基于LSTM和LightGBM组合模型的商户异常交易行为检测模型构建

• 作者: 蔡朝辉 陈泽瀛 陶森林
• 来源期刊: 数字技术与应用
• 学科: 工学
• 关键词: 交易异常检测 LSTM LightGBM 组合权重
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 算法分析
• 页码范围: 113-117
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.19695/j.cnki.cn12-1369.2020.12.36

摘要

随着企业数量的不断增加,尤其是小微商户的规模不断扩大,发生非法交易和欺诈行为的风险商户也越来越多.本文提出了一种基于LSTM网络和LightGBM组合模型的商户异常交易检测模型,从时序异常和高维特征方面综合考虑建模.其中LSTM模型通过CNN网络提取有效特征,LSTM网络学习数据中的时序规律,LightGBM模型在特征扩充的基础上,经过数据处理、特征筛选等流程后训练模型,然后通过调试得出两个模型的组合权重系数.最后,在银联商务收单流水测试数据集上验证了组合模型的效果,测试结果表明,组合模型可以有效结合两种模型的优点,相比于独立模型和传统专家规则,效果都有显著提升.