[发明专利]一种风险控制模型的训练方法及装置

说明书

本发明提供的一种风险控制模型的训练方法，包括：获取用于训练风险控制模型的第一白样本和第一黑样本并计算他们之间各个变量的差值，若差值大于预设第一阈值，则将该差值对应的变量作为模型特征；根据模型特征运行模型算法，生成风险控制模型；验证风险控制模型的误判率；若误判率符合预设的范围，则输出风险控制模型，完成风险控制模型的训练，否则对各步骤预设参数进行调整并重新训练。本发明通过计算第一白样本和第一黑样本之间各个变量的差值并将差值较大的变量作为模型特征，从而科学地选择到能够明确区分白样本和黑样本的变量，使得风险控制模型能够更加精确和准确地判断订单风险，有效降低了订单的误判率。

技术领域

本发明涉及风险控制技术领域，尤其涉及一种风险控制模型的训练方法及装置。

背景技术

在支付行业内，规则型框架是一种普遍应用于运算交易风险数值的系统设计。目前，风险控制系统也是利用同类框架创建。每一笔订单按其行业、商户、开户银行、手机号归属地等等属性，匹配出一系列预设的规则和参数。透过规则的一一运行，为订单打上各项后续操作标记。最后，由系统统一根据标记对订单作出相应的分流处理。

而随着互联网的发展，互联网业务越来越丰富。随之而来的互联网业务的欺诈行为，也越来越多。比如，盗取他人账户或盗用他人账户进行非法交易、或单个账户业务量激增(信用值炒作)等。因此，为了确保信息操作安全，通常一项互联网业务所属的系统需要有风险控制系统，这个系统的核心就是风险控制模型。

借助于风险控制模型，当该模型接收到订单数据时，通过订单及其相关信息便可进行风险识别。然而，在目前的风险控制模型普遍存在精度不足，模型输入变量与风险判断的“点”数量庞大，容易出现模型输入变量与风险判断重点不匹配的情况，导致误判或判断不准确。

发明内容

本发明实施例提供了一种风险控制模型的训练方法及装置，用于解决目前风险控制模型的模型输入变量与风险判断关键不匹配导致容易出现误判的情况的技术问题。

本发明提供的一种风险控制模型的训练方法，包括：

S1：获取用于训练风险控制模型的第一白样本和第一黑样本；

S2：直接或间接计算第一白样本和第一黑样本之间各个变量的差值，若差值大于预设第一阈值，则将该差值对应的变量作为模型特征；

S3：根据模型特征运行模型算法，生成风险控制模型；

S4：获取用于验证风险控制模型的第二白样本和第二黑样本并输入风险控制模型，根据运行结果获得当前的风险控制模型的误判率；

S5：若误判率符合预设的范围，则输出风险控制模型，完成风险控制模型的训练，否则对各步骤预设参数进行调整并返回执行步骤S1。

优选地，所述获取用于训练风险控制模型的第一白样本和第一黑样本之前还包括：

从交易数据库中提取正常订单数据和欺诈订单数据；

按比例抽取正常订单和欺诈订单，获得白样本和黑样本；

将白样本和黑样本分别按比例分成用于训练风险控制模型的第一白样本和第一黑样本和用于验证风险控制模型的第二白样本和第二黑样本。

优选地，若误判率符合预设的范围，则输出风险控制模型，完成风险控制模型的训练之后还包括：

S6：获取用于刷新风险控制模型的第三白样本和第三黑样本，对各步骤预设参数进行调整并将第三白样本和第三黑样本输入风险控制模型，根据运行结果获得当前的风险控制模型的误判率；

S7：若误判率符合预设的范围，则输出风险控制模型，完成风险控制模型的训练，否则返回执行步骤S6。

优选地，所述步骤S6之前还包括：