数字金融时代 机器学习模型在实时反欺诈中的应用与实践

数字金融时代 机器学习模型在实时反欺诈中的应用与实践

论文摘要

近年来,数字金融蓬勃发展,金融科技日趋成熟,信息技术的发展对社会产生巨大积极作用的同时也带来了新型风险,网络黑产呈爆发式增长,电信网络诈骗给人民群众造成了巨大的财产损失。在数字金融时代,商业银行既迎来了新的机遇与动力,又面临着新的挑战和数字化变革的要求,线上金融业务已经成为新的主战场。在此背景下,基于RFM高维衍生特征和对机器学习算法的研究,构建了基于高维交易行为画像的事中反欺诈机器学习模型。依托大数据、流计算等技术,通过在系统化部署、应用策略以及模型迭代优化等环节的实践,形成了一套基于机器学习模型的事中风控方案。实践证实,该模型的AUC达到了0.972,可以敏锐洞察欺诈风险,实现毫秒级的欺诈交易识别,对于提升线上数字金融业务的事中风控能力具有一定的推广价值和借鉴意义。

论文目录

  • 1 引言
  •   1.1 背景及意义
  •   1.2 交易反欺诈的难点
  •   1.3 基于大数据、人工智能的风控新方向
  • 2 基于交易行为画像的建模方案
  •   2.1 算法选择
  •   2.2 特征构建方案
  •     2.2.1 RFM特征衍生方案
  •     2.2.2 特征筛选方案
  • 3 特征构建及特征选择
  •   3.1 数据准备
  •   3.2 数据下采样及特征衍生
  •   3.3 特征选择
  •   3.4 入模特征评价
  • 4 试验及结果
  •   4.1 数据集划分
  •   4.2 模型训练及超参调优
  •   4.3 评价指标
  •     4.3.1 技术评价指标
  •     4.3.2 业务评价指标
  •   4.4 模型性能
  • 5 模型应用方案
  •   5.1 流式与批量结合的系统部署方案
  •   5.2 模型与规则组合的业务应用方案
  •   5.3 模型运行保障措施
  • 6 模型应用效果及优化迭代
  •   6.1 模型对规则的优化与提升
  •   6.2 模型的优化迭代
  •     6.2.1 监控与迭代机制
  •       (1)模型监控
  •       (2)模型优化与迭代
  •     6.2.2 优化迭代方案
  • 7 结束语
  • 文章来源

    类型: 期刊论文

    作者: 曹汉平,张晓晶,祝睿杰,黄潇拉

    关键词: 数字金融,机器学习,反欺诈,流计算

    来源: 智能科学与技术学报 2019年04期

    年度: 2019

    分类: 社会科学Ⅱ辑,信息科技

    专业: 自动化技术

    单位: 中国银行总行个人数字金融部

    分类号: TP181

    页码: 342-351

    总页数: 10

    文件大小: 2985K

    下载量: 329

    相关论文文献

    标签:;  ;  ;  ;  

    数字金融时代 机器学习模型在实时反欺诈中的应用与实践
    下载Doc文档

    猜你喜欢