[发明专利]一种基于OCSVM的消费金融欺诈行为检测方法

说明书

本发明公开了一种基于OCSVM的消费金融欺诈行为检测方法，包括以下步骤；数据采集模块：在客户端申请页面嵌入SDK采集申请页面上所有的点击行为，然后通过界面配置的方式对关键行为进行定义，或通过部署在网络节点上的流量SDK采集设备样本数据，采集的数据包括：用户身份信息、工作家庭联系人信息填写及修改次数和时长、人脸识别及身份证上传次数和时长等操作埋点数据。有益效果：若待检测申请用户数据位于超球面外，则说明该数据是异常数据，被检测用户判定为疑似欺诈申请用户，由此达到线上申请用户行为的实时异常检测和欺诈识别，提高了欺诈申请的检测效率和准确率，克服了现有识别技术的缺陷，适合当前大数据风控的需求。

技术领域

本发明涉及金融消费风控技术领域，具体来说，涉及一种基于OCSVM的消费金融欺诈行为检测方法。

背景技术

国家金融与发展实验室发布的《2019年中国消费金融发展报告》显示，目前我国消费金融获得率偏低，未来五年还有较大发展空间。根据商务部有关报告显示，2018年我国消费金融市场(不含房贷)规模8.45万亿元，市场渗透率22.36％，预计2020年市场规模将达到12万亿元，渗透率逐渐提高至25.05％。近年来消费金融市场呈现爆炸式的增长，百度、阿里、微博、小米和平安等巨头公司相继入局消费金融，随着政府加强对金融监控及助贷收紧，P2P、网贷等公司向消费金融业务靠拢。

在现有技术中，由于实际大部分的检测数据都具有较强的非线性特性，基于线性模型的PCA不能很好满足实际应用的要求，在基于非线性模型的异常检测算法中，比较常用的有ICA(independent component analysis,独立成分分析)和KNN(K-Nearest Neighbor，K最邻近法)，但在当前大数据背景下，被检测数据呈现高维稀疏，且分布不平衡，不满足高斯分布，异常数据的数量远远低于正常数据数量，对于此类做不出有关分布特点假设的数据，在现有技术中异常检测效率比较低。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的问题，本发明提出一种基于OCSVM的消费金融欺诈行为检测方法，以克服现有相关技术所存在的上述技术问题。

为此，本发明采用的具体技术方案如下：

一种基于OCSVM的消费金融欺诈行为检测方法，包括以下步骤；

S1：数据采集模块：在客户端申请页面嵌入SDK采集页面上所有的点击行为，然后通过界面配置的方式对关键行为进行定义，或通过部署在网络节点上的流量SDK采集设备样本数据，采集的数据包括：用户身份信息、工作家庭联系人信息填写及修改次数和时长、人脸识别及身份证上传次数和时长、借款用途额度及分期期限的选择次数和时长、还款方式及绑卡次数和时长等其他申请操作行为埋点数据，将获取的客户申请操作原始数据按照申请时间进行排序构建样本数据集；

S2、数据预处理模块：主要包括数值化处理和数据归一化；

S3、样本集切分模块：正常申请的训练集、模型优化的验证集和待检测的测试集；

S4、OCSVM训练模块：将正常数据样本通过核函数将低维样本空间变换到高维特征空间，在特征空间中求解一个最优超平面实现目标数据与坐标原点的最大分离，训练只包含正常用户的历史行为数据的训练集作为OCSVM训练的输入样本，得到OCSVM分类器作为初步特征轮廓，采用LIBSVM训练OCSVM的步骤如下：

S5、OCSVM验证模块：训练集验证集构造的最优超平面得到将正常数据集包围起来建立了检测数据的分类面，分类面在验证集上进行交叉验证，通过网格化搜索法不断地改变核函数和惩罚参数继续调优；