一種構建偽卡識別模型、偽卡識別的方法及計算設備技術

本申請提供了一種構建偽卡識別模型、偽卡識別的方法及計算設備，主要方法包括：構建第一初始模型及第二初始模型，獲取各偽卡在不同時長標準下的交易數據作為樣本，針對同一時長標準下的樣本，分別通過所述時長標準下的樣本對所述第一初始模型進行訓練，得到所述時長標準下的第一模型，將至少一個時長標準下的樣本，通過所述第二初始模型得到所述各輸入特征的第二值，通過所述各輸入特征的第二值及不同時長標準下的各第一模型，確定出偽卡識別效果滿足設定要求的偽卡識別模型。通過上述方式構建了一種偽卡識別模型、偽卡識別的方法，可以判斷出偽卡的風險概率，并識別出有偽卡風險的商戶。商戶。商戶。

【技術實現步驟摘要】
一種構建偽卡識別模型、偽卡識別的方法及計算設備


[0001]本專利技術實施例涉及信息
，尤其涉及一種構建偽卡識別模型、偽卡識別的方法及計算設備。

技術介紹

[0002]在銀聯交易的數據中，識別終端操作的標準技術方法是通過POS機的應答碼，偽卡的盜刷行為會產生兩種應答碼，以此可以判斷出此卡是否是偽冒卡或有作弊嫌疑的卡。
[0003]但是，依靠POS機應答碼進行判斷，會出現誤判的情況，如由于在POS機安裝時候測試卡出錯導致在實際的交易中POS機應答碼誤判，因此無法準確判斷出此卡是否為一張偽冒卡或有作弊嫌疑的卡。

技術實現思路

[0004]本申請實施例提供了一種構建偽卡識別模型、偽卡識別的方法，在偽卡應答碼的基礎上可以更精準判斷被偽卡的風險概率，并且通過交易習慣挖掘出未被識別出有偽卡盜刷嫌疑的卡。
[0005]第一方面，本申請實施例提供了一種構建偽卡識別模型的方法，該方法包括：
[0006]構建第一初始模型及第二初始模型；所述第一初始模型與所述第二初始模型具有相同的輸入特征及不同的處理邏輯；
[0007]獲取各偽卡在不同時長標準下的交易數據作為樣本；任一時長是以第一次和最后一次發生偽卡交易的時間點為基準進行選取的；
[0008]針對同一時長標準下的樣本，分別通過所述時長標準下的樣本對所述第一初始模型進行訓練，得到所述時長標準下的第一模型；其中，第一模型中具有訓練后的各輸入特征的第一值；
[0009]將至少一個時長標準下的樣本，通過所述第二初始模型得到所述各輸入特征的第二值；
[0010]通過所述各輸入特征的第二值及不同時長標準下的各第一模型，確定出偽卡識別效果滿足設定要求的偽卡識別模型。
[0011]本申請實施例通過具有相同的輸入特征及不同的處理邏輯的兩種模型，提升了最終構建的偽卡識別模型的識別效果；同時，以所述交易第一次和最后一次發生應答碼的時間點為基準點，將不同時長標準下的交易數據作為樣本，通過交易數據進行偽卡識別模型的構建，不再是僅依靠POS機應答碼在進行判斷，提高了偽卡識別的準確度。
[0012]可選的，通過所述各輸入特征的第二值及不同時長標準下的各第一模型，確定出偽卡識別效果滿足設定要求的偽卡識別模型，包括：
[0013]針對任一時長標準下的第一模型，通過所述各輸入特征的第二值更新所述第一模型中對應的第一值，得到修正模型；
[0014]從不同時長標準下的各修正模型，確定出偽卡識別效果滿足設定要求的修正模型
為偽卡識別模型。
[0015]針對不同時長標準下第一模型，用各輸入特征的第二值來調整第一模型中所對應的第一值，將調整后的模型作為所述修正模型，使得修正模型融合了第一模型和第二模型的訓練結果，進一步從各修正模型中選取滿足設定要求的修正模型為偽卡識別模型，進一步從不同時長標準下確定了進行偽卡識別效果更好的時長標準。
[0016]可選的，從不同時長標準下的各修正模型，確定出偽卡識別效果滿足設定要求的修正模型為偽卡識別模型，包括：
[0017]針對任一時長標準下的修正模型，將所述時長標準的任一樣本輸入所述修正模型，得到所述樣本的預測偽卡結果；根據各樣本的預測偽卡結果，確定所述修正模型的偽卡識別效果；
[0018]將偽卡識別效果最優的修正模型作為偽卡識別模型。
[0019]在各個修正模型中輸入任意樣本，根據各個修正模型的預測樣本結果和真實樣本結果進行比對，如將預測值和真實值偏差最小的模型作為最終的偽卡識別模型，通過樣本方式來篩選出偽卡識別模型。
[0020]可選的，所述第一初始模型為邏輯回歸模型；所述第二初始模型為樸素貝葉斯模型；
[0021]通過所述各輸入特征的第二值及不同時長標準下的各第一模型，確定出偽卡識別效果滿足設定要求的偽卡識別模型，包括：
[0022]從不同時長標準下的各第一模型中，確定出偽卡識別效果最優的第一模型；
[0023]通過所述各輸入特征的第二值以及偽卡識別效果最優的第一模型中的各輸入特征的第一值，確定出偽卡識別模型。
[0024]通過上述方案從各第一模型中確定出偽卡識別效果最優的第一模型，即此第一模型對應的時長標準作為進行偽卡識別的交易數據依據最優進一步，在此模型上應用第二模型得到的各輸入特征的第二值，將第一值和第二值相結合，得到最終的滿足設定要求的偽卡識別模型。
[0025]第二方面，本申請實施例提供了一種偽卡識別方法，包括：
[0026]確定具有指示偽卡的交易應答碼的嫌疑卡；
[0027]獲取所述嫌疑卡以所述交易第一次和最后一次發生應答碼的時間點為基準在設定時長下的第一交易數據；
[0028]根據所述第一交易數據，確定各輸入特征對應的第一輸入特征值；
[0029]將各第一輸入特征輸入偽卡識別模型，判斷此卡為偽卡的風險概率；所述偽卡識別模型是通過上述第一方面的方法得到的。
[0030]在上述方式中對具有指示偽卡的交易應答碼的嫌疑卡，通過偽卡識別模型進一步判斷。以該嫌疑卡第一次和最后一次發生過應答碼的時間為基準點，獲取在偽卡識別模型對應的設定時長下此卡的交易數據，從而確定交易特征，將此交易特征輸入至偽卡識別模型中，判斷此卡是否為偽卡。通過指示偽卡的交易應答碼及運用交易數據的偽卡識別模型，兩層判斷的方式，提升了偽卡識別的準確性。
[0031]可選的，還包括：
[0032]針對任一正常卡，獲取所述卡在所述設定時長下的第二交易數據；
[0033]根據所述第二交易數據，確定各輸入特征對應的第二輸入特征；
[0034]將各第二輸入特征輸入所述偽卡識別模型，判斷此卡為偽卡的風險概率。
[0035]所述任一正常卡即沒有發生過指示偽卡的交易應答碼，根據此卡的交易數據確定此卡的交易特征，將其交易特征輸入至偽卡識別模型中，判斷此卡是否為正常卡。通過此方式，可以根據交易數據挖掘出具有偽卡可能性的正常卡，在發生指示偽卡的交易應答碼之前，對此類正常卡就可以重點跟蹤了。
[0036]可選的，所述判斷出此卡為偽卡的風險概率之后，還包括：
[0037]針對任一商戶，確定在所述商戶消費的各偽卡的統計信息；根據所述統計信息，構建所述商戶在不同維度下的維度向量；
[0038]將各商戶的維度向量進行聚類，確定各商戶的商戶偽卡風險。
[0039]上述方式中通過識別出的偽卡進一步進行商戶評估，在對商戶進行風險評判時用到了不同維度下的維度向量，對各商戶的維度向量采用聚類算法，確定各個商戶偽卡風險等級。此方式中，通過對偽卡在商戶的消費情況，進一步挖掘出具有偽卡嫌疑的商戶，可進一步降低后續偽卡交易的發生。
[0040]可選的，確定在所述商戶消費的各偽卡的統計信息，包括：
[0041]針對在所述商戶下消費的任一偽卡，確定所述偽卡的風險等級；根據各風險等級下的偽卡數量，確定所述商戶的偽卡分布信息；
[0042]確定所述商戶下各偽卡的偽卡消費占比；...

【技術保護點】

【技術特征摘要】
1.一種構建偽卡識別模型的方法，其特征在于，所述方法包括：構建第一初始模型及第二初始模型；所述第一初始模型與所述第二初始模型具有相同的輸入特征及不同的處理邏輯；獲取各偽卡在不同時長標準下的交易數據作為樣本；任一時長是以第一次和最后一次發生偽卡交易的時間點為基準進行選取的；針對同一時長標準下的樣本，分別通過所述時長標準下的樣本對所述第一初始模型進行訓練，得到所述時長標準下的第一模型；其中，第一模型中具有訓練后的各輸入特征的第一值；將至少一個時長標準下的樣本，通過所述第二初始模型得到所述各輸入特征的第二值；通過所述各輸入特征的第二值及不同時長標準下的各第一模型，確定出偽卡識別效果滿足設定要求的偽卡識別模型。2.根據權利要求1所述的方法，其特征在于，通過所述各輸入特征的第二值及不同時長標準下的各第一模型，確定出偽卡識別效果滿足設定要求的偽卡識別模型，包括：針對任一時長標準下的第一模型，通過所述各輸入特征的第二值更新所述第一模型中對應的第一值，得到修正模型；從不同時長標準下的各修正模型，確定出偽卡識別效果滿足設定要求的修正模型為偽卡識別模型。3.根據權利要求2所述的方法，其特征在于，從不同時長標準下的各修正模型，確定出偽卡識別效果滿足設定要求的修正模型為偽卡識別模型，包括：針對任一時長標準下的修正模型，將所述時長標準的任一樣本輸入所述修正模型，得到所述樣本的預測偽卡結果；根據各樣本的預測偽卡結果，確定所述修正模型的偽卡識別效果；將偽卡識別效果最優的修正模型作為偽卡識別模型。4.根據權利要求1所述的方法，其特征在于，所述第一初始模型為邏輯回歸模型；所述第二初始模型為樸素貝葉斯模型；通過所述各輸入特征的第二值及不同時長標準下的各第一模型，確定出偽卡識別效果滿足設定要求的偽卡識別模型，包括：從不同時長標準下的各第一模型中，確定出偽卡識別效果最優的第一模型；通過所述各輸入特征的第二值以及偽卡識別效果最優的...

【專利技術屬性】
技術研發人員：程一然，郭芫菲，劉海濤，孫嘉懋，沈迪宇，朱峰言，徐婷婷，趙萌，
申請(專利權)人：銀聯智策顧問上海有限公司，
類型：發明
國別省市：