(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 202210451060.X (22)申请日 2022.04.24 (71)申请人 深圳微言科技有限责任公司 地址 518049 广东省深圳市福田区梅林街 道孖岭社区凯丰 路10号翠林大厦13层 1305、 1306、 1307、 1308室 (72)发明人 吴叶国　韩彧　 (74)专利代理 机构 北京睿智保诚专利代理事务 所(普通合伙) 11732 专利代理师 杜娟 (51)Int.Cl. G06F 30/27(2020.01) G06Q 40/02(2012.01) G06F 119/02(2020.01) (54)发明名称 一种信贷欺诈行为识别方法、 装置、 设备及 存储介质 (57)摘要 本发明公开了一种信贷欺诈行为识别方法、 装置、 设备及存储介质， 涉及信贷安全技术领域， 其中方法包括以下步骤： 获取用户的人脸图像信 息， 并识别对应的信贷行为是否为本人操作， 若 否则不执行操作； 若是则对信贷行为数据进行预 处理； 构建信贷行为识别模型， 利用所述信贷行 为识别模型对经过预处理的信贷业务数据进行 识别， 得到识别结果， 基于所述识别结果判断所 述信贷行为是否为欺诈行为； 本发 明能解决目前 信贷欺诈行为识别的效率较低以及识别结果不 准确等问题。 权利要求书2页 说明书4页 附图1页 CN 114707420 A 2022.07.05 CN 114707420 A 1.一种信贷欺诈行为识别方法， 其特 征在于， 包括以下步骤： 获取用户的人脸图像信息， 并识别对应的信贷行为是否为本人操作； 若否则不执 行操作； 若是则对信贷行为数据进行 预处理； 构建信贷行为识别模型， 利用所述信贷行为识别模型对经过预处理的信贷业务数据进 行识别， 得到识别结果， 基于所述识别结果判断所述信贷行为是否为欺诈行为。 2.根据权利要求1所述的一种信贷欺诈行为识别方法， 其特征在于， 构建信贷行为识别 模型的具体过程包括： 获取历史安全信贷行为数据集， 并将所述历史安全信贷行为数据集划分为测试集及训 练集； 构建信贷行为识别模型， 其中所述信贷行为识别模型为卷积神经网络； 利用所述训练集对所述信贷行为识别模型进行训练， 根据输出的预测值与目标值通过 损失函数进行误差分析， 更改所述信贷行为识别模型各个权重值， 当误差符合预设阈值时 则利用测试集进行验证， 完成模型的测试及训练。 3.根据权利要求1所述的一种信贷欺诈行为识别方法， 其特征在于， 基于所述识别结果 判断所述信贷行为是否为欺诈行为的具体过程包括： 将所述识别结果与 预设第一风险阈值进行对比， 若小于等于所述第 一风险阈值则为安 全行为； 若大于所述第一 风险阈值且小于等于预设第二 风险阈值， 则为低风险行为； 若大于所述第二 风险阈值， 则所述信贷行为存在风险。 4.根据权利要求3所述的一种信贷欺诈行为识别方法， 其特征在于， 当所述识别结果为 存在风险时的具体处 理过程如下： 提取所述信贷行为对应的第一特 征向量， 获取用户对应的银 行信用数据， 并提取 所述银行信用数据对应的第二特 征向量； 计算所述第 一特征向量与 所述第二特征向量之间的相关系数， 并与 预设系数阈值进行 比较， 当所述相关系数 大于等于所述预设系数阈值时表示所述信贷行为属于安全行为。 5.根据权利要求4所述的一种信贷欺诈行为识别方法， 其特征在于， 当所述相关系数小 于所述预设系数阈值时的具体处 理过程包括： 通过SIM单 元远程通知上级工作人员及时进行处 理。 6.一种应用权利要求1 ‑5任一项所述的信贷欺诈行为识别方法的装置， 其特征在于， 包 括： 识别模块， 用于获取用户的人脸图像信 息， 并识别对应的信贷行为是否为本人操作， 若 否则不执 行操作； 若是则对信贷行为数据进行 预处理； 处理模块， 用于构建信贷行为识别模型， 利用所述信贷行为识别模型对经过预处理的 信贷业务数据进行识别， 得到识别结果， 基于所述识别结果判断所述信贷行为是否为欺诈 行为。 7.一种电子设备， 其特征在于， 所述电子设备包括处理器和存储器， 所述存储器用于存 储程序指令， 所述处理器用于执行存储器中存储的计算机程序时实现上述权利要求1 ‑5任 一项所述信贷欺诈行为识别方法的步骤。 8.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储计算机程权　利　要　求　书 1/2 页 2 CN 114707420 A 2序， 所述计算机程序被处理器执行时实现如权利要求 1至5中任一项 所述的信贷欺诈行为识 别方法。权　利　要　求　书 2/2 页 3 CN 114707420 A 3