【技术实现步骤摘要】
本专利技术属于风险识别，尤其涉及一种基于leiden社区发现算法的团伙欺诈识别方法。
技术介绍
1、在信贷场景中，信贷欺诈是一个重要议题。借款人通常用虚构数据、隐瞒事实的方式来骗取贷款，但在主观上并没有还款意愿，这往往会给资金出借方造成较大损失。欺诈人群往往会聚集成一个团伙，形成团伙欺诈。目前的反欺诈手段，例如三要素验证、基于leiden社区发现算法的团伙欺诈识别、地址定位、黑名单命中、多头借贷等，更多关注用户本身的信息和特征，只能进行单一用户的反欺诈检测，而没有关注到用户之间的关系，用以团伙欺诈检测。
2、为解决上述技术问题，现有技术方案中cn201710594244.0《一种团伙欺诈的发现方法及装置》通过利用社区划分方法对网络关系数据进行社区划分后，对划分后的社区根据特征指标信息进行团伙欺诈风险预测，实现了对团伙欺诈的监控，但是却存在一下技术问题：
3、现有技术方案中忽视了根据不同的社区中的欺诈用户的识别结果以及与其它的社区的关联关系进行不同的社区的用户的综合欺诈风险的确定，具体的，对于同一个社区中存在多个欺诈用户时，同时关联的社区的综合欺诈风险较大时，则此时的社区存在欺诈风险的概率明显更高，因此若不能进行不同的社区的用户的综合欺诈风险的评估，则无法准确的实现对风险社区和风险用户的识别。
4、针对上述技术问题，本专利技术提供了一种基于leiden社区发现算法的团伙欺诈识别方法。
技术实现思路
1、为实现本专利技术目的，本专利技术采用如下技术方
2、根据本专利技术的一个方面，提供了一种基于leiden社区发现算法的团伙欺诈识别方法。
3、一种基于leiden社区发现算法的团伙欺诈识别方法，其特征在于，具体包括：
4、s1根据不同的用户的个体数据进行不同的用户之间的关联关系的确定，并根据所述关联关系和leiden社区发现算法将不同的用户划分至不同的社区；
5、s2基于历史欺诈行为的识别结果进行所述用户中的欺诈用户的识别，并根据与社区内的欺诈用户的关联关系以及与其它的社区的欺诈用户的关联关系进行不同的用户的欺诈风险以及疑似欺诈用户的识别，将所述疑似欺诈用户作为二次风险辨识用户；
6、s3利用社区的欺诈用户以及疑似欺诈用户、不同的用户的欺诈风险进行不同的社区的综合欺诈风险以及二次辨识社区的确定；
7、s4将与所述二次辨识社区存在关联关系的社区作为关联社区，并根据与不同的关联社区的关联关系以及不同的关联社区的综合欺诈风险对所述二次辨识社区的综合欺诈风险进行修正得到修正欺诈风险，通过所述修正欺诈风险以及不同的用户的欺诈风险确定二次辨识社区的二次风险辨识用户。
8、本专利技术的有益效果在于：
9、1、根据关联关系和leiden社区发现算法将不同的用户划分至不同的社区，进而实现了从不同的用户之间的关联关系的角度将用户划分至多个社区，也为实现对团伙性的欺诈用户的聚类分析和团伙性的欺诈用户的识别奠定了基础，提升了团伙性欺诈风险的识别的准确性。
10、2、根据与社区内的欺诈用户的关联关系以及与其它的社区的欺诈用户的关联关系进行不同的用户的欺诈风险以及疑似欺诈用户的识别，既考虑到与社区内的欺诈用户的关联情况，同时通过综合考虑与其它的社区的欺诈用户的关联情况实现了对于欺诈用户关联程度较大的用户的筛选，从而实现了存在疑似欺诈的用户的筛选。
11、3、通过修正欺诈风险以及不同的用户的欺诈风险确定二次辨识社区的二次风险辨识用户，从而考虑到不同的二次辨识社区的自身的欺诈风险以及与其它的社区的关联情况，实现了对欺诈风险较大的二次辨识社区的准确识别，也为根据团伙欺诈风险大小以及用户的欺诈风险的大小进行差异化的风险辨识奠定了基础。
12、进一步的技术方案在于，所述用户之间的关联关系根据所述用户之间的相同的个体数据进行确定。
13、进一步的技术方案在于，所述疑似欺诈用户的识别的方法为：
14、根据与社区内的欺诈用户的关联关系进行用户的关联的社区内的欺诈用户的数量以及与不同的关联的社区内的欺诈用户的关联因子的确定，并基于用户的关联的社区内的欺诈用户的数量以及与不同的关联的社区内的欺诈用户的关联因子确定所述用户的社区内欺诈风险；
15、根据与其它的社区的欺诈用户的关联关系进行用户的关联的其它的社区的欺诈用户的数量以及与不同的关联的其它的社区的欺诈用户的关联因子的确定，并基于用户的关联的其它的社区的欺诈用户的数量以及与不同的关联的其它的社区的欺诈用户的关联因子确定所述用户的社区外欺诈风险；
16、利用所述用户的社区外欺诈风险以及用户的社区内欺诈风险确定所述用户的欺诈风险，并基于所述用户的欺诈风险确定所述用户是否为疑似欺诈用户。
17、进一步的技术方案在于，所述欺诈用户的关联因子根据所述用户与欺诈用户之间的关联的个体数据的数量进行确定。
18、进一步的技术方案在于，当所述社区的综合欺诈风险不满足要求时，则确定所述社区为二次辨识社区。
19、进一步的技术方案在于，所述二次辨识社区的二次风险辨识用户的确定的方法为：
20、当所述修正欺诈风险大于预设欺诈风险限定量时，则将二次辨识社区中与所述欺诈风险用户以及疑似欺诈用户存在关联关系的用户作为二次风险辨识用户；
21、当所述修正欺诈风险不大于预设欺诈风险限定量时，则通过所述修正欺诈风险进行所述二次辨识社区所处的风险区间的确定，根据所述二次辨识社区所处的风险区间确定所述二次辨识社区的用户的欺诈风险限定量；
22、基于所述欺诈风险限定量以及所述用户的欺诈风险确定二次辨识社区的二次风险辨识用户。
23、第二方面，本专利技术提供了一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种基于leiden社区发现算法的团伙欺诈识别方法。
24、其他特征和优点将在随后的说明书中阐述，本专利技术的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
25、为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种基于Leiden社区发现算法的团伙欺诈识别方法，其特征在于，具体包括：
2.如权利要求1所述的基于Leiden社区发现算法的团伙欺诈识别方法，其特征在于，所述用户之间的关联关系根据所述用户之间的相同的个体数据进行确定。
3.如权利要求1所述的基于Leiden社区发现算法的团伙欺诈识别方法，其特征在于，将不同的用户划分至不同的社区，具体包括：
4.如权利要求3所述的基于Leiden社区发现算法的团伙欺诈识别方法，其特征在于，所述模块度的计算公式为：Q=1/2m×∑c[Ec–r×(Kc)2/2m]
5.如权利要求1所述的基于Leiden社区发现算法的团伙欺诈识别方法，其特征在于，所述疑似欺诈用户的识别的方法为：
6.如权利要求5所述的基于Leiden社区发现算法的团伙欺诈识别方法，其特征在于，所述欺诈用户的关联因子根据所述用户与欺诈用户之间的关联的个体数据的数量进行确定。
7.如权利要求1所述的基于Leiden社区发现算法的团伙欺诈识别方法，其特征在于，所述用户的欺诈风险的取值范围在0到1之间，其中当所述
8.如权利要求1所述的基于Leiden社区发现算法的团伙欺诈识别方法，其特征在于，所述综合欺诈风险的确定的方法为：
9.如权利要求1所述的基于Leiden社区发现算法的团伙欺诈识别方法，其特征在于，二次辨识社区的修正欺诈风险的确定的方法为：
10.如权利要求1所述的基于Leiden社区发现算法的团伙欺诈识别方法，其特征在于，所述二次辨识社区的二次风险辨识用户的确定的方法为：
...【技术特征摘要】
1.一种基于leiden社区发现算法的团伙欺诈识别方法，其特征在于，具体包括：
2.如权利要求1所述的基于leiden社区发现算法的团伙欺诈识别方法，其特征在于，所述用户之间的关联关系根据所述用户之间的相同的个体数据进行确定。
3.如权利要求1所述的基于leiden社区发现算法的团伙欺诈识别方法，其特征在于，将不同的用户划分至不同的社区，具体包括：
4.如权利要求3所述的基于leiden社区发现算法的团伙欺诈识别方法，其特征在于，所述模块度的计算公式为：q=1/2m×∑c[ec–r×(kc)2/2m]
5.如权利要求1所述的基于leiden社区发现算法的团伙欺诈识别方法，其特征在于，所述疑似欺诈用户的识别的方法为：
6.如权利要求5所述的基于leiden社区发现算法的...
【专利技术属性】
技术研发人员：陈俊杰，陈辰，王震，段美宁，
申请(专利权)人：杭银消费金融股份有限公司，
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。