[发明专利]一种反欺诈模型在线学习系统

说明书

本发明公开了一种反欺诈模型在线学习系统，包括初始化模块、反馈迭代模块、输入模块和数据处理模块；所述初始化模块，用于对反欺诈模型进行初始化；所述反馈迭代模块，用于对样本数据打标签，并利用打完标签的样本数据对反欺诈模型进行训练；所述输入模块，用于采集客户数据；所述数据处理模块，用于将输入模块采集的客户数据预处理为样本数据，并将样本数据发送至反馈迭代模块。本发明可以根据线上反馈的数据，实时快速地进行模型调整，使得模型及时反映线上的变化，提高线上预测的准确率。

技术领域

本发明属于互联网金融行业的风控技术领域，尤其涉及一种反欺诈模型在线学习系统。

背景技术

在信贷业务上，通过伪冒他人身份(歪曲事实)或隐藏欺诈者还款意愿为零这一事实(隐瞒事实)，来诱使平台认为这个人愿意还款(错误认识) 的行为是典型的欺诈。欺诈不同于寻常逾期，一旦发生，催回概率很低，故造成的损失也较大。

常规反欺诈策略一般是强规则，上线成本较低，但粗糙且不灵活，误杀 概率较高。另外，反欺诈策略还有采用机器学习模型进行风险预测的，但目 前采用这种方式的，模型缺乏快速调整能力，一但业务环境变化，模型预测 准确率会直线下降。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种反欺诈模型在线学习系统，可以根据线上反馈的数据，实时快速地进行模型调整，使得模型及时反映线上的变化，提高线上预测的准确率。

为解决上述技术问题，本发明采用的技术方案是：一种反欺诈模型在线学习系统，包括初始化模块、反馈迭代模块、输入模块和数据处理模块；

所述初始化模块，用于对反欺诈模型进行初始化；

所述反馈迭代模块，用于对样本数据打标签，并利用打完标签的样本数据对反欺诈模型进行训练；

所述输入模块，用于采集客户数据；

所述数据处理模块，用于将输入模块采集的客户数据预处理为样本数据，并将样本数据发送至反馈迭代模块。

上述反欺诈模型在线学习系统，还包括输出模块；

所述输出模块，用于将数据处理模块预处理得到的样本数据输入训练完成的反欺诈模型中，输出预测结果。

上述反欺诈模型在线学习系统，还包括前端使用模块，所述前端使用模块，用于对预测结果进行应用。

上述反欺诈模型在线学习系统，所述反欺诈模型为Logistic算法模型；训练时，采用随机梯度下降法优化损失函数。

上述反欺诈模型在线学习系统，所述Logistic算法模型为h(x)为模型预测值，θ^T为拟合参数集，x为样本数据特征值。

本发明与现有技术相比具有以下优点：本发明可以根据线上反馈的数据，实时快速地进行模型调整，使得模型及时反映线上的变化，提高线上预测的准确率。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明的系统架构图。

图2为Sigmoid阶跃函数图像。

图3为随机梯度优化流程图。

具体实施方式

如图1所示，本发明一种反欺诈模型在线学习系统，包括初始化模块100、反馈迭代模块200、输入模块300和数据处理模块400；

所述初始化模块100，用于对反欺诈模型进行初始化；