信贷自动审批模型的对抗攻击风险研究

• 作者: 林琴萍 李庚 崔润邦 邓江
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 信用贷款 对抗攻击 对抗样本 生成对抗式神经网络
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 53-60
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2022.02.009

摘要

近期,银行等金融机构引进自动信贷审批系统来取代传统的人工审批,而自动信贷审批系统在何种程度上会受到对抗样本的攻击有待研究.通过实验对信贷对抗样本攻击的问题进行了验证.首先,基于申请人的信贷数据对XGBoost模型进行训练,预测申请人行为,并选择原始样本.其次,使用"非违约申请人"对改进的GAN模型进行训练,并用于生成特征值,通过修改原始样本以构建对抗样本,使得修改后的特征值接近于"非违约申请人"密集分布的特征值.最后,使用训练好的XGBoost模型将对抗样本进行分类.在实验中生成的对抗样本可以混淆XGBoost模型.当修改后的特征值的数量增加时,对抗样本的生成率总体呈上升趋势.实验验证,对抗样本的攻击将对自动信贷审批系统造成安全风险.