【技术实现步骤摘要】
基于联邦学习的交易识别方法及其装置、电子设备
[0001]本专利技术涉及大数据领域,具体而言,涉及一种基于联邦学习的交易识别方法及其装置
、
电子设备
。
技术介绍
[0002]当前,随着信用卡的不断普及以及用卡生态体系的逐渐完善,越来越多的人开始接纳以及使用信用卡,虽然信用卡可以满足人们日益增长的消费需求以及促进社会信用体系的建设,但是由于信用卡可以允许客户在一定的信用额度内进行透支消费,因此如果缺少对信用卡风险行为
(
例如,套取资金
、
盗刷以及欺诈等
)
的有效防控,则会同时对发卡机构以及客户造成极大的金融损失,阻碍信用卡的推广以及发展
。
[0003]此外,由于目前很多用卡交易都可以通过在移动终端应用中绑定信用卡后,直接在移动终端上直接完成交易,整个交易流程非常隐私和快捷,使得用卡风险进一步提升,很难对已造成的金融损失进行追溯和挽回
。
因此,如何在用卡交易过程中及时识别出风险交易并进行有效地拦截,是信用卡风险控制中的一项重要任务
。
[0004]随着机器学习的兴起以及在一些风险控制场景下的成功应用,机器学习算法也逐渐开始被引入到交易风控场景下,用于识别风险交易行为,保障客户的用卡安全
。
相关技术中,对信用卡交易进行拦截的方案往往是将持卡客户或者用卡交易的一些基本特征,输入到某个特定的机器学习模型中,然后利用模型学习出持卡人交易行为模式,最后在客户进行交易时,将这些信息输 ...
【技术保护点】
【技术特征摘要】
1.
一种基于联邦学习的交易识别方法,其特征在于,包括:确定客户端上当前交易的交易客户以及交易商户;将所述交易客户的客户数据处理为客户特征向量,并将所述交易商户的商户数据处理为商户特征向量;将所述客户特征向量以及所述商户特征向量输入至预设判别模型,输出所述交易客户的客户输出值以及所述交易商户的商户输出值,其中,所述预设判别模型是基于联邦学习构建的模型;在所述客户输出值或者所述商户输出值大于预设输出阈值的情况下,确定所述当前交易为风险交易
。2.
根据权利要求1所述的识别方法,其特征在于,所述交易识别方法还包括:为每个所述客户端构造局部属性网络,其中,所述客户端是客户进行交易的应用终端,所述客户端预先存储有客户属性数据以及客户交易数据;基于所述局部属性网络,为所述客户端构建局部判别模型,并在训练所述局部判别模型的过程中,确定局部梯度信息;将每个所述客户端的所述局部梯度信息发送至预设服务器,其中,所述预设服务器基于所有所述局部梯度信息,确定全局梯度信息,并将所述全局梯度信息返回至每个所述客户端;采用所述全局梯度信息更新所述客户端的所述局部判别模型,得到所述预设判别模型
。3.
根据权利要求2所述的识别方法,其特征在于,在为每个所述客户端构造局部属性网络之前,还包括:获取所述客户端存储的所述客户属性数据以及所述客户交易数据;基于所述客户属性数据,确定所述客户端上的所述客户以及客户之间的社会关系;基于所述客户交易数据,确定所述客户端上与所述客户具有交易关系的商户
。4.
根据权利要求3所述的识别方法,其特征在于,为每个所述客户端构造局部属性网络的步骤,包括:将所述客户表征为客户节点,并将所述商户表征为商户节点;在具有所述社会关系的两个所述客户节点之间构建一条连边,并在具有所述交易关系的所述客户节点与所述商户节点之间构建一条所述连边;基于所述客户节点
、
所述商户节点以及所述连边,构造所述客户端的所述局部属性网络,其中,所述局部属性网络中每个所述客户节点以及每个所述商户节点都对应有特征向量
。5.
根据权利要求2所述的识别方法,其特征在于,基于所述局部属性网络,为所述客户端构建局部判别模型的步骤,包括:构建所述局部判别模型的网络结构,其中,所述局部判别模型的所述网络结构包括:输入层
、
多层隐藏层
、
输出层;采用所述局部属性网络,训练所述网络结构,并在每次训练完成后得到输出值;基于所述输出值以及标签值,采用损失函数确定所述网络结构是否训练完成,其中...
【专利技术属性】
技术研发人员:王世超,
申请(专利权)人:中国工商银行股份有限公司,
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。