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。