CN111325557A - 一种商户风险的检测方法、装置及设备 - Google Patents
一种商户风险的检测方法、装置及设备 Download PDFInfo
- Publication number
- CN111325557A CN111325557A CN202010116824.0A CN202010116824A CN111325557A CN 111325557 A CN111325557 A CN 111325557A CN 202010116824 A CN202010116824 A CN 202010116824A CN 111325557 A CN111325557 A CN 111325557A
- Authority
- CN
- China
- Prior art keywords
- risk
- value
- sample
- parameter data
- data
- 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.)
- Granted
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
-
- 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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Economics (AREA)
- Technology Law (AREA)
- Computer Security & Cryptography (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本说明书实施例公开了一种商户风险的检测方法、装置及设备,所述方法包括:接收业务发起方发送的对目标商户的风险检测请求,所述风险检测请求中包括预定权益值,所述预定权益值用于获取对所述目标商户进行风险检测的权限;如果所述预定权益值不小于预定阈值,则从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的所述风险检测模型中的预定风险参数数据,并获取所述目标商户对应的风险特征数据;将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中,确定所述目标商户是否存在风险,并确定提供所述预定风险参数数据的构建方所需奖励的权益值。
Description
技术领域
本说明书涉及计算机技术领域,尤其涉及一种商户风险的检测方法、装置及设备。
背景技术
随着终端技术和网络技术的不断发展,许多商户会通过指定的金融应用或支付应用进行交易和日常资源转移活动,而这样就需要对各商户可能存在的风险(具体如欺诈风险、赌博风险、套现风险等)进行防控。
通常,金融应用或支付应用的开发机构可以根据金融应用或支付应用的需求和通过该金融应用或支付应用进行交易的过程中可能出现的情况,设定或构建相应的风险检测模型,并可以通过使用该金融应用或支付应用的商户和用户的历史数据对上述风险检测模型进行训练。后续可以对使用该金融应用或支付应用的某商户是否存在风险进行检测。然而,通过上述方式构建的风险检测模型仅仅适用于使用上述金融应用或支付应用或某一商户签约管理机构的商户,而对于新增加的商户、其它应用或其它商户签约管理机构的商户却无法对其进行风险检测,因此,需要提供一种风险防控效果更好、进一步提高数据价值的利用程度的技术方案。
发明内容
本说明书实施例的目的是提供一种商户风险的检测方法、装置及设备,以提供一种风险防控效果更好、进一步提高数据价值的利用程度的技术方案。
为了实现上述技术方案,本说明书实施例是这样实现的:
本说明书实施例提供的一种商户风险的检测方法,所述方法包括:接收业务发起方发送的对目标商户的风险检测请求,所述风险检测请求中包括预定权益值,所述预定权益值用于获取对所述目标商户进行风险检测的权限。如果所述预定权益值不小于预定阈值,则从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的所述风险检测模型中的预定风险参数数据,并获取所述目标商户对应的风险特征数据。将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中,确定所述目标商户是否存在风险,并确定提供所述预定风险参数数据的构建方所需奖励的权益值。
本说明书实施例提供的一种商户风险的检测装置,所述装置包括:检测请求接收模块,接收业务发起方发送的对目标商户的风险检测请求,所述风险检测请求中包括预定权益值,所述预定权益值用于获取对所述目标商户进行风险检测的权限。数据获取模块,如果所述预定权益值不小于预定阈值,则从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的所述风险检测模型中的预定风险参数数据,并获取所述目标商户对应的风险特征数据。风险检测模块,将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中,确定所述目标商户是否存在风险,并确定提供所述预定风险参数数据的构建方所需奖励的权益值。
本说明书实施例提供的一种商户风险的检测设备,所述商户风险的检测设备包括: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:接收业务发起方发送的对目标商户的风险检测请求,所述风险检测请求中包括预定权益值,所述预定权益值用于获取对所述目标商户进行风险检测的权限。如果所述预定权益值不小于预定阈值,则从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的所述风险检测模型中的预定风险参数数据,并获取所述目标商户对应的风险特征数据。将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中,确定所述目标商户是否存在风险,并确定提供所述预定风险参数数据的构建方所需奖励的权益值。
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为本说明书一种商户风险的检测方法实施例;
图2为本说明书一种对商户风险进行检测的页面的示意图;
图3为本说明书另一种商户风险的检测方法实施例;
图4为本说明书一种商户风险的检测装置实施例;
图5为本说明书一种商户风险的检测设备实施例。
具体实施方式
本说明书实施例提供一种商户风险的检测方法、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商户风险的检测方法,该方法的执行主体可以为服务器,该服务器可以是一个独立的服务器,还可以是由多个服务器构成的服务器集群等。该服务器可以是某项业务(如进行交易的业务等)的后台服务器,也可以是某应用(如金融类应用等)的后台服务器等。该方法具体可以包括以下步骤:
在步骤S102中,接收业务发起方发送的对目标商户的风险检测请求,该风险检测请求中包括预定权益值,该预定权益值用于获取对目标商户进行风险检测的权限。
其中,业务发起方可以是请求对某商户进行风险检测的一方,业务发起方可以通过终端设备(具体如手机、平板电脑或个人计算机等)发送相应的请求。权益值可以是执行某项业务或多项不同的业务的过程中所需的一种资源的数值,可以以权益值作为价值的媒介,使得权益值既可以在某业务或多项不同的业务中消费、流通,也可以流入或流出上述业务,与其它资源或其它类型的权益值进行置换等。目标商户可以是任意商户,目标商户可以提供多种不同的商品,以供用户选取。
在实施中,随着终端技术和网络技术的不断发展,许多商户会通过指定的金融应用或支付应用进行交易和日常资源转移活动,而这样就需要对各商户可能存在的风险(具体如欺诈风险、赌博风险、套现风险等)进行防控。
通常,金融应用或支付应用的开发机构可以根据金融应用或支付应用的需求和通过该金融应用或支付应用进行交易的过程中可能出现的情况,设定或构建相应的风险检测模型,并可以通过使用该金融应用或支付应用的商户和用户的历史数据对上述风险检测模型进行训练。后续可以对使用该金融应用或支付应用的某商户是否存在风险进行检测。然而,通过上述方式构建的风险检测模型仅仅适用于使用上述金融应用或支付应用或某一商户签约管理机构的商户,而对于新增加的商户、其它应用或其它商户签约管理机构的商户却无法对其进行风险检测,因此,需要提供一种风险防控效果更好、进一步提高数据价值的利用程度的技术方案。本说明书实施例提供一种可以实现的技术方案,具体可以包括以下内容:
为了更好地防控商户的各种风险(具体如欺诈风险、赌博风险、套现风险等),可以考虑联合各大商户签约管理机构的优质数据,再结合上述金融应用或支付应用对应的大量的商户数据和用户数据,共同进行风险的联防联控,从而实现对数据价值的利用达到最大化,以获得更好的风险防控效果。基于上述内容,如图2所示,可以设定或构建商户风险检测机制,并可以基于构建的商户风险检测机制,开发相应的应用程序,通过该应用程序可以对需要检测的商户进行风险检测。该应用程序中可以设置有商户标识的输入框、商户的特征数据的输入框、检测结果的输出框、确定按键和取消按键等。此外,为了使得对商户的风险检测进入良性循环,可以为商户的风险检测设置相应的权限,可以通过预定的权益值来获得对商户的风险检测的权限,如每对一个商户进行风险检测,需要消耗或花费的权益值为2等,为此,还可以设置权益值的输入框(或选择框等),其中,权益值的输入框可以用于输入获得对某商户进行风险检测的权限所需要的权益值。在实际应用中,该应用程序中除了上述设置项外,还可以包括其它设置项,还可以是仅包括上述设置项的中一项或多项等,具体可以根据实际情况设定,本说明书实施例对此不做限定。
如图2所示,当业务发起方需要确定某商户(即目标商户)是否存在风险时,可以启动终端设备中安装的上述应用程序或通过浏览器运行该应用程序,终端设备可以显示该应用程序的页面,业务发起方可以在上述页面中输入目标商户的标识,并可以根据预先设定的获得对目标商户进行风险检测的权限所需要的权益值,在权益值的输入框中输入上述所需要的权益值等,输入完成后,可以点击该页面中的确定按键,此时,终端设备可以获取业务发起方输入的相关信息,并可以基于获取的相关信息生成风险检测请求。终端设备可以将该风险检测请求发送给服务器,服务器可以接收该风险检测请求。
在步骤S104中,如果预定权益值不小于预定阈值,则从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的风险检测模型中的预定风险参数数据,并获取目标商户对应的风险特征数据。
其中,该预定阈值可以为每对一个商户进行风险检测需要消耗或花费的权益值,具体可以根据实际情况设定,本说明书实施例对此不做限定。风险检测模型可以用于对某商户是否存在风险进行检测,风险检测模型可以通过多个不同的商户签约管理机构提供的数据构建和训练得到,商户签约管理机构可以是与多个不同的商户建立合作机制、并可以为不同商户提供预定服务的机构,例如购物网站对应的商户签约管理机构,该商户签约管理机构可以为入驻该购物网站的商户提供商品展示、支付结算、物流状态显示和商品评价管理等功能或服务。构建方可以是参与构建风险检测模型的一方,构建方可以是某一商户签约管理机构,也可以是某一商户等。风险参数数据可以是风险检测模型中存在的风险参数的相关数据。
在实施中,为了更好地防控商户的各种风险(具体如欺诈风险、赌博风险、套现风险等),可以考虑联合各大商户签约管理机构的优质数据,再结合上述金融应用或支付应用对应的大量的商户数据和用户数据,共同进行风险的联防联控,从而实现对数据价值的利用达到最大化,以获得更好的风险防控效果。为此,可以建立一个商户安全防控联盟,联盟成员提供各自的数据,共同训练一个风险检测模型。每个联盟成员即为该风险检测模型的构建方,构建方可以调用上述风险检测模型,对与该构建方存在签约管理关系的商户进行风险检测或风险评估。每次进行风险检测或风险评估,都需要结合各个构建方提供的数据,最终得到相应的结果。
风险检测模型可以通过多种算法或计算模型构建,例如神经网络模型、基于分类算法构建的模型、决策树模型、逻辑回归模型等,具体可以根据实际情况设定,本说明书实施例对此不做限定。构建方可以为风险检测模型提供训练的数据,服务器可以对各构建方提供的数据进行分析,确定其可能对应的参数,并可以将确定的参数作为风险检测模型的待定参数,可以通过构建方提供的数据训练该风险检测模型,最终得到训练后的风险检测模型。在风险检测模型训练完成后,各构建方可以得到其提供的数据对应的参数数据,并可以保存相应的参数数据。在实际应用中,风险检测模型中可以包括多个不同的风险参数数据,例如可以包括构建方A对应的风险参数数据1和风险参数数据2、构建方B对应的风险参数数据3、构建方C对应的风险参数数据4、风险参数数据5和风险参数数据6等。
基于上述的商户安全防控联盟中,如何平衡每个构建方的付出与收益,是一个重要的问题。每个构建方都拥有各自独有的数据,而且各个构建方也都希望通过商户安全防控联盟的合作实现更好的风险检测和风险防控。如果没有合理的激励机制,各构建方可能只希望从商户安全防控联盟中获得好处,而不愿意对商户安全防控联盟提供优质数据,结果会导致商户安全防控联盟被越来越多的低质量数据所充斥。因此,还需要提供一种合理的机制,以激励各构建方提供更优质的数据来参与风险检测模型训练,以使得商户安全防控联盟更好地运行。本说明书实施例提供了一种机制,即以权益值作为价值的媒介,通过权益值激励各构建方提供更优质的数据,并通过权益值对商户的风险检测进行授权。
通过上述步骤S102的处理,接收到业务发起方发送的对目标商户的风险检测请求后,可以从该风险检测请求中提取权益值,并可以将提取的权益值与预定阈值(可以是对每个商户进行风险检测需要消耗或花费的权益值)进行比较,如果提取的权益值大于或等于预定阈值,则可以确定业务发起方本次发起的风险检测请求有效,此时,构建方可以向服务器提供风险检测模型所需要的参数数据,具体可以通过服务器向各个构建方发送相应的参数提供请求,构建方接收到该参数提供请求后,可以在指定的时间或时间段内将相应的参数数据提供给服务器。在实际应用中,构建方也可以拒绝向服务器提供相应的参数数据。此外,构建方也可以主动向服务器提供相应的参数数据,具体可以根据实际情况设定,本说明书实施例对此不做限定。通过上述方式,服务器可以从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的风险检测模型中的预定风险参数数据,例如,基于上述示例,服务器可以构建方A和构建方C分别获取风险参数数据1和风险参数数据2、风险参数数据4、风险参数数据5和风险参数数据6,对于风险检测模型中的风险参数数据3,可以设置为0或空等。另外,服务器还可以从风险检测请求中提取目标商户的标识等相关信息,并可以通过该相关信息,从目标商户或目标商户所在的商户签约管理机构获取目标商户对应的数据,可以对获取到的数据进行特征提取等操作,得到目标商户对应的风险特征数据;或者,还可以直接从目标商户或目标商户所在的商户签约管理机构获取目标商户对应的风险特征数据等,具体可以根据实际情况设定,本说明书实施例对此不做限定。
在步骤S106中,将上述风险参数数据和目标商户对应的风险特征数据输入到风险检测模型中,确定目标商户是否存在风险,并确定提供预定风险参数数据的构建方所需奖励的权益值。
在实施中,通过上述处理分别得到风险参数数据和目标商户对应的风险特征数据后,可以将得到的上述数据输入到风险检测模型中,可以通过得到的风险参数数据完善风险检测模型,然后,可以使用完善后的风险检测模型对目标商户对应的风险特征数据进行计算,得到相应的计算结果。该计算结果可以以多种不同的方式呈现,例如,可以以分值的形式呈现,也可以以是否存在风险的结果呈现等,其中,对于以分值的形式呈现的计算结果,在得到计算结果的分值后,可以将得到的分值与预先设定的阈值(可以根据存在风险与无风险的情况设定存在风险的临界值,如果大于该临界值,则存在风险,否则不存在风险)进行比较,如果得到的分值大于预先设定的阈值,则可以确定目标商户存在风险,否则,目标商户不存在风险。
在本次风险检测完成后,为了对提供预定风险参数数据的构建方以鼓励或奖励,可以根据预设的奖励机制为上述构建方分配一定的权益值以作为奖励,例如,对于将业务发起方发送的权益值平均分配给提供预定风险参数数据的每个构建方,或者,可以根据本次风险检测过程中,根据风险参数数据的重要程度,为相应的构建方分配一定的权益值等,具体可以根据实际情况设定。此外,还可以对未提供风险参数数据的构建方进行惩罚,例如可以从未提供风险参数数据的构建方的权益值账户中扣除一定数值的权益值等,具体可以根据实际情况设定。
本说明书实施例提供一种商户风险的检测方法,在接收业务发起方需要对目标商户进行风险检测的过程中,通过业务发起方提供的获取对目标商户进行风险检测的权限的权益值,从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的风险检测模型中的预定风险参数数据,并获取目标商户对应的风险特征数据,然后,通过上述获取的数据和风险检测模型对目标商户是否存在风险进行检测,这样通过多个不同的构建方构建风险检测模型,并由构建方提供风险检测模型所需的风险参数数据,从而可以提高风险防控效果,并可以进一步提高数据价值的利用程度,此外,确定提供预定风险参数数据的构建方所需奖励的权益值,以对参与风险检测的构建方进行奖励,从而激励参与风险检测的构建方继续提供风险检测所需的样本数据或风险参数数据,以进一步提高风险防控效果和数据价值的利用程度。
实施例二
如图3所示,本说明书实施例提供一种商户风险的检测方法,该方法的执行主体可以为服务器,该服务器可以是一个独立的服务器,还可以是由多个服务器构成的服务器集群等。该服务器可以是某项业务(如进行交易的业务等)的后台服务器,也可以是某应用(如金融类应用等)的后台服务器等。该方法具体可以包括以下步骤:
可以通过构建方的样本数据构建和训练风险检测模型,具体可以包括以下步骤S302~步骤S306的处理。
在步骤S302中,接收构建方提供的样本数据。
其中,样本数据可以是与商户存在的风险相关的数据,样本数据可以是某一业务的数据或多个不同业务的数据等。
在实施中,为了能够构建、训练和使用风险检测模型,可以开发相应的应用程序,该应用程序中可以设置有样本数据的上传功能。如图2所示,当某商户或商户签约管理机构想要成为构建风险检测模型的构建方时,该商户或商户签约管理机构可以在其终端设备中安装上述应用程序,当需要构建和训练风险检测模型时,可以启动该应用程序,此时,终端设备可以显示该应用程序的页面。构建方可以预先从预订数据库中选取需要作为样本数据的数据,并可以通过该应用程序中的样本数据的上传功能,将构建方的样本数据上传至服务器,服务器可以接收构建方提供的样本数据。
在步骤S304中,通过预设的样本质量检测规则,对样本数据进行质量检测。
其中,样本质量检测规则可以是用于检测某样本数据对检测商户是否存在风险的贡献程度的规则,通过样本质量检测规则,可以检测该样本数据的质量。样本质量检测规则可以根据实际情况来建立。
在实施中,为了保证构建方提供的样本数据是与商户风险相关的数据,可以预先设定样本质量检测规则,具体如,可以设定样本数据的数据稳定性需要大于预定的稳定性阈值,并可以基于上述设定内容来建立相应的样本质量检测规则。当获取到构建方提供的样本数据后,可以通过上述建立的样本质量检测规则,对该样本数据进行质量检测,即基于上述示例,可以计算该样本数据的稳定性数值,将得到的稳定性数值与上述稳定性阈值进行比较,如果得到的稳定性数值小于稳定性阈值,则表明该样本数据稳定性较差,即该样本数据的质量较差,此时,可以向相应的构建方发送样本数据质量较差的通知消息。如果得到的稳定性数值大于稳定性阈值,则表明该样本数据稳定性较好,即该样本数据的质量较高,可以使用该样本数据构建并训练风险检测模型。
上述步骤S304的处理可以多种多样,以下还提供一种可选的处理方式,具体可以包括以下步骤A2~步骤A6的处理。
在步骤A2中,对上述样本数据进行特征提取,得到该样本数据对应的样本特征。
在步骤A4中,确定上述样本特征对应的样本质量信息,该样本质量信息包括该样本特征与预定标签的关系、该样本特征的稳定性信息,以及该样本特征与已存在的样本数据之间的相关程度信息中的一项或多项。
其中,预定标签可以是商户是否存在风险的标签,也可以是数据类型或数据对应的业务的类型相关的标签等。
在实施中,可以基于预先设定的样本质量检测规则构建样本质量检测装置,该装置可以计算样本数据对应的样本特征与预定标签的关系、该样本特征的稳定性,以及该样本特征与已存在的样本数据之间的相关程度等信息,分别得到相应的该样本特征与预定标签的关系、该样本特征的稳定性信息,以及该样本特征与已存在的样本数据之间的相关程度信息,即得到样本质量信息。其中,样本特征与预定标签的关系可以用于表征样本特征与预定标签之间的关系是否显著,其数值越大表示两者之间的关系越好;样本特征的稳定性的数值越小,表示样本特征越稳定,相应的样本数据的质量越高;样本特征与已存在的样本数据之间的相关程度越高,表示样本数据的信息增益较小。
在步骤A6中,如果上述样本特征对应的样本质量信息满足预设的样本质量检测条件,则确定对上述样本数据的质量检测通过。
其中,样本质量检测条件可以是与上述样本质量信息相对应,并可以用于对样本数据的质量进行检测的条件,例如,若样本质量信息包括样本特征与预定标签的关系,则样本质量检测条件可以为样本特征与预定标签的关系对应的数值大于第一预设阈值等,若样本质量信息包括样本特征的稳定性信息,则样本质量检测条件可以为样本特征的稳定性信息小于第二预设阈值等,若样本质量信息包括样本特征与已存在的样本数据之间的相关程度信息,则样本质量检测条件可以为样本特征与已存在的样本数据之间的相关程度信息小于第三预设阈值等,此外,样本质量信息中还可以包括上述3个指标中的多个,则此时的样本质量检测条件可以为上述相应的样本质量检测条件的组合。样本质量检测条件可以根据实际情况进行调整,本说明书实施例对此不做限定。
在实施中,可以基于上述步骤A4提供的指标,判断样本数据的质量,在实际应用中,例如,样本质量信息包括上述3个指标,且上述指标对应的样本质量检测条件具体可以如:样本特征与预定标签的关系对应的数值>0.5,该样本特征的稳定性信息<0.1,该样本特征与已存在的样本数据之间的相关程度信息<0.9等,也即是系统通过质量检测的样本数据对应的样本特征与预定标签的关系对应的数值较大,该样本数据对应的样本特征的稳定性数值较小,该样本数据对应的样本特征与已存在的样本数据之间的相关程度不高。如果构建方提供的样本数据满足上述样本质量检测条件,则确定对上述样本数据的质量检测通过,否则确定对上述样本数据的质量检测不通过。
在步骤S306中,获取基于上述样本数据确定的风险检测模型中的第一风险参数数据。
其中,第一风险参数数据可以是风险检测模型中包含的任意风险参数数据。
在实施中,可以对构建方提供的样本数据进行特征提取或分析等处理,并可以基于上述处理的结果确定可以用于风险检测模型的风险参数数据,确定的风险参数数据即可以为第一风险参数数据。
可以通过上述处理,分别确定每个构建方提供的样本数据对应的风险参数数据,从而得到风险检测模型中包含的风险参数数据。
此外,为了激励参与构建风险检测模型的构建方,可以对该构建方进行奖励,为此,可以以权益值作为价值的媒介,对构建方进行相应的奖励,具体可以参见下述步骤S308和步骤S301的处理。
在步骤S308中,确定第一风险参数数据在风险检测模型中包含的风险参数数据中的重要性。
在实施中,不同的风险检测模型,其风险重要性的计算方法可以不同,例如,如果风险检测模型为逻辑回归模型(具体如Y=sigmoid(sum(Wi*Xi)),其中,Y可以表示逻辑回归的数值,sigmoid()表示逻辑回归函数,sum()表示数值的和,Xi表示第i个风险参数数据(或变量),Wi表示第i个风险参数数据(或变量)的权重),则其风险参数数据的重要性可以取决于该风险参数数据的权重。再例如,如果风险检测模型为决策树模型,则其风险参数数据的重要性可以取决于该风险参数数据(或变量)参与的节点分裂次数,或者得到的信息增益或损失函数值的变化量,或者该风险参数数据(或变量)对应的节点的覆盖样本量等。通过上述方式可以确定每个构建方提供的风险参数数据的重要性。具体可以根据实际情况设定,本说明书实施例对此不做限定。
在步骤S310中,基于第一风险参数数据对应的重要性,为构建方发放所需奖励的权益值。
在实施中,如果待分配的权益值总量为V_train,每个构建方提供的风险参数数据的重要性为Im_i,其中,i表示构建方或相应的风险参数数据的编号,若重要性总和为Im_all=sum(Im_i),则第i个构建方可以分配到的权益值为:Q_train=V_train*Im_i/Im_all。
基于上述内容,由于权益值分配与风险参数数据的重要性为正相关,且较低质量的样本数据将无法通过样本质量检查,因而可以激励构建方提供更优质的样本数据,以得到更优的风险检测模型。
另外,除了可以通过上述方式使得权益值流入业务发起方外,还可以通过其它方式将权益值流入业务发起方,以下提供一种可选的处理方式,具体可以包括以下步骤B2和步骤B4的处理。
在步骤B2中,接收业务发起方发送的资源置换请求,该资源置换请求中包括第一数值的资源。
其中,第一数值可以根据实际情况设定,如5或10等。资源可以是与权益值进行置换的任意资源,例如货币、商户风险检测的次数等。
在实施中,如果业务发起方需要更多的权益值,业务发起方可以使用其他类型的资源进行置换,具体地,业务发起方的终端设备中安装的上述应用程序中还可以设置有权益值置换的功能,此时,业务发起方可以通过该应用程序的页面启动上述功能,终端设备可以显示权益值置换页面,并可以在该权益值置换页面中输入需要置换的权益值,该应用程序可以基于输入的权益值,计算所需的资源的数值(即第一数值),业务发起方确定该权益值置换页面中的信息无误后,可以点击确定按键,此时,终端设备可以获取第一数值的资源,并可以以此生成资源置换请求,可以将该资源置换请求发送给服务器,服务器可以接收业务发起方发送的资源置换请求。
在步骤B4中,根据第一数值,以及资源与权益值的置换规则,确定第一数值的资源所需置换的权益值,并从业务发起方的资源账户中扣除第一数值的资源,将确定的所需置换的权益值提供给业务发起方。
在实施中,可以预先设置不同类型的资源与权益值的置换规则,通过资源置换获得权益值,资源与权益值的置换比例根据实际业务情况设定。可用于置换的资源可以与具体的业务场景有关,比如商家首推,即对其商户签约管理机构承诺优先推荐使用其金融应用或支付应用作为资源转移方式(如支付方式等),以其金融应用或支付应用的首推交易量换取权益值,又比如铺设其金融应用或支付应用的宣传物料,通过修饰资源转移方式以引导相应交易流向该商户签约管理机构对应的金融应用或支付应用等。由于权益值可用于后续的风险检测,对于商户签约管理机构具有一定的价值,因而可以激励商户签约管理机构进行资源置换,给予其金融应用或支付应用一定资源倾斜,以获得风险检测的权益。
例如,资源与权益值的置换规则为货币与权益值的置换规则,具体如,每1元可以置换的权益值为10等。可以根据第一数值,以及资源与权益值的置换规则,确定第一数值的资源所需兑换的权益值,如,第一数值为2,置换规则为每1元可以置换的权益值为10,则所需置换的权益值为20。然后,服务器可以从业务发起方的资源账户中扣除第一数值的资源(即2元),并将确定的所需置换的权益值(即20)提供给业务发起方。
除了可以通过上述方式使得权益值流入业务发起方外,业务发起方可向服务器申请兑换一定的权益,如获取交易降打扰,即减少对通过某金融应用或支付应用的一定数量的交易的管控,降低对商户交易的打扰,从而可优化商户的支付体验,吸引更多的商户在该商户签约管理机构进行签约,因而对商户签约管理机构有一定的价值。基于此,还可以通过多种方式将权益值流出业务发起方,以下提供一种可选的处理方式,具体可以包括以下步骤C2和步骤C4的处理。
在步骤C2中,接收业务发起方发送的权益值兑换请求,该权益值兑换请求中包括第二数值的权益值。
在步骤C4中,根据第二数值,以及权益值与资源的兑换规则,确定第二数值的权益值所需兑换的预定资源的数值,并从业务发起方的权益值账户中扣除第二数值的权益值,将确定的所需兑换的预定资源的数值提供给业务发起方。
上述步骤C2和步骤C4的具体处理可以参见上述步骤B2和步骤B4的相关内容,在此不再赘述。
在步骤S312中,接收业务发起方发送的对目标商户的风险检测请求,该风险检测请求中包括预定权益值,该预定权益值用于获取对目标商户进行风险检测的权限。
在步骤S314中,如果预定权益值不小于预定阈值,则从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的风险检测模型中的预定风险参数数据,并获取目标商户对应的风险特征数据。
在步骤S316中,将上述风险参数数据和目标商户对应的风险特征数据输入到风险检测模型中,得到目标商户存在风险的风险分值。
在实施中,可以将上述风险参数数据和目标商户对应的风险特征数据输入到风险检测模型中,通过联邦学习等安全计算机制完成对目标商户的风险打分,从而得到目标商户存在风险的风险分值。
上述步骤S312~步骤S316的具体处理可以参见上述实施例一中的相关内容,在此不再赘述。
在步骤S318中,根据上述风险分值,确定目标商户是否存在风险。
在实施中,可以预先设定风险阈值,如果上述风险分值大于该风险阈值,则可以确定目标商户存在风险,否则可以确定目标商户不存在风险。
在对目标商户是否存在风险进行判定的过程中,还可以使得权益值在构建方集合中进行流通,具体可以参见下述步骤S320~步骤S326的处理。
在步骤S320中,获取每个构建方提供的风险参数数据对确定目标商户是否存在风险的贡献程度。
在实施中,每个构建方提供的风险参数数据对确定目标商户是否存在风险的贡献程度,可以通过多种不同的方式实现,例如可以确定不同风险参数数据与目标商户是否存在风险的结果之间的相关程度(例如,对于得到目标商户是否存在风险的结果,某风险参数数据起到了决定性的作用,则该风险参数数据与目标商户是否存在风险的结果之间的相关程度较高),可以基于得到的相关程度确定上述贡献程度。
上述步骤S320的具体处理方式可以多种多样,以下再提供一种可选的处理方式,具体可以包括以下步骤D2和步骤D4的处理。
在步骤D2中,获取每个构建方提供的风险参数数据对应的shapley值。
在实施中,为了奖励对本次对目标商户的风险检测提供风险参数数据的构建方,可以根据风险参数数据对应的shapley值,给予相应的构建方一定的奖励。其中,shapley值是合作博弈中用来衡量各构建方贡献程度的一种方案,后被引入用于模型解释性方案。shapley值计算公式可以如下:
其中,i代表第i个构建方,N代表共有N个构建方,S代表所有构建方(除去第i个构建方)是否参与风险检测的可能的子集,例如,假设有4个构建方,分别为A、B、C、D,当前计算的是D的贡献程度,则S包括{A,B,C}、{A,B}、{A,C}、{B,C}、{A}、{B}、{C}和空集等,fx(S)表示仅有S中的构建方参与风险检测,其余构建方的风险参数数据均为空时,风险检测模型得到的风险分值。fx(SU{i})表示仅有S中的构建方和第i个构建方参与风险检测,其余构建方的风险参数数据均为空时,风险检测模型得到的风险分值。
对于同一构建方对应的多个风险参数数据,在对目标商户进行风险检测的过程中是否参与计算是强相关的,也即是要么一同参与对目标商户的风险检测,要么一同不参与对目标商户的风险检测,因而,可以将同一构建方的所有风险参数数据视作一个统一的整体。可以通过上述公式计算得到每个构建方的shapley值。
在步骤D4中,每个构建方提供的风险参数数据对应的shapley值,确定每个构建方提供的风险参数数据对确定目标商户是否存在风险的贡献程度。
在实施中,上述步骤D4的处理方式可以多种多样,以下提供一种可选的处理方式,具体可以包括以下内容:例如贡献程度可以通过shapley值来表征,即贡献度与shapley值正相关,则可以通过每个构建方提供的风险参数数据对应的shapley值,确定每个构建方提供的风险参数数据对确定目标商户是否存在风险的贡献程度。
在步骤S322中,基于所述每个所述构建方对应的贡献程度,确定提供所述预定风险参数数据的构建方所需奖励的权益值。
在实施中,上述步骤S322的处理方式可以多种多样,以下提供一种可选的处理方式,具体可以包括以下内容:以上述贡献程度可以通过shapley值来表征为例,假设第i个构建方的shapley值为Shap_i,所有构建方的shapley值总和为Shap_all,本次对目标商户的风险检测需要奖励的总权益值为V_shap,则第i个构建方获得的权益值可以为Q_shap:即Q_shap=V_shap*Shap_i/Shap_all。
为了惩罚离线的或其它原因未提供风险参数数据的构建方,激励参与风险检测的构建方积极运维服务器,对于在风险检测的过程中无法及时提供相应风险参数数据支持的参与方,扣除一定的权益值,具体可以参见下述步骤S324和步骤S326的处理。
在步骤S324中,从预先构建的风险检测模型对应的构建方集合中获取未提供风险检测模型中的预定风险参数数据的构建方的信息。
在步骤S326中,从未提供预定风险参数数据的构建方的权益值账户中扣除预定权益值。
上述步骤S324和步骤S326的具体处理过程可以参见上述相关内容,在此不再赘述。
本说明书实施例提供一种商户风险的检测方法,在接收业务发起方需要对目标商户进行风险检测的过程中,通过业务发起方提供的获取对目标商户进行风险检测的权限的权益值,从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的风险检测模型中的预定风险参数数据,并获取目标商户对应的风险特征数据,然后,通过上述获取的数据和风险检测模型对目标商户是否存在风险进行检测,这样通过多个不同的构建方构建风险检测模型,并由构建方提供风险检测模型所需的风险参数数据,从而可以提高风险防控效果,并可以进一步提高数据价值的利用程度,此外,确定提供预定风险参数数据的构建方所需奖励的权益值,以对参与风险检测的构建方进行奖励,从而激励参与风险检测的构建方继续提供风险检测所需的样本数据或风险参数数据,以进一步提高风险防控效果和数据价值的利用程度。
实施例三
以上为本说明书实施例提供的商户风险的检测方法,基于同样的思路,本说明书实施例还提供一种商户风险的检测装置,如图4所示。
该商户风险的检测装置包括:检测请求接收模块401、数据获取模块402和风险检测模块403,其中:
检测请求接收模块401,接收业务发起方发送的对目标商户的风险检测请求,所述风险检测请求中包括预定权益值,所述预定权益值用于获取对所述目标商户进行风险检测的权限;
数据获取模块402,如果所述预定权益值不小于预定阈值,则从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的所述风险检测模型中的预定风险参数数据,并获取所述目标商户对应的风险特征数据;
风险检测模块403,将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中,确定所述目标商户是否存在风险,并确定提供所述预定风险参数数据的构建方所需奖励的权益值。
本说明书实施例中,所述风险检测模块403,包括:
贡献程度获取单元,获取每个所述构建方提供的风险参数数据对确定所述目标商户是否存在风险的贡献程度;
奖励发放单元,基于所述每个所述构建方对应的贡献程度,确定提供所述预定风险参数数据的构建方所需奖励的权益值。
本说明书实施例中,所述贡献程度获取单元,获取每个所述构建方提供的风险参数数据对应的shapley值;所述每个所述构建方提供的风险参数数据对应的shapley值,确定每个所述构建方提供的风险参数数据对确定所述目标商户是否存在风险的贡献程度。
本说明书实施例中,所述风险检测模块403,包括:
风险分值确定单元,将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中,得到所述目标商户存在风险的风险分值;
风险检测单元,根据所述风险分值,确定所述目标商户是否存在风险。
本说明书实施例中,所述装置还包括:
信息获取模块,从预先构建的风险检测模型对应的构建方集合中获取未提供所述风险检测模型中的预定风险参数数据的构建方的信息;
惩罚模块,从所述未提供所述预定风险参数数据的构建方的权益值账户中扣除预定权益值。
本说明书实施例中,所述装置还包括:
样本接收模块,接收所述构建方提供的样本数据;
质量检测模块,通过预设的样本质量检测规则,对所述样本数据进行质量检测;
模型构建模块,基于所述质量检测通过的样本数据,构建并训练所述风险检测模型。
本说明书实施例中,所述质量检测模块,包括:
特征提取单元,对所述样本数据进行特征提取,得到所述样本数据对应的样本特征;
样本质量确定单元,确定所述样本特征对应的样本质量信息,所述样本质量信息包括所述样本特征与预定标签的关系、所述样本特征的稳定性信息,以及所述样本特征与已存在的样本数据之间的相关程度信息中的一项或多项;
质量检测单元,如果所述样本特征对应的样本质量信息满足预设的样本质量检测条件,则确定对所述样本数据的质量检测通过。
本说明书实施例中,所述装置还包括:
参数数据获取模块,获取基于所述样本数据确定的所述风险检测模型中的第一风险参数数据;
重要性确定模块,确定所述第一风险参数数据在所述风险检测模型中包含的风险参数数据中的重要性;
奖励模块,基于所述第一风险参数数据对应的重要性,为所述构建方发放所需奖励的权益值。
本说明书实施例中,所述装置还包括:
置换请求模块,接收所述业务发起方发送的资源置换请求,所述资源置换请求中包括第一数值的资源;
置换模块,根据所述第一数值,以及所述资源与权益值的置换规则,确定所述第一数值的资源所需置换的权益值,并从所述业务发起方的资源账户中扣除所述第一数值的资源,将确定的所需置换的权益值提供给所述业务发起方。
本说明书实施例中,所述装置还包括:
兑换请求模块,接收所述业务发起方发送的权益值兑换请求,所述权益值兑换请求中包括第二数值的权益值;
兑换模块,根据所述第二数值,以及权益值与资源的兑换规则,确定所述第二数值的权益值所需兑换的预定资源的数值,并从所述业务发起方的权益值账户中扣除所述第二数值的权益值,将确定的所需兑换的预定资源的数值提供给所述业务发起方。
本说明书实施例提供一种商户风险的检测装置,在接收业务发起方需要对目标商户进行风险检测的过程中,通过业务发起方提供的获取对目标商户进行风险检测的权限的权益值,从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的风险检测模型中的预定风险参数数据,并获取目标商户对应的风险特征数据,然后,通过上述获取的数据和风险检测模型对目标商户是否存在风险进行检测,这样通过多个不同的构建方构建风险检测模型,并由构建方提供风险检测模型所需的风险参数数据,从而可以提高风险防控效果,并可以进一步提高数据价值的利用程度,此外,确定提供预定风险参数数据的构建方所需奖励的权益值,以对参与风险检测的构建方进行奖励,从而激励参与风险检测的构建方继续提供风险检测所需的样本数据或风险参数数据,以进一步提高风险防控效果和数据价值的利用程度。
实施例四
以上为本说明书实施例提供的商户风险的检测装置,基于同样的思路,本说明书实施例还提供一种商户风险的检测设备,如图5所示。
所述商户风险的检测设备可以为上述实施例提供的服务器。
商户风险的检测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501和存储器502,存储器502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502可以是短暂存储或持久存储。存储在存储器502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商户风险的检测设备中的一系列计算机可执行指令。更进一步地,处理器501可以设置为与存储器502通信,在商户风险的检测设备上执行存储器502中的一系列计算机可执行指令。商户风险的检测设备还可以包括一个或一个以上电源503,一个或一个以上有线或无线网络接口504,一个或一个以上输入输出接口505,一个或一个以上键盘506。
具体在本实施例中,商户风险的检测设备包括有存储器,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商户风险的检测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:
接收业务发起方发送的对目标商户的风险检测请求,所述风险检测请求中包括预定权益值,所述预定权益值用于获取对所述目标商户进行风险检测的权限;
如果所述预定权益值不小于预定阈值,则从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的所述风险检测模型中的预定风险参数数据,并获取所述目标商户对应的风险特征数据;
将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中,确定所述目标商户是否存在风险,并确定提供所述预定风险参数数据的构建方所需奖励的权益值。
本说明书实施例中,所述确定提供所述预定风险参数数据的构建方所需奖励的权益值,包括:
获取每个所述构建方提供的风险参数数据对确定所述目标商户是否存在风险的贡献程度;
基于所述每个所述构建方对应的贡献程度,确定提供所述预定风险参数数据的构建方所需奖励的权益值。
本说明书实施例中,所述获取每个所述构建方提供的风险参数数据对确定所述目标商户是否存在风险的贡献程度,包括:
获取每个所述构建方提供的风险参数数据对应的shapley值;
所述每个所述构建方提供的风险参数数据对应的shapley值,确定每个所述构建方提供的风险参数数据对确定所述目标商户是否存在风险的贡献程度。
本说明书实施例中,所述将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中,确定所述目标商户是否存在风险,包括:
将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中,得到所述目标商户存在风险的风险分值;
根据所述风险分值,确定所述目标商户是否存在风险。
本说明书实施例中,还包括:
从预先构建的风险检测模型对应的构建方集合中获取未提供所述风险检测模型中的预定风险参数数据的构建方的信息;
从所述未提供所述预定风险参数数据的构建方的权益值账户中扣除预定权益值。
本说明书实施例中,还包括:
接收所述构建方提供的样本数据;
通过预设的样本质量检测规则,对所述样本数据进行质量检测;
基于所述质量检测通过的样本数据,构建并训练所述风险检测模型。
本说明书实施例中,所述通过预设的样本质量检测规则,对所述样本数据进行质量检测,包括:
对所述样本数据进行特征提取,得到所述样本数据对应的样本特征;
确定所述样本特征对应的样本质量信息,所述样本质量信息包括所述样本特征与预定标签的关系、所述样本特征的稳定性信息,以及所述样本特征与已存在的样本数据之间的相关程度信息中的一项或多项;
如果所述样本特征对应的样本质量信息满足预设的样本质量检测条件,则确定对所述样本数据的质量检测通过。
本说明书实施例中,还包括:
获取基于所述样本数据确定的所述风险检测模型中的第一风险参数数据;
确定所述第一风险参数数据在所述风险检测模型中包含的风险参数数据中的重要性;
基于所述第一风险参数数据对应的重要性,为所述构建方发放所需奖励的权益值。
本说明书实施例中,还包括:
接收所述业务发起方发送的资源置换请求,所述资源置换请求中包括第一数值的资源;
根据所述第一数值,以及所述资源与权益值的置换规则,确定所述第一数值的资源所需置换的权益值,并从所述业务发起方的资源账户中扣除所述第一数值的资源,将确定的所需置换的权益值提供给所述业务发起方。
本说明书实施例中,还包括:
接收所述业务发起方发送的权益值兑换请求,所述权益值兑换请求中包括第二数值的权益值;
根据所述第二数值,以及权益值与资源的兑换规则,确定所述第二数值的权益值所需兑换的预定资源的数值,并从所述业务发起方的权益值账户中扣除所述第二数值的权益值,将确定的所需兑换的预定资源的数值提供给所述业务发起方。
本说明书实施例提供一种商户风险的检测设备,在接收业务发起方需要对目标商户进行风险检测的过程中,通过业务发起方提供的获取对目标商户进行风险检测的权限的权益值,从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的风险检测模型中的预定风险参数数据,并获取目标商户对应的风险特征数据,然后,通过上述获取的数据和风险检测模型对目标商户是否存在风险进行检测,这样通过多个不同的构建方构建风险检测模型,并由构建方提供风险检测模型所需的风险参数数据,从而可以提高风险防控效果,并可以进一步提高数据价值的利用程度,此外,确定提供预定风险参数数据的构建方所需奖励的权益值,以对参与风险检测的构建方进行奖励,从而激励参与风险检测的构建方继续提供风险检测所需的样本数据或风险参数数据,以进一步提高风险防控效果和数据价值的利用程度。
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 Programmable GateArray,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商户风险的检测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商户风险的检测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商户风险的检测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商户风险的检测设备上,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 (16)
1.一种商户风险的检测方法,所述方法包括:
接收业务发起方发送的对目标商户的风险检测请求,所述风险检测请求中包括预定权益值,所述预定权益值用于获取对所述目标商户进行风险检测的权限;
如果所述预定权益值不小于预定阈值,则从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的所述风险检测模型中的预定风险参数数据,并获取所述目标商户对应的风险特征数据;
将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中,确定所述目标商户是否存在风险,并确定提供所述预定风险参数数据的构建方所需奖励的权益值。
2.根据权利要求1所述的方法,所述确定提供所述预定风险参数数据的构建方所需奖励的权益值,包括:
获取每个所述构建方提供的风险参数数据对确定所述目标商户是否存在风险的贡献程度;
基于所述每个所述构建方对应的贡献程度,确定提供所述预定风险参数数据的构建方所需奖励的权益值。
3.根据权利要求2所述的方法,所述获取每个所述构建方提供的风险参数数据对确定所述目标商户是否存在风险的贡献程度,包括:
获取每个所述构建方提供的风险参数数据对应的shapley值;
所述每个所述构建方提供的风险参数数据对应的shapley值,确定每个所述构建方提供的风险参数数据对确定所述目标商户是否存在风险的贡献程度。
4.根据权利要求1所述的方法,所述将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中,确定所述目标商户是否存在风险,包括:
将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中,得到所述目标商户存在风险的风险分值;
根据所述风险分值,确定所述目标商户是否存在风险。
5.根据权利要求1-4中任一项所述的方法,所述方法还包括:
从预先构建的风险检测模型对应的构建方集合中获取未提供所述风险检测模型中的预定风险参数数据的构建方的信息;
从所述未提供所述预定风险参数数据的构建方的权益值账户中扣除预定权益值。
6.根据权利要求1所述的方法,所述方法还包括:
接收所述构建方提供的样本数据;
通过预设的样本质量检测规则,对所述样本数据进行质量检测;
基于所述质量检测通过的样本数据,构建并训练所述风险检测模型。
7.根据权利要求6所述的方法,所述通过预设的样本质量检测规则,对所述样本数据进行质量检测,包括:
对所述样本数据进行特征提取,得到所述样本数据对应的样本特征;
确定所述样本特征对应的样本质量信息,所述样本质量信息包括所述样本特征与预定标签的关系、所述样本特征的稳定性信息,以及所述样本特征与已存在的样本数据之间的相关程度信息中的一项或多项;
如果所述样本特征对应的样本质量信息满足预设的样本质量检测条件,则确定对所述样本数据的质量检测通过。
8.根据权利要求6所述的方法,所述方法还包括:
获取基于所述样本数据确定的所述风险检测模型中的第一风险参数数据;
确定所述第一风险参数数据在所述风险检测模型中包含的风险参数数据中的重要性;
基于所述第一风险参数数据对应的重要性,为所述构建方发放所需奖励的权益值。
9.根据权利要求1所述的方法,所述方法还包括:
接收所述业务发起方发送的资源置换请求,所述资源置换请求中包括第一数值的资源;
根据所述第一数值,以及所述资源与权益值的置换规则,确定所述第一数值的资源所需置换的权益值,并从所述业务发起方的资源账户中扣除所述第一数值的资源,将确定的所需置换的权益值提供给所述业务发起方。
10.根据权利要求1所述的方法,所述方法还包括:
接收所述业务发起方发送的权益值兑换请求,所述权益值兑换请求中包括第二数值的权益值;
根据所述第二数值,以及权益值与资源的兑换规则,确定所述第二数值的权益值所需兑换的预定资源的数值,并从所述业务发起方的权益值账户中扣除所述第二数值的权益值,将确定的所需兑换的预定资源的数值提供给所述业务发起方。
11.一种商户风险的检测装置,所述装置包括:
检测请求接收模块,接收业务发起方发送的对目标商户的风险检测请求,所述风险检测请求中包括预定权益值,所述预定权益值用于获取对所述目标商户进行风险检测的权限;
数据获取模块,如果所述预定权益值不小于预定阈值,则从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的所述风险检测模型中的预定风险参数数据,并获取所述目标商户对应的风险特征数据;
风险检测模块,将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中,确定所述目标商户是否存在风险,并确定提供所述预定风险参数数据的构建方所需奖励的权益值。
12.根据权利要求11所述的装置,所述风险检测模块,包括:
贡献程度获取单元,获取每个所述构建方提供的风险参数数据对确定所述目标商户是否存在风险的贡献程度;
奖励发放单元,基于所述每个所述构建方对应的贡献程度,确定提供所述预定风险参数数据的构建方所需奖励的权益值。
13.根据权利要求12所述的装置,所述贡献程度获取单元,获取每个所述构建方提供的风险参数数据对应的shapley值;所述每个所述构建方提供的风险参数数据对应的shapley值,确定每个所述构建方提供的风险参数数据对确定所述目标商户是否存在风险的贡献程度。
14.根据权利要求11所述的装置,所述装置还包括:
样本接收模块,接收所述构建方提供的样本数据;
质量检测模块,通过预设的样本质量检测规则,对所述样本数据进行质量检测;
模型构建模块,基于所述质量检测通过的样本数据,构建并训练所述风险检测模型。
15.根据权利要求14所述的装置,所述质量检测模块,包括:
特征提取单元,对所述样本数据进行特征提取,得到所述样本数据对应的样本特征;
样本质量确定单元,确定所述样本特征对应的样本质量信息,所述样本质量信息包括所述样本特征与预定标签的关系、所述样本特征的稳定性信息,以及所述样本特征与已存在的样本数据之间的相关程度信息中的一项或多项;
质量检测单元,如果所述样本特征对应的样本质量信息满足预设的样本质量检测条件,则确定对所述样本数据的质量检测通过。
16.一种商户风险的检测设备,所述商户风险的检测设备包括:
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:
接收业务发起方发送的对目标商户的风险检测请求,所述风险检测请求中包括预定权益值,所述预定权益值用于获取对所述目标商户进行风险检测的权限;
如果所述预定权益值不小于预定阈值,则从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的所述风险检测模型中的预定风险参数数据,并获取所述目标商户对应的风险特征数据;
将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中,确定所述目标商户是否存在风险,并确定提供所述预定风险参数数据的构建方所需奖励的权益值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010116824.0A CN111325557B (zh) | 2020-02-25 | 2020-02-25 | 一种商户风险的检测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010116824.0A CN111325557B (zh) | 2020-02-25 | 2020-02-25 | 一种商户风险的检测方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111325557A true CN111325557A (zh) | 2020-06-23 |
CN111325557B CN111325557B (zh) | 2022-04-29 |
Family
ID=71163555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010116824.0A Active CN111325557B (zh) | 2020-02-25 | 2020-02-25 | 一种商户风险的检测方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111325557B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113032440A (zh) * | 2021-03-18 | 2021-06-25 | 上海数禾信息科技有限公司 | 训练风险模型的数据处理方法和装置 |
CN113807858A (zh) * | 2021-09-23 | 2021-12-17 | 未鲲(上海)科技服务有限公司 | 一种基于决策树模型的数据处理方法及相关设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109120429A (zh) * | 2017-06-26 | 2019-01-01 | 苏宁云商集团股份有限公司 | 一种风险识别方法及系统 |
CN109167695A (zh) * | 2018-10-26 | 2019-01-08 | 深圳前海微众银行股份有限公司 | 基于联邦学习的联盟网络构建方法、设备及可读存储介质 |
US20190019082A1 (en) * | 2017-07-12 | 2019-01-17 | International Business Machines Corporation | Cooperative neural network reinforcement learning |
CN109345374A (zh) * | 2018-09-17 | 2019-02-15 | 平安科技(深圳)有限公司 | 风险控制方法、装置、计算机设备和存储介质 |
CN110428278A (zh) * | 2019-06-27 | 2019-11-08 | 阿里巴巴集团控股有限公司 | 确定资源份额的方法及装置 |
CN110751294A (zh) * | 2019-10-31 | 2020-02-04 | 深圳前海微众银行股份有限公司 | 联合多方特征数据的模型预测方法、装置、设备及介质 |
-
2020
- 2020-02-25 CN CN202010116824.0A patent/CN111325557B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109120429A (zh) * | 2017-06-26 | 2019-01-01 | 苏宁云商集团股份有限公司 | 一种风险识别方法及系统 |
US20190019082A1 (en) * | 2017-07-12 | 2019-01-17 | International Business Machines Corporation | Cooperative neural network reinforcement learning |
CN109345374A (zh) * | 2018-09-17 | 2019-02-15 | 平安科技(深圳)有限公司 | 风险控制方法、装置、计算机设备和存储介质 |
CN109167695A (zh) * | 2018-10-26 | 2019-01-08 | 深圳前海微众银行股份有限公司 | 基于联邦学习的联盟网络构建方法、设备及可读存储介质 |
CN110428278A (zh) * | 2019-06-27 | 2019-11-08 | 阿里巴巴集团控股有限公司 | 确定资源份额的方法及装置 |
CN110751294A (zh) * | 2019-10-31 | 2020-02-04 | 深圳前海微众银行股份有限公司 | 联合多方特征数据的模型预测方法、装置、设备及介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113032440A (zh) * | 2021-03-18 | 2021-06-25 | 上海数禾信息科技有限公司 | 训练风险模型的数据处理方法和装置 |
CN113807858A (zh) * | 2021-09-23 | 2021-12-17 | 未鲲(上海)科技服务有限公司 | 一种基于决策树模型的数据处理方法及相关设备 |
CN113807858B (zh) * | 2021-09-23 | 2024-04-26 | 中科软科技股份有限公司 | 一种基于决策树模型的数据处理方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111325557B (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dapp et al. | Fintech–The digital (r) evolution in the financial sector | |
Kauffman et al. | Technology investment decision-making under uncertainty | |
KR102322845B1 (ko) | 인공지능 기반 브랜드 마케팅 전략 도출 방법, 장치 및 시스템 | |
Suryono et al. | Challenges in P2P lending development: Collaboration with tourism commerce | |
Jain | Big Data and Hadoop | |
Roa et al. | Super-app behavioral patterns in credit risk models: Financial, statistical and regulatory implications | |
CN111383030B (zh) | 一种交易风险的检测方法、装置及设备 | |
US20210192496A1 (en) | Digital wallet reward optimization using reverse-engineering | |
CN111325557B (zh) | 一种商户风险的检测方法、装置及设备 | |
CN113191848A (zh) | 数据处理方法及装置、推荐处理方法及装置 | |
Snihovyi et al. | Implementation of robo-advisor services for different risk attitude investment decisions using machine learning techniques | |
Alsmadi et al. | Banking services transformation and financial technology role | |
Al Dahdah et al. | Between tech and trade, the digital turn in development policies | |
Hundal et al. | Financial Technology in the Finnish Banking sector and its impact on stakeholders in the wake of Covid-19 | |
CN113222649A (zh) | 一种业务执行方式的推荐方法以及装置 | |
KR20200130767A (ko) | 인공신경망을 이용한 암호화폐 거래소 상장여부 평가방법 | |
Alchuban et al. | The usage of financial technology payments during the pandemic of covid-19 | |
Damiano et al. | Learning while experimenting | |
Johnson et al. | Who Supports Using Cryptocurrencies and Why Public Education About Blockchain Technology Matters? | |
Savona et al. | Financial symmetry and moods in the market | |
Boughaci et al. | A cooperative classification system for credit scoring | |
Giorgino | In search of a new compass in the great transition: Toward co-designing the urban space we care about | |
Mutharasu et al. | A framework for crowdfunding platform using Ethereum blockchain technology | |
WO2020210545A1 (en) | Proximity based engagement apparatus, system, and method | |
Farooq et al. | Review of data science and AI in finance |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |