[发明专利]一种风险预测方法、装置、电子设备和可读存储介质

说明书

本申请涉及电子设备领域，尤其涉及一种风险预测的方法、装置、电子设备和可读存储介质，所述方法包括：通过采集目标用户交易信息；根据所述目标用户交易信息确定风险影响因子信息；将所述风险影响因子信息输入风险预测模型；其中所述风险预测模型为加载了群体智能优化算法的卷积神经网络模型；风险预测模型输出风险预测结果，其中所述风险预测结果用于表征所述目标用户是否为风险用户。本申请实施例公开的基于加载有BSA算法的CNN模型的风险预测方案，能够快速、高效、准确预测用户是否为风险用户。

技术领域

本申请涉及信息安全技术领域，尤其涉及一种风险预测方法、装置、电子设备和可读存储介质。

背景技术

为了在激烈的竞争中拉取新用户，培养用户的消费习惯，各种类型的营销活动和补贴活动层出不穷，在为正常用户带来福利的同时，也催生了一批专注于营销活动的黑产用户，也就是所谓的“羊毛党”。目前在巨大的利益诱惑下，羊毛党薅羊毛的手法和技术升级速度越来越快，传统的基于专家规则的风控体系已经很难跟上薅羊毛手法的迭代，往往仅能在羊毛党已经获利后才能针对性地上线规则用于风控侦测。这样容易形成“薅羊毛获利-部署规则-薅羊毛变化手法两次获利-调整规则”的恶性循环，不能从根本上对薅羊毛的行为进行风险侦测和防范。现有技术中也有采用统计学方法或者神经网络发现恶意用户或者IP的方案，但是存在着识别网络黑产数据效率低、误报率高、漏报率高等缺点。

发明内容

本申请的目的旨在至少能解决上述的技术缺陷之一。本申请所采用的技术方案如下：

第一方面，本申请实施例提供一种风险预测方法，所述方法包括：

采集目标用户交易信息；

根据所述目标用户交易信息确定风险影响因子信息；

将所述风险影响因子信息输入风险预测模型；其中所述风险预测模型为加载了群体智能优化算法的卷积神经网络模型；

风险预测模型输出风险预测结果，其中所述风险预测结果用于表征所述目标用户是否为风险用户。

可选地，所述群体智能优化算法为鸟群优化算法。

可选地，所述风险预测模型的构建包括：

将鸟群优化算法加载于所述卷积神经网络模型中，并根据鸟群优化算法确定所述卷积神经网络模型的参数；

获取样本交易信息对所述加载有鸟群优化算法的神经网络模型进行训练；

根据预设训练规则，将完成训练的加载有鸟群优化算法的神经网络模型确定为风险预测模型。

可选地，所述鸟群优化算法为增加了边界约束条件的鸟群优化算法。

可选地，所述预设规则包括以下至少之一：

训练迭代次数达到预设阈值，则确定所述加载有鸟群优化算法的卷积神经网络模型为风险预测模型；

或，

输入样本交易数据至加载有鸟群优化算法的卷积神经网络模型并迭代训练预定次数后计算样本适应度值；

如果所述样本适应度值符合预设适应度值，则停止训练，确定所述加载有鸟群优化算法的卷积神经网络模型为风险预测模型。

可选地，所述方法包括：实时采集目标用户交易数据。

第二方面本发明实施例提供了一种风险预测装置，所述装置包括：采集模块、确定模块、输入模块、预测模块和存储模块，其中：

所述采集模块，用于采集目标用户交易信息；

所述确定模块，用于根据所述目标用户交易信息确定风险影响因子信息；