[发明专利]风险交易识别方法、装置、服务器及存储介质

说明书

本说明书实施例提供了一种风险交易识别方法，通过对交易数据的特征进行降维处理，针对降维后的特征，利用深度森林网络中每级决策树森林集的多个基分类器进行决策分类，最终确定出是否为风险交易的概率。本发明实施例通过对特征降维处理，可以防止过拟合或达到尽可能保留特征属性的效果。

技术领域

本说明书实施例涉及互联网技术领域，尤其涉及一种风险交易识别方法、装置、服务器及存储介质。

背景技术

随着互联网的快速发展，各种形式的业务不断涌现，如在线银行、在线支付、在线购物等基于互联网的服务业务。人们已经越来越习惯在网上进行各种生活或商务活动。

由于互联网是一个开放的网络，任何人在任何地方都可以很方便地连接到互联网上。互联网在给人们生活提供便利的同时，也带来了风险。尤其是随着电子商务平台和第三方交易平台的发展，网络金融犯罪以及网上诈骗、信用卡盗刷等不断出现。因此，识别出风险交易越来越重要。

发明内容

本说明书实施例提供及一种风险交易识别方法、装置、服务器及存储介质。

第一方面，本说明书实施例提供一种风险交易识别方法，包括：对待识别交易数据进行特征提取得到得到用户类别特征及交易类别特征；由用户类别特征及交易类别特征构建第一维度特征，并对所述第一维度特征进行降维处理，得到第二维度特征；将所述第二维度特征输入至预先训练的深度森林网络，其中，所述深度森林网络包括多级决策树森林集，每一级决策树森林集中包括多个基分类器；基于所述深度森林网络，对多维度特征进行决策分类，得到待识别交易数据为风险交易的概率。

第二方面，本说明书实施例提供一种用于风险交易识别的深度森林网络的训练方法，包括：收集有关风险交易的黑白样本，并对黑白样本数据进行特征提取得到用户类别特征及交易类别特征；由用户类别特征及交易类别特征构建第一维度特征，以及对第一维度特征进行降维处理，得到第二维度特征；根据第二维度特征训练第一级决策树森林集的各个基分类器，并将前一级决策树森林集的输出特征与第二维度特征进行拼接，利用拼接特征训练下一级决策树森林集的各个基分类器；其中在每一级决策树森林集训练完成后判断是否达到预定结束条件，如果未达到才进行下一级决策树森林集的训练；当达到预定结束条件时，结束训练，训练得到由多级决策树森林集构成的所述深度森林网络。

第三方面，本说明书实施例提供一种风险交易识别装置，包括：特征提取及处理单元，用于对待识别交易数据进行特征提取得到用户类别特征及交易类别特征；由用户类别特征及交易类别特征构建第一维度特征，并对所述第一维度特征进行降维处理，得到第二维度特征；预测单元，将所述第二维度特征输入至预先训练的深度森林网络，其中，所述深度森林网络包括多级决策树森林集，每一级决策树森林集中包括多个基分类器；基于所述深度森林网络，对多维度特征进行决策分类，得到待识别交易数据为风险交易的概率。

第四方面，本说明书实施例提供一种用于风险交易识别的深度森林网络的训练装置，包括：样本获取单元，用于收集有关风险交易的黑白样本；特征提取及处理单元，用于对黑白样本数据进行特征提取得到用户类别特征及交易类别特征；由用户类别特征及交易类别特征构建第一维度特征，以及对第一维度特征进行降维处理，得到第二维度特征；训练执行单元，用于根据第二维度特征训练第一级决策树森林集的各个基分类器，并将前一级决策树森林集的输出特征与第二维度特征进行拼接，利用拼接特征训练下一级决策树森林集的各个基分类器；其中在每一级决策树森林集训练完成后判断是否达到预定结束条件，如果未达到才进行下一级决策树森林集的训练；网络确定单元，用于当达到预定结束条件时，结束训练，得到由多级决策树森林集构成的所述深度森林网络。

第五方面，本说明书实施例提供一种服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述方法的步骤。

第六方面，本说明书实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述方法的步骤。