[发明专利]识别风险社区的方法及系统

说明书

本发明公开识别风险社区的方法及系统，其中，该方法包括：创建指定业务场景下用户的风险网络，并从所述风险网络中提取用户的邻接矩阵；依据所述指定业务场景下用户的风险特征和拓扑特征构建用户的相似度矩阵；利用所述邻接矩阵和所述相似度矩阵建立用户的相似关联矩阵，针对所述相似关联矩阵进行聚类运算，得到各个用户所归属的社区；基于所述社区的置信度和紧密度筛选出风险社区。本发明提供的识别风险社区的系统，采用上述识别风险社区方法不仅能精准识别出风险社区，还给风险专家提供了关于风险社区识别的更多可靠证据，从而大大降低了金融业务中团伙欺诈的入侵风险，为业务的正常开展提供了有力保障。

技术领域

本发明涉及互联网金融反欺诈技术领域，特别涉及识别风险社区的方法及系统。

背景技术

互联网金融的兴起，多元化的金融应用场景给人们的日常生活带来了极大的便捷，同时也降低了用户享受服务的门槛，提升了用户体验。但是，我国国民整体信用水平、金融监管及监控能力等现状，还难以跟上互联网金融不断扩张的脚步。随着技术的发展，互联网金融场景的衍生，金融欺诈事件频发，欺诈骗局层出不穷，给金融机构的风险管理提出了更高的挑战。尤其，网络黑灰产已形成完整的、成熟的产业链，每年千亿级别的投入规模，超过 1000万的“从业者”，其专业度也高于大多数技术人员，给互联网及金融平台的攻防对抗带来严峻的考验。近年来，金融欺诈的模式不断演化和发展，团伙化、组织化是近年来欺诈的主要的趋势。不法分子组成分工明确、配合缜密的欺诈团伙，即组成一个风险社区，该风险社区中的用户企图找到各大平台系统和策略的缺口，利用不断升级和丰富的手段实施欺诈，对金融机构的业务稳健开展构成威胁。

当前金融欺诈的现状，决定了反欺诈所面临的痛点，由于处于被动防御状态，缺乏前瞻性，现有的手段难以精准识别未知的欺诈模式、无法提前找出可疑的风险社区。现有的关于团伙欺诈识别方法大体上分两大类，一类是采用无监督式的基于风险特征的识别方法，另一类是单纯基于关系网络的社区发现方法。

其中，基于风险特征的无监督方法通常采用聚类等算法，刻画用户的风险特征，将相似特征的用户聚成一类，从而进行风险用户群体的识别及管理，这种识别方法虽可将相似的用户归为一类，但无法有效解决冷启动、白户等常见问题，也无法从全局视角洞察欺诈风险，缺乏用户之间实质的关系或联系，难以判别同一类别的用户是否是在一个风险社区中进行团伙欺诈行为，而恰恰是团伙欺诈所造成了巨大的经济损失和严重的社会影响。

随着计算机存储技术和运算能力的不断提升，知识图谱、关系网络的研究愈趋火热，关系网络指的是一种基于图的数据结构，由节点和边组成，它的引入，为反欺诈提供了全新的分析视角。但是单纯基于关系网络的方法，则是深入挖掘用户之间的关系，利用社区发现等算法对关系网络进行划分，划分的结果结合业务专家的评估进行风险社区识别。这种方法虽能捕捉用户之间具体的联系及传播途径，但无法保证用户之间共同的风险特征，可能会将一个正常用户划分到风险社区当中。

可见，上述两个方法对于风险社区识别而言都具有一定的局限性，并且各个场景下的团伙欺诈具有各自场景下的独特性，一套带场景的可行方案无法适用于其他场景，也进一步为风险社区识别提高了难度。

发明内容

本发明的目的在于提供识别风险社区的方法及系统，在关系网络的基础上结合用户的风险特征，解决了现有技术无法具有前瞻性的精准识别可疑的风险社区的问题。

为了实现上述目的，本发明提供如下技术方案：

一种识别风险社区的方法，包括：

创建指定业务场景下用户的风险网络，并从所述风险网络中提取用户的邻接矩阵；

依据所述指定业务场景下用户的风险特征和拓扑特征构建用户的相似度矩阵；

利用所述邻接矩阵和所述相似度矩阵建立用户的相似关联矩阵，针对所述相似关联矩阵进行聚类运算，得到各个用户所归属的社区；

基于所述社区的置信度和紧密度筛选出风险社区。