[发明专利]风险识别方法、装置、设备及存储介质

说明书

本发明涉及人工智能技术，揭露一种风险识别方法，包括：对用户行为数据进行特征提取及降维处理，得到降维特征集，计算降维特征集中每个降维特征对应的初始权重；利用风险识别模型对用户行为数据进行风险识别，得到识别结果；利用初始权重构造损失函数，并根据损失函数计算识别结果对应的损失值，通过损失值和基于初始权重计算的风险参考值之间的大小对风险识别模型进行优化，得到标准风险识别模型；将待识别用户的相关用户数据输入至标准风险识别模型中，得到相关用户数据对应的风险级别。此外，本发明还涉及区块链技术，初始权重可存储于区块链的节点。本发明还提出一种风险识别装置、电子设备以及存储介质。本发明可以提高风险识别的效率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种风险识别方法、装置、电子设备及计算机可读存储介质。

背景技术

随着互联网技术的发展，利用互联网进行用户间的交易(例如产品交易、服务交易等)越来越普遍。为了保障利用互联网进行交易的安全性，需要识别出风险用户(例如经营欺诈网站的广告主、经营非法产品的商家、伪造信息骗贷的用户等)，并避免其参与交易。传统的风险识别方法是通过设置白名单、黑名单、并基于人的历史行为进行评分，这种方法需要基于大量记录分析判断此用户的风险概率，针对新用户判定时间往往较长。因此进行风险识别的效率较低。

发明内容

本发明提供一种风险识别方法、装置及计算机可读存储介质，其主要目的在于提高风险识别的效率。

为实现上述目的，本发明提供的一种风险识别方法，包括：

获取用户行为数据，对所述用户行为数据进行特征提取，得到用户特征参数集；

对所述用户特征参数集进行降维处理，得到降维特征集，计算所述降维特征集中每个降维特征对应的初始权重；

利用预设的风险识别模型对所述用户行为数据进行风险识别，得到所述用户行为数据的识别结果；

利用所述初始权重构造损失函数，并根据所述损失函数计算所述识别结果对应的损失值，通过所述损失值和基于所述初始权重计算的风险参考值之间的大小对所述风险识别模型进行优化，得到标准风险识别模型；

获取待识别用户的相关用户数据，将所述相关用户数据输入至所述标准风险识别模型中，得到所述相关用户数据对应的风险级别。

可选地，所述利用预设的风险识别模型对所述用户行为数据进行风险识别，包括：

将所述用户行为数据进行特征转换，得到用户特征矩阵；

利用所述风险识别模型中的卷积层、池化层和全连接层依次对所述用户特征矩阵进行数据处理，得到识别数据；

将所述识别数据输入至预设的激活函数中，得到所述识别数据对应的概率值，根据所述概率值的大小确定所述用户行为数据对应的风险等级；

将所述用户行为数据对应的风险等级作为所述用户行为数据的识别结果。

可选地，所述通过所述损失值和基于所述初始权重计算的风险参考值之间的大小对所述风险识别模型进行优化之前，所述方法还包括：

根据多个所述初始权重和预设的预测指标值公式计算得到多个预测指标值；

对所述多个预测指标值进行求和处理，得到所述用户特征参数对应的预测指标值；

将所述初始权重和所述预测指标值作为预设的风险参考值计算公式的输入，得到风险参考值。

可选地，所述计算所述降维特征集中每个降维特征对应的初始权重，包括：

对所述降维特征进行分箱处理，得到分组变量集；

利用预设的权重计算公式分别计算所述分组变量集中多个分组变量对应的初始权重。