[发明专利]训练欺诈交易检测模型的方法、检测方法以及对应装置

说明书

本说明书实施例提供一种训练欺诈交易检测模型的方法，该欺诈交易检测模型包括卷积层和分类器层，训练方法包括：获取分类样本集，样本集中的标定样本包括用户操作序列和时间序列，用户操作序列包括，按时间顺序排列的预定数目的用户操作，时间序列包括用户操作序列中相邻用户操作之间的时间间隔。对于这样的样本集，在卷积层中，对用户操作序列进行第一卷积处理，获得第一卷积数据；对时间序列进行第二卷积处理，获得第二卷积数据；然后对第一卷积数据和第二卷积数据进行结合，获得时间调整卷积数据。将如此获得的时间调整卷积数据输入分类器层，根据分类器层的分类结果训练欺诈交易检测模型。如此训练的模型可以更加有效地进行欺诈交易的检测。

技术领域

本说明书一个或多个实施例涉及计算机技术领域，尤其涉及训练欺诈交易检测模型的方法，检测欺诈交易的方法以及对应装置。

背景技术

互联网技术的发展使得人们的生活越来越方便，人们可以利用网络进行购物、支付、缴费、转账等各种交易和操作。然而，与此同时，由此引起的安全问题也越来越突出。近年来，金融欺诈情况时有发生，不法分子采用各种手段诱骗用户进行一些欺诈交易。例如，将一些欺诈链接伪装成银行或通信公司的官方链接，诱导用户交费或转账；或者，通过一些虚假信息诱骗用户操作网银或电子钱包，进行欺诈交易。因此，需要快速地对欺诈交易进行检测和识别，以便采取相应的应对措施，避免或减少用户的财产损失，提高网络金融平台的安全性。

现有技术中，采用了诸如逻辑斯蒂回归，随机森林，深度神经网络等方法来检测欺诈交易。然而，检测的方式并不全面，结果也不够准确。

因此，需要更为有效的方式，检测金融平台中的欺诈交易。

发明内容

本说明书一个或多个实施例描述了一种方法和装置，引入用户操作的时间因素，训练欺诈交易检测模型，并利用这样的模型对欺诈交易进行检测。

根据第一方面，提供了一种训练欺诈交易检测模型的方法，所述欺诈交易检测模型包括卷积层和分类器层，所述方法包括：

获取分类样本集，所述分类样本集包括多个标定样本，所述标定样本包括用户操作序列和时间序列，所述用户操作序列包括预定数目的用户操作，所述预定数目的用户操作按照时间顺序排列；所述时间序列包括所述用户操作序列中相邻用户操作之间的时间间隔；

在所述卷积层中，对所述用户操作序列进行第一卷积处理，获得第一卷积数据；

对所述时间序列进行第二卷积处理，获得第二卷积数据；

对所述第一卷积数据和所述第二卷积数据进行结合，获得时间调整卷积数据；

将所述时间调整卷积数据输入所述分类器层，根据分类器层的分类结果训练欺诈交易检测模型。

根据一种实施方式，在对所述用户操作序列进行第一卷积处理之前，将所述用户操作序列处理为操作矩阵。

根据一种实施例方式，采用独热编码方法，或者词嵌入方法，将所述用户操作序列处理为操作矩阵。

根据一种实施方式，在第二卷积处理中，采用预定长度k的卷积核，依次处理所述时间序列中的多个元素，获得时间调整向量A作为第二卷积数据，其中所述时间调整向量A的维度与所述第一卷积数据的维度相对应。

根据一个实施例，通过以下公式获得时间调整向量A中的向量元素ai：

其中f为转换函数，xi为时间序列中的第i个元素，Cj为与卷积核相关的参数。

在一个例子中，所述转换函数f为以下之一：tanh函数，指数函数，sigmoid函数。

根据一种实施方式，对所述第一卷积数据和所述第二卷积数据进行结合包括：将所述第一卷积数据对应的矩阵与所述第二卷积数据对应的向量进行点乘结合。