CN108304739A - Pos终端移机侦测方法以及pos终端移机侦测系统 - Google Patents
Pos终端移机侦测方法以及pos终端移机侦测系统 Download PDFInfo
- Publication number
- CN108304739A CN108304739A CN201711456574.XA CN201711456574A CN108304739A CN 108304739 A CN108304739 A CN 108304739A CN 201711456574 A CN201711456574 A CN 201711456574A CN 108304739 A CN108304739 A CN 108304739A
- Authority
- CN
- China
- Prior art keywords
- pos terminal
- detecting
- telephone
- moving
- posn
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/70—Protecting specific internal or peripheral components, in which the protection of a component leads to protection of the entire computer
- G06F21/88—Detecting or preventing theft or loss
-
- 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
- G06Q20/08—Payment architectures
- G06Q20/20—Point-of-sale [POS] network systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明涉及POS终端移机侦测方法以及,其特征在于,包括下述步骤:POS终端时序关联图谱构建步骤,利用大数据分析技术对持卡人的POS终端刷卡行为轨迹进行分析并构建POS终端时序关联图谱,其中,所述POS终端时序关联图谱表示具有规定关联强度的POS终端的关联图谱;以及移机侦测步骤,基于所述POS终端时序关联图谱中的关联关系的变化判断当前POS终端是否为移机。根据本发明能够有效侦测POS终端是否存在移机风险。
Description
技术领域
本发明涉及POS终端的通信技术,更具体地涉及一种能够侦测POS终端移机的POS终端移机侦测方法以及POS终端移机侦测系统。
背景技术
在与刑侦等公安机关合作开展电信诈骗反欺诈、反洗钱等工作的过程中,了解到犯罪分子作案手法越来越灵活和专业化,比如伪造商户信息成功申请到携带POS终端,并经常携带POS终端流窜到各个地方进行作案;制作伪卡进行盗刷,给持卡人造成很大的损失。
另一方面,随着第三方和互联网公司不断加大对收单市场投入,受理市场竞争越来越激烈,收单市场乱象频现,导致交易数据中存在很多不真实的收单信息,进而影响面向商户和持卡人开展有针对性的精准营销等增值服务,障碍公司向数据服务型公司转型。
目前针对POS终端移机的监控技术例如有如下技术:
(1)专利文献1:其公开号为CN102982626A,其中揭示了一种通过判断POS终端前后交易的网络接入路由设备的MAC地址是否一致来判断POS终端是否存在移机情况。
(2)专利文献2:其公开号位CN102739674A,其中揭示了一种通过判断POS接入网络的号码是否一致来判断POS终端是否存在移机情况。
但是针对上述(1),不法分子可以伪造MAC地址来规避侦测,针对上述(2),不法分子也可以通过伪造接入号码来规避侦测。
发明内容
鉴于所述问题,本发明旨在提出一种不法分子难以规避并且不需要增加硬件模块就能够有效侦测POS终端移机的POS终端移机侦测方法以及POS终端移机侦测系统。
本发明的POS终端移机侦测方法,其特征在于,包括下述步骤:
POS终端时序关联图谱构建步骤,利用大数据分析技术对持卡人的POS终端刷卡行为轨迹进行分析并构建POS终端时序关联图谱,其中,所述POS终端时序关联图谱表示具有规定关联强度的POS终端的关联图谱;以及
移机侦测步骤,基于所述POS终端时序关联图谱中的关联关系的变化判断当前POS终端是否为移机。
优选地,所述关联强度以在不同POS终端之间通过刷卡间隔时间来定义,或者,所述关联强度以在不同POS终端之间满足关联关系的刷卡数量来定。
优选地,在所述POS终端时序关联图谱构建步骤中,构建移机侦测前后的POS终端时序关联图谱,
在所述移机侦测步骤中,基于移机侦测前后的POS终端时序关联图谱的相似度判断判断当前POS终端是否为移机。
优选地,所述移机侦测步骤包括下述子步骤:
第一计算子步骤,基于侦测前的POS终端时序关联图谱计算POSn在指定刷卡可达时间段内的关联POS终端列表,记为POSn原始关联列表;
第二计算子步骤,在侦测时段内,基于侦测后的POS终端时序关联图谱计算POSn在指定刷卡可达时间段内的关联POS终端列表,记为POSn侦测关联列表;以及
判断子步骤,判断所述POSn侦测关联列表与所述POSn原始关联列表的相似性并且基于相似性判断该POSn是否为移机。
优选地,所述判断步骤包括下述内容:
判断所述POSn侦测关联列表是否为所述POSn原始关联列表的子集,若是子集则判断不存在移机,若不是子集则继续下述子步骤;
计算不在POSn原始关联列表中的POS终端数量Num1,并针对每一个不在关联列表中的POS终端,计算不在POSn原始关联列表中的POS终端数量Num1,并针对每一个不在关联列表中的POS终端,计算各自在指定刷卡可达时间段内的关联POS终端列表POSList,计算该POS终端列表POSList与POSn原始关联列表是否存在交集,如果存在,则计数加1,最终遍历完Num1个POS终端后,计数结果记为Num2;
基于Num1和Num2计算POS终端移机概率P;以及
当移机概率P大于预设阈值,则判定为存在移机,否则判定为不存在移机。
优选地,所述基于Num1和Num2计算POS终端移机概率P基于下述公式进行:
P=Num2/Num1。
本发明的POS终端移机侦测系统,其特征在于,具备:
时序关联图谱构建模块,用于利用大数据分析技术对持卡人的POS终端刷卡行为轨迹进行分析并构建POS终端时序关联图谱,其中,所述POS终端时序关联图谱表示具有规定关联强度的POS终端的关联图谱;以及
移机侦测模块,用于基于所述POS终端时序关联图谱中的关联关系的变化判断当前POS终端是否为移机。
优选地,所述时序关联图谱构建模块构建移机侦测前后的POS终端时序关联图谱,
所述移机侦测模块基于移机侦测前后的POS终端时序关联图谱的相似度判断判断当前POS终端是否为移机。
优选地,所述移机侦测模块具备:
终端列表获取模块,基于侦测前的POS终端时序关联图谱计算POS终端在指定刷卡可达时间段内的关联POS终端列表,记为POSn原始关联列表,并且,在侦测时段内,基于侦测后的POS终端时序关联图谱计算在指定刷卡可达时间段内的关联POS终端列表,记为POSn侦测关联列表;以及
判断模块,判断所述POSn侦测关联列表与所述POSn原始关联列表的相似性并且基于相似性判断该POSn是否为移机。
优选地,所述判断模块判断所述POSn侦测关联列表是否为所述POSn原始关联列表的子集,若是子集则判断不存在移机,若不是子集则计算不在POSn原始关联列表中的POS终端数量Num1,并针对每一个不在关联列表中的POS终端,计算各自在指定刷卡可达时间段内的关联POS终端列表POSList,计算该POS终端列表POSList与POSn原始关联列表是否存在交集,如果存在,则计数加1,最终遍历完Num1个POS终端后,计数结果记为Num2,根据Num1和Num2计算POS终端移机概率P,并且,当移机概率P大于预设阈值,则判定为存在移机,否则判定为不存在移机。
本发明进一步提供一种计算机可读介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现上述的POS终端移机侦测方法。
本发明进一步提供一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1~7中任意一项上述的POS终端移机侦测方法的步骤。
如上所述,根据本发明的POS终端移机侦测方法以及POS终端移机侦测系统,能够防止不法分子通过伪造MAC地址或者伪造接入号码来规避侦测,能够有效地对于POS终端的移机行为进行侦测。
附图说明
图1是表示本发明的POS终端移机侦测方法的示意图。
图2是表示POS终端时序关联图谱的一个示例图。
图3表示POS终端在指定的“刷卡可达时段”的关联POS终端列表。
图4是表示本发明的一具体实施方式的POS终端移机侦测方法的流程图。
图5是表示本发明的POS终端移机侦测系统的构造示意图。
具体实施方式
下面介绍的是本发明的多个实施例中的一些,旨在提供对本发明的基本了解。并不旨在确认本发明的关键或决定性的要素或限定所要保护的范围。
图1是表示本发明的POS终端移机侦测方法的示意图。
如图1所示,本发明的POS终端移机侦测方法包括下述步骤:
POS终端时序关联图谱构建步骤S100:利用大数据分析技术对持卡人的POS终端刷卡行为轨迹进行分析并构建POS终端时序关联图谱,其中,所述POS终端时序关联图谱表示具有规定关联强度的POS终端的关联图谱;以及
移机侦测步骤S200:基于所述POS终端时序关联图谱中的关联关系的变化判断当前POS终端是否为移机。
首先,对于POS终端时序关联图谱构建步骤S100进行说明。
在POS终端时序关联图谱构建步骤S100中,关键需要对于本发明的POS终端时序关联图谱进行说明。
POS终端时序关联图谱是指利用大数据技术分析持卡人的刷卡消费行为轨迹的变化,从而挖掘并构建POS终端时序关联图谱。
图2是表示POS终端时序关联图谱的一个示例图。在图2中直线表示刷卡可达时间5分钟,虚线表示刷卡可达时间10分钟,点划线表示刷卡可达时间15分钟。
根据图2所示的POS终端时序关联图谱的分析,可以提炼出POS1~POS6的每一个POS终端在指定的“刷卡可达时段”的关联POS终端列表,即在图3中表示了每一个POS终端在指定的“刷卡可达时段”的关联POS终端列表。
如图3所示,对于POS1来说,在15分钟刷卡可达的关联终端有POS2、POS3、POS4和POS6;对于POS1来说,在15分钟刷卡可达的关联终端有POS1、POS5和POS6;对于POS3来说,在15分钟刷卡可达的关联终端有POS1;对于POS4来说,在15分钟刷卡可达的关联终端有POS1和POS5;对于POS5来说,在15分钟刷卡可达的关联终端有POS4和POS2;对于POS6来说,在15分钟刷卡可达的关联终端有POS1和POS2。
这样,针对某一台待侦测POS终端,利用图计算技术挖掘在不同时段内与该POS终端“刷卡可达”的POS终端。这里的“刷卡可达”是指持卡人在该POS终端上刷完卡后一定时段内(如5分钟、10分钟、15分钟,当然时间长短可以根据需要进行设定)还去了哪些POS终端刷卡,或者说在其他POS终端上刷完卡后,在一定时段内又在该POS终端上进行了刷卡消费。
如参照图1和图2所说明,可以这样定义POS终端时序关联图谱中的关联关系:如果同一张银行卡在指定刷卡可达时段内在不同的POS终端上进行了消费,则认为这些POS终端存在关联关系。
进一步,对于关联关系的关联强度可以如下这样表示:不同POS终端之间的关联强度可以通过刷卡间隔时间来表示,也可以通过两台POS终端间满足关联关系定义的银行卡数量来表示。
通过在POS终端时序关联图谱构建步骤S100中构建移机侦测前后的POS终端时序关联图谱,则在移机侦测步骤S200中,基于POS终端时序关联图谱,分析POS终端关联关系的变化情况,计算出侦测前后的时序关联图谱的相似度,从而用于判断该POS终端是否为移机。
接着对于本发明的一具体实施方式的POS终端移机侦测方法进行说明。
图4是表示本发明的一具体实施方式的POS终端移机侦测方法的流程图。
其中,图4所示的是仅移机侦测步骤的具体过程。而未图示在此之前进行的POS终端时序关联图谱构建步骤,在该POS终端时序关联图谱构建步骤中,构建移机侦测前后的POS终端时序关联图谱。在图4所示的移机侦测步骤中,基于移机侦测前后的POS终端时序关联图谱的相似度判断判断当前POS终端是否为移机。
接着参照图4对于移机侦测步骤进行说明。
在步骤S10中,基于侦测前的POS终端时序关联图谱计算在指定数卡可达时间段内的关联POS终端列表,记为POSn原始关联列表。
在步骤S11中,侦测时,在侦测时段内,计算在指定刷卡可达时间段内的关联POS终端列表,记为POSn侦测关联列表。
在步骤S12中,判断所述POSn侦测关联列表是否为所述POSn原始关联列表的子集,若是子集则进入步骤S13,否则进入步骤S14。
在步骤S13中判断不存在移机情况。
在步骤S14中,计算不在POSn原始关联列表中的POS终端数量Num1,并针对每一个不在关联列表中的POS终端,计算各自在指定刷卡可达时间段内的关联POS终端列表POSList。
在步骤S15中,计算该POS终端列表POSList与POSn原始关联列表是否存在交集,如果存在,则计数加1,最终遍历完Num1个POS终端后,计数结果记为Num2。
在步骤S16中,计算POS终端移机概率P。
在步骤S17中,判断移机概率P是否大于移机阈值,当移机概率P大于预设阈值,则在步骤S18中判定为存在移机,否则在步骤S19中判定为不存在移机。
这里,对于步骤S16中计算POS终端移机概率P的方式例如有:
基于下述公式,根据Num1和Num2计算POS终端移机概率P,
P=Num2/Num1。
另外,关于移机阈值P,在本发明中并不对其进行具体限定,而是可以具体情况设定为任意值。例如,可以通过对海量移机黑名单数据进行训练,从而计算出最佳阈值,并随着业务的开展进行优化。当然也可以直接具体设定为具体值,例如在上述计算移机阈值计算方式中,可以先推荐设置为0.5,之后也可以根据多次试验,调整该阈值数值大小。
以上对于本发明的POS终端移机侦测方法进行了说明。接着,对于本发明的POS终端移机侦测系统进行说明。
图5是表示本发明的POS终端移机侦测系统的构造示意图。
如图5所示,POS终端移机侦测系统具备:
时序关联图谱构建模块100,用于利用大数据分析技术对持卡人的POS终端刷卡行为轨迹进行分析并构建POS终端时序关联图谱,其中,所述POS终端时序关联图谱表示具有规定关联强度的POS终端的关联图谱;以及
移机侦测模块200,用于基于所述POS终端时序关联图谱中的关联关系的变化判断当前POS终端是否为移机。
进一步,其中,移机侦测模块200具备:
终端列表获取模块210,用于基于侦测前的POS终端时序关联图谱计算POS终端在指定刷卡可达时间段内的关联POS终端列表,记为POSn原始关联列表以及用于在侦测时段内基于侦测后的POS终端时序关联图谱计算在指定刷卡可达时间段内的关联POS终端列表,记为POSn侦测关联列表;以及
判断模块220,判断所述POSn侦测关联列表与所述POSn原始关联列表的相似性并且基于相似性判断该POSn是否为移机。
其中,判断模块220判断所述POSn侦测关联列表是否为所述POSn原始关联列表的子集,若是子集则判断不存在移机,若不是子集则计算不在POSn原始关联列表中的POS终端数量Num1,并针对每一个不在关联列表中的POS终端,计算各自在指定刷卡可达时间段内的关联POS终端列表POSList,计算该POS终端列表POSList与POSn原始关联列表是否存在交集,如果存在,则计数加1,最终遍历完Num1个POS终端后,计数结果记为Num2,根据Num1和Num2计算POS终端移机概率P,并且,当移机概率P大于预设阈值,则判定为存在移机,否则判定为不存在移机。
其中,判断模块220根据于Num1和Num2按照下述公式计算POS终端移机概率P:
P=Num2/Num1。
进一步,本发明还提供一种计算机可读介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现上述的POS终端移机侦测方法。
再者,本发明还提供一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1~7中任意一项上述的POS终端移机侦测方法的步骤。
如上所述,根据本发明的POS终端移机侦测方法以及POS终端移机侦测系统,能够防止不法分子通过伪造MAC地址或者伪造接入号码来规避侦测,能够有效地对于POS终端的移机行为进行侦测。
以上例子主要说明了本发明的POS终端移机侦测方法以及POS终端移机侦测系统。尽管只对其中一些本发明的具体实施方式进行了描述,但是本领域普通技术人员应当了解,本发明可以在不偏离其主旨与范围内以许多其他的形式实施。因此,所展示的例子与实施方式被视为示意性的而非限制性的,在不脱离如所附各权利要求所定义的本发明精神及范围的情况下,本发明可能涵盖各种的修改与替换。
Claims (13)
1.一种POS终端移机侦测方法,其特征在于,包括下述步骤:
POS终端时序关联图谱构建步骤,利用大数据分析技术对持卡人的POS终端刷卡行为轨迹进行分析并构建POS终端时序关联图谱,其中,所述POS终端时序关联图谱表示具有规定关联强度的POS终端的关联图谱;以及
移机侦测步骤,基于所述POS终端时序关联图谱中的关联关系的变化判断当前POS终端是否为移机。
2.如权利要求1所述的POS终端移机侦测方法,其特征在于,
所述关联强度以在不同POS终端之间通过刷卡间隔时间来定义,或者,所述关联强度以在不同POS终端之间满足关联关系的刷卡数量来定。
3.如权利要求1所述的POS终端移机侦测方法,其特征在于,
在所述POS终端时序关联图谱构建步骤中,构建移机侦测前后的POS终端时序关联图谱,
在所述移机侦测步骤中,基于移机侦测前后的POS终端时序关联图谱的相似度判断判断当前POS终端是否为移机。
4.如权利要求1~3任意一项所述POS终端移机侦测方法,其特征在于,所述移机侦测步骤包括下述子步骤:
第一计算子步骤,基于侦测前的POS终端时序关联图谱计算POSn在指定刷卡可达时间段内的关联POS终端列表,记为POSn原始关联列表;
第二计算子步骤,在侦测时段内,基于侦测后的POS终端时序关联图谱计算POSn在指定刷卡可达时间段内的关联POS终端列表,记为POSn侦测关联列表;以及
判断子步骤,判断所述POSn侦测关联列表与所述POSn原始关联列表的相似性并且基于相似性判断该POSn是否为移机。
5.如权利要求4所述的POS终端移机侦测方法,其特征在于,
所述判断步骤包括下述内容:
判断所述POSn侦测关联列表是否为所述POSn原始关联列表的子集,若是子集则判断不存在移机,若不是子集则继续下述子步骤;
计算不在POSn原始关联列表中的POS终端数量Num1,并针对每一个不在关联列表中的POS终端,计算各自在指定刷卡可达时间段内的关联POS终端列表POSList,计算该POS终端列表POSList与POSn原始关联列表是否存在交集,如果存在,则计数加1,最终遍历完Num1个POS终端后,计数结果记为Num2;
基于Num1和Num2计算POS终端移机概率P;以及
当移机概率P大于预设阈值,则判定为存在移机,否则判定为不存在移机。
6.如权利要求5所述的POS终端移机侦测方法,其特征在于,
所述基于Num1和Num2计算POS终端移机概率P基于下述公式进行:
P=Num2/Num1。
7.一种POS终端移机侦测系统,其特征在于,具备:
时序关联图谱构建模块,用于利用大数据分析技术对持卡人的POS终端刷卡行为轨迹进行分析并构建POS终端时序关联图谱,其中,所述POS终端时序关联图谱表示具有规定关联强度的POS终端的关联图谱;以及
移机侦测模块,用于基于所述POS终端时序关联图谱中的关联关系的变化判断当前POS终端是否为移机。
8.如权利要求7所述的POS终端移机侦测系统,其特征在于,
所述时序关联图谱构建模块构建移机侦测前后的POS终端时序关联图谱,
所述移机侦测模块基于移机侦测前后的POS终端时序关联图谱的相似度判断判断当前POS终端是否为移机。
9.如权利要求8所述的POS终端移机侦测系统,其特征在于,
所述移机侦测模块具备:
终端列表获取模块,用于基于侦测前的POS终端时序关联图谱计算POS终端在指定刷卡可达时间段内的关联POS终端列表,记为POSn原始关联列表以及用于在侦测时段内基于侦测后的POS终端时序关联图谱计算在指定刷卡可达时间段内的关联POS终端列表,记为POSn侦测关联列表;以及
判断模块,判断所述POSn侦测关联列表与所述POSn原始关联列表的相似性并且基于相似性判断该POSn是否为移机。
10.如权利要求9所述的POS终端移机侦测系统,其特征在于,
所述判断模块判断所述POSn侦测关联列表是否为所述POSn原始关联列表的子集,若是子集则判断不存在移机,若不是子集则计算不在POSn原始关联列表中的POS终端数量Num1,并针对每一个不在关联列表中的POS终端,计算各自在指定刷卡可达时间段内的关联POS终端列表POSList,计算该POS终端列表POSList与POSn原始关联列表是否存在交集,如果存在,则计数加1,最终遍历完Num1个POS终端后,计数结果记为Num2,根据Num1和Num2计算POS终端移机概率P,并且,当移机概率P大于预设阈值,则判定为存在移机,否则判定为不存在移机。
11.如权利要求10所述的POS终端移机侦测系统,其特征在于,
所述判断模块中,根据于Num1和Num2计算POS终端移机概率P基于下述公式进行:
P=Num2/Num1。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1~6中任意一项所述的POS终端移机侦测方法。
13.一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1~6中任意一项所述的POS终端移机侦测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711456574.XA CN108304739B (zh) | 2017-12-28 | 2017-12-28 | Pos终端移机侦测方法以及pos终端移机侦测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711456574.XA CN108304739B (zh) | 2017-12-28 | 2017-12-28 | Pos终端移机侦测方法以及pos终端移机侦测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108304739A true CN108304739A (zh) | 2018-07-20 |
CN108304739B CN108304739B (zh) | 2021-08-10 |
Family
ID=62867736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711456574.XA Active CN108304739B (zh) | 2017-12-28 | 2017-12-28 | Pos终端移机侦测方法以及pos终端移机侦测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108304739B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831737A (zh) * | 2012-08-08 | 2012-12-19 | 福建升腾资讯有限公司 | 对pos终端非法移机行为进行监控的方法 |
CN103164802A (zh) * | 2013-03-14 | 2013-06-19 | 北京恒远创智信息技术有限公司 | 基于位置检查的防止非法电子交易的方法和系统 |
CN104363199A (zh) * | 2014-09-30 | 2015-02-18 | 熊文俊 | 基于时间同步码的安全认证方法及时间同步码模块 |
US20150278803A1 (en) * | 2014-03-28 | 2015-10-01 | Google Inc. | Near field communication field detection |
CN105610835A (zh) * | 2015-12-30 | 2016-05-25 | 福建联迪商用设备有限公司 | 蓝牙pos防移机的组网方法及系统 |
CN105931046A (zh) * | 2015-12-16 | 2016-09-07 | 中国银联股份有限公司 | 一种可疑交易节点集合侦测方法及装置 |
CN106504445A (zh) * | 2016-11-07 | 2017-03-15 | 中国银联股份有限公司 | 基于物联网的pos终端监控方法以及监控系统 |
CN106779116A (zh) * | 2016-11-29 | 2017-05-31 | 清华大学 | 一种基于时空数据挖掘的网约车客户征信方法 |
US20170161311A1 (en) * | 2015-12-03 | 2017-06-08 | International Business Machines Corporation | Using knowledge graphs to identify potential inconsistencies in works of authorship |
CN106936997A (zh) * | 2017-03-20 | 2017-07-07 | 华中科技大学鄂州工业技术研究院 | 一种基于社交关系图谱的垃圾语音识别方法和系统 |
CN107431898A (zh) * | 2015-06-08 | 2017-12-01 | 谷歌公司 | 销售点终端地理位置 |
-
2017
- 2017-12-28 CN CN201711456574.XA patent/CN108304739B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831737A (zh) * | 2012-08-08 | 2012-12-19 | 福建升腾资讯有限公司 | 对pos终端非法移机行为进行监控的方法 |
CN103164802A (zh) * | 2013-03-14 | 2013-06-19 | 北京恒远创智信息技术有限公司 | 基于位置检查的防止非法电子交易的方法和系统 |
US20150278803A1 (en) * | 2014-03-28 | 2015-10-01 | Google Inc. | Near field communication field detection |
CN104363199A (zh) * | 2014-09-30 | 2015-02-18 | 熊文俊 | 基于时间同步码的安全认证方法及时间同步码模块 |
CN107431898A (zh) * | 2015-06-08 | 2017-12-01 | 谷歌公司 | 销售点终端地理位置 |
US20170161311A1 (en) * | 2015-12-03 | 2017-06-08 | International Business Machines Corporation | Using knowledge graphs to identify potential inconsistencies in works of authorship |
CN105931046A (zh) * | 2015-12-16 | 2016-09-07 | 中国银联股份有限公司 | 一种可疑交易节点集合侦测方法及装置 |
CN105610835A (zh) * | 2015-12-30 | 2016-05-25 | 福建联迪商用设备有限公司 | 蓝牙pos防移机的组网方法及系统 |
CN106504445A (zh) * | 2016-11-07 | 2017-03-15 | 中国银联股份有限公司 | 基于物联网的pos终端监控方法以及监控系统 |
CN106779116A (zh) * | 2016-11-29 | 2017-05-31 | 清华大学 | 一种基于时空数据挖掘的网约车客户征信方法 |
CN106936997A (zh) * | 2017-03-20 | 2017-07-07 | 华中科技大学鄂州工业技术研究院 | 一种基于社交关系图谱的垃圾语音识别方法和系统 |
Non-Patent Citations (4)
Title |
---|
徐劲等: "关联关系图谱,欺诈风险防范新工具", 《金融电子化》 * |
明略数据: "魔"高一尺,"道"高一丈——详解明略大数据金融反欺诈技术创新", 《金融电子化》 * |
漆桂林等: "知识图谱研究进展", 《情报工程》 * |
陈耕 : "用大数据思维构建支付风险防控体系", 《中国金融家》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108304739B (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11062316B2 (en) | Computer memory management during real-time fraudulent transaction analysis | |
US10796310B2 (en) | Apparatus including data bearing medium for reducing fraud in payment transactions using a black list | |
US11900383B2 (en) | System, method, and computer program product for determining fraud rules | |
US20080191007A1 (en) | Methods and Systems for Identifying Fraudulent Transactions Across Multiple Accounts | |
WO2004079508A3 (en) | Method and system for monitoring transactions | |
CN108734380A (zh) | 风险账户判定方法、装置及计算设备 | |
US20160321679A1 (en) | Device and membership identity matching | |
Zhdanova et al. | No smurfs: Revealing fraud chains in mobile money transfers | |
WO2020064463A1 (en) | An apparatus, computer program and method | |
CN111325619A (zh) | 一种基于联合学习的信用卡欺诈检测模型更新方法及装置 | |
EP3629273B1 (en) | An apparatus, computer program and method | |
CN106415631A (zh) | 用于电子资金转移的装置及系统 | |
CN104794616A (zh) | 一种手机支付安全验证方法 | |
WO2021053646A1 (en) | Detection of presence of malicious tools on mobile devices | |
EP4060563A1 (en) | Automatic profile extraction in data streams using recurrent neural networks | |
US10664841B2 (en) | Method for detecting a risk of replacement of a terminal, corresponding device, program and recording medium | |
Reardon et al. | Visualization of ATM usage patterns to detect counterfeit cards usage | |
CN108304739A (zh) | Pos终端移机侦测方法以及pos终端移机侦测系统 | |
US20220217142A1 (en) | Systems and methods for improving computer identification | |
CN108460587A (zh) | 一种扩展支付途径的系统和方法 | |
US20170109714A1 (en) | Method for detecting and tracking correspondent items from u.s. subsidiaries of international banks | |
Akram et al. | Empirical Evaluation of Ambient Sensors as Proximity Detection Mechanism for Mobile Payments | |
Arora et al. | Fraud Detection Life Cycle Model: A Systematic Fuzzy Approach to Fraud Management | |
CN115147118A (zh) | 基于反向追查的异常账户检测方法及装置 | |
Akram et al. | We Were Wrong: Ambient Sensors Do Not Provide Proximity Evidence for NFC Transactions |
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 |