一种风险识别方法及装置制造方法及图纸

本申请涉及数据处理技术领域，尤其涉及一种风险识别方法及装置，用以解决现有技术中进行风险识别的准确性较低的问题。本申请实施例提供的风险识别方法包括：服务器接收用户终端发送的针对待识别账户的业务处理请求；将所述待识别账户的多种第一特征参数的特征值输入训练出的第一机器分类模型，得到第一风险评估值；所述第一特征参数为反映所述账户对应的非累计行为特征的参数；将所述第一风险评估值，和所述待识别账户的至少一种第二特征参数的特征值输入训练出的第二机器分类模型，得到第二风险评估值；所述第二特征参数为反映所述账户对应的累计行为特征的参数；基于得到的第二风险评估值，对所述业务处理请求进行风险识别。

【技术实现步骤摘要】

本申请涉及数据处理
，尤其涉及一种风险识别方法及装置。
技术介绍
在风险识别中，服务器通常需要基于历史处理记录训练出机器分类模型，将待识别账户的各种特征参数的特征值输入训练出的机器分类模型，基于模型输出的结果进行风险识别。这些特征参数有反映账户的累计行为特征的参数，比如该账户一个月内更换发起业务请求的互联网协议(InternetProtocol，IP)地址的次数等，还有反映非累计行为特征的参数，比如账户类型等。目前，通常是将所有可能影响风险识别结果的特征参数都直接作为机器分类模型的考虑因素。但是，反映非累计行为特征的参数通常会出现噪音数据，即异常数据，这些噪音数据会对模型精度和稳定性产生影响，从而严重影响风险识别结果的准确性。为了减少噪音数据的影响，有些处理方式中将这种反映非累计行为特征的参数进行筛除处理，但这种方式往往会遗漏很多有用信息，进而导致进行风险识别的准确性也较低。
技术实现思路
本申请实施例提供一种风险识别方法及装置，用以解决现有技术中进行风险识别的准确性较低的问题。本申请实施例提供一种风险识别方法，包括：服务器接收用户终端发送的针对待识别账户的业务处理请求；将所述待识别账户的多种第一特征参数的特征值输入训练出的第一机器分类模型，得到第一风险评估值；所述第一特征参数为反映所述账户对应的非累计行为特征的参数；将所述第一风险评估值，和所述待识别账户的至少一种第二特征参数的特征值输入训练出的第二机器分类模型，得到第二风险评估值；所述第二特征参数为反映所述账户对应的累计行为特征的参数；基于得到的第二风险评估值，对所述业务处理请求进行风险识别。可选地，根据以下步骤训练出所述第一机器分类模型：获取多个已知账户类型的样本账户的特征参数信息；其中，每个样本账户的特征参数信息包括多种第一特征参数的特征值；所述账户类型包括安全账户和风险账户；基于所述多个样本账户中每个样本账户的多种第一特征参数的特征值，以及每个样本账户的账户类型，训练出所述第一机器分类模型。可选地，基于所述多个样本账户中每个样本账户的多种第一特征参数的特征值，以及每个样本账户的账户类型，训练出所述第一机器分类模型，包括：针对所述多个样本账户中的每个样本账户，以该样本账户的多种第一特征参数的特征值作为所述第一机器分类模型的输入值，以该样本账户的账户类型对应的风险评估值作为所述第一机器分类模型的目标输出值，训练出所述第一机器分类模型。可选地，每个样本账户的特征参数信息还包括至少一种第二特征参数的特征值；根据以下步骤训练出所述第二机器分类模型：将每个样本账户的各种第一特征参数的特征值输入训练出的所述第一机器分类模型，得到第一风险评估值；基于所述多个样本账户中，每个样本账户分别对应的各种第二特征参数的特征值、所述第一风险评估值、以及账户类型，训练出所述第二机器分类模型。可选地，基于所述多个样本账户中，每个样本账户分别对应的各种第二特征参数的特征值、所述第一风险评估值、以及账户类型，训练出所述第二机器分类模型，包括：针对所述多个样本账户中的每个样本账户，以该样本账户的各种第二特征参数的特征值和第一风险评估值作为所述第二机器分类模型的输入值，以该样本账户的账户类型对应的风险评估值作为所述第二机器分类模型的目标输出值，训练出所述第二机器分类模型。本申请实施例提供一种风险识别装置，包括：接收模块，用于接收用户终端发送的针对待识别账户的业务处理请求；第一处理模块，用于将所述待识别账户的多种第一特征参数的特征值输入训练出的第一机器分类模型，得到第一风险评估值；所述第一特征参数为反映所述账户对应的非累计行为特征的参数；第二处理模块，用于将所述第一风险评估值，和所述待识别账户的至少一种第二特征参数的特征值输入训练出的第二机器分类模型，得到第二风险评估值；所述第二特征参数为反映所述账户对应的累计行为特征的参数；风险识别模块，用于基于得到的第二风险评估值，对所述业务处理请求进行风险识别。本申请实施例并不是将账户的所有特征参数都直接输入训练的机器分类模型得到风险评估值，而是首先将各种反映非累计行为特征的第一特征参数的特征值输入训练出的第一机器分类模型，再将第一机器分类模型输出的第一风险评估值作为一种新的特征参数的特征值输入第二机器分类模型，由于第一风险评估值是基于多种第一特征参数得到的综合评估值，从而可以弱化噪音数据的影响，提高风险识别的准确性。附图说明图1为本申请实施例一提供的风险识别方法流程图；图2为本申请实施例二提供的风险识别方法流程图；图3为本申请实施例提供的风险识别装置结构示意图。具体实施方式本申请实施例中，服务器在接收到用户终端发送的针对待识别账户的业务处理请求后，首先将该账户的多种第一特征参数(反映账户对应的非累计行为特征的参数)的特征值输入训练出的第一机器分类模型，得到第一风险评估值；然后，将得到的第一风险评估值，与该账户的至少一种第二特征参数(反映账户对应的累计行为特征的参数)的特征值输入训练出的第二机器分类模型，得到第二风险评估值；基于得到的第二风险评估值，对用户终端的业务处理请求进行风险识别。可见，本申请实施例并不是将账户的所有特征参数都直接输入训练的机器分类模型得到风险评估值，而是首先将各种第一特征参数的特征值输入训练出的第一机器分类模型，再将第一机器分类模型输出的第一风险评估值作为一种新的特征参数的特征值输入第二机器分类模型，由于第一风险评估值是基于多种第一特征参数得到的综合评估值，从而可以弱化噪音数据的影响，提高风险识别的准确性。下面结合说明书附图对本申请实施例作进一步详细描述。实施例一如图1所示，为本申请实施例一提供的风险识别方法流程图，包括以下步骤：S101：服务器接收用户终端发送的针对待识别账户的业务处理请求。这里的业务处理请求可以是信息获取请求、交易请求等。这里的账户可以是指用户终端在服务器注册的账户(比如注册的会员账户)，也可以是指服务器为用户终端进行业务处理所需要的临时账户(比如银行卡号)。S102：将所述待识别账户的多种第一特征参数的特征值输入训练出的第一机器分类模型，得到第一风险评估值；所述第一特征参数为反映所述账户对应的非累计行为特征的参数。这里，第一机器分类模型具体可以是逻辑回归模型，当然，也可以根据训练结果的需要选择其它机器分类模型。这里的第一特征参数为反映账户对应的非累计行为特征的参数，可以包括冲突类参数和原始参数，冲突类参数是指反映不同信息之间是否存在冲突的参数，比如发卡国与账单地址国是否冲突，用户终端的IP地址与账单地址国是否冲突等，原始参数为账户本身的特征参数，比如发卡行、卡类型(如白金卡、金卡、普通卡)等。特征值为将特征参数信息进行数值化处理后的值，取值范围可以为[0，1]。与上述第一机器分类模型的使用相对应，在训练第一机器分类模型时，需要获取多个样本账户中每个样本账户(这里的样本账户为已知账户类型的账户)的多个第一特征参数的特征值，结合每个样本账户的账户类型，训练出第一机器分类模型。比如，若一个样本账户为安全账户，则可以将安全账户对应的特征值(比如0)作为第一机器分类模型的目标输出值，将该样本账户的每个第一特征参数的特征值作为第一机器分类模型的输入值，进行模型训本文档来自技高网...

【技术保护点】
一种风险识别方法，其特征在于，该方法包括：服务器接收用户终端发送的针对待识别账户的业务处理请求；将所述待识别账户的多种第一特征参数的特征值输入训练出的第一机器分类模型，得到第一风险评估值；所述第一特征参数为反映所述账户对应的非累计行为特征的参数；将所述第一风险评估值，和所述待识别账户的至少一种第二特征参数的特征值输入训练出的第二机器分类模型，得到第二风险评估值；所述第二特征参数为反映所述账户对应的累计行为特征的参数；基于得到的第二风险评估值，对所述业务处理请求进行风险识别。

【技术特征摘要】
1.一种风险识别方法，其特征在于，该方法包括：服务器接收用户终端发送的针对待识别账户的业务处理请求；将所述待识别账户的多种第一特征参数的特征值输入训练出的第一机器分类模型，得到第一风险评估值；所述第一特征参数为反映所述账户对应的非累计行为特征的参数；将所述第一风险评估值，和所述待识别账户的至少一种第二特征参数的特征值输入训练出的第二机器分类模型，得到第二风险评估值；所述第二特征参数为反映所述账户对应的累计行为特征的参数；基于得到的第二风险评估值，对所述业务处理请求进行风险识别。2.如权利要求1所述的方法，其特征在于，根据以下步骤训练出所述第一机器分类模型：获取多个已知账户类型的样本账户的特征参数信息；其中，每个样本账户的特征参数信息包括多种第一特征参数的特征值；所述账户类型包括安全账户和风险账户；基于所述多个样本账户中每个样本账户的多种第一特征参数的特征值，以及每个样本账户的账户类型，训练出所述第一机器分类模型。3.如权利要求2所述的方法，其特征在于，基于所述多个样本账户中每个样本账户的多种第一特征参数的特征值，以及每个样本账户的账户类型，训练出所述第一机器分类模型，包括：针对所述多个样本账户中的每个样本账户，以该样本账户的多种第一特征参数的特征值作为所述第一机器分类模型的输入值，以该样本账户的账户类型对应的风险评估值作为所述第一机器分类模型的目标输出值，训练出所述第一机器分类模型。4.如权利要求2或3所述的方法，其特征在于，每个样本账户的特征参数信息还包括至少一种第二特征参数的特征值；根据以下步骤训练出所述第二
\t机器分类模型：将每个样本账户的各种第一特征参数的特征值输入训练出的所述第一机器分类模型，得到第一风险评估值；基于所述多个样本账户中，每个样本账户分别对应的各种第二特征参数的特征值、所述第一风险评估值、以及账户类型，训练出所述第二机器分类模型。5.如权利要求4所述的方法，其特征在于，基于所述多个样本账户中，每个样本账户分别对应的各种第二特征参数的特征值、所述第一风险评估值、以及账户类型，训练出所述第二机器分类模型，包括：针对所述多个样本账户中的每个样本账户，以该样本账户的各种第二特征参数的特征值和第一风险评估值作为所述第二机器分类模型的输入值，以该样本账户的账户...

【专利技术属性】
技术研发人员：董师师，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛;KY