一种欺诈风险的预测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供了一种欺诈风险的预测方法、装置、设备及存储介质，涉及反欺诈技术领域。本申请中将新申请客户的信息图谱化后与预设客户图谱进行融合，再基于离线社团划分的结果将与新申请客户相关联的图谱从预设图谱中筛选出来，然后根据子关联图中含有的欺诈标签信息和第一预设规则，得到当前客户对银行的欺诈风险预测等级，以便于银行工作人员对高风险的客户进行人工核查，不仅可以提高工作效率，还能及时发现具有欺诈行为特征的客户以提高警惕，减少银行不必要的损失。而且，本申请是借助识别和评估借贷人所在的团体是否具有欺诈风险来评断借贷人的欺诈风险，提高了团伙以及个人欺诈识别的准确度和可靠性。诈识别的准确度和可靠性。诈识别的准确度和可靠性。

【技术实现步骤摘要】
一种欺诈风险的预测方法、装置、设备及存储介质


[0001]本专利技术涉及反欺诈
，具体而言，涉及一种欺诈风险的预测方法、装置、设备及存储介质。

技术介绍

[0002]当前随着信用卡欺诈手法不断升级，欺诈者使用各类前沿技术进行各种各样的欺诈行为，巧妙地使用伪造申请资料、冒充虚假身份、盗用他人资料等手段进行欺诈，以及使用各类成熟的群控云控技术进行批量骗贷，骗取大量资金。当下反欺诈识别使用最广泛的技术方法，是基于专家规则、评分模型(采用逻辑回归、决策树、支持向量机或XGBoost等机器学习算法)构建的以单笔进件欺诈识别为基础的反欺诈模型，而这种反欺诈模型对于层出不穷的、隐藏更深的团伙欺诈手段，如集体伪造申请资料、批量虚假身份申请，中介批量包装等识别难度较大。欺诈规则和传统机器学习模型虽然可以规避“单点”欺诈漏洞，但对于大规模的团伙欺诈仍难以识别。因此完善信用卡的反欺诈体系非常重要且迫切。

技术实现思路

[0003]本专利技术的目的在于提供一种欺诈风险的预测方法、装置、设备及存储介质，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：
[0004]第一方面，本申请提供了一种欺诈风险的预测方法，包括：
[0005]获取待处理业务的客户信息，所述客户信息包括客户的身份证号。
[0006]基于所述客户的身份证号，判断客户是否包含在历史客户名单内，若不是，则获取第一数据，所述第一数据为所述客户信息所对应的多个基本属性信息经过图谱化后得到的图谱。
[0007]基于所述第一数据和预设客户图谱，得到第一目标关联图，所述第一目标关联图是所述第一数据中的每个基本属性信息与所述预设客户图谱中相同信息进行映射后得到的融合图谱，所述预设客户图谱为根据实际的社会网络关系将至少两个历史客户的基本属性信息进行相互映射形成的图谱集合，每个所述历史客户带有对应的等级社团标签。
[0008]对所述第一目标关联图进行聚类处理，得到子关联图，所述子关联图是基于离线社团划分的结果对第一数据进行归类得到的社团图谱；所述社团图谱是从所述第一目标关联图中截取的与所述第一数据映射关联的图谱，并根据所有的所述社团标签中最大占比的所述社团标签将所述第一数据进行划分后得到的图谱集合。
[0009]基于所述子关联图和第一预设规则，得到当前客户对银行的欺诈风险预测等级，所述第一预设规则为自定义的疑似欺诈行为特征的风险等级规则。
[0010]第二方面，本申请还提供了一种欺诈风险的预测装置，包括第一获取模块、第二获取模块、第一图谱模块、第二图谱模块和等级输出模块，其中：
[0011]第一获取模块：用于获取待处理业务的客户信息，所述客户信息包括客户的身份证号。
[0012]第二获取模块：用于基于所述客户的身份证号，判断客户是否包含在历史客户名单内，若不是，则获取第一数据，所述第一数据为所述客户信息所对应的多个基本属性信息经过图谱化后得到的图谱。
[0013]第一图谱模块：用于基于所述第一数据和预设客户图谱，得到第一目标关联图，所述第一目标关联图是所述第一数据中的每个基本属性信息与所述预设客户图谱中相同信息进行映射后得到的融合图谱，所述预设客户图谱为根据实际的社会网络关系将至少两个历史客户的基本属性信息进行相互映射形成的图谱集合，每个所述历史客户带有对应的等级社团标签。
[0014]第二图谱模块：用于对所述第一目标关联图进行聚类处理，得到子关联图，所述子关联图是基于离线社团划分的结果对第一数据进行归类得到的社团图谱；所述社团图谱是从所述第一目标关联图中截取的与所述第一数据映射关联的图谱，并根据所有的所述社团标签中最大占比的所述社团标签将所述第一数据进行划分后得到的图谱集合。
[0015]等级输出模块：用于基于所述子关联图和第一预设规则，得到当前客户对银行的欺诈风险预测等级，所述第一预设规则为自定义的疑似欺诈行为特征的风险等级规则。
[0016]第三方面，本申请还提供了一种欺诈风险的预测设备，包括：
[0017]存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述欺诈风险的预测方法的步骤。
[0018]第四方面，本申请还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于欺诈风险的预测方法的步骤。
[0019]本专利技术的有益效果为：
[0020]本申请中，将新申请的客户信息图谱化后与预设客户图谱进行融合，其中预设客户图谱中包括客户的基本属性信息、个人征信信息(含有欺诈标签信息)以及客户之间的社会网络关系信息等。再基于离线模式，将与新申请客户相关联的图谱从预设图谱中筛选出来得到第一目标关联图，为后期匹配欺诈团伙信息时减少工作量，提升匹配效率。然后根据基本属性信息将第一目标关联图划分成多个子关联图，然后根据子关联图中含有的欺诈标签信息和第一预设规则，得到当前客户对银行的欺诈风险预测等级，以便于银行工作人员对高风险的客户进行人工核查，不仅可以提高工作效率，还能及时发现具有欺诈行为特征的客户以提高警惕，减少银行不必要的损失。而且，本申请是借助识别和评估借贷人所在的团体是否具有欺诈风险来评断借贷人的欺诈风险，提高了团伙以及个人欺诈识别的准确度和可靠性。
[0021]本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0022]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0023]图1为本专利技术实施例中的欺诈风险的预测方法的流程框图；
[0024]图2为本专利技术实施例中的欺诈风险的预测装置框图；
[0025]图3为本专利技术实施例中的欺诈风险的预测设备的框图。
[0026]图中标记：700
‑
欺诈风险的预测装置；710
‑
第一获取模块；720
‑
第二获取模块；721
‑
第一子图单元；722
‑
第二子图单元；7221
‑
获取子单元；7222
‑
第四判断单元；72221
‑
第五判断单元；7223
‑
更新单元；723
‑
匹配单元；724
‑
第一判断单元；730
‑
第一图谱模块；740
‑
第二图谱模块；741
‑
第三子图单元；742
‑
第四子图单元；750
‑
等级输出模块；751
‑
第二判断单元；752
...

【技术保护点】

【技术特征摘要】
1.一种欺诈风险的预测方法，其特征在于，包括：获取待处理业务的客户信息，所述客户信息包括客户的身份证号；基于所述客户的身份证号，判断客户是否包含在历史客户名单内，若不是，则获取第一数据，所述第一数据为所述客户信息所对应的多个基本属性信息经过图谱化后得到的图谱；基于所述第一数据和预设客户图谱，得到第一目标关联图，所述第一目标关联图是所述第一数据中的每个基本属性信息与所述预设客户图谱中相同信息进行映射后得到的融合图谱，所述预设客户图谱为根据实际的社会网络关系将至少两个历史客户的基本属性信息进行相互映射形成的图谱集合，每个所述历史客户带有对应等级的社团标签；对所述第一目标关联图进行聚类处理，得到子关联图，所述子关联图是基于离线社团划分的结果对第一数据进行归类得到的社团图谱；所述社团图谱是从所述第一目标关联图中截取的与所述第一数据映射关联的图谱，并根据所有的所述社团标签中最大占比的所述社团标签将所述第一数据进行划分后得到的图谱集合；基于所述子关联图和第一预设规则，得到当前客户对银行的欺诈风险预测等级，所述第一预设规则为自定义的疑似欺诈行为特征的风险等级规则。2.根据权利要求1所述的欺诈风险的预测方法，其特征在于，所述方法还包括：当所述客户的身份证号包含在所述历史客户名单内时，基于所述客户信息，得到第二目标关联图，所述第二目标关联图是所述预设客户图谱中与所述客户信息相互重叠的所有图谱信息集合；基于所述第二目标关联图，得到欺诈关联图，所述欺诈关联图为所述第二目标关联图中包含有第一欺诈标签的所有图谱信息集合，所述第一欺诈标签为描述客户具有欺诈行为特征的参数；基于时间窗口信息，利用时间窗口的滑动将所述欺诈关联图和预设团伙欺诈模式图进行匹配；所述时间窗口信息包括窗口大小信息和滑动时间间隔信息；所述预设团伙欺诈模式图为自定义的具有欺诈行为特征的社交网络关系模型图；判断所述欺诈关联图是否与所述预设团伙欺诈模式图一致，若是，则将所述欺诈关联图标记为第二欺诈标签。3.根据权利要求1所述的欺诈风险的预测方法，所述对所述第一目标关联图进行聚类处理，得到子关联图包括：基于所述第一目标关联图，得到第三目标关联图，所述第三目标关联图是从所述第一目标关联图中剔除爆炸点图谱后得到的图谱，所述爆炸点图谱是所述第一数据中每个基本属性信息的映射关系总数超过预设关联边的图谱，所述预设关联边是每个所述基本属性信息所能关联的最大映射关系总数；根据所述第一数据和所述第三目标关联图，得到子关联图的集合，所述子关联图的集合中每个子关联图为所述第一数据的任一基本属性信息与所述第三目标关联图重叠的所有图谱。4.根据权利要求2所述的欺诈风险的预测方法，其特征在于，基于所述子关联图和第一预设规则，得到当前客户对银行的欺诈风险预测等级，包括：判断所述子关联图中是否含有所述第一欺诈标签或所述第二欺诈标签，若是，则基于
所有的所述子关联图，得到第二数据和第三数据，所述第二数据为所述子关联图中以客户个体为单位计数的所有客户的总人数；所述第三数据为所述子关联图中以客户个体为单位计数的所述第一欺诈标签和/或所述第二欺诈标签的总人数；基于所述第二数据和所述第三数据，得到欺诈关联值，所述欺诈关联值为所述第三数据与所述第二数据的比值；判断所述欺诈关联值是否超过预设欺诈值，若是，则根据所述欺诈关联值和所述第一预设规则得到当前客户对银行的欺诈风险预测等级，并将所有所述第一数据标记为第三欺诈标签。5.根据权利要求2所述的欺诈风险的预测方法，其特征在于，将所述欺诈关联图标记为第二欺诈标签之后，还包括对所述第一欺诈标签进行更新，所述更新的方法包括：获取欺诈被执行人名单，所述欺诈被执行人名单为失信被执行人名单中筛选出的具有欺诈他人行为特征的人员集合；判断客户的身份证号是否包含在所述欺诈被执行人名单内，所述客户的身份证号包括历史客户的身份证号和新申请客户的身份证号；若是，则将与所述客户的身份证号相对应的所有基本属性信息标记为第一欺诈标签；若不是，则判断与所述客户的身份证号对应的客户是否含有所述第二欺诈标签，若是，则得到目标名单，所述目标名单是根据第三预设规则对所述第二欺诈标签进行筛选后得到的客户名单数据；所述第三预设规则为自定义的判定客户对银行实施欺诈行为的规则；基于所述目标名单，将其标记为第一欺诈标签。6.根据权利要求5所述的欺诈风险的预测方法，其特征在于，所述方法还包括：当所述客户的身份证号对应的客户不含有所述第二欺诈标签时，判断与所述客户的身份证号相对应的基本属性信息中的个人征信信息是否大于预设风险值，所述预设风险值为发生信贷欺诈事件的最低评估值；若是，则将与所述客户的身份证号相对应的所有基本属性信息标记为第二欺诈标签。7.一种欺诈风险的预测装置，其特征在于，包括：第一获取模块：用于获取待处理业务的客户信息，所述客户信息包括客户的身份证号；第二获取模块：用于基于所述客户的身份证...

【专利技术属性】
技术研发人员：柯振德，胡耀武，卢东，
申请(专利权)人：中信银行股份有限公司，
类型：发明
国别省市：