[发明专利]一种金融反欺诈风险控制系统

说明书

技术领域

本发明属于互联网金融领域，主要用于投资理财方面，具体涉及一种金融反欺诈风险控制系统及方法。

背景技术

常用金融业使用评分卡，规则等策略，建立过程中限于方法的问题，只能通过统计学手段，进行粗糙的分段方法进行用户区分，很难针对多维度的各个用户属性进行综合判定，导致评判结果呈现“一刀切”的现象，只能通过高拒绝率降低坏账率。

发明内容

本发明的目的在于提供一种金融反欺诈风险控制系统及方法，通过用户在申请过程中提供的专有的属性，建立相应的属性相关网络，从而对用户的申请行为的相关性作出相应的分析，并得出申请用户中的社交关系网络图，通过对团体行为建模进一步进行挖掘可能的团队骗贷风险，解决了机器学习算法面向个体，无法对团队建模的缺陷，使得对于团体骗贷的风控手段进入量化分析的阶段，并能实时的对团体骗贷的风险进行监控与报警。

本发明所采用的技术方案如下：

为了实现以上功能，本发明提供了一种金融反欺诈风险控制系统，所述金融反欺诈风险控制系统包括离线子系统与在线子系统，所述离线子系统用于获取用户基础信息并将用户基础信息传输至在线子系统，所述在线子系统用于建立应用模型以计算用户风险评分。

所述离线子系统所获取的用户基础信息来源于用户社交ID特征数据，所述离线子系统用于将所述用户社交ID特征数据导入在线子系统。

所述在线子系统包括数仓模块、画像模块以及分析模块；其中，所述数仓模块用于获取用户基础数据并规范存储，以所述用户基础数据作为节点单元，建立社交网络关系图谱；所述画像模块用于标定用户属性及建立用户画像，为后续模型建立、数据分析提供基础支持和服务；所述分析模块用于分析用户网络特征并建立模型，计算用户风险评分。

使用上述风险控制系统进行风险控制的方法，具体步骤为：

步骤一，离线子系统获取用户基础信息，并将用户基础信息传输至在线子系统；

步骤二，数仓模块获取用户基础信息并规范存储，以所述用户基础信息作为节点单元，建立社交网络关系图谱；

步骤三，画像模块对所有用户进行画像，标定用户属性；

步骤四，分析模块分析用户画像、属性，建立模型并计算用户风险评分；

步骤五，对外提供用户接口，反馈用户风险评分。

所述离线子系统所获取的用户基础信息来源于用户社交ID特征数据。

本发明所提供的一种金融反欺诈风险控制系统及方法，解决了机器学习算法面向个体，无法对团队建模的缺陷，使得对于团体骗贷的风控手段进入量化分析的阶段，并能实时的对团体骗贷的风险进行监控与报警,具有良好的市场应用前景。

附图说明

图1为一种金融反欺诈风险控制的方法流程图

具体实施方式

为了使本发明技术方案更容易理解，现结合附图采用具体实施例的方式，对本发明的技术方案进行清晰、完整的描述。应当注意，在此所述的实施例仅为本发明的部分实施例，而非本发明的全部实现方式，所述实施例只有示例性，其作用只在于为审查员及公众提供理解本发明内容更为直观明了的方式，而不是对本发明所述技术方案的限制。在不脱离本发明构思的前提下，所有本领域普通技术人员没有做出创造性劳动就能想到的其它实施方式，及其它对本发明技术方案的简单替换和各种变化，都属于本发明的保护范围。

实施例1

一种金融反欺诈风险控制系统，包括离线子系统与在线子系统，离线子系统用于获取用户基础信息并将用户基础信息传输至在线子系统，在线子系统用于建立应用模型以计算用户风险评分。离线子系统所获取的用户基础信息来源于用户社交ID特征数据，离线子系统用于将所述用户社交ID特征数据导入在线子系统。

在线子系统包括数仓模块、画像模块以及分析模块；其中，数仓模块用于获取用户基础数据并规范存储，以用户基础数据作为节点单元，建立社交网络关系图谱；画像模块用于标定用户属性及建立用户画像，为后续模型建立、数据分析提供基础支持和服务；分析模块用于分析用户网络特征并建立模型，计算用户风险评分。

如图1所示为一种金融反欺诈风险控制方法的流程图，其步骤一般为：离线子系统获取用户基础信息，并将用户基础信息传输至在线子系统；数仓模块获取用户基础信息并规范存储，以所述用户基础信息作为节点单元，建立社交网络关系图谱；画像模块对所有用户进行画像，标定用户属性；分析模块分析用户画像、属性，建立模型并计算用户风险评分；对外提供用户接口，反馈用户风险评分。