基于异常移动的反欺诈识别方法及系统.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CN113689291A(43)申请公布日2021.11.23(21)申请号202111104923.8(22)申请日2021.09.22(71)申请人杭银消费金融股份有限公司地址310006浙江省杭州市下城区庆春路38号1层101室、8层801、802、803、804室、11层1101、1102室(72)发明人刘畅余新士席炎(74)专利代理机构衢州维创维邦专利代理事务所(普通合伙)33282代理人包琳(51)Int.Cl.G06Q40/02(2012.01)G06K9/00(2006.01)G06F16/2458(2019.01)权利要求书4页说明书9页附图1页(54)发明名称基于异常移动的反欺诈识别方法及系统(57)摘要本发明实施例提供一种基于异常移动的反欺诈识别方法及系统，在接收到目标用户的业务申请请求时，获取目标用户的用户终端在进行独立生物特征验证过程中实时采集的申请行为过程数据，对申请行为过程数据进行分析，判断目标用户是否存在异常移动行为，当目标用户存在异常移动行为时，确定目标用户存在异常欺诈行为，否则确定目标用户不存在异常欺诈行为。如此，以目标用户是否存在异常移动行为为扩展的验证维度来进行反欺诈识别，可以提高反欺诈识别的准确性，避免漏检情况发生。CN113689291ACN113689291A权利要求书1/4页1.一种基于异常移动的反欺诈识别方法，其特征在于，应用于基于异常移动的反欺诈识别系统，所述方法包括：在接收到目标用户的业务申请请求时，获取所述目标用户的用户终端在进行独立生物特征验证过程中实时采集的申请行为过程数据；对所述申请行为过程数据进行分析，判断所述目标用户是否存在异常移动行为；当所述目标用户存在异常移动行为时，确定所述目标用户存在异常欺诈行为，否则确定所述目标用户不存在异常欺诈行为。2.根据权利要求1所述的基于异常移动的反欺诈识别方法，其特征在于，所述申请行为过程数据包括所述用户终端在进行独立生物特征验证过程中的位移行为数据，对所述申请行为过程数据进行分析，判断所述目标用户是否存在异常移动行为的步骤，包括：对所述位移行为数据进行分析，判断所述用户终端的位移变化值是否大于预设变化值；当所述用户终端的位移变化值大于预设变化值时，确定所述目标用户存在异常移动行为，否则确定所述目标用户不存在异常移动行为。3.根据权利要求1所述的基于异常移动的反欺诈识别方法，其特征在于，所述申请行为过程数据包括所述用户终端在进行独立生物特征验证过程中采集到的目标用户的实时视频流数据，对所述申请行为过程数据进行分析，判断所述目标用户是否存在异常移动行为的步骤，包括：对所述实时视频流数据中的每相邻的两帧图像进行图像分析，获取任意一个参考对象在所述每相邻的两帧图像中的轨迹变化信息；当所述轨迹变化信息表征所述任意一个参考对象存在大于预设位置变化值的浮动时，确定所述目标用户存在异常移动行为，否则确定所述目标用户不存在异常移动行为。4.根据权利要求1‑3中任意一项所述的基于异常移动的反欺诈识别方法，其特征在于，所述方法还包括：获取存在异常欺诈行为的每个目标用户的历史业务操作行为大数据；对所述历史业务操作行为大数据进行分析，获取与所述异常欺诈行为关联的目标业务行为活动数据；提取所述目标业务行为活动数据中的关键特征信息，并将所述关键特征信息与所述异常欺诈行为进行绑定后，依据绑定后的所述关键特征信息与所述异常欺诈行为对预设人工智能模型进行训练，获得训练后的异常欺诈行为识别模型。5.根据权利要求4所述的基于异常移动的反欺诈识别方法，其特征在于，所述提取所述目标业务行为活动数据中的关键特征信息的步骤，包括：生成所述目标业务行为活动数据对应的行为活动关系网络，获取所述行为活动关系网络关联的共享行为活动、所述共享行为活动关联的过往行为活动会话数据和所述共享行为活动关联的共享标注数据，所述共享标注数据依据所述行为活动关系网络在所述共享行为活动中的共享状态数据获得；基于频繁项挖掘模型，依据所述过往行为活动会话数据和所述共享标注数据，获取所述共享行为活动关联的频繁项挖掘数据，所述频繁项挖掘数据代表所述共享行为活动中每个行为活动数据的目标频繁项标签，每个行为活动数据的目标频繁项标签代表所述每个行2CN113689291A权利要求书2/4页为活动数据的高频触发信息；依据所述频繁项挖掘数据，在所述共享行为活动中对所述行为活动关系网络进行特征添加，获得所述行为活动关系网络在所述共享行为活动中的关键特征片段，并汇总所述关键特征片段后得到所述目标业务行为活动数据中的关键特征信息。6.根据权利要求5所述的基于异常移动的反欺诈识别方法，其特征在于，所述基于频繁项挖掘模型，依据所述过往行为活动会话数据和