[发明专利]一种欺诈风险节点的挖掘方法、装置、设备及存储介质

说明书

本发明提供一种欺诈风险节点的挖掘方法、装置、设备及存储介质，本方案根据企业数据建立企业图谱，依照已知的黑名单对企业图谱中的节点进行筛选，将不属于黑名单中的节点进行中介中心性计算，将中介中心性大于预设值的作为复杂节点，并进行欺诈风险分析，若存在则添加至黑名单中，得到目标黑名单，实现对存在欺诈风险的节点的挖掘。能够全面的对所有节点进行分析，通过采用中介中心性的计算，对节点进行分类筛选，从而只对存在欺诈风险可能的节点采用各种方法具体分析，在保证全面性的同时，极大的提高了对欺诈风险节点挖掘的效率。

技术领域

本发明涉及信息技术领域，尤其涉及一种欺诈风险节点的挖掘方法、装置、设备及存储介质。

背景技术

欺诈风险是消费金融业务中存在的主要风险之一，它是指信贷客户完全不具备还款意愿一类的风险，很多金融机构的坏账都是由欺诈产生。因此，需要构建有效的风险控制体系，贷前反欺诈环节是帮助金融机构过滤劣质用户，筛除欺诈人员的第一道风控环节。传统的反欺诈风险方法主要是基于通过SDK采集的个人行为数据、利用爬虫等技术爬取的消费和通信数据以及来源于第三方机构的用户数据，使用逻辑回归、随机森林、神经网络等机器学习方法构建评分模型，定量评估新进客户的欺诈风险。在如今的大数据时代，通过对海量数据的整合，建立的反欺诈系统为金融机构的风控打开了一扇天窗。

但是，欺诈风险目前日益呈现产业链化的特征，围绕着欺诈的实施，形成了专业的技术开发产业，比如虚拟模拟资料，账单造假等；身份信用包装和虚假身份提供产业，比如到农村收一些大爷大妈的身份证等；业务漏洞发现和欺诈方法传授产业，而且从事这些产业的人都具有较高的智商，他们会各种试探金融机构的反欺诈规则，然后利用前两种产业提供的技术、资料实施欺诈。这种团伙欺诈有时不容易被侦测，使用人工智能算法识别可能产生漏网之鱼，而人工筛查则进程十分缓慢。

发明内容

基于此，有必要针对上述技术问题，提供一种欺诈风险节点的挖掘方法、装置、设备及存储介质。

一种欺诈风险节点的挖掘方法，所述方法包括：接收企业数据，根据所述企业数据建立企业图谱，所述企业图谱由多个企业族群构成，每个企业族群为图谱中的一个子图，图谱中包括节点和节点间的关系及权重，所述节点具体为企业和投资人；根据预知的黑名单，将属于所述黑名单的节点进行标注；根据所述企业图谱，计算不属于黑名单的节点的中介中心性，将中介中心性大于预设值的节点作为复杂节点；基于所述企业数据，对所述复杂节点进行特征分析，判断是否存在欺诈风险；当判断为存在欺诈风险时，将所述复杂节点纳入所述黑名单中，得到更新后的目标黑名单。

在其中一个实施例中，所述根据所述企业图谱，计算不属于黑名单的节点的中介中心性，将中介中心性大于预设值的节点作为复杂节点步骤之后，还包括：将中介中心性小于预设值的节点作为普通节点；将所述普通节点进行输出并存档为正常名单。

在其中一个实施例中，所述基于所述企业数据，对所述复杂节点进行特征分析，判断是否存在欺诈风险步骤之后，还包括：当判断结果为不存在欺诈风险时，将所述复杂节点进行输出并存档为正常名单。

在其中一个实施例中，所述当判断为存在欺诈风险时，将所述复杂节点纳入所述黑名单中，得到更新后的目标黑名单步骤之后，还包括：将属于目标黑名单中的复杂节点所在的族群作为目标族群，并对所述目标族群进行特征分析，判断是否存在欺诈风险；当所述目标族群存在欺诈风险时，所述目标族群为欺诈风险族群，并存储为族群黑名单。

在其中一个实施例中，所述当判断为存在欺诈风险时，将所述复杂节点纳入所述黑名单中，得到更新后的目标黑名单步骤之后，还包括：根据新的企业数据，更新所述企业图谱，得到更新后的目标企业图谱；基于所述目标企业图谱，计算所述目标企业图谱中新节点与欺诈风险族群的关联关系，得到所述新节点的欺诈倾向值。