CN110197374B - 交易拦截控制方法及装置 - Google Patents
交易拦截控制方法及装置 Download PDFInfo
- Publication number
- CN110197374B CN110197374B CN201810621453.4A CN201810621453A CN110197374B CN 110197374 B CN110197374 B CN 110197374B CN 201810621453 A CN201810621453 A CN 201810621453A CN 110197374 B CN110197374 B CN 110197374B
- Authority
- CN
- China
- Prior art keywords
- transaction
- interception
- amount
- intercepted
- evaluation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims abstract description 150
- 230000000737 periodic effect Effects 0.000 claims description 37
- 238000010586 diagram Methods 0.000 description 20
- 238000013461 design Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 12
- 238000012795 verification Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 8
- 238000012546 transfer Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/405—Establishing or using transaction specific rules
-
- 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
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/407—Cancellation of a transaction
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Computer Security & Cryptography (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例提供了一种交易拦截控制方法及装置,涉及支付安全技术领域,交易拦截控制方法包括:获取当前时刻与拦截策略匹配的预计应拦截的预计交易拦截量,然后根据拦截策略的历史数据评估当前时刻的交易拦截评估量。在确定预计交易拦截量与交易拦截评估量之间的差值大于预设阈值时,说明当前时刻出现了随机状况,并按照统计学原理给出该状态的概率值。若按照预计交易拦截量对当前的交易进行拦截将导致拦截的交易过多,影响用户体验以及交易系统的运行效率,故对预计交易拦截量进行调整,按比例减少预计交易拦截量,然后根据调整后的预计交易拦截量对当前的交易进行拦截,从而在出现随机状况提高交易系统的运行效率以及提升用户体验。
Description
技术领域
本发明实施例涉及支付安全技术领域,尤其涉及一种交易拦截控制技术。
背景技术
随着支付业务的进步,交易系统承担的支付业务也日渐增加。为了保护用户付款安全,针对某些用户或者某些交易类型,交易系统会根据预设的交易拦截策略对交易进行拦截,从而减少了用户的资金风险。
然而,在一些随机状况下,比如节假日等交易高峰时期、拦截策略出现异常,采用固定的交易拦截策略对用户的交易进行拦截将导致拦截的交易量过多,从而使得交易系统的运行效率下降,同时给用户带来不便。
发明内容
由于现有技术中采用固定的拦截策略对交易进行拦截,可能在一些随机状况下出现交易拦截量的激增,从而影响交易系统的运行效率的问题,本发明实施例提供了一种交易拦截控制方法及装置,用以控制交易拦截量,提高交易系统的运行效率。
第一方面,本发明实施例提供了一种交易拦截控制方法,该方法包括:获取当前时刻总交易中与拦截策略匹配的预计应拦截交易的预计交易拦截量。根据拦截量预测模型确定当前时刻与所述拦截策略对应的交易拦截评估量,所述拦截量预测模型包括所述拦截策略下各个时刻的交易拦截评估量。然后根据所述预计交易拦截量与所述交易拦截评估量之间的差值确定与所述拦截策略匹配的目标交易拦截量。之后再根据所述目标交易拦截量,对当前时刻总交易中与所述拦截策略匹配的交易进行拦截。由于交易拦截评估量为在没有出现随机状况时,拦截策略预计拦截的交易量。结合当前时刻的预计交易拦截量以及评估得到的交易拦截评估量之间的差值可以判断当前是否出现随机状况,然后根据随机状况调整预计交易拦截量,确定目标交易拦截量,而不是仅仅根据预计交易拦截量对当前交易进行拦截,从而在出现交易激增等随机状况提高交易系统的运行效率,提升用户体验。
在一个可能的设计中,所述拦截策略在不同时刻的交易拦截评估量,是根据当前时刻之前的设定时间段内不同时刻实际拦截的交易量的历史数据评估得到的。
在一个可能的设计中,所述根据当前时刻之前的设定时间段内不同时刻实际拦截的交易量的历史数据评估所述拦截策略在不同时刻的交易拦截评估量,包括:
获取所述拦截策略在当前时刻之前的设定时间段内不同时刻实际拦截的交易量的历史数据。然后将所述历史数据划分为周期性历史数据和随机性历史数据,所述周期性历史数据包括所述拦截策略在当前时刻之前的设定时间段内不同时刻拦截的呈周期性变化的交易量;所述周期性历史数据和所述随机性历史数据中同一时刻对应的拦截的交易量之和为所述历史数据中所述同一时刻对应的拦截的交易量。将所述周期性历史数据中任意一个周期内不同时刻拦截的交易量确定为所述拦截策略在不同时刻的交易拦截评估量。在获取历史数据后,按照周期性历史数据和随机性历史数据对应时刻的拦截的交易量相加得到历史数据中拦截的交易量的原则,将历史数据划分为周期性历史数据和随机性历史数据,将周期性历史数据作为没有出现随机状况时拦截策略拦截的交易量,即交易拦截评估量,从而实现对没有出现随机状况时拦截的交易量的评估。
在一个可能的设计中,所述根据所述预计交易拦截量与所述交易拦截评估量之间的差值确定与所述拦截策略匹配的目标交易拦截量,包括:
确定所述预计交易拦截量与所述交易拦截评估量之间的差值;
根据拦截量偏移模型确定所述差值对应的评估概率,所述拦截量偏移模型包括各个时刻的预计交易拦截量与交易拦截评估量之间的差值的评估概率,所述评估概率是根据所述随机性历史数据确定的;
在确定所述差值的评估概率小于预设阈值时,根据预设规则调整所述预计交易拦截量,确定与所述拦截策略匹配的目标交易拦截量。
通过评估预计交易拦截量与交易拦截评估量之间的差值出现的概率的大小判断随机状况的影响程度,进而调整预计交易拦截量,实现交易拦截量的控制。
在一个可能的设计中,所述根据所述随机性历史数据确定所述评估概率,包括:
所述随机性历史数据包括所述拦截策略在当前时刻之前的设定时间段内不同时刻拦截的随机性变化的交易量;
根据所述随机性历史数据统计所述拦截策略在当前时刻之前的设定时间段内的总拦截启动次数,每个时刻对应一次拦截启动;
针对所述随机性历史数据中任意一个拦截的交易量,统计在当前时刻之前的设定时间段内所述拦截的交易量出现的次数;
根据所述总拦截启动次数以及所述拦截的交易量出现的次数确定所述拦截的交易量的出现概率;
将所述拦截的交易量的出现概率确定为所述评估概率。
由于对随机性历史数据中拦截的交易量进行统计确定各拦截的交易量出现的概率,然后采用随机性历史数据中各拦截的交易量出现的概率作为预计交易拦截量与交易拦截评估量之间的差值的评估概率,故评估概率可以反映出随机状况的影响程度,为后续根据评估概率调整交易拦截量提供了依据。
在一个可能的设计中,所述在确定所述差值的评估概率小于预设阈值时,根据预设规则调整所述预计交易拦截量,确定与所述拦截策略匹配的目标交易拦截量,包括:
在确定所述差值的评估概率小于第一阈值时,按预设比例调整所述预计交易拦截量,将调整后的所述预计交易拦截量确定为与所述拦截策略匹配的目标交易拦截量;
在确定所述差值的评估概率小于第二阈值时,将与所述拦截策略匹配的目标交易拦截量置为零,所述第二阈值小于所述第一阈值。
由于预计交易拦截量与交易拦截评估量之间的差值的评估概率越小,说明预计交易拦截量偏离没有随机状况时的交易拦截量越多,直接根据预计交易拦截量进行拦截将导致拦截的交易量过多,故需要减少预计交易拦截量,使交易系统处理更多的交易,从而提高交易系统的运行效率。
在一个可能的设计中,所述根据所述预计交易拦截量与所述交易拦截评估量之间的差值确定与所述拦截策略匹配的目标交易拦截量,包括:
确定所述预计交易拦截量与所述交易拦截评估量之间的差值;
在确定所述差值大于第三阈值时,按预设比例调整所述预计交易拦截量,将调整后的所述预计交易拦截量确定为与所述拦截策略匹配的目标交易拦截量;
在确定所述差值大于第四阈值时,将与所述拦截策略匹配的目标交易拦截量置为零,所述第四阈值大于所述第三阈值。
由于预计交易拦截量与交易拦截评估量之间的差值越大,说明预计交易拦截量偏离没有随机状况时的交易拦截量越多,直接根据预计交易拦截量进行拦截将导致拦截的交易量过多,故需要减少预计交易拦截量,使交易系统处理更多的交易,从而提高交易系统的运行效率,同时提升用户体验。
第二方面,本发明实施例提供了一种交易拦截控制装置,该装置包括:
获取模块,用于获取当前时刻总交易中与拦截策略匹配的预计应拦截交易的预计交易拦截量;
评估模块,用于根据拦截量预测模型确定当前时刻与所述拦截策略对应的交易拦截评估量,所述拦截量预测模型包括所述拦截策略下各个时刻的交易拦截评估量;
调整模块,用于根据所述预计交易拦截量与所述交易拦截评估量之间的差值确定与所述拦截策略匹配的目标交易拦截量;
拦截模块,用于根据所述目标交易拦截量,对当前时刻总交易中与所述拦截策略匹配的交易进行拦截。
在一个可能的设计中,所述评估模块具体用于:
获取所述拦截策略在当前时刻之前的设定时间段内不同时刻实际拦截的交易量的历史数据;
将所述历史数据划分为周期性历史数据和随机性历史数据,所述周期性历史数据包括所述拦截策略在当前时刻之前的设定时间段内不同时刻拦截的呈周期性变化的交易量;所述周期性历史数据和所述随机性历史数据中同一时刻对应的拦截的交易量之和为所述历史数据中所述同一时刻对应的拦截的交易量;
将所述周期性历史数据中任意一个周期内不同时刻拦截的交易量确定为所述拦截策略在不同时刻的交易拦截评估量。
在一个可能的设计中,所述调整模块具体用于:
确定所述预计交易拦截量与所述交易拦截评估量之间的差值;
根据拦截量偏移模型确定所述差值对应的评估概率,所述拦截量偏移模型包括各个时刻的预计交易拦截量与交易拦截评估量之间的差值的评估概率,所述评估概率是根据所述随机性历史数据确定的;
在确定所述差值的评估概率小于预设阈值时,根据预设规则调整所述预计交易拦截量,确定与所述拦截策略匹配的目标交易拦截量。
在一个可能的设计中,所述随机性历史数据包括所述拦截策略在当前时刻之前的设定时间段内不同时刻拦截的随机性变化的交易量;
所述调整模块具体用于:
根据所述随机性历史数据统计所述拦截策略在当前时刻之前的设定时间段内的总拦截启动次数,每个时刻对应一次拦截启动;
针对所述随机性历史数据中任意一个拦截的交易量,统计在当前时刻之前的设定时间段内所述拦截的交易量出现的次数;
根据所述总拦截启动次数以及所述拦截的交易量出现的次数确定所述拦截的交易量的出现概率;
将所述拦截的交易量的出现概率确定为所述评估概率。
在一个可能的设计中,所述调整模块具体用于:
在确定所述差值的评估概率小于第一阈值时,按预设比例调整所述预计交易拦截量,将调整后的所述预计交易拦截量确定为与所述拦截策略匹配的目标交易拦截量;
在确定所述差值的评估概率小于第二阈值时,将与所述拦截策略匹配的目标交易拦截量置为零,所述第二阈值小于所述第一阈值。
在一个可能的设计中,所述调整模块具体用于:
确定所述预计交易拦截量与所述交易拦截评估量之间的差值;
在确定所述差值大于第三阈值时,按预设比例调整所述预计交易拦截量,将调整后的所述预计交易拦截量确定为与所述拦截策略匹配的目标交易拦截量;
在确定所述差值大于第四阈值时,将与所述拦截策略匹配的目标交易拦截量置为零,所述第四阈值大于所述第三阈值。
第三方面,本发明实施例提供了一种计算机设备,包括至少一个处理单元、至少一个存储单元、一个显示单元,其中,所述存储单元存储有计算机程序,当所述程序被所述处理单元执行时,使得所述处理单元执行上述任一项所述方法的步骤。
第四方面,本发明实施例提供了一种计算机可读介质,其存储有可由计算机设备执行的计算机程序,当所述程序在计算机设备上运行时,使得所述计算机设备执行上述任一项所述方法的步骤。
第五方面,本发明实施例提供了一种支付控制方法,该方法采用上述任一项所述的交易量拦截方法确定交易拦截量。
第六方面,本发明实施例提供了一种支付控制系统,该支付控制系统采用上述任一项所述的交易拦截控制装置确定交易拦截量。
本发明实施例中,由于根据拦截策略实际拦截的交易量的历史数据对当前时刻的交易拦截量进行评估得到交易拦截评估量,交易拦截评估量为在没有出现随机状况时,拦截策略预计拦截的交易量。结合当前时刻的预计交易拦截量以及评估得到的交易拦截评估量之间的差值可以判断当前是否出现随机状况,然后进一步根据随机状况调整预计交易拦截量,确定目标交易拦截量,而不是仅仅根据预计交易拦截量对当前交易进行拦截,从而在出现交易拦截量激增的随机状况时提高交易系统的运行效率,提升用户体验。其次,根据预计交易拦截量与交易拦截评估量之间的差值的评估概率或大小确定预计交易拦截量的调整幅度,从而提高控制交易拦截量的效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1a为本发明实施例提供的一种系统架构图;
图1b为本发明实施例提供的一种交易服务器的结构示意图;
图2为本发明实施例提供的一种交易拦截控制方法的流程示意图;
图3为本发明实施例提供的一种确定交易拦截评估量的方法的流程示意图;
图4为本发明实施例提供的历史数据的时域示意图;
图5为本发明实施例提供的历史数据的时域示意图;
图6为本发明实施例提供的历史数据的频域示意图;
图7为本发明实施例提供的周期性历史数据的时域示意图;
图8为本发明实施例提供的一种确定目标交易拦截量的方法的流程示意图;
图9为本发明实施例提供的一种确定评估概率的方法的流程示意图;
图10为本发明实施例提供的一种高斯模型的示意图;
图11为本发明实施例提供的一种交易拦截控制装置的结构示意图;
图12为本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了方便理解,下面对本发明实施例中涉及的名词进行解释。
傅立叶变换:傅立叶变换是一种分析信号的方法,它可分析信号的成分。例如在信号处理中,傅里叶变换的典型用途是将信号分解成频率谱,显示与频率对应的幅值大小。
反傅立叶变换:将频率谱对应幅值与频率复合还原到原始信号。
高斯模型:用高斯概率密度函数精确地量化事物,将一个事物分解为基于高斯概率密度函数形成的模型。
在具体实践过程中,本发明的发明人发现,现有的交易系统按照固定的拦截策略对交易进行拦截。在节假日出现交易高峰时总的交易量会激增,故拦截策略拦截的交易量也会激增;在拦截策略出现异常时,误拦截率升高,故拦截策略拦截的交易量也会增加。在上述随机状况下仍旧按照固定的拦截策略进行交易拦截时,会拦截过多的交易,从而一方面导致交易系统的处理效率降低,另一方面给用户带来不好的体验。因此需要在出现随机状况时对拦截策略拦截的交易量进行控制,以提高交易系统在随机状况下的运行效率以及提升用户体验。
为此,本发明的发明人考虑到,交易高峰时期以及拦截策略出现异常等随机状况是很难预先获知的,若在固定的几个时刻调整拦截策略拦截的交易量将达不到好的控制效果。发明人通过分析交易拦截策略的历史数据发现,针对不同天的同一时刻,若其中一天在该时刻出现随机状况,而另一天在该时刻没有出现随机状况,那么这两天在该时刻拦截的交易量的差值较大。若两天在该时刻都没有出现随机状况,那么这两天在该时刻拦截的交易量的差值较小。而交易拦截策略是在没有考虑随机状况下制定的,故在没有出现随机状况时,交易系统的运行效率不会受到影响,也不会有过多用户的交易被拦截。而出现随机状况时,即上述差值大于一定数值时,由于相较于没出现随机状况时多拦截了上述差值对应的交易量,导致过多用户的交易被拦截,影响用户体验;随机状况为拦截策略异常时,多拦截上述差值对应的交易量将导致交易系统处理的交易量显著减少,从而影响交易系统的运行效率。为了提高在出现随机状况时交易系统的运行效率以及用户体验,可获取当前时刻与拦截策略匹配的预计应拦截的预计交易拦截量,当前时刻可能出现了随机状况,也可能没有出现随机状况,然后根据拦截策略的历史数据评估当前时刻若不出现随机状况会拦截的交易量,即交易拦截评估量。通过计算预计交易拦截量与交易拦截评估量之间差值大小判断当前时刻是否出现随机状况。若预计交易拦截量与交易拦截评估量之间的差值大于一定数值,则说明当前时刻出现了随机状况,若按照预计交易拦截量对当前的交易进行拦截将导致拦截的交易过多,影响用户体验以及交易系统的运行效率,故需要对预计交易拦截量进行调整,比如按比例减少预计交易拦截量,使得实际拦截的交易量减少。若预计交易拦截量与交易拦截评估量之间的差值不大于一定数值,则说明当前时刻没有出现了随机状况,故可以按照预计交易拦截量对当前的交易进行拦截。
本发明实施例的技术方案适用于支付业务,包括商户与用户之间的支付业务、用户与用户之间的转账业务等等。交易系统在处理支付业务时,周期性发起交易拦截,比如每秒发起一次交易拦截。
图1a示例性示出了本发明实施例适用的一种系统架构示意图,如图1a所示,本发明实施例适用的系统架构包括终端101、交易服务器102、商户服务器103。
终端101是具备网络通信能力的电子设备,该电子设备可以是智能手机、平板电脑或便携式个人计算机等等。
交易服务器102是进行交易结算的第三方服务器,交易服务器102通过无线网络与商户服务器103和终端101连接。交易服务器102是一台服务器或若干台服务器组成的服务器集群或云计算中心,交易服务器102包括交易拦截控制装置。
商户服务器103为商户对应的服务器,商户服务器103是一台服务器或若干台服务器组成的服务器集群或云计算中心。
示例性地,用户与商户之间进行交易时,用户预先在终端设备101上安装与商户服务器103相关联的应用程序,终端101通过无线网络与商户服务器103连接。用户使用该应用程序进行使用购物时,选择了第三方支付机构作为结算机构。商户服务器103会生成一个交易信息,交易信息中包括商户账户信息、用户账户信息、交易类型等等。商户服务器103将该交易信息发送给第三方支付机构的交易服务器102,以请求交易服务器102对该交易进行业务处理。交易服务器102首先对交易单中的信息进行验证,比如验证用户账号和商户账户的合法性,验证交易类型的合法性,验证交易金额是否达到最高交易金额等。交易服务器102在验证商户服务器103提交的交易单不合法时,对该交易单进行拦截。交易服务器102在验证商户服务器103提交的交易单合法时,修改用户账号和商户账户的中的金额,即将用户账号中的金额转入商户账户。
示例性地,用户与用户之间进行转账时,第一用户在终端101上启动支付应用程序(APP),然后在支付应用程序中输入交易信息后提交至交易服务器102,交易信息包括第一用户的账号、第二用户的账号以及转账金额。交易服务器102接收到终端101发送至交易信息时,对交易信息进行验证,比如验证第一用户的账号和第二用户的账号的合法性,又比如验证转账金额是否达到最高转账金额等。当交易服务器102在验证终端101提交的交易信息不合法时,对该转账交易进行拦截。交易服务器102在验证终端101提交的交易信息合法时,修改第一用户账户和第二用户账户中的金额,即将第一用户账户中的金额转入第二用户的账户。
进一步地,在图1a所示的系统架构图中,交易服务器102的结构示意图如图1b所示,交易服务器102包括:交易获取模块1021、交易验证模块1022、交易拦截模块1023、交易结算模块1024。
交易获取模块1021接收终端101或商户服务器103发送至的交易信息。交易获取模块1021将交易信息发送至交易验证模块1022,由交易验证模块1022对交易信息进行验证。具体地,交易验证模型模块1022判断交易信息与预设的拦截策略是否匹配,若是,则将该交易确定为不合法的交易,否则将该交易确定为合法的交易。交易验证模型模块1022在确交易信息合法时,将交易信息发送至交易结算模型1024,由交易结算模块1024对该交易进行结算。交易验证模型模块1022在确交易信息不合法时,将交易信息发送至交易拦截模块1023。交易拦截模块1023获取当前时刻总交易中与拦截策略匹配的预计应拦截交易的预计交易拦截量,根据拦截量预测模型确定当前时刻与拦截策略对应的交易拦截评估量。然后根据预计交易拦截量与交易拦截评估量之间的差值确定与拦截策略匹配的目标交易拦截量,之后再根据目标交易拦截量,对当前时刻总交易中与拦截策略匹配的交易进行拦截。
基于图1a所示的系统架构图和图1b所示的终端的结构示意图,本发明实施例提供了一种交易拦截控制方法的流程,该方法的流程可以由交易拦截控制装置执行,如图2所示,包括以下步骤:
步骤S201,获取当前时刻总交易中与拦截策略匹配的预计应拦截交易的预计交易拦截量。
具体地,拦截策略包括拦截条件和拦截方式,其中拦截条件包括付款方账户异常、收款方账号异常、交易金额高于最高预设金额、交易类型异常等等。拦截方式包括弹窗提醒、短信二次验证、拒绝交易等等。在设置拦截策略时,可以根据实际情况选择拦截条件和拦截方式。
示例性地,拦截策略设置为普通用户之间转账超过5000元时,向付款方发送短信进行二次验证。
示例性地,拦截策略设置为交易双方的账户中存在一方的账户为黑名单中的账户,直接拒绝交易。
示例性地,拦截策略设置为交易类型异常时,弹窗提醒。
当交易与拦截策略匹配时,该交易即为预计应拦截交易,预计交易拦截量为当前时刻预计应拦截交易的总量。
步骤S202,根据拦截量预测模型确定当前时刻与拦截策略对应的交易拦截评估量。
具体地,拦截量预测模型包括拦截策略下各个时刻的交易拦截评估量,其中,拦截策略在不同时刻的交易拦截评估量,可以根据当前时刻之前的设定时间段内不同时刻实际拦截的交易量的历史数据评估得到的,也可以由工作人员根据经验评估得到。
交易拦截评估量为没有出现随机状况时拦截策略拦截的交易量,其中随机状况包括在节假日等交易高峰时期出现交易激增导致交易拦截量激增、拦截策略出现异常或者拦截策略升级导致误报率增加等等。
下面具体介绍根据历史数据评估拦截策略在不同时刻的交易拦截评估量的具体过程,如图3所示,包括以下步骤:
步骤S301,获取拦截策略在当前时刻之前的设定时间段内不同时刻实际拦截的交易量的历史数据。
历史数据为全量的交易数据,即当前时刻之前的设定时间段内不同时刻对应的实际拦截的交易量。示例性的,如图4所示,当前时刻之前的设定时间段为过去30天,图4示出了过去30天每个时刻实际拦截的交易量。
步骤S302,将历史数据划分为周期性历史数据和随机性历史数据。
由于用户的自然生活周期具有一定的周期性,因此用户的交易行为也会在时间段上具有一定的周期性,相应地,拦截策略实际拦截的交易量的历史数据也会具备一定的周期性。为了清晰地描述历史数据的周期性,选取图4中3天的历史数据进行分析,具体如图5所示,其中,0表示第一天的凌晨,0.5表示第一天的正午,1.0表示第二天的凌晨,依次类推。由图5可知,历史数据中实际拦截的交易量呈周期性变化,周期为一天。但是从图中也可以看到一些毛刺,这些毛刺为出现随机状况时拦截的交易量与没有出现随机状况时拦截的交易量的差值,将图5所示的毛刺去除后即可得到没有出现随机状况时拦截的交易量。基于去除毛刺的原理可以将历史数据划分为周期性历史数据和随机性历史数据,周期性历史数据包括拦截策略在当前时刻之前的设定时间段内不同时刻拦截的呈周期性变化的交易量,随机性历史数据包括拦截策略在当前时刻之前的设定时间段内不同时刻拦截的随机性变化的交易量。周期性历史数据和随机性历史数据中同一时刻对应的拦截的交易量之和为历史数据中同一时刻对应的拦截的交易量。
下面以采用傅里叶变换划分历史数据进行示例性说明:
设定图5所示的历史数据为时域数据Q(t),将时域数据Q(t)进行傅里叶变换,得到历史数据的频域数据M(f),M(f)对应的频谱图如图6所示。由图6可知,历史数据的频域数据中低频部分的幅度远大于高频部分的幅度,故可以将M(f)按照幅度从大到小进行排序,取排在前N位频域数据,使得前N位频域数据的幅度之和与M(f)中所有频域数据的幅度之和的比值大于99%,N为大于0的整数。
在一种可能的实施方式中,在将M(f)按照幅度从大到小进行排序时,可以去除M(0),即去除频率为0时的频域数据,从M(f)中除M(0)的其他频域数据中取排在前N位频域数据。
在一种可能的实施方式中,在将M(f)按照幅度从大到小进行排序时,将M(f)中所有的频域数据进行排序,从M(f)中取排在前N位频域数据。
进一步地,对取出的前N位的频域数据进行返傅里叶变换得到周期性历史数据C(t),如图7所示。在进行返傅里叶变换时,选出的N个频域数据在频谱图图6中的位置不变,其余位置的数据均置为0。由图7可知,周期性历史数据中交易拦截量呈周期性变化,没有出现毛刺。进一步地,可以通过将图5和图7所示的交易拦截量在对应时刻进行相减得到随机性历史数据。也可以通过对M(f)中除选出的N个频域数据之外的频域数据进行返傅里叶变换得到随机性历史数据。
步骤S303,将周期性历史数据中任意一个周期内不同时刻拦截的交易量确定为拦截策略在不同时刻的交易拦截评估量。
由于在没有出现随机状况时,拦截策略拦截的交易量将呈周期性变化。故在获取历史数据后,按照周期性历史数据和随机性历史数据对应时刻的拦截的交易量相加得到历史数据中拦截的交易量的原则,将历史数据划分为周期性历史数据和随机性历史数据,将周期性历史数据作为没有出现随机状况时拦截策略拦截的交易量,即交易拦截评估量,从而实现对没有出现随机状况时拦截的交易量的评估。
步骤S203,根据预计交易拦截量与交易拦截评估量之间的差值确定与拦截策略匹配的目标交易拦截量。
步骤S204,根据目标交易拦截量,对当前时刻总交易中与拦截策略匹配的交易进行拦截。
在一种可能的实施方式中,根据预计交易拦截量与交易拦截评估量之间的差值的评估概率确定目标交易拦截量,具体包括以下步骤,如图8所示:
步骤S801,确定预计交易拦截量与交易拦截评估量之间的差值。
步骤S802,根据拦截量偏移模型确定差值对应的评估概率。
拦截量偏移模型包括各个时刻的预计交易拦截量与交易拦截评估量之间的差值的评估概率,评估概率为预计交易拦截量与交易拦截评估量之间的差值出现的概率。
在一种可能的实施方式中,根据随机性历史数据确定评估概率,包括以下步骤,如图9所示:
步骤S901,根据随机性历史数据统计拦截策略在当前时刻之前的设定时间段内的总拦截启动次数,每个时刻对应一次拦截启动。
示例性地,交易服务器每秒启动一次交易拦截。设定时间段为9:00至9:01,故在设定时间段内交易服务器启动了60次交易拦截,即拦截策略在设定时间段内的总拦截启动次数为60次。
步骤S902,针对随机性历史数据中任意一个拦截的交易量,统计在当前时刻之前的设定时间段内拦截的交易量出现的次数。
随机性历史数据中任意一个拦截的交易量为历史数据中拦截的交易量与周期性历史数据中拦截的交易量之间的差值。比如历史数据中拦截策略在9:00实际拦截的交易量为10000,周期性历史数据中9:00对应的拦截的交易量为8000,则随机性历史数据中9:00对应的拦截的交易量为2000。
针对随机性历史数据中拦截的交易量,每启动一次交易拦截对应确定一个拦截的交易量。示例性地,在9:00启动了一次交易拦截,随机性历史数据中9:00对应的拦截的交易量为5000,以此类推,9:00至9:01交易服务器启动了60次交易拦截,确定了60个拦截的交易量。针对随机性历史数据中拦截的交易量5000,统计60个拦截的交易量中,拦截的交易量5000出现的次数。
步骤S903,根据总拦截启动次数以及拦截的交易量出现的次数确定拦截的交易量的出现概率。
可选地,将拦截的交易量出现的次数与总拦截启动次数的比值确定为拦截的交易量的出现概率。示例性地,若在9:00至9:01这个时段,总拦截启动次数为60次,拦截的交易量5000出现的次数为3次,则拦截的交易量5000的出现概率1/20。
步骤S904,将拦截的交易量的出现概率确定为评估概率。
示例性地,若预计交易拦截量与交易拦截评估量之间的差值为5000,随机性历史数据中拦截的交易量5000的出现概率1/20,则预计交易拦截量与交易拦截评估量之间的差值的评估概率为1/20。
在另一种可能的实施方式中,通过对随机性历史数据进行正态分布拟合,生成高斯模型,根据高斯模型确定评估概率。示例性地,通过将图5所示的历史数据和图7所示的周期性历史数据中的交易拦截量在对应时刻进行相减得到随机性历史数据,然后该随机性历史数据进行正态分布拟合,得到的高斯模型如图10所示,其中,高斯模型的横坐标为预计交易拦截量与交易拦截评估量之间的差值,纵坐标为评估概率。将当前时刻的预计交易拦截量与交易拦截评估量之间的差值代入图10所示的高斯模型,即可得到当前时刻的预计交易拦截量与交易拦截评估量之间的差值的评估概率。
步骤S803,在确定差值的评估概率小于预设阈值时,根据预设规则调整预计交易拦截量,确定与拦截策略匹配的目标交易拦截量。
可选地,在确定差值的评估概率小于第一阈值时,按预设比例调整预计交易拦截量,将调整后的预计交易拦截量确定为与拦截策略匹配的目标交易拦截量。
示例性地,设定第一阈值为0.001,当预计交易拦截量与交易拦截评估量之间的差值的评估概率小于0.001,说明出现了小概率的随机状况,故按预设比例减少预设交易拦截量,其中,预设比例根据实际情况进行设定,比如预设比例取1/2、取1/3、取预计交易拦截量与交易拦截评估量之间的差值与预计交易拦截量的比值等等。
示例性地,设定第一阈值为0.0001,当预计交易拦截量与交易拦截评估量之间的差值的评估概率小于0.0001,说明出现了小概率的随机状况,且该随机状况会带来一定的影响,故按预设比例减少预设交易拦截量,同时通知管理员对拦截策略进行检查,其中,预设比例根据实际情况进行设定,比如预设比例取1/2、取1/3、取预计交易拦截量与交易拦截评估量之间的差值与预计交易拦截量的比值等等。
可选地,在确定差值的评估概率小于第二阈值时,将与拦截策略匹配的目标交易拦截量置为零,第二阈值小于第一阈值。
示例性地,设定第二阈值为0.00001,当预计交易拦截量与交易拦截评估量之间的差值的评估概率小于0.00001,说明出现了极小概率的随机状况,此时拦截策略可能出现了严重的问题,故直接将与拦截策略匹配的目标交易拦截量置为零,同时通知管理人员。
通过评估预计交易拦截量与交易拦截评估量之间的差值出现的概率判断随机状况的影响程度,进而调整预计交易拦截量,实现交易拦截量的控制,提高交易系统的运行效率以及稳定性。
在另一种可能的实施方式中,根据预计交易拦截量与交易拦截评估量之间的差值确定目标交易拦截量。
可选地,在确定差值大于第三阈值时,按预设比例调整预计交易拦截量,将调整后的预计交易拦截量确定为与拦截策略匹配的目标交易拦截量。
示例性地,设定第三阈值为5000,预计交易拦截量为15000,交易拦截评估量为7000,此时预计交易拦截量与交易拦截评估量之间的差值的大于5000,说明出现了随机状况,故按预设比例减少预设交易拦截量,其中,预设比例根据实际情况进行设定,比如预设比例取1/2、取1/3、取预计交易拦截量与交易拦截评估量之间的差值与预计交易拦截量的比值等等。若预设比例取预计交易拦截量与交易拦截评估量之间的差值与预计交易拦截量的比值,即8/15,按预设比例减少后的预设交易拦截量为7000,故将目标交易拦截量确定为7000。
示例性地,设定第三阈值为10000,预计交易拦截量为20000,交易拦截评估量为5000,此时预计交易拦截量与交易拦截评估量之间的差值的大于10000,说明出现了随机状况,且该随机状况会带来一定的影响,故按预设比例减少预设交易拦截量,同时通知管理员对拦截策略进行检查,其中,预设比例根据实际情况进行设定,比如预设比例取1/2、取1/3、取预计交易拦截量与交易拦截评估量之间的差值与预计交易拦截量的比值等等。若预设比例取1/2,按预设比例减少后的预设交易拦截量为10000,故将目标交易拦截量确定为10000。
可选地,在确定差值大于第四阈值时,将与拦截策略匹配的目标交易拦截量置为零,第四阈值大于所述第三阈值。
示例性地,设定第四阈值为50000,预计交易拦截量为60000,交易拦截评估量为5000,此时预计交易拦截量与交易拦截评估量之间的差值的大于50000,说明出现了随机状况,且该随机状况会带来严重的影响,故直接将与拦截策略匹配的目标交易拦截量置为零,同时通知管理人员。
通过预计交易拦截量与交易拦截评估量之间的差值调整预计交易拦截量,使得交易服务器在出现随机状况时适应性调整实际拦截的交易量,提高交易服务器的处理效率以及稳定性,同时给用户带来好的体验。
基于相同的技术构思,本发明实施例提供了一种交易拦截控制装置,如图11所示,该装置通过硬件或者软硬件的结合实现成为图1a中交易服务器102的全部或者一部分,该装置1100包括:获取模块1101、评估模块1102、调整模块1103以及拦截模块1104。
获取模块1101,用于获取当前时刻总交易中与拦截策略匹配的预计应拦截交易的预计交易拦截量;
评估模块1102,用于根据拦截量预测模型确定当前时刻与所述拦截策略对应的交易拦截评估量,所述拦截量预测模型包括所述拦截策略下各个时刻的交易拦截评估量,其中,所述拦截策略在不同时刻的交易拦截评估量,是根据当前时刻之前的设定时间段内不同时刻实际拦截的交易量的历史数据评估得到的;
调整模块1103,用于根据所述预计交易拦截量与所述交易拦截评估量之间的差值确定与所述拦截策略匹配的目标交易拦截量;
拦截模块1104,用于根据所述目标交易拦截量,对当前时刻总交易中与所述拦截策略匹配的交易进行拦截。
在一个可能的设计中,所述评估模块1102具体用于:
获取所述拦截策略在当前时刻之前的设定时间段内不同时刻实际拦截的交易量的历史数据;
将所述历史数据划分为周期性历史数据和随机性历史数据,所述周期性历史数据包括所述拦截策略在当前时刻之前的设定时间段内不同时刻拦截的呈周期性变化的交易量;所述周期性历史数据和所述随机性历史数据中同一时刻对应的拦截的交易量之和为所述历史数据中所述同一时刻对应的拦截的交易量;
将所述周期性历史数据中任意一个周期内不同时刻拦截的交易量确定为所述拦截策略在不同时刻的交易拦截评估量。
在一个可能的设计中,所述调整模块1103具体用于:
确定所述预计交易拦截量与所述交易拦截评估量之间的差值;
根据拦截量偏移模型确定所述差值对应的评估概率,所述拦截量偏移模型包括各个时刻的预计交易拦截量与交易拦截评估量之间的差值的评估概率,所述评估概率是根据所述随机性历史数据确定的;
在确定所述差值的评估概率小于预设阈值时,根据预设规则调整所述预计交易拦截量,确定与所述拦截策略匹配的目标交易拦截量。
在一个可能的设计中,所述随机性历史数据包括所述拦截策略在当前时刻之前的设定时间段内不同时刻拦截的随机性变化的交易量;
所述调整模块1103具体用于:
根据所述随机性历史数据统计所述拦截策略在当前时刻之前的设定时间段内的总拦截启动次数,每个时刻对应一次拦截启动;
针对所述随机性历史数据中任意一个拦截的交易量,统计在当前时刻之前的设定时间段内所述拦截的交易量出现的次数;
根据所述总拦截启动次数以及所述拦截的交易量出现的次数确定所述拦截的交易量的出现概率;
将所述拦截的交易量的出现概率确定为所述评估概率。
在一个可能的设计中,所述调整模块1103具体用于:
在确定所述差值的评估概率小于第一阈值时,按预设比例调整所述预计交易拦截量,将调整后的所述预计交易拦截量确定为与所述拦截策略匹配的目标交易拦截量;
在确定所述差值的评估概率小于第二阈值时,将与所述拦截策略匹配的目标交易拦截量置为零,所述第二阈值小于所述第一阈值。
在一个可能的设计中,所述调整模块1103具体用于:
确定所述预计交易拦截量与所述交易拦截评估量之间的差值;
在确定所述差值大于第三阈值时,按预设比例调整所述预计交易拦截量,将调整后的所述预计交易拦截量确定为与所述拦截策略匹配的目标交易拦截量;
在确定所述差值大于第四阈值时,将与所述拦截策略匹配的目标交易拦截量置为零,所述第四阈值大于所述第三阈值。
本发明实施例提供了一种计算机设备,包括至少一个处理单元以及至少一个存储单元,其中,所述存储单元存储有计算机程序,当所述程序被所述处理单元执行时,使得所述处理单元执行交易拦截控制方法的步骤。如图12所示,为本发明实施例中所述的计算机设备的硬件结构示意图,该计算机设备具体可以为台式计算机、便携式计算机、智能手机、平板电脑等。具体地,该计算机设备可以包括存储器1201、处理器1202及存储在存储器上的计算机程序,所述处理器1202执行所述程序时实现上述实施例中的任一交易拦截控制方法的步骤。其中,存储器1201可以包括只读存储器(ROM)和随机存取存储器(RAM),并向处理器1202提供存储器1201中存储的程序指令和数据。
进一步地,本申请实施例中所述的计算机设备还可以包括输入装置1203以及输出装置1204等。输入装置1203可以包括键盘、鼠标、触摸屏等;输出装置1204可以包括显示设备,如液晶显示器(Liquid Crystal Display,LCD)、阴极射线管(Cathode Ray Tube,CRT),触摸屏等。存储器1201,处理器1202、输入装置1203和输出装置1204可以通过总线或者其他方式连接,图12中以通过总线连接为例。处理器1202调用存储器1201存储的程序指令并按照获得的程序指令执行上述实施例提供的交易拦截控制方法。
本发明实施例还提供了一种计算机可读存储介质,其存储有可由计算机设备执行的计算机程序,当所述程序在计算机设备上运行时,使得所述计算机设备执行交易拦截控制方法的步骤。
本发明实施例提供了一种支付控制方法,该方法采用交易拦截控制方法确定交易拦截量。
本发明实施例提供了一种支付控制系统,该支付控制系统采用交易拦截控制装置确定交易拦截量。
本领域内的技术人员应明白,本发明的实施例可提供为方法、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种交易拦截控制方法,其特征在于,包括:
获取拦截策略在当前时刻之前的设定时间段内不同时刻实际拦截的交易量的历史数据;
将所述历史数据划分为周期性历史数据和随机性历史数据,所述周期性历史数据包括所述拦截策略在所述设定时间段内不同时刻拦截的呈周期性变化的交易量;所述随机性历史数据包括所述拦截策略在所述设定时间段内不同时刻拦截的随机性变化的交易量;所述周期性历史数据和所述随机性历史数据中同一时刻对应的拦截的交易量之和,为所述历史数据中所述同一时刻对应的拦截的交易量;
将所述周期性历史数据中任意一个周期内不同时刻拦截的交易量,确定为所述拦截策略在一个周期内不同时刻的交易拦截评估量;
获取当前时刻总交易中与所述拦截策略匹配的预计应拦截交易的预计交易拦截量;
从所述拦截策略在一个周期内不同时刻的交易拦截评估量中,确定与所述当前时刻匹配的交易拦截评估量,所述交易拦截评估量指没有出现随机状况时,基于所述拦截策略预计拦截的交易量;
确定所述预计交易拦截量与所述交易拦截评估量之间的差值,所述差值用于表征当前时刻是否出现随机状况;
根据拦截量偏移模型确定所述差值对应的评估概率,所述拦截量偏移模型包括各个时刻的预计交易拦截量与交易拦截评估量之间的差值的评估概率,所述评估概率是根据所述随机性历史数据确定的,所述评估概率用于表征随机状况的影响程度;
在确定所述差值的评估概率小于预设阈值时,根据预设规则调整所述预计交易拦截量,确定与所述拦截策略匹配的目标交易拦截量;
根据所述目标交易拦截量,对当前时刻总交易中与所述拦截策略匹配的交易进行拦截。
2.如权利要求1所述的方法,其特征在于,所述根据所述随机性历史数据确定所述评估概率,包括:
所述随机性历史数据包括所述拦截策略在当前时刻之前的设定时间段内不同时刻拦截的随机性变化的交易量;
根据所述随机性历史数据统计所述拦截策略在当前时刻之前的设定时间段内的总拦截启动次数,每个时刻对应一次拦截启动;
针对所述随机性历史数据中任意一个拦截的交易量,统计在当前时刻之前的设定时间段内所述拦截的交易量出现的次数;
根据所述总拦截启动次数以及所述拦截的交易量出现的次数确定所述拦截的交易量的出现概率;
将所述拦截的交易量的出现概率确定为所述评估概率。
3.如权利要求2所述的方法,其特征在于,所述在确定所述差值的评估概率小于预设阈值时,根据预设规则调整所述预计交易拦截量,确定与所述拦截策略匹配的目标交易拦截量,包括:
在确定所述差值的评估概率小于第一阈值时,按预设比例调整所述预计交易拦截量,将调整后的所述预计交易拦截量确定为与所述拦截策略匹配的目标交易拦截量;
在确定所述差值的评估概率小于第二阈值时,将与所述拦截策略匹配的目标交易拦截量置为零,所述第二阈值小于所述第一阈值。
4.如权利要求1所述的方法,其特征在于,所述基于所述差值调整所述预计交易拦截量,确定与所述拦截策略匹配的目标交易拦截量,包括:
在确定所述差值大于第三阈值时,按预设比例调整所述预计交易拦截量,将调整后的所述预计交易拦截量确定为与所述拦截策略匹配的目标交易拦截量;
在确定所述差值大于第四阈值时,将与所述拦截策略匹配的目标交易拦截量置为零,所述第四阈值大于所述第三阈值。
5.一种交易拦截控制装置,其特征在于,包括:
评估模块,用于获取拦截策略在当前时刻之前的设定时间段内不同时刻实际拦截的交易量的历史数据;将所述历史数据划分为周期性历史数据和随机性历史数据,所述周期性历史数据包括所述拦截策略在所述设定时间段内不同时刻拦截的呈周期性变化的交易量;所述随机性历史数据包括所述拦截策略在所述设定时间段内不同时刻拦截的随机性变化的交易量;所述周期性历史数据和所述随机性历史数据中同一时刻对应的拦截的交易量之和,为所述历史数据中所述同一时刻对应的拦截的交易量;将所述周期性历史数据中任意一个周期内不同时刻拦截的交易量,确定为所述拦截策略在一个周期内不同时刻的交易拦截评估量
获取模块,用于获取当前时刻总交易中与所述拦截策略匹配的预计应拦截交易的预计交易拦截量;
所述评估模块,还用于从所述拦截策略在一个周期内不同时刻的交易拦截评估量中,确定与所述当前时刻匹配的交易拦截评估量,所述交易拦截评估量指没有出现随机状况时,基于所述拦截策略预计拦截的交易量;
调整模块,用于确定所述预计交易拦截量与所述交易拦截评估量之间的差值,所述差值用于表征当前时刻是否出现随机状况;根据拦截量偏移模型确定所述差值对应的评估概率,所述拦截量偏移模型包括各个时刻的预计交易拦截量与交易拦截评估量之间的差值的评估概率,所述评估概率是根据所述随机性历史数据确定的,所述评估概率用于表征随机状况的影响程度;在确定所述差值的评估概率小于预设阈值时,根据预设规则调整所述预计交易拦截量,确定与所述拦截策略匹配的目标交易拦截量;
拦截模块,用于根据所述目标交易拦截量,对当前时刻总交易中与所述拦截策略匹配的交易进行拦截。
6.如权利要求5所述的装置,其特征在于,所述随机性历史数据包括所述拦截策略在当前时刻之前的设定时间段内不同时刻拦截的随机性变化的交易量;
所述调整模块具体用于:
根据所述随机性历史数据统计所述拦截策略在当前时刻之前的设定时间段内的总拦截启动次数,每个时刻对应一次拦截启动;
针对所述随机性历史数据中任意一个拦截的交易量,统计在当前时刻之前的设定时间段内所述拦截的交易量出现的次数;
根据所述总拦截启动次数以及所述拦截的交易量出现的次数确定所述拦截的交易量的出现概率;
将所述拦截的交易量的出现概率确定为所述评估概率。
7.如权利要求6所述的装置,其特征在于,所述调整模块具体用于:
在确定所述差值的评估概率小于第一阈值时,按预设比例调整所述预计交易拦截量,将调整后的所述预计交易拦截量确定为与所述拦截策略匹配的目标交易拦截量;
在确定所述差值的评估概率小于第二阈值时,将与所述拦截策略匹配的目标交易拦截量置为零,所述第二阈值小于所述第一阈值。
8.如权利要求5所述的装置,其特征在于,所述调整模块具体用于:
在确定所述差值大于第三阈值时,按预设比例调整所述预计交易拦截量,将调整后的所述预计交易拦截量确定为与所述拦截策略匹配的目标交易拦截量;
在确定所述差值大于第四阈值时,将与所述拦截策略匹配的目标交易拦截量置为零,所述第四阈值大于所述第三阈值。
9.一种支付控制方法,其特征在于,采用权利要求1~4任一所述的交易拦截控制方法确定交易拦截量。
10.一种支付控制系统,其特征在于,采用权利要求5~8任一所述的交易拦截控制装置确定交易拦截量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810621453.4A CN110197374B (zh) | 2018-06-15 | 2018-06-15 | 交易拦截控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810621453.4A CN110197374B (zh) | 2018-06-15 | 2018-06-15 | 交易拦截控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110197374A CN110197374A (zh) | 2019-09-03 |
CN110197374B true CN110197374B (zh) | 2024-02-20 |
Family
ID=67751345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810621453.4A Active CN110197374B (zh) | 2018-06-15 | 2018-06-15 | 交易拦截控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110197374B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220107813A1 (en) * | 2020-10-07 | 2022-04-07 | International Business Machines Corporation | Scaling transactions with signal analysis |
US11892990B2 (en) | 2021-01-04 | 2024-02-06 | International Business Machines Corporation | Removal of transaction noise |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258388A (zh) * | 2012-02-17 | 2013-08-21 | 日立(中国)研究开发有限公司 | 自动交易装置和服务器、以及用于预测现金需求量的方法 |
WO2014112944A1 (en) * | 2013-01-17 | 2014-07-24 | Ake Ohlsson | Mobile payment and digital transaction information management |
CN104219219A (zh) * | 2013-07-05 | 2014-12-17 | 腾讯科技(深圳)有限公司 | 一种数据处理的方法、服务器及系统 |
CN106202389A (zh) * | 2016-07-08 | 2016-12-07 | 中国银联股份有限公司 | 一种基于交易数据的异常监测方法及装置 |
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 |
CN106611120A (zh) * | 2015-10-26 | 2017-05-03 | 阿里巴巴集团控股有限公司 | 一种风险防控系统的评估方法及装置 |
CN107958341A (zh) * | 2017-12-12 | 2018-04-24 | 阿里巴巴集团控股有限公司 | 风险识别方法及装置和电子设备 |
CN108122114A (zh) * | 2017-12-25 | 2018-06-05 | 同济大学 | 针对异常重复交易欺诈检测方法、系统、介质及设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140244503A1 (en) * | 2013-02-27 | 2014-08-28 | Mastercard International Incorporated | System and method for automatic thresholding for payment card spend control |
US20170300903A1 (en) * | 2016-04-14 | 2017-10-19 | Michael Mori | System and method for network transaction processing using throttling engine |
-
2018
- 2018-06-15 CN CN201810621453.4A patent/CN110197374B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258388A (zh) * | 2012-02-17 | 2013-08-21 | 日立(中国)研究开发有限公司 | 自动交易装置和服务器、以及用于预测现金需求量的方法 |
WO2014112944A1 (en) * | 2013-01-17 | 2014-07-24 | Ake Ohlsson | Mobile payment and digital transaction information management |
CN104219219A (zh) * | 2013-07-05 | 2014-12-17 | 腾讯科技(深圳)有限公司 | 一种数据处理的方法、服务器及系统 |
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 |
CN106611120A (zh) * | 2015-10-26 | 2017-05-03 | 阿里巴巴集团控股有限公司 | 一种风险防控系统的评估方法及装置 |
CN106202389A (zh) * | 2016-07-08 | 2016-12-07 | 中国银联股份有限公司 | 一种基于交易数据的异常监测方法及装置 |
CN107958341A (zh) * | 2017-12-12 | 2018-04-24 | 阿里巴巴集团控股有限公司 | 风险识别方法及装置和电子设备 |
CN108122114A (zh) * | 2017-12-25 | 2018-06-05 | 同济大学 | 针对异常重复交易欺诈检测方法、系统、介质及设备 |
Non-Patent Citations (2)
Title |
---|
"快捷交易场景下的欺诈建模分析";刘明;《https://rpubs.com/Dannyliu/Address_Analysis》;20151231;第1页 * |
ATM交易状态特征分析与异常检测;李一;蔡礼渊;;成都工业学院学报;20180315(01);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110197374A (zh) | 2019-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10762508B2 (en) | Detecting fraudulent mobile payments | |
EP3373543B1 (en) | Service processing method and apparatus | |
US11714913B2 (en) | System for designing and validating fine grained fraud detection rules | |
CN106034149A (zh) | 一种账户识别方法及装置 | |
CA2990854A1 (en) | False positive reduction in abnormality detection system models | |
CN110874743B (zh) | 用于确定账户交易风险的方法及装置 | |
US11094008B2 (en) | Debt resolution planning platform for accelerating charge off | |
WO2018093685A1 (en) | Systems and methods for securing access to resources | |
CN109714301B (zh) | 注册风险识别方法、装置、电子设备及存储介质 | |
CN111400155B (zh) | 一种数据检测方法及装置 | |
CN110197374B (zh) | 交易拦截控制方法及装置 | |
US20130013506A1 (en) | Variable Service Fee For Overdraft Protection | |
US11356469B2 (en) | Method and apparatus for estimating monetary impact of cyber attacks | |
CN113191892A (zh) | 基于设备指纹的账户风险防控方法、装置、系统及介质 | |
CN107871213B (zh) | 一种交易行为评价方法、装置、服务器以及存储介质 | |
CN109426961B (zh) | 一种绑卡风险控制方法及装置 | |
CN117314433A (zh) | 银行网点的交易风险控制方法、装置、设备及存储介质 | |
CN116993351A (zh) | 基于银行账户风险等级的交易控制方法、装置及设备 | |
CN116681519A (zh) | 违约预测方法、装置、电子设备、介质和程序产品 | |
US20210374619A1 (en) | Sequential machine learning for data modification | |
CN114841698A (zh) | 交易信息的处理方法、装置及计算机可读存储介质 | |
US20220318617A1 (en) | Predicting future events of predetermined duration using adaptively trained artificial-intelligence processes | |
CN109919767B (zh) | 交易风险管理方法、装置及设备 | |
CN110738401A (zh) | 申诉处理方法、装置、电子设备 | |
CN111832015A (zh) | 异常请求识别方法、装置、系统、介质及电子设备 |
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 |