[发明专利]基于多维感知和企业数据量化的欺诈识别方法与系统

说明书

本发明涉及人工智能技术领域，具体涉及一种基于多维感知和企业数据量化的欺诈识别方法与系统。该方法获取企业的欺诈风险值、用户的还款能力值和经济波动值、用户联系人的还款能力值和经济波动值；获取企业与用户之间的第一相关性；获取用户与用户联系人之间的第二相关性；获取包含用户和企业之间的第一边权、用户和用户联系人之间的第二边权的初始带权图；利用图嵌入技术得到初始带权图的嵌入向量，将嵌入向量通过基于神经网络的监督学习方法进行用户的欺诈识别。通过对企业、用户、用户联系人之间的数据进行数据量化，利用数据量化后的评估值构建带权图能够实现数据的降维，提高风控评估速度和准确性。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于多维感知和企业数据量化的欺诈识别方法与系统。

背景技术

随着互联网科技与金融高度融合，互联网科技这种轻资产、重服务的网络模式正慢慢渗透到金融模 型中，对传统金融业务产生了鲶鱼效应和示范效应，推动金融机构产生变革。由于网络虚拟环境的消息 不对称、交易过程透明度低、信息安全无法得到保障，金融机构面临的道德风险、市场风险、信用风险 越来越突出，传统风控渐渐走向了末路。

利用信息漏洞团伙作案，业务人员难以判断真假。不少欺诈案例涉及到复杂的关系网络，这给银行 等金融机构的欺诈审核带来了新挑战。

目前，在这场欺诈与反欺诈的较量中，传统的反欺诈系统或人工识别已远远达不到要求。许多金融 机构都使用了风险监控系统，对实时、交易终端欺诈起到效果。

发明人在实践中，发现上述现有技术存在以下缺陷：现有的风险监控系统并未关注客户数据之间的 隐性关系，无法有效的识别团伙欺诈。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于多维感知和企业数据量化的欺诈识别方法 与系统，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种基于多维感知和企业数据量化的欺诈识别方法，该方法包 括：

根据企业的历史欺诈比例和欠债事件估计所述企业的欺诈风险值、根据用户的交易数据估计所述用 户的还款能力值、根据用户联系人的交易数据估计所述用户联系人的所述还款能力值、根据所述用户的 收支比例估计所述用户的经济波动值、根据所述用户联系人的收支比例估计所述用户联系人的所述经济 波动值；

通过CCA典型关联分析法得到所述企业与所述用户之间的第一相关性；

利用相关系数法得到所述用户与所述用户联系人之间的第二相关性；

利用所述欺诈风险值、所述用户的还款能力值和所述第一相关性得到所述用户与所述企业之间的第 一边权，且利用所述用户的还款能力值和所经济波动值、所述用户联系人的还款能力值和经济波动值、 以及所述第二相关性得到所述用户与所述用户联系人之间的第二边权，进而得到以所述欺诈风险值、所 述还款能力值和所述经济波动值为节点，以所述第一边权和所述第二边权为边权的初始带权图；

利用图嵌入技术获取所述初始带权图的嵌入向量，进而将所述嵌入向量通过基于神经网络的监督学 习方法进行所述用户的欺诈识别。

进一步地，所述得到含有所述第一边权和所述第二边权的初始带权图之后，该方法进一步包括以下 优化的方法：

利用所述图嵌入技术获取所述初始带权图的特征向量；

将所述特征向量通过基于神经网络的监督学习方法得到用户信息正确的概率值，利用所述概率值修 正所述第一边权和所述第二边权，以得到修正后的带权图。

进一步地，所述第一边权的获取方法，包括：

W1＝A*B*w1+CC1*w2