一种反欺诈模型构建方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115270984A(43)申请公布日2022.11.01(21)申请号202210943218.5(22)申请日2022.08.08(71)申请人中国农业银行股份有限公司地址100005北京市东城区建国门内大街69号(72)发明人邓伟民(74)专利代理机构北京品源专利代理有限公司11332专利代理师李彩玲(51)Int.Cl.G06K9/62(2022.01)G06F21/60(2013.01)G06N20/00(2019.01)权利要求书2页说明书13页附图5页(54)发明名称一种反欺诈模型构建方法、装置、电子设备及存储介质(57)摘要本申请公开了一种反欺诈模型构建方法、装置、电子设备及存储介质，涉及计算机技术领域。其中，该方法包括：接收第一机构发送的第一样本数据，接收第二机构发送的第二样本数据；确定第一样本数据和第二样本数据的共有用户；对第一样本数据的特征和第二样本数据的特征取并集得到目标特征；基于第一样本数据和第二样本数据确定第三样本数据，第三样本数据是共有用户拥有目标特征的数据；基于第三样本数据通过纵向联邦学习构建目标反欺诈模型。本申请提供的技术方案，可以提高目标反欺诈模型识别电信诈骗的准确性，实现了数据安全共享，也能够防止由于电信诈骗所造成的经济损失。CN115270984ACN115270984A权利要求书1/2页1.一种反欺诈模型构建方法，其特征在于，所述方法包括：接收第一机构发送的第一样本数据，接收第二机构发送的第二样本数据；确定所述第一样本数据和所述第二样本数据的共有用户；对所述第一样本数据的特征和所述第二样本数据的特征取并集得到目标特征；基于所述共有用户和所述目标特征从所述第一样本数据和所述第二样本数据中提取出第三样本数据；基于所述第三样本数据通过纵向联邦学习构建目标反欺诈模型。2.根据权利要求1所述的反欺诈模型构建方法，其特征在于，通过如下方式获取第一样本数据：确定多个第一机构的数据的第一共有特征；获取每个第一机构对应的具有所述第一共有特征的第一历史数据；对所述多个第一机构的第一历史数据进行预设数据处理得到所述第一样本数据；相应的，通过如下方式获取第二样本数据：确定多个第二机构的数据的第二共有特征；获取每个第二机构对应的具有所述第二共有特征的第二历史数据；对所述多个第二机构的第二历史数据进行所述预设数据处理得到所述第二样本数据，所述预设数据处理至少包括数据汇总、数据脱敏和数据加密。3.根据权利要求1所述的反欺诈模型构建方法，其特征在于，所述方法还包括：接收所述第一机构发送的第一实时数据，接收所述第二机构发送的第二实时数据；通过所述目标反欺诈模型对所述第一实时数据和所述第二实时数据进行识别，得到反欺诈识别结果。4.根据权利要求3所述的反欺诈模型构建方法，其特征在于，当所述得到反欺诈识别结果之后，还包括：若所述反欺诈识别结果为存在欺诈行为，则确定存在被欺诈的目标用户；基于所述第一实时数据、所述第二实时数据和所述第三样本数据确定所述目标用户名下的至少一个第一机构和/或至少一个第二机构；生成风险提示消息，将所述风险提示消息广播给所述至少一个第一机构和/或所述至少一个第二机构，以使所述至少一个第一机构和/或所述至少一个第二机构基于所述风险提示消息对所述目标用户进行风险提示。5.根据权利要求2所述的反欺诈模型构建方法，其特征在于，所述方法还包括：基于所述第一样本数据通过横向联邦学习构建第一机构反欺诈模型；确实所述第一机构反欺诈模型的第一模型参数，并将所述第一模型参数发送给所述每个第一机构，以使所述每个第一机构基于所述第一模型参数构建对应的第一本地反欺诈模型。6.根据权利要求2所述的反欺诈模型构建方法，其特征在于，所述方法还包括：基于所述第二样本数据通过横向联邦学习构建第二机构反欺诈模型；确实所述第二机构反欺诈模型的第二模型参数，并将所述第二模型参数发送给所述每个第二机构，以使所述每个第二机构基于所述第二模型参数构建对应的第二本地反欺诈模型。2CN115270984A权利要求书2/2页7.根据权利要求5所述的反欺诈模型构建方法，其特征在于，所述方法还包括：接收所述第一本地反欺诈模型发送的包含存在欺诈行为的第一本地反欺诈识别结果，所述第一本地反欺诈识别结果是所述第一本地反欺诈模型对第一机构本地数据进行识别得到的，所述第一本地反欺诈识别结果中包括存在被欺诈的目标用户；基于所述第一机构本地数据和所述第三样本数据确定所述目标用户名下的至少一个第一机构和/或至少一个第二机构；生成风险提示消息，将所述风险提示消息广播给所述至少一个第一机构和/或所述至少一个第二机构，以使所述至少一个第一机构和/或所述至少一个第二机构基于所述风险提示消息对所述目标用户进行风险提示。8.