CN105976242A - 一种基于实时流数据分析的交易欺诈检测方法及系统 - Google Patents
一种基于实时流数据分析的交易欺诈检测方法及系统 Download PDFInfo
- Publication number
- CN105976242A CN105976242A CN201610252216.6A CN201610252216A CN105976242A CN 105976242 A CN105976242 A CN 105976242A CN 201610252216 A CN201610252216 A CN 201610252216A CN 105976242 A CN105976242 A CN 105976242A
- Authority
- CN
- China
- Prior art keywords
- real
- transaction
- streaming data
- time streaming
- time
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Abstract
本发明公开了一种基于实时流数据分析的交易欺诈检测方法,包括:实时采集用户在交易过程中银行生产系统产生的交易实时流数据;分发交易实时流数据;对分发的交易实时流数据进行清洗、加工,提取出交易实时流数据的特征值;获取预设的欺诈检测规则引擎库中的规则;将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果。本发明能够提高数据分析处理能力以及时效性,提高交易欺诈检测与反应的及时性,保障用户交易的安全。本发明还公开了一种基于实时流数据分析的交易欺诈检测方法。
Description
技术领域
本发明涉及交易欺诈检测技术领域,尤其涉及一种基于实时流数据分析的交易欺诈检测方法及系统。
背景技术
随着互联网金融的发展,用户采用网络交易的行为也越来越多,用户在交易的过程中,会涌现出大量的交易实时流数据。实时流数据会实时持续不断的到达,到达次序独立,数据来源众多、格式复杂、数据规模大。在现有技术中,还不具备实时流数据的处理能力,对交易数据处理的时效性较差。因此,如何提高数据分析处理能力以及时效性,提高交易欺诈检测与反应的及时性,保障用户交易安全是一项亟待解决的问题。
发明内容
本发明提供了一种基于实时流数据分析的交易欺诈检测方法,能够提高数据分析处理能力以及时效性,提高交易欺诈检测与反应的及时性,保障用户交易的安全。
本发明提供了一种基于实时流数据分析的交易欺诈检测方法,包括:
实时采集用户在交易过程中银行生产系统产生的交易实时流数据;
分发所述交易实时流数据;
对分发的所述交易实时流数据进行清洗、加工,提取出所述交易实时流数据的特征值;
获取预设的欺诈检测规则引擎库中的规则;
将所述交易实时流数据的特征值与所述规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果。
优选地,所述方法还包括:
依据所述匹配结果进行预警处理。
优选地,所述方法还包括:
保存并展示所述匹配结果。
优选地,所述方法还包括:
更新所述规则引擎库中的规则。
优选地,所述实时采集用户在交易过程中银行生产系统产生的交易实时流数据具体为:
并行采集两个或两个以上的银行生产系统产生的数据;
将所述采集的数据转换为流数据,生成交易实时流数据。
一种基于实时流数据分析的交易欺诈检测系统,包括:
采集单元,用于实时采集用户在交易过程中银行生产系统产生的交易实时流数据;
分发单元,用于分发所述交易实时流数据;
提取单元,用于对分发的所述交易实时流数据进行清洗、加工,提取出所述交易实时流数据的特征值;
获取单元,用于获取预设的欺诈检测规则引擎库中的规则;
检测单元,用于将所述交易实时流数据的特征值与所述规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果。
优选地,所述系统还包括:
预警处理单元,用于依据所述匹配结果进行预警处理。
优选地,所述系统还包括:
保存单元,用于保存并展示所述匹配结果。
优选地,所述系统还包括:
更新单元,用于更新所述规则引擎库中的规则。
优选地,所述采集单元具体用于:
并行采集两个或两个以上的银行生产系统产生的数据;
将所述采集的数据转换为流数据,生成交易实时流数据。
由上述方案可知,本发明提供的一种基于实时流数据分析的交易欺诈检测方法,通过实时采集用户在交易过程中银行生产系统产生的交易实时流数据,将采集到的实时流数据进行分发,并对分发的实时流数据进行清洗、加工,提取出所述交易实时流数据的特征值,获取预设的欺诈检测规则引擎库中的规则,将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果。提高了数据分析处理能力以及时效性,提高了交易欺诈检测与反应的及时性,保障了用户交易的安全。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一公开的一种基于实时流数据分析的交易欺诈检测方法的流程图;
图2为本发明实施例二公开的一种基于实时流数据分析的交易欺诈检测方法的流程图;
图3为本发明实施例三公开的一种基于实时流数据分析的交易欺诈检测方法的流程图;
图4为本发明实施例四公开的一种基于实时流数据分析的交易欺诈检测方法的流程图;
图5为本发明实施例五公开的一种基于实时流数据分析的交易欺诈检测系统的结构示意图;
图6为本发明实施例六公开的一种基于实时流数据分析的交易欺诈检测系统的结构示意图;
图7为本发明实施例七公开的一种基于实时流数据分析的交易欺诈检测系统的结构示意图;
图8为本发明实施例八公开的一种基于实时流数据分析的交易欺诈检测系统的结构示意图;
图9为本发明实施例九公开的一种基于实时流数据分析的交易欺诈检测系统最优实现方式的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,为本发明实施例一公开的一种基于实时流数据分析的交易欺诈检测方法,包括:
S101、实时采集用户在交易过程中银行生产系统产生的交易实时流数据;
当需要对用户交易过程中的欺诈交易进行检测时,首先实时采集用户交易的银行的生产系统中产生的交易实时流数据,在数据的采集过程中,可以通过控制数据采集的时间与数据传输的速率减小对服务器的压力。
S102、分发交易实时流数据;
将采集到的交易实时流数据进行分发,一方面将交易实时流数据写入分布式的文件系统,数据以Key-Value的形式存在。另一方面将交易实时流数据发送至实时计算集群。为了提高数据的发送效率,在分发交易实时流数据时,可以采取小批量的方式发送交易实时流数据,例如,每100条数据发送一次,在发送的过程中,当超过设定的时间时,不到100条数据也强行发送。
S103、对分发的交易实时流数据进行清洗、加工,提取出交易实时流数据的特征值;
对分发至实时计算集群中的交易实时流数据进行清洗、加工等数据处理,提取出交易实时流数据的特征值,获取到规则匹配所需的特征向量。
S104、获取预设的欺诈检测规则引擎库中的规则;
获取用于交易欺诈检测的预设的欺诈检测规则引擎库中的规则,其中,所述的规则可以包括:在一定时间内多次输错密码,正确进入系统后,发生多笔转账,支付总额超过设定的阈值。在一定时间内连续等额资金汇入,连续多笔支出交易,支付总额超过设定的阈值。在一定时间内连续多笔代付,连续多笔同一商户二维码付款,支付金额超过阈值。在一定时间内登录的IP对应的省份发生变化,且登录后发生多笔交易,支付总金额超过设定的阈值。在一定时间内,出现连续多笔为不同的用户的水电煤气等缴费,且缴费金额超过账户余额占比的设定的阈值。发生与客户通常活动地理位置相差较大的多笔交易。在一定时间内,出现多笔地理位置信息差异较大的交易。上述的规则不仅限于列举出的规则,可以根据实际的需求进行增加。
S105、将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果。
将交易实时流数据的特征值与规则进行规则匹配,即判断交易实时流数据的特征值是否触发规则引擎中的规则,如果触发规则引擎中的某一条或几条规则,判断为疑似欺诈交易,否则判断为正常交易。
综上所述,在上述实施例中,通过实时采集用户在交易过程中银行生产系统产生的交易实时流数据,将采集到的实时流数据进行分发,并对分发的实时流数据进行清洗、加工,提取出所述交易实时流数据的特征值,获取预设的欺诈检测规则引擎库中的规则,将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果。提高了数据分析处理能力以及时效性,提高了交易欺诈检测与反应的及时性,保障了用户交易的安全。
如图2所示,为本发明实施例二公开的一种基于实时流数据分析的交易欺诈检测方法,包括:
S201、实时采集用户在交易过程中银行生产系统产生的交易实时流数据;
当需要对用户交易过程中的欺诈交易进行检测时,首先实时采集用户交易的银行的生产系统中产生的交易实时流数据,在数据的采集过程中,可以通过控制数据采集的时间与数据传输的速率减小对服务器的压力。
S202、分发交易实时流数据;
将采集到的交易实时流数据进行分发,一方面将交易实时流数据写入分布式的文件系统,数据以Key-Value的形式存在。另一方面将交易实时流数据发送至实时计算集群。为了提高数据的发送效率,在分发交易实时流数据时,可以采取小批量的方式发送交易实时流数据,例如,每100条数据发送一次,在发送的过程中,当超过设定的时间时,不到100条数据也强行发送。
S203、对分发的交易实时流数据进行清洗、加工,提取出交易实时流数据的特征值;
对分发至实时计算集群中的交易实时流数据进行清洗、加工等数据处理,提取出交易实时流数据的特征值,获取到规则匹配所需的特征向量。
S204、获取预设的欺诈检测规则引擎库中的规则;
获取用于交易欺诈检测的预设的欺诈检测规则引擎库中的规则,其中,所述的规则可以包括:在一定时间内多次输错密码,正确进入系统后,发生多笔转账,支付总额超过设定的阈值。在一定时间内连续等额资金汇入,连续多笔支出交易,支付总额超过设定的阈值。在一定时间内连续多笔代付,连续多笔同一商户二维码付款,支付金额超过阈值。在一定时间内登录的IP对应的省份发生变化,且登录后发生多笔交易,支付总金额超过设定的阈值。在一定时间内,出现连续多笔为不同的用户的水电煤气等缴费,且缴费金额超过账户余额占比的设定的阈值。发生与客户通常活动地理位置相差较大的多笔交易。在一定时间内,出现多笔地理位置信息差异较大的交易。上述的规则不仅限于列举出的规则,可以根据实际的需求进行增加。
S205、将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果;
将交易实时流数据的特征值与规则进行规则匹配,即判断交易实时流数据的特征值是否触发规则引擎中的规则,如果触发规则引擎中的某一条或几条规则,判断为疑似欺诈交易,否则判断为正常交易。
S206、依据所述匹配结果进行预警处理。
当匹配结果中出现疑似欺诈交易时,根据欺诈交易的类型,当需要人工干预时转交给人工处理,当需要直接由机器采取强制终止交易措施时转交给机器处理。
综上所述,通过实时采集用户在交易过程中银行生产系统产生的交易实时流数据,将采集到的实时流数据进行分发,并对分发的实时流数据进行清洗、加工,提取出所述交易实时流数据的特征值,获取预设的欺诈检测规则引擎库中的规则,将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果。提高了数据分析处理能力以及时效性,提高了交易欺诈检测与反应的及时性,保障了用户交易的安全。同时,能够根据不同的匹配结果选择相应的预警处理。
如图3所示,为本发明实施例三公开的一种基于实时流数据分析的交易欺诈检测方法,包括:
S301、实时采集用户在交易过程中银行生产系统产生的交易实时流数据;
当需要对用户交易过程中的欺诈交易进行检测时,首先实时采集用户交易的银行的生产系统中产生的交易实时流数据,在数据的采集过程中,可以通过控制数据采集的时间与数据传输的速率减小对服务器的压力。
S302、分发交易实时流数据;
将采集到的交易实时流数据进行分发,一方面将交易实时流数据写入分布式的文件系统,数据以Key-Value的形式存在。另一方面将交易实时流数据发送至实时计算集群。为了提高数据的发送效率,在分发交易实时流数据时,可以采取小批量的方式发送交易实时流数据,例如,每100条数据发送一次,在发送的过程中,当超过设定的时间时,不到100条数据也强行发送。
S303、对分发的交易实时流数据进行清洗、加工,提取出交易实时流数据的特征值;
对分发至实时计算集群中的交易实时流数据进行清洗、加工等数据处理,提取出交易实时流数据的特征值,获取到规则匹配所需的特征向量。
S304、获取预设的欺诈检测规则引擎库中的规则;
获取用于交易欺诈检测的预设的欺诈检测规则引擎库中的规则,其中,所述的规则可以包括:在一定时间内多次输错密码,正确进入系统后,发生多笔转账,支付总额超过设定的阈值。在一定时间内连续等额资金汇入,连续多笔支出交易,支付总额超过设定的阈值。在一定时间内连续多笔代付,连续多笔同一商户二维码付款,支付金额超过阈值。在一定时间内登录的IP对应的省份发生变化,且登录后发生多笔交易,支付总金额超过设定的阈值。在一定时间内,出现连续多笔为不同的用户的水电煤气等缴费,且缴费金额超过账户余额占比的设定的阈值。发生与客户通常活动地理位置相差较大的多笔交易。在一定时间内,出现多笔地理位置信息差异较大的交易。上述的规则不仅限于列举出的规则,可以根据实际的需求进行增加。
S305、将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果;
将交易实时流数据的特征值与规则进行规则匹配,即判断交易实时流数据的特征值是否触发规则引擎中的规则,如果触发规则引擎中的某一条或几条规则,判断为疑似欺诈交易,否则判断为正常交易。
S306、依据所述匹配结果进行预警处理;
当匹配结果中出现疑似欺诈交易时,根据欺诈交易的类型,当需要人工干预时转交给人工处理,当需要直接由机器采取强制终止交易措施时转交给机器处理。
S307、保存并展示匹配结果。
对匹配的结果进行保存,以便根据保存的匹配结果重新定义规则引擎库中的规则,同时对匹配的结果进行展示,在进行匹配结果展示时,可以通过Web端展示,也可以通过电子设备的APP展示,需要人工参与的,还支持将匹配结果自动推送至负责人,例如,通过短信或Email的方式。
综上所述,在上述实施例中,通过实时采集用户在交易过程中银行生产系统产生的交易实时流数据,将采集到的实时流数据进行分发,并对分发的实时流数据进行清洗、加工,提取出所述交易实时流数据的特征值,获取预设的欺诈检测规则引擎库中的规则,将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果。提高了数据分析处理能力以及时效性,提高了交易欺诈检测与反应的及时性,保障了用户交易的安全。同时,能够根据不同的匹配结果选择相应的预警处理,并对匹配结果进行保存和展示,提升了用户体验。
如图4所示,为本发明实施例四公开的一种基于实时流数据分析的交易欺诈检测方法,包括:
S401、实时采集用户在交易过程中银行生产系统产生的交易实时流数据;
当需要对用户交易过程中的欺诈交易进行检测时,首先实时采集用户交易的银行的生产系统中产生的交易实时流数据,在数据的采集过程中,可以通过控制数据采集的时间与数据传输的速率减小对服务器的压力。
S402、分发交易实时流数据;
将采集到的交易实时流数据进行分发,一方面将交易实时流数据写入分布式的文件系统,数据以Key-Value的形式存在。另一方面将交易实时流数据发送至实时计算集群。为了提高数据的发送效率,在分发交易实时流数据时,可以采取小批量的方式发送交易实时流数据,例如,每100条数据发送一次,在发送的过程中,当超过设定的时间时,不到100条数据也强行发送。
S403、对分发的交易实时流数据进行清洗、加工,提取出交易实时流数据的特征值;
对分发至实时计算集群中的交易实时流数据进行清洗、加工等数据处理,提取出交易实时流数据的特征值,获取到规则匹配所需的特征向量。
S404、获取预设的欺诈检测规则引擎库中的规则;
获取用于交易欺诈检测的预设的欺诈检测规则引擎库中的规则,其中,所述的规则可以包括:在一定时间内多次输错密码,正确进入系统后,发生多笔转账,支付总额超过设定的阈值。在一定时间内连续等额资金汇入,连续多笔支出交易,支付总额超过设定的阈值。在一定时间内连续多笔代付,连续多笔同一商户二维码付款,支付金额超过阈值。在一定时间内登录的IP对应的省份发生变化,且登录后发生多笔交易,支付总金额超过设定的阈值。在一定时间内,出现连续多笔为不同的用户的水电煤气等缴费,且缴费金额超过账户余额占比的设定的阈值。发生与客户通常活动地理位置相差较大的多笔交易。在一定时间内,出现多笔地理位置信息差异较大的交易。上述的规则不仅限于列举出的规则,可以根据实际的需求进行增加。
S405、将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果;
将交易实时流数据的特征值与规则进行规则匹配,即判断交易实时流数据的特征值是否触发规则引擎中的规则,如果触发规则引擎中的某一条或几条规则,判断为疑似欺诈交易,否则判断为正常交易。
S406、依据所述匹配结果进行预警处理;
当匹配结果中出现疑似欺诈交易时,根据欺诈交易的类型,当需要人工干预时转交给人工处理,当需要直接由机器采取强制终止交易措施时转交给机器处理。
S407、保存并展示匹配结果;
对匹配的结果进行保存,以便根据保存的匹配结果重新定义规则引擎库中的规则,同时对匹配的结果进行展示,在进行匹配结果展示时,可以通过Web端展示,也可以通过电子设备的APP展示,需要人工参与的,还支持将匹配结果自动推送至负责人,例如,通过短信或Email的方式。
S408、更新规则引擎库中的规则。
规则引擎库支持对规则的增加、删除、修改、查询等操作,通过这些操作实现对规则引擎库中的规则进行更新。
综上所述,在上述实施例中,通过实时采集用户在交易过程中银行生产系统产生的交易实时流数据,将采集到的实时流数据进行分发,并对分发的实时流数据进行清洗、加工,提取出所述交易实时流数据的特征值,获取预设的欺诈检测规则引擎库中的规则,将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果。提高了数据分析处理能力以及时效性,提高了交易欺诈检测与反应的及时性,保障了用户交易的安全。同时,能够根据不同的匹配结果选择相应的预警处理,对匹配结果进行保存和展示,对规则引擎库中的规则进行更新,提升了用户体验。
具体的,在以上的实施例中,实时采集用户在交易过程中银行生产系统产生的交易实时流数据时,具体还可以通过并行采集两个或两个以上的银行生产系统产生的数据,将采集的数据转换为流数据,生成交易实时流数据。
如图5所示,为本发明实施例五公开的一种基于实时流数据分析的交易欺诈检测系统,包括:
采集单元501,用于实时采集用户在交易过程中银行生产系统产生的交易实时流数据;
当需要对用户交易过程中的欺诈交易进行检测时,首先实时采集用户交易的银行的生产系统中产生的交易实时流数据,在数据的采集过程中,可以通过控制数据采集的时间与数据传输的速率减小对服务器的压力。
分发单元502,用于分发交易实时流数据;
将采集到的交易实时流数据进行分发,一方面将交易实时流数据写入分布式的文件系统,数据以Key-Value的形式存在。另一方面将交易实时流数据发送至实时计算集群。为了提高数据的发送效率,在分发交易实时流数据时,可以采取小批量的方式发送交易实时流数据,例如,每100条数据发送一次,在发送的过程中,当超过设定的时间时,不到100条数据也强行发送。
提取单元503,用于对分发的交易实时流数据进行清洗、加工,提取出交易实时流数据的特征值;
对分发至实时计算集群中的交易实时流数据进行清洗、加工等数据处理,提取出交易实时流数据的特征值,获取到规则匹配所需的特征向量。
获取单元504,用于获取预设的欺诈检测规则引擎库中的规则;
获取用于交易欺诈检测的预设的欺诈检测规则引擎库中的规则,其中,所述的规则可以包括:在一定时间内多次输错密码,正确进入系统后,发生多笔转账,支付总额超过设定的阈值。在一定时间内连续等额资金汇入,连续多笔支出交易,支付总额超过设定的阈值。在一定时间内连续多笔代付,连续多笔同一商户二维码付款,支付金额超过阈值。在一定时间内登录的IP对应的省份发生变化,且登录后发生多笔交易,支付总金额超过设定的阈值。在一定时间内,出现连续多笔为不同的用户的水电煤气等缴费,且缴费金额超过账户余额占比的设定的阈值。发生与客户通常活动地理位置相差较大的多笔交易。在一定时间内,出现多笔地理位置信息差异较大的交易。上述的规则不仅限于列举出的规则,可以根据实际的需求进行增加。
检测单元505,用于将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果。
将交易实时流数据的特征值与规则进行规则匹配,即判断交易实时流数据的特征值是否触发规则引擎中的规则,如果触发规则引擎中的某一条或几条规则,判断为疑似欺诈交易,否则判断为正常交易。
综上所述,在上述实施例中,通过实时采集用户在交易过程中银行生产系统产生的交易实时流数据,将采集到的实时流数据进行分发,并对分发的实时流数据进行清洗、加工,提取出所述交易实时流数据的特征值,获取预设的欺诈检测规则引擎库中的规则,将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果。提高了数据分析处理能力以及时效性,提高了交易欺诈检测与反应的及时性,保障了用户交易的安全。
如图6所示,为本发明实施例六公开的一种基于实时流数据分析的交易欺诈检测系统,包括:
采集单元601,用于实时采集用户在交易过程中银行生产系统产生的交易实时流数据;
当需要对用户交易过程中的欺诈交易进行检测时,首先实时采集用户交易的银行的生产系统中产生的交易实时流数据,在数据的采集过程中,可以通过控制数据采集的时间与数据传输的速率减小对服务器的压力。
分发单元602,用于分发交易实时流数据;
将采集到的交易实时流数据进行分发,一方面将交易实时流数据写入分布式的文件系统,数据以Key-Value的形式存在。另一方面将交易实时流数据发送至实时计算集群。为了提高数据的发送效率,在分发交易实时流数据时,可以采取小批量的方式发送交易实时流数据,例如,每100条数据发送一次,在发送的过程中,当超过设定的时间时,不到100条数据也强行发送。
提取单元603,用于对分发的交易实时流数据进行清洗、加工,提取出交易实时流数据的特征值;
对分发至实时计算集群中的交易实时流数据进行清洗、加工等数据处理,提取出交易实时流数据的特征值,获取到规则匹配所需的特征向量。
获取单元604,用于获取预设的欺诈检测规则引擎库中的规则;
获取用于交易欺诈检测的预设的欺诈检测规则引擎库中的规则,其中,所述的规则可以包括:在一定时间内多次输错密码,正确进入系统后,发生多笔转账,支付总额超过设定的阈值。在一定时间内连续等额资金汇入,连续多笔支出交易,支付总额超过设定的阈值。在一定时间内连续多笔代付,连续多笔同一商户二维码付款,支付金额超过阈值。在一定时间内登录的IP对应的省份发生变化,且登录后发生多笔交易,支付总金额超过设定的阈值。在一定时间内,出现连续多笔为不同的用户的水电煤气等缴费,且缴费金额超过账户余额占比的设定的阈值。发生与客户通常活动地理位置相差较大的多笔交易。在一定时间内,出现多笔地理位置信息差异较大的交易。上述的规则不仅限于列举出的规则,可以根据实际的需求进行增加。
检测单元605,用于将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果;
将交易实时流数据的特征值与规则进行规则匹配,即判断交易实时流数据的特征值是否触发规则引擎中的规则,如果触发规则引擎中的某一条或几条规则,判断为疑似欺诈交易,否则判断为正常交易。
预警处理单元606,用于依据所述匹配结果进行预警处理。
当匹配结果中出现疑似欺诈交易时,根据欺诈交易的类型,当需要人工干预时转交给人工处理,当需要直接由机器采取强制终止交易措施时转交给机器处理。
综上所述,通过实时采集用户在交易过程中银行生产系统产生的交易实时流数据,将采集到的实时流数据进行分发,并对分发的实时流数据进行清洗、加工,提取出所述交易实时流数据的特征值,获取预设的欺诈检测规则引擎库中的规则,将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果。提高了数据分析处理能力以及时效性,提高了交易欺诈检测与反应的及时性,保障了用户交易的安全。同时,能够根据不同的匹配结果选择相应的预警处理。
如图7所示,为本发明实施例七公开的一种基于实时流数据分析的交易欺诈检测系统,包括:
采集单元701,用于实时采集用户在交易过程中银行生产系统产生的交易实时流数据;
当需要对用户交易过程中的欺诈交易进行检测时,首先实时采集用户交易的银行的生产系统中产生的交易实时流数据,在数据的采集过程中,可以通过控制数据采集的时间与数据传输的速率减小对服务器的压力。
分发单元702,用于分发交易实时流数据;
将采集到的交易实时流数据进行分发,一方面将交易实时流数据写入分布式的文件系统,数据以Key-Value的形式存在。另一方面将交易实时流数据发送至实时计算集群。为了提高数据的发送效率,在分发交易实时流数据时,可以采取小批量的方式发送交易实时流数据,例如,每100条数据发送一次,在发送的过程中,当超过设定的时间时,不到100条数据也强行发送。
提取单元703,用于对分发的交易实时流数据进行清洗、加工,提取出交易实时流数据的特征值;
对分发至实时计算集群中的交易实时流数据进行清洗、加工等数据处理,提取出交易实时流数据的特征值,获取到规则匹配所需的特征向量。
获取单元704,用于获取预设的欺诈检测规则引擎库中的规则;
获取用于交易欺诈检测的预设的欺诈检测规则引擎库中的规则,其中,所述的规则可以包括:在一定时间内多次输错密码,正确进入系统后,发生多笔转账,支付总额超过设定的阈值。在一定时间内连续等额资金汇入,连续多笔支出交易,支付总额超过设定的阈值。在一定时间内连续多笔代付,连续多笔同一商户二维码付款,支付金额超过阈值。在一定时间内登录的IP对应的省份发生变化,且登录后发生多笔交易,支付总金额超过设定的阈值。在一定时间内,出现连续多笔为不同的用户的水电煤气等缴费,且缴费金额超过账户余额占比的设定的阈值。发生与客户通常活动地理位置相差较大的多笔交易。在一定时间内,出现多笔地理位置信息差异较大的交易。上述的规则不仅限于列举出的规则,可以根据实际的需求进行增加。
检测单元705,用于将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果;
将交易实时流数据的特征值与规则进行规则匹配,即判断交易实时流数据的特征值是否触发规则引擎中的规则,如果触发规则引擎中的某一条或几条规则,判断为疑似欺诈交易,否则判断为正常交易。
预警处理单元706,用于依据所述匹配结果进行预警处理;
当匹配结果中出现疑似欺诈交易时,根据欺诈交易的类型,当需要人工干预时转交给人工处理,当需要直接由机器采取强制终止交易措施时转交给机器处理。
保存单元707,用于保存并展示匹配结果。
对匹配的结果进行保存,以便根据保存的匹配结果重新定义规则引擎库中的规则,同时对匹配的结果进行展示,在进行匹配结果展示时,可以通过Web端展示,也可以通过电子设备的APP展示,需要人工参与的,还支持将匹配结果自动推送至负责人,例如,通过短信或Email的方式。
综上所述,在上述实施例中,通过实时采集用户在交易过程中银行生产系统产生的交易实时流数据,将采集到的实时流数据进行分发,并对分发的实时流数据进行清洗、加工,提取出所述交易实时流数据的特征值,获取预设的欺诈检测规则引擎库中的规则,将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果。提高了数据分析处理能力以及时效性,提高了交易欺诈检测与反应的及时性,保障了用户交易的安全。同时,能够根据不同的匹配结果选择相应的预警处理,并对匹配结果进行保存和展示,提升了用户体验。
如图8所示,为本发明实施例八公开的一种基于实时流数据分析的交易欺诈检测系统,包括:
采集单元801,用于实时采集用户在交易过程中银行生产系统产生的交易实时流数据;
当需要对用户交易过程中的欺诈交易进行检测时,首先实时采集用户交易的银行的生产系统中产生的交易实时流数据,在数据的采集过程中,可以通过控制数据采集的时间与数据传输的速率减小对服务器的压力。
分发单元802,用于分发交易实时流数据;
将采集到的交易实时流数据进行分发,一方面将交易实时流数据写入分布式的文件系统,数据以Key-Value的形式存在。另一方面将交易实时流数据发送至实时计算集群。为了提高数据的发送效率,在分发交易实时流数据时,可以采取小批量的方式发送交易实时流数据,例如,每100条数据发送一次,在发送的过程中,当超过设定的时间时,不到100条数据也强行发送。
提取单元803,用于对分发的交易实时流数据进行清洗、加工,提取出交易实时流数据的特征值;
对分发至实时计算集群中的交易实时流数据进行清洗、加工等数据处理,提取出交易实时流数据的特征值,获取到规则匹配所需的特征向量。
获取单元804,用于获取预设的欺诈检测规则引擎库中的规则;
获取用于交易欺诈检测的预设的欺诈检测规则引擎库中的规则,其中,所述的规则可以包括:在一定时间内多次输错密码,正确进入系统后,发生多笔转账,支付总额超过设定的阈值。在一定时间内连续等额资金汇入,连续多笔支出交易,支付总额超过设定的阈值。在一定时间内连续多笔代付,连续多笔同一商户二维码付款,支付金额超过阈值。在一定时间内登录的IP对应的省份发生变化,且登录后发生多笔交易,支付总金额超过设定的阈值。在一定时间内,出现连续多笔为不同的用户的水电煤气等缴费,且缴费金额超过账户余额占比的设定的阈值。发生与客户通常活动地理位置相差较大的多笔交易。在一定时间内,出现多笔地理位置信息差异较大的交易。上述的规则不仅限于列举出的规则,可以根据实际的需求进行增加。
检测单元805,用于将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果;
将交易实时流数据的特征值与规则进行规则匹配,即判断交易实时流数据的特征值是否触发规则引擎中的规则,如果触发规则引擎中的某一条或几条规则,判断为疑似欺诈交易,否则判断为正常交易。
预警处理单元806,用于依据所述匹配结果进行预警处理;
当匹配结果中出现疑似欺诈交易时,根据欺诈交易的类型,当需要人工干预时转交给人工处理,当需要直接由机器采取强制终止交易措施时转交给机器处理。
保存单元807,用于保存并展示匹配结果;
对匹配的结果进行保存,以便根据保存的匹配结果重新定义规则引擎库中的规则,同时对匹配的结果进行展示,在进行匹配结果展示时,可以通过Web端展示,也可以通过电子设备的APP展示,需要人工参与的,还支持将匹配结果自动推送至负责人,例如,通过短信或Email的方式。
更新单元808,用于更新规则引擎库中的规则。
规则引擎库支持对规则的增加、删除、修改、查询等操作,通过这些操作实现对规则引擎库中的规则进行更新。
综上所述,在上述实施例中,通过实时采集用户在交易过程中银行生产系统产生的交易实时流数据,将采集到的实时流数据进行分发,并对分发的实时流数据进行清洗、加工,提取出所述交易实时流数据的特征值,获取预设的欺诈检测规则引擎库中的规则,将交易实时流数据的特征值与规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果。提高了数据分析处理能力以及时效性,提高了交易欺诈检测与反应的及时性,保障了用户交易的安全。同时,能够根据不同的匹配结果选择相应的预警处理,对匹配结果进行保存和展示,对规则引擎库中的规则进行更新,提升了用户体验。
具体的,在以上的实施例中,实时采集用户在交易过程中银行生产系统产生的交易实时流数据时,具体还可以通过并行采集两个或两个以上的银行生产系统产生的数据,将采集的数据转换为流数据,生成交易实时流数据。
如图9所示,为本发明实施例九公开的一种基于实时流数据分析的交易欺诈检测系统最优实现方式,具体描述如下:
交易实时流数据的实时采集优先采用Flume-Ng组件,可以在生产系统的数据服务器上部署一个或多个Flume-Ng的Agent。实时采集交易明细的数据。Flume-Ng可以根据生产系统的实际情况,控制采集的时机、及数据传输的速率,尽可能减小对原系统的压力。
分布式消息系统优先选择Kafka组件,其中Kafka是一种高吞吐量的分布式分布订阅消息系统,可以支持每秒几十万的消息传输。可以根据交易数据的需求对Kafka的数据主题和分片数量进行设置,通过Kafka的数据生产接口,可以实现将数据传送给Kafka集群进行处理,其中数据生产接口为Kafka的Producer接口。Flume-Ng将数据传输给Kafka集群,Kafka Producer将收集到的Flume-ng Agent的生产系统的数据实时分发。
采集的交易实时流数据进入Kafka集群,Kafka broker对数据进行了分片和备份。Kafka集群数据分别分发给HDFS和Storm集群。HDFS保存历史数据,利用MapReduce分布式并行的方式批量运算,利用频繁项挖掘的方式获取新的规则,不断更新完善规则引擎库。
交易数据的实时计算优先采用Storm集群,Storm是一种分布式、高可靠、低延时、易扩展的实时计算平台。每来一条数据,Storm集群能做到实时的响应,进行交易数据的清洗、加工、整合,特征值提取,生成检测向量,利用规则引擎中的规则进行实时匹配,从实时的交易数据中发现可能存在的欺诈行为。Storm集群采用Spout-Bolts程序编写形式,或者Storm Trident程序完成规则的计算。将实时计算的结果保存在内存数据库中,优先选用Redis,便于后续的查询与展示。
数据的实时监测与控制,用于将数据实时计算的结果反馈与展示,数据实时监测采用Web浏览器的方式展示或者手机APP的方式,重要信息提供短信、邮件的方式推送到相关干系人。实时控制,对于一些威胁情况采取事先设定的规则,机器直接自动执行,如直接暂停交易等。还有些威胁状况需要人工参与干预。
其中Zookeeper是一种针对大型分布式系统的可靠协调系统,主要提供配置维护、名字服务、分布式同步等服务。Kafka集群、Storm集群,及HDFS都需要Zookeeper来维护。
本实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算设备可读取存储介质中。基于这样的理解,本发明实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算设备(可以是个人计算机,服务器,移动计算设备或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于实时流数据分析的交易欺诈检测方法,其特征在于,包括:
实时采集用户在交易过程中银行生产系统产生的交易实时流数据;
分发所述交易实时流数据;
对分发的所述交易实时流数据进行清洗、加工,提取出所述交易实时流数据的特征值;
获取预设的欺诈检测规则引擎库中的规则;
将所述交易实时流数据的特征值与所述规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果。
2.根据权利要求1所述的方法,其特征在于,还包括:
依据所述匹配结果进行预警处理。
3.根据权利要求2所述的方法,其特征在于,还包括:
保存并展示所述匹配结果。
4.根据权利要求3所述的方法,其特征在于,还包括:
更新所述规则引擎库中的规则。
5.根据权利要求4所述的方法,其特征在于,所述实时采集用户在交易过程中银行生产系统产生的交易实时流数据具体为:
并行采集两个或两个以上的银行生产系统产生的数据;
将所述采集的数据转换为流数据,生成交易实时流数据。
6.一种基于实时流数据分析的交易欺诈检测系统,其特征在于,包括:
采集单元,用于实时采集用户在交易过程中银行生产系统产生的交易实时流数据;
分发单元,用于分发所述交易实时流数据;
提取单元,用于对分发的所述交易实时流数据进行清洗、加工,提取出所述交易实时流数据的特征值;
获取单元,用于获取预设的欺诈检测规则引擎库中的规则;
检测单元,用于将所述交易实时流数据的特征值与所述规则进行规则匹配,输出表征交易欺诈检测结果的匹配结果。
7.根据权利要求6所述的系统,其特征在于,还包括:
预警处理单元,用于依据所述匹配结果进行预警处理。
8.根据权利要求7所述的系统,其特征在于,还包括:
保存单元,用于保存并展示所述匹配结果。
9.根据权利要求8所述的系统,其特征在于,还包括:
更新单元,用于更新所述规则引擎库中的规则。
10.根据权利要求9所述的系统,其特征在于,所述采集单元具体用于:
并行采集两个或两个以上的银行生产系统产生的数据;
将所述采集的数据转换为流数据,生成交易实时流数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610252216.6A CN105976242A (zh) | 2016-04-21 | 2016-04-21 | 一种基于实时流数据分析的交易欺诈检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610252216.6A CN105976242A (zh) | 2016-04-21 | 2016-04-21 | 一种基于实时流数据分析的交易欺诈检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105976242A true CN105976242A (zh) | 2016-09-28 |
Family
ID=56993252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610252216.6A Pending CN105976242A (zh) | 2016-04-21 | 2016-04-21 | 一种基于实时流数据分析的交易欺诈检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105976242A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106506454A (zh) * | 2016-10-10 | 2017-03-15 | 江苏通付盾科技有限公司 | 欺诈业务识别方法及装置 |
CN106709023A (zh) * | 2016-12-28 | 2017-05-24 | 深圳市华傲数据技术有限公司 | 数据异常的报警处理方法及装置 |
CN107330641A (zh) * | 2017-08-18 | 2017-11-07 | 广发证券股份有限公司 | 一种基于Storm流处理框架和规则引擎的金融衍生品实时风险控制系统及方法 |
CN108122114A (zh) * | 2017-12-25 | 2018-06-05 | 同济大学 | 针对异常重复交易欺诈检测方法、系统、介质及设备 |
CN108319704A (zh) * | 2018-02-05 | 2018-07-24 | 北京中关村科金技术有限公司 | 一种分析数据的方法、装置、设备及存储介质 |
CN108616551A (zh) * | 2016-12-13 | 2018-10-02 | 上海海万信息科技股份有限公司 | 投资者交易行为数据挖掘与反洗钱上报系统 |
CN109300028A (zh) * | 2018-09-11 | 2019-02-01 | 上海天旦网络科技发展有限公司 | 基于网络数据的实时反欺诈方法和系统及存储介质 |
CN109308615A (zh) * | 2018-08-02 | 2019-02-05 | 同济大学 | 基于统计序列特征的实时欺诈交易检测方法、系统、存储介质及电子终端 |
CN109325857A (zh) * | 2018-09-20 | 2019-02-12 | 上海龙弈信息科技有限公司 | 一种金融安全管理及风险控制处理系统及其运行方法 |
CN109711843A (zh) * | 2018-12-29 | 2019-05-03 | 创发科技有限责任公司 | 支付过程监控方法和系统 |
CN110298663A (zh) * | 2018-03-22 | 2019-10-01 | 中国银联股份有限公司 | 基于序列宽深学习的欺诈交易检测方法 |
CN110322254A (zh) * | 2019-07-04 | 2019-10-11 | 同盾控股有限公司 | 在线欺诈识别方法、装置、介质及电子设备 |
WO2019200739A1 (zh) * | 2018-04-17 | 2019-10-24 | 平安科技(深圳)有限公司 | 数据欺诈识别方法、装置、计算机设备和存储介质 |
CN110390526A (zh) * | 2018-04-18 | 2019-10-29 | 苏宁易购集团股份有限公司 | 一种网络交易分析方法及系统 |
CN110750562A (zh) * | 2018-07-20 | 2020-02-04 | 武汉烽火众智智慧之星科技有限公司 | 基于Storm的实时数据比对预警方法及系统 |
CN112181965A (zh) * | 2020-09-29 | 2021-01-05 | 成都商通数治科技有限公司 | 一种基于mysql大数据清洗系统及其写入瓶颈的方法 |
CN112632371A (zh) * | 2020-12-11 | 2021-04-09 | 信雅达科技股份有限公司 | 银行业务反欺诈方法与系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714479A (zh) * | 2012-10-09 | 2014-04-09 | 四川欧润特软件科技有限公司 | 银行个人业务欺诈行为实时智能化集中监控的方法和系统 |
CN103870340A (zh) * | 2014-03-06 | 2014-06-18 | 华为技术有限公司 | 流计算系统中的数据处理方法、控制节点及流计算系统 |
CN104050261A (zh) * | 2014-06-16 | 2014-09-17 | 深圳先进技术研究院 | 基于Storm的可变逻辑的通用数据处理系统及方法 |
CN104767813A (zh) * | 2015-04-08 | 2015-07-08 | 江苏国盾科技实业有限责任公司 | 基于openstack的公众行大数据服务平台 |
-
2016
- 2016-04-21 CN CN201610252216.6A patent/CN105976242A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714479A (zh) * | 2012-10-09 | 2014-04-09 | 四川欧润特软件科技有限公司 | 银行个人业务欺诈行为实时智能化集中监控的方法和系统 |
CN103870340A (zh) * | 2014-03-06 | 2014-06-18 | 华为技术有限公司 | 流计算系统中的数据处理方法、控制节点及流计算系统 |
CN104050261A (zh) * | 2014-06-16 | 2014-09-17 | 深圳先进技术研究院 | 基于Storm的可变逻辑的通用数据处理系统及方法 |
CN104767813A (zh) * | 2015-04-08 | 2015-07-08 | 江苏国盾科技实业有限责任公司 | 基于openstack的公众行大数据服务平台 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106506454A (zh) * | 2016-10-10 | 2017-03-15 | 江苏通付盾科技有限公司 | 欺诈业务识别方法及装置 |
CN106506454B (zh) * | 2016-10-10 | 2019-11-12 | 江苏通付盾科技有限公司 | 欺诈业务识别方法及装置 |
CN108616551A (zh) * | 2016-12-13 | 2018-10-02 | 上海海万信息科技股份有限公司 | 投资者交易行为数据挖掘与反洗钱上报系统 |
CN106709023A (zh) * | 2016-12-28 | 2017-05-24 | 深圳市华傲数据技术有限公司 | 数据异常的报警处理方法及装置 |
CN107330641A (zh) * | 2017-08-18 | 2017-11-07 | 广发证券股份有限公司 | 一种基于Storm流处理框架和规则引擎的金融衍生品实时风险控制系统及方法 |
CN108122114A (zh) * | 2017-12-25 | 2018-06-05 | 同济大学 | 针对异常重复交易欺诈检测方法、系统、介质及设备 |
CN108319704A (zh) * | 2018-02-05 | 2018-07-24 | 北京中关村科金技术有限公司 | 一种分析数据的方法、装置、设备及存储介质 |
CN110298663A (zh) * | 2018-03-22 | 2019-10-01 | 中国银联股份有限公司 | 基于序列宽深学习的欺诈交易检测方法 |
CN110298663B (zh) * | 2018-03-22 | 2023-04-28 | 中国银联股份有限公司 | 基于序列宽深学习的欺诈交易检测方法 |
WO2019200739A1 (zh) * | 2018-04-17 | 2019-10-24 | 平安科技(深圳)有限公司 | 数据欺诈识别方法、装置、计算机设备和存储介质 |
CN110390526A (zh) * | 2018-04-18 | 2019-10-29 | 苏宁易购集团股份有限公司 | 一种网络交易分析方法及系统 |
CN110750562A (zh) * | 2018-07-20 | 2020-02-04 | 武汉烽火众智智慧之星科技有限公司 | 基于Storm的实时数据比对预警方法及系统 |
CN110750562B (zh) * | 2018-07-20 | 2023-10-27 | 宿迁市公安局 | 基于Storm的实时数据比对预警方法及系统 |
CN109308615A (zh) * | 2018-08-02 | 2019-02-05 | 同济大学 | 基于统计序列特征的实时欺诈交易检测方法、系统、存储介质及电子终端 |
CN109308615B (zh) * | 2018-08-02 | 2020-12-29 | 同济大学 | 基于统计序列特征的实时欺诈交易检测方法、系统、存储介质及电子终端 |
CN109300028A (zh) * | 2018-09-11 | 2019-02-01 | 上海天旦网络科技发展有限公司 | 基于网络数据的实时反欺诈方法和系统及存储介质 |
CN109325857A (zh) * | 2018-09-20 | 2019-02-12 | 上海龙弈信息科技有限公司 | 一种金融安全管理及风险控制处理系统及其运行方法 |
CN109711843A (zh) * | 2018-12-29 | 2019-05-03 | 创发科技有限责任公司 | 支付过程监控方法和系统 |
CN110322254A (zh) * | 2019-07-04 | 2019-10-11 | 同盾控股有限公司 | 在线欺诈识别方法、装置、介质及电子设备 |
CN112181965A (zh) * | 2020-09-29 | 2021-01-05 | 成都商通数治科技有限公司 | 一种基于mysql大数据清洗系统及其写入瓶颈的方法 |
CN112632371A (zh) * | 2020-12-11 | 2021-04-09 | 信雅达科技股份有限公司 | 银行业务反欺诈方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105976242A (zh) | 一种基于实时流数据分析的交易欺诈检测方法及系统 | |
US20210035126A1 (en) | Data processing method, system and computer device based on electronic payment behaviors | |
CN106371975B (zh) | 一种运维自动化预警方法和系统 | |
CN103123712A (zh) | 一种网络行为数据的监控方法和系统 | |
CN105512153A (zh) | 一种在线客服系统的服务提供方法、装置及系统 | |
CN109725899A (zh) | 数据流式处理方法及装置 | |
CN111325619A (zh) | 一种基于联合学习的信用卡欺诈检测模型更新方法及装置 | |
CN107220867A (zh) | 对象控制方法及装置 | |
CN112200660B (zh) | 一种银行柜面业务的监督方法、装置及设备 | |
CN105631612A (zh) | 基于大数据的公职人员个人绩效及能力评估系统及方法 | |
CN112348521A (zh) | 基于业务审核的智能风险质检方法、系统和电子设备 | |
CN113570468A (zh) | 一种企业支付风控服务平台 | |
CN110751549A (zh) | 逾期金融贷款的催收管控方法、装置及电子设备 | |
CN111798304A (zh) | 一种风险贷款确定方法、装置、电子设备及存储介质 | |
CN108280675A (zh) | 一种基于微信平台的在线闪拍营销系统 | |
CN111210332A (zh) | 贷后管理策略生成方法、装置及电子设备 | |
CN112445787A (zh) | 一种基于实时业务的数据稽核方法和系统 | |
CN111833182A (zh) | 识别风险对象的方法和装置 | |
CN111951008A (zh) | 一种风险预测方法、装置、电子设备和可读存储介质 | |
CN208061256U (zh) | 一种电子交易策略生成设备 | |
CN116228429A (zh) | 一种检测交易数据的方法和装置 | |
CN105992176A (zh) | 一种垃圾短信拦截方法及装置 | |
CN115731028A (zh) | 一种预警方法、装置、电子设备及计算机可读介质 | |
CN104426708A (zh) | 一种安全检测服务执行方法及系统 | |
CN114357523A (zh) | 风险对象的识别方法、装置、设备、存储介质和程序产品 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160928 |