CN110942290A - 支付异常检测方法、系统、电子设备和计算机可读介质 - Google Patents
支付异常检测方法、系统、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN110942290A CN110942290A CN201811121023.2A CN201811121023A CN110942290A CN 110942290 A CN110942290 A CN 110942290A CN 201811121023 A CN201811121023 A CN 201811121023A CN 110942290 A CN110942290 A CN 110942290A
- Authority
- CN
- China
- Prior art keywords
- payment
- local outlier
- data
- payment data
- determining
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims description 101
- 238000012546 transfer Methods 0.000 claims description 45
- 238000000034 method Methods 0.000 claims description 34
- 230000005856 abnormality Effects 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000002547 anomalous effect Effects 0.000 claims 5
- 238000010586 diagram Methods 0.000 description 20
- 238000004590 computer program Methods 0.000 description 11
- 230000015654 memory Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000001594 aberrant effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/10—Payment architectures specially adapted for electronic funds transfer [EFT] systems; specially adapted for home banking systems
- G06Q20/102—Bill distribution or payments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Abstract
本公开提供了一种支付异常检测方法,包括获取多个支付数据,通过局部离群因子算法确定所述多个支付数据对应的多个局部离群因子,根据第一预设阈值确定所述多个局部离群因子中的异常局部离群因子,基于所述异常局部离群因子,确定多个所述支付数据中的异常支付数据。本公开还提供了一种支付异常检测系统、一种电子设备以及一种计算机可读介质。
Description
技术领域
本公开涉及互联网技术领域,更具体地,涉及一种支付异常检测方法、系统、电子设备和计算机可读介质。
背景技术
随着互联网的快速发展,线上支付的发展也日趋成熟和完善,几乎遍布到生活的每个角落。准确地检测支付异常的数据,从而根据检测结果,分析支付异常的原因,进而优化线上支付系统,对线上支付的发展有着十分重要的意义和价值。
在实现本公开构思的过程中,发明人发现现有技术中至少存在如下问题:现有的检测支付数据中的异常支付数据的准确性较低。
发明内容
有鉴于此,本公开提供了一种支付异常检测方法、系统、电子设备和计算机可读介质。
本公开的一个方面提供了一种支付异常检测方法包括,获取多个支付数据,通过局部离群因子算法确定所述多个支付数据对应的多个局部离群因子,根据第一预设阈值确定所述多个局部离群因子中的异常局部离群因子,基于所述异常局部离群因子,确定多个所述支付数据中的异常支付数据。
根据本公开的实施例,所述支付数据包括以下至少一种,支付成功率,所述支付成功率为通过第一途径支付成功的订单与总订单的比值,支付流失率,所述支付流失率为通过所述第一途径支付但是支付失败的订单与总订单的比值,支付转移率,所述支付转移率为支付途径由所述第一途径转移为第二途径的订单与总订单的比值。
根据本公开的实施例,获取多个支付数据包括,获取距离当前时刻特定时间长度的时间段内对应的多个支付数据,或者获取特定起始时间与当前时刻之间的时间段内对应的多个支付数据。
根据本公开的实施例,基于所述异常局部离群因子,确定多个所述支付数据中的异常支付数据包括,确定所述异常局部离群因子对应的支付数据为异常支付数据,或者确定所述异常局部离群因子中满足第二预设阈值的异常局部离群因子对应的支付数据为异常支付数据。
根据本公开的实施例,第二预设阈值包括基于多个历史支付数据对应的历史局部离群因子确定的第二预设阈值。
根据本公开的实施例,所述获取多个支付数据包括获取多个支付成功率数据、多个支付流失率数据和支付转移率数据,所述通过局部离群因子算法确定所述多个支付数据对应的多个局部离群因子包括分别确定所述多个支付成功率数据、多个支付流失率数据和支付转移率数据对应的多个成功率局部离群因子、多个流失率局部离群因子和多个转移率局部离群因子,所述方法还包括,确定所述多个成功率局部离群因子中的异常成功率局部离群因子,以及基于所述异常成功率局部离群因子对应的流失率局部离群因子和转移率局部离群因子,确定支付异常原因。
根据本公开的实施例,所述方法还包括预处理所述多个支付数据,用于丢弃所述多个支付数据中的失常支付数据,所述通过局部离群因子算法确定所述多个支付数据对应的多个局部离群因子包括,通过局部离群因子算法确定预处理后的多个支付数据对应的多个局部离群因子。
本公开的另一个方面提供了一种支付异常检测系统包括,获取模块用于获取多个支付数据,第一确定模块用于通过局部离群因子算法确定所述多个支付数据对应的多个局部离群因子,第二确定模块用于根据第一预设阈值确定所述多个局部离群因子中的异常局部离群因子,第三确定模块用于基于所述异常局部离群因子,确定多个所述支付数据中的异常支付数据。
根据本公开的实施例,支付数据包括以下至少一种支付成功率,所述支付成功率为通过第一途径支付成功的订单与总订单的比值,支付流失率,所述支付流失率为通过所述第一途径支付但是支付失败的订单与总订单的比值,支付转移率,所述支付转移率为支付途径由所述第一途径转移为第二途径的订单与总订单的比值。
根据本公开的实施例,获取模块包括第一获取子模块,用于获取距离当前时刻特定时间长度的时间段内对应的多个支付数据,或者第二获取子模块,用于获取特定起始时间与当前时刻之间的时间段内对应的多个支付数据。
根据本公开的实施例,第三确定模块包括第一确定子模块,用于确定所述异常局部离群因子对应的支付数据为异常支付数据,或者第二确定子模块,用于确定所述异常局部离群因子中满足第二预设阈值的异常局部离群因子对应的支付数据为异常支付数据。
根据本公开的实施例,第二预设阈值包括基于多个历史支付数据对应的历史局部离群因子确定的第二预设阈值。
根据本公开的实施例,获取模块包括,第三获取子模块用于获取多个支付成功率数据、多个支付流失率数据和支付转移率数据,第一确定模块包括,第三确定子模块用于分别确定所述多个支付成功率数据、多个支付流失率数据和支付转移率数据对应的多个成功率局部离群因子、多个流失率局部离群因子和多个转移率局部离群因子,所述系统还包括,第四确定模块用于确定所述多个成功率局部离群因子中的异常成功率局部离群因子,以及第五确定模块用于基于所述异常成功率局部离群因子对应的流失率局部离群因子和转移率局部离群因子,确定支付异常原因。
根据本公开的实施例,所述系统还包括,预处理模块用于对所述多个支付数据预处理,以丢弃所述多个支付数据中的失常支付数据,所述第一确定模块包括,第四确定子模块,用于通过局部离群因子算法确定预处理后的多个支付数据对应的多个局部离群因子。
本公开的另一方面提供了一种电子设备,包括一个或多个处理器,存储装置,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行上述方法。
本公开的另一方面提供了一种非易失性存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
根据本公开的实施例,可以至少部分地解决检测支付数据中的异常支付数据的准确性较低的问题,并因此可以实现提高检测支付数据中的异常支付数据准确性的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1A和图1B示意性示出了根据本公开实施例的可以应用支付异常检测的应用场景;
图2A示意性示出了根据本公开实施例的支付异常检测的流程图;
图2B示意性示出了根据本公开实施例的多个支付数据的示意图;
图2C示意性示出了根据本公开实施例的根据支付成功率确定的局部离群因子的结果;
图3示意性示出了根据本公开另一实施例的支付异常检测的流程图;
图4示意性示出了根据本公开另一实施例的支付异常检测的流程图;
图5示意性示出了根据本公开的实施例的支付异常检测系统的框图;
图6示意性示出了根据本公开另一实施例的支付异常检测系统的框图;
图7示意性示出了根据本公开另一实施例的支付异常检测系统700的框图;以及
图8示意性示出了根据本公开实施例的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。本领域技术人员还应理解,实质上任意表示两个或更多可选项目的转折连词和/或短语,无论是在说明书、权利要求书还是附图中,都应被理解为给出了包括这些项目之一、这些项目任一方、或两个项目的可能性。例如,短语“A或B”应当被理解为包括“A”或“B”、或“A和B”的可能性。
本公开的实施例提供了一种支付异常检测方法,包括获取多个支付数据,通过局部离群因子算法确定所述多个支付数据对应的多个局部离群因子,根据第一预设阈值确定所述多个局部离群因子中的异常局部离群因子,基于所述异常局部离群因子,确定多个所述支付数据中的异常支付数据。
图1A和图1B示意性示出了根据本公开实施例的可以应用支付异常检测的应用场景。需要注意的是,图1A和图1B所示仅为可以应用本公开实施例的应用场景的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他场景。
如图1A所示,在该场景中包括终端设备100,该终端设备100上安装有某一购物应用101。用户在该购物应用101上选购了商品1和商品2,并进入该购物应用101的收银台结账。在用户执行了一系列付款操作后,该购物应用101的收银台却显示“支付失败”的页面,严重影响了用户102的购物体验。图1A所示的情景的发生,不仅可能会导致用户102放弃本次购物,甚至可能会导致用户102不再使用该购物应用101。若购物应用101的管理人员没有及时发现支付异常的情况,从而没有及时解决存在的支付异常的问题,会导致交易量的下降以及大量用户的流失。
现有技术中,通常采用分析支付数据中的例如支付成功订单的均值等特定指标的方法来发现支付异常数据。如图1B所示,获取2018年3月21日到2018年8月23日的每一天的支付总订单数据和支付成功订单数据,从而通过分析支付总订单数据和支付成功订单数据来发现异常的支付数据。例如,通过分析发现2018年8月21日的支付数据异常,进而能够分享8月21日支付异常的原因,从而避免支付异常的再次发生。然而,现有的异常支付数据检测通常需要人工对数据进行分析,难以满足线上支付数据异常检测的准确性的要求。
为了解决支付数据异常检测准确性较低的问题,本公开提供了一种支付异常检测的的方法。
图2A示意性示出了根据本公开实施例的支付异常检测的流程图。
如图2A所示,该方法包括操作S210~S240。
在操作S210,获取多个支付数据。
在操作S220,通过局部离群因子算法确定所述多个支付数据对应的多个局部离群因子。
在操作S230,根据第一预设阈值确定所述多个局部离群因子中的异常局部离群因子。
在操作S240,基于所述异常局部离群因子,确定多个所述支付数据中的异常支付数据。
该方法通过局部离群因子算法检测支付数据中的异常局部离群因子,从而根据异常局部离群因子确定支付数据中的异常支付数据,提高了支付数据异常检测的准确性。
根据本公开的实施例,在操作S210,支付数据可以是用来表征支付状态的指标,例如支付成功率、支付失败率等。根据本公开的实施例,支付数据可以包括支付成功率、支付流失率以及支付转移率中的至少一个。其中,支付成功率为通过第一途径支付成功的订单与总订单的比值,支付流失率为通过所述第一途径支付但是支付失败的订单与总订单的比值,支付转移率为支付途径由所述第一途径转移为第二途径的订单与总订单的比值。例如,在图1A所示的情景中,购物应用101提供了多种支付途径,其中一个支付途径为信用卡支付,支付成功率可以是通过信用卡支付成功的订单与总订单的比值,支付流失率可以是通过信用卡支付但是支付失败的订单与总订单的比值,支付转移率例如是选择了使用信用卡支付后,并没有使用信用卡支付,而是重新更换了其他的支付途径。
根据本公开的实施例,在操作S210,获取多个支付数据包括,获取距离当前时刻特定时间长度的时间段内对应的多个支付数据。例如,获取距离当前时刻2018年8月31日100天内对应的多个支付数据,其中,特定时间长度为100天,一个时间段为一天,即获取2018年5月23日到2018年8月31日内每天的支付数据。在上述情景中,若当前时刻为2018年9月1日,则获取2018年5月24日到2018年9月1日内每天的支付数据。
根据本公开的实施例,在操作S210,获取多个支付数据包括,获取特定起始时间与当前时刻之间的时间段内对应的多个支付数据。例如,特定起始时间可以是2018年3月21日,当前时刻是2018年8月31日,获取2018年3月21日到2018年8月31日中每一天对应的支付数据。在上述情景中,若当前时刻为2018年9月1日,则获取2018年3月21日到2018年9月1日中每一天对应的支付数据。
图2B示意性示出了根据本公开实施例的多个支付数据的示意图。
如图2B所示,该多个支付数据包括2018年3月21日到2018年8月31日中每一天的支付成功率、支付流失率以及支付转移率。
根据本公开的实施例,在操作S220,例如在图2B所示的情景中,将2018年3月21日到2018年8月31日中每一天的支付成功率按照预设规则映射到同一坐标系中,根据局部离群因子(Local Outlier Factor,LOF)算法确定各个支付成功率对应的坐标点的局部离群因子。
根据本公开的实施例,在操作S230,第一预设阈值,例如可以是根据经验预先设定的,也可以是根据历史数据确定的。根据LOF算法,如果坐标点p的LOF得分在1附近,表明点p的局部可达密度和它的邻域点比较接近,p可能和邻域属于同一簇,如果点p的LOF得分小于1,表明点p的局部可达密度高于其邻域点密度,则点p处在一个相对密集的区域,点p越可能是密集点;如果点p的LOF得分远大于1,表明点p和其他点的距离比较远,点p的局部可达密度小于其相应邻域点的局部可达密度,则p极可能是一个离群点。
图2C示意性示出了根据本公开实施例的根据图2B的支付成功率确定的局部离群因子的结果。
如图2C所示,支付成功率对应的坐标点的局部离群因子值在1附近,然而存在局部离群因子为13.79的情况。第一预设阈值例如可以是2,确定局部离群因子13.79为异常局部离群因子。
根据本公开的实施例,在利用LOF算法确定各个支付成功率对应的LOF时,为了减少LOF算法的时间复杂度,提高LOF算法的效率,可以先将所有的支付成功率数据对应的坐标点随机分成多个子集,然后在每个子集里计算LOF值,剔除LOF异常得分小于等于1的坐标点,剩下的坐标点在下一轮寻找更合适的邻域点,并更新LOF值。
根据本公开的实施例,在操作S240,基于所述异常局部离群因子,确定多个所述支付数据中的异常支付数据包括,确定所述异常局部离群因子对应的支付数据为异常支付数据。例如,异常局部离群因子13.79对应的支付数据2018年8月31日的支付数据为异常支付数据。
根据本公开的实施例,在操作S240,基于所述异常局部离群因子,确定多个所述支付数据中的异常支付数据包括,确定所述异常局部离群因子中满足第二预设阈值的异常局部离群因子对应的支付数据为异常支付数据。该方法能够对检测出的异常支付数据进行二次筛选,进一步提高了检测的准确性。根据本公开的实施例,第二预设阈值包括基于多个历史支付数据对应的历史局部离群因子确定的第二预设阈值。例如,历史支付数据可以是2015年1月1日到2017年12月31日的支付成功率,根据历史支付成功率确定异常支付数据的局部离群因子的范围。若根据当前获取的多个支付成功率,确定的异常局部离群因子在该范围中,确定该异常局部离群因子对应的支付数据为异常支付数据。例如,根据历史支付成功率确定的异常支付数据的局部离群因子的范围为大于10,确定异常局部离群因子13.79对应的支付数据2018年8月31日的支付数据为异常支付数据。又例如,若2018年8与3日的支付成功率的局部离群因子为5,则2018年8与3日的支付数据不一定是异常支付数据。
根据本公开的实施例,在确定异常支付数据例如支付成功率之后,可以根据异常支付数据对应的其他支付数据例如支付转移率、支付流失率等来分析异常原因。
图3示意性示出了根据本公开另一实施例的支付异常检测的流程图。
如图3所示,该方法在前述实施例的基础上还包括操作S310和S320。
在操作S310,确定所述多个成功率局部离群因子中的异常成功率局部离群因子。
在操作S320,基于所述异常成功率局部离群因子对应的流失率局部离群因子和转移率局部离群因子,确定支付异常原因。
根据本公开的实施例,获取多个支付数据包括:获取多个支付成功率数据、多个支付流失率数据和支付转移率数据。通过局部离群因子算法确定所述多个支付数据对应的多个局部离群因子包括:分别确定所述多个支付成功率数据、多个支付流失率数据和支付转移率数据对应的多个成功率局部离群因子、多个流失率局部离群因子和多个转移率局部离群因子。
根据本公开的实施例,在操作S310,例如在图2C所示的情景中,确定成功率局部离群因子中的的异常成功率局部离群因子为13.79。
根据本公开的实施例,在操作S320,例如在操作S310描述的情景中确定该异常成功率局部离群因子13.79对应的日期为2018年8月31日的支付数据,确定2018年8月31日的支付数据中的支付流失率和支付转移率分别对应的LOF。例如,支付流失率对应的LOF不异常,而支付转移率对应的LOF异常,确定支付异常原因可能是其他支付途径有优惠活动,或者用户使用的支付途径无法让用户支付。又例如,支付流失率对应的LOF异常,而支付转移率对应的LOF不异常,确定支付异常原因可能是银行系统维护等。又例如,支付流失率和支付转移率对应的LOF均异常,确定支付异常原因可能是用户主动放弃、支付系统故障等。
图4示意性示出了根据本公开另一实施例的支付异常检测的流程图。
如图4所示,该方法在前述实施例的基础上还包括操作S410。其中,操作S220包括操作S221。
在操作S410,预处理所述多个支付数据,用于丢弃所述多个支付数据中的失常支付数据。
在操作S221,通过局部离群因子算法确定预处理后的多个支付数据对应的多个局部离群因子。
该方法清除失常的支付数据,例如支付总订单为0的数据等,提高了计算效率以及进一步提高了准确性。
根据本公开的实施例,在操作S410,失常支付数据例如包括支付总订单和支付成功订单为空值的支付数据、支付总订单和支付成功订单为0的支付数据以及支付流失订单、支付转移订单和支付成功订不等于支付总订单的支付数据。
根据本公开的实施例,通过局部离群因子算法确定所述多个支付数据对应的多个局部离群因子包括操作S221,在操作S221,确定清除了失常的支付数据之后,剩余的支付数据的局部离群因子。
图5示意性示出了根据本公开的实施例的支付异常检测系统500的框图。
如图5所示,支付异常检测系统500包括获取模块510、第一确定模块520、第二确定模块530和第三确定模块540。
获取模块510,例如执行上文参考图2A描述的操作S210,用于获取多个支付数据。
第一确定模块520,例如执行上文参考图2A描述的操作S220,用于通过局部离群因子算法确定所述多个支付数据对应的多个局部离群因子。
第二确定模块530,例如执行上文参考图2A描述的操作S230,用于根据第一预设阈值确定所述多个局部离群因子中的异常局部离群因子。
第三确定模块540,例如执行上文参考图2A描述的操作S240,用于基于所述异常局部离群因子,确定多个所述支付数据中的异常支付数据。
根据本公开的实施例,支付数据包括支付成功率、支付流失率以及支付转移率中至少一种,支付成功率为通过第一途径支付成功的订单与总订单的比值,支付流失率为通过所述第一途径支付但是支付失败的订单与总订单的比值,支付转移率为支付途径由所述第一途径转移为第二途径的订单与总订单的比值。
根据本公开的实施例,获取模块包括第一获取子模块,用于获取距离当前时刻特定时间长度的时间段内对应的多个支付数据,或者第二获取子模块,用于获取特定起始时间与当前时刻之间的时间段内对应的多个支付数据。
根据本公开的实施例,第三确定模块包括第一确定子模块,用于确定所述异常局部离群因子对应的支付数据为异常支付数据,或者第二确定子模块,用于确定所述异常局部离群因子中满足第二预设阈值的异常局部离群因子对应的支付数据为异常支付数据。根据本公开的实施例,第二预设阈值包括基于多个历史支付数据对应的历史局部离群因子确定的第二预设阈值。
图6示意性示出了根据本公开另一实施例的支付异常检测系统600的框图。
如图6所示,支付异常检测系统600在前述实施例的基础上还包括第四确定模块610和第五确定模块620。其中,获取模块510包括第三获取子模块511,第一确定模块520包括第三确定子模块521。
第四确定模块620,例如执行上文参考图3描述的操作S310,用于确定所述多个成功率局部离群因子中的异常成功率局部离群因子。
第五确定模块620,例如执行上文参考图3描述的操作S320,用于基于所述异常成功率局部离群因子对应的流失率局部离群因子和转移率局部离群因子,确定支付异常原因。
第三获取子模块511用于获取多个支付成功率数据、多个支付流失率数据和支付转移率数据。
第三确定子模块521用于分别确定所述多个支付成功率数据、多个支付流失率数据和支付转移率数据对应的多个成功率局部离群因子、多个流失率局部离群因子和多个转移率局部离群因子。
图7示意性示出了根据本公开另一实施例的支付异常检测系统700的框图。
如图7所示,支付异常检测系统700在前述实施例的基础上还包括预处理模块710,其中,第一确定模块520包括第四确定子模块522。
预处理模块710,例如执行上文参考图4描述的操作S410,用于预处理所述多个支付数据,用于丢弃所述多个支付数据中的失常支付数据。
第四确定子模块522,例如执行上文参考图4描述的操作S221,用于通过局部离群因子算法确定预处理后的多个支付数据对应的多个局部离群因子。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,获取模块510、第一确定模块520、第二确定模块530、第三确定模块540、第四确定模块610和第五确定模块620、第三获取子模块511、第三确定子模块521、预处理模块710和第四确定子模块522中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,获取模块510、第一确定模块520、第二确定模块530、第三确定模块540、第四确定模块610和第五确定模块620、第三获取子模块511、第三确定子模块521、预处理模块710和第四确定子模块522中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获取模块510、第一确定模块520、第二确定模块530、第三确定模块540、第四确定模块610和第五确定模块620、第三获取子模块511、第三确定子模块521、预处理模块710和第四确定子模块522中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图8示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机系统的方框图。图8示出的计算机系统仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,根据本公开实施例的计算机系统800包括处理器801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。处理器801例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 803中,存储有系统800操作所需的各种程序和数据。处理器801、ROM 802以及RAM 803通过总线804彼此相连。处理器801通过执行ROM 802和/或RAM 803中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 802和RAM 803以外的一个或多个存储器中。处理器801也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,系统800还可以包括输入/输出(I/O)接口805,输入/输出(I/O)接口805也连接至总线804。系统800还可以包括连接至I/O接口805的以下部件中的一项或多项:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质。例如便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM802和/或RAM 803和/或ROM 802和RAM 803以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (16)
1.一种支付异常检测方法,包括:
获取多个支付数据;
通过局部离群因子算法确定所述多个支付数据对应的多个局部离群因子;
根据第一预设阈值确定所述多个局部离群因子中的异常局部离群因子;
基于所述异常局部离群因子,确定多个所述支付数据中的异常支付数据。
2.根据权利要求1所述的方法,所述支付数据包括以下至少一种:
支付成功率,所述支付成功率为通过第一途径支付成功的订单与总订单的比值;
支付流失率,所述支付流失率为通过所述第一途径支付但是支付失败的订单与总订单的比值;
支付转移率,所述支付转移率为支付途径由所述第一途径转移为第二途径的订单与总订单的比值。
3.根据权利要求1所述的方法,所述获取多个支付数据包括:
获取距离当前时刻特定时间长度的时间段内对应的多个支付数据;或者
获取特定起始时间与当前时刻之间的时间段内对应的多个支付数据。
4.根据权利要求1所述的方法,所述基于所述异常局部离群因子,确定多个所述支付数据中的异常支付数据包括:
确定所述异常局部离群因子对应的支付数据为异常支付数据;或者
确定所述异常局部离群因子中满足第二预设阈值的异常局部离群因子对应的支付数据为异常支付数据。
5.根据权利要求4所述的方法,所述第二预设阈值包括:基于多个历史支付数据对应的历史局部离群因子确定的第二预设阈值。
6.根据权利要求2所述的方法,其中:
所述获取多个支付数据包括:获取多个支付成功率数据、多个支付流失率数据和支付转移率数据;
所述通过局部离群因子算法确定所述多个支付数据对应的多个局部离群因子包括:分别确定所述多个支付成功率数据、多个支付流失率数据和支付转移率数据对应的多个成功率局部离群因子、多个流失率局部离群因子和多个转移率局部离群因子;
所述方法还包括:
确定所述多个成功率局部离群因子中的异常成功率局部离群因子;以及
基于所述异常成功率局部离群因子对应的流失率局部离群因子和转移率局部离群因子,确定支付异常原因。
7.根据权利要求1所述的方法,其中:
所述方法还包括:预处理所述多个支付数据,用于丢弃所述多个支付数据中的失常支付数据;
所述通过局部离群因子算法确定所述多个支付数据对应的多个局部离群因子包括:
通过局部离群因子算法确定预处理后的多个支付数据对应的多个局部离群因子。
8.一种支付异常检测系统,包括:
获取模块,用于获取多个支付数据;
第一确定模块,用于通过局部离群因子算法确定所述多个支付数据对应的多个局部离群因子;
第二确定模块,用于根据第一预设阈值确定所述多个局部离群因子中的异常局部离群因子;
第三确定模块,用于基于所述异常局部离群因子,确定多个所述支付数据中的异常支付数据。
9.根据权利要求8所述的系统,所述支付数据包括以下至少一种:
支付成功率,所述支付成功率为通过第一途径支付成功的订单与总订单的比值;
支付流失率,所述支付流失率为通过所述第一途径支付但是支付失败的订单与总订单的比值;
支付转移率,所述支付转移率为支付途径由所述第一途径转移为第二途径的订单与总订单的比值。
10.根据权利要求8所述的系统,所述获取模块包括:
第一获取子模块,用于获取距离当前时刻特定时间长度的时间段内对应的多个支付数据;或者
第二获取子模块,用于获取特定起始时间与当前时刻之间的时间段内对应的多个支付数据。
11.根据权利要求8所述的系统,所述第三确定模块包括:
第一确定子模块,用于确定所述异常局部离群因子对应的支付数据为异常支付数据;或者
第二确定子模块,用于确定所述异常局部离群因子中满足第二预设阈值的异常局部离群因子对应的支付数据为异常支付数据。
12.根据权利要求11所述的系统,所述第二预设阈值包括:基于多个历史支付数据对应的历史局部离群因子确定的第二预设阈值。
13.根据权利要求9所述的系统,其中:
所述获取模块包括:第三获取子模块,用于获取多个支付成功率数据、多个支付流失率数据和支付转移率数据;
所述第一确定模块包括:第三确定子模块,用于分别确定所述多个支付成功率数据、多个支付流失率数据和支付转移率数据对应的多个成功率局部离群因子、多个流失率局部离群因子和多个转移率局部离群因子;
所述系统还包括:
第四确定模块,用于确定所述多个成功率局部离群因子中的异常成功率局部离群因子;以及
第五确定模块,用于基于所述异常成功率局部离群因子对应的流失率局部离群因子和转移率局部离群因子,确定支付异常原因。
14.根据权利要求8所述的系统,其中:
所述系统还包括:预处理模块,用于对所述多个支付数据预处理,以丢弃所述多个支付数据中的失常支付数据;
所述第一确定模块包括:
第四确定子模块,用于通过局部离群因子算法确定预处理后的多个支付数据对应的多个局部离群因子。
15.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1~7所述任意一项的方法。
16.一种计算机可读介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行如权利要求1~7所述任意一项的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811121023.2A CN110942290A (zh) | 2018-09-25 | 2018-09-25 | 支付异常检测方法、系统、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811121023.2A CN110942290A (zh) | 2018-09-25 | 2018-09-25 | 支付异常检测方法、系统、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110942290A true CN110942290A (zh) | 2020-03-31 |
Family
ID=69905092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811121023.2A Pending CN110942290A (zh) | 2018-09-25 | 2018-09-25 | 支付异常检测方法、系统、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110942290A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474539A (zh) * | 2023-12-25 | 2024-01-30 | 青岛天高智慧科技有限公司 | 一种校园一卡通数据智能管理方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101211437A (zh) * | 2006-12-31 | 2008-07-02 | 阿里巴巴公司 | 一种电子支付故障检测方法、装置和电子支付系统 |
CN103544429A (zh) * | 2012-07-12 | 2014-01-29 | 中国银联股份有限公司 | 用于安全性信息交互的异常检测装置及方法 |
US20160034861A1 (en) * | 2014-07-31 | 2016-02-04 | Alibaba Group Holding Limited | Method and apparatus of controlling network payment |
CN106096928A (zh) * | 2016-06-06 | 2016-11-09 | 乐视控股(北京)有限公司 | 一种支付检测方法、装置、服务器以及支付检测系统 |
CN107133797A (zh) * | 2017-04-28 | 2017-09-05 | 努比亚技术有限公司 | 一种支付异常自动检测方法、终端及计算机可读存储介质 |
CN107154880A (zh) * | 2016-03-03 | 2017-09-12 | 阿里巴巴集团控股有限公司 | 系统监控方法及装置 |
CN107368350A (zh) * | 2017-07-13 | 2017-11-21 | 上海携程商务有限公司 | 虚拟支付机的集群管理方法、系统、存储介质和电子设备 |
-
2018
- 2018-09-25 CN CN201811121023.2A patent/CN110942290A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101211437A (zh) * | 2006-12-31 | 2008-07-02 | 阿里巴巴公司 | 一种电子支付故障检测方法、装置和电子支付系统 |
CN103544429A (zh) * | 2012-07-12 | 2014-01-29 | 中国银联股份有限公司 | 用于安全性信息交互的异常检测装置及方法 |
US20160034861A1 (en) * | 2014-07-31 | 2016-02-04 | Alibaba Group Holding Limited | Method and apparatus of controlling network payment |
CN107154880A (zh) * | 2016-03-03 | 2017-09-12 | 阿里巴巴集团控股有限公司 | 系统监控方法及装置 |
CN106096928A (zh) * | 2016-06-06 | 2016-11-09 | 乐视控股(北京)有限公司 | 一种支付检测方法、装置、服务器以及支付检测系统 |
CN107133797A (zh) * | 2017-04-28 | 2017-09-05 | 努比亚技术有限公司 | 一种支付异常自动检测方法、终端及计算机可读存储介质 |
CN107368350A (zh) * | 2017-07-13 | 2017-11-21 | 上海携程商务有限公司 | 虚拟支付机的集群管理方法、系统、存储介质和电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474539A (zh) * | 2023-12-25 | 2024-01-30 | 青岛天高智慧科技有限公司 | 一种校园一卡通数据智能管理方法 |
CN117474539B (zh) * | 2023-12-25 | 2024-03-29 | 青岛天高智慧科技有限公司 | 一种校园一卡通数据智能管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170213052A1 (en) | Systems and methods for identifying information related to payment card breaches | |
CN107392801B (zh) | 控制扰乱订单的方法及其装置、存储介质、电子设备 | |
CN112598472B (zh) | 产品推荐方法、装置、系统、介质和程序产品 | |
CN111767202A (zh) | 异常检测方法、装置、电子设备和介质 | |
CN111814910A (zh) | 异常检测方法、装置、电子设备及存储介质 | |
CN111768258A (zh) | 识别异常订单的方法、装置、电子设备和介质 | |
CN110245684B (zh) | 数据处理方法、电子设备和介质 | |
US10025624B2 (en) | Processing performance analyzer and process manager | |
CN110942290A (zh) | 支付异常检测方法、系统、电子设备和计算机可读介质 | |
CN111737094B (zh) | 信息处理方法、装置、电子设备和介质 | |
CN111666171A (zh) | 故障识别方法及装置、电子设备和可读存储介质 | |
CN114500318B (zh) | 一种批量作业监控方法及装置、设备及介质 | |
CN114218283A (zh) | 异常检测方法、装置、设备、介质 | |
CN110930103A (zh) | 服务单审核方法及系统、介质和计算机系统 | |
CN112053236B (zh) | 风险信息识别方法、装置、计算设备和介质 | |
CN113947591A (zh) | 检测对象异常的方法、装置、电子设备和存储介质 | |
CN114693358A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN113760644A (zh) | 处理日志的方法、装置、计算设备及介质 | |
CN113656314A (zh) | 压力测试处理方法及装置 | |
CN114996119B (zh) | 故障诊断方法、装置、电子设备及存储介质 | |
CN111784395B (zh) | 针对广告收入波动的报警方法、装置、计算设备和介质 | |
CN117611001A (zh) | 基于商业智能系统的数据处理方法、装置、设备及介质 | |
US11748721B1 (en) | Procuring and presenting deposit transaction details | |
CN114721882B (zh) | 数据备份方法、装置、电子设备及存储介质 | |
CN117077061A (zh) | 异常检测方法、装置、电子设备及计算机存储介质 |
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 |