[发明专利]交易风控网络的训练方法及装置、交易风险检测方法

权利要求书

1.一种交易风控网络的训练方法，所述交易风控网络包括第一风险预测网络和第二风险预测网络，所述第一风险预测网络为决策树网络，所述方法包括：

获取第二时间段内采集到的最新的交易数据集，所述交易数据集包括各交易样本的特征信息和标签信息，所述标签信息表征各交易样本的交易风险；

将最新的交易数据集输入已训练的所述第一风险预测网络，得到所述第一风险预测网络预测输出的各交易样本对应的第一训练特征和第二训练特征，所述第一训练特征为各交易样本对应的第一风险预测网络中的叶子节点标识，所述第二训练特征表示各交易样本对应的交易风险分值；

将所述第一训练特征和所述第二训练特征输入已训练的第二风险预测网络，根据所述第二风险预测网络预测输出的交易风险分值和所述标签信息的损失，对所述第二风险预测网络中第一训练特征对应的网络参数进行调整，得到调整后的第二风险预测网络；

所述根据所述第二风险预测网络输出的交易风险分值和所述标签信息的损失，对所述第二风险预测网络中第一训练特征对应的网络参数进行调整，包括：

设置所述第二风险预测网络的第二训练特征对应的网络参数为1，第一训练特征对应的网络参数为待训练参数。

2.根据权利要求1所述的训练方法，在所述获取第二时间段内采集到的最新的交易数据集之前，还包括：

获取第一时间段内采集到的历史交易数据集，所述历史交易数据集包括各交易样本的所述特征信息和所述标签信息；

基于所述历史交易数据集的特征信息，训练得到所述第一风险预测网络；

将所述历史交易数据集输入已训练的所述第一风险预测网络，得到所述第一风险预测网络预测输出的各交易样本对应的所述第一训练特征和所述第二训练特征；

将所述第一训练特征和所述第二训练特征输入待训练的第二风险预测网络，根据所述第二风险预测网络输出的交易风险分值和所述标签信息的损失，对所述第二风险预测网络中第一训练特征对应的网络参数进行调整，得到所述已训练的第二风险预测网络。

3.根据权利要求1或2所述的训练方法，所述第一风险预测网络包括：

基于GBDT算法的网络；或，基于XGBoost算法的网络。

4.根据权利要求1或2所述的训练方法，所述第二风险预测网络为逻辑回归LR网络。

5.根据权利要求4所述的训练方法，将交易数据集输入第一风险预测网络，得到第一风险预测网络预测输出的第二训练特征，包括：

将交易数据集输入所述第一风险预测网络，得到所述第一风险预测网络预测输出的各交易样本对应的预测分值；

对所述预测分值进行logit变换，得到所述第二训练特征。

6.一种交易风险检测方法，包括：

获取交易数据信息；

将所述交易数据信息输入已训练的交易风控网络，得到所述交易风控网络预测输出的交易分值，所述交易分值用于表征所述交易数据信息对应的交易的风险；其中，所述交易风控网络是根据权利要求1至5任一项所述的方法训练得到的。

7.根据权利要求6所述的交易风险检测方法，所述将所述交易数据信息输入已训练的交易风控网络，得到所述交易风控网络预测输出的交易分值，包括：

将所述交易数据信息输入已训练的第一风险预测网络，得到所述第一风险预测网络预测输出的所述交易数据信息对应的交易的第一训练特征和第二训练特征；

将所述第一训练特征和所述第二训练特征输入已训练的第二风险预测网络，得到所述第二风险预测网络预测输出的所述交易分值。

8.根据权利要求6所述的交易风险检测方法，在将所述交易数据信息输入已训练的交易风控网络，得到所述交易风控网络预测输出的交易分值之后，还包括：

判断所述交易分值是否大于预设阈值；

若是，则确定所述交易数据信息对应的交易为风险交易。