[发明专利]基于用户行为数据的多规则反欺诈预测方法及系统

权利要求书

1.基于用户行为数据的多规则反欺诈预测系统，其特征在于，包括客户信息获取模块、欺诈风险评估模块和反欺诈预测模块，其中：

客户信息获取模块用于获取客户信息，客户信息包括历史交易行为、个人征信、个人情况信息、身份信息以及三方数据；

欺诈风险评估模块用于将获取到的客户信息通过欺诈风险分析模型进行欺诈风险分析，得到客户的欺诈风险评估报告，欺诈风险评估报告包括存在的欺诈风险的客户信息和对应的欺诈风险解析信息；

反欺诈预测模块用于根据预设欺诈风险权重占比规则和欺诈风险评估报告中存在的欺诈风险的客户信息计算出客户整体的诈骗风险评分，欺诈风险权重占比规则为按照客户信息中各个信息对欺诈风险的影响重要程度设置的权重占比。

2.根据权利要求1所述的基于用户行为数据的多规则反欺诈预测系统，其特征在于：还包括信息标记模块和模型建立模块；其中：

信息标记模块用于根据预设欺诈行为判断规则对客户信息标记欺诈标签信息；

模型建立模块用于根据客户信息和欺诈标签信息进行模型训练，得到欺诈风险分析模型。

3.根据权利要求1所述的基于用户行为数据的多规则反欺诈预测系统，其特征在于：还包括特征工程模块，特征工程模块用于根据客户信息中缺失数据计算信息缺失率，若计算得到的缺失率小于缺失率阈值，则对客户信息进行数据分箱，将客户信息离散化，并通过计算客户信息各个信息的信息值，得到客户信息中各个信息的预测能力，并将信息值达到预设信息值阈值的客户信息发送给反欺诈预测模块。

4.根据权利要求1所述的基于用户行为数据的多规则反欺诈预测系统，其特征在于：还包括客户信息接收模块和延迟还款审核模块，其中：客户信息接收模块用于接收客户终端发送的延迟还款申请请求，延迟还款申请请求包括身份信息、还款金额、延迟还款原因和延迟还款期限，身份信息包括就职公司，延迟还款原因为工资延期；

客户信息获取模块还用于根据就职公司从预存储的客户信息库中获取同一就职公司的其他客户的还款情况信息；

延迟还款审核模块用于根据获取到的还款情况信息计算还款率，若还款率低于还款率阈值，则审核通过延迟还款请求。

5.根据权利要求4所述的基于用户行为数据的多规则反欺诈预测系统，其特征在于：客户信息还包括股权关系公司；

客户信息获取模块还用于根据客户信息获取股权关系公司关联就职客户的还款情况信息。

6.根据权利要求4所述的基于用户行为数据的多规则反欺诈预测系统，其特征在于：客户信息获取模块还用于根据身份信息抓取最近按时还款周期和当次还款周期对应客户的消费金额和预设时间周期内的平均工资；

延迟还款审核模块还用于将按时还款周期和当次还款周期对应的消费金额进行对比分析，若当次还款周期对应的消费金额大于按时还款周期的消费金额，且两者之间的消费金额差值低于动态金额阈值时，通过延迟还款请求，动态金额阈值根据预设时间周期内的平均工资和还款金额按照预设动态金额阈值设定规则进行动态设定。

7.基于用户行为数据的多规则反欺诈预测方法，其特征在于，包括以下步骤：

信息获取步骤，通过客户信息获取模块获取客户信息，客户信息包括历史交易行为、个人征信、个人情况信息、身份信息以及三方数据；

欺诈风险评估步骤，将获取到的客户信息通过欺诈风险分析模型进行欺诈风险分析，得到客户的欺诈风险评估报告，欺诈风险评估报告包括存在的欺诈风险的客户信息和对应的欺诈风险解析信息；

反欺诈预测步骤，根据预设欺诈风险权重占比规则和欺诈风险评估报告中存在的欺诈风险的客户信息计算出客户整体的诈骗风险评分，欺诈风险权重占比规则为按照客户信息中各个信息对欺诈风险的影响重要程度设置的权重占比。