CN106682906A - 一种风险识别、业务处理方法和设备 - Google Patents

Abstract

本申请公开了一种风险识别、业务处理方法和设备，包括：获取目标账户的关系数据，目标账户的关系数据中包含与目标账户建立社会化关系的第一账户；确定第一账户的风险特征值以及第一账户的风险传递概率值，风险传递概率值用于表征第一账户将风险传递给目标账户的概率；利用第一账户的风险特征值以及第一账户的风险传递概率值，计算得到目标账户的风险特征值；根据目标账户的风险特征值，识别目标账户是否属于风险账户。通过获取到目标账户的关系数据，同时借助于标签传播算法，利用与目标账户建立社会化关系的其他账户的风险特征值预测得到目标账户的风险特征值，进而判断目标账户的风险情况，有效地解决了现有技术中无法识别潜在风险账户的问题。

Description

一种风险识别、业务处理方法和设备

技术领域

本申请涉及网络信息安全领域，尤其涉及一种风险识别、业务处理方法和设备。

背景技术

随着互联网技术的飞速发展，在互联网平台上出现了各种各样的应用产品，用户利用应用产品执行相应的业务操作。例如，用户利用社交应用与他人进行交流和沟通；用户利用具备支付功能的应用产品执行支付操作等。

但是随着目前互联网网络环境复杂度的增加，出现非法用户借助互联网平台执行非法操作来牟取非法利用的情形。例如，当一应用产品发起促销活动时，通常会限制用户获取优惠券的张数，但是非法用户则通过在该应用产品上注册多个不同账户的方式来获取多张优惠券，并使用多张优惠券购买指定商品以获取利益，并导致其他用户的利益受损，同时也给应用产品的服务商带来极大的不便。

为了保证安全有序的网络环境，应用产品对应的服务器需要对注册在该应用产品中的账户进行风险识别，通过风险识别及时发现应用产品中存在的非法用户。研究发现，目前对账户进行风险识别方法主要有两种：一种是基于黑名单的风险识别方法，另一种是基于规则的风险识别方法。

其中，基于黑名单的风险识别方法的主要原理是：服务器预先获取黑名单信息，对于发起业务请求的账户信息，若服务器发现该账户信息出现在黑名单信息中，那么确定该账户为非法账户或者是风险账户。但是，服务器在基于黑名单的风险识别方法识别账户是否存在风险时，一旦黑名单信息中包含的账户信息可靠性比较低，例如，黑名单信息中没有记录潜在的非法账户信息，那么服务器将不能准确识别账户是否属于风险账户，直接导致风险识别准确性低的问题。

基于规则的风险识别方法的主要原理是：服务器利用预先配置的规则通过对某一个账户信息产生的行为数据进行分析，根据分析结果判断该账户信息是否为风险账户。同样地，服务器中的规则是通过人为方式制定的，具有很大的主观性，依然存在服务器无法准确识别账户是否属于风险账户，直接导致风险识别准确性低的问题。

发明内容

有鉴于此，本申请实施例提供了一种风险识别、业务处理方法和设备，用于解决现有技术不能识别潜在风险账户导致风险识别的准确性较低的问题。

本申请提供了一种风险识别方法，包括：

获取目标账户的关系数据，其中，所述目标账户的关系数据中包含与所述目标账户建立社会化关系的第一账户；

确定所述第一账户的风险特征值以及所述第一账户的风险传递概率值，其中，所述风险传递概率值用于表征所述第一账户将风险传递给所述目标账户的概率；

利用所述第一账户的风险特征值以及所述第一账户的风险传递概率值，计算得到所述目标账户的风险特征值；

根据所述目标账户的风险特征值，识别所述目标账户是否属于风险账户。

本申请提供了一种业务处理方法，包括：

接收用户发送的业务处理请求，其中，所述业务处理请求中包含所述用户的账户信息；

根据所述用户的账户信息，查找得到所述用户的账户的风险特征值，其中，所述风险特征值是基于上述风险识别方法中的风险特征值的计算方法得到的；

在根据所述账户的风险特征值确定所述账户属于风险等级大于设定等级的风险账户时，向所述用户发送拒绝处理响应。

本申请提供了一种风险识别设备，包括：

获取单元，用于获取目标账户的关系数据，其中，所述目标账户的关系数据中包含与所述目标账户建立社会化关系的第一账户；

确定单元，用于确定所述第一账户的风险特征值以及所述第一账户的风险传递概率值，其中，所述风险传递概率值用于表征所述第一账户将风险传递给所述目标账户的概率；

计算单元，用于利用所述第一账户的风险特征值以及所述第一账户的风险传递概率值，计算得到所述目标账户的风险特征值；

识别单元，用于根据所述目标账户的风险特征值，识别所述目标账户是否属于风险账户。

本申请提供了一种业务处理设备，包括：

接收单元，用于接收用户发送的业务处理请求，其中，所述业务处理请求中包含所述用户的账户信息；

查找单元，用于根据所述用户的账户信息，查找得到所述用户的账户的风险特征值，其中，所述风险特征值是基于上述风险识别方法中的风险特征值的计算方法得到的；

发送单元，用于在根据所述账户的风险特征值确定所述账户属于风险等级大于设定等级的风险账户时，向所述用户发送拒绝处理响应。

本申请有益效果如下：

本申请实施例获取目标账户的关系数据，所述目标账户的关系数据中包含与所述目标账户建立社会化关系的第一账户；确定所述第一账户的风险特征值以及所述第一账户的风险传递概率值，所述风险传递概率值用于表征所述第一账户将风险传递给所述目标账户的概率；利用所述第一账户的风险特征值以及所述第一账户的风险传递概率值，计算得到所述目标账户的风险特征值；根据所述目标账户的风险特征值，识别所述目标账户是否属于风险账户。这样，通过获取到目标账户的关系数据，同时借助于标签传播算法，利用与目标账户建立社会化关系的其他账户的风险特征值预测得到目标账户的风险特征值，进而根据预测得到的风险特征值判断目标账户的风险情况，有效地解决了现有技术中无法识别潜在风险账户的问题，进而提升了账户风险识别的准确度，同时改善了系统中不同账户之间业务处理的安全性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种风险识别方法流程示意图；

图2为本申请实施例提供的一种确定不同账户间权重值的方法示意图；

图3为本申请实施例提供的一种风险传递方法示意图；

图4为多个账户之间的关系网络结构示意图；

图5为本申请实施例提供的一种业务处理方法流程示意图；

图6为本申请实施例提供的一种账户风险处理的示意图；

图7为本申请实施例提供的一种风险识别设备结构示意图；

图8为本申请实施例提供的一种业务处理设备结构示意图；

图9为本申请实施例提供的一种业务处理设备结构示意图。

具体实施方式

随着互联网的网络环境复杂度的增加，出现一些非法用户借助互联网平台执行非法操作来牟取非法利益的情形，不仅导致其他用户的利益受损，同时也给网络服务商带来极大的不便。为了保证安全有序的网络环境，服务器利用黑名单的方法或者规则的方法识别用户的账户是否为风险账户。

例如：非法用户使用非法账户A进行过非法操作，服务器将非法账户A记录在黑名单中，当非法用户使用非法账户A再次进行非法操作时，由于服务器的黑名单中包含非法账户A，服务器会及时识别非法账户A，阻止非法用户使用非法账户A执行非法操作。

但是，假如非法用户拥有一个正常账户B和一个新注册的账户C，由于非法用户还未使用账户C进行非法操作，服务器会认为账户C是安全账户，不存在风险，只有服务器在发现账户C进行过非法操作后，才能确定账户C为风险账户。也就是说，利用现有的识别风险账户的方法不能识别存在潜在风险的账户，导致识别风险账户的准确性低。

本申请提供的实施例，通过利用不同账户之间的关系数据，有效预测账户的风险特征值，进而确定账户是否属于风险账户。例如：非法账户A和正常账户B使用过同一个设备，正常账户B向账户C进行过转账操作，本申请提供的实施例利用非法账户A和正常账户B的同设备关系、正常账户B和账户C的资金关系，基于不同账户之间的风险传递情况，能够有效预测账户的风险特征值，进而识别账户C是否为风险账户。

为了实现本申请的目的，本申请实施例中提供了一种风险识别、业务处理方法和设备，通过获取到目标账户的关系数据，同时借助于标签传播算法，利用与目标账户建立社会化关系的其他账户的风险特征值预测得到目标账户的风险特征值，进而根据预测得到的风险特征值判断目标账户的风险情况，有效地解决了现有技术中无法识别潜在风险账户的问题，进而提升了账户风险识别的准确度，同时改善了系统中不同账户之间业务处理的安全性。

需要说明的是，在本申请提供的实施例中，账户的风险特征值用于表征账户属于风险账户的风险等级，账户的风险特征值可以由一定范围的数值表示，账户的风险特征值越大，说明账户属于风险账户的等级越高，反之，账户的风险特征值越小，说明账户属于风险账户的等级越低，这里的一定范围的数值可以根据实际情况而定，不做具体限定。

需要说明的是，本申请提供的实施例是基于不同账户之间的社会化关系确定得到未知账户的风险特征值，确定的方法可以是利用LPA算法(英文全称：label propagation algorithm，中文名称：标签传播算法)计算不同账户之间风险传递概率，进而得到未知风险账户的风险特征值，也可以是利用类似LPA算法的其他算法得到未知风险账户的风险特征值，本申请实施例对确定得到风险特征值的算法不做具体限定，在得到未知账户的风险特征值后，根据风险特征值识别未知风险账户是否属于风险账户。

下面结合说明书附图对本申请各个实施例作进一步地详细描述。显然，所描述的实施例仅是本申请一部分实施例，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它实施例，都属于本申请保护的范围。

图1为本申请实施例提供的一种风险识别方法流程示意图，所述方法如下所述。

步骤101：获取目标账户的关系数据。

其中，所述目标账户的关系数据中包含与所述目标账户建立社会化关系的第一账户。

在步骤101中，随着互联网技术的发展，用户使用注册的帐户在互联网平台上与其他账户之间进行各种各样的活动或执行业务操作时会产生大量的行为数据，这些行为数据可以称之为不同账户之间的关系数据。

需要说明的是，本申请实施例中的社会化关系指的是不同账户之间的社交关系和/或业务关系，包括但不限于：同设备关系、资金关系等，这里不做具体限定。这些关系数据一般被存储在网络服务器中。

对于一个未知风险账户，在确定该未知风险账户是否属于风险账户时，首先需要获取该未知风险账户的关系数据，而获取的关系数据中包含与未知风险账户建立社会化关系的第一账户。这里的第一账户可以是一个账户，也可以是多个账户，不做具体限定。

在本申请实施例中，目标账户即为一个未知风险账户。

例如：目标账户A和账户B共同使用一台设备，那么，在网络服务器中将存储目标账户A与账户B之间的同设备关系，这样，在获取目标账户A的关系数据时，可以获取到目标账户A与账户B之间的同设备关系数据，这里的账户B可以被称为与目标账户A建立社会化关系的第一账户；再例如：账户C与目标账户A之间存在支付业务关系，即账户C向目标账户A转账，那么，在网络服务器中将存储目标账户A与账户C之间的支付业务关系，这样，在获取目标账户A的关系数据时，可以获取到目标账户A与账户C之间的支付业务关系数据，这里的账户C也可以被称为与目标账户A建立社会化关系的第一账户。

需要说明的是，在后续确定目标账户A的风险特征值时，首先需要判断与目标账户A建立社会化关系的第一账户中是否存在未知风险账户，若存在，则需要首先确定未知风险用户的风险特征值，之后再执行本申请的后续操作；若不存在，直接执行本申请的后续操作。

步骤102：确定所述第一账户的风险特征值以及所述第一账户的风险传递概率值。

其中，所述风险传递概率值用于表征所述第一账户将风险传递给所述目标账户的概率。

在步骤102中，根据获取到的目标账户的社会化关系数据，可以得到与所述目标账户建立社会化关系的第一账户的标识信息，并根据所述第一账户的标识信息得到所述第一账户的风险特征值。

具体地，由于在步骤101中，对于与目标账户建立社会化关系的第一账户，需要预先确定第一账户的风险特征值，对于如何计算第一账户的风险特征值可以采取本申请实施例中所述的方式，也可以采取其他方式，本申请实施例中在确定目标账户的风险特征值时，假设第一账户的风险特征值已经存在，那么服务器可以根据第一账户的标识信息，通过查找的方式得到第一账户的风险特征值。

在整个互联网系统中，不同账户之间存在风险传递的情形，至于不同账户之间风险传递大小是多少，可以通过风险传递概率值进行确定。也就是说，对于账户A，与账户A发生社会化关系的账户的个数至少一个，在这期间，可以存在有些账户将风险传递给账户A，也可以存在账户A将风险传递给其他账户的情形。那么在本申请实施例中，主要研究其他账户如何将风险传递给目标账户的情形。

具体地，可以通过以下方式确定所述第一账户的风险传递概率值：

第一步：获取所述第一账户的关系数据。

其中，所述第一账户的关系数据包含所述目标账户以及与所述第一账户建立社会化关系的至少一个第二账户。

具体地，服务器服务器根据所述第一账户的标识信息，可以在网络服务器中获取所述第一账户的关系数据。

通过获取所述第一账户的关系数据，可以确定与所述第一账户建立社会化关系的所有账户的标识信息，这里的所有账户包含所述目标账户以及与所述第一账户建立社会化关系的至少一个其他账户，在本申请实施例中，将与所述第一账户建立社会化关系的其他账户称为第二账户，这里的第二账户可以是一个账户，也可以是多个账户，不做具体限定。

第二步：根据所述第一账户与每一个所述第二账户之间社会化关系的强度，确定所述第一账户与每一个所述第二账户之间的第一权重值，以及根据所述第一账户与所述目标账户之间社会化关系的强度，确定所述第一账户与所述目标账户之间的第二权重值。

具体地，服务器在获取到所述第一账户的社会化关系数据后，可以得到所述第一账户与所述目标账户以及所述第一账户与所述第二账户之间的社会化关系的强度，然后确定所述第一账户与所述第二账户之间的第一权重值、所述第一账户与所述目标账户之间的第二权重值。

这里的社会化关系的强度指的是所述第一账户与所述第二账户的关系亲密度，或所述第一账户与所述目标账户之间的关系亲密度，例如：两个账户之间的转账次数越多，说明这两个账户之间的亲密度越高；两个账户之间转账的金额越多，说明这两个账户之间的亲密度越高。

需要说明的是，计算所述第一权重值和计算所述第二权重值的方法相同，在本申请实施例中，以如何确定所述第一账户与所述目标账户之间的第二权重值为例进行具体说明。

首先，根据所述第一账户的关系数据，生成所述第一账户的图数据。

其中，所述图数据中包含所述第一账户与所述目标账户之间的图边数据。

具体地，在获取第一账户与所述目标账户之间的关系数据时，可以以第一账户和所述目标账户为图节点，生成包含第一账户和目标账户的图数据。

在这个图数据中，根据第一账户与目标账户之间的发生社会化关系的类型确定第一账户与目标账户的图边数据，并确定图边数据的图边属性值。

其次，根据所述图边数据中的图边属性值，确定所述第一账户与所述目标账户之间的第二权重值。

这里的图边属性值指的是所述第一账户和所述目标账户之间发生社会化关系的次数等。

一般地，相同类型的社会化关系对应的图边数据，发生次数越多，图边属性值越大，意味着第二权重值越大；反之，发生次数越少，图边属性值越小，意味着第二权重值越小。

需要说明的是，两个账户之间的权重值可以是根据两个账户间不同类型的图边数据对应的图边属性值共同确定的。但是，由于不同账户间的图边数据的类型不同，不同类型的图边数据对应的图边属性值可以分别确定权重值，但是两个账户之间的权重值不能将得到的多个权重值直接相加得到，而是需要将不同类型的图边数据对应的图边属性值确定的权重值进行归一化，将归一化后的不同类型的图边数据对应的图边属性值确定的权重值进行相加，得到两个账户之间的权重值。

例如，账户A和账户B之间的图边数据包含3种类型：账户A向账户B转账的次数、账户A和账户B共同加入的群组个数、账户A和账户B互发红包的个数，那么将账户A向账户B转账的次数这一类型的图边数据归一化处理后，得到该图边数据对应的权重值函数f(x₁)，其中，x₁为自变量，表示账户间的转账次数；将账户A和账户B共同加入的群组个数这一类型的图边数据归一化处理后，得到该图边数据对应的权重值函数f(x₂)，x₂为自变量，表示账户共同加入的群组个数；将账户A和账户B互发红包的个数这一类型的图边数据归一化处理后，得到该图边数据对应的权重值函数f(x₃)，x₃为自变量，表示账户间互发红包的个数，将三种不同类型的图边数据对应的图边属性值确定的权重值函数进行叠加，可以得到账户A和账户B之间的权重值。假设账户A和账户B之间的权重值是s，s的计算公式为：

s＝f(x₁)+f(x₂)+f(x₃)。

其中，f(x₁)、f(x₂)或f(x₃)可以由公式或图形表示，本申请实施例以f(x₁)为例进行说明。

可选地，f(x₁)可以由以下公式表示：

其中，f(x)为权重值函数，表示不同账户间的权重值，e表示自然指数，x为自变量，且对于f(x₁)而言，x₁表示不同账户间的转账次数，a为一个常数，服务器可以根据实际需要设定a的数值，这里不做具体限定。

可选地，f(x₁)可以由图形表示，图2为本申请实施例提供的一种确定不同账户间权重值的方法示意图。

如图2中所示，横坐标x₁表示账户间的转账次数，纵坐标f(x)表示不同账户间的权重值，其中，x₁的取值范围为[0，+∞)，表示不同账户间的转账次数的最小值为0，最大值可以是无穷大，f(x)的取值范围是[0，1]，表示不同账户间的权重值的最小值为0，最大值为1，从图2中可以看出，随着账户间的转账次数x₁的逐渐增大，账户间的权重值f(x)逐渐增加，并且越来越接近1。

需要说明的是，f(x₁)、f(x₂)或f(x₃)还可以由不同于上述记载的公式或图形表示，服务器可以根据实际需要进行设定，这里不做具体限定。

需要说明的是，本申请实施例可以通过一个变种的logistics函数将账户间不同类型的图边数据分别进行归一化，也可以采用其他设定算法将账户间不同类型的图边数据分别进行归一化，这里不做具体限定。在实际应用中，可以将账户间不同类型的图边数据分别进行归一化处理得到账户间的权重值，也可以将账户间不同类型的图边数据进行其他方式的处理，进而得到账户间的权重值，这里也不做具体限定。

第三步：根据所述第一权重值和所述第二权重值，计算得到所述第一账户的风险传递概率值。

具体地，由于在第二步中得到的第一权重值的个数至少为一个，在计算第一账户的风险传递概率值时，可以采用以下公式计算得到：

其中，η₀表示所述第一账户和所述目标账户之间的第二权重值，n表示所述第二账户的个数，ω_i表示所述第一账户和其中一个所述第二账户之间的第一权重值。

步骤103：利用所述第一账户的风险特征值以及所述第一账户的风险传递概率值，计算得到所述目标账户的风险特征值。

在步骤103中，将所述第一账户的风险特征值和所述第一账户的风险传递概率值进行相乘，并将相乘的结果相加，得到相加结果，相加结果即为所述目标账户的风险特征值。

图3为本申请实施例提供的一种风险传递方法示意图。

在图3中，目标账户为账户A，与账户A建立社会化关系的第一账户为：账户B、账户C、账户D和账户E，针对账户B，与账户B建立社会化关系的第二账户为：账户F、账户G和账户H。

需要说明的是，图3中的箭头是具有方向的，箭头的方向表示账户的风险传递方向。例如，账户A的箭头指向账户E，说明账户A将风险传递给账户E，账户B、账户C和账户D的箭头指向账户A，说明账户B、账户C和账户D分别将自己的风险传递给账户A。本申请提供的实施例中，在计算目标账户的风险特征值时，只考虑箭头方向指向目标账户的第一账户，那么在图3中，考虑账户B、账户C和账户D将风险传递给账户A。

首先，确定账户B的风险特征值、账户C的风险特征值以及账户D的风险特征值。

假设账户B的风险特征值为第一特征值α，账户C的风险特征值为第二特征值β，账户D的风险特征值为第三特征值γ。

其次，确定账户B的风险传递概率值、账户C的风险传递概率值以及账户D的风险传递概率值。

这里的风险传递概率值指的是其他账户将风险传递给账户A的风险概率值。

具体地，以账户B为研究对象，与账户B建立社会化关系的账户包括账户F、账户G、账户H以及账户A，也就是说账户B分别与账户F、账户G、账户H以及账户A之间存在关系数据，但是从图3中可以看出，账户B与账户F之间的风险传递关系是账户F将风险传递给账户B，因此在计算账户B与其他账户之间的权重值时无需计算账户B与账户F之间的权重值，因此在获取到账户B的关系数据之后，采用上述确定第二权重值的方式，分别计算得到账户B与账户A之间的权重值、账户B与账户G之间的权重值以及账户B与账户H之间的权重值。由于这里主要考虑账户B将风险传递给账户A的风险概率，那么假设账户B与账户A之间的权重值为ba，账户B与账户G之间的权重值为bg，账户B与账户H之间的权重值为bh，那么，可以得到账户B向账户A的风险传递概率值：

对于账户C，账户C只将风险传递给账户A，那么账户C向账户A的风险传递概率值即为账户C与账户A之间的权重值，假设账户C与账户A之间的权重值为ca，可以得到账户C向账户A的风险传递概率值：P_ca＝ca。

对于账户D，账户D只将风险传递给账户A，那么账户D向账户A的风险传递概率值即为账户D与账户A之间的权重值，假设账户D与账户A之间的权重值为da，可以得到账户D向账户A的风险传递概率值：P_da＝da。

最后，通过账户B的风险特征值与账户B的风险传递概率值、账户C的风险特征值与账户C的风险传递概率值、账户D的风险特征值与账户D的风险传递概率值，可以得到账户A的风险特征值X，X的计算公式可以为：

X＝α*P_ba+β*P_ca+γ*P_da。

需要说明的是，为了提高风险传递的准确性和可靠性，在实际传递过程中，一旦存在未知风险账户，那么将忽略未知风险账户的风险进行传递，假设图3中账户D属于未知风险账户，那么对于图3中的目标账户A来说，账户A的风险特征值为：X＝α*P_ba+β*P_ca。

步骤104：根据所述目标账户的风险特征值，识别所述目标账户是否属于风险账户。

在步骤104中，根据得到的所述目标账户的风险特征值可以确定所述目标账户是否属于风险账户。

具体地，将所述目标账户的风险特征值与设定的不同风险等级对应的风险特征值进行比较；

当所述目标账户的风险特征值与设定的其中一个风险特征值之间的差值小于设定阈值时，确定所述目标账户属于所述其中的一个风险特征值对应的风险等级的风险账户。

例如：假设非法账户的风险特征值为1，合法账户的风险特征值为-1，那么账户的风险特征值在[-1，1]的范围内，可以将[-1，1]划分为N个不同的数值区间，每一个数值区间的上限代表不同的风险等级。

这里以N取值为5为例进行说明。可以得到的5个风险特征值的数值区间分别为[-1，-0.6]、[-0.6，-0.2]、[-0.2，0.2]、[0.2，0.6]、[0.6，1]。那么，[-1，-0.6]对应低风险等级、[-0.6，-0.2]对应较低风险等级、[-0.2，0.2]对应中风险等级、[0.2，0.6]对应较高风险等级、[0.6，1]对应高风险等级。

根据得到的所述目标账户的风险特征值，判断所述目标账户的风险特征值属于哪一个风险特征值区间，进而确定所述目标账户是否属于风险账户。例如：目标账户的风险特征值为0.8，那么目标账户属于高风险账户。

需要说明的是，服务器可以根据实际情况设置不同的风险特征值对应不同的风险等级，这里不做具体限定。

需要说明的是，在实际应用中，为了得到更加可靠、准确的所述目标账户的风险特征值，需要经过多次风险传递来得到所述目标账户的风险特征值。

图4为多个账户之间的关系网络结构示意图。其中，目标账户为账户A。

下面以图4中所示的关系网络为例说明关系网络中各个账户之间风险传递的过程，可以具体分为以下几个步骤：

第一步：根据不同账户之间的社会化关系得到建立直接社会化关系的账户之间的权重值。

这里确定权重值的方式可以依据上述记载的确定第二权重值的方式，这里不再详细描述。

第二步：确定每一个账户的风险特征值。

具体地，服务器可以根据已有的黑名单中包含的非法账户的标识信息，确定图4所示的关系网络中的部分账户为非法账户，并假设确定这些非法账户的风险特征值为第一风险特征值；服务器可以根据已有的白名单中包含的合法账户的标识信息确定图4所示的关系网络中的部分账户为合法账户，并假设确定这些合法账户的风险特征值为第二风险特征值。除此之外，图4所示的关系网络中既不属于非法账户又不属于合法账户的其他账户在本申请实施例中视为未知风险账户，假设为这些未知风险账户确定初始风险特征值。

在本申请实施例对第一风险特征值、第二风险特征值以及初始风险特征值的具体数值不做具体限定，为了便于理解，可以将第一风险特征值设置为1，将第二风险特征值设置为-1，将初始风险特征值设置为0。

第三步：以账户A为研究对象，通过与账户A建立社会化关系的账户的权重值以及风险特征值，计算得到账户A的风险特征值。

可以通过以上记载的计算目标账户的风险特征值的方法计算得到账户A的风险特征值X₁。

在计算得到账户A的风险特征值X₁后，判断是否达到设定条件，如果达到设定条件，将得到的账户A的风险特征值X₁输出，如果没有达到设定条件，需要对账户A的风险特征值进行再次计算。这里的设定条件可以根据实际情况设定，比如，设定的风险传递次数，整个关系网络中所有账户的风险特征值为0的个数与关系网络中所有账户的比例小于设定阈值，相邻两次计算得到的风险特征值的差值是否小于设定数值，等等，这里不做具体限定。

需要说明的是，在完成对账户A的风险特征值的一次计算后，与账户A建立社会化关系的账户B、账户C以及账户D的风险特征值也可能发生变化，尤其是当与账户A建立社会化关系的账户中存在未知风险的账户时，在上一次计算账户A的风险特征值时，忽略这些未知风险账户对账户A的风险影响。因为这些未知风险账户的风险特征值也将受到其他账户的影响，那么就意味着这些未知风险账户的风险特征值是可能发生变化，这些未知风险账户的风险特征值一旦发生变化，势必影响账户A的风险特征值，因此，再次计算账户A的风险特征值很有可能与上一次计算得到的账户A的风险特征值不同，但也可能相同。

需要说明的是，在一次计算账户A的风险特征值时，为账户A创建账户集合，在每次传递时，将所有向账户A传递风险的账户加入到账户A的账户集合中，例如，在一次风险传递结束后，将账户B、账户C和账户D已加入到账户A的账户集合中。在再次计算账户A的风险特征值时，在考虑账户A的账户集合中包含的账户B、账户C和账户D之外，还需要考虑是否存在其他账户向账户A传递风险，一旦确定存在其他账户向账户A传递风险，那么将确定的其他账户加入至账户A的账户集合中，这里的其他账户可以是账户F等。

需要说明的是，在风险传递过程中会出现回环的现象，例如：账户F将自己的风险传递给账户A，而账户A将自己的风险传递给账户E，账户E又将自己的风险传递给账户F，在整个传递过程中，若将账户F加入到账户A的账户集合中，同时对于账户F，账户A将被加入到账户F的账户集合中，这种现象称为回环，为了保证风险传递的可靠性，要避免回环的出现，因此，在计算账户A的风险特征值时，需要排除账户F将风险传递给账户A。

通过不断更新账户A的账户集合，可以得到更加准确、可靠的账户A的风险特征值。

第四步：当满足设定条件时，意味着完成对账户A风险特征值的预测，假设得到账户A的风险特征值X_N，此时输出账户A的风险特征值X_N。

需要说明的是，在每次传递过程结束，或者整个风险传递过程结束后，最终为未知风险账户预测到的风险特征值将介于第一风险特征值与第二风险特征值之间。

本申请实施例提供的方案，获取目标账户的关系数据，其中，所述目标账户的关系数据中包含与所述目标账户建立社会化关系的第一账户；确定所述第一账户的风险特征值以及所述第一账户的风险传递概率值，其中，所述风险传递概率值用于表征所述第一账户将风险传递给所述目标账户的概率；利用所述第一账户的风险特征值以及所述第一账户的风险传递概率值，计算得到所述目标账户的风险特征值；根据所述目标账户的风险特征值，识别所述目标账户是否属于风险账户。

这样，通过获取到目标账户的关系数据，同时借助于标签传播算法，利用与目标账户建立社会化关系的其他账户的风险特征值预测得到目标账户的风险特征值，进而根据预测得到的风险特征值判断目标账户的风险情况，有效地解决了现有技术中无法识别潜在风险账户的问题，进而提升了账户风险识别的准确度，同时改善了系统中不同账户之间业务处理的安全性。

图5为本申请实施例提供的一种业务处理方法流程示意图。所述方法如下所述。

步骤501：接收用户发送的业务处理请求。

其中，所述业务处理请求中包含所述用户的账户信息。

在步骤501中，服务器接收用户发送的业务处理请求，并根据接收到的业务处理请求获取所述用户使用的账户信息，这里的账户信息指的是用户使用的账户的标识信息，可以是用户的手机号码、身份证号、邮箱等，这里不做具体限定。

例如，支付平台对应的服务器接收用户发送的支付请求，其中，用户的支付请求中包含用户在支付平台上注册的账户名称。

步骤502：根据所述用户的账户信息，查找得到所述用户的账户的风险特征值。

需要说明的是，服务器预先已计算得到所述用户的账户的风险特征值，具体地，服务器根据所述用户的账户信息获取到与所述用户的账户建立社会化关系的其他账户，再利用上述实施例中记载的计算账户的风险特征值的方法计算得到所述用户的账户的风险特征值。

服务器在计算得到所述用户的账户的风险特征值后，建立所述用户的账户信息和所述用户的账户的风险特征值之间的对应关系，并将所述对应关系存储在所述服务器中，这样，当服务器获取到所述用户发送的业务处理请求，并确定所述用户的账户信息后，可以根据所述用户的账户信息在所述服务器中查找得到所述用户的账户的风险特征值。

需要说明的是，服务器在获取到所述用户的账户信息后，可以根据所述用户的账户信息查找得到所述用户的账户的风险特征值，也可以通过获取所述用户的账户的关系数据，并利用上述实施例中记载的计算账户的风险特征值的方法计算得到所述用户的账户的风险特征值，不做具体限定。

步骤503：在根据所述账户的风险特征值确定所述账户属于风险等级大于设定等级的风险账户时，向所述用户发送拒绝处理响应。

在步骤503中，服务器根据用户所使用的账户的风险特征值，可以确定风险特征值对应的风险等级，并根据风险等级对用户发送的业务请求进行处理。当服务器确定所述账户的风险等级大于设定等级时，服务器确定所述账户为风险账户，拒绝对用户发送的业务处理请求进行处理。

需要说明的是，这里的设定等级可以由服务器根据实际情况而定，不做具体限定。

可选地，服务器确定所述账户属于风险等级不大于设定等级的风险账户时，可以根据所述账户属于的风险等级对用户发送的业务处理请求进行处理。

图6为本申请实施例提供的一种账户风险处理的示意图。

如图6所示，用户向服务器发送订单处理请求，服务器根据接收到的用户的账户信息确定该账户的风险特征值。如果账户的风险特征值对应高风险等级，服务器将拒绝用户的订单请求，并使得用户的订单处于不可操作状态，即不允许用户执行下一步操作；如果账户的风险特征值对应中风险等级，服务器将提示用户输入验证信息，并根据验证信息对用户的订单处理请求进行响应；如果账户的风险特征值对应低风险等级，服务器接收用户的订单请求，并对用户的订单请求进行处理。

图7为本申请实施例提供的一种风险识别设备的结构示意图。所述风险识别设备包括：获取单元71、确定单元72、计算单元73以及识别单元74，其中：

获取单元71，用于获取目标账户的关系数据，其中，所述目标账户的关系数据中包含与所述目标账户建立社会化关系的第一账户；

确定单元72，用于确定所述第一账户的风险特征值以及所述第一账户的风险传递概率值，其中，所述风险传递概率值用于表征所述第一账户将风险传递给所述目标账户的概率；

计算单元73，用于利用所述第一账户的风险特征值以及所述第一账户的风险传递概率值，计算得到所述目标账户的风险特征值；

识别单元74，用于根据所述目标账户的风险特征值，识别所述目标账户是否属于风险账户。

具体地，所述确定单元72确定所述第一账户的风险传递概率值，包括：

获取所述第一账户的关系数据，其中，所述第一账户的关系数据包含所述目标账户以及与所述第一账户建立社会化关系的至少一个第二账户；

根据所述第一账户与每一个所述第二账户之间社会化关系的强度，确定所述第一账户与每一个所述第二账户之间的第一权重值，以及根据所述第一账户与所述目标账户之间社会化关系的强度，确定所述第一账户与所述目标账户之间的第二权重值；

根据所述第一权重值和所述第二权重值，计算得到所述第一账户的风险传递概率值。

所述确定单元72确定所述第一账户与所述目标账户之间的第二权重值，包括：

根据所述第一账户的关系数据，生成所述第一账户的图数据，其中，所述图数据中包含所述第一账户与所述目标账户之间的图边数据；

根据所述图边数据中的图边属性值，确定所述第一账户与所述目标账户之间的第二权重值。

所述识别单元74根据所述目标账户的风险特征值，识别所述目标账户是否属于风险账户，包括：

将所述目标账户的风险特征值与设定的不同风险等级对应的风险特征值进行比较；

当所述目标账户的风险特征值与设定的其中一个风险特征值之间的差值小于设定阈值时，确定所述目标账户属于所述其中的一个风险特征值对应的风险等级的风险账户。

需要说明的是，本申请实施例提供的风险识别设备可以通过硬件方式实现，也可以通过软件方式实现，这里不做限定。

图8为本申请实施例提供的一种业务处理设备结构示意图，所述业务处理设备包括：接收单元81、查找单元82以及发送单元83，其中：

接收单元81，用于接收用户发送的业务处理请求，其中，所述业务处理请求中包含所述用户的账户信息；

查找单元82，用于根据所述用户的账户信息，查找得到所述用户的账户的风险特征值；

发送单元83，在根据所述账户的风险特征值确定所述账户属于风险等级大于设定等级的风险账户时，向所述用户发送拒绝处理响应。

图9为本申请实施例提供的一种业务处理设备结构示意图，图9所示的业务处理设备在图8所示的业务处理设备的基础上还包括：计算模块91和存储模块92，其中：

计算模块91，用于根据所述用户的账户信息，并利用上述实施例中记载的计算账户的风险特征值的方法预先计算得到所述用户的账户的风险特征值；

存储模块92，用于将所述用户的账户信息和所述用户的账户的风险特征值之间的对应关系存储在服务器中。

需要说明的是，所述查找单元82，用于根据所述用户的账户信息，查找得到所述用户的账户的风险特征值，其中：

在获取到用户的账户信息后，所述查找单元82从所述存储模块92中查找得到所述用户的账户的风险特征值。

需要说明的是，本申请实施例提供的业务处理设备可以通过硬件方式实现，也可以通过软件方式实现，这里不做限定。

本领域的技术人员应明白，本申请的实施例可提供为方法、装置(设备)、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种风险识别方法，其特征在于，包括：

获取目标账户的关系数据，其中，所述目标账户的关系数据中包含与所述目标账户建立社会化关系的第一账户；

确定所述第一账户的风险特征值以及所述第一账户的风险传递概率值，其中，所述风险传递概率值用于表征所述第一账户将风险传递给所述目标账户的概率；

利用所述第一账户的风险特征值以及所述第一账户的风险传递概率值，计算得到所述目标账户的风险特征值；

根据所述目标账户的风险特征值，识别所述目标账户是否属于风险账户。

2.如权利要求1所述的风险识别方法，其特征在于，确定所述第一账户的风险传递概率值，包括：

获取所述第一账户的关系数据，其中，所述第一账户的关系数据包含所述目标账户以及与所述第一账户建立社会化关系的至少一个第二账户；

根据所述第一账户与每一个所述第二账户之间社会化关系的强度，确定所述第一账户与每一个所述第二账户之间的第一权重值，以及根据所述第一账户与所述目标账户之间社会化关系的强度，确定所述第一账户与所述目标账户之间的第二权重值；

根据所述第一权重值和所述第二权重值，计算得到所述第一账户的风险传递概率值。

3.如权利要求2所述的风险识别方法，其特征在于，确定所述第一账户与所述目标账户之间的第二权重值，包括：

根据所述第一账户的关系数据，生成所述第一账户的图数据，其中，所述图数据中包含所述第一账户与所述目标账户之间的图边数据；

根据所述图边数据中的图边属性值，确定所述第一账户与所述目标账户之间的第二权重值。

4.如权利要求1所述的风险识别方法，其特征在于，根据所述目标账户的风险特征值，识别所述目标账户是否属于风险账户，包括：

将所述目标账户的风险特征值与设定的不同风险等级对应的风险特征值进行比较；

当所述目标账户的风险特征值与设定的其中一个风险特征值之间的差值小于设定阈值时，确定所述目标账户属于所述其中的一个风险特征值对应的风险等级的风险账户。

5.一种业务处理方法，其特征在于，包括：

接收用户发送的业务处理请求，其中，所述业务处理请求中包含所述用户的账户信息；

根据所述用户的账户信息，查找得到所述用户的账户的风险特征值，其中，所述风险特征值是基于权利要求1中的风险特征值的计算方法得到的；

在根据所述账户的风险特征值确定所述账户属于风险等级大于设定等级的风险账户时，向所述用户发送拒绝处理响应。

6.一种风险识别设备，其特征在于，包括：

获取单元，用于获取目标账户的关系数据，其中，所述目标账户的关系数据中包含与所述目标账户建立社会化关系的第一账户；

确定单元，用于确定所述第一账户的风险特征值以及所述第一账户的风险传递概率值，其中，所述风险传递概率值用于表征所述第一账户将风险传递给所述目标账户的概率；

计算单元，用于利用所述第一账户的风险特征值以及所述第一账户的风险传递概率值，计算得到所述目标账户的风险特征值；

识别单元，用于根据所述目标账户的风险特征值，识别所述目标账户是否属于风险账户。

7.如权利要求6所述的风险识别设备，其特征在于，所述确定单元确定所述第一账户的风险传递概率值，包括：

获取所述第一账户的关系数据，其中，所述第一账户的关系数据包含所述目标账户以及与所述第一账户建立社会化关系的至少一个第二账户；

根据所述第一账户与每一个所述第二账户之间社会化关系的强度，确定所述第一账户与每一个所述第二账户之间的第一权重值，以及根据所述第一账户与所述目标账户之间社会化关系的强度，确定所述第一账户与所述目标账户之间的第二权重值；

根据所述第一权重值和所述第二权重值，计算得到所述第一账户的风险传递概率值。

8.如权利要求7所述的风险识别设备，其特征在于，所述确定单元确定所述第一账户与所述目标账户之间的第二权重值，包括：

根据所述第一账户的关系数据，生成所述第一账户的图数据，其中，所述图数据中包含所述第一账户与所述目标账户之间的图边数据；

根据所述图边数据中的图边属性值，确定所述第一账户与所述目标账户之间的第二权重值。

9.如权利要求6所述的风险识别设备，其特征在于，所述识别单元根据所述目标账户的风险特征值，识别所述目标账户是否属于风险账户，包括：

将所述目标账户的风险特征值与设定的不同风险等级对应的风险特征值进行比较；

当所述目标账户的风险特征值与设定的其中一个风险特征值之间的差值小于设定阈值时，确定所述目标账户属于所述其中的一个风险特征值对应的风险等级的风险账户。

10.一种业务处理设备，其特征在于，包括：

接收单元，用于接收用户发送的业务处理请求，其中，所述业务处理请求中包含所述用户的账户信息；

查找单元，用于根据所述用户的账户信息，查找得到所述用户的账户的风险特征值，其中，所述风险特征值是基于权利要求1中的风险特征值的计算方法得到的；

发送单元，用于在根据所述账户的风险特征值确定所述账户属于风险等级大于设定等级的风险账户时，向所述用户发送拒绝处理响应。