CN106296193A - 用于虚拟资源操作的风险控制方法和装置 - Google Patents

用于虚拟资源操作的风险控制方法和装置 Download PDF

Info

Publication number
CN106296193A
CN106296193A CN201510278990.XA CN201510278990A CN106296193A CN 106296193 A CN106296193 A CN 106296193A CN 201510278990 A CN201510278990 A CN 201510278990A CN 106296193 A CN106296193 A CN 106296193A
Authority
CN
China
Prior art keywords
risk
probability
target account
account
virtual resource
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
Application number
CN201510278990.XA
Other languages
English (en)
Inventor
韩彧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201510278990.XA priority Critical patent/CN106296193A/zh
Publication of CN106296193A publication Critical patent/CN106296193A/zh
Pending legal-status Critical Current

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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Computer Security & Cryptography (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请公开了一种用于虚拟资源操作的风险控制方法和装置。其中，该方法包括：根据本申请实施例的一个方面，提供了一种用于虚拟资源操作的风险控制方法，包括：处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取各个个体账户在历史时间区间内的第一操作行为数据和目标账户在历史时间区间内的第二操作行为数据；利用获取到的第一操作行为数据和第二操作行为数据，预测在第一时刻点目标账户发生风险事件的第一风险概率；根据预测得到的第一风险概率和目标账户的虚拟资源操作数据，调整目标账户在第一时刻点的虚拟资源的额度基线。本申请解决了现有技术中无法准确确定用户支付账户的风险敞口的技术问题。

Description

用于虚拟资源操作的风险控制方法和装置
技术领域
本申请涉及数据处理领域，具体而言，涉及一种用于虚拟资源操作的风险控制方法和装置。
背景技术
在现有技术中，对于用户的虚拟资源账户(如，支付账户，该支付账户可以包括：支付宝账户、微信钱包账户等)关联卡的安全性是通过对该账户设定额度基线来实现的。具体地，根据现有技术的账户额度体系，根据一定规则(如，账户活跃时长等)，将账户分为成熟与非成熟两类，在不同的支付场景内，对账户的关联卡设定静态的日累计额度基线及月累计额度基线，当账户的操作额度超过其静态的额度基线时(如日累计金额超过其日累计额度基线，或者月累计金额超过月累计额度基线等)，那么该账户的操作将失败或需要验证。但是，现有技术中，账户成熟度与账户操作行为脱离，无法综合账户的行为特征，来对之后一段时间的额度基线进行动态调整。那么可能导致一个非成熟账户的一笔刚刚超过额度基线的支付可能会失败(或需要验证)；一个成熟账户被盗后的一笔略低于额度基线的支付可能会通过，这样，对风险不能进行动态控制，安全性得不到保障。
针对现有技术中的无法准确确定用户支付账户的风险敞口的问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种用于虚拟资源操作的风险控制方法和装置，以至少解决现有技术中无法准确确定用户支付账户的风险敞口的技术问题。
根据本申请实施例的一个方面，提供了一种用于虚拟资源操作的风险控制方法，包括：处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取各个个体账户在历史时间区间内的第一操作行为数据和目标账户在历史时间区间内的第二操作行为数据；利用获取到的第一操作行为数据和第二操作行为数据，预测在第一时刻点目标账户发生风险事件的第一风险概率；根据预测得到的第一风险概率和目标账户的虚拟资源操作数据，调整目标账户在第一时刻点的虚拟资源的额度基线，以对目标账户的风险进行动态控制。
根据本申请实施例的另一方面，还提供了一种用于虚拟资源操作的风险控制装置，包括：获取单元，用于获取各个个体账户在历史时间区间内的第一操作行为数据和目标账户在历史时间区间内的第二操作行为数据；预测单元，用于利用获取到的第一操作行为数据和第二操作行为数据，预测在第一时刻点目标账户发生风险事件的第一风险概率；调整单元，用于根据预测得到的第一风险概率和目标账户的虚拟资源操作数据，调整目标账户在第一时刻点的虚拟资源的额度基线，以对目标账户的风险进行动态控制。
在本申请实施例中，基于系统内各个个体账户和目标账户的历史操作行为数据，预测目标账户发生风险事件的第一风险概率，并根据预测得到的第一风险概率和目标账户的虚拟资源操作数据，动态调整目标账户的虚拟资源的额度基线，以对目标账户的风险进行动态控制。通过上述实施例，解决了现有技术中无法准确确定用户支付账户的风险敞口的技术问题，实现了准确确定目标账户的操作风险数据，确保账户安全性，并对目标账户的风险进行动态控制的效果，提高安全性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种可选的计算机终端的结构示意图；
图2是根据本申请实施例的一种用于虚拟资源操作的风险控制方法的流程图；
图3是根据本申请实施例的另一种可选的用于虚拟资源操作的风险控制方法的流程示意图；
图4是根据本申请实施例的第三种可选的用于虚拟资源操作的风险控制方法的流程示意图；
图5是根据本申请实施例的第四种可选的用于虚拟资源操作的风险控制方法的流程示意图；
图6是根据本申请实施例的第五种可选的用于虚拟资源操作的风险控制方法的流程示意图；
图7是根据本申请实施例的第六种可选的用于虚拟资源操作的风险控制方法的流程示意图；
图8是根据本申请实施例的第七种可选的用于虚拟资源操作的风险控制方法的流程示意图；
图9是根据本申请实施例的一种可选的用于虚拟资源操作的风险控制装置的结构示意图；
图10是根据本申请实施例的另一种可选的用于虚拟资源操作的风险控制装置的结构示意图；
图11是根据本申请实施例的第三种可选的用于虚拟资源操作的风险控制装置的结构示意图；
图12是根据本申请实施例的第四种可选的用于虚拟资源操作的风险控制装置的结构示意图；
图13是根据本申请实施例的第五种可选的用于虚拟资源操作的风险控制装置的结构示意图；以及
图14是根据本申请实施例的另一种可选的计算机终端的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本申请实施例，提供了一种用于虚拟资源操作的风险控制方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例，图1是根据本申请实施例的一种可选的计算机终端的结构示意图。如图1所示，计算机终端10可以包括一个或多个(图中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置106。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储应用软件的软件程序以及模块，如本申请实施例中的用于虚拟资源操作的风险控制方法对应的程序指令/模块，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的用于虚拟资源操作的风险控制方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(RadioFrequency，RF)模块，其用于通过无线方式与互联网进行通讯。
在上述运行环境下，本申请提供了如图2所示的用于虚拟资源操作的风险控制方法。图2是根据本申请实施例的一种用于虚拟资源操作的风险控制方法的流程图。
步骤S202：获取各个个体账户在历史时间区间内的第一操作行为数据和目标账户在历史时间区间内的第二操作行为数据。
其中，以支付宝为例，个体账户可以为支付宝系统中的个体账户，操作行为数据可以用于记录个体账户在历史时间区间内进行的登陆、支付、修改密码或者更换绑定手机号等的操作。
步骤S204：利用获取到的第一操作行为数据和第二操作行为数据，预测在第一时刻点目标账户发生风险事件的第一风险概率。
步骤S206：根据预测得到的第一风险概率和目标账户的虚拟资源操作数据，调整目标账户在第一时刻点的虚拟资源的额度基线，以对目标账户的风险进行动态控制。
在本申请实施例中，基于系统内各个个体账户和目标账户的历史操作行为数据，预测目标账户发生风险事件的第一风险概率，并根据预测得到的第一风险概率和目标账户的虚拟资源操作数据，动态调整目标账户的虚拟资源的额度基线，以对目标账户的风险进行动态控制。通过上述实施例，解决了现有技术中无法准确确定用户支付账户的风险敞口的技术问题，实现了准确确定目标账户的操作风险数据，确保账户安全性，并对目标账户的风险进行动态控制的效果。
在上述实施例中，基于历史行为链(包括上述实施例中的各个个体账户的历史操作行为数据和目标账户的虚拟资源的操作数据)对目标账户一段时间的风险程度进行预测，并进行风险敞口分析，以设定动态的额度基线(即上述实施例中的目标账户在所述第一时刻点的所述虚拟资源的操作风险数据)，从而准确确定目标账户的操作风险数据，使得风险敞口可控。
可选地，利用获取到的第一操作行为数据和第二操作行为数据，预测在第一时刻点目标账户发生风险事件的第一风险概率可以包括：获取各个个体账户在第一时刻点发生风险事件的第二风险概率；基于第一操作行为数据确定各个个体账户发生风险事件的风险参数；根据第二风险概率、风险参数以及第二操作行为数据进行概率计算，得到在第一时刻点目标账户发生风险事件的第一风险概率。
通过上述实施例，基于各个个体账户的历史操作行为数据确定各个个体账户发生风险事件的风险参数，并根据各个个体账户发生风险事件的第二风险概率、风险参数以及目标账户的第二操作行为数据通过概率计算得到该目标账户在第一时刻点发生风险事件的第一风险概率，并基于该第一风险概率和目标账户的虚拟资源操作数据动态调整目标账户的虚拟资源的额度基线，以对目标账户的风险敞口进行动态控制。
其中，上述实施例中的虚拟资源的额度基线可以根据账户的类型、使用场景以及预定规则设定。
具体地，该上述步骤获取各个个体账户在第一时刻点发生风险事件的第二风险概率可以根据非参最大似然估计法得到。
第二风险概率(即非差异概率或无第一风险概率)其中，t为该第一时刻点，T为该当前时刻，Δt为该第一时刻点与当前时刻的时间差。
需要说明的是，该风险事件可以是各个个体账户发生异常的时间，以支付宝账户为例，该风险事件可以是该支付宝账户被盗或者该支付宝账户绑定的银行卡被盗等事件，本申请对此不作限定。
其中，各个个体账户用于表示虚拟资源系统中的账户，该各个个体账户可以表示虚拟资源系统中的任意单个账户。
可选地，如图3所示，上述步骤：基于第一操作行为数据确定各个个体账户发生风险事件的风险参数可以包括：
步骤S2042：获取各个个体账户的历史特征矩阵。
其中，第一操作行为数据包括用于描述各个个体账户在历史时间区间内的历史操作行为特征的历史特征矩阵。
步骤S2044：计算各个个体账户在历史时间区间内发生风险事件的历史概率。
步骤S2046：使用最大离散似然估计法计算历史特征矩阵和历史概率所对应的系数矩阵，得到风险参数。
采用上述方式可以预测系统中各个账户在符合预设特征的情况下在第一时刻点发生预设事件的概率，例如，以支付宝账户为例，通过上述方式可以预测进行异地登陆后并更换绑定手机号的账户A在更换绑定手机号后的1小时(即第一时刻点)发生目标账户被盗并执行转账操作的概率。
在一个可选的实施例中，第一时刻点为多个，如图4所示，根据第二风险概率、风险参数以及第二操作行为数据进行概率计算，得到在第一时刻点目标账户发生风险事件的第一风险概率包括：
步骤S2062：根据第二风险概率、风险参数以及第二操作行为数据计算目标账户在各个第一时刻点发生风险事件的第一风险子概率。
其中，多个第一时刻点之间的间隔可以是5分钟，即每隔5分钟根据第二风险概率、风险参数以及第二操作行为数据计算一次目标账户在该第一时刻点发生该风险事件的第一风险子概率。
具体地，根据第二风险概率、风险参数以及第二操作行为数据计算目标账户在各个第一时刻点发生风险事件的第一风险子概率可以包括：按照离散逻辑模型计算第一风险子概率hi(t)，其中，离散逻辑模型为：其中，h0(t)为第二风险概率，β′为风险参数，xi为目标账户的第二操作行为数据对应的行为特征矩阵。
其中，基于离散逻辑模型(discrete logitics model)可以通过历史数据(包括历史操作行为数据)找到符合某特征的第一时间事件概率，并量化该特征与概率之间的关系，并将该关系运用到之后的目标账户上。其中，该离散模型中的数据可以包括：目标账户的第二操作行为数据对应的行为特征矩阵xi；历史实际事件矩阵(用于描述历史样本中每个个体是否发生了某事件)和历史实际时间矩阵(描述历史样本中每个个体如发生某事件的第一次发生该事件距离某特征结束的时间长度)。上述实施例中的第一操作行为数据包括该历史实际事件矩阵和该历史实际时间矩阵。
在上述实施例中，可以确定需要考虑的当前操作行为特征矩阵xi并估算相对应的参数矩阵β′，比如目标账户的第二操作行为数据对应的行为特征矩阵xi中可供选择的特征有100个，但最终可能选用其中的20个用于确定参数矩阵β′。
步骤S2064：记录每次执行计算第一风险子概率的操作的第一时刻点及该第一时刻点的权重。
步骤S2066：按照各个第一时刻点对应的权重和各个第一时刻点对应的第二风险子概率进行加权计算，得到加权后的第一风险概率。
需要说明的是，采用上述实施方式可以在多个第一时刻点预测每个目标账户在符合预设特征的情况下在第一时刻点发生预设事件的概率，从而得到更加精确地第一风险概率，例如，以支付宝账户为例，在时刻A预测进行异地登陆后并更换绑定手机号的账户A在1小时后(即第一时刻点)发生账户被盗并执行转账操作的子概率，在时刻B预测进行异地登陆后并更换绑定手机号的账户A在1小时后(即第一时刻点)发生账户被盗并执行转账操作的子概率，依次类推，在完成预测后，将得到的全部子概率进行加权计算，得到该账户A在更换绑定手机号后的1小时(即第一时刻点)发生账户被盗并执行转账操作的概率。上述实施例中的账户A为目标账户。
在本申请另一种可能的实现方式中，如图5所示，在根据第二风险概率、风险参数以及第二操作行为数据计算目标账户在各个第一时刻点发生风险事件的第一风险子概率之后，方法还包括：
步骤S2068：按照多个第一风险子概率与多个第一时刻点的对应关系，绘制目标账户的风险曲线。
其中，该风险曲线包括时刻与在该时刻发生该风险事件的概率的对应关系，从而通过该风险曲线得到在不同时刻发生该风险事件的第一风险概率。
这样，可以预测每个目标账户在符合预设特征的情况下在之后多个时刻发生预设事件的概率，例如，以支付宝账户为例，通过上述方式可以预测进行异地登陆后并更换绑定手机号的账户A在更换绑定手机号后的1小时发生账户被盗并执行转账操作的在概率，以及该账户A在更换绑定手机号后的2小时发生账户被盗并执行转账操作的在概率，依次类推，在完成预测后，根据预测结果生成风险曲线，从而通过该风险曲线得到在不同的第一时刻点发生该风险事件的第一风险子概率，通过该风险曲线即可得到在第一时刻点发生该风险事件的第一风险概率。
可选地，上述步骤：根据预测得到的第一风险概率和目标账户的虚拟资源操作数据，调整目标账户在第一时刻点的虚拟资源的额度基线可以包括：
基于第一风险概率和目标账户的虚拟资源操作数据通过预设映射函数进行风险敞口计算，以获取目标账户在第一时刻点的虚拟资源的操作风险数据，其中，
预设映射函数f(hi(t))包括： f ( h i ( t ) ) = min f ( h i ( t ) ) Σ i HIS _ AVG _ AMT i * f ( h i ( t ) ) * hit , s . t . hit ∈ 0,1 ∀ i , hit为第一风险概率，HIS_AVG_AMTi为目标账户的虚拟资源的操作数据，i为自然数；使用计算得到的目标账户的虚拟资源的操作风险数据，调整目标账户在第一时刻点的虚拟资源的额度基线。
需要说明的是，本实施例提供的预设映射函数只是举例说明，本申请对此不作限定，该预设映射函数还可以是在实际操作中得到的经验函数。
可选地，目标账户的虚拟资源操作数据包括：目标账户操作虚拟资源的历史操作数值的平均值或目标账户所属的类别中的各个个体账户操作虚拟资源的历史操作数值的平均值；目标账户对虚拟资源的操作包括：交换操作和/或转移操作。
例如，以支付宝账户为例进行说明，该虚拟资源可以是支付金额，该历史操作数值可以是账户历史平均支付金额，也可以是同类账户间的平均支付金额。
根据本申请上述实施例，如图6所示，在调整目标账户在第一时刻点的虚拟资源的额度基线之后，方法还可以包括：
步骤S208：接收到基于目标账户的虚拟资源操作请求。
其中，虚拟资源操作请求中携带有请求操作的操作事件的操作值。
步骤S210：若操作值超过额度基线所指示的操作事件的操作阈值，则拒绝执行操作事件，或对虚拟资源操作请求进行验证。
例如，以支付宝账户为例进行说明，该操作阈值可以是额度基线，在用户发起操作事件(如转账金额)的请求时，若请求转账的金额超过了该额度基线，则拒绝执行该转账操作，或者对该转账请求进行验证，上述的转账操作只是举例说明，本申请对此不作限定，也可以是该目标账户的其他操作如支付操作等。
需要说明的是，对于上述方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
根据本申请实施例，还提供了一种用于虚拟资源操作的风险控制方法实施例，该方法实施例可以应用于如图1所示的计算机终端，如图7所示，该方法的流程包括：
步骤S701、获取各个个体账户在第一时刻点发生风险事件的第二风险概率。
具体地，该步骤S701可以根据非参最大似然估计法得到无第一风险概率。
第二风险概率(即无第一风险概率、或非差异概率)其中，t为该第一时刻点，T为该当前时刻，Δt为该第一时刻点与当前时刻的时间差。
需要说明的是，该风险事件可以是各个个体账户异常的时间，以支付宝账户为例，该风险事件可以是该支付宝账户被盗或者该支付宝账户绑定的银行卡被盗等事件，本申请对此不作限定。
步骤S702、获取该各个个体账户的历史特征矩阵。
步骤S703、计算该各个个体账户在历史时间区间内发生该风险事件的历史概率。
步骤S704、使用最大离散似然估计法计算该历史特征矩阵和该历史概率所对应的系数矩阵，得到该风险参数。
步骤S705、根据该第二风险概率、该风险参数以及第二操作行为数据计算该目标账户在各个第一时刻点发生该风险事件的第一风险子概率。
其中，该预设时间可以是5分钟，即每隔5分钟根据该第二风险概率、该风险参数以及第二操作行为数据计算一次该目标账户发生该风险事件的第一风险子概率。
在本申请一种可能的实现方式中，该步骤S705可以为：每隔该预设时间按照离散逻辑模型计算该第一风险子概率hi(t)，其中，该离散逻辑模型为：
其中，该h0(t)为该第二风险概率，β′为该风险参数，xi为目标账户的第二操作行为数据对应的行为特征矩阵。
步骤S706、记录每次执行计算第一风险子概率的操作的第一时刻点。
步骤S707、获取各个第二时刻点对应的权重。
步骤S708、按照各个第一时刻点对应的权重和各个第一时刻点对应的第二风险子概率进行加权计算，得到加权后的第一风险概率。
需要说明的是，采用上述实施方式可以在多个第一时刻点预测每个目标账户在符合预设特征的情况下在第一时刻点发生预设事件的概率，从而得到更加精确地第一风险概率，例如，以支付宝账户为例，在时刻A预测进行异地登陆后并更换绑定手机号的账户A在1小时后(即第一时刻点)发生账户被盗并执行转账操作的子概率，在时刻B预测进行异地登陆后并更换绑定手机号的账户A在1小时后(即第一时刻点)发生账户被盗并执行转账操作的子概率，依次类推，在完成预测后，将得到的全部子概率进行加权计算，得到该账户A在更换绑定手机号后的1小时(即第一时刻点)发生账户被盗并执行转账操作的概率。
步骤S709、基于第一风险概率和目标账户的虚拟资源操作数据通过预设映射函数进行风险敞口计算，以获取目标账户在第一时刻点的虚拟资源的操作风险数据。
其中，该预设映射函数f(hi(t))包括：
f ( h i ( t ) ) = min f ( h i ( t ) ) Σ i HIS _ AVG _ AMT i * f ( h i ( t ) ) * h i ( t ) , s . t . h i ( t ) ∈ [ 0,1 ] ∀ i , 该hi(t)为该第一风险概率，该HIS_AVG_AMTi为该目标账户的虚拟资源操作数据，i为自然数。
需要说明的是，本实施例提供的预设映射函数只是举例说明，本申请对此不作限定，该预设映射函数还可以是在实际操作中得到的经验函数。
可选地，该目标账户的虚拟资源操作数据包括：该目标账户的该虚拟资源的历史操作数值的平均值或该目标账户所属的类别中的各个个体账户的虚拟资源的历史操作数值的平均值；该目标账户对该虚拟资源的操作包括：交换操作和转移操作。
例如，以支付宝账户为例进行说明，该虚拟资源可以是支付金额，该历史操作数值可以是账户历史平均支付金额，也可以是同类账户间的平均支付金额。
步骤S710、接收到基于该目标账户的虚拟资源操作请求。
其中，该虚拟资源操作请求中携带有请求操作的操作事件的操作值。
步骤S711、若该操作值超过该操作风险数据所指示的该操作事件的操作阈值，则拒绝执行该操作事件，或对该虚拟资源操作请求进行验证。
例如，以支付宝账户为例进行说明，该操作阈值可以是额度基线，在用户发起操作事件(如转账金额)的请求时，若请求转账的金额超过了该额度基线，则拒绝执行该转账操作，或者对该转账请求进行验证。
通过采用上述方法，基于系统内各个个体账户和目标账户的历史操作行为数据，预测目标账户发生风险事件的第一风险概率，并根据预测得到的第一风险概率和目标账户的虚拟资源操作数据，动态调整目标账户的虚拟资源的额度基线，以对目标账户的风险敞口进行动态控制。通过上述实施例，解决了现有技术中无法准确确定用户支付账户的风险敞口的技术问题，实现了准确确定目标账户的操作风险数据，确保账户安全性，并对目标账户的风险敞口进行动态控制的效果。
需要说明的是，对于上述方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
根据本申请实施例，还提供了一种用于虚拟资源操作的风险控制方法实施例，该方法实施例可以应用于如图1所示的计算机终端，如图8所示，该方法的流程包括：
步骤S801、获取各个个体账户在第一时刻点发生风险事件的第二风险概率。
具体地，该步骤S801可以根据非参最大似然估计法得到第二风险概率。
第二风险概率(即非差异概率、或无差异概率)其中，t为该第一时刻点，T为该当前时刻，Δt为该第一时刻点与当前时刻的时间差。
需要说明的是，该风险事件可以是各个个体账户异常的时间，以支付宝账户为例，该风险事件可以是该支付宝账户被盗或者该支付宝账户绑定的银行卡被盗等事件，本申请对此不作限定。
步骤S802、获取该各个个体账户的历史特征矩阵。
其中，该历史操作行为数据包括用于描述该各个个体账户的历史操作行为的特征的该历史特征矩阵。
步骤S803、计算各个个体账户在历史时间区间内发生风险事件的历史概率。
步骤S804、使用最大离散似然估计法计算该历史特征矩阵和该历史概率所对应的系数矩阵，得到该风险参数。
步骤S805、根据该第二风险概率、该风险参数以及第二操作行为数据计算该目标账户在各个该第一时刻点发生该风险事件的第一风险子概率。
步骤S806、按照各个第一风险子概率和第一时刻点的对应关系，绘制该目标账户的风险曲线，并根据该风险曲线得到该目标账户在该第一时刻点发生该风险事件的第一风险概率。
其中，该风险曲线包括第一时刻点与在该第一时刻点发生该风险事件的概率的对应关系，从而通过该风险曲线得到在不同第一时刻点发生该风险事件的概率。
这样，可以预测每个账户在符合预设特征的情况下在之后多个第一时刻点发生预设事件的概率，例如，以支付宝账户为例，通过上述方式可以预测进行异地登陆后并更换绑定手机号的账户A在更换绑定手机号后的1小时发生账户被盗并执行转账操作的在概率，以及该账户A在更换绑定手机号后的2小时发生账户被盗并执行转账操作的在概率，依次类推，在完成预测后，根据预测结果生成风险曲线，从而通过该风险曲线得到在不同第一时刻点发生该风险事件的第一风险概率，通过该风险曲线即可得到在第一时刻点发生该风险事件的第一风险概率。
步骤S807、基于第一风险概率和目标账户的虚拟资源操作数据通过预设映射函数进行风险敞口计算，以获取目标账户在第一时刻点的虚拟资源的操作风险数据。
其中，该预设映射函数f(hi(t))包括：
f ( h i ( t ) ) = min f ( h i ( t ) ) Σ i HIS _ AVG _ AMT i * f ( h i ( t ) ) * h i ( t ) , s . t . h i ( t ) ∈ [ 0,1 ] ∀ i ,
该hi(t)为该第一风险概率，该HIS_AVG_AMTi为该目标账户的虚拟资源操作数据，i为自然数。
需要说明的是，本实施例提供的预设映射函数只是举例说明，本申请对此不作限定，该预设映射函数还可以是在实际操作中得到的经验函数。
可选地，预先获取的该目标账户的虚拟资源操作数据包括：该目标账户的该虚拟资源的历史操作数值的平均值或该目标账户所属的类别中的各个个体账户的虚拟资源的历史操作数值的平均值；该目标账户对该虚拟资源的操作包括：交换操作和转移操作。
例如，以支付宝账户为例进行说明，该虚拟资源可以是支付金额，该历史操作数值可以是账户历史平均支付金额，也可以是同类账户间的平均支付金额。
步骤S808、接收到基于该目标账户的虚拟资源操作请求。
其中，该虚拟资源操作请求中携带有请求操作的操作事件的操作值。
步骤S809、若该操作值超过该操作风险数据所指示的该操作事件的操作阈值，则拒绝执行该操作事件，或对该虚拟资源操作请求进行验证。
例如，以支付宝账户为例进行说明，该操作阈值可以是额度基线，在用户发起操作事件(如转账金额)的请求时，若请求转账的金额超过了该额度基线，则拒绝执行该转账操作，或者对该转账请求进行验证，上述的转账操作只是举例说明，本申请对此不作限定，也可以是该目标账户的其他操作如支付操作等。
通过采用上述方法，基于系统内各个个体账户和目标账户的历史操作行为数据，预测目标账户发生风险事件的第一风险概率，并根据预测得到的第一风险概率和目标账户的虚拟资源操作数据，动态调整目标账户的虚拟资源的额度基线，以对目标账户的风险敞口进行动态控制。通过上述实施例，解决了现有技术中无法准确确定用户支付账户的风险敞口的技术问题，实现了准确确定目标账户的操作风险数据，确保账户安全性，并对目标账户的风险敞口进行动态控制的效果。
需要说明的是，对于上述方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
实施例2
根据本申请实施例，还提供了一种用于实施上述用于虚拟资源操作的风险控制方法的装置，本申请上述实施例所提供的装置可以在计算机终端上运行，如图9所示，该装置包括：获取单元91、预测单元92和调整单元93，
其中，获取单元，用于获取各个个体账户在历史时间区间内的第一操作行为数据和目标账户在历史时间区间内的第二操作行为数据。
预测单元，用于利用获取到的第一操作行为数据和第二操作行为数据，预测在第一时刻点目标账户发生风险事件的第一风险概率。
调整单元，用于根据预测得到的第一风险概率和目标账户的虚拟资源操作数据，调整目标账户在第一时刻点的虚拟资源的额度基线，以对目标账户的风险敞口进行动态控制。
通过上述装置，基于系统内各个个体账户和目标账户的历史操作行为数据，预测目标账户发生风险事件的第一风险概率，并根据预测得到的第一风险概率和目标账户的虚拟资源操作数据，动态调整目标账户的虚拟资源的额度基线，以对目标账户的风险敞口进行动态控制。通过上述实施例，解决了现有技术中无法准确确定用户支付账户的风险敞口的技术问题，实现了准确确定目标账户的操作风险数据，确保账户安全性，并对目标账户的风险敞口进行动态控制的效果。
需要说明的是，上述获取单元91、预测单元92和调整单元93对应于实施例一中的步骤S202至步骤S206，三个单元与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述单元作为装置的一部分可以运行在实施例一提供的计算机终端10中，可以通过软件实现，也可以通过硬件实现。
可选地，如图10所示，预测单元92可以包括：获取模块921，用于获取各个个体账户在第一时刻点发生风险事件的第二风险概率；确定模块923，用于基于第一操作行为数据确定各个个体账户发生风险事件的风险参数；第一计算模块925，用于根据第二风险概率、风险参数以及第二操作行为数据进行概率计算，得到在第一时刻点目标账户发生风险事件的第一风险概率。
通过上述实施例，基于各个个体账户的历史操作行为数据确定各个个体账户发生风险事件的风险参数，并根据各个个体账户发生风险事件的第二风险概率、风险参数以及目标账户的第一操作行为数据通过概率计算得到该目标账户在第一时刻点发生风险事件的第一风险概率，并基于该第一风险概率和目标账户的虚拟资源的操作数据进行风险敞口计算，可以准确地得到该目标账户在第一时刻点的虚拟资源的操作风险数据(如额度基线)。
可选地，如图11所示，第一计算模块925包括：第一计算子模块951，用于根据第二风险概率、风险参数以及第二操作行为数据计算目标账户在各个第一时刻点发生风险事件的第一风险子概率；记录模块953，用于记录每次执行计算第一风险子概率的操作的第一时刻点及该第一时刻点的权重；第二计算子模块955，用于按照各个第一时刻点对应的权重和各个第一时刻点对应的第二风险子概率进行加权计算，得到加权后的第一风险概率，其中，第一时刻点为多个。
其中，上述实施例中的多个第一时刻点之间的间隔可以是5分钟，即每隔5分钟根据第二风险概率、风险参数以及第二操作行为数据计算一次目标账户在该第一时刻点发生该风险事件的第一风险子概率。
在上述实施例中，可以确定需要考虑的当前操作行为特征矩阵xi并估算相对应的参数矩阵β′，比如目标账户的第二操作行为数据对应的行为特征矩阵xi中可供选择的特征有100个，但最终可能选用其中的20个用于确定参数矩阵β′。
需要说明的是，采用上述实施方式可以在多个第一时刻点预测每个目标账户在符合预设特征的情况下在第一时刻点发生预设事件的概率，从而得到更加精确地第一风险概率，例如，以支付宝账户为例，在时刻A预测进行异地登陆后并更换绑定手机号的账户A在1小时后(即第一时刻点)发生账户被盗并执行转账操作的子概率，在时刻B预测进行异地登陆后并更换绑定手机号的账户A在1小时后(即第一时刻点)发生账户被盗并执行转账操作的子概率，依次类推，在完成预测后，将得到的全部子概率进行加权计算，得到该账户A在更换绑定手机号后的1小时(即第一时刻点)发生账户被盗并执行转账操作的概率。上述实施例中的账户A为目标账户。
根据本申请的上述实施例，第一计算子模块可以包括：逻辑计算模块，用于按照离散逻辑模型计算第一风险子概率hi(t)，其中，离散逻辑模型为： 其中，h0(t)为第二风险概率，β′为风险参数，xi为目标账户的第二操作行为数据对应的行为特征矩阵。
在本申请的上述实施例中，第一计算模块925还可以包括图12所示的绘制单元957，用于在根据第二风险概率、风险参数以及第二操作行为数据计算目标账户在各个第一时刻点发生风险事件的第一风险子概率之后，按照多个第一风险子概率与多个第一时刻点的对应关系，绘制目标账户的风险曲线。
其中，该风险曲线包括时刻与在该时刻发生该风险事件的概率的对应关系，从而通过该风险曲线得到在不同时刻发生该风险事件的第一风险概率。
这样，可以预测每个目标账户在符合预设特征的情况下在之后多个时刻发生预设事件的概率，例如，以支付宝账户为例，通过上述方式可以预测进行异地登陆后并更换绑定手机号的账户A在更换绑定手机号后的1小时发生账户被盗并执行转账操作的在概率，以及该账户A在更换绑定手机号后的2小时发生账户被盗并执行转账操作的在概率，依次类推，在完成预测后，根据预测结果生成风险曲线，从而通过该风险曲线得到在不同的第一时刻点发生该风险事件的第一风险子概率，通过该风险曲线即可得到在第一时刻点发生该风险事件的第一风险概率。
可选地，调整单元可以包括：第二计算模块，用于基于第一风险概率和目标账户的虚拟资源操作数据通过预设映射函数进行风险敞口计算，以获取目标账户在第一时刻点的虚拟资源的操作风险数据，其中，
预设映射函数f(hi(t))包括： f ( h i ( t ) ) = min f ( h i ( t ) ) Σ i HIS _ AVG _ AMT i * f ( h i ( t ) ) * hit , s . t . hit ∈ 0,1 ∀ i , hit为第一风险概率，HIS_AVG_AMTi为目标账户的虚拟资源的操作数据，i为自然数；
使用计算得到的目标账户的虚拟资源的操作风险数据，调整目标账户在第一时刻点的虚拟资源的额度基线。
需要说明的是，本实施例提供的预设映射函数只是举例说明，本申请对此不作限定，该预设映射函数还可以是在实际操作中得到的经验函数。
具体地，目标账户的虚拟资源操作数据包括：目标账户操作虚拟资源的历史操作数值的平均值或目标账户所属的类别中的各个个体账户操作虚拟资源的历史操作数值的平均值；目标账户对虚拟资源的操作包括：交换操作和/或转移操作。
例如，以支付宝账户为例进行说明，该虚拟资源可以是支付金额，该历史操作数值可以是账户历史平均支付金额，也可以是同类账户间的平均支付金额。
在本申请的上述实施例中，确定模块可以包括：获取子模块，用于获取各个个体账户的历史特征矩阵，其中，第一操作行为数据包括用于描述各个个体账户在历史时间区间内的历史操作行为特征的历史特征矩阵；第三计算子模块，用于计算各个个体账户在历史时间区间内发生风险事件的历史概率；第四计算子模块，用于使用最大离散似然估计法计算历史特征矩阵和历史概率所对应的系数矩阵，得到风险参数。
可选地，如图13所示，该装置还包括：接收单元94和验证单元95，其中，接收单元94，用于接收到基于该目标账户的虚拟资源操作请求，其中，该虚拟资源操作请求中携带有请求操作的操作事件的操作值；验证单元95，用于若该操作值超过该操作风险数据所指示的该操作事件的操作阈值，则拒绝执行该操作事件，或对该虚拟资源操作请求进行验证。
例如，以支付宝账户为例进行说明，该操作阈值可以是额度基线，在用户发起操作事件(如转账金额)的请求时，若请求转账的金额超过了该额度基线，则拒绝执行该转账操作，或者对该转账请求进行验证，上述的转账操作只是举例说明，本申请对此不作限定，也可以是该目标账户的其他操作如支付操作等。
通过上述实施例，基于各个个体账户的历史操作行为数据确定各个个体账户发生风险事件的风险参数，并根据各个个体账户发生风险事件的第二风险概率、风险参数以及目标账户的第一操作行为数据通过概率计算得到该目标账户在第一时刻点发生风险事件的第一风险概率，并基于该第一风险概率和目标账户的虚拟资源的操作数据进行风险敞口计算，可以准确地得到该目标账户在第一时刻点的虚拟资源的操作风险数据(如额度基线)。
本实施例中所提供的各个模块与方法实施例对应步骤所提供的使用方法相同、应用场景也可以相同。当然，需要注意的是，上述模块涉及的方案可以不限于上述实施例一中的内容和场景，且上述模块可以运行在计算机终端或移动终端，可以通过软件或硬件实现。
实施例3
本申请的实施例可以提供一种计算机终端，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算机终端也可以替换为移动终端等终端设备。
可选地，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地，图14是根据本申请实施例的另一种可选的计算机终端的结构示意图。如图14所示，该计算机终端A可以包括：一个或多个(图中仅示出一个)处理器和存储器。
其中，存储器可用于存储软件程序以及模块，如本申请实施例中的用于虚拟资源操作的风险控制方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的用于虚拟资源操作的风险控制方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至终端A。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取各个个体账户在历史时间区间内的第一操作行为数据和目标账户在历史时间区间内的第二操作行为数据；利用获取到的第一操作行为数据和第二操作行为数据，预测在第一时刻点目标账户发生风险事件的第一风险概率；根据预测得到的第一风险概率和目标账户的虚拟资源操作数据，调整目标账户在第一时刻点的虚拟资源的额度基线，以对目标账户的风险敞口进行动态控制。
可选的，上述处理器用于执行如下步骤：获取各个个体账户在第一时刻点发生风险事件的第二风险概率；基于第一操作行为数据确定各个个体账户发生风险事件的风险参数；根据第二风险概率、风险参数以及第二操作行为数据进行概率计算，得到在第一时刻点目标账户发生风险事件的第一风险概率。
可选的，上述处理器用于执行如下步骤：根据第二风险概率、风险参数以及第二操作行为数据计算目标账户在各个第一时刻点发生风险事件的第一风险子概率；记录每次执行计算第一风险子概率的操作的第一时刻点及该第一时刻点的权重；按照各个第一时刻点对应的权重和各个第一时刻点对应的第二风险子概率进行加权计算，得到加权后的第一风险概率。
可选的，上述处理器用于执行如下步骤：按照多个第一风险子概率与多个第一时刻点的对应关系，绘制目标账户的风险曲线。
可选的，上述处理器用于执行如下步骤：获取各个个体账户的历史特征矩阵，其中，第一操作行为数据包括用于描述各个个体账户在历史时间区间内的历史操作行为特征的历史特征矩阵；计算各个个体账户在历史时间区间内发生风险事件的历史概率；使用最大离散似然估计法计算历史特征矩阵和历史概率所对应的系数矩阵，得到风险参数。
可选的，上述处理器用于执行如下步骤：接收到基于目标账户的虚拟资源操作请求，其中，虚拟资源操作请求中携带有请求操作的操作事件的操作值；若操作值超过额度基线所指示的操作事件的操作阈值，则拒绝执行操作事件，或对虚拟资源操作请求进行验证。
通过上述实施例，基于系统内各个个体账户和目标账户的历史操作行为数据，预测目标账户发生风险事件的第一风险概率，并根据预测得到的第一风险概率和目标账户的虚拟资源操作数据，动态调整目标账户的虚拟资源的额度基线，以对目标账户的风险敞口进行动态控制。通过上述实施例，解决了现有技术中无法准确确定用户支付账户的风险敞口的技术问题，实现了准确确定目标账户的操作风险数据，确保账户安全性，并对目标账户的风险敞口进行动态控制的效果。
本领域普通技术人员可以理解，图14所示的结构仅为示意，计算机终端也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices，MID)、PAD等终端设备。图14并不对上述电子装置的结构造成限定。例如，计算机终端还可包括比图14中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图14所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random Access Memory，RAM)、磁盘或光盘等。
实施例4
本申请的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的用于虚拟资源操作的风险控制方法所执行的程序代码。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取各个个体账户在历史时间区间内的第一操作行为数据和目标账户在历史时间区间内的第二操作行为数据；利用获取到的第一操作行为数据和第二操作行为数据，预测在第一时刻点目标账户发生风险事件的第一风险概率；根据预测得到的第一风险概率和目标账户的虚拟资源操作数据，调整目标账户在第一时刻点的虚拟资源的额度基线，以对目标账户的风险敞口进行动态控制。
可选地，存储介质被设置为存储用于执行以下步骤的程序代码：获取各个个体账户在第一时刻点发生风险事件的第二风险概率；基于第一操作行为数据确定各个个体账户发生风险事件的风险参数；根据第二风险概率、风险参数以及第二操作行为数据进行概率计算，得到在第一时刻点目标账户发生风险事件的第一风险概率。
可选地，存储介质被设置为存储用于执行以下步骤的程序代码：根据第二风险概率、风险参数以及第二操作行为数据计算目标账户在各个第一时刻点发生风险事件的第一风险子概率；记录每次执行计算第一风险子概率的操作的第一时刻点及该第一时刻点的权重；按照各个第一时刻点对应的权重和各个第一时刻点对应的第二风险子概率进行加权计算，得到加权后的第一风险概率。
可选地，存储介质被设置为存储用于执行以下步骤的程序代码：按照多个第一风险子概率与多个第一时刻点的对应关系，绘制目标账户的风险曲线。
可选地，存储介质被设置为存储用于执行以下步骤的程序代码：获取各个个体账户的历史特征矩阵，其中，第一操作行为数据包括用于描述各个个体账户在历史时间区间内的历史操作行为特征的历史特征矩阵；计算各个个体账户在历史时间区间内发生风险事件的历史概率；使用最大离散似然估计法计算历史特征矩阵和历史概率所对应的系数矩阵，得到风险参数。
可选地，存储介质被设置为存储用于执行以下步骤的程序代码：接收到基于目标账户的虚拟资源操作请求，其中，虚拟资源操作请求中携带有请求操作的操作事件的操作值；若操作值超过额度基线所指示的操作事件的操作阈值，则拒绝执行操作事件，或对虚拟资源操作请求进行验证。
通过上述实施例，基于系统内各个个体账户和目标账户的历史操作行为数据，预测目标账户发生风险事件的第一风险概率，并根据预测得到的第一风险概率和目标账户的虚拟资源操作数据，动态调整目标账户的虚拟资源的额度基线，以对目标账户的风险敞口进行动态控制。通过上述实施例，解决了现有技术中无法准确确定用户支付账户的风险敞口的技术问题，实现了准确确定目标账户的操作风险数据，确保账户安全性，并对目标账户的风险敞口进行动态控制的效果。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如该单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
该作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，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单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
该集成的单元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机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机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机设备(可为个人计算机、服务器或者网络设备等)执行本申请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、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (18)

1.一种用于虚拟资源操作的风险控制方法，其特征在于，包括：
获取各个个体账户在历史时间区间内的第一操作行为数据和目标账户在所述历史时间区间内的第二操作行为数据；
利用获取到的所述第一操作行为数据和所述第二操作行为数据，预测在第一时刻点所述目标账户发生风险事件的第一风险概率；
根据预测得到的所述第一风险概率和所述目标账户的虚拟资源操作数据，调整所述目标账户在所述第一时刻点的虚拟资源的额度基线，以对所述目标账户的风险进行动态控制。
2.根据权利要求1所述的方法，其特征在于，利用获取到的所述第一操作行为数据和所述第二操作行为数据，预测在第一时刻点所述目标账户发生风险事件的第一风险概率包括：
获取所述各个个体账户在所述第一时刻点发生所述风险事件的第二风险概率；
基于所述第一操作行为数据确定所述各个个体账户发生所述风险事件的风险参数；
根据所述第二风险概率、所述风险参数以及所述第二操作行为数据进行概率计算，得到在所述第一时刻点所述目标账户发生所述风险事件的所述第一风险概率。
3.根据权利要求2所述的方法，其特征在于，所述第一时刻点为多个，其中，根据所述第二风险概率、所述风险参数以及所述第二操作行为数据进行概率计算，得到在所述第一时刻点所述目标账户发生所述风险事件的所述第一风险概率包括：
根据所述第二风险概率、所述风险参数以及所述第二操作行为数据计算所述目标账户在各个所述第一时刻点发生所述风险事件的第一风险子概率；
记录每次执行计算所述第一风险子概率的操作的第一时刻点及该第一时刻点的权重；
按照各个所述第一时刻点对应的权重和各个所述第一时刻点对应的所述第二风险子概率进行加权计算，得到加权后的所述第一风险概率。
4.根据权利要求3所述的方法，其特征在于，根据所述第二风险概率、所述风险参数以及所述第二操作行为数据计算所述目标账户在各个所述第一时刻点发生所述风险事件的第一风险子概率包括：
按照离散逻辑模型计算所述第一风险子概率hi(t)，其中，所述离散逻辑模型为：
其中，所述h0(t)为所述第二风险概率，β′为所述风险参数，xi为所述目标账户的所述第二操作行为数据对应的行为特征矩阵。
5.根据权利要求3所述的方法，其特征在于，在根据所述第二风险概率、所述风险参数以及所述第二操作行为数据计算所述目标账户在各个所述第一时刻点发生所述风险事件的第一风险子概率之后，所述方法还包括：
按照多个所述第一风险子概率与多个所述第一时刻点的对应关系，绘制所述目标账户的风险曲线。
6.根据权利要求1所述的方法，其特征在于，根据预测得到的所述第一风险概率和所述目标账户的虚拟资源操作数据，调整所述目标账户在所述第一时刻点的虚拟资源的额度基线包括：
基于所述第一风险概率和所述目标账户的虚拟资源操作数据通过预设映射函数进行风险敞口计算，以获取所述目标账户在所述第一时刻点的所述虚拟资源的操作风险数据，其中，
所述预设映射函数f(hi(t))包括： F ( h i ( t ) ) = min f ( h i ( t ) ) Σ i HIS _ AVG _ AM T i * fhit * hit , s . t . hit ∈ 0,1 ∀ i , 所述hit为所述第一风险概率，所述HIS_AVG_AMTi为所述目标账户的虚拟资源的操作数据，i为自然数；
使用计算得到的所述目标账户的所述虚拟资源的操作风险数据，调整所述目标账户在所述第一时刻点的虚拟资源的额度基线。
7.根据权利要求6所述的方法，其特征在于，所述目标账户的虚拟资源操作数据包括：所述目标账户操作所述虚拟资源的历史操作数值的平均值或所述目标账户所属的类别中的所述各个个体账户操作所述虚拟资源的历史操作数值的平均值；所述目标账户对所述虚拟资源的操作包括：交换操作和/或转移操作。
8.根据权利要求2所述的方法，其特征在于，基于所述第一操作行为数据确定所述各个个体账户发生所述风险事件的风险参数包括：
获取所述各个个体账户的历史特征矩阵，其中，所述第一操作行为数据包括用于描述所述各个个体账户在所述历史时间区间内的历史操作行为特征的所述历史特征矩阵；
计算所述各个个体账户在所述历史时间区间内发生所述风险事件的历史概率；
使用最大离散似然估计法计算所述历史特征矩阵和所述历史概率所对应的系数矩阵，得到所述风险参数。
9.根据权利要求1至8中任意一项所述的方法，其特征在于，在调整所述目标账户在所述第一时刻点的虚拟资源的额度基线之后，所述方法还包括：
接收到基于所述目标账户的虚拟资源操作请求，其中，所述虚拟资源操作请求中携带有请求操作的操作事件的操作值；
若所述操作值超过所述额度基线所指示的所述操作事件的操作阈值，则拒绝执行所述操作事件，或对所述虚拟资源操作请求进行验证。
10.一种用于虚拟资源操作的风险控制装置，其特征在于，包括：
获取单元，用于获取各个个体账户在历史时间区间内的第一操作行为数据和目标账户在所述历史时间区间内的第二操作行为数据；
预测单元，用于利用获取到的所述第一操作行为数据和所述第二操作行为数据，预测在第一时刻点所述目标账户发生风险事件的第一风险概率；
调整单元，用于根据预测得到的所述第一风险概率和所述目标账户的虚拟资源操作数据，调整所述目标账户在所述第一时刻点的虚拟资源的额度基线，以对所述目标账户的风险进行动态控制。
11.根据权利要求10所述的装置，其特征在于，所述预测单元包括：
获取模块，用于获取所述各个个体账户在所述第一时刻点发生所述风险事件的第二风险概率；
确定模块，用于基于所述第一操作行为数据确定所述各个个体账户发生所述风险事件的风险参数；
第一计算模块，用于根据所述第二风险概率、所述风险参数以及所述第二操作行为数据进行概率计算，得到在所述第一时刻点所述目标账户发生所述风险事件的所述第一风险概率。
12.根据权利要求11所述的装置，其特征在于，所述第一计算模块包括：
第一计算子模块，用于根据所述第二风险概率、所述风险参数以及所述第二操作行为数据计算所述目标账户在各个所述第一时刻点发生所述风险事件的第一风险子概率；
记录模块，用于记录每次执行计算所述第一风险子概率的操作的第一时刻点及该第一时刻点的权重；
第二计算子模块，用于按照各个所述第一时刻点对应的权重和各个所述第一时刻点对应的所述第二风险子概率进行加权计算，得到加权后的所述第一风险概率，
其中，所述第一时刻点为多个。
13.根据权利要求12所述的装置，其特征在于，所述第一计算子模块包括：
逻辑计算模块，用于按照离散逻辑模型计算所述第一风险子概率hi(t)，其中，所述离散逻辑模型为：
其中，所述h0(t)为所述第二风险概率，β′为所述风险参数，xi为所述目标账户的所述第二操作行为数据对应的行为特征矩阵。
14.根据权利要求12所述的装置，其特征在于，所述第一计算模块还包括：
绘制单元，用于在根据所述第二风险概率、所述风险参数以及所述第二操作行为数据计算所述目标账户在各个所述第一时刻点发生所述风险事件的第一风险子概率之后，按照多个所述第一风险子概率与多个所述第一时刻点的对应关系，绘制所述目标账户的风险曲线。
15.根据权利要求10所述的装置，其特征在于，所述调整单元包括：
第二计算模块，用于基于所述第一风险概率和所述目标账户的虚拟资源操作数据通过预设映射函数进行风险敞口计算，以获取所述目标账户在所述第一时刻点的所述虚拟资源的操作风险数据，其中，
所述预设映射函数f(hi(t))包括： f ( h i ( t ) ) = min f ( h i ( t ) ) Σ i HIS _ AVG _ AM T i * f ( h i ( t ) ) * h i ( t ) , s . t . h i ( t ) ∈ [ 0,1 ] ∀ i , 所述hi(t)为所述第一风险概率，所述HIS_AVG_AMTi为所述目标账户的虚拟资源的操作数据，i为自然数；
使用计算得到的所述目标账户的所述虚拟资源的操作风险数据，调整所述目标账户在所述第一时刻点的虚拟资源的额度基线。
16.根据权利要求15所述的装置，其特征在于，所述目标账户的虚拟资源操作数据包括：所述目标账户操作所述虚拟资源的历史操作数值的平均值或所述目标账户所属的类别中的所述各个个体账户操作所述虚拟资源的历史操作数值的平均值；所述目标账户对所述虚拟资源的操作包括：交换操作和/或转移操作。
17.根据权利要求11所述的装置，其特征在于，所述确定模块包括：
获取子模块，用于获取所述各个个体账户的历史特征矩阵，其中，所述第一操作行为数据包括用于描述所述各个个体账户在所述历史时间区间内的历史操作行为特征的所述历史特征矩阵；
第三计算子模块，用于计算所述各个个体账户在所述历史时间区间内发生所述风险事件的历史概率；
第四计算子模块，用于使用最大离散似然估计法计算所述历史特征矩阵和所述历史概率所对应的系数矩阵，得到所述风险参数。
18.根据权利要求10至17中任意一项所述的装置，其特征在于，所述装置还包括：
接收单元，用于在调整所述目标账户在所述第一时刻点的虚拟资源的额度基线之后，接收到基于所述目标账户的虚拟资源操作请求，其中，所述虚拟资源操作请求中携带有请求操作的操作事件的操作值；
处理单元，用于若所述操作值超过所述额度基线所指示的所述操作事件的操作阈值，则拒绝执行所述操作事件，或对所述虚拟资源操作请求进行验证。
CN201510278990.XA 2015-05-27 2015-05-27 用于虚拟资源操作的风险控制方法和装置 Pending CN106296193A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510278990.XA CN106296193A (zh) 2015-05-27 2015-05-27 用于虚拟资源操作的风险控制方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510278990.XA CN106296193A (zh) 2015-05-27 2015-05-27 用于虚拟资源操作的风险控制方法和装置

Publications (1)

Publication Number Publication Date
CN106296193A true CN106296193A (zh) 2017-01-04

Family

ID=57634129

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510278990.XA Pending CN106296193A (zh) 2015-05-27 2015-05-27 用于虚拟资源操作的风险控制方法和装置

Country Status (1)

Country Link
CN (1) CN106296193A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107566358A (zh) * 2017-08-25 2018-01-09 腾讯科技（深圳）有限公司 一种风险预警提示方法、装置、介质及设备
WO2018133834A1 (zh) * 2017-01-23 2018-07-26 阿里巴巴集团控股有限公司 一种调整风险参数的方法、风险识别方法及装置
CN109359762A (zh) * 2018-08-23 2019-02-19 阿里巴巴集团控股有限公司 风险预测模型生成方法、风险预测方法、装置及服务器
CN109685238A (zh) * 2017-10-19 2019-04-26 腾讯科技（深圳）有限公司 资源交换方法和装置、存储介质及电子装置
CN110533269A (zh) * 2018-05-23 2019-12-03 阿里巴巴集团控股有限公司 业务风险防控方法及装置
CN111741027A (zh) * 2020-08-13 2020-10-02 支付宝(杭州)信息技术有限公司 风险识别方法及装置、电子设备
CN118365334A (zh) * 2024-06-17 2024-07-19 广州合利宝支付科技有限公司 一种支付终端的支付安全识别方法及系统

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI733944B (zh) * 2017-01-23 2021-07-21 開曼群島商創新先進技術有限公司 調整風險參數的方法、風險識別方法及裝置
WO2018133834A1 (zh) * 2017-01-23 2018-07-26 阿里巴巴集团控股有限公司 一种调整风险参数的方法、风险识别方法及装置
CN108346048A (zh) * 2017-01-23 2018-07-31 阿里巴巴集团控股有限公司 一种调整风险参数的方法、风险识别方法及装置
CN108346048B (zh) * 2017-01-23 2020-07-28 阿里巴巴集团控股有限公司 一种调整风险参数的方法、风险识别方法及装置
US11468446B2 (en) 2017-01-23 2022-10-11 Advanced New Technologies Co., Ltd. Method for adjusting risk parameter, and method and device for risk identification
CN107566358A (zh) * 2017-08-25 2018-01-09 腾讯科技（深圳）有限公司 一种风险预警提示方法、装置、介质及设备
CN107566358B (zh) * 2017-08-25 2020-10-30 腾讯科技（深圳）有限公司 一种风险预警提示方法、装置、介质及设备
CN109685238A (zh) * 2017-10-19 2019-04-26 腾讯科技（深圳）有限公司 资源交换方法和装置、存储介质及电子装置
CN110533269A (zh) * 2018-05-23 2019-12-03 阿里巴巴集团控股有限公司 业务风险防控方法及装置
CN110533269B (zh) * 2018-05-23 2023-05-16 阿里巴巴集团控股有限公司 业务风险防控方法及装置
CN109359762A (zh) * 2018-08-23 2019-02-19 阿里巴巴集团控股有限公司 风险预测模型生成方法、风险预测方法、装置及服务器
CN109359762B (zh) * 2018-08-23 2021-07-20 创新先进技术有限公司 风险预测模型生成方法、风险预测方法、装置及服务器
CN111741027B (zh) * 2020-08-13 2021-10-12 支付宝(杭州)信息技术有限公司 风险识别方法及装置、电子设备
CN111741027A (zh) * 2020-08-13 2020-10-02 支付宝(杭州)信息技术有限公司 风险识别方法及装置、电子设备
CN118365334A (zh) * 2024-06-17 2024-07-19 广州合利宝支付科技有限公司 一种支付终端的支付安全识别方法及系统

Similar Documents

Publication Publication Date Title
CN106296193A (zh) 用于虚拟资源操作的风险控制方法和装置
CN110956202B (zh) 基于分布式学习的图像训练方法、系统、介质及智能设备
CN110147967B (zh) 风险防控方法及装置
CN111444009A (zh) 一种基于深度强化学习的资源分配方法及装置
CN111325444B (zh) 一种风险防控决策方法、装置、系统及设备
CN107885796A (zh) 信息推荐方法及装置、设备
CN110929799B (zh) 用于检测异常用户的方法、电子设备和计算机可读介质
CN112232947B (zh) 贷中风险预测方法及装置
CN113268341A (zh) 电网边缘计算任务的分配方法、装置、设备和存储介质
CN108366114A (zh) 应用防沉迷的方法、装置、终端及计算机可读存储介质
EP3579154A1 (en) Reinforcement learning for user behaviour
CN113486584B (zh) 设备故障的预测方法、装置、计算机设备及计算机可读存储介质
CN111341041B (zh) 一种支付方式确定方法、装置、系统及设备
US20190339990A1 (en) Internet of things device state and instruction execution
CN113138847B (zh) 基于联邦学习的计算机资源分配调度方法和装置
CN110874638B (zh) 面向行为分析的元知识联邦方法、装置、电子设备及系统
CN116684330A (zh) 基于人工智能的流量预测方法、装置、设备及存储介质
CN114610475A (zh) 一种智能资源编排模型的训练方法
CN109345373A (zh) 核销风险预警方法、装置、电子设备及计算机可读介质
CN110837889A (zh) 神经网络的训练方法及装置、存储介质、电子装置
US20180268290A1 (en) Model training by discarding relatively less relevant parameters
US11704542B2 (en) Convolutional dynamic Boltzmann Machine for temporal event sequence
CN113794682B (zh) 一种工业物联网入侵检测智能体训练方法、装置及设备
CN115564055A (zh) 异步联合学习训练方法、装置、计算机设备及存储介质
CN113783841B (zh) 工业物联网入侵检测网络架构构建方法、装置、设备及存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200923

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200923

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170104