CN107464113A - 交易行为的风险确定方法及装置 - Google Patents

Abstract

本申请公开了一种交易行为的风险确定方法及装置。其中，该方法包括：获取与当前交易行为关联的关联信息；获取所述关联信息所属维度的特征值，其中，所述维度用于反映所述关联信息所属的类型；依据所述特征值和预设基准值确定所述维度的风险系数，其中，该风险系数用于指示所述当前交易行为在所述维度的风险程度。本申请解决了相关技术中无法对商户的交易场景和交易环节进行全面监控，以及不能确定商户的实时交易行为的风险的技术问题。

Description

交易行为的风险确定方法及装置

技术领域

本申请涉及交易安全领域，具体而言，涉及一种交易行为的风险确定方法及装置。

背景技术

在商店的交易过程中，经常会出现收银员作弊的现象，例如，对于餐饮业这种人工流通流量较大的行业，在交易过程中，收银员作弊套现的现象屡见不鲜，并且门店收银员与店长联合作弊的情况也时有发生。而以上现象的存在，给商户的造成了损失，因此对于交易安全的监控、预警和管理是非常重要和必要的。

相关技术中，采用查阅收银台现金交易的报表的手段，以每日对账时发现现金丢失的问题。但是，该方案无法实时确定商户问题发生的时间点和操作人，同时，由于交易场景的多样化，无法帮助商户全面的对各种交易场景以及交易环节进行有效监控，导致不能对商户的实时交易行为的风险进行监控。

针对上述的问题，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交易行为的风险确定方法及装置，以至少解决相关技术中无法对商户的交易场景和交易环节进行全面监控，以及不能确定商户的实时交易行为的风险的技术问题。

根据本申请实施例的一个方面，提供了一种交易行为的风险确定方法，包括：获取与当前交易行为关联的关联信息；获取关联信息所属维度的特征值，其中，维度用于反映关联信息所属的类型；依据特征值和预设基准值确定维度的风险系数，其中，该风险系数用于指示当前交易行为在维度的风险程度。

根据本申请实施例的另一方面，还提供了一种交易行为的风险确定装置，包括：第一获取模块，用于获取与当前交易行为关联的关联信息；第二获取模块，用于获取关联信息所属维度的特征值，其中，维度用于反映关联信息所属的类型；确定模块，用于依据特征值和预设基准值确定维度的风险系数，其中，该风险系数用于指示当前交易行为在维度的风险程度。

根据本申请实施例的又一个方面，提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行以上的交易行为的风险确定方法。

根据本申请实施例的再一个方面，提供了一种处理器，处理器用于运行程序，其中，程序运行时执行以上的交易行为的风险确定方法。

在本申请实施例中，采用利用获取的与当前交易行为关联的关联信息所属维度的特征值，并依据特征值和预设基准值确定当前维度的风险系数的方式，由于考虑了当前交易行为的关联信息，并依据该关联信息的特征值确定当前维度的风险系数，因此，可以对商户的交易环节进行有效监控，同时，可以实时确定当前交易行为在某一维度甚至全部维度的风险，进而解决了相关技术中无法对商户的交易场景和交易环节进行全面监控，以及不能确定商户的实时交易行为的风险的技术问题。

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是根本申请实施例的一种计算机终端的结构示意图；

图2是根本申请实施例的一种交易行为的风险确定方法的流程示意图；

图3是根据本申请实施例的一种可选的交易行为的风险确定方法的流程示意图；

图4为根据本申请实施例的一种交易行为的风险确定装置的结构框图；

图5为根据本申请实施例的另一种计算机终端的结构框图。

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，还提供了一种交易行为的风险确定的方法实施例，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。图1示出了一种用于实现交易行为的风险确定方法的计算机终端(或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b，……，102n来示出)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。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。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。

应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。

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方法对应的程序指令/数据存储装置，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(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。

在上述运行环境下，本申请提供了如图2所示的交易行为的风险确定方法。图2是根据本申请实施例一的交易行为的风险确定方法的流程图。

步骤S202，获取与当前交易行为关联的关联信息；

在一个可选实施例中，上述关联信息可以包括以下至少之一信息：当前交易行为所对应对象的消费次数，上述当前交易行为所对应对象的享受优惠次数，上述当前交易行为对应的消费金额，上述当前交易行为所对应对象的交易撤销次数、上述当前交易行为所对应账户的余额变化量。例如，在消费者使用会员卡付款时，会对该会员卡中的相关维度的信息进行更新和统计，对会员卡的享受优惠次数减1，或者对具有储值功能的会员卡中的余额进行更新(即当前余额减去本次消费的金额)。

步骤S204，获取上述关联信息所属维度的特征值，其中，上述维度用于反映上述关联信息所属的类型。

在一次交易行为的执行过程中，会涉及多维度信息的改变，例如，在消费者(为便于统计，可以是商户的会员)完成一次消费后，其会员身份所对应消费次数、总消费金额、享受优惠次数等维度信息均会发生改变，例如在上述关联信息表示消费次数时，其所属的维度便属于消费次数，即上述关联信息为反映消费次数的信息，此时，上述特征值的具体取值，表示消费次数的具体取值。例如，上述特征值为5时，表示上述消费次数为5，即当前会员已经在该商户消费了5次。

步骤S206，依据上述特征值和预设基准值确定上述维度的风险系数，其中，该风险系数用于指示上述当前交易行为在上述维度的风险程度。

在一个可选实施例中，上述预设基准值可以通过经验值确定，也可以根据商户需求灵活设定。另外，步骤S206中确定上述风险系数的方式有多种，例如，采用将上述特征值相加或相乘的形式，将计算结果作为风险系数。例如，在一段时间内(例如1天)某一会员消费者的消费次数为6次，预设基准值5次，则认为消费次数这个维度上的风险系数为30。由于风险系数确定了，这样，可以依据实际需求设置报警的触发条件。例如在消费次数为8，预设基准值为7，此时风险系数为56，大于预设阈值50，需要报警。

根据本申请的又一个可选实施例，步骤S206也可以通过以下方式实现：获取上述特征值的平均值和标准差；依据上述特征值、上述平均值和标准差确定上述风险系数。例如：通过以下公式确定上述风险系数：

r＝(x–mu)/sigma，其中，r表示上述风险系数，x表示上述特征值，mu表示上述平均值，sigma表示上述标准差。

在一个可选实施例中，上述特征值包但不限于每个维度操作量和变化率，即上述特征值的平均值和标准差可以为每个维度的操作量和变化率两者分别对应的平均值和标准差。

在一个可选实施例中，上述当前交易行为对应于多类上述关联信息，每类上述关联信息对应一个维度；依据上述特征值和预设基准值确定上述维度的风险系数之后，获取为每个维度分配的权重；依据上述权重和上述风险系数确定上述维度的风险值，依据多类上述关联信息对应的多个上述风险值确定上述当前交易行为对应的总风险值；依据上述总风险值确定上述当前交易行为的风险程度。可选地，每个维度的权重可以是依据历史记录通过特定的数学模型确定的权重，也可以是依据经验人工确定的权重；在权重确定后，可以将其存储至一个数据库中，在使用该权重时，直接从该数据库读取。

在一个可选实施例中，上述当前交易行为的风险程度可以通过以下方式确定：比较上述总风险值和预设阈值的大小；在上述总风险值大于第一预设阈值时，则确定上述当前交易行为为第一类型；在上述总风险值小于第一预设阈值时，则确定上述当前交易行为为第二类型，其中，上述第一类型的风险程度高于上述第二类型的风险程度。

在一个可选实施例中，上述当前交易行为对应的总风险值，可以通过以下方式确定，但不限于此：获取多个上述风险值的乘积值，将上述乘积值作为上述总风险值。

依据上述特征值和预设基准值确定上述维度的风险系数之前，需要确定上述预设基准值，而该预设基准值依据商户类型的不同而不同，例如，商户类型为餐馆时，交易行为较多，则可以将预设基准值设置的稍大一些，而家具商户交易行为会相对较少，可以将上述预设基准值设置的稍小一些。即在一个可选实施例中，上述确定预设基准值的过程可以通过以下方式实现，但不限于此：确定产生上述当前交易行为的商户类型；确定与上述商户类型对应的基准值，将该基准值作为上述预设基准值。

可选地，上述关联信息包括以下至少之一：上述当前交易行为所对应对象的消费次数，上述当前交易行为所对应对象的享受优惠次数，上述当前交易行为对应的消费金额，上述当前交易行为所对应对象的交易撤销次数、上述当前交易行为所对应账户的余额变化量。

正如上面，依据上述特征值和预设基准值确定上述维度的风险系数之后，可以利用上述风险系数进行预警，例如可以采用以下过程进行预警：比较上述风险系数和第二预设阈值的大小；在上述风险系数大于上述第二预设阈值时，进行告警。

以下结合一个具体应用场景说明一下本申请实施例的一个应用场景，如图3所示：

步骤S302，商户的终端接收到收银员输入的会员账号或者通过扫描终端采集的会员账号信息；

步骤S304，终端接收收银员输入的会员消费者本次消费的金额，并建立会员账户与消费金额的对应关系；

步骤S306，依据本次消费行为更新会员账户关联的上述会员消费者的关联信息(包括但不限于消费次数、消费总额等)；

步骤S308，获取关联信息所属维度的特征值，其中，维度用于反映关联信息所属的类型；

步骤S310，依据特征值和预设基准值确定维度的风险系数，其中，该风险系数用于指示当前交易行为在维度的风险程度。

需要说明的是，步骤S310是可以交由网络侧设备来实现的，这样可以节省本地终端的运行资源，当然步骤S310也可以设置在本地的终端中，例如，该终端可以为一个安装了特定应用的计算机，该特定应用至少用于执行步骤S310，也可以执行步骤S302-S306。

需要说明的是，对于前述的各方法实施例，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交易行为的风险确定方法的装置，如图4所示，该装置包括：

第一获取模块40，用于获取与当前交易行为关联的关联信息；

第二获取模块42，用于获取上述关联信息所属维度的特征值，其中，上述维度用于反映上述关联信息所属的类型；

确定模块44，用于依据上述特征值和预设基准值确定上述维度的风险系数，其中，该风险系数用于指示上述当前交易行为在上述维度的风险程度。

此处需要说明的是，上述各个模块对应于实施例1中的步骤S202至步骤S206，各个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块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。

在一个可选实施例中，上述各个模块可以表现为以下硬件实现方式：上述各个模块位于同一处理器中；或者，上述各个模块以任意组合的方式位于不同的处理器中。

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。

在本实施例中，上述计算机终端可以执行交易行为的风险确定方法中以下步骤的程序代码：获取与当前交易行为关联的关联信息；获取关联信息所属维度的特征值，其中，维度用于反映关联信息所属的类型；依据特征值和预设基准值确定维度的风险系数，其中，该风险系数用于指示当前交易行为在维度的风险程度。

可选地，图5是根据本申请实施例的一种计算机终端的结构框图。如图5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50、存储器52、以及传输装置54。

其中，存储器52可用于存储软件程序以及模块，如本申请实施例中的安全漏洞检测方法和装置对应的程序指令/模块，处理器50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，即实现上述的系统漏洞攻击的检测方法。存储器52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50可以通过传输装置调用存储器52存储的信息及应用程序，以执行下述步骤：获取与当前交易行为关联的关联信息；获取关联信息所属维度的特征值，其中，维度用于反映关联信息所属的类型；依据特征值和预设基准值确定维度的风险系数，其中，该风险系数用于指示当前交易行为在维度的风险程度。

可选地，上述处理器还可以执行如下步骤的程序代码：获取特征值的平均值和标准差；依据特征值、平均值和标准差确定风险系数。

可选地，上述处理器还可以执行如下步骤的程序代码：通过以下公式确定风险系数：r＝(x–mu)/sigma，其中，r表示风险系数，x表示特征值，mu表示平均值，sigma表示标准差。

可选地，当前交易行为对应于多类关联信息，每类关联信息对应一个维度，此时，上述处理器还可以执行如下步骤的程序代码：获取为每个维度分配的权重；依据权重和风险系数确定维度的风险值，依据多类关联信息对应的多个风险值确定当前交易行为对应的总风险值；依据总风险值确定当前交易行为的风险程度。

可选地，上述处理器还可以执行如下步骤的程序代码：比较总风险值和预设阈值的大小；在总风险值大于第一预设阈值时，则确定当前交易行为为第一类型；在总风险值小于第一预设阈值时，则确定当前交易行为为第二类型，其中，第一类型的风险程度高于第二类型的风险程度。

可选地，上述处理器还可以执行如下步骤的程序代码：获取多个风险值的乘积值，将乘积值作为总风险值。

可选地，上述处理器还可以执行如下步骤的程序代码：依据特征值和预设基准值确定维度的风险系数之前，确定产生当前交易行为的商户类型；确定与商户类型对应的基准值，将该基准值作为预设基准值。

上述处理器还可以执行如下步骤的程序代码：依据特征值和预设基准值确定维度的风险系数之后，比较风险系数和第二预设阈值的大小；在风险系数大于第二预设阈值时，进行告警。

采用本申请实施例，提供了一种交易行为的风险确定的方案，解决了相关技术中无法对商户的交易场景和交易环节进行全面监控，以及不能确定商户的实时交易行为的风险的技术问题。

本领域普通技术人员可以理解，图5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、掌声电脑以及移动互联网设备(MobileInternet Devices，MID)、PAD等终端设备。图其并不对上述电子装置的结构造成限定。例如，计算机终端A还可包括比图5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5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(RandomAccess 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交易行为的风险确定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：获取与当前交易行为关联的关联信息；获取关联信息所属维度的特征值，其中，维度用于反映关联信息所属的类型；依据特征值和预设基准值确定维度的风险系数，其中，该风险系数用于指示当前交易行为在维度的风险程度。

可选的，存储介质被设置为存储用于执行以下步骤的程序代码：获取特征值的平均值和标准差；依据特征值、平均值和标准差确定风险系数。

可选的，存储介质被设置为存储用于执行以下步骤的程序代码：通过以下公式确定风险系数：r＝(x–mu)/sigma，其中，r表示风险系数，x表示特征值，mu表示平均值，sigma表示标准差。

可选的，当前交易行为对应于多类关联信息，每类关联信息对应一个维度，此时，上述处理器还可以执行如下步骤的程序代码：获取为每个维度分配的权重；依据权重和风险系数确定维度的风险值，依据多类关联信息对应的多个风险值确定当前交易行为对应的总风险值；依据总风险值确定当前交易行为的风险程度。

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：比较总风险值和预设阈值的大小；在总风险值大于第一预设阈值时，则确定当前交易行为为第一类型；在总风险值小于第一预设阈值时，则确定当前交易行为为第二类型，其中，第一类型的风险程度高于第二类型的风险程度。

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：获取多个风险值的乘积值，将乘积值作为总风险值。

可选地，上存储介质被设置为存储用于执行以下步骤的程序代码：依据特征值和预设基准值确定维度的风险系数之前，确定产生当前交易行为的商户类型；确定与商户类型对应的基准值，将该基准值作为预设基准值。

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：依据特征值和预设基准值确定维度的风险系数之后，比较风险系数和第二预设阈值的大小；在风险系数大于第二预设阈值时，进行告警。

实施例5

本申请的实施例还提供了一种处理器。可选地，在本实施例中，上述处理器可以用于执行上述实施例1所提供的交易行为的风险确定方法所执行的程序代码。

可选地，上述处理器还可以执行如下步骤的程序代码：获取特征值的平均值和标准差；依据特征值、平均值和标准差确定风险系数。

可选地，上述处理器还可以执行如下步骤的程序代码：通过以下公式确定风险系数：r＝(x–mu)/sigma，其中，r表示风险系数，x表示特征值，mu表示平均值，sigma表示标准差。

可选地，当前交易行为对应于多类关联信息，每类关联信息对应一个维度，此时，上述处理器还可以执行如下步骤的程序代码：获取为每个维度分配的权重；依据权重和风险系数确定维度的风险值，依据多类关联信息对应的多个风险值确定当前交易行为对应的总风险值；依据总风险值确定当前交易行为的风险程度。

可选地，上述处理器还可以执行如下步骤的程序代码：比较总风险值和预设阈值的大小；在总风险值大于第一预设阈值时，则确定当前交易行为为第一类型；在总风险值小于第一预设阈值时，则确定当前交易行为为第二类型，其中，第一类型的风险程度高于第二类型的风险程度。

可选地，上述处理器还可以执行如下步骤的程序代码：获取多个风险值的乘积值，将乘积值作为总风险值。

可选地，上述处理器还可以执行如下步骤的程序代码：依据特征值和预设基准值确定维度的风险系数之前，确定产生当前交易行为的商户类型；确定与商户类型对应的基准值，将该基准值作为预设基准值。

上述处理器还可以执行如下步骤的程序代码：依据特征值和预设基准值确定维度的风险系数之后，比较风险系数和第二预设阈值的大小；在风险系数大于第二预设阈值时，进行告警。

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，例如所述单元的划分，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。

所述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。

所述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-Only Memory)、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 (12)

1.一种交易行为的风险确定方法，其特征在于，包括：

获取与当前交易行为关联的关联信息；

获取所述关联信息所属维度的特征值，其中，所述维度用于反映所述关联信息所属的类型；

依据所述特征值和预设基准值确定所述维度的风险系数，其中，该风险系数用于指示所述当前交易行为在所述维度的风险程度。

2.根据权利要求1所述的方法，其特征在于，依据所述特征值和预设基准值确定所述维度的风险系数，包括：

获取所述特征值的平均值和标准差；

依据所述特征值、所述平均值和标准差确定所述风险系数。

3.根据权利要求2所述的方法，其特征在于，依据所述特征值、所述平均值和标准差确定所述风险系数，包括：通过以下公式确定所述风险系数：

r＝(x–mu)/sigma，其中，r表示所述风险系数，x表示所述特征值，mu表示所述平均值，sigma表示所述标准差。

4.根据权利要求1所述的方法，其特征在于，所述当前交易行为对应于多类所述关联信息，每类所述关联信息对应一个维度；依据所述特征值和预设基准值确定所述维度的风险系数之后，所述方法还包括：

获取为每个维度分配的权重；依据所述权重和所述风险系数确定所述维度的风险值，

依据多类所述关联信息对应的多个所述风险值确定所述当前交易行为对应的总风险值；

依据所述总风险值确定所述当前交易行为的风险程度。

5.根据权利要求4所述的方法，其特征在于，依据所述总风险值确定所述当前交易行为的风险程度，包括：

比较所述总风险值和预设阈值的大小；

在所述总风险值大于第一预设阈值时，则确定所述当前交易行为为第一类型；在所述总风险值小于第一预设阈值时，则确定所述当前交易行为为第二类型，其中，所述第一类型的风险程度高于所述第二类型的风险程度。

6.根据权利要求4所述的方法，其特征在于，依据多类所述关联信息对应的多个所述风险值确定所述当前交易行为对应的总风险值，包括：

获取多个所述风险值的乘积值，将所述乘积值作为所述总风险值。

7.根据权利要求1所述的方法，其特征在于，依据所述特征值和预设基准值确定所述维度的风险系数之前，所述方法还包括：

确定产生所述当前交易行为的商户类型；

确定与所述商户类型对应的基准值，将该基准值作为所述预设基准值。

8.根据权利要求1至7中任一项所述的方法，其特征在于，所述关联信息包括以下至少之一：

所述当前交易行为所对应对象的消费次数，所述当前交易行为所对应对象的享受优惠次数，所述当前交易行为对应的消费金额，所述当前交易行为所对应对象的交易撤销次数、所述当前交易行为所对应账户的余额变化量。

9.根据权利要求1至7中任一项所述的方法，其特征在于，依据所述特征值和预设基准值确定所述维度的风险系数之后，所述方法还包括：

比较所述风险系数和第二预设阈值的大小；在所述风险系数大于所述第二预设阈值时，进行告警。

10.一种交易行为的风险确定装置，其特征在于，包括：

第一获取模块，用于获取与当前交易行为关联的关联信息；

第二获取模块，用于获取所述关联信息所属维度的特征值，其中，所述维度用于反映所述关联信息所属的类型；

确定模块，用于依据所述特征值和预设基准值确定所述维度的风险系数，其中，该风险系数用于指示所述当前交易行为在所述维度的风险程度。

11.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至9中任意一项所述的交易行为的风险确定方法。

12.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至9中任意一项所述的交易行为的风险确定方法。