[发明专利]交易风险检测方法、设备及可读存储介质

说明书

本申请公开了一种交易风险检测方法、设备及可读存储介质，所述交易风险检测方法包括：获取目标交易对应的待检测交易数据，并将所述待检测交易数据输入预设风险检测模型，对所述目标交易进行交易风险检测，获得初始风险检测结果，进而对所述初始风险检测结果进行模型预测解释，获得所述初始风险检测结果对应的交易可疑因素，进而基于所述交易可疑因素，生成所述目标交易对应的目标风险检测结果。本申请解决了交易风险检测置信度低的技术问题。

技术领域

本申请涉及人工智能领域，尤其涉及一种交易风险检测方法、设备及可读存储介质。

背景技术

随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、区块链Blockchain、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求，如对金融业对应待办事项的分发也有更高的要求。

随着计算机软件和人工智能的不断发展，机器学习模型在商业银行或者其他信贷金融机构的业务中应用广泛，目前，在交易中往往存在许多可疑交易，这些可疑交易往往存在极大的可能性为非法交易，例如欺诈交易、洗钱交易等，目前，目前的神经网络模型通常为基于收集的交易数据，对交易进行评分，进而基于获得的评分，筛选交易中的可疑交易，但是，仅仅基于神经网络模型的评分，判定交易是否可疑，往往将导致判定的可疑交易是否可疑的置信度较低。

发明内容

本申请的主要目的在于提供一种交易风险检测方法、设备及可读存储介质，旨在解决现有技术中交易风险检测置信度低的技术问题。

为实现上述目的，本申请提供一种交易风险检测方法，所述交易风险检测方法应用于交易风险检测设备，所述交易风险检测方法包括：

获取目标交易对应的待检测交易数据，并将所述待检测交易数据输入预设风险检测模型，对所述目标交易进行交易风险检测，获得初始风险检测结果；

对所述初始风险检测结果进行模型预测解释，获得所述初始风险检测结果对应的交易可疑因素；

基于所述交易可疑因素，生成所述目标交易对应的目标风险检测结果。

可选地，所述交易可疑因素包括目标交易特征，

所述对所述初始风险检测结果进行模型预测解释，获得所述初始风险检测结果对应的交易可疑因素的步骤包括：

若所述初始风险检测结果满足预设风险判定条件，则确定所述待检测交易数据对应的各所述交易特征；

基于所述预设风险检测模型，分别计算各所述交易特征对所述初始风险检测结果的特征贡献度；

基于各所述特征贡献度，在各所述交易特征中选取所述目标交易特征。

可选地，所述基于所述预设风险检测模型，分别计算各所述交易特征对所述初始风险检测结果的特征贡献度的步骤包括：

基于各所述交易特征和所述待检测交易数据，确定模型解释样本集；

基于所述预设风险检测模型和所述模型解释样本集，计算各所述特征贡献度。

可选地，所述模型解释样本集至少包括一个模型输入元素，所述模型输入元素至少包括一个第一类型元素和一个第二类型元素，

所述基于各所述交易特征和所述待检测交易数据，确定模型解释样本集的步骤包括：

在各所述交易特征中选取目标特征，并在所述待检测交易数据中剔除所述目标特征对应的目标特征数据，获得剔除数据集，并在所述剔除数据集中选取所述第一类型元素之一，其中，所述第一类型元素为所述剔除数据集的子集；

将所述目标特征数据加入所述第一类型元素，获得所述第二类型元素之一；