2024機(jī)器學(xué)習(xí)在反欺詐中應(yīng)用

機(jī)器學(xué)習(xí)在反欺詐中應(yīng)用一、關(guān)于反欺詐（一）欺詐風(fēng)險(xiǎn)簡介（二）反欺詐生命周期簡介Da二、機(jī)器學(xué)習(xí)應(yīng)用（一）反欺詐規(guī)則的缺點(diǎn)反欺詐一般通過兩種方式，一種是設(shè)定規(guī)則，另一種是通過算法。規(guī)則在反欺詐實(shí)踐中應(yīng)用也較多，但是缺點(diǎn)也明顯，主要表現(xiàn)為：策略性較強(qiáng)，命中直接拒絕，而且黑名單本身的誤傷性也較強(qiáng)；無法給出用戶的欺詐風(fēng)險(xiǎn)有多大；未考慮用戶從信用風(fēng)險(xiǎn)向欺詐風(fēng)險(xiǎn)的轉(zhuǎn)移，尤其是在行業(yè)不景氣時(shí)。（二）機(jī)器學(xué)習(xí)有監(jiān)督模型評分卡一般運(yùn)用在信用風(fēng)險(xiǎn)評估，如：A卡（申請?jiān)u分卡）和B卡（行為評分卡）等，反欺詐也會運(yùn)用有監(jiān)督學(xué)習(xí)，如評分卡（F卡），具體如下：AB（三）部分常規(guī)機(jī)器學(xué)習(xí)在反欺詐中應(yīng)用在反欺詐中用到的機(jī)器學(xué)習(xí)主要有下圖幾種。其中，iforest通常用來做數(shù)據(jù)離群點(diǎn)的異常數(shù)據(jù)方面，進(jìn)行加權(quán)或算法調(diào)整。svmarimakmean三、深度學(xué)習(xí)應(yīng)用此部分對人工神經(jīng)網(wǎng)絡(luò)（ANN）和時(shí)間序列進(jìn)行簡單介紹。時(shí)間序列部分介紹RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）和LSTM（長短記憶循環(huán)神經(jīng)網(wǎng)絡(luò)）兩種算法。LSTM是RNN的優(yōu)化版，在特征較多時(shí)，RNN計(jì)算量會呈指數(shù)式增長，其計(jì)算復(fù)雜度也會增加，如下圖：LSTMRNN（forget（input和輸出閥門（forgetgate）RNNB（行為評分卡），一是異常檢測。LSTM在這兩個(gè)場景中的應(yīng)用。在行為評分卡的應(yīng)用中，當(dāng)用戶在金融機(jī)構(gòu)embeddingLSTM另外在使用LSTM時(shí)需注意4點(diǎn)：embedding0embeddingonehot樣本量少時(shí)，應(yīng)通過仿真模型進(jìn)行異常檢測評估，仿真模型能夠有效解決信用風(fēng)險(xiǎn)轉(zhuǎn)欺詐風(fēng)險(xiǎn)的導(dǎo)致模型失效的問題。四、圖譜相關(guān)應(yīng)用KStrustrank，關(guān)系embedding（一）常規(guī)統(tǒng)計(jì)IP（二）復(fù)雜網(wǎng)絡(luò)embedding算法有時(shí)候機(jī)器無法識別信息，需要將信息向量化（embedding），將信息向量化后才可以做embeddingnode2vecnode2vecwalk）word2vec。randomwalk詞的共線性可以做wrdvcwrdvec與NLP的wrdvecEmbddng50128（三）trustrank算法Trustrankpagerank的升級版，當(dāng)前我司用的trustranktrustrank，而是改變其中的某些算法。trustrankTrustranksparkgraghtrustrankTrustrank