CN111386546B - 用于评估风险的系统和方法 - Google Patents

用于评估风险的系统和方法 Download PDF

Info

Publication number
CN111386546B
CN111386546B CN201980004846.3A CN201980004846A CN111386546B CN 111386546 B CN111386546 B CN 111386546B CN 201980004846 A CN201980004846 A CN 201980004846A CN 111386546 B CN111386546 B CN 111386546B
Authority
CN
China
Prior art keywords
mapping
transactions
transaction
space
proposed transaction
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.)
Active
Application number
CN201980004846.3A
Other languages
English (en)
Other versions
CN111386546A (zh
Inventor
刘赣
奇峰
付大鹏
华致刚
杨双红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alipay Hangzhou Information Technology Co Ltd
Original Assignee
Alipay Hangzhou Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alipay Hangzhou Information Technology Co Ltd filed Critical Alipay Hangzhou Information Technology Co Ltd
Publication of CN111386546A publication Critical patent/CN111386546A/zh
Application granted granted Critical
Publication of CN111386546B publication Critical patent/CN111386546B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2264—Multidimensional index structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q30/018—Certifying business or products
    • G06Q30/0185—Product, service or business identity fraud
    • 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
    • G06Q40/06—Asset management; Financial planning or analysis
    • 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
    • G06Q20/4014—Identity check for transactions
    • 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
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Technology Law (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Image Generation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Abstract

提供了用于评估风险的方法、系统和装置，包括在计算机存储介质上编码的计算机程序。方法之一包括：获得多个交易，每个交易包括多个数据维度，其中，所述多个交易中的一些交易被标记为风险交易，所述多个交易中的一些交易被标记为安全交易；获取多个数据维度中的至少一个数据维度作为输出空间，并且获得除所述至少一个数据维度以外的多个数据维度作为输入空间；初始化从输入空间到潜在空间的第一映射以及从潜在空间到输出空间的第二映射，其中第一映射包括根据广义线性模型的逆，将输入空间映射到潜在空间；以及优化第一映射和第二映射以生成贝塞尔曲面。

Description

用于评估风险的系统和方法
技术领域
本申请通常涉及用于评估风险的系统和方法。
背景技术
诸如银行和电子商务平台之类的实体通常需要每天处理大量交易。其中一些交易可能是欺诈性的。为了防止给客户造成经济损失并阻止欺诈，期望提供可以评估交易风险并执行有效筛选的系统和方法。
发明内容
本文的各种实施例包括但不限于用于评估风险的系统、方法和非暂时性计算机可读介质。
根据一些实施例，一种计算机实现的用于评估风险的方法包括：获得多个交易，每个交易包括多个数据维度，其中，所述多个交易中的一些交易被标记为风险交易，所述多个交易中的一些交易被标记为安全交易；获得多个数据维度中的至少一个数据维度作为输出空间并且获得除所述至少一个数据维度以外的多个数据维度作为输入空间；初始化从输入空间到潜在空间的第一映射以及从潜在空间到输出空间的第二映射，其中第一映射包括根据广义线性模型的逆，将输入空间映射到潜在空间；以及优化第一映射和第二映射以生成贝塞尔(Bezier)曲面作为划分所述多个交易的边界，其中阈值百分比的风险交易落在边界的一侧，并且阈值百分比的安全交易落在边界的另一侧。
在一些实施例中，所述方法进一步包括：获得包括多个数据维度的被提议交易；将被提议交易映射到多个数据维度的空间中，其中在该多个数据维度的空间中生成贝塞尔曲面；响应于发现该被提议交易落在该贝塞尔曲面的一侧，阻止或延迟执行该被提议交易；以及响应于发现该被提议交易落在该贝塞尔曲面的另一侧，允许执行该被提议交易。
在一些实施例中，优化第一映射和第二映射以生成贝塞尔曲面包括：优化第一映射和第二映射以至少生成对应于高风险水平的第一贝塞尔曲面和对应于低风险水平的第二贝塞尔曲面。响应于发现该被提议交易落在该贝塞尔曲面的一侧，阻止或延迟执行该被提议交易，包括：响应于发现该被提议交易位于第一贝塞尔曲面和第二贝塞尔曲面之上，阻止执行该被提议交易；以及响应于发现该被提议交易位于第一贝塞尔曲面和第二贝塞尔曲面之间，执行验证步骤，作为允许该被提议交易执行的条件。响应于发现该被提议交易落在该贝塞尔曲面的另一侧，允许执行该被提议交易，包括：响应于发现该被提议交易位于第一贝塞尔曲面和第二贝塞尔曲面之下，允许执行该被提议交易。
在一些实施例中，输入空间包括特征向量；输出空间包括输出向量；且潜在空间包括两个或更多个参数坐标。
在一些实施例中，所述多个交易中的每一个的输出向量都是可微分的。
在一些实施例中，所述多个数据维度包括以下中的一项或多项：交易时间、交易位置、交易频率、用户历史、交易金额和风险水平。
在一些实施例中，所述多个数据维度包括至少三个数据维度，并且所述至少三个数据维度包括交易发送方的风险水平、交易接收方的风险水平和交易金额。
在一些实施例中，优化第一映射包括求解一阶H数据维方程；且潜在空间包括H个数据维度。
在一些实施例中，优化第一映射和第二映射包括通过强化学习来优化第一映射和第二映射。
在一些实施例中，广义线性模型通过链接函数将潜在空间映射到输入空间。
在一些实施例中，链接函数包括身份函数、对数函数或logit函数。
在一些实施例中，第二映射包括通过H数据维伯恩斯坦(Bernstein)多项式将潜在空间映射到输出空间。
根据其他实施例，一种用于评估风险的系统包括一个或多个处理器以及耦接到一个或多个处理器并且其上存储有指令的一个或多个计算机可读存储器，所述指令可由一个或多个处理器执行以执行前述实施例中任一项的方法。
根据又一实施例，一种非暂时性计算机可读存储介质配置有可由一个或多个处理器执行以使一个或多个处理器执行前述实施例中任一项的方法的指令。
根据再一实施例，一种用于评估风险的装置包括用于执行前述实施例中任一项的方法的多个模块。
根据一些实施例，一种用于评估风险的系统包括一个或多个处理器以及存储有指令的一个或多个非暂时性计算机可读存储介质，所述指令可以被所述一个或多个处理器执行，以使所述一个或多个处理器执行包括下面的操作：获得多个交易，每个交易包括多个数据维度，其中，所述多个交易中的一些交易被标记为风险交易，所述多个交易中的一些交易被标记为安全交易；获得多个数据维度中的至少一个数据维度作为输出空间并且获得除所述至少一个数据维度以外的多个数据维度作为输入空间；初始化从输入空间到潜在空间的第一映射以及从潜在空间到输出空间的第二映射，其中第一映射包括根据广义线性模型的逆将输入空间映射到潜在空间；以及优化第一映射和第二映射以生成贝塞尔曲面作为划分多个交易的边界，其中阈值百分比的风险交易落在边界的一侧，并且阈值百分比的安全交易落在边界的另一侧。
根据其它实施例，一种非暂时性计算机可读存储介质被配置有可被一个或多个处理器执行以使所述一个或多个处理器执行包括下面的操作的指令：获得多个交易，每个交易包括多个数据维度，其中，所述多个交易中的一些交易被标记为风险交易，所述多个交易中的一些交易被标记为安全交易；获得多个数据维度中的至少一个数据维度作为输出空间并且获得除所述至少一个数据维度以外的多个数据维度作为输入空间；初始化从输入空间到潜在空间的第一映射以及从潜在空间到输出空间的第二映射，其中第一映射包括根据广义线性模型的逆将输入空间映射到潜在空间；以及优化第一映射和第二映射以生成贝塞尔曲面作为划分多个交易的边界，其中阈值百分比的风险交易落在边界的一侧，并且阈值百分比的安全交易落在边界的另一侧。
根据另一些实施例，一种用于评估风险的装置包括：第一获得模块，用于获得多个交易，每个交易包括多个数据维度，其中，所述多个交易中的一些交易被标记为风险交易，所述多个交易中的一些交易被标记为安全交易；第二获得模块，用于获得多个数据维度中的至少一个数据维度作为输出空间并且获得除所述至少一个数据维度以外的多个数据维度作为输入空间；初始化模块，用于初始化从输入空间到潜在空间的第一映射以及从潜在空间到输出空间的第二映射，其中第一映射包括根据广义线性模型的逆将输入空间映射到潜在空间；以及优化模块，用于优化第一映射和第二映射以生成贝塞尔曲面作为划分多个交易的边界，其中阈值百分比的风险交易落在边界的一侧，并且阈值百分比的安全交易落在边界的另一侧。
本文公开的实施例具有一个或多个技术效果。在一些实施例中，根据混合贝塞尔曲面算法生成一个或多个贝塞尔曲面。在一个实施例中，在表示各种交易特征的空间中，生成一个或多个贝塞尔曲面，作为定义不同风险水平的交易的一个或多个边界。在一个实施例中，通过将未知交易映射到空间，可以有效地批量筛选交易。在一个实施例中，通过筛选风险交易，可以自动触发有效的对策，例如额外的验证或交易冻结，以最小化欺诈或恶意交易的影响。在一些实施例中，通过使用广义线性模型的逆来生成一个或多个贝塞尔曲面，以将输入空间映射到潜在空间，然后将潜在空间映射到输出空间。广义线性模型使输入空间能够适应与交易特征相对应的大数量的维度。在一个实施例中，大数量的维度允许在生成贝塞尔曲面时将更多的交易特征考虑在内，这可以提高边界的精确度并提供更多的控制度量用于建模。
本文公开的系统、方法和非暂时性计算机可读介质的这些和其他特征，以及相关结构要素的操作方法和功能以及各部分的结合，以及批量生产的经济考量，在结合附图来考虑下文的描述和附加的权利要求书时将变得更加明显，所有这些均形成了本说明书的一部分，其中，相同的附图标记在各个附图中表示相应的部分。然而，应该明确地理解，附图仅是出于说明和描述的目的，而并非旨在进行限制。
附图说明
图1示出了根据一些实施例的用于评估风险的系统。
图2A示出了根据一些实施例的用于获得特征向量的方法。
图2B示出了根据一些实施例的3D贝塞尔曲面的示例。
图3示出了根据一些实施例的用于评估风险的方法。
图4示出了根据一些实施例的用于评估风险的计算机系统的框图。
图5示出了其中可以实现本文描述的实施例中的任何一个的计算机系统的框图。
具体实施方式
用于检测恶意的、欺诈性的或其他风险交易的有效的筛选方法是被期望的。为了维持高安全标准，筛选方法需要能够基于可用特征处理大量未识别交易。一些方法基于交易的各种数据特征来确定交易的风险水平(例如面向银行卡的交易，面向帐户的交易)。例如，可以生成贝塞尔(Bezier)曲面来分配风险水平。Beizer曲面是一种数学样条曲线。例如，度为(n,m)的贝塞尔曲面可以是(n+1)(m+1)个控制点的集合ki,j。它将单位正方形映射到一个光滑连续曲面上，该曲面嵌入在与{ki,j}相同维数的空间内。例如，如果k是四维空间中的全部点，则该曲面可以处于四维空间内。
例如，在高维数据建模中，当数据特征的数量很大时，可以将与数据特征相对应的维度划分为输入和输出。在一些实施例中，D维贝塞尔曲面可以用于对I个输入维度和O个输出维度之间的关系进行建模，其中I+O＝D。为了确定D维贝塞尔曲面的解析形式，需要H维的控制空间，其中H<D。给定I中的某数据点x，执行两个步骤以计算贝塞尔曲面上的相应输出y：(步骤1)将x映射到H中的h，以及(步骤2)将h映射到y。
对于传统的贝塞尔曲面，将输入映射到输出是困难的，或者不可能的。在此，贝塞尔曲面可以通过一个P阶H维的伯恩斯坦(Bernstein)多项式指定一个从h到x的正向映射，其中P是根据曲面的复杂度所确定的一个整数。因此，步骤1通过求解一个P阶H维方程组来执行正向映射的逆映射。但是，由于在高维数据建模的情况下，当P取值较大时没有解析解，因此这种逆映射非常困难。也就是说，在进行推理，即检查给定点是否在曲面上时，传统的贝塞尔曲面难以使用，这使得在涉及高维数据时，将贝塞尔曲面方法用于交易筛选是无效的。
本文描述的实施例提供了用于评估风险的方法、系统和装置。在一些实施例中，提供了混合贝塞尔曲面算法以生成一个或多个贝塞尔曲面(或被称为混合贝塞尔曲面)，这些曲面作为用于分配交易的风险水平的边界。混合贝塞尔曲面算法可以将输入x映射到输出y，即使在高维数据建模中也是如此。为了确保步骤1中的逆映射，作为从h到x的Bernstein多项式的代替，可以使用广义线性模型来减少到一阶H维方程组的逆运算。因而y(x)映射具有解析解，并且该映射是可微分的。因此，可以基于被标记交易的多个数据特征来生成一个或多个贝塞尔曲面，以用于评估交易风险。
图1示出了根据一些实施例的用于评估风险的系统100。下面呈现的系统100的组件旨在是示意性的。取决于实施方式的不同，系统100可以包括更多的、更少的或替代性的组件。
在一些实施例中，系统100可以包括计算系统102、计算设备104和计算设备106。应当理解，尽管图1中示出了两个计算设备，但是系统100中可以包括任意数量的计算设备。计算系统102可以实现在一个或多个网络(例如企业网络)、一个或多个端点、一个或多个服务器(例如服务器130)或一个或多个云中。服务器130可以包括对网络中的中心化资源或服务的访问进行管理的硬件或软件。云可以包括分布在网络上的服务器和其他设备的集群。
在一些实施例中，计算系统102可以包括第一获得组件112、第二获得组件114、初始化组件116和优化组件118。计算系统102可以包括其他组件。计算系统102可以包括一个或多个处理器(例如数字处理器、模拟处理器、被设计用于处理信息的数字电路、中央处理单元、图形处理单元、微控制器或微处理器、被设计用于处理信息的模拟电路、状态机和/或用于电子处理信息的其它机制)和一个或多个存储器(例如永久存储器、临时存储器、非暂时性计算机可读存储介质)。所述一个或多个存储器可以配置有可由一个或多个处理器执行的指令。处理器可以被配置为通过解释存储在存储器中的机器可读指令来执行各种操作。计算系统102可以安装有适当的软件(例如平台程序等)和/或硬件(例如电线，无线连接等)以访问系统100的其他设备。
在一些实施例中，计算设备104和106可以被实现在诸如移动电话、平板电脑、服务器、台式计算机、膝上型计算机等的各种设备上，或被实现为上述各种设备。计算系统102可以与计算设备104和106以及其他计算设备通信。设备之间的通信可以通过局域网(例如，LAN)，通过直接通信(例如，蓝牙TM、射频、红外)等在互联网上发生。
在一些实施例中，系统100可以包括风险评估平台。例如，计算系统102和/或其他计算设备可以实现该风险评估平台。风险评估平台可以构建或训练用于评估风险的模型并实现其应用。例如，该平台可以通过通信122，从诸如计算设备104等的各种来源处获得数据(例如，与各种数据维度相关联并标记有不同风险水平的交易)。计算设备104可能已经提前或实时获得或存储了这样的数据。该平台可以使用获得的数据来构建或训练风险评估模型。所述模型可以部署在远程服务器、云、客户端侧设备等中。例如，计算设备106可以安装有用于调用所述模型的软件应用程序、web应用程序、应用程序接口(API)或另一合适的接口。
在一些实施例中，所述模型可以被部署在计算设备106或服务器130中。计算设备106可以从一个或多个设备(例如140a、140b等)获得一个或多个交易126。所述一个或多个设备可以包括移动电话、平板电脑、服务器、台式计算机、膝上型计算机等。例如，设备140b可以是用于进行交易的移动电话，该交易在被批准之前被提交给计算设备106。计算设备106可以应用部署在计算设备106中的模型，或者通过通信124调用部署在服务器130中的模型。计算设备106可以将模型应用于一个或多个交易126以确定其风险水平。基于所确定的风险水平，计算设备106可以实施后续步骤，例如批准或拒绝交易(例如通过向银行或卖方的设备发送指令)，要求额外的验证(例如向设备140b发送验证码或任务以验证身份)等。
虽然在图1中将计算系统102示出为单一实体，但这仅是为了便于参考而非具有限制性的。本文描述的计算系统102的一个或多个组件或者一个或多个功能可以在单个计算设备或多个计算设备中实现。例如，计算系统102可以合并计算设备106，反之亦然。也就是说，第一获得组件112、第二获得组件114、初始化组件116和优化组件118中的每一个，都可以在计算系统102或计算设备106中实现。类似地，计算系统102可以耦接到一个或多个其他计算设备并与之关联，该计算设备能够实现计算系统102的部分组件或功能。计算设备106可以包括一个或多个处理器以及耦接到处理器的一个或多个存储器，该存储器配置有可由一个或多个处理器执行以使一个或多个处理器执行本文所述的各个步骤的指令。
系统100的各个组件可以被配置为执行用于评估风险的步骤。在一些实施例中，第一获得组件112可以被配置为获得多个交易，每个交易包括多个数据维度。交易可以涉及将一定交易金额的资产从一个或多个发送方交易到一个或多个接收方。在一个实施例中，多个数据维度包括以下一项或多项：交易时间(例如执行交易的日期和/或一天中的时间)、交易位置(例如执行交易的地理位置)、交易频率(例如同一用户进行交易的频率、同类交易被执行的频率)、用户历史(例如用户已经在交易平台上注册了多长时间、使用该平台或其他平台提供的服务的用户历史)、交易金额，以及风险水平(例如风险、安全)。在一个实施例中，所述多个数据维度包括至少三个数据维度，并且所述至少三个数据维度包括交易发送方的风险水平、交易接收方的风险水平和交易金额。例如，信用评分低或交易金额过大的发送方或接收方可能会贡献升高的风险水平。
在一些实施例中，所述多个交易中的一些交易被标记为风险交易，所述多个交易中的一些交易被标记为安全交易；“风险”和“安全”是表示不同风险水平标签的相对术语。可以存在两个以上的标签用于交易。例如，某些交易具有风险水平9-10(标记为风险)，某些交易具有风险水平7-8(标记为可能风险)，某些交易具有风险水平5-6(标记为中性风险)，某些交易具有风险水平3-4(标记为可能安全)，而某些交易具有风险水平1-2(标记为安全)。为了构建或训练出精确的模式，一部分被标记交易可以是临界交易。例如，大多数被标记交易可能会落在生成的贝塞尔曲面附近。
在一些实施例中，第二获得组件114可以被配置为获得多个数据维度中的至少一个数据维度作为输出空间并且获得除所述至少一个数据维度以外的多个数据维度作为输入空间。在一些实施例中，输入空间包括特征向量，输出空间包括输出向量，并且潜在空间包括两个或更多个参数坐标。例如，诸如交易时间、交易位置、交易频率、用户历史和交易金额等的特征可以形成包括五维特征向量的输入空间，而风险水平可以形成包括一维输出向量的输出空间。在一些实施例中，所述多个交易中的每一个的输出向量都是可微分的。
在一些实施例中，所述特征向量可以包括描述输入空间中的数据的数字向量。该特征向量可以被映射到预定的输出空间，所产生的向量可以是所述输出向量。D维贝塞尔曲面可以被定义为参数表面，其中点p的位置是参数坐标的函数(例如，2D参数坐标中的u和v)。每个参数坐标的范围可以在0到1之间。对于作为参数坐标的函数获得的任何点，该点的一部分可以被视为特征向量，其余部分可以被视为输出向量。
在一些实施例中，初始化组件116可以被配置为初始化从输入空间到潜在空间的第一映射以及从潜在空间到输出空间的第二映射。第一映射包括根据广义线性模型的逆，将输入空间映射到潜在空间。广义线性模型映射可以以最小代价来扭曲贝塞尔曲面，并且其逆可以提供从输入空间推断潜在空间的简便方法。
在一些实施例中，广义线性模型通过链接函数将潜在空间映射到输入空间。在一个实施例中，链接函数包括身份函数、对数函数或logit函数。广义线性模型可以是普通线性回归的灵活广义化，它将具有除正态分布以外的误差分布模型的响应变量考虑在内。广义线性模型可以通过允许线性模型经由链接函数与响应变量相关，并通过允许每个测量值的方差的大小为其预测值的函数，来将线性回归广义化。链接函数提供线性预测器和分布函数均值之间的关系。
参考图2A，图2A示出了根据一些实施例的用于获得特征向量的方法。该方法可以由计算设备106和/或计算系统102执行。在一些实施例中，如图2A所示，第一映射201将输入空间204映射到潜在空间205，第二映射202将潜在空间205映射到输出空间206。在一个实施例中，第二映射202包括通过H-数据维的Bernstein多项式将潜在空间映射到输出空间。第一映射201是前向映射203的逆。前向映射203可以包括将潜在空间205映射到输入空间204的广义线性模型。潜在空间可以包括两个或更多个参数坐标。通过具有输入空间和/或潜在空间的多个维度，更多特征度量可以被用于确定风险水平。此外，通过包含更多维度，贝塞尔曲面的精确度得到了提高。
如果前向映射203是P阶H维的Bernstein多项式方程组，则第一映射201需要求解P阶H维的Bernstein多项式方程组的逆，其中P和H为是通过所述曲面的复杂度确定的整数。当P取值较大时，不存在解析解。
如果贝塞尔曲面将从潜在空间205到输入空间204的前向映射203指定为一个P阶H维Bernstein多项式组。例如，在3维示例中，给定u和v作为参数坐标，以及m×n个控制点(Kij∈R3)，可以通过前向映射203获得特征向量(x,y)，并且可以通过第二映射202获得输出向量(z)，如下所示：
Figure BDA0002437006480000111
因此，对于第一映射201，正向映射203的逆映射需要求解一个P阶H维方程组。由于在高维数据建模的情况下的P取值较大时没有解析解，因此这种逆映射非常困难，从而使得基于贝塞尔曲面的风险评估不切实际且不合情理。
在一些实施例中，对于从潜在空间205到输入空间204的前向映射203，使用广义线性模型映射，而非P阶H维的Bernstein多项式组。相应的贝塞尔曲面可以被称为混合贝塞尔曲面。例如，下面提供了将(u,v)映射到(x,y)的广义线性模型，其中g是链接函数，而a和b是参数。因此，可以毫无困难地得出第一映射201，作为广义线性模型的逆。
Figure BDA0002437006480000112
从潜在空间205到输出空间206的第二映射202可以使用诸如H-数据维的Bernstein多项式的P阶H维方程。例如，输出空间(z)可以从(u,v)映射得到，如下所示。
Figure BDA0002437006480000121
再次参考图1，优化组件118可以被配置为优化第一映射和第二映射以生成贝塞尔曲面作为划分多个交易的边界，阈值百分比(99％)的风险交易落在边界的一侧，并且阈值百分比(95％)的安全交易落在边界的另一侧。
在一些实施例中，优化第一映射包括求解一阶H-数据维方程，并且潜在空间包括H个数据维度。在一些实施例中，优化第一映射和第二映射包括通过强化学习来优化第一映射和第二映射。例如，可以使用某些参数(例如B、a、b)初始化第一映射和第二映射，并通过强化学习来优化第一映射和第二映射以训练模型。强化学习的目标可能是生成区分尽可能多的被标记的风险交易和安全交易的贝塞尔曲面。即，最佳情况下，该贝塞尔曲面可以将所有被标记的风险交易分离在一侧，并将所有被标记的安全交易分离在另一侧。
在一些实施例中，计算机系统102的一个或多个组件可以被配置为获得包括多个数据维度的被提议交易；将被提议交易映射到多个数据维度的空间中，其中在该多个数据维度的空间中生成贝塞尔曲面；响应于发现该被提议交易落在该贝塞尔曲面的一侧，阻止或延迟执行该被提议交易；以及响应于发现该被提议交易落在该贝塞尔曲面的另一侧，允许执行该被提议交易。
参考图2B，图2B示出了根据一些实施例的3D贝塞尔曲面的示例。在一个示例中，对于3D贝塞尔曲面，X和Y轴可以表示输入空间(例如交易时间和交易金额)，Z轴可以表示输出空间(例如风险水平)。可以生成3D贝塞尔曲面作为边界来划分风险交易和安全交易。也就是说，通过初始化和优化第一映射和第二映射，可以生成3D贝塞尔曲面，以划分被标记交易，至少阈值百分比(例如，99％)的被标记风险交易位于曲面上方，并且至少阈值百分比(例如95％)的安全交易位于曲面下方。这样，3D贝塞尔曲面达到了筛选交易的最小精度。例如，风险水平未知的交易可以根据其特征被映射到3D贝塞尔曲面的空间，以确定其风险水平。如图所示，可以将映射在3D贝塞尔曲面上方的交易A确定为风险交易，并将映射在3D贝塞尔曲面下方的交易B确定为安全交易。
类似地，可以同时生成多个贝塞尔曲面，以确定更细分的交易风险水平。在一些实施例中，优化第一映射和第二映射以生成贝塞尔曲面可以包括：优化第一映射和第二映射以至少生成对应于高风险水平的第一贝塞尔曲面和对应于低风险水平的第二贝塞尔曲面。响应于发现该被提议交易落在该贝塞尔曲面的一侧，阻止或延迟执行该被提议交易，可以包括：响应于发现该被提议交易位于第一贝塞尔曲面和第二贝塞尔曲面之上(对应于风险交易区)，阻止执行该被提议交易(例如阻拦该被提议交易)，以及响应于发现该被提议交易位于第一贝塞尔曲面和第二贝塞尔曲面之间(对应于风险中性交易区)，执行验证步骤，作为允许执行该被提议交易的条件(例如要求交易的一方或多方验证身份)。如果验证通过，则可以允许该交易。否则，交易可能会被阻拦。响应于发现该被提议交易落在该贝塞尔曲面的另一侧，允许执行该被提议交易，可以包括：响应于发现该被提议交易位于第一贝塞尔曲面和第二贝塞尔面之下(对应于安全交易区)，允许执行该被提议交易。
图3示出了根据一些实施例的用于评估风险的方法300的流程图。方法300可以由用于评估风险的设备、装置或系统执行。方法300可以由图1至2B所示的环境或系统(例如计算系统102)的一个或多个组件来执行，下面呈现的方法300的操作旨在是示意性的。取决于实施方式的不同，方法300可以包括更多的、更少的或替代性的步骤，以各种顺序执行或平行执行。
框310包括获得多个交易，每个交易包括多个数据维度，其中，所述多个交易中的一些交易被标记为风险交易，所述多个交易中的一些交易被标记为安全交易。在一些实施例中，所述多个数据维度包括以下一项或多项：交易时间、交易位置、交易频率、用户历史、交易金额和风险水平。在一些实施例中，所述多个数据维度包括至少三个数据维度，并且所述至少三个数据维度包括交易发送方的风险水平、交易接收方的风险水平和交易金额。
框320包括获得所述多个数据维度中的至少一个数据维度作为输出空间，以及获得除所述至少一个数据维度以外的多个数据维度作为输入空间。在一些实施例中，输入空间包括特征向量；输出空间包括输出向量；并且潜在空间包括两个或更多个参数坐标。在一些实施例中，所述多个交易中的每一个的输出向量都是可微分的。
框330包括初始化从输入空间到潜在空间的第一映射以及从潜在空间到输出空间的第二映射，其中第一映射包括根据广义线性模型的逆，将输入空间映射到潜在空间。在一些实施例中，第二映射包括通过H-数据维的Bernstein多项式将潜在空间映射到输出空间。在一些实施例中，广义线性模型通过链接函数将潜在空间映射到输入空间。在一些实施例中，链接函数包括身份函数、对数函数或logit函数。
框340包括优化第一映射和第二映射以生成贝塞尔曲面作为划分多个交易的边界，阈值百分比的风险交易落在边界一侧，并且阈值百分比的安全交易落在边界另一侧。在一些实施例中，优化第一映射和第二映射包括通过强化学习来优化第一映射和第二映射。在一些实施例中，优化第一映射包括求解一阶H数据维方程；并且潜在空间包括H个数据维度。
在一些实施例中，所述方法进一步包括：获得包括多个数据维度的被提议交易；将被提议交易映射到多个数据维度的空间中，其中在该多个数据维度的空间中生成贝塞尔曲面；响应于发现该被提议交易落在该贝塞尔曲面的一侧，阻止或延迟执行该被提议交易；以及响应于发现该被提议交易落在该贝塞尔曲面的另一侧，允许执行该被提议交易。
在一些实施例中，优化第一映射和第二映射以生成贝塞尔曲面包括：优化第一映射和第二映射以至少生成对应于高风险水平的第一贝塞尔曲面和对应于低风险水平的第二贝塞尔曲面。响应于发现该被提议交易落在该贝塞尔曲面的一侧，阻止或延迟执行该被提议交易，包括：响应于发现该被提议交易位于第一贝塞尔曲面和第二贝塞尔曲面之上，阻止执行该被提议交易，以及响应于发现该被提议交易位于第一贝塞尔曲面和第二贝塞尔曲面之间，执行验证步骤，作为允许执行该被提议交易的条件。响应于发现该被提议交易落在该贝塞尔曲面的另一侧，允许执行该被提议交易，包括：响应于发现该被提议交易位于第一贝塞尔曲面和第二贝塞尔面之下，允许执行该被提议交易。
图4示出了根据一些实施例的用于评估风险的计算机系统400的框图。下面呈现的计算机系统400的组件旨在是示意性的。取决于实施方式的不同，计算机系统400可以包括更多的、更少的或替代性的组件。
计算机系统400可以是计算系统102的一个或多个组件的实现的示例。方法300可以由计算机系统400实现。计算机系统400可以包括一个或多个处理器以及耦接到所述一个或多个处理器并且配置有指令的一个或多个非暂时性计算机可读存储介质(例如一个或多个存储器)，所述指令可被一个或多个处理器执行，以使系统或设备(例如处理器)执行上述方法，例如方法300。计算机系统400可以包括与所述指令(例如软件指令)相对应的各种单元/模块。
在一些实施例中，计算机系统400可以被称为用于评估风险的装置。该装置可以包括第一获得模块410，用于获得多个交易，每个交易包括多个数据维度，其中，所述多个交易中的一些交易被标记为风险交易，所述多个交易中的一些交易被标记为安全交易；第二获得模块420，用于获得多个数据维度中的至少一个数据维度作为输出空间，并且获得除所述至少一个数据维度以外的多个数据维度作为输入空间；初始化模块430，用于初始化从输入空间到潜在空间的第一映射以及从潜在空间到输出空间的第二映射，其中第一映射包括根据广义线性模型的逆，将输入空间映射到潜在空间；以及优化模块440，用于优化第一映射和第二映射以生成贝塞尔曲面作为划分多个交易的边界，阈值百分比的风险交易落在边界一侧，并且阈值百分比的安全交易落在边界另一侧。第一获得模块410可以对应于第一获得组件112。第二获得模块420可以对应于第二获得组件114。初始化模块430可以对应于输入组件116。优化模块440可以对应于优化组件118。
本文描述的技术可以由一个或多个专用计算设备来实现。该专用计算设备可以是台式计算机系统、服务器计算机系统、便携式计算机系统、手持式设备、联网设备或包含硬连线和/或程序逻辑以实现所述技术的任何其它设备或设备的组合。该专用计算设备可以被实现为个人计算机、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、游戏机、平板计算机、可穿戴设备或其组合。计算设备通常可以由操作系统软件控制和协调。常规的操作系统控制和调度计算机进程用于执行，执行内存管理，提供文件系统，联网，I/O服务，并提供诸如图形用户界面(“GUI”)等的用户界面功能。本文描述的各种系统、装置、存储介质、模块和单元可以在专用计算设备或一个或多个专用计算设备的一个或多个计算芯片中实现。在一些实施例中，本文描述的指令可以在专用计算设备上的虚拟机中实现。在被执行时，所述指令可以使专用计算设备执行本文描述的各种方法。所述虚拟机可以包括软件、硬件或其组合。
图5示出了其中可以实现本文描述的实施例中的任何一个的计算机系统500的框图。可以在图1-4中所示的设备、装置或系统(例如计算系统102)的任何组件中实现计算机系统500。图1-4所示的方法中的一个或多个，例如方法300，可以由计算机系统500的一种或多种实现来执行。
计算机系统500可以包括总线502或用于传送信息的其他通信机制，与总线502耦接的一个或多个硬件处理器504以用于处理信息。硬件处理器504可以是例如一个或多个通用微处理器。
计算机系统500还可以包括主存储器506，例如随机存取存储器(RAM)、缓存和/或其他动态存储设备，耦接到总线502，用于存储信息和可由处理器504执行的指令。主存储器506还可以用于在可由处理器504执行的指令的执行期间存储临时变量或其他中间信息。当将这些指令存储在处理器504可访问的存储介质中时，这些指令将计算机系统500呈现为专用于执行指令中指定的操作的专用机器。计算机系统500可以进一步包括只读存储器(ROM)508或耦接到总线502的其他静态存储设备，用于存储静态信息和用于处理器504的指令。可以提供诸如磁盘、光盘或USB拇指驱动器(闪存驱动器)等的存储设备510，并将其耦接到总线502以存储信息和指令。
计算机系统500可以使用定制的硬连线逻辑、一个或多个ASIC或FPGA、固件和/或程序逻辑来实现本文所述的技术，这些逻辑与计算机系统结合使计算机系统500成为专用计算机，或对计算机系统500进行编程使其成为专用计算机。根据一个实施例，本文所述的操作、方法和过程由计算机系统500响应于处理器504执行包含在主存储器506中的一个或多个指令的一个或多个序列来执行。可以从诸如存储设备510之类的另一存储介质将这样的指令读入主存储器506。执行包含在主存储器506中的指令序列可以使处理器504执行本文所述的处理步骤。在替代实施例中，可以使用配硬连线电路代替软件指令或与软件指令结合使用。
主存储器506、ROM 508和/或存储设备510可以包括非暂时性存储介质。如本文中所使用的，术语“非暂时性介质”和类似术语是指存储有导致机器以特定方式运行的数据和/或指令的介质，所述介质不包括瞬时信号。这样的非暂时性介质可以包括非易失性介质和/或易失性介质。非易失性介质包括例如光盘或磁盘，例如存储设备510。易失性介质包括动态存储器，例如主存储器506。非暂时性介质的常见形式包括，例如软盘、柔性磁盘、硬盘、固态驱动器、磁带或任何其他磁性数据存储介质、CD-ROM、任何其他光数据存储介质、具有孔模式的任何物理介质、RAM、PROM和EPROM、FLASH-EPROM、NVRAM、任何其他存储芯片或盒式磁带及其联网版本。
计算机系统500可以包括耦接到总线502的网络接口518。网络接口518可以提供耦接到与一个或多个本地网络连接的一个或多个网络链路的双向数据通信。例如，网络接口518可以是集成服务数字网络(ISDN)卡、电缆调制解调器、卫星调制解调器或用于向对应类型的电话线提供数据通信连接的调制解调器。作为另一示例，网络接口518可以是局域网(LAN)卡，以提供到兼容LAN(或与WAN通信的WAN组件)的数据通信连接。也可以实现无线链路。在任何这样的实现中，网络接口518可以发送和接收电信号、电磁信号或光信号，其上承载表示各种类型的信息的数字数据流。
计算机系统500可以通过网络、网络链路和网络接口518发送消息并接收数据，包括程序代码。在互联网的示例中，服务器可以通过互联网、ISP、局域网和网络接口518发送针对应用程序的被请求的代码。
接收到的代码可以在被接收到时由处理器504执行，和/或被存储在存储设备510或其他非易失性存储装置中，以供以后执行。
前面各部分中描述的每个过程、方法和算法都可以体现在由包含计算机硬件的一个或多个计算机系统或计算机处理器执行的代码模块中，或由这些代码模块完全或部分自动执行。所述过程和算法可以在专用电路中部分或全部实现。
上述的各种特征和过程可以彼此独立地使用或者可以以各种方式组合。所有可能的组合和子组合均旨在落入本说明书的范围内。另外，在某些实施方式中，可以省略某些方法或过程框。本文所述的方法和过程也不限于任何特定的顺序，并且可以以适当的其他顺序执行与之相关的框或状态。例如，可以以不同于具体公开的顺序来执行所描述的框或状态，或者可以在单个框或状态中组合多个框或状态。框或状态的示例可以串行，并行或以其他方式执行。块或状态可以被添加到所公开的实施例或从所公开的实施例中去除。本文描述的系统和组件的示例可以被配置为与所描述的不同。例如，与所公开的实施例相比，可以添加、移除或重新布置元素。
本文描述的方法的各种操作可以至少部分地由被临时配置(例如，通过软件)或永久地配置为执行相关操作的一个或多个处理器执行。无论是临时配置还是永久配置，这样的处理器都可以构成由处理器实现的引擎，该引擎操作为执行本文所述的一个或多个操作或功能。
类似地，本文描述的方法可以至少部分地由处理器实现，其中一个或多个特定处理器是硬件的示例。例如，一种方法的至少一些操作可以由一个或多个处理器或由处理器实现的引擎执行。此外，一个或多个处理器还可以操作为在“云计算”环境中或作为“软件即服务”(SaaS)支持相关操作的执行。例如，至少一些操作可以由一组计算机(作为包括处理器的机器的示例)执行，这些操作可以通过网络(例如互联网)和一个或多个适当的接口(例如应用程序接口(API))被访问。
某些操作的执行可以分布在处理器之间，不仅驻留在单个机器内，而且可以跨多个机器部署。在一些实施例中，处理器或由处理器实现的引擎可以位于单一的地理位置中(例如，在家庭环境、办公室环境或服务器场中)。在其他实施例中，处理器或由处理器实现的引擎可以分布在多个地理位置上。
在整个说明书中，多个实例可以实现被描述为单个实例的组件、操作或结构。尽管将一种或多种方法的单独操作示出并描述为独立的操作，但是可以同时执行一个或多个单独操作，并且不需要按照所示顺序执行操作。在配置中表示为独立组件的结构和功能可以实现为组合的结构或组件。类似地，呈现为单一组件的结构和功能可以实现为独立的组件。这些和其他变型、修改、添加和改进均在本文主题的范围内。
尽管已经参考特定实施例描述了主题的概述，但是在不脱离本说明书的实施例的较宽范围的情况下，可以对这些实施例进行各种修改和改变。具体实施方式不应以限制性的意义来理解，并且各种实施例的范围仅由所附权利要求书以及这些权利要求书所有的等同的全部范围来限定。此外，在此使用的相关术语(诸如“第一”、“第二”、“第三”等)不表示任何顺序、高度或重要性，而是用于将一个元件与另一个元件区分开。此外，术语“一个”、“一种”和“多个”在本文中不表示数量限制，而是表示存在所提及的项目中的至少一个。

Claims (15)

1.一种计算机实现的用于评估风险的方法，包括：
获得多个交易，所述多个交易中的每个交易包括多个数据维度，其中，所述多个交易中的一些交易被标记为风险交易，并且所述多个交易中的一些交易被标记为安全交易；
获得所述多个数据维度中的至少一个数据维度作为输出空间并且获得除所述至少一个数据维度以外的多个数据维度作为输入空间；
初始化从所述输入空间到潜在空间的第一映射以及从所述潜在空间到所述输出空间的第二映射，其中，所述第一映射包括根据广义线性模型的逆，将所述输入空间映射到所述潜在空间；以及
优化所述第一映射和所述第二映射以生成贝塞尔Bezier曲面作为划分所述多个交易的边界，所述风险交易中第一预设百分比的风险交易落在所述边界的一侧，并且所述安全交易中第二预设百分比的安全交易落在所述边界的另一侧。
2.根据权利要求1所述的方法，还包括：
获得包括所述多个数据维度的被提议交易；
将所述被提议交易映射到所述多个数据维度的空间，其中，在所述多个数据维度的空间中生成所述贝塞尔曲面；
响应于发现所述被提议交易落在所述贝塞尔曲面的一侧，阻止或延迟执行所述被提议交易；以及
响应于发现所述被提议交易落在所述贝塞尔曲面的另一侧，允许执行所述被提议交易。
3.根据权利要求2所述的方法，其中：
优化所述第一映射和所述第二映射以生成贝塞尔曲面包括：优化所述第一映射和所述第二映射以至少生成对应于高风险水平的第一贝塞尔曲面和对应于低风险水平的第二贝塞尔曲面；
响应于发现所述被提议交易落在所述贝塞尔曲面的一侧，阻止或延迟执行所述被提议交易，包括：
响应于发现所述被提议交易位于所述第一贝塞尔曲面和所述第二贝塞尔曲面之上，阻止执行所述被提议交易，以及
响应于发现所述被提议交易位于所述第一贝塞尔曲面和所述第二贝塞尔曲面之间，执行验证步骤，作为允许执行所述被提议交易的条件；以及
响应于发现所述被提议交易落在所述贝塞尔曲面的另一侧，允许执行所述被提议交易，包括：响应于发现所述被提议交易位于所述第一贝塞尔曲面和所述第二贝塞尔曲面之下，允许执行所述被提议交易。
4.根据权利要求1-3中任一项所述的方法，其中：
所述输入空间包括特征向量；
所述输出空间包括输出向量；以及
所述潜在空间包括两个或更多个参数坐标。
5.根据权利要求4所述的方法，其中：
所述输出向量是可微分的。
6.根据权利要求1所述的方法，其中：
所述多个数据维度包括以下中的一项或多项：交易时间、交易位置、交易频率、用户历史、交易金额和风险水平。
7.根据权利要求1所述的方法，其中：
所述多个数据维度包括至少三个数据维度；以及
所述至少三个数据维度包括交易发送方的风险水平、交易接收方的风险水平和交易金额。
8.根据权利要求1所述的方法，其中：
优化所述第一映射包括求解一阶H数据维方程；以及
所述潜在空间包括H个数据维度。
9.根据权利要求1所述的方法，其中：
优化所述第一映射和所述第二映射包括通过强化学习来优化所述第一映射和所述第二映射。
10.根据权利要求1所述的方法，其中：
所述广义线性模型通过链接函数将所述潜在空间映射到所述输入空间。
11.根据权利要求10所述的方法，其中：
所述链接函数包括身份函数、对数函数或logit函数。
12.根据权利要求1所述的方法，其中：
所述第二映射包括通过H数据维的伯恩斯坦Bernstein多项式将所述潜在空间映射到所述输出空间。
13.一种用于评估风险的系统，包括：
一个或多个处理器；以及
一个或多个计算机可读存储器，耦接到所述一个或多个处理器并在其上存储有指令，所述指令能够由所述一个或多个处理器执行以执行权利要求1-12中任一项所述的方法。
14.一种用于评估风险的装置，包括用于执行权利要求1-12中任一项所述的方法的多个模块。
15.一种非暂时性计算机可读存储介质，配置有能够由一个或多个处理器执行以使所述一个或多个处理器执行根据权利要求1-12中任一项所述的方法的指令。
CN201980004846.3A 2019-12-20 2019-12-20 用于评估风险的系统和方法 Active CN111386546B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2019/127096 WO2020098825A2 (en) 2019-12-20 2019-12-20 System and method for evaluating risk

Publications (2)

Publication Number Publication Date
CN111386546A CN111386546A (zh) 2020-07-07
CN111386546B true CN111386546B (zh) 2022-09-23

Family

ID=70733021

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980004846.3A Active CN111386546B (zh) 2019-12-20 2019-12-20 用于评估风险的系统和方法

Country Status (4)

Country Link
US (1) US11093946B2 (zh)
CN (1) CN111386546B (zh)
SG (1) SG11202010671PA (zh)
WO (1) WO2020098825A2 (zh)

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7376618B1 (en) 2000-06-30 2008-05-20 Fair Isaac Corporation Detecting and measuring risk with predictive models using content mining
US7865427B2 (en) 2001-05-30 2011-01-04 Cybersource Corporation Method and apparatus for evaluating fraud risk in an electronic commerce transaction
US8471852B1 (en) * 2003-05-30 2013-06-25 Nvidia Corporation Method and system for tessellation of subdivision surfaces
JP2007500915A (ja) 2003-06-09 2007-01-18 グリーンライン・システムズ・インコーポレーテッド リスク検知、レポート機能、及びインフラストラクチャのためのシステム及び方法
US20050089237A1 (en) 2003-10-24 2005-04-28 Jaehwa Park Method and apparatus for bezier curve approximation data compression
US7228227B2 (en) 2004-07-07 2007-06-05 The Boeing Company Bezier curve flightpath guidance using moving waypoints
US8206325B1 (en) 2007-10-12 2012-06-26 Biosensics, L.L.C. Ambulatory system for measuring and monitoring physical activity and risk of falling and for automatic fall detection
US8725474B2 (en) 2008-10-01 2014-05-13 Navteq B.V. Bezier curves for advanced driver assistance system applications
US8145758B2 (en) * 2009-06-15 2012-03-27 Microsoft Corporation Concurrent processing with untrusted beings
US8489499B2 (en) 2010-01-13 2013-07-16 Corelogic Solutions, Llc System and method of detecting and assessing multiple types of risks related to mortgage lending
WO2012054646A2 (en) 2010-10-19 2012-04-26 The 41St Parameter, Inc. Variable risk engine
US20140122343A1 (en) 2012-11-01 2014-05-01 Symantec Corporation Malware detection driven user authentication and transaction authorization
US8850517B2 (en) 2013-01-15 2014-09-30 Taasera, Inc. Runtime risk detection based on user, application, and system action sequence correlation
US9401034B2 (en) * 2013-04-30 2016-07-26 Microsoft Technology Licensing, Llc Tessellation of two-dimensional curves using a graphics pipeline
JP6513647B2 (ja) * 2013-06-24 2019-05-15 コベストロ、ドイチュラント、アクチエンゲゼルシャフトＣｏｖｅｓｔｒｏ Ｄｅｕｔｓｃｈｌａｎｄ Ａｇ 多軸スクリュー式機械用のスクリューエレメント
US10275772B2 (en) 2014-06-16 2019-04-30 Bank Of America Corporation Cryptocurrency risk detection system
US20160078531A1 (en) * 2014-09-11 2016-03-17 International Business Machines Corporation Aggregation engine for real-time counterparty credit risk scoring
US9741133B2 (en) 2015-09-29 2017-08-22 Adobe Systems Incorporated Identifying shapes in an image by comparing Bézier curves
US9785146B2 (en) 2016-01-26 2017-10-10 Northrop Grumman Systems Corporation Maneuver planning with higher order rational Bezier curves
JP2020527066A (ja) * 2017-07-19 2020-09-03 シャリテ−ウニベルジテーツメディツィン ベルリン 光干渉断層法によって中心窩の形状パラメータを推定するための方法
CN107580015A (zh) * 2017-07-26 2018-01-12 阿里巴巴集团控股有限公司 数据处理方法和装置、服务器
US10885111B2 (en) * 2018-04-16 2021-01-05 International Business Machines Corporation Generating cross-domain data using variational mapping between embedding spaces
US11663659B2 (en) * 2018-06-08 2023-05-30 Jpmorgan Chase Bank, N.A. Methods for early credit risk escalation and management and devices thereof
CN110020775A (zh) * 2019-01-30 2019-07-16 阿里巴巴集团控股有限公司 一种风险交易管控方法及装置
CN110147940A (zh) * 2019-04-26 2019-08-20 阿里巴巴集团控股有限公司 一种风险控制处理方法、设备、介质以及装置
CN110414845B (zh) * 2019-07-31 2023-09-19 创新先进技术有限公司 针对目标交易的风险评估方法及装置

Also Published As

Publication number Publication date
SG11202010671PA (en) 2020-11-27
WO2020098825A2 (en) 2020-05-22
WO2020098825A3 (en) 2020-10-22
CN111386546A (zh) 2020-07-07
US11093946B2 (en) 2021-08-17
US20210049610A1 (en) 2021-02-18

Similar Documents

Publication Publication Date Title
US11521090B2 (en) Collaborative distributed machine learning
US10977654B2 (en) Machine learning engine for fraud detection during cross-location online transaction processing
US20200294074A1 (en) Location information processing method and apparatus
CN112000991B (zh) 多方数据联合处理方法、装置及系统
CN112799708B (zh) 联合更新业务模型的方法及系统
CN107679856B (zh) 基于交易的业务控制方法和装置
US11803657B2 (en) Generation of representative data to preserve membership privacy
US10970780B2 (en) Zero-knowledge predictions market
CN111814910B (zh) 异常检测方法、装置、电子设备及存储介质
US10621301B2 (en) Coordinates-based variational autoencoder for generating synthetic via layout patterns
US20220027914A1 (en) System, method, and recording medium for identity fraud prevention in secure transactions using multi-factor verification
US20200265440A1 (en) Transaction validation for plural account owners
CN114187112A (zh) 账户风险模型的训练方法和风险用户群体的确定方法
CN109165947B (zh) 账户信息确定方法、装置及服务器
US10733609B2 (en) Dynamically generated payment token ratings
CN111386546B (zh) 用于评估风险的系统和方法
CN109685506B (zh) 多重签名账户生成方法和多重签名账户的签名确认方法
CN110059097A (zh) 数据处理方法和装置
CN115034788A (zh) 交易风险评估方法及装置、电子设备、存储介质
US20210050115A1 (en) Mini-batch top-k-medoids for extracting specific patterns from cgm data
GB2598339A (en) Computer-implemented method and system testing a model indicating a parametric relationship between a plurality of channels of multivariate data
CN112200234B (zh) 模型分类的过程中防止模型窃取的方法及装置
US20230186307A1 (en) Method for enhancing transaction security
CN117436882A (zh) 异常交易识别方法、装置、计算机设备和存储介质
US20230394298A1 (en) Watermarking deep generative models

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40032933

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant