(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 20221081470 6.6 (22)申请日 2022.07.12 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 刘涛　刘琦　毛莹　董宏越　 刘欣悦　马强　田林　朱阿龙　 郜璐瑶　孙昊　谢灿　郭伟　 毛嘉晖　郑泽晨　李科强　张靖羚　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 王天尧　汤在彦 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 40/04(2012.01)G06N 20/00(2019.01) G06K 9/62(2022.01) (54)发明名称 信用卡风险信息 检测方法及装置 (57)摘要 本发明公开了一种信用卡风险信息检测方 法及装置， 其中该方法包括： 获取信用卡交易信 息； 将信用卡交易信息输入至训练好的信用卡风 险信息检测模 型， 得到信用卡交易信息对应的信 用卡风险信息检测结果。 本发明可以通过训练好 的信用卡风险信息检测模型对信用卡交易信息 进行了风险信息检测， 同时训练好的信用卡风险 信息检测模型为利用历史信用卡交易数据集对 应的第一训练集对机器学习模型进行训练后得 到， 历史信用卡交易数据集对应的第一训练集为 历史信用卡交易数据集经数据缩放、 风险值剔 除、 属性筛选以及过采样处理后得到， 提高了训 练好的信用卡风险信息检测模型的性能， 提高了 信用卡风险信息 检测准确率。 权利要求书2页 说明书7页 附图3页 CN 115187377 A 2022.10.14 CN 115187377 A 1.一种信用卡 风险信息检测方法， 其特 征在于， 包括： 获取信用卡交易信息； 将所述信用卡交易信 息输入至训练好的信用卡风险信 息检测模型， 得到所述信用卡交 易信息对应的信用卡 风险信息检测结果； 其中， 所述训练好的信用卡风险信 息检测模型为利用历史信用卡交易数据集对应的第 一训练集对机器学习模型进行训练后得到， 所述历史信用卡交易数据集对应的第一训练集 为历史信用卡交易数据集经 数据缩放、 风险值剔除、 属性筛 选以及过采样处 理后得到 。 2.如权利要求1所述的信用卡风险信 息检测方法， 其特征在于， 在将所述信用卡交易信 息输入至训练好的信用卡风险信息检测模型， 得到所述信用卡交易信息对应的信用卡风险 信息检测结果之前， 还 包括： 获取历史信用卡交易数据集； 所述历史信用卡交易数据集包括历史信用卡交易信 息和 对应的风险信息标签； 采用交叉验证确定所述历史信用卡交易数据集对应的第一训练集以及第一测试集； 根据所述第 一训练集对信用卡风险信 息检测模型进行训练， 得到多个候选信用卡风险 信息检测模型； 根据所述第一测试集确定所述多个候选信用卡风险信息检测模型分别对应的评估结 果； 根据所述评估结果对所述多个候选信用卡风险信 息检测模型进行筛选， 得到训练好的 信用卡风险信息检测模型。 3.如权利要求2所述的信用卡风险信 息检测方法， 其特征在于， 在采用交叉验证确定所 述历史信用卡交易数据集对应的第一训练集以及第一测试集之前， 还 包括： 对所述历史信用卡交易数据集进行数据缩放并根据预设阈值对所述历史信用卡交易 数据集进行风险值剔除； 筛选所述历史信用卡交易数据集的属性信息并采用过采样算法对所述历史信用卡交 易数据集进行处 理。 4.如权利要求2所述的信用卡风险信 息检测方法， 其特征在于， 根据所述第 一测试集确 定所述多个候选信用卡 风险信息检测模型分别对应的评估结果， 包括： 采用接受者操作特性曲线下与坐标轴围成的面积AUC指标根据 所述第一测试集确定所 述多个候选信用卡 风险信息检测模型分别对应的评估结果。 5.如权利要求3所述的信用卡风险信 息检测方法， 其特征在于， 采用过采样算法对所述 历史信用卡交易数据集进行处 理， 包括： 采用合成少数类过采样算法对所述历史信用卡交易数据集进行处 理。 6.一种信用卡 风险信息检测装置， 其特 征在于， 包括： 获取模块， 获取信用卡交易信息； 处理模块， 将所述信用卡交易信息输入至训练好的信用卡风险信息检测模型， 得到所 述信用卡交易信息对应的信用卡风险信息检测结果； 其中， 所述训练好的信用卡风险信息 检测模型为利用历史信用卡交易数据集对应的第一训练集对机器学习模型进行训练后得 到， 所述历史信用卡交易数据集对应的第一训练集为历史信用卡交易数据集经数据缩放、 风险值剔除、 属性筛 选以及过采样处 理后得到 。权　利　要　求　书 1/2 页 2 CN 115187377 A 27.如权利要求6所述的信用卡 风险信息检测装置， 其特 征在于， 所述处 理模块还用于： 在将所述信用卡交易信 息输入至训练好的信用卡风险信 息检测模型， 得到所述信用卡 交易信息对应的信用卡风险信息检测结果之前， 获取历史信用卡交易数据集； 所述历史信 用卡交易数据集包括历史信用卡交易信息和对应的风险信息标签； 采用交叉验证确定所述历史信用卡交易数据集对应的第一训练集以及第一测试集； 根据所述第 一训练集对信用卡风险信 息检测模型进行训练， 得到多个候选信用卡风险 信息检测模型； 根据所述第一测试集确定所述多个候选信用卡风险信息检测模型分别对应的评估结 果； 根据所述评估结果对所述多个候选信用卡风险信 息检测模型进行筛选， 得到训练好的 信用卡风险信息检测模型。 8.如权利要求7 所述的信用卡 风险信息检测装置， 其特 征在于， 所述处 理模块还用于： 在采用交叉验证确定所述历史信用卡交易数据集对应的第一训练集以及第一测试集 之前， 对所述历史信用卡交易数据集进行数据缩放并根据预设阈值对所述历史信用卡交易 数据集进行风险值剔除； 筛选所述历史信用卡交易数据集的属性信息并采用过采样算法对所述历史信用卡交 易数据集进行处 理。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至5任一所述方 法。 10.一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存储有计算机程 序， 所述计算机程序被处 理器执行时实现权利要求1至 5任一所述方法。 11.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机程序， 所述计 算机程序被处 理器执行时实现权利要求1至 5任一所述方法。权　利　要　求　书 2/2 页 3 CN 115187377 A 3