CN110458685A - 基于机器学习评分模型识别伪冒风险的方法、装置、电子设备 - Google Patents

Abstract

本发明涉及一种基于机器学习评分模型识别伪冒风险的方法、装置、电子设备及计算机可读存储介质。该方法包括：获取历史伪冒用户数据集，所述历史伪冒用户数据集包括历史伪冒用户标识的多维度数据；基于所述历史伪冒用户数据集，提取伪冒风险高频发生的共有数据特征；使用所述共有数据特征进行机器学习模型训练，形成评分规则；使用所述评分规则对线上申请用户进行伪冒风险识别。本发明根据伪冒风险高频发生的共有数据特征，通过机器学习模型从多个纬度刻画线上申请用户的数据形象，实现对线上申请用户的伪冒风险综合评价，能很好的提高伪冒风险的识别率，同时由于模型的输入信息不需要线上申请用户主动提交资料，有效避免用户对风控策略的感知。

Description

基于机器学习评分模型识别伪冒风险的方法、装置、电子设备

技术领域

本发明涉及一种基于机器学习评分模型识别伪冒风险的方法、装置、电子设备及计算机可读存储介质。

背景技术

随着互联网金融信贷的普及和发展，业务申请逐渐由线下人工审核转为线上***自动审批，线上申请为用户提供了便捷的服务，同时也衍生了多类申请风险。

伪冒风险正是线上申请需要面对的一项重大风险，传统的线下审核机制通过和申请人进行面签，收取用户材料进行人工确认，用户伪冒难度较大。线上申请时用户资料大多通过手机app直接上传至平台，平台与用户之间的交互较少，直接导致了欺诈用户利用虚假资料进行申请，为了防范伪冒风险，往往会用一些核身技术，比如在用户申请阶段利用人脸识别技术，对用户人脸进行交叉比对、活体认证等。

虽然人脸比对、活体认证等技术能够识别出一些非本人申请的伪冒案例，但是人脸信息本身也属于用户主动提交至平台的资料，有经验的欺诈用户往往可以通过屏拍、视频截图、图片动态编辑软件等各种手段轻松绕过人脸识别这一关，进而冒领冒用他人文件资料或身份证件进行贷款申请。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的基于机器学习评分模型识别伪冒风险的方法、装置、电子设备及计算机可读存储介质。

依据本发明的一个方面，提供了一种基于机器学习评分模型识别伪冒风险的方法，包括：

获取历史伪冒用户数据集，所述历史伪冒用户数据集包括历史伪冒用户标识的多维度数据；

基于所述历史伪冒用户数据集，提取伪冒风险高频发生的共有数据特征；

使用所述共有数据特征进行机器学习模型训练，形成评分规则；

使用所述评分规则对线上申请用户进行伪冒风险识别。

可选地，所述提取伪冒风险高频发生的共有数据特征，进一步包括：在所述历史伪冒用户数据集的所述多维度数据中提取各个维度中相似或相同的共有数据特征。

可选地，所述提取伪冒风险高频发生的共有数据特征，进一步包括：从多个层面对所述共有数据特征作基于有效性的筛选。

可选地，所述多个层面进一步包括缺失程度、业务解释性、IV值、单调性中的一种或多种的组合。

可选地，所述获取历史伪冒用户数据集，进一步包括：获取历史伪冒用户数据，将历史伪冒用户数据进行去噪预处理后用其创建历史伪冒用户数据集。

可选地，所述将历史伪冒用户数据进行去噪预处理后用其创建历史伪冒用户数据集，进一步包括：对所述历史伪冒用户数据执行文本分析、归一化；且/或对所述历史伪冒用户数据执行分箱操作。

可选地，所述使用所述共有数据特征进行机器学习模型训练，进一步包括：采用逻辑回归算法进行模型拟合训练，直到得出满足要求的机器学习模型。

可选地，所述形成评分规则，进一步包括：所述机器学习模型输出的是伪冒概率，基于所述伪冒概率换算风险分数；

所述使用所述评分规则对线上申请用户进行伪冒风险识别，进一步包括：根据所述风险分数执行所述识别操作。

可选地，基于所述伪冒概率换算风险评分，进一步包括：

对设定评分范围内的风险分数进行分段，为每个分数段事先设置伪冒概率，基于机器学习模型输出伪冒概率对分数段进行匹配。

可选地，所述分数段与所述事先设置的伪冒概率呈负相关关系。

可选地，所述根据所述风险分数执行所述识别操作，进一步包括：确定处于低分数段的用户存在伪冒风险。

可选地，基于所述伪冒概率换算风险评分，进一步包括：

基于公式来执行所述换算，式中A、B均为常数项，p为所述机器学习模型输出的伪冒概率，Score为风险评分。

可选地，所述多维度数据进一步包括用户的设备信息和行为。

可选地，所述多维度数据具体是用户的操作时间、手机设备信息、App端操作的点击行为、App端操作的浏览行为中的一者或多者。

依据本发明的另一个方面，提供了一种基于机器学习评分模型识别伪冒风险的装置，包括：

数据集获取模块，适于获取历史伪冒用户数据集，所述历史伪冒用户数据集适于历史伪冒用户标识的多维度数据；

共有数据特征提取模块，适于基于所述历史伪冒用户数据集，提取伪冒风险高频发生的共有数据特征；

评分规则生成模块，适于使用所述共有数据特征进行机器学习模型训练，形成评分规则；

伪冒风险识别模块，适于使用所述评分规则对线上申请用户进行伪冒风险识别。

可选地，所述共有数据特征提取模块，进一步适于：在所述历史伪冒用户数据集的所述多维度数据中提取各个维度中相似或相同的共有数据特征。

可选地，所述共有数据特征提取模块，进一步适于：从多个层面对所述共有数据特征作基于有效性的筛选。

可选地，所述多个层面进一步包括缺失程度、业务解释性、IV值、单调性中的一种或多种的组合。

可选地，所述数据集获取模块，进一步适于：获取历史伪冒用户数据，将历史伪冒用户数据进行去噪预处理后用其创建历史伪冒用户数据集。

可选地，所述数据集获取模块，进一步适于：对所述历史伪冒用户数据执行文本分析、归一化；且/或对所述历史伪冒用户数据执行分箱操作。

可选地，所述评分规则生成模块，进一步适于：采用逻辑回归算法进行模型拟合训练，直到得出满足要求的机器学习模型。

可选地，所述评分规则生成模块，进一步适于：所述机器学习模型输出的是伪冒概率，基于所述伪冒概率换算风险分数；

所述伪冒风险识别模块，进一步适于：根据所述风险分数执行所述识别操作。

可选地，所述评分规则生成模块，进一步适于：

对设定评分范围内的风险分数进行分段，为每个分数段事先设置伪冒概率，基于机器学习模型输出伪冒概率对分数段进行匹配。

可选地，所述分数段与所述事先设置的伪冒概率呈负相关关系。

可选地，所述伪冒风险识别模块，进一步适于：确定处于低分数段的用户存在伪冒风险。

可选地，所述评分规则生成模块，进一步适于：

基于公式来执行所述换算，式中A、B均为常数项，p为所述机器学习模型输出的伪冒概率，Score为风险评分。

可选地，所述多维度数据进一步适于用户的设备信息和行为。

可选地，所述多维度数据具体是用户的操作时间、手机设备信息、App端操作的点击行为、App端操作的浏览行为中的一者或多者。

依据本发明的另一个方面，提供了一种电子设备，其中，该电子设备包括：

处理器；以及，

被安排成存储计算机可执行指令的存储器，可执行指令在被执行时使处理器执行上述的方法。

依据本发明的另一个方面，提供了一种计算机可读存储介质，其中，计算机可读存储介质存储一个或多个程序，一个或多个程序当被处理器执行时，实现上述的方法。

有益效果：

本发明根据伪冒风险高频发生的共有数据特征，通过机器学***台策略的猜测失去了方向，从而保证模型健壮性。同时由于模型的输入信息不需要线上申请用户主动提交资料，有效避免用户对风控策略的感知，既不影响用户的产品体验，又能很好的提高伪冒风险的识别效率。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明一个实施例的基于机器学习评分模型识别伪冒风险的方法的流程示意图；

图2示出了根据本发明一个实施例的基于机器学习评分模型识别伪冒风险的装置的结构示意图；

图3示出了根据本发明一个实施例的电子设备的结构示意图；

图4示出了根据本发明一个实施例的计算机可读存储介质的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

图1示出了根据本发明一个实施例的基于机器学习评分模型识别伪冒风险的方法的流程示意图。如图1所示，本发明实施例的基于机器学习评分模型识别伪冒风险的方法包括：

S11：获取历史伪冒用户数据集，所述历史伪冒用户数据集包括历史伪冒用户标识的多维度数据；

需要说明的是，所述多维度数据包括用户的设备信息，如用户的操作时间、手机设备信息等，多维度数据还包括用户的行为数据，如App端操作的登陆行为、点击行为、浏览行为等。通过从数据库中深度挖掘多个历史伪冒用户的设备信息及行为数据，并将其汇总得到所述历史伪冒用户数据集。

S12：基于所述历史伪冒用户数据集，提取伪冒风险高频发生的共有数据特征；

具体地，在历史伪冒用户数据集的多维度数据中提取各个维度中相似或相同的共有数据特征，如用户申请设备共用次数过多、操作时间点异常等，这些共有数据特征即是伪冒风险高频发生所常见的表现特征，其能从各个角度刻画出伪冒风险的轮廓表现。

S13：使用所述共有数据特征进行机器学习模型训练，形成评分规则；

具体地，以寻找出的所述共有数据特征作为机器学习模型的训练样本，利用机器学习的方式训练出能刻画伪冒用户特性的模型，并采用逻辑回归(LR)算法对机器学习模型进行拟合，直到得出满足要求的模型，至此实现数据建模。

模型的输出为伪冒概率值p，获得伪冒概率值p后，依托于下列评分公式(1)将伪冒概率值p换算成相应的风险评分。

式中：

A、B均为常数项，两者根据具体情况设定；

p为所述机器学习模型输出的伪冒概率；

Score为风险评分所得的风险分数，分数的大小便可直接表示伪冒风险的高低。

S14：使用所述评分规则对线上申请用户进行伪冒风险识别。

具体地，当线上申请用户在平台中开始进行申请时，记录此用户的操作时间、手机设备信息、App端操作的点击、浏览等行为数据，然后将这些数据输入到机器学习模型中，利用机器学习模型刻画此用户的数据形象，输出其所对应的伪冒概率值p，***再伪冒概率值p换算出相应的风险分数，根据风险分数来判断判断是否为本人申请，从而实现伪冒风险识别。

本发明实施例在线上申请用户不需要填写附加信息的情况下，根据线上申请用户的登陆、操作、活动行为路径、设备等信息，通过机器学***台策略的猜测失去了方向，从而保证模型健壮性。同时由于模型的输入信息不需要线上申请用户主动提交资料，有效避免用户对风控策略的感知，既不影响用户的产品体验，又能很好的提高伪冒风险的识别效率。

在本发明实施例的一种可选的实施方式中，为了更精确分析伪冒风险样本的数据表现，图1所示方法中的S12中所述提取伪冒风险高频发生的共有数据特征，进一步包括：从缺失程度、业务解释性、IV值、单调性等多个层面分析判断数据变量是否有效，并将无效数据剔除，从而筛选出有效的伪冒风险特征。

在本发明实施例的一种可选的实施方式中，图1所示方法中的S11中所述获取历史伪冒用户数据集，进一步包括：先对从数据库中深度挖掘出的设备信息及行为数据进行文本分析、归一化、分箱等预处理，以实现对历史伪冒用户数据的去噪，去噪完毕后才用其创建历史伪冒用户数据集。

在本发明实施例的一种可选的实施方式中，图1所示方法中的S13中所述形成评分规则，进一步包括：

对设定评分范围内的风险分数进行分段，为每个分数段事先设置伪冒概率，基于机器学习模型输出伪冒概率对分数段进行匹配，其中所述分数段与所述事先设置的伪冒概率呈负相关关系。例如，假设评分范围从100分-700分，则按伪冒率将评分范围的风险分数进行分段，根据上述公式(1)可知，伪冒概率越高则换算出的风险分数越低，籍此规定100至150分数段对应的伪冒率为80％，150至200分数段对应的伪冒率为65％，200至250分数段对应的伪冒率为50％，如此依次递减，由于样本评分越低所对应的风险越高，***可据此确定处于低分数段的用户存在伪冒风险，进而重点关注风险评分处于低分段的用户，并根据业务需要对这部分用户选择拒绝申请或者限定额度等处理方式。

图2示出了根据本发明一个实施例的基于机器学习评分模型识别伪冒风险的装置的结构示意图。如图2所示，本发明实施例的装置包括：

数据集获取模块21，适于获取历史伪冒用户数据集，所述历史伪冒用户数据集适于历史伪冒用户标识的多维度数据；

共有数据特征提取模块22，适于基于所述历史伪冒用户数据集，提取伪冒风险高频发生的共有数据特征；

评分规则生成模块23，适于使用所述共有数据特征进行机器学习模型训练，形成评分规则；

伪冒风险识别模块24，适于使用所述评分规则对线上申请用户进行伪冒风险识别。

在本发明的另一个实施例中，图2所示装置的共有数据特征提取模块22，进一步适于：在所述历史伪冒用户数据集的所述多维度数据中提取各个维度中相似或相同的共有数据特征。

在本发明的另一个实施例中，图2所示装置的共有数据特征提取模块22，进一步适于：从多个层面对所述共有数据特征作基于有效性的筛选。

具体地，所述多个层面进一步包括缺失程度、业务解释性、IV值、单调性中的一种或多种的组合。

在本发明的另一个实施例中，图2所示装置的数据集获取模块21，进一步适于：获取历史伪冒用户数据，将历史伪冒用户数据进行去噪预处理后用其创建历史伪冒用户数据集。

优选地，数据集获取模块21，进一步适于：对所述历史伪冒用户数据执行文本分析、归一化；且/或对所述历史伪冒用户数据执行分箱操作。

在本发明的另一个实施例中，图2所示装置的评分规则生成模块23，进一步适于：采用逻辑回归算法进行模型拟合训练，直到得出满足要求的机器学习模型。

优选地，所述机器学习模型输出的是伪冒概率，基于所述伪冒概率换算风险分数；

所述伪冒风险识别模块24，进一步适于：根据所述风险分数执行所述识别操作。

在本发明的另一个实施例中，图2所示装置的评分规则生成模块23，进一步适于：对设定评分范围内的风险分数进行分段，为每个分数段事先设置伪冒概率，基于机器学习模型输出伪冒概率对分数段进行匹配。

所述分数段与所述事先设置的伪冒概率呈负相关关系。

在本发明的另一个实施例中，图2所示装置的伪冒风险识别模块24，进一步适于：确定处于低分数段的用户存在伪冒风险。

优选地，评分规则生成模块23，进一步适于：

基于公式来执行所述换算，式中A、B均为常数项，p为所述机器学习模型输出的伪冒概率，Score为风险评分。

在本发明的另一个实施例中，图2所示装置的所述多维度数据进一步适于用户的设备信息和行为。

所述多维度数据具体是用户的操作时间、手机设备信息、App端操作的点击行为、App 端操作的浏览行为中的一者或多者。

本发明实施例的基于机器学习评分模型识别伪冒风险的装置可以用于执行上述方法实施例，其原理和技术效果类似，此处不再赘述。

需要说明的是：

在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的检测电子设备的佩戴状态的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

例如，图3示出了根据本发明一个实施例的电子设备的结构示意图。该电子设备传统上包括处理器31和被安排成存储计算机可执行指令(程序代码)的存储器32。存储器32可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器32具有存储用于执行图1所示的以及各实施例中的任何方法步骤的程序代码34的存储空间33。例如，用于程序代码的存储空间33可以包括分别用于实现上面的方法中的各种步骤的各个程序代码34。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图4所述的计算机可读存储介质。该计算机可读存储介质可以具有与图3的电子设备中的存储器32类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩。通常，存储单元存储有用于执行根据本发明的方法步骤的程序代码41，即可以由诸如31之类的处理器读取的程序代码，当这些程序代码由电子设备运行时，导致该电子设备执行上面所描述的方法中的各个步骤。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (10)

1.一种基于机器学习评分模型识别伪冒风险的方法，其特征在于，包括：

获取历史伪冒用户数据集，所述历史伪冒用户数据集包括历史伪冒用户标识的多维度数据；

基于所述历史伪冒用户数据集，提取伪冒风险高频发生的共有数据特征；

使用所述共有数据特征进行机器学习模型训练，形成评分规则；

使用所述评分规则对线上申请用户进行伪冒风险识别。

2.根据权利要求1所述的方法，其特征在于，所述提取伪冒风险高频发生的共有数据特征，进一步包括：在所述历史伪冒用户数据集的所述多维度数据中提取各个维度中相似或相同的共有数据特征。

3.根据权利要求1～2中任一项所述的方法，其特征在于，所述提取伪冒风险高频发生的共有数据特征，进一步包括：从多个层面对所述共有数据特征作基于有效性的筛选。

4.根据权利要求1～3中任一项所述的方法，其特征在于，所述多个层面进一步包括缺失程度、业务解释性、IV值、单调性中的一种或多种的组合。

5.根据权利要求1～4中任一项所述的方法，其特征在于，所述获取历史伪冒用户数据集，进一步包括：获取历史伪冒用户数据，将历史伪冒用户数据进行去噪预处理后用其创建历史伪冒用户数据集。

6.根据权利要求1～5中任一项所述的方法，其特征在于，所述将历史伪冒用户数据进行去噪预处理后用其创建历史伪冒用户数据集，进一步包括：对所述历史伪冒用户数据执行文本分析、归一化；且/或对所述历史伪冒用户数据执行分箱操作。

7.根据权利要求1～6中任一项所述的方法，其特征在于，所述使用所述共有数据特征进行机器学习模型训练，进一步包括：采用逻辑回归算法进行模型拟合训练，直到得出满足要求的机器学习模型。

8.一种基于机器学习评分模型识别伪冒风险的装置，其特征在于，包括：

数据集获取模块，适于获取历史伪冒用户数据集，所述历史伪冒用户数据集适于历史伪冒用户标识的多维度数据；

共有数据特征提取模块，适于基于所述历史伪冒用户数据集，提取伪冒风险高频发生的共有数据特征；

评分规则生成模块，适于使用所述共有数据特征进行机器学习模型训练，形成评分规则；

伪冒风险识别模块，适于使用所述评分规则对线上申请用户进行伪冒风险识别。

9.一种电子设备，其中，该电子设备包括：

处理器；以及，

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1～7中任一项所述的方法。

10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现权利要求1～7中任一项所述的方法。