欺诈风险识别方法、装置、存储介质及电子设备与流程

本发明涉及互联网信息安全领域，具体而言，涉及一种欺诈风险识别方法、装置、存储介质及电子设备。

背景技术：

1、随着移动互联网技术的不断发展，越来越多的金融机构开通了互联网服务渠道，充分利用互联网、大数据、云计算等科技手段开展差异化竞争。同时，越来越多的消费者选择通过手机终端，借助移动互联网办理金融业务。虽然移动互联网技术助推了金融行业的繁荣，但是金融行业的风险隐患也逐渐暴露出来，如何确保互联网金融安全性、识别欺诈并有效的防范欺诈风险是金融行业乃至金融行业监管层亟待解决的问题。

2、相关技术中，金融行业风险管理重要的工作是反欺诈，金融机构传统的技术做法是建立基于单个客户信息的反欺诈模型，从单个客户的相关信息来判断和防止欺诈风险。将客户信息结合客户的设备、账户、交易行为，建立反欺诈模型，满足较为初级的反欺诈需求。

3、但是，基于单个客户的相关信息的反欺诈技术，很难识别团伙欺诈风险。例如：对团伙欺诈风险进行识别时，传统数据库算法采用开发同一身份证多手机号，同一办公电话多身份证等关系，需要复杂的计算过程，如果开发识别客户信息的二度，三度更深层次的关联关系，传统数据库将遇到瓶颈，因此，识别团伙欺诈风险不但要耗费大量的计算基础资源，而且计算效率很低。

4、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种欺诈风险识别方法、装置、存储介质及电子设备，以至少解决相关技术中防范欺诈风险对单个客户进行识别，难以识别团伙欺诈风险的技术问题的技术问题。

2、根据本发明实施例的一个方面，提供了一种欺诈风险识别，包括：获取多个客户的目标数据，其中，所述目标数据至少包括：每个客户的基本信息数据以及与每个客户关联的多类业务的业务数据；对所述目标数据进行图关系挖掘，确定所述目标数据的多个实体和所述多个实体间的关联关系，其中，所述实体为与客户存在关联关系的所述目标数据的数据对象；响应反欺诈决策事件，基于所述多个实体和所述多个实体间的关联关系以及所述反欺诈决策事件的事件信息，确定所述反欺诈决策事件的决策结果，其中，所述反欺诈决策事件用于识别所述事件信息关联的客户是否存在团伙欺诈风险。

3、进一步地，对所述目标数据进行图关系挖掘，确定所述目标数据的多个实体和所述多个实体间的关联关系的步骤，包括：基于所述业务数据的业务类别，建立预设图结构的实体模型和关系模型；基于所述实体模型和所述关系模型对所述目标数据进行图关系挖掘，确定所述目标数据的多个实体和所述多个实体间的关联关系。

4、进一步地，基于所述实体模型和所述关系模型对所述目标数据进行图关系挖掘，确定所述目标数据的多个实体和所述多个实体间的关联关系的步骤，包括：通过预设图关系挖掘工具，基于所述实体模型和所述关系模型对所述目标数据进行图关系挖掘，确定所述目标数据的多个实体和所述多个实体间的关联关系；其中，所述多个实体间的关联关系包括第一关联关系以及第二关联关系，所述第一关联关系的关联程度大于等于预设关联程度阈值，所述第二关联关系的关联程度小于所述预设关联程度阈值。

5、进一步地，对所述目标数据进行图关系挖掘，确定所述目标数据的多个实体和所述多个实体间的关联关系之后，包括：将所述多个实体和所述多个实体间的关联关系存储到预设数据库，其中，所述预设数据库至少包括第一预设数据库和第二预设数据库，所述第一预设数据库用于存储所述多个实体间的关联关系，所述第二预设数据库用于存储所述多个实体的实体信息。

6、进一步地，基于所述多个实体和所述多个实体间的关联关系以及所述反欺诈决策事件的事件信息，确定所述反欺诈决策事件的决策结果，还包括：基于所述反欺诈决策事件的事件信息，在所述第二预设数据库进行检索；在所述第二预设数据库中检索到所述事件信息对应的目标实体信息的情况下，基于所述目标实体信息在所述第一预设数据库中确定所述目标实体信息对应的目标关联关系；基于所述目标关联关系和预设反欺诈规则进行决策，确定所述反欺诈决策事件的决策结果。

7、进一步地，获取多个客户的目标数据之前，包括：通过预设数据导入方式，将多个数据库中所述多个客户的第一数据的导入预设文件系统，其中，所述第一数据至少包括：每个客户的客户原始基本信息数据以及与每个客户关联的多类业务的原始业务数据；对所述预设文件系统中的第一数据进行数据处理，得到所述目标数据。

8、进一步地，对所述预设文件系统中的第一数据进行数据处理，得到所述目标数据的步骤，包括：对所述第一数据进行预处理，得到第二数据，其中，所述预处理至少包括下述之一：数据过滤、数据清洗、空值补充；基于所述原始业务数据的业务类别对所述第二数据进行分类统计，得到所述目标数据。

9、根据本发明实施例的另一方面，还提供了一种欺诈风险识别装置，包括：获取单元，用于获取多个客户的目标数据，其中，所述目标数据至少包括：每个客户的基本信息数据以及与每个客户关联的多类业务的业务数据；第一确定单元，用于对所述目标数据进行图关系挖掘，确定所述目标数据的多个实体和所述多个实体间的关联关系，其中，所述实体为与客户存在关联关系的所述目标数据的数据对象；第二确定单元，用于响应反欺诈决策事件，基于所述多个实体和所述多个实体间的关联关系以及所述反欺诈决策事件的事件信息，确定所述反欺诈决策事件的决策结果，其中，所述反欺诈决策事件用于识别所述事件信息关联的客户是否存在团伙欺诈风险。

10、进一步地，第一确定单元包括：模型建立子单元，用于基于所述业务数据的业务类别，建立预设图结构的实体模型和关系模型；第一确定子单元，用于基于所述实体模型和所述关系模型对所述目标数据进行图关系挖掘，确定所述目标数据的多个实体和所述多个实体间的关联关系。

11、进一步地，第一确定子单元包括：确定模块，用于通过预设图关系挖掘工具，基于所述实体模型和所述关系模型对所述目标数据进行图关系挖掘，确定所述目标数据的多个实体和所述多个实体间的关联关系；其中，所述多个实体间的关联关系包括第一关联关系以及第二关联关系，所述第一关联关系的关联程度大于等于预设关联程度阈值，所述第二关联关系的关联程度小于所述预设关联程度阈值。

12、进一步地，欺诈风险识别装置还包括：存储单元，用于对所述目标数据进行图关系挖掘，确定所述目标数据的多个实体和所述多个实体间的关联关系之后，将所述多个实体和所述多个实体间的关联关系存储到预设数据库，其中，所述预设数据库至少包括第一预设数据库和第二预设数据库，所述第一预设数据库用于存储所述多个实体间的关联关系，所述第二预设数据库用于存储所述多个实体的实体信息。

13、进一步地，第二确定单元包括：检索子单元，用于基于所述反欺诈决策事件的事件信息，在所述第二预设数据库进行检索；第二确定子单元，用于在所述第二预设数据库中检索到所述事件信息对应的目标实体信息的情况下，基于所述目标实体信息在所述第一预设数据库中确定所述目标实体信息对应的目标关联关系；第三确定子单元，用于基于所述目标关联关系和预设反欺诈规则进行决策，确定所述反欺诈决策事件的决策结果。

14、进一步地，欺诈风险识别装置还包括：数据导入单元，用于获取多个客户的目标数据之前，通过预设数据导入方式，将多个数据库中所述多个客户的第一数据的导入预设文件系统，其中，所述第一数据至少包括：每个客户的客户原始基本信息数据以及与每个客户关联的多类业务的原始业务数据；处理单元，用于对所述预设文件系统中的第一数据进行数据处理，得到所述目标数据。

15、进一步地，处理单元，包括：预处理子单元，用于对所述第一数据进行预处理，得到第二数据，其中，所述预处理至少包括下述之一：数据过滤、数据清洗、空值补充；分类单元，用于基于所述原始业务数据的业务类别对所述第二数据进行分类统计，得到所述目标数据。

16、根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行任意一项所述的欺诈风险识别方法。

17、根据本发明实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现任意一项所述的欺诈风险识别方法。

18、在本发明中，获取多个客户的目标数据，其中，目标数据至少包括：每个客户的基本信息数据以及与每个客户关联的多类业务的业务数据；对目标数据进行图关系挖掘，确定目标数据的多个实体和多个实体间的关联关系，其中，实体为与客户存在关联关系的目标数据的数据对象；响应反欺诈决策事件，基于多个实体和多个实体间的关联关系以及反欺诈决策事件的事件信息，确定反欺诈决策事件的决策结果，其中，反欺诈决策事件用于识别事件信息关联的客户是否存在团伙欺诈风险。解决了相关技术中防范欺诈风险对单个客户进行识别，难以识别团伙欺诈风险的技术问题的技术问题。在本发明中，通过多个客户的基本信息数据以及业务数据进行图关系挖掘，确定出多个实体间的关联关系，基于关联关系识别团伙欺诈风险，避免了相关技术中对客户的关联关系计算效率低，团伙欺诈风险识别效率低的情况，实现了提高团伙欺诈风险识别的精确度以及识别效率的技术效果。