CN110751493A - 基于历史预约订单的风险防控方法以及装置 - Google Patents
基于历史预约订单的风险防控方法以及装置 Download PDFInfo
- Publication number
- CN110751493A CN110751493A CN201910965244.6A CN201910965244A CN110751493A CN 110751493 A CN110751493 A CN 110751493A CN 201910965244 A CN201910965244 A CN 201910965244A CN 110751493 A CN110751493 A CN 110751493A
- Authority
- CN
- China
- Prior art keywords
- identity
- user
- information
- historical
- service provider
- 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.)
- Granted
Links
Images
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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0609—Buyer or seller confidence or verification
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Abstract
本说明书实施例提供基于历史预约订单的风险防控方法以及装置,其中,所述基于历史预约订单的风险防控方法包括:获取历史时间区间内进行服务预约创建的历史预约订单,进一步提取历史预约订单中记录的用户的支付信息、服务提供方的收款信息,并获取所述用户和所述服务提供方的身份特征信息,然后基于所述用户的支付信息、所述服务提供方的收款信息以及所述用户和所述服务提供方的身份特征信息之间的联通关系构建身份联通图,利用图算法计算由所述身份联通图中至少一位用户对应的节点以及至少一位服务提供方对应的节点组成的分群的身份关联度,最后根据计算获得的身份关联度确定所述分群中包含的用户和服务提供方的风险等级。
Description
技术领域
本说明书实施例涉及数据处理技术领域,特别涉及一种基于历史预约订单的风险防控方法。本说明书一个或者多个实施例同时涉及一种基于历史预约订单的风险防控装置,一种计算设备,以及一种计算机可读存储介质。
背景技术
随着互联网技术的飞速发展,网约车平台纷纷进驻城市交通市场,在为用户提供出行便利的同时,一些不规范的现象也随之发生,网约车平台在运营中会经常遇到司乘联合刷单、虚假交易的情况,特别是当平台给服务提供方提供接单奖励时,风险服务提供方可能会与用户勾结或者让熟人虚假叫车,构造虚假的行程订单,赚取平台的接单奖励,甚至联合恶意不付车费,造成平台坏账,给平台及运营商造成经济损失。
因此,需要加强对服务提供方和用户的风险管理,并对其潜在司乘勾结联合的风险进行预判识别,防范类似风险,降低对网约车平台造成的损失。
发明内容
有鉴于此,本说明书实施例提供了一种基于历史预约订单的风险防控方法,以解决现有技术中存在的技术缺陷。本说明书一个或者多个实施例同时提供了一种基于历史预约订单的风险防控装置,一种计算设备,以及一种计算机可读存储介质。
本说明书一个实施例提供一种基于历史预约订单的风险防控方法,包括:
获取历史时间区间内进行服务预约创建的历史预约订单;
提取所述历史预约订单中记录的用户的支付信息、服务提供方的收款信息,并获取所述用户和所述服务提供方的身份特征信息;
基于所述用户的支付信息、所述服务提供方的收款信息以及所述用户和所述服务提供方的身份特征信息之间的联通关系构建身份联通图;
利用图算法计算由所述身份联通图中至少一位用户对应的节点以及至少一位服务提供方对应的节点组成的分群的身份关联度;
根据所述分群的身份关联度确定所述分群中包含的用户和服务提供方的风险等级。
可选的,所述利用图算法计算由所述身份联通图中至少一位用户对应的节点以及至少一位服务提供方对应的节点组成的分群的身份关联度,包括:
确定所述分群中包含的用户的支付信息对应的身份标识以及服务提供方的收款信息对应的身份标识在所述身份联通图中对应节点的节点数目之和,以及所述分群中包含的身份特征信息对应的节点数目;
计算确定的所述节点数目之和以及所述节点数目二者的乘积与所述分群中包含的节点的总数目的比值,并将所述比值取对数之后的倒数作为所述分群的身份关联度。
可选的,所述根据所述分群的身份关联度确定所述分群中包含的用户和服务提供方的风险等级,包括:
确定所述分群中包含的用户的支付信息以及服务提供方的收款信息在所述身份联通图中对应节点的节点数目之和,并获取所述节点数目之和对应的预设关联度阈值区间;
在所述分群的身份关联度符合所述预设关联度阈值区间的情况下,将所述分群中包含的用户和服务提供方的风险等级确定为高风险等级。
可选的,所述基于历史预约订单的风险防控方法,还包括:
接收用户通过终端设备提交的服务预约请求;
根据所述服务预约请求中包含的用户的预约账户信息,获取所述预约账户信息对应的身份信息、所述终端设备的设备信息以及所述终端设备所处的网络环境信息;
通过将所述预约账户信息对应的身份信息、所述终端设备的设备信息以及所述终端设备所处的网络环境信息与数据库中存储的历史身份数据进行比对,根据比对结果确定提交所述服务预约请求的用户的身份风险浓度;
判断所述身份风险浓度是否满足预设预约准入风险阈值;
若否,向提交所述服务预约请求的用户的终端设备发送提交所述服务预约请求的用户存在风险的风险提醒。
可选的,若所述判断所述身份风险浓度是否满足预设预约准入风险阈值步骤执行之后的判断结果为是,执行如下操作:
为所述服务预约请求匹配服务提供方,生成对应的预约订单并启动行程处理;
检测到所述行程处理完成的情况下,接收提交所述服务预约请求的用户针对所述预约订单的支付请求;
基于所述支付请求对所述预约订单进行支付处理,并将支付完成之后的预约订单作为历史预约订单存入所述数据库。
可选的,所述获取历史时间区间内进行服务预约创建的历史预约订单,包括:
在所述数据库查找所述历史时间区间内的历史预约订单并读取。
可选的,所述向提交所述终端设备发送提交所述服务预约请求的用户存在风险的风险提醒步骤执行之后,包括:
将提交所述服务预约请求的用户的身份信息、所述终端设备的设备信息以及所述终端设备所处的网络环境信息作为历史身份数据存入所述数据库。
可选的,所述用户的支付信息、所述服务提供方的收款信息以及所述用户和所述服务提供方的身份特征信息与所述身份联通图中的节点一一对应。
本说明书还提供一种基于历史预约订单的风险防控装置,包括:
历史预约订单获取模块,被配置为获取历史时间区间内进行服务预约创建的历史预约订单;
身份特征信息获取模块,被配置为提取所述历史预约订单中记录的用户的支付信息、服务提供方的收款信息,并获取所述用户和所述服务提供方的身份特征信息;
身份联通图构建模块,被配置为基于所述用户的支付信息、所述服务提供方的收款信息以及所述用户和所述服务提供方的身份特征信息之间的联通关系构建身份联通图;
身份关联度计算模块,被配置为利用图算法计算由所述身份联通图中至少一位用户对应的节点以及至少一位服务提供方对应的节点组成的分群的身份关联度;
风险等级确定模块,被配置为根据所述分群的身份关联度确定所述分群中包含的用户和服务提供方的风险等级。
本说明书还提供一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获取历史时间区间内进行服务预约创建的历史预约订单;
提取所述历史预约订单中记录的用户的支付信息、服务提供方的收款信息,并获取所述用户和所述服务提供方的身份特征信息;
基于所述用户的支付信息、所述服务提供方的收款信息以及所述用户和所述服务提供方的身份特征信息之间的联通关系构建身份联通图;
利用图算法计算由所述身份联通图中至少一位用户对应的节点以及至少一位服务提供方对应的节点组成的分群的身份关联度;
根据所述分群的身份关联度确定所述分群中包含的用户和服务提供方的风险等级。
本说明书还提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现所述基于历史预约订单的风险防控方法的步骤。
本说明书一个实施例提供的基于历史预约订单的风险防控方法,包括:获取历史时间区间内进行服务预约创建的历史预约订单;提取所述历史预约订单中记录的用户的支付信息、服务提供方的收款信息,并获取所述用户和所述服务提供方的身份特征信息;基于所述用户的支付信息、所述服务提供方的收款信息以及所述用户和所述服务提供方的身份特征信息之间的联通关系构建身份联通图;利用图算法计算由所述身份联通图中至少一位用户对应的节点以及至少一位服务提供方对应的节点组成的分群的身份关联度;根据所述分群的身份关联度确定所述分群中包含的用户和服务提供方的风险等级。
本说明书一个实施例实现了从参与网络服务预约的用户与服务提供方的历史预约订单出发,在借助历史预约订单获取用户和服务提供方的身份特征信息的基础上,构建表达用户与服务提供方之间身份关联关系的身份联通图,并利用构建的身份联通图来计算包含用户和服务提供方对应节点的分群的身份关联度,确定用户与服务提供方在身份特征层面的关联性,从而来防控用户与服务提供方联合刷单现象的发生,进而来降低由用户与服务提供方联合刷单导致的服务平台的损失。
附图说明
图1是本说明书实施例提供的一种基于历史预约订单的风险防控方法处理流程图;
图2是本说明书实施例提供的一种身份联通图的示意图;
图3是本说明书实施例提供的一种分群的示意图;
图4是本说明书实施例提供的一种基于历史预约订单的风险防控装置的示意图;
图5是本说明书实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本说明书内涵的情况下做类似推广,因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
首先,对本说明书一个或多个实施例涉及的名词术语进行解释。
司乘联合:网络约车场景下,司机和乘客恶意勾结,构建虚假行程套取网络约车平台的营销费用,或者恶意赖账,使网络约车平台产生坏账。
本说明书一个实施例提供一种基于历史预约订单的风险防控方法,本说明书一个或者多个实施例还提供一种基于历史预约订单的风险防控装置,一种计算设备,以及一种计算机可读存储介质。以下分别结合本说明书提供的实施例的附图逐一进行详细说明,并且对方法的各个步骤进行说明。
本说明书提供的一种基于历史预约订单的风险防控方法实施例如下:
参照附图1,其示出了本说明书实施例提供的一种基于历史预约订单的风险防控方法处理流程图,参照附图2,其示出了本说明书实施例提供的一种身份联通图的示意图,参照附图3,其示出了本说明书实施例提供的一种分群的示意图。
步骤S102,获取历史时间区间内进行服务预约创建的历史预约订单。
实际应用中,服务平台在为服务提供方提供预约发放以及为用户提供服务预约的过程中,往往会存在服务提供方与用户联合刷单的现象,对服务平台造成损失,本申请实施例提供的基于历史预约订单的风险防控方法,从参与网络服务预约的用户与服务提供方的历史预约订单出发,通过获取所述历史预约订单中记录的用户与服务提供方的身份特征信息,并将所述历史预约订单中记录的用户与服务提供方置于一个由身份特征信息之间的联通关系构建的分群中,来分析所述历史预约订单中记录的用户与服务提供方的身份关联度,依据二者的身份关联度来确定二者的风险等级,从而降低服务提供方与用户联合刷单的可能性,进而来降低由联合刷单对服务平台造成的损失。
本实施例以网络约车平台为司机(服务提供方)提供车辆预约发放以及为乘客(用户)提供车辆预约这一网络约车场景为例,对本实施例提供的所述基于历史预约订单的风险防控方法进行说明。
需要说明的是,所述基于历史预约订单的风险防控方法还可以应用于网络约车场景之外的其他服务场景,比如,洗车服务预约平台在为洗车机构的洗车员(服务提供方)提供洗车预约发放以及为用户提供洗车预约这一网络洗车预约场景,或者,保洁服务预约平台在为保洁机构的保洁员(服务提供方)提供保洁预约发放以及为用户提供保洁预约这一网络保洁预约场景,再比如,诊疗服务预约平台在为诊疗机构的医生(服务提供方)提供诊疗预约发放以及为用户提供诊疗预约这一网络诊疗预约场景,或者,维修服务预约平台在为维修员(服务提供方)提供维修预约发放以及为用户提供维修预约这一网络维修预约场景,这些场景下的实现方式与网络约车场景的实现方式类似,参照本申请实施例提供的网络约车场景下的基于历史预约订单的风险防控方法的具体实现即可,本实施例不再一一赘述。
具体实施时,为了降低服务提供方与用户联合刷单对服务平台的影响,根据历史预约订单的创建时间,获取历史时间区间内进行服务预约创建的历史预约订单,后续在获取的历史预约订单的基础上,对历史预约订单中记录的用户和服务提供方的风险进行分析。比如,获取网络约车平台在过去1个月内创建并成功支付的车辆预约订单,在获取到的过去1个月内创建的车辆预约订单的基础上对车辆预约订单中记录的乘客和司机进行风险分析,从而对网络约车平台中存在的司乘联合风险进行防控;
再比如,在维修服务预约平台每天创建的维修预约订单数目较大(百万级或者千万级的电子设备维修预约订单数)的情况下,维修服务预约平台每天0点获取当天生成的所有维修预约订单,每天在获取到的维修预约订单的基础上对维修预约订单中记录的维修员和用户进行风险分析,从而对维修服务预约平台中存在的联合刷单风险进行防控。
以网络约车场景为例,用户在网络约车场景下进行服务预约的过程中,首先由用户向网络约车平台提交服务预约请求,网络约车平台根据用户提交的服务预约请求中包含的出行路径和出行时间,为用户匹配相应的服务提供方(车辆),并生成相应的预约订单,最后由用户在行程结束后对预约订单进行支付。为了对用户存在的风险进行防控,在用户提交服务预约请求时对用户进行身份风险检测,通过在身份风险角度对用户进行防控,从而来降低网络约车场景下司乘联合的可能性。针对于此,本实施例提供的一种对用户进行风险检测的可选实施方式如下:
1)接收用户通过终端设备提交的服务预约请求;
2)根据所述服务预约请求中包含的用户的预约账户信息,获取所述预约账户信息对应的身份信息、所述终端设备的设备信息以及所述终端设备所处的网络环境信息;
3)通过将所述预约账户信息对应的身份信息、所述终端设备的设备信息以及所述终端设备所处的网络环境信息与数据库中存储的历史身份数据进行比对,根据比对结果确定提交所述服务预约请求的用户的身份风险浓度;
4)判断所述身份风险浓度是否满足预设预约准入风险阈值;
若是,表明提交所述服务预约请求的用户的身份存在风险的可能性较小,对该用户提交的预约请求进行处理即可;
具体的,对所述用户提交的预约请求进行如下处理:
(a)为所述服务预约请求匹配服务提供方,生成对应的预约订单并启动行程处理;
(b)检测到所述行程处理完成的情况下,接收提交所述服务预约请求的用户针对所述预约订单的支付请求;
(c)基于所述支付请求对所述预约订单进行支付处理,并将支付完成之后的预约订单作为历史预约订单存入所述数据库;
通过对所述服务预约请求进行处理,生成对应的预约订单,并将处理之后的预约订单作为历史预约订单存入所述数据库;
不难看出,上述对所述服务预约请求的处理,不仅实现了对用户的服务预约请求的响应,同时通过将处理之后的预约订单作为历史预约订单存储至数据库,从而实现了历史预约订单的存储与查找读取的配合,为所述历史预约订单的查找和读取提供了数据来源;
若否,表明提交所述服务预约请求的用户的身份存在风险的可能性较大,向提交所述服务预约请求的用户的终端设备发送提交所述服务预约请求的用户存在风险的风险提醒。
在提交所述服务预约请求的用户的身份存在风险的可能性较大的情况下,为了避免存在风险可能性较大的用户对服务平台造成影响,带来损失,对存在风险的可能性较大的用户提交的服务预约请求进行拦截,并向存在风险可能性较大的用户提交所述服务预约请求的移动终端发送该用户存在风险的提醒,从而将高风险用户对服务平台带来的影响降低最小。
进一步,对于存在风险的可能性较大的用户,为了充分利用这类用户的数据,本实施例提供的一种可选实施方式中,在向提交所述服务预约请求的用户的终端设备发送提交所述服务预约请求的用户存在风险的风险提醒之后,将提交所述服务预约请求的用户的身份信息、所述终端设备的设备信息以及所述终端设备所处的网络环境信息作为历史身份数据存入所述数据库。
需要说明的是,通过将存在风险较高的用户的历史身份数据输入所述数据库,为上述将所述预约账户信息对应的身份信息、所述终端设备的设备信息以及所述终端设备所处的网络环境信息与数据库中存储的历史身份数据进行比对这一过程提供数据来源,所述数据库中存储的存在风险的用户的历史身份信息越多,对用户进行风险判断的全面性和准确性也越高。
例如,网络约车场景下,网络约车平台接收到乘客A提交的车辆预约请求,该车辆预约请求为乘客A想要预约xx日xx时xx分从地点addr 1出发前往地点addr 2的车辆;
在接收到乘客A提交的车辆预约请求时,需对乘客A进行风险判断,如果风险判断结果为乘客A存在风险的可能性较大,则向乘客A提交车辆预约请求的智能手机发送其为风险用户的提醒;
如果风险判断结果为乘客A存在风险的可能性较小,则针对乘客A提交的车辆预约请求匹配相应的车辆,即匹配能够满足xx日xx时xx分从地点addr 1出发前往地点addr 2这一条件的车辆,若匹配车辆的司机接收乘客A的预约,则创建乘客A与该司机的车辆预约订单;
具体的,对乘客A进行风险判断的过程如下:
1)根据乘客A提交的车辆预约请求中携带的乘客A的user ID,从网络约车平台的用户数据库中读取该user ID对应的手机号,乘客A的user ID绑定的智能手机的设备ID,以及该智能手机所处的局域网的网络信息;
2)根据网络约车平台的数据库中预先存储的存在风险的可能性较大的高风险乘客的历史身份数据,将乘客A的身份证号、手机号、智能手机的设备ID以及智能手机所处的局域网的网络信息这4项身份数据分别与高风险乘客的历史身份数据(即:身份证号、手机号、智能手机的设备ID以及智能手机所处的局域网的网络信息这4项身份数据)进行比对;
其中,身份证号、手机号、智能手机的设备ID以及智能手机所处的局域网的网络信息这4项身份数据中,每一项身份数据的占比为25%,因此,如果乘客A有一项身份数据与高风险乘客的历史身份数据相同,则乘客A的身份风险浓度为25%,以此类推,如果乘客A有4项身份数据与高风险乘客的历史身份数据相同,则乘客A的身份风险浓度为100%;
3)根据乘客A的4项身份数据与数据库中高风险乘客的历史身份数据进行比对之后确定的身份风险浓度,判断乘客A的身份风险浓度是否小于预约准入风险阈值25%;
如果乘客A的身份风险浓度大于预约准入风险阈值25%,则表明乘客A存在风险的可能性也比较大,可能的情形为乘客A通过垃圾小号与司机联合进行刷单,则拦截该车辆预约请求,并向乘客A的智能手机发送其存在风险较高的提醒信息;
如果乘客A的身份风险浓度小于或者等于预约准入风险阈值25%,则表明乘客A存在风险的可能性也比较小,则针对乘客A的车辆预约请求匹配能够满足xx日xx时xx分从地点addr 1出发前往地点addr 2这一条件的车辆,若匹配车辆的司机接收乘客A的预约,则创建乘客A与该司机的车辆预约订单。
与本实施例提供的上述对所述用户的服务预约请求的检测过程类似,实际应用中,还可以从服务提供方的身份特征信息出发,当接收到服务提供方在服务平台提交的注册请求时,对服务提供方的身份特征信息进行检测,具体检测服务提供方是否为高风险用户,通过检测来拦截高风险的服务提供方,同样能够降低高风险服务提供方对服务平台的影响,具体实现过程参照上述提供的对所述用户的服务预约请求的检测过程即可,在此不再赘述。
步骤S104,提取所述历史预约订单中记录的用户的支付信息、服务提供方的收款信息,并获取所述用户和所述服务提供方的身份特征信息。
上述步骤获取到所述历史时间区间内的历史预约订单之后,在此,根据所述历史预约订单中记录的用户的支付信息以及服务提供方的收款信息,并获取所述历史预约订单中记录的用户和服务提供方二者的身份特征信息,为后续基于所述身份特征信息针对所述用户和所述服务提供方进行风险防控做准备。
例如,针对获取到的过去1个月内的历史预约订单,分别提取每个历史预约订单中记录的乘客的支付账户ID以及司机的收款账户ID,并且,根据每个历史预约订单中记录的乘客的user ID和司机的user ID,分别从数据库中获取乘客的user ID对应的身份特征信息,以及司机的user ID对应的身份特征信息;其中,身份特征信息具体包含身份证号、手机号、智能手机的设备ID以及智能手机所处的局域网的网络信息这4项身份特征信息。
步骤S106,基于所述用户的支付信息、所述服务提供方的收款信息以及所述用户和所述服务提供方的身份特征信息之间的联通关系构建身份联通图。
基于上述获取的所述历史预约订单中记录的用户的支付信息以及服务提供方的收款信息,以及所述历史预约订单中记录的用户和服务提供方二者的身份特征信息,根据所述用户的支付信息、所述服务提供方的收款信息以及所述用户和所述服务提供方二者的身份特征信息之间的联通关系,构建所述身份联通图。本实施例中,构建所述身份联通图的目的是为了分析和挖掘用户与服务提供方二者的身份特征信息之间的关联性强弱,从而分析出用户与服务提供方二者之间潜在的身份关联性,并以此作为用户与服务提供方之间是否存在联合刷单现象的判断依据。
具体在构建所述身份联通图的过程中,分别将所述用户的支付信息、所述服务提供方的收款信息以及所述用户和所述服务提供方的身份特征信息作为身份联通图中对应的节点;并且,通过分析所述用户的支付信息、所述服务提供方的收款信息以及所述用户和所述服务提供方的身份特征信息是否存在实质联系,如果任意二者存在实质联系,则建立这二者对应的节点之间在所述身份联通图中的联通关系;反之,如果这二者不存在实质联系,则无需建立这二者对应的节点之间在所述身份联通图中的联通关系。
下述以获取到的过去1个月内的任意两个历史预约订单(历史预约订单1和历史预约订单2)为例,对所述身份联通图的构建过程进行说明:
具体的,对于历史预约订单1中记录的乘客B和司机b,乘客B的身份证号为IDNumber B,手机号phone_no B,智能手机的设备ID为IMEI B,乘客B的智能手机IMEI B所处的局域网的网络信息Tid B1、Tid B2;
司机b的身份证号为ID Number b,手机号有两个:phone_no b1和phone_no b2,这两个手机号对应的智能手机的设备ID分别为IMEI b1和IMEI b2,司机b的智能手机IMEI b1所处的局域网的网络信息Tid b1,智能手机IMEI b2所处的局域网的网络信息Tid b2和Tidb3;
对于历史预约订单2中记录的乘客C和司机b,乘客C的身份证号为ID Number C,手机号phone_no C,智能手机的设备ID为IMEI C,乘客C的智能手机IMEI C所处的局域网的网络信息Tid C1、Tid C2;
基于乘客B、司机b、乘客C三者的身份特征信息构建的身份联通图如附图2所示;
其中,乘客C的手机号phone_no C对应的节点与司机b的手机号phone_no b1对应的节点联通,表明乘客C的手机号phone_no C与司机b的手机号phone_no b1之间存在联系,可能的情况是乘客C与司机b进行过通话;
乘客C的智能手机IMEI C所处的局域网的网络信息Tid C2对应的节点与司机b的智能手机IMEI b1所处的局域网的网络信息Tid b1对应的节点联通,表明乘客C的智能手机IMEI C所处的局域网的网络信息与司机b的智能手机IMEI b1所处的局域网的网络信息之间存在联系,可能的情况是乘客C的智能手机IMEI C与司机b的智能手机IMEI b1处于同一网络环境(比如,同一Wi-Fi网络环境)。
步骤S108,利用图算法计算由所述身份联通图中至少一位用户对应的节点以及至少一位服务提供方对应的节点组成的分群的身份关联度。
本实施例所述分群,是指由所述身份联通图中至少一位用户对应的节点以及至少一位服务提供方对应的节点组成的节点分群。例如,附图2所示的基于乘客B、司机b、乘客C三者的身份特征信息构建的身份联通图中,由乘客C的身份特征信息对应的节点与司机b的身份特征信息对应的节点组成一个司乘分群如附图3所示。
此外,乘客B的身份特征信息对应的节点与司机b的身份特征信息对应的节点也可以组成一个司乘分群;或者,乘客B、乘客C的身份特征信息对应的节点与司机b的身份特征信息对应的节点同样可以组成一个司乘分群。
所述图算法,是指用于计算所述分群当中节点对应的身份特征信息之间身份关联关系的算法。具体的,本实施例提供的图算法的表达式如下:
其中,N为常数,user_cnt为分群当中的用户和服务提供方的身份证号对应节点的总数目,type_cnt为分群当中的用户和服务提供方的终端设备对应节点的总数目,tot_cnt为分群当中节点的总数目。
需要说明的是,除本实施例提供的上述图算法之外,还可以采用其他图算法计算所述分群的身份关联度,对此不做限定。
本申请实施例提供的一种可选实施方式中,所述采用如下方式计算由所述身份联通图中至少一位用户对应的节点以及至少一位服务提供方对应的节点组成的分群的身份关联度,包括:
确定所述分群中包含的用户的支付信息对应的身份标识以及服务提供方的收款信息对应的身份标识在所述身份联通图中对应节点的节点数目之和,以及所述分群中包含的身份特征信息对应的节点数目;
计算确定的所述节点数目之和以及所述节点数目二者的乘积与所述分群中包含的节点的总数目的比值,并将所述比值取对数之后的倒数作为所述分群的身份关联度。
实际应用中,不管是用户的身份标识还是服务提供方的身份标识都是唯一的,因此,基于所述用户的支付信息确定所述用户的身份标识,以及基于所述服务提供方的收款信息确定的所述服务提供方的身份标识也是唯一的,据此不难看出,分群中用户和服务提供方的身份特征对应节点的数目与分群所涉及的用户和服务提供方的数目相等。
例如,附图3所示的司乘分群中,身份关联度为:
步骤S110,根据所述分群的身份关联度确定所述分群中包含的用户和服务提供方的风险等级。
上述计算获得所述分群的身份关联度之后,在此,根据所述分群的身份关联度确定所述分群中包含的用户和服务提供方的风险等级。为了提升根据所述分群的身份关联度确定的所述分群中包含的用户和服务提供方的风险等级的准确性,本实施例中,针对包含用户和服务提供方对应节点的总数目不同的分群,分别设置不同的关联度阈值;基于此,本实施例提供的一种可选实施方式中,采用如下方式来确定所述分群中包含的用户和服务提供方的风险等级,包括:
确定所述分群中包含的用户的支付信息以及服务提供方的收款信息在所述身份联通图中对应节点的节点数目之和,并获取所述节点数目之和对应的预设关联度阈值区间;
在所述分群的身份关联度符合所述预设关联度阈值区间的情况下,将所述分群中包含的用户和服务提供方的风险等级确定为高风险等级。
沿用上例,附图3所示的司乘分群,该司乘分群中乘客的身份证号对应节点的数目为1,司机的身份证号对应节点的数目也为1,因此,附图3所示的司乘分群包含的乘客和司机的身份证号对应节点的总数目为2,则获取预先设置的司乘分群包含的乘客和司机的身份证号对应节点的总数目2对应的关联度阈值区间的上限值为Rele_Value2,下限值为Rele_Value2';
若上述计算后获得的该司乘分群的身份关联度处于上限值Rele_Value2和下限值为Rele_Value2'确定的关联度阈值区间内,则表明该司乘分群中包含的乘客与司机之间的身份关联关系较强,该司乘分群中包含的乘客与司机存在司乘联合的可能性较大,将该司乘分群内包含的乘客C和司机b的风险等级确定为高风险等级;
若上述计算后获得的该司乘分群的身份关联度处于上限值Rele_Value2和下限值为Rele_Value2'确定的关联度阈值区间之外,则表明该司乘分群中包含的乘客与司机之间的身份关联关系较弱,该司乘分群中包含的乘客与司机存在司乘联合的可能性较小,将该司乘分群内包含的乘客C和司机b的风险等级确定为低风险等级或者非高风险等级。
综上所述,所述基于历史预约订单的风险防控方法,从参与网络服务预约的用户与服务提供方的历史预约订单出发,在借助历史预约订单获取用户和服务提供方的身份特征信息的基础上,构建表达用户与服务提供方之间身份关联关系的身份联通图,并利用构建的身份联通图来计算包含用户和服务提供方对应节点的分群的身份关联度,确定用户与服务提供方在身份特征层面的关联性,从而来防控用户与服务提供方联合刷单现象的发生,进而来降低由用户与服务提供方联合刷单导致的服务平台的损失。
本说明书提供的一种基于历史预约订单的风险防控装置实施例如下:
在上述的实施例中,提供了一种基于历史预约订单的风险防控方法,与之相对应的,还提供了一种基于历史预约订单的风险防控装置,下面结合附图进行说明。
参照附图4,其示出了本实施例提供的一种基于历史预约订单的风险防控装置的示意图。
由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本说明书提供一种基于历史预约订单的风险防控装置,包括:
历史预约订单获取模块402,被配置为获取历史时间区间内进行服务预约创建的历史预约订单;
身份特征信息获取模块404,被配置为提取所述历史预约订单中记录的用户的支付信息、服务提供方的收款信息,并获取所述用户和所述服务提供方的身份特征信息;
身份联通图构建模块406,被配置为基于所述用户的支付信息、所述服务提供方的收款信息以及所述用户和所述服务提供方的身份特征信息之间的联通关系构建身份联通图;
身份关联度计算模块408,被配置为利用图算法计算由所述身份联通图中至少一位用户对应的节点以及至少一位服务提供方对应的节点组成的分群的身份关联度;
风险等级确定模块410,被配置为根据所述分群的身份关联度确定所述分群中包含的用户和服务提供方的风险等级。
可选的,所述身份关联度计算模块408,包括:
数目计算子模块,被配置为确定所述分群中包含的用户的支付信息对应的身份标识以及服务提供方的收款信息对应的身份标识在所述身份联通图中对应节点的节点数目之和,以及所述分群中包含的身份特征信息对应的节点数目;
关联度计算子模块,被配置为计算确定的所述节点数目之和以及所述节点数目二者的乘积与所述分群中包含的节点的总数目的比值,并将所述比值取对数之后的倒数作为所述分群的身份关联度。
可选的,所述风险等级确定模块410,包括:
阈值区间获取子模块,被配置为确定所述分群中包含的用户的支付信息以及服务提供方的收款信息在所述身份联通图中对应节点的节点数目之和,并获取所述节点数目之和对应的预设关联度阈值区间;
等级确定子模块,被配置为在所述分群的身份关联度符合所述预设关联度阈值区间的情况下,将所述分群中包含的用户和服务提供方的风险等级确定为高风险等级。
可选的,所述基于历史预约订单的风险防控装置,还包括:
服务预约请求接收模块,被配置为接收用户通过终端设备提交的服务预约请求;
身份数据获取模块,被配置为根据所述服务预约请求中包含的用户的预约账户信息,获取所述预约账户信息对应的身份信息、所述终端设备的设备信息以及所述终端设备所处的网络环境信息;
身份风险浓度确定模块,被配置为通过将所述预约账户信息对应的身份信息、所述终端设备的设备信息以及所述终端设备所处的网络环境信息与数据库中存储的历史身份数据进行比对,根据比对结果确定提交所述服务预约请求的用户的身份风险浓度;
身份风险浓度判断模块,被配置为判断所述身份风险浓度是否满足预设预约准入风险阈值;
若否,运行风险提醒发送模块;所述风险提醒发送模块,被配置为向提交所述服务预约请求的用户的终端设备发送提交所述服务预约请求的用户存在风险的风险提醒。
可选的,若所述身份风险浓度判断子模块运行后输出的判断结果为是,运行如下模块:
行程处理启动模块,被配置为向所述服务预约请求匹配服务提供方,生成对应的预约订单并启动行程处理;
支付请求接收模块,被配置为检测到所述行程处理完成的情况下,接收提交所述服务预约请求的用户针对所述预约订单的支付请求;
预约订单存储模块,被配置为基于所述支付请求对所述预约订单进行支付处理,并将支付完成之后的预约订单作为历史预约订单存入所述数据库。
可选的,所述历史预约订单获取模块402,具体被配置为在所述数据库查找所述历史时间区间内的历史预约订单并读取。
可选的,所述基于历史预约订单的风险防控装置,还包括:
身份数据存储模块,被配置为将提交所述服务预约请求的用户的身份信息、所述终端设备的设备信息以及所述终端设备所处的网络环境信息作为历史身份数据存入所述数据库。
可选的,所述用户的支付信息、所述服务提供方的收款信息以及所述用户和所述服务提供方的身份特征信息与所述身份联通图中的节点一一对应。
本说明书提供的基于历史预约订单的风险防控装置,通过所述历史预约订单获取模块402、所述身份特征信息获取模块404、所述身份联通图构建模块406、所述身份关联度计算模块408以及所述风险等级确定模块410之间的配合,从参与网络服务预约的用户与服务提供方的历史预约订单出发,在借助历史预约订单获取用户和服务提供方的身份特征信息的基础上,构建表达用户与服务提供方之间身份关联关系的身份联通图,并利用构建的身份联通图来计算包含用户和服务提供方对应节点的分群的身份关联度,确定用户与服务提供方在身份特征层面的关联性,从而来防控用户与服务提供方联合刷单现象的发生,进而来降低由用户与服务提供方联合刷单导致的服务平台的损失。
本说明书提供的一种计算设备实施例如下:
图5是示出了根据本说明书一个实施例提供的计算设备500的结构框图。该计算设备500的部件包括但不限于存储器510和处理器520。处理器520与存储器510通过总线530相连接,数据库550用于保存数据。
计算设备500还包括接入设备540,接入设备540使得计算设备500能够经由一个或多个网络560通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备540可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
在本说明书的一个实施例中,计算设备500的上述部件以及图5中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图5所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备500可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备500还可以是移动式或静止式的服务器。
本说明书提供一种计算设备,包括存储器510、处理器520及存储在存储器上并可在处理器上运行的计算机指令,所述处理器520用于执行如下计算机可执行指令:
获取历史时间区间内进行服务预约创建的历史预约订单;
提取所述历史预约订单中记录的用户的支付信息、服务提供方的收款信息,并获取所述用户和所述服务提供方的身份特征信息;
基于所述用户的支付信息、所述服务提供方的收款信息以及所述用户和所述服务提供方的身份特征信息之间的联通关系构建身份联通图;
利用图算法计算由所述身份联通图中至少一位用户对应的节点以及至少一位服务提供方对应的节点组成的分群的身份关联度;
根据所述分群的身份关联度确定所述分群中包含的用户和服务提供方的风险等级。
本说明书提供的一种计算机可读存储介质实施例如下:
本说明书一个实施例提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现所述基于历史预约订单的风险防控方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的基于历史预约订单的风险防控方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述基于历史预约订单的风险防控方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本说明书实施例并不受所描述的动作顺序的限制,因为依据本说明书实施例,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书实施例的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本说明书实施例的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (11)
1.一种基于历史预约订单的风险防控方法,包括:
获取历史时间区间内进行服务预约创建的历史预约订单;
提取所述历史预约订单中记录的用户的支付信息、服务提供方的收款信息,并获取所述用户和所述服务提供方的身份特征信息;
基于所述用户的支付信息、所述服务提供方的收款信息以及所述用户和所述服务提供方的身份特征信息之间的联通关系构建身份联通图;
利用图算法计算由所述身份联通图中至少一位用户对应的节点以及至少一位服务提供方对应的节点组成的分群的身份关联度;
根据所述分群的身份关联度确定所述分群中包含的用户和服务提供方的风险等级。
2.根据权利要求1所述的基于历史预约订单的风险防控方法,所述利用图算法计算由所述身份联通图中至少一位用户对应的节点以及至少一位服务提供方对应的节点组成的分群的身份关联度,包括:
确定所述分群中包含的用户的支付信息对应的身份标识以及服务提供方的收款信息对应的身份标识在所述身份联通图中对应节点的节点数目之和,以及所述分群中包含的身份特征信息对应的节点数目;
计算确定的所述节点数目之和以及所述节点数目二者的乘积与所述分群中包含的节点的总数目的比值,并将所述比值取对数之后的倒数作为所述分群的身份关联度。
3.根据权利要求1或2所述的基于历史预约订单的风险防控方法,所述根据所述分群的身份关联度确定所述分群中包含的用户和服务提供方的风险等级,包括:
确定所述分群中包含的用户的支付信息以及服务提供方的收款信息在所述身份联通图中对应节点的节点数目之和,并获取所述节点数目之和对应的预设关联度阈值区间;
在所述分群的身份关联度符合所述预设关联度阈值区间的情况下,将所述分群中包含的用户和服务提供方的风险等级确定为高风险等级。
4.根据权利要求1所述的基于历史预约订单的风险防控方法,还包括:
接收用户通过终端设备提交的服务预约请求;
根据所述服务预约请求中包含的用户的预约账户信息,获取所述预约账户信息对应的身份信息、所述终端设备的设备信息以及所述终端设备所处的网络环境信息;
通过将所述预约账户信息对应的身份信息、所述终端设备的设备信息以及所述终端设备所处的网络环境信息与数据库中存储的历史身份数据进行比对,根据比对结果确定提交所述服务预约请求的用户的身份风险浓度;
判断所述身份风险浓度是否满足预设预约准入风险阈值;
若否,向提交所述服务预约请求的用户的终端设备发送提交所述服务预约请求的用户存在风险的风险提醒。
5.根据权利要求4所述的基于历史预约订单的风险防控方法,若所述判断所述身份风险浓度是否满足预设预约准入风险阈值步骤执行之后的判断结果为是,执行如下操作:
为所述服务预约请求匹配服务提供方,生成对应的预约订单并启动行程处理;
检测到所述行程处理完成的情况下,接收提交所述服务预约请求的用户针对所述预约订单的支付请求;
基于所述支付请求对所述预约订单进行支付处理,并将支付完成之后的预约订单作为历史预约订单存入所述数据库。
6.根据权利要求5所述的基于历史预约订单的风险防控方法,所述获取历史时间区间内进行服务预约创建的历史预约订单,包括:
在所述数据库查找所述历史时间区间内的历史预约订单并读取。
7.根据权利要求5所述的基于历史预约订单的风险防控方法,所述向提交所述终端设备发送提交所述服务预约请求的用户存在风险的风险提醒步骤执行之后,包括:
将提交所述服务预约请求的用户的身份信息、所述终端设备的设备信息以及所述终端设备所处的网络环境信息作为历史身份数据存入所述数据库。
8.根据权利要求1至7任意一项所述的基于历史预约订单的风险防控方法,所述用户的支付信息、所述服务提供方的收款信息以及所述用户和所述服务提供方的身份特征信息与所述身份联通图中的节点一一对应。
9.一种基于历史预约订单的风险防控装置,包括:
历史预约订单获取模块,被配置为获取历史时间区间内进行服务预约创建的历史预约订单;
身份特征信息获取模块,被配置为提取所述历史预约订单中记录的用户的支付信息、服务提供方的收款信息,并获取所述用户和所述服务提供方的身份特征信息;
身份联通图构建模块,被配置为基于所述用户的支付信息、所述服务提供方的收款信息以及所述用户和所述服务提供方的身份特征信息之间的联通关系构建身份联通图;
身份关联度计算模块,被配置为利用图算法计算由所述身份联通图中至少一位用户对应的节点以及至少一位服务提供方对应的节点组成的分群的身份关联度;
风险等级确定模块,被配置为根据所述分群的身份关联度确定所述分群中包含的用户和服务提供方的风险等级。
10.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获取历史时间区间内进行服务预约创建的历史预约订单;
提取所述历史预约订单中记录的用户的支付信息、服务提供方的收款信息,并获取所述用户和所述服务提供方的身份特征信息;
基于所述用户的支付信息、所述服务提供方的收款信息以及所述用户和所述服务提供方的身份特征信息之间的联通关系构建身份联通图;
利用图算法计算由所述身份联通图中至少一位用户对应的节点以及至少一位服务提供方对应的节点组成的分群的身份关联度;
根据所述分群的身份关联度确定所述分群中包含的用户和服务提供方的风险等级。
11.一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现权利要求1至8任意一项所述基于历史预约订单的风险防控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910965244.6A CN110751493B (zh) | 2019-10-11 | 2019-10-11 | 基于历史预约订单的风险防控方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910965244.6A CN110751493B (zh) | 2019-10-11 | 2019-10-11 | 基于历史预约订单的风险防控方法以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110751493A true CN110751493A (zh) | 2020-02-04 |
CN110751493B CN110751493B (zh) | 2022-05-31 |
Family
ID=69278094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910965244.6A Active CN110751493B (zh) | 2019-10-11 | 2019-10-11 | 基于历史预约订单的风险防控方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110751493B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111447221A (zh) * | 2020-03-26 | 2020-07-24 | 支付宝(杭州)信息技术有限公司 | 使用生物特征核实身份的方法和系统 |
CN112184267A (zh) * | 2020-10-27 | 2021-01-05 | 北京嘀嘀无限科技发展有限公司 | 发现服务应用中的用户群的方法、装置、设备和介质 |
CN117236962A (zh) * | 2023-11-16 | 2023-12-15 | 北京高小胖投资顾问有限公司 | 一种开放式的预约电子支付系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002097563A2 (en) * | 2001-05-30 | 2002-12-05 | Cybersource Corporation | Method and apparatus for evaluating fraud risk in an electronic commerce transaction |
US20080140576A1 (en) * | 1997-07-28 | 2008-06-12 | Michael Lewis | Method and apparatus for evaluating fraud risk in an electronic commerce transaction |
CN107193894A (zh) * | 2017-05-05 | 2017-09-22 | 北京小度信息科技有限公司 | 数据处理方法、个体识别方法及相关装置 |
CN109636413A (zh) * | 2018-11-23 | 2019-04-16 | 杭州优行科技有限公司 | 一种存储介质、服务器、刷单行为识别方法及装置 |
-
2019
- 2019-10-11 CN CN201910965244.6A patent/CN110751493B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080140576A1 (en) * | 1997-07-28 | 2008-06-12 | Michael Lewis | Method and apparatus for evaluating fraud risk in an electronic commerce transaction |
WO2002097563A2 (en) * | 2001-05-30 | 2002-12-05 | Cybersource Corporation | Method and apparatus for evaluating fraud risk in an electronic commerce transaction |
CN107193894A (zh) * | 2017-05-05 | 2017-09-22 | 北京小度信息科技有限公司 | 数据处理方法、个体识别方法及相关装置 |
CN109636413A (zh) * | 2018-11-23 | 2019-04-16 | 杭州优行科技有限公司 | 一种存储介质、服务器、刷单行为识别方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111447221A (zh) * | 2020-03-26 | 2020-07-24 | 支付宝(杭州)信息技术有限公司 | 使用生物特征核实身份的方法和系统 |
CN112184267A (zh) * | 2020-10-27 | 2021-01-05 | 北京嘀嘀无限科技发展有限公司 | 发现服务应用中的用户群的方法、装置、设备和介质 |
CN117236962A (zh) * | 2023-11-16 | 2023-12-15 | 北京高小胖投资顾问有限公司 | 一种开放式的预约电子支付系统及方法 |
CN117236962B (zh) * | 2023-11-16 | 2024-02-02 | 北京高小胖投资顾问有限公司 | 一种开放式的预约电子支付系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110751493B (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110751493B (zh) | 基于历史预约订单的风险防控方法以及装置 | |
CN105893465A (zh) | 自动问答方法和装置 | |
CN105894360B (zh) | 作弊订单识别方法、装置及系统 | |
CN111340558B (zh) | 基于联邦学习的线上信息处理方法、装置、设备及介质 | |
CN111275470B (zh) | 服务发起概率预测方法及其模型的训练方法和装置 | |
CN105122285A (zh) | 为用户生成的内容给出奖励 | |
CN111292060A (zh) | 信息处理方法及装置 | |
CN110796054A (zh) | 证件验真方法及装置 | |
CN111311383A (zh) | 业务处理方法以及装置 | |
CN107784591B (zh) | 名单数据处理方法及装置 | |
CN110796450B (zh) | 可信关系处理方法以及装置 | |
JP7105176B2 (ja) | 機械学習装置、判定装置、プログラム及び機械学習方法 | |
JP2015075981A (ja) | 駐車管理装置及び駐車管理システム | |
CN111414536A (zh) | 业务处理方法及装置 | |
CN110705994A (zh) | 一种风险用户检测方法及装置 | |
CN110808978B (zh) | 实名认证方法以及装置 | |
CN111835730B (zh) | 服务账号处理方法、装置、电子设备及可读存储介质 | |
CN106572053A (zh) | 用于社交通信应用的安全监控的方法和设备 | |
CN112328937B (zh) | 信息投放方法及装置 | |
CN110020728B (zh) | 业务模型强化学习方法以及装置 | |
CN110070451B (zh) | 案件审核提醒方法以及装置 | |
CN109815393B (zh) | 信息处理方法、装置、计算机设备及可读存储介质 | |
CN108776840B (zh) | 信息流推送方法、装置、电子设备及计算机可读存储介质 | |
CN113870983A (zh) | 社康转诊方法、装置、计算机设备和存储介质 | |
CN113327161A (zh) | 一种用于信贷业务的智能风控决策系统 |
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 |