[发明专利]风险模型训练方法、装置、计算机设备及可读存储介质

说明书

本发明涉及计算机安全的业务安全领域，公开了一种风险模型训练方法、装置、计算机设备及可读存储介质，包括：通过远期提取规则获取远期历史数据，及通过近期提取规则获取近期历史数据；汇总远期历史数据和近期历史数据得到综合训练数据；调整综合训练数据中远期历史数据和近期历史数据的数据量，及调整综合训练数据中远期正样本和近期正样本之和，与综合训练数据中远期负样本和近期负样本之和之间的正负比例得到综合调整数据；通过综合调整数据对初始智能模型进行训练得到成熟模型。本发明还涉及区块链技术，信息可存储于区块链节点中。本发明风险识别效率高，准确度高，避免了经验及规则成为漏洞，及将正常的用户被认定为风险用户的问题发生。

技术领域

本发明涉及计算机安全的业务安全技术领域，尤其涉及一种风险模型训练方法、装置、计算机设备及可读存储介质。

背景技术

随着互联网技术的不断发展，各大金融,科技公司通过APP推出越来越贴近普通百姓的生活互联网理财产品和传统的股票基金、证券相比，互联网理财产品具有独特性的优势，特别适合本金不多、资金流动性大的年轻人，深受年轻人的喜爱。

但是互联网理财产品，面临一些不容忽视的风险问题,比如：盗用身份信息注册,盗取他人账号交易，用户被骗等，由于互联网理财产品的操作一般仅通过APP操作,盗用比较难发现，也难以追踪,所以比起传统理财渠道更容易被不法分子盯上,防范起来也相对更难。不仅造成用户的经济财产损失,而且因坏账赔偿等给理财平台带来经济损失,更有可能会造成平台信用度受损导致客户严重流失,甚至和用户法律纠纷等恶劣后果。

然而，发明人发现当前的风控系统对上述风险问题的识别，通常采用人工分析，或通过预定的风险规则对风险进行评价的方式，不仅风险识别效率低，准确度差，而且因专家经验及预定的风险规则的滞后性，很容易成为不法用户利用的漏洞，进而导致风险系统的风险识别准确度进一步降低；如果风险规则制定过于严格，很容易将正常的用户被认定为风险用户，导致服务系统难以正常运转。

发明内容

本发明的目的是提供一种风险模型训练方法、装置、计算机设备及可读存储介质，用于解决现有技术存在的当前对风险问题的识别的方法不仅风险识别效率低，准确度差，很容易成为不法用户利用的漏洞，同时因风险规则制定过于严格，很容易将正常的用户被认定为风险用户，导致服务系统难以正常运转的问题。

为实现上述目的，本发明提供一种风险模型训练方法，包括：

通过预置的远期提取规则获取远期历史数据，及通过预置的近期提取规则获取近期历史数据；

汇总所述远期历史数据和所述近期历史数据得到综合训练数据；

调整所述综合训练数据中远期历史数据和近期历史数据的数据量，及调整所述综合训练数据中远期正样本和近期正样本之和，与所述综合训练数据中远期负样本和近期负样本之和之间的正负比例，得到综合调整数据；

获取初始智能模型，通过所述综合调整数据对所述初始智能模型进行训练得到成熟模型。

上述方案中，所述通过预置的远期提取规则获取远期历史数据的步骤，包括：

从保存有历史数据的服务系统中获取目标采样数据；

按照预置远期数据规则从所述目标采样数据中获取远期待定数据，所述远期数据规则包括时间周期和远期时间区间；

分析所述远期待定数据中远期正样本的分布特征，判断所述分布特征是否达到预置的分布密度阈值，其中，所述分布特征反映了远期正样本中维度元素在所述远期待定数据中的分布情况；

若是，则将所述远期待定数据设为远期历史数据；

若否，则缩小所述时间周期和/或扩大所述远期时间区间的范围形成修正远期数据规则，根据所述修正远期数据规则和所述采样量从所述服务系统中获取远期待定数据。