CN111080305A - 一种风险识别方法、装置及电子设备 - Google Patents

一种风险识别方法、装置及电子设备 Download PDF

Info

Publication number
CN111080305A
CN111080305A CN201911295841.9A CN201911295841A CN111080305A CN 111080305 A CN111080305 A CN 111080305A CN 201911295841 A CN201911295841 A CN 201911295841A CN 111080305 A CN111080305 A CN 111080305A
Authority
CN
China
Prior art keywords
information
transaction
identification
transaction information
model
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
CN201911295841.9A
Other languages
English (en)
Inventor
梁学甲
覃鹏
龚苇
梁永健
禤栋雄
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.)
China Construction Bank Corp
Original Assignee
China Construction Bank Corp
CCB Finetech Co 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 China Construction Bank Corp, CCB Finetech Co Ltd filed Critical China Construction Bank Corp
Priority to CN201911295841.9A priority Critical patent/CN111080305A/zh
Publication of CN111080305A publication Critical patent/CN111080305A/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
    • 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]

Abstract

本发明提供一种风险识别方法、装置及电子设备，该方法包括：获取第一交易信息；通过识别模型对所述第一交易信息进行识别，获得识别结果；其中，所述识别模型通过样本信息训练得到，所述样本信息包括参与交易的第一商户信息、第一终端采用的第一网络之间互连的协议IP地址以及第一交易位置。通过识别模型对第一交易信息进行识别，并根据识别结果确定第一交易信息是否为薅羊毛行为所生成，这种对薅羊毛行为产生的信息进行识别的方式，减少了人工成本，提高了识别效率。

Description

一种风险识别方法、装置及电子设备
技术领域
本发明实施例涉及信息安全技术领域，尤其涉及一种风险识别方法、装置及电子设备。
背景技术
目前，随着电子商务的竞争越来越激烈，网上商城经常会开展打折、满减等促销活动，为买方提供更多优惠，同时还可以通过活动提高商品知名度。部分投机客可能会趁机利用商城平台的漏洞骗取活动金额，投机客的这种行为被称为薅羊毛。薅羊毛团队利用多部手机，专门从事薅羊毛工作。由于薅羊毛团队占取了商城促销活动经费的大部分份额，使得促销活动达不到预期的目的。
目前，对薅羊毛行为的识别是通过人工方式确定的，效率低下，人工成本高。
发明内容
本发明实施例提供一种风险识别方法、装置及电子设备，以解决现有技术中采用人工方式对薅羊毛行为进行识别，效率低下，人工成本高的问题。
为解决上述技术问题，本发明是这样实现的：
第一方面，本发明实施例提供了一种风险识别方法，包括：
获取第一交易信息；
通过识别模型对所述第一交易信息进行识别，获得识别结果；
其中，所述识别模型通过样本信息训练得到，所述样本信息包括参与交易的第一商户信息、第一终端采用的第一网络之间互连的协议IP地址以及第一交易位置。
第二方面，本发明实施例还提供一种风险识别装置，包括：
获取模块，用于获取第一交易信息；
识别模块，用于通过识别模型对所述第一交易信息进行识别，获得识别结果；
其中，所述识别模型通过样本信息训练得到，所述样本信息包括参与交易的第一商户信息、第一终端采用的第一网络之间互连的协议IP地址以及第一交易位置。
第三方面，本发明实施例还提供一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述风险识别方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述风险识别方法的步骤。
在本发明实施例中，获取第一交易信息；通过识别模型对所述第一交易信息进行识别，获得识别结果；其中，所述识别模型通过样本信息训练得到，所述样本信息包括参与交易的第一商户信息、第一终端采用的第一网络之间互连的协议IP地址以及第一交易位置。通过识别模型对第一交易信息进行识别，并根据识别结果确定第一交易信息是否为薅羊毛行为所生成，这种对薅羊毛行为产生的信息进行识别的方式，减少了人工成本，提高了识别效率。
附图说明
图1是本发明实施例提供的风险识别方法的流程图之一；
图2是本发明实施例提供的风险识别方法的流程图之二；
图3为本发明实施例提供识别模型获取方法的流程示意图；
图4是本发明实施例提供的风险识别装置的结构图；
图5是本发明实施例提供的电子设备的结构图。
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。
参见图1，图1是本发明实施例提供的风险识别方法的流程图之一，如图1所示，本实施例提供一种风险识别方法，应用于电子设备，包括以下步骤：
步骤101、获取第一交易信息。
第一交易信息可包括参与交易的商户信息，终端采用的网络之间互连的协议(Internet Protocol，简称IP)地址以及交易位置。其中，商户信息可以为商户标识、商户名称中的一项或多项。终端可以为手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)、个人数字助理(personal digital assistant，简称PDA)、移动上网装置(Mobile Internet Device，MID)或可穿戴式设备(Wearable Device)等。
终端上安装有购物软件，第一交易信息为终端针对用户在购物软件上的交易行为提交的信息。IP地址为终端在提交第一交易信息时使用的地址，交易位置为终端在提交第一交易信息时所在的位置。该位置可通过安装在终端上的定位模块获取，定位模块具体可为全球定位系统(Global Positioning System，简称GPS)。
步骤102、通过识别模型对所述第一交易信息进行识别，获得识别结果；其中，所述识别模型通过样本信息训练得到，所述样本信息包括参与交易的第一商户信息、第一终端采用的第一网络之间互连的协议IP地址以及第一交易位置。
具体的，样本信息可从历史交易信息中获得，例如，通过一定规则对历史交易信息进行筛选，将筛选获得的信息作为样本信息，或者，进一步的，利用人工标注的方式对筛选获得的信息中的风险信息进行标注，将标注的信息作为样本信息。确定样本信息的方式不限定为上述方式。
样本信息可包括参与交易的第一商户信息，第一终端采用的IP地址以及第一交易位置。其中，第一商户信息可以为商户标识、商户名称中的一项或多项。第一终端可以为手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)、个人数字助理(personal digital assistant，简称PDA)、移动上网装置(Mobile Internet Device，MID)或可穿戴式设备(Wearable Device)等。识别结果包括第一交易信息为风险信息和第一交易信息为非风险信息中的一个。若第一交易信息为风险信息，则判定产生第一交易信息的行为是薅羊毛行为；若第一交易信息为非风险信息，则判定产生第一交易信息的行为是正常行为，根据识别结果，可确定第一交易信息是否为风险信息，并进一步确定产生第一交易信息的行为是否为薅羊毛行为。
本发明实施例的风险识别方法，获取第一交易信息；通过识别模型对所述第一交易信息进行识别，获得识别结果；其中，所述识别模型通过样本信息训练得到，所述样本信息包括参与交易的第一商户信息、第一终端采用的第一网络之间互连的协议IP地址以及第一交易位置。通过识别模型对第一交易信息进行识别，并根据识别结果确定第一交易信息是否为薅羊毛行为所生成，这种对薅羊毛行为产生的信息进行识别的方式，减少了人工成本，提高了识别效率。
参见图2，图2是本发明实施例提供的风险识别方法的流程图之二，如图2所示，本实施例提供一种风险识别方法，应用于电子设备，包括以下步骤：
步骤201、获取第一交易信息。
第一交易信息可包括参与交易的商户信息，终端采用的网络之间互连的协议(Internet Protocol，简称IP)地址以及交易位置。其中，商户信息可以为商户标识、商户名称中的一项或多项。终端可以为手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)、个人数字助理(personal digital assistant，简称PDA)、移动上网装置(Mobile Internet Device，MID)或可穿戴式设备(Wearable Device)等。
终端上安装有购物软件，第一交易信息为终端针对用户在购物软件上的交易行为提交的信息。IP地址为终端在提交第一交易信息时使用的地址，交易位置为终端在提交第一交易信息时所在的位置。该位置可通过安装在终端上的定位模块获取，定位模块具体可为全球定位系统(Global Positioning System，简称GPS)。
步骤202、通过识别模型对所述第一交易信息进行识别，获得识别结果；其中，所述识别模型通过样本信息训练得到，所述样本信息包括参与交易的第一商户信息、第一终端采用的第一网络之间互连的协议IP地址以及第一交易位置。
具体的，样本信息可从历史交易信息中获得，例如，通过一定规则对历史交易信息进行筛选，将筛选获得的信息作为样本信息，或者，进一步的，利用人工标注的方式对筛选获得的信息中的风险信息进行标注，将标注的信息作为样本信息。确定样本信息的方式不限定为上述方式。
样本信息可包括参与交易的第一商户信息，第一终端采用的IP地址以及第一交易位置。其中，第一商户信息可以为商户标识、商户名称中的一项或多项。第一终端可以为手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)、个人数字助理(personal digital assistant，简称PDA)、移动上网装置(Mobile Internet Device，MID)或可穿戴式设备(Wearable Device)等。识别结果包括第一交易信息为风险信息和第一交易信息为非风险信息中的一个。若第一交易信息为风险信息，则判定产生第一交易信息的行为是薅羊毛行为；若第一交易信息为非风险信息，则判定产生第一交易信息的行为是正常行为，根据识别结果，可确定第一交易信息是否为风险信息，并进一步确定产生第一交易信息的行为是否为薅羊毛行为。
步骤203、显示用于对所述第一交易信息进行标识的界面。
在电子设备上显示界面，该界面用于对第一交易信息进行标识，具体的，界面可显示第一交易信息，还可显示两个单选框，两个单选框分别对应风险标识和非风险标识。
步骤204、接收用户对所述第一交易信息进行标识的第一输入。
第一输入可为点击输入，或者语音输入等等。当风险标识对应的单选框通过第一输入被选中时，第一交易信息标识为风险信息；当非风险标识对应的单选框通过第一输入被选中时，第一交易信息标识为非风险信息。
步骤203和步骤204还可以在步骤201之后，步骤202之前执行，在此不做限定。
步骤205、若所述第一输入确定的目标标识与所述识别结果不匹配，且所述目标标识为风险标识，则利用所述第一交易信息对所述识别模型进行训练。
目标标识为风险标识或非风险标识。若目标标识为风险标识，识别结果为第一交易信息是风险信息，则目标标识与识别结果匹配；若目标标识为非风险标识，识别结果为第一交易信息是非风险信息，则目标标识与识别结果不匹配。
若第一输入确定的目标标识与识别结果不匹配，且所述目标标识为风险标识，说明识别模型识别错误，将第一交易信息识别为非风险信息，而第一交易信息实际上为风险信息，即薅羊毛行为产生的信息。为了提高识别模型的识别准确率，可利用第一交易信息对所述识别模型进行训练。
本实施例中，在通过第一输入确定的目标标识为风险标识，且目标标识与识别结果不匹配的情况下，利用第一交易信息对所述识别模型进行训练，可提高识别模型的识别准确率。
参见图3，图3是本发明实施例提供的识别模型的训练过程的流程图，如图3所示，本实施例提供的识别模型的训练过程包括以下步骤：
步骤301、获取预设时间段内的多个第二交易信息，所述多个第二交易信息中每个第二交易信息包括参与交易的第二商户信息、第二终端采用的第二IP地址以及第二交易位置。
预设时间段可根据实际情况进行设置，例如3小时，在此不做限定。在预设时间段内，每个预设间隔获取一次交易信息，预设间隔可为5分钟。
其中，第二商户信息可以为商户标识、商户名称中的一项或多项。第二终端可以为手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)、个人数字助理(personal digital assistant，简称PDA)、移动上网装置(Mobile Internet Device，MID)或可穿戴式设备(Wearable Device)等。
第二终端上安装有购物软件，第二交易信息为第二终端针对用户在购物软件上的交易行为提交的信息。IP地址为第二终端在提交第二交易信息时使用的地址，第二交易位置为终端在提交第二交易信息时所在的位置。该位置可通过安装在第二终端上的定位模块获取，定位模块具体可为GPS模块。
步骤302、根据预设规则，对所述多个第二交易信息进行筛选，获得所述样本信息。
预设规则可预先设置，通过判断预设指标信息是否满足预设规则，来对多个第二交易信息进行筛选，获得样本信息，例如，预设指标信息为3个窗口段内同IP，且相近GPS的交易账号的个数，预设规则为预设指标信息的个数少于总交易笔数，且预设指标信息的个数少于30。在预设指标信息满足预设规则时，将交易账号对应的交易信息确定为样本信息。
步骤303、根据所述样本信息对基础模型进行训练，以获得所述识别模型。
基础模型可为循环神经网络(Recurrent Neural Network，简称RNN)模型，或者长短记忆神经网络(Long Short-Term Memory，简称LSTM)模型，当然，基础模型也可选择其他适应模型，在此不做限定
通过样本信息对基础模型进行训练，获得识别模型，由于用于训练基础模型的样本信息为根据预设规则对多个第二交易信息进行筛选后获得，可提高样本信息的准确率(样本信息为薅羊毛信息的概率高)，从而提高识别模型识别风险信息(即薅羊毛信息)的准确率。
以下对本申请提供的风险识别方法进行详细说明。
本方案采用基于规则终于模型的设计理念，采用逐步提高的手段来达到最终自动识别专业薅羊毛人员。系统收集流水号、交易时间、渠道交易码、商户机构号、账号类型、交易金额、交易众数、交易平均金额、交易子类型、商品获得名称、IP窗口特征1-特征36，终端窗口特征1-特征36，GPS窗口特征1-36、活动名称总数特征1-特征36，3小时同ip支付次数、3小时同设备支付次数。窗口特征是收集最近3个小时每个5分钟的单一属性不同的交易次数。如表1所示：
表1
Figure BDA0002320503840000071
通过预设规则(比如3个窗口段内同IP,相近GPS的交易账号个数明细少于总交易笔数且个数少于30)来识别可疑薅羊毛交易。然后通过人工方式对可疑薅羊毛交易进行标注，以标识真正薅羊毛的数据，进一步以标识的数据为样本进行薅羊毛模型训练，得到薅羊毛模型，最后根据模型判定的结果，结合规则判断的结果，快速识别专业薅羊毛人员。
本实施例结合了GPS、IP、商家活动等多维信息来判断交易信息是否正常薅羊毛信息。
电子设备前端采集IP、GPS、商户信息等相关数据，后端对采集到的数据整理分片，保存3小时内获取到的数据，每条新交易过来的信息需叠加在原有数据上，基于全部数据收集新的指标数据。
在确定指标数据时，指标要在合理的范围内，既不能太凌乱导致误判高，也不能太泛滥导致判断不准。
提供业务反标数据，增加指标或重新训练，不断提高模型的准确性及适应性。
本实施例包括6个模块，分别为采集模块、计算模块、规则判断模块、模型判断、模型训练模块、数据反标模块。
其中，采集模块：采集客户位置信息及商户活动信息。
计算模块：将结构化数据写入内存，然后按照不同统计维度(如客户、IP等)建立数据缓存(实际开发使用redis)，每次交易过来根据关键值获取数据块内容计算指标信息，并反写数据缓存。
规则判断模块：根据计算的指标判断业务薅羊毛规则。
模型判断模块：使用模型判断薅羊毛。
模型训练模块：用业务反标的数据重新提炼模型，提高模式准确性，适应性。
数据反标模块：提供清晰的页面方便业务标识是否事实专业薅羊毛。
本发明所提出的方法优点在于实时流处理，可以在第一时间发现专业薅羊毛作案。利用内存存储技术大幅度的节约输入输出资源，有效提高分析效率，快速返回筛选结果；同时根据筛选结果对识别模型进行训练，以进一步提高识别模型的识别准确率。
参见图4，图4是本发明实施例提供的风险识别装置的结构图，如图4所示，本实施例提供一种风险识别装置400，包括：
获取模块401，用于获取第一交易信息；
识别模块402，用于通过识别模型对所述第一交易信息进行识别，获得识别结果；
其中，所述识别模型通过样本信息训练得到，所述样本信息包括参与交易的第一商户信息、第一终端采用的第一网络之间互连的协议IP地址以及第一交易位置。
进一步的，所述识别模型的训练过程包括：
获取预设时间段内的多个第二交易信息，所述多个第二交易信息中每个第二交易信息包括参与交易的第二商户信息、第二终端采用的第二IP地址以及第二交易位置；
根据预设规则，对所述多个第二交易信息进行筛选，获得所述样本信息；
根据所述样本信息对基础模型进行训练，以获得所述识别模型。
进一步的，在所述根据所述样本信息对基础模型进行训练，以获得所述识别模型包括：
根据所述样本信息对基础模型进行训练，获得第一模型；
根据第三交易信息，对所述第一模型进行训练，以获得所述识别模型，其中，所述第三交易信息为所述样本信息中的风险数据。
进一步的，所述风险识别装置400还包括：
显示模块，用于显示用于对所述第一交易信息进行标识的界面；
接收模块，用于接收用户对所述第一交易信息进行标识的第一输入。
进一步的，所述风险识别装置400还包括：
训练模块，用于若所述第一输入确定的目标标识与所述识别结果不匹配，且所述目标标识为风险标识，则利用所述第一交易信息对所述识别模型进行训练。
风险识别装置400能够实现图1至图2的方法实施例中电子设备实现的各个过程，为避免重复，这里不再赘述。
本发明实施例的风险识别装置400，获取第一交易信息；通过识别模型对所述第一交易信息进行识别，获得识别结果；其中，所述识别模型通过样本信息训练得到，所述样本信息包括参与交易的第一商户信息、第一终端采用的第一网络之间互连的协议IP地址以及第一交易位置。通过识别模型对第一交易信息进行识别，并根据识别结果确定第一交易信息是否为薅羊毛行为所生成，这种对薅羊毛行为产生的信息进行识别的方式，减少了人工成本，提高了识别效率。
图5为实现本发明各个实施例的一种电子设备的硬件结构示意图，如图5所示，该电子设备500包括但不限于：射频单元501、网络模块502、音频输出单元503、输入单元504、传感器505、显示单元506、用户输入单元507、接口单元508、存储器509、处理器510、以及电源511等部件。本领域技术人员可以理解，图5中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。在本发明实施例中，电子设备包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备、以及计步器等。
其中，处理器510，用于获取第一交易信息；
通过识别模型对所述第一交易信息进行识别，获得识别结果；
其中，所述识别模型通过样本信息训练得到，所述样本信息包括参与交易的第一商户信息、第一终端采用的第一网络之间互连的协议IP地址以及第一交易位置。
进一步的，所述识别模型的训练过程包括：
获取预设时间段内的多个第二交易信息，所述多个第二交易信息中每个第二交易信息包括参与交易的第二商户信息、第二终端采用的第二IP地址以及第二交易位置；
根据预设规则，对所述多个第二交易信息进行筛选，获得所述样本信息；
根据所述样本信息对基础模型进行训练，以获得所述识别模型。
进一步的，在所述根据所述样本信息对基础模型进行训练，以获得所述识别模型包括：
根据所述样本信息对基础模型进行训练，获得第一模型；
根据第三交易信息，对所述第一模型进行训练，以获得所述识别模型，其中，所述第三交易信息为所述样本信息中的风险数据。
进一步的，处理器510，还用于控制显示单元506显示用于对所述第一交易信息进行标识的界面；
控制用户输入单元507收用户对所述第一交易信息进行标识的第一输入。
进一步的，处理器510，还用于若所述第一输入确定的目标标识与所述识别结果不匹配，且所述目标标识为风险标识，利用所述第一交易信息对所述识别模型进行训练。
电子设备500能够实现前述实施例中电子设备实现的各个过程，为避免重复，这里不再赘述。
本发明实施例的电子设备500，获取第一交易信息；通过识别模型对所述第一交易信息进行识别，获得识别结果；其中，所述识别模型通过样本信息训练得到，所述样本信息包括参与交易的第一商户信息、第一终端采用的第一网络之间互连的协议IP地址以及第一交易位置。通过识别模型对第一交易信息进行识别，并根据识别结果确定第一交易信息是否为薅羊毛行为所生成，这种对薅羊毛行为产生的信息进行识别的方式，减少了人工成本，提高了识别效率。
应理解的是，本发明实施例中，射频单元501可用于收发信息或通话过程中，信号的接收和发送，具体的，将来自基站的下行数据接收后，给处理器510处理；另外，将上行的数据发送给基站。通常，射频单元501包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元501还可以通过无线通信系统与网络和其他设备通信。
电子设备通过网络模块502为用户提供了无线的宽带互联网访问，如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
音频输出单元503可以将射频单元501或网络模块502接收的或者在存储器509中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元503还可以提供与电子设备500执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元503包括扬声器、蜂鸣器以及受话器等。
输入单元504用于接收音频或视频信号。输入单元504可以包括图形处理器(Graphics Processing Unit，GPU)5041和麦克风5042，图形处理器5041对在视频捕获模式或图像捕获模式中由图像捕获装置(如目标摄像头)获得的静态图像或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元506上。经图形处理器5041处理后的图像帧可以存储在存储器509(或其它存储介质)中或者经由射频单元501或网络模块502进行发送。麦克风5042可以接收声音，并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元501发送到移动通信基站的格式输出。
电子设备500还包括至少一种传感器505，比如光传感器、运动传感器以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板5061的亮度，接近传感器可在电子设备500移动到耳边时，关闭显示面板5061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别电子设备姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；传感器505还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等，在此不再赘述。
显示单元506用于显示由用户输入的信息或提供给用户的信息。显示单元506可包括显示面板5061，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板5061。
用户输入单元507可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元507包括触控面板5071以及其他输入设备5072。触控面板5071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板5071上或在触控面板5071附近的操作)。触控面板5071可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器510，接收处理器510发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板5071。除了触控面板5071，用户输入单元507还可以包括其他输入设备5072。具体地，其他输入设备5072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。
进一步的，触控面板5071可覆盖在显示面板5061上，当触控面板5071检测到在其上或附近的触摸操作后，传送给处理器510以确定触摸事件的类型，随后处理器510根据触摸事件的类型在显示面板5061上提供相应的视觉输出。虽然在图4中，触控面板5071与显示面板5061是作为两个独立的部件来实现电子设备的输入和输出功能，但是在某些实施例中，可以将触控面板5071与显示面板5061集成而实现电子设备的输入和输出功能，具体此处不做限定。
接口单元508为外部装置与电子设备500连接的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元508可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到电子设备500内的一个或多个元件或者可以用于在电子设备500和外部装置之间传输数据。
存储器509可用于存储软件程序以及各种数据。存储器509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、电话本等)等。此外，存储器509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。
处理器510是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器509内的软件程序和/或模块，以及调用存储在存储器509内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。处理器510可包括一个或多个处理单元；优选的，处理器510可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器510中。
电子设备500还可以包括给各个部件供电的电源511(比如电池)，优选的，电源511可以通过电源管理系统与处理器510逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
另外，电子设备500包括一些未示出的功能模块，在此不再赘述。
优选的，本发明实施例还提供一种电子设备，包括处理器510，存储器509，存储在存储器509上并可在所述处理器510上运行的计算机程序，该计算机程序被处理器510执行时实现上述风险识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述风险识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

Claims (10)

1.一种风险识别方法，其特征在于，包括：
获取第一交易信息；
通过识别模型对所述第一交易信息进行识别，获得识别结果；
其中，所述识别模型通过样本信息训练得到，所述样本信息包括参与交易的第一商户信息、第一终端采用的第一网络之间互连的协议IP地址以及第一交易位置。
2.根据权利要求1所述的方法，其特征在于，所述识别模型的训练过程包括：
获取预设时间段内的多个第二交易信息，所述多个第二交易信息中每个第二交易信息包括参与交易的第二商户信息、第二终端采用的第二IP地址以及第二交易位置；
根据预设规则，对所述多个第二交易信息进行筛选，获得所述样本信息；
根据所述样本信息对基础模型进行训练，以获得所述识别模型。
3.根据权利要求2所述的方法，其特征在于，在所述根据所述样本信息对基础模型进行训练，以获得所述识别模型包括：
根据所述样本信息对基础模型进行训练，获得第一模型；
根据第三交易信息，对所述第一模型进行训练，以获得所述识别模型，其中，所述第三交易信息为所述样本信息中的风险数据。
4.根据权利要求1所述的方法，其特征在于，所述在所述通过识别模型对所述第一交易信息进行识别，获得识别结果之后，还包括：
显示用于对所述第一交易信息进行标识的界面；
接收用户对所述第一交易信息进行标识的第一输入。
5.根据权利要求4所述的方法，其特征在于，在所述接收用户对所述第一交易信息进行标识的第一输入之后，还包括：
若所述第一输入确定的目标标识与所述识别结果不匹配，且所述目标标识为风险标识，则利用所述第一交易信息对所述识别模型进行训练。
6.一种风险识别装置，其特征在于，包括：
获取模块，用于获取第一交易信息；
识别模块，用于通过识别模型对所述第一交易信息进行识别，获得识别结果；
其中，所述识别模型通过样本信息训练得到，所述样本信息包括参与交易的第一商户信息、第一终端采用的第一网络之间互连的协议IP地址以及第一交易位置。
7.根据权利要求6所述的装置，其特征在于，所述识别模型的训练过程包括：
获取预设时间段内的多个第二交易信息，所述多个第二交易信息中每个第二交易信息包括参与交易的第二商户信息、第二终端采用的第二IP地址以及第二交易位置；
根据预设规则，对所述多个第二交易信息进行筛选，获得所述样本信息；
根据所述样本信息对基础模型进行训练，以获得所述识别模型。
8.根据权利要求7所述的装置，其特征在于，在所述根据所述样本信息对基础模型进行训练，以获得所述识别模型包括：
根据所述样本信息对基础模型进行训练，获得第一模型；
根据第三交易信息，对所述第一模型进行训练，以获得所述识别模型，其中，所述第三交易信息为所述样本信息中的风险数据。
9.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的风险识别方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的风险识别方法的步骤。
CN201911295841.9A 2019-12-16 2019-12-16 一种风险识别方法、装置及电子设备 Pending CN111080305A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911295841.9A CN111080305A (zh) 2019-12-16 2019-12-16 一种风险识别方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911295841.9A CN111080305A (zh) 2019-12-16 2019-12-16 一种风险识别方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN111080305A true CN111080305A (zh) 2020-04-28

Family

ID=70315028

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911295841.9A Pending CN111080305A (zh) 2019-12-16 2019-12-16 一种风险识别方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN111080305A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111782735A (zh) * 2020-07-01 2020-10-16 北京深演智能科技股份有限公司 羊毛党流量识别方法及装置
CN112003958A (zh) * 2020-07-03 2020-11-27 拉卡拉支付股份有限公司 一种定位交易地址的系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107146089A (zh) * 2017-03-29 2017-09-08 北京三快在线科技有限公司 一种刷单识别方法及装置，电子设备
CN108712253A (zh) * 2018-06-06 2018-10-26 北京美好人生伙伴信息技术有限公司 一种基于手机传感器指纹的伪造移动端识别方法及装置
CN109063977A (zh) * 2018-07-12 2018-12-21 中国银联股份有限公司 一种无感式交易风险监测方法及装置
CN109242522A (zh) * 2017-07-11 2019-01-18 深圳乐信软件技术有限公司 目标用户识别模型建立、目标用户识别方法及装置
CN110232473A (zh) * 2019-05-22 2019-09-13 重庆邮电大学 一种基于大数据金融的黑产用户预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107146089A (zh) * 2017-03-29 2017-09-08 北京三快在线科技有限公司 一种刷单识别方法及装置，电子设备
CN109242522A (zh) * 2017-07-11 2019-01-18 深圳乐信软件技术有限公司 目标用户识别模型建立、目标用户识别方法及装置
CN108712253A (zh) * 2018-06-06 2018-10-26 北京美好人生伙伴信息技术有限公司 一种基于手机传感器指纹的伪造移动端识别方法及装置
CN109063977A (zh) * 2018-07-12 2018-12-21 中国银联股份有限公司 一种无感式交易风险监测方法及装置
CN110232473A (zh) * 2019-05-22 2019-09-13 重庆邮电大学 一种基于大数据金融的黑产用户预测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111782735A (zh) * 2020-07-01 2020-10-16 北京深演智能科技股份有限公司 羊毛党流量识别方法及装置
CN112003958A (zh) * 2020-07-03 2020-11-27 拉卡拉支付股份有限公司 一种定位交易地址的系统及方法

Similar Documents

Publication Publication Date Title
CN109561211B (zh) 一种信息显示方法及移动终端
CN108833661B (zh) 一种信息的显示方法及移动终端
CN109753202B (zh) 一种截屏方法和移动终端
CN110162653B (zh) 一种图文排序推荐方法及终端设备
CN109523253B (zh) 一种支付方法和装置
CN111064654A (zh) 一种消息显示方法及电子设备
CN111125523A (zh) 搜索方法、装置、终端设备及存储介质
CN112597361A (zh) 一种排序处理方法、装置、电子设备及存储介质
CN110990679A (zh) 信息搜索方法及电子设备
CN111080305A (zh) 一种风险识别方法、装置及电子设备
CN108958579B (zh) 一种红包发送、收取方法及红包发送、收取装置
CN109032380B (zh) 一种文字输入方法和终端
CN111753520B (zh) 一种风险预测方法、装置、电子设备及存储介质
CN110007836B (zh) 一种账单生成方法及移动终端
CN111444314A (zh) 一种信息处理方法及电子设备
CN115985309A (zh) 语音识别方法、装置、电子设备及存储介质
CN115512270A (zh) 叶片数量检测方法、装置、电子设备及存储介质
CN111353422B (zh) 信息提取方法、装置及电子设备
CN109544170B (zh) 一种交易快照验证方法、设备及计算机可读存储介质
CN112329462A (zh) 一种数据排序方法、装置、电子设备及存储介质
CN111045588B (zh) 一种信息查看方法及电子设备
CN109348066B (zh) 一种来电意图识别方法、终端及计算机可读存储介质
CN109976610B (zh) 一种应用程序标识的归类方法及终端设备
CN109739998B (zh) 一种信息分类方法及装置
CN107844242B (zh) 一种移动终端的显示方法及移动终端

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220908

Address after: 25 Financial Street, Xicheng District, Beijing 100033

Applicant after: CHINA CONSTRUCTION BANK Corp.

Address before: 25 Financial Street, Xicheng District, Beijing 100033

Applicant before: CHINA CONSTRUCTION BANK Corp.

Applicant before: Jianxin Financial Science and Technology Co.,Ltd.