CN109711846A - 支付请求处理方法、装置、计算机设备和存储介质 - Google Patents
支付请求处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109711846A CN109711846A CN201811431323.0A CN201811431323A CN109711846A CN 109711846 A CN109711846 A CN 109711846A CN 201811431323 A CN201811431323 A CN 201811431323A CN 109711846 A CN109711846 A CN 109711846A
- Authority
- CN
- China
- Prior art keywords
- payment
- information
- label
- payment account
- account
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000006399 behavior Effects 0.000 claims description 156
- 238000004590 computer program Methods 0.000 claims description 27
- 238000012795 verification Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 238000012550 audit Methods 0.000 claims description 7
- 230000000903 blocking effect Effects 0.000 claims description 5
- 235000013399 edible fruits Nutrition 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000002045 lasting effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010028813 Nausea Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及安全防护领域，特别涉及一种支付请求处理方法、装置、计算机设备和存储介质。所述方法包括：接收支付请求，支付请求携带有支付账户信息和待支付信息；获取支付账户信息中的行为标签，行为标签是根据支付账户信息的历史操作信息生成的；根据行为标签判断支付账户信息对应的支付账户是否为风险账户，若是，获取制定好的检测规则，并根据检测规则检测待支付信息；当待支付信息不满足检测规则时，拦截支付请求。采用本方法能够对于风险账户提起的不合理的支付行为进行拦截，更加准确地检测支付请求的风险情况，且降低误拦截的概率。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种支付请求处理方法、装置、计算机设备和存储介质。
背景技术
随着互联网技术的发展，线上支付得到了越来越广泛的应用，随之也给很多不法分子利用网络支付进行欺诈、盗号等行为提供了可乘之机，因而监测客户的支付行为、预防风险支付行为的发生变得十分有必要。
传统地，银行等金融机构通过设定一些对应的风控规则，来监控客户的支付行为，当其行为存在异常时，则对其行为进行拦截等处理；然而，传统的风控规则容易存在错判、漏判的行为，无法准确检测客户支付行为存在的风险。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高审核结果准确性的支付请求处理方法、装置、计算机设备和存储介质。
一种支付请求处理方法，所述方法包括：
接收支付请求，所述支付请求携带有支付账户信息和待支付信息；
获取所述支付账户信息中的行为标签，所述行为标签是根据所述支付账户信息的历史操作信息生成的；
根据所述行为标签判断所述支付账户信息对应的支付账户是否为风险账户，若是，获取制定好的检测规则，并根据所述检测规则检测所述待支付信息；
当所述待支付信息不满足所述检测规则时，拦截所述支付请求。
在其中一个实施例中，所述方法还包括：
当检测到所述支付账户信息对应的支付账户正在登录时，获取所述支付账户的当前登录信息；
获取所述支付账户对应的登录行为标签；
判断所述当前登录信息与所述登录行为标签是否匹配，若不匹配，则根据所述当前登录信息更新所述登录行为标签。
在其中一个实施例中，所述方法还包括：
当检测到所述支付账户信息对应的支付账户正在支付时，获取所述支付账户的当前支付信息；
获取所述支付账户对应的支付行为标签；
判断所述当前支付信息与所述支付行为标签是否匹配，若不匹配，则根据所述当前支付信息更新所述支付行为标签。
在其中一个实施例中，所述获取所述支付账户信息中的行为标签包括：
将所述支付账户信息输入训练好的标签模型中得到所述支付账户信息对应的行为标签。
在其中一个实施例中，所述标签模型的生成方式，包括：
获取历史风险请求，所述历史风险请求包括风险因子和所述风险因子对应的风险结果；
获取定义好的行为标签；
根据所述历史风险因子与所述风险结果之间的关系建立所述历史风险因子与所述行为标签之间的映射关系；
对所述映射关系进行学习得到标签模型。
在其中一个实施例中，所述拦截所述支付请求之后，还包括：
根据所述支付请求生成支付失败消息；
发送所述支付失败消息；
接收与所述支付失败消息对应的安全验证请求，所述安全验证请求携带有验证信息；
对所述验证信息进行审核，若审核通过，取消对所述支付请求的拦截，并删除与所述验证信息对应的所述行为标签。
一种支付请求处理装置，所述装置包括：
接收模块，用于接收支付请求，所述支付请求携带有支付账户信息和待支付信息；
标签获取模块，用于获取所述支付账户信息中的行为标签，所述行为标签是根据所述支付账户信息的历史操作信息生成的；
账户检测模块，用于根据所述行为标签判断所述支付账户信息对应的支付账户是否为风险账户，若是，获取制定好的检测规则，并根据所述检测规则检测所述待支付信息；
拦截模块，用于当所述待支付信息不满足所述检测规则时，拦截所述支付请求。
在其中一个实施例中，所述装置还包括：
登录检测模块，用于当检测到所述支付账户信息对应的支付账户正在登录时，获取所述支付账户的当前登录信息；
登录标签获取模块，用于获取所述支付账户对应的登录行为标签；
登录标签更新模块，用于判断所述当前登录信息与所述登录行为标签是否匹配，若不匹配，则根据所述当前登录信息更新所述登录行为标签。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
上述支付请求处理方法、装置、计算机设备和存储介质，技术人员根据制定的专家规则对每一账户的行为进行连续性监控，给账户打上对应的风险行为标签，当服务器接收到用户终端发送的在某一账户上执行的支付请求时，首先通过行为标签验证此账户是否为高风险账户，若是，且此次的支付请求中存在不合理的待支付信息时，服务器拦截此次的支付请求，不允许支付。上述支付请求处理方法，对于风险账户提起的不合理的支付行为进行拦截，能够更加准确地检测支付请求的风险情况，且降低误拦截的概率。
附图说明
图1为一个实施例中支付请求处理方法的应用场景图；
图2为一个实施例中支付请求处理方法的流程示意图；
图3为一个实施例中模型生成方式的流程示意图；
图4为一个实施例中支付请求处理装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的支付请求处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。用户通过终端102向服务器104发送支付请求，服务器接收到支付请求后，先根据对支付请求对应的账户在历史行为中被打上的行为标签验证此账户是否为高风险账户，若是，且此次的支付请求中存在不合理的待支付信息时，服务器拦截此次的支付请求，不允许支付。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种支付请求处理方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：
S202，接收支付请求，支付请求携带有支付账户信息和待支付信息。
其中，支付账户信息是发起此次支付请求对应的账户的信息，例如此支付请求对应的账户的用户名或账户等。
待支付信息是本次需要服务器允许执行的支付信息，可以包含支付的金额、支付的对象、此次的登录地址和域名、此账户本次的登录设备号等信息。
具体地，用户需要执行支付行为时，向服务器发送支付请求，此支付请求包含发起此次支付请求对应的账户的信息和本次需要服务器允许执行的支付信息，服务器接收到此支付请求后，根据以下步骤对其进行处理。
S204，获取支付账户信息中的行为标签，行为标签是根据支付账户信息的历史操作信息生成的。
其中，行为标签是服务器根据制定好的专家规则对支付账户信息在其他时间和场景，如登录场景和历史支付场景等，对此支付账户信息的历史登录情况和信息变动情况打上的用于识别此账户的风险因子的标签，这些标签有对应的有效期。例如，在开户场景，当此账户此次支付的IP地址的归属地不是用户常登录的归属地，则为此账户打上“物理信息不一致”的标签，此标签的有效期可以为7天；在登录场景，给最近90天或者180天内没有登录操作的账户打上“休眠账户”的标签，有效期7天。
具体地，服务器根据支付请求中的支付账户信息获取当前此账户中被打上的用于反映此账户风险情况的行为标签，用于判断此账户是否为风险账户。
S206，根据行为标签判断支付账户信息对应的支付账户是否为风险账户，若是，获取制定好的检测规则，并根据检测规则检测待支付信息。
其中，检测规则是用于检查此次的实时支付信息是否安全的规则，例如此次支付使用的设备标识是否为常用设备，其收货地址是否为常用地址、联系人和联系方式是否与历史信息一致等等。
具体地，服务器获取行为标签后，根据行为标签来判断此账户是否为风险账户，如技术人员可以设定规则来判断同时存在几个行为标签的时候，将此账户认为是风险账户，否则，则认为此账户安全；在判定此账户为风险账户后，还需要检测此次的实时支付信息是否合理，如此次支付信息的收获人的手机号或者充值的手机号码是否为常用号码等；服务器判定风险账户的规则和判定待支付信息是否合理的标准都可根据实际情况进行设定。
S208，当待支付信息不满足检测规则时，拦截支付请求。
具体地，当服务器检测到此账户为高风险账户且待支付信息不满足上述的检测规则，则拦截此次用户的支付请求，不允许支付。
可选地，当服务器检测到此账户为风险账户但其待支付信息合理，如此次支付是常用设备操作的，都不会对支付请求进行拦截；若根据行为标签判断此账户为非风险账户，则允许用户的此次支付请求，不再对账户的支付信息进行合理性检测，避免误拦截，影响用户的正常支付。
上述支付请求处理方法中，技术人员根据制定的专家规则对每一账户的行为进行连续性监控，给账户打上对应的风险行为标签，当服务器接收到用户终端发送的在某一账户上执行的支付请求时，首先通过行为标签验证此账户是否为高风险账户，若是，且此次的支付请求中存在不合理的待支付信息时，服务器拦截此次的支付请求，不允许支付。上述支付请求处理方法，对于风险账户提起的不合理的支付行为进行拦截，能够更加准确地检测支付请求的风险情况，且降低误拦截的概率。
在一个实施例中，上述支付请求处理方法还可以包括：当检测到支付账户信息对应的支付账户正在登录时，获取支付账户的当前登录信息；获取支付账户对应的登录行为标签；判断当前登录信息与登录行为标签是否匹配，若不匹配，则根据当前登录信息更新登录行为标签。
其中，当前登录信息是用户在登录支付账户时的信息，如登录的账户名、登录设备号、登录的IP(Internet Protocol Address，网络协议地址)等；则登录行为标签是服务器根据打标签的规则对于账户在发生登录行为时，即登录场景下，被打上的标签。
具体地，当服务器检测到用户的支付账户发生登录行为时，获取当前登录信息，然后根据登录场景下的标签规则检测当前登录信息是否存在风险因素，并获取其中的风险因素对应的登录行为标签，由于每个账户的行为标签都是持续对此账户的风险监测，服务器检测此账户已存在的登录行为标签是否与本次新打上的登录行为标签匹配，对已有登录行为标签进行更新。
上述实施例中，行为标签包括在登录场景下的登录行为标签，每一次账户发生登录行为时，都会对登录行为标签进行更新。
在一个实施例中，上述支付请求处理方法还可以包括：当检测到支付账户信息对应的支付账户正在支付时，获取支付账户的当前支付信息；获取支付账户对应的支付行为标签；判断当前支付信息与支付行为标签是否匹配，若不匹配，则根据当前支付信息更新支付行为标签。
其中，当前登录信息是用户在此支付账户上执行支付行为时的信息，如收货地址、收货人的姓名和联系电话等等；则支付行为标签是服务器根据打标签的规则在此账户在发生支付行为时，即支付场景下，被打上的标签。
具体地，当服务器检测到用户的支付账户发生支付行为时，获取当前支付信息，然后根据支付场景下的标签规则检测当前支付信息是否存在风险因素，并获取其中的风险因素对应的支付行为标签，由于每个账户的行为标签都是持续对此账户的风险监测，服务器检测此账户已存在的支付行为标签是否与本次新打上的支付行为标签匹配，对已有支付行为标签进行更新。
上述实施例中，行为标签包括在支付场景下的支付行为标签，每一次账户发生支付行为时，都会对支付行为标签进行更新。
除上述的登录场景和支付场景外，还可以包含其他的场景，技术人员也可根据不同的风险监测需求设置其他的标签更新规则，技术人员可以对每一个行为标签设置不同的有效期，若某一账户已被打上一个行为标签且此行为标签还在有效期内，若服务器又检测到相同的风险因素后，则对此账户的行为标签的有效期进行对应延长。
在一个实施例中，上述支付请求处理中的步骤S204中的获取支付账户信息中的行为标签，可以包括：将支付账户信息输入训练好的标签模型中得到支付账户信息对应的行为标签。
具体地，服务器可以根据大量历史风险数据进行分析，将若干个设定好的专家规则进行整合，训练出能够直接根据输入的支付账户信息获取其行为标签的标签模型。其中，标签模型可以是神经网络模型或者规则整合模型等。服务器将支付账户信息，如账户号等输入标签模型中，标签模型可根据此支付账户的历史中的支付行为和登录行为等等，为此支付账户打上行为标签。
上述实施例中，技术人员可经过模型训练得到标签模型，根据模型获取支付账户信息对应的行为标签。
在一个实施例中，请参见图3，上述支付请求处理方法中的标签模型的生成方式，可以包括以下步骤：
S302，获取历史风险请求，历史风险请求包括风险因子和风险因子对应的风险结果。
其中，历史风险请求是历史支付记录中的不正常交易的支付请求；风险因子为用于识别历史风险请求中的风险结果的单个因子，如大部分盗号行为中都存在异地登录、短期大额交易等因子；风险因子对应的风险结果即存在上述风险因子时可能会造成的风险结果。
具体地，在训练标签模型时，服务器先获取历史风险请求作为样本数据来源，然后从历史风险请求提取风险因子和风险因子对应的风险结果作为训练样本。
S304，获取定义好的行为标签。
具体地，技术人员针对不同的风险因素设定不同的行为标签名称，服务器获取行为标签，继续下一步的训练步骤。
S306，根据历史风险因子与风险结果之间的关系建立历史风险因子与行为标签之间的映射关系。
具体地，然后根据风险因子的集合最终导致的风险结果，来为每个风险因子设定对应的行为标签，可以根据输入的支付账户信息，获取此支付账户信息对应的历史登录记录和历史支付记录，来获取此支付账户信息中的风险因子对应的行为标签。
S308，对映射关系进行学习得到标签模型。
具体地，服务器根据历史风险因子与风险结果进行深度学习，训练出能够根据支付账户信息获取对应的行为标签的标签模型。
上述实施例中，服务器根据历史风险请求中的风险因子和风险因子对应的风险结果训练出能够根据支付账户信息获取对应的行为标签的标签模型。
在一个实施例中，上述支付请求处理方法中的步骤S208中的拦截支付请求之后，还可以包括：根据支付请求生成支付失败消息；发送支付失败消息；接收与支付失败消息对应的安全验证请求，安全验证请求携带有验证信息；对验证信息进行审核，若审核通过，取消对支付请求的拦截，并删除与验证信息对应的行为标签。
其中，支付失败消息是当服务器拦截终端发送的支付请求后，向终端返回的告知用户其支付不成功的消息，其可以为短信或者邮件、程序消息等。
安全验证请求是用于对已被拦截的支付请求要求解除拦截的请求，可以包含针对已被拦截的支付请求中的风险因素进行安全验证的内容；例如对于“物理信息不一致”的标签，用户可向服务器发送身份证号或者短信验证码等身份证明的信息证明此次支付请求为用户本人操作，向服务器进行安全验证。
具体地，服务器拦截此支付请求后，生成一个告知终端的用户其发起的支付请求被拦截，无法正常支付的支付失败消息，并将此消息返回给终端，用户可通过终端向服务器发送安全验证请求，此安全验证请求应包括用于解除此账户风险的验证信息，由服务器对验证信息进行审核，若审核通过，则服务器可取消对本次支付请求的拦截，允许用户的支付行为，同时，服务器将验证信息对应的行为标签从此账户当前被打上的行为标签中删除，如若可证明为本人操作，则可删除“物理信息不一致”等标签。
上述实施例中，用户可向服务器发送安全验证请求证明此次支付请求为本人安全操作，以取消被拦截的支付请求。
应该理解的是，虽然图2至图3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2至图3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种支付请求处理装置，包括：接收模块100、标签获取模块200、账户检测模块300和拦截模块400，其中：
接收模块100，用于接收支付请求，支付请求携带有支付账户信息和待支付信息。
标签获取模块200，用于获取支付账户信息中的行为标签，行为标签是根据支付账户信息的历史操作信息生成的。
账户检测模块300，根据行为标签判断支付账户信息对应的支付账户是否为风险账户，若是，获取制定好的检测规则，并根据检测规则检测待支付信息。
拦截模块400，用于当待支付信息不满足检测规则时，拦截支付请求。
在一个实施例中，上述支付请求处理装置中还可以包括：
登录检测模块，用于当检测到支付账户信息对应的支付账户正在登录时，获取支付账户的当前登录信息。
登录标签获取模块，用于获取支付账户对应的登录行为标签。
登录标签更新模块，用于判断当前登录信息与登录行为标签是否匹配，若不匹配，则根据当前登录信息更新登录行为标签。
在一个实施例中，上述支付请求处理装置中还可以包括：
支付检测模块，用于当检测到支付账户信息对应的支付账户正在支付时，获取支付账户的当前支付信息。
支付标签获取模块，用于获取支付账户对应的支付行为标签。
支付标签更新模块，用于判断当前支付信息与支付行为标签是否匹配，若不匹配，则根据当前支付信息更新支付行为标签。
在一个实施例中，上述支付请求处理装置中的标签获取模块200，还可以用于将支付账户信息输入训练好的标签模型中得到支付账户信息对应的行为标签。
在一个实施例中，上述支付请求处理装置还可以包括：
样本获取模块，用于获取历史风险请求，历史风险请求包括风险因子和风险因子对应的风险结果。
标签定义模块，用于获取定义好的行为标签。
关联模块，用于根据历史风险因子与风险结果之间的关系建立历史风险因子与行为标签之间的映射关系；
模型学习模块，用于对映射关系进行学习得到标签模型。
在一个实施例中，上述支付请求处理装置还可以包括：
支付失败消息生成模块，根据支付请求生成支付失败消息。
消息发送模块，用于发送支付失败消息。
安全验证模块，用于接收与支付失败消息对应的安全验证请求，安全验证请求携带有验证信息。
取消拦截模块，用于对验证信息进行审核，若审核通过，取消对支付请求的拦截，并删除与验证信息对应的行为标签。
关于支付请求处理装置的具体限定可以参见上文中对于支付请求处理方法的限定，在此不再赘述。上述支付请求处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储支付请求处理数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种支付请求处理方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：接收支付请求，支付请求携带有支付账户信息和待支付信息；获取支付账户信息中的行为标签，行为标签是根据支付账户信息的历史操作信息生成的；根据行为标签判断支付账户信息对应的支付账户是否为风险账户，若是，获取制定好的检测规则，并根据检测规则检测待支付信息；当待支付信息不满足检测规则时，拦截支付请求。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：当检测到支付账户信息对应的支付账户正在登录时，获取支付账户的当前登录信息；获取支付账户对应的登录行为标签；判断当前登录信息与登录行为标签是否匹配，若不匹配，则根据当前登录信息更新登录行为标签。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：当检测到支付账户信息对应的支付账户正在支付时，获取支付账户的当前支付信息；获取支付账户对应的支付行为标签；判断当前支付信息与支付行为标签是否匹配，若不匹配，则根据当前支付信息更新支付行为标签。
在一个实施例中，处理器执行计算机程序时实现的获取支付账户信息中的行为标签包括：将支付账户信息输入训练好的标签模型中得到支付账户信息对应的行为标签。
在一个实施例中，处理器执行计算机程序时实现的标签模型的生成方式，包括：获取历史风险请求，历史风险请求包括风险因子和风险因子对应的风险结果；获取定义好的行为标签；根据历史风险因子与风险结果之间的关系建立历史风险因子与行为标签之间的映射关系；对映射关系进行学习得到标签模型。
在一个实施例中，处理器执行计算机程序时实现的拦截支付请求之后，还包括：发送支付失败消息；接收与支付失败消息对应的安全验证请求，安全验证请求携带有验证信息；对验证信息进行审核，若审核通过，取消支付请求的消拦截，并删除与验证信息对应的行为标签。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：接收支付请求，支付请求携带有支付账户信息和待支付信息；获取支付账户信息中的行为标签，行为标签是根据支付账户信息的历史操作信息生成的；根据行为标签判断支付账户信息对应的支付账户是否为风险账户，若是，获取制定好的检测规则，并根据检测规则检测待支付信息；当待支付信息不满足检测规则时，拦截支付请求。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当检测到支付账户信息对应的支付账户正在登录时，获取支付账户的当前登录信息；获取支付账户对应的登录行为标签；判断当前登录信息与登录行为标签是否匹配，若不匹配，则根据当前登录信息更新登录行为标签。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当检测到支付账户信息对应的支付账户正在支付时，获取支付账户的当前支付信息；获取支付账户对应的支付行为标签；判断当前支付信息与支付行为标签是否匹配，若不匹配，则根据当前支付信息更新支付行为标签。
在一个实施例中，计算机程序被处理器执行时实现的获取支付账户信息中的行为标签包括：将支付账户信息输入训练好的标签模型中得到支付账户信息对应的行为标签。
在一个实施例中，计算机程序被处理器执行时实现的标签模型的生成方式，包括：获取历史风险请求，历史风险请求包括风险因子和风险因子对应的风险结果；获取定义好的行为标签；根据历史风险因子与风险结果之间的关系建立历史风险因子与行为标签之间的映射关系；对映射关系进行学习得到标签模型。
在一个实施例中，计算机程序被处理器执行时实现的拦截支付请求之后，还包括：根据支付请求生成支付失败消息；发送支付失败消息；接收与支付失败消息对应的安全验证请求，安全验证请求携带有验证信息；对验证信息进行审核，若审核通过，取消对支付请求的拦截，并删除与验证信息对应的行为标签。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种支付请求处理方法，所述方法包括：
接收支付请求，所述支付请求携带有支付账户信息和待支付信息；
获取所述支付账户信息中的行为标签，所述行为标签是根据所述支付账户信息的历史操作信息生成的；
根据所述行为标签判断所述支付账户信息对应的支付账户是否为风险账户，若是，获取制定好的检测规则，并根据所述检测规则检测所述待支付信息；
当所述待支付信息不满足所述检测规则时，拦截所述支付请求。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当检测到所述支付账户信息对应的支付账户正在登录时，获取所述支付账户的当前登录信息；
获取所述支付账户对应的登录行为标签；
判断所述当前登录信息与所述登录行为标签是否匹配，若不匹配，则根据所述当前登录信息更新所述登录行为标签。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当检测到所述支付账户信息对应的支付账户正在支付时，获取所述支付账户的当前支付信息；
获取所述支付账户对应的支付行为标签；
判断所述当前支付信息与所述支付行为标签是否匹配，若不匹配，则根据所述当前支付信息更新所述支付行为标签。
4.根据权利要求1所述的方法，其特征在于，所述获取所述支付账户信息中的行为标签包括：
将所述支付账户信息输入训练好的标签模型中得到所述支付账户信息对应的行为标签。
5.根据权利要求4所述的方法，其特征在于，所述标签模型的生成方式，包括：
获取历史风险请求，所述历史风险请求包括风险因子和所述风险因子对应的风险结果；
获取定义好的行为标签；
根据所述历史风险因子与所述风险结果之间的关系建立所述历史风险因子与所述行为标签之间的映射关系；
对所述映射关系进行学习得到标签模型。
6.根据权利要求1至5任意一项所述的方法，其特征在于，所述拦截所述支付请求之后，还包括：
根据所述支付请求生成支付失败消息；
发送所述支付失败消息；
接收与所述支付失败消息对应的安全验证请求，所述安全验证请求携带有验证信息；
对所述验证信息进行审核，若审核通过，取消对所述支付请求的拦截，并删除与所述验证信息对应的所述行为标签。
7.一种支付请求处理装置，其特征在于，所述装置包括：
接收模块，用于接收支付请求，所述支付请求携带有支付账户信息和待支付信息；
标签获取模块，用于获取所述支付账户信息中的行为标签，所述行为标签是根据所述支付账户信息的历史操作信息生成的；
账户检测模块，用于根据所述行为标签判断所述支付账户信息对应的支付账户是否为风险账户，若是，获取制定好的检测规则，并根据所述检测规则检测所述待支付信息；
拦截模块，用于当所述待支付信息不满足所述检测规则时，拦截所述支付请求。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
登录检测模块，用于当检测到所述支付账户信息对应的支付账户正在登录时，获取所述支付账户的当前登录信息；
登录标签获取模块，用于获取所述支付账户对应的登录行为标签；
登录标签更新模块，用于判断所述当前登录信息与所述登录行为标签是否匹配，若不匹配，则根据所述当前登录信息更新所述登录行为标签。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，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6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811431323.0A CN109711846A (zh) | 2018-11-26 | 2018-11-26 | 支付请求处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811431323.0A CN109711846A (zh) | 2018-11-26 | 2018-11-26 | 支付请求处理方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109711846A true CN109711846A (zh) | 2019-05-03 |
Family
ID=66254527
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811431323.0A Pending CN109711846A (zh) | 2018-11-26 | 2018-11-26 | 支付请求处理方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109711846A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298206A (zh) * | 2019-06-03 | 2019-10-01 | Oppo（重庆）智能科技有限公司 | 信息处理方法及相关设备 |
| CN110298654A (zh) * | 2019-07-03 | 2019-10-01 | 中国联合网络通信集团有限公司 | 基于5g网络的手机支付方法和系统 |
| CN110706069A (zh) * | 2019-09-25 | 2020-01-17 | 口碑(上海)信息技术有限公司 | 订单支付请求的异常处理方法、设备、服务器及系统 |
| CN110874743A (zh) * | 2019-10-11 | 2020-03-10 | 支付宝(杭州)信息技术有限公司 | 用于确定账户交易风险的方法及装置 |
| CN111260368A (zh) * | 2020-01-08 | 2020-06-09 | 支付宝(杭州)信息技术有限公司 | 一种账户交易风险判断方法、装置及电子设备 |
| CN111815317A (zh) * | 2020-05-27 | 2020-10-23 | 维沃移动通信有限公司 | 支付方法和装置 |
| CN112837069A (zh) * | 2021-03-23 | 2021-05-25 | 冯琬晴 | 基于区块链与大数据的安全支付方法及云平台系统 |
| CN113206835A (zh) * | 2021-04-07 | 2021-08-03 | 深圳市奇虎智能科技有限公司 | 路由器拦截联网设备支付行为的方法、系统、存储介质及计算机设备 |
| CN113837763A (zh) * | 2021-09-15 | 2021-12-24 | 深圳依时货拉拉科技有限公司 | 支付请求处理方法、装置、计算机设备及可读存储介质 |
| CN115730283A (zh) * | 2022-10-19 | 2023-03-03 | 广州易幻网络科技有限公司 | 一种账号登录风控系统、方法、计算机设备及存储介质 |
| CN117035782A (zh) * | 2023-07-28 | 2023-11-10 | 广州盈风网络科技有限公司 | 一种充值风险控制方法、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103236005A (zh) * | 2013-03-29 | 2013-08-07 | 深圳市网商网科技有限公司 | 一种电子商务风险支付的检测评估阻止方法 |
| CN104794616A (zh) * | 2015-05-11 | 2015-07-22 | 易联支付有限公司 | 一种手机支付安全验证方法 |
| US20170053283A1 (en) * | 2015-08-21 | 2017-02-23 | Samsung Electronics Co., Ltd. | Method for risk management based on aggregated information from multiple payment networks while maintaining anonymity of user |
| CN108446821A (zh) * | 2018-02-07 | 2018-08-24 | 中国平安人寿保险股份有限公司 | 风险监控的方法、装置、存储介质及终端 |
-
2018
- 2018-11-26 CN CN201811431323.0A patent/CN109711846A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103236005A (zh) * | 2013-03-29 | 2013-08-07 | 深圳市网商网科技有限公司 | 一种电子商务风险支付的检测评估阻止方法 |
| CN104794616A (zh) * | 2015-05-11 | 2015-07-22 | 易联支付有限公司 | 一种手机支付安全验证方法 |
| US20170053283A1 (en) * | 2015-08-21 | 2017-02-23 | Samsung Electronics Co., Ltd. | Method for risk management based on aggregated information from multiple payment networks while maintaining anonymity of user |
| CN108446821A (zh) * | 2018-02-07 | 2018-08-24 | 中国平安人寿保险股份有限公司 | 风险监控的方法、装置、存储介质及终端 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298206B (zh) * | 2019-06-03 | 2021-04-09 | Oppo（重庆）智能科技有限公司 | 信息处理方法及相关设备 |
| CN110298206A (zh) * | 2019-06-03 | 2019-10-01 | Oppo（重庆）智能科技有限公司 | 信息处理方法及相关设备 |
| CN110298654A (zh) * | 2019-07-03 | 2019-10-01 | 中国联合网络通信集团有限公司 | 基于5g网络的手机支付方法和系统 |
| CN110298654B (zh) * | 2019-07-03 | 2022-06-10 | 中国联合网络通信集团有限公司 | 基于5g网络的手机支付方法和系统 |
| CN110706069A (zh) * | 2019-09-25 | 2020-01-17 | 口碑(上海)信息技术有限公司 | 订单支付请求的异常处理方法、设备、服务器及系统 |
| CN110874743A (zh) * | 2019-10-11 | 2020-03-10 | 支付宝(杭州)信息技术有限公司 | 用于确定账户交易风险的方法及装置 |
| CN111260368A (zh) * | 2020-01-08 | 2020-06-09 | 支付宝(杭州)信息技术有限公司 | 一种账户交易风险判断方法、装置及电子设备 |
| CN111815317A (zh) * | 2020-05-27 | 2020-10-23 | 维沃移动通信有限公司 | 支付方法和装置 |
| CN111815317B (zh) * | 2020-05-27 | 2024-05-31 | 维沃移动通信有限公司 | 支付方法和装置 |
| CN112837069A (zh) * | 2021-03-23 | 2021-05-25 | 冯琬晴 | 基于区块链与大数据的安全支付方法及云平台系统 |
| CN113206835A (zh) * | 2021-04-07 | 2021-08-03 | 深圳市奇虎智能科技有限公司 | 路由器拦截联网设备支付行为的方法、系统、存储介质及计算机设备 |
| CN113837763A (zh) * | 2021-09-15 | 2021-12-24 | 深圳依时货拉拉科技有限公司 | 支付请求处理方法、装置、计算机设备及可读存储介质 |
| CN115730283A (zh) * | 2022-10-19 | 2023-03-03 | 广州易幻网络科技有限公司 | 一种账号登录风控系统、方法、计算机设备及存储介质 |
| CN117035782A (zh) * | 2023-07-28 | 2023-11-10 | 广州盈风网络科技有限公司 | 一种充值风险控制方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109711846A (zh) | 支付请求处理方法、装置、计算机设备和存储介质 | |
| CN110232565B (zh) | 资源清算方法、装置、计算机设备和存储介质 | |
| CN108876133A (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
| CN104767613B (zh) | 签名验证方法、装置及系统 | |
| CN109087208B (zh) | 贷前数据处理方法、装置、计算机设备和存储介质 | |
| CN108776923A (zh) | 订单支付方法、系统、计算机设备和存储介质 | |
| US20180033010A1 (en) | System and method of identifying suspicious user behavior in a user's interaction with various banking services | |
| CN109816399A (zh) | 投诉件的管理方法、装置、计算机设备和存储介质 | |
| US20130185191A1 (en) | Systems and method for correlating transaction events | |
| EP3596681A2 (en) | Secure age verification system | |
| US12026704B2 (en) | System and method for assessing a digital interaction with a digital third party account service | |
| JP2019500680A (ja) | データ処理方法及び装置 | |
| CN110363020A (zh) | 截屏监控方法、装置、计算机设备及存储介质 | |
| CN109871445A (zh) | 欺诈用户识别方法、装置、计算机设备和存储介质 | |
| CN108765175A (zh) | 保单保全信息处理方法、装置、计算机设备和存储介质 | |
| WO2020233070A1 (zh) | 支付风险校验方法、装置、计算机设备及存储介质 | |
| CN109461045A (zh) | 订单支付方法、系统、计算机设备和存储介质 | |
| CN110298648A (zh) | 基于核心互联系统的数据处理方法、系统、设备和介质 | |
| CN113687800B (zh) | 文件打印处理方法、装置、计算机设备和存储介质 | |
| CN111090581A (zh) | 智能合约测试方法、装置、计算机设备和存储介质 | |
| CN109767226A (zh) | 基于大数据的可疑交易统计视图生成方法和装置 | |
| US20240257102A1 (en) | Learning method of detection model for detecting misused virtual asset transaction, detection method of misused virtual asset transaction using detection model, and apparatus and computer program for performing the same | |
| CN109829640A (zh) | 企业违约风险的识别方法、装置、计算机设备和存储介质 | |
| CN108920357A (zh) | 业务系统检测方法、装置、计算机设备和存储介质 | |
| CN109670931A (zh) | 贷款用户的行为检测方法、装置、设备及存储介质 |
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 |