[发明专利]用户数据真实性分析方法及装置、存储介质、电子设备

说明书

本公开属于计算机技术领域，涉及一种用户数据真实性分析方法及装置、计算机可读存储介质、电子设备，该用户数据真实性分析方法包括：根据多个包含子特征的特征组合构建多个结果预测模型；获取与所述子特征类型相同的待分析特征数据；根据所述特征组合将所述待分析特征数据进行分组，形成多个待分析特征数据组合；将所述待分析特征数据组合输入至所述结果预测模型，获取多个预测结果；将所述预测结果进行融合，获取最终预测结果。该方法提高了欺诈识别的预测精度及准确度。

背景技术

随着通信技术的飞速发展，互联网已逐渐成为人们日常使用的工具，其通常作为与客户、销售商、雇员以及股东通信和进行商业交易的途径。理论上，在互联网上进行交易是高效且节省成本的，但同时也存在很大的弊端，例如存在黑客、身份盗用、被盗的信用卡以及其他欺诈性行为，给使用者的资金安全带来威胁并且难以管理。

欺诈用户的有效识别是一个关键的技术难题，现有技术中通常使用多个训练好的模型对用户特征数据的真实性进行判断并输出预测结果，然后通过数据融合方法将多个模型对应的预测结果进行融合。但是由于相似模型采用的算法相似，对同一用户特征数据的预测结果可能一致，因此在进行预测结果融合时容易出现自增强效应。另外，如果某个模型预测结果错误，则其他相似模型预测结果也是错误的，经过融合的结果必然也是错误的，这就会影响对欺诈用户的有效识别。

因此，需要提供一种新的用户数据真实性分析方法及装置，以对欺诈用户进行识别。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种用户数据真实性分析方法、用户数据真实性分析装置、计算机可读存储介质以及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的由于预测结果不准确而导致的经济欺诈问题。

根据本公开的一个方面，提供一种用户数据真实性分析方法，其特征在于，包括：

根据多个包含子特征的特征组合构建多个结果预测模型；

获取与所述子特征类型相同的待分析特征数据；

根据所述特征组合将所述待分析特征数据进行分组，形成多个待分析特征数据组合；

将所述待分析特征数据组合输入至所述结果预测模型，获取多个预测结果；

将所述预测结果进行融合，获取最终预测结果。

在本公开的一种示例性实施例中，用户数据真实性分析方法还包括：

获取用户特征信息，所述用户特征信息包括多个子特征；

根据所述子特征形成多个所述特征组合。

在本公开的一种示例性实施例中，根据多个包含子特征的特征组合构建多个结果预测模型包括：

获取所述子特征的准确率，并根据所述子特征的准确率将所述子特征随机组合形成多个所述特征组合；

对所述特征组合进行机器训练，以构建所述结果预测模型。

在本公开的一种示例性实施例中，获取所述子特征的准确率包括：

对所述子特征进行机器训练，以构建单特征模型；

将所述子特征输入至所述单特征模型，获取所述子特征的准确率。

在本公开的一种示例性实施例中，根据所述子特征的准确率将所述子特征随机组合形成多个所述特征组合包括：

根据所述子特征的准确率，通过轮盘赌法将所述子特征随机组合形成所述特征组合。

在本公开的一种示例性实施例中，获取与所述子特征类型相同的待分析特征数据包括：