欺诈识别方法、装置和电子设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112232827A(43)申请公布日2021.01.15(21)申请号202011178438.0(22)申请日2020.10.29(71)申请人支付宝（杭州）信息技术有限公司地址310007浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人吴星孟昌华王维强(74)专利代理机构北京汇思诚业知识产权代理有限公司11444代理人周放(51)Int.Cl.G06Q20/40(2012.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书10页附图7页(54)发明名称欺诈识别方法、装置和电子设备(57)摘要本说明书实施例提出了一种欺诈识别方法、装置和电子设备，其中，上述欺诈识别方法中，电子支付平台接收电子设备发送的资金操作请求，上述资金操作请求包括使用上述电子设备的第一用户向第二用户进行资金转移操作的请求，然后电子支付平台获取第二用户的头像，利用预先训练的神经网络模型，对第二用户的头像进行识别，获得上述第二用户的头像的欺诈识别结果。CN112232827ACN112232827A权利要求书1/2页1.一种欺诈识别方法，包括：接收电子设备发送的资金操作请求，所述资金操作请求包括使用所述电子设备的第一用户向第二用户进行资金转移操作的请求；获取所述第二用户的头像；利用预先训练的神经网络模型，对所述第二用户的头像进行识别，获得所述第二用户的头像的欺诈识别结果。2.根据权利要求1所述的方法，其中，所述获得所述第二用户的头像的欺诈识别结果之后，还包括：如果所述欺诈识别结果为所述第二用户的头像为欺诈头像，则对所述资金操作请求进行拦截，并向所述电子设备发送提示信息，以使所述电子设备将所述提示信息展示给所述第一用户；其中，所述提示信息用于提示所述第一用户的资金操作请求存在风险。3.根据权利要求1所述的方法，其中，所述利用预先训练的神经网络模型，对所述第二用户的头像进行识别，获得所述第二用户的头像的欺诈识别结果包括：利用预先训练的神经网络模型，对所述第二用户的头像进行识别，获得所述第二用户的头像的表征分数；根据所述第二用户的头像的表征分数，获得所述第二用户的欺诈识别结果。4.根据权利要求3所述的方法，其中，所述根据所述第二用户的头像的表征分数，获得所述第二用户的欺诈识别结果包括：如果所述第二用户的头像的表征分数大于或等于预定的分数阈值，则确定所述第二用户的头像为欺诈头像；如果所述第二用户的头像的表征分数小于所述预定的分数阈值，则确定所述第二用户的头像不是欺诈头像。5.根据权利要求1所述的方法，其中，所述利用预先训练的神经网络模型，对所述第二用户的头像进行识别，获得所述第二用户的头像的欺诈识别结果包括：利用预先训练的神经网络模型，将所述第二用户的头像转化为特征向量；对所述特征向量进行识别，获得所述第二用户的头像的欺诈识别结果。6.根据权利要求1-5任意一项所述的方法，其中，所述利用预先训练的神经网络模型，对所述第二用户的头像进行识别，获得所述第二用户的头像的表征分数之前，还包括：获取训练数据，所述训练数据中包括电子支付平台中注册用户的头像；获取所述电子支付平台中审理定性的欺诈事件，将所述训练数据中涉及欺诈事件的用户的头像标注为欺诈头像，将所述训练数据中不涉及欺诈事件的用户的头像标注为非欺诈头像；将标注后的训练数据划分为训练集合和验证集合；利用所述训练集合中的头像和对应的标注，对待训练的神经网络模型进行训练；利用训练获得的神经网络模型对所述验证集合中的头像进行欺诈识别，根据所述验证集合中的头像的欺诈识别结果和所述验证集合中的头像对应的标注，确定所述训练获得的神经网络模型的准确率；当所述准确率达到预定的准确率阈值时，获得训练好的神经网络模型。7.一种欺诈识别装置，包括：2CN112232827A权利要求书2/2页接收模块，用于接收电子设备发送的资金操作请求，所述资金操作请求包括使用所述电子设备的第一用户向第二用户进行资金转移操作的请求；获取模块，用于获取所述第二用户的头像；识别模块，用于利用预先训练的神经网络模型，对所述第二用户的头像进行识别，获得所述第二用户的头像的欺诈识别结果。8.根据权利要求7所述的装置，其中，还包括：拦截模块，用于在所述识别模块获得所述第二用户的头像的欺诈识别结果之后，当所述欺诈识别结果为所述第二用户的头像为欺诈头像时，对所述资金操作请求进行拦截；发送模块，用于向所述电子设备发送提示信息，以使所述电子设备将所述提示信息展示给所述第一用户；其中，所述提示信息用于提示所述第一用户的资金操作请求存在风险。9.根据权利要求7所述的装置，其中，所述识别模块，具体用于利用预先训练的神经网络模型，对所述第二用户的头