[发明专利]用于构建风险控制模型的方法和系统

说明书

本公开提供了一种用于高效地构建风险控制模型的方法，包括：构建基础模型库以在触发新业务时选择基础模型库中的模型，来搭建缺省模型；通过自动特征生成、自动特征选择和自动调参来构建适合新业务的新模型；经由迁移学习训练缺省模型和新模型；自动融合经训练的缺省模型和经训练的新模型，以生成融合模型；将经训练的缺省模型用作线上模型，并将经训练的新模型和融合模型用作备份模型；以及当备份模型之一优于线上模型时，用该备份模型替代线上模型。

技术领域

本公开主要涉及风险控制，尤其涉及风险控制模型。

背景技术

互联网金融的风险控制涉及交易和资金风险防控，包括盗用、欺诈、营销作弊、垃圾注册识别和决策等。

以在超市收银台以手机APP进行支付的场景为例，风险控制系统需要检查手机账户是否被盗用、是否欺诈被骗、是否有违法套现等。在实践中，不同的风险类型会给模型的构建和更新带来不同的挑战。

当前，风险控制模型在开发和部署的过程中主要碰到两个比较大的问题。

一个问题是新建模型流程复杂，其中的数据清洗、模型训练、模型部署都需要耗费大量的人力，平均一个模型开发和部署耗时超过1个月。这导致针对新业务，模型响应速度比较慢。

另一个问题是模型迭代周期长，整个模型的更新需要耗费大量人力和时间来进行重训和部署。这导致风险对抗能力比较差，因为风险无时不在变化，有很强的对抗性。

本领域需要一种高效的用于构建风险控制模型的方法和系统，可针对新站点、新场景快速上线模型，从而为针对时刻变化的风险快速更新和迭代模型奠定基础。

发明内容

为解决上述技术问题，本公开提供了一种高效的用于构建风险控制模型的方案。

在本公开一实施例中，提供了一种用于高效地构建风险控制模型的方法，包括：构建基础模型库以在触发新业务时选择基础模型库中的模型，来搭建缺省模型；通过自动特征生成、自动特征选择和自动调参来构建适合新业务的新模型；经由迁移学习训练缺省模型和新模型；自动融合经训练的缺省模型和经训练的新模型，以生成融合模型；将经训练的缺省模型用作线上模型，并将经训练的新模型和融合模型用作备份模型；以及当备份模型之一优于线上模型时，用该备份模型替代线上模型。

在本公开的另一实施例中，搭建缺省模型进一步包括：针对各个场景提炼风险模块；针对每个风险模块构建基础模型，并基于基础模型构建基础模型库；在触发新业务时，选取基础模型库中的对应基础模型；以及使用对应基础模型搭建出适合新业务的缺省模型。

在本公开的又一实施例中，所提炼的风险模块包括主动方、被动方、设备、环境、行为、关系、冲突、突变和FTG(Fraud to Gross)。

在本公开的另一实施例中，构建新模型进一步包括：获取原有变量池；基于原有变量池中的原有变量自动生成不同类型的特征；从原有变量池和自动生成的特征中选择适合场景的变量，以生成变量列表；针对变量列表进行自动调参；以及获取适合场景的新模型。

在本公开的又一实施例中，自动特征生成包括对原有的特征进行转换、计算以及聚合而产生新的候选特征。

在本公开的另一实施例中，自动特征选择涉及特征子集搜索和特征子集评价。

在本公开的又一实施例中，自动调参采用网格搜索、随机搜索以及贝叶斯优化之一。