IT博客汇 | 利用深度学习解决直播支付风控

利用深度学习解决直播支付风控

五四陈科学院发表于 2017-02-09 17:05:06

以下内容由[五四陈科学院]提供

前言

在直播软件中，典型的过程是A用户充值，送花给B用户，B用户提现。

正是有这样一条变现的道路，无数盗刷、退款、36技术的黑产人盯上了直播，报道见到映客的损失一度到了300万人民币(本文价值至少300万了:P)。外链https://www.douban.com/group/topic/89441680/

本文介绍利用keras＋tensorflow，快速完成一个神经网络，从工程角度看深度学习带来的实际作用。

安装

1.先升级pip

chenzhen$ pip install --upgrade pip

2.安装keras

chenzhen$ pip install keras
  ...
  installing collected packages: numpy, scipy, six, theano, pyyaml, keras
  Successfully installed keras-1.2.1 numpy-1.12.0 pyyaml-3.12 scipy-0.18.1 six-1.10.0 theano-0.8.2

3.安装tensorflow

chenzhen$ export TF_BINARY_URL=https://storage.apis.com/tensorflow/mac/cpu/tensorflow-1.0.0rc2-py2-none-any.whl
  chenzhen$ pip install --upgrade $TF_BINARY_URL
  ...
  Installing collected packages: funcsigs, pbr, mock, wheel, pyparsing, packaging, appdirs, setuptools, protobuf, tensorflow
    Found existing installation: wheel 0.24.0
      Uninstalling wheel-0.24.0:
        Successfully uninstalled wheel-0.24.0
    Found existing installation: setuptools 18.0.1
      Uninstalling setuptools-18.0.1:
        Successfully uninstalled setuptools-18.0.1
  Successfully installed appdirs-1.4.0 funcsigs-1.0.2 mock-2.0.0 packaging-16.8 pbr-1.10.0 protobuf-3.2.0 pyparsing-2.1.10 setuptools-34.1.1 tensorflow-1.0.0rc2 wheel-0.29.0

4.检查安装是否成功

chenzhen$ python -c "import keras; print keras.__version__"
  Using TensorFlow backend.
  1.2.1

5.检查配置是否正确

chenzhen$ cat ~/.keras/keras.json
  {
      "image_dim_ordering": "tf", 
      "epsilon": 1e-07, 
      "floatx": "float32", 
      "backend": "tensorflow"
  }

6.安装h5py 用来保存权重数据

chenzhen$ pip install h5py
  ...
  Installing collected packages: h5py
  Successfully installed h5py-2.6.0

7.安装 scikit-learn 用来写代码自动计算最优超参

chenzhen$ pip install scikit-learn
  ...
  Installing collected packages: scikit-learn
  Successfully installed scikit-learn-0.18.1

8.安装hyperas 用来自动计算最优超参

pip install hyperas

准备数据

首先拿线上两天的数据，一天用来训练，一天用来测试。

数据都是csv的，根据过去的经验，一个用户给另一个用户刷钱，能拿到的数据项有：

1.是否白名单 2.是否签约 3.粉丝数量 4.是否入库 5.播放次数 6.播放时长 7.充值总次数 8.关注数量等8个数据

所有数据均为数字，再在9位上加上0表示正常1表示有问题的用户（有问题的用户是通过之前不正常的充值靠人肉挑的）。

准备模型

chenzhen$ cat deep.py 
  from keras.models import Sequential
  from keras.layers import Dense
  import numpy
  dataset = numpy.loadtxt("0207.csv", delimiter=",")
  X = dataset[:,0:8]
  Y = dataset[:,8]
  dataset2 = numpy.loadtxt("0208.csv", delimiter=",")
  Z = dataset2[:,0:8]
  Q = dataset2[:,8]
  
  # 输入8个参数，隐藏层12个神经元，先用relu激活，输出用sigmoid激活
  model = Sequential()
  model.add(Dense(12, input_dim=8, activation='relu'))
  model.add(Dense(1, activation='sigmoid'))
  
  # loss用mse 优化用Adamax  准确率衡量
  model.compile(loss='mse', optimizer='Adamax', metrics=['accuracy'])
  
  # 训练100次，每次取60行
  history = model.fit(X, Y, nb_epoch=100, batch_size=60)
  
  # 测试数据
  loss, accuracy = model.evaluate(Z, Q)
  print("\nLoss: %.2f, Accuracy: %.2f%%" % (loss, accuracy*100))
  
  # 保存下来训练好的模型供线上使用
  # serialize model to JSON
  model_json = model.to_json()
  with open("model.json", "w") as json_file:
      json_file.write(model_json)
  # serialize weights to HDF5
  model.save_weights("model.h5")
  print("Saved model to disk")

使用模型

chenzhen$ cat run.py 
  from keras.models import Sequential
  from keras.layers import Dense
  from keras.models import model_from_json
  import numpy
  
  dataset2 = numpy.loadtxt("0208.csv", delimiter=",")
  Z = dataset2[:,0:8]
  Q = dataset2[:,8]
  # load json and create model
  json_file = open('model.json', 'r')
  loaded_model_json = json_file.read()
  json_file.close()
  loaded_model = model_from_json(loaded_model_json)
  # load weights into new model
  loaded_model.load_weights("model.h5")
  print("Loaded model from disk")
  # test data
  loaded_model.compile(loss='mse', optimizer='Adamax', metrics=['accuracy'])
  score = loaded_model.evaluate(Z, Q, verbose=0)
  print "for test %s: %.2f%%" % (loaded_model.metrics_names[1], score[1]*100)
  
  # prediction probabilities里有预测的结果，需要启动一个简单的server对外服务即可。
  probabilities = loaded_model.predict(Z)
  predictions = [float(round(x)) for x in probabilities]
  accuracy = numpy.mean(predictions == Q)
  print("Prediction Accuracy: %.2f%%" % (accuracy*100))

超参调优

前面讲了工程使用的步骤，里面的参数都是随便写的，准确率大约60％，现在来讲如何让预测更加准确。

test1是认好训练50次每次10条效果最好。

chenzhen$ python test1.py
  Best: 0.696000 using {'nb_epoch': 50, 'batch_size': 10}

test2确认好优化器使用Adam效果最好。

chenzhen$ python test1.py
  Best: 0.686000 using {'optimizer': 'Adam'}

test3是优化器使用SGD时，确认里面的两个参数。

chenzhen$ python test3.py
  Best: 0.654000 using {'learn_rate': 0.001, 'momentum': 0.8}

test4是初化类型。

test5是激活函数类型。

test6是dropout层的参数。

test7是隐藏层神经元数量确定。

Hyperas超参调优

上面一种调优办法有点麻烦，要一个一个试。

Hyperas可以一次性完成。

chenzhen$ python testh.py
  Evalutation of best performing model:
  192/200 [===========================>..] - ETA: 0s[0.35499999999999998, 0.64500000000000002]

Hyperas的执行结果直接保存了model，简单粗暴。代码见后。

后记

前面的模型，都比较简单，只定义了两三层，输入8个参数输出1个参数，然后有15个神经元的隐藏层，在testh.py里的调整参数时，增加了一些Activation层。

要在工程上使用，还得上到分布式tensorflow上，进行更多的训练，以达到测试集的准确率更高。

然后将保存下来的model，使用run.py里的逻辑，做成线上server，提供预测判断服务。

预测的同时，要提供人工抽检反复训练，将判断错和判断漏的，都加入到训练的过程中去，做成定时过程，才能满足需要。

另外不得不提的一点：将输入的数字归一化到0－1之间，对BPNN网络的训练效率会大大提升。