一种消费预警方法、系统、设备和存储介质与流程

本申请涉及人工智能领域或金融领域，特别是涉及一种消费预警方法、系统、设备和存储介质。

背景技术：

1、随着互联网的发展，网上消费越来越普遍，例如，用户可以直接向收款账户直接转账完成消费，然而，由于网络环境虚拟且复杂，网上消费存在一定的风险，例如，非法分子利用非法手段骗取用户将资产转向非法账户。

2、目前，网络消费平台对非法风险的预警方法为：通过用户在该网络消费平台的历史消费数据预测用户在某一时间段的消费信息，并根据预测的消费信息监测对应时间段的实际消费信息，进而及时提醒用户非法风险。

3、然而上述方法由于历史数据不够全面，导致预测数据不够精确。

技术实现思路

1、基于上述问题，本申请提供了一种消费预警方法、系统、设备和存储介质，能够基于多账户的历史消费信息构建的消费预测模型更精准预测用户的消费画像，利用消费画像和用户的实际消费数据的差异进行及时预警。

2、本申请实施例公开了如下技术方案：

3、本申请实施例第一方面提供一种消费预警方法，包括：

4、响应于用户的第一账户的消费请求，获取所述用户的第一账户的在目标时间段内的实际的消费信息；所述实际的消费信息包括消费请求的消费信息；

5、利用消费预测模型生成用户在目标时间段内的消费画像；所述消费预测模型是基于根据所述用户的多个账户在第一预设时间段内的历史消费信息构建的；所述目标时间段内的消费画像为在目标时间段内的预测消费信息；所述第一预设时间段早于目标时间段，且所述第一预设时间段的时长大于或等于目标时间段；

6、根据所述实际的消费信息、所述消费画像和预警条件生成消费预警信息。

7、在一个可能的实现方式中，所述消费预测模型构建方法包括：

8、获取用户的第一账户的历史消费信息；所述第一账户的历史消费信息包括：第一账户在多个交易平台的预设时间段内的消费信息；

9、对所述第一账户的历史消费信息进行预处理，得到样本集数据；

10、利用样本集数据构建第一随机森林模型；

11、将第一随机森林模型的参数上传到联邦学习的聚合服务器，使聚合服务器结合各联邦学习参与方上传的参数，对所述第一随机森林模型的参数进行优化；所述各联邦学习参与方上传的参数，为各联邦学习参与方根据该用户的第二账户的历史消费信息构建的第二随机森林模型的参数；

12、根据优化后的参数调整所述第一随机森林模型，得到消费预测模型。

13、在一个可能的实现方式中，所述利用样本集数据构建第一随机森林模型，包括：

14、将样本集数据分成n份样本数据；其中，n为大于1的正整数；

15、利用n份样本数据构建每棵决策树；

16、循环执行多次所述利用n份样本数据构建每棵决策树的步骤构建多棵决策树；

17、利用所述多棵决策树构建随机森林。

18、在一个可能的实现方式中，每份样本数据包含多个属性特征的数据；

19、所述利用n份样本数据构建每棵决策树，包括：

20、根据样本数据的属性特征分裂每棵决策树的节点。

21、在一个可能的实现方式中，所述消费画像包括预测消费类型和预测消费金额；

22、根据所述用户实际的消费信息、所述消费画像和预警条件生成消费预警信息，包括：

23、若消费信息中的消费类型与预测消费类型相似度低于相似度阈值，和/或消费信息中的消费金额超过消费阈值，则生成消费预警信息。

24、在一个可能的实现方式中，所述消费画像还包括：预测消费浮动幅度；所述预测消费浮动幅度为目标时间段内预测消费金额与第二预设时间段内的消费金额相比的变动幅度；所述第二预设时间段为与目标时间段相邻的相同时长的时间段，所述第二预设时间段早于目标时间段；

25、所述根据所述用户在目标时间段内的消费信息、所述消费画像和预警条件生成消费预警信息之前，还包括：根据目标时间段内的预测消费浮动幅度确定消费阈值。

26、本申请实施例第二方面提供一种消费预警系统，包括：

27、获取模块，用于响应于用户的第一账户的消费请求，获取所述用户的第一账户的在目标时间段内的实际的消费信息；所述实际的消费信息包括消费请求的消费信息；

28、预测模块，用于利用消费预测模型生成用户在目标时间段内的消费画像；所述消费预测模型是基于根据所述用户的多个账户在第一预设时间段内的历史消费信息构建的；所述目标时间段内的消费画像为在目标时间段内的预测消费信息；所述第一预设时间段早于目标时间段，且所述第一预设时间段的时长大于或等于目标时间段；

29、预警模块，用于根据所述实际的消费信息、所述消费画像和预警条件生成消费预警信息。

30、在一个可能的实现方式中，所述预测模块包括：

31、历史消费信息获取模块，用于获取用户的第一账户的历史消费信息；所述第一账户的历史消费信息包括：第一账户在多个交易平台的预设时间段内的消费信息；

32、样本集数据获得模块，用于对所述第一账户的历史消费信息进行预处理，得到样本集数据；

33、随机森林模型构建模块，用于利用样本集数据构建第一随机森林模型；

34、参数优化模块，用于将第一随机森林模型的参数上传到联邦学习的聚合服务器，使聚合服务器结合各联邦学习参与方上传的参数，对所述第一随机森林模型的参数进行优化；所述各联邦学习参与方上传的参数，为各联邦学习参与方根据该用户的第二账户的历史消费信息构建的第二随机森林模型的参数；

35、消费预测模型获得模块，用于根据优化后的参数调整所述第一随机森林模型，得到消费预测模型。

36、本申请实施例第三方面提供一种消费预警设备，包括：处理器、存储器、系统总线；

37、所述处理器以及所述存储器通过所述系统总线相连；

38、所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行本申请实施例第一方面提供所述的消费预警方法。

39、本申请实施例第四方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行本申请实施例第一方面提供所述的消费预警方法。

40、相较于现有技术，本申请具有以下有益效果：

41、本申请提供的一种消费预警方法，利用基于用户的多个账户在预设时间段内的历史消费信息构建的消费预测模型预测目标时间段的消费画像，由于多账户历史消费信息相比于单一账户消费信息更为全面，使得消费预测模型能够精准预测用户的消费画像，进而在用户消费过程中利用消费画像实时监测用户实际的消费信息，对异常的消费数据进行及时预警。

技术特征：

1.一种消费预警方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述消费预测模型的构建方法包括：

3.根据权利要求2所述的方法，其特征在于，所述利用样本集数据构建第一随机森林模型，包括：

4.根据权利要求3所述的方法，其特征在于，每份样本数据包含多个属性特征的数据；

5.根据权利要求1所述的方法，其特征在于，所述消费画像包括预测消费类型和预测消费金额；

6.根据权利要求5所述的方法，其特征在于，所述消费画像还包括：预测消费浮动幅度；所述预测消费浮动幅度为目标时间段内预测消费金额与第二预设时间段内的消费金额相比的变动幅度；所述第二预设时间段为与目标时间段相邻的相同时长的时间段，所述第二预设时间段早于目标时间段；

7.一种消费预警系统，其特征在于，包括：

8.根据权利要求7所述的系统其特征在于，所述预测模块包括：

9.一种消费预警设备，其特征在于，包括：处理器、存储器、系统总线；

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中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行权利要求1-6任一项所述的消费预警方法。

技术总结
本申请公开了一种消费预警方法、系统、设备和存储介质。该方法可应用于人工智能领域或金融领域。该方法包括：响应于用户的第一账户的消费请求，获取所述用户的第一账户的在目标时间段内的实际的消费信息；所述实际的消费信息包括消费请求的消费信息；利用消费预测模型生成用户在目标时间段内的消费画像；消费预测模型是基于根据用户的多个账户在第一预设时间段内的历史消费信息构建的；根据实际的消费信息、消费画像和预警条件生成消费预警信息。该方法使用多账户历史信息构建的消费预测模型精准预测用户的消费画像，进而在用户消费过程中利用消费画像实时监测用户实际的消费信息，对异常的消费数据进行及时预警。

技术研发人员：王玉婷,李婷姝,夏苗苗,贾琳,张宗洋,郭旦萍,张燕义,刘慧敏,徐敬慈,雷蕾,翁晴晴
受保护的技术使用者：中国银行股份有限公司
技术研发日：
技术公布日：2024/1/13