一种小微企业的信贷反欺诈方法及装置制造方法及图纸

本发明专利技术涉及大数据领域，具体提供了一种小微企业的信贷反欺诈方法，具有如下步骤：S1、反欺诈数据及信息的处理；S2、反欺诈规则集的建设技术；S3、分模型的建设技术；S4、反欺诈规则集及评分模型部署；S5、对外服务支持系统。与现有技术相比，本发明专利技术能够帮助金融机构对小微企业的欺诈行为实现精准识别，降低小微企业欺诈风险，具有良好的推广价值。具有良好的推广价值。具有良好的推广价值。

【技术实现步骤摘要】
一种小微企业的信贷反欺诈方法及装置


[0001]本专利技术涉及大数据领域，具体提供一种小微企业的信贷反欺诈方法及装置。

技术介绍

[0002]随着经济社会的快速发展，小微企业的数量也快速增长；同时，小微企业在运营时，存在向金融机构申请贷款的需求。而对于金融机构而言，为了保障自身的经济安全，需要对小微企业的信用情况进行审核，即，对小微企业进行欺诈行为的判定，以确定是否为该小微企业放贷。
[0003]现有技术中，针对企业的欺诈行为的判定，一般是通过人工线下的深入调查分析来判断，不仅效率低下，需要消耗大量的人力资源，而且判断过程掺杂人为的主观因素，使得判断结果不准确。
[0004]因此，如何高效准确地对企业欺诈行为进行判定，是本领域技术人员目前需要解决的技术问题。

技术实现思路

[0005]本专利技术是针对上述现有技术的不足，提供一种实用性强的小微企业的信贷反欺诈方法。
[0006]本专利技术进一步的技术任务是提供一种设计合理，安全适用的小微企业的信贷反欺诈装置。
[0007]本专利技术解决其技术问题所采用的技术方案是：
[0008]一种小微企业的信贷反欺诈方法，具有如下步骤：
[0009]S1、反欺诈数据及信息的处理；
[0010]S2、反欺诈规则集的建设技术；
[0011]S3、分模型的建设技术；
[0012]S4、反欺诈规则集及评分模型部署；
[0013]S5、对外服务支持系统。
[0014]进一步的，在步骤S1中，首先通过API接口、网络爬取获取小微企业的相关数据信息，建立数据自动更新机制，其次，对小微企业信息采用大数据治理技术、关联技术进行清洗、融合；
[0015]同时采用知识图谱技术与语义解析技术对文本、非结构化数据进行结构化解析，并与其它信息进行关联融合，建立小微企业反欺诈基础信息库；调取基础信息库中的小微企业信息进行反欺诈指标加工入库。
[0016]作为优选，所述爬取的次数为每天一次，api接口为实时更新，同时，建立数据更新配置系统，根据配置调整数据的更新频度。
[0017]进一步的，在步骤S2中，首先建立小微企业样本库，对小微企业库中的企业进行欺诈风险指标加工，并对指标中缺失率较大的指标自动剔除处理，对缺失率较小的采用随机
森林法自动填补，采用神经网络技术，筛选出对欺诈比较明显的指标，并采用woe分析法确定欺诈阈值，并根据业务要求及指标的重要程度，自动筛选出指标作为欺诈规则，建立欺诈规则集；
[0018]同时采用知识图谱技术，建立小微企业知识图谱，分析周围欺诈行为对小微企业欺诈风险的影响，并输出欺诈倾向值及判断结果。
[0019]进一步的，在步骤S3中，首先，对小微企业样本库随机划分为建模样本与测试样本，然后基于建模样本，采用大数据特征挖掘和AI算法技术自动构建反欺诈评分模型，并测试模型的区分效果；
[0020]基于测试样本，进一步测试模型的区分度，同时测试模型的稳定性，采用woe法划分相应的等级区间，统计各等级的欺诈率，确定欺诈率低于一定阈值。
[0021]进一步的，在步骤S4中，反欺诈规则集及评分模型部署将模型部署到反欺诈系统平台，同时实现对反欺诈模型的相关管理。
[0022]进一步的，在步骤S5中，对外服务支持系统根据反欺诈模型分析结果，将相关反欺诈指标及决策结果通过API接口传输至报告系统，生成反欺诈分析报告。
[0023]一种小微企业的信贷反欺诈装置，包括：至少一个存储器和至少一个处理器；
[0024]所述至少一个存储器，用于存储机器可读程序；
[0025]所述至少一个处理器，用于调用所述机器可读程序，执行一种小微企业的信贷反欺诈方法。
[0026]本专利技术的一种小微企业的信贷反欺诈方法及装置和现有技术相比，具有以下突出的有益效果：
[0027]本专利技术建立了一套标准化的小微企业反欺诈数据信息采集、更新、清洗、融合等方法，并采用这些方法对小微企业反欺诈数据进行处理后，建立了小微企业欺诈信息档案库；
[0028]且建立了一套完善的反欺诈规则库及反欺诈信用评分模型，能够对小微企业欺诈行为作出实时甄别。
[0029]从数据接入、清洗、融合、自动化建设反欺诈规则集及评分模型、模型部署、分析决策报告生成、对外输出等，为小微企业反欺诈系统搭建提供了一种方案，能够帮助金融机构对小微企业的欺诈行为实现精准识别，降低小微企业欺诈风险。
附图说明
[0030]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]附图1是一种小微企业的信贷反欺诈方法的流程示意图。
具体实施方式
[0032]为了使本
的人员更好的理解本专利技术的方案，下面结合具体的实施方式对本专利技术作进一步的详细说明。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下
所获得的所有其他实施例都属于本专利技术保护的范围。
[0033]下面给出一个最佳实施例：
[0034]如图1所示，本实施例中的一种小微企业的信贷反欺诈方法，具有如下步骤：
[0035]S1、反欺诈数据及信息的处理；
[0036]首先通过API接口、网络爬取获取小微企业的相关数据信息，建立数据自动更新机制，其中爬取为每天更新一次，api接口为实时更新；同时，建立数据更新配置系统，根据配置可以调整数据的更新频度。
[0037]其次，对小微企业信息采用大数据治理技术、关联技术进行清洗、融合；同时采用知识图谱技术与语义解析技术对文本、非结构化数据进行结构化解析，并与其它信息进行关联融合，建立小微企业反欺诈基础信息库；第三：调取基础信息库中的小微企业信息进行反欺诈指标加工入库。
[0038]S2、反欺诈规则集的建设技术；
[0039]首先建立小微企业样本库，样本库中主要包括小微企业名称、信贷申请时间、欺诈认定标识。其次，对小微企业库中的企业进行欺诈风险指标加工，并对指标中缺失率较大的指标自动剔除处理，对缺失率较小的采用随机森林法自动填补。
[0040]采用神经网络技术，筛选出对欺诈比较明显的指标，并采用woe分析法确定欺诈阈值，并根据业务要求及指标的重要程度，自动筛选出前25个指标作为欺诈规则，建立欺诈规则集。同时采用知识图谱技术，建立小微企业知识图谱，分析周围欺诈行为对小微企业欺诈风险的影响，并输出欺诈倾向值及判断结果，从而进一步丰富欺诈规则集。
[0041]S3、分模型的建设技术；
[0042]首先，对小微企业样本库随机划分为建模样本与测试样本，建模样本与测试样本的数量之比为7：3。
[0043]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种小微企业的信贷反欺诈方法，其特征在于，具有如下步骤：S1、反欺诈数据及信息的处理；S2、反欺诈规则集的建设技术；S3、分模型的建设技术；S4、反欺诈规则集及评分模型部署；S5、对外服务支持系统。2.根据权利要求1所述的一种小微企业的信贷反欺诈方法，其特征在于，在步骤S1中，首先通过API接口、网络爬取获取小微企业的相关数据信息，建立数据自动更新机制，其次，对小微企业信息采用大数据治理技术、关联技术进行清洗、融合；同时采用知识图谱技术与语义解析技术对文本、非结构化数据进行结构化解析，并与其它信息进行关联融合，建立小微企业反欺诈基础信息库；调取基础信息库中的小微企业信息进行反欺诈指标加工入库。3.根据权利要求2所述的一种小微企业的信贷反欺诈方法，其特征在于，所述爬取的次数为每天一次，api接口为实时更新，同时，建立数据更新配置系统，根据配置调整数据的更新频度。4.根据权利要求3所述的一种小微企业的信贷反欺诈方法，其特征在于，在步骤S2中，首先建立小微企业样本库，对小微企业库中的企业进行欺诈风险指标加工，并对指标中缺失率较大的指标自动剔除处理，对缺失率较小的采用随机森林法自动填补，采用神经网络技术，筛选出对欺诈比较明显的指标，并采用woe分析法确定欺诈阈值，并根据业务要求及指标的重要程度...

【专利技术属性】
技术研发人员：张志明，杨宝华，崔乐乐，徐宏伟，
申请(专利权)人：天元大数据信用管理有限公司，
类型：发明
国别省市：