(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210809660.9 (22)申请日 2022.07.11 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 黄秋洁　黄博　孙斌　关赵阳　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 马小青 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 20/40(2012.01) G06F 16/9035(2019.01) (54)发明名称 一种识别欺诈用户的方法及装置 (57)摘要 本申请提供了一种识别欺诈用户的方法及 装置， 可应用于反欺诈技术领域或金融领域。 在 执行所述方法时， 先获取目标用户数据； 然后结 合银行内部用户数据以及银行外部用户数据对 目标用户及目标用户数据进行判断， 并结合集成 机器学习模 型和专家规则进行欺诈用户的判别。 这样， 通过判断目标用户数据是否存在于银行外 部黑名单用户数据库中， 然后判断目标用户数据 是否符合银行内部欺诈用户数据特征， 实现了银 行外部用户数据与银行内部用户数据的结合， 使 得欺诈用户数据库更加丰富， 进而提高欺诈用户 识别的准确性； 判断目标用户的欺诈概率是否超 过阈值， 进一步丰富了欺诈用户的数据特征； 结 合专家规则进行欺诈用户的识别， 进一步提高了 识别的准确性。 权利要求书2页 说明书7页 附图3页 CN 115187372 A 2022.10.14 CN 115187372 A 1.一种识别欺诈用户的方法， 其特 征在于， 所述方法包括： 获取目标用户的目标用户数据； 判断所述目标用户数据是否存在于银行外部黑名单用户数据库中， 得到第一判断结 果； 若所述第一判断结果为所述目标用户数据不存在于银行外部黑名单用户数据库中， 则 判断所述目标用户数据是否符合银 行内部欺诈用户数据特 征， 得到第二判断结果； 若所述第二判断结果为所述目标用户数据不符合银行内部欺诈用户数据 特征， 则判断 所述目标用户的欺诈概 率是否超过阈值， 得到第三判断结果； 若所述第三判断结果为所述目标用户的欺诈概率未超过阈值， 则判断所述目标用户数 据是否符合专 家规则， 得到第四判断结果； 若所述第四判断结果为所述目标用户数据符合专家规则， 则将所述目标用户数据对应 的目标用户确定为欺诈用户。 2.根据权利要求1所述的方法， 其特征在于， 银行内部欺诈用户数据特征的确定方法， 具体包括： 将银行内部的欺诈用户的数据进行离 散化处理； 利用关联规则挖掘算法确定银 行内部欺诈用户数据特 征。 3.根据权利要求1所述的方法， 其特征在于， 获取目标用户的欺诈概率的方法， 具体包 括： 利用集成学习模型获取目标用户的欺诈概 率。 4.根据权利要求1所述的方法， 其特征在于， 若所述第 二判断结果为所述目标用户数据 符合银行内部欺诈用户数据特 征， 所述方法还 包括： 判断所述目标用户的欺诈概 率是否超过阈值， 得到第三判断结果； 若所述第三判断结果为所述目标用户的欺诈概率未超过阈值， 则判断所述目标用户及 目标用户数据是否符合专 家规则， 得到第四判断结果； 若所述第四判断结果为所述目标用户及目标用户数据符合专家规则， 则将所述目标用 户确定为欺诈用户。 5.根据权利要求1所述的方法， 其特征在于， 若所述第 一判断结果为所述目标用户数据 存在于银 行外部黑名单用户数据库中， 则将所述目标用户确定为欺诈用户。 6.根据权利要求1所述的方法， 其特征在于， 若所述第 二判断结果为所述目标用户数据 符合银行内部欺诈用户数据特 征， 则将所述目标用户确定为欺诈用户。 7.根据权利要求1所述的方法， 其特征在于， 若所述第 三判断结果为所述目标用户的欺 诈概率超过阈值， 则将所述目标用户确定为欺诈用户。 8.根据权利要求1或6所述的方法， 其特征在于， 若所述目标用户为欺诈用户， 所述方法 还包括： 根据所述目标用户数据更新所述银 行内部欺诈用户数据特 征。 9.根据权利要求3所述的方法， 其特征在于， 若所述目标用户为非欺诈用户， 所述方法 还包括： 根据所述目标用户数据更新所述 集成学习模型。 10.一种识别欺诈用户的装置， 其特征在于， 所述装置包括： 获取模块、 判断模块、 确定权　利　要　求　书 1/2 页 2 CN 115187372 A 2模块； 所述获取模块， 用于获取目标用户的目标用户数据； 所述判断模块， 用于判断所述目标用户数据是否存在于银行外部黑名单用户数据库 中， 得到第一判断结果； 若所述第一判断结果为所述 目标用户数据不存在于银行外部黑名 单用户数据库中， 则判断所述 目标用户数据是否符合银行内部欺诈用户数据特征， 得到第 二判断结果； 若所述第二判断结果为所述目标用户数据不符合银行内部欺诈用户数据特 征， 则判断所述目标用户的欺诈概率是否超过阈值， 得到第三判断结果； 若所述第三判断结 果为所述 目标用户的欺诈概率未超过阈值， 则判断所述 目标用户数据是否符合专家规则， 得到第四判断结果； 所述确定模块， 用于若所述第 四判断结果为所述目标用户数据符合专家规则， 则将所 述目标用户数据对应的目标用户确定为欺诈用户。权　利　要　求　书 2/2 页 3 CN 115187372 A 3