CN107844977B - 一种支付方法及装置 - Google Patents
一种支付方法及装置 Download PDFInfo
- Publication number
- CN107844977B CN107844977B CN201710931352.2A CN201710931352A CN107844977B CN 107844977 B CN107844977 B CN 107844977B CN 201710931352 A CN201710931352 A CN 201710931352A CN 107844977 B CN107844977 B CN 107844977B
- Authority
- CN
- China
- Prior art keywords
- payment
- risk score
- transaction
- score value
- value
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012795 verification Methods 0.000 claims abstract description 20
- 238000013527 convolutional neural network Methods 0.000 claims description 19
- 238000013519 translation Methods 0.000 claims description 14
- 230000001133 acceleration Effects 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 10
- 230000001960 triggered effect Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000012502 risk assessment Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012954 risk control Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- 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
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Entrepreneurship & Innovation (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Cash Registers Or Receiving Machines (AREA)
Abstract
本申请公开了一种支付方法及装置,所述方法包括:收款设备获取交易执行主体的支付指令;所述收款设备根据所述支付指令的支付状态风险评分值、支付场景风险评分值、第一历史交易风险评分值及第二历史交易风险评分值中的至少一项,确定所述支付指令的总风险评分值;所述收款设备若确定所述总风险评分值小于预设阈值,则启动身份验证;根据所述身份验证结果,确定是否执行所述支付指令。
Description
技术领域
本申请涉及金融领域,尤其涉及一种支付方法及装置。
背景技术
目前,移动支付的手段越来越多,例如,二维码支付是一种基于密码学算法的支付手段,它将时间、终端、用户等信息通过不可逆算法形成二位码,用于授权支付。二维码支付依赖于二维码的生成算法,若算法外泄或被破解会造成极大的安全问题。由于二维码不依赖于特定介质,可实现非现场支付,这为信用卡套现等非法收款活动提供了便利,增加了追踪难度和监管难度,使得用户的财产安全受到威胁。
因此,目前亟需一种支付方法及装置,以降低移动支付的盗刷风险。
申请内容
本申请实施例提供一种支付方法及装置,以降低移动支付的盗刷风险。
本申请实施例提供一种支付方法,包括:
收款设备获取交易执行主体的支付指令;
所述收款设备根据所述支付指令的支付场景风险评分值、支付状态风险评分值、第一历史交易风险评分值及第二历史交易风险评分值中的至少一项,确定所述支付指令的总风险评分值;其中,所述支付场景风险评分值为根据所述交易执行主体的支付场景信息确定的,所述支付状态风险评分值为根据所述收款设备的支付状态信息确定的,所述第一历史交易风险评分值为根据所述收款设备的历史交易信息确定的,所述第二历史交易风险评分值为根据所述交易执行主体的历史交易信息确定的;
所述收款设备若确定所述总风险评分值小于预设阈值,则启动身份验证;根据所述身份验证结果,确定是否执行所述支付指令。
一种可能的实现方式,所述收款设备可以根据以下方式确定所述支付场景风险评分值:
所述收款设备将所述交易执行主体在发送所述支付指令时的M张照片作为所述支付场景信息;
所述收款设备确定所述支付场景信息与所述交易执行主体预设的K张照片的相似度,根据所述相似度确定所述支付指令的支付场景风险评分值;所述M、K为大于0的正整数。
一种可能的实现方式,所述收款设备可以根据以下方式确定所述支付状态风险评分值,包括:
所述收款设备获取所述收款设备在所述支付指令触发时的所述收款设备的水平状态数据、垂直状态数据、俯仰角度数据、加速度数据、平移数据的一项或多项支付状态信息;
所述收款设备将所述支付状态信息输入至卷积神经网络模型中进行训练,获得所述卷积神经网络模型输出的支付状态类型值,根据所述支付状态类型值确定所述支付指令的支付状态风险评分值。
一种可能的实现方式,所述收款设备可以根据以下方式确定所述第一历史交易风险评分值,包括:
所述收款设备获取所述收款设备在第一预设时间段内的历史交易信息;所述第一预设时间段内的历史交易信息包括所述收款设备在第一预设时间段内的总交易数量和有效交易数量;
所述收款设备根据所述有效交易数量与所述总交易数量的商确定所述第一历史交易风险评分值。
一种可能的实现方式,所述收款设备根据以下方式确定所述第二历史交易风险评分值,包括:
所述收款设备获取所述交易执行主体在第二预设时间段内的历史交易信息,所述交易执行主体的历史交易信息包括所述交易执行主体在第二预设时间段内的总交易数量和有效交易数量;
所述收款设备根据所述有效交易数量与所述总交易数量的商确定所述第二历史交易风险评分值。
在具体实施过程中,所述支付指令的总风险评分值E可以根据以下公式确定:
E=ae1+be2+ce3+de4
其中,e1为所述支付场景风险评分值,e2为所述支付状态风险评分值,e3为所述第一历史交易风险评分值,e4为所述第二历史交易风险评分值;所述a、b、c、d为对应的e1、e2、e3、e4的权重,所述a、b、c、d的取值范围为[0,1]。
一种可能的实现方式,所述方法还包括:所述收款设备若确定所述总风险评分值大于所述预设阈值,则执行所述支付指令。
本申请实施例提供一种支付装置,包括:
收款模块,用于获取交易执行主体的支付指令;
控制模块,用于根据所述支付指令的支付场景风险评分值、支付状态风险评分值、第一历史交易风险评分值及第二历史交易风险评分值中的至少一项,确定所述支付指令的总风险评分值;其中,所述支付场景风险评分值为根据所述交易执行主体的支付场景信息确定的,所述支付状态风险评分值为根据所述收款设备的支付状态信息确定的,所述第一历史交易风险评分值为根据所述收款设备的历史交易信息确定的,所述第二历史交易风险评分值为根据所述交易执行主体的历史交易信息确定的;
所述控制模块,用于若确定所述总风险评分值小于预设阈值,则启动身份验证;根据所述身份验证结果,确定是否执行所述支付指令。
一种可能的实现方式,所述控制模块具体用于:
将所述交易执行主体在发送所述支付指令时的M张照片作为所述支付场景信息;
确定所述支付场景信息与所述交易执行主体预设的K张照片的相似度,根据所述相似度确定所述支付指令的支付场景风险评分值;所述M、K为大于0的正整数。
一种可能的实现方式,所述控制模块具体用于:
获取所述收款设备在所述支付指令触发时的所述收款设备的水平状态数据、垂直状态数据、俯仰角度数据、加速度数据、平移数据的一项或多项支付状态信息;
将所述支付状态信息输入至卷积神经网络模型中进行训练,获得所述卷积神经网络模型输出的支付状态类型值,根据所述支付状态类型值确定所述支付指令的支付状态风险评分值。
一种可能的实现方式,所述控制模块具体用于:
获取所述收款设备在第一预设时间段内的历史交易信息;所述第一预设时间段内的历史交易信息包括所述收款设备在第一预设时间段内的总交易数量和有效交易数量;
根据所述有效交易数量与所述总交易数量的商确定所述第一历史交易风险评分值。
一种可能的实现方式,所述控制模块具体用于:
获取所述交易执行主体在第二预设时间段内的历史交易信息,所述交易执行主体的历史交易信息包括所述交易执行主体在第二预设时间段内的总交易数量和有效交易数量;
根据所述有效交易数量与所述总交易数量的商确定所述第二历史交易风险评分值。
在具体实施过程中,所述支付指令的总风险评分值E可以根据以下公式确定:
E=ae1+be2+ce3+de4
其中,e1为所述支付场景风险评分值,e2为所述支付状态风险评分值,e3为所述第一历史交易风险评分值,e4为所述第二历史交易风险评分值;所述a、b、c、d为对应的e1、e2、e3、e4的权重,所述a、b、c、d的取值范围为[0,1]。
一种可能的实现方式,所述控制模块还用于:
所述收款设备若确定所述总风险评分值大于所述预设阈值,则执行所述支付指令。
本申请实施例提供一种方法及装置,根据获取的支付指令,生成的支付场景风险评分值、支付状态风险评分值、第一历史交易风险评分值及第二历史交易风险评分值中的至少一项,确定所述支付指令的总风险评分值。若确定所述总风险评分值小于预设阈值,则启动身份验证。根据所述身份验证结果,确定是否执行所述支付指令。通过不同的风险评分类型确定总的风险评分值,进而实现风险控制,减少了用户在移动支付时的盗刷的可能,有效的保护了用户的财产安全。
附图说明
图1为本申请实施例提供的一种支付方法的流程示意图;
图2为本申请实施例提供的一种支付方法的示意图;
图3为本申请实施例提供的一种装置结构示意图。
具体实施方式
近距离无线通讯(Near Field Communication,NFC)是一种短距高频的无线电通信,可以实现在几厘米距离内的通信,NFC支付与现有非接触智能卡兼容后,成为越来越多主要厂商支持的正式标准。NFC技术提供各种设备间轻松、安全、迅速而自动的通信,可应用于门禁、公交、移动支付等领域。用户只要将具有NFC功能的设备靠近收款设备,并输入密码确认交易或者直接接收交易即可,给人们的工作及生活带来了很大的便利,可用于商场、交通等非接触移动支付应用中。
用于NFC移动支付的交易执行主体可以为带有NFC支付功能的中国金融集成电路IC卡,也可以为基于移动终端的NFC电子现金卡或是基于移动终端的其他NFC支付方式,例如移动终端支持Apple Pay,SamSung Pay,Huawei Pay,Mi Pay等NFC支付的虚拟卡。所述移动终端可以为手机、平板、智能手环、笔记本等支持NFC支付的移动终端,在此不做限定。NFC电子现金卡是一种为方便用户进行小额免密消费。NFC电子现金卡可以对用户己有银行借记卡账号进行关联,通过预存的方式(即对电子现金卡进行充值),将借记卡账号的资金写入电子现金卡中,其他虚拟卡可以关联持卡人的信用卡、借记卡等银行卡进行NFC移动支付,而且不需要输入支付密码就可以完成支付,使得支付过程更加快速便捷。
NFC支付的支付场景需要在现场进行,不使用移动网络而是使用NFC射频通道实现与收款设备的本地通讯。现有的支付系统中会采用加密的手段对NFC卡内的支付相关敏感信息进行加密存储,这种防护措施能够有效防止第三方盗刷NFC支付卡。相比于二维码支付,NFC支付克服了二维码支付依赖于算法和移动网络的弊端,可以保证较高的交易安全性。但是,这样的快捷支付存在一定的安全隐患。它无法防止支持NFC支付的商家进行卡内资金的恶意盗刷,尤其针对小额支付等不需要输入密码的情形,以及不设置支付密码的NFC支付卡支付情形。由于商家持有对NFC支付卡内信息进行解密的刷卡设备,只要携带该设备在卡的近处扫描,便可以很容易实现盗刷,给用户使用移动支付带来风险和经济上的损失。本申请实施例提供一种支付方法及装置,以降低移动支付的盗刷风险。
如图1所示,本申请实施例提供的一种支付方法的流程示意图,包括以下步骤:
步骤101:收款设备获取交易执行主体的支付指令;
步骤102:所述收款设备根据所述支付指令的支付场景风险评分值、支付状态风险评分值、第一历史交易风险评分值及第二历史交易风险评分值中的至少一项,确定所述支付指令的总风险评分值;
步骤103:所述收款设备若确定所述总风险评分值小于预设阈值,则启动身份验证;根据所述身份验证结果,确定是否执行所述支付指令。
所述预设阈值的具体取值,可以根据收款设备和/或交易执行主体的实际情况确定,在此不再逐一举例说明。
在步骤101中,所述收款设备可以为支持NFC支付的收款设备,也可以为销售终端(point of sale,POS)、收款机、刷卡机等支持NFC支付的收款设备,在此不再逐一举例说明。所述收款设备首先发送激活NFC支付的射频信号,用于触发所述交易执行主体的支付功能,所述交易执行主体在接收到所述射频信号后,发送所述支付指令至所述收款设备,所述支付指令包括所述交易执行主体的个人账户信息。
所述收款设备根据所述支付指令中包含的所述个人用户信息,确定所述交易执行主体的类型为IC卡还是移动终端,用于所述总风险评分值的确定以及执行所述支付指令。此处的总风险评分值的含义为所述收款设备接收到的所述支付指令的可信度,若所述总风险评分值越大,则所述支付指令的可信度越大,即表明执行所述支付指令导致的所述执行主体被盗刷的风险就越低;相应的,若所述总风险评分值越小,则所述支付指令的可信度越小,即表明执行所述支付指令导致的所述执行主体被盗刷的风险就越高。
在步骤102中,所述支付场景风险评分值为根据所述交易执行主体的支付场景信息确定的,所述支付状态风险评分值为根据所述收款设备的支付状态信息确定的,所述第一历史交易风险评分值为根据所述收款设备的历史交易信息确定的,所述第二历史交易风险评分值为根据所述交易执行主体的历史交易信息确定的。
一种可能的实现方式,所述收款设备根据以下方式确定所述支付场景风险评分值,包括如下步骤:
步骤一、所述收款设备将所述交易执行主体在发送所述支付指令时的M张照片作为所述支付场景信息;
步骤二、所述收款设备确定所述支付场景信息与所述交易执行主体预设的K张照片的相似度,根据所述相似度确定所述支付指令的支付场景风险评分值;所述M、K为大于0的正整数。
在步骤一的具体实施过程中,所述收款设备在接收到所述支付指令后,可以通过触发所述收款设备的摄像头模块,对所述交易执行主体连续拍摄M张照片,将所述M张照片作为所述支付场景信息。
若所述M张照片中在所述交易执行主体的前方出现了遮挡物,意味着该支付场景可能为盗刷场景。换句话说,若是在用户知晓所述交易执行主体在进行NFC支付的支付场景下,用户在近距离接触所述收款设备的过程中,不会在所述收款设备的摄像头拍摄的方向上,在所述交易执行主体和所述收款设备之间出现遮挡物。而出现遮挡物的情况应为在用户不知情的情况下出现的支付场景,例如所述交易执行主体位于用户的口袋或包中,此时,所述M张照片可能只能拍摄到部分或完全不能拍摄到所述交易执行主体。
在步骤二中,所述收款设备对所述M张照片的每一张照片进行图像识别,确定所述支付场景交易风险评价值e1:
为了排除用户在正常支付场景中,手持所述交易执行主体时出现误遮挡而导致误判的可能,所述收款设备可以根据在t1到t2的时间段内所述收款设备的摄像头拍摄到的所有图片,根据图片质量及时间分布选取M张图片。所述t1可以为所述收款设备获取到所述支付指令的时刻,所述t1-t2的时间段可以为预设的风险评价时间段;或者,所述t2可以为所述收款设备发送所述NFC支付至所述交易执行主体的时刻,所述t1可以为所述收款设备获取到所述支付指令的时刻;或者,根据实际应用选择合适的时刻,在此不做限定。
其中,所述时间分布可以根据均匀分布的方式选择,也可以根据其他分布方式选择。具体的选择方案可根据实际应用场景进行优化选择。
所述收款设备根据所述支付指令中包含的所述个人用户信息,确定所述交易执行主体的类型为IC卡还是移动终端等信息。所述收款设备根据所述交易执行主体的个人用户信息挑选出所述交易执行主体在所述收款设备中预设的K张照片。根据所述图像识别函数,确定所述M张照片中所述交易执行主体预设的K张照片的相似度。所述相似度越低,则表明所述M张照片可能只能拍摄到部分或完全不能拍摄到所述交易执行主体,意味着所述交易执行主体的前方或周围出现遮挡物,则当前支付场景为盗刷的可能性就越高,因此,设置所述支付场景交易风险评价值e1越低。所述e1的取值范围可以为[0,100],也可以根据实际应用场景的需要设定。
一种可能的实现方式,所述收款设备根据以下方式确定所述支付状态风险评分值,可以包括以下步骤:
步骤一、所述收款设备获取所述收款设备在所述支付指令触发时的所述收款设备的水平状态数据、垂直状态数据、俯仰角度数据、加速度数据、平移数据的一项或多项支付状态信息;
步骤二、所述收款设备将所述支付状态信息输入至卷积神经网络模型中进行训练,获得所述卷积神经网络模型输出的支付状态类型值,根据所述支付状态类型值确定所述支付指令的支付状态风险评分值。
在步骤一中,所述收款设备可以以所述收款设备为参考系建立3维坐标系。例如,如图2所示,建立所述收款设备的3维坐标系。所述水平状态数据表示收款设备201左侧或右侧翘起的角度值。当收款设备201绕着自身x轴旋转时,所述水平状态数据将会发生变化,其取值范围为[-90°,90°]。当z轴正向朝着x轴正向旋转时,所述水平状态数据为负值;当z轴正向朝着x轴负向旋转时,所述水平状态数据为正值。
所述垂直状态数据,表示收款设备201顶部或尾部相对于水平放置时的状态翘起的角度值。若收款设备201绕着自身的x轴旋转,所述垂直状态数据会发生变化,其变化范围为[-180°,180°]。当z轴正向朝着y轴正向旋转时,所述垂直状态数据为正值;当z轴正向朝着y轴负向旋转时,所述垂直状态数据为负值。
在一种可能的场景中,将收款设备201的正面朝上水平放在桌子上,如果桌子是完全水平的,所述垂直状态数据为0°。若从收款设备201的顶部抬起,直到将收款设备201沿x轴旋转180°(正面向下水平放在桌面上),这个过程中,所述垂直状态数据会从0°变化到-180°。若从收款设备201底部开始抬起,直到将收款设备201沿x轴旋转180°(正面向下水平放在桌面上),所述垂直状态数据的值会从0°变化到180°。
一种可能的实现方式,所述水平状态数据和所述垂直状态数据可以根据所述收款设备的重力感应设备,在接收到所述支付指令后,对所述收款设备的所述水平状态数据和所述垂直状态数据进行收集。
所述加速度数据,表示所述收款设备在接收到所述交易执行主体的支付指令后的一段时间内的运动加速度情况。在具体实施过程中,所述加速度数据可以根据所述收款设备中的加速度传感器确定,通过所述加速度传感器可以确定所述收款设备在地面坐标系的三个方向上的加速度值。
所述俯仰角数据,表示所述收款设备在地面坐标系中,所述收款设备在地面坐标系中的三个方向上的角度值,进而确定所述收款设备在地面坐标系中的位置信息。在具体实施过程中,所述俯仰角数据可以根据陀螺仪传感器确定,通过陀螺仪在地面坐标系上的角速度可以确定所述收款设备在地面坐标系中,所述收款设备在地面坐标系中的三个方向上的角度值。
所述平移数据,表示在预设平移时间段内平移的距离。所述预设平移时间段可以为接收到所述交易执行主体的支付指令后的一个时间段。在具体实施过程中,所述平移数据可通过全球定位系统(Global Positioning System,GPS)的传感器确定所述收款设备的位置信息在所述预设平移时间段内的平移值确定,也可以根据所述加速度数据、所述俯仰角数据等数据确定。
举例来说,若所述收款设备为静止状态,所述交易执行主体为加速的状态,则当前场景可能为所述交易执行主体进行主动靠近所述收款设备来完成支付的场景,那么该场景有很大的可能为正常的交易场景。若所述收款设备为主动靠近所述交易执行主体的状态,且所述交易执行主体保持静止的场景下,所述收款设备有很大的可能处于盗刷的交易场景。
由于现实中支付的应用场景多样,因此,根据所述收款设备的某几个数据限制在一定的预设范围内确定是否为正常的交易场景,非常容易出现误判,导致用户频繁进行二次验证,带来了不好的用户体验。相比于现有技术中由于交易的交易场景的多样性,造成所述收款设备对某些交易场景的识别错误,增加盗刷交易误识别的概率。本申请通过卷积神经网络模型的深度学习特性,能够分析不同交易场景下的所述收款设备的特征,并综合考虑所述收款设备在支付时的各种状态信息,确定所述收款设备的支付状态数据的特征值,提高识别的准确性。
因此,在步骤二中,通过将所述收款设备将所述支付状态信息输入至卷积神经网络模型中进行训练,获得所述卷积神经网络模型输出的支付状态类型值,根据所述支付状态类型值确定所述支付指令的支付状态风险评分值。
所述卷积神经网络模型为根据所述收款设备在进行交易时获得的所述支付状态信息,进行训练得到的支付状态信息类型的识别模型,通过所述卷积神经网络模型,可以很好的识别出所述收款设备是否为正常交易场景,还是盗刷场景,准确率高,极大的降低了误判的可能。
举例来说,所述收款设备可以根据设备状态分析函数确定所述支付状态风险评价值e2:
其中,则表示在t3到t4的时间段内所述收款设备的支付状态信息,dv表示所述收款设备的水平状态数据,dh表示所述收款设备的垂直状态数据,da表示所述收款设备的加速度数据,dθ表示所述收款设备的俯仰角数据,dl表示所述收款设备的平移数据。一种可能的实现方式中,所述t3可以为所述收款设备获取到所述支付指令的时刻,所述t3-t4的时间段可以为预设的支付状态时间段;或者,所述t4可以为所述收款设备发送所述NFC支付至所述交易执行主体的时刻,所述t3可以为所述收款设备获取到所述支付指令的时刻;或者,根据实际应用选择合适的时间段,在此不做限定。
可选的,所述预设的风险评价时间段可以与所述预设的支付状态时间段相同,即t3=t1,t4=t2。
所述为所述收款设备通过所述收款设备在交易时记录的所述收款设备的支付状态信息,利用卷积神经网络模型进行训练得到的设备状态识别分析函数,所述卷积神经网络模型可以为深度学习框架Caffe模型。所述模型的输出值为输入的所述收款设备的支付状态信息的特征识别值,若所述特征识别值为正常支付状态的可信度更高,则所述支付状态风险评价值e2则为较高值;若所述特征识别值为异常支付状态的可信度更高,则所述支付状态风险评价值e2则为较低值。
一种可能的实现方式,所述收款设备可以根据以下方式确定所述第一历史交易风险评分值,包括以下步骤:
步骤一、所述收款设备获取所述收款设备在第一预设时间段内的历史交易信息;所述第一预设时间段内的历史交易信息包括所述收款设备在第一预设时间段内的总交易数量和有效交易数量;
步骤二、所述收款设备根据所述有效交易数量与所述总交易数量的商确定所述第一历史交易风险评分值。
在步骤一中,所述收款设备可以向所述收款设备所属的交易平台发送获取所述收款设备在第一预设时间段内的交易情况数据的指令,获取所述收款设备在第一预设时间段内的历史交易信息。例如,所述收款设备可以在t5到t6的时间内接收所述收款设备所属的交易平台记录的所述收款设备的有效的交易数量,即不含退单、盗刷举报等不良信息的交易数量;所述总交易数量可以为在t5到t6的时间内交易平台所记录的所述收款设备的总交易数量。
在步骤二的具体实施过程中,所述收款设备可以通过所述第一预设时间段内的历史交易信息确定所述收款设备的历史交易风险评价值e3:
其中,所述第一预设时间段可以为在t5到t6的时间段,可以为在t5到t6的时间段内所述收款设备在其所属的交易平台上的有效交易数量,所述有效交易数量可以为不含退单、盗刷举报等不良信息的交易数量;可以为在t5到t6的时间段内所述收款设备在其所属的交易平台上的总交易数量。
根据所述收款设备的历史交易风险评价值e3可以确定所述收款设备是否有经常盗刷的行为,若所述e3的值较低,则可以确定所述收款设备具有较高的盗刷风险。
一种可能的实现方式,所述收款设备可以根据以下方式确定所述第二历史交易风险评分值,包括以下步骤:
步骤一、所述收款设备获取所述交易执行主体在第二预设时间段内的历史交易信息,所述交易执行主体的历史交易信息包括所述交易执行主体在第二预设时间段内的总交易数量和有效交易数量;
步骤二、所述收款设备根据所述有效交易数量与所述总交易数量的商确定所述第二历史交易风险评分值。
在步骤一中,所述收款设备根据所述支付指令读取到所述交易执行主体的个人账户信息后,根据所述个人账户信息向所述收款设备所属的交易平台获取所述交易执行主体在第二预设时间段内的历史交易信息。
在步骤二中,所述收款设备可以根据所述交易执行主体的历史交易信息,确定出所述交易执行主体的历史交易风险评价值e4:
其中,表示在t7到t8的时间段内所述收款设备所属的交易平台所记录的所述交易执行主体的有效交易数量,即不含退单、盗刷举报等不良信息的交易数量;表示在t7到t8的时间段内所述收款设备所属的交易平台所记录的的所述交易执行主体的总交易数量。
可选的,所述第一预设时间段和所述第二时间段可以为相同的时间段,即t7=t5,t8=t6。
根据所述交易执行主体的历史交易风险评价值e4可以确定所述交易执行主体是否有经常被盗刷的行为。若所述e4的值较低,则可以确定所述收款设备具有较高的支付风险。例如,若存在经常被盗刷的行为,可能所述交易执行主体已丢失或是存在套现行为。对所述交易执行主体的历史交易信息进行风险评价,有利于对丢失所述交易执行主体的用户及时止损,以及追踪和监管盗刷、套现等非法交易行为。
需要说明的是,所述支付状态风险评分值、所述支付场景风险评分值、所述第一历史交易风险评分值及所述第二历史交易风险评分值的确定方式不分先后顺序,可以同时进行,也就是说,所述支付状态风险评分值、支付场景风险评分值、第一历史交易风险评分值及第二历史交易风险评分值的确定方式是四个独立的过程,可以同时发生,不分先后顺序。
其中,根据所述支付状态风险评分值、支付场景风险评分值、第一历史交易风险评分值及第二历史交易风险评分值的至少一项,确定所述总交易风险评分值。例如,可以是根据其中一项确定总风险评分值;也可以是以加权的方式,有两个或两个以上的风险评分值确定总风险评分值;还可以是只有四个风险评分值都很高,才能确定总风险评分值很高。由于上述方式中综合考虑了四种不同的风险评估方法,由于这四种风险评估方法是四个独立的流程,因此生成的风险评分值相互影响的可能性很小,从而使得总风险评分值更为准确。所述方法可随着支付风险控制维度的增加进行扩展,以此来实现更为精确的风险防范和控制。
一种可能的实现方式,所述支付指令的总风险评分值E根据以下公式确定:
E=ae1+be2+ce3+de4
E,e1,e2,e3,e4∈[0,100]
其中,e1为所述支付场景风险评分值,e2为所述支付状态风险评分值,e3为所述第一历史交易风险评分值,e4为所述第二历史交易风险评分值;a、b、c、d为对应的权重。
由于根据所述收款设备的历史交易信息中的有效交易数量确定的风险评分值更加能够反映所述收款设备是否具体盗刷的高风险。因此,一种可能的实现方式,所述收款设备e2和e3对应的权重b和c的关系,可以根据以下公式确定:
b/c=(1-ω)/ω,
可选的,所述ω可以根据以下公式确定:
其中,所述ω中的参数可以根据实际应用确定,以优化所述风险评价值的确定方式,以提高风险评价的准确度。
所述总风险评价值中的权重可以根据如下公式确定:
a+b+c+d=1
a≥0,b≥0,c≥0,d≥0
需要说明的是,上述确定总风险评分值的方法仅为示例性说明,本申请中总风险评分值也可以是根据其他方式确定,具体不做限定。
在步骤103中,所述收款设备若确定所述总风险评分值小于预设阈值,则启动身份验证;根据所述身份验证结果,确定是否执行所述支付指令。
在具体实施过程中,所述收款设备可以根据不同的交易执行主体启动不同的身份验证。例如,对于应用于移动终端的虚拟卡,所述身份验证可以为启动所述移动终端中的指纹验证流程,对所述支付指令进行身份验证。对于IC卡,所述身份验证可以为,在所述收款设备上显示或发送语音提示“请将IC卡翻转进行刷卡”,同时启用摄像头进行拍照识别,并记录所述交易执行主体的相关信息,所述相关信息可用于优化所述风险评分中的模型,如优化所述支付场景风险评分值的确定,或优化所述交易执行主体的历史交易记录风险评分值的确定。
根据所述身份验证结果,若所述身份验证通过,则执行所述支付指令,完成支付;否则拒绝所述支付指令。针对小额免密支付场景存在较高的盗刷风险的情况,在高风险时启动交易加强验证过程来确保交易的安全,有效的提高了该场景下的安全性。
一种可能的实现方式,所述收款设备若确定所述总风险评分值大于或等于所述预设阈值,则执行所述支付指令。
在具体实施过程中,执行所述支付指令的方式可以根据以下方式进行:
在交易数据生成之前,为支付交易的正常进行提供数据安全保证,所述收款设备通过所述收款设备上专用的NFC微处理芯片存储的敏感数据(解密私钥、数字签名密钥、终端用户身份信息等)验证所述支付指令。若所述支付指令验证成功,则完成支付,生成交易数据。该芯片可以与所述收款设备集成在一起,也可以集成在所述收款设备中的其它智能卡或其他安全设备中,例如SIM卡或SD安全数字记忆卡。与常规智能卡相比,安全模块具备同样的高安全标准可以提供安全存储,安全执行环境和基于硬件的加密算法,提高NFC支付的安全性。
所述收款设备存储所述交易数据的信息,并将所述交易数据导出,写入至所述交易执行主体中。
所述收款设备对内通过读取所述交易数据,对外通过调用IOS7816协议,实现对所述交易执行主体的交易数据的写入。具体的,可以基于ISO7816协议实现NFC通信,封装PBOC、QPBOC等上层协议,可通过SELECT、GPO等指令与IC卡或移动终端交互。
所述收款设备将所述交易数据上报至交易结算系统进行结算处理。具体的,所述交易结算系统根据所述交易数据发起支付订单创建、撤销、查询等业务。根据生成的订单生成转账清单,并将所述转账清单上传至银行系统进行处理。
需要说明的是,所述收款设备可以应用于移动收款设备,例如,小微商户收款及个人面对面转账等应用场景中,也可以应用于大额支付场景中的收款设备中。上述实施例仅为示例性说明,所述收款设备的应用场景在此不做限定。
如图3所示,本申请实施例提供一种支付装置结构示意图。
该装置300,包括:
收款模块301,用于获取交易执行主体的支付指令;
控制模块302,用于根据所述支付指令的支付场景风险评分值、支付状态风险评分值、第一历史交易风险评分值及第二历史交易风险评分值中的至少一项,确定所述支付指令的总风险评分值;其中,所述支付场景风险评分值为根据所述交易执行主体的支付场景信息确定的,所述支付状态风险评分值为根据所述收款设备的支付状态信息确定的,所述第一历史交易风险评分值为根据所述收款设备的历史交易信息确定的,所述第二历史交易风险评分值为根据所述交易执行主体的历史交易信息确定的;
控制模块302,用于若确定所述总风险评分值小于预设阈值,则启动身份验证;根据所述身份验证结果,确定是否执行所述支付指令。
一种可能的实现方式,控制模块302具体用于:
将所述交易执行主体在发送所述支付指令时的M张照片作为所述支付场景信息;
确定所述支付场景信息与所述交易执行主体预设的K张照片的相似度,根据所述相似度确定所述支付指令的支付场景风险评分值;所述M、K为大于0的正整数。
一种可能的实现方式,控制模块302具体用于:
获取所述收款设备在所述支付指令触发时的所述收款设备的水平状态数据、垂直状态数据、俯仰角度数据、加速度数据、平移数据的一项或多项支付状态信息;
将所述支付状态信息输入至卷积神经网络模型中进行训练,获得所述卷积神经网络模型输出的支付状态类型值,根据所述支付状态类型值确定所述支付指令的支付状态风险评分值。
一种可能的实现方式,控制模块302具体用于:
获取所述收款设备在第一预设时间段内的历史交易信息;所述第一预设时间段内的历史交易信息包括所述收款设备在第一预设时间段内的总交易数量和有效交易数量;
根据所述有效交易数量与所述总交易数量的商确定所述第一历史交易风险评分值。
一种可能的实现方式,控制模块302具体用于:
获取所述交易执行主体在第二预设时间段内的历史交易信息,所述交易执行主体的历史交易信息包括所述交易执行主体在第二预设时间段内的总交易数量和有效交易数量;
根据所述有效交易数量与所述总交易数量的商确定所述第二历史交易风险评分值。
在具体实施过程中,所述支付指令的总风险评分值E可以根据以下公式确定:
E=ae1+be2+ce3+de4
其中,e1为所述支付场景风险评分值,e2为所述支付状态风险评分值,e3为所述第一历史交易风险评分值,e4为所述第二历史交易风险评分值;所述a、b、c、d为对应的e1、e2、e3、e4的权重,所述a、b、c、d的取值范围为[0,1]。
一种可能的实现方式,控制模块302还用于:
所述收款设备若确定所述总风险评分值大于所述预设阈值,则执行所述支付指令。
本申请实施例提供一种方法及装置,根据获取的支付指令,生成的支付状态风险评分值、支付场景风险评分值、第一历史交易风险评分值及第二历史交易风险评分值中的至少一项,确定所述支付指令的总风险评分值。若确定所述总风险评分值小于预设阈值,则启动身份验证。根据所述身份验证结果,确定是否执行所述支付指令。通过不同的风险评分类型确定总的风险评分值,进而实现风险控制,减少了用户在移动支付时的盗刷的可能,有效的保护了用户的财产安全。
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精神和范围。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 (11)
1.一种支付方法,其特征在于,包括:
收款设备获取交易执行主体的支付指令;
所述收款设备根据所述支付指令的支付场景风险评分值、支付状态风险评分值、第一历史交易风险评分值及第二历史交易风险评分值,确定所述支付指令的总风险评分值;其中,所述支付场景风险评分值为根据所述交易执行主体的支付场景信息确定的,所述支付状态风险评分值为根据所述收款设备的支付状态信息确定的,所述第一历史交易风险评分值为根据所述收款设备的历史交易信息确定的,所述第二历史交易风险评分值为根据所述交易执行主体的历史交易信息确定的;
所述收款设备根据以下方式确定所述支付场景风险评分值:所述收款设备将所述交易执行主体在发送所述支付指令时的M张照片作为所述支付场景信息;所述收款设备确定所述支付场景信息与所述交易执行主体预设的K张照片的相似度,根据所述相似度确定所述支付指令的支付场景风险评分值;所述M、K为大于0的正整数;
所述支付状态信息为所述收款设备在所述支付指令触发时获取的所述收款设备的水平状态数据、垂直状态数据、俯仰角度数据、加速度数据、平移数据的一项或多项;
所述收款设备若确定所述总风险评分值小于预设阈值,则启动身份验证;根据所述身份验证结果,确定是否执行所述支付指令。
2.如权利要求1所述的方法,其特征在于,所述收款设备根据以下方式确定所述支付状态风险评分值,包括:
所述收款设备将所述支付状态信息输入至卷积神经网络模型中进行训练,获得所述卷积神经网络模型输出的支付状态类型值,根据所述支付状态类型值确定所述支付指令的支付状态风险评分值。
3.如权利要求1所述的方法,其特征在于,所述收款设备根据以下方式确定所述第一历史交易风险评分值,包括:
所述收款设备获取所述收款设备在第一预设时间段内的历史交易信息;所述第一预设时间段内的历史交易信息包括所述收款设备在第一预设时间段内的总交易数量和有效交易数量;
所述收款设备根据所述有效交易数量与所述总交易数量的商确定所述第一历史交易风险评分值。
4.如权利要求1所述的方法,其特征在于,所述收款设备根据以下方式确定所述第二历史交易风险评分值,包括:
所述收款设备获取所述交易执行主体在第二预设时间段内的历史交易信息,所述交易执行主体的历史交易信息包括所述交易执行主体在第二预设时间段内的总交易数量和有效交易数量;
所述收款设备根据所述有效交易数量与所述总交易数量的商确定所述第二历史交易风险评分值。
5.如权利要求1至4任一项所述的方法,其特征在于,所述支付指令的总风险评分值E根据以下公式确定:
E=ae1+be2+ce3+de4
其中,e1为所述支付场景风险评分值,e2为所述支付状态风险评分值,e3为所述第一历史交易风险评分值,e4为所述第二历史交易风险评分值;所述a、b、c、d为对应的e1、e2、e3、e4的权重,所述a、b、c、d的取值范围为[0,1]。
6.如权利要求1至4任一项所述的方法,其特征在于,所述方法还包括:
所述收款设备若确定所述总风险评分值大于所述预设阈值,则执行所述支付指令。
7.一种支付装置,其特征在于,包括:
收款模块,用于获取交易执行主体的支付指令;
控制模块,用于根据所述支付指令的支付场景风险评分值、支付状态风险评分值、第一历史交易风险评分值及第二历史交易风险评分值,确定所述支付指令的总风险评分值;其中,所述支付场景风险评分值为根据所述交易执行主体的支付场景信息确定的,所述支付状态风险评分值为根据所述收款设备的支付状态信息确定的,所述第一历史交易风险评分值为根据所述收款设备的历史交易信息确定的,所述第二历史交易风险评分值为根据所述交易执行主体的历史交易信息确定的;
所述支付场景风险评分值为根据以下方式确定的:将所述交易执行主体在发送所述支付指令时的M张照片作为所述支付场景信息;确定所述支付场景信息与所述交易执行主体预设的K张照片的相似度,根据所述相似度确定所述支付指令的支付场景风险评分值;所述M、K为大于0的正整数;
所述支付状态信息为所述收款设备在所述支付指令触发时获取的所述收款设备的水平状态数据、垂直状态数据、俯仰角度数据、加速度数据、平移数据的一项或多项;
所述控制模块,用于若确定所述总风险评分值小于预设阈值,则启动身份验证;根据所述身份验证结果,确定是否执行所述支付指令。
8.如权利要求7所述的装置,其特征在于,所述控制模块具体用于:
将所述支付状态信息输入至卷积神经网络模型中进行训练,获得所述卷积神经网络模型输出的支付状态类型值,根据所述支付状态类型值确定所述支付指令的支付状态风险评分值。
9.如权利要求7所述的装置,其特征在于,所述控制模块具体用于:
获取所述收款设备在第一预设时间段内的历史交易信息;所述第一预设时间段内的历史交易信息包括所述收款设备在第一预设时间段内的总交易数量和有效交易数量;
根据所述有效交易数量与所述总交易数量的商确定所述第一历史交易风险评分值。
10.如权利要求7所述的装置,其特征在于,所述控制模块具体用于:
获取所述交易执行主体在第二预设时间段内的历史交易信息,所述交易执行主体的历史交易信息包括所述交易执行主体在第二预设时间段内的总交易数量和有效交易数量;
根据所述有效交易数量与所述总交易数量的商确定所述第二历史交易风险评分值。
11.如权利要求7至10任一项所述的装置,其特征在于,所述支付指令的总风险评分值E根据以下公式确定:
E=ae1+be2+ce3+de4
其中,e1为所述支付场景风险评分值,e2为所述支付状态风险评分值,e3为所述第一历史交易风险评分值,e4为所述第二历史交易风险评分值;所述a、b、c、d为对应的e1、e2、e3、e4的权重,所述a、b、c、d的取值范围为[0,1]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710931352.2A CN107844977B (zh) | 2017-10-09 | 2017-10-09 | 一种支付方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710931352.2A CN107844977B (zh) | 2017-10-09 | 2017-10-09 | 一种支付方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107844977A CN107844977A (zh) | 2018-03-27 |
CN107844977B true CN107844977B (zh) | 2021-08-27 |
Family
ID=61662292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710931352.2A Active CN107844977B (zh) | 2017-10-09 | 2017-10-09 | 一种支付方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107844977B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063965A (zh) * | 2018-06-29 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 一种网络支付风险评估方法、装置及服务器 |
CN108985070B (zh) | 2018-07-11 | 2020-07-03 | 阿里巴巴集团控股有限公司 | 风险控制方法、风险控制装置、电子设备和存储介质 |
CN109615340A (zh) * | 2018-12-25 | 2019-04-12 | 广东乐心医疗电子股份有限公司 | 公益活动中的活动数据处理方法及其系统 |
CN111489148B (zh) * | 2019-01-28 | 2023-11-21 | 中国移动通信有限公司研究院 | 风险控制方法及装置、电子设备及存储介质 |
CN110163612B (zh) * | 2019-04-02 | 2023-01-20 | 创新先进技术有限公司 | 一种支付风控方法及装置 |
CN110147999B (zh) * | 2019-04-16 | 2023-01-20 | 创新先进技术有限公司 | 一种交易风险识别方法及装置 |
CN110163587A (zh) * | 2019-04-18 | 2019-08-23 | 平安城市建设科技(深圳)有限公司 | 支付方法、用户设备、存储介质及装置 |
CN110175839B (zh) * | 2019-05-31 | 2023-01-20 | 中国银联股份有限公司 | 支付信息处理方法、装置、设备及计算机可读存储介质 |
CN110443617B (zh) * | 2019-07-10 | 2023-05-02 | 创新先进技术有限公司 | 信息处理方法、装置及计算机设备 |
CN110533297B (zh) * | 2019-08-02 | 2023-04-14 | 中国银联股份有限公司 | 一种识别异常设备的方法及装置 |
CN111340486A (zh) * | 2020-02-19 | 2020-06-26 | 广东小天才科技有限公司 | 一种支付方法及装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2683127A1 (en) * | 2012-07-05 | 2014-01-08 | Alcatel-Lucent | Voucher authorization for cloud server |
CN104408620B (zh) * | 2014-11-13 | 2017-09-22 | 中国科学院数据与通信保护研究教育中心 | 一种安全的nfc支付方法及系统 |
CN105550876A (zh) * | 2015-10-30 | 2016-05-04 | 东莞酷派软件技术有限公司 | 移动支付的监控方法、系统及智能终端 |
CN106651352A (zh) * | 2015-11-03 | 2017-05-10 | 中国移动通信集团公司 | 一种基于近场通信的支付方法及装置 |
CN105678544A (zh) * | 2015-12-31 | 2016-06-15 | 深圳前海微众银行股份有限公司 | 远程开户的风险监控方法及服务器 |
CN106056380A (zh) * | 2016-05-27 | 2016-10-26 | 深圳市雪球科技有限公司 | 移动支付风险控制系统以及移动支付风险控制方法 |
CN106447333A (zh) * | 2016-11-29 | 2017-02-22 | 中国银联股份有限公司 | 一种欺诈交易侦测方法及服务器 |
CN106709712A (zh) * | 2016-12-08 | 2017-05-24 | 努比亚技术有限公司 | 移动终端和nfc支付方法 |
CN106682897B (zh) * | 2016-12-27 | 2020-09-08 | 努比亚技术有限公司 | 确定nfc支付的装置及方法 |
CN106709462A (zh) * | 2016-12-29 | 2017-05-24 | 天津中科智能识别产业技术研究院有限公司 | 一种室内定位方法及其装置 |
CN107045623B (zh) * | 2016-12-30 | 2020-01-21 | 厦门瑞为信息技术有限公司 | 一种基于人体姿态跟踪分析的室内危险情况告警的方法 |
CN107025560A (zh) * | 2017-04-06 | 2017-08-08 | 深圳市金立通信设备有限公司 | 一种支付提醒方法及终端 |
CN107194318B (zh) * | 2017-04-24 | 2020-06-12 | 北京航空航天大学 | 目标检测辅助的场景识别方法 |
-
2017
- 2017-10-09 CN CN201710931352.2A patent/CN107844977B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107844977A (zh) | 2018-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107844977B (zh) | 一种支付方法及装置 | |
US10853809B2 (en) | System and method for conducting secure electronic transactions | |
US20210326837A1 (en) | Systems and methods for using an internet of things device presence to authenticate a cardholder for a financial transaction | |
US10706136B2 (en) | Authentication-activated augmented reality display device | |
US11157905B2 (en) | Secure on device cardholder authentication using biometric data | |
TWI508007B (zh) | 安全電子付款系統與方法 | |
CN108475372B (zh) | 用于公共交通的移动设备上的进入控制旁路 | |
CN105447694A (zh) | 通过ce设备的触摸屏接收指纹 | |
EP3186739B1 (en) | Secure on device cardholder authentication using biometric data | |
US20210365954A1 (en) | Transaction card security device | |
CN105556550A (zh) | 用于保护在线交易的验证步骤的方法 | |
CN105447688A (zh) | 利用e-卡交易的ce设备记录来核对银行记录 | |
WO2006121310A1 (en) | Portable usb memory stick having payment function, and payment system using usb memory stick, and method therefor | |
JP2019518265A (ja) | グラフィカルバーコード及びペイメントカードの認証読取データを使用してユーザを識別するためのシステム及び方法 | |
US20120271764A1 (en) | Financial trade method and trade system using mobile device for the same | |
US11153308B2 (en) | Biometric data contextual processing | |
EP4020360A1 (en) | Secure contactless credential exchange | |
US12051164B2 (en) | Augmented reality at a front-end device | |
US11921832B2 (en) | Authentication by a facial biometric | |
CA3076334A1 (en) | Systems and methods for electronic payments with fraud prevention | |
US12045818B2 (en) | Identity verification using a virtual credential | |
WO2024182284A1 (en) | Reader and encryption device binding with computer | |
KR101701489B1 (ko) | 카드 리더 장치, 카드 정보를 처리하는 휴대용 단말기 및 그 동작 방법 | |
CN111080283A (zh) | 支付方法、支付系统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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |