[发明专利]基于页面行为的欺诈用户检测方法、系统、介质及设备

说明书

本发明提供一种基于页面行为的欺诈用户检测方法、系统、介质及设备，所述基于页面行为的欺诈用户检测方法包括：针对用户在不同页面生成的事件数据进行特征提取，得到页面行为特征向量；通过页面行为检测模型对多个所述页面行为特征向量进行行为分析；对多个页面中行为分析的结果进行综合评估，并根据综合评估的结果进行用户行为异常检测，以检测与异常用户行为对应的欺诈用户。本发明通过在多个页面上用户行为异常情况的综合评估，降低了对欺诈用户误判的可能性，提升了欺诈用户检测方法的可靠性。

技术领域

本发明涉及欺诈检测的技术领域，涉及一种欺诈检测方法，特别是涉及一种基于页面行为的欺诈用户检测方法、系统、介质及设备。

背景技术

随着互联网金融行业的蓬勃发展，越来越多的互联网金融公司推出多样化的便捷信贷服务，满足人民日常生活消费的需要。但是与此同时灰黑产从业人员也越来越多地针对互联网金融公司推出的信贷服务进行诈骗，给互联网金融公司带来巨额经济损失，严重影响了互联网金融行业的发展。所以在这一问题日益严重的情况下，如何有效地对信贷欺诈用户进行识别，尤其是在欺诈分子申请贷款时就能准确识别，成了当今社会亟待解决的热点课题。

目前，在现有技术中已提出一种基于声纹的信贷审核方法，在信贷审核通话的过程中采集用户的语音数据，同时获取当前客户的风险等级情况；然后根据用户的风险等级情况选择声纹反欺诈策略、语音反欺诈策略、轻语音反欺诈策略、背景音反欺诈策略和语音情绪反欺诈策略中的一种或多种组合，来执行反欺诈操作，获取当前客户的反欺诈识别结果。该发明在一定程度上确实降低了信贷申请欺诈的风险，但是依然存在一定的局限性。此发明中的信贷申请风险的检测方式被限定为语音相关的分析上，对于无法获取语音数据的贷款申请场景不实用，限制了模型方法的应用。此外，还提出一种利用关系图谱网络结构、标签特征和统计特征向量对客户进行欺诈检测。更具体地，此专利方法通过获取的信贷客户数据确定客户统计特征向量和客户关系图谱；通过获取的信贷客户数据对应的状态标签数据，将客户关系图谱中的节点序列转换为节点标签序列；然后通过skip-gram算法，将节点标签序列转化为客户关系图谱对应的特征向量；根据统计特征向量和客户关系图谱的特征向量，对初始模型进行训练，直至训练的迭代次数满足预设的迭代次数阈值，得到信贷欺诈检测模型。该方法虽然能够更好的识别信贷客户的欺诈风险，从而为信贷客户的财产提供更好的保护，但是需要获取充足的客户关系数据，否则会因无法构建完善的客户关系网络而使得模型性能降低，此外客户关系网络的计算需要更多的计算资源，成本巨大。互联网时代下，越来越多的服务在移动终端获取，互联网金融公司的信贷业务很大一部分是通过手机APP上进行申请的。在用户申请的信贷的过程中会按照要求填写各种信息，考虑到每个人的行为习惯有一定的差异，我们可以通过对用户申请贷款的行为习惯进行充分挖掘用于区分正常用户和欺诈用，来准确识别信贷欺诈。

因此，如何提供一种基于页面行为的欺诈用户检测方法、系统、介质及设备，以解决现有技术无法提供一种通用性较好且可靠性较高的欺诈用户检测方式等缺陷，成为本领域技术人员亟待解决的技术问题。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于页面行为的欺诈用户检测方法、系统、介质及设备，用于解决现有技术无法提供一种通用性较好且可靠性较高的欺诈用户检测方式的问题。

为实现上述目的及其他相关目的，本发明一方面提供一种基于页面行为的欺诈用户检测方法，所述基于页面行为的欺诈用户检测方法包括：针对用户在不同页面生成的事件数据进行特征提取，得到页面行为特征向量；通过页面行为检测模型对多个所述页面行为特征向量进行行为分析；对多个页面中行为分析的结果进行综合评估，并根据综合评估的结果进行用户行为异常检测，以检测与异常用户行为对应的欺诈用户。

于本发明的一实施例中，针对用户在不同页面生成的事件数据进行特征提取，得到页面行为特征向量的步骤包括：提取用户在不同页面上停留时间的统计值；提取用户在不同页面上填写内容所用时间的统计值；提取用户在不同页面上填写内容的修改次数。