[发明专利]一种基于ABC-SOM神经网络的消费信贷场景欺诈检测方法

权利要求书

1.一种基于ABC-SOM神经网络的消费信贷场景欺诈检测方法，其特征在于：包括步骤：

S1：采集数据，从消费金融平台后端根据贷后表现选取一定比例和数量正常还款和逾期客户作为建模样本，采集样本客户账户注册申请时的个人基本信息、监测软件中获取操作行为埋点数据；

S2：数据预处理，对采集的原始数据进行缺失补全、异常值处理，并按照7:3的比例切分成训练集和测试集后分别对训练集和测试集归一化处理；

S3：确定神经元的输入和输出数据，并确定最优的隐含层神经元个数，建立基础的SOM神经网络；

S4：利用训练数据训练采用ABC优化SOM神经网络，不断更新SOM网络的权值和阈值，找到全局最优解得到的最优权值、阈值赋予SOM神经网络，得到ABC-SOM神经网络检测模型；

S5：采用测试集样本对SOM神经网络的预测性能进行测试，将测试集数据输入ABC-SOM神经网络模型得到预测结果，以RMSE、MAPE和MAE为模型评价指标，与梯度下降法遗传算法、粒子群算法优化的SOM神经网络模型进行对比；

S6：将ABC-SOM神经网络的欺诈检测模型部署至申请平台输出实时申请欺诈类型，实现申请客户的实时审批，并定期将有表现数据输入到模型训练，实现模型的在线更新。

2.根据权利要求1所述的一种基于ABC-SOM神经网络的消费信贷场景欺诈检测方法，其特征在于：在步骤1中，从互联网金融平台后端根据贷后表现选取一定比例和数量正常还款和逾期客户作为建模样本，采集样本客户账户注册申请时的个人基本信息、监测软件中获取操作行为埋点数据。其中用户的个人申请信息包括：手机号、学历、婚姻状况、工作单位、住址、联系人信息，征信报告获取的个人基本信息、信用交易信息、公共信息、特别记录数据；所述埋点数据包括埋点时采集的设备行为数据和日志数据，其中设备行为数据包括：登录本平台的次数、点击次数、点击频率、输入总耗时及平均耗时、手机号数据、GPS位置、MAC地址、IP地址数据、地理信息申请频次、IP的申请频次、设备电量占比、陀螺仪的平均加速度，另外日志数据包括：7天内登录次数、首次点击到申请授信时长、一天内最多的session数、申请授信前一周的行为统计等。另外在合规要求下，不限于获取移动互联网行为数据、贷款APP内行为数据、信贷历史、运营商数据在内的全域多维度大数据。

3.根据权利要求1所述的一种基于ABC-SOM神经网络的消费信贷场景欺诈检测方法，其特征在于：在S2中，对采集的原始数据进行缺失补全、异常值处理，并按照7:3的比例切分成训练集和测试集后分别对训练集和测试集归一化处理；

所述S2中归一化处理的表达式为：

x＝(x_max-x_min)/2+(x_max+x_min)/2

其中，x是归一化后的值，x_max和x_min分别代表训练样本集中每个特征负荷的最大值和最小值。