险程度较低的交易行为可以直接允许交易，对预测出欺诈风险程度较高的交易行为进行重点核对检查，并在经检查确认安全后允许进行交易。
[0004]然而，这种基于人工经验的欺诈风险预测方式费时费力，可能会因主观因素出现误判的情况，无法有效的保证欺诈风险预测结果的准确性，并且降低了欺诈风险预测的效率。

技术实现思路

[0005]本专利技术提供了一种交易行为的欺诈预测方法、装置、设备和存储介质，以实现交易行为的自动欺诈预测，无需人工参与，提高交易行为欺诈预测的准确性和效率。
[0006]根据本专利技术的一方面，提供了一种交易行为的欺诈预测方法，该方法包括：
[0007本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交易行为的欺诈预测方法，其特征在于，包括：获取当前交易行为对应的当前交易流水数据；对所述当前交易流水数据进行特征提取，构建出所述当前交易行为对应的当前交易特征矩阵；将所述当前交易特征矩阵和目标交易特征矩阵输入至训练结束后的孪生卷积神经网络模型中进行当前交易行为的欺诈预测，其中，所述目标交易特征矩阵是预先基于正常交易行为流水数据和多种欺诈类型对应的欺诈交易行为流水数据构建出的；根据所述孪生卷积神经网络模型的输出，确定所述当前交易行为对应的欺诈预测结果，其中，所述欺诈预测结果包括预测出的目标欺诈类型。2.根据权利要求1所述的方法，其特征在于，获取当前交易行为对应的当前交易流水数据，包括：获取用户在当前时间段内产生的各个交易行为对应的当前交易流水时序数据，其中，所述当前交易流水时序数据包括所述用户在当前时刻产生的当前交易行为对应的当前交易流水数据。3.根据权利要求2所述的方法，其特征在于，对所述当前交易流水数据进行特征提取，构建出所述当前交易行为对应的当前交易特征矩阵，包括：对所述当前交易流水时序数据进行特征提取，并对提取出的各个特征数据进行归一化处理，构建出所述当前交易行为对应的当前交易特征矩阵，其中，所述当前交易特征矩阵的行数表示时间维度，列数表示特征维度。4.根据权利要求1所述的方法，其特征在于，基于正常交易行为流水数据和多种欺诈类型对应的欺诈交易行为流水数据构建出目标交易特征矩阵，包括：对至少一个正常交易行为流水数据进行特征提取，构建出至少一个正常交易特征矩阵；对每种欺诈类型对应的至少一个欺诈交易行为流水数据进行特征提取，构建出每种欺诈类型对应的至少一个欺诈交易特征矩阵；对所述至少一个正常交易特征矩阵和所述每种欺诈类型对应的至少一个欺诈交易特征矩阵进行矩阵拼接处理，构建出目标交易特征矩阵。5.根据权利要求1所述的方法，其特征在于，所述孪生卷积神经网络模型包括：第一卷积网络子模型、第二卷积网络子模型和融合子模型，其中，所述第一卷积网络子模型和所述第二卷积网络子模型共享权重值；将所述当前交易特征矩阵和目标交易特征矩阵输入至训练结束后的孪生卷积神经网络模型中进行当前交易行为的欺诈预测，包括：将所述当前交易特征矩阵输入至所述第一卷积网络子模型中进行特征卷积处理，确定第一特征向量；将目标交易特征矩阵输入至所述第二卷积网络子模型中进行特征卷积处理，确定由多个第二特征向量组成的向量矩阵；将所述第一特征向量和所述向量矩阵输入至所述融合子模...

【专利技术属性】
技术研发人员：张志诚，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：