[发明专利]欺诈行为的判断方法、装置、设备及计算机可读存储介质

说明书

本发明公开一种欺诈行为的判断方法、装置、设备及计算机可读存储介质，所述方法包括：读取预设反欺诈平台中的欺诈数据，并对欺诈数据进行分类筛选，生成各种类型的欺诈样本数据；将各欺诈样本数据分别传输到预设学习模型中，形成多个欺诈模型；当监测到用户账户的操作行为时，生成操作数据，并确定与操作数据对应的目标欺诈模型；将操作数据传输到目标欺诈模型中，并根据目标欺诈模型中目标欺诈数据与操作数据的相似度，判断操作行为是否为欺诈行为。因欺诈样本数据从预设反欺诈平台的欺诈数据而来，使基于机器学习所生成的目标欺诈模型对欺诈行为的判断更准确；同时欺诈模型可随着欺诈数据更新，避免了人为设定，便于对新出现欺诈行为的判断。

技术领域

本发明主要涉及金融机构风控技术领域，具体地说，涉及一种欺诈行为的判断方法、装置、设备及计算机可读存储介质。

背景技术

金融机构在运营过程中，需要进行诸如洗钱、欺诈等类型的风险控制，以确保金融机构中各用户的利益。目前对于欺诈行为，通常通过人为设定的相关数据进行判断，但因实时的欺诈行为数据所涉及的变化较大，导致设定的相关数据与实际的欺诈数据存在较大差异，而使判断存在误差；且设定的相关数据需要人为维护调整，使不能及时准确判别新出现欺诈行为数据的同时增加了人力成本。

发明内容

本发明的主要目的是提供一种欺诈行为的判断方法、装置、设备及计算机可读存储介质，旨在解决现有技术中通过人为设定数据对欺诈行为数据的判断不准确，且增加人力成本的问题。

为实现上述目的，本发明提供一种欺诈行为的判断方法，所述欺诈行为的判断方法包括以下步骤：

读取预设反欺诈平台中的欺诈数据，并对所述欺诈数据进行分类筛选，生成各种类型的欺诈样本数据；

将各所述欺诈样本数据分别传输到预设学习模型中，形成多个欺诈模型；

当监测到用户账户的操作行为时，生成操作数据，并在多个所述欺诈模型中确定与所述操作数据对应的目标欺诈模型；

将所述操作数据传输到所述目标欺诈模型中，并根据所述目标欺诈模型中目标欺诈数据与所述操作数据的相似度，判断所述操作行为是否为欺诈行为。

优选地，所述根据所述目标欺诈模型中目标欺诈数据与所述操作数据的相似度，判断所述操作行为是否为欺诈行为的步骤包括：

将所述操作数据和所述目标欺诈数据进行对比，确定所述操作数据和所述目标欺诈数据的相似度数值；

判断所述相似度数值是否大于预设阈值，若所述相似度数值大于所述预设阈值，则判定所述操作行为为欺诈行为。

优选地，所述判定所述操作行为为欺诈行为的步骤之后包括：

将与所述操作行为对应的用户账户传输到预设反欺诈平台，以供所述预设反欺诈平台对所述用户账户进行鉴定，生成鉴定信息并上传；

当接收到所述鉴定信息时，读取所述鉴定信息中的鉴定标识符，并根据所述鉴定标识符，确定所述用户账户是否为风险账户；

若所述用户账户为风险账户，则对所述操作行为进行拒绝，并用所述操作数据与所述目标欺诈数据之间的差异量对所述目标欺诈模型进行更新。

优选地，所述在多个所述欺诈模型中确定与所述操作数据对应的目标欺诈模型的步骤包括：

将所述操作数据和预设关键字库对比，确定所述操作数据中的多个目标关键字，并将多个所述目标关键字形成第一关键字组；

读取与各所述欺诈模型对应的第二关键字组，并将所述第一关键字组逐一和各所述第二关键字组匹配，生成各匹配度值；

将各所述匹配度值进行对比，确定数值最大的目标匹配度值，并将与所述目标匹配度值对应的所述第二关键字组所归属的欺诈模型确定为目标欺诈模型。