blp模型上读下写_CreditX在线借贷欺诈检测框架BLP

本次介绍的文章是来自于氪信科技的《Behavior Language Processing with Graph based Feature Generation for Fraud Detection in Online Lending》。氪信科技利用行为语言处理技术（BehaviorLanguageProcessing，BLP）对欺诈性质的网络借贷行为进行识别。

一、基于用户行为的反欺诈框架（BLP）

数据获取模块：通过schema映射到网贷专家知识图谱上
知识图谱模块
特征自动抽取模块
集成学习模块：树模型+LR集成

在BLP中有很多类型的特征，如文本特征、时序特征、位置轨迹特征、图特征以及人工特征，这篇论文讲的是基于关联数据的图特征生成。关于时序特征的生成，可以参考：

金柔：CraiditX基于行为序列的欺诈检测建模zhuanlan.zhihu.com

二、网络构建

图关系选择

通过APP中的数据采集模块，可以获取许多不同类型的信息实体，如份证号、邮箱、电话、地址、设备 GPS。那么这就出现了一个问题，我们应该选择哪些实体作为网络的关系进行节点的连接。

选择的方法是这样的，针对每一类型的实体都可以构成一个单部图，图上的节点是申请件，若两个申请件关联到该类型实体下(至少）同一个实体，那么则形成边。通过计算单部图的连通性和同质性指标，确定连接的实体。

1.1 同质性指标

欺诈与非欺诈结点关联稀疏，而欺诈结点间关联紧密的网络，更具有挖掘价值。

同质性检验（Homophilic Test）：反映网络中欺诈与非欺诈申请结点的关联紧密程度，衡量指标是CrossEdgeFraction=由欺诈和非欺诈节点形成的边/总边数；
Dyadicity：反映欺诈结点之间的关联紧密程度，Dyadicity=欺诈结点之间的边数观察值/欺诈结点之间的边数期望值，Dyadicity>1表示与随机网络相比，欺诈结点之间的关联紧密；
Heterophilicity：反映欺诈与非欺诈结点之间的紧密程度，Heterophilicity=欺诈和非欺诈节点形成的边的观察值/欺诈和非欺诈节点形成的边期望值，Heterophilicity<1表示与随机网络相比，欺诈与非欺诈结点的关联稀疏。

1.2 连通性指标

Connectedness: 用于刻画网络的稠密程度，该值越接近于1表征网络越稠密，稠密的网络更有利于欺诈标签的传播。

1.3 筛选结果

有121164申请件 , 其中6%被标记为诈骗，计算指标对关系进行筛选：

根据上述讨论，挑选低CrossEdgeFraction、高Dyadicity、低Heterophilicity、高Connectedness的Relation，从上表的计算结果中identity number、mobile number这些就比较好而像ip address则不能挑选。

2. 双模网络构建

根据筛选出的节点、边、节点的属性以及边的属性构建出双模网络

3. 计算边权重

边权重表示连接的强度，使用公式a*exp(-b)进行计算，其中a是同质性指标，b是时间衰减系数。

4. 移除hubs

对图数据中各节点，按关系类型分别计算各点的中心度，通过Head-tail-break算法剔除中心度极大的结点，筛选出构建双模网络模型所需的结点。

三、网络风险特征提取

采用一下三种方法提取基于网络的特征：

局部网络风险特征：用于描述申请件邻居结点的统计类特性，包括邻结点风险特征、四角形风险特征和局部聚合系数风险特征等，如当前申请件关联的欺诈申请件个数、当前申请件关联申请件中欺诈申请的比例等；
全局网络风险特征：用于描述当前申请的风险情况，在通过图挖掘算法(如pagerank)得到各结点的欺诈概率之后，可计算当前申请的欺诈概率，邻居结点（一度关联的信息结点）欺诈概率的最大值、平均值等；
专家风险特征：常根据业务经验进行定义，如不同渠道个人信息重合度比对、个人信息与网络一致性检验等。

通过上述方法可以抽取数百维特征，使用IV评估特征有效性。结合专家经验，挑选最合适的网络特征，与个体特征分别建立反欺诈模型，并在此基础上进行树模型集成，从而获得信贷申请人欺诈概率预测。

这篇论文在如何挑选关联关系构建图上有值得借鉴的地方，如何构造网络特征在需要解释的评分卡应用中也值得取学习。下面抛出几个问题供大家讨论：

除了论文介绍的方法，还有哪些可以评估图构建的合理性；
使用network embedding提取网络特征与论文采用的方法相比，在有监督的欺诈检测任务中有什么利弊。