CN106446021A - 一种异常数据检测处理的方法和系统 - Google Patents
一种异常数据检测处理的方法和系统 Download PDFInfo
- Publication number
- CN106446021A CN106446021A CN201610755774.4A CN201610755774A CN106446021A CN 106446021 A CN106446021 A CN 106446021A CN 201610755774 A CN201610755774 A CN 201610755774A CN 106446021 A CN106446021 A CN 106446021A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- interval
- specific behavior
- characteristic information
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24553—Query execution of query operations
- G06F16/24554—Unary operations; Data partitioning operations
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种异常数据检测处理的方法和系统,其中所述方法包括:采集预设时间段内用户的特定行为数据;提取所述特定行为数据中的特征信息,依据所述特征信息确定用户的特定行为数据的数据区间;当用户的特定行为数据超出其对应的数据区间时,进行预定的操作。本发明可以及时和精确地检测出异常交易数据并进行相应处理,提高异常数据监测效率,降低相应的危害。
Description
本发明专利申请是申请日为2013年6月24日、申请号为201310253223.4、名称为“一种异常数据检测处理的方法和系统”的中国发明专利申请的分案申请。
技术领域
本发明涉及数据处理技术领域,具体涉及一种异常数据检测处理的方法,以及,一种异常数据检测处理的系统。
背景技术
随着互联网技术和电子商务的高速发展,网上交易与日俱增,同时带来了很多安全问题。近年来,通过网络交易平台进行的洗钱,虚假交易和钓鱼行为等异常交易已经严重的扰乱了正常的交易秩序,给人们的生产、生活带来了很大的损失。
网络交易平台迫切的需要对这些不正常交易行为进行有效的管控,维护正常的交易秩序。一般的做法是将交易用户进行分类,然后针对每一类的用户设定交易阈值,如果交易金额超过所述交易阈值,则进行告警。然而,上述设定交易阈值一般是笼统设定的,主观成分占据很大的比重,从而导致不能精确地检测出异常交易。
因此,本领域技术人员迫切需要解决的技术问题是:提供一种异常数据检测处理的机制,能够及时和精确地检测出异常交易数据并进行相应处理,提高异常数据监测效率,降低相应的危害。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种异常交易数据检测处理的方法和相应的一种异常交易数据检测处理的系统。
依据本发明的一个方面,提供了一种异常数据检测处理的方法,包括:
采集预设时间段内用户的特定行为数据;
提取所述特定行为数据中的特征信息,依据所述特征信息确定用户的特定行为数据的数据区间;
当用户的特定行为数据超出其对应的数据区间时,进行预定的操作。
可选地,所述用户包括多个,所述依据特征信息确定用户的特定行为数据的数据区间的步骤包括:
依据所述多个用户的特定行为数据中的特征信息将所述多个用户的网上特定行为数据划分成一个或多个数据区间;
确定各个用户的特定行为数据对应的数据区间。
可选地,所述依据所述特征信息确定用户的特定行为数据的数据区间的步骤包括:
依据所述用户的特定行为数据中的特征信息确定所述用户的特定行为数据的数据区间。
可选地,所述特定行为数据为交易数据。
可选地,为所述数据区间设置一个或多个阈值;所述当用户的特定行为数据超出其对应的数据区间时,进行预定的操作的步骤包括:
当用户的交易数据超出其对应数据区间的第一阈值但未超出第二阈值时,进行以下至少一个操作:发出第一级告警信息、分析所述用户的特定行为数据;
和/或,
当用户的交易数据超出其对应数据区间的第二阈值但未超出第三阈值时,进行以下至少一个操作:发出第二级告警信息、暂停所述用户的交易功能、与所述用户核实所述特定行为数据;
和/或,
当用户的交易数据超出其对应数据区间的第三阈值时,进行以下至少一个操作:发出第三级告警信息、关闭所述用户的所有功能、冻结所述用户的账户、报警。
可选地,所述第一级告警信息为邮件告警,所述第二级告警信息为短信告警,所述第三级告警信息为循环短信告警或循环语音信息告警。
可选地,当所述数据区间中设置有多个阈值时,所述的方法还包括:
在提取所述交易数据中的特征信息后,依据所述交易数据的特征信息生成对应的交易曲线;
当用户的交易数据超出其对应数据区间的第一阈值但未超出第二阈值时,且所述用户的交易曲线为平滑上升时,判定所述用户的交易数据为正常数据。
可选地,所述特征信息包括交易金额和/或交易量,所述依据所述多个用户的特定行为数据中的特征信息将所述多个用户的网上特定行为数据划分成一个或多个数据区间的子步骤包括:
提取每个用户在预设时间段内的交易金额和/或交易量;
将所述每个用户的交易金额和/或交易量进行聚类,获得交易金额聚类分布信息和/或交易量聚类分布信息;
按照所述交易金额聚类分布信息和/或交易量聚类分布信息将所有用户的交易金额或交易量划分成一个或多个数据区间。
可选地,所述特征信息包括交易金额和/或交易量,所述依据所述用户的特定行为数据中的特征信息确定所述用户的特定行为数据的数据区间的子步骤包括:
提取所述用户在预设时间段内的交易金额和/或交易量;
计算所述交易金额的平均值和/或交易量的平均值;
按照所述交易金额的平均值和/或交易量的平均值的预设比例范围确定所述用户的特定行为数据的数据区间。
根据本发明的另一方面,提供了一种异常数据检测处理的系统,包括:
数据采集模块,适于采集预设时间段内用户的特定行为数据;
特征信息提取模块,适于提取所述特定行为数据中的特征信息;
区间划分模块,适于依据所述特征信息确定用户的特定行为数据的数据区间;
预定操作执行模块,适于在用户的特定行为数据超出其对应的数据区间时,进行预定的操作。
可选地,所述用户包括多个,所述区间划分模块包括:
第一区间划分子模块,适于依据所述多个用户的特定行为数据中的特征信息将所述多个用户的网上特定行为数据划分成一个或多个数据区间;
第一区间确定子模块,适于确定各个用户的特定行为数据对应的数据区间。
可选地,所述区间划分模块包括:
第二区间划分子模块,适于依据所述用户的特定行为数据中的特征信息确定所述用户的特定行为数据的数据区间。
可选地,所述特定行为数据为交易数据。
可选地,为所述数据区间设置一个或多个阈值;所述预定操作执行模块包括:
第一级告警子模块,适于在用户的交易数据超出其对应数据区间的第一阈值但未超出第二阈值时,进行以下至少一个操作:发出第一级告警信息、分析所述用户的特定行为数据;
和/或,
第二级告警子模块,适于在用户的交易数据超出其对应数据区间的第二阈值但未超出第三阈值时,进行以下至少一个操作:发出第二级告警信息、暂停所述用户的交易功能、与所述用户核实所述特定行为数据;
和/或,
第三级告警子模块,适于在用户的交易数据超出其对应数据区间的第三阈值时,进行以下至少一个操作:发出第三级告警信息、关闭所述用户的所有功能、冻结所述用户的账户、报警。
可选地,所述第一级告警信息为邮件告警,所述第二级告警信息为短信告警,所述第三级告警信息为循环短信告警或循环语音信息告警。
可选地,当所述数据区间中设置有多个阈值时,所述的系统还包括:
交易曲线生成模块,适于在提取所述交易数据中的特征信息后,依据所述交易数据的特征信息生成对应用户的交易曲线;
正常数据判定模块,适于在用户的交易数据超出其对应数据区间的第一阈值但未超出第二阈值时,且所述用户的交易曲线为平滑上升时,判定所述用户的交易数据为正常数据。
可选地,所述特征信息包括交易金额和/或交易量,所述第一区间划分子模块包括:
交易金额或交易量获取单元,适于提取每个用户在预设时间段内的交易金额和/或交易量;
聚类分布信息获取单元,适于将所述每个用户的交易金额和/或交易量进行聚类,获得交易金额聚类分布信息和/或交易量聚类分布信息;
第一数据区间划分单元,适于按照所述交易金额聚类分布信息和/或交易量聚类分布信息将所有用户的交易金额和/或交易量划分成一个或多个数据区间。
可选地,所述特征信息包括交易金额和/或交易量,所述第二区间划分子模块包括:
交易金额或交易量提取单元,适于提取所述用户在预设时间段内的交易金额和/或交易量;
计算单元,适于计算所述交易金额的平均值和/或交易量的平均值;
第二数据区间划分单元,适于按照所述交易金额的平均值和/或交易量的平均值的预设比例范围确定所述用户的特定行为数据的数据区间。
根据本发明的一种异常数据检测处理的方法和系统,可以依据用户预设时间段内的特定行为数据确定用户的特定行为数据的数据区间,并为所述数据区间设置不同的阈值,当所述数据区间内的交易数据超过某一阈值时进行预定的操作,以此来检测出异常数据,由此解决了传统的异常数据检测中数据检测不精确的问题,取得了有效监控用户的特定行为数据曲线和用户的数据的活跃度,从而及时和精确地检测出异常数据并进行相应处理,提高异常数据检测的效率,降低相应危害的有益效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的一种异常数据检测处理的方法实施例1的步骤流程图;
图2示出了根据本发明一个实施例的一种异常数据检测处理的方法实施例2的步骤流程图;
图3示出了根据本发明一个实施例的一种异常数据检测处理的方法中特征信息交易曲线示意图;
图4示出了根据本发明一个实施例的一种异常数据检测处理的系统的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
参照图1,示出了根据本发明一个实施例的一种异常数据检测处理的方法实施例1的步骤流程图,具体可以包括以下步骤:
步骤S110,采集预设时间段内用户的特定行为数据;
步骤S120,提取所述特定行为数据中的特征信息,依据所述特征信息确定用户的特定行为数据的数据区间;
步骤S130,当用户的特定行为数据超出其对应的数据区间时,进行预定的操作。
在本发明实施例中,通过对用户预设时间段内的特定行为数据进行检测以确定用户的特定行为数据的数据区间,并为所述数据区间设定一个或多个阈值,从而能及时检测出异常数据,并能针对不同程度的异常数据,进行预定的操作,防止异常数据造成的损失。
参照图2,示出了根据本发明一个实施例的一种异常数据检测处理的方法实施例2的步骤流程图,在本实施例中,以所述特定行为数据为交易数据的情况进行说明,具体可以包括以下步骤:
步骤S210,采集预设时间段内用户的交易数据;
具体而言,所述采集预设时间段内的交易数据可以为采集交易平台在一个时间单位内用户的交易数据,所述用户的交易数据可以包括用户在过去的一段时间内发生的交易的各种情况,例如交易量、单笔交易金额、一段时间内交易总额等等,其中,所述用户可以为一个或多个。
需要说明的是,本发明实施例中所指的预设时间段可以是一个月或者一天等时间段,本发明实施例对此无需加以限制。
步骤S220,提取所述交易数据中的特征信息,依据所述特征信息确定用户交易数据的数据区间;
对于交易平台而言,用户的交易数据可以使用多项特征信息来体现,所述特征信息可以为交易量、交易金额等。在采集预设时间段内的用户的交易数据后,可以提取所述交易数据中的特征信息,为了能够更好地观察每个用户在预设时间段内交易数据的特征信息的交易规律,可以为用户的交易数据按照特征信息生成对应的交易曲线。如参照图3示出了特征信息交易曲线示意图,图中横坐标表示时间,纵坐标表示交易量,两条交易曲线表示两周以来用户每天的交易量情况。
在本发明的一种优选实施例中,当所述用户为多个时,所述依据特征信息确定用户的特定行为数据的数据区间的步骤可以包括如下子步骤:
子步骤S11,依据所述多个用户的特定行为数据中的特征信息将所述多个用户的网上特定行为数据划分成一个或多个数据区间;
子步骤S13,确定各个用户的特定行为数据对应的数据区间。
具体而言,因为每个行业的交易情况不一样,用户的交易数据中的特征信息根据行业的特点可以分为很多组,例如一般小商品的日交易量往往较高,平均在一百多笔;而衣服则成交要相对小一些,在十几到几十笔不等,鉴于此,可以将不同等级的交易量划分成一个或多个交易数据区间,可以将交易量在一百以上的划分一个交易数据区间,交易量在一百以下的划分另一个交易数据区间。而根据交易数据的特征信息不一样,给用户的交易数据划分的交易数据区间也是不一样的,因此,可以根据所述特征信息的聚类信息来划分数据区间。
在本发明的一种优选实施例中,所述特征信息可以包括交易金额,所述子步骤S11可以包括如下子步骤:
子步骤S111,提取每个用户在预设时间段内的交易金额;
子步骤S113,将所述每个用户的交易金额进行聚类,获得交易金额聚类分布信息;
子步骤S115,按照所述交易金额聚类分布信息将所有用户的交易金额划分成一个或多个数据区间。
具体而言,可以根据获取每个用户在预设时间段内的交易金额来获取所有用户交易金额的聚类分布信息,按照所述聚类分布信息将所有用户的交易金额划分成一个或多个数据区间。例如,通过获取交易金额的分布情况得到小商品(单件商品价格不高于100元)的交易金额集中在1000元以下、1000到5000元、5000元以上,则划分的交易数据区间可以为1000元以下、1000元-5000元、5000元以上。
在本发明的另一种优选实施例中,所述特征信息可以包括交易量,所述子步骤S11可以包括如下子步骤:
子步骤S121,提取每个用户在预设时间段内的交易量;
子步骤S123,将所述每个用户的交易量进行聚类,获得交易量聚类分布信息;
子步骤S125,按照所述交易量聚类分布信息将所有用户的交易量划分成一个或多个数据区间。
具体而言,所述按照交易量进行聚类来获得数据区间的方法与所述按照交易金额来获得数据区间的方法相同,本实施例在此不再详述。
在本发明的一种优选实施例中,所述依据特征信息确定用户的特定行为数据的数据区间的步骤可以包括如下子步骤:
子步骤S21,依据所述用户的特定行为数据中的特征信息确定所述用户的特定行为数据的数据区间。
在本发明的一种优选实施例中,所述特征信息可以包括交易金额,所述子步骤S21可以包括如下子步骤:
子步骤S211,提取所述用户在预设时间段内的交易金额;
子步骤S213,计算所述交易金额的平均值;
子步骤S215,按照所述交易金额的平均值的预设比例范围确定所述用户交易数据的数据区间。
在本发明的另一种优选实施例中,所述特征信息可以包括交易量,所述子步骤S21可以包括如下子步骤:
子步骤S221,提取所述用户在预设时间段内的交易量;
子步骤S223,计算所述交易量的平均值;
子步骤S225,按照所述交易量的平均值的预设比例范围确定所述用户交易数据的数据区间。
具体而言,可以提取用户交易数据的特征信息,如交易量、交易金额等,通过计算所述特征信息的平均值,按照所述平均值的预设比例范围确定用户交易数据的数据区间。其中,所述平均值的预设比例范围可以为平均值上下浮动的一个数值范围或百分比范围等,例如根据交易量,或交易金额的平均值上下20%划分数据区间。
当然,所述按照聚类分布信息或按照特征信息的平均值来划分交易数据区间仅是本发明实施例的示例,本领域技术人员根据实际情况采用其他方式划分数据区间均是可以的,例如,若所述预设时间段为比较长的一个时间段(如一个月),也可以根据所述交易数据中指定的特征信息的平均值的聚类分布信息来划分数据区间,例如以日为单位获取每个用户每日的交易金额,在一个月后,以所述每日的交易金额的总和除以天数得到交易金额平均值,然后根据每个用户的交易金额平均值获取交易金额的聚类分布信息,依据所述聚类分布信息把比较集中的分布区域作为数据区间;或者,依据交易数据中指定特征信息的平均值和最大值划分交易数据区间,或者根据旺季和淡季的情况对交易数据进行加权后进行划分,本发明实施例对此无需加以限制。
另外,在具体实现中,由于用户的交易情况不会是一成不变的,存在很多可能性,例如用户在一段时间内业务开展的非常好,所以日交易金额在不断增长;当然也存在相反的可能。那么给用户划分的一个或多个交易数据区间应该是具有弹性的,可以根据交易的情况而动态变化,因此,本发明实施例还可以动态调整所述一个或多个交易数据区间,例如,依然引用上述例子,随着经济情况的变化,小商品市场发展很好,用户的交易金额主要集中在2000元以下,2000元到7000,7000元以上三个区间,那么可以依据所述变化调整每个交易数据区间的分界值了,因为以往的分界值已经过时了。总之,交易平台可以根据这种数据表现来调整分界值。当然,本领域技术人员也可以对所述交易数据区间进行手工调整,本发明对此无需加以限制。
步骤S230,当用户的交易数据超出其对应的数据区间时,进行预定的操作。
应用于本发明实施例,为数据区间设置了对应的一个或多个阈值,可以对每个数据区间定义交易上限风险检测的阈值,当交易数据区间内的用户的交易数据达到指定阈值时进行预定的操作。其中,所述定义的阈值并不是唯一的一个值,而是一组值,每个阈值对应一种预定操作,即行为。
所述一组阈值可以由多个阈值组成,本发明实施例对此不作限制,本发明实施例以所述阈值为三个的情况进行说明,在本发明的一种优选实施例中,所述步骤S230可以包括如下子步骤:
子步骤S31,当用户的交易数据超出其对应数据区间的第一阈值但未超出第二阈值时,进行以下至少一个操作:发出第一级告警信息、分析所述用户的交易数据。
具体而言,所述数据区间的第一阈值(或称上限值)就是对应阈值中的最低值,这个值被称为“基本水位值”。当指定的特征属性的交易数据突破这个值,但未突破下一个值,所述第一级告警信息可以包括告警级别和告警方式,所述警告级别可以为“普通”,可以采用较为缓和的告警方式告警运维人员,例如邮件告警,对应的“行为”也较为缓和。运维人员得到报警时,表示该交易数据可能有异常,需要引起对该交易数据对应的用户的重视,运维人员可以分析所述用户的交易数据,例如检查该用户这段时间的交易曲线,看是否属于一个平滑上升的过程,如果属于平滑上升,则可以判定为正常交易数据,可以考虑是否修改该用户的区间属性(将该用户移入另外一个交易量更大的交易数据区间中),或者暂时观察,不采取任何动作。
在本发明的另一种优选实施例中,所述步骤S230可以包括如下子步骤:
子步骤S41,当用户的交易数据超出其对应数据区间的第二阈值但未超出第三阈值时,进行以下至少一个操作:发出第二级告警信息、暂停所述用户的交易功能、与所述用户核实所述交易数据。
具体而言,如果用户的交易数据直接突破对应数据区间的第二阈值,未突破第三阈值,表示该交易数据在某一段时间内的交易突然激增,这种突然的激增往往是不正常的,这个时候就存在很大交易风险的可能性。第二阈值位于“基本水位值”之上,可以定在超过10%的位置或者20%的地方,视具体情况而定,这个值为“警戒水位”,所述第二级告警信息可以包括告警级别与告警方式,其中所述告警级别可以为“较严重”,可以采用比较迅速的报警方式告警运维人员,例如短信报警,对应的“行为”也较为严格。这时定义的行为可以分为两部分,一是交易平台自动暂停该交易数据对应的用户的交易功能,暂停所有该用户的当前交易,但该用户其他的功能保留。二是运维人员需要去审核该用户的交易数据,和该用户进行核实,检查是否存在虚假交易或者其它不规范行为。
在本发明的另一种优选实施例中,所述步骤S230可以包括如下子步骤:
子步骤S51,当用户的交易数据超出其对应数据区间的第三阈值时,进行以下至少一个操作:发出第三级告警信息、关闭所述用户的所有功能、冻结所述用户的账户、报警。
具体而言,如果用户的交易数据直接突破对应交易数据区间的第三阈值,这个阈值为“灾难水位”,所述告警信息中的告警级别可以为“严重”,表明该交易数据存在非常严重的问题,需要立刻通知运维人员,在得不到运维人员反馈的情况下,不间断通知,例如循环短信通知或者语言电话,直到运维人员响应,采用的“行为”也非常严格。这时交易平台会关闭该交易数据对应的用户的所有功能,例如禁止交易,禁止提现、冻结该用户的账户。运维人员对交易进行分析,如果怀疑是洗钱或者是虚假交易,可以进行报警。
本发明实施例通过对预设时间段内的交易数据进行检测,以划分数据区间,以及对数据区间设定一个或多个阈值的方式检测出异常交易数据。其中,所述异常交易数据可以为利用支付平台进行洗钱、虚假交易等。其中,洗钱是指不法分子将其通过非法手段获得的金钱,通过合法的金融作业流程如一连串的交易或者是转账,变成看似合法的金钱的过程;虚假交易是指通过不正当方式提高账户信用,妨碍买家高效购物权益的行为。通过本发明实施例可以有效监控用户的交易曲线和用户的交易数据的活跃度,从而检测出异常交易数据,避免交易平台成为不法分子获取不当利益的工具。
当然,所述用户的特定行为数据为交易数据的情况仅是本实施例的一种示例,所述特定行为数据也可以为其他行为数据,本发明对此无需加以限制。
需要说明的是,对于方法实施例,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,本发明并不受所描述的动作顺序的限制,因为依据本发明,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发明所必须的。
参照图4,示出了根据本发明一个实施例的一种异常数据检测处理的系统实施例的结构框图,具体可以包括以下模块:
数据采集模块410,适于采集预设时间段内用户的特定行为数据;
在本实施例的一种优选示例中,所述特定行为数据可以为交易数据。
特征信息提取模块420,适于提取所述特定行为数据中的特征信息;
区间划分模块430,适于依据所述特征信息为确定用户的特定行为数据的数据区间;
在本发明的一种优选实施例中,所述用户可以为多个,所述区间划分模块430可以包括如下子模块:
第一区间划分子模块,适于依据所述多个用户的特定行为数据中的特征信息将所述多个用户的网上特定行为数据划分成一个或多个数据区间;
第一区间确定子模块,适于确定各个用户的特定行为数据对应的数据区间。
进一步地,在本发明的一种优选实施例中,所述特征信息可以包括交易金额和/或交易量,所述第一区间划分子模块可以包括如下单元:
交易金额或交易量获取单元,适于提取每个用户在预设时间段内的交易金额和/或交易量;
聚类分布信息获取单元,适于将所述每个用户的交易金额和/或交易量进行聚类,获得交易金额聚类分布信息和/或交易量聚类分布信息;
第一数据区间划分单元,适于按照所述交易金额聚类分布信息和/或交易量聚类分布信息将所有用户的交易金额和/或交易量划分成一个或多个数据区间。
在本发明的另一种优选实施例中,所述区间划分模块430可以包括如下子模块:
第二区间划分子模块,适于依据所述用户的特定行为数据中的特征信息确定所述用户的特定行为数据的数据区间。
进一步地,在本发明的一种优选实施例中,所述特征信息可以包括交易金额和/或交易量,所述第二区间划分子模块可以包括如下单元:
交易金额或交易量提取单元,适于提取所述用户在预设时间段内的交易金额和/或交易量;
计算单元,适于计算所述交易金额的平均值和/或交易量的平均值;
第二数据区间划分单元,适于按照所述交易金额的平均值和/或交易量的平均值的预设比例范围确定所述用户的特定行为数据的数据区间。
预定操作执行模块440,适于在用户的特定行为数据超出其对应的数据区间时,进行预定的操作。
在本发明的一种优选实施例中,为所述数据区间设置了一个或多个阈值;所述预定操作执行模块440可以包括:
第一级告警子模块,适于在用户的交易数据超出其对应数据区间的第一阈值但未超出第二阈值时,进行以下至少一个操作:发出第一级告警信息、分析所述用户的特定行为数据;
和/或,
第二级告警子模块,适于在用户的交易数据超出其对应数据区间的第二阈值但未超出第三阈值时,进行以下至少一个操作:发出第二级告警信息、暂停所述用户的交易功能、与所述用户核实所述特定行为数据;
和/或,
第三级告警子模块,适于在用户的交易数据超出其对应数据区间的第三阈值时,进行以下至少一个操作:发出第三级告警信息、关闭所述用户的所有功能、冻结所述用户的账户、报警。
其中,所述第一级告警信息可以为邮件告警,所述第二级告警信息可以为短信告警,所述第三级告警信息可以为循环短信告警或循环语音信息告警。
可选地,当所述数据区间中设置有多个阈值时,所述的系统还可以包括:
交易曲线生成模块,适于在提取所述交易数据中的特征信息后,依据所述交易数据的特征信息生成对应用户的交易曲线;
正常数据判定模块,适于在用户的交易数据超出其对应数据区间的第一阈值但未超出第二阈值时,且所述用户的交易曲线为平滑上升时,判定所述用户的交易数据为正常数据。
对于图4的系统实施例而言,由于其与上述的方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的异常数据检测处理设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明的实施例公开了A1、一种异常数据检测处理的方法,包括:采集预设时间段内用户的特定行为数据;提取所述特定行为数据中的特征信息,依据所述特征信息确定用户的特定行为数据的数据区间;当用户的特定行为数据超出其对应的数据区间时,进行预定的操作。A2、如A1所述的方法,所述用户包括多个,所述依据特征信息确定用户的特定行为数据的数据区间的步骤包括:依据所述多个用户的特定行为数据中的特征信息将所述多个用户的网上特定行为数据划分成一个或多个数据区间;确定各个用户的特定行为数据对应的数据区间。A3、如A1所述的方法,所述依据所述特征信息确定用户的特定行为数据的数据区间的步骤包括:依据所述用户的特定行为数据中的特征信息确定所述用户的特定行为数据的数据区间。A4、如A1或A2或A3所述的方法,所述特定行为数据为交易数据。A5、如A4所述的方法,为所述数据区间设置一个或多个阈值;所述当用户的特定行为数据超出其对应的数据区间时,进行预定的操作的步骤包括:当用户的交易数据超出其对应数据区间的第一阈值但未超出第二阈值时,进行以下至少一个操作:发出第一级告警信息、分析所述用户的特定行为数据;和/或,当用户的交易数据超出其对应数据区间的第二阈值但未超出第三阈值时,进行以下至少一个操作:发出第二级告警信息、暂停所述用户的交易功能、与所述用户核实所述特定行为数据;和/或,当用户的交易数据超出其对应数据区间的第三阈值时,进行以下至少一个操作:发出第三级告警信息、关闭所述用户的所有功能、冻结所述用户的账户、报警。A6、如A5所述的方法,所述第一级告警信息为邮件告警,所述第二级告警信息为短信告警,所述第三级告警信息为循环短信告警或循环语音信息告警。A7、如A5所述的方法,当所述数据区间中设置有多个阈值时,所述的方法还包括:在提取所述交易数据中的特征信息后,依据所述交易数据的特征信息生成对应的交易曲线;当用户的交易数据超出其对应数据区间的第一阈值但未超出第二阈值时,且所述用户的交易曲线为平滑上升时,判定所述用户的交易数据为正常数据。A8、如A2所述的方法,所述特征信息包括交易金额和/或交易量,所述依据所述多个用户的特定行为数据中的特征信息将所述多个用户的网上特定行为数据划分成一个或多个数据区间的子步骤包括:提取每个用户在预设时间段内的交易金额和/或交易量;将所述每个用户的交易金额和/或交易量进行聚类,获得交易金额聚类分布信息和/或交易量聚类分布信息;按照所述交易金额聚类分布信息和/或交易量聚类分布信息将所有用户的交易金额或交易量划分成一个或多个数据区间。A9、如A3所述的方法,所述特征信息包括交易金额和/或交易量,所述依据所述用户的特定行为数据中的特征信息确定所述用户的特定行为数据的数据区间的子步骤包括:提取所述用户在预设时间段内的交易金额和/或交易量;计算所述交易金额的平均值和/或交易量的平均值;按照所述交易金额的平均值和/或交易量的平均值的预设比例范围确定所述用户的特定行为数据的数据区间。
本发明的实施例还公开了B10、一种异常数据检测处理的系统,包括:数据采集模块,适于采集预设时间段内用户的特定行为数据;特征信息提取模块,适于提取所述特定行为数据中的特征信息;区间划分模块,适于依据所述特征信息确定用户的特定行为数据的数据区间;预定操作执行模块,适于在用户的特定行为数据超出其对应的数据区间时,进行预定的操作。B11、如B10所述的系统,所述用户包括多个,所述区间划分模块包括:第一区间划分子模块,适于依据所述多个用户的特定行为数据中的特征信息将所述多个用户的网上特定行为数据划分成一个或多个数据区间;第一区间确定子模块,适于确定各个用户的特定行为数据对应的数据区间。B12、如B10所述的系统,所述区间划分模块包括:第二区间划分子模块,适于依据所述用户的特定行为数据中的特征信息确定所述用户的特定行为数据的数据区间。B13、如B10或B11或B12所述的系统,所述特定行为数据为交易数据。B14、如B13所述的系统,为所述数据区间设置一个或多个阈值;所述预定操作执行模块包括:第一级告警子模块,适于在用户的交易数据超出其对应数据区间的第一阈值但未超出第二阈值时,进行以下至少一个操作:发出第一级告警信息、分析所述用户的特定行为数据;和/或,第二级告警子模块,适于在用户的交易数据超出其对应数据区间的第二阈值但未超出第三阈值时,进行以下至少一个操作:发出第二级告警信息、暂停所述用户的交易功能、与所述用户核实所述特定行为数据;和/或,第三级告警子模块,适于在用户的交易数据超出其对应数据区间的第三阈值时,进行以下至少一个操作:发出第三级告警信息、关闭所述用户的所有功能、冻结所述用户的账户、报警。B15、如B14所述的系统,所述第一级告警信息为邮件告警,所述第二级告警信息为短信告警,所述第三级告警信息为循环短信告警或循环语音信息告警。B16、如B14所述的系统,当所述数据区间中设置有多个阈值时,所述的系统还包括:交易曲线生成模块,适于在提取所述交易数据中的特征信息后,依据所述交易数据的特征信息生成对应用户的交易曲线;正常数据判定模块,适于在用户的交易数据超出其对应数据区间的第一阈值但未超出第二阈值时,且所述用户的交易曲线为平滑上升时,判定所述用户的交易数据为正常数据。B17、如B11所述的系统,所述特征信息包括交易金额和/或交易量,所述第一区间划分子模块包括:交易金额或交易量获取单元,适于提取每个用户在预设时间段内的交易金额和/或交易量;聚类分布信息获取单元,适于将所述每个用户的交易金额和/或交易量进行聚类,获得交易金额聚类分布信息和/或交易量聚类分布信息;第一数据区间划分单元,适于按照所述交易金额聚类分布信息和/或交易量聚类分布信息将所有用户的交易金额和/或交易量划分成一个或多个数据区间。B18、如B12所述的系统,所述特征信息包括交易金额和/或交易量,所述第二区间划分子模块包括:交易金额或交易量提取单元,适于提取所述用户在预设时间段内的交易金额和/或交易量;计算单元,适于计算所述交易金额的平均值和/或交易量的平均值;第二数据区间划分单元,适于按照所述交易金额的平均值和/或交易量的平均值的预设比例范围确定所述用户的特定行为数据的数据区间。
Claims (10)
1.一种异常数据检测处理的方法,包括:
采集预设时间段内用户的特定行为数据;
提取所述特定行为数据中的特征信息,依据所述特征信息确定用户的特定行为数据的数据区间;
当用户的特定行为数据超出其对应的数据区间时,进行预定的操作。
2.如权利要求1所述的方法,所述用户包括多个,所述依据特征信息确定用户的特定行为数据的数据区间的步骤包括:
依据所述多个用户的特定行为数据中的特征信息将所述多个用户的网上特定行为数据划分成一个或多个数据区间;
确定各个用户的特定行为数据对应的数据区间。
3.如权利要求1所述的方法,所述依据所述特征信息确定用户的特定行为数据的数据区间的步骤包括:
依据所述用户的特定行为数据中的特征信息确定所述用户的特定行为数据的数据区间。
4.如权利要求1或2或3所述的方法,所述特定行为数据为交易数据。
5.如权利要求4所述的方法,为所述数据区间设置一个或多个阈值;所述当用户的特定行为数据超出其对应的数据区间时,进行预定的操作的步骤包括:
当用户的交易数据超出其对应数据区间的第一阈值但未超出第二阈值时,进行以下至少一个操作:发出第一级告警信息、分析所述用户的特定行为数据;
和/或,
当用户的交易数据超出其对应数据区间的第二阈值但未超出第三阈值时,进行以下至少一个操作:发出第二级告警信息、暂停所述用户的交易功能、与所述用户核实所述特定行为数据;
和/或,
当用户的交易数据超出其对应数据区间的第三阈值时,进行以下至少一个操作:发出第三级告警信息、关闭所述用户的所有功能、冻结所述用户的账户、报警。
6.如权利要求5所述的方法,所述第一级告警信息为邮件告警,所述第二级告警信息为短信告警,所述第三级告警信息为循环短信告警或循环语音信息告警。
7.如权利要求5所述的方法,当所述数据区间中设置有多个阈值时,所述的方法还包括:
在提取所述交易数据中的特征信息后,依据所述交易数据的特征信息生成对应的交易曲线;
当用户的交易数据超出其对应数据区间的第一阈值但未超出第二阈值时,且所述用户的交易曲线为平滑上升时,判定所述用户的交易数据为正常数据。
8.如权利要求2所述的方法,所述特征信息包括交易金额和/或交易量,所述依据所述多个用户的特定行为数据中的特征信息将所述多个用户的网上特定行为数据划分成一个或多个数据区间的子步骤包括:
提取每个用户在预设时间段内的交易金额和/或交易量;
将所述每个用户的交易金额和/或交易量进行聚类,获得交易金额聚类分布信息和/或交易量聚类分布信息;
按照所述交易金额聚类分布信息和/或交易量聚类分布信息将所有用户的交易金额或交易量划分成一个或多个数据区间。
9.如权利要求3所述的方法,所述特征信息包括交易金额和/或交易量,所述依据所述用户的特定行为数据中的特征信息确定所述用户的特定行为数据的数据区间的子步骤包括:
提取所述用户在预设时间段内的交易金额和/或交易量;
计算所述交易金额的平均值和/或交易量的平均值;
按照所述交易金额的平均值和/或交易量的平均值的预设比例范围确定所述用户的特定行为数据的数据区间。
10.一种异常数据检测处理的系统,包括:
数据采集模块,适于采集预设时间段内用户的特定行为数据;
特征信息提取模块,适于提取所述特定行为数据中的特征信息;
区间划分模块,适于依据所述特征信息确定用户的特定行为数据的数据区间;
预定操作执行模块,适于在用户的特定行为数据超出其对应的数据区间时,进行预定的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610755774.4A CN106446021B (zh) | 2013-06-24 | 2013-06-24 | 一种异常数据检测处理的方法和系统 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310253223.4A CN103365969B (zh) | 2013-06-24 | 2013-06-24 | 一种异常数据检测处理的方法和系统 |
CN201610755774.4A CN106446021B (zh) | 2013-06-24 | 2013-06-24 | 一种异常数据检测处理的方法和系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310253223.4A Division CN103365969B (zh) | 2013-06-24 | 2013-06-24 | 一种异常数据检测处理的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106446021A true CN106446021A (zh) | 2017-02-22 |
CN106446021B CN106446021B (zh) | 2019-08-02 |
Family
ID=49367310
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610755774.4A Expired - Fee Related CN106446021B (zh) | 2013-06-24 | 2013-06-24 | 一种异常数据检测处理的方法和系统 |
CN201310253223.4A Active CN103365969B (zh) | 2013-06-24 | 2013-06-24 | 一种异常数据检测处理的方法和系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310253223.4A Active CN103365969B (zh) | 2013-06-24 | 2013-06-24 | 一种异常数据检测处理的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN106446021B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103688A (zh) * | 2017-02-28 | 2017-08-29 | 广州地理研究所 | 公共交通刷卡支付数据的处理方法、装置和系统 |
CN108446148A (zh) * | 2018-01-29 | 2018-08-24 | 北京奇艺世纪科技有限公司 | 一种规则管理的方法、装置及电子设备 |
CN110189178A (zh) * | 2019-05-31 | 2019-08-30 | 阿里巴巴集团控股有限公司 | 异常交易监测方法、装置及电子设备 |
CN110298705A (zh) * | 2019-07-03 | 2019-10-01 | 深圳市中农数据有限公司 | 农产品流通价格指数指导系统 |
CN112150162A (zh) * | 2020-11-24 | 2020-12-29 | 深圳华锐金融技术股份有限公司 | 交易账户的监管方法、装置、计算机设备和存储介质 |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751566B (zh) * | 2013-12-30 | 2018-11-27 | 中国银联股份有限公司 | 监测伪卡风险的方法和实现该方法的交易处理系统 |
CN104852810B (zh) * | 2014-02-18 | 2018-11-30 | 中国移动通信集团公司 | 一种业务平台异常的确定方法和设备 |
CN103986515B (zh) * | 2014-05-09 | 2016-06-08 | 浙江中烟工业有限责任公司 | 光纤通道交换机的性能指标监控方法 |
CN105225116A (zh) * | 2014-06-24 | 2016-01-06 | 阿里巴巴集团控股有限公司 | 交易操作的识别方法及服务器 |
CN104077371B (zh) * | 2014-06-24 | 2019-03-29 | 用友优普信息技术有限公司 | 监测数据库异常数据的方法及系统 |
CN105335851B (zh) * | 2014-08-01 | 2021-12-21 | 小米科技有限责任公司 | 基于支付历史的付款前确认保护方法及装置 |
CN105426365B (zh) * | 2014-08-01 | 2018-11-02 | 阿里巴巴集团控股有限公司 | 区分交互行为的方法及装置 |
CN105405048B (zh) * | 2014-09-09 | 2020-02-11 | 阿里巴巴集团控股有限公司 | 一种识别周期性行为的方法及装置 |
CN106327230B (zh) * | 2015-06-30 | 2019-12-24 | 阿里巴巴集团控股有限公司 | 一种异常用户检测方法及设备 |
CN111629010B (zh) * | 2015-11-23 | 2023-03-10 | 创新先进技术有限公司 | 一种恶意用户识别方法及装置 |
CN106815452A (zh) * | 2015-11-27 | 2017-06-09 | 苏宁云商集团股份有限公司 | 一种作弊检测方法及装置 |
CN105528535A (zh) * | 2015-12-25 | 2016-04-27 | 北京奇虎科技有限公司 | 基于行为日志信息的用户行为分析方法及装置 |
CN106980998A (zh) * | 2016-01-18 | 2017-07-25 | 阿里巴巴集团控股有限公司 | 商家交易异常的监控方法和装置 |
CN107133833A (zh) * | 2016-02-26 | 2017-09-05 | 阿里巴巴集团控股有限公司 | 异常交易识别方法及装置 |
CN107292641A (zh) * | 2016-03-30 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 一种数据管控的方法及系统 |
CN106202389B (zh) * | 2016-07-08 | 2020-02-07 | 中国银联股份有限公司 | 一种基于交易数据的异常监测方法及装置 |
CN106326913A (zh) * | 2016-08-09 | 2017-01-11 | 中国银联股份有限公司 | 一种洗钱账户的确定方法及装置 |
CN107038181A (zh) * | 2016-09-07 | 2017-08-11 | 阿里巴巴集团控股有限公司 | 交易操作的交易日期的确定方法及装置 |
CN108230137B (zh) * | 2016-12-14 | 2022-05-03 | 大唐半导体设计有限公司 | 一种实现征信数据处理的方法及装置 |
CN106991145B (zh) * | 2017-03-23 | 2021-03-23 | 中国银联股份有限公司 | 一种监测数据的方法及装置 |
CN108965207B (zh) * | 2017-05-19 | 2021-02-26 | 北京京东尚科信息技术有限公司 | 机器行为识别方法与装置 |
CN107894745A (zh) * | 2017-11-20 | 2018-04-10 | 广东汇嵘绿色能源股份有限公司 | 一种锅炉能源物联网在线监测系统及其监测方法 |
CN108011782B (zh) * | 2017-12-06 | 2020-10-16 | 北京百度网讯科技有限公司 | 用于推送告警信息的方法和装置 |
CN110458580A (zh) * | 2018-05-07 | 2019-11-15 | 中移(苏州)软件技术有限公司 | 一种异常渠道检测方法、装置、介质及设备 |
CN108710559A (zh) * | 2018-05-22 | 2018-10-26 | 阿里巴巴集团控股有限公司 | 数据异常的通知方法及装置 |
CN109034821A (zh) * | 2018-06-29 | 2018-12-18 | 深圳春沐源控股有限公司 | 交易监控方法及监控装置、存储介质及服务器 |
CN108985798A (zh) * | 2018-07-04 | 2018-12-11 | 成都中医药大学 | 一种全链多级的中药材溯源方法 |
CN108961059A (zh) * | 2018-07-11 | 2018-12-07 | 海南新软软件有限公司 | 数字货币异常交易监控方法、装置及系统 |
CN109816323A (zh) * | 2018-12-12 | 2019-05-28 | 上海点融信息科技有限责任公司 | 用于区块链网络的交易审核方法、计算设备、存储介质 |
CN110881035B (zh) * | 2019-11-13 | 2020-12-08 | 广西大学行健文理学院 | 一种基于云计算和人工智能的网络安全系统 |
CN111598699A (zh) * | 2020-05-20 | 2020-08-28 | 嘉联支付有限公司 | 一种基于集群的分润系统 |
CN111652718B (zh) * | 2020-07-09 | 2023-07-28 | 平安银行股份有限公司 | 基于关系网络图的价值流向监控方法、装置、设备和介质 |
CN112214528A (zh) * | 2020-09-25 | 2021-01-12 | 桦蓥(上海)信息科技有限责任公司 | 一种基于关联分析的金融对象单项异常属性分析方法 |
CN112612998A (zh) * | 2020-12-25 | 2021-04-06 | 福州掌中云科技有限公司 | 基于实时访问情况检测识别异常渠道的方法及设备 |
CN113127470A (zh) * | 2021-05-10 | 2021-07-16 | 广州欢网科技有限责任公司 | 判断Clickhouse数据是否异常的方法及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101154287A (zh) * | 2006-09-29 | 2008-04-02 | 阿里巴巴公司 | 一种过滤商品信息的方法及系统 |
CN102368842A (zh) * | 2011-10-12 | 2012-03-07 | 中国联合网络通信集团有限公司 | 移动终端异常行为的检测方法和检测系统 |
CN102467726A (zh) * | 2010-11-04 | 2012-05-23 | 阿里巴巴集团控股有限公司 | 一种基于网上交易平台的数据处理方法和装置 |
CN102855588A (zh) * | 2011-06-29 | 2013-01-02 | 北京神州绿盟信息安全科技股份有限公司 | 交易数据检测方法、装置及服务器 |
CN102890803A (zh) * | 2011-07-21 | 2013-01-23 | 阿里巴巴集团控股有限公司 | 电子商品异常交易过程的确定方法及其装置 |
CN103136247A (zh) * | 2011-11-29 | 2013-06-05 | 阿里巴巴集团控股有限公司 | 属性数据区间划分方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110087535A1 (en) * | 2009-10-14 | 2011-04-14 | Seiko Epson Corporation | Information processing device, information processing system, control method for an information processing device, and a program |
-
2013
- 2013-06-24 CN CN201610755774.4A patent/CN106446021B/zh not_active Expired - Fee Related
- 2013-06-24 CN CN201310253223.4A patent/CN103365969B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101154287A (zh) * | 2006-09-29 | 2008-04-02 | 阿里巴巴公司 | 一种过滤商品信息的方法及系统 |
CN102467726A (zh) * | 2010-11-04 | 2012-05-23 | 阿里巴巴集团控股有限公司 | 一种基于网上交易平台的数据处理方法和装置 |
CN102855588A (zh) * | 2011-06-29 | 2013-01-02 | 北京神州绿盟信息安全科技股份有限公司 | 交易数据检测方法、装置及服务器 |
CN102890803A (zh) * | 2011-07-21 | 2013-01-23 | 阿里巴巴集团控股有限公司 | 电子商品异常交易过程的确定方法及其装置 |
CN102368842A (zh) * | 2011-10-12 | 2012-03-07 | 中国联合网络通信集团有限公司 | 移动终端异常行为的检测方法和检测系统 |
CN103136247A (zh) * | 2011-11-29 | 2013-06-05 | 阿里巴巴集团控股有限公司 | 属性数据区间划分方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103688A (zh) * | 2017-02-28 | 2017-08-29 | 广州地理研究所 | 公共交通刷卡支付数据的处理方法、装置和系统 |
CN107103688B (zh) * | 2017-02-28 | 2020-08-18 | 广州地理研究所 | 公共交通刷卡支付数据的处理方法、装置和系统 |
CN108446148A (zh) * | 2018-01-29 | 2018-08-24 | 北京奇艺世纪科技有限公司 | 一种规则管理的方法、装置及电子设备 |
CN108446148B (zh) * | 2018-01-29 | 2021-05-07 | 北京奇艺世纪科技有限公司 | 一种规则管理的方法、装置及电子设备 |
CN110189178A (zh) * | 2019-05-31 | 2019-08-30 | 阿里巴巴集团控股有限公司 | 异常交易监测方法、装置及电子设备 |
CN110298705A (zh) * | 2019-07-03 | 2019-10-01 | 深圳市中农数据有限公司 | 农产品流通价格指数指导系统 |
CN112150162A (zh) * | 2020-11-24 | 2020-12-29 | 深圳华锐金融技术股份有限公司 | 交易账户的监管方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106446021B (zh) | 2019-08-02 |
CN103365969A (zh) | 2013-10-23 |
CN103365969B (zh) | 2016-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106446021A (zh) | 一种异常数据检测处理的方法和系统 | |
CN112712113B (zh) | 一种基于指标的告警方法、装置及计算机系统 | |
CN110689438A (zh) | 企业类金融风险评分方法、装置、计算机设备及存储介质 | |
CN109191283A (zh) | 风险预警方法及系统 | |
CN112783101A (zh) | 存储器、危险化学品罐区安全风险预警方法、设备和装置 | |
CN107636741B (zh) | 金融终端的故障预警方法、终端设备及存储介质 | |
CN112989332B (zh) | 一种异常用户行为检测方法和装置 | |
CN102881125A (zh) | 基于多信息融合集中处理平台的报警监控系统 | |
US20210304207A1 (en) | Systems and methods for monitoring machine learning systems | |
CN111048214A (zh) | 外来畜禽疫病传播态势的预警方法及装置 | |
CN115333783A (zh) | Api调用的异常检测方法、装置、设备及存储介质 | |
CN111222968A (zh) | 一种企业税务风险管控方法及系统 | |
CN110611655A (zh) | 一种黑名单筛选方法和相关产品 | |
CN110149303A (zh) | 一种党校的网络安全预警方法及预警系统 | |
Xu et al. | Comparisons of logistic regression and artificial neural network on power distribution systems fault cause identification | |
CN113111139A (zh) | 一种基于物联传感器的告警检测方法和装置 | |
CN117689460A (zh) | 反洗钱风险线索分析管理方法、系统和电子设备 | |
CN111160647A (zh) | 一种洗钱行为预测方法及装置 | |
CN107357703B (zh) | 一种终端应用耗电检测方法及服务器 | |
CN111429257B (zh) | 一种交易监控方法和装置 | |
CN115659351A (zh) | 一种基于大数据办公的信息安全分析方法、系统及设备 | |
CN115603955A (zh) | 异常访问对象识别方法、装置、设备和介质 | |
CN116012152A (zh) | 异常交易实体的识别方法、装置、设备及可读存储介质 | |
CN114090385A (zh) | 一种针对服务运行状态的监控预警方法、装置及设备 | |
CN113986657A (zh) | 告警事件的处理方法及处理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190802 |
|
CF01 | Termination of patent right due to non-payment of annual fee |