风险防控方法、装置、设备及存储介质与流程

本发明涉及线上充值，尤其涉及一种风险防控方法、装置、设备及存储介质。

背景技术：

1、线上充值是互联网之后衍生出的一种充值方式，和线性充值相对，主要是指通过互联网或移动应用等线上渠道进行充值操作。随着互联网的迅速发展，线上充值也成为账户充值业务的主要方式，但是，由于线上充值具有金额较小、需求频率高的特点，极易被黑灰产业利用。

2、目前，相关技术进行风险防控的方式主要是针对黑产的行为，总结黑产行为特征，形成具体的规则，在实际的业务场景中对与规则匹配的行为进行拦截，以实现风险防控。

3、但是，上述方式黑产行为特征的总结与具体规则的形成是由案件产生以后归纳总结得到，并不能有效的预防案件的发生，只能针对已经产生的案件进行判断，存在延后性，风险防控的有效性低。

技术实现思路

1、本发明的主要目的在于提供了一种风险防控方法、装置、设备及存储介质，旨在解决现有技术风险防控方式行为特征的总结与具体规则的形成是由案件产生以后归纳总结得到，并不能有效的预防案件的发生，只能针对已经产生的案件进行判断，存在延后性，风险防控的有效性低的技术问题。

2、为实现上述目的，本发明提供了一种风险防控方法，所述风险防控方法包括以下步骤：

3、将当前用户的历史交易操作数据输入预设行为预测模型进行交易行为预测，获得行为预测结果，所述预设行为预测模型通过不同用户的历史交易操作数据对lstm模型训练后获得；

4、对所述历史交易操作数据中存在聚集行为的数据进行标记，并根据标记结果确定所述当前用户的聚集行为特征；

5、根据所述行为预测结果和所述聚集行为特征判断所述当前用户是否存在黑产行为。

6、可选地，所述根据所述行为预测结果和所述聚集行为特征判断所述当前用户是否存在黑产行为的步骤，包括：

7、计算所述行为预测结果中各行为特征和所述聚集行为特征中各聚集特征之间的皮尔逊系数，并根据所计算出的各皮尔逊系数构建相关系数矩阵；

8、基于所述相关系数矩阵对所述各行为特征和所述各聚集特征进行异或组合，获得异或特征对；

9、根据所述异或特征对对当前用户行为进行分类，并基于分类结果判断所述当前用户是否存在黑产行为。

10、可选地，所述基于所述相关系数矩阵对所述各行为特征和所述各聚集特征进行异或组合，获得异或类特征对的步骤，包括：

11、筛选出所述相关系数矩阵中皮尔逊系数与预设负相关系数的偏差低于预设阈值的目标皮尔逊系数；

12、获取计算出所述目标皮尔逊系数的目标行为特征和目标聚集特征；

13、将所述目标行为特征和所述目标聚集特征进行组合，获得异或特征对。

14、可选地，所述根据所述异或特征对当前用户行为进行分类，并基于分类结果判断所述当前用户是否存在黑产行为的步骤，包括：

15、将目标行为特征为黑产行为特征，且目标聚集特征为黑产聚集特征的异或特征对划分为黑产用户行为；

16、将目标行为特征为非黑产行为特征，且目标聚集特征为非黑产聚集特征的异或特征对划分为非黑产用户行为；

17、若所述黑产用户行为的异或特征对数量高于所述非黑产用户行为的异或特征对数量，则判定所述当前用户存在黑产行为。

18、可选地，所述将当前用户的历史交易操作数据输入预设行为预测模型进行交易行为预测，获得行为预测结果的步骤之前，还包括：

19、获取不同用户的历史交易操作数据，并对所述不同用户的历史交易操作数据基于时间和行为进行分类，获得由二维矩阵构成的基础数据集，所述二维矩阵中横坐标为时间段，纵坐标为用户的不同行为；

20、根据所述基础数据集基于所述lstm模型的输入门、遗忘门、输出门和单元状态对所述lstm模型进行训练，获得预设行为预测模型；

21、其中，所述输入门用于控制所述基础数据集输入至所述单元状态中数据的数量，所述遗忘门用于控制所述单元状态在当前时刻保留数据的数量，所述输出门用于控制所述单元状态在下一时刻输出数据的数量。

22、可选地，所述风险防控方法还包括：

23、将存在黑产行为的用户加入灰名单；

24、在处于所述灰名单中的用户发起交易申请，且到达交易支付环节时，向所述用户发起支付验证，获得验证结果，其中，在验证通过时允许所述用户支付，在验证失败时禁止所述用户支付；

25、同步所述验证结果，并将验证成功的用户加入授权名单，将验证失败的用户加入黑名单，其中，处于所述授权名单中的用户在达到支付环节时无需进行支付验证，处于所述黑名单中的用户在到达支付环节时禁止支付。

26、可选地，所述将存在黑产行为的用户加入灰名单的步骤之后，还包括：

27、在未处于所述灰名单中的用户发起交易申请，且到达交易支付环节时，判断所述用户是否触发预设规则，所述预设规则由基于黑产行为的特征所确定；

28、若触发所述预设规则，则向所述用户发起支付验证，获得验证结果；

29、同步所述验证结果，并将验证成功的用户加入授权名单，将验证失败的用户加入黑名单。

30、此外，为实现上述目的，本发明还提出一种风险防控装置，所述风险防控装置包括：

31、交易行为预测模块，用于将当前用户的历史交易操作数据输入预设行为预测模型进行交易行为预测，获得行为预测结果，所述预设行为预测模型通过不同用户的历史交易操作数据对lstm模型训练后获得；

32、聚集行为标记模块，用于对所述历史交易操作数据中存在聚集行为的数据进行标记，并根据标记结果确定所述当前用户的聚集行为特征；

33、黑产行为防控模块，用于根据所述行为预测结果和所述聚集行为特征判断所述当前用户是否存在黑产行为。

34、此外，为实现上述目的，本发明还提出一种风险防控设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的风险防控程序，所述风险防控程序配置为实现如上文所述的风险防控方法的步骤。

35、此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有风险防控程序，所述风险防控程序被处理器执行时实现如上文所述的风险防控方法的步骤。

36、本发明通过将当前用户的历史交易操作数据输入预设行为预测模型进行交易行为预测，获得行为预测结果，预设行为预测模型通过不同用户的历史交易操作数据对lstm模型训练后获得；然后对历史交易操作数据中存在聚集行为的数据进行标记，并根据标记结果确定当前用户的聚集行为特征；最后根据行为预测结果和聚集行为特征判断当前用户是否存在黑产行为。本发明通过预测用户的交易行为，并结合预测获得的行为预测结果与用户的聚集行为特征判断用户是否存在黑产行为，相较于现有技术黑产行为特征的总结与具体规则的形成是由案件产生以后归纳总结得到，只能针对已经产生的案件进行判断，存在延后性，本发明上述方法避免了风险防控的延后性，提高了风险防控的有效性。