本申请提供一种欺诈检测模型训练、欺诈检测方法、装置及电子设备。方法包括：根据真实欺诈交易样本数据，合成伪欺诈交易样本数据；根据真实欺诈交易样本数据，以及，伪欺诈交易样本数据，得到欺诈交易样本图像；欺诈交易为样本银行卡关联的欺诈交易；根据真实非欺诈交易样本数据，得到非欺诈交易样本图像；使用第二样本数据集，训练第一预设模型，得到欺诈检测模型；第二样本数据集包括：欺诈交易样本图像，以及，非欺诈交易样本图像。欺诈检测模型用于根据基于目标银行卡关联的目标交易的交易信息得到的目标图像，输出目标交易属于欺诈交易的概率。本申请提高了欺诈检测的准确性。本申请提高了欺诈检测的准确性。本申请提高了欺诈检测的准确性。
【技术实现步骤摘要】
欺诈检测模型训练、欺诈检测方法、装置及电子设备
[0001]本申请涉及计算机技术，尤其涉及一种欺诈检测模型训练、欺诈检测方法、装置及电子设备。
技术介绍
[0002]随着科技的进步，银行卡的日常使用量迅速增长。与此同时，银行卡被盗刷的欺诈交易也在逐渐增多。因此，如何进行有效的欺诈检测成为亟待解决的问题。
[0003]目前，现有的欺诈检测方法主要是基于深度学习的欺诈检测。在通过该方法进行欺诈检测时，需要通过样本数据集对预设模型训练，得到训练好的欺诈检测模型。该欺诈检测模型可以用于进行欺诈检测。然而，现有的样本数据集通常存在欺诈交易的样本数据与非欺诈交易的样本数据之间数据类别不平衡的问题，会导致模型训练的准确性差，进而导致该欺诈检测模型进行欺诈检测的准确性较差。
技术实现思路
[0004]本申请提供一种欺诈检测模型训练、欺诈检测方法、装置及电子设备，以克服欺诈检测的准确性较差的问题。
[0005]第一方面，本申请提供一种欺诈检测模型训练方法，所述方法包括：
[0006]获取第一样本数据集；所述第一样本数据集包括：N条真实欺诈交易样本数据，以及，M条真实非欺诈交易样本数据；所述欺诈交易为样本银行卡关联的欺诈交易；任一条所述真实欺诈交易样本数据包括：一次欺诈交易对应的交易信息，以及，欺诈交易类别标签；任一条所述真实非欺诈交易样本数据包括：一次非欺诈交易对应的交易信息，以及，非欺诈交易类别标签；1≤N＜M；
[0007]根据所述第一样本数据集中的至少一条真实欺诈交易样本数据，合成至少一条伪欺诈交易样本数据；所述伪欺诈交易样本数据包括：一次伪欺诈交易对应的交易信息；
[0008]根据所述N条真实欺诈交易样本数据，以及，所述至少一条伪欺诈交易样本数据，得到欺诈交易样本图像；
[0009]根据所述M条真实非欺诈交易样本数据，得到非欺诈交易样本图像；
[0010]使用第二样本数据集，训练第一预设模型，得到欺诈检测模型；所述第二样本数据集包括：至少一个欺诈交易样本图像子集，以及，至少一个非欺诈交易样本图像子集；所述欺诈交易样本图像子集包括：所述欺诈交易样本图像，以及，所述欺诈交易类别标签；所述非欺诈交易样本图像子集包括：所述非欺诈交易样本图像，以及，所述非欺诈交易类别标签；所述欺诈检测模型用于根据基于目标银行卡关联的目标交易的交易信息得到的目标图像，输出所述目标交易属于欺诈交易的概率。
[0011]可选的，所述根据所述第一样本数据集中的至少一条真实欺诈交易样本数据，合成至少一条伪欺诈交易样本数据，包括：
[0012]对所述至少一条真实欺诈交易样本数据进行过采样，得到过采样之后的真实欺诈
交易样本数据；
[0013]将所述过采样之后的真实欺诈交易样本数据，输入至训练好的生成式对抗网络，得到至少一条伪欺诈交易样本数据。
[0014]可选的，所述根据所述M条真实非欺诈交易样本数据，得到非欺诈交易样本图像，包括：
[0015]对所述M条真实非欺诈交易样本数据进行欠采样，得到欠采样之后的至少一条真实非欺诈交易样本数据；
[0016]将所述欠采样之后的至少一条真实非欺诈交易样本数据分别转换为图像，得到非欺诈交易样本图像。
[0017]可选的，所述根据所述N条真实欺诈交易样本数据，以及，所述至少一条伪欺诈交易样本数据，得到欺诈交易样本图像，包括：
[0018]通过决策树算法对所述N条真实欺诈交易样本数据，以及，所述至少一条伪欺诈交易样本数据分别进行特征提取，得到各条真实欺诈交易样本数据，以及，各条伪欺诈交易样本数据对应的特征文本；
[0019]将各条真实欺诈交易样本数据，以及，各条伪欺诈交易样本数据对应的特征文本分别转换为图像，得到欺诈交易样本图像。
[0020]第二方面，本申请提供一种欺诈检测方法，所述方法包括：
[0021]获取目标银行卡关联的目标交易的交易信息；
[0022]将所述交易信息转换为目标图像；
[0023]将所述目标图像输入至欺诈检测模型，得到所述目标交易属于欺诈交易的概率；所述欺诈检测模型为采用如第一方面任一项所述的方法训练得到的。
[0024]第三方面，本申请提供一种欺诈检测模型训练装置，所述装置包括：
[0025]获取模块，用于获取第一样本数据集；所述第一样本数据集包括：N条真实欺诈交易样本数据，以及，M条真实非欺诈交易样本数据；所述欺诈交易为样本银行卡关联的欺诈交易；任一条所述真实欺诈交易样本数据包括：一次欺诈交易对应的交易信息，以及，欺诈交易类别标签；任一条所述真实非欺诈交易样本数据包括：一次非欺诈交易对应的交易信息，以及，非欺诈交易类别标签；1≤N＜M；
[0026]处理模块，用于根据所述第一样本数据集中的至少一条真实欺诈交易样本数据，合成至少一条伪欺诈交易样本数据；根据所述N条真实欺诈交易样本数据，以及，所述至少一条伪欺诈交易样本数据，得到欺诈交易样本图像；根据所述M条真实非欺诈交易样本数据，得到非欺诈交易样本图像；所述伪欺诈交易样本数据包括：一次伪欺诈交易对应的交易信息；
[0027]训练模块，用于使用第二样本数据集，训练第一预设模型，得到欺诈检测模型；所述第二样本数据集包括：至少一个欺诈交易样本图像子集，以及，至少一个非欺诈交易样本图像子集；所述欺诈交易样本图像子集包括：所述欺诈交易样本图像，以及，所述欺诈交易类别标签；所述非欺诈交易样本图像子集包括：所述非欺诈交易样本图像，以及，所述非欺诈交易类别标签；所述欺诈检测模型用于根据基于目标银行卡关联的目标交易的交易信息得到的目标图像，输出所述目标交易属于欺诈交易的概率。
[0028]第四方面，本申请提供一种欺诈检测装置，所述装置包括：
[0029]获取模块，用于获取目标银行卡关联的目标交易的交易信息；
[0030]处理模块，用于将所述交易信息转换为目标图像；将所述目标图像输入至欺诈检测模型，得到所述目标交易属于欺诈交易的概率；所述欺诈检测模型为采用如第一方面任一项所述的方法训练得到的。
[0031]第五方面，本申请提供一种电子设备，所述电子设备包括存储器和处理器；
[0032]所述存储器中存储有计算机程序；
[0033]所述处理器被设置为通过所述计算机程序执行第一方面和第二方面中任一项所述的方法。
[0034]第六方面，本申请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有计算机执行指令，当所述计算机执行指令被处理器执行时，实现第一方面和第二方面任一项所述的方法。
[0035]第七方面，本申请提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现第一方面和第二方面任一项所述的方法。
[0036]本申请提供的欺诈检测模型训练、欺诈检测方法、装置及电子设备，基于至少一条真实欺诈交易样本数据，可以合成至少一条包括了一次伪欺诈交易对应的交易信息的伪欺诈交易样本数据。通过上述方法，欺诈交易样本数据可本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种欺诈检测模型训练方法，其特征在于，所述方法包括：获取第一样本数据集；所述第一样本数据集包括：N条真实欺诈交易样本数据，以及，M条真实非欺诈交易样本数据；所述欺诈交易为样本银行卡关联的欺诈交易；任一条所述真实欺诈交易样本数据包括：一次欺诈交易对应的交易信息，以及，欺诈交易类别标签；任一条所述真实非欺诈交易样本数据包括：一次非欺诈交易对应的交易信息，以及，非欺诈交易类别标签；1≤N＜M；根据所述第一样本数据集中的至少一条真实欺诈交易样本数据，合成至少一条伪欺诈交易样本数据；所述伪欺诈交易样本数据包括：一次伪欺诈交易对应的交易信息；根据所述N条真实欺诈交易样本数据，以及，所述至少一条伪欺诈交易样本数据，得到欺诈交易样本图像；根据所述M条真实非欺诈交易样本数据，得到非欺诈交易样本图像；使用第二样本数据集，训练第一预设模型，得到欺诈检测模型；所述第二样本数据集包括：至少一个欺诈交易样本图像子集，以及，至少一个非欺诈交易样本图像子集；所述欺诈交易样本图像子集包括：所述欺诈交易样本图像，以及，所述欺诈交易类别标签；所述非欺诈交易样本图像子集包括：所述非欺诈交易样本图像，以及，所述非欺诈交易类别标签；所述欺诈检测模型用于根据基于目标银行卡关联的目标交易的交易信息得到的目标图像，输出所述目标交易属于欺诈交易的概率。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一样本数据集中的至少一条真实欺诈交易样本数据，合成至少一条伪欺诈交易样本数据，包括：对所述至少一条真实欺诈交易样本数据进行过采样，得到过采样之后的真实欺诈交易样本数据；将所述过采样之后的真实欺诈交易样本数据，输入至训练好的生成式对抗网络，得到至少一条伪欺诈交易样本数据。3.根据权利要求2所述的方法，其特征在于，所述根据所述M条真实非欺诈交易样本数据，得到非欺诈交易样本图像，包括：对所述M条真实非欺诈交易样本数据进行欠采样，得到欠采样之后的至少一条真实非欺诈交易样本数据；将所述欠采样之后的至少一条真实非欺诈交易样本数据分别转换为图像，得到非欺诈交易样本图像。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述根据所述N条真实欺诈交易样本数据，以及，所述至少一条伪欺诈交易样本数据，得到欺诈交易样本图像，包括：通过决策树算法对所述N条真实欺诈交易样本数据，以及，所述至少一条伪欺诈交易样本数据分别进行特征提取，得到各条真实欺诈交易样本数据，以及，各条伪欺诈交易样本数据对应的特征文本；将各条真实欺诈交易样本数据，以及，各条伪欺诈交易样本数据对应的特征文本分别转换为图像，得到欺诈交易样本图像。5.一种欺诈检测方法，其特征在于，所述方法包括：获取...
【专利技术属性】
技术研发人员：朱相荣，苏新锋，王新岩，邓伟仲，薛飞，
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：
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。