基于滑动时间窗口的金融反欺诈检测应用

发布时间：2021-06-23 00:06

　　随着网络信息技术的快速发展,互联网金融欺诈现象不断发生,制约着银行金融科技企业的发展,也会导致诸多社会经济问题。通过构建基于机器学习的欺诈检测模型来进行反欺诈检测已成为此领域的主流思路。介绍了互联网金融的反欺诈现状,在网络支付模式下,提出了一种基于滑动时间窗口的反欺诈检测方法,从两个大维度挖掘各类风险交易特征,统计用户近期历史行为,构建机器学习反欺诈检测模型,并在网络支付的真实数据集上验证了其有效性。 

【文章来源】：电脑与电信. 2019,(12)

【文章页数】：5 页

【部分图文】：

基于滑动时间窗口的反欺诈检测模型架构

在本文的方法中，通过为每个用户维护一个交易清单列表达到实现滑动时间窗口结构的目的。本工作使用Redis来实现此交易清单列表的功能。在Redis中，可以通过链表结构来构建一段列表数据，这意味着无论数据量的大小，数据的头和尾操作都非常快。对于每个用户，我们在Redis中构建一个列表，相对应的就是在一个时间窗口内存储与用户相关的交易数据。当用户进行下一笔交易时，新交易将被添加到列表的尾部，一旦交易列表的大小超过时间窗口的大小，则应从列表中删除最旧的事务，即删除列表头的交易，直到列表大小符合要求。上述步骤的实现可以实现交易列表的更新。2.3 风险特征挖掘

该方法存在诸多可扩展和改进之处：（1）滑动时间窗口的大小选择影响着模型的性能，需要在滑动时间窗口大小的优化选择与动态选择上继续进行研究；（2）尝试在更多实际的在线网络支付数据集以及不同互联网金融场景下验证所提方法的有效性和通用性。图5 应用不同大小的滑动时间窗口对真正例率、精确率和F1-Score指标的影响


本文编号：3243808