一种融合多规则和多模型的欺诈识别方法及系统与流程

本发明涉及欺诈识别，特别是涉及一种融合多规则和多模型的欺诈识别方法及系统。

背景技术：

1、随着个人商城业务不断发展，营销活动形式也在不断丰富，包括交易返券、即时领券、幸运轮盘抽奖等，这些形式提升了活动热度，壮大了买家数量，增加了客户黏性，在开展电子券以及龙支付活动过程中，时常出现大量电子券在极短时间内被领完，龙支付费用消耗过快等异常情况，其中部分订单交易特征异常，疑似受羊毛党操控，导致大量营销资源未被有效利用，现有的羊毛党识别方式或者方法识别方式单一，单一的识别方式难以覆盖多样性的欺诈风险，从而使得识别的准确率较低。

技术实现思路

1、鉴于以上所述现有技术的缺点，本发明的目的在于提供一种融合多规则和多模型的欺诈识别方法及系统，用于解决现有技术中识别方式单一，单一的识别方式难以覆盖多样性的欺诈风险的问题。

2、本发明的实施方式提供了一种融合多规则和多模型的欺诈识别方法，包括以下步骤：获取含有羊毛党客户的客户群中每个客户的注册信息和相关信息；根据所述注册信息和相关信息确定羊毛党客户的单一规则和交叉规则；根据羊毛党客户的单一规则和交叉规则确定客户群中的第一批羊毛党客户；将所述注册信息和相关信息输入用户维预测模型和交易维预测模型，通过所述用户维预测模型和交易维预测模型确定规则识别后的客户群中的第二批羊毛党客户；根据所述注册信息和相关信息确定社区网络；根据所述社区网络确定模型识别后的客户群中的第三批羊毛党客户。

3、本发明的实施方式还提供了一种融合多规则和多模型的欺诈识别系统，包括：信息获取模块，用于获取含有羊毛党客户的客户群中每个客户的注册信息和相关信息；第一确定模块，用于根据所述注册信息和相关信息确定羊毛党客户的单一规则和交叉规则；根据羊毛党客户的单一规则和交叉规则确定客户群中的第一批羊毛党客户；第二确定模块，用于将所述注册信息和相关信息输入用户维预测模型和交易维预测模型，通过所述用户维预测模型和交易维预测模型确定规则识别后的客户群中的第二批羊毛党客户；第三确定模块，用于根据所述注册信息和相关信息确定社区网络，根据所述社区网络确定模型识别后的客户群中的第三批羊毛党客户。

4、本发明的实施方式还提供了一种服务器，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述的融合多规则和多模型的欺诈识别方法。

5、本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述的融合多规则和多模型的欺诈识别方法。

6、本发明实施方式相对于现有技术而言，主要区别及其效果在于：根据羊毛党客户的单一规则和交叉规则确定客户群中的第一批羊毛党客户，然后通过用户维预测模型和交易维预测模型确定规则识别后的客户群中的第二批羊毛党客户，最后根据社区网络确定模型识别后的客户群中的第三批羊毛党客户，从而能够将客户群中羊毛党客户识别出来，本发明采用了多规则和多模型的方式，从而可以覆盖多样性的欺诈风险，使得识别的准确率较高。

7、作为进一步改进，所述客户的注册信息包括注册时间、用户名、手机号、ip地址、绑定融e付卡号和注册设备，所述客户的相关信息包括资产信息、领劵行为信息和下单信息。

8、作为进一步改进，所述根据所述注册信息和相关信息确定羊毛党客户的单一规则和交叉规则，包括：根据所述注册信息和相关信息确定n条单一规则和m条交叉规则；计算所述n条单一规则和m条交叉规则，根据计算结果得出n条单一规则和m条交叉规则的参数，其中，所述参数包括精确率、召回率和调和均值；根据所述n条单一规则和m条交叉规则的参数确定羊毛党客户的单一规则和交叉规则。

9、上述方案根据注册信息和相关信息确定n条单一规则和m条交叉规则，然后计算出n条单一规则和m条交叉规则的参数，再根据n条单一规则和m条交叉规则的参数确定羊毛党客户的单一规则和交叉规则，从而可以便于后续得出客户群中的第一批羊毛党客户。

10、作为进一步改进，所述将所述注册信息和相关信息输入用户维预测模型和交易维预测模型，通过所述用户维预测模型和交易维预测模型确定规则识别后的客户群中的第二批羊毛党客户，包括：提取所述注册信息和相关信息中与客户有关的变量；将所述与客户有关的变量输入用户维预测模型，通过所述用户维预测模型确定第二批羊毛党客户中的部分羊毛党客户。

11、作为进一步改进，所述将所述注册信息和相关信息输入用户维预测模型和交易维预测模型，通过所述用户维预测模型和交易维预测模型确定规则识别后的客户群中的第二批羊毛党客户，还包括：提取所述注册信息和相关信息中订单交易的变量；将所述订单交易的变量输入交易维预测模型，通过所述交易维预测模型确定第二批羊毛党客户中的其余羊毛党客户。

12、上述方案通过将与客户有关的变量输入用户维预测模型，然后通过用户维预测模型确定第二批羊毛党客户中的部分羊毛党客户，再将订单交易的变量输入交易维预测模型，然后通过交易维预测模型确定第二批羊毛党客户中的其余羊毛党客户，从而可以得出客户群中的第二批羊毛党客户。

13、作为进一步改进，所述根据所述注册信息和相关信息确定社区网络，包括；确定所述注册信息和相关信息的网络节点和边的关系；根据所述网络节点和边的关系构成社区网络。

14、作为进一步改进，所述根据所述社区网络确定模型识别后的客户群中的第三批羊毛党客户，包括：使用连通度算法和鲁汶算法对社区网络进行切割，根据切割结果得出w个子网；根据所述w个子网中用户顶点的数量确定模型识别后的客户群中的第三批羊毛党客户，其中，n、m和w均≥1且为正整数。

15、上述方案根据网络节点和边的关系构成社区网络，然后使用连通度算法和鲁汶算法将社区网络切割出w个子网，然后再根据w个子网中用户顶点的数量确定模型识别后的客户群中的第三批羊毛党客户，从而可以得出客户群中的第三批羊毛党客户。

技术特征：

1.一种融合多规则和多模型的欺诈识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种融合多规则和多模型的欺诈识别方法，其特征在于：所述客户的注册信息包括注册时间、用户名、手机号、ip地址、绑定融e付卡号和注册设备，所述客户的相关信息包括资产信息、领劵行为信息和下单信息。

3.根据权利要求1所述的一种融合多规则和多模型的欺诈识别方法，其特征在于：所述根据所述注册信息和相关信息确定羊毛党客户的单一规则和交叉规则，包括：

4.根据权利要求1所述的一种融合多规则和多模型的欺诈识别方法，其特征在于：所述将所述注册信息和相关信息输入用户维预测模型和交易维预测模型，通过所述用户维预测模型和交易维预测模型确定规则识别后的客户群中的第二批羊毛党客户，包括：

5.根据权利要求4所述的一种融合多规则和多模型的欺诈识别方法，其特征在于：所述将所述注册信息和相关信息输入用户维预测模型和交易维预测模型，通过所述用户维预测模型和交易维预测模型确定规则识别后的客户群中的第二批羊毛党客户，还包括：

6.根据权利要求1所述的一种融合多规则和多模型的欺诈识别方法，其特征在于：所述根据所述注册信息和相关信息确定社区网络，包括；

7.根据权利要求1所述的一种融合多规则和多模型的欺诈识别方法，其特征在于：所述根据所述社区网络确定模型识别后的客户群中的第三批羊毛党客户，包括：

8.一种融合多规则和多模型的欺诈识别系统，其特征在于：包括：

9.一种服务器，其特征在于，包括：

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一所述的一种融合多规则和多模型的欺诈识别方法。

技术总结
本发明提供一种融合多规则和多模型的欺诈识别方法及系统，包括以下步骤：获取含有羊毛党客户的客户群中每个客户的注册信息和相关信息；根据所述注册信息和相关信息确定羊毛党客户的单一规则和交叉规则；根据羊毛党客户的单一规则和交叉规则确定客户群中的第一批羊毛党客户；将所述注册信息和相关信息输入用户维预测模型和交易维预测模型，通过所述用户维预测模型和交易维预测模型确定规则识别后的客户群中的第二批羊毛党客户；根据所述注册信息和相关信息确定社区网络；根据所述社区网络确定模型识别后的客户群中的第三批羊毛党客户；本发明具有以下有益效果：本发明采用了多规则和多模型的方式，从而可以覆盖多样性的欺诈风险。

技术研发人员：冯亮,曾志,曾新平,谢才权
受保护的技术使用者：上海艾大软件有限公司
技术研发日：
技术公布日：2024/1/12