CN111353779A - 异常服务提供方的确定方法、装置、设备及存储介质 - Google Patents
异常服务提供方的确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111353779A CN111353779A CN202010115862.4A CN202010115862A CN111353779A CN 111353779 A CN111353779 A CN 111353779A CN 202010115862 A CN202010115862 A CN 202010115862A CN 111353779 A CN111353779 A CN 111353779A
- Authority
- CN
- China
- Prior art keywords
- service provider
- abnormal
- transaction
- abnormal service
- target
- 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
- G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
-
- 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
- G06Q20/42—Confirmation, e.g. check or permission by the legal debtor of payment
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种异常服务提供方的确定方法、装置、设备及存储介质,涉及数据处理领域。该方法包括:获取第一目标对象的操作数据,第一目标对象包括在第一预设时间段内与已知异常服务提供方发生操作关联的对象;利用第一目标对象的操作数据,对第一目标对象进行聚类,得到N个群组,N为正整数且N≥2;获取目标群组中各第一目标对象对应的服务提供方,将目标群组中各第一目标对象对应的服务提供方中的至少部分作为异常服务提供方,目标群组为满足异常操作条件的群组。利用本申请的技术方案能够准确地获取到更为全面的异常服务提供方。
Description
技术领域
本申请属于数据处理领域,尤其涉及一种异常服务提供方的确定方法、装置、设备及存储介质。
背景技术
随着支付交易技术的日渐发展,销售终端等交易设备可支持支付、转账等功能,且方便快捷,交易设备的应用也越来越广泛。近年来,未经收单机构允许擅自将交易设备从登记的经营地址转移至另一地址,或者自行调换交易设备等非法移机的异常行为多发,为资金的安全带来巨大风险。
为了保证资金的安全,需要对服务方进行排查,以确定未经允许移机的异常服务提供方。但由于使用交易设备的服务提供方数量过于庞大,难以准确地获取到较为全面的异常服务提供方。
发明内容
本申请实施例提供了一种异常服务提供方的确定方法、装置、设备及存储介质,能够准确地获取到更为全面的异常服务提供方。
第一方面,本申请实施例提供一种异常服务提供方的确定方法,包括:
获取第一目标对象的操作数据,第一目标对象包括在第一预设时间段内与已知异常服务提供方发生操作关联的对象;
利用第一目标对象的操作数据,对第一目标对象进行聚类,得到N个群组,N为正整数且N≥2;
获取目标群组中各第一目标对象对应的服务提供方,将目标群组中各第一目标对象对应的服务提供方中的至少部分作为异常服务提供方,目标群组为满足异常操作条件的群组。
第二方面,本申请实施例提供一种异常服务提供方的确定装置,包括:
第一获取模块,用于获取第一目标对象的操作数据,第一目标对象包括在第一预设时间段内与已知异常服务提供方发生操作关联的对象;
聚类模块,用于利用第一目标对象的操作数据,对第一目标对象进行聚类,得到N个群组,N为正整数且N≥2;
第一确定模块,用于获取目标群组中各第一目标对象对应的服务提供方,将目标群组中各第一目标对象对应的服务提供方中的至少部分作为异常服务提供方,目标群组为满足异常操作条件的群组。
第三方面,本申请实施例提供一种异常服务提供方的确定设备,其特征在于,包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序,计算机程序被处理器执行时实现第一方面的技术方案中的异常服务提供方的确定方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其特征在于,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现第一方面的技术方案中的异常服务提供方的确定方法。
本申请实施例提供一种异常服务提供方的确定方法、装置、设备及存储介质,可利用与已知异常服务提供方发生操作关联的对象的操作数据,对与已知异常服务提供方发生操作关联的对象进行聚类。获取与聚类后满足异常操作条件的群组中对象发生操作关联的服务提供方,并将至少部分该服务提供方作为异常服务提供方。通过已知异常服务提供方能够挖掘得到新确定的异常服务提供方,从而能够准确地获取到更为全面的异常服务提供方。
附图说明
从下面结合附图对本申请的具体实施方式的描述中可以更好地理解本申请。其中,相同或相似的附图标记表示相同或相似的特征。
图1为本申请一实施例提供的一种异常服务提供方的确定方法的流程图;
图2为本申请另一实施例提供的一种异常服务提供方的确定方法的流程图;
图3为本申请实施例中与表一对应的主成分变量的方差折线示意图;
图4为本申请又一实施例提供的一种异常服务提供方的确定方法的流程图;
图5为本申请实施例提供的一种网络图谱的示意图;
图6为本申请实施例提供的另一种网络图谱的示意图;
图7为本申请又一实施例提供的一种异常服务提供方的确定方法的流程图;
图8为本申请一实施例提供的一种异常服务提供方的确定装置的结构示意图;
图9为本申请另一实施例提供的一种异常服务提供方的确定装置的结构示意图;
图10为本申请又一实施例提供的一种异常服务提供方的确定装置的结构示意图;
图11为本申请实施例提供的一种异常服务提供方的确定设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例。在下面的详细描述中,提出了许多具体细节,以便提供对本申请的全面理解。但是,对于本领域技术人员来说很明显的是,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请的更好的理解。本申请决不限于下面所提出的任何具体配置和算法,而是在不脱离本申请的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在附图和下面的描述中,没有示出公知的结构和技术,以便避免对本申请造成不必要的模糊。
本申请实施例提供一种异常服务提供方的确定方法、装置、设备及存储介质,可应用于检测异常服务提供方的场景中。在本申请实施例中,异常服务提供方可以为未经收单机构允许的移机商户,比如,跨境移机商户等,在此并不限定。在本申请实施例中,可利用与已知异常服务提供方发生操作关联的对象的操作数据,对已知异常服务提供方进行聚类。通过聚类可得到特征相近的满足异常操作条件的群组,通过满足异常操作条件的群组挖掘得到更多的异常服务提供方,从而能够准确地获取到较为全面的异常服务提供方。
图1为本申请一实施例提供的一种异常服务提供方的确定方法的流程图。如图1所示,该异常服务提供方的确定方法可包括步骤S101至步骤S103。
在步骤S101中,获取第一目标对象的操作数据。
其中,第一目标对象包括在第一预设时间段内与已知异常服务提供方发生操作关联的对象。第一预设时间段可根据具体工作场景和工作需求设定,在此并不限定。比如,第一预设时间段可为一天。已知异常服务提供方可包括预先已经确定的异常服务提供方,也可包括专门管理机构或部分提供的异常服务提供方,在此并不限定已知异常服务提供方的来源。异常服务提供方为发生异常的服务提供方。对象为与服务提供方发生操作关联的设备。比如,在交易场景下,服务提供方可为商户;异常服务提供方可为私自移机商户;对象可为银行卡或其他交易卡。需要说明的是,这里的银行卡包括实体卡,也包括虚拟卡,在此并不限定。
操作数据为服务提供方与对象之间的操作相关联的数据。在交易场景中,操作数据可包括交易金额相关数据、交易次数相关数据、交易时间相关数据、交易地点相关数据、特定交易相关数据等,在此并不限定。
比如,具体地,操作数据可包括但不限于以下的一项或多项:交易次数、交易金额、交易的对象数目、交易的特定对象占比、交易的服务提供方数目、交易位置、交易时间、交易金额大于第一金额阈值的线下交易次数、交易金额大于第一金额阈值的线下交易时间、交易金额小于第二金额阈值的线下交易次数、交易金额小于第二金额阈值的线下交易时间、服务提供方清算代付交易金额、服务提供方清算代付交易次数、线下交易占比、位于第一区域内的交易次数、在第一区域与第二区域之间移动的次数。
其中,交易的特定对象占比指与服务提供方发生交易的特定对象占与该服务提供方发生交易的所有对象的比例,比如与商户发生的借记卡占与该商户发生交易的银行卡的比例。交易金额大于第一金额阈值,则该交易可视为大额交易。第一金额阈值可根据具体工作场景和工作需求设定,在此并不限定。比如,第一金额阈值可为3万元或5万元。交易金额小于第二金额阈值,则该交易为异常小额交易。第二金额阈值远远小于第一金额阈值,第二金额阈值可根据具体工作场景和工作需求设定,在此并不限定。比如,第二金额阈值为1元或2元。位于第一区域内的交易次数即为在第一区域发生的交易次数。第一区域与第二区域为两个不同的区域,根据第一区域和第二区域之间移动的次数可协助判断是否发生跨区交易。比如,第一区域为A城市,第二区域为B城市,A城市和B城市可属于一个国家,也可各属于一个国家,在此并不限定,可根据具体工作需求设定。
在一些示例中,上述实施例中的对象可设置有标签。标签用于表征对象的操作特征。操作特征根据操作数据确定。比如,在交易场景中,若对象A一周内的交易金额大于第一金额阈值的线下交易次数大于大额交易次数阈值,则可为对象A设置标签1,标签1即为大额交易多发标签。又比如,在交易场景中,若在同一天内对象B与第一区域内的服务提供方以及第二区域内的服务提供方均发生过交易,则可为对象B设置标签2,标签2即为跨区交易标签。在此并不限定标签的形式和具体内容。
在一些示例中,第一目标对象还包括在预设时间段内与疑似异常服务提供方发生操作关联的对象。疑似异常服务提供方为类型与已知异常服务提供方的类型相同的服务提供方。已知异常服务提供方的类型一般覆盖了大部分异常服务提供方的类型,若某个或某些服务提供方的类型与已知异常服务提供方的类型相同,可将某个或某些服务提供方作为疑似异常服务提供方,以扩大挖掘确定异常服务提供方的范围。
在步骤S102中,利用第一目标对象的操作数据,对第一目标对象进行聚类,得到N个群组。
其中,N为正整数且N≥2。第一目标对象的数目在此并不限定。为了便于进行聚类,每个第一目标对象的操作数据可利用向量表示,但不限于向量表示的形式。聚类方法具体可采用K-means聚类方法,也可采用其他聚类方法,在此并不限定。通过利用操作数据的聚类,可将操作特征相近的第一目标对象划分到同一群组内。
以交易场景为例,在一些示例中,N=3。可通过聚类得到三个群组,三个群组分别为异常少见对象群组、异常常见对象群组和异常团体群组。其中,异常少见对象群组为操作特征体现异常较少的对象组成的群组,可将异常少见对象群组中的对象视为正常对象。比如,异常少见对象群组中的对象的交易金额大于第一金额阈值的线下交易次数小于大额交易次数阈值。异常常见对象群组为操作特征体现异常较多的对象组成的群组,可将异常常见对象群组中的对象视为异常对象。比如,异常少见对象群组中的对象的交易金额大于第一金额阈值的线下交易次数大于大额交易次数阈值。异常团体群组为操作特征体现异常团伙性出现的对象组成的群组,可将异常团体群组中的对象视为异常对象。比如,异常团体群组中对象在某一区域的线下交易次数大于安全交易次数,异常团体群组中对象的服务提供方清算代付交易次数大于安全代付次数。
在步骤S103中,获取目标群组中各第一目标对象对应的服务提供方,将目标群组中各第一目标对象对应的服务提供方中的至少部分作为异常服务提供方。
其中,目标群组为满足异常操作条件的群组。满足异常操作条件的群组中的对象即为异常对象。异常操作条件为用于筛选异常对象的条件。在一些示例中,满足异常条件的群组可包括上述实施例中的异常常见对象群组和异常团体群组。
目标群组中各个第一目标对象对应的服务提供方,即为与目标群组中各个第一目标对象发生操作关联的服务提供方。可将目标群组中各第一目标对象对应的服务提供方全部作为异常服务提供方,也可将目标群组中各第一目标对象对应的服务提供方中的部分作为服务提供方,在此并不限定。
在本申请实施例中,可利用与已知异常服务提供方发生操作关联的对象的操作数据,对与已知异常服务提供方发生操作关联的对象进行聚类。获取与聚类后满足异常操作条件的群组中对象发生操作关联的服务提供方,并将至少部分该服务提供方作为异常服务提供方。通过已知异常服务提供方能够挖掘得到新确定的异常服务提供方,从而能够准确地获取到更为全面的异常服务提供方。
而且,通过实验,采用本申请实施例中异常服务提供方的确定方法,异常服务提供方的确认准确率高达93.68%,远高于现有技术对异常服务提供方的确认准确率。
图2为本申请另一实施例提供的一种异常服务提供方的确定方法的流程图。图2与图1的不同之处在于,图1中的步骤S102可具体细化为图2中的步骤S1021和步骤S1022;图1中的步骤S103可具体细化为图2中的步骤S1031和步骤S1032。
在步骤S1021中,通过主成分(即principal component analysis)算法,对第一目标对象的操作数据进行降维处理,得到主成分变量。
操作数据可以包括多项数据。多项数据所表征的意义存在一定程度的重复,在本申请实施例中,可对操作数据利用主成分算法进行降维处理,从而消除操作数据中多项数据表征意义的重复。
利用主成分算法和操作数据,可得到多个主成分变量。可选择至少部分主成分变量对第一目标对象进行聚类。比如,可选择方差高于预设方差阈值的主成分变量,对第一目标对象进行聚类。比如,表一示出了一个实例中各个主成分变量的方差。图3为本申请实施例中与表一对应的主成分变量的方差折线示意图。其中,由表一和图3可得,前四个主成分变量的方差大于1,可以认为,前四个主成分足以解释80%的方差,即能够体现出对象之间的不同。
表一
主成分变量 | 主成分1 | 主成分2 | 主成分3 | 主成分4 | 主成分5 |
方差 | 1.590 | 1.1752 | 1.0131 | 1.0002 | 0.9372 |
根据操作数据在各主成分变量的系数的绝对值和方向(方向可表现为正和负),可体现出对象的操作特征。
比如,与已知异常服务提供方发生大额交易的次数越少,与已知异常服务提供方发生交易的次数越少,与疑似异常服务提供方发生的交易的次数越少,则说明该对象与已知异常服务提供方发生异常操作的需求越小,属于异常少见对象群组的可能性越高。
又比如,异常小额交易的次数越少,与疑似异常服务提供方发生的交易次数越少,则说明该对象属于异常少见对象群组的可能性高,属于异常常见对象群组的可能性高于属于异常团体群组的可能性。
再比如,服务提供方清算代付交易次数越多,位于特定区域如第一区域的交易次数越多,则说明该对象属于异常团体群组的可能性越高。
在步骤S1022中,利用主成分变量,对第一目标对象进行聚类,得到N个群组。
利用主成分变量,对第一目标对象进行聚类,能够优化聚类的解释性,在一定程度上也可提高聚类的准确性。
在步骤S1031中,获取目标群组中各第一目标对象对应的服务提供方。
在步骤S1032中,在目标群组中各第一目标对象对应的服务提供方中,筛选得到操作数据超出安全服务提供方阈值范围的服务提供方,并将操作数据超出安全服务提供方阈值范围的服务提供方作为异常服务提供方。
其中,安全服务提供方阈值范围可根据具体工作场景和工作需求设定,在此并不限定。比如,在目标群组汇中各第一目标对象对应的服务提供方中,筛选出交易金额小于第二金额阈值的线下交易次数大于小额正常交易次数的服务提供方作为异常服务提供方。
在一些示例中,还可预先创建服务提供方白名单,将目标群组中各第一目标对象对应的服务提供方中属于服务提供方白名单中的服务提供方剔除。服务提供方白名单可根据具体操作场景设定。
在目标群组中各第一目标对象对应的服务提供方中,进一步缩小挖掘范围,以更准确地定位异常服务提供方,并在保障能够更为全面地获取到异常服务提供方的情况下,大幅缩减了确定异常服务提供方所需要的挖掘计算量和花费的时间,提高了确定异常服务提供方的工作质量与工作效率。
图4为本申请又一实施例提供的一种异常服务提供方的确定方法的流程图。图4与图1的不同之处在于,图4所示的异常服务提供方的确定方法还可包括步骤S104和步骤S105。
在步骤S104中,根据至少部分异常服务提供方,以及与至少部分异常服务提供方发生操作关联的对象,构建网络图谱。
在异常服务提供方中包括核心的异常服务提供方,核心的异常服务提供方可组成异常服务提供核心集群。在本申请实施例中,可通过对至少部分异常服务提供方,以及该至少部分异常服务提供方的发生操作关联的对象形成的网络图谱,来确定异常服务提供核心集群。
在一些示例中,可利用至少部分异常服务提供方的标识编号,对至少部分异常服务提供方进行分组。针对与每一组异常服务提供方发生操作关联的对象,构建网络图谱。其中,同一组中任意两个异常服务提供方的标识编号的差值小于预设阈值。需要说明的是,这里的差值指的是两个标识编号的差的绝对值。预设阈值可根据具体工作场景和工作需求设定,在此并不限定。比如,预设阈值为5,即同一组中任意两个异常服务提供方的标识标号之间的差值小于5。为了避免分组数目过多,还可限定一组中异常服务提供方的数目大于预设数目阈值。比如,一组中异常服务提供方的数目大于5。每一组异常服务提供方均可对应一个网络图谱。
在另一些示例中,按照与异常服务提供方发生操作关联的对象数目由多至少的顺序,对至少部分异常服务提供方排序。针对与前M个异常服务提供方发生操作关联的对象,构建网络图谱。其中,M为正整数。与该异常服务提供方发生操作关联的对象数目较多,该异常服务提供方属于异常服务提供核心集群的可能较大。针对发生操作关联的对象数目最多的前M个异常服务提供方,以及与前M个异常服务提供方发生操作关联的对象,构建网络图谱。
其中,网络图谱中节点表示异常服务提供方。网络图谱中任意两个节点之间的连线表示与任意两个节点发生操作关联的对象。比如,图5为本申请实施例提供的一种网络图谱的示意图。图6为本申请实施例提供的另一种网络图谱的示意图。图5和图6所示的网络图谱直观地展现出了各个异常服务提供方通过发生操作关联的对象之间的联系。
在步骤S105中,基于网络图谱,将之间连线的数目大于预设核心数目阈值的节点作为异常服务提供核心集群中的节点。
若表征异常服务提供方的节点的连线的数据大于预设核心数目阈值,表示该节点为核心的异常服务提供方。预设核心数目阈值可根据具体工作场景和工作需求设定,在此并不限定。比如,预设核心数目阈值可为10。异常服务提供核心集群即为所有异常服务提供方中的核心部分。比如,在交易场景中,异常服务提供核心集群可能为不法团伙所控制的移机商户群组。
图7为本申请又一实施例提供的一种异常服务提供方的确定方法的流程图。图7与图1的不同之处在于,图7所示的异常服务提供方的确定方法还可包括步骤S106至步骤S108。
在步骤S106中,获取在第二预设时间段内在第一区域和第二区域均发生操作关联的第二目标对象。
第二预设时间段可根据具体工作场景和工作需求设定,在此并不限定。比如,第二预设时间段的长度可为一天。第一区域和第二区域为不同的区域。若某对象在第二预设时间段内在第一区域和第二区域均发生操作,则确定该对象存在跨区域操作。
在步骤S107中,获取在第二预设时间段内与第二目标对象发生操作关联的第二目标服务提供方。
通过第一目标对象,获取与第二目标对象发生操作关联的第二目标服务提供方。
在步骤S108中,将操作数据超出预设的安全操作数据阈值范围的疑似目标服务提供方作为已知异常服务提供方。
其中,疑似目标服务提供方为与超过预设数量阈值的第二目标对象发生操作关联的第二目标服务提供方。预设数量阈值可根据具体工作场景和工作需求设定,在此并不限定。比如,预设数量阈值可为2,即与2个以上的第二目标对象发生操作关联的第二目标服务提供方为疑似目标服务提供方。
操作数据的相关内容可参见上述实施例中的相关说明,在此不再赘述。安全操作数据阈值范围可根据具体工作场景和工作需求设定,在此并不限定。需要说明的是,若操作数据为交易地点等类型的数据,则安全操作数据阈值范围可为安全交易地点的集合等。在一些示例中,还可通过预设的服务提供方白名单,将疑似目标服务提供方中属于服务提供方白名单的服务提供方剔除。比如,服务提供方白名单可记录合法的服务提供方,在此并不限定。已知异常服务提供方也是异常服务提供方。具体地,已知异常服务提供方可为移机商户
通过对象的操作数据可确定对象的操作行为,结合对象的操作的地理位置的变化,确定得到已知异常服务提供方;以及上述实施例中利用已知异常服务提供方挖掘确定新的异常服务提供方,即使在服务提供方变造情况严重,异常特征不明显的情况下,也可准确全面的确定异常服务提供方。
图8为本申请一实施例提供的一种异常服务提供方的确定装置的结构示意图。如图8所示,该异常服务提供方的确定装置200可包括第一获取模块201、聚类模块202和第一确定模块203。
第一获取模块201用于获取第一目标对象的操作数据。
其中,第一目标对象包括在第一预设时间段内与已知异常服务提供方发生操作关联的对象。
在一些示例中,第一目标对象还包括在预设时间段内与疑似异常服务提供方发生操作关联的对象,疑似异常服务提供方为类型与已知异常服务提供方的类型相同的服务提供方。
在一些示例中,对象设置有标签,标签用于表征对象的操作特征,操作特征根据操作数据确定。
具体地,操作数据包括以下的一项或多项:交易次数、交易金额、交易的对象数目、交易的特定对象占比、交易的服务提供方数目、交易位置、交易时间、交易金额大于第一金额阈值的线下交易次数、交易金额大于第一金额阈值的线下交易时间、交易金额小于第二金额阈值的线下交易次数、交易金额小于第二金额阈值的线下交易时间、服务提供方清算代付交易金额、服务提供方清算代付交易次数、线下交易占比、位于第一区域内的交易次数、在第一区域与第二区域之间移动的次数。
聚类模块202用于利用第一目标对象的操作数据,对第一目标对象进行聚类,得到N个群组。
其中,N为正整数且N≥2;
第一确定模块203用于获取目标群组中各第一目标对象对应的服务提供方,将目标群组中各第一目标对象对应的服务提供方中的至少部分作为异常服务提供方。
其中,目标群组为满足异常操作条件的群组。
在本申请实施例中,可利用与已知异常服务提供方发生操作关联的对象的操作数据,对与已知异常服务提供方发生操作关联的对象进行聚类。获取与聚类后满足异常操作条件的群组中对象发生操作关联的服务提供方,并将至少部分该服务提供方作为异常服务提供方。通过已知异常服务提供方能够挖掘得到新确定的异常服务提供方,从而能够准确地获取到更为全面的异常服务提供方。
在一些示例中,上述实施例中的聚类模块202具体用于:通过主成分算法,对第一目标对象的操作数据进行降维处理,得到主成分变量;利用主成分变量,对第一目标对象进行聚类,得到N个群组。
在一些示例中,第一确定模块203具体用于:在目标群组中各第一目标对象对应的服务提供方中,筛选得到操作数据超出安全服务提供方阈值范围的服务提供方,并将操作数据超出安全服务提供方阈值范围的服务提供方作为异常服务提供方。
图9为本申请另一实施例提供的一种异常服务提供方的确定装置的结构示意图。图9与图8的不同之处在于,图9所示的异常服务提供方的确定装置200还可包括图谱构建模块204和核心确定模块205。
图谱构建模块204用于根据至少部分异常服务提供方,以及与至少部分异常服务提供方发生操作关联的对象,构建网络图谱。
其中,网络图谱中节点表示异常服务提供方。网络图谱中任意两个节点之间的连线表示与任意两个节点发生操作关联的对象。
在一些示例中,图谱构建模块204具体用于:利用至少部分异常服务提供方的标识编号,对至少部分异常服务提供方进行分组,同一组中任意两个异常服务提供方的标识编号的差值小于预设阈值;针对与每一组异常服务提供方发生操作关联的对象,构建网络图谱。
在另一些示例中,图谱构建模块204具体用于:按照与异常服务提供方发生操作关联的对象数目由多至少的顺序,对至少部分异常服务提供方排序;针对与前M个异常服务提供方发生操作关联的对象,构建网络图谱。其中,M为正整数。
核心确定模块205用于基于网络图谱,将之间连线的数目大于预设核心数目阈值的节点作为异常服务提供核心集群中的节点。
图10为本申请又一实施例提供的一种异常服务提供方的确定装置的结构示意图。图10与图8的不同之处在于,图10所示的异常服务提供方的确定装置200还可包括第二获取模块206、第三获取模块207和第二确定模块208。
第二获取模块206用于获取在第二预设时间段内在第一区域和第二区域均发生操作关联的第二目标对象。
第三获取模块207用于获取在第二预设时间段内与第二目标对象发生操作关联的第二目标服务提供方。
第二确定模块208用于将操作数据超出预设的安全操作数据阈值范围的疑似目标服务提供方作为已知异常服务提供方。
其中,疑似目标服务提供方为与超过预设数量阈值的第二目标对象发生操作关联的第二目标服务提供方。
图11为本申请实施例提供的一种异常服务提供方的确定设备的结构示意图。如图11所示,异常服务提供方的确定设备300包括存储器301、处理器302及存储在存储器301上并可在处理器302上运行的计算机程序。
在一个示例中,上述处理器302可以包括中央处理器(CPU),或者特定集成电路(ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器301可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器301可包括HDD、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器301可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器301可在终端热点开启异常服务提供方的确定设备300的内部或外部。在特定实施例中,存储器301是非易失性固态存储器。在特定实施例中,存储器301包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器302通过读取存储器301中存储的可执行程序代码来运行与可执行程序代码对应的计算机程序,以用于实现上述实施例中的异常服务提供方的确定方法。
在一个示例中,异常服务提供方的确定设备300还可包括通信接口303和总线304。其中,如图11所示,存储器301、处理器302、通信接口303通过总线304连接并完成相互间的通信。
通信接口303,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。也可通过通信接口303接入输入设备和/或输出设备。
总线304包括硬件、软件或两者,将异常服务提供方的确定设备300的部件彼此耦接在一起。举例来说而非限制,总线304可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线304可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
本申请一实施例还提供一种计算机可读存储介质,该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可实现上述实施例中的异常服务提供方的确定方法。
需要明确的是,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或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。对于装置实施例、设备实施例和计算机可读存储介质实施例而言,相关之处可以参见方法实施例的说明部分。本申请并不局限于上文所描述并在图中示出的特定步骤和结构。本领域的技术人员可以在领会本申请的精神之后,作出各种改变、修改和添加,或者改变步骤之间的顺序。并且,为了简明起见,这里省略对已知方法技术的详细描述。
本领域技术人员应能理解,上述实施例均是示例性而非限制性的。在不同实施例中出现的不同技术特征可以进行组合,以取得有益效果。本领域技术人员在研究附图、说明书及权利要求书的基础上,应能理解并实现所揭示的实施例的其他变化的实施例。在权利要求书中,术语“包括”并不排除其他装置或步骤;不定冠词“一个”不排除多个;术语“第一”、“第二”用于标示名称而非用于表示任何特定的顺序。权利要求中的任何附图标记均不应被理解为对保护范围的限制。权利要求中出现的多个部分的功能可以由一个单独的硬件或软件模块来实现。某些技术特征出现在不同的从属权利要求中并不意味着不能将这些技术特征进行组合以取得有益效果。
Claims (20)
1.一种异常服务提供方的确定方法,其特征在于,包括:
获取第一目标对象的操作数据,所述第一目标对象包括在第一预设时间段内与已知异常服务提供方发生操作关联的对象;
利用所述第一目标对象的操作数据,对所述第一目标对象进行聚类,得到N个群组,N为正整数且N≥2;
获取目标群组中各所述第一目标对象对应的服务提供方,将所述目标群组中各所述第一目标对象对应的服务提供方中的至少部分作为所述异常服务提供方,所述目标群组为满足异常操作条件的所述群组。
2.根据权利要求1所述的方法,其特征在于,所述利用所述第一目标对象的操作数据,对所述第一目标对象进行聚类,得到N个群组,包括:
通过主成分算法,对所述第一目标对象的操作数据进行降维处理,得到主成分变量;
利用所述主成分变量,对所述第一目标对象进行聚类,得到N个群组。
3.根据权利要求1所述的方法,其特征在于,所述将所述目标群组中各所述第一目标对象对应的服务提供方中的至少部分作为所述异常服务提供方,包括:
在所述目标群组中各所述第一目标对象对应的服务提供方中,筛选得到所述操作数据超出安全服务提供方阈值范围的所述服务提供方,并将所述操作数据超出安全服务提供方阈值范围的所述服务提供方作为所述异常服务提供方。
4.根据权利要求1所述的方法,其特征在于,还包括:
根据至少部分所述异常服务提供方,以及与所述至少部分所述异常服务提供方发生操作关联的对象,构建网络图谱,所述网络图谱中节点表示所述异常服务提供方,所述网络图谱中任意两个节点之间的连线表示与所述任意两个节点发生操作关联的对象;
基于所述网络图谱,将之间连线的数目大于预设核心数目阈值的节点作为异常服务提供核心集群中的节点。
5.根据权利要求4所述的方法,其特征在于,所述根据至少部分所述异常服务提供方,以及与所述至少部分所述异常服务提供方发生操作关联的对象,构建网络图谱,包括:
利用所述至少部分所述异常服务提供方的标识编号,对所述至少部分所述异常服务提供方进行分组,同一组中任意两个所述异常服务提供方的标识编号的差值小于预设阈值;针对与每一组所述异常服务提供方发生操作关联的对象,构建所述网络图谱;
或者,
按照与所述异常服务提供方发生操作关联的对象数目由多至少的顺序,对所述至少部分所述异常服务提供方排序;针对与前M个所述异常服务提供方发生操作关联的对象,构建所述网络图谱,M为正整数。
6.根据权利要求1所述的方法,其特征在于,所述第一目标对象还包括在预设时间段内与疑似异常服务提供方发生操作关联的对象,所述疑似异常服务提供方为类型与所述已知异常服务提供方的类型相同的服务提供方。
7.根据权利要求1所述的方法,其特征在于,在所述获取第一目标对象的操作数据之前,还包括:
获取在第二预设时间段内在第一区域和第二区域均发生操作关联的第二目标对象;
获取在所述第二预设时间段内与所述第二目标对象发生操作关联的第二目标服务提供方;
将所述操作数据超出预设的安全操作数据阈值范围的疑似目标服务提供方作为所述已知异常服务提供方,所述疑似目标服务提供方为与超过预设数量阈值的所述第二目标对象发生操作关联的第二目标服务提供方。
8.根据权利要求1所述的方法,其特征在于,所述对象设置有标签,所述标签用于表征所述对象的操作特征,所述操作特征根据所述操作数据确定。
9.根据权利要求1至8中任意一项所述的方法,其特征在于,所述操作数据包括以下的一项或多项:
交易次数、交易金额、交易的对象数目、交易的特定对象占比、交易的服务提供方数目、交易位置、交易时间、交易金额大于第一金额阈值的线下交易次数、交易金额大于第一金额阈值的线下交易时间、交易金额小于第二金额阈值的线下交易次数、交易金额小于第二金额阈值的线下交易时间、服务提供方清算代付交易金额、服务提供方清算代付交易次数、线下交易占比、位于第一区域内的交易次数、在所述第一区域与第二区域之间移动的次数。
10.一种异常服务提供方的确定装置,其特征在于,包括:
第一获取模块,用于获取第一目标对象的操作数据,所述第一目标对象包括在第一预设时间段内与已知异常服务提供方发生操作关联的对象;
聚类模块,用于利用所述第一目标对象的操作数据,对所述第一目标对象进行聚类,得到N个群组,N为正整数且N≥2;
第一确定模块,用于获取目标群组中各所述第一目标对象对应的服务提供方,将所述目标群组中各所述第一目标对象对应的服务提供方中的至少部分作为所述异常服务提供方,所述目标群组为满足异常操作条件的所述群组。
11.根据权利要求10所述的装置,其特征在于,所述聚类模块具体用于:
通过主成分算法,对所述第一目标对象的操作数据进行降维处理,得到主成分变量;
利用所述主成分变量,对所述第一目标对象进行聚类,得到N个群组。
12.根据权利要求10所述的装置,其特征在于,所述第一确定模块具体用于:
在所述目标群组中各所述第一目标对象对应的服务提供方中,筛选得到所述操作数据超出安全服务提供方阈值范围的所述服务提供方,并将所述操作数据超出安全服务提供方阈值范围的所述服务提供方作为所述异常服务提供方。
13.根据权利要求10所述的装置,其特征在于,还包括:
图谱构建模块,用于根据至少部分所述异常服务提供方,以及与所述至少部分所述异常服务提供方发生操作关联的对象,构建网络图谱,所述网络图谱中节点表示所述异常服务提供方,所述网络图谱中任意两个节点之间的连线表示与所述任意两个节点发生操作关联的对象;
核心确定模块,用于基于所述网络图谱,将之间连线的数目大于预设核心数目阈值的节点作为异常服务提供核心集群中的节点。
14.根据权利要求13所述的装置,其特征在于,所述图谱构建模块具体用于:
利用所述至少部分所述异常服务提供方的标识编号,对所述至少部分所述异常服务提供方进行分组,同一组中任意两个所述异常服务提供方的标识编号的差值小于预设阈值;针对与每一组所述异常服务提供方发生操作关联的对象,构建所述网络图谱;
或者,
按照与所述异常服务提供方发生操作关联的对象数目由多至少的顺序,对所述至少部分所述异常服务提供方排序;针对与前M个所述异常服务提供方发生操作关联的对象,构建所述网络图谱,M为正整数。
15.根据权利要求10所述的装置,其特征在于,所述第一目标对象还包括在预设时间段内与疑似异常服务提供方发生操作关联的对象,所述疑似异常服务提供方为类型与所述已知异常服务提供方的类型相同的服务提供方。
16.根据权利要求10所述的装置,其特征在于,还包括:
第二获取模块,用于获取在第二预设时间段内在第一区域和第二区域均发生操作关联的第二目标对象;
第三获取模块,用于获取在所述第二预设时间段内与所述第二目标对象发生操作关联的第二目标服务提供方;
第二确定模块,用于将所述操作数据超出预设的安全操作数据阈值范围的疑似目标服务提供方作为所述已知异常服务提供方,所述疑似目标服务提供方为与超过预设数量阈值的所述第二目标对象发生操作关联的第二目标服务提供方。
17.根据权利要求10所述的装置,其特征在于,所述对象设置有标签,所述标签用于表征所述对象的操作特征,所述操作特征根据所述操作数据确定。
18.根据权利要求10至17中任意一项所述的装置,其特征在于,所述操作数据包括以下的一项或多项:
交易次数、交易金额、交易的对象数目、交易的特定对象占比、交易的服务提供方数目、交易位置、交易时间、交易金额大于第一金额阈值的线下交易次数、交易金额大于第一金额阈值的线下交易时间、交易金额小于第二金额阈值的线下交易次数、交易金额小于第二金额阈值的线下交易时间、服务提供方清算代付交易金额、服务提供方清算代付交易次数、线下交易占比、位于第一区域内的交易次数、在所述第一区域与第二区域之间移动的次数。
19.一种异常服务提供方的确定设备,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至9中任意一项所述的异常服务提供方的确定方法。
20.一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计算机程序,所述计算机程序被处理器执行时实现如权利要求1至9中任意一项所述的异常服务提供方的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010115862.4A CN111353779B (zh) | 2020-02-25 | 2020-02-25 | 异常服务提供方的确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010115862.4A CN111353779B (zh) | 2020-02-25 | 2020-02-25 | 异常服务提供方的确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111353779A true CN111353779A (zh) | 2020-06-30 |
CN111353779B CN111353779B (zh) | 2023-05-16 |
Family
ID=71197203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010115862.4A Active CN111353779B (zh) | 2020-02-25 | 2020-02-25 | 异常服务提供方的确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111353779B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169768A (zh) * | 2016-03-07 | 2017-09-15 | 阿里巴巴集团控股有限公司 | 异常交易数据的获取方法和装置 |
WO2018099275A1 (zh) * | 2016-11-29 | 2018-06-07 | 阿里巴巴集团控股有限公司 | 一种业务对象属性标识的生成方法、装置和系统 |
CN108734506A (zh) * | 2018-04-03 | 2018-11-02 | 中国银联股份有限公司 | 一种欺诈集群的侦测方法、装置及存储介质 |
CN109146638A (zh) * | 2018-08-29 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 异常金融交易群体的识别方法及装置 |
CN109711733A (zh) * | 2018-12-28 | 2019-05-03 | 上海盛付通电子支付服务有限公司 | 用于生成聚类模型的方法、电子设备和计算机可读介质 |
CN110009365A (zh) * | 2019-01-23 | 2019-07-12 | 腾讯科技(深圳)有限公司 | 非正常转移电子资产的用户群体检测方法、装置和设备 |
CN110390585A (zh) * | 2019-07-25 | 2019-10-29 | 中国银联股份有限公司 | 一种识别异常对象的方法及装置 |
-
2020
- 2020-02-25 CN CN202010115862.4A patent/CN111353779B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169768A (zh) * | 2016-03-07 | 2017-09-15 | 阿里巴巴集团控股有限公司 | 异常交易数据的获取方法和装置 |
WO2018099275A1 (zh) * | 2016-11-29 | 2018-06-07 | 阿里巴巴集团控股有限公司 | 一种业务对象属性标识的生成方法、装置和系统 |
CN108734506A (zh) * | 2018-04-03 | 2018-11-02 | 中国银联股份有限公司 | 一种欺诈集群的侦测方法、装置及存储介质 |
CN109146638A (zh) * | 2018-08-29 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 异常金融交易群体的识别方法及装置 |
CN109711733A (zh) * | 2018-12-28 | 2019-05-03 | 上海盛付通电子支付服务有限公司 | 用于生成聚类模型的方法、电子设备和计算机可读介质 |
CN110009365A (zh) * | 2019-01-23 | 2019-07-12 | 腾讯科技(深圳)有限公司 | 非正常转移电子资产的用户群体检测方法、装置和设备 |
CN110390585A (zh) * | 2019-07-25 | 2019-10-29 | 中国银联股份有限公司 | 一种识别异常对象的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111353779B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106469276B (zh) | 数据样本的类型识别方法及装置 | |
CN109284380B (zh) | 基于大数据分析的非法用户识别方法及装置、电子设备 | |
CN109034583B (zh) | 异常交易识别方法、装置及电子设备 | |
CN107800894B (zh) | 一种智能语音提示方法及终端设备 | |
CN111596924B (zh) | 一种微服务划分方法和装置 | |
CN111046879A (zh) | 证件图像分类方法、装置、计算机设备及可读存储介质 | |
CN111724240A (zh) | 一种基于区块链及税务数据的企业信用评估系统及方法 | |
CN111666346A (zh) | 信息归并方法、交易查询方法、装置、计算机及存储介质 | |
CN105279613A (zh) | 一种账务处理方法及系统 | |
CN111126928A (zh) | 对发布内容审核的方法和装置 | |
CN111078545A (zh) | 测试数据自动生成方法及系统 | |
CN109242658B (zh) | 可疑交易报告生成方法、系统、计算机设备和存储介质 | |
CN113609020A (zh) | 一种测试用例推荐方法及装置 | |
CN112085588B (zh) | 规则模型的安全性的确定方法、装置和数据处理方法 | |
CN113495886A (zh) | 用于模型训练的污染样本数据的检测方法及装置 | |
CN112990769A (zh) | 业务处理方法、装置、电子设备和存储介质 | |
CN111275071B (zh) | 预测模型训练、预测方法、装置及电子设备 | |
CN111865923A (zh) | 一种物联网卡异常行为识别方法、系统、装置及介质 | |
CN111353779A (zh) | 异常服务提供方的确定方法、装置、设备及存储介质 | |
CN111245815A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
CN110009386B (zh) | 用户分类方法、装置、计算机设备及存储介质 | |
CN112269940A (zh) | 数据处理方法及装置 | |
CN111507397A (zh) | 一种异常数据的分析方法及装置 | |
CN107368597B (zh) | 信息输出方法和装置 | |
CN113723522B (zh) | 异常用户的识别方法、装置、电子设备以及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |