[发明专利]基于用户行为信息的电力系统风控模型构建及应用方法

说明书

本发明公开一种基于用户行为信息的电力系统风控模型构建方法。该方法通过采集本人用户和异常用户的用户行为信息来建立用户行为信息数据库，对用户行为信息数据进行预处理后封装为一维特征向量，得到一组用以描述用户画像数据的向量，为用户画像数据标定数据标签，搭建神经网络模型，通过将带有数据标签的用户画像数据输入待训练的神经网络模型，对神经网络进行训练并保存神经网络风控模型，实时采集用户行为信息数据并将其输入到已保存的神经网络风控模型对用户行为风险系数进行预测，当用户行为风险系数超过预设阈值，生成系统告警并对电力系统发出预警通知，减少了模型运行过程中再进行处理所耗费对时间，提升了神经网络训练的效率。

技术领域

本发明涉及信息安全与风险控制技术领域，尤其涉及一种基于用户行为信息的电力系统风控模型构建及应用方法。

背景技术

随着云计算、大数据、人工智能等新兴技术迅速发展，全球迎来了数字化时代。得益于金融科技的飞速发展，依托于互联网的金融服务模式不断出新，同时也带来了更多的业务风险：虚假申请、借贷逾期，失信拖欠等行为屡见不鲜，拖库撞库、暴力破解、盗号盗卡、套现洗钱现象频频发生，严重危害业务健康发展。网上电力系统为人们带来足不出户充值电费便利的同时，也具有账户被盗用、购电支付异常等安全隐患。

当前电网企业全力推进互联网社会化服务，电力用户可以通过电脑、智能交互终端、手机等设备，利用门户网站、移动端App、微信等多种途径实现远程互动，初步实现了供电服务、电商服务、综合能源、公共服务、运营服务等。与此同时，由于在电费交费过程中客户资料的上传，带来了一定的风险。经过数据统计，在发生的各种风险类型中账户盗用、银行卡盗刷、用户信息泄露等问题最为严重。电力行业迫切需要引入新的技术和工具，以应对复杂风险形势下面临的风控挑战。国家出台相关文件，要求加大互联网交易风险防控力度；鼓励通过大数据分析、用户行为建模等手段建立和完善风控模型。

传统的信息管理系统中仅能对用户数据进行简单查询、修改等操作，难以发挥用户数据的潜在价值。电力系统对于用户的敏感数据的采集有诸多权限限制，这对获取信息管理系统中的全部数据造成了很大的难度，这些限制导致了能够获取到到用户数据匮乏。各个地方所使用的电力用户数据管理系统中对于用户数据没有做到标准化的管理，且在数据库中表格内容并未进行统一，使得获取到的数据大多数为“脏”数据，需要进行进一步数据清洗；当前基于大数据的风控模型由于需要对输入数据进行预处理，在实时流计算时占用了大量资源进行数据对归一化与数据清洗，耗费了大量时间，此外，由于风控模型在预测过程中计算量大，进一步增加了传统大数据风控模型的评估时间，因此模型评估所花费的时间很长。传统的基于大数据分析的风控模型主要采用了孤立森林为主的风险评估方法，在进行风险评估的过程中孤立森林需要对数据库内所有结点一一对照运算，导致运行速度缓慢。此外，异常值检测的方法在数据预处理不完整的情况下准确率不高，容易产生误判，而这在进行电网系统风控模型的设计过程中是需要避免的。

发明内容

本发明的目的在于提供一种基于用户行为信息的电力系统风控模型构建及应用方法，以解决现有电力系统风控模型对于用户数据没有做到标准化的管理，评估时间长，运行速度缓慢且准确率不高的问题。

本发明提供一种基于用户行为信息的电力系统风控模型构建及应用方法，包括：

采集本人用户和异常用户的用户行为信息，所述用户行为信息包括：用户登录行为信息、手机操作行为信息、购电支付行为信息以及设备指纹信息；

根据所述用户行为信息建立用户行为信息数据库；

对所述用户行为信息数据库中的用户行为信息数据进行预处理，所述预处理包括：计算用户行为信息数据的最大值、最小值、均值以及方差，并对部分用户行为信息数据做量化处理，最后进行数据清洗和特征降维处理；

将预处理后的用户行为信息数据封装为一维特征向量，得到一组用以描述用户画像数据的向量；其中，所述一维特征向量用于描绘本人用户、异常用户的实体信息，