基于深度學(xué)習(xí)的反詐騙軟件的開發(fā)

位子輝 李雷雷

摘 要：隨著互聯(lián)網(wǎng)普及和發(fā)展，網(wǎng)絡(luò)詐騙和電信詐騙等頻繁出現(xiàn)在公眾的視野中，面對(duì)如此紛繁復(fù)雜和高科技詐騙手法，僅僅靠人的力量控制顯得力不從心，開發(fā)基于深度學(xué)習(xí)的反詐騙軟件是發(fā)展趨勢(shì)。

關(guān)鍵詞：深度學(xué)習(xí) 人工智能 反詐騙軟件 網(wǎng)絡(luò)詐騙 電信詐騙

0 緒論

21世紀(jì)以來(lái)通信和網(wǎng)絡(luò)科技迅速發(fā)展，一些不法分子開發(fā)技術(shù)工具進(jìn)行電信詐騙，手機(jī)、固話、網(wǎng)絡(luò)等通信工具最為常見(jiàn)，經(jīng)常有人冒充公檢法、商家、政府機(jī)構(gòu)人員等。網(wǎng)絡(luò)詐騙常見(jiàn)的手段有：虛假咨詢信息、上網(wǎng)服務(wù)騙局、網(wǎng)上成人服務(wù)、購(gòu)置電腦軟件、信用卡申請(qǐng)等。電信詐騙和網(wǎng)絡(luò)詐騙的特點(diǎn)是范圍大、蔓延快、手段翻新快、團(tuán)伙作案、場(chǎng)景虛擬、團(tuán)伙作案。

詐騙分子通常是利用了用戶疏于防范的心理，常見(jiàn)反詐騙手段有：警察通告、社區(qū)宣傳、通訊號(hào)碼實(shí)名制等，更大范圍和效果的應(yīng)該是通過(guò)人工智能手段進(jìn)行反詐騙，其中深度學(xué)習(xí)是開發(fā)反詐騙軟件的一個(gè)研究方向[1]。

1 深度學(xué)習(xí)理論

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域中的一個(gè)較新的研究方向，是機(jī)器學(xué)習(xí)的一種，而機(jī)器學(xué)習(xí)是實(shí)現(xiàn)人工智能的必經(jīng)路徑[2，3]。在工業(yè)互聯(lián)網(wǎng)和大數(shù)據(jù)發(fā)展的大環(huán)境下，深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)等多個(gè)領(lǐng)域都獲得了比較重大的進(jìn)展，各種軟件、應(yīng)用、程序都開始涉及到人深度學(xué)習(xí)，該方法已經(jīng)開始在軟件工程領(lǐng)域起到重要作用[4]。

深度學(xué)習(xí)在網(wǎng)絡(luò)空間安全方面的研究一直在進(jìn)行，在反詐騙方面主要應(yīng)用于惡意軟件檢測(cè)和入侵檢測(cè)。鑒于人力對(duì)反詐騙處理的有限性和計(jì)算機(jī)技術(shù)的高效性，基于深度學(xué)習(xí)的反詐騙軟件開發(fā)是減少電信詐騙案件的重要手段之一。

2 深度學(xué)習(xí)反詐騙可行性

近年來(lái)銀行卡和信用卡的普及和發(fā)展十分迅速，刷卡是我國(guó)目前支付手段中較為重要的方式之一。信用卡用戶增多的同時(shí)，交易欺詐案件也顯著增加，詐騙手段層出不窮，給銀行結(jié)構(gòu)和信用卡用戶都造成了重大資金損失，嚴(yán)重影響了社會(huì)金融秩序。如何進(jìn)行有效防范金融詐騙和交易欺詐是銀行機(jī)構(gòu)及人民群眾面臨的問(wèn)題。

信用卡交易反欺詐的目的是將欺詐風(fēng)險(xiǎn)較高的交易檢驗(yàn)出來(lái)，常用的是數(shù)據(jù)挖掘方法、神經(jīng)網(wǎng)絡(luò)等技術(shù)，并取得了一定的效果。但是神經(jīng)網(wǎng)絡(luò)技術(shù)中的梯度彌散問(wèn)題、淺層網(wǎng)絡(luò)訓(xùn)練等缺陷問(wèn)題導(dǎo)致反詐騙效果不是很理想。

理論上深度學(xué)習(xí)能解決神經(jīng)網(wǎng)絡(luò)的淺層缺陷，建立多層非線性關(guān)系，目前深度學(xué)習(xí)在圖像識(shí)別等方面都獲得巨大進(jìn)展。眾多專家學(xué)者經(jīng)過(guò)建模和驗(yàn)證，證明深度學(xué)習(xí)模型在信用卡、銀行卡交易欺詐檢驗(yàn)和預(yù)防比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)更準(zhǔn)確、更高效[5，6]。

3 深度學(xué)習(xí)用于反詐騙軟件實(shí)例

學(xué)者采用Auto-Encoder方法建模對(duì)信用交易反詐騙進(jìn)行實(shí)戰(zhàn)研究，使用互聯(lián)網(wǎng)上公開的German Credit數(shù)據(jù)集為試驗(yàn)數(shù)據(jù)，涵蓋包含信用歷史、交易金額、職業(yè)等20個(gè)特征、1000 個(gè)樣本。Auto-Encoder基本方法見(jiàn)圖1。

輸入數(shù)據(jù)先通過(guò)encode過(guò)程處理得出code值，再通過(guò)decode程序過(guò)程處理得出輸出值?？刂芿ncode的輸出維數(shù)過(guò)程其實(shí)就相當(dāng)于強(qiáng)迫encode過(guò)程以低維參數(shù)形式進(jìn)行學(xué)習(xí)高維特征。Auto-Encoder目的是使輸入x值和輸出的x'值差距縮小，每次輸出值以后都要進(jìn)行誤差反向傳播，不斷優(yōu)化整個(gè)網(wǎng)絡(luò)參數(shù)。

使用Keras訓(xùn)練一個(gè)Auto-Encoder神經(jīng)網(wǎng)絡(luò)，通過(guò)深度學(xué)習(xí)方法可以識(shí)別信用卡交易中的異常行為，具體步驟如下：裝載數(shù)據(jù)、探索數(shù)據(jù)、準(zhǔn)備數(shù)據(jù)、建立模型、評(píng)估模型。

對(duì)Credit Amount等數(shù)值型特征通過(guò)scikit’s StandardScaler做標(biāo)準(zhǔn)化處理，對(duì)Purpose等分類型特征做one-hot encoding處理。

在有很多正常交易樣本的條件下想通過(guò)異常檢測(cè)來(lái)識(shí)別可能會(huì)出現(xiàn)的欺詐交易，在訓(xùn)練Auto-Encoder時(shí)只對(duì)正常交易的樣本進(jìn)行訓(xùn)練，再使用測(cè)試集里的樣本進(jìn)行評(píng)估驗(yàn)證。

可以建立4層連接層神經(jīng)元的Auto-Encoder模型。前2層作為encoder過(guò)程，后兩層作為decoder過(guò)程。過(guò)程中使用100個(gè)Epoch，按每次32個(gè)樣本輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。實(shí)驗(yàn)結(jié)果reconstruction error曲線下降幅度不大且沒(méi)有穩(wěn)定收斂趨勢(shì)，說(shuō)明該模型欠擬合需要更大的訓(xùn)練的樣本量進(jìn)一步提升。

使用Auto-Encoder訓(xùn)練后的模型也不能用于預(yù)測(cè)新樣本，若要判斷新樣本是正?；蚱墼p，需要先計(jì)算reconstruction error，若error大于預(yù)設(shè)閾值則判斷為欺詐。閾值根據(jù)實(shí)際建模結(jié)果設(shè)定，如果不知道標(biāo)簽的正類負(fù)類，就要計(jì)算整體樣本的reconstruction error的分位數(shù)來(lái)設(shè)定。

4 結(jié)束語(yǔ)

（1）電信詐騙和網(wǎng)絡(luò)詐騙對(duì)國(guó)家和人民群眾的危害十分巨大，反詐騙軟件開發(fā)迫在眉睫，深度學(xué)習(xí)在網(wǎng)絡(luò)空間安全和反詐騙方面理論上十分可行[7]。

（2）通過(guò)Auto-Encoder對(duì)German Credit數(shù)據(jù)集進(jìn)行深度學(xué)習(xí)的模型取得一定效果，但仍需進(jìn)一步完善。

（3）深度學(xué)習(xí)實(shí)用中應(yīng)該注意：處理好神經(jīng)網(wǎng)絡(luò)的復(fù)雜度和訓(xùn)練集樣本數(shù)，保證訓(xùn)練過(guò)程擬合趨近性;對(duì)輸入特征如相關(guān)性去重、去噪等操等進(jìn)行預(yù)處理。

參考文獻(xiàn)

[1] 孫瑩. 一份來(lái)自安全軟件企業(yè)的報(bào)告[J]. 法庭內(nèi)外， 2017（8）：12-14.

[2] 陳先昌. 基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法與應(yīng)用研究[D]. 浙江工商大學(xué)， 2014.

[3] 韋堅(jiān)， 劉愛(ài)娟， 唐劍文. 基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)技術(shù)的數(shù)字電視監(jiān)測(cè)平臺(tái)告警模型的研究[J]. 有線電視技術(shù)， 2017（7）.

[4] 張獻(xiàn)， 賁可榮. 深度學(xué)習(xí)方法在軟件分析中的應(yīng)用[J]. 計(jì)算機(jī)工程與科學(xué)， 2017（12）：2260-2268.

[5] 竇路路， 石秀金. 基于深度學(xué)習(xí)的銀行卡交易反欺詐技術(shù)研究[J]. 智能計(jì)算機(jī)與應(yīng)用， 2018， v.8（04）：90-92+96.

[6] 丁衛(wèi)星. 基于深度學(xué)習(xí)技術(shù)的信用卡交易欺詐偵測(cè)研究[D].

[7] 張玉清， 董穎， 柳彩云， et al. 深度學(xué)習(xí)應(yīng)用于網(wǎng)絡(luò)空間安全的現(xiàn)狀、趨勢(shì)與展望[J]. 計(jì)算機(jī)研究與發(fā)展， 2018， v.55（06）：3-28.