基于时空聚集的网贷反欺诈建模与研究

• 作者: 俞旭峰 张子柯 王澎 郭威
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 数据挖掘 金融欺诈识别 时空数据分析 近邻指数 LSTM
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 行业应用
• 页码范围: 69-74
• 页数: 6页
• 分类号: TP391
• 字数: 3632字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2020.02.013

摘要

识别突发的团伙欺诈已经成为网贷业务中亟待解决的问题.在特征维度较少的情况下,提出了一种基于时空聚集的网贷反欺诈模型.首先基于用户定位信息和申请贷款的时间,设计了一个适用于网贷场景下的聚集指标:K-N最近邻指数;然后,将不同时间观察窗口的K-N最近邻指数利用基于LSTM(长短期记忆网络)的seq2seq(序列到序列)模型提取embedding(嵌入)特征;最后,利用LightGBM模型预测欺诈发生的概率.实验结果表明,所提出的指标能更有效地捕捉坏账,且相比于仅使用基础特征,预测结果的KS值和AUC都有了较好的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张子柯	杭州师范大学阿里巴巴复杂科学研究中心	12	155	5.0	12.0
2	王澎	杭州师范大学阿里巴巴复杂科学研究中心	3	5	1.0	2.0
3	俞旭峰	杭州师范大学阿里巴巴复杂科学研究中心	1	0	0.0	0.0