【技术实现步骤摘要】
本专利技术涉及计算机，具体为一种基于机器学习的账户风险预测方法及系统。
技术介绍
1、当今金融环境日益复杂，账户风险表现形式日趋多样化，用户的风险行为具有较强的隐蔽性与欺骗性。基于机器学习的账户风险预测方法已在金融反欺诈、风控审核等场景中得到广泛应用，常见做法是基于账户历史交易数据和用户行为特征训练分类模型，用以判断账户是否存在潜在风险。然而，现有技术中仍存在一些难以忽视的技术瓶颈，尤其体现在对临界风险账户的识别能力不足。此类账户的行为特征往往游走在正常与异常之间，既未违反已有规则，也未表现出明显的欺诈特征，常因模型缺乏精细粒度的动态行为建模而被错误判定为低风险，从而使其成为系统漏洞的潜在利用对象。现有方法在构建特征时未充分考虑账户交易行为的时间依赖性和上下文演变关系，导致模型在面对风险行为的渐进式演化时难以及时响应。例如，一个账户可能在短期内逐步提升交易额度、延长操作时间、改变交易时间段，这种缓慢变化过程若未被有效捕捉，则模型容易忽略风险的逐步积累。因此，设计一种降低误判率的基于机器学习的账户风险预测方法及系统是很有必要的。
<...【技术保护点】
1.一种基于机器学习的账户风险预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器学习的账户风险预测方法，其特征在于，构建账户动态行为特征数据集过程为：
3.根据权利要求2所述的一种基于机器学习的账户风险预测方法，其特征在于，对账户动态行为特征数据集进行多层嵌套特征提取过程为：
4.根据权利要求3所述的一种基于机器学习的账户风险预测方法，其特征在于，采用时序卷积网络与注意力机制融合算法构建账户风险行为演化模型过程为：
5.根据权利要求4所述的一种基于机器学习的账户风险预测方法，其特征在于，判断账户风...
【技术特征摘要】
1.一种基于机器学习的账户风险预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器学习的账户风险预测方法，其特征在于，构建账户动态行为特征数据集过程为：
3.根据权利要求2所述的一种基于机器学习的账户风险预测方法，其特征在于，对账户动态行为特征数据集进行多层嵌套特征提取过程为：
4.根据权利要求3所述的一种基于机器学习的账户风险预测方法，其特征在于，采用时序卷积网络与注意力机制融合算法构建账户风险行为演化模型过程为：
5.根据权利要求4所述的一种基于机器学习的账户风险预测方法，其特征...
【专利技术属性】
技术研发人员：孙佳，
申请(专利权)人：北京芯盾时代科技有限公司，
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。