预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN113902552A(43)申请公布日2022.01.07(21)申请号202111246995.6(22)申请日2021.10.26(71)申请人中国联合网络通信集团有限公司地址100033北京市西城区金融大街21号(72)发明人张立彤徐雷陶冶高泽恺史金雨边林刘伟(74)专利代理机构北京天昊联合知识产权代理有限公司11112代理人罗建民杜丹丹(51)Int.Cl.G06Q40/02(2012.01)G06Q30/00(2012.01)G06N20/20(2019.01)G06K9/62(2006.01)权利要求书2页说明书9页附图3页(54)发明名称信贷欺诈行为识别方法、系统、终端设备及存储介质(57)摘要本公开提供一种基于纵向联邦学习的信贷欺诈行为识别方法、系统、终端设备及计算机可读存储介质,以解决目前信贷欺诈行为识别时效性低以及识别结果不准确等问题,其中,所述方法包括:分别获取运营商侧数据集和信贷业务侧数据集;基于纵向联邦学习算法对所述运营商侧数据集和所述信贷业务侧数据集进行训练,得到信贷业务联邦预测模型;基于所述信贷业务联邦预测模型对当前的信贷业务数据进行预测,得到预测结果;以及,基于所述预测结果识别出信贷欺诈行为。本公开利用纵向联邦学习对双方数据源进行训练扩充,建立信贷业务联邦预测模型,其数据覆盖范围更广,对用户信贷行为的预测更加准确,且提高了信贷业务欺诈行为识别的时效性。CN113902552ACN113902552A权利要求书1/2页1.一种基于纵向联邦学习的信贷欺诈行为识别方法,其特征在于,包括:分别获取运营商侧数据集和信贷业务侧数据集;基于纵向联邦学习算法对所述运营商侧数据集和所述信贷业务侧数据集进行训练,得到信贷业务联邦预测模型;基于所述信贷业务联邦预测模型对当前的信贷业务数据进行预测,得到预测结果;以及,基于所述预测结果识别出信贷欺诈行为。2.根据权利要求1所述的方法,其特征在于,所述运营商侧数据集包括用户样本的移动信令数据,所述信贷业务侧数据集包括用户样本的信贷业务行为数据。3.根据权利要求1或2所述的方法,其特征在于,所述分别获取运营商侧数据集和信贷侧业务数据集,包括:分别获取运营商侧原始数据集和信贷侧业务数据集;基于所述信贷侧业务数据集对所述运营商侧原始数据集进行预处理,得到运营商侧数据集。4.根据权利要求1所述的方法,其特征在于,基于纵向联邦学习算法对所述运营商侧数据集和所述信贷业务侧数据集进行训练,包括:对所述运营商侧数据集和所述信贷业务侧数据集进行样本对齐,得到经过样本对齐的数据集;基于经过样本对齐的数据集训练出关于运营商侧的第一模型和关于信贷业务侧的第二模型;以及,基于所述第一模型和所述第二模型构建信贷业务联邦预测模型。5.根据权利要求4所述的方法,其特征在于,基于经过样本对齐的数据集训练出关于运营商侧的第一模型和关于信贷业务侧的第二模型,包括:基于经过样本对齐的数据集构建关于运营商侧的第一初始模型和关于信贷业务侧的第二初始模型;以及,基于xgboost算法分别对所述第一初始模型和所述第二初始模型进行更新训练,得到所述第一模型和所述第二模型。6.根据权利要求5所述的方法,其特征在于,基于xgboost算法分别对所述第一初始模型和所述第二初始模型进行更新训练,得到第一模型和第二模型,具体为:基于xgboost算法分别确定第一初始模型的目标函数以及第二初始模型的目标函数;分别计算第一初始模型的目标函数的损失以及第二初始模型的目标函数的损失;基于第一初始模型的目标函数的损失计算第一更新梯度,并基于所述第一更新梯度更新第一初始模型,得到所述第一模型;以及,基于第二初始模型的目标函数的损失计算第二更新梯度,并基于所述第二更新梯度更新第二初始模型,得到所述第二模型。7.根据权利要求6所述的方法,其特征在于,所述基于xgboost算法分别确定第一初始模型的目标函数以及第二初始模型的目标函数,根据以下公式得到:2CN113902552A权利要求书2/2页式中,Obj表示第一初始模型或者第二初始模型的目标函数;n表示经过样本对齐的数据集的用户样本总数,表示损失函数,其中yi表示第i个用户样本的实际标签,表示第i个样本的预测标签;代表正则化项,其中K表示树的总棵数,fk表示第k棵树,xi表示第i个用户样本的样本特征,fk(xi)表示第k棵树对样本xi的预测结果。8.一种基于纵向联邦学习的信贷欺诈行为识别系统,其特征在于,包括:获取模块,其设置为分别获取运营商侧数据集和信贷业务侧数据集;训练模块,其设置为基于纵向联邦学习算法对所述运营商侧数据集和所述信贷业务侧数据集进行训练,得到信贷业务联邦预测模型;预测模块,其设置为基于所述信贷业务联