[发明专利]互联网中欺诈团伙关系的挖掘与排查方法及其系统

说明书

互联网中欺诈团伙关系的挖掘与排查方法，获取互联网金融数据，采用知识图谱的构建原理构建金融关系图谱，在构建的金融关系图谱基础上，通过聚类算法挖掘出具有相似行为的群体，通过对群体的构成进行分析，实现对欺诈团伙的识别，完成对欺骗团伙关系的挖掘与排查。本发明对海量多维的大数据进行深层次的挖掘，从申请人无法更改、难以避免的操作行为信息中检测出潜在的欺诈团伙。同时，通过对检测出的欺诈团伙的组成进行分析，给出欺诈团伙潜在的风险等级等信息。这些信息可以直接作为风控规则，也可以作为入模变量使用，还可以辅助审核人员进行人工核查，协助线上进行实时防控等。

技术领域

本发明属于网络技术领域，涉及互联网金融领域和数据挖掘技术，为一种互联网中欺诈团伙关系的挖掘与排查方法。

背景技术

近年来，互联网金融得到了快速发展，在促进普惠金融发展、提升金融服务质量和效率、满足多元化投融资需求等方面发挥了积极作用，展现出了很大的市场空间和发展潜力。互联网金融在为金融业发展注入活力的同时，也对我们的金融管理带来了新的挑战，其快速发展过程中也暴露出了一些问题和风险隐患。

如今，互联网欺诈已经变得非常专业化和产业化。就个人欺诈而言，伪造个人信息、隐瞒还款意愿、寻求助贷机构帮忙申请等行为已经对互金行业产生了不小的影响；而近些年发展起来的团伙欺诈，其危害更远胜于个人欺诈。这种团伙组织他们有专业的设备、专业的团队，有专人负责写方案，专人研究各机构风控漏洞，专人负责助贷申请，专人负责销赃，整个过程中的各环节分工明确，已经形成完整的产业链，给互联网金融行业造成了巨大的挑战和损失。

目前绝大多数互联网金融公司仍然将传统的金融风控方法作为公司的核心风控能力，主要是使用专家规则、评分卡这些具有较好解释性的方法。这些方式限制了通过技术发展带来的风控效果的提升，比如较复杂的机器学习模型、深度学习方法等，在专家规则及评分卡方式下，对风控效果的改善十分有限。因此基于传统的方法，提高风控能力需要依赖于数据维度和特征变量的增加，以丰富专家规则和评分卡模型的特征，但这肯定会导致规则和模型复杂度的大大增加。为了帮助提升风控能力，目前已有部分公司使用自身积累的数据构建了相关的知识图谱，用于发现某些存在潜在风险的关联关系并做出相关预警。但是这些图谱往往包含人、设备信息、地址信息、申请信息等各类实体，而不管是风控规则还是评分卡都是根据人的特征进行判断的，所以通过这些图谱关联出来的信息会比较冗杂，难以发掘出直接且明显的人与人之间的关联风险，需要反馈给专家进行再次筛选和评估后才能作为风控规则或者特征。但是通过这种方式往往难以得到较理想的结果，因为要从包含不同实体的纷繁复杂的关联关系中提取出有效规则和特征是很困难且难以保证它们的有效性的。

发明内容

本发明要解决的问题是，在互联网金融领域中，传统的风控技术难以提升效果，无法对团伙欺诈进行有效识别和防范。且当前互联网金融中的关系图谱难以提供人与人之间直接的关联关系，也无法提供有效的风控规则和特征。本发明提出一种在互联网金融场景下实体只包含人的关系图谱，通过对团伙规模、团伙风险等级、团伙组成特点的描述来提供有效的风控规则和特征，大大提升传统风控能力。

本发明的技术方案为：互联网中欺诈团伙关系的挖掘与排查方法，获取互联网金融数据，采用知识图谱的构建原理构建金融关系图谱，其中金融关系图片构建时以仅以人为实体，以人与人之间的关系为实体关系，以人的特征为实体属性，在构建的金融关系图谱基础上，通过聚类算法挖掘出具有相似行为的群体，通过对群体的构成进行分析，实现对欺诈团伙的识别，完成对欺骗团伙关系的挖掘与排查。

作为优选方式，实体关系的构建包括通过联系地址构建关系、通过联系人或直系亲属信息构建关系、通过设备信息构建关系、通过WIFI MAC地址构建关系和通过地理位置信息构建关系。