[发明专利]一种基于LOF算法的互联网金融申请反欺诈识别方法在审
| 申请号： | 202010493203.4 | 申请日： | 2020-06-03 |
| 公开（公告）号： | CN111833174A | 公开（公告）日： | 2020-10-27 |
| 发明（设计）人： | 江远强 | 申请（专利权）人： | 百维金科（上海）信息科技有限公司 |
| 主分类号： | G06Q40/02 | 分类号： | G06Q40/02;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 201913 上海市崇明区长兴镇潘园公*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 lof 算法 互联网 金融 申请 欺诈 识别 方法 | ||
1.一种基于LOF算法的互联网金融申请反欺诈识别方法，其特征在于，包括以下步骤：
步骤一：采集客户端上客户申请提现的操作埋点数据、个人基本信息以及客户授权的第三方数据；
步骤二：数据预处理，包括异常值处理和归一化处理；
步骤三：针对信贷欺诈的行为特征类型，进行数据特征选择，获得LOF算法的数据集，并将数据集随机划分为不同的数据子集；
步骤四：基于数据子集，通过LOF算法先计算数据子集中对象p的第K距离领域，然后计算出对象p的局部可达距离；
步骤五：根据局部可达距离，计算对象p的局部可达密度；
步骤六：根据局部可达密度，计算对象p的局部异常因子LOF值；
步骤七：递归步骤一至步骤六，在循环计算中，将获得的LOF值与设定的阈值ψ比较，LOF值小于阈值ψ的对象判定为正常点，不断剔除，LOF值大于阈值ψ的对象判定为异常点，将异常点输出。
2.根据权利要求1所述的一种基于LOF算法的互联网金融申请反欺诈识别方法，其特征在于，所述异常值处理包括剔除无关维度的数据并删除数据中的异常值。
3.根据权利要求1所述的一种基于LOF算法的互联网金融申请反欺诈识别方法，其特征在于，所述归一化处理采用离差标准化的方法。
4.根据权利要求1所述的一种基于LOF算法的互联网金融申请反欺诈识别方法，其特征在于，所述第K距离领域、局部可达距离和局部可达密度只在对象p所在的数据子集中计算。
5.根据权利要求1所述的一种基于LOF算法的互联网金融申请反欺诈识别方法，其特征在于，所述阈值ψ依靠经验值或者实际业务变化动态设定和调整。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于百维金科（上海）信息科技有限公司，未经百维金科（上海）信息科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010493203.4/1.html，转载请声明来源钻瓜专利网。
