[发明专利]风险识别方法、装置和电子设备

说明书

本说明书提出了一种风险识别方法、装置和电子设备，其中，上述风险识别方法包括：获取用户在当前事件中进行特定操作的操作请求，并获取所述用户在所述当前事件中已完成的操作；根据所述特定操作的属性和所述已完成的操作的属性，生成预先训练的分类模型所需的特征；根据生成的特征，利用所述预先训练的分类模型进行计算，获得所述当前事件的风险分数。本说明书可以实现根据当前事件的特征，利用预先训练的分类模型进行计算，获得当前事件的风险分数，从而可以预测当前事件的欺诈风险，并且当前事件的特征是根据用户在当前事件中所进行的特定操作的属性和已完成的操作的属性生成的，可以覆盖历史信息不足的事件，提高了欺诈交易预测的准确率。

【技术领域】

本说明书涉及互联网技术领域，尤其涉及一种风险识别方法、装置和电子设备。

【背景技术】

在电子商务平台中，签约电子商务平台的商户中，存在一类重要商户，重要商户绝大部分是经营稳定、交易规模较大、具有一定知名度的企业。在日常的欺诈投诉中，重要商户作为被动方几乎都是正常第三方，这种被动欺诈的手法通常是，欺诈者在电子商务平台创建订单，然后以各种欺诈手法诱骗用户对该订单进行支付，商户自身并未参与该欺诈过程。被动欺诈场景天然地存在欺诈者信息不足的缺点，通常只有单主体即受骗用户的信息。所以特征工程是被动欺诈场景比较困难的风险防控课题之一。

现有相关技术中，被动欺诈场景的特征工程主要依靠受骗用户的历史信息，如当笔交易前的历史消费行为、操作行为和/或环境信息等。这种方法对于历史信息不足的欺诈交易，策略的覆盖度有限，对欺诈交易预测的准确率较低。

【发明内容】

本说明书实施例提供了一种风险识别方法、装置和电子设备，以实现根据当前事件的特征，利用预先训练的分类模型进行计算，获得当前事件的风险分数，从而可以预测当前事件的欺诈风险，并且当前事件的特征是根据用户在当前事件中所进行的特定操作的属性和已完成的操作的属性生成的，可以覆盖历史信息不足的事件，提高了欺诈交易预测的准确率。

第一方面，本说明书实施例提供一种风险识别方法，包括：获取用户在当前事件中进行特定操作的操作请求，并获取所述用户在所述当前事件中已完成的操作；根据所述特定操作的属性和所述已完成的操作的属性，生成预先训练的分类模型所需的特征；根据生成的特征，利用所述预先训练的分类模型进行计算，获得所述当前事件的风险分数。

其中一种可能的实现方式中，所述获得所述当前事件的风险分数之后，还包括：如果所述当前事件的风险分数大于或等于预定的风险阈值，则拒绝所述用户在当前事件中进行特定操作的操作请求；如果所述当前事件的风险分数小于预定的风险阈值，则根据所述风险分数确定所述当前事件的风险级别，并根据所述当前事件的风险级别，对所述用户进行安全校验。

其中一种可能的实现方式中，所述根据生成的特征，利用所述预先训练的分类模型进行计算，获得所述当前事件的风险分数包括：获取所述特征的原始值；利用所述预先训练的分类模型，将所述特征的原始值转换为特定类型的数值；根据所述特定类型的数值，利用所述预先训练的分类模型进行计算，获得所述当前事件为风险事件的概率；根据所述当前事件为风险事件的概率，计算所述当前事件的风险分数。

其中一种可能的实现方式中，所述根据所述特定操作的属性和所述已完成的操作的属性，生成预先训练的分类模型所需的特征之前，还包括：获取所述当前事件之前发生的历史事件和所述历史事件的标签，所述历史事件中包括预定数量的风险事件，所述历史事件的标签用于指示所述历史事件是否为风险事件；将获取的历史事件划分为训练集合和验证集合；利用所述训练集合中的历史事件和所述历史事件的标签对待训练的分类模型进行训练；利用训练获得的分类模型对所述验证集合中的历史事件进行识别，根据识别结果和所述验证集合中的历史事件的标签，确定所述训练获得的分类模型的准确率；当所述准确率达到预定的准确率阈值时，获得训练好的分类模型。