CN118379061B 交易欺诈的检测方法、装置、计算机设备以及存储介质 （华南师范大学）

香江大道西55号华南师范大学数据科缺失值填充以及特征编码，删除冗余特征的同征排序，有效提高了特征选择的健壮性和可靠2获得样本线上交易数据，其中，所述样本线上交易数据包以及交易发生域名子数据及交易接受域名子数据；所述交易数值类型包括交易金额子数对若干个样本线上交易记录的所述交易特征数据进行预处理，获对若干个样本线上交易记录的所述交易特征编码数据进行特征构建初始交易欺诈模型，所述初始交易欺诈模型为待根据若干个样本线上交易记录的所述交易特征排序数据、预设的3所述初始交易欺诈模型的分类器包括决策树，所述决策树包括若干个叶个样本线上交易记录的所述交易特征排序数据分别输入至若干棵决策树的若干个叶节点获得若干个样本线上交易记录的真实值，根据若干个样本为当前迭代次数的模型预测第i个样本线上交易记录的黑塞信息，()为正则项函数，n(f)获得待检测线上交易数据，对所述待检测线上交易数据中的若上交易特征排序数据，将所述待检测线上交易特征排序数据输入所述目标交易欺诈模型，所述对若干个样本线上交易记录的所述交易特征数据进行预处理，获得构建若干个样本线上交易记录的所述交易特征数据相4采用皮尔逊相关性分析方法，分别对若干个第一数据列集合中若干个所述第一对数据筛选后的若干个样本线上交易记录的交易特征数据中若干个类型的数据的若若所述交易特征数据的类型为交易参与者类型，采用频率编若所述交易特征数据的类型为交易数值类型，采用统计编码方将所述样本线上交易数据、所述交易参与者类型的数据中若干个子数据采用卡方检验排序方法，对若干个样本线上交易记录的所述交易记录的所述交易特征编码数据中若干个类型的数据对应的特征编码数据进行特征排序，获得若干个样本线上交易记录的交易特征编码数据的第三特征排序序列；采用混合排序方法，根据若干个样本线上交易记录的交易特征5.一种应用于权利要求1至4任一项所述的交易欺诈5数据预处理模块，用于对若干个样本线上交易记录的所述交易特征数据进行预处理，特征排序模块，用于对若干个样本线上交易记录的所述交排序以及极端梯度提升特征重要性排序三种排序的权重模型训练模块，用于构建初始交易欺诈模型，将若干个样本线上交易交易欺诈检测模块，用于获得待检测线上交易数据所述待检测线上交易特征编码数据中的若干个线上交易记录的交易特征编码数据进行特理器执行时实现如权利要求1至4任一项所述的交易欺诈的检测方法6[0002]在线交易欺诈检测是一个追求准确度和实时性的任务，在线上交易欺诈检测领梯度提升特征重要性排序三种排序的权重排序述多目标优化步骤包括分类器的超参数的优化和混合排序的权重参7消除排序以及极端梯度提升特征重要性排序三种排序的权重中的若干个线上交易记录的交易特征数据进行预处理，获得待检测线上交易特征编码数行时实现如第一方面所述交易欺诈的检测方所述计算机程序被处理器执行时实现如第一方面所述的交易欺诈的检测方深度挖掘样本线上交易数据中的空间分布信息与统计信息，有效克服了基础特征的局限，8[0030]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申含一个或多个相关联的列出项目的任何或所[0032]请参阅图1，图1为本申请一个实施例提供的交易欺诈的9[0051]S23：对数据筛选后的若干个样本线上交易记录的交易特征数据中若干个类型的[0054]请参阅图3，图3为本申请一个实施例提供的交易欺诈的检测方法中S23的流程示[0058]检测设备根据若干个所述第一数据列中若干个子数据的原始值以及预设的频率[0061]检测设备将所述交易参与者类型的数据中若干个子数据的原始值对应频率次数[0065]检测设备将所述交易数值类型的数据中若干个子数据的原始值以及统计数据中创建作为新的数据列，获得所述交易数值类型的数据中若干个子数据对应的统计编码数[0066]具体地，检测设备获得若干个所述第一数据列中若干个应的频率编码数据以及所述交易数值类型的数据中若干个子数据对应的统计编码数据进中若干个子数据对应的频率编码数据以及所述交易数值类型的数据中若干个子数据对应极端梯度提升特征重要性排序三种排序的权重排中，所述样本线上交易特征排序数据包括若干个样本线上交易记录的交易特征排序数据，据进行特征排序，获得若干个样本线上交易记录的交易特征编码数据的第一特征排序序样本线上交易记录的所述交易特征编码数据中若干个类型的数据对应的特征编码数据进征排序序列。表自由度的计算与已求得的卡方统计量计算假定值，根据假定值对特征编码数据进行排特征排序序列。征编码数据进行特征排序，获得若干个样本线上交易记录的交易特征的第二特征排序序列。征排序序列。线上交易记录的交易特征的第一特征排序序列、第二特征排序序列以及第三特征排序序[0086]在本实施例中，检测设备根据若干个样本线上交易记录的所述交易特征排序数[0093]在本实施例中，检测设备根据若干个样本线上交易记录的所述交易特征排序数平均、精确率和召回率的调和平均以及平衡准确率等若干个评估指标设置为最大化目标，[0100]S43：将若干个样本线上交易记录的所述交易特征排序数据分别输入至所述若干的权重分数进行累加，获得当前迭代次数的若干个样本线上交易记录的叶节点权重分数；得经过若干次迭代次数后的若干个样本线上交易记录的迭代次数对应的第i个样本线上交易记录的叶为第t_1次迭代次数对应的第i个样本线上交易记录的预测值，a()为正则项函数，n(f)中的若干个线上交易记录的交易特征数据进行预处理，获得待检测线上交易特征编码数[0112]请参考图7，图7为本申请一个实施例提供的交易欺诈的征消除排序以及极端梯度提升特征重要性排序三种排序的权重排干个样本线上交易记录的所述交易特征数据进行预处理，获得样本线上交易特征编码数个样本线上交易记录的所述交易特征排序数据输入至所述初始交易欺诈模型中进行多目述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器82可选的还可以是至少一个位于远离前述处理器81的存储装置。指令适用于由处理器加载并执行上述图1至图6的方法步骤，具体执行过程可以参见图1至[0130]所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或