[发明专利]一种欺诈度量方法

权利要求书

1.一种欺诈度量方法，其特征在于，包括：

选择欺诈度量指标D_i的步骤；

用欺诈识别方法得出目标事件欺诈度量值W的步骤；

当D_i≥0时，

当D_i＜0时，W＝0；

其中，w_i为欺诈度量权重；i为1-6之间的整数；

判定欺诈度量值W是否在设定阈值范围内的步骤：如欺诈度量值W在设定阈值范围内，将W与D_i输出到人机交互设备，人为设置欺诈度量值W或调整欺诈度量指标D_i的欺诈度量权重w_i后，返回至上一步骤；

如欺诈度量值不在设定阈值范围内，当欺诈度量值W小于阈值范围的下限值，识别结果为非欺诈：当欺诈度量值W大于阈值范围的上限值，识别结果为欺诈；

所述欺诈度量权重w_i为：

其中，为基础值；

所述欺诈度量指标D_i分别为客户基本数据D₁、客户设备数据D₂、客户交易数据D₃、客户行为数据D₄、黑名单数据D₅和多平台借贷数据D₆：

其中，

其中，a借贷平台数，n为借贷平台系数；b为延迟还款次数；m为延迟还款月份数；c为违约次数，k为违约次数系数，ω_i为触发次数；η为判断系数，如用户在黑名单中，η＝0；当用户不在黑名单中，η＝1；

所述欺诈识别方法为：勾稽比对法、交叉验证法、强特征筛选法、风险关系验证法和行为数据分析法；

客户基本数据D₁通过勾稽比对法和交叉验证法判断是否触发，确定触发次数ω₁；

客户设备数据D₂通过勾稽比对法和交叉验证法判断是否触发，确定触发次数ω₂；

客户交易数据D₃通过强特征筛选法和风险关系验证法判断是否触发，确定触发次数ω₃；

客户行为数据D₄通过行为数据分析法判断是否触发，确定触发次数ω₄；

黑名单数据D₅通过强特征筛选法判断是否触发；

多平台借贷数据D₆通过风险关系验证法判断是否触发；

还包括：获取目标事件的内部欺诈度量数据、外部欺诈度量数据的步骤，此步骤在选择欺诈度量指标D_i的步骤前执行；

所述内部欺诈度量数据包括：客户基本数据D₁、客户设备数据D₂、客户交易数据D₃、客户行为数据D₄；

所述外部欺诈度量数据包括：黑名单数据D₅和多平台借贷数据D₆；

客户基本数据至少包括：姓名、性别、身份证号、地址、联系电话、银行卡号、紧急联系人姓名和电话信息；

客户设备数据至少包括：电脑MAC地址、IP地址、手机接入设备位置信息；

客户交易数据至少包括：客户在本平台的资金交易历史、逾期情况；

客户行为数据至少包括：客户登陆平台情况、贷款情况、投资偏好情况；

黑名单数据至少包括：黑名单主体证件号码、联系电话、逾期笔数、逾期天数、被法院执行情况；

多平台借贷数据至少包括：在不同平台借贷笔数、总金额。