CN105631746A - 基于计算机系统的网络交易的风险识别方法及其系统 - Google Patents
基于计算机系统的网络交易的风险识别方法及其系统 Download PDFInfo
- Publication number
- CN105631746A CN105631746A CN201410610458.9A CN201410610458A CN105631746A CN 105631746 A CN105631746 A CN 105631746A CN 201410610458 A CN201410610458 A CN 201410610458A CN 105631746 A CN105631746 A CN 105631746A
- Authority
- CN
- China
- Prior art keywords
- trading
- buyer
- seller
- risk
- transaction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及计算机安全技术,公开了一种基于计算机系统的网络交易的风险识别方法及其系统。在本发明中,使用买卖家对的历史交易次数将各交易划分为第一区和第二区,并在划分后的第一区和第二区中分别根据买家与卖家的交易环境信息和买家与卖家的交易行为信息来计算风险得分,以对交易的风险进行识别,针对性更强,使得对风险识别的预测更精准、更稳定。此外,对交易的统计和划分由离线服务器完成,在线服务器再基于分区对买卖家对进行风险判定,从而加快在线风险判定速度,提供买卖家更好的服务。
Description
技术领域
本发明涉及计算机安全技术,特别涉及基于计算机系统的网络交易的风险识别方法及其系统。
背景技术
通常采用“新旧账户、资金渠道等”静态属性作为变量来划分交易,由于这些静态属性大多数属于通用属性,缺乏针对性,并且无法动态地对交易进行区分,影响最终的风险识别准确性和稳定性。
发明内容
本发明的目的在于提供一种基于计算机系统的网络交易的风险识别方法及其系统,针对性更强,使得对风险识别的预测更精准、更稳定。
为解决上述技术问题,本发明的实施方式公开了一种基于计算机系统的网络交易的风险识别方法,该方法包括以下步骤:
对服务器中存储的历史交易信息进行统计,得到买卖家对的历史交易次数;
根据买卖家对的历史交易次数将交易划分为第一区和第二区,其中第一区中的买卖家对的历史交易次数小于第一阈值,第二区中的买卖家对的历史交易次数大于第一阈值;
对于第一区中的买卖家对,根据买家与卖家的交易环境信息计算第一风险得分并判断第一风险得分是否大于第二阈值,若第一风险得分大于第二阈值,则判定买家和卖家之间的交易有风险;
对于第二区中的买卖家对,根据买家与卖家的交易行为信息计算第二风险得分并判断第二风险得分是否大于第三阈值,若第二风险得分大于第三阈值,则判定买家和卖家之间的交易有风险。
本发明的实施方式还公开了一种基于计算机系统的网络交易的风险识别系统,该风险识别系统包括:
统计模块,用于对服务器中存储的历史交易信息进行统计,得到买卖家对的历史交易次数;
分区模块,用于根据统计模块得到的买卖家对的历史交易次数将交易划分为第一区和第二区,其中第一区中的买卖家对的历史交易次数小于第一阈值,第二区中的买卖家对的历史交易次数大于第一阈值;
第一判断模块,用于对于分区模块所分的第一区中的买卖家对,根据买家与卖家的交易环境信息计算第一风险得分并判断第一风险得分是否大于第二阈值;
第一判定模块,用于若第一判断模块确认第一风险得分大于第二阈值,判定买家和卖家之间的交易有风险;
第二判断模块,用于对于分区模块所分的第二区中的买卖家对,根据买家与卖家的交易行为信息计算第二风险得分并判断第二风险得分是否大于第三阈值;以及
第二判定模块,用于若第二判断模块确认第二风险得分大于第三阈值,判定买家和卖家之间的交易有风险。
本发明实施方式与现有技术相比,主要区别及其效果在于:
在本发明中,使用买卖家对的历史交易次数将各交易划分为第一区和第二区,并在划分后的第一区和第二区中分别根据买家与卖家的交易环境信息和买家与卖家的交易行为信息来计算风险得分,以对交易的风险进行识别,针对性更强,使得对风险识别的预测更精准、更稳定。
进一步地,对交易的统计和划分由离线服务器完成,在线服务器再基于分区对买卖家对进行风险判定,从而加快在线风险判定速度,提供买卖家更好的服务。
进一步地,对于陌生人间的交易,根据交易环境信息来识别风险,而对于熟人间的交易,根据交易行为信息来识别风险,针对性更强,准确性更高。
附图说明
图1是本发明第一实施方式中一种基于计算机系统的网络交易的风险识别方法的流程示意图;
图2是本发明第三实施方式中一种基于计算机系统的网络交易的风险识别系统的结构示意图。
具体实施方式
在以下的叙述中,为了使读者更好地理解本申请而提出了许多技术细节。但是,本领域的普通技术人员可以理解,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请各权利要求所要求保护的技术方案。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明的实施方式作进一步地详细描述。
本发明第一实施方式涉及一种基于计算机系统的网络交易的风险识别方法。图1是该基于计算机系统的网络交易的风险识别方法的流程示意图。如图1所示,该风险识别方法包括以下步骤:
在步骤101中,对服务器中存储的历史交易信息进行统计,得到买卖家对的历史交易次数。可以理解,买卖家对的历史交易次数可以为买家与卖家前半年的总交易次数,也可以为买家与卖家前三个月的月均交易次数。可以根据经验或实际需要选择不同形式的买卖家对的历史交易次数。此外,可以理解,在本发明的其他实施方式中,也可以选择交易金额或当前月次数与前三个月月均次数的比值等等对交易进行划分。
此后进入步骤102,根据买卖家对的历史交易次数将交易划分为第一区和第二区,其中第一区中的买卖家对的历史交易次数小于第一阈值,第二区中的买卖家对的历史交易次数大于第一阈值。可以理解,在本发明的其他实施方式中,可以根据需要将交易划分为若干区,并在各区中根据买家与卖家的特定交易信息来识别风险,从而使得风险识别的精准度最优。不限于上述的第一区和第二区。
此后进入步骤103,对于第一区中的买卖家对,根据买家与卖家的交易环境信息计算第一风险得分并判断第一风险得分是否大于第二阈值,若第一风险得分大于第二阈值,则进入步骤104,否则进入步骤105。
在步骤104中,判定买家和卖家之间的交易有风险。
此后进入步骤105,对于第二区中的买卖家对,根据买家与卖家的交易行为信息计算第二风险得分并判断第二风险得分是否大于第三阈值,若第二风险得分大于第三阈值,则进入步骤106,否则结束本流程。
在步骤106中,判定买家和卖家之间的交易有风险。
此后结束本流程。
可以理解,上述第一阈值、第二阈值和第三阈值可以根据经验进行相应设置。
此外,可以理解,在本发明的其他实施方式中,也可以先对第二区中的买卖家对进行判定,再对第一区中的买卖家对进行判定,或是同时对第一区和第二区中的买卖家对进行判定,不限于上述的顺序。
由于买卖家对的历史交易次数为动态属性,使用该动态属性对交易进行划分,可以动态地将陌生人间的交易和熟人间的交易相区分,并针对不同种类的交易,采用特定交易信息来识别风险,针对性更强,精准度更高。具体地说:
对于陌生人间的交易,主要根据买家与卖家的交易环境信息来识别风险。买家与卖家的交易环境信息例如可以包括交易终端是否为公共终端、是否进行卡边金额操作等等。
而对于熟人间的交易,主要根据买家与卖家的交易行为信息来识别风险。买家与卖家的交易行为信息例如可以包括是否在特定时段进行交易操作、交易终端是否固定、资金渠道是否固定等等。
这样,对于网络交易的风险识别可以达到更好、更稳定的预测效果,确保了交易的安全性。
在本实施方式中,使用买卖家对的历史交易次数将各交易划分为第一区和第二区,并在划分后的第一区和第二区中分别根据买家与卖家的交易环境信息和买家与卖家的交易行为信息来计算风险得分,以对交易的风险进行识别,针对性更强,使得对风险识别的预测更精准、更稳定。
本发明第二实施方式涉及一种基于计算机系统的网络交易的风险识别方法。
第二实施方式在第一实施方式的基础上进行了改进,主要改进之处在于:对交易的统计和划分由离线服务器完成,在线服务器再基于分区对买卖家对进行风险判定,从而加快在线风险判定速度,提供买卖家更好的服务。具体地说:
上述服务器包括离线服务器和在线服务器。
离线服务器执行步骤101和102,并将第一区和第二区中的买卖家对信息更新到在线服务器。
在线服务器根据离线服务器提供的第一区和第二区中的买卖家对信息,执行步骤103至106。
可以理解,在本发明的其他实施方式中,对交易的统计、划分和判定也可以全由在线服务器来执行。
优选地,上述基于计算机系统的网络交易的风险识别方法应用于快速转账业务。当然,上述方法也可以应用于其他业务中。
可以理解,在将上述方法应用于多个业务时,可以对风险得分设置多个级别,根据风险得分所属的级别对买卖家对设置相应的业务权限。
本发明的各方法实施方式均可以以软件、硬件、固件等方式实现。不管本发明是以软件、硬件、还是固件方式实现,指令代码都可以存储在任何类型的计算机可访问的存储器中(例如永久的或者可修改的,易失性的或者非易失性的,固态的或者非固态的,固定的或者可更换的介质等等)。同样,存储器可以例如是可编程阵列逻辑(ProgrammableArrayLogic,简称“PAL”)、随机存取存储器(RandomAccessMemory,简称“RAM”)、可编程只读存储器(ProgrammableReadOnlyMemory,简称“PROM”)、只读存储器(Read-OnlyMemory,简称“ROM”)、电可擦除可编程只读存储器(ElectricallyErasableProgrammableROM,简称“EEPROM”)、磁盘、光盘、数字通用光盘(DigitalVersatileDisc,简称“DVD”)等等。
本发明第三实施方式涉及一种基于计算机系统的网络交易的风险识别系统。图2是该基于计算机系统的网络交易的风险识别系统的结构示意图。如图2所示,该风险识别系统包括:
统计模块,用于对服务器中存储的历史交易信息进行统计,得到买卖家对的历史交易次数。可以理解,可以根据经验或实际需要选择不同形式的买卖家对的历史交易次数。例如,买卖家对的历史交易次数可以为买家与卖家前半年的总交易次数,也可以为买家与卖家前三个月的月均交易次数。此外,可以理解,在本发明的其他实施方式中,也可以选择交易金额或当前月次数与前三个月月均次数的比值等等对交易进行划分。
分区模块,用于根据统计模块得到的买卖家对的历史交易次数将交易划分为第一区和第二区,其中第一区中的买卖家对的历史交易次数小于第一阈值,第二区中的买卖家对的历史交易次数大于第一阈值。可以理解,在本发明的其他实施方式中,分区模块可以根据需要将交易划分为若干区,并在各区中根据买家与卖家的特定交易信息来识别风险,从而使得风险识别的精准度最优。不限于上述的第一区和第二区。
第一判断模块,用于对于分区模块所分的第一区中的买卖家对,根据买家与卖家的交易环境信息计算第一风险得分并判断第一风险得分是否大于第二阈值。
第一判定模块,用于若第一判断模块确认第一风险得分大于第二阈值,判定买家和卖家之间的交易有风险。
第二判断模块,用于对于分区模块所分的第二区中的买卖家对,根据买家与卖家的交易行为信息计算第二风险得分并判断第二风险得分是否大于第三阈值。以及
第二判定模块,用于若第二判断模块确认第二风险得分大于第三阈值,判定买家和卖家之间的交易有风险。
可以理解,上述第一阈值、第二阈值和第三阈值可以根据经验进行相应设置。
由于买卖家对的历史交易次数为动态属性,使用该动态属性对交易进行划分,可以动态地将陌生人间的交易和熟人间的交易相区分,并针对不同种类的交易,采用特定交易信息来识别风险,针对性更强,精准度更高。具体地说:
对于陌生人间的交易,主要根据买家与卖家的交易环境信息来识别风险。买家与卖家的交易环境信息例如可以包括交易终端是否为公共终端、是否进行卡边金额操作等等。
而对于熟人间的交易,主要根据买家与卖家的交易行为信息来识别风险。买家与卖家的交易行为信息例如可以包括是否在特定时段进行交易操作、交易终端是否固定、资金渠道是否固定等等。
这样,对于网络交易的风险识别可以达到更好、更稳定的预测效果,确保了交易的安全性。
在本实施方式的风险识别系统中,分区模块使用买卖家对的历史交易次数将各交易划分为第一区和第二区,然后由第一和第二判断模块在划分后的第一区和第二区中分别根据买家和卖家的交易环境信息和买家和卖家的交易行为信息来计算风险得分,以对交易的风险进行识别,针对性更强,使得对风险识别的预测更精准、更稳定。
第一实施方式是与本实施方式相对应的方法实施方式,本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一实施方式中。
本发明第四实施方式涉及一种基于计算机系统的网络交易的风险识别系统。
第四实施方式在第三实施方式的基础上进行了改进,主要改进之处在于:对交易的统计和划分由离线服务器完成,在线服务器再基于分区对买卖家对进行风险判定,从而加快在线风险判定速度,提供买卖家更好的服务。具体地说:
该风险识别系统包括离线服务器和在线服务器。
离线服务器包括统计模块、分区模块和更新模块,该更新模块用于将第一区和第二区中的买卖家对信息更新到在线服务器。
在线服务器包括第一判断模块、第一判定模块、第二判断模块和第二判定模块,第一判断模块和第二判断模块根据更新模块提供的第一区和第二区中的买卖家对信息来分别对第一区和第二区中的买卖家对计算第一风险得分和第二风险得分。
可以理解,在本发明的其他实施方式中,对交易的统计、划分和判定也可以全由在线服务器来执行。
优选地,上述基于计算机系统的网络交易的风险识别系统应用于快速转账业务。当然,上述风险识别系统也可以应用于其他业务中。
可以理解,在上述风险识别系统应用于多个业务时,可以对风险得分设置多个级别,根据风险得分所属的级别对买卖家对设置相应的业务权限。
第二实施方式是与本实施方式相对应的方法实施方式,本实施方式可与第二实施方式互相配合实施。第二实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第二实施方式中。
需要说明的是,本发明各设备实施方式中提到的各模块都是逻辑模块,在物理上,一个逻辑模块可以是一个物理模块,也可以是一个物理模块的一部分,还可以以多个物理模块的组合实现,这些逻辑模块本身的物理实现方式并不是最重要的,这些逻辑模块所实现的功能的组合才是解决本发明所提出的技术问题的关键。此外,为了突出本发明的创新部分,本发明上述各设备实施方式并没有将与解决本发明所提出的技术问题关系不太密切的模块引入,这并不表明上述设备实施方式并不存在其它的模块。
需要说明的是,在本专利的权利要求和说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然通过参照本发明的某些优选实施方式,已经对本发明进行了图示和描述,但本领域的普通技术人员应该明白,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (12)
1.一种基于计算机系统的网络交易的风险识别方法,其特征在于,该方法包括以下步骤:
对服务器中存储的历史交易信息进行统计,得到买卖家对的历史交易次数;
根据所述买卖家对的历史交易次数将交易划分为第一区和第二区,其中所述第一区中的买卖家对的历史交易次数小于第一阈值,所述第二区中的买卖家对的历史交易次数大于第一阈值;
对于所述第一区中的买卖家对,根据买家与卖家的交易环境信息计算第一风险得分并判断所述第一风险得分是否大于第二阈值,若所述第一风险得分大于第二阈值,则判定所述买家和所述卖家之间的交易有风险;
对于所述第二区中的买卖家对,根据买家与卖家的交易行为信息计算第二风险得分并判断所述第二风险得分是否大于第三阈值,若所述第二风险得分大于第三阈值,则判定所述买家和所述卖家之间的交易有风险。
2.根据权利要求1所述的基于计算机系统的网络交易的风险识别方法,其特征在于,所述服务器包括离线服务器和在线服务器;
所述离线服务器执行所述“对服务器中存储的历史交易信息进行统计,得到买卖家对的历史交易次数”和“根据所述买卖家对的历史交易次数将交易划分为第一区和第二区,其中所述第一区中的买卖家对的历史交易次数小于第一阈值,所述第二区中的买卖家对的历史交易次数大于第一阈值”的步骤,并将第一区和第二区中的买卖家对信息更新到所述在线服务器;
所述在线服务器根据所述离线服务器提供的第一区和第二区中的买卖家对信息,执行所述“对于所述第一区中的买卖家对,根据买家与卖家的交易环境信息计算第一风险得分并判断所述第一风险得分是否大于第二阈值,若所述第一风险得分大于第二阈值,则判定所述买家和所述卖家之间的交易有风险”和“对于所述第二区中的买卖家对,根据买家与卖家的交易行为信息计算第二风险得分并判断所述第二风险得分是否大于第三阈值,若所述第二风险得分大于第三阈值,则判定所述买家和所述卖家之间的交易有风险”的步骤。
3.根据权利要求1所述的基于计算机系统的网络交易的风险识别方法,其特征在于,所述买卖家对的历史交易次数为所述买家与所述卖家前半年的总交易次数,或所述买家与所述卖家前三个月的月均交易次数。
4.根据权利要求1所述的基于计算机系统的网络交易的风险识别方法,其特征在于,所述买家与卖家的交易环境信息包括交易终端是否为公共终端、是否进行卡边金额操作。
5.根据权利要求1所述的基于计算机系统的网络交易的风险识别方法,其特征在于,所述买家与卖家的交易行为信息包括是否在特定时段进行交易操作、交易终端是否固定、资金渠道是否固定。
6.根据权利要求1至5中任一项所述的基于计算机系统的网络交易的风险识别方法,其特征在于,所述基于计算机系统的网络交易的风险识别方法应用于快速转账业务。
7.一种基于计算机系统的网络交易的风险识别系统,其特征在于,该风险识别系统包括:
统计模块,用于对服务器中存储的历史交易信息进行统计,得到买卖家对的历史交易次数;
分区模块,用于根据所述统计模块得到的买卖家对的历史交易次数将交易划分为第一区和第二区,其中所述第一区中的买卖家对的历史交易次数小于第一阈值,所述第二区中的买卖家对的历史交易次数大于第一阈值;
第一判断模块,用于对于所述分区模块所分的第一区中的买卖家对,根据买家与卖家的交易环境信息计算第一风险得分并判断所述第一风险得分是否大于第二阈值;
第一判定模块,用于若所述第一判断模块确认所述第一风险得分大于第二阈值,判定所述买家和所述卖家之间的交易有风险;
第二判断模块,用于对于所述分区模块所分的第二区中的买卖家对,根据买家与卖家的交易行为信息计算第二风险得分并判断所述第二风险得分是否大于第三阈值;以及
第二判定模块,用于若所述第二判断模块确认所述第二风险得分大于第三阈值,判定所述买家和所述卖家之间的交易有风险。
8.根据权利要求7所述的基于计算机系统的网络交易的风险识别系统,其特征在于,该风险识别系统包括离线服务器和在线服务器;
所述离线服务器包括所述统计模块、所述分区模块和更新模块,该更新模块用于将第一区和第二区中的买卖家对信息更新到所述在线服务器;
所述在线服务器包括所述第一判断模块、所述第一判定模块、所述第二判断模块和所述第二判定模块,所述第一判断模块和所述第二判断模块根据所述更新模块提供的第一区和第二区中的买卖家对信息来分别对所述第一区和所述第二区中的买卖家对计算所述第一风险得分和所述第二风险得分。
9.根据权利要求7所述的基于计算机系统的网络交易的风险识别系统,其特征在于,所述买卖家对的历史交易次数为所述买家与所述卖家前半年的总交易次数,或所述买家与所述卖家前三个月的月均交易次数。
10.根据权利要求7所述的基于计算机系统的网络交易的风险识别系统,其特征在于,所述买家与卖家的交易环境信息包括交易终端是否为公共终端、是否进行卡边金额操作。
11.根据权利要求7所述的基于计算机系统的网络交易的风险识别系统,其特征在于,所述买家与卖家的交易行为信息包括是否在特定时段进行交易操作、交易终端是否固定、资金渠道是否固定。
12.根据权利要求7至11中任一项所述的基于计算机系统的网络交易的风险识别系统,其特征在于,所述基于计算机系统的网络交易的风险识别系统应用于快速转账业务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410610458.9A CN105631746A (zh) | 2014-11-03 | 2014-11-03 | 基于计算机系统的网络交易的风险识别方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410610458.9A CN105631746A (zh) | 2014-11-03 | 2014-11-03 | 基于计算机系统的网络交易的风险识别方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105631746A true CN105631746A (zh) | 2016-06-01 |
Family
ID=56046637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410610458.9A Pending CN105631746A (zh) | 2014-11-03 | 2014-11-03 | 基于计算机系统的网络交易的风险识别方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105631746A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563757A (zh) * | 2016-07-01 | 2018-01-09 | 阿里巴巴集团控股有限公司 | 数据风险控制的方法及装置 |
CN107862526A (zh) * | 2017-10-27 | 2018-03-30 | 平安科技(深圳)有限公司 | 资源数值转移方法、装置、存储介质和服务器 |
CN108053214A (zh) * | 2017-12-12 | 2018-05-18 | 阿里巴巴集团控股有限公司 | 一种虚假交易的识别方法和装置 |
CN108614866A (zh) * | 2018-04-10 | 2018-10-02 | 中国银行股份有限公司 | 网银客户贡献度分析方法、装置及系统 |
CN117132396A (zh) * | 2023-07-04 | 2023-11-28 | 北京中盛九橙企业管理咨询有限公司 | 一种用于在线交易的风险评估系统和方法 |
-
2014
- 2014-11-03 CN CN201410610458.9A patent/CN105631746A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563757A (zh) * | 2016-07-01 | 2018-01-09 | 阿里巴巴集团控股有限公司 | 数据风险控制的方法及装置 |
US11074350B2 (en) | 2016-07-01 | 2021-07-27 | Advanced New Technologies Co., Ltd. | Method and device for controlling data risk |
CN107862526A (zh) * | 2017-10-27 | 2018-03-30 | 平安科技(深圳)有限公司 | 资源数值转移方法、装置、存储介质和服务器 |
CN108053214A (zh) * | 2017-12-12 | 2018-05-18 | 阿里巴巴集团控股有限公司 | 一种虚假交易的识别方法和装置 |
CN108614866A (zh) * | 2018-04-10 | 2018-10-02 | 中国银行股份有限公司 | 网银客户贡献度分析方法、装置及系统 |
CN117132396A (zh) * | 2023-07-04 | 2023-11-28 | 北京中盛九橙企业管理咨询有限公司 | 一种用于在线交易的风险评估系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109934706B (zh) | 一种基于图结构模型的交易风险控制方法、装置以及设备 | |
CN104866484A (zh) | 一种数据处理方法和装置 | |
CN108717602B (zh) | 一种交易行为异常的识别方法、装置及设备 | |
EP3312787A1 (en) | Method and device for obtaining payment threshold | |
CN105631746A (zh) | 基于计算机系统的网络交易的风险识别方法及其系统 | |
CN111539811B (zh) | 风险账户的识别方法及装置 | |
CN109615461B (zh) | 目标用户识别方法、违规商户识别方法和装置 | |
Norbäck et al. | Multinational firms and plant divestiture | |
CN109697454B (zh) | 一种基于隐私保护的跨设备个体识别方法及装置 | |
CN110009365B (zh) | 非正常转移电子资产的用户群体检测方法、装置和设备 | |
CN111260368A (zh) | 一种账户交易风险判断方法、装置及电子设备 | |
CN110060053A (zh) | 一种识别方法、设备及计算机可读介质 | |
El Mehdi et al. | Local government efficiency: the case of Moroccan municipalities | |
CN105678323A (zh) | 基于图的分析用户的方法和系统 | |
US20170316502A1 (en) | Techniques for automated order matching | |
Lee et al. | Impact of business portfolio diversification on construction company insolvency in Korea | |
Sang et al. | Impacts of macroeconomic fluctuations on insolvency: Case of Korean construction companies | |
Kanevsky et al. | The learning-knowledge-value cycle | |
CN110874786B (zh) | 虚假交易团伙识别方法、设备及计算机可读介质 | |
CN106033574A (zh) | 一种作弊行为的识别方法及装置 | |
CN109492891B (zh) | 用户流失预测方法及装置 | |
CN114782129A (zh) | 一种信息推荐的方法及装置 | |
CN107330709B (zh) | 确定目标对象的方法及装置 | |
CN110516713A (zh) | 一种目标群体识别方法、装置及设备 | |
Hu et al. | (s, S) inventory systems with correlated demands |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160601 |
|
RJ01 | Rejection of invention patent application after publication |