一种基于密集度风险等级的反欺诈检测方法

本发明涉及检测方法技术领域，具体为一种基于密集度风险等级的反欺 诈检测方法。

无法有效识别黑产人员的申请行为，一直是线上信贷行业的风控痛点。 目前，国内机构对黑产人员的欺诈行为识别，主要通过身份验证、行业黑名 单匹配、外部信用数据评估等方式，无法有效识别黑产行为，给风险审核带 来了极大的困扰。上述数据主要通过历史积累，积累周期长、覆盖度低、准 确性差，对黑产套现行为无法准确识别。

本发明的目的在于提供一种基于密集度风险等级的反欺诈检测方法，以 解决上述背景技术中检测方法无法有效识别黑产行为，给风险审核带来了极 大的困扰的问题。

为实现上述目的，本发明提供如下技术方案：一种基于密集度风险等级 的反欺诈检测方法，其步骤如下：

步骤一：用户A申请贷款。

步骤二：提交基本信息。

步骤三：获取终端设备信息。

步骤五：匹配对应城市等级(例杭州对应二线城市)，以申请地LBS1为 中心点，计算位置密集度。

步骤六：采购位置智能分析软件服务，例如地图无忧等，将数据库中位 置信息表的申请地经纬度导入位置智能分析软件中，实时分析展示申请地位 置密集程度。

进一步的，所述申请人的基本信息和位置信息，包括姓名、身份证号、 手机号、设备号、申请地LBS等信息。

进一步的，将用户申请信息进行清洗，清洗建立位置信息表，并作去重 处理，即多个申请订单申请人信息完全相同，则只留存一个信息，字段包括 姓名、身份证号、手机号、设备号、申请地LBS、城市，建立申请地LBS的专 用数据库，将位置信息表实时存储至数据库中，并实时更新。

进一步的，例如有N个用户申请，即有N个申请地LBS，计算统计如下指 标：平均密集度(N)＝(密集度1+密集度2+…+密集度n)/N，10米以内， 申请地LBS的平均密集度计为a，a为申请个数；100米以内，申请地LBS的 平均密集度计为b，b为申请个数；500米以内，申请地LBS的平均密集度计 为c，c为申请个数；1000米以内，申请地LBS的平均密集度计为d，d为申 请个数，3.5依据不同时间周期及城市等级，平均密集度标记如下：以10米 以为平均密集度为例，其他范围统计方式相同。

进一步的，用户向A金融机构申请贷款时，A机构将获取的申请地LBS， 如为位置1，解析出位置的所在城市及对应城市等级，例如A的申请地LBS为 杭州，即为一线或新一线城市，将位置1导入位置智能分析软件，以位置1 位中心点，统计位置1所处位置的密集度，以10米以内密集度为例，其他范 围计算方式相同，计为:近1天的密集度计为p1；近3天的密集度计为p3； 近7天的密集度计为p7，申请地LBS风险等级规则：低风险：(a1)p1<＝2*a1，(a3)p3<＝2*a3，(a7)p7<＝2*a7；中风险:(a1)2*a14*a1，(a3)p3>4*a3，(a7)p7>4*a7。

与现有技术相比，本发明的有益效果是：该基于密集度风险等级的反欺 诈检测方法，通过累计用户申请位置，建立基于申请位置的区域化数据库， 实时演算出申请人的申请位置密集度，并作密集度分层，建立不同等级的申 请位置密集度风险等级，来识别黑产行，能够有效支持申请位置密集度 的风险评估流程，创新性的开辟了申请位置的风险评估方法，能够摆脱外部 信用数据评估不准确的问题，通过申请地LBS密集度分层评估，检测出黑产 欺诈申请，规避高风险申请区域。

图1为本发明流程示意图。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行 清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而 不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做 出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，

本发明公开了一种技术方案：一种基于密集度风险等级的反欺诈检测方 法，其步骤如下：

步骤一：用户A申请贷款。

步骤二：提交基本信息。

步骤三：获取终端设备信息。

步骤五：匹配对应城市等级(例杭州对应二线城市)，以申请地LBS1为 中心点，计算位置密集度。

步骤六：采购位置智能分析软件服务，例如地图无忧等，将数据库中位 置信息表的申请地经纬度导入位置智能分析软件中，实时分析展示申请地位 置密集程度。

本发明中：申请人的基本信息和位置信息，包括姓名、身份证号、手机 号、设备号、申请地LBS等信息。

本发明中：将用户申请信息进行清洗，清洗建立位置信息表，并作去重 处理，即多个申请订单申请人信息完全相同，则只留存一个信息，字段包括 姓名、身份证号、手机号、设备号、申请地LBS、城市，建立申请地LBS的专 用数据库，将位置信息表实时存储至数据库中，并实时更新。

本发明中：例如有N个用户申请，即有N个申请地LBS，计算统计如下指 标：平均密集度(N)＝(密集度1+密集度2+…+密集度n)/N，10米以内， 申请地LBS的平均密集度计为a，a为申请个数；100米以内，申请地LBS的 平均密集度计为b，b为申请个数；500米以内，申请地LBS的平均密集度计 为c，c为申请个数；1000米以内，申请地LBS的平均密集度计为d，d为申 请个数，3.5依据不同时间周期及城市等级，平均密集度标记如下：以10米 以为平均密集度为例，其他范围统计方式相同。

本发明中：用户向A金融机构申请贷款时，A机构将获取的申请地LBS， 如为位置1，解析出位置的所在城市及对应城市等级，例如A的申请地LBS为 杭州，即为一线或新一线城市，将位置1导入位置智能分析软件，以位置1 位中心点，统计位置1所处位置的密集度，以10米以内密集度为例，其他范 围计算方式相同，计为:近1天的密集度计为p1；近3天的密集度计为p3； 近7天的密集度计为p7，申请地LBS风险等级规则：低风险：(a1)p1<＝2*a1，(a3)p3<＝2*a3，(a7)p7<＝2*a7；中风险:(a1)2*a14*a1，(a3)p3>4*a3， (a7)p7>4*a7。

综上所述：该基于密集度风险等级的反欺诈检测方法，通过累计用户申 请位置，建立基于申请位置的区域化数据库，实时演算出申请人的申请位置 密集度，并作密集度分层，建立不同等级的申请位置密集度风险等级，来识 别黑产行，能够有效支持申请位置密集度的风险评估流程，创新性的开 辟了申请位置的风险评估方法，能够摆脱外部信用数据评估不准确的问题， 通过申请地LBS密集度分层评估，检测出黑产欺诈申请，规避高风险申请区 域。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而 言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行 多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限 定。