[发明专利]欺诈客群识别方法、装置、终端设备及计算机存储介质

说明书

本发明涉及金融科技技术领域，公开了一种欺诈客群识别方法、装置、终端设备以及计算机存储介质。该欺诈客群识别方法包括：获取待识别的基础数据集，并利用所述基础数据集构建二部图，其中，所述二部图中的节点包括已知欺诈客群的欺诈节点；利用所述欺诈节点计算所述二部图中各节点的欺诈因子；基于所述欺诈因子，对所述二部图的全局可疑度进行迭代运算，确定所述二部图中全局可疑度最高的目标子图，并根据所述目标子图中的节点确定潜在的欺诈客群。本发明通过先验知识，结合与已知的欺诈客群本身的相似或相关性和与已知的欺诈客群的行为的相似或相关性，对潜在的欺诈客群进行识别，提高了对欺诈客群的识别精度。

技术领域

本发明涉及金融科技(Fintech)技术领域，尤其涉及一种欺诈客群识别方法、装置、终端设备以及计算机存储介质。

背景技术

随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技转变，但由于金融行业的安全性、实时性以及稳定性等要求，也对风控技术提出了更高的要求。

目前，随着互联网技术的发展，利用网络手段实施的欺诈行为也层出不穷，例如，电商平台中的刷单行为、银行消费贷中商户和银行用户联合套现的行为、社交平台中的虚假关注和转发等，各类平台中的欺诈行为无疑都会破坏平台的正常秩序，因此，需要及时将平台中存在欺诈行为的客群识别出来，维护平台秩序。传统的识别欺诈客群的方式，只能基于平台数据对识别欺诈行为或欺诈客群的模型进行无监督的学习。但在实际场景中，欺诈客群往往会通过制造正常行为把自身伪装成正常客群，从而对欺诈行为进行掩盖，由于欺诈客群行为的不确定性，很难对欺诈客群的行为进行预判，导致传统识别模型的训练特征存在一定的滞后性，对欺诈行为或欺诈客群的识别精度不高，且存在误判。

发明内容

本发明的主要目的在于提供一种欺诈客群识别方法、装置、终端设备以及计算机存储介质，旨在解决传统欺诈客群识别模型的滞后性，从而提高对欺诈客群的识别精度。

为实现上述目的，本发明提供一种欺诈客群识别方法，所述欺诈客群识别方法包括以下步骤：

获取待识别的基础数据集，并利用所述基础数据集构建二部图，其中，所述二部图中的节点包括已知欺诈客群的欺诈节点；

利用所述欺诈节点计算所述二部图中各节点的欺诈因子；

基于所述欺诈因子，对所述二部图的全局可疑度进行迭代运算，确定所述二部图中全局可疑度最高的目标子图，并根据所述目标子图中的节点确定潜在的欺诈客群。

可选地，所述二部图中的节点组成节点集合，所述欺诈节点组成欺诈节点集合，所述利用所述欺诈节点计算所述二部图中各节点的欺诈因子的步骤，包括：

从所述二部图的节点集合中选取一个目标节点，并判断所述目标节点是否属于所述欺诈节点集合；

若是，则将所述目标节点的欺诈因子设置为预设值，返回并执行所述从所述二部图的节点集合中选取一个目标节点，并判断所述目标节点是否属于所述欺诈节点集合的步骤，直到所述目标节点为所述节点集合中的最后一个节点为止；

若否，则计算所述目标节点与所述欺诈节点集合中的节点的余弦相似度，并将所述目标节点的欺诈因子设置为所述余弦相似度中的最大值，返回并执行所述从所述二部图的节点集合中选取一个目标节点，并判断所述目标节点是否属于所述欺诈节点集合的步骤，直到所述目标节点为所述节点集合中的最后一个节点为止。

可选地，所述计算所述目标节点与所述欺诈节点集合中的节点的余弦相似度的步骤，包括：

判断所述目标节点的节点类型，根据所述目标节点的节点类型从所述欺诈节点集合中确定欺诈节点子集，其中，所述欺诈节点子集中的节点与所述目标节点的节点类型相同；