[发明专利]小额盗刷识别方法及装置

权利要求书

1.一种小额盗刷识别方法，其特征在于，包括：

采集多个客户的历史小额消费数据；

基于多个客户的历史小额消费数据训练小额盗刷识别模型，获得训练好的小额盗刷识别模型；

在获得客户的新的小额消费数据后，输入至小额盗刷识别模型，获得小额盗刷识别结果；

在小额盗刷识别结果为可疑消费后，将小额盗刷识别结果发送至客户确认；

在收到客户确认结果为确定小额盗刷后，将新的小额消费数据添加至历史小额消费数据，重新训练小额盗刷识别模型。

2.如权利要求1所述的小额盗刷识别方法，其特征在于，基于多个客户的历史小额消费数据训练小额盗刷识别模型，包括：

对多个客户的历史小额消费数据进行规范化处理，并聚类成多组数据样本；

从多组数据样本中提取出特征数据；

基于提取出的特征数据训练小额盗刷识别模型。

3.如权利要求2所述的小额盗刷识别方法，其特征在于，对多个客户的历史小额消费数据进行规范化处理，包括：

按照预定义格式对多个客户的历史小额消费数据进行整理，获得格式整理后的数据；

对格式整理后的数据进行纠错处理；

对纠错处理后的数据进行填充缺失值处理。

4.如权利要求3所述的小额盗刷识别方法，其特征在于，对纠错处理后的数据进行填充缺失值处理，包括：

采用如下方法中的至少一种对纠错处理后的数据进行填充缺失值处理：随机填充法，均值填充法，最相似填充法，回归填充法，k近邻填充法。

5.如权利要求2所述的小额盗刷识别方法，其特征在于，从多组数据样本中提取出特征数据，包括：

对多组数据样本进行特征衍生，获得特征衍生后的数据；

对特征衍生后的数据进行特征提取，获得特征提取出的数据；

从特征提取出的数据中，选择符合预设条件的特征数据。

6.如权利要求5所述的小额盗刷识别方法，其特征在于，从特征提取出的数据中，选择符合预设条件的特征数据，包括：

采用如下方法中的至少一种，从特征提取出的数据中，选择符合预设条件的特征数据：特征过滤方法，递归特征消除方法，正则化方法。

7.如权利要求1所述的小额盗刷识别方法，其特征在于，历史小额消费数据包括交易信息、客户身份信息、客户资产信息和第三方信息中的至少一种。

8.一种小额盗刷识别装置，其特征在于，包括：

数据采集模块，用于采集多个客户的历史小额消费数据；

训练模块，用于基于多个客户的历史小额消费数据训练小额盗刷识别模型，获得训练好的小额盗刷识别模型；

识别模块，用于在获得客户的新的小额消费数据后，输入至小额盗刷识别模型，获得小额盗刷识别结果；

客户确认模块，用于在小额盗刷识别结果为可疑消费后，将小额盗刷识别结果发送至客户确认；

重新训练模块，用于在收到客户确认结果为确定小额盗刷后，将新的小额消费数据添加至历史小额消费数据，重新训练小额盗刷识别模型。

9.如权利要求8所述的小额盗刷识别装置，其特征在于，训练模块包括：

规范化处理模块，用于对多个客户的历史小额消费数据进行规范化处理，并聚类成多组数据样本；

特征提取模块，用于从多组数据样本中提取出特征数据；

模型训练模块，用于基于提取出的特征数据训练小额盗刷识别模型。

10.如权利要求9所述的小额盗刷识别装置，其特征在于，规范化处理模块包括：

格式整理模块，用于按照预定义格式对多个客户的历史小额消费数据进行整理，获得格式整理后的数据；

纠错处理模块，用于对格式整理后的数据进行纠错处理；

填充缺失值处理模块，用于对纠错处理后的数据进行填充缺失值处理。