[发明专利]欺诈交易检测方法、装置、计算机设备和存储介质

权利要求书

1.一种欺诈交易检测方法，其特征在于，所述方法包括：

获取样本交易信息，根据所述样本交易信息获取正常交易样本数据和欺诈交易样本数据；

基于k均值聚类算法对所述正常交易样本数据进行聚类处理，获取不少于一个正常交易样本簇数据；

建立多分类检测模型，基于所述欺诈交易样本数据和所述正常交易样本簇数据对所述多分类检测模型进行训练，获取训练后的多分类检测模型；

基于训练后的多分类检测模型对待检测交易信息进行处理，判断待检测交易行为是否为欺诈交易。

2.根据权利要求1所述的方法，其特征在于，所述基于k均值聚类算法对所述正常交易样本数据进行聚类处理，获取不少于一个正常交易样本簇数据包括：

对所述正常交易样本数据进行归一化处理，获取归一化后的正常交易样本数据；

在归一化后的正常交易样本数据中随机选取k个初始聚类的质心点，分别计算所述正常交易样本数据中的各数据点与各质心点的欧氏距离；

将所述正常交易样本数据中的各数据点分配给距离其最近的质心点，组成新的聚类，并重新计算新的聚类的质心点；

重复上述计算欧氏距离和计算新的聚类的质心点的步骤，直至最后一次获取的聚类的质心点与前一次获取的质心点之间的欧氏距离达到预设的收敛阈值；

将最后一次聚类处理获取的各簇数据作为正常交易样本簇数据。

3.根据权利要求1所述的方法，其特征在于，所述建立多分类检测模型，基于所述欺诈交易样本数据和所述正常交易样本簇数据对所述多分类检测模型进行训练，获取训练后的多分类检测模型包括：

分别为所述欺诈交易样本数据和正常交易样本簇数据设置对应的标签；

根据所述欺诈交易样本数据及其对应的标签，和所述正常交易样本簇数据及其对应的标签，生成样本训练集；

基于所述样本训练集对所述多分类检测模型进行训练，获取训练后的多分类检测模型。

4.根据权利要求3所述的方法，其特征在于，所述分别为所述欺诈交易样本数据和正常交易样本簇数据设置对应的标签包括：

为所述欺诈交易样本数据设置对应的标签为欺诈交易；

为所述正常交易样本簇数据中的各簇数据分别设置不同的且不为欺诈交易的标签。

5.根据权利要求3所述的方法，其特征在于，所述基于所述样本训练集对所述多分类检测模型进行训练，获取训练后的多分类检测模型包括：

以所述样本训练集中的欺诈交易样本数据和正常交易样本簇数据作为输入，以所述样本训练集中的各标签作为输出，对所述多分类检测模型进行训练，生成多分类检测模型参数；

基于所述多分类检测模型参数，获取训练后的多分类检测模型。

6.根据权利要求1所述的方法，其特征在于，所述基于训练后的多分类检测模型对待检测交易信息进行处理，判断待检测交易行为是否为欺诈交易包括：

获取待检测交易信息；所述待检测交易信息是待检测交易行为的交易信息；

对所述待检测交易信息进行特征提取，获取待检测交易数据；

将所述待检测交易数据输入至训练后的多分类检测模型，根据训练后的多分类检测模型的输出结果判断待检测交易行为是否为欺诈交易。

7.根据权利要求6所述的方法，其特征在于，所述将所述待检测交易数据输入至训练后的多分类检测模型，根据训练后的多分类检测模型的输出结果判断待检测交易行为是否为欺诈交易包括：

将待检测交易数据输入至训练后的多分类检测模型，获取待检测交易数据对应的标签；

若所述待检测交易数据的标签是欺诈交易，确定待检测交易行为为欺诈交易；否则，确定待检测交易行为为正常交易。