[发明专利]欺诈交易检测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种欺诈交易检测方法、装置、计算机设备和存储介质。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。采用本方法能够提高对欺诈交易的检测精度。

技术领域

本申请涉及欺诈检测技术领域，特别是涉及一种欺诈交易检测方法、装置、计算机设备和存储介质。

背景技术

随着近几十年经济全球化的迅速发展，信用卡在商业交易中越来越流行。相应地信用卡欺诈问题也随之涌现，检测信用卡欺诈交易成为了银行业面临的挑战之一。互联网技术的普及，传统金融领域迎来了创新，信用卡欺诈检测系统是互联网金融科技的一个重要研究领域，信用卡欺诈检测系统利用用户的用户信息和信用卡交易事务数据，通过其核心算法，检测用户是否为欺诈用户，从而帮助银行或金融公司降低风险，提高利润。

现有技术中，对于信用卡欺诈交易的检测算法是基于二分类检测模型生成的，二分类检测模型中简单地将交易行为分为正常交易和欺诈交易，没有对正常交易的类型进行细分，在欺诈交易的实际检测中，导致了对于欺诈交易检测精度低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高欺诈检测精度的欺诈交易检测方法、装置、计算机设备和存储介质。

一种欺诈交易检测方法，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。

在其中一个实施例中，还包括：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。

在其中一个实施例中，还包括：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。

在其中一个实施例中，还包括：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。

在其中一个实施例中，还包括：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；