CN110675155A - 风险识别方法和装置 - Google Patents

Abstract

本发明提供了识别风险事件的方法和装置。具体而言，提供了一种识别商户风险的方法，包括：获取商户的样本集；从所述样本集中获取所述商户的多个风险要素特征集，所述多个风险要素特征集包括用户属性特征集、商户准入特征集、商户交易特征集以及商户关系特征集；将所述多个风险要素特征集中的每一个特征集输入到对应的风险要素模型以分别确定多个风险要素度量，所述多个风险要素度量包括用户属性度量、商户准入度量、商户交易度量和商户关系度量；根据所确定的多个风险要素度量来确定所述商户是否存在风险；以及如果确定所述商户存在风险，则根据所述多个风险要素度量来确定所述商户的主要风险要素。

Description

风险识别方法和装置

技术领域

本发明一般涉及互联网领域，尤其涉及商户的风险识别方法和装置。

背景技术

随着互联网技术的发展，电商平台上的签约商户与日俱增，越来越多的用户通过网络交易平台与商户进行交易，以购买产品或服务。但有些商户利用网络交易平台来实现一些违规或者非法的目的。

为了提高互联网交易的安全性，需要对商户存在的风险进行防控。而对商户风险的评估和识别是风险防控的重要手段，由此亟需一种能够对商户的风险进行精确识别的方法。

发明内容

为解决上述技术问题，本发明提供了一种识别商户风险的方法，包括：

获取商户的样本集；

从所述样本集中获取所述商户的多个风险要素特征集，所述多个风险要素特征集包括用户属性特征集、商户准入特征集、商户交易特征集以及商户关系特征集；

将所述多个风险要素特征集中的每一个特征集输入到对应的风险要素模型以分别确定多个风险要素度量，所述多个风险要素度量包括用户属性度量、商户准入度量、商户交易度量和商户关系度量；

根据所确定的多个风险要素度量来确定所述商户是否存在风险；以及

如果确定所述商户存在风险，则根据所述多个风险要素度量来确定所述商户的主要风险要素。

可任选地，该方法进一步包括：

根据多个风险要素度量来确定所述商户的风险值；

将所述风险值与预定阈值进行比较；以及

如果所述风险值大于预定阈值，则确定所述商户存在风险。

可任选地，该方法进一步包括：

确定所述多个风险要素度量中的最大度量；以及

将与所述最大度量相对应的风险要素确定为所述主要风险要素。

可任选地，该方法进一步包括：

使用与所述主要风险要素相对应的风险要素特征集和所述风险值来训练与所述主要风险要素相对应的风险要素模型。

可任选地，该方法进一步包括，向所述商户推送与所述主要风险要素相对应的风险提示信息。

可任选地，所述风险值是所述多个风险要素度量的加权求和。

可任选地，所述风险值是所述多个风险要素度量的总和。

可任选地，所述风险值是所述多个风险要素度量的平均值。

可任选地，所述用户属性特征集包括所述商户的用户属性特征。

可任选地，所述商户准入特征集包括与所述商户同网络交易平台的签约相关的特征。

可任选地，所述商户交易特征集包括与所述商户的交易操作相关的特征。

可任选地，所述商户关系特征集包括所述商户与黑样本的关系特征以及与交易对方的关系特征。

本公开的另一方面提供了一种识别商户风险的装置，包括：

用于获取商户的样本集的模块；

用于从所述样本集中获取所述商户的多个风险要素特征集的模块，所述多个风险要素特征集包括用户属性特征集、商户准入特征集、商户交易特征集以及商户关系特征集；

用于将所述多个风险要素特征集中的每一个特征集输入到对应的风险要素模型以分别确定多个风险要素度量的模块，所述多个风险要素度量包括用户属性度量、商户准入度量、商户交易度量和商户关系度量；

用于根据所确定的多个风险要素度量来确定所述商户是否存在风险的模块；以及

用于如果确定所述商户存在风险，则根据所述多个风险要素度量来确定所述商户的主要风险要素的模块。

可任选地，该装置进一步包括：

用于根据多个风险要素度量来确定所述商户的风险值的模块；

用于将所述风险值与预定阈值进行比较的模块；以及

用于如果所述风险值大于预定阈值，则确定所述商户存在风险的模块。

可任选地，该装置进一步包括：

用于确定所述多个风险要素度量中的最大度量的模块；以及

用于将与所述最大度量相对应的风险要素确定为所述主要风险要素的模块。

可任选地，该装置进一步包括：

用于使用与所述主要风险要素相对应的风险要素特征集和所述风险值来训练与所述主要风险要素相对应的风险要素模型的模块。

可任选地，该装置进一步包括，用于向所述商户推送与所述主要风险要素相对应的风险提示信息的模块。

可任选地，所述风险值是所述多个风险要素度量的加权求和。

可任选地，所述风险值是所述多个风险要素度量的总和。

可任选地，所述风险值是所述多个风险要素度量的平均值。

可任选地，所述用户属性特征集包括所述商户的用户属性特征。

可任选地，所述商户准入特征集包括与所述商户同网络交易平台的签约相关的特征。

可任选地，所述商户交易特征集包括与所述商户的交易操作相关的特征。

可任选地，所述商户关系特征集包括所述商户与黑样本的关系特征以及与交易对方的关系特征。

本公开的又一方面提供了一种装置，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：

获取商户的样本集；

从所述样本集中获取所述商户的多个风险要素特征集，所述多个风险要素特征集包括用户属性特征集、商户准入特征集、商户交易特征集以及商户关系特征集；

将所述多个风险要素特征集中的每一个特征集输入到对应的风险要素模型以分别确定多个风险要素度量，所述多个风险要素度量包括用户属性度量、商户准入度量、商户交易度量和商户关系度量；

根据所确定的多个风险要素度量来确定所述商户是否存在风险；以及

如果确定所述商户存在风险，则根据所述多个风险要素度量来确定所述商户的主要风险要素。

附图说明

图1是根据本公开的各方面的用于风险识别的系统的示图。

图2是根据本公开的各方面的用于风险识别的装置的模块图。

图3是根据本公开的一方面的用于风险识别的装置的示例的模块图。

图4是根据本公开的各方面的用于风险识别的流程图。

图5是根据本公开的各方面的根据主要风险要素来推送风险提示信息的示例的示图。

具体实施方式

为让本发明的上述目的、特征和优点能更明显易懂，以下结合附图对本发明的具体实施方式作详细说明。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，因此本发明不受下面公开的具体实施例的限制。

随着网络交易平台的发展，伴随着层出不穷的风险。例如，一些签约商户会利用网络交易平台来实现一些违规或者非法的目的。目前的风险识别方法通过对商户的各种特征进行分析来确定商户是否存在风险。但是风险与多个风险要素相关，例如，商户(用户)自身的属性(或即在准入前就具有的属性)、商户准入(签约)环节、商户交易环节、商户关系属性等。现有的风险识别方法不能精确地识别出风险存在于哪个具体环节，由此不能对风险进行有效的防控，也不能在商户申诉时不能告知风险的具体细节，降低了用户体验。

本公开针对以上问题，分别针对商户的准入前环节(商户作为用户自身的属性)、准入环节、交易环节和交易后环节(商户关系属性)确定各自的风险度量(分值)，根据多个环节的风险度量来确定是否存在风险。本公开还能识别出风险比重最高(最高危)的因素(也称为主要风险要素)，由此能够更高效地进行风险防控，并且向商户提供反馈，提高用户体验。进一步，本公开能够使用最终确定的风险值对主要风险要素所对应的模型进行训练，使得各个风险要素模型能够更加准确地进行预测。

图1是根据本公开的各方面的用于风险识别的系统的示图。

如图所示，用于风险识别的系统100可包括多个终端101。每个终端101上可安装有网络交易平台应用。终端101可包括蜂窝电话(例如，智能电话)、膝上型计算机、台式电脑、平板设备等。

用户可以使用终端101进行交易、支付、转账等操作。用户可以是经注册成为电商平台的商户，也可以是要在电商平台上购买产品或服务的消费者。商户和消费者可使用各自的终端101进行交易。

终端101在接收到用户的操作请求(例如，交易发起请求)之后可以向服务器102发送操作请求。该操作请求可包括终端101的用户账号、所请求操作的标识、以及可任选的一个或多个特征。

服务器102可响应于该操作请求而识别终端101上的操作是否存在风险。具体而言，服务器102可包括风险识别模块103。风险识别模块103可以根据各个终端101发送的操作请求中的用户账号所对应的商户的特征(包括商户的用户特征、准入特征、交易特征、关系特征等)来确定商户的风险信息(例如，是否有风险、风险值/风险等级、主要风险要素等)。

服务器102还可包括存储器104，用于存储各个用户的相关特征以及其它信息。例如，可以关于每个用户(例如，商户)账户存储该用户的一个或多个特征。服务器102在执行用于各个用户的操作(例如，准入、交易、支付等)之后可将相关信息(特征)存储在存储器104中以供后续使用。可以根据风险要素类型来对各个特征进行分类。在本文中，风险要素可指与商户的风险相关的各方面，例如，用户属性要素、商户准入要素、商户交易要素和商户关系要素。每种风险要素可具有对应的风险要素特征集。

例如，商户的特征可以被分类成多个风险要素特征集，包括用户属性特征集、商户准入特征集、商户交易特征集、以及商户关系特征集。用户属性特征、商户准入特征、商户交易特征、以及商户关系特征可分别表示商户在各个环节(例如，准入前、准入时、交易时、交易后)的特征。

用户属性特征可表示商户在准入前就具有的特征，可包括用户的一个或多个属性特征。措辞“用户”在这里使用是为了与用户被注册为商户之后作为“商户”的特征进行区分。用户属性特征可以包括账户特征、用户特征、历史签约特征等等。

账户特征可以包括与用户的账户相关的特征，例如，账户的注册时长、账户的历史操作(例如，支付、转账、交易(例如，作为消费者进行的交易)等)信息、账户的信用分值(例如，芝麻信用分数)、账户是否出现过非法操作行为等等。

用户特征可包括与用户自身的属性相关的特征，例如，用户的职业(例如，学生、教师、公务员等)、是否为经营人(线上或线下经营人)、年龄、收入等。

历史签约特征可包括与用户的历史签约行为相关的特征。具体而言，用户与网络交易平台的签约在一个周期(被称为签约周期)内是有效的，用户需要每隔一个签约周期(例如，一年)与网络交易平台签约(注册)成为商户。历史签约特征可包括用户是否曾经注册成为商户、历史签约时间、签约次数等等。签约的过程在本文也被称为准入。

商户准入特征可以包括与用户签约成为商户的操作(操作请求所处签约周期的签约操作，即，最近一次签约)相关的特征。商户准入环节是用户与电商平台签约成为商户的初始环节，在商户准入环节需要对用户成为商户的风险进行评估以确定是否允许用户签约成为商户。用户在签约时可以使用设备(例如，计算机)向服务器发送签约请求。

例如，商户准入特征可包括签约行为特征和签约文本特征。

签约行为特征包括与签约操作相关的特征，包括用户签约所使用的设备特征(设备型号)、网络IP地址、签约操作的地址、签约操作时间、发送签约请求的频率等。

签约文本特征包括用户在签约时提交的信息，例如，商户名称、经营商品名称、商户工商信息、商户地址信息、电话号码、邮箱、银行卡号等。

商户交易特征可以包括与商户进行的交易操作相关的特征，可以包括交易行为特征和交易行业特征。

交易行为特征可包括商户在本次签约周期内(自最近一次签约起)的历史交易笔数、每次交易的交易金额、交易时间等。

交易行业特征可包括商户的历史交易的行业信息。例如，可以建立每个行业及其关键字的映射表，通过交易所涉及的关键字来确定交易的行业信息。

在一个示例中，交易行业特征可以通过从交易所涉及的产品名称中提取关键字来得到。例如，如果产品名称为“加厚A4透明文件袋”，则可从中提取关键字“文件袋”，进而通过查找映射表来确定交易的行业为文具。

在另一示例中，交易行业特征可以通过图像处理(例如，图像识别)从交易所涉及的产品图片中提取关键字来得到。例如，如果交易的产品的陈列图像中包括连衣裙图像，则可以通过图像处理识别出该图像中包括连衣裙，提取出关键字“连衣裙”，进而通过查找映射表来确定交易的行业为服装。

商户关系特征可包括黑样本关系特征、买家关系特征等。

黑样本关系特征可包括关于商户与黑样本的关系的特征，例如，是否与黑样本有过交易往来、是否与黑样本处于相同的网络环境、是否与黑样本使用过相同的设备等等。黑样本是有过非法操作行为的样本，可被存储在样本库中。商户关系特征可以通过查找商户的历史操作中是否涉及黑样本来得到，例如，商户历史交易的对方是否存在黑样本、与历史交易相关的网络地址、商户使用的设备等是否被黑样本使用过、是否与黑样本有过转账历史记录等等。

买家关系特征可包括关于商户与其历史交易的买家的关系的特征。例如，买家是否与该商户处于相同的网络环境、是否使用过相同的设备、历史交易次数、历史资金往来信息等等。

图2是根据本公开的各方面的用于风险识别的装置的模块图。

如图2所示，用于风险识别的装置200包括多个风险要素模型202 1-N、风险识别模块204、以及可任选的选择器206。

每个风险要素模型202可根据对应的风险要素特征集来确定该风险要素的度量(也称为风险要素度量)。风险要素特征集可以包括如上所述的用户属性特征集、商户准入特征集、商户交易特征集、以及商户关系特征集。风险要素度量可表示该风险要素的风险等级，度量越高，表示该风险要素的风险概率越高。可以使用与风险要素相关的历史样本和相应的风险值来训练该风险要素的模型202。

举例而言，如果风险要素是用户属性，则对应的风险要素特征集可包括账户的注册时长特征、账户的历史支付记录特征、账户的信用分值特征(例如，芝麻信用分数)、账户是否出现过非法交易行为的特征等等。如果账户的注册时长较长且信用分值高，则用户属性要素的风险等级较低，由此用户属性度量较低。如果账户存在非法交易行为，则用户属性要素的风险等级会很高，由此用户属性度量很高。

在另一示例中，如果风险要素是商户准入，则商户准入特征可包括用户签约成商户时所使用的设备特征(例如，设备ID、型号等)、网络IP地址、签约地址、签约时间、签约频率、在签约时提交的信息等等。一方面，如果商户签约所使用的设备、网络IP地址、签约地址中的至少一者与黑样本的历史非法交易相同，表明商户与黑样本的关联度较高，则商户准入要素的风险等级会很高，由此商户准入度量较高。另一方面，如果商户的签约频率很高，说明有可能是具有攻击性的机器在进行签约操作，则商户准入要素的风险等级也会很高，由此商户准入度量也会较高。

在又一示例中，如果风险要素是商户交易，则商户交易特征可包括商户的历史交易笔数、交易金额、交易时间、交易行业。作为一个示例，如果交易行业涉及虚拟币、p2p小额借贷，则商户交易要素的风险等级较高，由此商户交易度量也会较高。

在另一示例中，如果风险要素是商户关系，则商户关系特征可包括黑样本关系特征、买家关系特征。如果商户与黑样本有过历史支付操作，或者与买家存在同环境(例如，同网络IP地址)，则商户关系要素的风险等级较高，由此商户关系度量也会较高。

以上列举了风险要素的几个示例，但本公开并不限于此，每个风险要素所涉及的特征以及其它风险要素也在本公开的构想中。

风险识别模块204接收来自各个风险要素模型的多个风险要素度量，并且根据这些度量来进行风险识别。

在一方面，风险识别模块204可以根据商户的多个风险要素度量来确定商户的风险值(风险等级)。

商户的风险值R可以是多个风险要素度量的加权求和。每个度量的权重可以根据具体业务的需求来确定。在一个示例中，风险值可以是多个风险要素度量的总和。在另一示例中，风险值可以是多个风险要素度量的的平均值。

随后可以根据商户的风险值来确定该商户是否存在风险。例如，可以将商户的风险值与预定阈值进行比较。如果风险值大于预定阈值，则确定商户存在风险；否则，可确定商户不存在风险。

进一步，可以根据多个风险要素度量来确定该多个风险要素中的主要风险要素。主要风险要素可表征存在风险概率最大或即最高危的要素。例如，可以确定该多个风险要素度量中的最大度量，并且将与最大度量相对应的风险要素确定为该商户的主要风险要素。

可任选地，本公开还包括选择器206，其被配置成根据主要风险要素来生成选择信号SEL，以选择对应的风险要素模型进行训练。

例如，如果用户属性度量为2，商户准入度量为3，商户交易度量为6，商户关系度量为4，则可确定度量值最大的商户交易要素为主要风险要素。选择器206可以输出选择商户交易要素模型的信号。随后可以使用商户交易特征和风险识别模块204输出的风险值来训练商户交易要素模型。

本公开针对主要风险要素所对应的风险要素模型，使用所确定的风险值和对应的风险要素特征进行训练，使得对风险模型的训练更有针对性，由此提高了风险预测的准确性。

图3是根据本公开的各方面的用于风险识别的装置的示例的模块图。

在图3的示例中，风险要素包括用户属性要素、商户准入要素、商户交易要素和商户关系要素。

如图3所示，用于风险识别的装置300包括用户属性度量确定模块302、商户准入度量确定模块304、商户交易度量确定模块306、商户关系度量确定模块308、风险值确定模块310、风险判定模块312、以及主要风险要素确定模块314。

用户属性度量确定模块302可根据输入的用户属性特征来确定用户属性度量。用户属性度量在用户自身的属性方面表征用户的风险等级。

如上所述，用户属性特征可以包括账户特征、用户特征、用户历史签约特征等等。用户属性度量确定模块302可以包括经训练的神经网络模型(用户属性度量模型)。可将账户特征、用户特征、用户历史签约特征等输入用户属性度量确定模块302以获取用户属性度量。

商户准入度量确定模块304可根据输入的商户准入特征来确定商户准入度量。商户准入度量在商户准入方面(用户签约成为商户的操作方面)表征商户的风险等级。

如上所述，商户准入特征可以包括签约行为特征和签约文本特征等等。类似地，商户准入度量确定模块304也可以包括经训练的神经网络模型(商户准入度量模型)。可将签约行为特征和签约文本特征等输入商户准入度量确定模块304以获取商户准入度量。

商户交易度量确定模块306可根据输入的商户交易特征来确定商户交易度量。商户交易度量在商户交易方面表征商户的风险等级。

如上所述，商户交易特征可以包括交易行为特征和交易行业特征等等。类似地，商户交易度量确定模块306也可以包括经训练的神经网络模型(商户交易度量模型)。可将交易行为特征和交易行业特征等输入商户交易度量确定模块306以获取商户交易度量。

商户关系度量确定模块308可根据输入的商户关系特征来确定商户关系度量。商户准入度量在商户关系方面表征用户的风险等级。

如上所述，商户关系特征可以包括黑样本关系特征、买家关系特征等等。类似地，商户关系度量确定模块308也可以包括经训练的神经网络模型(商户关系度量模型)。可将黑样本关系特征、买家关系特征等输入商户关系度量确定模块308以获取商户关系度量。

风险值确定模块310接收用户属性度量、商户准入度量、商户交易度量、和商户关系度量，并且根据这些度量来确定商户的风险值。

商户的风险值可以是用户属性度量、商户准入度量、商户交易度量和商户关系度量的加权求和。每个度量的权重可以根据具体业务的需求来确定。

在一个示例中，风险值是用户属性度量、商户准入度量、商户交易度量和商户关系度量的总和。在另一示例中，风险值是用户属性度量、商户准入度量、商户交易度量和商户关系度量的平均值。

风险判定模块312可以根据商户的风险值来确定商户是否存在风险，进而输出风险判断结果(商户存在风险/无风险)。例如，可以将商户的风险值与预定阈值进行比较。如果风险值大于预定阈值，则可确定商户存在风险；否则，可确定商户不存在风险。

风险判定模块312输出的风险判定结果可被提供给主要风险要素确定模块314以告知商户是否有风险。

如果主要风险要素确定模块314根据从风险判定模块312接收到的风险判断结果来确定商户存在风险，则可以根据用户属性度量、商户准入度量、商户交易度量和商户关系度量来确定商户的主要风险要素。主要风险要素可以是用户属性风险要素、商户准入风险要素、商户交易风险要素和商户关系风险要素之一，表征存在风险概率最大的要素/环节(例如，准入前用户属性、商户准入、商户交易、商户关系)。

例如，可以确定用户属性度量、商户准入度量、商户交易度量和商户关系度量中的最大度量，并且将与最大度量相对应的风险要素确定为该商户的主要风险要素。

在本发明的一方面，可以使用与所确定的主要风险要素相关联的特征集和风险值来训练该主要风险要素所对应的模型。例如，如果使用用户属性特征集、商户准入特征集、商户交易特征集以及商户关系特征集得到风险值R，并且确定主要风险要素为商户交易要素，则可以使用该商户交易特征集和风险值R来训练商户交易度量模型。

图4是根据本公开的各方面的用于风险识别的流程图。

在步骤402，可以获取商户的样本集。

商户的样本集可包括商户与各种风险要素相关的样本。

在步骤404，可以从样本集中获取商户的多个风险要素特征集。

例如，可以将所获取的样本集划分为如上所述的用户属性特征集、商户准入特征集、商户交易特征集以及商户关系特征集。

在步骤406，可以将所述多个风险要素特征集中的每一个特征集输入到对应的风险要素模块(例如，风险要素模型)以分别确定多个风险要素度量。

例如，该多个风险要素度量可包括用户属性度量、商户准入度量、商户交易度量和商户关系度量。可以根据用户属性特征集来确定商户的用户属性度量，根据商户准入特征集来确定商户的商户准入度量，根据商户交易特征集来确定商户的商户交易度量，并且根据商户关系特征集来确定商户的商户关系度量。

在步骤408，可以根据所确定的多个风险要素度量来确定商户是否存在风险。

可以首先确定风险值。风险值可以是多个风险要素度量的加权求和。例如，风险值可以是多个风险要素度量的总和或者平均值。

随后可将风险值与预定阈值进行比较，如果风险值大于预定阈值，则可确定商户存在风险。

在步骤410，如果确定商户存在风险，则可根据多个风险要素度量来确定商户的主要风险要素。

例如，可确定多个风险要素度量中的最大度量，并且将与所述最大度量相对应的风险要素确定为主要风险要素。例如，如果确定商户交易度量为最大度量，则可以将商户交易要素确定为主要风险要素。

可任选地，可以使用最终确定的风险值、以及与所确定的主要风险要素相关联的特征集来训练该主要风险要素所对应的模型。使用风险值和相应的特征集仅训练主要风险要素所对应的模型能够降低训练的计算量，同时使得对风险识别系统的各个模型的训练更有针对性，提高风险识别的准确度。

可任选地，可以根据主要风险要素来确定要向商户推送的风险提示信息。

每种风险要素具有不同的风险提示信息(例如，风险提示文案)，向商户显示主要风险要素以及相关信息(例如，在商户进行申诉的情况下，要提交的文件)。例如，在确定商户存在风险或者商户进行申诉时，可以向商户推送与主要风险要素相对应的风险提示信息，使得风险信息推送更有针对性，提高了用户体验。

图5示出了根据本公开的各方面的根据主要风险要素来推送风险提示信息的示例的示图。

如图5所示，风险要素包括用户属性要素504、商户准入要素506、商户交易要素508和商户关系要素510。

可以根据用户属性要素504、商户准入要素506、商户交易要素508和商户关系要素510来确定其各自的度量，用户属性度量、商户准入度量、商户交易度量和商户关系度量。随后根据这些度量来确定风险值502。如果风险值502大于阈值，表示商户风险概率很大，进而可确定主要风险要素。例如，可以选择风险度量最大的风险要素作为主要风险要素。

随后可以向商户推送与主要风险要素相关的用户提示信息(文案)。

例如，如果主要风险要素为用户属性504，则可向商户推送信息512：“商户账户特征表现高危，不符合签约标准，不予申诉”。

如果主要风险要素为商户准入506，则可向商户推送信息514：“商户签约行为表现高危，请提交签约凭证进行申诉”。

如果主要风险要素为商户交易508，则可向商户推送信息516：“商户交易行为表现高危，请提交交易凭证进行申诉”。

如果主要风险要素为用户属性510，则可向商户推送信息518：“商户关系表现高危，请提交经营凭证和交易凭证进行申诉”。

以上推送信息仅仅是示例，其它合适的推送信息也在被公开的构想中。

与传统的仅仅向高危商户提示存在风险的信息相比，本公开的技术方案能够向商户提供更有针对性的信息，由此提高了风险防控的效率，也提高了用户体验。

本文结合附图阐述的说明描述了示例配置而不代表可被实现或者落在权利要求的范围内的所有示例。本文所使用的术语“示例性”意指“用作示例、实例或解说”，而并不意指“优于”或“胜过其他示例”。本详细描述包括具体细节以提供对所描述的技术的理解。然而，可以在没有这些具体细节的情况下实践这些技术。在一些实例中，众所周知的结构和设备以框图形式示出以避免模糊所描述的示例的概念。

在附图中，类似组件或特征可具有相同的附图标记。此外，相同类型的各个组件可通过在附图标记后跟随短划线以及在类似组件之间进行区分的第二标记来加以区分。如果在说明书中仅使用第一附图标记，则该描述可应用于具有相同的第一附图标记的类似组件中的任何一个组件而不论第二附图标记如何。

结合本文中的公开描述的各种解说性框以及模块可以用设计成执行本文中描述的功能的通用处理器、DSP、ASIC、FPGA或其他可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可被实现为计算设备的组合(例如，DSP与微处理器的组合、多个微处理器、与DSP核心协同的一个或多个微处理器，或者任何其他此类配置)。

本文中所描述的功能可以在硬件、由处理器执行的软件、固件、或其任何组合中实现。如果在由处理器执行的软件中实现，则各功能可以作为一条或多条指令或代码存储在计算机可读介质上或藉其进行传送。其他示例和实现落在本公开及所附权利要求的范围内。例如，由于软件的本质，以上描述的功能可使用由处理器执行的软件、硬件、固件、硬连线或其任何组合来实现。实现功能的特征也可物理地位于各种位置，包括被分布以使得功能的各部分在不同的物理位置处实现。另外，如本文(包括权利要求中)所使用的，在项目列举(例如，以附有诸如“中的至少一个”或“中的一个或多个”之类的措辞的项目列举)中使用的“或”指示包含性列举，以使得例如A、B或C中的至少一个的列举意指A或B或C或AB或AC或BC或ABC(即，A和B和C)。同样，如本文所使用的，短语“基于”不应被解读为引述封闭条件集。例如，被描述为“基于条件A”的示例性步骤可基于条件A和条件B两者而不脱离本公开的范围。换言之，如本文所使用的，短语“基于”应当以与短语“至少部分地基于”相同的方式来解读。

计算机可读介质包括非瞬态计算机存储介质和通信介质两者，其包括促成计算机程序从一地向另一地转移的任何介质。非瞬态存储介质可以是能被通用或专用计算机访问的任何可用介质。作为示例而非限定，非瞬态计算机可读介质可包括RAM、ROM、电可擦除可编程只读存储器(EEPROM)、压缩盘(CD)ROM或其他光盘存储、磁盘存储或其他磁存储设备、或能被用来携带或存储指令或数据结构形式的期望程序代码手段且能被通用或专用计算机、或者通用或专用处理器访问的任何其他非瞬态介质。任何连接也被正当地称为计算机可读介质。例如，如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外、无线电、以及微波之类的无线技术从web网站、服务器、或其它远程源传送而来的，则该同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文所使用的盘(disk)和碟(disc)包括CD、激光碟、光碟、数字通用碟(DVD)、软盘和蓝光碟，其中盘常常磁性地再现数据而碟用激光来光学地再现数据。以上介质的组合也被包括在计算机可读介质的范围内。

提供本文的描述是为了使得本领域技术人员能够制作或使用本公开。对本公开的各种修改对于本领域技术人员将是显而易见的，并且本文中定义的普适原理可被应用于其他变形而不会脱离本公开的范围。由此，本公开并非被限定于本文所描述的示例和设计，而是应被授予与本文所公开的原理和新颖特征相一致的最广范围。

Claims (25)

1.一种识别商户风险的方法，包括：

获取商户的样本集；

从所述样本集中获取所述商户的多个风险要素特征集，所述多个风险要素特征集包括用户属性特征集、商户准入特征集、商户交易特征集以及商户关系特征集；

将所述多个风险要素特征集中的每一个特征集输入到对应的风险要素模型以分别确定多个风险要素度量，所述多个风险要素度量包括用户属性度量、商户准入度量、商户交易度量和商户关系度量；

根据所确定的多个风险要素度量来确定所述商户是否存在风险；以及

如果确定所述商户存在风险，则根据所述多个风险要素度量来确定所述商户的主要风险要素。

2.如权利要求1所述的方法，其特征在于，进一步包括：

根据所述多个风险要素度量来确定所述商户的风险值；

将所述风险值与预定阈值进行比较；以及

如果所述风险值大于所述预定阈值，则确定所述商户存在风险。

3.如权利要求1所述的方法，其特征在于，进一步包括：

确定所述多个风险要素度量中的最大度量；以及

将与所述最大度量相对应的风险要素确定为所述主要风险要素。

4.如权利要求1所述的方法，其特征在于，进一步包括：

使用与所述主要风险要素相对应的风险要素特征集和所述风险值来训练与所述主要风险要素相对应的风险要素模型。

5.如权利要求1所述的方法，其特征在于，进一步包括，向所述商户推送与所述主要风险要素相对应的风险提示信息。

6.如权利要求1所述的方法，其特征在于，所述风险值是所述多个风险要素度量的加权求和。

7.如权利要求6所述的方法，其特征在于，所述风险值是所述多个风险要素度量的总和。

8.如权利要求6所述的方法，其特征在于，所述风险值是所述多个风险要素度量的平均值。

9.如权利要求1所述的方法，其特征在于，所述用户属性特征集包括所述商户的用户属性特征。

10.如权利要求1所述的方法，其特征在于，所述商户准入特征集包括与所述商户同网络交易平台的签约相关的特征。

11.如权利要求1所述的方法，其特征在于，所述商户交易特征集包括与所述商户的交易操作相关的特征。

12.如权利要求1所述的方法，其特征在于，所述商户关系特征集包括所述商户与黑样本的关系特征以及与交易对方的关系特征。

13.一种识别商户风险的装置，包括：

用于获取商户的样本集的模块；

用于从所述样本集中获取所述商户的多个风险要素特征集的模块，所述多个风险要素特征集包括用户属性特征集、商户准入特征集、商户交易特征集以及商户关系特征集；

用于将所述多个风险要素特征集中的每一个特征集输入到对应的风险要素模型以分别确定多个风险要素度量的模块，所述多个风险要素度量包括用户属性度量、商户准入度量、商户交易度量和商户关系度量；

用于根据所确定的多个风险要素度量来确定所述商户是否存在风险的模块；以及

用于如果确定所述商户存在风险，则根据所述多个风险要素度量来确定所述商户的主要风险要素的模块。

14.如权利要求13所述的装置，其特征在于，进一步包括：

用于根据多个风险要素度量来确定所述商户的风险值的模块；

用于将所述风险值与预定阈值进行比较的模块；以及

用于如果所述风险值大于预定阈值，则确定所述商户存在风险的模块。

15.如权利要求13所述的装置，其特征在于，进一步包括：

用于确定所述多个风险要素度量中的最大度量的模块；以及

用于将与所述最大度量相对应的风险要素确定为所述主要风险要素的模块。

16.如权利要求13所述的装置，其特征在于，进一步包括：

用于使用与所述主要风险要素相对应的风险要素特征集和所述风险值来训练与所述主要风险要素相对应的风险要素模型的模块。

17.如权利要求13所述的装置，其特征在于，进一步包括，用于向所述商户推送与所述主要风险要素相对应的风险提示信息的模块。

18.如权利要求13所述的装置，其特征在于，所述风险值是所述多个风险要素度量的加权求和。

19.如权利要求18所述的装置，其特征在于，所述风险值是所述多个风险要素度量的总和。

20.如权利要求18所述的装置，其特征在于，所述风险值是所述多个风险要素度量的平均值。

21.如权利要求13所述的装置，其特征在于，所述用户属性特征集包括所述商户的用户属性特征。

22.如权利要求13所述的装置，其特征在于，所述商户准入特征集包括与所述商户同网络交易平台的签约相关的特征。

23.如权利要求13所述的装置，其特征在于，所述商户交易特征集包括与所述商户的交易操作相关的特征。

24.如权利要求13所述的装置，其特征在于，所述商户关系特征集包括所述商户与黑样本的关系特征以及与交易对方的关系特征。

25.一种装置，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：

获取商户的样本集；

从所述样本集中获取所述商户的多个风险要素特征集，所述多个风险要素特征集包括用户属性特征集、商户准入特征集、商户交易特征集以及商户关系特征集；

将所述多个风险要素特征集中的每一个特征集输入到对应的风险要素模型以分别确定多个风险要素度量，所述多个风险要素度量包括用户属性度量、商户准入度量、商户交易度量和商户关系度量；

根据所确定的多个风险要素度量来确定所述商户是否存在风险；以及

如果确定所述商户存在风险，则根据所述多个风险要素度量来确定所述商户的主要风险要素。

Images