CN111179085B - 一种账户数据处理方法、装置及系统 - Google Patents

Abstract

本说明书实施例公开了一种账户数据处理方法、装置及系统，所述方法包括获取资源管理系统提供的待识别账户的资源转移数据集；从所述资源转移数据集中提取指定资源转移数据对，所述指定资源转移数据对包括资源转入数据以及相应资源转入数据发生后的首个资源转出数据，其中，所述指定资源转移数据对中的资源转入数据与相应的首个资源转出数据的资源转移时间差小于指定时间阈值且资源转移量之差小于预设转移量阈值；对所述待识别账户在第一指定时间窗口内的资源转移数据对进行特征提取，获得第一特征数据；根据所述第一特征数据对所述待识别账户进行是否为目标监控账户类型的识别；所述资源管理系统对属于标监控账户类型的账户进行有效监管。

Description

一种账户数据处理方法、装置及系统

技术领域

本说明书涉及计算机数据处理技术领域，特别地，涉及一种账户数据处理方法、装置及系统。

背景技术

近年来，电信诈骗等诈骗行为猖獗，此类诈骗行为中受害用户一般通过金融机构的支付平台将资金转给诈骗者，因此，金融机构的支付平台的风险防控成为诈骗行为是否能成功实施的重要环节。金融机构的监管系统可以通过识别诈骗者在获取受害用户资金时所利用的账户，以使支付平台对相应账户的交易行为进行管控，有效拦截诈骗者骗取的资金，避免受害用户的损失。但目前金融机构的监管系统缺乏对此类账户的识别功能，只能依靠受害用户或者安防部门的提示确定此类账户，再对诈骗者骗取的资金进行拦截，不利于对用户资金安全的有效防控。

发明内容

本说明书实施例的目的在于提供一种账户数据处理方法、装置及系统，可以有效保障用户资源的安全性。

本说明书提供一种账户数据处理方法、装置及系统是包括如下方式实现的：

一种账户数据处理方法，应用于服务器，包括：

获取资源管理系统提供的待识别账户的资源转移数据集，所述资源转移数据集包括相对所述待识别账户的多个资源转出数据以及资源转入数据；

从所述资源转移数据集中提取指定资源转移数据对，所述指定资源转移数据对包括资源转入数据以及相应资源转入数据发生后的首个资源转出数据，其中，所述指定资源转移数据对中的资源转入数据与相应的首个资源转出数据的资源转移时间差小于指定时间阈值且资源转移量之差小于预设转移量阈值；

对所述待识别账户在第一指定时间窗口内的资源转移数据对进行特征提取，获得第一特征数据；

根据所述第一特征数据对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果；

若所述待识别账户为目标监控账户类型，则将所述识别结果发送至所述资源管理系统的一个或者多个业务子系统，以使所述业务子系统对所述目标监控账户类型的账户进行管控处理。

本说明书提供的所述方法的另一个实施例中，获取所述指定资源转移数据对中的资源转入数据发生之前的第二指定时间窗口内所述待识别账户的资源剩余量的被查询频率；

根据所述第一特征数据以及所述被查询频率对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果。

本说明书提供的所述方法的另一个实施例中，所述方法还包括：

获取所述待识别账户在所述第一指定时间窗口内的资源剩余量数据，提取所述资源剩余量数据的数据分布特征，获得第二特征数据；

根据所述第一特征数据以及第二特征数据对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果。

本说明书提供的所述方法的另一个实施例中，所述方法还包括：当确定所述待识别账户为目标监控账户类型后，获取所述待识别账户的用户标识，将所述用户标识对应的其他账户标记为目标监控账户类型。

本说明书提供的所述方法的另一个实施例中，所述方法还包括：当确定所述账户为目标监控账户类型后，获取所述资源转出数据所对应的资源接收账户，将所述资源转出数据所对应的资源接收账户标记为目标监控账户类型。

本说明书提供的所述方法的另一个实施例中，所述对所述目标监控账户类型的账户进行管控处理，包括：向所述目标监控账户类型的账户所对应的资源转出账户发送提醒，或者，将所述目标监控账户类型的账户的资源转入方式切换为风险资源转入方式。

另一方面，本说明书实施例还提供一种账户数据处理装置，应用于服务器，包括：

第一数据获取模块，用于获取资源管理系统提供的待识别账户的资源转移数据集，所述资源转移数据集包括相对所述待识别账户的多个资源转出数据以及资源转入数据；

数据提取模块，用于从所述资源转移数据集中提取指定资源转移数据对，所述指定资源转移数据对包括资源转入数据以及相应资源转入数据发生后的首个资源转出数据，其中，所述指定资源转移数据对中的资源转入数据与相应的首个资源转出数据的资源转移时间差小于指定时间阈值且资源转移量之差小于预设转移量阈值；

特征提取模块，用于对所述待识别账户在第一指定时间窗口内的资源转移数据对进行特征提取，获得第一特征数据；

第一账户类型识别模块，用于根据所述第一特征数据对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果；

识别结果发送模块，用于若所述待识别账户为目标监控账户类型，则将所述识别结果发送至所述资源管理系统对应的一个或者多个业务子系统，以使所述业务子系统对所述目标监控账户类型的账户进行管控处理。

本说明书提供的所述装置的另一个实施例中，所述装置还包括：

第二数据获取模块，用于获取所述指定资源转移数据对中的资源转入数据发生之前的第二指定时间窗口内所述待识别账户的资源剩余量的被查询频率；

第二账户类型识别模块，用于根据所述第一特征数据以及所述被查询频率对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果。

本说明书提供的所述装置的另一个实施例中，所述装置还包括：

第三数据获取模块，用于获取所述待识别账户在所述第一指定时间窗口内的资源剩余量数据，提取所述资源剩余量数据的数据分布特征，获得第二特征数据；

第三账户类型识别模块，用于根据所述第一特征数据以及第二特征数据对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果。

本说明书提供的所述装置的另一个实施例中，所述装置还包括：

第四账户类型识别模块，用于当确定所述待识别账户为目标监控账户类型后，获取所述待识别账户的用户标识，将所述用户标识对应的其他账户标记为目标监控账户类型。

本说明书提供的所述装置的另一个实施例中，所述装置还包括：

第五账户类型识别模块，用于当确定所述账户为目标监控账户类型后，获取所述资源转出数据所对应的资源接收账户，将所述资源转出数据所对应的资源接收账户标记为目标监控账户类型。

本说明书提供的所述装置的另一个实施例中，所述对所述目标监控账户类型的账户进行管控处理，包括：向所述目标监控账户类型的账户所对应的资源转出账户发送提醒，或者，将所述目标监控账户类型的账户的资源转入方式切换为风险资源转入方式。

另一方面，本说明书实施例还提供一种账户数据处理设备，所述设备包括处理器及用于存储处理器可执行指令的存储器，所述指令被所述处理器执行时实现包括以下步骤：

获取资源管理系统提供的待识别账户的资源转移数据集，所述资源转移数据集包括相对所述待识别账户的多个资源转出数据以及资源转入数据；

从所述资源转移数据集中提取指定资源转移数据对，所述指定资源转移数据对包括资源转入数据以及相应资源转入数据发生后的首个资源转出数据，其中，所述指定资源转移数据对中的资源转入数据与相应的首个资源转出数据的资源转移时间差小于指定时间阈值且资源转移量之差小于预设转移量阈值；

对所述待识别账户在第一指定时间窗口内的资源转移数据对进行特征提取，获得第一特征数据；

根据所述第一特征数据对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果；

若所述待识别账户为目标监控账户类型，则将所述识别结果发送至所述资源管理系统对应的一个或者多个业务子系统，以使所述业务子系统对所述目标监控账户类型的账户进行管控处理。

另一方面，本说明书实施例还提供一种账户数据处理系统，所述系统包括资源管理系统以及服务器，所述资源管理系统包括一个或者多个业务子系统，其中，

所述资源管理系统用于向所述服务器发送资源转移数据；

所述服务器包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现上述一个或者多个实施例所述方法的步骤；

所述资源管理系统的一个或者多个业务子系统用于接收识别结果，以及对目标监控账户类型的账户进行管控处理。

本说明书一个或多个实施例提供的账户数据处理方法、装置及系统，可以通过各账户的资源转出数据以及资源转入数据进行分析处理，提取指定资源转移数据对。所述指定资源转移数据对可以包括资源转入数据以及该资源转入数据发生后的首个资源转出数据，其中，所述资源转入数据与对应的首个资源转出数据的资源转移时间差小于指定时间阈值且资源转移量之差小于预设转移量阈值。然后，可以对账户的指定资源转移数据对的特征进行分析处理，确定相应账户是否为目标监控账户类型。从而可以实现对目标监控账户类型的准确识别，保障用户资源的安全性。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本说明书提供的一种账户数据处理方法实施例的流程示意图；

图2为本说明书提供的一种账户数据处理装置的模块结构示意图；

图3为根据本说明书的一个示例性实施例的服务器的示意结构图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是说明书一部分实施例，而不是全部的实施例。基于说明书一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书实施例方案保护的范围。

本说明书实施例提供的一个场景示例中，可以将电信诈骗等非正常交易行为中对骗取的资源进行中转的账户设置为目标监控账户类型。所述资源如可以为支付平台的流通货币，也可以为游戏币，当然也可以为其他类型的交互资源。

用户可以通过客户终端设备发起对某账户的资源转移数据请求，所述资源转移数据请求可以包括对该账户的资源转入数据请求，也可以包括对该账户的资源转出数据请求。资源管理系统的一个或者多个业务子系统可以根据该资源转移数据请求进行资源转移数据处理，形成该账户所对应的资源转入数据或者资源转出数据。

资源管理系统可以将账户的资源转入数据、资源转出数据发送给账户数据处理系统，账户数据处理系统可以对接收的各账户的资源转入数据及资源转出数据进行分析，确定相应账户是否为目标监控账户类型。若确定账户为目标监控账户类型，账户数据处理系统还可以将结果反馈给资源管理系统的一个或者多个业务子系统，以使得业务子系统对目标监控账户类型的账户进行有效的管控处理。

图1是本说明书提供的所述账户数据处理方法实施例流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构，但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中，这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置、服务器或终端产品应用时，可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境)。

具体的一个实施例如图1所示，本说明书提供的账户数据处理方法的一个实施例中，所述方法可以应用于所述账户数据处理系统的服务器，所述方法可以包括如下步骤：

S20：获取资源管理系统提供的待识别账户的资源转移数据集，所述资源转移数据集包括相对所述待识别账户的多个资源转出数据以及资源转入数据。

服务器可以获取资源管理系统提供的待识别账户的资源转移数据集，所述资源转移数据集可以包括相对所述待识别账户的多个资源转出数据以及资源转入数据。

服务器如可以获取资源管理系统实时提供的资源转移数据，然后，可以提取当前时间节点之前的第一指定时间窗口内的待识别账户的资源转入数据、资源转出数据，形成该待识别账户的资源转移数据集，以用于账户数据处理。或者，也可以间隔一段时间从资源管理系统获取第一指定时间窗口内待识别账户的资源转入数据、资源转出数据，形成待识别账户的转移数据集。当然，也可以采用其他的方式进行资源转移数据集的获取，这里不做限定。所述第一指定时间窗口内的长度可以根据实际应用场景确定，如可以为六个月、十二个月等。

所述资源转出数据可以包括从待识别账户中转出资源所形成的数据，所述资源转入数据可以包括向待识别账户中转入资源所形成的数据。所述资源转入数据、资源转出数据可以包括待识别账户的账户标识、用户标识、资源接收账户信息或者资源转出账户信息、资源转移时间、资源转移量等数据。其中，所述账户标识可以用于对账户进行标识；所述用户标识可以用于对各账户所属的用户进行标识；所述资源接收账户可以包括资源转出数据中接收从待识别账户中转出的资源的账户；所述资源转出账户可以包括资源转入数据中向待识别账户转入资源的账户；所述资源转移时间可以包括资源转移至待识别账户的时间或者从待识别账户转出的时间；所述资源转移量可以包括从待识别账户中转出的资源量或者向待识别账户转入资源的资源量。

用户可以通过终端设备发起对某账户W的资源转入请求，资源管理系统可以根据该资源转入请求，将资源接收账户的资源转入该账户W中，并生成相对于该账户W的资源转入数据。或者，用户可以通过终端设备发起对某账户W的资源转出请求，资源管理系统可以根据该资源转出请求，将该账户W的资源从账户W转移至其他资源接收账户，并生成相对于账户W的资源转出数据。所述资源接收账户或者资源转出账户可以包括与账户W隶属于同一资源管理系统的账户，也可以为与账户W不属于同一资源管理系统的账户。

S22：从所述资源转移数据集中提取指定资源转移数据对，所述指定资源转移数据对包括资源转入数据以及相应资源转入数据发生后的首个资源转出数据，其中，所述指定资源转移数据对中的资源转入数据与相应的首个资源转出数据的资源转移时间差小于指定时间阈值且资源转移量之差小于预设转移量阈值。

服务器可以对所述资源转移数据集中的各资源转移数据、资源转出数据的资源转移时间、资源转移量进行分析，从所述资源转移数据集中提取出指定资源转移数据对。所述指定资源转移数据对可以包括资源转入数据以及该资源转入数据发生后的首个资源转出数据，其中，所述资源转入数据与对应的首个资源转出数据的资源转移时间差小于指定时间阈值且资源转移量之差小于预设转移量阈值。

例如，对于某一资源转入数据A，可以获取该资源转入数据A发生后产生的首个资源转出数据B，然后，可以获取该资源转入数据A及相应的首个资源转出数据B的资源转移时间T_A、T_B以及资源转移量M_A、M_B，若所述资源转入数据与对应的首个资源转出数据的资源转移时间差ΔT₁＝T_B-T_A小于指定时间阈值且资源转移量之差ΔM＝M_B-M_A小于预设转移量阈值，则可以将资源转入数据A以及该资源转入数据A发生后的首个资源转出数据B作为一待分析的指定资源转移数据对C。所述指定时间阈值、预设转移量阈值可以根据实际应用场景确定。

服务器可以对所述资源转移数据集中的各资源转移数据、资源转出数据的资源转移时间、资源转移量进行分析，提取出一个或者多个指定资源转移数据对C。

S24：对所述待识别账户在第一指定时间窗口内的资源转移数据对进行特征提取，获得第一特征数据。

服务器可以对所述待识别账户在第一指定时间窗口内的资源转移数据对进行特征提取。如可以提取第一指定时间窗口内的指定资源转移数据对的发生时间间隔、发生频率、发生次数等特征，获得第一特征数据。

服务器在特征提取之前，还可以对数据进行预处理。例如，可以对数据中的缺失值、异常值、数据格式等进行处理，以保证后续分析时数据分析的准确性以及效率。然后，可以对预处理后的指定资源转移数据对进行特征提取，所述特征提取的方式可以采用线性提取或者非线性提取，如可以采用主成分分析、典型对应分析等方式。或者，还可以进一步结合专家经验库进行特征提取。

S26：根据所述第一特征数据对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果。

服务器可以根据提取的第一特征数据对所述待识别账户是否为目标监控账户类型的识别，获得所述待识别账户是否为目标监控账户类型的识别结果。例如，可以通过预先构建的机器学习模型或者专家经验库对特征数据进行分析处理，获得所述待识别账户是否为目标监控账户类型的识别结果。

以机器学习算法为例进行说明。可以预先获取大量的已确定为目标监控账户类型的账户的资源转移数据集，以及已确定为非目标监控账户类型的账户的资源转移数据集，然后，分别按照步骤S22的方法进行指定资源转移数据对的提取，然后，再进一步对指定资源转移数据对进行特征提取，获得各账户的特征数据作为样本集。利用有监督学习算法对所述样本集进行学习训练，获得账户识别模型。然后，可以将待识别账户的特征数据输入账户识别模型中，获得待分析账户是否为目标监控账户类型的识别结果。所述有监督学习算法如可以为神经网络模型、K-近邻算法等。当然，也可以根据无监督学习算法进行账户识别模型的构建，或者进一步结合专家经验库进行账户识别模型的构建。所述识别结果可以为待识别账户是否为目标监控账户类型的直接输出结果，还可以同时包括待识别账户属于目标监控账户类型的概率值等。

S28：若所述待识别账户为目标监控账户类型，则将所述识别结果发送至所述资源管理系统的一个或者多个业务子系统，以使所述业务子系统对所述目标监控账户类型的账户进行管控处理。

确定所述待识别账户为目标监控账户类型后，可以向所述资源管理系统的一个或者多个业务子系统反馈所述识别结果，以使所述业务子系统对所述目标监控账户类型的账户进行管控处理。一些实施例中，如可以向所述目标监控账户类型的账户所对应的资源转出账户发送提醒，或者，将所述目标监控账户类型的账户的资源转入方式切换为风险资源转入方式。所述风险资源转入方式如可以包括延迟到账、用户多重验证等。例如，如果所述识别结果包括待识别账户属于目标监控账户类型的概率值，则业务子系统可以根据概率值的大小确定对相应账户的风险资源转入方式。通过实时将识别结果反馈业务子系统，以使业务子系统对目标监控账户类型的账户交易行为进行管控，可以实现向被骗用户进行及时提醒或者对诈骗者骗取的资金进行有效拦截，从而实现对用户资金安全的有效防控。

上述实施例提供的方案中，通过以账户为基准，对账户的资源转入数据、资源转出数据进行分析，根据实施诈骗的用户所利用的账户的资源转入数据、资源转出数据特征，提取出可以反映目标监控账户类型的特征的资源转移数据对。然后，再对提取的资源转移数据对进行特征分析，提取资源数据对的发生频率、发生次数特征，根据提取的特征进行目标监控账户类型的识别，可以实现对属于目标监控账户类型的账户的准确识别。以便于业务子系统对属于目标监控账户类型的账户进行有效管控，进而实现对用户资金的有效安全防控。

本说明书的另一些实施例中，所述方法还可以包括：获取所述指定资源转移数据对中的资源转入数据发生之前的第二指定时间窗口内所述待识别账户的资源剩余量的被查询频率；根据所述第一特征数据以及所述被查询频率对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果。

对于某账户W的某指定资源转移数据对C，可以获取指定资源转移数据C对中的资源转入数据A发生之前的第二指定时间窗口长度ΔT₂内所述账户W的资源剩余量的被查询频率。所述资源剩余量可以是指账户W中留存的资源数量。例如，对于支付平台，所述资源剩余量可以为账户W内的货币余额。实施诈骗的用户在实施诈骗行为后，通常可能会频繁的查询接收诈骗资源的账户内的资源剩余量，以在骗取的资源到账后，迅速将资源进行转移。利用上述实施例提供的方案，通过进一步结合资源转入数据A发生之前的第二指定时间窗口长度ΔT₂内所述账户W的资源剩余量的被查询频率进行目标监控账户类型的识别，可以进一步提高此类账户识别的准确性。

本说明书的另一些实施例中，所述方法还可以包括：获取所述待识别账户在所述第一指定时间窗口内的资源剩余量数据，提取所述资源剩余量数据的数据分布特征，获得第二特征数据；根据所述第一特征数据以及第二特征数据对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果。

可以进一步获取待识别账户在所述第一指定时间窗口内的资源剩余量数据，提取所述资源剩余量数据的数据分布特征，获得第二特征数据。然后，可以根据所述第一特征数据以及第二特征数据对所述账户进行是否为目标监控账户类型的识别；或者，也可以根据所述第一特征数据、上述实施例确定的被查询频率以及所述第二特征数据对所述待识别账户进行是否为目标监控账户类型的识别。实施诈骗的用户在接收到骗取的资源后，通常会将相当数量的资源迅速转移出去，其所利用的账户内的资源剩余量大部分时间内均处于小于一定剩余量阈值的状态，只有在指定资源转移数据对发生期间，资源剩余量会出现极大值。通过进一步结合分析账户的资源剩余量数据的数据分布特征，可以更加准确的实现对目标监控账户类型的识别。

本说明书的另一些实施例中，所述方法还可以包括：当确定所述待识别账户为目标监控账户类型后，获取所述待识别账户的用户标识，将所述用户标识对应的其他账户标记为目标监控账户类型。一个用户在支付平台中的账户可能不止一个，通过获取所述待识别账户的用户标识，根据所述用户标识可以获取所述待识别账户所属的用户的其他账户。若确定所述待识别账户为目标监控账户类型，则可以进一步将所述待识别账户所属的用户的其他账户也标记为目标监控账户类型，从而进一步提高识别效率以及准确性。

本说明书的另一些实施例中，所述方法还可以包括：当确定所述账户为目标监控账户类型后，获取所述资源转出数据所对应的资源接收账户，将所述资源转出数据所对应的资源接收账户标记为目标监控账户类型。目标监控账户类型在获得骗取的资源后，通常会迅速将骗取的资源进行转移，可以进一步获取资源转出时所对应的资源接收账户，将该账户也标记为目标监控账户类型，进一步提高识别效率以及准确性。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。具体的可以参照前述相关处理相关实施例的描述，在此不做一一赘述。

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。

本说明书一个或多个实施例提供的账户数据处理方法，可以通过各账户的资源转出数据以及资源转入数据进行分析处理，提取指定资源转移数据对。所述指定资源转移数据对可以包括资源转入数据以及该资源转入数据发生后的首个资源转出数据，其中，所述资源转入数据与对应的首个资源转出数据的资源转移时间差小于指定时间阈值且资源转移量之差小于预设转移量阈值。然后，可以对账户的指定资源转移数据对的特征进行分析处理，确定相应账户是否为目标监控账户类型。从而可以实现对目标监控账户类型的准确识别，保障用户资源的安全性。

基于上述所述的账户数据处理方法，本说明书一个或多个实施例还提供一种账户数据处理装置。所述的装置可以包括使用了本说明书实施例所述方法的系统、软件(应用)、模块、组件、服务器等并结合必要的实施硬件的装置。基于同一创新构思，本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参见前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。具体的，图2表示说明书提供的一种账户数据处理装置实施例的模块结构示意图，如图2所示，所述装置可以包括：

第一数据获取模块102，可以用于获取资源管理系统提供的待识别账户的资源转移数据集，所述资源转移数据集包括相对所述待识别账户的多个资源转出数据以及资源转入数据；

数据提取模块104，可以用于从所述资源转移数据集中提取指定资源转移数据对，所述指定资源转移数据对包括资源转入数据以及相应资源转入数据发生后的首个资源转出数据，所述指定资源转移数据对中的资源转入数据与相应的首个资源转出数据的资源转移时间差小于指定时间阈值且资源转移量之差小于预设转移量阈值；

特征提取模块106，可以用于对所述待识别账户在第一指定时间窗口内的资源转移数据对进行特征提取，获得第一特征数据；

第一账户类型识别模块108，可以用于根据所述第一特征数据对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果；

识别结果发送模块110，可以用于若所述待识别账户为目标监控账户类型，则将所述识别结果发送至所述资源管理系统对应的一个或者多个业务子系统，以使所述业务子系统对所述目标监控账户类型的账户进行管控处理。

本说明书的另一些实施例中，所述装置还可以包括：

第二数据获取模块，可以用于获取所述指定资源转移数据对中的资源转入数据发生之前的第二指定时间窗口内所述待识别账户的资源剩余量的被查询频率；

第二账户类型识别模块，可以用于根据所述第一特征数据以及所述被查询频率对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果。

本说明书的另一些实施例中，所述装置还可以包括：

第三数据获取模块，可以用于获取所述待识别账户在所述第一指定时间窗口内的资源剩余量数据，提取所述资源剩余量数据的数据分布特征，获得第二特征数据；

第三账户类型识别模块，可以用于根据所述第一特征数据以及第二特征数据对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果。

本说明书的另一些实施例中，所述装置还可以包括：

第四账户类型识别模块，可以用于当确定所述待识别账户为目标监控账户类型后，获取所述待识别账户的用户标识，将所述用户标识对应的其他账户标记为目标监控账户类型。

本说明书的另一些实施例中，所述装置还可以包括：

第五账户类型识别模块，可以用于当确定所述账户为目标监控账户类型后，获取所述资源转出数据所对应的资源接收账户，将所述资源转出数据所对应的资源接收账户标记为目标监控账户类型。

本说明书的另一些实施例中，所述对所述目标监控账户类型的账户进行管控处理，可以包括：向所述目标监控账户类型的账户所对应的资源转出账户发送提醒，或者，将所述目标监控账户类型的账户的资源转入方式切换为风险资源转入方式。

需要说明的，上述所述的装置根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。

本说明书一个或多个实施例提供的账户数据处理装置，可以通过各账户的资源转出数据以及资源转入数据进行分析处理，提取指定资源转移数据对。所述指定资源转移数据对可以包括资源转入数据以及该资源转入数据发生后的首个资源转出数据，其中，所述资源转入数据与对应的首个资源转出数据的资源转移时间差小于指定时间阈值且资源转移量之差小于预设转移量阈值。然后，可以对账户的指定资源转移数据对的特征进行分析处理，确定相应账户是否为目标监控账户类型。从而可以实现对目标监控账户类型的准确识别，保障用户资源的安全性。

本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例所描述方案的效果。因此，本说明书还提供一种账户数据处理设备，包括处理器及存储处理器可执行指令的存储器，所述指令被所述处理器执行时实现包括上述任意一个实施例所述方法的步骤。

本说明书实施例所提供的身份验证设备可以为计算机终端、服务器或者类似的运算设备。以服务器上为例，图3是应用本说明书实施例的服务器的硬件结构框图。如图3所示，服务器100可以包括一个或多个(图中仅示出一个)处理器200(处理器200可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器300、以及用于通信功能的传输模块400。本领域普通技术人员可以理解，图3所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，服务器100还可包括比图3中所示更多或者更少的组件，例如还可以包括其他的处理硬件，如数据库或多级缓存、GPU，或者具有与图3示不同的配置。

存储器300可用于存储应用软件的软件程序以及模块，如本发明实施例中的搜索方法对应的程序指令/模块，处理器200通过运行存储在存储器300内的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器300可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器300可进一步包括相对于处理器200远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输模块400用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中，传输模块400包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输模块400可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

所述存储介质可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括：利用电能方式存储信息的装置如，各式存储器，如RAM、ROM等；利用磁能方式存储信息的装置如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的装置如，CD或DVD。当然，还有其他方式的可读存储介质，例如量子存储器、石墨烯存储器等等。

需要说明的，上述所述的设备根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。

上述实施例所述的账户数据处理设备，可以通过各账户的资源转出数据以及资源转入数据进行分析处理，提取指定资源转移数据对。所述指定资源转移数据对可以包括资源转入数据以及该资源转入数据发生后的首个资源转出数据，其中，所述资源转入数据与对应的首个资源转出数据的资源转移时间差小于指定时间阈值且资源转移量之差小于预设转移量阈值。然后，可以对账户的指定资源转移数据对的特征进行分析处理，确定相应账户是否为目标监控账户类型。从而可以实现对目标监控账户类型的准确识别，保障用户资源的安全性。

本说明书还提供一种账户数据处理系统，所述系统可以为单独的账户数据处理系统，也可以应用在多种计算机数据处理系统中。所述的系统可以为单独的服务器，也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例装置的服务器集群、系统(包括分布式系统)、软件(应用)、实际操作装置、逻辑门电路装置、量子计算机等并结合必要的实施硬件的终端装置。所述账户数据处理系统可以包括资源管理系统以及服务器，所述资源管理系统包括一个或者多个业务子系统，其中，所述资源管理系统可以用于向所述服务器发送资源转移数据；所述服务器可以包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现上述一个或者多个实施例所述方法的步骤；所述资源管理系统的一个或者多个业务子系统可以用于接收识别结果，以及对目标监控账户类型的账户进行管控处理。

需要说明的，上述所述的系统根据方法或者装置实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。

上述实施例所述的账户数据处理系统，可以通过各账户的资源转出数据以及资源转入数据进行分析处理，提取指定资源转移数据对。所述指定资源转移数据对可以包括资源转入数据以及该资源转入数据发生后的首个资源转出数据，其中，所述资源转入数据与对应的首个资源转出数据的资源转移时间差小于指定时间阈值且资源转移量之差小于预设转移量阈值。然后，可以对账户的指定资源转移数据对的特征进行分析处理，确定相应账户是否为目标监控账户类型。从而可以实现对目标监控账户类型的准确识别，保障用户资源的安全性。

本说明书实施例并不局限于必须是符合标准数据模型/模板或本说明书实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例，仍然可以属于本说明书的可选实施方案范围之内。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。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。

本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述并不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (14)

1.一种账户数据处理方法，其特征在于，应用于服务器，包括：

获取资源管理系统提供的待识别账户的资源转移数据集，所述资源转移数据集包括相对所述待识别账户的多个资源转出数据以及资源转入数据；

从所述资源转移数据集中提取指定资源转移数据对，所述指定资源转移数据对包括资源转入数据以及相应资源转入数据发生后的首个资源转出数据，其中，所述指定资源转移数据对中的资源转入数据与相应的首个资源转出数据的资源转移时间差小于指定时间阈值且资源转移量之差小于预设转移量阈值；

对所述待识别账户在第一指定时间窗口内的资源转移数据对进行特征提取，获得第一特征数据；

根据所述第一特征数据，采用预先训练好的账户识别模型对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果；

若所述待识别账户为目标监控账户类型，则将所述识别结果发送至所述资源管理系统的一个或者多个业务子系统，以使所述业务子系统对所述目标监控账户类型的账户进行管控处理；

其中，按照如下方式建立所述账户识别模型：预先获取大量的已确定为目标监控账户类型的账户的资源转移数据集，以及已确定为非目标监控账户类型的账户的资源转移数据集；对已确定为目标监控账户类型的账户的资源转移数据集和已确定为非目标监控账户类型的账户的资源转移数据集进行指定资源转移数据对的提取；对指定资源转移数据对进行特征提取，获得各账户的特征数据作为样本集；利用有监督学习算法对所述样本集进行学习训练，获得所述账户识别模型，其中，所述有监督学习算法包括以下至少之一：神经网络模型、K-近邻算法；

其中，获得的识别结果中包括：待识别账户是否为目标监控账户类型的直接输出结果和待识别账户属于目标监控账户类型的概率值。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述指定资源转移数据对中的资源转入数据发生之前的第二指定时间窗口内所述待识别账户的资源剩余量的被查询频率；

根据所述第一特征数据以及所述被查询频率对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

获取所述待识别账户在所述第一指定时间窗口内的资源剩余量数据，提取所述资源剩余量数据的数据分布特征，获得第二特征数据；

根据所述第一特征数据以及第二特征数据对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：当确定所述待识别账户为目标监控账户类型后，获取所述待识别账户的用户标识，将所述用户标识对应的其他账户标记为目标监控账户类型。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：当确定所述账户为目标监控账户类型后，获取所述资源转出数据所对应的资源接收账户，将所述资源转出数据所对应的资源接收账户标记为目标监控账户类型。

6.根据权利要求1所述的方法，其特征在于，所述对所述目标监控账户类型的账户进行管控处理，包括：向所述目标监控账户类型的账户所对应的资源转出账户发送提醒，或者，将所述目标监控账户类型的账户的资源转入方式切换为风险资源转入方式。

7.一种账户数据处理装置，其特征在于，应用于服务器，包括：

第一数据获取模块，用于获取资源管理系统提供的待识别账户的资源转移数据集，所述资源转移数据集包括相对所述待识别账户的多个资源转出数据以及资源转入数据；

数据提取模块，用于从所述资源转移数据集中提取指定资源转移数据对，所述指定资源转移数据对包括资源转入数据以及相应资源转入数据发生后的首个资源转出数据，其中，所述指定资源转移数据对中的资源转入数据与相应的首个资源转出数据的资源转移时间差小于指定时间阈值且资源转移量之差小于预设转移量阈值；

特征提取模块，用于对所述待识别账户在第一指定时间窗口内的资源转移数据对进行特征提取，获得第一特征数据；

第一账户类型识别模块，用于根据所述第一特征数据，采用预先训练好的账户识别模型对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果；

识别结果发送模块，用于若所述待识别账户为目标监控账户类型，则将所述识别结果发送至所述资源管理系统对应的一个或者多个业务子系统，以使所述业务子系统对所述目标监控账户类型的账户进行管控处理；

其中，按照如下方式建立所述账户识别模型：预先获取大量的已确定为目标监控账户类型的账户的资源转移数据集，以及已确定为非目标监控账户类型的账户的资源转移数据集；对已确定为目标监控账户类型的账户的资源转移数据集和已确定为非目标监控账户类型的账户的资源转移数据集进行指定资源转移数据对的提取；对指定资源转移数据对进行特征提取，获得各账户的特征数据作为样本集；利用有监督学习算法对所述样本集进行学习训练，获得所述账户识别模型，其中，所述有监督学习算法包括以下至少之一：神经网络模型、K-近邻算法；

其中，获得的识别结果中包括：待识别账户是否为目标监控账户类型的直接输出结果和待识别账户属于目标监控账户类型的概率值。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

第二数据获取模块，用于获取所述指定资源转移数据对中的资源转入数据发生之前的第二指定时间窗口内所述待识别账户的资源剩余量的被查询频率；

第二账户类型识别模块，用于根据所述第一特征数据以及所述被查询频率对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果。

9.根据权利要求7或8所述的装置，其特征在于，所述装置还包括：

第三数据获取模块，用于获取所述待识别账户在所述第一指定时间窗口内的资源剩余量数据，提取所述资源剩余量数据的数据分布特征，获得第二特征数据；

第三账户类型识别模块，用于根据所述第一特征数据以及第二特征数据对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果。

10.根据权利要求7所述的装置，其特征在于，所述装置还包括：

第四账户类型识别模块，用于当确定所述待识别账户为目标监控账户类型后，获取所述待识别账户的用户标识，将所述用户标识对应的其他账户标记为目标监控账户类型。

11.根据权利要求7所述的装置，其特征在于，所述装置还包括：

第五账户类型识别模块，用于当确定所述账户为目标监控账户类型后，获取所述资源转出数据所对应的资源接收账户，将所述资源转出数据所对应的资源接收账户标记为目标监控账户类型。

12.根据权利要求7所述的装置，其特征在于，所述对所述目标监控账户类型的账户进行管控处理，包括：向所述目标监控账户类型的账户所对应的资源转出账户发送提醒，或者，将所述目标监控账户类型的账户的资源转入方式切换为风险资源转入方式。

13.一种账户数据处理设备，其特征在于，所述设备包括处理器及用于存储处理器可执行指令的存储器，所述指令被所述处理器执行时实现包括以下步骤：

获取资源管理系统提供的待识别账户的资源转移数据集，所述资源转移数据集包括相对所述待识别账户的多个资源转出数据以及资源转入数据；

从所述资源转移数据集中提取指定资源转移数据对，所述指定资源转移数据对包括资源转入数据以及相应资源转入数据发生后的首个资源转出数据，其中，所述指定资源转移数据对中的资源转入数据与相应的首个资源转出数据的资源转移时间差小于指定时间阈值且资源转移量之差小于预设转移量阈值；

对所述待识别账户在第一指定时间窗口内的资源转移数据对进行特征提取，获得第一特征数据；

根据所述第一特征数据，采用预先训练好的账户识别模型对所述待识别账户进行是否为目标监控账户类型的识别，获得识别结果；

若所述待识别账户为目标监控账户类型，则将所述识别结果发送至所述资源管理系统对应的一个或者多个业务子系统，以使所述业务子系统对所述目标监控账户类型的账户进行管控处理；

其中，按照如下方式建立所述账户识别模型：预先获取大量的已确定为目标监控账户类型的账户的资源转移数据集，以及已确定为非目标监控账户类型的账户的资源转移数据集；对已确定为目标监控账户类型的账户的资源转移数据集和已确定为非目标监控账户类型的账户的资源转移数据集进行指定资源转移数据对的提取；对指定资源转移数据对进行特征提取，获得各账户的特征数据作为样本集；利用有监督学习算法对所述样本集进行学习训练，获得所述账户识别模型，其中，所述有监督学习算法包括以下至少之一：神经网络模型、K-近邻算法；

其中，获得的识别结果中包括：待识别账户是否为目标监控账户类型的直接输出结果和待识别账户属于目标监控账户类型的概率值。

14.一种账户数据处理系统，其特征在于，所述系统包括资源管理系统以及服务器，所述资源管理系统包括一个或者多个业务子系统，其中，

所述资源管理系统用于向所述服务器发送资源转移数据；

所述服务器包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现所述权利要求1-5任一项所述方法的步骤；

所述资源管理系统的一个或者多个业务子系统用于接收识别结果，以及对目标监控账户类型的账户进行管控处理。

Images