[发明专利]一种基于图像识别的网贷欺诈识别方法及系统

说明书

本发明提供了一种基于图像识别的网贷欺诈识别方法及系统，方法包括：数据获取步骤：读取与网贷相关的图像；样本与特征提取步骤：将黑名单客户提取为样本，通过深度学习提取其与网贷相关的图像特征，作为欺诈参考特征；基于深度学习的欺诈预测步骤：利用提取的样本，基于欺诈参考特征，运用卷积神经网络算法训练得到预测模型，利用训练得到的预测模型预测得到申请人实时的欺诈可能概率。

技术领域

本发明涉及网络领域、数据处理领域以及金融领域，具体涉及一种基于图像识别的网贷欺诈识别方法及系统。

背景技术

网贷是指通过网络平台申请的贷款，包括个体通过互联网平台向机构、组织借款，也包括个人和个人之间通过互联网平台实现的借贷。而随着网贷门槛的降低，越来越多的用户采用网贷来解决短期资金问题。随之而来的是，网贷欺诈也越来越普遍。

目前，还没有很高效的自动识别网贷欺诈的方法。尤其是，反欺诈数据源基本上都是文字和数据，而关于图像类数据的反欺诈数据源基本未被用于反欺诈。

发明内容

本发明所要解决的技术问题是针对现有技术中存在上述缺陷，提供一种能够弥补反欺诈数据源关于图像类数据的空白，提供新的角度来识别欺诈的高效网贷欺诈识别方法。

根据本发明，提供了一种基于图像识别的网贷欺诈识别方法，包括：

数据获取步骤：读取与网贷相关的图像；

样本与特征提取步骤：将黑名单客户提取为样本，通过深度学习提取其与网贷相关的图像的图像特征，作为欺诈参考特征；

基于深度学习的欺诈预测步骤：利用提取的样本，基于欺诈参考特征，运用卷积神经网络算法训练得到预测模型，利用训练得到的模型预测申请人实时的欺诈可能概率。

优选地，数据获取步骤包括：利用客户端通过嵌入在手机的应用程序中的软件开发工具包，将手机屏幕画面的图像读取为与网贷相关的图像。

优选地，黑名单客户包括：包含视频攻击的申请人和/或具有预定背景资料类别的申请人和/或其与网贷相关的图像存在认为篡改的申请人。

优选地，在基于深度学习的欺诈预测步骤中，设置第一阈值和第二阈值，其中第一阈值小于第二阈值，对于欺诈可能概率小于第一阈值的判断为低风险，处理为安全申请人，实施授信；对于欺诈可能概率大于第二阈值的申请人，判断为高风险申请人，拒绝授信。

优选地，第一阈值和第二阈值分别为大于等于0.5和小于等于0.8。

优选地，基于图像识别的网贷欺诈识别方法还包括：根据业务经验的欺诈特征识别步骤，其中包括根据已经识别出的网贷欺诈，提取这些网贷欺诈的与网贷相关的图像并利用OpenCV实现图像识别以提取图像特征作为参考欺诈特征；随后对于概率处于第一阈值和第二阈值之间的申请人，基于参考欺诈特征分析申请人的与网贷相关的图像。

优选地，在根据业务经验的欺诈特征识别步骤，提取概率处于第一阈值和第二阈值之间的申请人的与网贷相关的图像中的参考欺诈特征，计算提取出的每个参考欺诈特征的IV值和KS值，设置第一IV阈值和第二IV阈值、KS阈值，舍弃IV值小于第一IV阈值的特征变量；将对于IV值大于第二IV阈值的特征变量加入决策规则集。

优选地，其中第一IV阈值和第二IV阈值为大于等于0.02并且小于等于0.1，而KS阈值小于0.06。

根据本发明，还提供了一种基于图像识别的网贷欺诈识别系统，包括：

数据获取模块，用于截取用户使用智能设备进行活体验证时的正面识别屏幕，以图片格式传输给图像识别模块，用于图像分析；

样本与特征提取模块，用于将黑名单及零还款的用户提取为坏样本，正常还款客户作为正向用户，通过深度学习训练模型提取其与网贷相关的图像特征，作为欺诈参考特征。