System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机应用,尤其涉及一种反欺诈处理方法、装置、电子设备和存储介质。
技术介绍
1、近年来,数字支付、手机银行转账在全球范围内迅速发展,特别是在中国,用户群体大,使用门槛低。作为反欺诈系统的重要组成部分,对支付行为的检测通常被建模为支付风险预测问题。算法通过数据挖掘获取支付特征,并将其映射到支付风险评分,建立基于机器学习和深度强化学习的风险预测模型。在实践中,反欺诈系统通常直接阻止风险评分较高的支付。由于系统可用于决策的信息通常是有限的,可能会出现假警报,这意味着正常的事务可能会被错误地阻止,从而导致糟糕的用户体验。目前常见的解决方案是人工判别服务,这需要人工联系系统怀疑的潜在受害者,以获取更多信息并警告他们有关风险。然而,尽管人工代理的雇佣和培训成本相当高,但由于经过培训的人工代理只能在短时间内获取和处理非常有限的信息,所以服务质量无法得到保证。另一个常见的解决方案是,基于流程的机器人服务,绝大多数依赖于手动配置的对话流程,以合理的方式与用户进行有意义的交互。然而,构建对话过程的数据库仍然需要大量的人力。
技术实现思路
1、本专利技术提供了一种反欺诈处理方法、装置、电子设备和存储介质,旨在实现金融领域的自动化反欺诈,可降低人力成本,提高响应效率,可增强反欺诈处理策略的准确生成,提升用户使用体验。
2、根据本专利技术的一方面,提供了一种反欺诈处理方法,其中,该方法包括:
3、响应于目标业务场景的触发信息,基于预设问题获取用户回答信息;
5、根据所述业务欺诈情况生成所述目标业务场景的响应处理策略。
6、根据本专利技术的另一方面,提供了一种反欺诈处理装置,其中,该装置包括:
7、问答执行模块,用于响应于目标业务场景的触发信息,基于预设问题获取用户回答信息;
8、情况检测模块,用于根据所述用户回答信息,通过预设欺诈检测模型确定业务欺诈情况;
9、策略生成模块,用于根据所述业务欺诈情况生成所述目标业务场景的响应处理策略。
10、根据本专利技术的另一方面,提供了一种电子设备,所述电子设备包括:
11、至少一个处理器;以及
12、与所述至少一个处理器通信连接的存储器;其中,
13、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本专利技术任一实施例所述的反欺诈处理方法。
14、根据本专利技术的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的反欺诈处理方法。
15、本专利技术实施例的技术方案,通过获取到触发目标业务场景的触发信息时,通过预设问题采集用户回答信息,根据预设欺诈检测模型按照用户回答信息确定业务欺诈情况,在目标业务场景下生成业务欺诈情况对应的响应处理策略,可实现金融领域的自动化反欺诈,可降低人力成本,提高响应效率,可增强反欺诈处理策略的准确生成,提升用户使用体验。
16、应当理解,本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征,也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种反欺诈处理方法,其特征在于,包括:
2.根据权利要求1所述方法,其特征在于,所述响应于目标业务场景触发信息,基于预设问题获取用户回答信息,包括:
3.根据权利要求1所述方法,其特征在于,所述根据所述用户回答信息,通过预设欺诈检测模型确定业务欺诈情况,包括:
4.根据权利要求1所述方法,其特征在于,所述预设欺诈检测模型包括循环双深度强化学习网络模型,所述预设欺诈检测模型至少包括长短期记忆模型、深度强化学习网络以及目标深度强化学习网络,所述预设欺诈检测模型的损失函数通过所述深度强化学习网络的Q值与所述目标深度强化学习网络的目标Q值的均方误差确定。
5.根据权利要求4所述方法,其特征在于,还包括以下至少之一:
6.根据权利要求1所述方法,其特征在于,所述响应处理策略,包括以下至少之一:
7.根据权利要求1所述方法,其特征在于,所述预设欺诈检测模型的训练过程还设置有奖励函数,所述奖励函数中包括以下规则中至少之一:
8.一种反欺诈处理装置,其特征在于,包括:
9.一种电子设备,其特征在于
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的反欺诈处理方法。
...【技术特征摘要】
1.一种反欺诈处理方法,其特征在于,包括:
2.根据权利要求1所述方法,其特征在于,所述响应于目标业务场景触发信息,基于预设问题获取用户回答信息,包括:
3.根据权利要求1所述方法,其特征在于,所述根据所述用户回答信息,通过预设欺诈检测模型确定业务欺诈情况,包括:
4.根据权利要求1所述方法,其特征在于,所述预设欺诈检测模型包括循环双深度强化学习网络模型,所述预设欺诈检测模型至少包括长短期记忆模型、深度强化学习网络以及目标深度强化学习网络,所述预设欺诈检测模型的损失函数通过所述深度强化学习网络的q值与所述目标深度强化学习网络的目标q值的均方误差确定。
【专利技术属性】
技术研发人员:程垦,
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。