买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：平安科技(深圳)有限公司

摘要：本发明涉及人工智能技术领域，公开了一种基于大数据的反欺诈识别方法、装置、计算机设备及存储介质，该方法包括：获取用户群体中每个用户的用户信息，用户信息包括用户标识和用户标识对应的属性特征集，将用户标识、属性特征集和预设的异常属性特征集输入到训练好的孤立森林模型进行异常识别，得到高危用户标识，将每个用户信息导入图数据库，生成图模型，基于图模型和预设的数据查询请求，获取每个高危用户标识为中心节点的社区子网络，计算社区子网络中每个节点的高危概率，基于神经网络，对社区子网络进行特征提取，得到每个节点的样本数据，将样本数据和高危概率输入逻辑回归模型中训练，得到反欺诈识别团案模型，提高了对欺诈团体的识别准确度。

主权项：1.一种基于大数据的反欺诈识别方法，其特征在于，包括：获取用户群体中每个用户的用户信息，所述用户信息包括用户标识和所述用户标识对应的属性特征集；将所述用户标识、所述属性特征集和预设的异常属性特征集输入到训练好的孤立森林模型，并采用所述训练好的孤立森林模型进行异常识别，得到异常用户标识，将所述异常用户标识作为高危用户标识；将每个所述用户信息导入图数据库，将所有所述用户标识作为节点，将存在关联关系的任意两个所述节点进行边连接，生成图模型；基于所述图模型和预设的数据查询请求，获取以每个所述高危用户标识为中心节点的社区子网络，并对所述社区子网络进行样本扩充，得到扩充样本网络；计算每个所述扩充样本网络中每个节点的异常用户占比，作为高危概率；基于神经网络，对所述扩充样本网络进行特征提取，得到每个节点的特征数据，作为样本数据；将所述样本数据和所述高危概率输入逻辑回归模型中进行训练，直至所述逻辑回归模型收敛，得到反欺诈识别团案模型；所述预设的异常属性特征集包括Ｚ个异常属性特征，所述将所述用户标识、所述属性特征集和预设的异常属性特征集输入到训练好的孤立森林模型，并采用所述训练好的孤立森林模型进行异常识别，得到异常用户标识，将所述异常用户标识作为高危用户标识包括：生成所述孤立森林模型的根节点，将所述异常属性特征作为判断条件，将所述根节点作为异常根节点，将所有所述用户标识和所述属性特征作为所述异常根节点对应的数据样本；基于预设的规则，从所述预设的异常属性特征集中提取所述异常属性特征；生成所述异常根节点对应的第一子节点和第二子节点，并根据所述异常属性特征对所述数据样本进行二分类，得到新的数据样本；将所述第一子节点作为异常根节点，将所述新的数据样本作为所述异常根节点的数据样本，返回“基于预设的规则，从所述预设的异常属性特征集中提取所述异常属性特征”继续执行，直至所述预设的异常属性特征集为空为止，得到决策树；确定所述决策树的最深层的第一子节点和第二子节点，并获取所述第一子节点对应的数据样本，获取所述数据样本中的异常用户标识，作为高危用户标识。

全文数据：

权利要求：

百度查询： 平安科技(深圳)有限公司 基于大数据的反欺诈识别方法、装置及相关设备