[发明专利]一种基于用户行为和神经网络的风险控制方法、装置和电子设备

说明书

本发明公开了一种基于用户行为和神经网络的风险控制方法及装置。风险控制方法包括：利用现有用户数据提取形成用户应用操作的时间序列数据；基于所述时间序列数据建立风险预测模型；获取当前用户操作行为信息；使用所述风险预测模型对所述当前用户进行风险分类及概率识别；对识别为风险的用户进行人工核实。本发明提出一种通过分析用户操作行为来预警用户欺诈风险的系统，做到贷前预先防范风险，贷中实时监控风险，从而降低用户欺诈带来的不良影响。在反欺诈风险防控中，发生的风险手法来自于已有的风险手法和未知的风险手法。提高预测已知的风险的准确度，在精准防范风险的同时提高用户的授信量与借款额，在早期发现未知的风险手法，并作出及时响应。

技术领域

本发明涉及计算机信息处理领域，具体而言，涉及一种基于用户行为和神经网络的风险控制方法、装置、电子设备及计算机可读介质。

背景技术

传统的反欺诈策略和模型主要以规则和简单模型为基础，辅以关系网关联和黑灰名单等数据，实现欺诈用户的识别与管制。数据源主要依赖于公司的人工调查以及外部资信的黑白名单，整体数据源和策略模式较为单一，对于未知风险的应对能力较差。

为了挖掘公司内部数据的价值，发现可能出现的未知风险，本发明利用公司数据库存储的大量用户信息，构建用户操作的时间序列数据，依此建立风险预测模型，预测用户出现逾期、伪冒和中介的可能性。对于不同的模型预测结果实施不同的应对策略，既能更加精确地识别用户风险，又利用人工辅助去探索发现更多的未知风险，并反哺模型，提高预测的精准度。

本发明中涉及所有渠道上授信、借款申请的用户，增大了风险用户的识别范围，大幅提升了反欺诈的风险预警能力。

发明内容

鉴于上述问题，提出了本说明书以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于社交关系网络的用户额度调整方法及装置。

本发明说明书公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

第一方面，本发明说明书提供一种基于用户行为和神经网络的风险控制方法，包括：

利用现有用户数据提取形成用户应用操作的时间序列数据；

基于所述时间序列数据建立风险预测模型；

获取当前用户操作行为信息；

使用所述风险预测模型对所述当前用户进行风险分类及概率识别；

对识别为风险的用户进行人工核实。

在本公开的一种示例性实施例中，所述利用现有用户数据提取形成用户应用操作的时间序列数据，包括：

提取现有用户数据；

基于所述现有用户数据，形成用户应用操作的时间序列数据。

在本公开的一种示例性实施例中，所述基于所述时间序列数据建立风险预测模型，包括：

获得所述时间序列数据；

建立风险预测模型，所述风险预测模型为LSTM+Attention风险预测模型。

在本公开的一种示例性实施例中，所述基于所述时间序列数据建立风险预测模型，包括：

生成不同风险类型用户的概率；

计算现有用户逾期的第一概率、计算现有用户可能是中介的第二概率、计算现有用户可能是伪冒用户的第三概率。

在本公开的一种示例性实施例中，所述基于所述时间序列数据建立风险预测模型包括：

分别获取现有用户的第一概率、第二概率、第三概率的阈值。