(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 202210853837.5 (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　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　 刘琦　毛莹　董宏越　刘欣悦　 (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 40/08(2012.01)G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 在线信用卡 风险信息 检测方法及装置 (57)摘要 本发明公开了一种在线信用卡风险信息检 测方法及装置， 包括： 获取在 线信用卡交易信息； 在线信用卡交易信息包含第一信用卡交易流数 据； 将在线信用卡交易信息输入至在线信用卡风 险信息检测模 型， 得到在线信用卡交易信息对应 的信用卡风险信息检测结果。 本发 明通过在线信 用卡风险信息检测模型对在线信用卡交易信息 进行了风险信息检测， 同时在 线信用卡风险信息 检测模型为利用第二信用卡交易流数据对应的 流数据训练集对静态基线模型进行训练后得到， 能够根据线上反馈的在线信用卡交易信息实时 快速地调整在线信用卡风险信息检测模型， 使 得 在线信用卡风险信息检测模型及时反映线上的 变化， 提高线上 预测的准确率。 权利要求书2页 说明书7页 附图3页 CN 115187386 A 2022.10.14 CN 115187386 A 1.一种在线信用卡 风险信息检测方法， 其特 征在于， 包括： 获取在线信用卡交易信息； 所述在线信用卡交易信息包 含第一信用卡交易 流数据； 将所述在线信用卡交易信 息输入至在线信用卡风险信 息检测模型， 得到所述在线信用 卡交易信息对应的信用卡 风险信息检测结果； 其中， 所述在线信用卡风险信 息检测模型为利用第 二信用卡交易流数据对应的流数据 训练集对静态基线模型进 行训练后得到， 所述静态基线模型为利用信用卡交易批数据对应 的批数据训练集对机器学习模型进行训练后得到 。 2.如权利要求1所述的在线信用卡风险信 息检测方法， 其特征在于， 在将所述在线信用 卡交易信息输入至在线信用卡风险信息检测模 型， 得到所述在线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： 获取信用卡交易批数据； 所述信用卡交易批数据包括第一 风险信息标签； 对所述信用卡交易批数据进行预处理， 确定所述信用卡交易批数据对应的批数据训练 集； 根据所述批数据训练集对机器学习模型进行训练， 得到所述静态基线模型； 获取第二信用卡交易 流数据； 所述第二信用卡交易 流数据包括第二 风险信息标签； 对所述第二信用卡交易流数据进行预处理， 确定所述第 二信用卡交易流数据对应的流 数据训练集； 所述 流数据训练集包 含多个流数据训练子集； 根据所述流数据训练集对所述静态基线模型进行训练， 得到在线信用卡风险信 息检测 模型； 所述在线信用卡风险信息检测模型随着所述多个流数据训练子集中各个流数据训练 子集的训练动态更新。 3.如权利要求2所述的在线信用卡风险信 息检测方法， 其特征在于， 对所述信用卡交易 批数据进行 预处理， 包括： 对所述信用卡交易批数据进行 特征缩放以及特 征哈希； 采用过采样算法对所述信用卡交易批数据进行处 理。 4.如权利要求2所述的在线信用卡风险信 息检测方法， 其特征在于， 在得到在线信用卡 风险信息检测模型之后， 还 包括： 在流数据训练子集中流数据数量达到第一预设阈值且当前时刻距离上一次更新时刻 的时长达到第二预设阈值时， 更新所述在线信用卡 风险信息检测模型。 5.如权利要求1所述的在线信用卡风险信 息检测方法， 其特征在于， 在得到所述在线信 用卡交易信息对应的信用卡 风险信息检测结果之后， 还 包括： 采用混淆矩阵对所述在线信用卡 风险信息检测模型进行评估， 得到 评估结果。 6.一种在线信用卡 风险信息检测装置， 其特 征在于， 包括： 获取模块， 用于获取在线信用卡交易信息； 所述在线信用卡交易信息包含第一信用卡 交易流数据； 处理模块， 用于将所述在线信用卡交易信息输入至在线信用卡风险信息检测模型， 得 到所述在线信用卡交易信息对应的信用卡风险信息检测结果； 其中， 所述在线信用卡风险 信息检测模型为利用第二信用卡交易流数据对应的流数据训练集对静态基线模型进行训 练后得到， 所述静态基线模型为利用信用卡交易批数据对应的批数据训练集对机器学习模 型进行训练后得到 。权　利　要　求　书 1/2 页 2 CN 115187386 A 27.如权利要求6所述的在线信用卡风险信 息检测装置， 其特征在于， 所述处理模块还用 于： 在将所述在线信用卡交易信 息输入至在线信用卡风险信 息检测模型， 得到所述在线信 用卡交易信息对应的信用卡风险信息检测结果之前， 获取信用卡交易批数据； 所述信用卡 交易批数据包括第一 风险信息标签； 对所述信用卡交易批数据进行预处理， 确定所述信用卡交易批数据对应的批数据训练 集； 根据所述批数据训练集对机器学习模型进行训练， 得到所述静态基线模型； 获取第二信用卡交易 流数据； 所述第二信用卡交易 流数据包括第二 风险信息标签； 对所述第二信用卡交易流数据进行预处理， 确定所述第 二信用卡交易流数据对应的流 数据训练集； 所述 流数据训练集包 含多个流数据训练子集； 根据所述流数据训练集对所述静态基线模型进行训练， 得到在线信用卡风险信 息检测 模型； 所述在线信用卡风险信息检测模型随着所述多个流数据训练子集中各个流数据训练 子集的训练动态更新。 8.如权利要求7所述的在线信用卡风险信 息检测装置， 其特征在于， 所述处理模块具体 用于： 对所述信用卡交易批数据进行 特征缩放以及特 征哈希； 采用过采样算法对所述信用卡交易批数据进行处 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 115187386 A 3