[发明专利]一种基于时空集中性的网贷欺诈团伙识别与预警方法

摘要

本发明涉及一种基于时空集中性的网贷欺诈团伙识别与预警方法。现有方法都是针对个人欺诈识别，没有考虑到团伙欺诈识别。本发明方法的风控流程分为数据获取、特征提取框架、集成预测算法、团伙欺诈识别、个人欺诈识别五大模块，还包括三个阈值需要调控。本发明方法首先收集借款申请人的数据，提取基本特征、地理特征、行为特征，然后做初步欺诈预测，对于判断为低风险贷款，处理为安全贷款，而对于判断为高风险贷款，对不同地区贷款密度利用空间集中性和时间集中性再次欺诈识别，对于判定为非团伙欺诈贷款的再进行个人欺诈贷款识别。本发明方法结合团伙与个人的方法更全面地实施风控，并且能得到较高精确度。

主权项

1.一种基于时空集中性的网贷欺诈团伙识别与预警方法，其特征在于该方法具体步骤是：步骤1.数据获取与特征提取：1.1.数据获取：通过嵌入在手机APP中的软件开发工具包，在贷款申请人授权的情况下，收集借款申请人的数据，将该数据被处理成结构化数据模式；1.2.特征提取：所述特征包括基本特征、地理特征、行为特征；所述的基本特征包括贷款申请人的年龄、性别、贷款金额、信用级别、是否为首次贷款；所述的地理特征包括贷款申请人的申请贷款时的GPS位置，该GPS对应的省份、城市，身份证所在的省份、城市，根据贷款申请人申请时的所在的城市与身份证所在的城市是否一致确定该申请人是否为外地人；所述的行为特征包括提取贷款申请人的贷款需要经历注册、认证、申请三个阶段性的行为，相应的申请人存在注册‑认证时间差、认证‑申请时间差的行为特征；步骤2.初步欺诈预测：将以上提取的特征，运用LightGBM算法训练历史数据得到预测模型，利用训练后的模型预测得到实时单笔贷款可能为欺诈的概率；设置阈值Threshold1，将贷款分为高风险贷款和低风险贷款；对于概率小于等于阈值Threshold1的，判断为低风险贷款，处理为安全贷款，实施放贷；对于概率大于阈值Threshold1的，判断为高风险贷款，对不同地区贷款密度而高风险贷款需要再次欺诈识别；步骤3.团伙欺诈识别：3.1.空间集中性对高风险贷款考虑团伙欺诈，采用一种考虑空间点邻近聚集的空间集中性指标KNNI，KNNI是针对观察点与最近K个点的平均距离与随机平均距离的比值，反映的是观察点的聚集情况；计算时间t内的KNNI具体方法如下：步骤(1).计算一笔高风险贷款与GPS距离最近的k笔高风险贷款距离平均值D：k表示选取地理位置上距离该笔贷款最近的k笔高风险贷款，d_i表示地理位置上距离该笔贷款最近的第i笔高风险贷款的距离；步骤(2).计算随机情况下所有高风险贷款的平均距离E：n为高风险贷款的总笔数，A为所有高风险贷款GPS位置形成的包络面面积；步骤(3).计算该笔高风险贷款的KNNI值：KNNI＝D/E；3.2.时间集中性：设置观察窗口T，计算一笔贷款相应的KNNI值；在收到贷款申请后，如该贷款被判定位高风险贷款，观察收到贷款申请时前面T时间区间内的高风险贷款的GPS位置作为周边点，该笔贷款的GPS作为观察点，计算该笔高风险贷款的KNNI值；若该笔高风险贷款的KNNI值小于设定的阈值Threshold2，则判定该贷款为团伙欺诈贷款；步骤4.高风险贷款未判定为团伙欺诈的贷款进一步筛选，若在步骤2中计算所得的该贷款欺诈概率大于设定的阈值Threshold3，则判定该贷款为个人欺诈贷款。