本申请实施例提供了一种小微信贷线上反欺诈方法及装置，该方法包括：获取目标企业的贷款申请数据；根据第一发票数据中的销项发票数据和进项发票数据得到对应的第二税务数据；根据第一税务数据与第二税务数据得到与第二税务数据相关的第一偏离度；若第一偏离度小于或等于预设偏离度，对贷款申请数据进行反欺诈测试得到反欺诈测试结果；若第一偏离度大于预设偏离度，确定目标企业的反欺诈测试结果为高风险。采用该方法，对于小微企业缺乏其他贷款申请数据的基础上，仅依据发票数据和税务数据就可以准确的得到该企业的反欺诈测试结果，便于小微企业的贷款审批。于小微企业的贷款审批。于小微企业的贷款审批。
【技术实现步骤摘要】
小微信贷线上反欺诈方法及装置
[0001]本申请属于一般数据处理
，具体涉及一种小微信贷线上反欺诈方法及装置。
技术介绍
[0002]近年来，各家主流金融机构竞相开展小微企业融资信贷的同时，面临的小微贷款欺诈风险识别难的问题。小微企业因信息透明性差，银行与企业之间信息不对称，孤立企业信息难以利用等特点，导致传统金融机构会选择通过纯人工线下进行信息收集比对、风险评估，但该类方式的核查效果受人员技能影响，且效率低，要提升风控能力需投诸较多人力和成本，而这也是制约小微融资业务发展的主要原因。
技术实现思路
[0003]本申请实施例提供了一种小微信贷线上反欺诈方法及装置，通过小微企业的发票数据和税务数据可以准确的得到小微企业的反欺诈结果，提高了小微企业的贷款审批效率。
[0004]第一方面，本申请实施例提供了小微信贷线上反欺诈方法，该方法包括：获取目标企业的贷款申请数据，贷款申请数据包括第一税务数据和第一发票数据；根据第一发票数据中的销项发票数据和进项发票数据得到对应的第二税务数据；根据第一税务数据与第二税务数据得到与第二税务数据相关的第一偏离度；若第一偏离度小于或等于预设偏离度，对贷款申请数据进行反欺诈测试得到反欺诈测试结果，反欺诈测试结果包括欺诈风险等级；若第一偏离度大于预设偏离度，确定目标企业的反欺诈测试结果为高风险。
[0005]可以看出，本申请实施例中，获取目标企业的贷款申请数据；根据第一发票数据中的销项发票数据和进项发票数据得到对应的第二税务数据；根据第一税务数据与第二税务数据得到与第二税务数据相关的第一偏离度；若第一偏离度小于或等于预设偏离度，对贷款申请数据进行反欺诈测试得到反欺诈测试结果；若第一偏离度大于预设偏离度，确定目标企业的反欺诈测试结果为高风险。采用该方法，对于小微企业缺乏其他贷款申请数据的基础上，仅依据发票数据和税务数据就可以准确的得到该企业的反欺诈测试结果，便于小微企业的贷款审批。
[0006]在一个可行的实施例中，其中，第一税务数据为目标企业在关键时间点的税务数据，第一发票数据为目标企业在关键时间段的发票数据，关键时间段包含关键时间点。
[0007]在本申请实施例中，第一税务数据为关键时间点的税务数据，第一发票数据为关键时间点的发票数据，这样便于后续对目标企业进行反欺诈测试，提高反欺诈测试的准确性。
[0008]在一个可行的实施例中，对贷款申请数据进行反欺诈测试得到反欺诈测试结果，包括：获取多个样本数据，样本数据包括历史贷款申请结果为通过或不通过的贷款申请数据；根据决策树算法分别构建关于多个样本数据的多个初始评价指标，根据决策树算法构
建多个初始评价指标是根据目标分类属性和目标分类标准进行的，目标分类属性包括发票、税务以及发票和税务的时间，目标分类标准包括样本数据中的历史贷款申请结果。
[0009]根据多个样本数据中的贷款申请结果对多个初始评价指标进行筛选；若多个初始评价指标中的目标初始评价指标在多个样本数据中的整体命中率低于预设命中率，则将目标初始评价指标从多个初始评价指标中进行剔除后得到至少一个评价指标；对至少一个评价指标设置对应的第一权值，至少一个评价指标在多个样本数据中的整体命中率越高，第一权值越大。
[0010]将贷款申请数据与至少一个评价指标进行匹配得到对应的第一数值；根据第一数值与预设反欺诈测试数值区间确定反欺诈测试结果，反欺诈测试结果根据预设反欺诈测试数值区间分为无风险、低风险、中风险和高风险。
[0011]在本申请实施例中，通过决策树算法来构件对应的初始评价指标，又根据样本数据的命中率来对初始评价指标进行筛选得到评价指标，对评价指标设置相应的权值之后，将目标企业的贷款申请数据与评价指标进行匹配得到对应的数值，根据该数值与预设的数值区间得到对应的反欺诈测试结果。采用前述方法，通过借鉴历史业务的贷款申请结果，来设置反欺诈测试，能做到在结合实际的基础上准确的判断出目标企业的反欺诈测试结果。
[0012]在一个可行的实施例中，对贷款申请数据进行反欺诈测试得到反欺诈测试结果，包括：根据进项发票数据中与销项发票数据不存在对应关系的目标进项发票数据得到目标企业的第一负债数据，对应关系包括商品与商品，商品与服务以及服务与服务；根据第一税务数据得到目标企业的第一利润数据；若第一负债数据与第一利润数据之间的差值，与第一利润数据之间的比值大于预设比值，根据发票数据中的发票数据种类确定目标企业的经营模式，经营模式包括单一经营模式和多元化经营模式；
[0013]根据目标企业的经营模式确定反欺诈测试结果；若目标企业的经营模式为单一经营模式，则目标企业的反欺诈测试结果为中风险；若目标企业的经营模式为多元化经营模式，则目标企业的反欺诈测试结果为低风险；若第一负债数据与第一利润数据之间的差值，与第一利润数据之间的比值小于或等于预设比值，确定目标企业的反欺诈测试结果为无风险。
[0014]在本申请实施例中，通过发票数据衍生出负债数据，又通过税务数据衍生成利润数据，根据负债数据和利润数据的差值与利润数据的比值判断企业的资金状态，若企业的资金状态存在问题，又结合企业的经营模式得到企业的反欺诈测试结果。采用前述方法，通过企业的发票数据和税务数据就可以准确判断出企业的反欺诈测试结果。
[0015]在一个可行的实施例中，贷款申请数据还包括第二负债数据、第二利润数据以及第一现金流量，在对贷款申请数据进行反欺诈测试得到反欺诈测试结果之前，该方法还包括：获取历史贷款申请数据，以及历史贷款申请数据对应的反欺诈测试结果，历史贷款申请数据包括第三负债数据、第三利润数据以及第二现金流量、第二发票数据以及第二税务数据；将历史贷款申请数据输入初始分类模型中进行训练，初始分类模型是基于神经网络算法的模型，根据反欺诈测试结果调整初始分类模型，获得训练完成后的反欺诈测试模型；对贷款申请数据进行反欺诈测试得到反欺诈测试结果，包括：将贷款申请数据输入反欺诈测试模型，得到反欺诈测试结果，反欺诈结果包括无风险、低风险、中风险和高风险。
[0016]在本申请实施例中，建立一个初始分类模型，输入贷款申请数据，通过贷款申请数
据对应的贷款申请结果来对初始分类模型进行调整，最终得到反欺诈测试模型。采用前述方法，通过多种贷款申请数据建立一个精度较高的反欺诈测试模型，便于对企业进行反欺诈测试，并得到更精准的反欺诈测试结果。
[0017]在一个可行的实施例中，在得到反欺诈测试结果之后，该方法还包括：若目标企业的反欺诈测试结果为高风险，则拒绝目标企业的贷款申请；若目标企业的反欺诈测试结果为中风险或低风险，则将贷款申请数据转移人工进行欺诈确认；若目标企业的反欺诈测试结果为无风险，则将贷款申请数据转移人工进行贷款确认。
[0018]在本申请实施例中，在得到反欺诈测试结果之后，根据反欺诈测试结果进行相应的处理，若反欺诈测试结果为高风险，则拒绝贷款申请；若反欺诈测试结果为中风险或低风险，则转人工进行欺诈确认；若反欺诈测试结果为无风险，则转人工进行贷款确认本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种小微信贷线上反欺诈方法，其特征在于，所述方法包括：获取目标企业的贷款申请数据，所述贷款申请数据包括第一税务数据和第一发票数据；根据所述第一发票数据中的销项发票数据和进项发票数据得到对应的第二税务数据；根据所述第一税务数据与所述第二税务数据得到与所述第二税务数据相关的第一偏离度；若所述第一偏离度小于或等于预设偏离度，对所述贷款申请数据进行反欺诈测试得到反欺诈测试结果，所述反欺诈测试结果包括欺诈风险等级；若所述第一偏离度大于所述预设偏离度，确定所述目标企业的反欺诈测试结果为高风险。2.根据权利要求1所述的方法，其特征在于，所述第一税务数据为所述目标企业在关键时间点的税务数据，所述第一发票数据为所述目标企业在关键时间段的发票数据，所述关键时间段包含所述关键时间点。3.根据权利要求2所述的方法，其特征在于，所述对所述贷款申请数据进行反欺诈测试得到所述反欺诈测试结果，包括：获取多个样本数据，所述样本数据包括历史贷款申请结果为通过或不通过的贷款申请数据；根据决策树算法分别构建关于所述多个样本数据的多个初始评价指标，根据所述决策树算法构建所述多个初始评价指标是根据目标分类属性和目标分类标准进行的，所述目标分类属性包括发票、税务以及发票和税务的时间，所述目标分类标准包括所述样本数据中的历史贷款申请结果；根据所述多个样本数据中的贷款申请结果对所述多个初始评价指标进行筛选；若所述多个初始评价指标中的目标初始评价指标在所述多个样本数据中的整体命中率低于预设命中率，则将所述目标初始评价指标从所述多个初始评价指标中进行剔除后得到至少一个评价指标；对所述至少一个评价指标设置对应的第一权值，所述至少一个评价指标在所述多个样本数据中的整体命中率越高，所述第一权值越大；将所述贷款申请数据与所述至少一个评价指标进行匹配得到对应的第一数值；根据所述第一数值与预设反欺诈测试数值区间确定反欺诈测试结果，所述反欺诈测试结果根据所述预设反欺诈测试数值区间分为无风险、低风险、中风险和高风险。4.根据权利要求2所述的方法，其特征在于，所述对所述贷款申请数据进行反欺诈测试得到所述反欺诈测试结果，包括：根据所述进项发票数据中与所述销项发票数据不存在对应关系的目标进项发票数据得到所述目标企业的第一负债数据，所述对应关系包括商品与商品，商品与服务以及服务与服务；根据所述第一税务数据得到所述目标企业的第一利润数据；若所述第一负债数据与所述第一利润数据之间的差值，与所述第一利润数据之间的比值大于预设比值，根据所述发票数据中的发票数据种类确定所述目标企业的经营模式，所述经营模式包括单一经营模式和多元化经营模式；
根据所述目标企业的经营模式确定所述反欺诈测试结果；若所述目标企业的经营模式为所述单一经营模式，则所述目标企业的反欺诈测试结果为中风险；若所述目标企业的经营模式为所述多元化经营模式，则所述目标企业的反欺诈测试结果为低风险；若所述第一负债数据与所述第一利润数据之间的差值，与所述第一利润数据...
【专利技术属性】
技术研发人员：黄少宜，赵彦晖，耿心伟，曾源，
申请(专利权)人：深圳微众信用科技股份有限公司，
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。