[发明专利]新发卡实时审批模型的训练及审批方法、设备及存储介质

说明书

本发明提供新发卡实时审批模型的训练及审批方法、设备及存储介质，方法包括：根据已有客户的信息构建客户关系网络；在新发卡实时审批流程中，根据新发卡进件申请信息关联已有客户，通过新发卡进件申请信息及关联的已有客户的客户标签实时计算得到实时图指标；计算新发卡进件数据样本实时图指标，作为模型训练的候选变量；然后对候选变量进行特征筛选，利用候选变量的预测能力评估指标进行最优特征变量选择，得到最终入模变量；利用最终入模变量对模型进行训练，得到新发卡实时审批模型。依据银行的新发卡进件审批数据实时跑批模型得到实时审批结果，为识别中介欺诈团伙的攻击提供创新性技术手段，提高银行防范金融风险能力。

技术领域

本发明涉及信用卡审批领域，更具体地，涉及新发卡实时审批模型的训练及审批方法、设备及存储介质。

背景技术

信用卡申请欺诈是所有信用卡发卡机构风险管理的一个重要组成部分。从我国多年的信用卡业务实践来看，申请欺诈的金额损失是巨大的，某行的欺诈止付量及止付客户的总透支额度高达上亿元。另一方面，由于许多欺诈是有组织的中介犯罪团伙行为，而且各种欺诈手段也在不停地演变，对信用卡发卡机构来说，反欺诈的挑战是巨大的。为了有效防范中介进件攻击，识别中介团伙欺诈行为显得尤为重要。

目前欺诈识别环节主要以单个案件触发或者专家经验规则进行，这种识别检测模式缺乏效率及准确性。近几年知识图谱技术的发展，引起了金融风控行业的高度关注。由于中介团伙会通过盗用客户身份证信息对银行进行申卡攻击、或用伪造信息包装客户申请进件实行诈骗，这类型欺诈进件的资料信息、申卡区域具有高度相似性和集中性特点，可考虑通过知识图谱中的关联关系快速定位出相似欺诈模式的进件。但庞大的卡中心客户量对图数据库的性能和图谱规模提出了更高的要求，目前单机版图数据库存在性能瓶颈，数据量以及关系类型都受到限制。基于单机版图数据库仅能在离线部署，导致数据时效性过长，对风险进件不能及时利用关系图谱数据进行实时拦截的问题。在实时场景中，实时图谱数据既要保证时效性的同时，也要保证数据的准确性。

发明内容

本发明旨在克服上述现有技术的至少一种缺陷，提供新发卡实时审批模型的训练及审批方法、设备及存储介质，用于解决现有的新发卡进件风险识别无法实现实时拦截且无法保证拦截准确性较高的问题。

本发明采用的技术方案包括：

第一方面，本发明提供一种新发卡实时审批模型的训练方法，包括：根据已有客户的信息构建客户关系网络；

根据新发卡进件申请信息关联已有客户，通过新发卡进件申请信息及关联的已有客户的客户标签实时计算得到实时图指标；所述实时图指标包括黑灰名单类指标、时间类指标、位置类指标、资金关系类指标、交叉关系类指标，以及复杂关系类指标；计算新发卡进件数据样本实时图指标，作为模型训练的候选变量；对候选变量进行特征筛选，对特征筛选后的候选变量进行最优特征变量选择，得到最终入模变量；利用最终入模变量对模型进行训练，得到新发卡实时审批模型。

本发明旨在基于客户关系网络特征结合新发卡进件特征的数据训练得到能够实时审批判断新发卡是否通过的模型，先通过已有客户的信息构建客户关系网络，获取到新发卡进件数据后，利用新发卡进件数据实时更新客户关系网络，挖掘新发卡进件与已有客户之间的显性和隐性关系，从而计算得到实时图指标的数据，作为实时审批模型的候选变量，为了剔除无效特征，选择对结果区分度强的特征，需对候选变量进行特征筛选，得到最终入模变量以训练实时审批模型，使模型性能最优。由于本发明提供的训练方法预先构建了全行级的客户信息关系知识图谱，再根据新发卡进件申请信息关联已有客户，通过新发卡进件申请信息及关联的已有客户的客户标签实时计算得到实时图指标，因此最终训练得到的模型能够快速有效地挖掘出银行新发卡进件中坏客户之间的关联信息，从而及时发现潜在的欺诈团伙，从而确定是否通过或拒绝该新发卡进件的要求，为识别中介攻击提供创新性技术手段，提高银行防范金融风险能力，解决传统排查方式低效且准确率低的问题。