CN110297912A - 欺诈识别方法、装置、设备及计算机可读存储介质 - Google Patents
欺诈识别方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110297912A CN110297912A CN201910420139.4A CN201910420139A CN110297912A CN 110297912 A CN110297912 A CN 110297912A CN 201910420139 A CN201910420139 A CN 201910420139A CN 110297912 A CN110297912 A CN 110297912A
- Authority
- CN
- China
- Prior art keywords
- corporations
- fraud
- target user
- incorporator
- social networks
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Animal Behavior & Ethology (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种欺诈识别方法、装置、设备及计算机可读存储介质，该方法包括：当监测到欺诈识别请求时，根据所述欺诈识别请求，从图数据库中获取目标用户的社交关系知识图谱；对所述社交关系知识图谱进行社区发现，得到包含所述目标用户的各社团；从所述社交关系知识图谱中获取各社团的属性数据，并从所述属性数据中获取每个社团内各社团成员的风险信息；根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团。本申请通过知识图谱可以快速准确的挖掘出欺诈社团，极大的提高了金融欺诈识别的效率和准确性。
Description
技术领域
本申请涉及知识图谱的技术领域，尤其涉及一种欺诈识别方法、装置、设备及计算机可读存储介质。
背景技术
在互联网金融领域，主要是通过对用户在申请贷款提供的用户信息进行真实性校验，以实现风险防控，即通过用户的个体特征的识别和验证，以识别申请贷款的用户是否具有欺诈风险。随时间不断演化和发展，金融欺诈的模式已经不再仅限于个体行为模式，目前金融欺诈越来越多的是通过团体有组织的进行，仅根据个体特征对用户进行欺诈识别的结果不甚理想，无法准确的识别金融欺诈。
为解决上述问题，需要根据团体的相关信息，进行金融欺诈识别，然而团体的相关信息较多且复杂，且团体的相关信息的存储方式为关系数据库，因此需要花费较多的时间才能从大量和复杂的相关信息中挖掘出欺诈识别所需的数据，但挖掘出的数据的准确性得不到保证，欺诈识别的效率和准确性较低，因此，如何提高金融欺诈的识别效率和准确性是目前亟待解决的问题。
发明内容
本申请的主要目的在于提供一种欺诈识别方法、装置、设备及计算机可读存储介质，旨在提高金融欺诈的识别效率和准确性。
第一方面，本申请提供一种欺诈识别方法，所述欺诈识别方法包括以下步骤：
当监测到欺诈识别请求时，根据所述欺诈识别请求，从图数据库中获取目标用户的社交关系知识图谱；
对所述社交关系知识图谱进行社区发现，得到包含所述目标用户的各社团；
从所述社交关系知识图谱中获取各社团的属性数据，并从所述属性数据中获取每个社团内各社团成员的风险信息；
根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团。
第二方面，本申请还提供一种欺诈识别装置，所述欺诈识别装置包括：
获取模块，用于当监测到欺诈识别请求时，根据所述欺诈识别请求，从图数据库中获取目标用户的社交关系知识图谱；
社区发现模块，用于对所述社交关系知识图谱进行社区发现，得到包含所述目标用户的各社团；
所述获取模块，还用于从所述社交关系知识图谱中获取各社团的属性数据，并从所述属性数据中获取每个社团内各社团成员的风险信息；
判断模块，用于根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团。
第三方面，本申请还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上述的欺诈识别方法的步骤。
第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上述的欺诈识别方法的步骤。
本申请提供一种欺诈识别方法、装置、设备及计算机可读存储介质，本申请在需要对目标用户进行欺诈识别时，从图数据库中获取该目标用户的社交关系知识图谱，并通过对社交关系知识图谱进行社区发现，可以得到包含目标用户的各社团，然后通过该社交关系知识图谱中每个社团内各社团成员的风险信息，可以快速判断包含该目标用户的各社团中是否存在欺诈社团，如果包含目标用户的各社团中存在欺诈社团，则可以确定目标用户有欺诈嫌疑，需要执行欺诈风险提醒操作，通过图数据库的方式存储社交关系知识图谱，可以提高数据的检索和处理效率，同时通过知识图谱可以快速准确的挖掘出欺诈社团，极大的提高了金融欺诈识别的效率和准确性。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例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申请的一些实施例，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。
图1为本申请实施例提供的一种欺诈识别方法的流程示意图；
图2为本申请实施例中社交关系知识图谱的一组成示意图；
图3为图1中的欺诈识别方法的子步骤流程示意图；
图4为本申请实施例提供的另一种欺诈识别方法的流程示意图；
图5为本申请实施例提供的另一种欺诈识别方法的流程示意图；
图6为本申请实施例提供的一种欺诈识别装置的示意性框图；
图7为图6中的欺诈识别装置的子模块的示意性框图；
图8为本申请实施例提供的另一种欺诈识别装置的示意性框图；
图9为本申请实施例提供的另一种欺诈识别装置的示意性框图；
图10为本申请一实施例涉及的计算机设备的结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
本申请实施例提供一种欺诈识别方法、装置、计算机设备及计算机可读存储介质。其中，该欺诈识别方法可应用于终端设备或服务器中，该终端设备可以手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备，该服务器可以为单独的服务器，也可以为服务器集群，该欺诈识别方法可选应用于服务器。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参照图1，图1为本申请的实施例提供的一种欺诈识别方法的流程示意图。
如图1所示，该欺诈识别方法包括：步骤S101至步骤S104。
步骤S101、当监测到欺诈识别请求时，根据所述欺诈识别请求，从图数据库中获取目标用户的社交关系知识图谱。
其中，服务器中存储有用户的社交网络数据、操作记录数据和历史风险数据，通过社交网络数据、操作记录数据和风险数据可以构建该用户的社交关系知识图谱，构建的社交关系知识图谱存储在图数据库中，该社交网络数据包括社交关系信息和社交方式类型，且该社交方式类型包括但不限于短信社交、电话社交和网络社交，操作记录数据是指用户进行登录帐号操作或业务申请操作时的操作记录，包括用户登录的社交帐号信息、用户使用/帐号关联的手机号码信息、使用过的设备的设备标识信息、登录地址信息等，风险数据包括欠款金额、延期次数和名下贷款数量等。
其中，社交关系知识图谱的构建方式具体为：从社交网络数据、操作记录数据和历史风险数据中识别用户姓名或昵称，将其作为社交关系知识图谱的实体节点，并从社交网络数据、操作记录数据和历史风险数据中识别实体节点的属性数据，即实体属性，包括风险信息和身份标识信息等，然后从该社交网络数据中识别实体节点之间的社交关系，即实体关系，最后将实体节点、实体属性和实体关系存储至图数据库，从而完成社交关系知识图谱的构建。
图2为社交关系知识图谱的一组成示意图，如图2所示，该社交关系知识图谱由10个实体节点组成，分别为用户A、用户B、用户B、用户D、用户E、用户F、用户G、用户H、用户I和用户J，用户A与用户E、用户F和用户G之间存在社交关系，用户B与用户C之间存在社交关系，用户C与用户B、用户D和用户G之间存在社交关系，用户D与用户G之间存在社交关系、用户E与用户A、用户F和用户I之间存在社交关系，用户F与用户A、用户E和用户J之间存在社交关系，用户G与用户A、用户C、用户D、用户H和用户J之间存在社交关系，用户H与用户G存在社交关系，用户J与用户F和用户G之间存在社交关系。
用户在提交贷款申请之后，需要对用户的贷款申请进行审核，以判断申请贷款的用户是否具备欺诈嫌疑，为此，服务器定时从待审核的贷款申请库中获取目标用户的身份标识符，并触发携带有该身份标识符的欺诈识别请求，当监测到欺诈识别请求时，该服务器根据该欺诈识别请求，从图数据库中获取目标用户的社交关系知识图谱，即从该欺诈识别请求中获取目标用户的身份标识符，并从图数据库中获取与该身份标识符对应的社交关系知识图谱。
步骤S102、对所述社交关系知识图谱进行社区发现，得到包含所述目标用户的各社团。
在获取到目标用户的社交关系知识图谱之后，该服务器通过社区发现算法对该社交关系知识图谱进行社区发现，得到包含该目标用户的各社团，其中，该社区发现算法包括但不限于标签传播算法、模块度算法和GN(GirvanNewman)算法。在一实施例中，该社交发现算法可选为模块度算法，则对社交关系知识图谱的社区发现过程具体为：将该社交关系知识图谱的每个实体节点设为一个单独社区，并计算每个社区的模块度，然后选出使得模块度增量最大的社区对进行合并，并计算合并之后的每个社团模块度，再选出使得模块度增量最大的社区对进行合并，重复上述过程直到社团收敛。
步骤S103、从所述社交关系知识图谱中获取各社团的属性数据，并从所述属性数据中获取每个社团内各社团成员的风险信息。
在得到包含该目标用户的各社团之后，该服务器从该社交关系知识图谱中获取各社团的属性数据，即从该社交关系知识图谱中获取各社团中每个社团成员的实体属性，从而形成各社团的属性数据，然后从该属性数据中获取每个社团内各社团成员的风险信息。其中，该风险信息包括但不限于名下贷款金额、名下贷款数量、延期次数和***持有数，该风险信息还可以为风险等级。
步骤S104、根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团。
在获取到每个社团内各社团成员的风险信息之后，该服务器根据每个社团内各社团成员的风险信息，判断包含该目标用户的各社团中是否存在欺诈社团，即根据每个社团内各社团成员的风险信息，计算每个社团的欺诈嫌疑指数，并判断包含该目标用户的各社团中是否存在至少一个社团的欺诈嫌疑指数大于或等于预设欺诈嫌疑指数，如果包含该目标用户的各社团中存在至少一个社团的欺诈嫌疑指数大于或等于预设欺诈嫌疑指数，则确定包含所述目标用户的各社团中存在欺诈社团，如果包含该目标用户的各社团的欺诈嫌疑指数均小于预设欺诈嫌疑指数，则确定包含所述目标用户的各社团中不存在欺诈社团。
其中，计算社团的欺诈嫌疑指数的具体方式为：从该每个社团内各社团成员的风险信息中获取每个社团内各社团成员的风险等级，并查询预存的风险等级与欺诈谦虚指数对应的映射关系表，得到每个社团成员的欺诈嫌疑指数，然后累加属于同一社团的每个社团成员的欺诈嫌疑指数，得到每个社团的欺诈嫌疑指数。需要说明的是，风险等级越高，欺诈嫌疑指数越高，风险等级越低，欺诈嫌疑指数越低，上述预设欺诈嫌疑指数以及预存的风险等级与欺诈谦虚指数对应的映射关系表，可基于实际情况进行设置，本实施例对此不作具体限定。通过社团的欺诈嫌疑指数，可以较为准确的确定社团是否为欺诈社团。
在一实施例中，为准确的判断社团是否为欺诈社团，可以通过社团内的高风险社团成员的比例判断，具体地，参照图3，步骤S104包括：子步骤S1041至子步骤S1043。
子步骤S1041，根据每个社团内各社团成员的风险信息，确定各社团成员的风险等级。
在得到每个社团内各社团成员的风险信息之后，该服务器根据每个社团内各社团成员的风险信息，确定各社团成员的风险等级，即获取预存的风险等级决策模型，并依次将每个社团成员的风险信息输入该风险等级决策模型，得到各社团成员的风险等级。
其中，该风险等级决策模型是以大数据量的风险信息为样本数据训练得到的，具体的训练过程为：获取待训练的风险等级决策模型，并从数据库中获取样本数据，然后根据该样本数据，对待训练的风险等级决策模型进行迭代训练，直到该风险等级决策模型收敛。
子步骤S1042、计算每个社团内所述风险等级超过预设风险等级的社团成员比例。
在确定各社团成员的风险等级之后，该服务器计算每个社团内该风险等级超过预设风险等级的社团成员比例，即统计每个社团内该风险等级超过预设风险等级的社团成员数量和每个社团的社团总成员数量，并用每个社团的社团成员数量除以对应的社团总成员数量，从而得到每个社团内该风险等级超过预设风险等级的社团成员比例。
需要说明的是，风险等级越高，则表示对应的用户的欺诈嫌疑越高，风险等级越低，则表示对应的用户的欺诈嫌疑越低，上述预设风险等级可基于实际情况进行设置，本实施例对此不作具体限定。
子步骤S1043、根据每个社团的所述社团成员比例，判断包含所述目标用户的各社团中是否存在欺诈社团。
在计算得到每个社团内所述风险等级超过预设风险等级的社团成员比例之后，服务器根据每个社团内所述风险等级超过预设风险等级的社团成员比例，判断包含该目标用户的各社团中是否存在欺诈社团。
具体地，判断包含该目标用户的各社团中是否存在至少一社团的该社团成员比例超过预设阈值，如果包含该目标用户的各社团中存在至少一社团的该社团成员比例大于或等于预设阈值，则确定包含该目标用户的各社团中存在欺诈社团，如果包含该目标用户的各社团中每个社团的该社团成员比例均小于预设阈值，则确定包含该目标用户的各社团中不存在欺诈社团。
上述实施例提供的欺诈识别方法，在需要对目标用户进行欺诈识别时，从图数据库中获取该目标用户的社交关系知识图谱，并通过对社交关系知识图谱进行社区发现，可以得到包含目标用户的各社团，然后通过该社交关系知识图谱中每个社团内各社团成员的风险信息，可以快速判断包含该目标用户的各社团中是否存在欺诈社团，如果包含目标用户的各社团中存在欺诈社团，则可以确定目标用户有欺诈嫌疑，需要执行欺诈风险提醒操作，通过图数据库的方式存储社交关系知识图谱，可以提高数据的检索和处理效率，同时通过知识图谱可以快速准确的挖掘出欺诈社团，极大的提高了金融欺诈识别的效率和准确性。
请参照图4，图4为本申请实施例提供的另一种欺诈识别方法的流程示意图。
如图4所示，该欺诈识别方法包括步骤S201至207。
步骤S201、当监测到欺诈识别请求时，根据所述欺诈识别请求，从图数据库中获取目标用户的社交关系知识图谱。
用户在提交贷款申请之后，需要对用户的贷款申请进行审核，以判断申请贷款的用户是否具备欺诈嫌疑，为此，服务器定时从待审核的贷款申请库中获取目标用户的身份标识符，并触发携带有该身份标识符的欺诈识别请求，当监测到欺诈设备请求时，该服务器根据该欺诈识别请求，从图数据库中获取目标用户的社交关系知识图谱，即从该欺诈识别请求中获取目标用户的身份标识符，并从图数据库中获取与该身份标识符对应的社交关系知识图谱。
步骤S202、对所述社交关系知识图谱进行社区发现，得到包含所述目标用户的各社团。
在获取到目标用户的社交关系知识图谱之后，该服务器通过社区发现算法对该社交关系知识图谱进行社区发现，得到包含该目标用户的各社团，其中，该社区发现算法包括但不限于标签传播算法、模块度算法和GN(GirvanNewman)算法。
步骤S203、从所述社交关系知识图谱中获取各社团的属性数据，并从所述属性数据中获取每个社团内各社团成员的风险信息。
在得到包含该目标用户的各社团之后，该服务器从该社交关系知识图谱中获取各社团的属性数据，即从该社交关系知识图谱中获取各社团中每个社团成员的实体属性，从而形成各社团的属性数据，然后从该属性数据中获取每个社团内各社团成员的风险信息。其中，该风险信息包括但不限于名下贷款金额、名下贷款数量、延期次数和***持有数，该风险信息还可以为风险等级。
步骤S204、根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团。
在获取到每个社团内各社团成员的风险信息之后，该服务器根据每个社团内各社团成员的风险信息，判断包含该目标用户的各社团中是否存在欺诈社团，即根据每个社团内各社团成员的风险信息，计算每个社团的欺诈嫌疑指数，并判断包含该目标用户的各社团中是否存在至少一个社团的欺诈嫌疑指数大于或等于预设欺诈嫌疑指数，如果包含该目标用户的各社团中存在至少一个社团的欺诈嫌疑指数大于或等于预设欺诈嫌疑指数，则确定包含所述目标用户的各社团中存在欺诈社团，如果包含该目标用户的各社团的欺诈嫌疑指数均小于预设欺诈嫌疑指数，则确定包含所述目标用户的各社团中不存在欺诈社团。
步骤S205、若包含所述目标用户的各社团中存在欺诈社团，则从所述社交关系知识图谱中获取欺诈社团的社交关系知识。
如果该目标用户的各社团中存在欺诈社团，该服务器从该社交关系知识图谱中获取欺诈社团的社交关系知识，即从该欺诈社团中获取各社团成员的身份标识信息，并按照各社团成员的身份标识信息，从该社交关系知识图谱中获取各社团成员的社交关系知识，汇总各社团成员的社交关系知识，得到欺诈社团的社交关系知识。
步骤S206、根据所述社交关系知识，确定所述欺诈社团的欺诈头目。
在得到欺诈社团的社交关系知识之后，该服务器根据该社交关系知识，确定该欺诈社团的欺诈头目，具体为根据该社交关系知识，构建该欺诈社团的社交网络，并计算该社交网络中每个社交成员的社交关系边数量，然后根据每个社交成员的社交关系边数量，确定该欺诈社团的欺诈头目，即将社交关系边数量最多的社交成员确定为该欺诈社团的欺诈头目。
步骤S207、获取所述欺诈头目的身份标识信息，并将所述身份标识信息写入反欺诈黑名单。
在确定欺诈社团的欺诈头目之后，该服务器获取该欺诈头目的身份标识信息，并将该身份标识信息写入反欺诈黑名单，具体地，先判断该反欺诈黑名单中是否包含该欺诈头目的身份标识信息，如果不包含该欺诈头目的身份标识信息，才将该身份标识信息写入反欺诈黑名单。
上述实施例提供的欺诈识别方法，在确定欺诈社团之后，可基于欺诈社团的社交关系知识，准确的确定欺诈社团中的欺诈头目，且将欺诈头目加入反欺诈黑名单，可以重点关注欺诈头目，也可以丰富欺诈识别的黑名单，从而间接的提高欺诈识别的准确性。
请参照图5，图5为本申请实施例提供的另一种欺诈识别方法的流程示意图。
如图5所示，该欺诈识别方法包括步骤S301至307。
步骤S301、当监测到欺诈识别请求时，根据所述欺诈识别请求，从图数据库中获取目标用户的社交关系知识图谱。
用户在提交贷款申请之后，需要对用户的贷款申请进行审核，以判断申请贷款的用户是否具备欺诈嫌疑，为此，服务器定时从待审核的贷款申请库中获取目标用户的身份标识符，并触发携带有该身份标识符的欺诈识别请求，当监测到欺诈设备请求时，该服务器根据该欺诈识别请求，从图数据库中获取目标用户的社交关系知识图谱，即从该欺诈识别请求中获取目标用户的身份标识符，并从图数据库中获取与该身份标识符对应的社交关系知识图谱。
步骤S302、对所述社交关系知识图谱进行社区发现，得到包含所述目标用户的各社团。
在获取到目标用户的社交关系知识图谱之后，该服务器通过社区发现算法对该社交关系知识图谱进行社区发现，得到包含该目标用户的各社团，其中，该社区发现算法包括但不限于标签传播算法、模块度算法和GN(GirvanNewman)算法。
步骤S303、从所述社交关系知识图谱中获取各社团的属性数据，并从所述属性数据中获取每个社团内各社团成员的风险信息。
在得到包含该目标用户的各社团之后，该服务器从该社交关系知识图谱中获取各社团的属性数据，即从该社交关系知识图谱中获取各社团中每个社团成员的实体属性，从而形成各社团的属性数据，然后从该属性数据中获取每个社团内各社团成员的风险信息。其中，该风险信息包括但不限于名下贷款金额、名下贷款数量、延期次数和***持有数，该风险信息还可以为风险等级。
步骤S304、根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团。
在获取到每个社团内各社团成员的风险信息之后，该服务器根据每个社团内各社团成员的风险信息，判断包含该目标用户的各社团中是否存在欺诈社团，即根据每个社团内各社团成员的风险信息，计算每个社团的欺诈嫌疑指数，并判断包含该目标用户的各社团中是否存在至少一个社团的欺诈嫌疑指数大于或等于预设欺诈嫌疑指数，如果包含该目标用户的各社团中存在至少一个社团的欺诈嫌疑指数大于或等于预设欺诈嫌疑指数，则确定包含所述目标用户的各社团中存在欺诈社团，如果包含该目标用户的各社团的欺诈嫌疑指数均小于预设欺诈嫌疑指数，则确定包含所述目标用户的各社团中不存在欺诈社团。
步骤S305、若包含所述目标用户的各社团中不存在欺诈社团，则获取所述目标用户的核身语音数据，并获取语音反欺诈策略。
如果包含目标用户的各社团中不存在欺诈社团，则获取该目标用户的核身语音数据，并获取语音反欺诈策略。其中，该核身语音数据为目标用户在申请贷款时通过用户终端上传至服务器中的，该语音反欺诈策略为声纹识别反欺诈、语音识别反欺诈、轻语音识别反欺诈、背景音识别反欺诈和语音情绪识别反欺诈等策略中的一种或多种。
步骤S306、根据所述语音反欺诈策略和核身语音数据，确定所述目标用户是否存在欺诈嫌疑。
在得到核身语音数据和语音反欺诈策略之后，该服务器根据该语音反欺诈策略和核身语音数据，确定该目标用户是否存在欺诈嫌疑，具体地，按照该语音反欺诈策略，对该核身语音数据进行处理，得到该目标用户的特征信息，然后获取与该特征信息关联的预设特征信息，并判断该特征信息与预设特征信息是否相同，如果该特征信息与该预设特征信息相同，则确定该目标用户不存在欺诈嫌疑，如果该特征信息与该预设特征信息不同，则确定该目标用户存在欺诈嫌疑。
其中，该特征信息包括但不限于声纹特征、文本特征、背景音类别、轻语音特征和情绪类别，预设特征信息包括但不限于预设声纹特征、预设文本特征、预设背景音类别、预设轻语音特征和预设情绪类别。需要说明的是，预设声纹特征、预设文本特征、预设背景音类别、预设轻语音特征和预设情绪类别可基于实际情况进行设置，本实施例对此不作具体限定。
步骤S307、若所述目标用户存在欺诈嫌疑，则执行欺诈风险提醒操作。
如果目标用户存在欺诈嫌疑，则该服务器执行欺诈风险提醒操作，该欺诈风险提醒包括但不限于短信提醒、语音提醒和邮件提醒。
上述实施例提供的欺诈识别方法，如果包含目标用户的各社团中不存在欺诈社团，则通过语音反欺诈策略和核身语音数据，进一步地判断目标用户是否存在欺诈嫌疑，如果目标用户欺诈嫌疑，则发起欺诈风险提醒，可以进一步地提高欺诈风险的识别准确性。
请参照图6，图6为本申请实施例提供的一种欺诈识别装置的示意性框图。
如图6所示，该欺诈识别装置400，包括：获取模块401、社区发现模块402和判断模块403。
获取模块401，用于当监测到欺诈识别请求时，根据所述欺诈识别请求，从图数据库中获取目标用户的社交关系知识图谱。
社区发现模块402，用于对所述社交关系知识图谱进行社区发现，得到包含所述目标用户的各社团。
获取模块401，还用于从所述社交关系知识图谱中获取各社团的属性数据，并从所述属性数据中获取每个社团内各社团成员的风险信息。
判断模块403，用于根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团。
在一个实施例中，如图7所示，判断模块403包括确定子模块4031、计算子模块4032和判断子模块4033：
确定子模块4031，用于根据每个社团内各社团成员的风险信息，确定各社团成员的风险等级；
计算子模块4032，用于计算每个社团内所述风险等级超过预设风险等级的社团成员比例；
判断子模块4033，用于根据每个社团的所述社团成员比例，判断包含所述目标用户的各社团中是否存在欺诈社团。
在一个实施例中，判断子模块4033，还用于判断包含所述目标用户的各社团中是否存在至少一社团的所述社团成员比例超过预设阈值；若包含所述目标用户的各社团中存在至少一社团的所述社团成员比例大于或等于预设阈值，则确定包含所述目标用户的各社团中存在欺诈社团；若包含所述目标用户的各社团中每个社团的所述社团成员比例均小于预设阈值，则确定包含所述目标用户的各社团中不存在欺诈社团。
请参照图8，图8为本申请实施例提供的另一种欺诈识别装置的示意性框图。
如图8所示，该欺诈识别装置500，包括：获取模块501、社区发现模块502、判断模块503、确定模块504和写入模块505。
获取模块501，用于当监测到欺诈识别请求时，根据所述欺诈识别请求，从图数据库中获取目标用户的社交关系知识图谱。
社区发现模块502，用于对所述社交关系知识图谱进行社区发现，得到包含所述目标用户的各社团。
获取模块501，还用于从所述社交关系知识图谱中获取各社团的属性数据，并从所述属性数据中获取每个社团内各社团成员的风险信息。
判断模块503，用于根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团。
获取模块501，还用于从所述社交关系知识图谱中获取欺诈社团的社交关系知识。
确定模块504，用于根据所述社交关系知识，确定所述欺诈社团的欺诈头目。
获取模块501，还用于获取所述欺诈头目的身份标识信息。
在一实施例中，确定模块504还用于根据所述社交关系知识，构建所述欺诈社团的社交网络；计算所述社交网络中每个社交成员的社交关系边数量；根据每个社交成员的社交关系边数量，确定所述欺诈社团的欺诈头目。
写入模块505，用于将所述身份标识信息写入反欺诈黑名单。
请参照图9，图9为本申请实施例提供的另一种欺诈识别装置的示意性框图。
如图9所示，该欺诈识别装置600，包括：获取模块601、社区发现模块602、判断模块603、确定模块604和欺诈提醒模块605。
获取模块601，用于当监测到欺诈识别请求时，根据所述欺诈识别请求，从图数据库中获取目标用户的社交关系知识图谱。
社区发现模块602，用于对所述社交关系知识图谱进行社区发现，得到包含所述目标用户的各社团。
获取模块601，还用于从所述社交关系知识图谱中获取各社团的属性数据，并从所述属性数据中获取每个社团内各社团成员的风险信息。
判断模块603，用于根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团。
获取模块601，还用于若包含所述目标用户的各社团中不存在欺诈社团，则获取所述目标用户的核身语音数据，并获取语音反欺诈策略。
确定模块604，用于根据所述语音反欺诈策略和核身语音数据，确定所述目标用户是否存在欺诈嫌疑。
在一实施例中，确定模块604，还用于按照所述语音反欺诈策略，对所述核身语音数据进行处理，得到所述目标用户的特征信息；获取与所述特征信息关联的预设特征信息，并判断所述特征信息与所述预设特征信息是否相同；若所述特征信息与所述预设特征信息相同，则确定所述目标用户不存在欺诈嫌疑；若所述特征信息与所述预设特征信息不同，则确定所述目标用户存在欺诈嫌疑。
欺诈提醒模块605，用于若所述目标用户存在欺诈嫌疑，则执行欺诈风险提醒操作。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块及单元的具体工作过程，可以参考前述欺诈识别方法实施例中的对应过程，在此不再赘述。
上述实施例提供的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图10所示的计算机设备上运行。
请参阅图10，图10为本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为服务器或终端。
如图10所示，该计算机设备包括通过***总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作***和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种欺诈识别方法。
处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种深度学习模型的压缩方法。
该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现以下步骤：
当监测到欺诈识别请求时，根据所述欺诈识别请求，从图数据库中获取目标用户的社交关系知识图谱；
对所述社交关系知识图谱进行社区发现，得到包含所述目标用户的各社团；
从所述社交关系知识图谱中获取各社团的属性数据，并从所述属性数据中获取每个社团内各社团成员的风险信息；
根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团。
在一个实施例中，所述处理器在实现根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团时，用于实现：
根据每个社团内各社团成员的风险信息，确定各社团成员的风险等级；
计算每个社团内所述风险等级超过预设风险等级的社团成员比例；
根据每个社团的所述社团成员比例，判断包含所述目标用户的各社团中是否存在欺诈社团。
在一个实施例中，所述处理器在实现根据每个社团的所述社团成员比例，判断包含所述目标用户的各社团中是否存在欺诈社团时，用于实现：
判断包含所述目标用户的各社团中是否存在至少一社团的所述社团成员比例超过预设阈值；
若包含所述目标用户的各社团中存在至少一社团的所述社团成员比例大于或等于预设阈值，则确定包含所述目标用户的各社团中存在欺诈社团；
若包含所述目标用户的各社团中每个社团的所述社团成员比例均小于预设阈值，则确定包含所述目标用户的各社团中不存在欺诈社团。
其中，在另一实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团的步骤之后，还用于实现以下步骤：
若包含所述目标用户的各社团中存在欺诈社团，则从所述社交关系知识图谱中获取欺诈社团的社交关系知识；
根据所述社交关系知识，确定所述欺诈社团的欺诈头目；
获取所述欺诈头目的身份标识信息，并将所述身份标识信息写入反欺诈黑名单。
在一个实施例中，所述处理器在实现根据所述社交关系知识，确定所述欺诈社团的欺诈头目时，用于实现：
根据所述社交关系知识，构建所述欺诈社团的社交网络；
计算所述社交网络中每个社交成员的社交关系边数量；
根据每个社交成员的社交关系边数量，确定所述欺诈社团的欺诈头目。
其中，在另一实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团的步骤之后，还用于实现以下步骤：
若包含所述目标用户的各社团中不存在欺诈社团，则获取所述目标用户的核身语音数据，并获取语音反欺诈策略；
根据所述语音反欺诈策略和核身语音数据，确定所述目标用户是否存在欺诈嫌疑；
若所述目标用户存在欺诈嫌疑，则执行欺诈风险提醒操作。
在一个实施例中，所述处理器在实现根据所述语音反欺诈策略和核身语音数据，确定所述目标用户是否存在欺诈嫌疑时，用于实现：
按照所述语音反欺诈策略，对所述核身语音数据进行处理，得到所述目标用户的特征信息；
获取与所述特征信息关联的预设特征信息，并判断所述特征信息与所述预设特征信息是否相同；
若所述特征信息与所述预设特征信息相同，则确定所述目标用户不存在欺诈嫌疑；
若所述特征信息与所述预设特征信息不同，则确定所述目标用户存在欺诈嫌疑。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序中包括程序指令，所述程序指令被执行时所实现的方法可参照本申请欺诈识别方法的各个实施例。
其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种欺诈识别方法，其特征在于，包括：
当监测到欺诈识别请求时，根据所述欺诈识别请求，从图数据库中获取目标用户的社交关系知识图谱；
对所述社交关系知识图谱进行社区发现，得到包含所述目标用户的各社团；
从所述社交关系知识图谱中获取各社团的属性数据，并从所述属性数据中获取每个社团内各社团成员的风险信息；
根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团。
2.如权利要求1所述的欺诈识别方法，其特征在于，所述根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团的步骤包括：
根据每个社团内各社团成员的风险信息，确定各社团成员的风险等级；
计算每个社团内所述风险等级超过预设风险等级的社团成员比例；
根据每个社团的所述社团成员比例，判断包含所述目标用户的各社团中是否存在欺诈社团。
3.如权利要求2所述的欺诈识别方法，其特征在于，所述根据每个社团的所述社团成员比例，判断包含所述目标用户的各社团中是否存在欺诈社团的步骤包括：
判断包含所述目标用户的各社团中是否存在至少一社团的所述社团成员比例超过预设阈值；
若包含所述目标用户的各社团中存在至少一社团的所述社团成员比例大于或等于预设阈值，则确定包含所述目标用户的各社团中存在欺诈社团；
若包含所述目标用户的各社团中每个社团的所述社团成员比例均小于预设阈值，则确定包含所述目标用户的各社团中不存在欺诈社团。
4.如权利要求1-3中任一项所述的欺诈识别方法，其特征在于，所述根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团的步骤之后，还包括：
若包含所述目标用户的各社团中存在欺诈社团，则从所述社交关系知识图谱中获取欺诈社团的社交关系知识；
根据所述社交关系知识，确定所述欺诈社团的欺诈头目；
获取所述欺诈头目的身份标识信息，并将所述身份标识信息写入反欺诈黑名单。
5.如权利要求4所述的欺诈识别方法，其特征在于，所述根据所述社交关系知识，确定所述欺诈社团的欺诈头目的步骤包括：
根据所述社交关系知识，构建所述欺诈社团的社交网络；
计算所述社交网络中每个社交成员的社交关系边数量；
根据每个社交成员的社交关系边数量，确定所述欺诈社团的欺诈头目。
6.如权利要求1-3中任一项所述的欺诈识别方法，其特征在于，所述根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团的步骤之后，还包括：
若包含所述目标用户的各社团中不存在欺诈社团，则获取所述目标用户的核身语音数据，并获取语音反欺诈策略；
根据所述语音反欺诈策略和核身语音数据，确定所述目标用户是否存在欺诈嫌疑；
若所述目标用户存在欺诈嫌疑，则执行欺诈风险提醒操作。
7.如权利要求6所述的欺诈识别方法，其特征在于，所述根据所述语音反欺诈策略和核身语音数据，确定所述目标用户是否存在欺诈嫌疑的步骤包括：
按照所述语音反欺诈策略，对所述核身语音数据进行处理，得到所述目标用户的特征信息；
获取与所述特征信息关联的预设特征信息，并判断所述特征信息与所述预设特征信息是否相同；
若所述特征信息与所述预设特征信息相同，则确定所述目标用户不存在欺诈嫌疑；
若所述特征信息与所述预设特征信息不同，则确定所述目标用户存在欺诈嫌疑。
8.一种欺诈识别装置，其特征在于，所述欺诈识别装置包括：
获取模块，用于当监测到欺诈识别请求时，根据所述欺诈识别请求，从图数据库中获取目标用户的社交关系知识图谱；
社区发现模块，用于对所述社交关系知识图谱进行社区发现，得到包含所述目标用户的各社团；
所述获取模块，还用于从所述社交关系知识图谱中获取各社团的属性数据，并从所述属性数据中获取每个社团内各社团成员的风险信息；
判断模块，用于根据每个社团内各社团成员的风险信息，判断包含所述目标用户的各社团中是否存在欺诈社团。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至7中任一项所述的欺诈识别方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的欺诈识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910420139.4A CN110297912A (zh) | 2019-05-20 | 2019-05-20 | 欺诈识别方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910420139.4A CN110297912A (zh) | 2019-05-20 | 2019-05-20 | 欺诈识别方法、装置、设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110297912A true CN110297912A (zh) | 2019-10-01 |
Family
ID=68026959
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910420139.4A Pending CN110297912A (zh) | 2019-05-20 | 2019-05-20 | 欺诈识别方法、装置、设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110297912A (zh) |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110930246A (zh) * | 2019-12-04 | 2020-03-27 | 深圳市新国都金服技术有限公司 | 信贷反欺诈识别方法、装置、计算机设备及计算机可读存储介质 |
| CN110930242A (zh) * | 2019-11-26 | 2020-03-27 | 中国建设银行股份有限公司 | 一种可信度预测方法、装置、设备和存储介质 |
| CN110969526A (zh) * | 2019-12-13 | 2020-04-07 | 南京三百云信息科技有限公司 | 重叠社群处理方法、装置以及电子设备 |
| CN111062642A (zh) * | 2019-12-27 | 2020-04-24 | 南京三百云信息科技有限公司 | 对象的行业风险程度识别方法、装置以及电子设备 |
| CN111209317A (zh) * | 2020-01-15 | 2020-05-29 | 同济大学 | 一种知识图谱异常社区检测方法及装置 |
| CN111259167A (zh) * | 2020-02-11 | 2020-06-09 | 广州众赢科技有限公司 | 用户请求风险识别方法及装置 |
| CN111292008A (zh) * | 2020-03-03 | 2020-06-16 | 电子科技大学 | 一种基于知识图谱的隐私保护数据发布风险评估方法 |
| CN111711614A (zh) * | 2020-05-27 | 2020-09-25 | 平安科技（深圳）有限公司 | 基于知识图谱的可疑用户验证方法、装置及计算机设备 |
| CN111835622A (zh) * | 2020-07-10 | 2020-10-27 | 腾讯科技（深圳）有限公司 | 信息拦截方法、装置、计算机设备和存储介质 |
| CN112035677A (zh) * | 2020-09-03 | 2020-12-04 | 中国银行股份有限公司 | 基于知识图谱的诈骗人员发现方法及装置 |
| CN112200583A (zh) * | 2020-10-28 | 2021-01-08 | 交通银行股份有限公司 | 一种基于知识图谱的欺诈客户识别方法 |
| CN112200655A (zh) * | 2020-09-17 | 2021-01-08 | 中国建设银行股份有限公司 | 一种申请审核方法、装置、电子设备及存储介质 |
| CN112214615A (zh) * | 2020-10-19 | 2021-01-12 | 平安国际智慧城市科技股份有限公司 | 基于知识图谱的政策文件处理方法、装置和存储介质 |
| CN112288330A (zh) * | 2020-11-24 | 2021-01-29 | 拉卡拉支付股份有限公司 | 一种欺诈社群的识别方法及装置 |
| CN112348659A (zh) * | 2020-10-21 | 2021-02-09 | 上海淇玥信息技术有限公司 | 用户风险识别策略的分配方法、装置及电子设备 |
| CN112785423A (zh) * | 2021-02-07 | 2021-05-11 | 撼地数智(重庆)科技有限公司 | 一种欺诈风险节点的挖掘方法、装置、设备及存储介质 |
| CN112860914A (zh) * | 2021-03-02 | 2021-05-28 | 中国电子信息产业集团有限公司第六研究所 | 一种多元标识的网络数据分析***及方法 |
| CN112883278A (zh) * | 2021-03-23 | 2021-06-01 | 西安电子科技大学昆山创新研究院 | 基于智慧社区大数据知识图谱的不良舆论传播抑制方法 |
| CN112926990A (zh) * | 2021-03-25 | 2021-06-08 | 支付宝(杭州)信息技术有限公司 | 欺诈识别的方法和装置 |
| CN113011990A (zh) * | 2021-02-01 | 2021-06-22 | 深圳无域科技技术有限公司 | 虚拟连接网络***及其信息获取方法 |
| WO2021135540A1 (zh) * | 2020-06-24 | 2021-07-08 | 平安科技（深圳）有限公司 | 基于Neo4j的异常用户处理方法、装置、计算机设备和介质 |
| CN113554308A (zh) * | 2021-07-23 | 2021-10-26 | 中信银行股份有限公司 | 用户社团的划分与风险用户的识别方法、装置及电子设备 |
| CN113657902A (zh) * | 2021-08-03 | 2021-11-16 | 浙江创邻科技有限公司 | 基于图数据库的金融安全管理方法、***及存储介质 |
| CN114820219A (zh) * | 2022-05-23 | 2022-07-29 | 杭银消费金融股份有限公司 | 一种基于复杂网络的欺诈社团识别方法及*** |
| CN116308748A (zh) * | 2023-03-19 | 2023-06-23 | 二十六度数字科技(广州)有限公司 | 一种基于知识图谱的用户欺诈行为判断*** |
| CN117435963A (zh) * | 2023-12-19 | 2024-01-23 | 百融云创科技股份有限公司 | 数字资产欺诈群体确定方法、装置、电子设备和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107194623A (zh) * | 2017-07-20 | 2017-09-22 | 深圳市分期乐网络科技有限公司 | 一种团伙欺诈的发现方法及装置 |
| CN108038778A (zh) * | 2017-12-05 | 2018-05-15 | 深圳信用宝金融服务有限公司 | 互联网金融小微贷款的团伙欺诈识别方法及装置 |
| CN109064318A (zh) * | 2018-08-24 | 2018-12-21 | 苏宁消费金融有限公司 | 一种基于知识图谱的互联网金融风险监测*** |
| CN109191281A (zh) * | 2018-08-21 | 2019-01-11 | 重庆富民银行股份有限公司 | 一种基于知识图谱的团体欺诈识别*** |
| CN109598509A (zh) * | 2018-10-17 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 风险团伙的识别方法和装置 |
| CN109635298A (zh) * | 2018-12-11 | 2019-04-16 | 平安科技（深圳）有限公司 | 团体状态识别方法、装置、计算机设备及存储介质 |
-
2019
- 2019-05-20 CN CN201910420139.4A patent/CN110297912A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107194623A (zh) * | 2017-07-20 | 2017-09-22 | 深圳市分期乐网络科技有限公司 | 一种团伙欺诈的发现方法及装置 |
| CN108038778A (zh) * | 2017-12-05 | 2018-05-15 | 深圳信用宝金融服务有限公司 | 互联网金融小微贷款的团伙欺诈识别方法及装置 |
| CN109191281A (zh) * | 2018-08-21 | 2019-01-11 | 重庆富民银行股份有限公司 | 一种基于知识图谱的团体欺诈识别*** |
| CN109064318A (zh) * | 2018-08-24 | 2018-12-21 | 苏宁消费金融有限公司 | 一种基于知识图谱的互联网金融风险监测*** |
| CN109598509A (zh) * | 2018-10-17 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 风险团伙的识别方法和装置 |
| CN109635298A (zh) * | 2018-12-11 | 2019-04-16 | 平安科技（深圳）有限公司 | 团体状态识别方法、装置、计算机设备及存储介质 |
Cited By (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110930242A (zh) * | 2019-11-26 | 2020-03-27 | 中国建设银行股份有限公司 | 一种可信度预测方法、装置、设备和存储介质 |
| CN110930242B (zh) * | 2019-11-26 | 2024-02-13 | 中国建设银行股份有限公司 | 一种可信度预测方法、装置、设备和存储介质 |
| CN110930246A (zh) * | 2019-12-04 | 2020-03-27 | 深圳市新国都金服技术有限公司 | 信贷反欺诈识别方法、装置、计算机设备及计算机可读存储介质 |
| CN110969526A (zh) * | 2019-12-13 | 2020-04-07 | 南京三百云信息科技有限公司 | 重叠社群处理方法、装置以及电子设备 |
| CN111062642A (zh) * | 2019-12-27 | 2020-04-24 | 南京三百云信息科技有限公司 | 对象的行业风险程度识别方法、装置以及电子设备 |
| CN111209317A (zh) * | 2020-01-15 | 2020-05-29 | 同济大学 | 一种知识图谱异常社区检测方法及装置 |
| CN111259167A (zh) * | 2020-02-11 | 2020-06-09 | 广州众赢科技有限公司 | 用户请求风险识别方法及装置 |
| CN111259167B (zh) * | 2020-02-11 | 2024-03-15 | 简链科技(广东)有限公司 | 用户请求风险识别方法及装置 |
| CN111292008A (zh) * | 2020-03-03 | 2020-06-16 | 电子科技大学 | 一种基于知识图谱的隐私保护数据发布风险评估方法 |
| CN111711614A (zh) * | 2020-05-27 | 2020-09-25 | 平安科技（深圳）有限公司 | 基于知识图谱的可疑用户验证方法、装置及计算机设备 |
| WO2021135540A1 (zh) * | 2020-06-24 | 2021-07-08 | 平安科技（深圳）有限公司 | 基于Neo4j的异常用户处理方法、装置、计算机设备和介质 |
| CN111835622B (zh) * | 2020-07-10 | 2023-07-07 | 腾讯科技（深圳）有限公司 | 信息拦截方法、装置、计算机设备和存储介质 |
| CN111835622A (zh) * | 2020-07-10 | 2020-10-27 | 腾讯科技（深圳）有限公司 | 信息拦截方法、装置、计算机设备和存储介质 |
| CN112035677A (zh) * | 2020-09-03 | 2020-12-04 | 中国银行股份有限公司 | 基于知识图谱的诈骗人员发现方法及装置 |
| CN112035677B (zh) * | 2020-09-03 | 2023-09-22 | 中国银行股份有限公司 | 基于知识图谱的诈骗人员发现方法及装置 |
| CN112200655A (zh) * | 2020-09-17 | 2021-01-08 | 中国建设银行股份有限公司 | 一种申请审核方法、装置、电子设备及存储介质 |
| CN112214615A (zh) * | 2020-10-19 | 2021-01-12 | 平安国际智慧城市科技股份有限公司 | 基于知识图谱的政策文件处理方法、装置和存储介质 |
| CN112348659B (zh) * | 2020-10-21 | 2024-03-19 | 上海淇玥信息技术有限公司 | 用户识别策略的分配方法、装置及电子设备 |
| CN112348659A (zh) * | 2020-10-21 | 2021-02-09 | 上海淇玥信息技术有限公司 | 用户风险识别策略的分配方法、装置及电子设备 |
| CN112200583A (zh) * | 2020-10-28 | 2021-01-08 | 交通银行股份有限公司 | 一种基于知识图谱的欺诈客户识别方法 |
| CN112200583B (zh) * | 2020-10-28 | 2023-12-19 | 交通银行股份有限公司 | 一种基于知识图谱的欺诈客户识别方法 |
| CN112288330A (zh) * | 2020-11-24 | 2021-01-29 | 拉卡拉支付股份有限公司 | 一种欺诈社群的识别方法及装置 |
| CN113011990A (zh) * | 2021-02-01 | 2021-06-22 | 深圳无域科技技术有限公司 | 虚拟连接网络***及其信息获取方法 |
| CN112785423A (zh) * | 2021-02-07 | 2021-05-11 | 撼地数智(重庆)科技有限公司 | 一种欺诈风险节点的挖掘方法、装置、设备及存储介质 |
| CN112860914A (zh) * | 2021-03-02 | 2021-05-28 | 中国电子信息产业集团有限公司第六研究所 | 一种多元标识的网络数据分析***及方法 |
| CN112883278A (zh) * | 2021-03-23 | 2021-06-01 | 西安电子科技大学昆山创新研究院 | 基于智慧社区大数据知识图谱的不良舆论传播抑制方法 |
| CN112926990A (zh) * | 2021-03-25 | 2021-06-08 | 支付宝(杭州)信息技术有限公司 | 欺诈识别的方法和装置 |
| CN113554308A (zh) * | 2021-07-23 | 2021-10-26 | 中信银行股份有限公司 | 用户社团的划分与风险用户的识别方法、装置及电子设备 |
| CN113554308B (zh) * | 2021-07-23 | 2024-05-28 | 中信银行股份有限公司 | 用户社团的划分与风险用户的识别方法、装置及电子设备 |
| CN113657902A (zh) * | 2021-08-03 | 2021-11-16 | 浙江创邻科技有限公司 | 基于图数据库的金融安全管理方法、***及存储介质 |
| CN113657902B (zh) * | 2021-08-03 | 2024-03-22 | 浙江创邻科技有限公司 | 基于图数据库的金融安全管理方法、***及存储介质 |
| CN114820219A (zh) * | 2022-05-23 | 2022-07-29 | 杭银消费金融股份有限公司 | 一种基于复杂网络的欺诈社团识别方法及*** |
| CN116308748B (zh) * | 2023-03-19 | 2023-10-20 | 二十六度数字科技(广州)有限公司 | 一种基于知识图谱的用户欺诈行为判断*** |
| CN116308748A (zh) * | 2023-03-19 | 2023-06-23 | 二十六度数字科技(广州)有限公司 | 一种基于知识图谱的用户欺诈行为判断*** |
| CN117435963A (zh) * | 2023-12-19 | 2024-01-23 | 百融云创科技股份有限公司 | 数字资产欺诈群体确定方法、装置、电子设备和存储介质 |
| CN117435963B (zh) * | 2023-12-19 | 2024-04-12 | 百融云创科技股份有限公司 | 数字资产欺诈群体确定方法、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110297912A (zh) | 欺诈识别方法、装置、设备及计算机可读存储介质 | |
| CN110992169B (zh) | 一种风险评估方法、装置、服务器及存储介质 | |
| WO2020082579A1 (zh) | 一种风险审批方法、装置、存储介质和服务器 | |
| CN108121795B (zh) | 用户行为预测方法及装置 | |
| CN107256428B (zh) | 数据处理方法、数据处理装置、存储设备及网络设备 | |
| CN107807941B (zh) | 信息处理方法和装置 | |
| CN111861732A (zh) | 一种风险评估***及方法 | |
| WO2020082734A1 (zh) | 文本情感识别方法、装置、电子设备及计算机非易失性可读存储介质 | |
| CN112860841A (zh) | 一种文本情感分析方法、装置、设备及存储介质 | |
| CN113627566A (zh) | 一种网络诈骗的预警方法、装置和计算机设备 | |
| WO2020048056A1 (zh) | 一种风险决策方法和装置 | |
| CN109754327A (zh) | 虚假保函的识别方法、***及计算机可读存储介质 | |
| CN111181757B (zh) | 信息安全风险预测方法、装置以及计算设备、存储介质 | |
| CN109461069A (zh) | 基于业务节点的风控方法、装置、设备及可读存储介质 | |
| CN111882140A (zh) | 风险评测方法、模型训练方法、装置、设备及存储介质 | |
| CN111061948B (zh) | 一种用户标签推荐方法、装置、计算机设备及存储介质 | |
| CN106296320A (zh) | 基于终端应用app的信息播报方法及装置 | |
| CN112634017A (zh) | 远程开卡激活方法、装置、电子设备及计算机存储介质 | |
| CN116468444A (zh) | 一种消费预警方法、***、设备和存储介质 | |
| CN112702410A (zh) | 一种基于区块链网络的评估***、方法及相关设备 | |
| CN109636378B (zh) | 账户识别方法和装置、电子设备 | |
| CN115545088B (zh) | 模型构建方法、分类方法、装置和电子设备 | |
| WO2019218517A1 (zh) | 服务器、文本数据的处理方法及存储介质 | |
| CN107665443B (zh) | 获取目标用户的方法及装置 | |
| CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |