隨著網(wǎng)絡(luò)信息技術(shù)的快速發(fā)展,互聯(lián)網(wǎng)金融欺詐現(xiàn)象不斷發(fā)生,制約著銀行金融科技企業(yè)的發(fā)展,也會導(dǎo)致諸多社會經(jīng)濟問題。通過構(gòu)建基于機器學(xué)習(xí)的欺詐檢測模型來進行反欺詐檢測已成為此領(lǐng)域的主流思路。介紹了互聯(lián)網(wǎng)金融的反欺詐現(xiàn)狀,在網(wǎng)絡(luò)支付模式下,提出了一種基于滑動時間窗口的反欺詐檢測方法,從兩個大維度挖掘各類風(fēng)險交易特征,統(tǒng)計用戶近期歷史行為,構(gòu)建機器學(xué)習(xí)反欺詐檢測模型,并在網(wǎng)絡(luò)支付的真實數(shù)據(jù)集上驗證了其有效性。 

【文章來源】：電腦與電信. 2019,(12)

【文章頁數(shù)】：5 頁

【部分圖文】：

基于滑動時間窗口的反欺詐檢測模型架構(gòu)

在本文的方法中，通過為每個用戶維護一個交易清單列表達(dá)到實現(xiàn)滑動時間窗口結(jié)構(gòu)的目的。本工作使用Redis來實現(xiàn)此交易清單列表的功能。在Redis中，可以通過鏈表結(jié)構(gòu)來構(gòu)建一段列表數(shù)據(jù)，這意味著無論數(shù)據(jù)量的大小，數(shù)據(jù)的頭和尾操作都非常快。對于每個用戶，我們在Redis中構(gòu)建一個列表，相對應(yīng)的就是在一個時間窗口內(nèi)存儲與用戶相關(guān)的交易數(shù)據(jù)。當(dāng)用戶進行下一筆交易時，新交易將被添加到列表的尾部，一旦交易列表的大小超過時間窗口的大小，則應(yīng)從列表中刪除最舊的事務(wù)，即刪除列表頭的交易，直到列表大小符合要求。上述步驟的實現(xiàn)可以實現(xiàn)交易列表的更新。2.3 風(fēng)險特征挖掘

該方法存在諸多可擴展和改進之處：（1）滑動時間窗口的大小選擇影響著模型的性能，需要在滑動時間窗口大小的優(yōu)化選擇與動態(tài)選擇上繼續(xù)進行研究；（2）嘗試在更多實際的在線網(wǎng)絡(luò)支付數(shù)據(jù)集以及不同互聯(lián)網(wǎng)金融場景下驗證所提方法的有效性和通用性。圖5 應(yīng)用不同大小的滑動時間窗口對真正例率、精確率和F1-Score指標(biāo)的影響


本文編號：3243808