CN110942312A - 一种pos机套现识别方法、系统、设备及存储介质 - Google Patents

一种pos机套现识别方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN110942312A
CN110942312A CN201911198259.0A CN201911198259A CN110942312A CN 110942312 A CN110942312 A CN 110942312A CN 201911198259 A CN201911198259 A CN 201911198259A CN 110942312 A CN110942312 A CN 110942312A
Authority
CN
China
Prior art keywords
transaction
cash register
card
merchant
merchants
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
Application number
CN201911198259.0A
Other languages
English (en)
Inventor
王海波
刘毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yunnan Smartq Beijing Mdt Infotech Ltd
Original Assignee
Yunnan Smartq Beijing Mdt Infotech Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yunnan Smartq Beijing Mdt Infotech Ltd filed Critical Yunnan Smartq Beijing Mdt Infotech Ltd
Priority to CN201911198259.0A priority Critical patent/CN110942312A/zh
Publication of CN110942312A publication Critical patent/CN110942312A/zh
Pending legal-status Critical Current

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
    • 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
    • G06Q20/401—Transaction verification
    • G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Software Systems (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Security & Cryptography (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Technology Law (AREA)
  • Cash Registers Or Receiving Machines (AREA)

Abstract

本发明提供了一种POS机套现识别方法、系统、设备及存储介质，包括获取POS机商户的交易信息，确定套现商户；获取所述套现商户的交易信息，分析所述套现商户的周期性套现规律，确定周期性套现卡；获取所述周期性套现卡的交易明细，分析挖掘出新增可疑套现商户。本发明通过POS机商户的交易信息，利用数据规则筛选出职业套现商户，基于职业套现商户交易信息，通过规则筛选出周期性套现卡，然后调取并导入周期性套现卡的JASS交易明细，挖掘出新的可疑套现商户、可疑套现卡，实现从商户交易信息到套现商户，从套现商户到套现卡，再从套现卡到可疑套现商户，到可疑套现卡的循环迭代的深挖扩线。

Description

一种POS机套现识别方法、系统、设备及存储介质
技术领域
本发明涉及通信技术领域，尤指一种POS机套现识别方法、系统、设备及存储介质。
背景技术
POS机套现实质上是一种欺骗银行的行为，犯罪嫌疑人擅自将信用卡的消费信贷功能改变为现金贷款，使发卡机构无法判断持卡人的正常资信状况和信用卡资金用途。POS机套现已成为银行卡犯罪金额最高的一种犯罪形式并逐年递增。
这既扰乱国家金融秩序，对金融安全带来巨大风险，也容易滋生地下金融活动，影响社会稳定。
发明内容
本发明的目的是提供一种POS机套现识别方法、系统、设备及存储介质，实现利用POS机商户信息循环迭代的分析挖掘出可疑套现商户和可疑套现卡、挖掘出套现团伙和找出资金回路的效果。
本发明提供的技术方案如下：
本发明提供一种POS机套现识别方法，包括步骤：
获取POS机商户的交易信息，确定套现商户。
获取所述套现商户的交易信息，分析所述套现商户的周期性套现规律，确定周期性套现卡。
获取所述周期性套现卡的交易明细，分析挖掘出新增可疑套现商户。
进一步，在所述的获取所述周期性套现卡的交易明细，分析挖掘出新增可疑套现商户之后包括步骤：
获取所述新增可疑套现商户的交易信息，确定新增可疑套现卡。
进一步在所述的获取所述周期性套现卡的交易明细，分析挖掘出新增可疑套现商户之后还包括步骤：
获取所述套现商户的登记信息。
根据所述商户的登记信息，设定可疑POS机要素归集原则，确定套现团伙，所述可疑POS机要素归集原则包括，多个商户为同一法人、多个商户绑定同一结算卡、多个商户绑定同一电话、不同商户在一定时间内刷同一张卡、POS机结算地理位置信息相同。
进一步，在所述的获取所述套现商户的登记信息还包括步骤：
获取结算账户的交易明细和周期性套现卡的开户信息。
将所述套现商户的交易信息、套现商户的登记信息、结算账户的交易明细、周期性套现卡的开户信息进行关联比对分析，确定套现商户与周期性套现卡的刷卡人之间的资金回路。
进一步，所述的获取POS机商户的交易信息，确定套现商户包括步骤：
获取POS机商户的交易信息，判断贷记卡、准贷记卡的交易占比率值是否大于交易占比率阈值。
当贷记卡、准贷记卡的交易占比率值大于交易占比率阈值时，判断贷记卡、准贷记卡的单笔交易金额大于交易金额阈值的交易数占比率值是否大于交易数占比率阈值。
当所述贷记卡、准贷记卡的单笔交易金额大于交易金额阈值的交易数占比率值大于交易数占比率阈值时，确定为套现商户。
进一步，所述的获取所述套现商户的交易信息，分析所述套现商户的周期性套现规律，确定周期性套现卡包括步骤：
获取所述套现商户的交易信息，判断交易金额为固定金额或固定金额整数倍的交易数是否大于交易数阈值。
当交易金额为固定金额或固定金额整数倍的交易数大于交易数阈值时，判断贷记卡、准贷记卡在同一套现商户的交易月份数在该套现商户总交易月份数的交易月份数占比值是否大于交易月份数占比值阈值。
当贷记卡、准贷记卡在同一套现商户的交易月份数在该套现商户总交易月份数的交易月份数占比值大于交易月份数占比值阈值时，确定为周期性套现卡。
进一步，所述的获取所述周期性套现卡的交易明细，分析挖掘出新增可疑套现商户包括步骤：
获取所述周期性套现卡的交易明细，提取商户名称中的关键词，比对商户名称中的关键词与关键词库中的关键词是否相符。
当商户名称中的关键词与关键词库中的关键词相符时，判断该商户的交易金额是否大于交易金额阈值。
当该商户的交易金额大于交易金额阈值时，判断周期性套现卡的断点月份是否在其他商户刷卡，且刷卡金额是否大于刷卡金额阈值。
当周期性套现卡的断点月份在其他商户刷卡，且刷卡金额大于刷卡金额阈值时，确定该商户为新增可疑套现商户。
本发明还提供一种POS机套现识别系统，包括：
获取模块，用于获取POS机商户的交易信息、获取套现商户的交易信息、获取所述周期性套现卡的交易明细。
处理模块，与所述获取模块连接，用于确定套现商户、分析所述套现商户的周期性套现规律，确定周期性套现卡、分析挖掘出新增可疑套现商户。
设定模块，与所述获取模块连接，用于设定可疑POS机要素归集原则。
判断模块，分别与所述获取模块和处理模块连接，用于判断贷记卡、准贷记卡的交易占比率值是否大于交易占比率阈值。
本发明提供一种POS机套现识别计算设备，包括：
存储器，用于存储程序指令。
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行POS机套现识别方法。
本发明还提供一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行POS机套现识别方法。
通过本发明提供的一种POS机套现识别方法、系统、设备及存储介质，具有以下有益效果：
1、通过POS机商户的交易信息，利用数据规则筛选出职业套现商户，基于职业套现商户交易信息，通过规则筛选出周期性套现卡，然后调取并导入周期性套现卡的JASS交易明细，挖掘出新的可疑套现商户、可疑套现卡，实现从商户交易信息到套现商户，从套现商户到套现卡，再从套现卡到可疑套现商户，到可疑套现卡的循环迭代的深挖扩线。
2、根据商户登记信息，设定可疑POS机要素归集原则，通过多台POS机注册登记信息中的相同法人、相同结算卡、或相同电话，以及不同商户在短时间内刷同一张卡等关联要素挖掘套现团伙。
3、基于已筛选出的职业套现商户，根据商户交易信息、商户登记信息、结算账户交易明细、信用卡开户信息进行关联比对分析，寻找职业套现商户与套现周期卡刷卡人之间的资金回路。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对一种POS机套现识别方法、系统、设备及存储介质的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明一种POS机套现识别方法的一个实施例的流程图；
图2是本发明一种POS机套现识别方法的又一个实施例的流程图；
图3是本发明一种POS机套现识别方法的又一个实施例的流程图；
图4是本发明一种POS机套现识别方法的又一个实施例的流程图；
图5是本发明一种POS机套现识别方法的又一个实施例的流程图；
图6是本发明一种POS机套现识别方法的另一个实施例的流程图；
图7是本发明一种POS机套现识别方法的再一个实施例的流程图；
图8是本发明一种POS机套现识别系统的一个实施例的结构示意图；
图9是本发明一种POS机套现识别计算设备的一个实例的结构示意图。
附图标号说明：10、存储器；11、计算机程序；12、处理器；20、获取模块；21、处理模块；22、设定模块；23、判断模块。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。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的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
本发明的一个实施例，如图1所示，一种POS机套现识别方法，包括步骤：
S100获取POS机商户的交易信息，确定套现商户。
具体的，POS机商户的交易信息是指用户的银行卡在商户的交易明细，POS机商户的交易信息包括银行卡号(交易卡号)、卡属性、所属发卡银行机构代码、所述发卡银行、交易时间、交易国家或地区、交易地点、商户代码、商户名称、交易渠道，终端号、交易类型、受理机构、受理机构代码、交易金额、交易是否成功等。
优选的，POS及商户的交易信息由银行提供。
S200获取所述套现商户的交易信息，分析所述套现商户的周期性套现规律，确定周期性套现卡。
具体的，套现商户的交易信息是指用户的银行卡在商户的交易明细，POS机商户的交易信息包括银行卡号(交易卡号)、卡属性、所属发卡银行机构代码、所述发卡银行、交易时间、交易国家或地区、交易地点、商户代码、商户名称、交易渠道，终端号、交易类型、受理机构、受理机构代码、交易金额、交易是否成功等。
具体的，根据套现商户的交易信息，分析交易金额的规律、贷记卡、准贷记卡在在该套现商户的交易月份数和商户总交易月份数，确定周期性套现卡。
S300获取所述周期性套现卡的交易明细，分析挖掘出新增可疑套现商户。
具体的，周期性套现卡的交易明细包括周期性套现卡的卡号、卡属性、所属发卡银行机构代码、所述发卡银行、交易时间、交易国家或地区、交易地点、商户代码、商户名称、交易渠道，终端号、交易类型、受理机构、受理机构代码、交易金额、交易是否成功等。
具体的，根据商户名称中的关键词，周期性套现卡的交易金额、周期性套现卡的断点月份在其他商户的交易金额，分析挖掘出新增可疑套现商户。
本实施例中，通过POS机商户的交易信息，确定套现商户，再根据套现商户的交易信息，确定周期性套现卡，根据周期性套现卡，挖掘新增可疑套现商户。
本发明的又一个实施例，如图2-5所示，一种POS机套现识别方法，包括步骤：
S100获取POS机商户的交易信息，确定套现商户。
具体的，POS机商户的交易信息是指用户的银行卡在商户的交易明细，POS机商户的交易信息包括银行卡号(交易卡号)、卡属性、所属发卡银行机构代码、所述发卡银行、交易时间、交易国家或地区、交易地点、商户代码、商户名称、交易渠道，终端号、交易类型、受理机构、受理机构代码、交易金额、交易是否成功等。
优选的，POS及商户的交易信息由银行提供。
具体的，所述的S100获取POS机商户的交易信息，确定套现商户包括步骤：
S101获取POS机商户的交易信息，判断贷记卡、准贷记卡的交易占比率值是否大于交易占比率阈值。
具体的，本实施例中，获取POS机商户的交易信息中的贷记卡、准贷记卡的交易数量，获取POS机商户的交易信息中的全部银行卡交易数量，分析贷记卡、准贷记卡的交易数量占全部银行卡交易数量的比率是否大于交易占比率阈值。
优选的，本实施例中，交易占比率阈值为90％，即判断贷记卡、准贷记卡占全部银行卡交易数量的交易占比率值是否大于90％。
S102当贷记卡、准贷记卡的交易占比率值大于交易占比率阈值时，判断贷记卡、准贷记卡的单笔交易金额大于交易金额阈值的交易数占比率值是否大于交易数占比率阈值。
具体的，获取贷记卡、准贷记卡的单笔交易金额大于交易金额阈值的交易数，获取总交易数，计算贷记卡、准贷记卡的单笔交易金额大于交易金额阈值的交易数占总交易数的比值，并分析该比值是否大于交易数占比率阈值，例如，设定交易数占比率阈值为90％，设定交易金额阈值为1000，即判断贷记卡、准贷记卡的单笔交易金额大于1000的交易数占总交易数的比值是否超过90％。
具体的，本实施例中，当贷记卡、准贷记卡占全部银行卡交易数量的交易占比率值大于交易占比率阈值，即大于90％时，进一步判断贷记卡、准贷记卡的单笔交易金额大于1000的交易数占总交易数的比值是否超过90％。
S103当所述贷记卡、准贷记卡的单笔交易金额大于交易金额阈值的交易数占比率值大于交易数占比率阈值时，确定为套现商户。
具体的，本实施例中，当贷记卡、准贷记卡占全部银行卡交易数量的交易占比率值大于交易占比率阈值，即大于90％，且贷记卡、准贷记卡的单笔交易金额大于1000的交易数占总交易数的比值超过90％时，判断该商户为套现商户。
S200获取所述套现商户的交易信息，分析所述套现商户的周期性套现规律，确定周期性套现卡。
具体的，套现商户的交易信息是指用户的银行卡在商户的交易明细，POS机商户的交易信息包括银行卡号(交易卡号)、卡属性、所属发卡银行机构代码、所述发卡银行、交易时间、交易国家或地区、交易地点、商户代码、商户名称、交易渠道，终端号、交易类型、受理机构、受理机构代码、交易金额、交易是否成功等。
优选的，根据套现商户的交易信息，分析交易金额的规律、贷记卡、准贷记卡在在该套现商户的交易月份数和商户总交易月份数，确定周期性套现卡。
具体的，所述的S200获取所述套现商户的交易信息，分析所述套现商户的周期性套现规律，确定周期性套现卡包括步骤：
S201获取所述套现商户的交易信息，判断交易金额为固定金额或固定金额整数倍的交易数是否大于交易数阈值。
优选的，设定固定金额为1000，设定交易数阈值为3，即判断交易金额为1000或1000整数倍的交易数是否大于3。
S202当交易金额为固定金额或固定金额整数倍的交易数大于交易数阈值时，判断贷记卡、准贷记卡在同一套现商户的交易月份数在该套现商户总交易月份数的交易月份数占比值是否大于交易月份数占比值阈值。
优选的，例如，贷记卡、准贷记卡在同一套现商户的交易月份数为6个月，该套现商户总交易月份数为10个月，设定交易月份数占比值阈值为50％，即贷记卡、准贷记卡在同一套现商户的交易月份数在该套现商户总交易月份数的交易月份数占比值为60％，该交易月份数占比值大于交易月份数占比值阈值。
S203当贷记卡、准贷记卡在同一套现商户的交易月份数在该套现商户总交易月份数的交易月份数占比值大于交易月份数占比值阈值时，确定为周期性套现卡。
具体的，当该交易月份数占比值大于交易月份数占比值阈值时，确定为周期性套现卡。
S300获取所述周期性套现卡的交易明细，分析挖掘出新增可疑套现商户。
具体的，周期性套现卡的交易明细包括周期性套现卡的卡号、卡属性、所属发卡银行机构代码、所述发卡银行、交易时间、交易国家或地区、交易地点、商户代码、商户名称、交易渠道，终端号、交易类型、受理机构、受理机构代码、交易金额、交易是否成功等。
具体的，根据商户名称中的关键词，周期性套现卡的交易金额、周期性套现卡的断点月份在其他商户的交易金额，分析挖掘出新增可疑套现商户。
具体的，所述的S300获取所述周期性套现卡的交易明细，分析挖掘出新增可疑套现商户包括步骤：
S301获取所述周期性套现卡的交易明细，提取商户名称中的关键词，比对商户名称中的关键词与关键词库中的关键词是否相符。
优选的，本实施例中，关键词库中预存的关键词为石油、加油、石化、超市、烟酒、便利、加盟、经营部、珠宝等，获取周期性套现卡的交易明细中商户名称的关键词，并遍历关键词库，比对改关键词是否为石油、加油、石化、超市、烟酒、便利、加盟、经营部或珠宝等。
S302当商户名称中的关键词与关键词库中的关键词相符时，判断该商户的交易金额是否大于交易金额阈值。
具体的，当商户名称中的关键词与关键词库中的关键词相符时，如商户名称中的关键词为石油，则与关键词库中的石油这一关键词相符，则进一步判断该商户的交易金额是否大于交易金额阈值。
优选的，设定交易金额阈值为1000，即判断该商户的交易金额是否大于1000。
S303当该商户的交易金额大于交易金额阈值时，判断周期性套现卡的断点月份是否在其他商户刷卡，且刷卡金额是否大于刷卡金额阈值。
具体的，当该商户的交易金额大于1000时，进一步判断周期性套现卡的断点月份是否在其他商户刷卡，且刷卡金额是否大于刷卡金额阈值。
优选的，设定刷卡金额阈值为1000。
S304当周期性套现卡的断点月份在其他商户刷卡，且刷卡金额大于刷卡金额阈值时，确定该商户为新增可疑套现商户。
优选的，当该商户的交易金额大于1000，且周期性套现卡的断点月份在其他商户刷卡，并且刷卡金额大于1000时，则确定该商户为新增可疑套现商户。
具体的，在所述的S300获取所述周期性套现卡的交易明细，分析挖掘出新增可疑套现商户之后包括步骤：
S400获取所述新增可疑套现商户的交易信息，确定新增可疑套现卡。
本实施例中，通过POS机商户的交易信息，根据双90规则确定套现商户，再根据套现商户的交易信息，根据周期性规律，确定周期性套现卡，根据周期性套现卡以及建立关键词库，提取商户名称中的关键词，遍历关键词库，并根据断点月份交易数量、交易金额挖掘新增可疑套现商户，再根据新增可疑套现商户确定新增可疑套现卡，实现循环迭代的深挖扩线，挖掘出更多的可以套现商户和可以套现卡。
本发明的另一个实施例，如图6所示，一种POS机套现识别方法，包括步骤：
S100获取POS机商户的交易信息，确定套现商户。
具体的，POS机商户的交易信息是指用户的银行卡在商户的交易明细，POS机商户的交易信息包括银行卡号(交易卡号)、卡属性、所属发卡银行机构代码、所述发卡银行、交易时间、交易国家或地区、交易地点、商户代码、商户名称、交易渠道，终端号、交易类型、受理机构、受理机构代码、交易金额、交易是否成功等。
优选的，POS及商户的交易信息由银行提供。
S200获取所述套现商户的交易信息，分析所述套现商户的周期性套现规律，确定周期性套现卡。
具体的，套现商户的交易信息是指用户的银行卡在商户的交易明细，POS机商户的交易信息包括银行卡号(交易卡号)、卡属性、所属发卡银行机构代码、所述发卡银行、交易时间、交易国家或地区、交易地点、商户代码、商户名称、交易渠道，终端号、交易类型、受理机构、受理机构代码、交易金额、交易是否成功等。
具体的，根据套现商户的交易信息，分析交易金额的规律、贷记卡、准贷记卡在在该套现商户的交易月份数和商户总交易月份数，确定周期性套现卡。
S300获取所述周期性套现卡的交易明细，分析挖掘出新增可疑套现商户。
具体的，周期性套现卡的交易明细包括周期性套现卡的卡号、卡属性、所属发卡银行机构代码、所述发卡银行、交易时间、交易国家或地区、交易地点、商户代码、商户名称、交易渠道，终端号、交易类型、受理机构、受理机构代码、交易金额、交易是否成功等。
具体的，根据商户名称中的关键词，周期性套现卡的交易金额、周期性套现卡的断点月份在其他商户的交易金额，分析挖掘出新增可疑套现商户。
具体的，在所述的S300获取所述周期性套现卡的交易明细，分析挖掘出新增可疑套现商户之后还包括步骤：
S310获取所述套现商户的登记信息。
优选的，套现商户的登记信息包括法人、结算卡、电话。
S320根据所述商户的登记信息，设定可疑POS机要素归集原则，确定套现团伙。
具体的，所述可疑POS机要素归集原则包括：
多个商户为同一法人、多个商户绑定同一结算卡、多个商户绑定同一电话、不同商户在一定时间内刷同一张卡、POS机结算地理位置信息相同。
本实施例中，设定可疑POS机要素归集原则，即筛选多个商户为同一法人、多个商户绑定同一结算卡、多个商户绑定同一电话、不同商户在一定时间内刷同一张卡、POS机结算地理位置信息相同的条件，确定套现团伙。
本发明的再一个实施例，如图7所示，一种POS机套现识别方法，包括步骤：
S100获取POS机商户的交易信息，确定套现商户。
具体的，POS机商户的交易信息是指用户的银行卡在商户的交易明细，POS机商户的交易信息包括银行卡号(交易卡号)、卡属性、所属发卡银行机构代码、所述发卡银行、交易时间、交易国家或地区、交易地点、商户代码、商户名称、交易渠道，终端号、交易类型、受理机构、受理机构代码、交易金额、交易是否成功等。
优选的，POS及商户的交易信息由银行提供。
S200获取所述套现商户的交易信息，分析所述套现商户的周期性套现规律，确定周期性套现卡。
具体的，套现商户的交易信息是指用户的银行卡在商户的交易明细，POS机商户的交易信息包括银行卡号(交易卡号)、卡属性、所属发卡银行机构代码、所述发卡银行、交易时间、交易国家或地区、交易地点、商户代码、商户名称、交易渠道，终端号、交易类型、受理机构、受理机构代码、交易金额、交易是否成功等。
具体的，根据套现商户的交易信息，分析交易金额的规律、贷记卡、准贷记卡在在该套现商户的交易月份数和商户总交易月份数，确定周期性套现卡。
S300获取所述周期性套现卡的交易明细，分析挖掘出新增可疑套现商户。
具体的，周期性套现卡的交易明细包括周期性套现卡的卡号、卡属性、所属发卡银行机构代码、所述发卡银行、交易时间、交易国家或地区、交易地点、商户代码、商户名称、交易渠道，终端号、交易类型、受理机构、受理机构代码、交易金额、交易是否成功等。
具体的，根据商户名称中的关键词，周期性套现卡的交易金额、周期性套现卡的断点月份在其他商户的交易金额，分析挖掘出新增可疑套现商户。
具体的，在所述的S300获取所述周期性套现卡的交易明细，分析挖掘出新增可疑套现商户之后还包括步骤：
S310获取所述套现商户的登记信息。
优选的，套现商户的登记信息包括法人、结算卡、电话。
具体的，在所述的S310获取所述套现商户的登记信息还包括步骤：
S330获取结算账户的交易明细和周期性套现卡的开户信息。
优选的，结算账户的交易明细包括卡号、卡属性、所属发卡银行机构代码、所述发卡银行、交易时间、交易国家或地区、交易地点、商户代码、商户名称、交易渠道，终端号、交易类型、受理机构、受理机构代码、交易金额、交易是否成功等，周期性套现卡的开户信息包括开户人名称、开户地址，开户人联系方式等。
S340将所述套现商户的交易信息、套现商户的登记信息、结算账户的交易明细、周期性套现卡的开户信息进行关联比对分析，确定套现商户与周期性套现卡的刷卡人之间的资金回路。
本发明的一个实施例，一种POS机套现识别方法，包括步骤：
通过对POS机商户交易信息的分析，挖掘出职业套现商户。
基于已确定的职业套现商户，根据套现人周期性套现规律，通过对其商户交易信息、套现卡交易规律的分析，挖掘出周期性套现卡。
基于已寻找出的周期性套现卡，调取并导入周期性套现卡的JASS交易明细，通过规则挖掘出新增可疑套现商户。
通过POS机商户的交易信息，利用数据规则筛选出职业套现商户，基于职业套现商户交易信息，通过规则筛选出周期性套现卡，然后调取并导入周期性套现卡的JASS交易明细，挖掘出新的可疑套现商户、可疑套现卡，实现从“商户交易信息→套现商户→套现卡→可疑套现商户→可疑套现卡”的循环迭代的深挖扩线。
根据商户登记信息，设定可疑POS机要素归集原则，通过多台POS机注册登记信息中的相同法人、相同结算卡、或相同电话，以及不同商户在短时间内刷同一张卡等关联要素挖掘套现团伙。
基于已筛选出的职业套现商户，根据商户交易信息、商户登记信息、结算账户交易明细、信用卡开户信息进行关联比对分析，寻找职业套现商户与套现周期卡刷卡人之间的资金回路。
主要思路是通过初始交易记录，按规则分析出套现商户→在与套现商户交易的银行卡里分析出套现信用卡→再获取这些套现卡的详细交易记录，分析可疑套现商户→获取可疑套现商户的交易记录，分析出套现商户→再次分析出套现信用卡，而后迭代进行分析。
本实施例旨在根据POS机的消费记录，深度分析挖掘出有可能进行POS套现的商户以及信用卡用户。通过数据采集，针对不同来源、不同格式的数据，提取设定的核心关联数据项，按照全字段、全账单的标准，设计出“补全、去重、校验、优化”等自动化数据清洗流程，实现数据标准化、标签化入库。同时支持自动识别并智能导入多种格式类型的数据。
本发明的一个实施例，如图8所示，一种POS机套现识别系统，包括：
获取模块20，用于获取POS机商户的交易信息、获取套现商户的交易信息、获取所述周期性套现卡的交易明细。
处理模块21，与所述获取模块20连接，用于确定套现商户、分析所述套现商户的周期性套现规律，确定周期性套现卡、分析挖掘出新增可疑套现商户。
具体的，还包括：
设定模块22，与所述获取模块20连接，用于设定可疑POS机要素归集原则。
判断模块23，分别与所述获取模块20和处理模块21连接，用于判断贷记卡、准贷记卡的交易占比率值是否大于交易占比率阈值。
获取模块20，还用于获取所述新增可疑套现商户的交易信息、获取所述套现商户的登记信息、获取结算账户的交易明细和周期性套现卡的开户信息。
处理模块21，与所述获取模块20连接，还用于确定新增可疑套现卡、确定套现团伙、将所述套现商户的交易信息、套现商户的登记信息、结算账户的交易明细、周期性套现卡的开户信息进行关联比对分析，确定套现商户与周期性套现卡的刷卡人之间的资金回路。
设定模块22，还用于设定交易占比率阈值、交易数占比率阈值、交易数阈值、交易月份数占比值阈值、关键词库、交易金额阈值、刷卡金额阈值。
判断模块23，分别与获取模块20和设定模块22连接，还用于判断贷记卡、准贷记卡的交易占比率值是否大于交易占比率阈值、判断贷记卡、准贷记卡的单笔交易金额大于交易金额阈值的交易数占比率值是否大于交易数占比率阈值。
处理模块21，分别与判断模块23、获取模块20和设定模块22连接，还用于当所述贷记卡、准贷记卡的单笔交易金额大于交易金额阈值的交易数占比率值大于交易数占比率阈值时，确定套现商户。
判断模块23，分别与获取模块20和设定模块22连接，还用于判断交易金额为固定金额或固定金额整数倍的交易数是否大于交易数阈值。
判断模块23，分别与获取模块20和设定模块22连接，还用于当交易金额为固定金额或固定金额整数倍的交易数大于交易数阈值时，判断贷记卡、准贷记卡在同一套现商户的交易月份数在该套现商户总交易月份数的交易月份数占比值是否大于交易月份数占比值阈值。
处理模块21，分别与判断模块23、获取模块20和设定模块22连接，还用于当贷记卡、准贷记卡在同一套现商户的交易月份数在该套现商户总交易月份数的交易月份数占比值大于交易月份数占比值阈值时，确定为周期性套现卡。
判断模块23，分别与获取模块20和设定模块22连接，还用于比对商户名称中的关键词与关键词库中的关键词是否相符。
判断模块23，分别与获取模块20和设定模块22连接，还用于当商户名称中的关键词与关键词库中的关键词相符时，判断该商户的交易金额是否大于交易金额阈值。
判断模块23，分别与获取模块20和设定模块22连接，还用于当该商户的交易金额大于交易金额阈值时，判断周期性套现卡的断点月份是否在其他商户刷卡，且刷卡金额是否大于刷卡金额阈值。
处理模块21，分别与判断模块23、获取模块20和设定模块22连接，还用于当周期性套现卡的断点月份在其他商户刷卡，且刷卡金额大于刷卡金额阈值时，确定该商户为新增可疑套现商户。
本发明的一个实施例提供了一种POS机套现识别计算设备，如图9所示，包括存储器10和处理器12，存储器10上储存有在处理器12上运行的计算机程序11，处理器12执行计算机程序11时实现第一实施例中的所有方法步骤或部分方法步骤。
处理器12可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
存储器10可以用于存储所述计算机程序和/或模块，处理器12通过运行或执行存储在存储器10内的计算机程序和/或模块，以及调用存储在存储器10内的数据，实现计算机设备的各种功能。存储器10可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等。存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。此外，存储器10可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明的一个实施例还提供了一种计算机可读非易失性存储介质，其上存储有计算机程序11，计算机程序11被处理器12执行时实现上述实施例中的所有方法步骤或部分方法步骤。
本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序11来指令相关的硬件来完成，计算机程序11可存储于一存储介质中，该计算机程序11在被处理器12执行时，可实现上述各个方法实施例的步骤。其中，计算机程序11包括计算机程序代码，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。存储介质可以包括：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。
本发明有益效果是通过POS机商户的交易信息，利用数据规则筛选出职业套现商户，基于职业套现商户交易信息，通过规则筛选出周期性套现卡，然后调取并导入周期性套现卡的JASS交易明细，挖掘出新的可疑套现商户、可疑套现卡，实现从商户交易信息到套现商户，从套现商户到套现卡，再从套现卡到可疑套现商户，到可疑套现卡的循环迭代的深挖扩线。根据商户登记信息，设定可疑POS机要素归集原则，通过多台POS机注册登记信息中的相同法人、相同结算卡、或相同电话，以及不同商户在短时间内刷同一张卡等关联要素挖掘套现团伙。基于已筛选出的职业套现商户，根据商户交易信息、商户登记信息、结算账户交易明细、信用卡开户信息进行关联比对分析，寻找职业套现商户与套现周期卡刷卡人之间的资金回路。
应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种POS机套现识别方法，其特征在于，包括步骤：
获取POS机商户的交易信息，确定套现商户；
获取所述套现商户的交易信息，分析所述套现商户的周期性套现规律，确定周期性套现卡；
获取所述周期性套现卡的交易明细，分析挖掘出新增可疑套现商户。
2.根据权利要求1所述的一种POS机套现识别方法，其特征在于，在所述的获取所述周期性套现卡的交易明细，分析挖掘出新增可疑套现商户之后包括步骤：
获取所述新增可疑套现商户的交易信息，确定新增可疑套现卡。
3.根据权利要求1所述的一种POS机套现识别方法，其特征在于，在所述的获取所述周期性套现卡的交易明细，分析挖掘出新增可疑套现商户之后还包括步骤：
获取所述套现商户的登记信息；
根据所述商户的登记信息，设定可疑POS机要素归集原则，确定套现团伙，所述可疑POS机要素归集原则包括多个商户为同一法人、多个商户绑定同一结算卡、多个商户绑定同一电话、不同商户在一定时间内刷同一张卡、POS机结算地理位置信息相同。
4.根据权利要求3所述的一种POS机套现识别方法，其特征在于，在所述的获取所述套现商户的登记信息还包括步骤：
获取结算账户的交易明细和周期性套现卡的开户信息；
将所述套现商户的交易信息、套现商户的登记信息、结算账户的交易明细、周期性套现卡的开户信息进行关联比对分析，确定套现商户与周期性套现卡的刷卡人之间的资金回路。
5.根据权利要求1所述的一种POS机套现识别方法，其特征在于，所述的获取POS机商户的交易信息，确定套现商户包括步骤：
获取POS机商户的交易信息，判断贷记卡、准贷记卡的交易占比率值是否大于交易占比率阈值；
当贷记卡、准贷记卡的交易占比率值大于交易占比率阈值时，判断贷记卡、准贷记卡的单笔交易金额大于交易金额阈值的交易数占比率值是否大于交易数占比率阈值；
当所述贷记卡、准贷记卡的单笔交易金额大于交易金额阈值的交易数占比率值大于交易数占比率阈值时，确定为套现商户。
6.根据权利要求1所述的一种POS机套现识别方法，其特征在于，所述的获取所述套现商户的交易信息，分析所述套现商户的周期性套现规律，确定周期性套现卡包括步骤：
获取所述套现商户的交易信息，判断交易金额为固定金额或固定金额整数倍的交易数是否大于交易数阈值；
当交易金额为固定金额或固定金额整数倍的交易数大于交易数阈值时，判断贷记卡、准贷记卡在同一套现商户的交易月份数在该套现商户总交易月份数的交易月份数占比值是否大于交易月份数占比值阈值；
当贷记卡、准贷记卡在同一套现商户的交易月份数在该套现商户总交易月份数的交易月份数占比值大于交易月份数占比值阈值时，确定为周期性套现卡。
7.根据权利要求1所述的一种POS机套现识别方法，其特征在于，所述的获取所述周期性套现卡的交易明细，分析挖掘出新增可疑套现商户包括步骤：
获取所述周期性套现卡的交易明细，提取商户名称中的关键词，比对商户名称中的关键词与关键词库中的关键词是否相符；
当商户名称中的关键词与关键词库中的关键词相符时，判断该商户的交易金额是否大于交易金额阈值；
当该商户的交易金额大于交易金额阈值时，判断周期性套现卡的断点月份是否在其他商户刷卡，且刷卡金额是否大于刷卡金额阈值；
当周期性套现卡的断点月份在其他商户刷卡，且刷卡金额大于刷卡金额阈值时，确定该商户为新增可疑套现商户。
8.一种POS机套现识别系统，其特征在于，包括：
获取模块，用于获取POS机商户的交易信息、获取套现商户的交易信息、获取所述周期性套现卡的交易明细；
处理模块，与所述获取模块连接，用于确定套现商户、分析所述套现商户的周期性套现规律，确定周期性套现卡、分析挖掘出新增可疑套现商户；
设定模块，与所述获取模块连接，用于设定可疑POS机要素归集原则；
判断模块，分别与所述获取模块和处理模块连接，用于判断贷记卡、准贷记卡的交易占比率值是否大于交易占比率阈值。
9.一种POS机套现识别计算设备，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1至7任一项所述的方法。
10.一种计算机可读非易失性存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1至7任一项所述的方法。
CN201911198259.0A 2019-11-29 2019-11-29 一种pos机套现识别方法、系统、设备及存储介质 Pending CN110942312A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911198259.0A CN110942312A (zh) 2019-11-29 2019-11-29 一种pos机套现识别方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911198259.0A CN110942312A (zh) 2019-11-29 2019-11-29 一种pos机套现识别方法、系统、设备及存储介质

Publications (1)

Publication Number Publication Date
CN110942312A true CN110942312A (zh) 2020-03-31

Family

ID=69909749

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911198259.0A Pending CN110942312A (zh) 2019-11-29 2019-11-29 一种pos机套现识别方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110942312A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111861486A (zh) * 2020-06-29 2020-10-30 中国银联股份有限公司 异常账户识别方法、装置、设备及介质
CN113222738A (zh) * 2021-05-25 2021-08-06 山东小葱数字科技有限公司 套现卡识别方法、装置、电子设备和计算机可读存储介质
CN113393236A (zh) * 2021-05-26 2021-09-14 福州四九八网络科技有限公司 线下收单业务交易行为异常检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101551894A (zh) * 2009-05-21 2009-10-07 候万春 监控信用卡套现的系统及方法
CN109345375A (zh) * 2018-09-27 2019-02-15 中国银行股份有限公司 一种可疑洗钱行为识别方法及装置
CN109934700A (zh) * 2019-03-01 2019-06-25 中国银联股份有限公司 一种套现侦测的方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101551894A (zh) * 2009-05-21 2009-10-07 候万春 监控信用卡套现的系统及方法
CN109345375A (zh) * 2018-09-27 2019-02-15 中国银行股份有限公司 一种可疑洗钱行为识别方法及装置
CN109934700A (zh) * 2019-03-01 2019-06-25 中国银联股份有限公司 一种套现侦测的方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111861486A (zh) * 2020-06-29 2020-10-30 中国银联股份有限公司 异常账户识别方法、装置、设备及介质
CN111861486B (zh) * 2020-06-29 2024-03-22 中国银联股份有限公司 异常账户识别方法、装置、设备及介质
CN113222738A (zh) * 2021-05-25 2021-08-06 山东小葱数字科技有限公司 套现卡识别方法、装置、电子设备和计算机可读存储介质
CN113393236A (zh) * 2021-05-26 2021-09-14 福州四九八网络科技有限公司 线下收单业务交易行为异常检测方法

Similar Documents

Publication Publication Date Title
US9646058B2 (en) Methods, systems, and computer program products for generating data quality indicators for relationships in a database
US8224687B2 (en) Point-of-sale-based market tracking and reporting
US6402027B1 (en) Electronic money processing method and system thereof and a recording medium recording a program thereof
US10332135B2 (en) Financial data normalization systems and methods
US8380590B1 (en) Method and system for detecting recurring income from financial transaction data
US8768802B2 (en) System and method of matching financial transaction records to merchant records of a merchant profile database
US20080301016A1 (en) Method, System, and Computer Program Product for Customer Linking and Identification Capability for Institutions
US20110137760A1 (en) Method, system, and computer program product for customer linking and identification capability for institutions
US20120089436A1 (en) Mapping analytics system for activity growth
US20120233090A1 (en) Investment portfolio analytics systems and methods
CN110942312A (zh) 一种pos机套现识别方法、系统、设备及存储介质
US8781874B2 (en) Network analytics systems and methods
US20110251907A1 (en) Electronic market tracking and reporting systems and methods
US20180060834A1 (en) Financial transaction routing
CN113205402A (zh) 对账方法、装置、电子设备及计算机可读介质
CN110675078A (zh) 上市公司风险诊断方法、系统、计算机终端及存储介质
CN110991650A (zh) 训练养卡识别模型、识别养卡行为的方法及装置
CN113888278A (zh) 基于企业信用额度分析模型的数据分析方法及装置
CN110163482B (zh) 确定活动方案的安全方案数据的方法、终端设备及服务器
US20090171687A1 (en) Identifying Industry Passionate Consumers
CN113159937A (zh) 识别风险的方法、装置和电子设备
Kang Fraud Detection in Mobile Money Transactions Using Machine Learning
CN116882998B (zh) 虚拟货币资金分析方法
CN103793486A (zh) 对印鉴组合数据进行存储、验印的方法和系统
KR102350467B1 (ko) 통합 금융 서비스를 제공하는 방법 및 시스템

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200331

RJ01 Rejection of invention patent application after publication