CN105357167A - 业务处理方法和装置 - Google Patents

Abstract

本申请公开了一种业务处理方法和装置，其中，业务处理方法包括：基于包含交易行为特征的信息构建第一账号识别模型，基于第一账号识别模型获得第一账号列表；以及获得业务行为，判断业务行为使用的业务账号是否位于第一账号列表中，若位于，则对业务行为进行处理。本申请实施例的业务处理方法和装置，通过基于包含交易行为特征的信息构建第一账号识别模型，并基于第一账号识别模型获得第一账号列表，然后在确定业务行为使用的业务账号位于第一账号列表中时，对业务行为进行处理，由于基于包含交易行为特征的信息对账号的业务行为实行了全面、有效地监控，扩大了识别作弊账号的覆盖度，提高了识别作弊账号的成功率，从而避免了业务资源的浪费。

Description

业务处理方法和装置

技术领域

本申请涉及互联网技术领域，尤其涉及一种业务处理方法和装置。

背景技术

随着互联网的高速发展，电子商务也越来越发达，越来越多的用户选择在网上进行购物、充值等。目前，很多商家都会开展一些立返、立减等促销活动，因此作弊份子会利用这些促销活动，批量注册作弊小号从中谋取利益。其中，小号指的是用户除了一个主要使用的账号外，再申请的辅助账号，便于隐藏用户真实身份。

目前，传统的反作弊技术主要通过监控账号注册时的特征如注册时间、注册IP(InternetProtocol，网络互连协议)、注册MAC(MediaAccessControl，物理地址)地址、登录MAC地址、登录IP等对作弊小号进行防控。

但是，在实现本申请过程中，发明人发现现有技术中至少存在如下问题：目前的反作弊技术有时无法正确识别出账号的MAC地址，导致无法有效地区分出正常用户与作弊用户，或者仅对账号注册时的特征进行监控，识别覆盖度差，导致识别作弊用户的成功率低。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请的第一个目的在于提出一种业务处理方法，该方法对账号的业务行为实行了全面、有效地监控，扩大了识别作弊账号的覆盖度，提高了识别作弊账号的成功率，从而避免了业务资源的浪费。

本申请的第二个目的在于提出一种业务处理装置。

为达上述目的，根据本申请第一方面实施例提出了一种业务处理方法，包括：基于包含交易行为特征的信息构建第一账号识别模型，基于所述第一账号识别模型获得第一账号列表；以及获得业务行为，判断所述业务行为使用的业务账号是否位于所述第一账号列表中，若位于，则对所述业务行为进行处理。

本申请实施例的业务处理方法，通过基于包含交易行为特征的信息构建第一账号识别模型，并基于第一账号识别模型获得第一账号列表，然后在确定业务行为使用的业务账号位于第一账号列表中时，对业务行为进行处理，由于基于包含交易行为特征的信息对账号的业务行为实行了全面、有效地监控，扩大了识别作弊账号的覆盖度，提高了识别作弊账号的成功率，从而避免了业务资源的浪费。

为达上述目的，根据本申请第二方面实施例提出了一种业务处理装置，包括：构建模块，用于基于包含交易行为特征的信息构建第一账号识别模型，基于所述第一账号识别模型获得第一账号列表；以及处理模块，用于获得业务行为，判断所述业务行为使用的业务账号是否位于所述第一账号列表中，若位于，则对所述业务行为进行处理。

本申请实施例的业务处理装置，通过基于包含交易行为特征的信息构建第一账号识别模型，并基于第一账号识别模型获得第一账号列表，然后在确定业务行为使用的业务账号位于第一账号列表中时，对业务行为进行处理，由于基于包含交易行为特征的信息对账号的业务行为实行了全面、有效地监控，扩大了识别作弊账号的覆盖度，提高了识别作弊账号的成功率，从而避免了业务资源的浪费。

本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

图1为根据本申请一个实施例的业务处理方法的流程图。

图2为根据本申请一个实施例的构建第一账号识别模型的流程图。

图3为根据本申请一个具体实施例的业务处理方法的流程图。

图4为根据本申请一个具体实施例的基于小号识别模型对账号进行识别的示意图。

图5为根据本申请一个具体实施例的小号识别监测效果图。

图6为根据本申请一个实施例的业务处理装置的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的业务处理方法和装置。

图1为根据本申请一个实施例的业务处理方法的流程图。

如图1所示，业务处理方法包括：

S101，基于包含交易行为特征的信息构建第一账号识别模型，基于第一账号识别模型获得第一账号列表。

其中，第一账号可以为小号，其中，小号指的是用户除了一个主要使用的账号外，再申请的辅助账号；上述信息可包括但不限于注册时间、注册IP、注册MAC地址、登录MAC地址、登录IP以及交易行为特征等，所以识别覆盖度广。

在本申请的实施例中，可通过以下步骤构建第一账号识别模型。

S201，基于交易行为特征识别出异常第一账号。

具体地，可根据异常关系指数计算公式计算当前账号的异常关系指数。

其中，异常关系指数计算公式为：α_t表示动态时间t内与当前账号有交易行为的下游账号的个数，β_k表示与当前账号有交易行为且交易金额在k元以内的下游账号的金额众数个数，γ_t表示当前账号的下游账号在动态时间t内的月均活跃次数，t>＝3个月，n为计算选取的动态时间窗口个数。其中，众数是在一组数据中，出现次数最多的数据。

当异常关系指数大于预设阈值时，可确定当前账号为异常第二账号，则与当前账号有交易行为且交易金额在k元以内的下游账号为异常第一账号。其中，第二账号可以为大号，大号与小号对应，大号指的是用户主要使用的账号，例如主账号。

S202，判断异常第一账号是否参与预设操作，若异常第一账号参与预设操作，则进一步判断预设操作涉及的特征信息，并根据特征信息构建第一账号识别模型。

在识别出异常第一账号后，可判断异常第一账号是否参与预设操作，例如：获取红包等。当异常第一账号参与预设操作时，可进一步判断预设操作涉及的特征信息，并根据特征信息构建第一账号识别模型。其中，预设操作的类型与第一账号识别模型的类型相对应，例如：获取红包对应红包第一账号、转账操作对应转账第一账号等。

在构建第一账号识别模型后，可基于第一账号识别模型获得第一账号列表。具体地，可基于第一账号识别模型离线获得初始列表。当然，也可以实时获得初始列表。基于第一账号识别模型获得的初始列表中，可能包括预建立的白名单中包含的第一账号信息，白名单中包含的第一账号信息是可信任的，因此，可从初始列表中删除预建立的白名单中包含的第一账号信息，以获得第一账号列表。

S102，获得业务行为，判断业务行为使用的业务账号是否位于第一账号列表中，若位于，则对业务行为进行处理。

在获得第一账号列表后，可获得业务行为，并判断业务行为使用的业务账号是否位于第一账号列表中。如果获得的业务行为位于第一账号列表中，则可对业务行为中的预设操作进行拦截，例如拦截发放红包行为。

在本申请的实施例中，在对业务行为中的预设操作进行拦截之后，还可以获取业务账号对应的身份信息，以对业务账号进行身份验证。

此外，还可显示拦截效果，同时还可以基于拦截效果优化第一账号识别模型。

本申请实施例的业务处理方法，通过基于包含交易行为特征的信息构建第一账号识别模型，并基于第一账号识别模型获得第一账号列表，然后在确定业务行为使用的业务账号位于第一账号列表中时，对业务行为进行处理，由于基于包含交易行为特征的信息对账号的业务行为实行了全面、有效地监控，扩大了识别作弊账号的覆盖度，提高了识别作弊账号的成功率，从而避免了业务资源的浪费。

图3为根据本申请一个具体实施例的业务处理方法的流程图。

如图3所示，业务处理方法包括：

S301，建立小号识别模型。

首先，可根据异常关系指数计算公式计算当前账号的异常关系指数。异常关系指数计算公式为：其中，α_t表示动态时间t内与当前账号有交易行为的下游账号的个数，β_k表示与当前账号有交易行为且交易金额在k元以内的下游账号的金额众数个数，γ_t表示当前账号的下游账号在动态时间t内的月均活跃次数，t>＝3个月，n为计算选取的动态时间窗口个数，通常情况下，n为3-5个。

假设预设阈值为0.75，当异常关系指数大于0.75时，可确定当前账号为异常大号，则与当前账号有交易行为且交易金额在k元以内的下游账号为异常小号。

在识别出异常小号后，可判断异常小号是否参与预设操作，例如：获取红包等。再根据预设操作涉及的特征信息如：交易类目、支付方式等构建小号识别模型，例如：小号模型可包括转账小号识别模型、红包小号识别模型、集分宝小号识别模型等。

此外，还可通过逻辑回归、决策树等多种机器学习算法，更新小号识别模型，使对小号的识别更加准确。

S302，基于小号识别模型对账号进行识别。

基于小号识别模型对账号进行识别的过程，可如图4所示，此处以红包小号为例进行说明。

首先，可根据账号的余额情况判断账号是否为红包小号。具体地，可先判断账号的第一信息的余额是否为零，例如：第一信息可为支付宝。如果第一信息的余额不为零，则可确定账号不是红包小号；如果第一信息的余额为零，则可进一步判断账号是否具有第二信息，例如：第二信息可为余额宝。如果账号具有第二信息，则可确定账号不是红包小号；如果账号不具有第二信息，则在第一信息的余额为零时，可确定账号为红包小号。

还可根据账号使用红包情况判断账号是否为红包小号。具体地，如果账号获得红包，则可确定账号为红包小号。

还可查询账号的历史行为数据，根据账号的信任度判断账号是否为红包小号。首先查看账号是否为个人账号，如果不是个人账号，则可确定账号不是红包小号；如果是个人账号，再查看账号最近一年的资金是否有变动，如果没有变动，则可确定账号不是红包小号；如果有变动，则进一步查看是否购买过理财产品，如果没有购买过，则可确定账号不是红包小号；如果购买过，则进一步查看是否有缴费行为，如果没有缴费行为，则可确定账号不是红包小号；如果有缴费行为，则进一步查看是否开通快捷支付，如果开通了快捷支付，则可确定账号不是红包小号；如果未开通快捷支付，则可确定账号为红包小号。

在确定账号为红包小号后，可通过黑名单、白名单等对红包小号进行进一步识别，最终确定作弊小号。

应当理解的是，上述方法可同时对多个账号并发处理，提高了识别效率。

S303，对识别出的作弊小号的作弊行为进行拦截。

在识别出作弊小号后，可对其作弊行为进行拦截处理，例如：拦截发放红包。最后，如图5所示，可将不同小号类型在不同场景下的作弊风险进行划分，以便及时地获取作弊信息。例如：红包小号在立返场景下的风险最高，即在立返场景下，使用红包小号的进行作弊的概率最高。

本申请实施例的业务处理方法，通过建立小号识别模型，基于小号识别模型对业务行为进行识别，对识别出的作弊业务行为进行拦截，以及显示拦截效果，有效地对作弊行为进行监控，提高了识别作弊账号的成功率，从而避免了业务资源的浪费。

为了实现上述实施例，本申请还提出一种业务处理装置。

图6为根据本申请一个实施例的业务处理装置的结构示意图。

如图6所示，业务处理装置包括：构建模块110和处理模块120。

构建模块110用于基于包含交易行为特征的信息构建第一账号识别模型，基于第一账号识别模型获得第一账号列表。

其中，第一账号可以为小号，其中，小号指的是用户除了一个主要使用的账号外，再申请的辅助账号；上述信息可包括但不限于注册时间、注册IP、注册MAC地址、登录MAC地址、登录IP以及交易行为特征等，所以识别覆盖度广。

具体地，构建模块110可根据异常关系指数计算公式计算当前账号的异常关系指数。其中，异常关系指数计算公式为：α_t表示动态时间t内与当前账号有交易行为的下游账号的个数，β_k表示与当前账号有交易行为且交易金额在k元以内的下游账号的金额众数个数，γ_t表示当前账号的下游账号在动态时间t内的月均活跃次数，t>＝3个月，n为计算选取的动态时间窗口个数。

当异常关系指数大于预设阈值时，可确定当前账号为异常第二账号，则与当前账号有交易行为且交易金额在k元以内的下游账号为异常第一账号。其中，第二账号可以为大号，大号与小号对应，大号指的是用户主要使用的账号，例如主账号。

在识别出异常第一账号后，构建模块110可判断异常第一账号是否参与预设操作，例如：获取红包等。当异常第一账号参与预设操作时，可进一步判断预设操作涉及的特征信息，并根据特征信息构建第一账号识别模型。其中，预设操作的类型与第一账号识别模型的类型相对应，例如：获取红包对应红包第一账号、转账操作对应转账第一账号等。

在构建第一账号识别模型后，构建模块110可基于第一账号识别模型获得第一账号列表。具体地，可基于第一账号识别模型离线获得初始列表。当然，也可以实时获得初始列表。基于第一账号识别模型获得的初始列表中，可能包括预建立的白名单中包含的第一账号信息，白名单中包含的第一账号信息是可信任的，因此，可从初始列表中删除预建立的白名单中包含的第一账号信息，以获得第一账号列表。

处理模块120用于获得业务行为，判断业务行为使用的业务账号是否位于第一账号列表中，若位于，则对业务行为进行处理。

在构建模块110获得第一账号列表后，处理模块120可获得业务行为，并判断业务行为使用的业务账号是否位于第一账号列表中。如果获得的业务行为位于第一账号列表中，则可对业务行为中的预设操作进行拦截，例如拦截发放红包行为。

另外，业务处理装置还可包括验证模块130、显示模块140和优化模块150。

验证模块130用于在处理模块120对业务行为中的预设操作进行拦截之后，获取业务账号对应的身份信息，以对业务账号进行身份验证。

显示模块140用于在处理模块120对业务行为中的预设操作进行拦截之后，显示拦截效果。

优化模块150用于在处理模块120对业务行为中的预设操作进行拦截之后，基于拦截效果优化第一账号识别模型。

本申请实施例的业务处理装置，通过基于包含交易行为特征的信息构建第一账号识别模型，并基于第一账号识别模型获得第一账号列表，然后在确定业务行为使用的业务账号位于第一账号列表中时，对业务行为进行处理，由于基于包含交易行为特征的信息对账号的业务行为实行了全面、有效地监控，扩大了识别作弊账号的覆盖度，提高了识别作弊账号的成功率，从而避免了业务资源的浪费。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (16)

1.一种业务处理方法，其特征在于，包括：

基于包含交易行为特征的信息构建第一账号识别模型，基于所述第一账号识别模型获得第一账号列表；以及

获得业务行为，判断所述业务行为使用的业务账号是否位于所述第一账号列表中，若位于，则对所述业务行为进行处理。

2.根据权利要求1所述的方法，其特征在于，所述基于包含交易行为特征的信息构建第一账号识别模型，包括：

基于交易行为特征识别出异常第一账号，判断所述异常第一账号是否参与预设操作，若所述异常第一账号参与所述预设操作，则进一步判断所述预设操作涉及的特征信息，并根据所述特征信息构建所述第一账号识别模型。

3.根据权利要求2所述的方法，其特征在于，所述基于交易行为特征识别出异常第一账号，包括：

根据异常关系指数计算公式计算当前账号的异常关系指数，其中，所述异常关系指数计算公式为：α_t表示动态时间t内与当前账号有交易行为的下游账号的个数，β_k表示与当前账号有交易行为且交易金额在k元以内的下游账号的金额众数个数，γ_t表示当前账号的下游账号在动态时间t内的月均活跃次数，t>＝3个月，n为计算选取的动态时间窗口个数；

若所述异常关系指数大于预设阈值，则确定当前账号为异常第二账号，所述与当前账号有交易行为且交易金额在k元以内的下游账号为异常第一账号。

4.根据权利要求2所述的方法，其特征在于，所述预设操作的类型与所述第一账号识别模型的类型相对应。

5.根据权利要求1-4任一权利要求所述的方法，其特征在于，所述基于所述第一账号识别模型获得第一账号列表，包括：

基于所述第一账号识别模型离线或实时获得初始列表，并从所述初始列表中删除预建立的白名单中包含的第一账号信息，以获得所述第一账号列表。

6.根据权利要求2-4任一权利要求所述的方法，其特征在于，所述对所述业务行为进行处理，包括：

对所述业务行为中的预设操作进行拦截。

7.根据权利要求6所述的方法，其特征在于，所述对所述业务行为中的预设操作进行拦截之后，还包括：

获取所述业务账号对应的身份信息，以对所述业务账号进行身份验证。

8.根据权利要求6所述的方法，其特征在于，所述对所述业务行为中的预设操作进行拦截之后，还包括：

显示拦截效果，和/或基于所述拦截效果优化所述第一账号识别模型。

9.一种业务处理装置，其特征在于，包括：

构建模块，用于基于包含交易行为特征的信息构建第一账号识别模型，基于所述第一账号识别模型获得第一账号列表；以及

处理模块，用于获得业务行为，判断所述业务行为使用的业务账号是否位于所述第一账号列表中，若位于，则对所述业务行为进行处理。

10.根据权利要求9所述的装置，其特征在于，所述构建模块，具体用于：

基于交易行为特征识别出异常第一账号，判断所述异常第一账号是否参与预设操作，若所述异常第一账号参与所述预设操作，则进一步判断所述预设操作涉及的特征信息，并根据所述特征信息构建所述第一账号识别模型。

11.根据权利要求10所述的装置，其特征在于，所述构建模块，具体用于：

根据异常关系指数计算公式计算当前账号的异常关系指数，其中，所述异常关系指数计算公式为：α_t表示动态时间t内与当前账号有交易行为的下游账号的个数，β_k表示与当前账号有交易行为且交易金额在k元以内的下游账号的金额众数个数，γ_t表示当前账号的下游账号在动态时间t内的月均活跃次数，t>＝3个月，n为计算选取的动态时间窗口个数；

若所述异常关系指数大于预设阈值，则确定当前账号为异常第二账号，所述与当前账号有交易行为且交易金额在k元以内的下游账号为异常第一账号。

12.根据权利要求10所述的装置，其特征在于，所述预设操作的类型与所述第一账号识别模型的类型相对应。

13.根据权利要求9-12任一权利要求所述的装置，其特征在于，所述构建模块，具体用于：

基于所述第一账号识别模型离线或实时获得初始列表，并从所述初始列表中删除预建立的白名单中包含的第一账号信息，以获得所述第一账号列表。

14.根据权利要求10-12任一权利要求所述的装置，其特征在于，所述处理模块，具体用于：

对所述业务行为中的预设操作进行拦截。

15.根据权利要求14所述的装置，其特征在于，所述装置还包括：

验证模块，用于在对所述业务行为中的预设操作进行拦截之后，获取所述业务账号对应的身份信息，以对所述业务账号进行身份验证。

16.根据权利要求14所述的装置，其特征在于，所述装置还包括：

显示模块，用于对所述业务行为中的预设操作进行拦截之后，显示拦截效果；和/或

优化模块，用于基于所述拦截效果优化所述第一账号识别模型。