1.一种融合事前预测和事中检测的网络交易反欺诈方法,其特征是,包括有以下步骤:
根据交易完成的序列保留近期设定数量的交易记录并于每笔交易完成后更新交易记录;
对最新完成的交易记录进行处理并通过事前风险预测模型进行预测,对应输出风险值,锁定风险值高于设定风险阈值的账户;
未被事前预测锁定的账户当前正在进行新的交易时,交易记录输入至事中检测模型进行检测并输出检测标签;
对输入的交易记录进行判断,若为欺诈交易则终止交易并锁定账户;反之允许当前交易完成。
2.根据权利要求1所述的融合事前预测和事中检测的网络交易反欺诈方法,其特征是,事前风险预测和事中检测的具体步骤如下:
每个账户保留一个近期交易序列的序列窗口,并且在当前账户每完成一笔交易时更新序列窗口内的交易记录;
对序列窗口内的交易记录进行预处理,完成特征选取及特征融合;
将融合后的特征输入事前风险预测模型进行风险预测,并输出对应的风险值;
设定风险阈值,在事前风险预测模型输出的风险值高于设定的风险阈值时,判断为高风险欺诈,并且锁定当前账户同时禁止后续交易;若输出的风险值低于设定的风险阈值,则允许当前账户进行后续交易;
当前账户未被锁定时,将正在进行的交易记录输入至事中检测模型中进行检测并且输出对应的检测标签;
对输出的检测标签进行判断,判断为欺诈交易时终止正在进行的交易并锁定当前账户;反之允许当前交易完成。
3.根据权利要求2所述的融合事前预测和事中检测的网络交易反欺诈方法,其特征是,对交易记录进行处理的具体步骤包括有:
对交易数据进行类型转换及空值填充预处理,将非数值型特征转化成数值型特征,并且将处理后获得的交易记录和数据标签通过随机森林进行重要性排序,并按照重要性从高到低分别选择和剔除原始特征;
对用户的历史交易记录按照时间顺序进行排序,设定一个固定大小的滑动窗口在历史交易序列上进行滑动,每滑动一次生成一个窗口样本,完成滑动采样;
对每个窗口样本内的多条交易记录进行特征融合,使每个窗口内的交易记录融合成一个样本记录。
4.根据权利要求3所述的融合事前预测和事中检测的网络交易反欺诈方法,其特征是:所述特征融合包括有对交易行为特征的融合及账户信息特征的融合;所述交易行为特征根据用户在不同交易中的不同表征可分为离散型特征和连续型特征。
5.根据权利要求1至4任一项所述的融合事前预测和事中检测的网络交易反欺诈方法,其特征是,账户每完成一笔交易时更新交易记录的步骤具体为:按照交易时间进行排序,并且舍弃窗口内距离当前交易时间最久的交易记录,并将当前完成的交易记录加入到该账户的序列窗口中。
6.根据权利要求4所述的融合事前预测和事中检测的网络交易反欺诈方法,其特征是,所述事前风险预测模型及事中检测模型的学习训练具体如下:
对交易数据进行类型转换及空值填充预处理,并根据重要性进行特征选择;
对用户的历史交易记录按照时间顺序排序并进行窗口滑动采样;
对每个窗口样本内的多条交易记录进行特征融合,使每个窗口内的交易记录融合成一个样本记录;
当所有窗口数据融均完成特征融合后,对样本记录进行欠采样,保留所有的欺诈样本且选取部分正常样本,并将选取的欺诈样本和正常样本输入至xgboost分类器中训练生成事前风险预测模型及事中检测模型。