[发明专利]反欺诈预测方法及装置

说明书

本发明实施例提供一种反欺诈预测方法及装置，属于数据处理技术领域，所述方法包括：获取客户的个人信息数据；将所述客户的个人信息数据输入至预先建立的反欺诈因子库模型，输出用于表征所述客户的欺诈风险的评分；根据所述评分对所述客户进行反欺诈预测，获得预测结果。本方案中，通过预先建立的反欺诈因子库模型，输出用于表征所述客户的欺诈风险的评分，根据该评分对客户进行反欺诈预测，使得对客户的反欺诈预测更为准确，从而可以对客户信用评价更为全面，进而对客户的信用进行有效的评估。

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种反欺诈预测方法 及装置。

背景技术

由于使用信用卡消费便捷的特点以及消费环境的改善，越来越多的地 方支持信用卡支付，信用卡在一定程度上得到普及，随之而来的是信用卡 欺诈事件不断发生。信用卡欺诈事件中，通常是由于银行对客户申请信用 卡的审批中出现纰漏。

银行会对客户申请信用卡进行欺诈风险的评估工作，现有技术中是通 过传统人为的方式收集和获取客户的个人信息，再经过人为的审核对客户 的欺诈风险进行判断。这种判断方式往往比较单一，并且存在一定的人为 的主观判断而致的偏差，对客户的信用评价不够全面，无法客户的信用进 行有效的评估。

发明内容

有鉴于此，本发明实施例的目的在于提供一种反欺诈预测方法及装置， 以改善上述问题。

第一方面，本发明实施例提供了一种反欺诈预测方法，所述方法包括： 获取客户的个人信息数据；将所述客户的个人信息数据输入至预先建立的 反欺诈因子库模型，输出用于表征所述客户的欺诈风险的评分；根据所述 评分对所述客户进行反欺诈预测，获得预测结果。

本方案中通过获取客户的个人信息数据，然后将所述客户的个人信息 数据输入至预先建立的反欺诈因子库模型，输出用于表征所述客户的欺诈 风险的评分，再根据所述评分对所述客户进行反欺诈预测，获得预测结果。 这种方法提供了比现有技术方法更准确、更全面、且更有效的反欺诈预测 方法。

进一步地，获取客户的个人信息数据之前，所述方法还包括：获取用 于建立所述反欺诈因子库模型的数据源，所述数据源包括多个客户的个人 信息数据。选用有较高覆盖度和良好稳定性的数据源，能够保证欺诈模型 的较高覆盖度和良好稳定性；将所述数据源分为标示有不同标签的多个数 据组，其中标签的制定根据从数据组中提取的关键信息；从所述多个数据 组中选取目标数据组，根据所述目标数据组对应的标签生成对应的因子，所述目标数据组包括至少两个数据组；根据每个所述因子对对应的客户的 欺诈识别能力对所述因子赋予权重；获取所述多个因子中满足预设条件的 因子作为触碰因子，并基于所述触碰因子的权重获得所述触碰因子的统计 量；基于所述统计量建立所述反欺诈因子库模型。

进一步地，所述多个因子包括欺诈类因子、信任类因子、中立类因子。 欺诈类因子中的欺诈客户占比大于数据源中欺诈客户的占比，中立类因子 中的欺诈客户占比等于数据源中欺诈客户的占比，信任类因子中的欺诈客 户占比小于数据源中欺诈客户的占比。

进一步地，基于所述统计量建立所述反欺诈因子库模型，包括：根据 所述信任类因子中触碰因子的统计量建立信任分模型；根据所述欺诈类因 子中触碰因子的统计量建立欺诈分模型；将所述信任分模型和所述欺诈分 模型整合建立所述反欺诈因子库模型。本方案中建立出的反欺诈因子库模 型不仅能从欺诈方面对客户进行评价，还能够从信任的角度对客户进行评 价。这样能够改善现有技术无法从信任的维度进行评价的缺点。

进一步地，根据所述评分对所述客户进行反欺诈预测，获得预测结果。 首先将所述评分与预设的欺诈风险评分阈值进行比较，若所述评分大于所 述欺诈风险评分阈值，则所述预测结果为所述客户为信任客户。