[发明专利]一种基于数据样本图像化的数据甄别的方法与系统

说明书

本发明公开了一种基于数据样本图像化的数据甄别的方法与系统，其中方法包括：从服务器获取用户信息；对用户信息进行标准化处理，得到第一数据集；对第一数据集进行结构引力成像处理，将结构化数据转换为二维彩色等高线轮廓图；选取全部正样本对应的轮廓图，并使用GAN方法生成更多的正样本，以使得样本的正负比例趋于均衡；从二维彩色等高线轮廓图中提取低维特征向量，基于用户信息构建新的XGBoost第二XGBoost模型；基于新的XGBoost第二XGBoost模型进行数据甄别。本发明可以生成图像的方式产生更多的正样本，达到正负样本的均衡，避免了常规的SMOTE等基于线性插值的过采样方法引入的额外的偏差，使得甄别结果更加精确，性能更优。

技术领域

本发明属于涉及计算机技术领域，尤其涉及一种基于数据样本图像化的数据甄别的方法与系统。

背景技术

随着互联网金融的快速发展，互联网金融交易的数量在快速增长。在大量的互联网金融交易中，可能存在一些不法人员进行洗钱等非法交易。因此，需要工作人员从大量交易记录中查找到可疑交易，并生成对应的可疑交易描述报文，反馈到有关管理部门，这些可疑交易也可以称为风险事件。

而如何识别风险事件是一个二分类问题，需要在海量的样本特征数据中甄别出那些有嫌疑的用户。这些用户往往呈现出一种与正常用户不一致的表现。虽然对于这种建模场景，是有正负样本的标签的，然而由于正样本极少，所以金融机构往往没有采用有监督的学习方法，而使用一些无监督的训练方法来建模，例如专利号为ZL201811227489.0的发明专利，其公开一种可疑交易案例的辅助甄别方法及系统，该方法包括如下步骤：对待处理交易案例进行线索数据提取，对待处理交易案例进行总体情况分析、资金流向分析、用户风险分析及交易风险分析，得到疑点数据；确定出待处理交易案例的风险性质分值；计算出待处理交易案例的累计发生额；基于风险矩阵法，根据上述的指标评估可疑交易案例的风险等级；该系统包括线索数据提取模块、交易案例分析模块、风险性质确定模块、累计发生额计算模块及可疑程度确定模块；该现有专利实现了对可疑交易案例的智能化、自动化甄别，不受工作人员主观因素影响，极大降低了人力和物力投入，具有准确度高、客观性强、高效、智能、全面、留痕等突出优点。但是其仍存在正样本较少的问题，导致在进行建模过程中正样本起到的效果有限，使得该场景中这些宝贵的样本标签并没有用武之地，因此甄别系统的性能始终成为一个瓶颈。

发明内容

针对上述现有技术中存在的缺陷，本发明提供一种基于数据样本图像化的数据甄别的方法，包括以下步骤：

从服务器获取用户信息；

对所述用户信息进行标准化处理，得到第一数据集；

对所述第一数据集进行结构引力成像处理，将结构化数据转换为二维彩色等高线轮廓图；

选取全部正样本对应的轮廓图，并使用GAN方法生成更多的正样本，以使得样本的正负比例趋于均衡；

从所述二维彩色等高线轮廓图中提取低维特征向量，基于用户信息构建第二XGBoost模型；

基于所述第二XGBoost模型进行数据甄别。

进一步的，所述将结构化数据转换为二维彩色等高线轮廓图包括：

结合斥力算法、等高线投影和染色算法将结构化数据转换为二维彩色等高线轮廓图。

进一步的，所述使用GAN方法生成更多的正样本，具体包括：

假定存在生成图片的生成器G和判别器D，所述生成器G用于接收随机的噪声z，其通过所述噪声生成图片，记做G(z)；所述判别器D用于判别一张图片是否真实，其输入参数x是一张图片，输出D（x），所述D（x）表示x为真实图片的概率，取值为0到1之间。

进一步的，所述生成器G和判别器D的训练过程包括以下步骤：