本发明属于大数据处理,具体涉及一种基于大数据的消费金融领域欺诈检测方法。
背景技术:
1、在当今数字化时代,随着互联网的普及和大数据技术的飞速发展,消费金融领域面临着巨大的机遇和挑战。消费金融是指通过金融科技手段,为个人和家庭提供的金融服务,包括贷款、信用卡、借贷等。然而,随着消费金融业务的不断扩展,欺诈行为也在不断演变和增加,给金融机构和消费者带来了严重的经济损失和信任危机。
2、传统的欺诈检测方法通常基于规则和模型,这些方法往往依赖于先验知识,无法很好地适应欺诈行为的多样性和复杂性。并且随着反欺诈手段和技术的提升,欺诈行为越来越难由个体实施,而是依赖于欺诈团伙的有组织进行,这种依赖于先验知识的传统欺诈检测方法在面对不断演变的欺诈手法时显得力不从心。欺诈分子不断变换策略,采用新的技术手段和隐蔽方法,使得传统规则和模型很难跟上欺诈演变的步伐。传统方法缺乏灵活性,无法有效地适应欺诈行为的多样性和复杂性,因此容易漏报或误报,造成金融损失的同时也影响了合法用户的体验。
技术实现思路
1、为解决上述技术问题,本发明提出一种基于大数据的消费金融领域欺诈检测方法,包括以下步骤:
2、s1、获取金融交易数据和用户个人数据,并构建金融交易图gf和交易用户交际图gu;
3、所述金融交易数据包括:交易时间、交易方式、交易金额、交易者、交易之前的账户余额、交易之后的账户余额、交易的接收方,交易之前交易接收方的账户余额、交易之后交易接收方的账户余额;
4、所述用户个人数据包括:性别、年龄、好友列表;
5、s2、对于每次金融交易,分别从图gf和图gu中拆分出交易用户所在的金融交易子图gf以及该用户对应的用户交际子图gu,使用图注意力网络gat对金融交易子图gf和用户交际子图gu进行特征提取,得到金融交易特征向量f和用户向量u。
6、s3、采用稀疏交叉注意力机制对金融交易特征向量f和用户向量u进行特征融合,得到融合特征向量h,将融合特征向量h输入前馈神经网络进行二分类,预测此次交易是否为欺诈交易。
7、本发明的有益效果:
8、本发明从用户之间的联系出发,利用用户的个人信息和金融交易信息构建用户交易网络和用户关联网络,使用图注意力网络对图中的每个节点进行特征提取,深入挖掘用户之间的相互联系,从而实现对欺诈团伙的高效识别,同时将金融交易特征与用户特征使用稀疏交叉注意力进行融合,深度探索用户交易关联网络中的信息,提高了在消费金融领域欺诈检测的准确率。
1.一种基于大数据的消费金融领域欺诈检测方法,其特征在于,包括:
2.根据权利要求1所述的一种基于大数据的消费金融领域欺诈检测方法,其特征在于,构建金融交易图gf和交易用户交际图gu,包括:
3.根据权利要求2所述的一种基于大数据的消费金融领域欺诈检测方法,其特征在于,所述图节点vf,包括:
4.根据权利要求2所述的一种基于大数据的消费金融领域欺诈检测方法,其特征在于,所述图节点vu,包括:
5.根据权利要求1所述的一种基于大数据的消费金融领域欺诈检测方法,其特征在于,从图gf和图gu中拆分出交易用户所在的金融交易子图gf以及该用户对应的用户交际子图gu,包括:
6.根据权利要求5所述的一种基于大数据的消费金融领域欺诈检测方法,其特征在于,路径r的确定,包括:
7.根据权利要求1所述的一种基于大数据的消费金融领域欺诈检测方法,其特征在于,使用图注意力网络gat对金融交易子图gf和用户交际子图gu进行特征提取,得到金融交易特征向量f和用户向量u,包括:
8.根据权利要求7所述的一种基于大数据的消费金融领域欺诈检测方法,其特征在于,对图gf中的每个节点vf,计算与其所有相邻节点之间注意力系数,将相邻节点的特征向量加权求和来更新节点vf本身的特征向量,最终得到节点vf的特征向量f,包括:
9.根据权利要求1所述的一种基于大数据的消费金融领域欺诈检测方法,其特征在于,采用稀疏交叉注意力机制对金融交易特征向量f和用户向量u进行特征融合,得到融合特征向量h,包括:
10.根据权利要求1所述的一种基于大数据的消费金融领域欺诈检测方法,其特征在于,将融合特征向量h输入前馈神经网络进行二分类,预测此次交易是否为欺诈交易,包括: