[发明专利]一种应用于信用卡交易反欺诈的识别方法

说明书

本发明公开了一种应用于信用卡交易反欺诈的识别方法，具体包括如下步骤：101)根据身份特征聚合交易特征；102)根据地区聚合交易时间特征；103)预测模型处理步骤和104)预测结果步骤；本发明提供了基于多种梯度提升树模型融合的一种应用于信用卡交易反欺诈的识别方法。

技术领域

本发明涉及信用卡领域，更具体的说，它涉及一种应用于信用卡交易反欺 诈的识别方法。

背景技术

随着互联网金融行业发展，通过互联网渠道进行金融服务交易的情况越来 越普及。对于互联网交易双方来说能够正确评估交易风险，预防金融欺诈等情 况的发生风控工作尤为重要。

对于互联网金融用户的征信审查和反欺诈测试，需要审核用户的各类征信 和评价材料，从而评估交易风险，保证金融平台利益。目前相应的风险审查工 作还不同程度的需要人工接入，因此限制了业务开展的效率和稳定性。

发明内容

本发明克服了现有技术的不足，提供了基于多种梯度提升树模型融合的一 种应用于信用卡交易反欺诈的识别方法。

为了解决上述技术问题，本发明的技术方案如下：

一种应用于信用卡交易反欺诈的识别方法，具体包括如下步骤：

101)根据身份特征聚合交易特征；

102)根据地区聚合交易时间特征；

103)建立基于XGBoost、CatBoost、LightGBM三种模型对信用卡交易进 行预测，得到欺诈的概率判断值；

其中XGBoost的模型具体处理公式如下：

式中是残差项，为正则项，其中γ为决策树的个数，T 为叶子节点的个数，为每个叶子节点的权重值，λ为常数；

将公式(1)中改为作为式中loss函数，将改 为作为式中正则项，转换后公式如下：

式中为新增的第t棵树，并将改变的值记为f_t(x_i)；式中第t-1棵树 则拟合为

进一步分解前面t-1棵树的残差平方和，与新拟合的第t棵树，将公式(2) 转换为如下公式：

使得每次都求得一棵决策树时，使f_t(x_i)最大的减少残差值；

将公式(3)中的作为x，则f_t(x_i)作为Δx,Obj(t)＝F(x+Δx)，将其进 行泰勒展开，并记对的一阶导数记为g_i，二阶导数记为h_i， 忽略常数部分C，则得到如下公式：

其中f_t(x_i)为基于第t棵树的叶子节点权重的函数，则公式(4)转换表示为 如下公式：

其中样本被分到了各个叶子节点上，将样本1到样本n 的顺序遍历改为从叶子节点1上的样本遍历到叶子节点n上的样本，得到如下 公式：

记为G_i，记为H_i，转化为如下w_j的多元极值公式：

回代到公式(6)得到新的目标函数为：