一种用户聊天反欺诈自动判定方法及系统技术方案

本发明专利技术提供一种用户聊天反欺诈自动判定方法及系统，所述方法包括以下步骤：对举报数据进行自动化处理，基于反欺诈数据库，判定举报数据的双方用户的基础数据信息是否符合认定规则；判定追诉期，判定举报数据的双方用户的深入信息是否符合认定规则；判定补充策略是否符合认定规则，进行额外附加逻辑的自动化流程，结单；设立自动化涉嫌欺诈黑名单名单，定期存入缓存数据库redis进行存储，以便查询以及用户警示。本发明专利技术在用户聊天涉嫌欺诈举报后的追溯过程中能够提供快速的数据整理和判定方法，大大减少了判定流程，降低和避免了反欺诈带来的损失。带来的损失。带来的损失。

【技术实现步骤摘要】
一种用户聊天反欺诈自动判定方法及系统


[0001]本专利技术涉及计算机程序设计
，具体而言，涉及一种用户聊天反欺诈自动判定方法及系统。

技术介绍

[0002]当前网络交互行为中经常存在欺诈等用户行为，其他用户进行举报后才开始调查流程，调查流程需要耗费较多的人力时间去判定，最终结果是耗时过长，无法全部追回款项，严重的甚至全部款项都被骗走，给其他用户造成无法挽回的损失。

技术实现思路

[0003]鉴于此，本专利技术的目的在于设计一套自动化的判定算法，对用户聊天涉嫌欺诈举报后进行快速及时地追溯判定处理，以降低或避免反欺诈过程中的损失。
[0004]本专利技术提供一种用户聊天反欺诈自动判定方法，包括以下步骤：
[0005]S1、对举报数据进行自动化处理，包括以下步骤：
[0006]S11、基于反欺诈数据库，判定举报数据的双方用户的基础数据信息是否符合认定规则，如符合，则进入S12步骤，如不符合，则转人工处理；
[0007]所述认定规则的建立方法包括通过数据统计引擎，根据过去1～15天内的嫌疑关系数，收益方24小时内奖励收益、收益方24小时内基础消费，和/或收益方48小时内奖励收益、收益方48小时内基础消费，以及嫌疑关系奖励金额，采用正态分布参数估计进行认定，正态分布表达式为：
[0008][0009]式中，μ为均数，σ为标准差，σ2为方差，其中1个标准差之内的x的比率为68％，2个标准差之内的x的比率为95％，3个标准差之内的x的比率为99％；
[0010]所述基础数据信息包括：金额数据、用户性别、用户等级；
[0011]S12、判定追诉期，判定举报数据的双方用户的深入信息是否符合认定规则，如符合，则进入S13步骤，如不符合，则转人工处理；
[0012]所述深入信息包括：聊天发生至举报的时长，即初次聊天至举报时刻的时长；
[0013]S13、通过补充策略判定举报数据是否符合认定规则，进行额外附加逻辑的自动化流程，结单；
[0014]所述补充策略包括：被举报用户的被举报命中次数；所述额外附加逻辑包括：处罚、忽略；
[0015]S2、设立自动化涉嫌欺诈黑名单名单，定期存入缓存数据库redis进行存储，以便查询以及用户警示；
[0016]具体地，由海量数据统计引擎，离线脚本化处理，通过嫌疑关系数、嫌疑关系奖励金额的认定规则判定；
[0017]优选地，认定规则包括3种：99
‑
199(系数)，或≥200(系数)，或≥400(系数))，满足认定条件，即设置黑名单名单。
[0018]进一步地，所述S13步骤的所述处罚的方法包括：计算用户收益虚拟货币的金额，进行虚拟币折现驳回、虚拟币扣除。
[0019]进一步地，所述S13步骤的所述进行额外附加逻辑的自动化流的方法包括：如符合认定规则，则进行处罚；如不符合认定规则，则进行忽略。
[0020]进一步地，所述S13步骤的所述结单之后，若被举报用户提起申诉，还包括以下步骤：
[0021]提供用户申诉之后的撤案流程；所述撤案流程包括：若符合撤案条件，则撤案之后返还被举报方的虚拟币。
[0022]进一步地，所述S2步骤的所述用户警示的方法包括：
[0023]通过算法存储的涉嫌欺诈黑名单，在redis查询键名为fraud:blacklist:uid用户编号，判定用户有风险的，进行聊天框顶部风险警示；
[0024]所述通过算法存储的方法包括：通过认定规则将符合下述聊天行为的数据信息其中任一条或多条的，标记数据为黑名单，缓存在redis存储；所述标记数据为黑名单的数据信息包括：
[0025]过去1～15天内：嫌疑关系数≥3
[0026]嫌疑关系奖励金额：99
‑
199
[0027]或者
[0028]收益方24小时内奖励收益区间为：[42.4，85][0029]收益方24小时内基础消费：＜21.3
[0030]嫌疑关系奖励金额：≥200
[0031]或者
[0032]收益方48小时内奖励收益：≥85
[0033]收益方48小时内基础消费：＜42.5
[0034]嫌疑关系奖励金额：≥400
[0035]或者
[0036]收益方48小时内奖励收益：≥170
[0037]收益方48小时内基础消费：＜85；
[0038]优选地，用户警示通过客户端展示。
[0039]本专利技术还提供一种用户聊天反欺诈自动判定系统，执行如上述所述的用户聊天反欺诈自动判定方法，包括：
[0040]判定基础数据信息子系统：用于基于反欺诈数据库判定举报数据的双方用户的基础数据信息是否符合认定规则，如符合，则进入判定追诉期子系统，如不符合，则转人工处理；
[0041]判定追诉期子系统：用于判定举报数据的双方用户的深入信息是否符合认定规则，如符合，则进入判定补充策略子系统，如不符合，则转人工处理；
[0042]涉嫌欺诈黑名单存储子系统：用于设立自动化涉嫌欺诈黑名单名单，定期存入缓存数据库redis进行存储，以便查询以及用户警示。
[0043]所述用户聊天反欺诈自动判定系统支持自动化流程流转和人工处理。
[0044]本专利技术用户聊天反欺诈自动判定系统的数据部分还包括：
[0045]准实时聊天数据处理模块：将用户通过客户端与其他用户之间的聊天产生数据，包括：文字聊天，图片聊天，话题聊天，视频聊天，客户端通过http请求将上述聊天产生的数据传入到服务器端进行后台数据的处理；
[0046]存档数据模块：对数据进行定量的数据存储存档，聊天记录按月度分割保存在mysql存储，以满足相关备查取证功能；
[0047]大数据平台离线数据处理模块：针对性地将用户交友聊天行为相关信息数据按需保存处理，将记录编号、举报类型、举报场景、举报时间、来源、举报发起间隔时长、会话时长、举报总周期、举报方充值金额、举报金额、罚款金额、归还金额、基础金额、奖励金额，将对应的数据导入到海量数据统计引擎Sa，方便后续对海量数据的查找，离线分析，离线评估；
[0048]提交举报数据处理模块：将用户方、被举报方、举报类型、举报场景、举报时间、举报内容，将对应的数据导入到存档数据库Mysql中，用于数据查证分析以及自动化处理。
[0049]本专利技术用户聊天反欺诈自动判定系统的算法模型部分的结构包括：
[0050]用户数据层：包括用户基础信息，相关金额数据、用户性别、用户等级，用于进行基础信息的判定；
[0051]具体地，假设用户A充值金额未达到1000.00元整，被举报方用户B性别为女且用户B的等级未达到5级，可以进行系统自动化判定；
[0052]举报追诉期层：用于深入举报的双方用户，即聊天发生至举报的时长等信息，进行对应的判定；
[0053]具体地，比如用户A与用户B的初次文字聊天至举报时刻的时长为20天本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户聊天反欺诈自动判定方法，其特征在于，包括以下步骤：S1、对举报数据进行自动化处理，包括以下步骤：S11、基于反欺诈数据库，判定举报数据的双方用户的基础数据信息是否符合认定规则，如符合，则进入S12步骤，如不符合，则转人工处理；所述认定规则的建立方法包括通过数据统计引擎，根据过去1～15天内的嫌疑关系数，收益方24小时内奖励收益、收益方24小时内基础消费，和/或收益方48小时内奖励收益、收益方48小时内基础消费，以及嫌疑关系奖励金额，采用正态分布参数估计进行认定，正态分布表达式为：式中，μ为均数，σ为标准差，σ2为方差，其中1个标准差之内的x的比率为68％，2个标准差之内的x的比率为95％，3个标准差之内的x的比率为99％；所述基础数据信息包括：金额数据、用户性别、用户等级；S12、判定追诉期，判定举报数据的双方用户的深入信息是否符合认定规则，如符合，则进入S13步骤，如不符合，则转人工处理；所述深入信息包括：聊天发生至举报的时长；S13、通过补充策略判定举报数据是否符合认定规则，进行额外附加逻辑的自动化流程，结单；所述补充策略包括：被举报用户的被举报命中次数；所述额外附加逻辑包括：处罚、忽略；S2、设立自动化涉嫌欺诈黑名单名单，定期存入缓存数据库redis进行存储，以便查询以及用户警示。2.根据权利要求1所述的用户聊天反欺诈自动判定方法，其特征在于，所述S13步骤的所述处罚的方法包括：计算用户收益虚拟货币的金额，进行虚拟币折现驳回、虚拟币扣除。3.根据权利要求1所述的用户聊天反欺诈自动判定方法，其特征在于，所述S13步骤的所述进行额外附加逻辑的自动化流的方法包括：如符合认定规则，则进行处罚；如不符合认定规则，则进行忽略。4.根据权利要求1所述的用户聊天反欺诈自动判定方法，其特征在于，所述S13步骤的所述结单之后，若被举报用户提起申诉，还包括以下步骤：提供用户申诉之后的撤案流程；所述撤案流程包括：若符合撤案条件，则撤案之后返还被举报方的虚拟币。5.根据权利要求1所述的用户聊天反欺诈自动...

【专利技术属性】
技术研发人员：吴子龙，陈琳辉，华振星，
申请(专利权)人：上海辉禹科技有限公司，
类型：发明
国别省市：