CN106940868A - 实时与离线相结合的交易风险识别方法及装置 - Google Patents

实时与离线相结合的交易风险识别方法及装置 Download PDF

Info

Publication number
CN106940868A
CN106940868A CN201610004966.1A CN201610004966A CN106940868A CN 106940868 A CN106940868 A CN 106940868A CN 201610004966 A CN201610004966 A CN 201610004966A CN 106940868 A CN106940868 A CN 106940868A
Authority
CN
China
Prior art keywords
line
account
score value
risk
transaction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610004966.1A
Other languages
English (en)
Inventor
洪满伙
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 CN201610004966.1A priority Critical patent/CN106940868A/zh
Publication of CN106940868A publication Critical patent/CN106940868A/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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请涉及交易风险识别领域，尤其涉及一种实时与离线相结合的交易风险识别方法及装置，其中，所述实时与离线相结合的交易风险识别方法包括：在线下基于历史账户信息对账户进行风险评分，产生与账户相关的线下分值；基于当前时段账户信息实时对账户进行风险评分，产生与账户相关的线上分值；根据所述线下分值和所述线上分值处理与账户相关的当前交易。本申请可以在不降低交易风险识别准确性的前提下，大幅降低交易风险识别模型的计算时长，并将整体交易风险识别模型细化到针对每个用户的个性化识别模型。

Description

实时与离线相结合的交易风险识别方法及装置
技术领域
本申请涉及交易风险识别领域，尤其涉及融合历史和当前风险的交易风险识别方法，具体来说就是一种实时与离线相结合的交易风险识别方法及装置。
背景技术
随着第三方支付的日益普及，目前每日的支付请求量出现了快速增长，加之第三方支付与互联网金融逐步的融合，也吸引了越来越多的盗用者，在海量支付请求的同时，需实时识别出哪些是正常用户的交易支付请求，哪些是盗用者的交易支付请求，对交易风险识别的模型准确率和及时响应均提出了较大的挑战。
现有的交易风险识别模型使用分类算法对安全交易和风险交易进行区分，因为多数个体用户缺乏对应的风险数据，所以未能做到针对单个用户的个性化建模，以至于存在较高的误报率。
另外，现有交易为达到较理想的交易识别准确率，应用了大量的模型特征变量，有些是对过去90天的特征进行实时累计的，以至于在实时调用该类模型时，需要较长的请求时长，一般需要100毫秒以上。
因此，本领域技术人员亟需一种可以针对单个用户，且风险评估时间短的交易风险识别方法。
发明内容
有鉴于此，本申请基于对用户的全面理解，加上对盗用者作案手法的剖析，从用户层面上将风险切分成历史风险和当前风险，离线计算用户历史风险，离线生成用户的安全设备、位置和环境信息，以供在线实时交易风险识别时调用。在实时交易风险识别时，就可针对单个用户，融合轻量的当前风险识别变量，解决现有交易风险识别模型针对个体交易风险识别时误报过高，以及实时交易风险识别调用时由于特征变量过多而使调用时长过长的问题。
为了解决上述技术问题，本申请的具体实施方式提供一种实时与离线相结合的交易风险识别方法，包括：
在线下基于历史账户信息对账户进行风险评分，产生与账户相关的线下分值；
基于当前时段账户信息实时对账户进行风险评分，产生与账户相关的线上分值；
根据所述线下分值和所述线上分值处理与账户相关的当前交易。
本申请的另一具体实施方式还提供一种实时与离线相结合的交易风险识别装置，包括：
线下处理单元，用于在线下基于历史账户信息对账户进行风险评分，产生与账户相关的线下分值；
线上处理单元，用于基于当前时段账户信息实时对账户进行风险评分，产生与账户相关的线上分值；
交易处理单元，用于根据所述线下分值和所述线上分值处理与账户相关的当前交易。
由以上本申请具体实施方式提供的技术方案可知，实时与离线相结合的交易风险识别方法及装置至少具有以下优点或者特点：从用户层面上将风险切分成历史风险和当前风险，离线计算用户历史风险，以供在线实时交易风险识别时调用；在实时交易风险识别时，可针对单个用户，融合轻量的当前风险识别变量，可以在不降低交易风险识别准确性的前提下，大幅降低交易风险识别模型的计算时长，并将整体交易风险识别模型细化到针对每个用户的个性化识别模型。
当然实施本申请的任一产品或者方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请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申请中记载的一些实施例，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为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别方法的实施例一的流程图；
图2为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别方法的实施例二的流程图；
图3为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别方法的实施例三的流程图；
图4为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别方法的实施例四的流程图；
图5为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别方法的实施例五的流程图；
图6为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别装置的实施例一的框图；
图7为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别装置的实施例二的框图；
图8为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别装置的实施例三的框图；
图9为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别装置的实施例四的框图；
图10为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别装置的实施例五的框图；
图11为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别方法的应用流程图。
具体实施方式
本申请具体实施方式提供的一种实时与离线相结合的交易风险识别方法及装置。
为了使本技术领域的人员更好地理解本申请中的技术方案，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。
图1为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别方法的实施例一的流程图，如图1所示，在该具体实施方式中，从用户层面上将风险切分成历史风险和当前风险，离线计算用户历史风险产生线下分值，以供当前交易风险识别时调用。在实时交易风险识别时，就可针对单个用户的每次交易，融合轻量的当前风险识别变量，在不降低交易风险识别准确性的前提下，大幅降低交易风险识别模型的计算时长。
该附图具体实施方式包括：
步骤101：在线下基于历史账户信息对账户进行风险评分，产生与账户相关的线下分值。所述历史账户信息包括历史交易信息、历史操作信息和账号信息中的至少一个，线下分值的求取并不占用交易系统处理当前交易时的运算资源。
步骤102：基于当前时段账户信息实时对账户进行风险评分，产生与账户相关的线上分值。所述当前时段账户信息包括当前时段交易信息、当前时段操作信息、当前交易操作信息和账号信息中的至少一个，线上分值的求取由交易系统实时运算获得的，这部分数据量小、运算量小、处理速度快，从而在保证交易安全性的前提下，减少用户的等待时长。
步骤103：根据所述线下分值和所述线上分值处理与账户相关的当前交易。交易系统调用所述线下分值和所述线上分值处理与账户相关的当前交易，当前交易即是正在处理的线上交易，通常情况下，一个交易从登录成功时起，到支付结束(支付成功或者失败)时止。
参见图1，所述历史账户信息包括历史交易信息、历史操作信息和账号信息中的至少一个；所述当前时段账户信息包括当前时段交易信息、当前时段操作信息、当前交易操作信息和账号信息中的至少一个。其中，交易信息和操作信息中包含有主体信息(主体数据)，账号信息也为主体信息，主体信息包括MAC地址、手机号码、IP地址等。本申请通过对用户网络交易(线上交易)过程的全面理解，对常见盗用者作案手段的分析，从用户层面上将网络交易风险分成历史风险和当前风险(当前一段时间内的风险)，所谓历史风险指除已经发生的所有网络交易的安全系数，所述当前风险是指当前时段内发生的网络交易的安全系数。本申请离线计算用户历史风险，以供在线实时交易风险识别时调用，从而在保证当前交易安全性的基础上，提高了交易效率，降低用户等待时长，提高用户体验度；在实时交易风险识别时，可针对每个用户的每笔交易的具体情况，得出对应的交易风险评价值，在不降低交易风险识别准确性的前提下，大幅降低交易风险识别模型的计算时长，并将整体交易风险识别模型细化到针对每个用户的每笔交易的个性化识别模型。
图2为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别方法的实施例二的流程图，如图2所示，利用历史发生的多主体数据获得每个主体数据的单主体风险分值，再为单主体风险分值分配权重，最终获得线下分值(即历史风险)。
在该附图的具体实施方式中，步骤101具体包括：
步骤1011：基于历史账户信息中的多主体数据获得每个主体数据的单主体风险分值。多主体数据包括MAC地址、IP地址、手机号码和账号等。
步骤1012：给每个单主体分配权重值。
步骤1013：根据单主体风险分值和权重值产生与账户相关的线下分值。
参见图2，多主体数据至少包括账号信息，例如，多主体数据包括MAC地址、IP地址、手机号码和账号等，在具体实施例中，多主体数据可以为至少包括账号信息的双主体数据，本申请不以此为限。例如，在一个包括MAC地址、IP地址、手机号码和账号的多主体数据(账号，MAC地址，IP地址，手机号码)的应用实施例中，对MAC地址进行风险评分为0.5，对IP地址进行风险评分为0.6，对手机号码进行风险评分为0.8，对账号进行风险评分为0.4，再给每个主体数据分配权重值，如果MAC地址的权重为0.2，IP地址的权重为0.2，手机号码的权重为0.1，账号的权重为0.5，那么根据这些多主体风险分值和对应的权重产生线下分值，线下分值为0.5*0.2+0.6*0.2+0.8*0.1+0.4*0.5，结果为0.66。同理，如果多主体为包括账号的双主体，在一个包括IP地址和账号的双主体数据(账号，IP地址)的应用实施例中，对IP地址的风险评分为0.8，对账号的风险评分为0.4，给每个主体数据分配权重值，如果IP地址的权重值为0.2，账号的权重值为0.8，那么根据双主体风险分值和对应的权重值产生线下分值，线下分值为0.8*0.2+0.4*0.8，结果为0.48。
图3为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别方法的实施例三的流程图，如图3所示，为了提高交易风险识别的个性化需求，确保交易更加安全，需要在求取线下分值之前，对单主体风险分值进行一次筛选。
在该附图的具体实施方式中，在步骤1012之前，还包括：
步骤1014：过滤掉单主体风险分值大于预设阈值的主体数据。
参见图3，首先，设定可信主体数据的阀值，对每个主体数据进行风险评分获得每个主体数据的风险分值，过滤掉单主体风险分值大于预设阀值的单主体数据，给剩余的主体数据分配权重值，最后根据剩余主体数据的单主体风险分值和相应权重值产生线下分值。线下分值供用户在线交易时，直接调用来评价当前交易的风险，在提高了评判准确度的同时，降低了在线交易时的计算量，从而减少了交易时长，用户不用等待很久就能完成网络交易，提高用户体验度。
例如，在一个包括MAC地址、IP地址、手机号码和账号的多主体数据(账号，MAC地址，IP地址，手机号码)的应用实施例中，对账号进行风险评分为0.4，对MAC地址进行风险评分为0.5，对IP地址进行风险评分为0.6，对手机号码进行风险评分为0.8，假设预设阈值为0.6，首先过滤掉风险评分大于预设阈值的单主体数据，即滤除手机号码，给剩余主体数据分配权利值，如果MAC地址的权重为0.3，IP地址的权重为0.2，账号的权重为0.5，那么根据单主体风险分值和权重值产生线下分值，具体产生的线下分值为0.5*0.3+0.6*0.2+0.4*0.5，结果为0.47。
图4为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别方法的实施例四的流程图，如图4所示，利用当前时段(例如当天)发生的多主体数据获得每个主体数据的单主体风险分值，再为单主体风险分值分配权重，最终获得线上分值(即当前风险)。
在该附图的具体实施方式中，步骤102具体包括：
步骤1021：基于当前时段账户信息中的多主体数据获得每个主体数据的单主体风险分值。
步骤1022：给每个单主体分配权重值。
步骤1023：根据单主体风险分值和权重值产生与账户相关的线上分值。
参见图4，线上分值的产生算法与纯正分值的产生算法类似，为了节省篇幅，此处不再赘述。
图5为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别方法的实施例五的流程图，如图5所示，处理当前交易时，调用线下分值，并实时计算线上分值，再为线下分值和线上分值分配权重值，最终获得当前交易的总分值以处理当前交易。
该附图的具体实施方式中，步骤103具体包括：
S1031：分别为所述线下分值和所述线上分值分配权重值。
S1032：根据所述线下分值、所述线上分值以及权重值获得当前交易的总分值。
S1033：基于所述总分值处理与账户相关的当前交易。
参见图5，根据所述线下分值、所述线上分值以及所述权重值获得当前交易的总分值，再根据总分值评判当前交易，从而准确评价当前网络交易的风险，降低了用户损失。
本申请的一具体实施方式中，所述总分值STxn通过下述公式获得：
STxn＝α×SAcct+β×SEntity
其中，STxn表示当前交易的总分值；α表示离线分值的权重值；β表示实时分值的权重值，α+β＝1；SAcct表示离线分值；SEntity表示实时分值。α和β的大小可以调整，例如α可以为0.75、0.85等，本申请不以此为限。
图6为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别装置的实施例一的框图，如图6所示，在该具体实施方式中，本申请从用户层面上将线上交易风险切分成历史风险和当前风险，离线计算用户历史风险产生线下分值，以供当前交易风险识别时直接调用。在实时交易风险识别时，就可针对单个用户的每次交易，融合轻量的当前风险识别变量，在不降低交易风险识别准确性的前提下，大幅降低交易风险识别模型的计算时长。
该附图的具体实施方式中，所述实时与离线相结合的交易风险识别装置包括线下处理单元10、线上处理单元20、交易处理单元30，其中，
线下处理单元10用于在线下基于历史账户信息对账户进行风险评分，产生与账户相关的线下分值。
线上处理单元20用于基于当前时段账户信息实时对账户进行风险评分，产生与账户相关的线上分值。
交易处理单元30用于根据所述线下分值和所述线上分值处理与账户相关的当前交易。
参见图6，所述历史账户信息包括历史交易信息、历史操作信息和账号信息中的至少一个；所述当前时段账户信息包括当前时段交易信息、当前时段操作信息、当前交易操作信息和账号信息中的至少一个。其中，交易信息和操作信息中包含有主体信息(主体数据)，账号信息也为主体信息，主体信息包括MAC地址、手机号码、IP地址等。本申请通过对用户网络交易(线上交易)过程的全面理解，对常见盗用者作案手段的分析，从用户层面上将网络交易风险分成历史风险和当前风险(当前一段时间内的风险)，所谓历史风险指除已经发生的所有网络交易的安全系数，所述当前风险是指当前时段内发生的网络交易的安全系数。本申请离线计算用户历史风险，以供在线实时交易风险识别时调用，从而在保证当前交易安全性的基础上，提高了交易效率，降低用户等待时长，提高用户体验度；在实时交易风险识别时，可针对每个用户的每笔交易的具体情况，得出对应的交易风险评价值，在不降低交易风险识别准确性的前提下，大幅降低交易风险识别模型的计算时长，并将整体交易风险识别模型细化到针对每个用户的每笔交易的个性化识别模型。
图7为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别装置的实施例二的框图，如图7所示，利用历史发生的多主体数据获得每个主体数据的单主体风险分值，再为单主体风险分值分配权重，最终获得线下分值(即历史风险)。
在该附图的具体实施方式中，所述线下处理单元10进一步包括第一单主体评估模块11、第一权重值分配模块12、线下分值生成模块13，其中，
第一单主体评估模块11用于基于历史账户信息中的多主体数据获得每个主体数据的单主体风险分值。
第一权重值分配模块12用于给每个单主体分配权重值。
线下分值生成模块13用于根据单主体风险分值和权重值产生与账户相关的线下分值。
参见图7，多主体数据至少包括账号信息，例如，多主体数据包括MAC地址、IP地址、手机号码和账号等，在具体实施例中，多主体数据可以为至少包括账号信息的双主体数据，本申请不以此为限。例如，在一个包括MAC地址、IP地址、手机号码和账号的多主体数据(账号，MAC地址，IP地址，手机号码)的应用实施例中，对MAC地址进行风险评分为0.5，对IP地址进行风险评分为0.6，对手机号码进行风险评分为0.8，对账号进行风险评分为0.4，再给每个主体数据分配权重值，如果MAC地址的权重为0.2，IP地址的权重为0.2，手机号码的权重为0.1，账号的权重为0.5，那么根据这些多主体风险分值和对应的权重产生线下分值，线下分值为0.5*0.2+0.6*0.2+0.8*0.1+0.4*0.5，结果为0.66。同理，如果多主体为包括账号的双主体，在一个包括IP地址和账号的双主体数据(账号，IP地址)的应用实施例中，对IP地址的风险评分为0.8，对账号的风险评分为0.4，给每个主体数据分配权重值，如果IP地址的权重值为0.2，账号的权重值为0.8，那么根据双主体风险分值和对应的权重值产生线下分值，线下分值为0.8*0.2+0.4*0.8，结果为0.48。
图8为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别装置的实施例三的框图，如图8所示，为了提高交易风险识别的个性化需求，确保交易更加安全，需要在求取线下分值之前，对单主体风险分值进行一次筛选。
在该附图的具体实施方式中，所述线下处理单元10还包括过滤模块14，其中，
过滤模块14用于过滤掉单主体风险分值大于预设阈值的主体数据。
参见图8，设定可信主体数据的阀值，对每个主体数据进行风险评分获得每个主体数据的风险分值，过滤掉单主体风险分值大于预设阀值的单主体数据，给剩余的主体数据分配权重值，最后根据剩余主体数据的单主体风险分值和相应权重值产生线下分值。线下分值供用户在线交易时，直接调用来评价当前交易的风险，在提高了评判准确度的同时，降低了在线交易时的计算量，从而减少了交易时长，用户不用等待很久就能完成网络交易，提高用户体验度。
例如，在一个包括MAC地址、IP地址、手机号码和账号的多主体数据(账号，MAC地址，IP地址，手机号码)的应用实施例中，对账号进行风险评分为0.4，对MAC地址进行风险评分为0.5，对IP地址进行风险评分为0.6，对手机号码进行风险评分为0.8，假设预设阈值为0.6，首先过滤掉风险评分大于预设阈值的单主体数据，即滤除手机号码，给剩余主体数据分配权利值，如果MAC地址的权重为0.3，IP地址的权重为0.2，账号的权重为0.5，那么根据单主体风险分值和权重值产生线下分值，具体产生的线下分值为0.5*0.3+0.6*0.2+0.4*0.5，结果为0.47。
本申请的具体实施例中，历史账户信息经过预定时间后会自动更新，更新通常发生在交易量低的闲时，闲时通常指每日凌晨，这段时间交易量很低，系统会用前一天的交易信息与操作信息更新历史账户信息，最终导致线下分值的更新。例如，用户在前一天的上午进行了交易(为交易信息)，在前一天的下午修改了账户密码(为操作信息)，那么上午的交易信息与下午的修改密码信息都将被考虑进来，用于修正所述历史账户信息，历史账户信息的修正必然引起线下分值的更新，线下分值供用户在线交易时，直接调用来评价该实时交易的风险，从而减少了交易时长，用户不用等待很久就能完成网络交易，提高用户体验度，在提高了评判准确度的同时，降低了在线交易时的计算量。
本申请的具体实施例中，当天信息是实时更新的，当前交易完成后，交易人还可能有更多的一些账户操作，有更多的信息对交易的风险大小进行判断，当交易人进行下一笔交易时，这些操作信息并入原来的当天信息中，形成新的当天信息。举例来说：如根据变量1、变量2、变量3对当前交易进行评分(变量1、变量2、变量3均为当天信息)，得出0.6分，当前交易完成后，用户有了新的操作，即产生新的操作信息，这些操作信息记为变量4，变量5，当天进行下一交易时，需要根据变量1、变量2、变量3、变量4、变量5我们重新评分，得出的是0.7分，从而实现当天信息的实时修正。通过实时修正当天信息，使交易风险评估更加合理、准确。
图9为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别装置的实施例五的框图，如图9所示，利用当前时段(例如当天)发生的多主体数据获得每个主体数据的单主体风险分值，再为单主体风险分值分配权重，最终获得线上分值(即当前风险)。
在该附图的具体实施方式中，所述线上处理单元20进一步包括第二单主体评估模块21、第二权重值分配模块22、线上分值生成模块23，其中，
第二单主体评估模块21用于基于当前时段账户信息中的多主体数据获得每个主体数据的单主体风险分值。
第二权重值分配模块22用于给每个单主体分配权重值。
线上分值生成模块23用于根据单主体风险分值和权重值产生与账户相关的线上分值。
参见图9，线上分值的产生算法与线下分值的产生算法类似，为了节省篇幅，此处不再赘述。
图10为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别装置的实施例六的框图，如图10所示，处理当前交易时，调用线下分值，并实时计算线上分值，再为线下分值和线上分值分配权重值，最终获得当前交易的总分值以处理当前交易。
该附图的具体实施方式中，所述交易处理单元30进一步包括第三权重值分配模块31、总分值生成模块32、当前交易处理模块33，其中，
第三权重值分配模块31，用于分别为所述线下分值和所述线上分值分配权重值。
总分值生成模块32，用于根据所述线下分值、所述线上分值以及权重值获得当前交易的总分值。
当前交易处理模块33，用于基于所述总分值处理与账户相关的当前交易。
参见图10，分别为所述线下分值和所述线上分值分配权重值，再根据所述线下分值、所述线上分值以及所述权重值获得当前交易的总分值，根据总分值处理当前交易，从而准确评价当前网络交易的风险，降低用户损失。
图11为本申请具体实施方式提供的一种实时与离线相结合的交易风险识别方法的应用流程图，某一用户发起一个线上交易(即当前交易)，此时，当前交易启动；当前交易启动后，交易系统基于当前时段账户信息(例如当天信息)中的多主体数据(多主体数据包括MAC地址、IP地址、手机号码和账号等)获得每个主体数据的单主体风险分值，假定MAC地址的单主体风险分值为0.6，IP地址的单主体风险分值为0.8，账号的单主体风险分值为0.3；交易启动后，用户可能在交易最终完成之前，还会进行一些其它操作，例如用户在用户资料中添加了手机号码，交易系统获得手机号码的单主体风险分值为0.5；给每个单主体分配权重值，假定给MAC地址分配的权利值为0.2，给IP地址分配的权重值为0.1，给手机号码分配的权重值为0.3，给账号分配的权重值为0.4；当用户发起支付请求时，交易系统开始实时计算线上分值，即根据当前时段账户信息(包括当前时段交易信息、当前时段操作信息、当前交易操作信息和账号信息中的至少一个)产生与账户相关的线上分值，线上分值为0.6*0.2+0.8*0.1+0.5*0.3+0.3*0.4，即0.47；交易系统调用线下分值(线下分值在线下求得)和线上分值来决定当前交易的支付请求是否成功，本申请具体实施例中，假定线下分值为0.65，线上分值权重值为0.85，线下分值的权重值为0.15，那么总分值为0.65*0.85+0.47*0.15，即0.623。支付请求的处理结果(交易信息)会在当前时段内的下一次交易处理中被考虑，从而线上交易处理过程中，线上分值的实时更新。
该附图的具体实施方式中，实时与离线相结合的交易风险识别方法包括：
100：当前交易启动。通常以用户登录交易系统后作为交易启动的时间点。
101：调用线下分值。线下分值由交易系统在线下求得，通常选择凌晨交易量低的时候处理，处理当前交易时，直接调用，降低实时计算量，减小用户等待时长。
102：产生线上分值。线上分值需要实时计算，由于这部分数据量小，交易系统处理起来飞快，并不会影响处理效率，同时，由于该部分数据实时计算，从而提高了交易的安全性。步骤102进一步包括：
1021：基于当前时段账户信息中的多主体数据获得每个主体数据的单主体风险分值；
1022：给每个单主体分配权重值；
1023：根据单主体风险分值和权重值产生与账户相关的线上分值。
103：根据所述线下分值和所述线上分值处理与账户相关的当前交易。
本申请提供一种实时与离线相结合的交易风险识别方法及装置，从用户层面上将风险切分成历史风险和当前风险，离线计算用户历史风险，以供在线实时交易风险识别时调用；在实时交易风险识别时，可针对单个用户，融合轻量的当前风险识别变量，可以在不降低交易风险识别准确性的前提下，大幅降低交易风险识别模型的计算时长，并将整体交易风险识别模型细化到针对每个用户的个性化识别模型。
上述的本申请实施例可在各种硬件、软件编码或两者组合中进行实施。例如，本申请的实施例也可为在数据信号处理器(Digital Signal Processor，DSP)中执行的执行上述程序的程序代码。本申请也可涉及计算机处理器、数字信号处理器、微处理器或现场可编程门阵列(Field Programmable Gate Array，FPGA)执行的多种功能。可根据本申请配置上述处理器执行特定任务，其通过执行定义了本申请揭示的特定方法的机器可读软件代码或固件代码来完成。可将软件代码或固件代码发展为不同的程序语言与不同的格式或形式。也可为了不同的目标平台编译软件代码。然而，根据本申请执行任务的软件代码与其他类型配置代码的不同代码样式、类型与语言不脱离本申请的精神与范围。
以上所述仅为本申请示意性的具体实施方式，在不脱离本申请的构思和原则的前提下，任何本领域的技术人员所做出的等同变化与修改，均应属于本申请保护的范围。

Claims (14)

1.一种实时与离线相结合的交易风险识别方法，其特征在于，包括：
在线下基于历史账户信息对账户进行风险评分，产生与账户相关的线下分值；
基于当前时段账户信息实时对账户进行风险评分，产生与账户相关的线上分值；以及
根据所述线下分值和所述线上分值处理与账户相关的当前交易。
2.如权利要求1所述的实时与离线相结合的交易风险识别方法，其特征在于，在线下基于历史账户信息对账户进行风险评分，产生与账户相关的线下分值，具体包括：
基于历史账户信息中的多主体数据获得每个主体数据的单主体风险分值；
给每个单主体分配权重值；以及
根据单主体风险分值和权重值产生与账户相关的线下分值。
3.如权利要求2所述的实时与离线相结合的交易风险识别方法，其特征在于，在给每个单主体分配权重值步骤之前，还包括：
过滤掉单主体风险分值大于预设阈值的主体数据。
4.如权利要求1所述的实时与离线相结合的交易风险识别方法，其特征在于，基于当前时段账户信息实时对账户进行风险评分，产生与账户相关的线上分值，具体包括：
基于当前时段账户信息中的多主体数据获得每个主体数据的单主体风险分值；
给每个单主体分配权重值；以及
根据单主体风险分值和权重值产生与账户相关的线上分值。
5.如权利要求4所述的实时与离线相结合的交易风险识别方法，其特征在于，当前时段账户信息为当前交易当天产生的信息。
6.如权利要求2或4所述的实时与离线相结合的交易风险识别方法，其特征在于，所述多主体数据至少包括账号信息。
7.如权利要求2或4所述的实时与离线相结合的交易风险识别方法，其特征在于，所述多主体数据为双主体数据。
8.如权利要求1所述的实时与离线相结合的交易风险识别方法，其特征在于，根据所述线下分值和所述线上分值处理与账户相关的当前交易，具体包括：
分别为所述线下分值和所述线上分值分配权重值；
根据所述线下分值、所述线上分值以及权重值获得当前交易的总分值；以及
基于所述总分值处理与账户相关的当前交易。
9.如权利要求1所述的实时与离线相结合的交易风险识别方法，其特征在于，所述历史账户信息包括历史交易信息、历史操作信息和账号信息中的至少一个；所述当前时段账户信息包括当前时段交易信息、当前时段操作信息、当前交易操作信息和账号信息中的至少一个。
10.一种实时与离线相结合的交易风险识别装置，其特征在于，包括：
线下处理单元，用于在线下基于历史账户信息对账户进行风险评分，产生与账户相关的线下分值；
线上处理单元，用于基于当前时段账户信息实时对账户进行风险评分，产生与账户相关的线上分值；以及
交易处理单元，用于根据所述线下分值和所述线上分值处理与账户相关的当前交易。
11.如权利要求10所述的实时与离线相结合的交易风险识别装置，其特征在于，所述线下处理单元进一步包括：
第一单主体评估模块，用于基于历史账户信息中的多主体数据获得每个主体数据的单主体风险分值；
第一权重值分配模块，用于给每个单主体分配权重值；以及
线下分值生成模块，用于根据单主体风险分值和权重值产生与账户相关的线下分值。
12.如权利要求11所述的实时与离线相结合的交易风险识别装置，其特征在于，所述线下处理单元还包括：
过滤模块，用于过滤掉单主体风险分值大于预设阈值的主体数据。
13.如权利要求10所述的实时与离线相结合的交易风险识别装置，其特征在于，所述线上处理单元进一步包括：
第二单主体评估模块，用于基于当前时段账户信息中的多主体数据获得每个主体数据的单主体风险分值；
第二权重值分配模块，用于给每个单主体分配权重值；以及
线上分值生成模块，用于根据单主体风险分值和权重值产生与账户相关的线上分值。
14.如权利要求10所述的实时与离线相结合的交易风险识别装置，其特征在于，所述交易处理单元进一步包括：
第三权重值分配模块，用于分别为所述线下分值和所述线上分值分配权重值；
总分值生成模块，用于根据所述线下分值、所述线上分值以及权重值获得当前交易的总分值；以及
当前交易处理模块，用于基于所述总分值处理与账户相关的当前交易。
CN201610004966.1A 2016-01-05 2016-01-05 实时与离线相结合的交易风险识别方法及装置 Pending CN106940868A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610004966.1A CN106940868A (zh) 2016-01-05 2016-01-05 实时与离线相结合的交易风险识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610004966.1A CN106940868A (zh) 2016-01-05 2016-01-05 实时与离线相结合的交易风险识别方法及装置

Publications (1)

Publication Number Publication Date
CN106940868A true CN106940868A (zh) 2017-07-11

Family

ID=59468464

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610004966.1A Pending CN106940868A (zh) 2016-01-05 2016-01-05 实时与离线相结合的交易风险识别方法及装置

Country Status (1)

Country Link
CN (1) CN106940868A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108694523A (zh) * 2018-07-10 2018-10-23 杨真源 一种互联网金融交易异常数据控制方法、系统及计算设备
CN109063920A (zh) * 2018-08-20 2018-12-21 阿里巴巴集团控股有限公司 一种交易风险识别方法、装置、及计算机设备
CN109919767A (zh) * 2019-03-07 2019-06-21 腾讯科技（深圳）有限公司 交易风险管理方法、装置及设备
CN110458576A (zh) * 2019-07-31 2019-11-15 同济大学 一种融合事前预测和事中检测的网络交易反欺诈方法
WO2020038099A1 (zh) * 2018-08-22 2020-02-27 阿里巴巴集团控股有限公司 一种签约风险量化方法、代扣风险量化方法、装置及设备
CN111292085A (zh) * 2018-12-10 2020-06-16 北京嘀嘀无限科技发展有限公司 交易风险评估的方法、装置、设备及计算机可读存储介质
CN113393246A (zh) * 2021-06-29 2021-09-14 山东派盟网络科技有限公司 一种基于数据采集体系的支付平台风险识别方法和系统
CN113435764A (zh) * 2021-07-05 2021-09-24 深圳前海微众银行股份有限公司 风险因素追踪方法、装置、设备及计算机可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080091522A1 (en) * 2006-10-13 2008-04-17 Huy Ngoc Phan Method to recover acquisition cost
CN101375546A (zh) * 2005-04-29 2009-02-25 甲骨文国际公司 用于欺骗监控、检测和分层用户鉴权的系统和方法
CN103123712A (zh) * 2011-11-17 2013-05-29 阿里巴巴集团控股有限公司 一种网络行为数据的监控方法和系统
CN103886495A (zh) * 2013-09-30 2014-06-25 上海本家空调系统有限公司 一种基于网络交易的监控方法及系统
CN104867011A (zh) * 2014-02-21 2015-08-26 中国电信股份有限公司 对移动支付进行安全控制的方法与装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101375546A (zh) * 2005-04-29 2009-02-25 甲骨文国际公司 用于欺骗监控、检测和分层用户鉴权的系统和方法
US20080091522A1 (en) * 2006-10-13 2008-04-17 Huy Ngoc Phan Method to recover acquisition cost
CN103123712A (zh) * 2011-11-17 2013-05-29 阿里巴巴集团控股有限公司 一种网络行为数据的监控方法和系统
CN103886495A (zh) * 2013-09-30 2014-06-25 上海本家空调系统有限公司 一种基于网络交易的监控方法及系统
CN104867011A (zh) * 2014-02-21 2015-08-26 中国电信股份有限公司 对移动支付进行安全控制的方法与装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王宏广: "电子银行业务监控系统的设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108694523A (zh) * 2018-07-10 2018-10-23 杨真源 一种互联网金融交易异常数据控制方法、系统及计算设备
CN109063920A (zh) * 2018-08-20 2018-12-21 阿里巴巴集团控股有限公司 一种交易风险识别方法、装置、及计算机设备
WO2020038099A1 (zh) * 2018-08-22 2020-02-27 阿里巴巴集团控股有限公司 一种签约风险量化方法、代扣风险量化方法、装置及设备
TWI707287B (zh) * 2018-08-22 2020-10-11 香港商阿里巴巴集團服務有限公司 簽約風險量化方法、代扣風險量化方法、裝置及設備
CN111292085A (zh) * 2018-12-10 2020-06-16 北京嘀嘀无限科技发展有限公司 交易风险评估的方法、装置、设备及计算机可读存储介质
CN111292085B (zh) * 2018-12-10 2023-06-30 北京嘀嘀无限科技发展有限公司 交易风险评估的方法、装置、设备及计算机可读存储介质
CN109919767A (zh) * 2019-03-07 2019-06-21 腾讯科技（深圳）有限公司 交易风险管理方法、装置及设备
CN109919767B (zh) * 2019-03-07 2023-01-06 腾讯科技（深圳）有限公司 交易风险管理方法、装置及设备
CN110458576A (zh) * 2019-07-31 2019-11-15 同济大学 一种融合事前预测和事中检测的网络交易反欺诈方法
CN110458576B (zh) * 2019-07-31 2022-12-20 同济大学 一种融合事前预测和事中检测的网络交易反欺诈方法
CN113393246A (zh) * 2021-06-29 2021-09-14 山东派盟网络科技有限公司 一种基于数据采集体系的支付平台风险识别方法和系统
CN113435764A (zh) * 2021-07-05 2021-09-24 深圳前海微众银行股份有限公司 风险因素追踪方法、装置、设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN106940868A (zh) 实时与离线相结合的交易风险识别方法及装置
CN107818407A (zh) 任务分配方法、装置、存储介质和计算机设备
CN106548343A (zh) 一种非法交易检测方法及装置
CN109816509A (zh) 评分卡模型的生成方法、终端设备及介质
CN109933501B (zh) 一种应用系统的容量评估方法及装置
CN109859030A (zh) 基于用户行为的风险评估方法、装置、存储介质和服务器
CN106503043A (zh) 一种用于智能机器人的交互数据处理方法
CN106685894B (zh) 一种风险识别方法、装置及系统
CN109977209A (zh) 多轮人机交互方法、系统、计算机及介质
CN103442087B (zh) 一种基于响应时间趋势分析的Web服务系统访问量控制装置和方法
CN108228785A (zh) 设备参数的核查方法和核查装置
CN111325355A (zh) 企业实际控制人的确定方法、装置、计算机设备及介质
CN107705126A (zh) 一种判断交易风险的方法及装置
CN113205412A (zh) 一种智能柜台办理的业务种类的确定方法及相关装置
CN106897807A (zh) 一种业务风险控制方法及设备
CN108363915A (zh) 解锁方法、移动终端及计算机可读存储介质
CN112035570A (zh) 一种商户的评价方法及系统
CN112035569A (zh) 一种商户评分方法及系统
CN114997879B (zh) 一种支付路由方法、装置、设备和存储介质
CN116563035A (zh) 医保数据的分析方法及装置、电子设备和存储介质
CN114971638A (zh) 基于风险识别的交易认证方法及装置
CN113052404A (zh) 一种客户流失率预测方法、装置、电子设备及存储介质
CN111754061A (zh) 控制人机分流的方法、装置、服务器设备及存储介质
CN110210959A (zh) 财务数据的分析方法、装置及存储介质
CN110457355A (zh) 一种数据聚合的方法、装置及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for 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: 20200925

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: 20200925

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

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: Greater Cayman, 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: 20170711