本發(fā)明涉及計(jì)算機(jī)信息處理技術(shù)領(lǐng)域，具體涉及一種欺詐業(yè)務(wù)識(shí)別方法及裝置。

背景技術(shù)：

欺詐是指以使人發(fā)生錯(cuò)誤認(rèn)識(shí)為目的的故意行為。受害者由于他人故意的錯(cuò)誤陳述，發(fā)生認(rèn)識(shí)上的錯(cuò)誤造成一定的經(jīng)濟(jì)損失或精神傷害。一般地，發(fā)生經(jīng)濟(jì)損失的情況多一些。交易欺詐，顧名思義是在商品交易過(guò)程中，受害者受到欺詐方誘惑或煽動(dòng)作出錯(cuò)誤判斷完成交易的行為，受害者因此承受巨大的財(cái)產(chǎn)損失。隨著電子商務(wù)的興起，網(wǎng)上銀行的便利，在線交易欺詐呈現(xiàn)越來(lái)越嚴(yán)重的趨勢(shì)。

電子商務(wù)作為一個(gè)巨大的經(jīng)濟(jì)產(chǎn)業(yè)，吸引了大量犯罪力量的涌入。傳統(tǒng)商務(wù)模式中雙方是在現(xiàn)實(shí)世界面對(duì)面交易的，而在電子商務(wù)中則變成虛擬的網(wǎng)絡(luò)交易，增加了不確定性，從而為欺詐者提供可乘之機(jī)。在不安全的網(wǎng)絡(luò)環(huán)境下，用戶的真實(shí)性認(rèn)證相對(duì)薄弱，欺詐者很容易實(shí)施欺詐騙取大量財(cái)產(chǎn)。特別是網(wǎng)絡(luò)黑客，為電子商務(wù)欺詐實(shí)施提供了技術(shù)支持。

根據(jù)艾瑞咨詢集團(tuán)在“第三季度核心數(shù)據(jù)發(fā)布會(huì)”上公布的數(shù)據(jù)顯示，電子商務(wù)市場(chǎng)交易規(guī)模，同去年相比相對(duì)來(lái)說(shuō)增長(zhǎng)比較穩(wěn)定，達(dá)到1.3萬(wàn)億人民幣。根據(jù)統(tǒng)計(jì)數(shù)據(jù)顯示，2012年網(wǎng)絡(luò)購(gòu)物的用戶達(dá)到2.09億人次，居于電子商務(wù)中交易人數(shù)的首位，而中國(guó)網(wǎng)民就占據(jù)網(wǎng)購(gòu)份額的28.1％。2013年1月到6月半年時(shí)間，使用網(wǎng)上購(gòu)物、在線支付、網(wǎng)上銀行的用戶比例分別是33.8％、30.5％和29.1％，用戶規(guī)模增長(zhǎng)幅度分別是31.4％、36.2％和29.9％，在各類應(yīng)用中占據(jù)前三的排名。通過(guò)網(wǎng)絡(luò)進(jìn)行購(gòu)物的用戶數(shù)已經(jīng)達(dá)到1.42億，網(wǎng)購(gòu)使用率增長(zhǎng)了5.7個(gè)百分點(diǎn)達(dá)到33.8％，半年時(shí)間里用戶規(guī)模增長(zhǎng)了31.4％。

根據(jù)全球支付解決方案商CyberSource的調(diào)研報(bào)告顯示，2012年，英國(guó)有57％的商家認(rèn)為在線詐騙是他們面臨的最大問(wèn)題，平均有1.8％的電子商務(wù)收入被詐騙者騙走，有1.6％的訂購(gòu)者具有欺詐性。2011年全球預(yù)計(jì)電子商務(wù)詐騙所涉及的金額高達(dá)28億美元，比2010年增長(zhǎng)了8％。因此，為保證電子商務(wù)交易的安全，迫切需要一個(gè)行之有效的檢測(cè)和預(yù)測(cè)欺詐的風(fēng)險(xiǎn)控制系統(tǒng)。

在銀行業(yè)方面，當(dāng)前國(guó)內(nèi)銀行業(yè)務(wù)發(fā)展太快。目前使用信用卡進(jìn)行交易的總數(shù)已經(jīng)達(dá)到了2.1億人次，交易總金額達(dá)到5.1萬(wàn)億元，在這5.1萬(wàn)億元中有2.7萬(wàn)億是消費(fèi)所用。盡管銀行業(yè)務(wù)突飛猛進(jìn)，利潤(rùn)顯著提升，但是其對(duì)欺詐交易的風(fēng)險(xiǎn)防范意識(shí)還很淡薄，這也導(dǎo)致銀行卡交易的欺詐事件經(jīng)常發(fā)生，犯罪分子幾乎每次都能得逞。僅在2011年，國(guó)內(nèi)信用卡欺詐交易金額達(dá)到1.74億元，比2010年增長(zhǎng)了5.1個(gè)百分點(diǎn)，而在2012年這個(gè)數(shù)字翻了一倍，銀行卡欺詐交易的威脅越來(lái)越嚴(yán)重。由于使用信用卡消費(fèi)便捷的特點(diǎn)以及消費(fèi)環(huán)境的改善，越來(lái)越多的地方支持信用卡支付，信用卡在一定程度上得到普及，隨之而來(lái)的是信用卡欺詐事件不斷發(fā)生。經(jīng)分析發(fā)現(xiàn)，導(dǎo)致欺詐事件不斷發(fā)生的原因有兩個(gè)。一方面是因?yàn)殡S著信用卡的普及，對(duì)其實(shí)施欺詐非常有利可圖；另一方面是因?yàn)殂y行監(jiān)管不夠，仍存在一些薄弱環(huán)節(jié)，致使欺詐總向這些薄弱環(huán)節(jié)發(fā)起攻擊，在最短的時(shí)間內(nèi)轉(zhuǎn)移卡內(nèi)資金。

欺詐風(fēng)險(xiǎn)屬操作風(fēng)險(xiǎn)范疇。通過(guò)對(duì)已經(jīng)發(fā)生的欺詐事件的行為進(jìn)行分析，很容易發(fā)現(xiàn)它們手段并不是很高明，一般通過(guò)偽造或盜取手段獲取受害者的卡，進(jìn)而實(shí)施欺詐。同時(shí)對(duì)受害者進(jìn)行分析發(fā)現(xiàn)，他們的受教育水平相差很大，既有普通工薪團(tuán)體，也有高學(xué)歷高智商人群。一方面是受害人不了解欺詐的手段和方式，仍需加大對(duì)人民群眾宣傳識(shí)別和防范欺詐的力度，另一方面也暴漏出銀行反欺詐管理在意識(shí)、技術(shù)和機(jī)制上的漏洞和不足，尚有待改善。然而，中小型銀行現(xiàn)在的欺詐交易風(fēng)險(xiǎn)管理體系還很薄弱，只有最基本的解決方案，即在案件發(fā)生后，經(jīng)客戶舉報(bào)、投訴方才進(jìn)行案件跟蹤以及客戶關(guān)系處理。但是，欺詐交易風(fēng)險(xiǎn)管理最重要的環(huán)節(jié)是事前的監(jiān)測(cè)和識(shí)別，因?yàn)榘讣l(fā)生時(shí)，損失已經(jīng)造成，并且對(duì)資金的追索、案件的偵破不僅成本巨大，而且難以完成。在風(fēng)險(xiǎn)管理方面，銀行可以有更多作為。比如通過(guò)建立模型來(lái)分析和發(fā)現(xiàn)欺詐行為，在不增加存款持有量的情況下改善客戶關(guān)系，而并不只是對(duì)客戶進(jìn)行風(fēng)險(xiǎn)教育和提示那么簡(jiǎn)單。簡(jiǎn)而言之，通過(guò)對(duì)持卡人信息、欺詐事件、歷史交易數(shù)據(jù)進(jìn)行技術(shù)分析，構(gòu)建出一種預(yù)測(cè)欺詐的模型，可以有效的為賬戶的交易行為把關(guān)，及時(shí)發(fā)現(xiàn)可能的欺詐交易，從而根本上改善銀行和客戶的關(guān)系。

從保障交易安全的角度出發(fā)，有必要建立一套欺詐識(shí)別系統(tǒng)，提高欺詐識(shí)別的工作質(zhì)量，保障國(guó)內(nèi)電子商務(wù)和銀行業(yè)交易安全，及時(shí)對(duì)疑似欺詐的交易進(jìn)行限制和制止。

技術(shù)實(shí)現(xiàn)要素：

鑒于上述問(wèn)題，提出了本發(fā)明以便提供一種克服上述問(wèn)題或者至少部分地解決上述問(wèn)題的欺詐業(yè)務(wù)識(shí)別方法及裝置。

依據(jù)本發(fā)明的一個(gè)方面，提供了一種欺詐業(yè)務(wù)識(shí)別方法，包括：

接收業(yè)務(wù)數(shù)據(jù)，將業(yè)務(wù)數(shù)據(jù)與基礎(chǔ)數(shù)據(jù)進(jìn)行數(shù)據(jù)融合處理得到融合業(yè)務(wù)數(shù)據(jù)；

調(diào)用規(guī)則引擎和/或分類器模型對(duì)所述融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，得到判定結(jié)果；

根據(jù)判定結(jié)果為所述業(yè)務(wù)數(shù)據(jù)設(shè)定識(shí)別標(biāo)簽，將已設(shè)定識(shí)別標(biāo)簽的業(yè)務(wù)數(shù)據(jù)返回給調(diào)用方。

依據(jù)本發(fā)明的另一方面，提供了一種欺詐業(yè)務(wù)識(shí)別裝置，包括：

數(shù)據(jù)融合模塊，用于接收業(yè)務(wù)數(shù)據(jù)，將業(yè)務(wù)數(shù)據(jù)與基礎(chǔ)數(shù)據(jù)進(jìn)行數(shù)據(jù)融合處理得到融合業(yè)務(wù)數(shù)據(jù)；

規(guī)則識(shí)別模塊，用于調(diào)用規(guī)則引擎對(duì)所述融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，得到判定結(jié)果；

模型識(shí)別模塊，用于調(diào)用分類器模型對(duì)所述融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，得到判定結(jié)果；

標(biāo)簽設(shè)定模塊，用于根據(jù)判定結(jié)果為所述業(yè)務(wù)數(shù)據(jù)設(shè)定識(shí)別標(biāo)簽，將已設(shè)定識(shí)別標(biāo)簽的業(yè)務(wù)數(shù)據(jù)返回給調(diào)用方。

根據(jù)本發(fā)明提供的欺詐業(yè)務(wù)識(shí)別方法及裝置，利用規(guī)則引擎可判斷已知的欺詐行為，利用分類器模型可預(yù)測(cè)未知的欺詐行為。其中在規(guī)則引擎中根據(jù)客戶所屬的行業(yè)靈活的定義規(guī)則，方便系統(tǒng)做出決策；分類器模型可運(yùn)用分類算法，每天運(yùn)行大數(shù)據(jù)集的樣本訓(xùn)練模型保存到數(shù)據(jù)庫(kù)中，提高了模型識(shí)別的準(zhǔn)確性。

上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說(shuō)明書的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。

附圖說(shuō)明

通過(guò)閱讀下文優(yōu)選實(shí)施方式的詳細(xì)描述，各種其他的優(yōu)點(diǎn)和益處對(duì)于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實(shí)施方式的目的，而并不認(rèn)為是對(duì)本發(fā)明的限制。而且在整個(gè)附圖中，用相同的參考符號(hào)表示相同的部件。在附圖中：

圖1示出了本發(fā)明提供的欺詐業(yè)務(wù)識(shí)別方法實(shí)施例一的流程圖；

圖2示出了本發(fā)明提供的欺詐業(yè)務(wù)識(shí)別方法實(shí)施例二的流程圖；

圖3示出了本發(fā)明提供的欺詐業(yè)務(wù)識(shí)別裝置實(shí)施例的功能結(jié)構(gòu)框圖。

具體實(shí)施方式

下面將參照附圖更詳細(xì)地描述本公開(kāi)的示例性實(shí)施例。雖然附圖中顯示了本公開(kāi)的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開(kāi)而不應(yīng)被這里闡述的實(shí)施例所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開(kāi)，并且能夠?qū)⒈竟_(kāi)的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

圖1示出了本發(fā)明提供的欺詐業(yè)務(wù)識(shí)別方法實(shí)施例一的流程圖。如圖1所示，該方法包括如下步驟：

步驟101，接收業(yè)務(wù)數(shù)據(jù)，將業(yè)務(wù)數(shù)據(jù)與基礎(chǔ)數(shù)據(jù)進(jìn)行數(shù)據(jù)融合處理得到融合業(yè)務(wù)數(shù)據(jù)。

接收客戶(銀行/支付公司等)傳遞過(guò)來(lái)的有關(guān)交易的業(yè)務(wù)數(shù)據(jù)。在對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行處理之前，首先對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行過(guò)濾處理，以過(guò)濾掉無(wú)用字段。然后，將業(yè)務(wù)數(shù)據(jù)和第三方統(tǒng)計(jì)得到的基礎(chǔ)數(shù)據(jù)進(jìn)行數(shù)據(jù)融合處理得到融合業(yè)務(wù)數(shù)據(jù)。其中基礎(chǔ)數(shù)據(jù)是指用于補(bǔ)充說(shuō)明業(yè)務(wù)數(shù)據(jù)的數(shù)據(jù)，例如業(yè)務(wù)產(chǎn)生位置的相關(guān)信息，可通過(guò)IP(Internet Protocol，因特網(wǎng)協(xié)議)地址映射成經(jīng)緯度信息或省市縣信息；再例如業(yè)務(wù)產(chǎn)生設(shè)備相關(guān)信息，可通過(guò)MAC(Media Access Control,介質(zhì)訪問(wèn)控制)地址映射成具體設(shè)備；又例如業(yè)務(wù)產(chǎn)生用戶相關(guān)信息，可通過(guò)手機(jī)號(hào)映射成具體用戶(例如銀行/支付公司的用戶)。通過(guò)將客戶傳遞過(guò)來(lái)的業(yè)務(wù)數(shù)據(jù)與基礎(chǔ)數(shù)據(jù)相融合，解決了客戶只有業(yè)務(wù)數(shù)據(jù)造成的數(shù)據(jù)單一、信息量少的問(wèn)題，對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行多個(gè)維度的補(bǔ)充使其變得更詳細(xì)更立體，使得數(shù)據(jù)分析更準(zhǔn)確，便于后續(xù)識(shí)別決策。

步驟102，調(diào)用規(guī)則引擎和/或分類器模型對(duì)融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，得到判定結(jié)果。

本方法提供了兩種識(shí)別工具，分別為規(guī)則引擎和分類器模型。其中規(guī)則引擎中定義了針對(duì)具體業(yè)務(wù)的規(guī)則，每個(gè)業(yè)務(wù)定義有很多規(guī)則。這些規(guī)則可以為黑名單規(guī)則、白名單規(guī)則或維度規(guī)則。維度指的是具體業(yè)務(wù)字段中某個(gè)字段或某幾個(gè)字段的組合，或者某個(gè)字段的延伸，例如郵箱、IP地址和MAC地址等，再或者賬戶的訪問(wèn)頻率。將融合業(yè)務(wù)數(shù)據(jù)輸入至規(guī)則引擎中后，對(duì)融合業(yè)務(wù)數(shù)據(jù)的各個(gè)維度數(shù)據(jù)進(jìn)行打分，綜合各個(gè)維度數(shù)據(jù)的分?jǐn)?shù)得到融合業(yè)務(wù)數(shù)據(jù)的欺詐分?jǐn)?shù)，以及根據(jù)所述融合業(yè)務(wù)數(shù)據(jù)的欺詐分?jǐn)?shù)，得到判定結(jié)果，即確定該業(yè)務(wù)數(shù)據(jù)是否為欺詐行為的數(shù)據(jù)。分類器模型基于分類算法，利用已知的業(yè)務(wù)數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)訓(xùn)練出分類器存入分類器模型數(shù)據(jù)庫(kù)中，當(dāng)系統(tǒng)調(diào)用分類器模型時(shí)，將融合業(yè)務(wù)數(shù)據(jù)輸入至選擇的分類器中，得到分類結(jié)果，用于確定該業(yè)務(wù)數(shù)據(jù)是否為欺詐行為的數(shù)據(jù)。

如果系統(tǒng)兼具規(guī)則引擎和分類器模型，具體識(shí)別時(shí)可根據(jù)客戶的設(shè)置選擇其中一個(gè)識(shí)別工具進(jìn)行識(shí)別。如果客戶選擇規(guī)則引擎，則本步驟直接調(diào)用規(guī)則引擎進(jìn)行識(shí)別；如果客戶選擇分類器模型，則本步驟直接調(diào)用分類器模型進(jìn)行識(shí)別。如果客戶同時(shí)選擇規(guī)則引擎和分類器模型，則客戶需設(shè)置兩種識(shí)別工具的預(yù)設(shè)權(quán)重，具體識(shí)別時(shí)可按照各自的預(yù)設(shè)權(quán)重對(duì)識(shí)別結(jié)果進(jìn)行處理生成最終的判定結(jié)果。

步驟103，根據(jù)判定結(jié)果為業(yè)務(wù)數(shù)據(jù)設(shè)定識(shí)別標(biāo)簽，將已設(shè)定識(shí)別標(biāo)簽的業(yè)務(wù)數(shù)據(jù)返回給調(diào)用方。

根據(jù)判定結(jié)果為業(yè)務(wù)數(shù)據(jù)設(shè)定識(shí)別標(biāo)簽，識(shí)別標(biāo)簽可以為P、R和D，P表示通過(guò)，即業(yè)務(wù)數(shù)據(jù)為正常數(shù)據(jù)；D表示不通過(guò)，即業(yè)務(wù)數(shù)據(jù)為欺詐數(shù)據(jù)；R表示待定，即需要進(jìn)一步人工審核確認(rèn)。將已設(shè)定識(shí)別標(biāo)簽的業(yè)務(wù)數(shù)據(jù)返回給調(diào)用方。

根據(jù)本實(shí)施例提供的欺詐業(yè)務(wù)識(shí)別方法，利用規(guī)則引擎可判斷已知的欺詐行為，利用分類器模型可預(yù)測(cè)未知的欺詐行為。其中在規(guī)則引擎中根據(jù)客戶所屬的行業(yè)靈活的定義規(guī)則，方便系統(tǒng)做出決策；分類器模型可運(yùn)用分類算法，每天運(yùn)行大數(shù)據(jù)集的樣本訓(xùn)練模型保存到數(shù)據(jù)庫(kù)中，提高了模型識(shí)別的準(zhǔn)確性。

圖2示出了本發(fā)明提供的欺詐業(yè)務(wù)識(shí)別方法實(shí)施例二的流程圖。如圖2所示，該方法包括如下步驟：

步驟201，接收業(yè)務(wù)數(shù)據(jù)，將業(yè)務(wù)數(shù)據(jù)與基礎(chǔ)數(shù)據(jù)進(jìn)行數(shù)據(jù)融合處理得到融合業(yè)務(wù)數(shù)據(jù)。

接收客戶(銀行/支付公司等)傳遞過(guò)來(lái)的有關(guān)交易的業(yè)務(wù)數(shù)據(jù)。在對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行處理之前，首先對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行過(guò)濾處理，以過(guò)濾掉無(wú)用字段。然后，將業(yè)務(wù)數(shù)據(jù)和第三方統(tǒng)計(jì)得到的基礎(chǔ)數(shù)據(jù)進(jìn)行數(shù)據(jù)融合處理得到融合業(yè)務(wù)數(shù)據(jù)。其中基礎(chǔ)數(shù)據(jù)是指用于補(bǔ)充說(shuō)明業(yè)務(wù)數(shù)據(jù)的數(shù)據(jù)，例如業(yè)務(wù)產(chǎn)生位置的相關(guān)信息，可通過(guò)IP地址映射成經(jīng)緯度信息或省市縣信息；再例如業(yè)務(wù)產(chǎn)生設(shè)備相關(guān)信息，可通過(guò)MAC地址映射成具體設(shè)備；又例如業(yè)務(wù)產(chǎn)生用戶相關(guān)信息，可通過(guò)手機(jī)號(hào)映射成具體用戶(例如銀行/支付公司的用戶)。通過(guò)將客戶傳遞過(guò)來(lái)的業(yè)務(wù)數(shù)據(jù)與基礎(chǔ)數(shù)據(jù)相融合，使得業(yè)務(wù)數(shù)據(jù)表達(dá)的信息更詳細(xì)，便于后續(xù)識(shí)別決策。

步驟202，調(diào)用規(guī)則引擎對(duì)融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，得到判定結(jié)果。

在系統(tǒng)最初使用的時(shí)候，系統(tǒng)還沒(méi)有分類器模型，因此在開(kāi)始的這一階段，先調(diào)用規(guī)則引擎對(duì)融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別。規(guī)則引擎中預(yù)先定義了針對(duì)具體業(yè)務(wù)的規(guī)則，每個(gè)業(yè)務(wù)定義有很多規(guī)則。這些規(guī)則可以為黑名單規(guī)則、白名單規(guī)則或維度規(guī)則。維度指的是具體業(yè)務(wù)字段中某個(gè)字段或某幾個(gè)字段的組合，或者某個(gè)字段的延伸，例如郵箱、IP地址和MAC地址等，再或者賬戶的訪問(wèn)頻率。將融合業(yè)務(wù)數(shù)據(jù)輸入至規(guī)則引擎中后，對(duì)融合業(yè)務(wù)數(shù)據(jù)的各個(gè)維度數(shù)據(jù)進(jìn)行打分，綜合各個(gè)維度數(shù)據(jù)的分?jǐn)?shù)得到融合業(yè)務(wù)數(shù)據(jù)的欺詐分?jǐn)?shù)，以及根據(jù)所述融合業(yè)務(wù)數(shù)據(jù)的欺詐分?jǐn)?shù)，得到判定結(jié)果，即確定該業(yè)務(wù)數(shù)據(jù)是否為欺詐行為的數(shù)據(jù)。

步驟203，根據(jù)判定結(jié)果為業(yè)務(wù)數(shù)據(jù)設(shè)定識(shí)別標(biāo)簽，將已設(shè)定識(shí)別標(biāo)簽的業(yè)務(wù)數(shù)據(jù)返回給調(diào)用方。

根據(jù)判定結(jié)果為業(yè)務(wù)數(shù)據(jù)設(shè)定識(shí)別標(biāo)簽，識(shí)別標(biāo)簽可以為P、R和D，P表示通過(guò)，即業(yè)務(wù)數(shù)據(jù)為正常數(shù)據(jù)；D表示不通過(guò)，即業(yè)務(wù)數(shù)據(jù)為欺詐數(shù)據(jù)；R表示待定，即需要進(jìn)一步人工審核確認(rèn)。將已設(shè)定識(shí)別標(biāo)簽的業(yè)務(wù)數(shù)據(jù)返回給調(diào)用方。

利用上述步驟S201至步驟S203執(zhí)行一段時(shí)間后，可獲得大量已設(shè)定識(shí)別標(biāo)簽的業(yè)務(wù)數(shù)據(jù)，其中設(shè)定為P和D的業(yè)務(wù)數(shù)據(jù)可作為訓(xùn)練數(shù)據(jù)訓(xùn)練分類器模型。

步驟204，將利用規(guī)則引擎識(shí)別出的業(yè)務(wù)數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，對(duì)分類器模型進(jìn)行訓(xùn)練。

利用上述步驟201至步驟203識(shí)別出的業(yè)務(wù)數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，對(duì)分類器模型進(jìn)行訓(xùn)練。首先，對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)處理，過(guò)濾掉訓(xùn)練數(shù)據(jù)中的無(wú)用字段和/或不被識(shí)別的內(nèi)容；然后，構(gòu)建訓(xùn)練數(shù)據(jù)集作為參數(shù)傳遞給分類算法，訓(xùn)練得到分類器；對(duì)訓(xùn)練出的分類器進(jìn)行評(píng)價(jià)，將通過(guò)評(píng)價(jià)體系驗(yàn)證的分類器存入分類器模型數(shù)據(jù)庫(kù)中以供調(diào)用。

評(píng)價(jià)體系包含以下評(píng)價(jià)標(biāo)準(zhǔn)的一項(xiàng)或多項(xiàng)：正確率、誤判率、訓(xùn)練時(shí)間的長(zhǎng)短以及ROC曲線(Receiver Operating Characteristic curve，受試者工作特征曲線)。分類器的訓(xùn)練和評(píng)價(jià)是在線下觸發(fā)的，避免讓實(shí)時(shí)的業(yè)務(wù)數(shù)據(jù)等待分類器創(chuàng)建，更符合實(shí)時(shí)性要求。

本實(shí)施例分類器模型所采用的算法可以為決策樹(shù)算法、樸素貝葉斯算法、神經(jīng)網(wǎng)絡(luò)算法、或邏輯回歸算法。本發(fā)明對(duì)此不做限制。

步驟205，接收新的業(yè)務(wù)數(shù)據(jù)，將新的業(yè)務(wù)數(shù)據(jù)與基礎(chǔ)數(shù)據(jù)進(jìn)行數(shù)據(jù)融合處理得到融合業(yè)務(wù)數(shù)據(jù)。具體融合過(guò)程可參見(jiàn)步驟S201中的具體描述。

步驟206，調(diào)用分類器模型對(duì)融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，得到判定結(jié)果。

利用步驟204訓(xùn)練得到的分類器模型對(duì)新的融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別。具體的，可根據(jù)客戶的選擇，調(diào)用已被評(píng)價(jià)的一個(gè)分類器對(duì)該融合業(yè)務(wù)數(shù)據(jù)進(jìn)行分類。優(yōu)選地，選擇正確率最高的分類器對(duì)融合業(yè)務(wù)數(shù)據(jù)進(jìn)行分類。

步驟207，根據(jù)判定結(jié)果為新的業(yè)務(wù)數(shù)據(jù)設(shè)定識(shí)別標(biāo)簽，將已設(shè)定識(shí)別標(biāo)簽的新的業(yè)務(wù)數(shù)據(jù)返回給調(diào)用方。

步驟208，根據(jù)利用分類器模型識(shí)別出的欺詐業(yè)務(wù)數(shù)據(jù)生成新的規(guī)則，將新的規(guī)則添加到規(guī)則引擎中。

經(jīng)過(guò)以上步驟205至步驟207的處理，分類器模型可預(yù)測(cè)出新的欺詐行為，本步驟利用分類器模型識(shí)別出的欺詐業(yè)務(wù)數(shù)據(jù)生成新的規(guī)則，將新的規(guī)則添加到規(guī)則引擎中，以此反作用于規(guī)則引擎，使得分類器模型和規(guī)則引擎都能得以更新。

本實(shí)施例中，由于分類器模型要使用已設(shè)定識(shí)別標(biāo)簽的業(yè)務(wù)數(shù)據(jù)進(jìn)行訓(xùn)練得到，所以在最初使用系統(tǒng)的時(shí)候，系統(tǒng)中是沒(méi)有分類器模型的，因此必須首先使用規(guī)則引擎對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行處理，業(yè)務(wù)數(shù)據(jù)經(jīng)規(guī)則引擎處理后最終帶上標(biāo)簽。當(dāng)使用規(guī)則引擎一段時(shí)間后，積累的已設(shè)定識(shí)別標(biāo)簽的業(yè)務(wù)數(shù)據(jù)即可用來(lái)訓(xùn)練分類器模型。當(dāng)規(guī)則引擎和分類器模型都出現(xiàn)時(shí)，具體是使用規(guī)則引擎還是分類器模型，可根據(jù)客戶需要設(shè)置的。如果客戶選擇規(guī)則引擎，則直接調(diào)用規(guī)則引擎進(jìn)行識(shí)別；如果客戶選擇分類器模型，則直接調(diào)用分類器模型進(jìn)行識(shí)別。如果客戶同時(shí)選擇規(guī)則引擎和分類器模型，則客戶需設(shè)置兩種識(shí)別工具的預(yù)設(shè)權(quán)重，具體識(shí)別時(shí)可按照各自的預(yù)設(shè)權(quán)重對(duì)識(shí)別結(jié)果進(jìn)行處理生成最終的判定結(jié)果。

進(jìn)一步的，本實(shí)施例還將已設(shè)定識(shí)別標(biāo)簽的業(yè)務(wù)數(shù)據(jù)寫入數(shù)據(jù)庫(kù)中，當(dāng)審計(jì)人員對(duì)識(shí)別標(biāo)簽有異議時(shí)，可隨時(shí)在數(shù)據(jù)庫(kù)中調(diào)取數(shù)據(jù)進(jìn)行修正，保證模型訓(xùn)練數(shù)據(jù)的正確性，提高業(yè)務(wù)數(shù)據(jù)識(shí)別的準(zhǔn)確性。

另外，本方法還可在直觀的圖形用戶頁(yè)面中顯示識(shí)別結(jié)果和相應(yīng)的規(guī)則，客戶可方便地在頁(yè)面上編輯(包含創(chuàng)建、修改、刪除、搜索、測(cè)試和使用)各種規(guī)則，而不需要專業(yè)的規(guī)則編輯人員進(jìn)行編輯。還可明確每條規(guī)則的用途和優(yōu)先級(jí)，當(dāng)觸發(fā)規(guī)則時(shí)有理有據(jù)的將觸發(fā)原因顯示在頁(yè)面上。客戶還可以在線進(jìn)行規(guī)則的測(cè)試，測(cè)試時(shí)按照正常流程對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，但不將識(shí)別結(jié)果寫入數(shù)據(jù)庫(kù)中。如果測(cè)試結(jié)果令客戶滿意，可以隨時(shí)將規(guī)則應(yīng)用到線上，及時(shí)阻止?jié)撛陲L(fēng)險(xiǎn)。

根據(jù)本實(shí)施例提供的欺詐業(yè)務(wù)識(shí)別方法，利用規(guī)則引擎可判斷已知的欺詐行為，利用分類器模型可預(yù)測(cè)未知的欺詐行為。其中在規(guī)則引擎中根據(jù)客戶所屬的行業(yè)靈活的定義規(guī)則，方便系統(tǒng)做出決策；分類器模型可運(yùn)用分類算法，每天運(yùn)行大數(shù)據(jù)集的樣本訓(xùn)練模型保存到數(shù)據(jù)庫(kù)中，提高了模型識(shí)別的準(zhǔn)確性。本方法結(jié)合了兩種識(shí)別工具的優(yōu)點(diǎn)，第一階段借助初始的規(guī)則引擎對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，為分類器模型的訓(xùn)練做數(shù)據(jù)積累；第二階段使用訓(xùn)練好的分類器模型對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，當(dāng)識(shí)別出新的欺詐行為時(shí)，可生成新的規(guī)則添加到規(guī)則引擎中，以此反作用于規(guī)則引擎，使得分類器模型和規(guī)則引擎都能得以更新，從而解決了規(guī)則引擎不能實(shí)時(shí)更新的問(wèn)題，反過(guò)來(lái)其對(duì)分類器模型提供的訓(xùn)練數(shù)據(jù)更加準(zhǔn)確，使得分類器模型更能精準(zhǔn)地區(qū)分欺詐與非欺詐行為。

圖3示出了本發(fā)明提供的欺詐業(yè)務(wù)識(shí)別裝置實(shí)施例的功能結(jié)構(gòu)框圖。如圖3所示，該裝置包括：數(shù)據(jù)融合模塊31，規(guī)則識(shí)別模塊32，模型識(shí)別模塊33，標(biāo)簽設(shè)定模塊34。

數(shù)據(jù)融合模塊31，用于接收業(yè)務(wù)數(shù)據(jù)，將業(yè)務(wù)數(shù)據(jù)與基礎(chǔ)數(shù)據(jù)進(jìn)行數(shù)據(jù)融合處理得到融合業(yè)務(wù)數(shù)據(jù)。

數(shù)據(jù)融合模塊31接收客戶(銀行/支付公司等)傳遞過(guò)來(lái)的有關(guān)交易的業(yè)務(wù)數(shù)據(jù)。在對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行處理之前，首先對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行過(guò)濾處理，以過(guò)濾掉無(wú)用字段。然后，將業(yè)務(wù)數(shù)據(jù)和第三方統(tǒng)計(jì)得到的基礎(chǔ)數(shù)據(jù)進(jìn)行數(shù)據(jù)融合處理得到融合業(yè)務(wù)數(shù)據(jù)。其中基礎(chǔ)數(shù)據(jù)是指用于補(bǔ)充說(shuō)明業(yè)務(wù)數(shù)據(jù)的數(shù)據(jù)，例如業(yè)務(wù)產(chǎn)生位置的相關(guān)信息，可通過(guò)IP地址映射成經(jīng)緯度信息或省市縣信息；再例如業(yè)務(wù)產(chǎn)生設(shè)備相關(guān)信息，可通過(guò)MAC地址映射成具體設(shè)備；又例如業(yè)務(wù)產(chǎn)生用戶相關(guān)信息，可通過(guò)手機(jī)號(hào)映射成具體用戶(例如銀行/支付公司的用戶)。通過(guò)將客戶傳遞過(guò)來(lái)的業(yè)務(wù)數(shù)據(jù)與基礎(chǔ)數(shù)據(jù)相融合，解決了客戶只有業(yè)務(wù)數(shù)據(jù)造成的數(shù)據(jù)單一、信息量少的問(wèn)題，對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行多個(gè)維度的補(bǔ)充使其變得更詳細(xì)更立體，使得數(shù)據(jù)分析更準(zhǔn)確，便于后續(xù)識(shí)別決策。

規(guī)則識(shí)別模塊32，用于調(diào)用規(guī)則引擎對(duì)融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，得到判定結(jié)果。

其中規(guī)則引擎中定義了針對(duì)具體業(yè)務(wù)的規(guī)則，每個(gè)業(yè)務(wù)定義有很多規(guī)則。這些規(guī)則可以為黑名單規(guī)則、白名單規(guī)則或維度規(guī)則。維度指的是具體業(yè)務(wù)字段中某個(gè)字段或某幾個(gè)字段的組合，或者某個(gè)字段的延伸，例如郵箱、IP地址和MAC地址等，再或者賬戶的訪問(wèn)頻率。規(guī)則識(shí)別模塊32進(jìn)一步用于：調(diào)用規(guī)則引擎對(duì)融合業(yè)務(wù)數(shù)據(jù)的各個(gè)維度數(shù)據(jù)進(jìn)行打分；綜合各個(gè)維度數(shù)據(jù)的分?jǐn)?shù)得到融合業(yè)務(wù)數(shù)據(jù)的欺詐分?jǐn)?shù)，以及根據(jù)所述融合業(yè)務(wù)數(shù)據(jù)的欺詐分?jǐn)?shù)，得到判定結(jié)果，即確定該業(yè)務(wù)數(shù)據(jù)是否為欺詐行為的數(shù)據(jù)。

模型識(shí)別模塊33，用于調(diào)用分類器模型對(duì)融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，得到判定結(jié)果。

標(biāo)簽設(shè)定模塊34，用于根據(jù)判定結(jié)果為業(yè)務(wù)數(shù)據(jù)設(shè)定識(shí)別標(biāo)簽，將已設(shè)定識(shí)別標(biāo)簽的業(yè)務(wù)數(shù)據(jù)返回給調(diào)用方。

進(jìn)一步的，該裝置還包括：模型訓(xùn)練模塊35，用于將利用規(guī)則引擎識(shí)別出的業(yè)務(wù)數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，對(duì)分類器模型進(jìn)行訓(xùn)練。

模型訓(xùn)練模塊35進(jìn)一步用于：對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)處理，過(guò)濾掉訓(xùn)練數(shù)據(jù)中的無(wú)用字段和/或不被識(shí)別的內(nèi)容；構(gòu)建訓(xùn)練數(shù)據(jù)集作為參數(shù)傳遞給分類算法，訓(xùn)練得到分類器；對(duì)訓(xùn)練出的分類器進(jìn)行評(píng)價(jià)，將通過(guò)評(píng)價(jià)體系驗(yàn)證的分類器存入分類器模型數(shù)據(jù)庫(kù)中以供調(diào)用。評(píng)價(jià)體系包含以下評(píng)價(jià)標(biāo)準(zhǔn)的一項(xiàng)或多項(xiàng)：正確率、誤判率、訓(xùn)練時(shí)間的長(zhǎng)短以及ROC曲線。分類器的訓(xùn)練和評(píng)價(jià)是在線下觸發(fā)的，避免讓實(shí)時(shí)的業(yè)務(wù)數(shù)據(jù)等待分類器創(chuàng)建，更符合實(shí)時(shí)性要求。

本實(shí)施例分類器模型所采用的算法可以為決策樹(shù)算法、樸素貝葉斯算法、神經(jīng)網(wǎng)絡(luò)算法、或邏輯回歸算法。本發(fā)明對(duì)此不做限制。

進(jìn)一步的，該裝置還包括：規(guī)則生成模塊36，用于根據(jù)利用分類器模型識(shí)別出的欺詐業(yè)務(wù)數(shù)據(jù)生成新的規(guī)則，將新的規(guī)則添加到規(guī)則引擎中，以此反作用于規(guī)則引擎，使得分類器模型和規(guī)則引擎都能得以更新。

進(jìn)一步的，該裝置還包括：綜合識(shí)別模塊37，用于獲取規(guī)則引擎和分類器模型的預(yù)設(shè)權(quán)重；當(dāng)調(diào)用規(guī)則引擎和分類器模型對(duì)所述融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別時(shí)，按照各自的預(yù)設(shè)權(quán)重對(duì)識(shí)別結(jié)果進(jìn)行處理得到所述判定結(jié)果。

進(jìn)一步的，該裝置還將已設(shè)定識(shí)別標(biāo)簽的業(yè)務(wù)數(shù)據(jù)寫入數(shù)據(jù)庫(kù)中，當(dāng)審計(jì)人員對(duì)識(shí)別標(biāo)簽有異議時(shí)，可隨時(shí)在數(shù)據(jù)庫(kù)中調(diào)取數(shù)據(jù)進(jìn)行修正，保證模型訓(xùn)練數(shù)據(jù)的正確性，提高業(yè)務(wù)數(shù)據(jù)識(shí)別的準(zhǔn)確性。

另外，本裝置還可在直觀的圖形用戶頁(yè)面中顯示識(shí)別結(jié)果和相應(yīng)的規(guī)則，客戶可方便地在頁(yè)面上編輯(包含創(chuàng)建、修改、刪除、搜索、測(cè)試和使用)各種規(guī)則，而不需要專業(yè)的規(guī)則編輯人員進(jìn)行編輯。還可明確每條規(guī)則的用途和優(yōu)先級(jí)，當(dāng)觸發(fā)規(guī)則時(shí)有理有據(jù)的將觸發(fā)原因顯示在頁(yè)面上。客戶還可以在線進(jìn)行規(guī)則的測(cè)試，測(cè)試時(shí)按照正常流程對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，但不將識(shí)別結(jié)果寫入數(shù)據(jù)庫(kù)中。如果測(cè)試結(jié)果令客戶滿意，可以隨時(shí)將規(guī)則應(yīng)用到線上，及時(shí)阻止?jié)撛陲L(fēng)險(xiǎn)。

根據(jù)本實(shí)施例提供的欺詐業(yè)務(wù)識(shí)別裝置，利用規(guī)則引擎可判斷已知的欺詐行為，利用分類器模型可預(yù)測(cè)未知的欺詐行為。其中在規(guī)則引擎中根據(jù)客戶所屬的行業(yè)靈活的定義規(guī)則，方便系統(tǒng)做出決策；分類器模型可運(yùn)用分類算法，每天運(yùn)行大數(shù)據(jù)集的樣本訓(xùn)練模型保存到數(shù)據(jù)庫(kù)中，提高了模型識(shí)別的準(zhǔn)確性。本裝置結(jié)合了兩種識(shí)別工具的優(yōu)點(diǎn)，第一階段借助初始的規(guī)則引擎對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，為分類器模型的訓(xùn)練做數(shù)據(jù)積累；第二階段使用訓(xùn)練好的分類器模型對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，當(dāng)識(shí)別出新的欺詐行為時(shí)，可生成新的規(guī)則添加到規(guī)則引擎中，以此反作用于規(guī)則引擎，使得分類器模型和規(guī)則引擎都能得以更新，從而解決了規(guī)則引擎不能實(shí)時(shí)更新的問(wèn)題，反過(guò)來(lái)其對(duì)分類器模型提供的訓(xùn)練數(shù)據(jù)更加準(zhǔn)確，使得分類器模型更能精準(zhǔn)地區(qū)分欺詐與非欺詐行為。

在此提供的算法和顯示不與任何特定計(jì)算機(jī)、虛擬系統(tǒng)或者其它設(shè)備固有相關(guān)。各種通用系統(tǒng)也可以與基于在此的示教一起使用。根據(jù)上面的描述，構(gòu)造這類系統(tǒng)所要求的結(jié)構(gòu)是顯而易見(jiàn)的。此外，本發(fā)明也不針對(duì)任何特定編程語(yǔ)言。應(yīng)當(dāng)明白，可以利用各種編程語(yǔ)言實(shí)現(xiàn)在此描述的本發(fā)明的內(nèi)容，并且上面對(duì)特定語(yǔ)言所做的描述是為了披露本發(fā)明的最佳實(shí)施方式。

在此處所提供的說(shuō)明書中，說(shuō)明了大量具體細(xì)節(jié)。然而，能夠理解，本發(fā)明的實(shí)施例可以在沒(méi)有這些具體細(xì)節(jié)的情況下實(shí)踐。在一些實(shí)例中，并未詳細(xì)示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對(duì)本說(shuō)明書的理解。

類似地，應(yīng)當(dāng)理解，為了精簡(jiǎn)本公開(kāi)并幫助理解各個(gè)發(fā)明方面中的一個(gè)或多個(gè)，在上面對(duì)本發(fā)明的示例性實(shí)施例的描述中，本發(fā)明的各個(gè)特征有時(shí)被一起分組到單個(gè)實(shí)施例、圖、或者對(duì)其的描述中。然而，并不應(yīng)將該公開(kāi)的方法解釋成反映如下意圖：即所要求保護(hù)的本發(fā)明要求比在每個(gè)權(quán)利要求中所明確記載的特征更多的特征。更確切地說(shuō)，如下面的權(quán)利要求書所反映的那樣，發(fā)明方面在于少于前面公開(kāi)的單個(gè)實(shí)施例的所有特征。因此，遵循具體實(shí)施方式的權(quán)利要求書由此明確地并入該具體實(shí)施方式，其中每個(gè)權(quán)利要求本身都作為本發(fā)明的單獨(dú)實(shí)施例。

本領(lǐng)域那些技術(shù)人員可以理解，可以對(duì)實(shí)施例中的設(shè)備中的模塊進(jìn)行自適應(yīng)性地改變并且把它們?cè)O(shè)置在與該實(shí)施例不同的一個(gè)或多個(gè)設(shè)備中?？梢园褜?shí)施例中的模塊或單元或組件組合成一個(gè)模塊或單元或組件，以及此外可以把它們分成多個(gè)子模塊或子單元或子組件。除了這樣的特征和/或過(guò)程或者單元中的至少一些是相互排斥之外，可以采用任何組合對(duì)本說(shuō)明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開(kāi)的所有特征以及如此公開(kāi)的任何方法或者設(shè)備的所有過(guò)程或單元進(jìn)行組合。除非另外明確陳述，本說(shuō)明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開(kāi)的每個(gè)特征可以由提供相同、等同或相似目的的替代特征來(lái)代替。

此外，本領(lǐng)域的技術(shù)人員能夠理解，盡管在此的一些實(shí)施例包括其它實(shí)施例中所包括的某些特征而不是其它特征，但是不同實(shí)施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實(shí)施例。例如，在下面的權(quán)利要求書中，所要求保護(hù)的實(shí)施例的任意之一都可以以任意的組合方式來(lái)使用。

本發(fā)明的各個(gè)部件實(shí)施例可以以硬件實(shí)現(xiàn)，或者以在一個(gè)或者多個(gè)處理器上運(yùn)行的軟件模塊實(shí)現(xiàn)，或者以它們的組合實(shí)現(xiàn)。本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，可以在實(shí)踐中使用微處理器或者數(shù)字信號(hào)處理器(DSP)來(lái)實(shí)現(xiàn)根據(jù)本發(fā)明實(shí)施例的裝置中的一些或者全部部件的一些或者全部功能。本發(fā)明還可以實(shí)現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的設(shè)備或者裝置程序(例如，計(jì)算機(jī)程序和計(jì)算機(jī)程序產(chǎn)品)。這樣的實(shí)現(xiàn)本發(fā)明的程序可以存儲(chǔ)在計(jì)算機(jī)可讀介質(zhì)上，或者可以具有一個(gè)或者多個(gè)信號(hào)的形式。這樣的信號(hào)可以從因特網(wǎng)網(wǎng)站上下載得到，或者在載體信號(hào)上提供，或者以任何其他形式提供。

應(yīng)該注意的是上述實(shí)施例對(duì)本發(fā)明進(jìn)行說(shuō)明而不是對(duì)本發(fā)明進(jìn)行限制，并且本領(lǐng)域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設(shè)計(jì)出替換實(shí)施例。在權(quán)利要求中，不應(yīng)將位于括號(hào)之間的任何參考符號(hào)構(gòu)造成對(duì)權(quán)利要求的限制。單詞“包含”不排除存在未列在權(quán)利要求中的元件或步驟。位于元件之前的單詞“一”或“一個(gè)”不排除存在多個(gè)這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當(dāng)編程的計(jì)算機(jī)來(lái)實(shí)現(xiàn)。在列舉了若干裝置的單元權(quán)利要求中，這些裝置中的若干個(gè)可以是通過(guò)同一個(gè)硬件項(xiàng)來(lái)具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序。可將這些單詞解釋為名稱。

本發(fā)明公開(kāi)了：A1、一種欺詐業(yè)務(wù)識(shí)別方法，其中，包括：

接收業(yè)務(wù)數(shù)據(jù)，將業(yè)務(wù)數(shù)據(jù)與基礎(chǔ)數(shù)據(jù)進(jìn)行數(shù)據(jù)融合處理得到融合業(yè)務(wù)數(shù)據(jù)；

調(diào)用規(guī)則引擎和/或分類器模型對(duì)所述融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，得到判定結(jié)果；

根據(jù)判定結(jié)果為所述業(yè)務(wù)數(shù)據(jù)設(shè)定識(shí)別標(biāo)簽，將已設(shè)定識(shí)別標(biāo)簽的業(yè)務(wù)數(shù)據(jù)返回給調(diào)用方。

A2、根據(jù)A1所述的方法，其中，在所述調(diào)用規(guī)則引擎對(duì)所述融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，得到判定結(jié)果，根據(jù)判定結(jié)果為所述業(yè)務(wù)數(shù)據(jù)設(shè)定識(shí)別標(biāo)簽之后，所述方法還包括：將利用規(guī)則引擎識(shí)別出的業(yè)務(wù)數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，對(duì)所述分類器模型進(jìn)行訓(xùn)練。

A3、根據(jù)A2所述的方法，其中，所述對(duì)模型進(jìn)行訓(xùn)練進(jìn)一步包括：

對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)處理，過(guò)濾掉訓(xùn)練數(shù)據(jù)中的無(wú)用字段和/或不被識(shí)別的內(nèi)容；

構(gòu)建訓(xùn)練數(shù)據(jù)集作為參數(shù)傳遞給分類算法，訓(xùn)練得到分類器；

對(duì)訓(xùn)練出的分類器進(jìn)行評(píng)價(jià)，將通過(guò)評(píng)價(jià)體系驗(yàn)證的分類器存入分類器模型數(shù)據(jù)庫(kù)中以供調(diào)用。

A4、根據(jù)A3所述的方法，其中，所述評(píng)價(jià)體系包含以下評(píng)價(jià)標(biāo)準(zhǔn)的一項(xiàng)或多項(xiàng)：正確率、誤判率、訓(xùn)練時(shí)間的長(zhǎng)短以及ROC曲線。

A5、根據(jù)A1所述的方法，其中，在所述調(diào)用分類器模型對(duì)所述融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，得到判定結(jié)果，根據(jù)判定結(jié)果為所述業(yè)務(wù)數(shù)據(jù)設(shè)定識(shí)別標(biāo)簽之后，所述方法還包括：根據(jù)利用分類器模型識(shí)別出的欺詐業(yè)務(wù)數(shù)據(jù)生成新的規(guī)則，將所述新的規(guī)則添加到所述規(guī)則引擎中。

A6、根據(jù)A1或A5所述的方法，其中，所述規(guī)則引擎所使用的規(guī)則包含以下一項(xiàng)或多項(xiàng)：黑名單規(guī)則、白名單規(guī)則和維度規(guī)則。

A7、根據(jù)A1所述的方法，其中，所述調(diào)用規(guī)則引擎對(duì)所述融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，得到判定結(jié)果進(jìn)一步包括：

所述調(diào)用規(guī)則引擎對(duì)所述融合業(yè)務(wù)數(shù)據(jù)的各個(gè)維度數(shù)據(jù)進(jìn)行打分；

綜合各個(gè)維度數(shù)據(jù)的分?jǐn)?shù)得到所述融合業(yè)務(wù)數(shù)據(jù)的欺詐分?jǐn)?shù)；以及

根據(jù)所述融合業(yè)務(wù)數(shù)據(jù)的欺詐分?jǐn)?shù)，得到判定結(jié)果。

A8、根據(jù)A7所述的方法，其中，所述維度數(shù)據(jù)具體為所述融合業(yè)務(wù)數(shù)據(jù)的預(yù)設(shè)字段或預(yù)設(shè)字段的組合。

A9、根據(jù)A1所述的方法，其中，所述調(diào)用規(guī)則引擎和/或分類器模型對(duì)所述融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，得到判定結(jié)果進(jìn)一步包括：

獲取規(guī)則引擎和分類器模型的預(yù)設(shè)權(quán)重；

當(dāng)調(diào)用規(guī)則引擎和分類器模型對(duì)所述融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別時(shí)，按照各自的預(yù)設(shè)權(quán)重對(duì)識(shí)別結(jié)果進(jìn)行處理得到所述判定結(jié)果。

A10、根據(jù)A1所述的方法，其中，所述基礎(chǔ)數(shù)據(jù)包含業(yè)務(wù)產(chǎn)生位置相關(guān)信息和/或業(yè)務(wù)產(chǎn)生設(shè)備相關(guān)信息和/或業(yè)務(wù)產(chǎn)生用戶相關(guān)信息。

本發(fā)明還公開(kāi)了：B11、一種欺詐業(yè)務(wù)識(shí)別裝置，其中，包括：

數(shù)據(jù)融合模塊，用于接收業(yè)務(wù)數(shù)據(jù)，將業(yè)務(wù)數(shù)據(jù)與基礎(chǔ)數(shù)據(jù)進(jìn)行數(shù)據(jù)融合處理得到融合業(yè)務(wù)數(shù)據(jù)；

規(guī)則識(shí)別模塊，用于調(diào)用規(guī)則引擎對(duì)所述融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，得到判定結(jié)果；

模型識(shí)別模塊，用于調(diào)用分類器模型對(duì)所述融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別，得到判定結(jié)果；

標(biāo)簽設(shè)定模塊，用于根據(jù)判定結(jié)果為所述業(yè)務(wù)數(shù)據(jù)設(shè)定識(shí)別標(biāo)簽，將已設(shè)定識(shí)別標(biāo)簽的業(yè)務(wù)數(shù)據(jù)返回給調(diào)用方。

B12、根據(jù)B11所述的裝置，其中，所述裝置還包括：模型訓(xùn)練模塊，用于將利用規(guī)則引擎識(shí)別出的業(yè)務(wù)數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，對(duì)所述分類器模型進(jìn)行訓(xùn)練。

B13、根據(jù)B12所述的裝置，其中，所述模型訓(xùn)練模塊進(jìn)一步用于：

對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)處理，過(guò)濾掉訓(xùn)練數(shù)據(jù)中的無(wú)用字段和/或不被識(shí)別的內(nèi)容；

構(gòu)建訓(xùn)練數(shù)據(jù)集作為參數(shù)傳遞給分類算法，訓(xùn)練得到分類器；

對(duì)訓(xùn)練出的分類器進(jìn)行評(píng)價(jià)，將通過(guò)評(píng)價(jià)體系驗(yàn)證的分類器存入分類器模型數(shù)據(jù)庫(kù)中以供調(diào)用。

B14、根據(jù)B13所述的裝置，其中，所述評(píng)價(jià)體系包含以下評(píng)價(jià)標(biāo)準(zhǔn)的一項(xiàng)或多項(xiàng)：正確率、誤判率、訓(xùn)練時(shí)間的長(zhǎng)短以及ROC曲線。

B15、根據(jù)B11所述的裝置，其中，所述裝置還包括：規(guī)則生成模塊，用于根據(jù)利用分類器模型識(shí)別出的欺詐業(yè)務(wù)數(shù)據(jù)生成新的規(guī)則，將所述新的規(guī)則添加到所述規(guī)則引擎中。

B16、根據(jù)B11或B15所述的裝置，其中，所述規(guī)則引擎所使用的規(guī)則包含以下一項(xiàng)或多項(xiàng)：黑名單規(guī)則、白名單規(guī)則和維度規(guī)則。

B17、根據(jù)B11所述的裝置，其中，所述規(guī)則識(shí)別模塊進(jìn)一步用于：調(diào)用規(guī)則引擎對(duì)所述融合業(yè)務(wù)數(shù)據(jù)的各個(gè)維度數(shù)據(jù)進(jìn)行打分；綜合各個(gè)維度數(shù)據(jù)的分?jǐn)?shù)得到所述融合業(yè)務(wù)數(shù)據(jù)的欺詐分?jǐn)?shù)；以及根據(jù)所述融合業(yè)務(wù)數(shù)據(jù)的欺詐分?jǐn)?shù)，得到判定結(jié)果。

B18、根據(jù)B17所述的裝置，其中，所述維度數(shù)據(jù)具體為所述融合業(yè)務(wù)數(shù)據(jù)的預(yù)設(shè)字段或預(yù)設(shè)字段的組合。

B19、根據(jù)B11所述的裝置，其中，所述裝置還包括：綜合識(shí)別模塊，用于獲取規(guī)則引擎和分類器模型的預(yù)設(shè)權(quán)重；當(dāng)調(diào)用規(guī)則引擎和分類器模型對(duì)所述融合業(yè)務(wù)數(shù)據(jù)進(jìn)行識(shí)別時(shí)，按照各自的預(yù)設(shè)權(quán)重對(duì)識(shí)別結(jié)果進(jìn)行處理得到所述判定結(jié)果。

B20、根據(jù)B11所述的裝置，其中，所述基礎(chǔ)數(shù)據(jù)包含業(yè)務(wù)產(chǎn)生位置相關(guān)信息和/或業(yè)務(wù)產(chǎn)生設(shè)備相關(guān)信息和/或業(yè)務(wù)產(chǎn)生用戶相關(guān)信息。