CN108694523A - 一种互联网金融交易异常数据控制方法、系统及计算设备 - Google Patents

一种互联网金融交易异常数据控制方法、系统及计算设备 Download PDF

Info

Publication number
CN108694523A
CN108694523A CN201810753107.1A CN201810753107A CN108694523A CN 108694523 A CN108694523 A CN 108694523A CN 201810753107 A CN201810753107 A CN 201810753107A CN 108694523 A CN108694523 A CN 108694523A
Authority
CN
China
Prior art keywords
transaction
data
internet
financial transaction
factor
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.)
Pending
Application number
CN201810753107.1A
Other languages
English (en)
Inventor
杨真源
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201810753107.1A priority Critical patent/CN108694523A/zh
Publication of CN108694523A publication Critical patent/CN108694523A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开一种互联网金融交易异常数据控制方法、系统及计算设备，其通过接收互联网金融交易终端上传的互联网金融交易数据以及所述交易终端对应的多个交易身份环境参数；对所述多个交易身份环境参数分别进行数值化，转换为多个交易身份环境数值因子，将所述互联网金融交易数据与所述交易终端对应的多个交易身份环境数值因子进行关联绑定，形成模式化的交易待验证数据组合；基于所述交易待验证数据组合中的多个交易身份环境数值因子，得到对应所述互联网金融交易的数据异常判定概率值；根据所述数据异常概率值以及预先设定的异常损失额度值，确定所述互联网金融交易异常临界值；判断所述互联网金融交易数据中的交易额是否超过对应的所述异常临界值，若超过对应的所述异常临界值则控制所述互联网金融交易中止进行，并将此次互联网金融交易数据标记为异常交易进行上报。基于此发明，可以及时发现互联网金融交易数据中的异常发生，并且极大降低了人工成本，大大提高金融交易安全性。

Description

一种互联网金融交易异常数据控制方法、系统及计算设备
技术领域
本发明属于互联网金融技术领域，尤其涉及一种互联网金融交易异常数据控制方法、系统及计算设备。
背景技术
金融交易已经越来越依靠互联网产生，而随着互联网不透明及不真实的特性，互联网金融交易更具有数据敏感性高和风险大的特点，其中发生数据异常等不安全因素也越来越严重且发生时更加隐蔽，且造成的经济损失却影响巨大。当前对互联网金融交易过程中的数据监测依然不健全，靠人工审核的方式成本过高，而采用自动化的监控策略也较为简单落后，不能有效发现并判断层出不穷的新的交易漏洞和异常。
发明内容
基于此，本发明提供一种解决上述问题的互联网金融交易异常数据控制方法、系统及计算设备。
第一方面，本申请提供一种互联网金融交易异常数据控制方法，包括：
接收互联网金融交易终端上传的互联网金融交易数据以及所述交易终端对应的多个交易身份环境参数；
对所述多个交易身份环境参数分别进行数值化，转换为多个交易身份环境数值因子，将所述互联网金融交易数据与所述交易终端对应的多个交易身份环境数值因子进行关联绑定，形成模式化的交易待验证数据组合；
基于所述交易待验证数据组合中的多个交易身份环境数值因子，得到对应所述互联网金融交易的数据异常判定概率值；
根据所述数据异常概率值以及预先设定的异常损失额度值，确定所述互联网金融交易异常临界值；
判断所述互联网金融交易数据中的交易额是否超过对应的所述异常临界值，若超过对应的所述异常临界值则控制所述互联网金融交易中止进行，并将此次互联网金融交易数据标记为异常交易进行上报。
可选地，所述基于所述交易待验证数据组合中的多个交易身份环境数值因子，得到对应所述互联网金融交易的数据异常判定概率值，包括：
基于所述交易待验证数据组合中的多个交易身份环境数值因子，综合计算得到所述交易数据安全性评分；
根据所述交易数据安全性评分，确定对应所述互联网金融交易的数据异常判定概率值。数据异常判定概率值数据异常判定概率值。
可选地，所述多个交易身份环境数值因子进一步包括：身份验证数值因子Id、终端设备参数因子Tn、地理位置因子Lt、网络条件因子Nw、风险预估因子Rk、时间因子Ti和/或人工调节因子Ma。
可选地，基于所述交易待验证数据组合中的多个交易身份环境数值因子，综合计算得到所述交易数据安全性评分，进一步包括：分别对所述身份验证数值因子Id、终端设备参数因子Tn、地理位置因子Lt、网络条件因子Nw、风险预估因子Rk、时间因子Ti和/或人工调节因子Ma进行如下公式计算，
其中，S(n)为标记为第n笔的互联网金融交易对应的交易数据安全性评分，λ为身份数值因子归一化系数，β为环境数值归一化系数，κ为人工打扰归一化系数，a、b、c、d、e分别为终端设备参数因子Tn、地理位置因子Lt、网络条件因子Nw、风险预估因子Rk、时间因子Ti的环境比例系数。
可选地，根据所述交易数据安全性评分，确定对应所述互联网金融交易的数据异常判定概率值险，包括：
调取依据历史样本数据得到的基于不同分数的异常经验判断曲线；
通过比照所述异常经验判断曲线，确定与所述交易数据安全性评分所对应的数据异常判定概率值。
可选地，判断所述互联网金融交易数据中的交易额是否超过对应的所述异常临界值，进一步包括：
若未超过对应的所述异常临界值，则放行此次所述互联网金融交易继续进行。
可选地，所述异常经验判断曲线是预先提取互联网金融交易中的历史数据，作为训练样本数据进行模型训练获得。
可选地，所述各归一化系数及环境比例系数由人工设定或通过数据训练得到。
第二方面，本申请提供互联网金融交易异常数据控制系统，包括：
一种互联网金融交易异常数据控制系统，其特征在于，包括：
接收单元，用于接收互联网金融交易终端上传的互联网金融交易数据以及所述交易终端对应的多个交易身份环境参数；
数值化单元，用于对所述多个交易身份环境参数分别进行数值化，转换为多个交易身份环境数值因子，将所述互联网金融交易数据与所述交易终端对应的多个交易身份环境数值因子进行关联绑定，形成模式化的交易待验证数据组合；
概率值单元，用于根据所述交易待验证数据组合中的多个交易身份环境数值因子，得到对应所述互联网金融交易的数据异常判定概率值；
临界值确定单元，用于通过所述数据异常概率值以及预先设定的异常损失额度值，确定所述互联网金融交易异常临界值；
异常判断单元，用于判断所述互联网金融交易数据中的交易额是否超过对应的所述异常临界值，若超过对应的所述异常临界值则控制所述互联网金融交易中止进行，并将此次互联网金融交易数据标记为异常交易进行上报。
第三方面，本申请提供一种计算设备，其特征在于，包括处理器和存储器：
所述存储器适于存储执行所述方法的程序；
所述处理器被配置为适于执行所述存储器中所存储的程序。
通过本发明上述技术方案，可以及时发现互联网金融交易数据中的异常发生，并且极大降低了人工成本，大大提高金融交易安全性。
附图说明
图1为本发明第一实施例的一种互联网金融交易异常数据控制方法的流程图；
图2为本发明第二实施例的一种互联网金融交易异常数据控制系统的流程图；
图3为本发明第三实施例中的计算设备的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
:附图1，本发明一实施例提供一种互联网金融交易异常数据控制方法，包括如下步骤：
S1：接收互联网金融交易终端上传的互联网金融交易数据以及所述交易终端对应的多个交易身份环境参数；
S2：对所述多个交易身份环境参数分别进行数值化，转换为多个交易身份环境数值因子，将所述互联网金融交易数据与所述交易终端对应的多个交易身份环境数值因子进行关联绑定，形成模式化的交易待验证数据组合；
S3：基于所述交易待验证数据组合中的多个交易身份环境数值因子，得到对应所述互联网金融交易的数据异常判定概率值；
S4：根据所述数据异常判定概率值以及预先设定的异常损失额度值，确定所述互联网金融交易异常临界值；
S5：判断所述互联网金融交易数据中的交易额是否超过对应的所述异常临界值，若超过对应的所述异常临界值则控制所述互联网金融交易中止进行，并将此次互联网金融交易数据标记为异常交易进行上报。其中，在S1步骤中，可以同时接收一个或多个互联网金融交易终端上传的互联网金融交易数据以及所述交易终端对应的多个交易身份环境参数，各个终端可以是不同种类，比如POS机、ATM机、PC、智能手机、IPAD或其他任何具有互联网金融交易功能的终端设备。所述各个终端对应的多个交易身份环境参数可以包括但不限于，身份验证参数、终端型号、地理坐标、网络参数、风险预估参数和/或时间参数；
其中，在S2步骤中，将终端对应的各个交易身份环境参数转换为数值化的因子，比如身份验证参数根据验证类型，包括不限于密码验证、手机短信验证、人脸识别、指纹识别等，以及验证通过次数综合考虑，转换为身份验证数值因子Id，例如一次验证通过的人脸识别的Id是0.8，类推其他类型，例如指纹识别是0.7，手机验证识别0.5，密码验证0.3等，两次以上的验证通过需对Id数值进行适当减少和调节；比如对于不同终端型号和类型预设终端设备参数因子Tn，金融系统内部终端的Tn为1，其他个人用户终端默认设置为0.8，；而对于地理坐标比照历史统计的异常数据高发地区和安全地区换算为地理位置因子Lt；网络参数按照终端接入网络类型不同数值化为网络条件因子Nw，比如运营商网络Nw为0.9，wifi为0.7，接入个人热点等其他类型为0.5；风险预估参数基于历史交易及预判转换为风险预估因子Rk，默认设为1，但例如过往交易历史记录中出现过交易异常的同一终端Rk降为0.5，同类型终端上报过较多历史交易异常的Rk降为0.7；时间参数上白天8:00-19:00的时间因子Ti为1，而19:00-23:00为0.9，23:00至第二天8:00的Ti为0.7。上述设置数据按照经验设定，或者通过大数据分析进行适应性修改，本发明并不限于上述数值设定。
其中，S2步骤中所述的模式化的交易待验证数据组合可以存储在数据库中或其他数据链表的形式进行存储；
其中，S3步骤中进一步包括：基于所述交易待验证数据组合中的多个交易身份环境数值因子，综合计算得到所述交易数据安全性评分，比如分别对交易待验证数据组合中的身份验证数值因子Id、终端设备参数因子Tn、地理位置因子Lt、网络条件因子Nw、风险预估因子Rk、时间因子Ti和/或人工调节因子Ma按照如下公式计算，得到所述交易数据安全性评分S(n)，
其中，S(n)为标记为第n笔的互联网金融交易对应的交易数据安全性评分，λ为身份数值因子归一化系数，β为环境数值归一化系数，κ为人工打扰比例系数，a、b、c、d、e分别为终端设备参数因子Tn、地理位置因子Lt、网络条件因子Nw、风险预估因子Rk、时间因子Ti的环境比例系数。人工调节因子Ma是保证数据可用性所设定的，默认取值为1。而上述各归一化系数及环境比例系数由人工统计经验来设定或通过样本数据训练得到。
其中，将上述得到的交易数据安全性评分S(n)，比照预设的异常经验判断曲线，确定与所述交易数据安全性评分所对应的数据异常判定概率值。此异常经验判断曲线通过对历史样本数据进行人工分析或建立数据模型进行样本训练获得。所述样本训练比如但不限于此一种类型：提取部分历史互联网金融交易数据，将发生过异常的数据设为反向样本数据，把未发生异常的正常数据设为正向样本数据，放到向量机中进行数据训练得到数学模型，并对正向样本数据和反向样本数据进行打分，建立样本分支为x轴，对应y轴为代表反向样本数据所占比例的数据异常判定概率值的平面坐标系，对所述坐标系中的标记点进行曲线拟合，即可得到所述异常经验判断曲线。
其中，步骤S4中，根据所述数据异常概率值，比如0.6，参考预先设定的异常损失额度值比如6万，确定所述互联网金融交易异常临界值为6万/0.6＝10万，
则，步骤S5中，若判断所述互联网金融交易数据中的交易额是否超过对应的所述异常临界值10万，比如交易额为12万，则控制此次互联网金融交易中止进行，如果交易额小于等于10万，则允许此次金融交易继续进行。
特别需要说明地，互联网金融交易异常数据控制方法主要应用于互联网金融交易的服务器中。
附图2，本发明另一实施例还提供了一种互联网金融交易异常数据控制系统，包括：
接收单元201，用于接收互联网金融交易终端上传的互联网金融交易数据以及所述交易终端对应的多个交易身份环境参数；
数值化单元202，用于对所述多个交易身份环境参数分别进行数值化，转换为多个交易身份环境数值因子，将所述互联网金融交易数据与所述交易终端对应的多个交易身份环境数值因子进行关联绑定，形成模式化的交易待验证数据组合；
概率值单元203，用于根据所述交易待验证数据组合中的多个交易身份环境数值因子，得到对应所述互联网金融交易的数据异常判定概率值；
临界值确定单元204，用于通过所述数据异常概率值以及预先设定的异常损失额度值，确定所述互联网金融交易异常临界值；
异常判断单元205，用于判断所述互联网金融交易数据中的交易额是否超过对应的所述异常临界值，若超过对应的所述异常临界值则控制所述互联网金融交易中止进行，并将此次互联网金融交易数据标记为异常交易进行上报。
具体的，在本实施例中，上述系统中的各个单元，还具有可以执行第一实施例中各个具体方法的功能，再此实施例中不再赘述。
互联网金融交易异常数据控制系统可以设置在服务器中，也可以设置在作为服务器端的控制终端设备中。
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的文字内容的拍照录入装置、计算设备和计算机可读存储介质中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
例如，图3示出了根据本发明一个实施例提供的一种计算设备结构示意图。该计算设备300包括：处理器310，以及存储有可在所述处理器310上运行的计算机程序的存储器320。处理器310，用于在执行所述存储器320中的计算机程序时执行本发明中方法的各步骤。存储器320可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器320具有存储用于执行上述方法中的任何方法步骤的计算机程序331的存储空间330。计算机程序331可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。

Claims (10)

1.一种互联网金融交易异常数据控制方法，其中该方法包括：
接收互联网金融交易终端上传的互联网金融交易数据以及所述交易终端对应的多个交易身份环境参数；
对所述多个交易身份环境参数分别进行数值化，转换为多个交易身份环境数值因子，将所述互联网金融交易数据与所述交易终端对应的多个交易身份环境数值因子进行关联绑定，形成模式化的交易待验证数据组合；
基于所述交易待验证数据组合中的多个交易身份环境数值因子，得到对应所述互联网金融交易的数据异常判定概率值；
根据所述数据异常判定概率值以及预先设定的异常损失额度值，确定所述互联网金融交易异常临界值；
判断所述互联网金融交易数据中的交易额是否超过对应的所述异常临界值，若超过对应的所述异常临界值则控制所述互联网金融交易中止进行，并将此次互联网金融交易数据标记为异常交易进行上报。
2.如权利要求1所述的方法，其特征在于，所述基于所述交易待验证数据组合中的多个交易身份环境数值因子，得到对应所述互联网金融交易的数据异常判定概率值，进一步包括：
基于所述交易待验证数据组合中的多个交易身份环境数值因子，综合计算得到所述交易数据安全性评分；
根据所述交易数据安全性评分，确定对应所述互联网金融交易的数据异常判定概率值。数据异常判定概率值数据异常判定概率值。
3.如权利要求1-2任一项所述的方法，其特征在于，所述多个交易身份环境数值因子进一步包括：身份验证数值因子Id、终端设备参数因子Tn、地理位置因子Lt、网络条件因子Nw、风险预估因子Rk、时间因子Ti和/或人工调节因子Ma。
4.如权利要求1-3任一项所述的方法，其特征在于，基于所述交易待验证数据组合中的多个交易身份环境数值因子，综合计算得到所述交易数据安全性评分，进一步包括：分别对所述身份验证数值因子Id、终端设备参数因子Tn、地理位置因子Lt、网络条件因子Nw、风险预估因子Rk、时间因子Ti和/或人工调节因子Ma进行如下公式计算，
其中，S(n)为标记为第n笔的互联网金融交易对应的交易数据安全性评分，λ为身份数值因子归一化系数，β为环境数值归一化系数，κ为人工打扰比例系数，a、b、c、d、e分别为终端设备参数因子Tn、地理位置因子Lt、网络条件因子Nw、风险预估因子Rk、时间因子Ti的环境比例系数。
5.如权利要求1-4任一项所述的方法，其特征在于，根据所述交易数据安全性评分，确定对应所述互联网金融交易的数据异常判定概率值险，进一步包括：
调取依据历史样本数据得到的基于不同分数的异常经验判断曲线；
通过比照所述异常经验判断曲线，确定与所述交易数据安全性评分所对应的数据异常判定概率值。
6.如权利要求1-5任一项所述的方法，其特征在于，判断所述互联网金融交易数据中的交易额是否超过对应的所述异常临界值，进一步包括：
若未超过对应的所述异常临界值，则放行此次所述互联网金融交易继续进行。。
7.如权利要求1-6任一项所述的方法，其特征在于，所述异常经验判断曲线是预先提取互联网金融交易中的历史数据，作为训练样本数据进行模型训练获得。
8.如权利要求1-7任一项所述的方法，其特征在于，所述各归一化系数及环境比例系数由人工设定或通过数据训练得到。
9.一种互联网金融交易异常数据控制系统，其特征在于，包括：
接收单元，用于接收互联网金融交易终端上传的互联网金融交易数据以及所述交易终端对应的多个交易身份环境参数；
数值化单元，用于对所述多个交易身份环境参数分别进行数值化，转换为多个交易身份环境数值因子，将所述互联网金融交易数据与所述交易终端对应的多个交易身份环境数值因子进行关联绑定，形成模式化的交易待验证数据组合；
概率值单元，用于根据所述交易待验证数据组合中的多个交易身份环境数值因子，得到对应所述互联网金融交易的数据异常判定概率值；
临界值确定单元，用于通过所述数据异常判定概率值以及预先设定的异常损失额度值，确定所述互联网金融交易异常临界值；
异常判断单元，用于判断所述互联网金融交易数据中的交易额是否超过对应的所述异常临界值，若超过对应的所述异常临界值则控制所述互联网金融交易中止进行，并将此次互联网金融交易数据标记为异常交易进行上报。
10.一种计算设备，其特征在于，包括处理器和存储器：
所述存储器适于存储执行权利要求1至8任一项所述方法的程序；
所述处理器被配置为适于执行所述存储器中所存储的程序。
CN201810753107.1A 2018-07-10 2018-07-10 一种互联网金融交易异常数据控制方法、系统及计算设备 Pending CN108694523A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810753107.1A CN108694523A (zh) 2018-07-10 2018-07-10 一种互联网金融交易异常数据控制方法、系统及计算设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810753107.1A CN108694523A (zh) 2018-07-10 2018-07-10 一种互联网金融交易异常数据控制方法、系统及计算设备

Publications (1)

Publication Number Publication Date
CN108694523A true CN108694523A (zh) 2018-10-23

Family

ID=63850012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810753107.1A Pending CN108694523A (zh) 2018-07-10 2018-07-10 一种互联网金融交易异常数据控制方法、系统及计算设备

Country Status (1)

Country Link
CN (1) CN108694523A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102684882A (zh) * 2012-05-16 2012-09-19 中国科学院计算机网络信息中心 验证方法和验证设备
CN105844526A (zh) * 2015-01-14 2016-08-10 阿里巴巴集团控股有限公司 基于计算机系统的网络交易风险识别方法及其装置
CN106327196A (zh) * 2015-06-19 2017-01-11 阿里巴巴集团控股有限公司 一种支付阈值获取方法和装置
CN106940868A (zh) * 2016-01-05 2017-07-11 阿里巴巴集团控股有限公司 实时与离线相结合的交易风险识别方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102684882A (zh) * 2012-05-16 2012-09-19 中国科学院计算机网络信息中心 验证方法和验证设备
CN105844526A (zh) * 2015-01-14 2016-08-10 阿里巴巴集团控股有限公司 基于计算机系统的网络交易风险识别方法及其装置
CN106327196A (zh) * 2015-06-19 2017-01-11 阿里巴巴集团控股有限公司 一种支付阈值获取方法和装置
CN106940868A (zh) * 2016-01-05 2017-07-11 阿里巴巴集团控股有限公司 实时与离线相结合的交易风险识别方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
装卸机器视觉及其应用: "《装卸机器视觉及其应用》", 31 January 2016, 上海科学技术出版社 *
赵春晖等: "《视频图像运动目标分析》", 30 June 2011, 国防工业出版社 *
雷明仪等: "卡口场景下人脸检测模型的自适应重训练算法", 《厦门大学学报(自然科学版)》 *

Similar Documents

Publication Publication Date Title
CN103765861B (zh) 移动设备的支付选择和授权
CN107316198B (zh) 账户风险识别方法及装置
CN108346048B (zh) 一种调整风险参数的方法、风险识别方法及装置
US20200074416A1 (en) Routing transactions to a priority processing network based on routing rules
US20140351109A1 (en) Method and apparatus for automatically identifying a fraudulent order
US20150095247A1 (en) Classifying Fraud on Event Management Systems
US11830287B2 (en) Method and system for customizing user experience
CN106980983A (zh) 基于虚拟现实场景的业务认证方法及装置
CN107111706A (zh) 基于连接的可穿戴设备的风险评估
CN106203808A (zh) 企业信用风险评估方法和装置
CN109840323A (zh) 保险产品的语音识别处理方法及服务器
WO2015116957A1 (en) Passenger behaviour rating for improved risk management in transit systems
CN109035021A (zh) 一种交易指标的监控方法、装置及设备
CN105450598A (zh) 信息识别方法、信息识别设备及用户终端
CN110009324A (zh) 一种线下自助结算方法、装置和系统
CN108985920A (zh) 套现识别方法和装置
CN110348471A (zh) 异常对象识别方法、装置、介质及电子设备
CN104867009A (zh) 一种智能卡及其额度控制系统和方法
CN107392614A (zh) 线下交易的实现方法和装置
US20180144586A1 (en) Onboarding of mobile-wallet datasets
US11195190B2 (en) Assessment structure for predicting reactions to source-customized remuneration vehicles
CN112000862B (zh) 数据处理方法及装置
CN105335630B (zh) 身份识别方法及身份识别装置
CN111488407B (zh) 数据处理方法、系统及装置
CN110570189B (zh) 账户风险防控方法和系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181023

RJ01 Rejection of invention patent application after publication