CN111080306A - 交易风险确定方法、装置、设备及存储介质 - Google Patents
交易风险确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111080306A CN111080306A CN201911303822.6A CN201911303822A CN111080306A CN 111080306 A CN111080306 A CN 111080306A CN 201911303822 A CN201911303822 A CN 201911303822A CN 111080306 A CN111080306 A CN 111080306A
- Authority
- CN
- China
- Prior art keywords
- transaction
- transaction event
- model
- risk
- model result
- 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
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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Computer Security & Cryptography (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种交易风险确定方法、装置、设备及存储介质,涉及数据处理技术领域。该交易风险确定方法包括:交易风险确定方法,其特征在于,所述方法包括:监测到交易事件被触发后,获取交易事件属性信息;基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果以及根据和第二模型获取与所述交易事件相对应的第二模型结果;基于所述第一模型结果和第二模型结果,按照预设算法计算所述交易事件对应的目标风险值;根据所述目标风险值和预设规则确定与所述交易事件对应的风险等级。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种交易风险确定方法、装置、设备及存储介质。
背景技术
现今金融科技发展迅猛,支付手段层出不穷,各机构为推广其支付手段,常常推出种种优惠活动,然此种优惠往往被专业羊毛党利用,他们常常大批量快速地抢占优惠名额,导致目标客户无法正常享受优惠,支付机构无法达到既定营销目标。
各支付机构都设定不同的反专业羊毛党策略,大多策略是基于事后方法,也即在薅羊毛或欺诈发生之后,提取相关交易的特征值,并设置为反欺诈策略,以便后续能够对同类交易进行阻断,客户在后续或者后续一段时间内不能进行同类交易。大多数现状的反欺诈策略存在非黑即白的问题,即用户一旦被识别为专业羊毛党则可能会被阻断所有交易,类似场景下正常交易也无法进行。
发明内容
本发明的目的在于,针对上述现有技术中的不足,提供一种业务风险确定方法、装置、设备及存储介质,以改善在用户一旦被识别为专业羊毛党则可能会被阻断所有交易的问题。
为实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种交易风险确定方法,该方法包括:
监测到交易事件被触发后,获取交易事件属性信息;
基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果以及根据和第二模型获取与所述交易事件相对应的第二模型结果;
基于所述第一模型结果和第二模型结果,按照预设算法计算所述交易事件对应的目标风险值;
根据所述目标风险值和预设规则确定与所述交易事件对应的风险等级。
在一个实施例中,获取交易事件属性信息之后,上述方法还包括:
根据所述交易事件属性信息判断所述交易事件是否符合预设条件;
基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果以及根据和第二模型获取与所述交易事件相对应的第二模型结果包括:
若所述交易事件符合预设条件,则基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果以及根据和第二模型获取与所述交易事件相对应的第二模型结果。
在一个实施例中,交易事件属性信息包括交易用户身份信息或交易受理方标识信息。
在一个实施例中,根据所述交易事件属性信息判断所述交易事件是否符合预设条件包括:
根据所述用户身份信息或交易受理方标识信息,在预设的风险数据库中查询是否存在对应的记录;
如果在预设的风险数据库中不存在对应的记录,判断所述交易事件符合预设条件。
在一个实施例中,交易事件属性信息还包括交易平台信息或支付方式信息;
基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果包括:
根据所述交易用户身份信息或交易受理方标识信息从第一模型中查询与所述交易事件相对应的第一模型结果;其中,所述第一模型中存储有交易用户身份信息或交易受理方标识信息和第一模型结果的对应关系。
在一个实施例中,基于所述交易事件属性信息根据和第二模型获取与所述交易事件相对应的第二模型结果包括:
根据所述交易用户身份信息或交易受理方标识信息,从第二模型中查询与所述交易事件相对应的第一权重以及第一权重对应的第一次数,以及查询与所述交易事件相对应的第二权重以及第二权重对应的第二次数;
根据第一权重、第一权重对应的第一次数、第二权重以及第二权重对应的第二次数,按照第一公式计算所述第二模型结果。
在一个实施例中,第一公式为:(第一权重*第一次数+第二权重*第二次数)/(第一次数+第二次数)。
在一个实施例中,基于所述第一模型结果和第二模型结果,按照预设算法计算所述交易事件对应的目标风险值包括:
将第一模型结果和第二模型结果相加或相乘,计算得到交易事件对应的目标风险值。
在一个实施例中,根据所述目标风险值和预设规则确定与所述交易事件对应的风险等级包括:
如果所述目标风险值小于预设阈值,则确定与所述交易事件对应的风险等级为第一等级;
如果所述目标风险值不小于预设阈值,则确定与所述交易事件对应的风险等级为第二等级。
在一个实施例中,上述方法还包括:
如果所述风险等级为第一等级,则所述交易事件通过验证;
如果所述风险等级为第二等级,所述交易事件验证失败,并将所述交易事件的记录添加到所述风险数据库中。
第二方面,本发明实施例提供了一种交易风险确定装置,该装置包括:
第一获取模块,用于监测到交易事件被触发后,获取交易事件属性信息;
第二获取模块,用于基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果以及根据和第二模型获取与所述交易事件相对应的第二模型结果;
计算模块,用于基于所述第一模型结果和第二模型结果,按照预设算法计算所述交易事件对应的目标风险值;
确定模块,用于根据所述目标风险值和预设规则确定与所述交易事件对应的风险等级。
在一个实施例中,上述装置还包括:
判断模块,用于获取交易事件属性信息之后,根据所述交易事件属性信息判断所述交易事件是否符合预设条件;
第二获取模块具体用于:
若所述交易事件符合预设条件,则基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果以及根据和第二模型获取与所述交易事件相对应的第二模型结果。
在一个实施例中,交易事件属性信息包括交易用户身份信息或交易受理方标识信息。
在一个实施例中,判断模块包括:
查询子模块,用于根据所述用户身份信息或交易受理方标识信息,在预设的风险数据库中查询是否存在对应的记录;
判断子模块,用于如果在预设的风险数据库中不存在对应的记录,判断所述交易事件符合预设条件。
在一个实施例中,交易事件属性信息还包括交易平台信息或支付方式信息;
第二获取模块具体用于:
根据所述交易用户身份信息或交易受理方标识信息从第一模型中查询与所述交易事件相对应的第一模型结果;其中,所述第一模型中存储有交易用户身份信息或交易受理方标识信息和第一模型结果的对应关系。
在一个实施例中,第二获取模块还用于:
根据所述交易用户身份信息或交易受理方标识信息,从第二模型中查询与所述交易事件相对应的第一权重以及第一权重对应的第一次数,以及查询与所述交易事件相对应的第二权重以及第二权重对应的第二次数;
根据第一权重、第一权重对应的第一次数、第二权重以及第二权重对应的第二次数,按照第一公式计算所述第二模型结果。
在一个实施例中,第一公式为:(第一权重*第一次数+第二权重*第二次数)/(第一次数+第二次数)。
在一个实施例中,基于所述第一模型结果和第二模型结果,按照预设算法计算所述交易事件对应的目标风险值包括:
将第一模型结果和第二模型结果相加或相乘,计算得到交易事件对应的目标风险值。
在一个实施例中,根据所述目标风险值和预设规则确定与所述交易事件对应的风险等级包括:
如果所述目标风险值小于预设阈值,则确定与所述交易事件对应的风险等级为第一等级;
如果所述目标风险值不小于预设阈值,则确定与所述交易事件对应的风险等级为第二等级。
在一个实施例中,上述装置还包括:
处理模块,用于如果所述风险等级为第一等级,则所述交易事件通过验证;
如果所述风险等级为第二等级,所述交易事件验证失败,并将所述交易事件的记录添加到所述风险数据库中。
第三方面,本发明实施例还提供一种交易设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当所述交易设备运行时,所述处理器与所述存储介质之间通过所述总线通信,所述处理器执行所述机器可读指令,以执行第一方面提供的交易事件风险确定方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,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运行时执行第一方面提供的交易事件风险确定方法的步骤。
第五方面,本发明实施例还提供一种主控端设备,包括:处理器、存储介质和总线,存储介质存储有处理器可执行的机器可读指令,当主控端设备运行时,处理器与存储介质之间通过总线通信,处理器执行机器可读指令,以执行第一方面提供的业务风险确定方法的步骤。
本发明通过监测到交易事件被触发后,获取交易事件属性信息;基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果以及根据和第二模型获取与所述交易事件相对应的第二模型结果;基于所述第一模型结果和第二模型结果,按照预设算法计算所述交易事件对应的目标风险值;根据所述目标风险值和预设规则确定与所述交易事件对应的风险等级。
本方法在上述方案中加以改进,不仅提取同类交易特征值,同时对客户的交易基于历史交易进行欺诈评分,并对欺诈评分进行时间衰减,也即上一次发生欺诈越久远,则对本次交易欺诈评分影响越小,从而达到防止“一刀切”方式下的交易误判。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书实施例。
此外,本说明书实施例中的任一实施例并不需要达到上述的全部效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请一实施例提供的交易风险确定方法的流程示意图;
图2为本申请另一实施例提供的交易风险确定方法的流程示意图;
图3为本申请一实施例提供的交易风险确定装置的结构示意图;
图4为本申请另一实施例提供的交易风险确定装置的结构示意图;
图5为本申请另一实施例提供的交易风险确定装置的结构示意图;
图6为本申请一实施例提供的交易设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
图1为本申请一实施例提供的业务风险确定方法的流程示意图,如图2 所示,该方法包括:
S101、监测到交易事件被触发后,获取交易事件属性信息;
一些实施方式中,交易事件属性信息包括交易用户身份信息或交易受理方标识信息,另外一些实施方式中,交易事件属性信息还可以包括交易事件属性信息还包括交易平台信息或支付方式信息等,在此不做限制。
示例性的,交易用户身份信息包括但不局限于支付账号,银行卡号,身份证号、电话或手机号、用户指纹等能唯一标识用户身份的标识;交易受理方标识信息包括并不局限于POS机设备标识、设备IP、商户号等。
S102、基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果以及根据和第二模型获取与所述交易事件相对应的第二模型结果;
其中,第一模型用于获取到交易事件第一模型结果,在本实施例中,第一模型结果可以是交易事件对应的初始风险分值。目前,针对网络交易中存在的薅羊毛等风险,已经有一些网站或银行都运行维护着薅羊毛防控基础策略体系,通过训练多个风险识别模型进行风险识别。在模型训练完成后,会根据策略对模型的风险分值进行评估。模型的风险分值是指交易事件被模型识别的风险分值,风险分值可以是1分制,10分制,100分制,风险分值越大,表明数据风险越高,交易事件为薅羊毛的概率越大,在此不做限制。
第二模型用于获取到交易事件第二模型结果,在一些实施例中,第二模型是基于历史风险记录和历史风险记录发生时间按照发生时间而衰减执行的。历史风险记录可以是根据其他技术手段识别出来的一条一条的交易数据,交易数据中包含有交易时间,本发明不作限定。第二模型的输入是交易事件属性信息,输出为第二模型结果,其中,第二模型结果可以是具体的分值,在本实施例中,第二模型结果为0-1之间的权重值。具体的,第二模型中可以按照账户记录发生欺诈事件的数量和时间,并根据时间对每个账户发生欺诈事件的数量进行统计,其中,时间可以按照天,星期,月等执行,本发明不作限制,其中,每条记录都设置有对应的权重。
例如,如果统计的时间是按照月份统计的,那么,最近的一个月权重设置为1,前一个月权重为0.8,前两个月权重为0.6等,该权重可以根据具体情况修改。各账户对应的第二模型结果K可以通过以下公式获得:
K=(k1*t1+k2*t2+kn*tn)/(t1+t2+tn)
表1为第二模型原理示意,如表1所示,账户A对应的权重为(2*1+0.8) /3=0.93;账户B对应的权重为(0.6+0.5+0.4*2)/4=0.475。
账户 | 发生次数t | 发生时间 | 权重k |
A | 2 | 12月 | 1 |
B | 1 | 10月 | 0.6 |
B | 1 | 7月 | 0.5 |
A | 1 | 11月 | 0.8 |
B | 2 | 6月 | 0.4 |
表1
因此可能出现一个客户每月发生一次欺诈总计一年12次欺诈,风险不及另一客户一天发生两次总计2次欺诈的风险度高。
如果统计的时间是按照周或天统计的,原理和按照月份是相同的,如果记录太多,可以删除发生时间较早的一些记录,不再赘述。
S103、基于所述第一模型结果和第二模型结果,按照预设算法计算所述交易事件对应的目标风险值;
在一些实施例中,目标风险值可以通过第一模型结果和第二模型结果求和得到,也可以通过第一模型结果和第二模型结果相乘得到,或者其他成正相关的函数关系,本发明不作限制。
如果获取的交易事件1的交易事件属性信息指示为账户A,那么,如果根据第一模型得到的第一模型结果为70分,如果获取的交易事件2的交易事件属性信息指示为账户B,那么,如果根据第一模型得到的第一模型结果为80分;
如表1所示,账户A对应的权重为(2*1+0.8)/3=0.93;账户B对应的权重为(0.6+0.5+0.4*2)/4=0.475。那么第一模型结果和第二模型结果相乘,得到交易事件1的目标风险分值为70*0.93=65.1分,交易事件2的目标风险分值为80*0.475=38分。
S104、根据所述目标风险值和预设规则确定与所述交易事件对应的风险等级。
如果所述目标风险值小于预设阈值,则确定与所述交易事件对应的风险等级为第一等级;
如果所述目标风险值不小于预设阈值,则确定与所述交易事件对应的风险等级为第二等级。
如果预设阈值为60分,则交易事件1的风险等级确定为第二等级,交易事件2的风险等级确定为第一等级。
可选的,上述方法还可以包括:
如果所述风险等级为第一等级,则所述交易事件通过验证;
如果所述风险等级为第二等级,所述交易事件验证失败,并将所述交易事件的记录添加到所述风险数据库中。
可选的,还可以定期的检测交易事件属性信息对应的风险等级,当对应的风险等级为第一等级时,将交易事件的记录从所述风险数据库中删除。
在本实施例中,通过监测到交易事件被触发后,获取交易事件属性信息,基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果以及根据和第二模型获取与所述交易事件相对应的第二模型结果,基于所述第一模型结果和第二模型结果,按照预设算法计算所述交易事件对应的目标风险值,根据所述目标风险值和预设规则确定与所述交易事件对应的风险等级。由于根据第一模型和第二模型获取对应的结果后再计算,不再单纯的根据黑白名单进行一刀切的判断风险等级,提升了对交易事件等级确定的精确度。
图2为本申请另一实施例提供的业务风险确定方法的流程示意图。
可选的,如图2所示,该方法包括:
S201、监测到交易事件被触发后,获取交易事件属性信息;
S202、根据所述交易事件属性信息判断所述交易事件是否符合预设条件;
若所述交易事件符合预设条件,执行步骤S203,若所述交易事件不符合预设条件,确定与所述交易事件对应的风险等级为第二等级。
如果风险等级为第二等级,跳至步骤S207。
S203、基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果以及根据和第二模型获取与所述交易事件相对应的第二模型结果;
S204、基于所述第一模型结果和第二模型结果,按照预设算法计算所述交易事件对应的目标风险值;
S205、根据所述目标风险值和预设规则确定与所述交易事件对应的风险等级。
如果风险等级为第一等级,跳至步骤S206,如果风险等级为第二等级,跳至步骤S207。
S206、验证通过,交易事件进程继续执行。
流程结束。
S207、终止交易事件的进程。
流程结束。
图3为本申请另一实施例提供的业务风险确定装置的结构示意图。
如图3所示,该业务风险确定装置包括第一获取模块301、第二获取模块302、计算模块303和确定模块304;
第一获取模块301,用于监测到交易事件被触发后,获取交易事件属性信息;
第二获取模块302,用于基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果以及根据和第二模型获取与所述交易事件相对应的第二模型结果;
计算模块303,用于基于所述第一模型结果和第二模型结果,按照预设算法计算所述交易事件对应的目标风险值;
确定模块304,用于根据所述目标风险值和预设规则确定与所述交易事件对应的风险等级。
图4为本申请另一实施例提供的业务风险确定装置的结构示意图。
如图4所示,该业务风险确定装置包括第一获取模块401、第二获取模块402、计算模块403、确定模块404和判断模块405;
判断模块405,用于获取交易事件属性信息之后,根据所述交易事件属性信息判断所述交易事件是否符合预设条件;
第二获取模块402具体用于:
若所述交易事件符合预设条件,则基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果以及根据和第二模型获取与所述交易事件相对应的第二模型结果。
在一个实施例中,交易事件属性信息包括交易用户身份信息或交易受理方标识信息。
在一个实施例中,判断模块405可以包括:
查询子模块,用于根据所述用户身份信息或交易受理方标识信息,在预设的风险数据库中查询是否存在对应的记录;
判断子模块,用于如果在预设的风险数据库中不存在对应的记录,判断所述交易事件符合预设条件。
在一个实施例中,交易事件属性信息还包括交易平台信息或支付方式信息;
第二获取模块402具体用于:
根据所述交易用户身份信息或交易受理方标识信息从第一模型中查询与所述交易事件相对应的第一模型结果;其中,所述第一模型中存储有交易用户身份信息或交易受理方标识信息和第一模型结果的对应关系。
在一个实施例中,第二获取模块402还用于:
根据所述交易用户身份信息或交易受理方标识信息,从第二模型中查询与所述交易事件相对应的第一权重以及第一权重对应的第一次数,以及查询与所述交易事件相对应的第二权重以及第二权重对应的第二次数;
根据第一权重、第一权重对应的第一次数、第二权重以及第二权重对应的第二次数,按照第一公式计算所述第二模型结果。
在一个实施例中,第一公式为:(第一权重*第一次数+第二权重*第二次数)/(第一次数+第二次数)。
在一个实施例中,计算模块403具体用于:
将第一模型结果和第二模型结果相加或相乘,计算得到交易事件对应的目标风险值。
在一个实施例中,确定模块404具体用于:
如果所述目标风险值小于预设阈值,则确定与所述交易事件对应的风险等级为第一等级;如果所述目标风险值不小于预设阈值,则确定与所述交易事件对应的风险等级为第二等级。
图5为本申请另一实施例提供的业务风险确定装置的结构示意图。
如图5所示,该业务风险确定装置包括第一获取模块501、第二获取模块502、计算模块503、确定模块504和处理模块505;
处理模块505,用于如果所述风险等级为第一等级,则所述交易事件通过验证;
如果所述风险等级为第二等级,所述交易事件验证失败,并将所述交易事件的记录添加到所述风险数据库中。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称 FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
图6为本申请一实施例提供的交易设备结构示意图。
如图6所示,该受控端设备包括:处理器601、存储介质602和总线 603,其中:
交易设备可以包括一个或多个处理器601、总线603和存储介质602,其中,存储介质602用于存储程序,处理器601通过总线603与存储介质 602通信连接,处理器601调用存储介质602存储的程序,以执行上述方法实施例。
需要说明的是,处理器601可以包括一个或多个处理核(例如,单核处理器或多核处理器)。仅作为举例,处理器可以包括中央处理单元(Central Processing Unit,CPU)、专用集成电路(Application Specific Integrated Circuit, ASIC)、专用指令集处理器(Application Specific Instruction-set Processor, ASIP)、图形处理单元(GraphicsProcessing Unit,GPU)、物理处理单元 (Physics Processing Unit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field Programmable GateArray,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、简化指令集计算机(Reduced Instruction Set Computing,RISC)、或微处理器等,或其任意组合。
存储介质602可以包括:包括大容量存储器、可移动存储器、易失性读写存储器、或只读存储器(Read-Only Memory,ROM)等,或其任意组合。作为举例,大容量存储器可以包括磁盘、光盘、固态驱动器等;可移动存储器可包括闪存驱动器、软盘、光盘、存储卡、zip磁盘、磁带等;易失性读写存储器可以包括随机存取存储器(Random Access Memory,RAM); RAM可以包括动态RAM(Dynamic Random Access Memory,DRAM),双倍数据速率同步动态RAM(Double Date-Rate Synchronous RAM,DDR SDRAM);静态RAM(Static Random-AccessMemory,SRAM),晶闸管 RAM(Thyristor-Based Random Access Memory,T-RAM)和零电容器RAM (Zero-RAM)等。作为举例,ROM可以包括掩模ROM(Mask Read-Only Memory,MROM)、可编程ROM(Programmable Read-Only Memory,PROM)、可擦除可编程ROM(ProgrammableErasable Read-only Memory,PEROM)、电可擦除可编程ROM(Electrically ErasableProgrammable read only memory, EEPROM)、光盘ROM(CD-ROM)、以及数字通用磁盘ROM等。
为了便于说明,在交易设备中仅描述了一个处理器601。然而,应当注意,本申请中的交易设备还可以包括多个处理器601,因此本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如,若交易设备的处理器601执行步骤A和步骤B,则应该理解,步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一处理器和第二处理器共同执行步骤A和B。
可选地,本发明还提供了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,计算机程序被处理器运行时执行如上述交易风险确认方法的步骤。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文: Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (13)
1.一种交易风险确定方法,其特征在于,所述方法包括:
监测到交易事件被触发后,获取交易事件属性信息;
基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果以及根据和第二模型获取与所述交易事件相对应的第二模型结果;
基于所述第一模型结果和第二模型结果,按照预设算法计算所述交易事件对应的目标风险值;
根据所述目标风险值和预设规则确定与所述交易事件对应的风险等级。
2.根据权利要求1所述的交易事件风险确定方法,其特征在于,所述获取交易事件属性信息之后,所述方法还包括:
根据所述交易事件属性信息判断所述交易事件是否符合预设条件;
基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果以及根据和第二模型获取与所述交易事件相对应的第二模型结果包括:
若所述交易事件符合预设条件,则基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果以及根据和第二模型获取与所述交易事件相对应的第二模型结果。
3.根据权利要求2所述的交易风险确定方法,其特征在于,所述交易事件属性信息包括交易用户身份信息或交易受理方标识信息。
4.根据权利要求3所述的交易风险确定方法,其特征在于,所述根据所述交易事件属性信息判断所述交易事件是否符合预设条件包括:
根据所述用户身份信息或交易受理方标识信息,在预设的风险数据库中查询是否存在对应的记录;
如果在预设的风险数据库中不存在对应的记录,判断所述交易事件符合预设条件。
5.根据权利要求3所述的交易风险确定方法,其特征在于,所述交易事件属性信息还包括交易平台信息或支付方式信息;
所述基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果包括:
根据所述交易用户身份信息或交易受理方标识信息从第一模型中查询与所述交易事件相对应的第一模型结果;其中,所述第一模型中存储有交易用户身份信息或交易受理方标识信息和第一模型结果的对应关系。
6.根据权利要求5所述的交易风险确定方法,其特征在于,所述基于所述交易事件属性信息根据和第二模型获取与所述交易事件相对应的第二模型结果包括:
根据所述交易用户身份信息或交易受理方标识信息,从第二模型中查询与所述交易事件相对应的第一权重以及第一权重对应的第一次数,以及查询与所述交易事件相对应的第二权重以及第二权重对应的第二次数;
根据第一权重、第一权重对应的第一次数、第二权重以及第二权重对应的第二次数,按照第一公式计算所述第二模型结果。
7.根据权利要求6所述的交易风险确定方法,其特征在于,所述第一公式为:(第一权重*第一次数+第二权重*第二次数)/(第一次数+第二次数)。
8.根据权利要求3所述的交易风险确定方法,其特征在于,所述基于所述第一模型结果和第二模型结果,按照预设算法计算所述交易事件对应的目标风险值包括:
将第一模型结果和第二模型结果相加或相乘,计算得到交易事件对应的目标风险值。
9.根据权利要求4所述的交易风险确定方法,其特征在于,所述根据所述目标风险值和预设规则确定与所述交易事件对应的风险等级包括:
如果所述目标风险值小于预设阈值,则确定与所述交易事件对应的风险等级为第一等级;
如果所述目标风险值不小于预设阈值,则确定与所述交易事件对应的风险等级为第二等级。
10.根据权利要求9所述的交易风险确定方法,其特征在于,所述方法还包括:
如果所述风险等级为第一等级,则所述交易事件通过验证;
如果所述风险等级为第二等级,所述交易事件验证失败,并将所述交易事件的记录添加到所述风险数据库中。
11.一种交易事件风险确定装置,其特征在于,所述装置包括:
第一获取模块,用于监测到交易事件被触发后,获取交易事件属性信息;
第二获取模块,用于基于所述交易事件属性信息,根据第一模型获取与所述交易事件相对应的第一模型结果以及根据和第二模型获取与所述交易事件相对应的第二模型结果;
计算模块,用于基于所述第一模型结果和第二模型结果,按照预设算法计算所述交易事件对应的目标风险值;
确定模块,用于根据所述目标风险值和预设规则确定与所述交易事件对应的风险等级。
12.一种交易设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当所述交易设备运行时,所述处理器与所述存储介质之间通过所述总线通信,所述处理器执行所述机器可读指令,以执行权利要求1至10任一项所述的交易事件风险确定方法的步骤。
13.一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运行时执行权利要求1至10任一项所述的交易事件风险确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911303822.6A CN111080306A (zh) | 2019-12-17 | 2019-12-17 | 交易风险确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911303822.6A CN111080306A (zh) | 2019-12-17 | 2019-12-17 | 交易风险确定方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111080306A true CN111080306A (zh) | 2020-04-28 |
Family
ID=70315335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911303822.6A Pending CN111080306A (zh) | 2019-12-17 | 2019-12-17 | 交易风险确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111080306A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112767162A (zh) * | 2021-01-22 | 2021-05-07 | 中信银行股份有限公司 | 交易处理方法、装置及存储介质 |
CN112785130A (zh) * | 2021-01-13 | 2021-05-11 | 上海派拉软件股份有限公司 | 一种网站风险等级识别方法、装置、设备及存储介质 |
CN113052604A (zh) * | 2021-03-17 | 2021-06-29 | 北京顶象技术有限公司 | 一种对象检测方法、装置、设备及存储介质 |
CN113657675A (zh) * | 2021-08-19 | 2021-11-16 | 阳光保险集团股份有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN114724311A (zh) * | 2022-05-16 | 2022-07-08 | 北京三快在线科技有限公司 | 储物柜开柜方法、装置、设备及计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107147621A (zh) * | 2017-04-20 | 2017-09-08 | 微医集团(浙江)有限公司 | 互联网医疗黄牛风险控制的实现方法 |
CN109559192A (zh) * | 2018-10-25 | 2019-04-02 | 深圳壹账通智能科技有限公司 | 基于关联图谱的风险检测方法、装置、设备及存储介质 |
CN109784934A (zh) * | 2019-03-14 | 2019-05-21 | 浙江鲸腾网络科技有限公司 | 一种交易风险控制方法、装置以及相关设备和介质 |
CN110046997A (zh) * | 2019-01-31 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 一种交易风险评估方法、装置和电子设备 |
CN110147967A (zh) * | 2019-05-28 | 2019-08-20 | 阿里巴巴集团控股有限公司 | 风险防控方法及装置 |
CN110163612A (zh) * | 2019-04-02 | 2019-08-23 | 阿里巴巴集团控股有限公司 | 一种支付风控方法及装置 |
CN110310123A (zh) * | 2019-07-01 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 风险判断方法和装置 |
-
2019
- 2019-12-17 CN CN201911303822.6A patent/CN111080306A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107147621A (zh) * | 2017-04-20 | 2017-09-08 | 微医集团(浙江)有限公司 | 互联网医疗黄牛风险控制的实现方法 |
CN109559192A (zh) * | 2018-10-25 | 2019-04-02 | 深圳壹账通智能科技有限公司 | 基于关联图谱的风险检测方法、装置、设备及存储介质 |
CN110046997A (zh) * | 2019-01-31 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 一种交易风险评估方法、装置和电子设备 |
CN109784934A (zh) * | 2019-03-14 | 2019-05-21 | 浙江鲸腾网络科技有限公司 | 一种交易风险控制方法、装置以及相关设备和介质 |
CN110163612A (zh) * | 2019-04-02 | 2019-08-23 | 阿里巴巴集团控股有限公司 | 一种支付风控方法及装置 |
CN110147967A (zh) * | 2019-05-28 | 2019-08-20 | 阿里巴巴集团控股有限公司 | 风险防控方法及装置 |
CN110310123A (zh) * | 2019-07-01 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 风险判断方法和装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112785130A (zh) * | 2021-01-13 | 2021-05-11 | 上海派拉软件股份有限公司 | 一种网站风险等级识别方法、装置、设备及存储介质 |
CN112785130B (zh) * | 2021-01-13 | 2024-04-16 | 上海派拉软件股份有限公司 | 一种网站风险等级识别方法、装置、设备及存储介质 |
CN112767162A (zh) * | 2021-01-22 | 2021-05-07 | 中信银行股份有限公司 | 交易处理方法、装置及存储介质 |
CN113052604A (zh) * | 2021-03-17 | 2021-06-29 | 北京顶象技术有限公司 | 一种对象检测方法、装置、设备及存储介质 |
CN113657675A (zh) * | 2021-08-19 | 2021-11-16 | 阳光保险集团股份有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN113657675B (zh) * | 2021-08-19 | 2024-04-02 | 阳光保险集团股份有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN114724311A (zh) * | 2022-05-16 | 2022-07-08 | 北京三快在线科技有限公司 | 储物柜开柜方法、装置、设备及计算机可读存储介质 |
CN114724311B (zh) * | 2022-05-16 | 2022-10-21 | 北京三快在线科技有限公司 | 储物柜开柜方法、装置、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111080306A (zh) | 交易风险确定方法、装置、设备及存储介质 | |
US10489786B2 (en) | Optimization of fraud detection model in real time | |
US20170148025A1 (en) | Anomaly detection in groups of transactions | |
CN108615119B (zh) | 一种异常用户的识别方法及设备 | |
US20090222308A1 (en) | Detecting first party fraud abuse | |
CN109272323B (zh) | 一种风险交易识别方法、装置、设备及介质 | |
CN109242034B (zh) | 决策树生成方法和装置 | |
Nguyen et al. | The behavior of US public debt and deficits during the global financial crisis | |
CN112184239A (zh) | 一种安全支付方法、装置、设备和可读介质 | |
CN110807643A (zh) | 一种用户信任评估方法、装置及设备 | |
CN109886676A (zh) | 用于区块链网络的支付方法、计算设备、存储介质 | |
CN107330709B (zh) | 确定目标对象的方法及装置 | |
CN110020795A (zh) | 用于基金收益发放风险控制的方法及装置 | |
CN110706111B (zh) | 可疑交易账户的识别方法、装置、存储介质和服务器 | |
US20180211233A1 (en) | Systems and Methods for Use in Permitting Network Transactions Based on Expected Activity to Accounts | |
CN112330373A (zh) | 用户行为分析方法、装置及计算机可读存储介质 | |
CN116433352A (zh) | 潜在贷款对象的确定方法、装置及电子设备 | |
CN106815290B (zh) | 一种基于图挖掘的银行卡归属的确定方法及装置 | |
CN115130577A (zh) | 一种欺诈号码识别方法、装置及电子设备 | |
CN112232962A (zh) | 交易指标处理方法、装置和设备 | |
JP3720815B2 (ja) | 遊技機評価システム | |
CN112862493B (zh) | 一种智能庞氏骗局检测方法、装置、终端及存储介质 | |
JP7316984B2 (ja) | 情報処理システムおよび情報処理方法 | |
CN110717823B (zh) | 一种信贷逾期风险识别方法和系统 | |
CN115409599A (zh) | 信用卡额度的调整方法、装置、计算机设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220926 Address after: 12 / F, 15 / F, 99 Yincheng Road, Pudong New Area pilot Free Trade Zone, Shanghai, 200120 Applicant after: Jianxin Financial Science and Technology Co.,Ltd. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |