CN109685527A - 检测商户虚假交易的方法、装置、系统及计算机存储介质 - Google Patents

Abstract

本发明实施例涉及通信技术领域领域，公开了一种检测商户虚假交易的方法、装置、系统及计算机可读存储介质。本发明提供的检测商户虚假交易的方法包括：获取商户店铺内移动终端蓝牙信号的收发数据；获取所述商户在预设时间内的出餐量；根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易。本发明提供的检测商户虚假交易的方法、装置、系统及计算机可读存储介质无需工作人员亲赴现场勘查便能确定商户是否存在虚假交易，减少了人力成本。

Description

检测商户虚假交易的方法、装置、系统及计算机存储介质

技术领域

本发明实施例涉及通信技术领域，特别涉及一种检测商户虚假交易的方法、装置、系统及计算机可读存储介质。

背景技术

现在电商平台普遍存在虚假交易的严重问题。以至于有这样的说法：“十个电商九个刷，那个不刷的是傻瓜”。这是很可悲的现实，几乎全部电商平台都欺诈成风，诚信缺失。出现这种情况，主要原因是卖家想通过巨大的交易量排名靠前，另外靠虚假交易得到的虚假评价提高成交率。这些卖家里不乏出售假冒伪劣的商家。因为刷单量巨大，即使有真实买家因为买了假货、次品而给出差评，也会淹没在大量刷单手给出的好评里。原本交易评价可以比较好地防止假货发生更多的交易，但面对大量虚假评价的时候，真实买家的交易评价其实已经没有意义了。另外一个原因就是现有的电商平台没有真正有效的技术去鉴别虚假交易、防止刷单的产生。业内普通技术人员能轻易想到的方法基本限于检查产品销售价格和销量。价格越低，刷单手付出的钱越少，刷单成本就越低。但现在高级的刷单手，会模仿真实的交易流程，从咨询、拍商品、付款、发货、收货，全程模仿真实交易，无懈可击。所以对这种模仿真实交易的刷单情况，辨识难度极大，基本会让普通人觉得这是根本无法破解的难题，电商平台对此也无能为力。这种大量虚假交易的现实造成很多消费者因为看到刷单手的虚假评价和虚假交易量而被骗，各个电商平台的用户体验也随之降低。在现有技术中，通常采用现场勘查的方法确定商户是否正常营业(即人流量大的商户可能出餐量大也可能出餐量小，属于正常营业；而人流量小的商户若出餐量很大，就可能存在刷单等虚假交易的情况)。

发明人发现现有技术中至少存在如下问题：经过工作人员亲赴现场勘察才能确认商户是否正常营业，极大地增加了人力成本。

发明内容

本发明实施方式的目的在于提供一种检测商户虚假交易的方法、装置及计算机可读存储介质，其无需工作人员亲赴现场勘查便能确定商户是否存在虚假交易，减少了人力成本。

为解决上述技术问题，本发明的实施方式提供了一种检测商户虚假交易的方法，包括：获取商户店铺内移动终端蓝牙信号的收发数据，获取所述商户在预设时间内的出餐量；根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易。

本发明的实施方式还提供了一种检测商户虚假交易的装置，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的检测商户虚假交易的方法。

本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的检测商户虚假交易的方法。

本发明的实施方式还提供了一种检测商户虚假交易的系统包括：第一数据接收装置、第二数据接收装置以及判断装置；所述第一数据接收装置用于获取商户店铺内移动终端蓝牙信号的收发数据；所述第二数据接收装置用于获取所述商户在预设时间内的出餐量；所述判断装置用于根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易。

本发明的实施方式相对于现有技术而言，通过获取商户店铺内移动终端蓝牙信号的收发数据，从而将蓝牙技术应用在估算店铺面积这个场景中，由于蓝牙技术是一种无线电技术，利用无线电技术可以实现店铺内的距离测量，从而使得检测人员无需现场勘查便能估算店铺面积，再获取所述商户在预设时间内的出餐量，将收发数据及出餐量作为确定所述商户是否存在虚假交易的判断依据，从而达到了无需现场勘查便能确定商户是否存在虚假交易的目的，减少了人力成本，避免了“经过工作人员亲赴现场勘察才能确定商户是否正常营业，极大地增加了人力成本”的情况的发生。

可选地，所述根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易，具体包括：将所述收发数据及所述出餐量输入预设机器学习模型中，利用所述预设机器学习模型确定所述商户是否存在虚假交易。通过此种方式能够合理利用收发数据及出餐量，从而保证检测商户虚假交易的准确性。

可选地，所述获取商户店铺内移动终端蓝牙信号的收发数据，具体包括：获取所述移动终端蓝牙发出信号至接收到反射信号的时长；所述将所述收发数据及所述出餐量输入预设机器学习模型中，具体包括：将所述时长及所述出餐量输入所述预设机器学习模型中。此种方式的收发数据的获取方式简单便捷，节省了人力成本。

可选地，所述获取商户店铺内移动终端蓝牙信号的收发数据，具体包括：获取所述移动终端蓝牙信号的衰减度；所述将所述收发数据及所述出餐量输入预设机器学习模型中，具体包括：将所述衰减度输入所述预设机器学习模型中。此种方式的收发数据的获取方式简单便捷，节省了人力成本。

可选地，所述预设机器学习模型具体包括：人工神经网络模型、逻辑回归模型、随机森林模型中的一种。

可选地，在所述根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易之前，还包括：预设用于表征所述商户正常营业的特征信息；所述根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易，具体包括：将所述收发数据、所述出餐量及所述特征信息输入预设机器学习模型中，利用所述预设机器学习模型确定所述商户是否存在虚假交易。通过预设用于表征商户正常营业的特征信息，并将所述收发数据、所述出餐量及所述特征信息输入预设机器学习模型中，利用所述预设机器学习模型确定所述商户是否存在虚假交易，所述特征信息能够为商户是否存在虚假交易提供判断依据，避免因没有参照而引起误判，使得对商户是否存在虚假交易的确定更为准确。

可选地，在所述预设用于表征所述商户正常营业的特征信息之前，还包括：获取所述商户的店铺的经营类型；所述预设用于表征所述商户正常营业的特征信息，具体包括：根据所述店铺的经营类型预设用于表征所述商户正常营业的特征信息。由于不同的店铺经营类型对应的正常出餐量规模不同，通过根据所述店铺的经营类型预设用于表征所述商户正常营业的特征信息，使得该特征信息的设置更为精确且符合实际情况，进一步提高了确定商户是否存在虚假交易的准确性。

可选地，所述获取商户店铺内移动终端蓝牙信号的收发数据，具体包括：获取所述移动终端在不同方位下的多个方位信息及分别与所述多个方位信息对应的蓝牙信号的多个收发数据；根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易，具体包括：根据所述多个收发数据及所述出餐量确定所述商户是否存在虚假交易。通过此种方式使得收发数据的获取更为全面，从而提高了确定商户是否存在虚假信息的准确性。

可选地，在判定所述商户存在虚假交易之后，还包括：根据所述收发数据、所述出餐量及判定结果向所述商户发送预设警告信息。

附图说明

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1是根据本发明第一实施方式提供的检测商户虚假交易的方法的流程图；

图2是根据本发明第二实施方式提供的检测商户虚假交易的方法的流程图；

图3是根据本发明第三实施方式提供的检测商户虚假交易的方法的流程图；

图4是根据本发明第四实施方式提供的检测商户虚假交易的装置的结构示意图；

图5是根据本发明第六实施方式提供的检测商户虚假交易的装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本发明而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本发明所要求保护的技术方案。

本发明的第一实施方式涉及一种检测商户虚假交易的方法，具体流程如图1所示，包括：

S101：获取商户店铺内移动终端蓝牙信号的收发数据。

关于步骤S101，具体的说，本实施方式中的移动终端蓝牙信号的收发数据可以为所述移动终端蓝牙发出信号至接收到反射信号的时长(即检测手机蓝牙何时发出的信号和何时收到反射的信号，计算出时间差值)。需要说明的是，利用所述时长能够估算店铺面积，即所述时长越大，表明蓝牙从发出信号到再次收到反射信号的时间间隔越长，则表明该商户的店铺面积越大，若所述时长越小，即蓝牙从发出信号到再次收到反射信号的时间间隔越短，则表明该商户的店铺面积越小；本实施方式中的移动终端蓝牙信号的收发数据还可以为所述移动终端蓝牙信号的衰减度，利用所述衰减度也能估算店铺面积，可以理解的是，若所述蓝牙信号的衰减度越大，则表明所述店铺面积越大，若所述蓝牙信号的衰减度越小，则表明所述店铺面积越小。衰减度是指每经过一个波动周期，被调量波动幅值减少的百分数，也就是同方向的两个相邻波的前一个波幅减去后一个波幅之差与前一个波幅的比值，也即通过传输后，信号与发出端强度的对比，能够说明信号传输的质量。本实施方式中移动终端蓝牙信号的衰减度为平台接收(接收端)收到蓝牙信号的强度与店铺(发出端)蓝牙信号的强度的比值。需要说明的是，可以通过安装在商户手机上的客户端实现对蓝牙信号的收发数据的检测，无需增加额外检测设备，只需在客户端进行检测即可，方便快捷。

值得一提的是，可以获取多个移动终端蓝牙信号的收发数据，由于移动终端上通常设置有陀螺仪，陀螺仪又叫角速度传感器，是不同于加速度计(G-sensor)的，它的测量物理量是偏转、倾斜时的转动角速度。在手机上，仅用加速度计没办法测量或重构出完整的3D动作，测不到转动的动作的，G-sensor只能检测轴向的线性动作。但陀螺仪则可以对转动、偏转的动作做很好的测量，这样就可以精确分析判断出使用者的实际动作。而后根据动作，可以对手机做相应的操作。基于这一原理，本实施方式中一种可行的方式为：获取所述移动终端在不同方位下的多个方位信息及分别与所述多个方位信息对应的蓝牙信号的多个收发数据；根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易，具体包括：据所述多个方位信息和所述多个收发数据及所述出餐量确定所述商户是否存在虚假交易。

S102：获取在预设时间内的出餐量。

关于步骤S102，具体的说，所述预设时间可以为一天，也可以为一个小时，可以根据时间情况设置符合需求的预设时间。

S103：根据收发数据及出餐量确定商户是否存在虚假交易。

关于步骤S103，具体的说，在本实施方式中，若判定该商户存在虚假交易，还可以根据所述收发数据、所述出餐量及判定结果向所述商户发送预设警告信息。需要说明的是，本实施方式中还可以上传判定结果至平台便于平台对进行虚假交易的商户进行处理，添加至现有的虚假交易识别模型中去便于作为机器学习的材料。

本发明的实施方式相对于现有技术而言，通过获取商户店铺内移动终端蓝牙信号的收发数据，从而将蓝牙技术应用在估算店铺面积这个场景中，由于蓝牙技术是一种无线电技术，利用无线电技术可以实现店铺内的距离测量，从而使得检测人员无需现场勘查便能估算店铺面积，再获取所述商户在预设时间内的出餐量，将收发数据及出餐量作为确定所述商户是否存在虚假交易的确定依据，从而达到了无需现场勘查便能确定商户是否存在虚假交易的目的，减少了人力成本，避免了“经过工作人员亲赴现场勘察才能确定商户是否正常营业，极大地增加了人力成本”的情况的发生。

本发明的第二实施方式涉及一种检测商户虚假交易的方法，第二实施方式是在第一实施方式的基础上做了进一步的改进，具体改进之处在于：在第二实施方式中，在所述根据所述第一特征信息确定所述商户是否存在虚假交易之前，还包括：预设用于表征所述商户正常营业的特征信息；所述根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易，具体包括：将所述收发数据、所述出餐量及所述特征信息输入预设机器学习模型中，利用所述预设机器学习模型确定所述商户是否存在虚假交易。通过预设用于表征商户正常营业的特征信息，并将所述收发数据、所述出餐量及所述特征信息输入预设机器学习模型中，利用所述预设机器学习模型确定所述商户是否存在虚假交易，所述特征信息能够为商户是否存在虚假交易提供判断依据，避免因没有参照而引起误判，使得对商户是否存在虚假交易的确定更为准确。

本实施方式的具体流程如图2所示，包括：

S201：获取商户店铺内移动终端蓝牙信号的收发数据。

S202：获取商户在预设时间内的出餐量。

本实施方式中的步骤S201至步骤S202与第一实施方式中的步骤S101至步骤S102类似，为了避免重复，此处不再赘述。

S203：预设用于表征商户正常营业的特征信息。

关于步骤S204，具体的说，所述特征信息可以为在该商户的店铺面积下的正常出餐量与店铺面积之间的比值，也可以为将店铺面积及该正常出餐量输入特定计算公式中所得到的值。可以理解的是，本实施方式中的步骤S203不一定在步骤S202之后，也可以在步骤S202之前或在步骤S201之前等，本实施方式只是对此进行举例说明，并不对步骤的先后做具体限定。

S204：将收发数据、出餐量及特征信息输入预设机器学习模型中，利用预设机器学习模型确定商户是否存在虚假交易。

关于步骤S204，具体的说，本实施方式中的所述预设机器学习模型可以是人工神经网络模型、逻辑回归模型、随机森林模型中的一种。

人工神经网络(Artificial Neural Network，即ANN)，是20世纪80年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。逻辑回归是这样的一个过程：面对一个回归或者分类问题，建立代价函数，然后通过优化方法迭代求解出最优的模型参数，然后测试验证我们这个求解的模型的好坏。Logistic回归虽然名字里带“回归”，但是它实际上是一种分类方法，主要用于两分类问题(即输出只有两种，分别代表两个类别)回归模型中，y是一个定性变量，比如y＝0或1，logistic方法主要应用于研究某些事件发生的概率。随机森林指的是利用多棵树对样本进行训练并预测的一种分类器。它可以处理大量的输入变数、在决定类别时，评估变数的重要性、在建造森林时，它可以在内部对于一般化后的误差产生不偏差的估计。

本发明的实施方式相对于现有技术而言，通过获取商户店铺内移动终端蓝牙信号的收发数据，从而将蓝牙技术应用在估算店铺面积这个场景中，由于蓝牙技术是一种无线电技术，利用无线电技术可以实现店铺内的距离测量，从而使得检测人员无需现场勘查便能估算店铺面积，再获取所述商户在预设时间内的出餐量，将收发数据及出餐量作为确定所述商户是否存在虚假交易的判断依据，从而达到了无需现场勘查便能确定商户是否存在虚假交易的目的，减少了人力成本，避免了“经过工作人员亲赴现场勘察才能确定商户是否正常营业，极大地增加了人力成本”的情况的发生。

本发明的第三实施方式涉及一种检测商户虚假交易的方法，第三实施方式是在第二实施方式的基础上做了进一步的改进，具体改进之处在于：在第三实施方式中，获取所述商户的店铺的经营类型；所述预设用于表征所述商户正常营业的特征信息，具体包括：根据所述店铺的经营类型预设用于表征所述商户正常营业的特征信息。由于不同的店铺的经营类型对应的正常出餐量不同，通过根据所述店铺的经营类型预设用于表征所述商户正常营业的特征信息，使得该特征信息的设置更为精确且符合实际情况，进一步提高了确定商户是否存在虚假交易的准确性。

本实施方式的具体流程如图3所示，包括：

S301：获取商户店铺内移动终端蓝牙信号的收发数据。

S302：获取商户在预设时间内的出餐量。

本实施方式中的步骤S301至步骤S302与第二实施方式中的步骤S201至步骤S202类似，为了避免重复，此处不再赘述。

S303：获取商户的店铺的经营类型。

关于步骤S303，具体的说，店铺的经营类型可以根据商户在平台的注册信息直接获取，较为快捷。

S304：根据店铺的经营类型预设用于表征商户正常营业的特征信息。

关于步骤S304，具体的说，不同类型的店铺的正常营业所需面积是不相同的，对应的正常出餐量也不同，根据不同的店铺分类，进行判断的标准也不同，例如：奶茶店所需的店铺面积不大但出餐量可以很大，而西餐店需要足够的店铺面积才能保证出餐量等，通过根据所述店铺的经营类型预设用于表征所述商户正常营业的特征信息，使得该特征信息的设置更为精确且符合实际情况，进一步提高了确定商户是否存在虚假交易的准确性。可以理解的是，本实施方式中的步骤S304不一定在步骤S303之后，也可以在步骤S303之前或在步骤S301之前等，本实施方式只是对此进行举例说明，并不对步骤的先后做具体限定。

S305：将收发数据、出餐量及特征信息输入预设机器学习模型中，利用预设机器学习模型确定商户是否存在虚假交易。

本发明的实施方式相对于现有技术而言，通过获取商户店铺内移动终端蓝牙信号的收发数据，从而将蓝牙技术应用在估算店铺面积这个场景中，由于蓝牙技术是一种无线电技术，利用无线电技术可以实现店铺内的距离测量，从而使得检测人员无需现场勘查便能估算店铺面积，再获取所述商户在预设时间内的出餐量，将收发数据及出餐量作为确定所述商户是否存在虚假交易的判断依据，从而达到了无需现场勘查便能确定商户是否存在虚假交易的目的，减少了人力成本，避免了“经过工作人员亲赴现场勘察才能确定商户是否正常营业，极大地增加了人力成本”的情况的发生。

为了便于理解，下面以实体店铺为奶茶店为例，对本实施方式中检测商户虚假交易的方法进行详细说明：

接收来自该奶茶店的移动终端蓝牙信号的收发数据，然后获取奶茶店在10点至12点之间的出餐量与店铺面积的比值(假设为10份/平方米)，根据奶茶店的经营类型预设奶茶店在10点至12点之间的正常出餐量与店铺面积的比值(假设为8份/平方米)，最后将收发数据、奶茶店的实际出餐量与店铺面积的比值、奶茶店的正常出餐量与店铺面积的比值输入到预设机器学习模型中，确定该奶茶店能否在这个时间段卖出这么多份，从而得知该奶茶店是否存在虚假交易。

本发明第四实施方式涉及一种电子设备，本实施方式的电子设备可以说终端侧设备，如手机，平板电脑等终端设备，也可以是网络侧的服务器。

如图4所示，该电子设备：至少包括一个处理器1001；以及，与至少一个处理器1001通信连接的存储器1002；以及，与扫描装置通信连接的通信组件1003，通信组件1003在处理器1001的控制下接收和发送数据；其中，存储器1002存储有可被至少一个处理器1001执行的指令，指令被至少一个处理器1001执行以实现：

获取商户店铺内移动终端蓝牙信号的收发数据；

获取所述商户在预设时间内的出餐量；

根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易。

具体地，该电子设备包括：一个或多个处理器1001以及存储器1002，图4中以一个处理器1001为例。处理器1001、存储器1002可以通过总线或者其他方式连接，图4中以通过总线连接为例。存储器1002作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器1001通过运行存储在存储器1002中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述检测商户虚假交易的方法。

存储器1002可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器1002可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施方式中，存储器1002可选包括相对于处理器1001远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。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。

一个或者多个模块存储在存储器1002中，当被一个或者多个处理器1001执行时，执行上述任意方法实施方式中的检测商户虚假交易的方法。

上述产品可执行本申请实施方式所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施方式中详尽描述的技术细节，可参见本申请实施方式所提供的方法。

本发明第五实施方式涉及一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例，从而具备上述方法带来的技术效果。

即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)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、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明的第六实施方式涉及一种检测商户虚假交易的装置600，如图5所示，该装置包括：

第一数据接收模块601，用于获取商户店铺内移动终端蓝牙信号的收发数据；

第二数据接收模块602，用于获取商户在预设时间内的出餐量；

判断模块603，用于根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易。本领域技术人员可以理解，本实施方式具备上述方法带来的技术效果。

在一个例子中，判断模块603具体包括：输入子模块，用于将所述收发数据及所述出餐量输入预设机器学习模型中；确定子模块，用于利用所述预设机器学习模型确定所述商户是否存在虚假交易。

在一个例子中，第一数据接收模块601具体用于获取所述移动终端蓝牙发出信号至接收到反射信号的时长；所述输入子模块具体用于将所述时长及所述出餐量输入所述预设机器学习模型中。

在一个例子中，第一数据接收模块601具体用于获取所述移动终端蓝牙信号的衰减度；所述输入子模块具体用于将所述衰减度输入所述预设机器学习模型中。

值得一提的是，检测商户虚假交易的装置600还包括预设模块，用于预设用于表征所述商户正常营业的特征信息；判断模块603具体用于将所述收发数据、所述出餐量及所述特征信息输入预设机器学习模型中，利用所述预设机器学习模型确定所述商户是否存在虚假交易。

另外，检测商户虚假交易的装置600还包括获取模块，用于获取所述商户的店铺的经营类型；所述预设模块具体用于根据所述店铺的经营类型预设用于表征所述商户正常营业的特征信息。

在一个例子中，第一数据接收模块601具体用于获取所述移动终端在不同方位下的多个方位信息及分别与所述多个方位信息对应的蓝牙信号的多个收发数据；判断模块603具体用于根据所述多个方位信息和所述多个收发数据及所述出餐量确定所述商户是否存在虚假交易。

在一个例子中，检测商户虚假交易的装置600还包括发送模块，用于根据所述判定结果向所述商户发送预设警告信息。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

本申请实施例公开了A1、一种检测商户虚假交易的方法，包括：

获取商户店铺内移动终端蓝牙信号的收发数据；

获取所述商户在预设时间内的出餐量；

根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易。

A2、如A1所述的检测商户虚假交易的方法，所述根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易，具体包括：

将所述收发数据及所述出餐量输入预设机器学习模型中，利用所述预设机器学习模型确定所述商户是否存在虚假交易。

A3、如A2所述的所述的检测商户虚假交易的方法，所述获取商户店铺内移动终端蓝牙信号的收发数据，具体包括：

获取所述移动终端蓝牙发出信号至接收到反射信号的时长；

所述将所述收发数据及所述出餐量输入预设机器学习模型中，具体包括：

将所述时长及所述出餐量输入所述预设机器学习模型中。

A4、如A2所述的所述的检测商户虚假交易的方法，所述获取商户店铺内移动终端蓝牙信号的收发数据，具体包括：

获取所述移动终端蓝牙信号的衰减度；

所述将所述收发数据及所述出餐量输入预设机器学习模型中，具体包括：

将所述衰减度输入所述预设机器学习模型中。

A5、如A2所述的所述的检测商户虚假交易的方法，所述预设机器学习模型具体包括：

人工神经网络模型、逻辑回归模型、随机森林模型中的一种。

A6、如A2所述的所述的检测商户虚假交易的方法，在所述根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易之前，还包括：

预设用于表征所述商户正常营业的特征信息；

所述根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易，具体包括：

将所述收发数据、所述出餐量及所述特征信息输入预设机器学习模型中，利用所述预设机器学习模型确定所述商户是否存在虚假交易。

A7、如A6所述的所述的检测商户虚假交易的方法，在所述预设用于表征所述商户正常营业的特征信息之前，还包括：

获取所述商户的店铺的经营类型；

所述预设用于表征所述商户正常营业的特征信息，具体包括：

根据所述店铺的经营类型预设用于表征所述商户正常营业的特征信息。

A8、如A1所述的所述的检测商户虚假交易的方法，所述获取商户店铺内移动终端蓝牙信号的收发数据，具体包括：

获取所述移动终端在不同方位下的多个方位信息及分别与所述多个方位信息对应的蓝牙信号的多个收发数据；

根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易，具体包括：

根据所述多个方位信息和所述多个收发数据及所述出餐量确定所述商户是否存在虚假交易。

A9、如A1所述的所述的检测商户虚假交易的方法，在判定所述商户存在虚假交易之后，还包括：

根据所述收发数据、所述出餐量及判定结果向所述商户发送预设警告信息。

本申请实施例公开了B1、一种电子设备，包括至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；

以及，与扫描装置通信连接的通信组件，所述通信组件在所述处理器的控制下接收和发送数据；

其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行以实现：

获取商户店铺内移动终端蓝牙信号的收发数据；

获取所述商户在预设时间内的出餐量；

根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易。

B2、如B1所述的电子设备，所述处理器执行根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易，具体为：

将所述收发数据及所述出餐量输入预设机器学习模型中，利用所述预设机器学习模型确定所述商户是否存在虚假交易。

B3、如B2所述的电子设备，所述处理器执行获取商户店铺内移动终端蓝牙信号的收发数据，具体为：

获取所述移动终端蓝牙发出信号至接收到反射信号的时长；

所述处理器执行所述将所述收发数据及所述出餐量输入预设机器学习模型中，具体为：

将所述时长及所述出餐量输入所述预设机器学习模型中。

B4、如B2所述的电子设备，所述处理器执行获取商户店铺内移动终端蓝牙信号的收发数据，具体为：

获取所述移动终端蓝牙信号的衰减度；

所述处理器执行将所述收发数据及所述出餐量输入预设机器学习模型中，具体为：

将所述衰减度输入所述预设机器学习模型中。

B5、如B2所述的电子设备，所述预设机器学习模型具体为：人工神经网络模型、逻辑回归模型、随机森林模型中的一种。

B6、如B2所述的电子设备，所述处理器在执行根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易之前，还用于：

预设用于表征所述商户正常营业的特征信息；

所述处理器执行根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易，具体为：

将所述收发数据、所述出餐量及所述特征信息输入预设机器学习模型中，利用所述预设机器学习模型确定所述商户是否存在虚假交易。

B7、如B6所述的电子设备，所述处理器在执行预设用于表征所述商户正常营业的特征信息之前，还用于：

获取所述商户的店铺的经营类型；

所述处理器执行预设用于表征所述商户正常营业的特征信息，具体为：

根据所述店铺的经营类型预设用于表征所述商户正常营业的特征信息。

B8、如B1所述的电子设备，所述处理器执行获取商户店铺内移动终端蓝牙信号的收发数据，具体为：

获取所述移动终端在不同方位下的多个方位信息及分别与所述多个方位信息对应的蓝牙信号的多个收发数据；

所述处理器执行根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易，具体为：根据所述多个方位信息和所述多个收发数据及所述出餐量确定所述商户是否存在虚假交易。

B9、如B1所述的电子设备，所述处理器在执行判定所述商户存在虚假交易之后，还用于：

根据所述收发数据、所述出餐量及判定结果向所述商户发送预设警告信息。

本申请实施例公开了C1、一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现A1至A9中任一项所述的检测商户虚假交易的方法。

本申请实施例公开了D1、一种检测商户虚假交易的装置，包括：第一数据接收模块、第二数据接收模块以及判断模块；

所述第一数据接收模块用于获取商户店铺内移动终端蓝牙信号的收发数据；

所述第二数据接收模块用于获取所述商户在预设时间内的出餐量；

所述判断模块用于根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易。

D2、如D1所述的检测商户虚假交易的装置，所述判断模块具体包括：

输入子模块，用于将所述收发数据及所述出餐量输入预设机器学习模型中；

确定子模块，用于利用所述预设机器学习模型确定所述商户是否存在虚假交易。

D3、如D2所述的检测商户虚假交易的装置，所述第一数据接收模块具体用于获取所述移动终端蓝牙发出信号至接收到反射信号的时长；

所述输入子模块具体用于将所述时长及所述出餐量输入所述预设机器学习模型中。

D4、如D2所述的检测商户虚假交易的装置，所述第一数据接收模块具体用于获取所述移动终端蓝牙信号的衰减度；

所述输入子模块具体用于将所述衰减度输入所述预设机器学习模型中。

D5、如D2所述的检测商户虚假交易的装置，还包括：

预设模块，用于预设用于表征所述商户正常营业的特征信息；

所述判断模块具体用于将所述收发数据、所述出餐量及所述特征信息输入预设机器学习模型中，利用所述预设机器学习模型确定所述商户是否存在虚假交易。

D6、如D5所述的检测商户虚假交易的装置，还包括：

获取模块，用于获取所述商户的店铺的经营类型；

所述预设模块具体用于根据所述店铺的经营类型预设用于表征所述商户正常营业的特征信息。

D7、如D1所述的检测商户虚假交易的装置，所述第一数据接收模块具体用于获取所述移动终端在不同方位下的多个方位信息及分别与所述多个方位信息对应的蓝牙信号的多个收发数据；

所述判断模块具体用于根据所述多个方位信息和所述多个收发数据及所述出餐量确定所述商户是否存在虚假交易。

D8、如D1至D7任一所述的检测商户虚假交易的装置，还包括：

发送模块，用于根据所述判定结果向所述商户发送预设警告信息。

Claims (10)

1.一种检测商户虚假交易的方法，其特征在于，包括：

获取商户店铺内移动终端蓝牙信号的收发数据；

获取所述商户在预设时间内的出餐量；

根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易。

2.根据权利要求1所述的检测商户虚假交易的方法，其特征在于，所述根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易，具体包括：

将所述收发数据及所述出餐量输入预设机器学习模型中，利用所述预设机器学习模型确定所述商户是否存在虚假交易。

3.根据权利要求2所述的检测商户虚假交易的方法，其特征在于，所述获取商户店铺内移动终端蓝牙信号的收发数据，具体包括：

获取所述移动终端蓝牙发出信号至接收到反射信号的时长；

所述将所述收发数据及所述出餐量输入预设机器学习模型中，具体包括：

将所述时长及所述出餐量输入所述预设机器学习模型中。

4.根据权利要求2所述的检测商户虚假交易的方法，其特征在于，所述获取商户店铺内移动终端蓝牙信号的收发数据，具体包括：

获取所述移动终端蓝牙信号的衰减度；

所述将所述收发数据及所述出餐量输入预设机器学习模型中，具体包括：

将所述衰减度输入所述预设机器学习模型中。

5.根据权利要求2所述的检测商户虚假交易的方法，其特征在于，所述预设机器学习模型具体包括：

人工神经网络模型、逻辑回归模型、随机森林模型中的一种。

6.根据权利要求2所述的检测商户虚假交易的方法，其特征在于，在所述根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易之前，还包括：

预设用于表征所述商户正常营业的特征信息；

所述根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易，具体包括：

将所述收发数据、所述出餐量及所述特征信息输入预设机器学习模型中，利用所述预设机器学习模型确定所述商户是否存在虚假交易。

7.根据权利要求6所述的检测商户虚假交易的方法，其特征在于，在所述预设用于表征所述商户正常营业的特征信息之前，还包括：

获取所述商户的店铺的经营类型；

所述预设用于表征所述商户正常营业的特征信息，具体包括：

根据所述店铺的经营类型预设用于表征所述商户正常营业的特征信息。

8.一种电子设备，包括至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；

以及，与扫描装置通信连接的通信组件，所述通信组件在所述处理器的控制下接收和发送数据；

其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行以实现：

获取商户店铺内移动终端蓝牙信号的收发数据；

获取所述商户在预设时间内的出餐量；

根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易。

9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的检测商户虚假交易的方法。

10.一种检测商户虚假交易的装置，其特征在于，包括：第一数据接收模块、第二数据接收模块以及判断模块；

所述第一数据接收模块用于获取商户店铺内移动终端蓝牙信号的收发数据；

所述第二数据接收模块用于获取所述商户在预设时间内的出餐量；

所述判断模块用于根据所述收发数据及所述出餐量确定所述商户是否存在虚假交易。