CN108492112B - 判定虚假资源转移及虚假交易的方法、装置及电子设备 - Google Patents

判定虚假资源转移及虚假交易的方法、装置及电子设备 Download PDF

Info

Publication number
CN108492112B
CN108492112B CN201810063623.1A CN201810063623A CN108492112B CN 108492112 B CN108492112 B CN 108492112B CN 201810063623 A CN201810063623 A CN 201810063623A CN 108492112 B CN108492112 B CN 108492112B
Authority
CN
China
Prior art keywords
data
transaction
resource transfer
false
historical
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
Application number
CN201810063623.1A
Other languages
English (en)
Other versions
CN108492112A (zh
Inventor
程羽
陈弢
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 CN201810063623.1A priority Critical patent/CN108492112B/zh
Publication of CN108492112A publication Critical patent/CN108492112A/zh
Priority to TW107144476A priority patent/TW201933226A/zh
Priority to PCT/CN2019/071113 priority patent/WO2019144808A1/zh
Application granted granted Critical
Publication of CN108492112B publication Critical patent/CN108492112B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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]
    • G06Q30/0623—Item investigation

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请公开了一种判定虚假资源转移及虚假交易的方法、装置及电子设备，用以解决现有技术中确定虚假交易的方法不够优化的问题。该方法包括：获取资源转入方在待验证资源转移前第一预定时间段内的历史资源转移数据、和所述资源转入方在所述待验证资源转移前第二预定时间段内的行为数据；基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移；其中，所述虚假资源转移模型基于历史资源转移训练数据和对应的行为训练数据训练得到。

Description

判定虚假资源转移及虚假交易的方法、装置及电子设备
技术领域
本申请涉及计算机技术领域，尤其涉及一种判定虚假资源转移及虚假交易的方法、装置及电子设备。
背景技术
目前，随着互联网技术的快速发展，诸如京东、淘宝等电商平台逐渐成为人们日常生活中不可缺少的一部分。当买家想要购买某件商品时，可以通过这些电商平台浏览想要购买的商品，并选择某件商品完成交易。大多数买家在选择某件商品时，往往会通过对多个类似的商品进行比较，通常依据其他买家对商品、卖家商户的评价、以及卖家商户的信用积分等信息来判断某个商品是否值得购买。
然而，电商平台上的卖家为了获得对其商户或者某个商品较好的评价，往往会通过不正当方式(比如刷单等虚假交易的方式)获得商品销量、商户评分、信用积分等不当利益，使得买家在购买商品时做出错误的判断，进而妨害买家的权益。
因此，如何准确有效地识别虚假交易越来越成为电商平台亟需解决的重要问题之一。
发明内容
本申请实施例提供了一种判定虚假资源转移及虚假交易的方法、装置及电子设备，以解决现有技术中判定虚假交易的方法不够优化的问题。
为解决上述技术问题，本申请实施例是这样实现的：
第一方面，提出了一种判定虚假资源转移的方法，包括：
获取资源转入方在待验证资源转移前第一预定时间段内的历史资源转移数据、和所述资源转入方在所述待验证资源转移前第二预定时间段内的行为数据；
基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移；
其中，所述虚假资源转移模型基于历史资源转移训练数据和对应的行为训练数据训练得到。
第二方面，提出了一种判定虚假交易的方法，包括：
获取交易支付方在待验证交易前第一预定时间段内的历史交易数据、和所述交易支付方在所述待验证交易前第二预定时间段内的行为数据；
基于所述历史资源转移数据、所述行为数据和虚假交易模型，判定所述待验证交易是否为虚假交易；
其中，所述虚假交易模型基于历史交易训练数据和对应的行为训练数据训练得到。
第三方面，提出了一种判定虚假资源转移的装置，包括：
获取单元，获取资源转入方在待验证资源转移前第一预定时间段内的历史资源转移数据、和所述资源转入方在所述待验证资源转移前第二预定时间段内的行为数据；
判定单元，基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移；
其中，所述虚假资源转移模型基于历史资源转移训练数据和对应的行为训练数据训练得到。
第四方面，提出了一种判定虚假交易的装置，包括：
获取单元，获取交易支付方在待验证交易前第一预定时间段内的历史交易数据、和所述交易支付方在所述待验证交易前第二预定时间段内的行为数据；
判定单元，基于所述历史资源转移数据、所述行为数据和虚假交易模型，判定所述待验证交易是否为虚假交易；
其中，所述虚假交易模型基于历史交易训练数据和对应的行为训练数据训练得到。
第五方面，提出了一种电子设备，该电子设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
获取资源转入方在待验证资源转移前第一预定时间段内的历史资源转移数据、和所述资源转入方在所述待验证资源转移前第二预定时间段内的行为数据；
基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移；
其中，所述虚假资源转移模型基于历史资源转移训练数据和对应的行为训练数据训练得到。
第六方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
获取资源转入方在待验证资源转移前第一预定时间段内的历史资源转移数据、和所述资源转入方在所述待验证资源转移前第二预定时间段内的行为数据；
基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移；
其中，所述虚假资源转移模型基于历史资源转移训练数据和对应的行为训练数据训练得到。
第七方面，提出了一种电子设备，该电子设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
获取资源转入方在待验证资源转移前第一预定时间段内的历史资源转移数据、和所述资源转入方在所述待验证资源转移前第二预定时间段内的行为数据；
基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移；
其中，所述虚假交易模型基于历史交易训练数据和对应的行为训练数据训练得到。
第八方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：
获取资源转入方在待验证资源转移前第一预定时间段内的历史资源转移数据、和所述资源转入方在所述待验证资源转移前第二预定时间段内的行为数据；
基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移；
其中，所述虚假交易模型基于历史交易训练数据和对应的行为训练数据训练得到。
本申请实施例采用上述技术方案至少可以达到下述技术效果：
通过获取资源转入方在待验证资源转移前第一预定时间段内的历史资源转移数据、和资源转入方在待验证资源转移前第二预定时间段内的行为数据，基于获取的历史资源转移数据、行为数据和虚假资源转移模型，判定待验证资源转移是否为虚假资源转移，不仅考虑了资源转入方的历史资源转移数据，还将其在资源转移前的行为数据作为判别识别虚假资源转移的依据，提高了判别虚假资源转移的准确性，达到优化识别虚假资源转移的目的。
通过获取交易支付方在待验证交易前第一预定时间段内的历史交易数据、和交易支付方在待验证交易前第二预定时间段内的行为数据，基于获取的历史交易数据、行为数据和虚假交易模型，判定待验证交易是否为虚假交易，不仅考虑了交易支付方也就是买家的历史交易数据，还将其在交易前的行为数据作为判别识别虚假交易的依据，提高了判别虚假交易的准确性，达到优化识别虚假交易的目的。
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为本说明书一个实施例提供的一种判定虚假资源转移的方法的实现流程示意图；
图2为本说明书一个实施例提供的一种判定虚假交易的方法的实现流程示意图；
图3为本说明书一个实施例提供的一种判定虚假交易的方法的数据处理过程示意图；
图4为本说明书一个实施例提供的一种判定虚假交易的方法中对行为数据进行向量化预处理的过程示意图；
图5为本说明书一个实施例提供的一种电子设备的结构示意图；
图6为本说明书一个实施例提供的另一种电子设备的结构示意图；
图7为本说明书一个实施例提供的一种判定虚假资源转移的装置的结构示意图；
图8为本说明书一个实施例提供的一种判定虚假交易的装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例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，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
为解决现有技术中判定虚假交易的方法不够优化的问题，本说明书实施例提供一种判定虚假资源转移的方法。本说明书实施例提供的判定虚假资源转移的方法的执行主体可以但不限于服务器、个人电脑等能够被配置为执行本发明实施例提供的该方法终端中的至少一种。
为便于描述，下文以该方法的执行主体为能够执行该方法的服务器为例，对该方法的实施方式进行介绍。可以理解，该方法的执行主体为服务器只是一种示例性的说明，并不应理解为对该方法的限定。
具体地，本说明书一个或多个实施例提供的一种判定虚假资源转移的方法的实现流程示意图如图1所示，包括：
步骤110，获取资源转入方在待验证资源转移前第一预定时间段内的历史资源转移数据、和资源转入方在待验证资源转移前第二预定时间段内的行为数据；
其中，历史资源转移数据至少包括下述一种：历史资源转移次数，历史资源转移额度，历史资源转移涉及的资源接收方的数量。在实际应用中，该资源转移比如可以是交易，则历史资源转移数据具体可以包括：历史交易次数，历史交易额度，历史交易涉及的交易接收方也就是卖家或者是商户的数量，单笔交易最大值，单笔交易最小值，单笔交易平均值，日交易最大值，日交易最小值、日交易平均值等等，都可以作为交易支付方也就是买家在此次交易之前的历史交易数据。
其中，行为数据至少包括下述一种：资源转入方浏览的资源接收方的信息、浏览时长、浏览的资源信息，资源接收方的信息至少包括资源接收方的信用值、资源类别、资源价值分布、健康程度。在实际应用中，该行为数据具体可以包括：买家在完成此次交易之前所浏览过的卖家或者商户的信息，以及在各个卖家或者商户浏览时停留的时长，在各个商户中浏览过的商品信息(比如商品的名称、价格等信息)，其中卖家或者商户的信息包括卖家或者商户的信用值、商户中的商品类别、商品的价格分布、以及商户近期(比如近一个月内)被投诉的次数，等等。
此外，第一预定时间段可以是资源转入方在此次资源转移之前的某一时间段，比如在此次资源转移之前的三个月、一个月或者一个星期内的一段时间，第二预定时间段可以是资源转入方在此次资源转移之前的几天或者一天或者几个小时的一段时间，该第一预定时间段和第二预定时间段可以根据实际需求来设定，本说明书一个或多个实施例对此不作具体限定。
应理解，在实际应用中，非虚假资源转移中，大部分买家准备在电商平台购买某一类商品时，往往会浏览与该类商品相关的卖家或者商户，其在浏览这些商品并决定是否要购买时，往往会查看该类商品的价格、对该商品的介绍、其他买家对该商品的评价、以及销售该类商品的卖家或商户的信用值，等等信息。而虚假资源转移中，资源转入方往往是为了一些不当利益为资源接收方也就是一些卖家或者商户刷单并给好评，来提高这些卖家或者商户的信用值，其在完成某一虚假资源转移时，往往不会提前浏览与该类商品相关的卖家或者商户，或者为了隐藏虚假交易的目的，而故意浏览一些与该商品相关的卖家或商户。
尽管虚假资源转移也有这些类似的行为数据，但究其动机与非虚假资源转移在本质上并不相同，这便可以体现在资源转入方在资源转移之前的一系列行为数据中，比如虚假资源转移和非虚假资源转移中的资源转入方在浏览各个卖家或商户中的商品时的浏览时长、查看的卖家或商品的信息内容上就会有较大的差异。本说明书一个或多个实施例基于这一点，不仅考虑了资源转入方在待验证资源转移前的第一预定时间段内的历史资源转移数据，还深究了资源转入方在待验证资源转移前第二预定时间段内的行为数据，从而提高了识别虚假资源转移的准确性，进一步维护了其他资源转入方也就是买家的权益。
步骤120，基于历史资源转移数据、行为数据和虚假资源转移模型，判定待验证资源转移是否为虚假资源转移；其中，虚假资源转移模型基于历史资源转移训练数据和对应的行为训练数据训练得到。
具体来说，基于历史资源转移数据、行为数据和虚假资源转移模型，判定待验证资源转移是否为虚假资源转移，则可以首先根据历史资源转移数据，确定历史资源转移特征数据，并根据行为数据，确定行为特征数据，最后，便可以根据历史资源转移特征数据、行为特征数据和虚假资源转移模型，判定待验证资源转移是否为虚假资源转移。
如图2所示，为本说明书一个或多个实施例所提供的基于历史资源转移数据、行为数据和虚假资源转移模型，判定待验证资源转移是否为虚假资源转移过程示意图。其中，历史资源转移数据包括图2所示的买家信息等数据，该买家信息可以包括买家在此次资源转移之前的第一预定时间段内的资源转移次数、资源转移额度等信息，由于该历史资源转移数据是资源转入方也就是买家在此次资源转移之前的历史资源转移数据，不会再随该资源转入方的行为的变化而变化，因此可以也可以将该历史资源转移数据称为静态数据；行为数据包括图2所示的商户信息、买卖家交易历史和浏览日志等数据，由于该行为数据会随买家行为的变化而变化，因此也可以将该行为数据称为动态数据。
在获取了上述静态数据和动态数据之后，便可以根据该静态数据确定历史资源转移特征数据，根据该动态数据，确定行为特征数据。由于动态数据中可能会包括不能直接用向量表征的数据比如商户地址等数据，因此在根据动态数据，确定行为特征数据时，还需要将动态数据中不能直接用向量表征的数据进行序列数据编码，也就是下文所述的向量化预处理。在分别确定了静态数据和动态数据的特征数据之后，便可以基于这两个特征数据和虚假资源转移模型，将这两个特征数据进行拼接，通过二分类器算法，确定此次的资源转移是否为虚假资源转移。
应理解，由于上述行为数据中可能会包括资源接收方也就是卖家或者商户的ID等不能用向量直接表征的数据，为了便于对行为数据的处理，因此，根据行为数据，确定行为特征数据，则可以首先对行为数据中不能用向量直接表征的数据进行向量化预处理，以将行为数据中的非向量数据转换为向量数据；而由于行为数据中包括多个特征维度的数据，为了统一这些特征维度的数据的量纲，因此还要将经过向量化预处理后的行为数据进行归一化处理，以得到行为特征数据。其中，对行为数据进行向量化预处理的方式可以采用将字符串转换成向量形式的工具比如word2vector算法、embedding算法等。
如图3所示，为本说明书一个或多个实施例提供的对行为数据进行处理的过程示意图，在图3中，可以将行为数据中不能直接用向量表征的数据通过向量化预处理转换为向量形式，如图3中的“点击浏览ID”数据即资源转入方在资源转移前浏览过的某一个商户的ID，由于该数据为“00N5789Y218”即字符串形式，不能直接用向量来表征，为了便于对该行为数据的处理，可以通过word2vector算法将该字符串转换为向量的形式，再将获取的“本次浏览商户信息”和“浏览详情信息”通过向量的形式表征，并将这些表征为向量形式的行为数据拼接为一个多维向量，再通过归一化处理统一量纲。
在基于历史资源转移数据、行为数据和虚假资源转移模型，判定待验证资源转移是否为虚假资源转移之前，可以通过有监督的二分类训练方式和无监督的二分类训练方式两种方式来训练得到虚假资源转移模型：
(1)有监督的二分类训练方式
首先，对历史资源转移训练数据进行归一化处理得到对应的历史资源转移特征数据；再对行为训练数据中不能用向量直接表征的数据进行向量化预处理；然后，将经过向量化预处理后的行为训练数据进行归一化处理，得到对应的行为特征数据；最后，将历史资源转移特征数据、行为特征数据及对应的资源转移类型作为输入，训练得到虚假资源转移模型，其中，资源转移类型包括非虚假资源转移和非虚假资源转移。
在这种方式中，由于资源转移类型包括非虚假资源转移和非虚假资源转移，因此，历史资源转移训练数据和对应的行为训练数据包括：多个非虚假资源转移的资源转入方的历史资源转移数据和对应的行为数据、以及多个虚假资源转移的资源转入方的历史资源转移数据和对应的行为数据；则虚假资源转移模型基于历史资源转移训练数据和对应的行为训练数据训练得到的过程，则可以包括：
步骤i，可以对多个非虚假资源转移的资源转入方的历史资源转移数据进行归一化处理得到对应的多个非虚假资源转移的历史资源转移特征数据，对多个虚假资源转移的资源转入方的历史资源转移数据进行归一化处理得到对应的多个虚假资源转移的历史资源转移特征数据，其中，多个非虚假资源转移的资源转入方的历史资源转移数据为资源转入方在相应的非虚假资源转移前的第一预定时间段内的历史资源转移数据，多个虚假资源转移的资源转入方的历史资源转移数据为资源转入方在相应的虚假资源转移前的第一预定时间段内的历史资源转移数据；
步骤ii，对多个非虚假资源转移中对应的行为数据中不能用向量直接表征的数据进行向量化预处理；对多个虚假资源转移中对应的行为数据中不能用向量直接表征的数据进行向量化预处理，其中，多个非虚假资源转移中对应的行为数据为资源转入方在相应的非虚假资源转移前的第二预定时间段内的行为数据，多个虚假资源转移中对应的行为数据为资源转入方在相应的虚假资源转移前的第二预定时间段内的行为数据；
步骤iii，将经过向量化预处理后的所述多个非虚假资源转移中对应的行为数据进行归一化处理，以得到多个非虚假资源转移中对应的行为特征数据；将经过向量化预处理后的多个虚假资源转移中对应的行为数据进行归一化处理，以得到多个虚假资源转移中对应的行为特征数据；
步骤iv，基于多个非虚假资源转移的历史资源转移特征数据和对应的行为特征数据，以及多个虚假资源转移的历史资源转移特征数据和对应的行为特征数据，训练得到虚假资源转移模型。在实际应用中，虚假资源转移模块可以基于多个非虚假资源转移的历史资源转移特征数据和对应的行为特征数据，以及多个虚假资源转移的历史资源转移特征数据和对应的行为特征数据通过二分类器训练得到，具体训练方式可参考现有技术中相关模型训练方法，不再赘述。
(2)无监督的二分类训练方式
首先对历史资源转移训练数据进行归一化处理得到对应的历史资源转移特征数据；然后，对行为训练数据中不能用向量直接表征的数据进行向量化预处理，并将经过向量化预处理后的行为训练数据进行归一化处理，得到对应的行为特征数据；最后将历史资源转移特征数据、行为特征数据作为输入，按二分类进行聚类训练得到所述虚假资源转移模型，具体训练方式可参考现有技术中相关模型训练方法，不再赘述。
通过获取资源转入方在待验证资源转移前第一预定时间段内的历史资源转移数据、和资源转入方在待验证资源转移前第二预定时间段内的行为数据，基于获取的历史资源转移数据、行为数据和虚假资源转移模型，判定待验证资源转移是否为虚假资源转移，不仅考虑了资源转入方的历史资源转移数据，还将其在资源转移前的行为数据作为判别识别虚假资源转移的依据，提高了判别虚假资源转移的准确性，达到优化识别虚假资源转移的目的。
图4是本说明书的一个实施例提供的判定虚假交易的方法的实施流程示意图，包括：
步骤210，获取交易支付方在待验证交易前第一预定时间段内的历史交易数据、和交易支付方在待验证交易前第二预定时间段内的行为数据；
其中，历史交易数据至少包括下述一种：历史交易次数，历史交易额度，历史交易涉及的交易接收方的数量；行为数据至少包括下述一种：交易支付方浏览的交易接收方的信息、浏览时长、浏览的商品信息，交易接收方的信息至少包括交易接收方的信用值、商品类别、商品价格分布、健康程度。
步骤220，基于历史资源转移数据、行为数据和虚假交易模型，判定待验证交易是否为虚假交易；虚假交易模型基于历史交易训练数据和对应的行为训练数据训练得到。
具体来说，基于历史交易数据、行为数据和虚假交易模型，判定待验证交易是否为虚假交易，则可以首先根据历史交易数据，确定历史交易特征数据；然后，根据行为数据，确定行为特征数据；最后，基于历史交易特征数据、行为特征数据和虚假交易模型，判定待验证交易是否为虚假交易。
可选的，根据行为数据，确定行为特征数据，具体则可以首先，对行为数据中不能用向量直接表征的数据进行向量化预处理；然后，将经过向量化预处理后的行为数据进行归一化处理，以得到行为特征数据。
在基于历史交易数据、行为数据和虚假交易模型，判定待验证交易是否为虚假交易之前，可以通过有监督的二分类训练方式和无监督的二分类训练方式两种方式来训练得到虚假交易模型：
(1)有监督的二分类训练方式
首先，对历史交易训练数据进行归一化处理得到对应的历史交易特征数据；再对行为训练数据中不能用向量直接表征的数据进行向量化预处理；然后，将经过向量化预处理后的行为训练数据进行归一化处理，得到对应的行为特征数据；最后，将历史交易特征数据、行为特征数据及对应的交易类型作为输入，训练得到虚假交易模型，其中，交易类型包括非虚假交易和非虚假交易。
(2)无监督的二分类训练方式
首先对历史交易训练数据进行归一化处理得到对应的历史交易特征数据；然后，对行为训练数据中不能用向量直接表征的数据进行向量化预处理，并将经过向量化预处理后的行为训练数据进行归一化处理，得到对应的行为特征数据；最后将历史交易特征数据、行为特征数据作为输入，按二分类进行聚类训练得到所述虚假交易模型。
图4所示实施例相关步骤的具体实现可参考图1～图3所示实施例中对应的步骤的具体实现，本说明书一个或多个实施例在此不再赘述。
通过获取交易支付方在待验证交易前第一预定时间段内的历史交易数据、和交易支付方在待验证交易前第二预定时间段内的行为数据，基于获取的历史交易数据、行为数据和虚假交易模型，判定待验证交易是否为虚假交易，不仅考虑了交易支付方也就是买家的历史交易数据，还将其在交易前的行为数据作为判别识别虚假交易的依据，提高了判别虚假交易的准确性，达到优化识别虚假交易的目的。
图5是本说明书的一个实施例提供的电子设备的结构示意图。请参考图5，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成判定虚假资源转移的装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取资源转入方在待验证资源转移前第一预定时间段内的历史资源转移数据、和所述资源转入方在所述待验证资源转移前第二预定时间段内的行为数据；
基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移；
其中，所述虚假资源转移模型基于历史资源转移训练数据和对应的行为训练数据训练得到。
上述如本说明书图1所示实施例揭示的判定虚假资源转移的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书一个或多个实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书一个或多个实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1的判定虚假资源转移的方法，本说明书在此不再赘述。
当然，除了软件实现方式之外，本说明书的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
图6是本说明书的一个实施例电子设备的结构示意图。请参考图6，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成判定虚假交易的装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取交易支付方在待验证交易前第一预定时间段内的历史交易数据、和所述交易支付方在所述待验证交易前第二预定时间段内的行为数据；
基于所述历史资源转移数据、所述行为数据和虚假交易模型，判定所述待验证交易是否为虚假交易；
其中，所述虚假交易模型基于历史交易训练数据和对应的行为训练数据训练得到。
上述如本说明书图4所示实施例揭示的判定虚假交易的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书一个或多个实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书一个或多个实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图4的判定虚假交易的方法，本说明书在此不再赘述。
当然，除了软件实现方式之外，本说明书的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
图7是本说明书提供的判定虚假资源转移的装置700的结构示意图。请参考图7，在一种软件实施方式中，判定虚假资源转移的装置700可包括获取单元701、判定单元702，其中：
获取单元701，获取资源转入方在待验证资源转移前第一预定时间段内的历史资源转移数据、和所述资源转入方在所述待验证资源转移前第二预定时间段内的行为数据；
判定单元702，基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移；
其中，所述虚假资源转移模型基于历史资源转移训练数据和对应的行为训练数据训练得到。
在一种实施方式中，所述判定单元702，
根据所述历史资源转移数据，确定历史资源转移特征数据；
根据所述行为数据，确定行为特征数据；
基于所述历史资源转移特征数据、所述行为特征数据和所述虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移。
在一种实施方式中，所述判定单元702，
对所述行为数据中不能用向量直接表征的数据进行向量化预处理；
将经过所述向量化预处理后的行为数据进行归一化处理，以得到所述行为特征数据。
在一种实施方式中，在所述判定单元702基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移之前，所述装置还包括：
第一处理单元703，对所述历史资源转移训练数据进行归一化处理得到对应的历史资源转移特征数据；
第二处理单元704，对所述行为训练数据中不能用向量直接表征的数据进行向量化预处理；
第三处理单元705，将经过所述向量化预处理后的行为训练数据进行归一化处理，得到对应的行为特征数据；
第一训练单元706，将所述历史资源转移特征数据、所述行为特征数据及对应的资源转移类型作为输入，训练得到所述虚假资源转移模型，其中，所述资源转移类型包括虚假资源转移和非虚假资源转移。
在一种实施方式中，在所述判定单元702基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移之前，所述装置还包括：
第四处理单元707，对所述历史资源转移训练数据进行归一化处理得到对应的历史资源转移特征数据；
第五处理单元708，对所述行为训练数据中不能用向量直接表征的数据进行向量化预处理，并将经过所述向量化预处理后的行为训练数据进行归一化处理，得到对应的行为特征数据；
第二训练单元709，将所述历史资源转移特征数据、所述行为特征数据作为输入，按二分类进行聚类训练得到所述虚假资源转移模型。
在一种实施方式中，所述历史资源转移数据至少包括下述一种：
历史资源转移次数，历史资源转移额度，历史资源转移涉及的资源接收方的数量。
在一种实施方式中，所述行为数据至少包括下述一种：
所述资源转入方浏览的资源接收方的信息、浏览时长、浏览的资源信息，所述资源接收方的信息至少包括所述资源接收方的信用值、资源类别、资源价值分布、健康程度。
判定虚假资源转移的装置700能够实现图1～图3的方法实施例的方法，具体可参考图1所示实施例的判定虚假资源转移的方法，不再赘述。
图8是本说明书提供的判定虚假交易的装置800的结构示意图。请参考图8，在一种软件实施方式中，判定虚假交易的装置800可包括获取单元801、判定单元802，其中：
获取单元，获取交易支付方在待验证交易前第一预定时间段内的历史交易数据、和所述交易支付方在所述待验证交易前第二预定时间段内的行为数据；
判定单元，基于所述历史资源转移数据、所述行为数据和虚假交易模型，判定所述待验证交易是否为虚假交易；
其中，所述虚假交易模型基于历史交易训练数据和对应的行为训练数据训练得到。
在一种实施方式中，所述判定单元802，
基于所述历史交易数据、所述行为数据和虚假交易模型，判定所述待验证交易是否为虚假交易，包括：
根据所述历史交易数据，确定历史交易特征数据；
根据所述行为数据，确定行为特征数据；
基于所述历史交易特征数据、所述行为特征数据和所述虚假交易模型，判定所述待验证交易是否为虚假交易。
在一种实施方式中，所述判定单元802，
对所述行为数据中不能用向量直接表征的数据进行向量化预处理；
将经过所述向量化预处理后的行为数据进行归一化处理，以得到所述行为特征数据。
在一种实施方式中，在所述判定单元802基于所述历史交易数据、所述行为数据和虚假交易模型，判定所述待验证交易是否为虚假交易之前，所述装置还包括：
第一处理单元803，对所述历史交易训练数据进行归一化处理得到对应的历史交易特征数据；
第二处理单元804，对所述行为训练数据中不能用向量直接表征的数据进行向量化预处理；
第三处理单元805，将经过所述向量化预处理后的行为训练数据进行归一化处理，得到对应的行为特征数据；
第一训练单元806，将所述历史交易特征数据、所述行为特征数据及对应的交易类型作为输入，训练得到所述虚假交易模型，其中，所述交易类型包括虚假交易和非虚假交易。
在一种实施方式中，在所述判定单元802基于所述历史交易数据、所述行为数据和虚假交易模型，判定所述待验证交易是否为虚假交易之前，所述装置还包括：
第四处理单元807，对所述历史交易训练数据进行归一化处理得到对应的历史交易特征数据；
第五处理单元808，对所述行为训练数据中不能用向量直接表征的数据进行向量化预处理，并将经过所述向量化预处理后的行为训练数据进行归一化处理，得到对应的行为特征数据；
第二训练单元809，将所述历史交易特征数据、所述行为特征数据作为输入，按二分类进行聚类训练得到所述虚假交易模型。
在一种实施方式中，所述历史交易数据至少包括下述一种：
历史交易次数，历史交易额度，历史交易涉及的交易接收方的数量。
在一种实施方式中，所述行为数据至少包括下述一种：
所述交易支付方浏览的交易接收方的信息、浏览时长、浏览的资源信息，所述交易接收方的信息至少包括所述交易接收方的信用值、商品类别、商品价值分布、健康程度。
判定虚假交易的装置800能够实现图4的方法实施例的方法，具体可参考图4所示实施例的判定虚假交易的方法，不再赘述。
总之，以上所述仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的保护范围之内。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

Claims (20)

1.一种判定虚假资源转移的方法，包括：
获取资源转入方在待验证资源转移前第一预定时间段内的历史资源转移数据、和所述资源转入方在所述待验证资源转移前第二预定时间段内的行为数据；
基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移；
其中，所述虚假资源转移模型基于历史资源转移训练数据和对应的行为训练数据训练得到。
2.如权利要求1所述的方法，
基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移，包括：
根据所述历史资源转移数据，确定历史资源转移特征数据；
根据所述行为数据，确定行为特征数据；
基于所述历史资源转移特征数据、所述行为特征数据和所述虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移。
3.如权利要求2所述的方法，根据所述行为数据，确定行为特征数据，包括：
对所述行为数据中不能用向量直接表征的数据进行向量化预处理；
将经过所述向量化预处理后的行为数据进行归一化处理，以得到所述行为特征数据。
4.如权利要求1所述的方法，在基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移之前，所述方法还包括：
对所述历史资源转移训练数据进行归一化处理得到对应的历史资源转移特征数据；
对所述行为训练数据中不能用向量直接表征的数据进行向量化预处理；
将经过所述向量化预处理后的行为训练数据进行归一化处理，得到对应的行为特征数据；
将所述历史资源转移特征数据、所述行为特征数据及对应的资源转移类型作为输入，训练得到所述虚假资源转移模型，其中，所述资源转移类型包括虚假资源转移和非虚假资源转移。
5.如权利要求1所述的方法，在基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移之前，所述方法还包括：
对所述历史资源转移训练数据进行归一化处理得到对应的历史资源转移特征数据；
对所述行为训练数据中不能用向量直接表征的数据进行向量化预处理，并将经过所述向量化预处理后的行为训练数据进行归一化处理，得到对应的行为特征数据；
将所述历史资源转移特征数据、所述行为特征数据作为输入，按二分类进行聚类训练得到所述虚假资源转移模型。
6.如权利要求1-5中任一项所述的方法，
所述历史资源转移数据至少包括下述一种：
历史资源转移次数，历史资源转移额度，历史资源转移涉及的资源接收方的数量。
7.如权利要求1-5中任一项所述的方法，
所述行为数据至少包括下述一种：
所述资源转入方浏览的资源接收方的信息、浏览时长、浏览的资源信息，所述资源接收方的信息至少包括所述资源接收方的信用值、资源类别、资源价值分布、健康程度。
8.一种判定虚假交易的方法，包括：
获取交易支付方在待验证交易前第一预定时间段内的历史交易数据、和所述交易支付方在所述待验证交易前第二预定时间段内的行为数据；
基于所述历史交易数据、所述行为数据和虚假交易模型，判定所述待验证交易是否为虚假交易；
其中，所述虚假交易模型基于历史交易训练数据和对应的行为训练数据训练得到。
9.如权利要求8所述的方法，基于所述历史交易数据、所述行为数据和虚假交易模型，判定所述待验证交易是否为虚假交易，包括：
根据所述历史交易数据，确定历史交易特征数据；
根据所述行为数据，确定行为特征数据；
基于所述历史交易特征数据、所述行为特征数据和所述虚假交易模型，判定所述待验证交易是否为虚假交易。
10.如权利要求9所述的方法，根据所述行为数据，确定行为特征数据，包括：
对所述行为数据中不能用向量直接表征的数据进行向量化预处理；
将经过所述向量化预处理后的行为数据进行归一化处理，以得到所述行为特征数据。
11.如权利要求8所述的方法，在基于所述历史交易数据、所述行为数据和虚假交易模型，判定所述待验证交易是否为虚假交易之前，所述方法还包括：
对所述历史交易训练数据进行归一化处理得到对应的历史交易特征数据；
对所述行为训练数据中不能用向量直接表征的数据进行向量化预处理；
将经过所述向量化预处理后的行为训练数据进行归一化处理，得到对应的行为特征数据；
将所述历史交易特征数据、所述行为特征数据及对应的交易类型作为输入，训练得到所述虚假交易模型，其中，所述交易类型包括虚假交易和非虚假交易。
12.如权利要求8所述的方法，在基于所述历史交易数据、所述行为数据和虚假交易模型，判定所述待验证交易是否为虚假交易之前，所述方法还包括：
对所述历史交易训练数据进行归一化处理得到对应的历史交易特征数据；
对所述行为训练数据中不能用向量直接表征的数据进行向量化预处理，并将经过所述向量化预处理后的行为训练数据进行归一化处理，得到对应的行为特征数据；
将所述历史交易特征数据、所述行为特征数据作为输入，按二分类进行聚类训练得到所述虚假交易模型。
13.如权利要求8-12任一项所述的方法，
所述历史交易数据至少包括下述一种：
历史交易次数，历史交易额度，历史交易涉及的交易接收方的数量。
14.如权利要求8-12任一项所述的方法，
所述行为数据至少包括下述一种：
所述交易支付方浏览的交易接收方的信息、浏览时长、浏览的资源信息，所述交易接收方的信息至少包括所述交易接收方的信用值、商品类别、商品价值分布、健康程度。
15.一种判定虚假资源转移的装置，包括：
获取单元，获取资源转入方在待验证资源转移前第一预定时间段内的历史资源转移数据、和所述资源转入方在所述待验证资源转移前第二预定时间段内的行为数据；
判定单元，基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移；
其中，所述虚假资源转移模型基于历史资源转移训练数据和对应的行为训练数据训练得到。
16.一种判定虚假交易的装置，包括：
获取单元，获取交易支付方在待验证交易前第一预定时间段内的历史交易数据、和所述交易支付方在所述待验证交易前第二预定时间段内的行为数据；
判定单元，基于所述历史交易数据、所述行为数据和虚假交易模型，判定所述待验证交易是否为虚假交易；
其中，所述虚假交易模型基于历史交易训练数据和对应的行为训练数据训练得到。
17.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
获取资源转入方在待验证资源转移前第一预定时间段内的历史资源转移数据、和所述资源转入方在所述待验证资源转移前第二预定时间段内的行为数据；
基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移；
其中，所述虚假资源转移模型基于历史资源转移训练数据和对应的行为训练数据训练得到。
18.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：
获取资源转入方在待验证资源转移前第一预定时间段内的历史资源转移数据、和所述资源转入方在所述待验证资源转移前第二预定时间段内的行为数据；
基于所述历史资源转移数据、所述行为数据和虚假资源转移模型，判定所述待验证资源转移是否为虚假资源转移；
其中，所述虚假资源转移模型基于历史资源转移训练数据和对应的行为训练数据训练得到。
19.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
获取交易支付方在待验证交易前第一预定时间段内的历史交易数据、和所述交易支付方在所述待验证交易前第二预定时间段内的行为数据；
基于所述历史交易数据、所述行为数据和虚假交易模型，判定所述待验证交易是否为虚假交易；
其中，所述虚假交易模型基于历史交易训练数据和对应的行为训练数据训练得到。
20.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：
获取交易支付方在待验证交易前第一预定时间段内的历史交易数据、和所述交易支付方在所述待验证交易前第二预定时间段内的行为数据；
基于所述历史交易数据、所述行为数据和虚假交易模型，判定所述待验证交易是否为虚假交易；
其中，所述虚假交易模型基于历史交易训练数据和对应的行为训练数据训练得到。
CN201810063623.1A 2018-01-23 2018-01-23 判定虚假资源转移及虚假交易的方法、装置及电子设备 Active CN108492112B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201810063623.1A CN108492112B (zh) 2018-01-23 2018-01-23 判定虚假资源转移及虚假交易的方法、装置及电子设备
TW107144476A TW201933226A (zh) 2018-01-23 2018-12-11 判定虛假資源轉移及虛假交易的方法、裝置及電子設備
PCT/CN2019/071113 WO2019144808A1 (zh) 2018-01-23 2019-01-10 判定虚假资源转移及虚假交易的方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810063623.1A CN108492112B (zh) 2018-01-23 2018-01-23 判定虚假资源转移及虚假交易的方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN108492112A CN108492112A (zh) 2018-09-04
CN108492112B true CN108492112B (zh) 2020-06-23

Family

ID=63343713

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810063623.1A Active CN108492112B (zh) 2018-01-23 2018-01-23 判定虚假资源转移及虚假交易的方法、装置及电子设备

Country Status (3)

Country Link
CN (1) CN108492112B (zh)
TW (1) TW201933226A (zh)
WO (1) WO2019144808A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108492112B (zh) * 2018-01-23 2020-06-23 阿里巴巴集团控股有限公司 判定虚假资源转移及虚假交易的方法、装置及电子设备
CN109242499A (zh) * 2018-09-19 2019-01-18 中国银行股份有限公司 一种交易风险预测的处理方法、装置及系统
CN110198310B (zh) * 2019-05-20 2021-09-14 腾讯科技（深圳）有限公司 一种网络行为反作弊方法、装置及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103310353A (zh) * 2013-07-05 2013-09-18 重庆大学 一种抗攻击的数据过滤优化系统和方法
CN107169499A (zh) * 2016-03-07 2017-09-15 阿里巴巴集团控股有限公司 一种风险识别方法及装置
WO2018001195A1 (zh) * 2016-07-01 2018-01-04 阿里巴巴集团控股有限公司 数据风险控制的方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107346463B (zh) * 2016-05-04 2020-08-28 阿里巴巴集团控股有限公司 风险控制模型的训练、模型输入数据确定方法及装置
CN107368936A (zh) * 2016-05-12 2017-11-21 阿里巴巴集团控股有限公司 风控模型训练方法和装置
CN108492112B (zh) * 2018-01-23 2020-06-23 阿里巴巴集团控股有限公司 判定虚假资源转移及虚假交易的方法、装置及电子设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103310353A (zh) * 2013-07-05 2013-09-18 重庆大学 一种抗攻击的数据过滤优化系统和方法
CN107169499A (zh) * 2016-03-07 2017-09-15 阿里巴巴集团控股有限公司 一种风险识别方法及装置
WO2018001195A1 (zh) * 2016-07-01 2018-01-04 阿里巴巴集团控股有限公司 数据风险控制的方法及装置

Also Published As

Publication number Publication date
CN108492112A (zh) 2018-09-04
TW201933226A (zh) 2019-08-16
WO2019144808A1 (zh) 2019-08-01

Similar Documents

Publication Publication Date Title
CN109063985B (zh) 一种业务的风险决策方法及装置
CN109064175B (zh) 一种账户盗用风险防控方法及装置
CN108550046B (zh) 一种资源和营销推荐方法、装置及电子设备
CN110874491B (zh) 基于机器学习的隐私数据处理方法、装置及电子设备
US20130117154A1 (en) Method and System of Evaluating Credibility of Online Trading User
US11379845B2 (en) Method and device for identifying a risk merchant
CN108492112B (zh) 判定虚假资源转移及虚假交易的方法、装置及电子设备
CN112529663B (zh) 商品推荐方法、装置、终端设备及存储介质
CN111260368A (zh) 一种账户交易风险判断方法、装置及电子设备
CN110599307A (zh) 一种商品推荐的方法及装置
CN111768258A (zh) 识别异常订单的方法、装置、电子设备和介质
US20130304539A1 (en) User recommendation method and device
CN110008986B (zh) 批量风险案件识别方法、装置及电子设备
TW201734909A (zh) 一種目標用戶的識別方法和裝置
CN109903166B (zh) 一种数据风险预测方法、装置及设备
CN111275071B (zh) 预测模型训练、预测方法、装置及电子设备
CN111582872A (zh) 异常账号检测模型训练、异常账号检测方法、装置及设备
CN109598478B (zh) 一种风测结果描述文案的生成方法、装置及电子设备
CN109063967B (zh) 一种风控场景特征张量的处理方法、装置及电子设备
CN113297462A (zh) 数据处理方法、装置、设备和存储介质
CN113159834B (zh) 一种商品信息排序方法、装置以及设备
CN104331823A (zh) 确定发布信息中关键词保留价格的方法及装置
CN114169928A (zh) 一种新型门店销售管理方法、系统、设备及可读存储介质
CN111339434B (zh) 信息推荐方法、装置、电子设备及计算机存储介质
WO2019100867A1 (zh) 基于资源增值对象与资源对象的处理方法及装置

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200923

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

Patentee after: Innovative advanced technology Co.,Ltd.

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

Patentee before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200923

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

Patentee after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Patentee before: Alibaba Group Holding Ltd.