[发明专利]一种反欺诈策略分析方法、服务器、电子设备及存储介质有效
申请号: | 201811029029.7 | 申请日: | 2018-09-04 |
公开(公告)号: | CN109242307B | 公开(公告)日: | 2022-02-01 |
发明(设计)人: | 刘瑜晓 | 申请(专利权)人: | 中国光大银行股份有限公司信用卡中心 |
主分类号: | G06Q10/06 | 分类号: | G06Q10/06;G06Q40/02 |
代理公司: | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人: | 吴开磊 |
地址: | 100043 北京市石*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 欺诈 策略 分析 方法 服务器 电子设备 存储 介质 | ||
1.一种反欺诈策略分析方法,其特征在于,包括,
获取用户的用户信息;
根据所述用户信息利用预先建立的反欺诈模型进行计算,获得所述用户对应的欺诈风险等级;
根据所述用户信息及所述欺诈风险等级利用预先建立的反欺诈策略矩阵对所述用户进行分析,获得对应的分析结果,包括;
所述反欺诈策略矩阵包括所述欺诈风险等级和反欺诈规则集,所述欺诈风险等级包括,强信任级、弱信任级、中立级、弱质疑级和强质疑级;所述反欺诈规则集包括,直批规则子集、强信任规则子集、弱信任规则子集、弱质疑规则子集、强质疑规则子集和直拒规则子集;
若所述用户为所述强信任级,则将所述用户信息与所述直拒规则子集对比;若所述用户信息不符合所述直拒规则子集,则所述用户信息与所述强质疑规则子集对比;
若所述用户为所述弱信任级,则将所述用户信息与所述直拒规则子集对比;若所述用户信息不符合所述直拒规则子集,则所述用户信息与所述强质疑规则子集对比;若所述用户信息不符合所述强质疑规则子集,则所述用户信息与所述弱质疑规则子集对比;
若所述用户为所述中立级,则将所述用户信息与所述直批规则子集对比;若所述用户信息不符合所述直批规则子集,则所述用户信息与所述直拒规则子集对比;若所述用户信息不符合所述直拒规则子集,则所述用户信息与所述强质疑规则子集对比;若所述用户信息不符合所述强质疑规则子集,则所述用户信息与所述强信任规则子集对比;若所述用户信息不符合所述强信任规则子集,则所述用户信息与所述弱信任规则子集对比;若所述用户信息不符合所述弱信任规则子集,则所述用户信息与所述弱质疑规则子集对比,获得对应的分析;
若所述用户为所述弱质疑级,则将所述用户信息与所述直批规则子集对比;若所述用户信息不符合所述直批规则子集,则所述用户信息与所述强信任规则子集对比;若所述用户信息不符合所述强信任规则子集,则所述用户信息与所述弱信任规则子集对比;
若所述用户为所述强质疑级,则将所述用户信息与所述直批规则子集对比;若所述用户信息不符合所述直批规则子集,则所述用户信息与所述强信任规则子集对比。
2.根据权利要求1所述的反欺诈策略分析方法,其特征在于,所述用户信息包括姓名、手机号、身份证号、职业信息、居住地址和联系人信息中的任意一项或其组合。
3.根据权利要求1所述的反欺诈策略分析方法,其特征在于,所述反欺诈策略分析方法,还包括:
获取多个训练样本,所述训练样本包括训练用户信息和训练欺诈风险等级;
将所述训练用户信息作为输入,所述训练欺诈风险等级作为输出,对神经网络进行训练,获得所述反欺诈模型。
4.根据权利要求1-3任一项所述的反欺诈策略分析方法,其特征在于,所述分析结果包括,拒绝、待定和通过。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国光大银行股份有限公司信用卡中心,未经中国光大银行股份有限公司信用卡中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811029029.7/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理