CN110335044A - 支付风险校验方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本发明公开了一种支付风险校验方法、装置、计算机设备及存储介质，涉及支付安全技术领域，用于有效的识别潜在的支付风险。本发明的主要技术方案为：获取用户通过网站发起的支付请求，通过统计公众号的支付次数、访问次数；通过网站、收款方账号信息、被用户投诉举报记录、公众号的支付次数、和/或公众号的访问次数验证支付请求对应的收款方是否存在可疑诈骗风险，若收款方存在可疑诈骗风险，则将网站、收款方账号信息、被用户投诉举报记录、公众号的支付次数和公众号的访问次数组成的特征向量输入到可疑诈骗风险预测模型，得到收款方的诈骗结果。

Description

支付风险校验方法、装置、计算机设备及存储介质

技术领域

本发明涉及支付安全技术领域，尤其涉及一种支付风险校验方法、装置、 计算机设备及存储介质。

背景技术

因此如何有效的识别存在的支付风险，是目前亟待解决的问题。

发明内容

本发明提供一种支付风险校验方法、装置、计算机设备及存储介质，用 于有效的识别用户的潜在支付风险。

本发明实施例提供一种支付风险校验方法，包括：

获取用户通过网站发起的支付请求，所述支付请求包括收款方账号信息；

通过所述收款账号信息获取收款方的公众号、被用户投诉举报记录；

统计所述公众号的支付次数、访问次数；

通过所述网站、所述收款方账号信息、所述被用户投诉举报记录、所述 公众号的支付次数、和/或所述公众号的访问次数验证所述支付请求对应的收 款方是否存在可疑诈骗风险；

若所述收款方存在可疑诈骗风险，则将所述网站、所述收款方账号信息、 所述被用户投诉举报记录、所述公众号的支付次数和所述公众号的访问次数 组成的特征向量输入到可疑诈骗风险预测模型，得到所述收款方的诈骗结果。

本发明实施例提供一种支付风险校验装置，包括：

获取模块，用于获取用户通过网站发起的支付请求，所述支付请求包括 收款方账号信息；

所述获取模块，还用于通过所述收款账号信息获取收款方的公众号、被 用户投诉举报记录；

统计模块，用于统计所述公众号的支付次数、访问次数；

验证模块，用于通过所述网站、所述收款方账号信息、所述被用户投诉 举报记录、所述公众号的支付次数、和/或所述公众号的访问次数验证所述支 付请求对应的收款方是否存在可疑诈骗风险；

确认模块，用于若所述收款方存在可疑诈骗风险，则将所述网站、所述 收款方账号信息、所述被用户投诉举报记录、所述公众号的支付次数和所述 公众号的访问次数组成的特征向量输入到可疑诈骗风险预测模型，得到所述 收款方的诈骗结果。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在 所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上 述支付风险校验方法。

一种计算机可读存储介质，所述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支付风险校验方法。

上述支付风险校验方法、装置、计算机设备及存储介质，首先获取用户 通过网站发起的支付请求，然后通过所述收款账号信息获取收款方的公众号、 被用户投诉举报记录，并统计所述公众号的支付次数、访问次数，最后通过 所述网站、所述收款方账号信息、所述被用户投诉举报记录、所述公众号的 支付次数、和/或所述公众号的访问次数验证所述支付请求对应的收款方是否 存在可疑诈骗风险，若收款方存在可疑诈骗风险，则将网站、收款方账号信 息、被用户投诉举报记录、公众号的支付次数和公众号的访问次数组成的特 征向量输入到可疑诈骗风险预测模型，得到收款方的诈骗结果。从而通过本 发明实施例可实现通过多种途径确定用户的支付行为是否存在诈骗风险，以 此保证用户的支付安全，避免了用户在没有经过核实的情况下就在网上进行 支付的行为，大大降低用户受骗率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的 描述中所需要使用的附图作简单地介绍，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1是本发明一实施例中支付风险校验方法的一应用环境示意图；

图2是本发明一实施例中支付风险校验方法的一流程图；

图3是本发明一实施例中支付验证的流程图

图4是本发明一实施例中支付风险校验装置的一原理框图；

图5是本发明一实施例中计算机设备的一示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行 清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是 全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创 造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请提供的支付风险校验方法，可应用在如图1的应用环境中，其中， 计算机设备通过网络与服务器进行通信。计算机设备向服务器发起支付请求， 该支付请求包括收款方账号信息，服务器在收到该支付请求后，通过收款账 号信息获取收款方的公众号、被用户投诉举报记录；然后统计所述公众号的 正确支付次数、访问次数；最后通过所述网站、所述收款方账号信息、所述 被用户投诉举报记录、所述公众号的正确支付次数、和/或所述公众号的正常 用户访问次数验证所述支付请求对应的收款方是否存在可疑诈骗风险，若所述收款方存在可疑诈骗风险，则将所述网站、所述收款方账号信息、所述被 用户投诉举报记录、所述公众号的支付次数和所述公众号的访问次数组成的 特征向量输入到可疑诈骗风险预测模型，得到所述收款方的诈骗结果。其中， 计算机设备可以但不限于各种个人计算机、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。

在一实施例中，如图2所示，提供一种支付风险校验方法，以该方法应 用在图1中的服务器为例进行说明，包括如下步骤：

S10，获取用户通过网站发起的支付请求，所述支付请求包括收款方账号 信息。

其中，收款方账号信息包含收款方名头，以及收款方账号。收款方的名 头可以是公司名头，也可以是个人用户的姓名，本发明实施例不做具体限定。 需要说明的是，本发明实施例可以应用于支付宝、微信等支付平台，即在用 户通过支付宝或是微信进行支付时，通过本发明实施例即可以监控用户发起 支付请求对应的支付风险，以此防止用户受到诈骗的风险。

例如，本发明实施例中的用户通过诈骗分子以保险公司的名义发来的链 接进行网上支付，则获取用户通过该链接网址发起的支付请求，该支付请求 中包含需要支付的金额、收款方名头、以及收款方账号等信息。

S20，通过所述收款账号信息获取收款方的公众号、被用户投诉举报记录。

对于本发明实施例，在获取用户发起的支付请求之后，通过支付请求中 的收款账号信息获取收款方的公众号以及收款方被用户投诉举报记录，该公 众号具体可以为微信公众号或支付宝公众号。其中，被用户投诉举报记录具 体可以通过连接的支付宝或是微信平台获取，还可以通过工商管理等途径获 取用户的投诉举报记录，本发明实施例不做具体限定。

需要说明的是，由于用户在开通企业公众号时，需要上传运营者身份证 信息以及运营者本人手持身份证正面照片，或者用绑定过银行卡的微信扫描 后进行身份验证，企业公众号同时需要上传企业营业执照副本、组织结构代 码以及企业授权运营者管理运营公众账号的授权书。因此，本发明实施例在 接收到用户发送的支付请求后，通过支付请求中的收款方账号信息便可以获 取到收款方的公众号。

S30，统计所述公众号的支付次数、访问次数。

其中，支付次数包括支付总次数、正确支付次数及错误支付次数；访问 次数包括总访问次数、正常用户访问的次数及异常用户访问的次数。在本发 明实施例中，在成功的获取到收款方的公众号之后，通过该公众号获取用户 的支付总次数，以及用户的访问总次数，并根据从支付总次数中确认出正确 支付次数；从访问总次数中确认出正常用户访问的次数。然后，计算正确支 付次数与支付总次数的百分比值，以及正常用户访问次数与总访问次数的百 分比值，以便于在后续步骤中根据上述两个百分比值验证用户的支付行为是否存在风险，从而保证用户支付的安全性。

需要说明的是，本发明实施例可以根据统计用户访问公众号的时长来初 步确定是否为正常访问的用户，如可以设置一个时间阈值，如果访问时长高 于这个时间阈值，则可确定该用户为正常访问的用户；如果访问时长低于这 个时间阈值，则可初步确定该用户为异常访问的用户。对于初步确定出异常 访问的用户，查看其是否存在购买记录，若存在且短时间内就通过公众号购 买了某样商品，则可确认该用户为异常访问的用户。然后通过统计公众号正 常访问用户的个数，得到该公众号正常用户访问的次数。

S40，通过所述网站、所述收款方账号信息、所述被用户投诉举报记录、 所述公众号的支付次数、和/或所述公众号的访问次数验证所述支付请求对应 的收款方是否存在可疑诈骗风险。

在本发明提供的一个实施例中，所述通过所述网站验证所述支付请求对 应的收款方是否存在可疑诈骗风险，包括：通过所述网站获取所述收款方的 域名；通过连接的云服务平台确定所述域名是否为正规网站的域名；若所述 域名不是正规网站的域名，则确定所述支付请求对应的收款方存在可疑诈骗 风险。在本发明实施例中，在用户通过某个网站跳转进入本平台进行付款时， 需要获取跳转网站对应的域名，并判断该域名是否正式网站的域名。例如， 小平台的云服务域名，那么可以通过与云服务平台进行一个连接，通过链接的云服务平台确定域名是否为正规网站的域名，校验域名是否正规的过程， 有很多公司使用比如阿里的云服务，那么他的域名是阿里分配给他的，那么 本发明实施例平台可以与阿里云进行对接，甚至所有的云服务，校验用户的 支付请求对应的收款方是否是正规商家。

需要说明的是，收款方账号信息可以为申请的商户公司信息，一般来说， 通过对公司的申请信息详细核实校验，是可以筛选部分不法账户。具体的， 本发明实施例可以通过连接的国家企业信用信息公示系统查看收款方账号信 息是否合法，若不合法，则可确认出支付请求对应的收款方是否存在可疑诈 骗风险，此时可输入风险提示信息，以提示用户正在支付的行为存在可疑诈 骗风险。

在本发明提供的一个实施例中，通过所述被用户投诉举报记录、所述公 众号的支付次数，或所述公众号的访问次数验证所述支付请求对应的收款方 是否存在可疑诈骗风险，包括：若所述被用户投诉举报记录超过预置举报次 数，或所述公众号的正确支付次数的百分比小于第一预置数值，或所述公众 号的正常用户访问次数的百分比小于第二预置数值，则确定所述支付请求对 应的收款方存在可疑诈骗风险。其中，第一预置数值和第二预置数值可以根 据实际需求进行设置，例如对于支付行为中，公众号的正确支付次数的百分 比小于60％的即可认为存在可疑诈骗风险；公众号中的正常用户访问次数的 百分比小于50％的即可以认为存在可疑诈骗风险，本发明实施例不做具体限 定。

需要说明的是，所述公众号的正确支付次数的百分比为支付成功数与支 付总次数的百分比值，如果支付总次数较多，并且正确支付次数的百分比较 高，那么该支付请求对应的收款方为正规商户的可能性较大；如果支付总次 数较多，但是正确支付次数的百分比较低，即小于第一预置数值，此时可确 定支付请求对应的收款方存在可疑诈骗风险。所述公众号的正常用户访问次 数的百分比为正常用户访问次数与访问总人数的百分比值，若公众号的正常 用户访问次数的百分比小于第二预置数值，说明该公众号存在刷单的嫌疑， 即用户存在支付风险，此时需要输出提示信息以提示用户存在的潜在支付风 险；若公众号的正常用户访问次数的百分比大于等于第二预置数值，说明该 公众号大部分的支付行为属于正常用户的支付行为，用户可以正常进行支付 行为。具体的，本发明实施例可以通过对接微信或者支付宝，采集公众号的 历史访问次数，并根据历史访问次数绘制访问曲线，通过分析一段时间内的 访问曲线判断是否出现访问异常，如在没有任何活动的情况下访问次数激增， 则可确认公众号存在刷单的嫌疑，即用户存在支付风险。

需要说明的是，本发明实施例在根据网站、收款方账号信息、被用户投 诉举报记录、公众号的支付次数和/或公众号的访问次数组数验证支付请求对 应的收款方是否存在可疑诈骗风险时，可以首先按一个维度的信息对收款方 是否存在可疑诈骗进行验证，如首先通过网站对收款方进行验证，若验证出 该收款方存在可疑诈骗风险，则停止后续的验证步骤直接跳转至步骤S50继 续执行；若验证出该收款方不存在可疑诈骗风险，则继续通过收款方账号信 息、被用户投诉举报记录、公众号的支付次数和公众号的访问次数等维度信息对收款方分别进行验证，若按照一个维度信息对收款方验证的结果均为不 存在可疑诈骗风险，则按照网站、收款方账号信息、被用户投诉举报记录、 公众号的支付次数和公众号的访问次数中多个维度组合的方式对收款方是否 存在可疑诈骗风险进行验证。

S50，若收款方存在可疑诈骗风险，则将网站、收款方账号信息、被用户 投诉举报记录、公众号的支付次数和公众号的访问次数组成的特征向量输入 到可疑诈骗风险预测模型，得到收款方的诈骗结果。

在本发明实施例中，在将网站、收款方账号信息、被用户投诉举报记录、 公众号的支付次数和公众号的访问次数组成的特征向量输入到可疑诈骗风险 预测模型之前，还包括：获取所述网站和所述收款方账号信息的信用等级信 息；分别获取所述网站的信用等级信息、所述收款方账号信息的信用等级信 息、所述被用户投诉举报记录、所述公众号的支付次数和所述公众号的访问 次数的特征向量。其中，网站和收款方账号信息的信用等级信息可以通过收 集网络用户对其进行标注的信息来进行确定，例如用户A对访问了网站B后确定该网站为潜在风险网站，则可以通过其对该网站的打分得到网站B的信 用等级；收款方账号信息的信用等级信息同样也可以通过用户成功支付之后， 用户对该收款方账号信息的评价信息进行确定。另外，本发明实施例还可通 过黑白名单的形式确定网站和收款方账号信息的信用等级，本发明实施例不 做具体限定。

需要说明的是，本发明实施例中的可疑诈骗风险预测模型是大量的样本 数据训练得到，该样本数据中包含网站和收款方账号信息的信用等级信息、 被用户投诉举报记录、公众号的支付次数和公众号的访问次数，通过对样本 数据的分析训练得到可疑诈骗风险预置模型，通过该模型可以预测出收款方 是网络诈骗的概率，从而通过本发明实施例中的可疑诈骗风险预测模型可以 准确的预测出用户进行网络支付的危险行为，从而提高用户支付的安全性。

对于本发明实施例，在确认出支付请求对应的收款方存在诈骗风险之后， 可向用户所在的客户端输出支付风险信息，以提示用户正在支付的危险行为； 或是在确定存在诈骗风险之后，直接向有关部门报警，并禁止用户此次的支 付行为，本发明实施例不做具体限定。

本发明实施例提供了一种支付风险校验方法，首先获取用户通过网站发 起的支付请求，然后通过所述收款账号信息获取收款方的公众号、被用户投 诉举报记录，并统计所述公众号的支付次数、访问次数，最后通过所述网站、 所述收款方账号信息、所述被用户投诉举报记录、所述公众号的支付次数、 和/或所述公众号的访问次数验证所述支付请求对应的收款方是否存在可疑诈 骗风险，若收款方存在可疑诈骗风险，则将网站、收款方账号信息、被用户 投诉举报记录、公众号的支付次数和公众号的访问次数组成的特征向量输入 到可疑诈骗风险预测模型，得到收款方的诈骗结果。从而通过本发明实施例 可实现通过多种途径判断用户的支付行为是否存在诈骗风险，以此保证用户 的支付安全，避免了用户在没有经过核实的情况下就在网上进行支付的行为， 大大降低用户受骗率。

如图3所示，在本发明提供的一个实施例中，步骤S40：所述通过所述网 站、所述收款方账号信息、所述被用户投诉举报记录、所述公众号的支付次 数，和所述公众号的访问次数验证所述支付请求对应的收款方是否存在可疑 诈骗风险，包括：

S401，计算所述网站、所述收款方账号信息分别对应的分值。

其中，所述网站为正规网站的域名或所述收款方账号信息为正规账号时 对应的分值为1，否者为0。具体的，本发明实施例首先获取网站对应的域名， 然后判断该域名是否属于正规网站，若是，则将该网站的分值设置为1；否则 将该网站的分值设置为0。所述收款方账号信息可以通过连接的国家企业信用 信息公示系统查看收款方账号信息是否合法，若合法，则将该收款方账信息 的分值设置为1；否则将该收款方账号信息的分值设置为0。

S402，计算未被用户投诉举报记录的次数，所述公众号的正确支付次数 的百分比值，以及所述公众号的正常用户访问次数的百分值。

在本发明实施例中，可通过公众号获取用户投诉举报记录的次数，还可 以通过工商管理等途径获取用户的投诉举报记录。公众号的正确支付次数的 百分比值为支付成功数与支付总次数的百分比值，所述公众号的正常用户访 问次数的百分值为正常用户访问次数与访问总人数的百分比值。

S403，通过计算所述网站的分值、所述收款方账号信息的分值、未被用 户投诉举报记录的百分比值、所述公众号的正确支付次数的百分比值，以及 所述公众号的正常用户访问次数的百分值的加权和，得到可疑诈骗风险系数。

其中，各评估参数对应的权重值是根据实际需求进行设定的，若公众号 的正确支付次数的百分比值在诈骗判断中起到的作用较大，则可将其权重值 设置大一些，若公众号的正常用户访问次数的百分值在诈骗判断中起到的作 用较小，则可以将其权重值设置的相对小些。需要说明的是，各个评估参数 的权重值相加为1。

S404，若所述可疑诈骗风险系数小于预置风险系数，则确定所述支付请 求对应的收款方存在可疑诈骗风险。

其中，预置风险系数是根据实际需求进行设定的，例如可根据用户正常 支付行为所确定出的风险系数的平均值确定，即根据正常支付行为的网站的 分值、收款方账号信息的分值、未被用户投诉举报记录的百分比值、公众号 的正确支付次数的百分比值，以及公众号的正常用户访问次数的百分值的加 权和，并对加权和求平均值，得到预置风险系数。

本发明实施例提供了另一种支付风险校验方法，首先计算所述网站、所 述收款方账号信息分别对应的分值，以及所述被用户投诉举报记录的次数， 所述公众号的正确支付次数的百分比值，以及所述公众号的正常用户访问次 数的百分值，然后通过计算所述网站的分值、所述收款方账号信息的分值、 未被用户投诉举报记录的百分比值、所述公众号的正确支付次数的百分比值， 以及所述公众号的正常用户访问次数的百分值的加权和，得到可疑诈骗风险 系数，若所述可疑诈骗风险系数小于预置风险系数，则确定所述支付请求对应的收款方存在可疑诈骗风险。由于发明实施例是综合多种参数进行加权求 和得到可疑诈骗风险系数，因此通过该可疑诈骗风险系数可提高在支付过重 中的诈骗行为，从而减少用户受骗的概率。

在本发明提供的一个实施例中，若收款方账号信息为个人账号信息，所 述方法还包括：通过所述个人账号信息获取所述收款方的个人信用信息；所 述收款方的个人信用信息、未被用户投诉举报记录的百分比值的加权和，得 到可疑诈骗风险系数；若所述可疑诈骗风险系数小于预置风险系数，则确定 所述支付请求对应的收款方存在可疑诈骗风险。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后， 各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实 施过程构成任何限定。

在一实施例中，提供一种支付风险校验装置，该支付风险校验装置与上 述实施例中支付风险校验方法一一对应。如图4所示，该支付风险校验装置 包括获取模块10、统计模块20、验证模块30、确认模块40。各功能模块详 细说明如下：

获取模块10，用于获取用户通过网站发起的支付请求，所述支付请求包 括收款方账号信息；

所述获取模块10，还用于通过所述收款账号信息获取收款方的公众号、 被用户投诉举报记录；

统计模块20，用于统计所述公众号的支付次数、访问次数；

验证模块30，用于通过所述网站、所述收款方账号信息、所述被用户投 诉举报记录、所述公众号的支付次数、和/或所述公众号的访问次数验证所述 支付请求对应的收款方是否存在可疑诈骗风险；

确认模块40，用于若所述收款方存在可疑诈骗风险，则将所述网站、所 述收款方账号信息、所述被用户投诉举报记录、所述公众号的支付次数和所 述公众号的访问次数组成的特征向量输入到可疑诈骗风险预测模型，得到所 述收款方的诈骗结果。

所述获取模块10，还用于获取所述网站和所述收款方账号信息的信用等 级信息；

获取模块10，还用于分别获取所述网站的信用等级信息、所述收款方账 号信息的信用等级信息、所述被用户投诉举报记录、所述公众号的支付次数 和所述公众号的访问次数的特征向量。

对于本发明实施例，所述验证模块30包括：

获取单元31，用于通过所述网站获取所述收款方的域名；

验证单元32，用于通过连接的云服务平台确定所述域名是否为正规网站 的域名；

确定单元33，用于若确定所述域名不是正规网站的域名，则确定所述支 付请求对应的收款方存在可疑诈骗风险。

在本发明提供的实施例中，所述验证模块30，包括：

计算单元34，用于计算所述网站、所述收款方账号信息分别对应的分值， 所述网站为正规网站的域名或所述收款方账号信息为正规账号时对应的分值 为1，否者为0；

计算单元34，用于计算所述被用户投诉举报记录的次数，所述公众号的 正确支付次数的百分比值，以及所述公众号的正常用户访问次数的百分值；

计算单元34，用于通过计算所述网站的分值、所述收款方账号信息的分 值、未被用户投诉举报记录的百分比值、所述公众号的正确支付次数的百分 比值，以及所述公众号的正常用户访问次数的百分值的加权和，得到可疑诈 骗风险系数；

确定单元33，还用于若所述可疑诈骗风险系数小于预置风险系数，则确 定所述支付请求对应的收款方存在可疑诈骗风险。

在本发明提供的实施例中，若收款方账号信息为个人账号信息，所述装 置还包括：

所述获取模块10，还用于通过所述个人账号信息获取所述收款方的个人 信用信息；

计算模块50，用于通过计算所述收款方的个人信用信息、未被用户投诉 举报记录的百分比值的加权和，得到可疑诈骗风险系数；

所述验证模块30，还用于若所述可疑诈骗风险系数小于预置风险系数， 则确定所述支付请求对应的收款方存在可疑诈骗风险。

关于支付风险校验装置的具体限定可以参见上文中对于支付风险校验方 法的限定，在此不再赘述。上述支付风险校验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风险校验方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储 在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实 现以下步骤：

获取用户通过网站发起的支付请求，所述支付请求包括收款方账号信息；

通过所述收款账号信息获取收款方的公众号、被用户投诉举报记录；

统计所述公众号的支付次数、访问次数；

通过所述网站、所述收款方账号信息、所述被用户投诉举报记录、所述 公众号的支付次数、和/或所述公众号的访问次数验证所述支付请求对应的收 款方是否存在可疑诈骗风险；

若所述收款方存在可疑诈骗风险，则将所述网站、所述收款方账号信息、 所述被用户投诉举报记录、所述公众号的支付次数和所述公众号的访问次数 组成的特征向量输入到可疑诈骗风险预测模型，得到所述收款方的诈骗结果。

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：

获取用户通过网站发起的支付请求，所述支付请求包括收款方账号信息；

通过所述收款账号信息获取收款方的公众号、被用户投诉举报记录；

统计所述公众号的支付次数、访问次数；

通过所述网站、所述收款方账号信息、所述被用户投诉举报记录、所述 公众号的支付次数、和/或所述公众号的访问次数验证所述支付请求对应的收 款方是否存在可疑诈骗风险；

若所述收款方存在可疑诈骗风险，则将所述网站、所述收款方账号信息、 所述被用户投诉举报记录、所述公众号的支付次数和所述公众号的访问次数 组成的特征向量输入到可疑诈骗风险预测模型，得到所述收款方的诈骗结果。

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。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以 上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而 将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划 分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前 述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其 依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术 特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离 本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种支付风险校验方法，其特征在于，所述方法包括：

获取用户通过网站发起的支付请求，所述支付请求包括收款方账号信息；

通过所述收款账号信息获取收款方的公众号、被用户投诉举报记录；

统计所述公众号的支付次数、访问次数；

通过所述网站、所述收款方账号信息、所述被用户投诉举报记录、所述公众号的支付次数、和/或所述公众号的访问次数验证所述支付请求对应的收款方是否存在可疑诈骗风险；

若所述收款方存在可疑诈骗风险，则将所述网站、所述收款方账号信息、所述被用户投诉举报记录、所述公众号的支付次数和所述公众号的访问次数组成的特征向量输入到可疑诈骗风险预测模型，得到所述收款方的诈骗结果。

2.根据权利要求1所述的支付风险校验方法，其特征在于，所述将所述网站、所述收款方账号信息、所述被用户投诉举报记录、所述公众号的支付次数和所述公众号的访问次数组成的特征向量输入到可疑诈骗风险预测模型之前，所述方法还包括：

获取所述网站和所述收款方账号信息的信用等级信息；

分别获取所述网站的信用等级信息、所述收款方账号信息的信用等级信息、所述被用户投诉举报记录、所述公众号的支付次数和所述公众号的访问次数的特征向量。

3.根据权利要求1所述的支付风险校验方法，其特征在于，所述通过所述网站验证所述支付请求对应的收款方是否存在可疑诈骗风险，包括：

通过所述网站获取所述收款方的域名；

通过连接的云服务平台确定所述域名是否为正规网站的域名；

若确定所述域名不是正规网站的域名，则确定所述支付请求对应的收款方存在可疑诈骗风险。

4.根据权利要求1所述的支付风险校验方法，其特征在于，通过所述被用户投诉举报记录、所述公众号的支付次数，或所述公众号的访问次数验证所述支付请求对应的收款方是否存在可疑诈骗风险，包括：

若所述被用户投诉举报记录超过预置举报次数，或所述公众号的正确支付次数的百分比小于第一预置数值，或所述公众号的正常用户访问次数的百分比小于第二预置数值，则确定所述支付请求对应的收款方存在可疑诈骗风险。

5.根据权利要求2-4任一项所述的支付风险校验方法，其特征在于，所述通过所述网站、所述收款方账号信息、所述被用户投诉举报记录、所述公众号的支付次数，和所述公众号的访问次数验证所述支付请求对应的收款方是否存在可疑诈骗风险，包括：

计算所述网站、所述收款方账号信息分别对应的分值，所述网站为正规网站的域名或所述收款方账号信息为正规账号时对应的分值为1，否者为0；

计算所述被用户投诉举报记录的次数，所述公众号的正确支付次数的百分比值，以及所述公众号的正常用户访问次数的百分值；

通过计算所述网站的分值、所述收款方账号信息的分值、未被用户投诉举报记录的百分比值、所述公众号的正确支付次数的百分比值，以及所述公众号的正常用户访问次数的百分值的加权和，得到可疑诈骗风险系数；

若所述诈骗风险系数小于预置风险系数，则确定所述支付请求对应的收款方存在可疑诈骗风险。

6.根据权利要求5所述的支付风险校验方法，其特征在于，若收款方账号信息为个人账号信息，所述方法还包括：

通过所述个人账号信息获取所述收款方的个人信用信息；

通过计算所述收款方的个人信用信息、未被用户投诉举报记录的百分比值的加权和，得到可疑诈骗风险系数；

若所述可疑诈骗风险系数小于预置风险系数，则确定所述支付请求对应的收款方存在可疑诈骗风险。

7.一种支付风险校验装置，其特征在于，所述装置包括：

获取模块，用于获取用户通过网站发起的支付请求，所述支付请求包括收款方账号信息；

所述获取模块，还用于通过所述收款账号信息获取收款方的公众号、被用户投诉举报记录；

统计模块，用于统计所述公众号的支付次数、访问次数；

验证模块，用于通过所述网站、所述收款方账号信息、所述被用户投诉举报记录、所述公众号的支付次数、和/或所述公众号的访问次数验证所述支付请求对应的收款方是否存在可疑诈骗风险；

确认模块，用于若所述收款方存在可疑诈骗风险，则将所述网站、所述收款方账号信息、所述被用户投诉举报记录、所述公众号的支付次数和所述公众号的访问次数组成的特征向量输入到可疑诈骗风险预测模型，得到所述收款方的诈骗结果。

8.根据权利要求7所述的支付风险校验装置，其特征在于，所述获取模块，还用于获取所述网站和所述收款方账号信息的信用等级信息；

获取模块，还用于分别获取所述网站的信用等级信息、所述收款方账号信息的信用等级信息、所述被用户投诉举报记录、所述公众号的支付次数和所述公众号的访问次数的特征向量。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述支付风险校验方法。

10.一种计算机可读存储介质，所述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如权利要求1至6任一项所述支付风险校验方法。