CN111275445B - 一种数据的处理方法、装置及设备 - Google Patents

Abstract

本说明书实施例公开了一种数据的处理方法、装置及设备，所述方法包括：获取待检测的目标用户的认证信息，所述认证信息包括所述目标用户的人脸图像信息；通过分布式搜索节点，基于所述目标用户的人脸图像信息，获取候选用户的用户信息；基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值；基于所述目标用户存在欺诈风险的风险分值，确定与所述目标用户对应的用户处理策略。

Description

一种数据的处理方法、装置及设备

技术领域

本说明书涉及计算机技术领域，尤其涉及一种数据的处理方法、装置及设备。

背景技术

随着计算机技术的迅速发展，越来越多的金融机构采用人脸在线身份验证的方式对用户进行身份验证，但随着人脸在线身份验证方式的应用普及，身份欺诈现象不断发生，如何对存在欺诈风险的用户进行检测，并对存在欺诈风险的用户进行处理，以避免造成较大的经济损失，成为金融机构关注的焦点。

目前，金融机构可以在获取到用户的人脸图像信息后，基于该用户的人脸图像信息，检测是否存在与该用户相似的用户，如果存在，则可以认为该用户重复申请身份认证，并可能伪造了多重身份，该用户即为存在欺诈风险的用户，因此，需要一种能够及时准确的对存在欺诈风险的用户进行检测，并对存在欺诈风险的用户采取对应的处理策略的解决方案。

发明内容

本说明书实施例的目的是提供一种数据的处理方法、装置及设备，以提供一种能够及时准确的对存在欺诈风险的用户进行检测，并对存在欺诈风险的用户采取对应的处理策略的解决方案。

为了实现上述技术方案，本说明书实施例是这样实现的：

第一方面，本说明书实施例提供的一种数据的处理方法，所述方法包括：获取待检测的目标用户的认证信息，所述认证信息包括所述目标用户的人脸图像信息。通过分布式搜索节点，基于所述目标用户的人脸图像信息，获取候选用户的用户信息。基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值。基于所述目标用户存在欺诈风险的风险分值，确定与所述目标用户对应的用户处理策略。

第二方面，本说明书实施例提供的一种数据的处理方法，所述方法包括：获取待检测的目标用户的认证信息，所述认证信息包括所述目标用户的人脸图像信息。将所述目标用户的人脸图像信息发送至分布式搜索节点，并接收所述分布式搜索节点基于所述目标用户的人脸图像信息确定的候选用户的用户信息。基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值。基于所述目标用户存在欺诈风险的风险分值，确定与所述目标用户对应的用户处理策略。

第三方面，本说明书实施例提供的一种数据的处理方法，所述方法包括：接收反欺诈服务器发送的目标用户的人脸图像信息。基于所述目标用户的人脸图像信息，确定候选用户。将所述候选用户的用户信息发送给所述反欺诈服务器。

第四方面，本说明书实施例提供了一种数据的处理装置，所述装置包括：第一获取模块，用于获取待检测的目标用户的认证信息，所述认证信息包括所述目标用户的人脸图像信息。第二获取模块，用于通过分布式搜索节点，基于所述目标用户的人脸图像信息，获取候选用户的用户信息。分值确定模块，用于基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值。策略确定模块，用于基于所述目标用户存在欺诈风险的风险分值，确定与所述目标用户对应的用户处理策略。

第五方面，本说明书实施例提供了一种数据的处理装置，所述装置包括：第一获取模块，用于获取待检测的目标用户的认证信息，所述认证信息包括所述目标用户的人脸图像信息。信息发送模块，用于将所述目标用户的人脸图像信息发送至分布式搜索节点，并接收所述分布式搜索节点基于所述目标用户的人脸图像信息确定的候选用户的用户信息。分值确定模块，用于基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值。策略确定模块，用于基于所述目标用户存在欺诈风险的风险分值，确定与所述目标用户对应的用户处理策略。

第六方面，本说明书实施例提供了一种数据的处理装置，所述装置包括：信息接收模块，用于接收反欺诈服务器发送的目标用户的人脸图像信息。用户确定模块，用于基于所述目标用户的人脸图像信息，确定候选用户。信息发送模块，用于将所述候选用户的用户信息发送给所述反欺诈服务器。

第七方面，本说明书实施例提供了一种数据的处理设备，所述数据的处理设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：获取待检测的目标用户的认证信息，所述认证信息包括所述目标用户的人脸图像信息。通过分布式搜索节点，基于所述目标用户的人脸图像信息，获取候选用户的用户信息。基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值。基于所述目标用户存在欺诈风险的风险分值，确定与所述目标用户对应的用户处理策略。

第八方面，本说明书实施例提供了一种数据的处理设备，所述数据的处理设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：获取待检测的目标用户的认证信息，所述认证信息包括所述目标用户的人脸图像信息。将所述目标用户的人脸图像信息发送至分布式搜索节点，并接收所述分布式搜索节点基于所述目标用户的人脸图像信息确定的候选用户的用户信息。基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值。基于所述目标用户存在欺诈风险的风险分值，确定与所述目标用户对应的用户处理策略。

第九方面，本说明书实施例提供了一种数据的处理设备，所述数据的处理设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：接收反欺诈服务器发送的目标用户的人脸图像信息。基于所述目标用户的人脸图像信息，确定候选用户。将所述候选用户的用户信息发送给所述反欺诈服务器。

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。

图1为本说明书一种数据的处理方法实施例的流程图；

图2为本说明书另一种数据的处理方法实施例的流程图；

图3为本说明书又一种数据的处理方法实施例的流程图；

图4为本说明书一种数据的处理方法的示意图；

图5为本说明书又一种数据的处理方法实施例的流程图；

图6为本说明书又一种数据的处理方法实施例的流程图；

图7为本说明书又一种数据的处理方法实施例的流程图；

图8为本说明书一种目标关系图谱的示意图；

图9为本说明书又一种数据的处理方法实施例的流程图；

图10为本说明书一种数据的处理装置实施例的结构示意图；

图11为本说明书另一种数据的处理装置实施例的结构示意图；

图12为本说明书又一种数据的处理装置实施例的结构示意图；

图13为本说明书一种数据的处理设备的结构示意图；

图14为本说明书一种数据的处理设备的结构示意图；

图15为本说明书另一种数据的处理设备的结构示意图。

具体实施方式

本说明书实施例提供一种数据的处理方法、装置及设备。

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实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都应当属于本说明书保护的范围。

实施例一

如图1所示，本说明书实施例提供一种数据的处理方法，该方法的执行主体可以为服务器，该服务器可以为分布式服务器集群中的任意一个或多个数据节点。该方法具体可以包括以下步骤：

在S102中，获取待检测的目标用户的认证信息。

其中，目标用户可以是任意一个或多个使用预定服务的用户，例如，目标用户可以是使用在线支付服务的用户，认证信息可以包括目标用户的人脸图像信息，此外，认证信息还可以包括目标用户的联系信息(包括手机号、邮箱地址、即时通讯账号等)、身份信息(如身份证号码、年龄、性别等)等。

在实施中，随着计算机技术的迅速发展，越来越多的金融机构采用人脸在线身份验证的方式对用户进行身份验证，但随着人脸在线身份验证方式的应用普及，身份欺诈现象不断发生，如何对存在欺诈风险的用户进行检测，并对存在欺诈风险的用户进行处理，以避免造成较大的经济损失，成为金融机构关注的焦点。目前，金融机构可以在获取到用户的人脸图像信息后，基于该用户的人脸图像信息，检测是否存在与该用户相似的用户，如果存在，则可以认为该用户重复申请身份认证，并可能伪造了多重身份，该用户即为存在欺诈风险的用户，因此，需要一种能够及时准确的对存在欺诈风险的用户进行检测，并对存在欺诈风险的用户采取对应的处理策略的解决方案。为此，本说明书实施例提供一种可以解决上述问题的技术方案，具体可以参见下述内容。

以用户使用金融机构提供的实名认证返利服务为例，例如，某金融机构为了吸引新用户或获取更多的用户信息，通常会定期或不定期的推出多种相应的优惠活动，如通过实名认证的用户，该金融机构会为该用户发放相应的奖励(如优惠券或购物券等)，为此，用户可以通过向金融机构提供身份信息，以通过金融机构的实名认证，然后，即可享受金融机构提供的奖励，这就会导致存在同一用户为获得更多奖励，多次重复申请身份认证的现象发生，即存在有欺诈风险的用户通过重复申请身份认证的方式骗取金融机构提供的奖励。

针对该实名认证返利服务，可以设置有相应的认证服务器(为了简化后续说明，认证服务器以服务器代替，该认证服务器可以为分布式服务器集群中的任意一个或多个数据节点)，以及电子设备侧使用的应用程序，用户的电子设备中可以安装有该应用程序，通过该应用程序，电子设备可以获取用户的认证信息，然后电子设备可以将用户的认证信息发送服务器，以使服务器实现对用户的认证。

当用户需要使用实名认证返利服务时，可以在电子设备中启动该应用程序，然后用户可以在该应用程序中，输入自己的认证信息，同时，电子设备可以采集该用户的人脸图像信息，电子设备在接收到该用户的预设认证指令的情况下，可以将采集到的该用户的人脸图像信息、接收到用户输入的认证信息以及用户认证时间发送给服务器。此时，服务器可以接收该用户(即目标用户)的认证信息(包括该目标用户的人脸图像信息)，此外，服务器还可以接收多个电子设备发送的多个目标用户的认证信息。

在S104中，通过分布式搜索节点，基于目标用户的人脸图像信息，获取候选用户的用户信息。

其中，分布式搜索节点可以是分布式服务器集群中的任意一个或多个数据节点，候选用户可以是已认证用户中的一个或多个用户，用户信息可以是与目标用户的认证信息相同的信息，即候选用户的用户信息可以包括候选用户的人脸图像信息，此外，候选用户也可以是带有风险标签的用户。

在实施中，可以根据实际应用场景的不同，确定不同的分布式搜索节点的数量，例如，可以根据需要处理的数据量，确定分布式搜索节点的数量，或者，可以根据分布式服务集群中数据节点的使用情况，确定分布式搜索节点的数量等，本说明书实施例对分布式搜索节点的数量不做具体限定，分布式搜索节点中可以设置有对数据进行搜索或检索的算法，通过设置的算法可以构建分布式搜索节点的搜索引擎，基于分布式搜索节点的搜索引擎可以获取相应的数据或信息。

此外，本地服务器也可以作为分布式搜索节点，可以基于本地存储的已认证用户的用户信息以及其它分布式搜索节点存储的已认证用户的用户信息(即存储的人脸图像信息)，确定与目标用户的人脸图像信息具有预设相关关系的候选用户，并获取候选用户的用户信息。

其中，可以基于预设图像相似度算法，获取目标用户的人脸图像信息与每个已认证用户的人脸图像信息之间的图像相似度，并将相似度大于预设图像相似度阈值的已认证用户确定为候选用户。

上述候选用户的确定方法是一种可选地、可实现的确定方法，在实际应用场景中，可以有多个不同的确定方法，可以根据实际应用场景的不同而有所不同，本说明书实施例对此不做具体限定。

在S106中，基于目标用户的认证信息以及候选用户的用户信息，确定目标用户存在欺诈风险的风险分值。

在实施中，可以基于预设用户相似度判断规则，判断候选用户和目标用户之间的用户相似度，并根据用户相似度大于预设用户相似度阈值的候选用户的数量，确定目标用户存在欺诈风险的风险分值。

例如，目标用户的认证信息可以包括目标用户的邮箱地址和目标用户的年龄，同样的，候选用户的用户信息也可以包括候选用户的邮箱地址和候选用户的年龄。可以根据邮箱地址和年龄的相似度，判断目标用户和候选用户之间的相似度，如可以将候选用户的邮箱地址和目标用户的邮箱地址中相同字符串的长度，与目标用户的邮箱地址的字符串长度的比值，确定为候选用户与目标用户在邮箱地址上的相似度1。然后，可以根据目标用户的年龄与候选用户的年龄之间的差值，确定目标用户与候选用户在年龄上的相似度2。最后，可以基于邮箱地址和年龄对应的预设相似度权重，以及相似度1和相似度2，确定目标用户与候选用户之间的用户相似度，并可以统计用户相似度大于70％(即预设用户相似度阈值)的候选用户的数量，以确定目标用户的风险分值，数量越大，则目标用户存在欺诈风险的风险分值越大。

此外，还可以基于目标用户与候选用户之间在人脸图像信息上的图像相似度，判断目标用户存在欺诈风险的风险分值，例如，经过上述方法，可以计算出目标用户与候选用户之间的用户相似度(包括邮箱地址和年龄上的相似度)，然后可以在用户相似度的基础上，基于预设图像相似度权重，加入目标用户与候选用户之间在人脸图像信息上的图像相似度，以得到目标用户和候选用户的目标相似度，在根据目标相似度大于预设用户相似度阈值的候选用户的数量，确定目标用户存在欺诈风险的风险分值。

另外，如果候选用户是带有风险标签的用户，则可以根据目标相似度大于预设用户相似度阈值的候选用户的数量，以及带有风险标签的候选用户的数量，确定目标用户存在欺诈风险的风险分值。

上述目标用户的风险分值的确定方法是一种可选地、可实现的确定方法，在实际应用场景中，还可以有多种不同的风险分值的确定方法，可以根据实际应用场景的不同而有所不同，本说明书实施例对此不做具体限定。

在S108中，基于目标用户存在欺诈风险的风险分值，确定与目标用户对应的用户处理策略。

在实施中，可以根据目标用户的风险分值，以及目标用户所使用的预定服务的类型，确定对应的用户处理策略。

例如，预定服务可以包括在线支付服务和返利服务，假设目标用户的风险分值为75(假设风险分值的预设范围为0-100)，当目标用户使用在线支付服务时，虽然该目标用户的风险分值较高，但该目标用户的在线支付行为并不会对金融机构造成大的经济损失，可以暂时不对该目标用户进行处理。但是，如果该目标用户使用返利服务，就对金融机构造成大的经济损失，可以根据对应的用户处理策略(如禁止该目标用户使用返利服务等)，对该目标用户进行处理，以提高金融机构的风险防控能力。

本说明书实施例提供一种数据的处理方法，通过获取待检测的目标用户的认证信息，认证信息包括目标用户的人脸图像信息，通过分布式搜索节点，基于目标用户的人脸图像信息，获取候选用户的用户信息，基于目标用户的认证信息以及候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，基于目标用户存在欺诈风险的风险分值，确定与目标用户对应的用户处理策略，这样，由于分布式候选搜索节点具备可扩展性，所以通过分布式候选搜索节点获取候选用户的用户信息，可以提高数据处理的效率，即在数据量较大的情况下，可以保证较高的数据处理效率，以提高策略确定效率，此外，通过目标用户的认证信息和候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，可以较为全面的衡量目标用户的风险程度，以保证确定的用户处理策略能够准确的对目标用户进行处理，提高策略确定的准确性。

实施例二

如图2所示，本说明书实施例提供一种数据的处理方法，该方法的执行主体可以为服务器，该服务器可以为分布式服务器集群中的任意一个或多个数据节点。该方法具体可以包括以下步骤：

在S202中，获取待检测的目标用户的认证信息。

上述S202的具体处理过程可以参见上述实施例一中S102的相关内容，在此不再赘述。

在S204中，获取分布式搜索节点对应的第一用户的用户信息。

其中，第一用户可以是分布式搜索节点中存储的已认证用户，用户信息可以包括第一用户的人脸图像信息，此外，第一用户可以为带有风险标签的用户。

在实施中，第一用户可以是分布式搜索节点在预设存储周期内存储的已认证用户，例如，第一用户可以是分布式搜索节点在100天内存储的已认证用户。

在S206中，基于第一用户的人脸图像信息和目标用户的人脸图像信息，从第一用户中确定候选用户，并获取候选用户的用户信息。

在实际应用中，上述S206的处理方式可以多种多样，以下提供一种可选的实现方式，具体可以参见下述步骤一～步骤三处理。

步骤一，基于预设图像特征向量抽取算法，抽取目标用户的人脸图像信息对应的第一图像向量，以及第一用户的人脸图像信息对应的第二图像向量。

步骤二，获取第一图像向量与第二图像向量之间的距离。

步骤三，将距离小于预设距离阈值的第一用户确定为候选用户。

在执行完上述S206后，可以获取候选用户的用户信息，然后可以基于候选用户的用户信息以及目标用户的认证信息，确定目标用户的风险分值，具体的目标用户的风险分值的确定方法，可以参见下述S208～S210。

在S208中，通过分布式图谱构建节点，基于目标用户的认证信息以及候选用户的用户信息，构建目标用户与候选用户的目标关系图谱。

其中，分布式图谱构建节点可以是分布式服务器集群中的任意一个或多个数据处理节点，此外，分布式图谱构建节点也可以是分布式搜索节点，例如，分布式服务器集群可以有3个数据处理节点，其中，数据处理节点1和数据处理节点2可以是分布式搜索节点，数据节点2和数据节点3可以为分布式图谱构建节点，或者，分布式服务器集群中的这三个数据处理节点既可以作为分布式搜索节点，也可以作为分布式图谱构建节点。

在实施中，当候选用户的数量较大时，可以基于分布式图谱构建节点，并行的基于目标用户的认证信息以及候选用户的用户信息，构建多个子关系图谱，然后在将这多个子关系图谱合并为目标关系图谱，以提高数据的处理效率，保证策略确定的效率。

此外，当目标用户的数量较大时，可以基于分布式图谱构建节点，并行的构建多个目标关系图谱，以提高数据的处理效率，保证策略确定的效率。

在S210中，基于目标关系图谱，确定目标用户存在欺诈风险的风险分值。

在实际应用中，上述S210的处理方式可以多种多样，以下提供一种可选的实现方式，具体可以参见下述步骤一～步骤二处理。

步骤一，基于目标关系图谱中目标用户与候选用户之间的内聚性，确定目标用户的内聚性分值。

在实施中，可以获取目标关系图谱中，与目标用户存在连接关系的候选用户的数量，确定目标用户的内聚性分值，或者，还可以根据与目标用户之间连接关系的数量大于预设关系数量的候选用户的数量，确定目标用户的内聚性分值。

目标用户的内聚性分值的确定方法可以有多种，可以根据实际应用场景的不同而有所不同，本说明书实施例对此不做具体限定。

步骤二，基于内聚性分值，确定目标用户存在欺诈风险的风险分值。

内聚性分值与目标用户的风险分值可以为正相关关系，即当内聚性分值较高时，表明目标用户与多个候选用户之间存在较强的相关性，则该目标用户存在欺诈风险的程度较高，所以风险分值可以较大。

在S212中，基于目标用户存在欺诈风险的风险分值，确定与目标用户对应的用户处理策略。

上述S212的具体处理过程可以参见上述实施例一中S108的相关内容，在此不再赘述。

本说明书实施例提供一种数据的处理方法，通过获取待检测的目标用户的认证信息，认证信息包括目标用户的人脸图像信息，通过分布式搜索节点，基于目标用户的人脸图像信息，获取候选用户的用户信息，基于目标用户的认证信息以及候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，基于目标用户存在欺诈风险的风险分值，确定与目标用户对应的用户处理策略，这样，由于分布式候选搜索节点具备可扩展性，所以通过分布式候选搜索节点获取候选用户的用户信息，可以提高数据处理的效率，即在数据量较大的情况下，可以保证较高的数据处理效率，以提高策略确定效率，此外，通过目标用户的认证信息和候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，可以较为全面的衡量目标用户的风险程度，以保证确定的用户处理策略能够准确的对目标用户进行处理，提高策略确定的准确性，另外，分布式图谱构建节点也具备可扩展性，当目标用户或候选用户的数量较大时，通过分布式图谱构建节点构建目标用户和候选用户的目标关系图谱，以确定目标用户的风险分值，可以提高数据的处理效率。

实施例三

如图3所示，本说明书实施例提供一种数据的处理方法，该方法可以由于反欺诈服务器(Anti Spoof Server)执行。该方法具体可以包括以下步骤：

在S302中，获取待检测的目标用户的认证信息。

上述S302的具体处理过程可以参见上述实施例一中S102的相关内容，在此不再赘述。

在S304中，将目标用户的人脸图像信息发送至分布式搜索节点，并接收分布式搜索节点基于目标用户的人脸图像信息确定的候选用户的用户信息。

在实施中，如图4所示，反欺诈服务器在接收到电子设备发送的目标用户的认证信息后，可以将获取到的目标用户的人脸图像信息，发送给分布式搜索节点，分布式搜索节点可以基于目标用户的人脸图像信息，确定对应的候选用户，并将候选用户的用户信息发送给反欺诈服务器，即反欺诈服务器可以获取候选用户的用户信息。

此外，在反欺诈服务器中，可以有分布式搜索引擎，可以使用预设搜索语言(如Domain Specific Language)，将目标用户的人脸图像信息发送至分布式搜索节点，并得到候选用户的用户信息，即分布式搜索引擎可以将候选用户的用户信息反馈给反欺诈服务器。

在S306中，基于目标用户的认证信息以及候选用户的用户信息，确定目标用户存在欺诈风险的风险分值。

在S308中，基于目标用户存在欺诈风险的风险分值，确定与目标用户对应的用户处理策略。

上述S306-S308的具体处理过程可以参见上述实施例一中S106-S108的相关内容，在此不再赘述

本说明书实施例提供一种数据的处理方法，通过获取待检测的目标用户的认证信息，认证信息包括目标用户的人脸图像信息，将目标用户的人脸图像信息发送至分布式搜索节点，并接收分布式搜索节点基于目标用户的人脸图像信息确定的候选用户的用户信息，基于目标用户的认证信息以及候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，基于目标用户存在欺诈风险的风险分值，确定与目标用户对应的用户处理策略，这样，由于分布式候选搜索节点具备可扩展性，所以通过分布式候选搜索节点获取候选用户的用户信息，可以提高数据处理的效率，即在数据量较大的情况下，可以保证较高的数据处理效率，以提高反欺诈服务器的策略确定效率，此外，通过目标用户的认证信息和候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，可以较为全面的衡量目标用户的风险程度，以保证反欺诈服务器确定的用户处理策略能够准确的对目标用户进行处理，提高反欺诈服务器的策略确定的准确性。

实施例四

如图5所示，本说明书实施例提供一种数据的处理方法，该方法可以由于反欺诈服务器(Anti Spoof Sever)执行。该方法具体可以包括以下步骤：

在S502中，获取待检测的目标用户的认证信息。

在S504中，将目标用户的人脸图像信息发送至分布式搜索节点，并接收分布式搜索节点基于目标用户的人脸图像信息确定的候选用户的用户信息。

上述S502-S504的具体处理过程可以参见上述实施例三中S302-S304的相关内容，在此不再赘述。

在S506中，将目标用户的认证信息以及候选用户的用户信息发送给分布式图谱构建节点。

在实施中，如图4所示，反欺诈服务器在接收到分布式搜索节点确定的候选用户的用户信息后，可以将目标用户的认证信息以及候选用户的用户信息发送给分布式图谱构建节点。

在S508中，接收分布式图谱构建节点发送的目标用户的内聚性分值。

其中，内聚性分值可以为分布式图谱构建节点，基于目标关系图谱中目标用户与候选用户之间的内聚性确定的分值，目标关系图谱可以为基于目标用户的认证信息以及候选用户的用户信息构建的关系图谱。

在S510中，基于内聚性分值，确定目标用户存在欺诈风险的风险分值。

在S512中，基于目标用户存在欺诈风险的风险分值，确定与目标用户对应的用户处理策略。

上述S512的具体处理过程可以参见上述实施例一中S108的相关内容，在此不再赘述。

本说明书实施例提供一种数据的处理方法，通过获取待检测的目标用户的认证信息，认证信息包括目标用户的人脸图像信息，将目标用户的人脸图像信息发送至分布式搜索节点，并接收分布式搜索节点基于目标用户的人脸图像信息确定的候选用户的用户信息，基于目标用户的认证信息以及候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，基于目标用户存在欺诈风险的风险分值，确定与目标用户对应的用户处理策略，这样，由于分布式候选搜索节点具备可扩展性，所以通过分布式候选搜索节点获取候选用户的用户信息，可以提高数据处理的效率，即在数据量较大的情况下，可以保证较高的数据处理效率，以提高反欺诈服务器的策略确定效率，此外，通过目标用户的认证信息和候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，可以较为全面的衡量目标用户的风险程度，以保证反欺诈服务器确定的用户处理策略能够准确的对目标用户进行处理，提高反欺诈服务器的策略确定的准确性，另外，分布式图谱构建节点也具备可扩展性，当目标用户或候选用户的数量较大时，通过分布式图谱构建节点构建目标用户和候选用户的目标关系图谱，以确定目标用户的风险分值，可以提高反欺诈服务器的策略确定效率。

实施例五

如图6所示，本说明书实施例提供一种数据的处理方法，该方法可以由分布式数据节点执行，该分布式数据节点可以是分布式服务器集群中的任意一个或多个数据节点。该方法具体可以包括以下步骤：

在S602中，接收反欺诈服务器发送的目标用户的人脸图像信息。

在实施中，分布式数据节点可以是分布式服务器集群中的一个或多个分布式搜索节点。

在S604中，基于目标用户的人脸图像信息，确定候选用户。

在S606中，将候选用户的用户信息发送给反欺诈服务器，以确定目标用户存在欺诈风险的风险分值，并基于风险分值，确定与目标用户对应的用户处理策略。

本说明书实施例提供一种数据的处理方法，通过接收反欺诈服务器发送的目标用户的人脸图像信息，基于目标用户的人脸图像信息，确定候选用户，将候选用户的用户信息发送给反欺诈服务器，这样，由于分布式数据节点具备可扩展性，所以通过分布式数据节点获取候选用户的用户信息，可以提高数据处理的效率，即在数据量较大的情况下，可以保证较高的数据处理效率，这样，反欺诈服务器在接收到候选用户的用户信息后，可以较快的确定对目标用户的客户处理策略，即提高策略确定效率。

实施例六

如图7所示，本说明书实施例提供一种数据的处理方法，该方法可以由于分布式数据节点执行，分布式数据节点可以包括分布式图谱构建节点。该方法具体可以包括以下步骤：

在S702中，接收反欺诈服务器发送的目标用户的人脸图像信息。

在S704中，基于目标用户的人脸图像信息，确定候选用户。

在S706中，将候选用户的用户信息发送给反欺诈服务器。

上述S702～S706可以由分布式数据节点中的分布式搜索节点执行，下述S708～S712可以由分布式数据节点中的分布式图谱构建节点执行，其中，分布式搜索节点与分布式图谱构建节点可以相同，也可以不同，本说明书实施例对此不做具体限定。

在S708中，接收反欺诈服务器发送的候选用户的用户信息以及目标用户的认证信息。

在实施中，分布式数据节点可以包括分布式图谱构建节点，如图8所示，分布式图谱构建节点可以接收反欺诈服务器发送的候选用户的用户信息以及目标用户的认证信息。

在S710中，基于候选用户的用户信息以及目标用户的认证信息，构建目标用户和候选用户的目标关系图谱。

在实际应用中，上述S710的处理方式可以多种多样，以下提供一种可选的实现方式，具体可以参见下述步骤一～步骤二处理。

步骤一，将目标用户和候选用户，确定为目标关系图谱中的数据节点。

步骤二，基于候选用户的用户信息以及目标用户的认证信息，确定数据节点之间的连接关系。

在实施中，可以基于预设认证属性，获取目标用户的认证信息中的第一属性值，以及候选用户的用户信息中的第二属性值。其中，预设认证属性可以是联系方式、身份信息等。

可以获取第一属性值和第二属性值的相关度。在相关度大于预设相关度阈值的情况下，构建目标用户对应的数据节点与候选用户对应的数据节点之间的连接关系。

例如，构建的目标关系图谱可以如图8所示，其中，目标用户对应的数据节点与候选用户对应的数据节点之间的连接关系，可以是基于目标用户与候选用户之间人脸图像信息的图像相似度确定的，候选用户对应的数据节点之间的连接关系也可以是基于第二属性值之间的相关度确定的。例如，候选用户与目标用户之间，人脸图像信息的图像相似度是大于70％的，在构建目标关系图谱时，可以在图像相似度大于80％的候选用户对应的数据节点与目标用户对应的数据节点之间建立连接关系，然后可以基于邮箱地址、年龄等预设认证属性，获取候选用户之间第二属性值(即邮箱地址、年龄等)的相关度，在相关度大于预设相关度阈值的情况下，构建候选用户对应的数据节点之间的连接关系。

在S712中，基于目标关系图谱中目标用户与候选用户之间的内聚性，确定目标用户的内聚性分值，以使反欺诈服务器基于内聚性分值，确定目标用户存在欺诈风险的风险分值。

在实施中，如图8所示，在目标关系图谱中，可以有多个候选用户对应的数据节点与目标用户对应的数据节点相连接，在计算目标用户的内聚性分值时，可以根据与目标用户对应的数据节点构成连通图的候选用户对应的数据节点的数量，与目标关系图谱中候选用户对应的数据节点的数量的比值，确定目标用户的内聚性分值。例如，如图8所示，与目标用户对应的数据节点构成连通图的候选用户对应的数据节点有2个，目标关系图谱中共有3个候选用户对应的数据节点，则目标用户存在欺诈风险的风险分值可以为2*100/3＝66.7。

本说明书实施例提供一种数据的处理方法，通过接收反欺诈服务器发送的目标用户的人脸图像信息，基于目标用户的人脸图像信息，确定候选用户，将候选用户的用户信息发送给反欺诈服务器，这样，由于分布式数据节点具备可扩展性，所以通过分布式数据节点获取候选用户的用户信息，可以提高数据处理的效率，即在数据量较大的情况下，可以保证较高的数据处理效率，这样，反欺诈服务器在接收到候选用户的用户信息后，可以较快的确定对目标用户的客户处理策略，即提高策略确定效率，此外，分布式数据节点中的分布式图谱构建节点也具备可扩展性，当目标用户或候选用户的数量较大时，通过分布式图谱构建节点构建目标用户和候选用户的目标关系图谱，以确定目标用户的风险分值，可以提高反欺诈服务器的数据处理效率，即提高反欺诈服务器的策略确定效率。

实施例七

如图9所示，本说明书实施例提供一种数据的处理方法，该方法可以由服务器执行，该服务器可以为分布式数据节点或反欺诈服务器(Anti Spoof Sever)，分布式数据节点可以包括分布式搜索节点和分布式图谱构建节点。该方法具体可以包括以下步骤：

在S902中，反欺诈服务器获取待检测的目标用户的认证信息。

在S904中，反欺诈服务器将目标用户的人脸图像信息发送至分布式搜索节点。

在S906中，分布式数据节点基于目标用户的人脸图像信息，确定候选用户。

在S908中，分布式数据节点将候选用户的用户信息发送给反欺诈服务器。

在S910中，反欺诈服务器将目标用户的认证信息以及候选用户的用户信息发送给分布式图谱构建节点。

在S912中，分布式图谱构建节点基于候选用户的用户信息以及目标用户的认证信息，构建目标用户和候选用户的目标关系图谱。

在S914中，分布式图谱构建节点基于目标关系图谱中目标用户与候选用户之间的内聚性，确定目标用户的内聚性分值。

在S916中，反欺诈服务器接收分布式图谱构建节点发送的目标用户的内聚性分值。

在S918中，反欺诈服务器基于内聚性分值，确定目标用户存在欺诈风险的风险分值。

在S920中，反欺诈服务器基于目标用户存在欺诈风险的风险分值，确定与目标用户对应的用户处理策略。

本说明书实施例提供一种数据的处理装置，反欺诈服务器通过获取待检测的目标用户的认证信息，认证信息包括所述目标用户的人脸图像信息，通过分布式搜索节点，基于目标用户的人脸图像信息，获取候选用户的用户信息，然后将目标用户的认证信息以及候选用户的用户信息发送给分布式图谱构建节点，分布式图谱构建节点将确定的目标用户的内聚性分值发送给反欺诈服务器，反欺诈服务器基于内聚性分值，确定目标用户存在欺诈风险的风险分值，然后基于目标用户存在欺诈风险的风险分值，确定与目标用户对应的用户处理策略，这样，由于分布式候选搜索节点和分布式图谱构建节点具备可扩展性，所以通过分布式候选搜索节点获取候选用户的用户信息，以及通过分布式图谱构建节点获取目标用户的内聚性分值，可以提高数据处理的效率，即在数据量较大的情况下，可以保证较高的数据处理效率，以提高策略确定效率，此外，通过目标用户的认证信息和候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，可以较为全面的衡量目标用户的风险程度，以保证反欺诈服务器确定的用户处理策略能够准确的对目标用户进行处理，提高反欺诈服务器的策略确定准确性。

实施例八

以上为本说明书实施例提供的数据的处理方法，基于同样的思路，本说明书实施例还提供一种数据的处理装置，如图10所示。

该数据的处理装置包括：第一获取模块1001、第二获取模块1002、分值确定模块1003和策略确定模块1004，其中：

第一获取模块1001，用于获取待检测的目标用户的认证信息，所述认证信息包括所述目标用户的人脸图像信息；

第二获取模块1002，用于通过分布式搜索节点，基于所述目标用户的人脸图像信息，获取候选用户的用户信息；

分值确定模块1003，用于基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值；

策略确定模块1004，用于基于所述目标用户存在欺诈风险的风险分值，确定与所述目标用户对应的用户处理策略。

本说明书实施例中，所述分值确定模块1004，包括：

图片构建单元，用于通过分布式图谱构建节点，基于所述目标用户的认证信息以及所述候选用户的用户信息，构建所述目标用户与所述候选用户的目标关系图谱；

分值确定单元，用于基于所述目标关系图谱，确定所述目标用户存在欺诈风险的风险分值。

本说明书实施例中，所述分值确定单元，用于：

基于所述目标关系图谱中所述目标用户与所述候选用户之间的内聚性，确定所述目标用户的内聚性分值；

基于所述内聚性分值，确定所述目标用户存在欺诈风险的风险分值。

本说明书实施例中，所述分值确定模块1004，用于：

通过分布式图谱构建节点，基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值，所述分布式图谱构建节点用于根据所述目标用户的认证信息以及所述候选用户的用户信息，构建所述目标用户与所述候选用户的目标关系图谱，以确定所述目标用户存在欺诈风险的风险分值。

本说明书实施例中，所述第二获取模块1002，包括：

获取单元，用于获取所述分布式搜索节点对应的第一用户的用户信息，所述用户信息包括所述第一用户的人脸图像信息；

用户确定单元，用于基于所述第一用户的人脸图像信息和所述目标用户的人脸图像信息，从所述第一用户中确定所述候选用户，并获取所述候选用户的用户信息。

本说明书实施例中，所述用户确定单元，用于：

基于预设图像特征向量抽取算法，抽取所述目标用户的人脸图像信息对应的第一图像向量，以及所述第一用户的人脸图像信息对应的第二图像向量；

获取所述第一图像向量与所述第二图像向量之间的距离；

将所述距离小于预设距离阈值的第一用户确定为所述候选用户。

本说明书实施例提供一种数据的处理装置，通过获取待检测的目标用户的认证信息，认证信息包括所述目标用户的人脸图像信息，通过分布式搜索节点，基于目标用户的人脸图像信息，获取候选用户的用户信息，基于目标用户的认证信息以及候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，基于目标用户存在欺诈风险的风险分值，确定与目标用户对应的用户处理策略，这样，由于分布式候选搜索节点具备可扩展性，所以通过分布式候选搜索节点获取候选用户的用户信息，可以提高数据处理的效率，即在数据量较大的情况下，可以保证较高的数据处理效率，以提高策略确定效率，此外，通过目标用户的认证信息和候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，可以较为全面的衡量目标用户的风险程度，以保证确定的用户处理策略能够准确的对目标用户进行处理，提高策略确定的准确性。

实施例九

基于同样的思路，本说明书实施例还提供一种数据的处理装置，如图11所示。

该数据的处理装置包括：第一获取模块1101、信息发送模块1102、分值确定模块1103和策略确定模块1104，其中：

第一获取模块1101，用于获取待检测的目标用户的认证信息，所述认证信息包括所述目标用户的人脸图像信息；

信息发送模块1102，用于将所述目标用户的人脸图像信息发送至分布式搜索节点，并接收所述分布式搜索节点基于所述目标用户的人脸图像信息确定的候选用户的用户信息；

分值确定模块1103，用于基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值；

策略确定模块1104，用于基于所述目标用户存在欺诈风险的风险分值，确定与所述目标用户对应的用户处理策略。

本说明书实施例中，所述分值确定模块1103，包括：

信息发送单元，用于将所述目标用户的认证信息以及所述候选用户的用户信息发送给所述分布式图谱构建节点；

分值接收单元，用于接收所述分布式图谱构建节点发送的所述目标用户的内聚性分值，所述内聚性分值为所述分布式图谱构建节点，基于目标关系图谱中所述目标用户与所述候选用户之间的内聚性确定的分值，所述目标关系图谱为基于所述目标用户的认证信息以及所述候选用户的用户信息构建的关系图谱；

分值确定单元，用于基于所述内聚性分值，确定所述目标用户存在欺诈风险的风险分值。

本说明书实施例中，所述装置还包括：

修改模块，用于接收对所述第一数据对应的数据有效时段范围的修改指令；

调整模块，用于根据所述修改指令，对所述第一数据对应的数据有效时段范围进行调整。

本说明书实施例提供一种数据的处理装置，通过获取待检测的目标用户的认证信息，认证信息包括目标用户的人脸图像信息，将目标用户的人脸图像信息发送至分布式搜索节点，并接收分布式搜索节点基于目标用户的人脸图像信息确定的候选用户的用户信息，基于目标用户的认证信息以及候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，基于目标用户存在欺诈风险的风险分值，确定与目标用户对应的用户处理策略，这样，由于分布式候选搜索节点具备可扩展性，所以通过分布式候选搜索节点获取候选用户的用户信息，可以提高数据处理的效率，即在数据量较大的情况下，可以保证较高的数据处理效率，以提高反欺诈服务器的策略确定效率，此外，通过目标用户的认证信息和候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，可以较为全面的衡量目标用户的风险程度，以保证反欺诈服务器确定的用户处理策略能够准确的对目标用户进行处理，提高反欺诈服务器的策略确定的准确性。

实施例十

基于同样的思路，本说明书实施例还提供一种数据的处理装置，如图12所示。

该数据的处理装置包括：信息接收模块1201、用户确定模块1202和信息发送模块1203，其中：

信息接收模块1201，用于接收反欺诈服务器发送的目标用户的人脸图像信息；

用户确定模块1202，用于基于所述目标用户的人脸图像信息，确定候选用户；

信息发送模块1203，用于将所述候选用户的用户信息发送给所述反欺诈服务器，以确定所述目标用户存在欺诈风险的风险分值，并基于所述风险分值，确定与所述目标用户对应的用户处理策略。

本说明书实施例中，所述装置还包括：

第一接收模块，用于接收所述反欺诈服务器发送的所述候选用户的用户信息以及所述目标用户的认证信息；

图谱构建模块，用于基于所述候选用户的用户信息以及所述目标用户的认证信息，构建所述目标用户和所述候选用户的目标关系图谱；

分值确定模块，用于基于所述目标关系图谱中所述目标用户与所述候选用户之间的内聚性，确定所述目标用户的内聚性分值，以使所述反欺诈服务器基于所述内聚性分值，确定所述目标用户存在欺诈风险的风险分值。

本说明书实施例中，所述图谱构建模块，包括：

节点确定单元，用于将所述目标用户和所述候选用户，确定为所述目标关系图谱中的数据节点；

关系确定单元，用于基于所述候选用户的用户信息以及所述目标用户的认证信息，确定所述数据节点之间的连接关系。

本说明书实施例中，所述关系确定单元，用于：

基于预设认证属性，获取所述目标用户的认证信息中的第一属性值，以及所述候选用户的用户信息中的第二属性值；

获取所述第一属性值和所述第二属性值的相关度；

在所述相关度大于预设相关度阈值的情况下，构建所述目标用户对应的数据节点与所述候选用户对应的数据节点之间的连接关系。

本说明书实施例提供一种数据的处理装置，通过接收反欺诈服务器发送的目标用户的人脸图像信息，基于目标用户的人脸图像信息，确定候选用户，将候选用户的用户信息发送给反欺诈服务器，这样，由于分布式数据节点具备可扩展性，所以通过分布式数据节点获取候选用户的用户信息，可以提高数据处理的效率，即在数据量较大的情况下，可以保证较高的数据处理效率，这样，反欺诈服务器在接收到候选用户的用户信息后，可以较快的确定对目标用户的客户处理策略，即提高策略确定效率。

实施例十一

基于同样的思路，本说明书实施例还提供一种数据的处理设备，如图13所示。

所述数据的处理设备可以为上述实施例提供的服务器。

数据的处理设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器1301和存储器1302，存储器1302中可以存储有一个或一个以上存储应用程序或数据。其中，存储器1302可以是短暂存储或持久存储。存储在存储器1302的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对数据的处理设备中的一系列计算机可执行指令。更进一步地，处理器1301可以设置为与存储器1302通信，在数据的处理设备上执行存储器1302中的一系列计算机可执行指令。数据的处理设备还可以包括一个或一个以上电源1303，一个或一个以上有线或无线网络接口1304，一个或一个以上输入输出接口1305，一个或一个以上键盘1306。

具体在本实施例中，数据的处理设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对数据的处理设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：

获取待检测的目标用户的认证信息，所述认证信息包括所述目标用户的人脸图像信息；

通过分布式搜索节点，基于所述目标用户的人脸图像信息，获取候选用户的用户信息；

基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值；

基于所述目标用户存在欺诈风险的风险分值，确定与所述目标用户对应的用户处理策略。

可选地，所述基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值，包括：

通过分布式图谱构建节点，基于所述目标用户的认证信息以及所述候选用户的用户信息，构建所述目标用户与所述候选用户的目标关系图谱；

基于所述目标关系图谱，确定所述目标用户存在欺诈风险的风险分值。

可选地，所述基于所述目标关系图谱，确定所述目标用户存在欺诈风险的风险分值，包括：

基于所述目标关系图谱中所述目标用户与所述候选用户之间的内聚性，确定所述目标用户的内聚性分值；

基于所述内聚性分值，确定所述目标用户存在欺诈风险的风险分值。

可选地，所述基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值，包括：

通过分布式图谱构建节点，基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值，所述分布式图谱构建节点用于根据所述目标用户的认证信息以及所述候选用户的用户信息，构建所述目标用户与所述候选用户的目标关系图谱，以确定所述目标用户存在欺诈风险的风险分值。

可选地，所述通过分布式搜索节点，基于所述目标用户的人脸图像信息，获取候选用户的用户信息，包括：

获取所述分布式搜索节点对应的第一用户的用户信息，所述用户信息包括所述第一用户的人脸图像信息；

基于所述第一用户的人脸图像信息和所述目标用户的人脸图像信息，从所述第一用户中确定所述候选用户，并获取所述候选用户的用户信息。

可选地，所述基于所述第一用户的人脸图像信息和所述目标用户的人脸图像信息，从所述第一用户中确定所述候选用户，包括：

基于预设图像特征向量抽取算法，抽取所述目标用户的人脸图像信息对应的第一图像向量，以及所述第一用户的人脸图像信息对应的第二图像向量；

获取所述第一图像向量与所述第二图像向量之间的距离；

将所述距离小于预设距离阈值的第一用户确定为所述候选用户。

本说明书实施例提供一种数据的处理设备，通过获取待检测的目标用户的认证信息，认证信息包括所述目标用户的人脸图像信息，通过分布式搜索节点，基于目标用户的人脸图像信息，获取候选用户的用户信息，基于目标用户的认证信息以及候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，基于目标用户存在欺诈风险的风险分值，确定与目标用户对应的用户处理策略，这样，由于分布式候选搜索节点具备可扩展性，所以通过分布式候选搜索节点获取候选用户的用户信息，可以提高数据处理的效率，即在数据量较大的情况下，可以保证较高的数据处理效率，以提高策略确定效率，此外，通过目标用户的认证信息和候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，可以较为全面的衡量目标用户的风险程度，以保证确定的用户处理策略能够准确的对目标用户进行处理，提高策略确定的准确性。

实施例十二

以上为本说明书实施例提供的数据的处理装置，基于同样的思路，本说明书实施例还提供一种数据的处理设备，如图14所示。

所述数据的处理设备可以为上述实施例提供的反欺诈服务器。

数据的处理设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器1401和存储器1402，存储器1402中可以存储有一个或一个以上存储应用程序或数据。其中，存储器1402可以是短暂存储或持久存储。存储在存储器1402的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对数据的处理设备中的一系列计算机可执行指令。更进一步地，处理器1401可以设置为与存储器1402通信，在数据的处理设备上执行存储器1402中的一系列计算机可执行指令。数据的处理设备还可以包括一个或一个以上电源1403，一个或一个以上有线或无线网络接口1404，一个或一个以上输入输出接口1405，一个或一个以上键盘1406。

具体在本实施例中，数据的处理设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对数据的处理设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：

获取待检测的目标用户的认证信息，所述认证信息包括所述目标用户的人脸图像信息；

将所述目标用户的人脸图像信息发送至分布式搜索节点，并接收所述分布式搜索节点基于所述目标用户的人脸图像信息确定的候选用户的用户信息；

基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值；

基于所述目标用户存在欺诈风险的风险分值，确定与所述目标用户对应的用户处理策略。

可选地，所述基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值，包括：

将所述目标用户的认证信息以及所述候选用户的用户信息发送给所述分布式图谱构建节点；

接收所述分布式图谱构建节点发送的所述目标用户的内聚性分值，所述内聚性分值为所述分布式图谱构建节点，基于目标关系图谱中所述目标用户与所述候选用户之间的内聚性确定的分值，所述目标关系图谱为基于所述目标用户的认证信息以及所述候选用户的用户信息构建的关系图谱；

基于所述内聚性分值，确定所述目标用户存在欺诈风险的风险分值。

本说明书实施例提供一种数据的处理设备，通过获取待检测的目标用户的认证信息，认证信息包括目标用户的人脸图像信息，将目标用户的人脸图像信息发送至分布式搜索节点，并接收分布式搜索节点基于目标用户的人脸图像信息确定的候选用户的用户信息，基于目标用户的认证信息以及候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，基于目标用户存在欺诈风险的风险分值，确定与目标用户对应的用户处理策略，这样，由于分布式候选搜索节点具备可扩展性，所以通过分布式候选搜索节点获取候选用户的用户信息，可以提高数据处理的效率，即在数据量较大的情况下，可以保证较高的数据处理效率，以提高反欺诈服务器的策略确定效率，此外，通过目标用户的认证信息和候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，可以较为全面的衡量目标用户的风险程度，以保证反欺诈服务器确定的用户处理策略能够准确的对目标用户进行处理，提高反欺诈服务器的策略确定的准确性。

实施例十三

以上为本说明书实施例提供的数据的处理装置，基于同样的思路，本说明书实施例还提供一种数据的处理设备，如图15所示。

所述数据的处理设备可以为上述实施例提供的分布式数据节点。

数据的处理设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器1501和存储器1502，存储器1502中可以存储有一个或一个以上存储应用程序或数据。其中，存储器1502可以是短暂存储或持久存储。存储在存储器1502的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对数据的处理设备中的一系列计算机可执行指令。更进一步地，处理器1501可以设置为与存储器1502通信，在数据的处理设备上执行存储器1502中的一系列计算机可执行指令。数据的处理设备还可以包括一个或一个以上电源1503，一个或一个以上有线或无线网络接口1504，一个或一个以上输入输出接口1505，一个或一个以上键盘1506。

具体在本实施例中，数据的处理设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对数据的处理设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：

接收反欺诈服务器发送的目标用户的人脸图像信息；

基于所述目标用户的人脸图像信息，确定候选用户；

将所述候选用户的用户信息发送给所述反欺诈服务器，以确定所述目标用户存在欺诈风险的风险分值，并基于所述风险分值，确定与所述目标用户对应的用户处理策略。

可选地，所述分布式数据节点为分布式图谱构建节点，在所述将所述候选用户的用户信息发送给所述反欺诈服务器之后，还包括：

接收所述反欺诈服务器发送的所述候选用户的用户信息以及所述目标用户的认证信息；

基于所述候选用户的用户信息以及所述目标用户的认证信息，构建所述目标用户和所述候选用户的目标关系图谱；

基于所述目标关系图谱中所述目标用户与所述候选用户之间的内聚性，确定所述目标用户的内聚性分值，以使所述反欺诈服务器基于所述内聚性分值，确定所述目标用户存在欺诈风险的风险分值。

可选地，所述基于所述候选用户的用户信息以及所述目标用户的认证信息，构建所述目标用户和所述候选用户的目标关系图谱，包括：

将所述目标用户和所述候选用户，确定为所述目标关系图谱中的数据节点；

基于所述候选用户的用户信息以及所述目标用户的认证信息，确定所述数据节点之间的连接关系。

可选地，所述基于所述候选用户的用户信息以及所述目标用户的认证信息，确定所述数据节点之间的连接关系，包括：

基于预设认证属性，获取所述目标用户的认证信息中的第一属性值，以及所述候选用户的用户信息中的第二属性值；

获取所述第一属性值和所述第二属性值的相关度；

在所述相关度大于预设相关度阈值的情况下，构建所述目标用户对应的数据节点与所述候选用户对应的数据节点之间的连接关系。

本说明书实施例提供一种数据的处理设备，通过接收反欺诈服务器发送的目标用户的人脸图像信息，基于目标用户的人脸图像信息，确定候选用户，将候选用户的用户信息发送给反欺诈服务器，这样，由于分布式数据节点具备可扩展性，所以通过分布式数据节点获取候选用户的用户信息，可以提高数据处理的效率，即在数据量较大的情况下，可以保证较高的数据处理效率，这样，反欺诈服务器在接收到候选用户的用户信息后，可以较快的确定对目标用户的客户处理策略，即提高策略确定效率。

实施例十四

本说明书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数据的处理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。

本说明书实施例提供一种计算机可读存储介质，通过获取待检测的目标用户的认证信息，认证信息包括所述目标用户的人脸图像信息，通过分布式搜索节点，基于目标用户的人脸图像信息，获取候选用户的用户信息，基于目标用户的认证信息以及候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，基于目标用户存在欺诈风险的风险分值，确定与目标用户对应的用户处理策略，这样，由于分布式候选搜索节点具备可扩展性，所以通过分布式候选搜索节点获取候选用户的用户信息，可以提高数据处理的效率，即在数据量较大的情况下，可以保证较高的数据处理效率，以提高策略确定效率，此外，通过目标用户的认证信息和候选用户的用户信息，确定目标用户存在欺诈风险的风险分值，可以较为全面的衡量目标用户的风险程度，以保证确定的用户处理策略能够准确的对目标用户进行处理，提高策略确定的准确性。

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。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field ProgrammableGateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。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。

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。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书的实施例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。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置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。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供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步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

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。

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 (17)

1.一种数据的处理方法，所述方法包括：

获取待检测的目标用户的认证信息，所述认证信息包括所述目标用户的人脸图像信息；

通过分布式搜索节点，基于所述目标用户的人脸图像信息，获取候选用户的用户信息；

基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值；

基于所述目标用户存在欺诈风险的风险分值，确定与所述目标用户对应的用户处理策略；

其中，所述目标用户与多个所述候选用户之间的相关性，与所述目标用户存在欺诈风险的风险分值为正相关关系。

2.根据权利要求1所述的方法，所述基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值，包括：

通过分布式图谱构建节点，基于所述目标用户的认证信息以及所述候选用户的用户信息，构建所述目标用户与所述候选用户的目标关系图谱；

基于所述目标关系图谱，确定所述目标用户存在欺诈风险的风险分值。

3.根据权利要求2所述的方法，所述基于所述目标关系图谱，确定所述目标用户存在欺诈风险的风险分值，包括：

基于所述目标关系图谱中所述目标用户与所述候选用户之间的内聚性，确定所述目标用户的内聚性分值；

基于所述内聚性分值，确定所述目标用户存在欺诈风险的风险分值。

4.根据权利要求1所述的方法，所述通过分布式搜索节点，基于所述目标用户的人脸图像信息，获取候选用户的用户信息，包括：

获取所述分布式搜索节点对应的第一用户的用户信息，所述用户信息包括所述第一用户的人脸图像信息；

基于所述第一用户的人脸图像信息和所述目标用户的人脸图像信息，从所述第一用户中确定所述候选用户，并获取所述候选用户的用户信息。

5.根据权利要求4所述的方法，所述基于所述第一用户的人脸图像信息和所述目标用户的人脸图像信息，从所述第一用户中确定所述候选用户，包括：

基于预设图像特征向量抽取算法，抽取所述目标用户的人脸图像信息对应的第一图像向量，以及所述第一用户的人脸图像信息对应的第二图像向量；

获取所述第一图像向量与所述第二图像向量之间的距离；

将所述距离小于预设距离阈值的第一用户确定为所述候选用户。

6.一种数据的处理方法，应用于反欺诈服务器，所述方法包括：

获取待检测的目标用户的认证信息，所述认证信息包括所述目标用户的人脸图像信息；

将所述目标用户的人脸图像信息发送至分布式搜索节点，并接收所述分布式搜索节点基于所述目标用户的人脸图像信息确定的候选用户的用户信息；

基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值；

基于所述目标用户存在欺诈风险的风险分值，确定与所述目标用户对应的用户处理策略；

其中，所述目标用户与多个所述候选用户之间的相关性，与所述目标用户存在欺诈风险的风险分值为正相关关系。

7.根据权利要求6所述的方法，所述基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值，包括：

将所述目标用户的认证信息以及所述候选用户的用户信息发送给所述分布式图谱构建节点；

接收所述分布式图谱构建节点发送的所述目标用户的内聚性分值，所述内聚性分值为所述分布式图谱构建节点，基于目标关系图谱中所述目标用户与所述候选用户之间的内聚性确定的分值，所述目标关系图谱为基于所述目标用户的认证信息以及所述候选用户的用户信息构建的关系图谱；

基于所述内聚性分值，确定所述目标用户存在欺诈风险的风险分值。

8.一种数据的处理方法，应用于分布式数据节点，所述方法包括：

接收反欺诈服务器发送的目标用户的人脸图像信息；

基于所述目标用户的人脸图像信息，确定候选用户；

将所述候选用户的用户信息发送给所述反欺诈服务器，以确定所述目标用户存在欺诈风险的风险分值，并基于所述风险分值，确定与所述目标用户对应的用户处理策略；

其中，所述目标用户与多个所述候选用户之间的相关性，与所述目标用户存在欺诈风险的风险分值为正相关关系。

9.根据权利要求8所述的方法，所述分布式数据节点包括分布式图谱构建节点，在所述将所述候选用户的用户信息发送给所述反欺诈服务器之后，还包括：

接收所述反欺诈服务器发送的所述候选用户的用户信息以及所述目标用户的认证信息；

基于所述候选用户的用户信息以及所述目标用户的认证信息，构建所述目标用户和所述候选用户的目标关系图谱；

基于所述目标关系图谱中所述目标用户与所述候选用户之间的内聚性，确定所述目标用户的内聚性分值，以使所述反欺诈服务器基于所述内聚性分值，确定所述目标用户存在欺诈风险的风险分值。

10.根据权利要求9所述的方法，所述基于所述候选用户的用户信息以及所述目标用户的认证信息，构建所述目标用户和所述候选用户的目标关系图谱，包括：

将所述目标用户和所述候选用户，确定为所述目标关系图谱中的数据节点；

基于所述候选用户的用户信息以及所述目标用户的认证信息，确定所述数据节点之间的连接关系。

11.根据权利要求10所述的方法，所述基于所述候选用户的用户信息以及所述目标用户的认证信息，确定所述数据节点之间的连接关系，包括：

基于预设认证属性，获取所述目标用户的认证信息中的第一属性值，以及所述候选用户的用户信息中的第二属性值；

获取所述第一属性值和所述第二属性值的相关度；

在所述相关度大于预设相关度阈值的情况下，构建所述目标用户对应的数据节点与所述候选用户对应的数据节点之间的连接关系。

12.一种数据的处理装置，所述装置包括：

第一获取模块，用于获取待检测的目标用户的认证信息，所述认证信息包括所述目标用户的人脸图像信息；

第二获取模块，用于通过分布式搜索节点，基于所述目标用户的人脸图像信息，获取候选用户的用户信息；

分值确定模块，用于基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值；

策略确定模块，用于基于所述目标用户存在欺诈风险的风险分值，确定与所述目标用户对应的用户处理策略；

其中，所述目标用户与多个所述候选用户之间的相关性，与所述目标用户存在欺诈风险的风险分值为正相关关系。

13.一种数据的处理装置，所述装置包括：

第一获取模块，用于获取待检测的目标用户的认证信息，所述认证信息包括所述目标用户的人脸图像信息；

信息发送模块，用于将所述目标用户的人脸图像信息发送至分布式搜索节点，并接收所述分布式搜索节点基于所述目标用户的人脸图像信息确定的候选用户的用户信息；

分值确定模块，用于基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值；

策略确定模块，用于基于所述目标用户存在欺诈风险的风险分值，确定与所述目标用户对应的用户处理策略；

其中，所述目标用户与多个所述候选用户之间的相关性，与所述目标用户存在欺诈风险的风险分值为正相关关系。

14.一种数据的处理装置，所述装置包括：

信息接收模块，用于接收反欺诈服务器发送的目标用户的人脸图像信息；

用户确定模块，用于基于所述目标用户的人脸图像信息，确定候选用户；

信息发送模块，用于将所述候选用户的用户信息发送给所述反欺诈服务器，以确定所述目标用户存在欺诈风险的风险分值，并基于所述风险分值，确定与所述目标用户对应的用户处理策略；

其中，所述目标用户与多个所述候选用户之间的相关性，与所述目标用户存在欺诈风险的风险分值为正相关关系。

15.一种数据的处理设备，所述数据的处理设备包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

获取待检测的目标用户的认证信息，所述认证信息包括所述目标用户的人脸图像信息；

通过分布式搜索节点，基于所述目标用户的人脸图像信息，获取候选用户的用户信息；

基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值；

基于所述目标用户存在欺诈风险的风险分值，确定与所述目标用户对应的用户处理策略；

其中，所述目标用户与多个所述候选用户之间的相关性，与所述目标用户存在欺诈风险的风险分值为正相关关系。

16.一种数据的处理设备，所述数据的处理设备包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

获取待检测的目标用户的认证信息，所述认证信息包括所述目标用户的人脸图像信息；

将所述目标用户的人脸图像信息发送至分布式搜索节点，并接收所述分布式搜索节点基于所述目标用户的人脸图像信息确定的候选用户的用户信息；

基于所述目标用户的认证信息以及所述候选用户的用户信息，确定所述目标用户存在欺诈风险的风险分值；

基于所述目标用户存在欺诈风险的风险分值，确定与所述目标用户对应的用户处理策略；

其中，所述目标用户与多个所述候选用户之间的相关性，与所述目标用户存在欺诈风险的风险分值为正相关关系。

17.一种数据的处理设备，所述数据的处理设备包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

接收反欺诈服务器发送的目标用户的人脸图像信息；

基于所述目标用户的人脸图像信息，确定候选用户；

将所述候选用户的用户信息发送给所述反欺诈服务器，以确定所述目标用户存在欺诈风险的风险分值，并基于所述风险分值，确定与所述目标用户对应的用户处理策略；

其中，所述目标用户与多个所述候选用户之间的相关性，与所述目标用户存在欺诈风险的风险分值为正相关关系。