CN111489165B - 目标对象的数据处理方法、装置和服务器 - Google Patents
目标对象的数据处理方法、装置和服务器 Download PDFInfo
- Publication number
- CN111489165B CN111489165B CN202010294446.5A CN202010294446A CN111489165B CN 111489165 B CN111489165 B CN 111489165B CN 202010294446 A CN202010294446 A CN 202010294446A CN 111489165 B CN111489165 B CN 111489165B
- Authority
- CN
- China
- Prior art keywords
- processing
- sequence
- risk
- target object
- preset
- 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
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Marketing (AREA)
- Economics (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书提供了目标对象的数据处理方法、装置和服务器。在一个实施例中,目标对象的数据处理方法可以预先确定出能够反映针对同一风险类型的目标对象的处理流程的共性特征的预设的操作序列模板;在对目标对象进行具体处理时,可以通过确定并根据目标对象的风险类型,从上述多个预设的操作序列模板中,确定出匹配的操作序列模板;进而可以根据该匹配的操作序列模板,生成针对目标对象的目标处理策略;再根据该目标处理策略,对目标对象进行具体的数据处理。从而可以不需要依赖技术人员的人工分析处理,自动、高效地对目标对象进行针对性的数据处理。
Description
技术领域
本说明书属于互联网技术领域,尤其涉及目标对象的数据处理方法、装置和服务器。
背景技术
通常在对存在交易风险的个人或行为数据等进行交易风险分析评价时,往往需要技术人员依赖个人的处理经验,人工地去搜集相应的数据,并基于上述数据进行具体的数据分析处理,再作判断。
目前,亟需一种能够自动、高效地对存在交易风险的目标对象进行有针对性的数据处理的方法。
发明内容
本说明书提供了目标对象的数据处理方法、装置和服务器,以能够自动、高效地对目标对象进行有针对性的数据处理。
本说明书提供的一种目标对象的数据处理方法、装置和服务器是这样实现的:
一种目标对象的数据处理方法,包括:确定目标对象的风险类型;根据所述目标对象的风险类型,从多个预设的操作序列模板中,确定出匹配的操作序列模板;其中,所述多个预设的操作序列模板包括预先确定出的包含有针对所对应的风险类型的目标对象的处理流程的共性特征的操作序列;根据所述匹配的操作序列模板,生成针对目标对象的目标处理策略,其中,所述目标处理策略包括针对所述目标对象的处理类型组,所述处理类型组包含有原子操作;根据所述目标处理策略,对目标对象进行数据处理。
一种目标对象的数据处理方法,包括:确定目标对象的类型;根据所述类型,从多个预设的操作序列模板中,确定出匹配的操作序列模板;其中,所述多个预设的操作序列模板包括预先确定出的包含有针对所对应类型的目标对象的处理流程的共性特征的操作序列;根据所述匹配的操作序列模板,生成针对目标对象的目标处理策略,其中,所述目标处理策略包括针对所述目标对象的处理类型组,所述处理类型组包含有原子操作;根据所述目标处理策略,对目标对象进行数据处理。
一种目标对象的数据处理装置,包括:第一确定模块,用于确定目标对象的风险类型;第二确定模块,用于根据所述目标对象的风险类型,从多个预设的操作序列模板中,确定出匹配的操作序列模板;其中,所述多个预设的操作序列模板包括预先确定出的包含有针对所对应的风险类型的目标对象的处理流程的共性特征的操作序列;生成模块,用于根据所述匹配的操作序列模板,生成针对目标对象的目标处理策略,其中,所述目标处理策略包括针对所述目标对象的处理类型组,所述处理类型组包含有原子操作;处理模块,用于根据所述目标处理策略,对目标对象进行数据处理。
一种服务器,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现确定目标对象的风险类型;根据所述目标对象的风险类型,从多个预设的操作序列模板中,确定出匹配的操作序列模板;其中,所述多个预设的操作序列模板包括预先确定出的包含有针对所对应的风险类型的目标对象的处理流程的共性特征的操作序列;根据所述匹配的操作序列模板,生成针对目标对象的目标处理策略,其中,所述目标处理策略包括针对所述目标对象的处理类型组,所述处理类型组包含有原子操作;根据所述目标处理策略,对目标对象进行数据处理。
一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现确定目标对象的风险类型;根据所述目标对象的风险类型,从多个预设的操作序列模板中,确定出匹配的操作序列模板;其中,所述多个预设的操作序列模板包括预先确定出的包含有针对所对应的风险类型的目标对象的处理流程的共性特征的操作序列;根据所述匹配的操作序列模板,生成针对目标对象的目标处理策略,其中,所述目标处理策略包括针对所述目标对象的处理类型组,所述处理类型组包含有原子操作;根据所述目标处理策略,对目标对象进行数据处理。
本说明书提供的目标对象的数据处理方法、装置和服务器,可以预先确定出能够反映针对同一风险类型的目标对象的处理流程的共性特征的预设的操作序列模板;在对目标对象进行具体数据处理时,可以通过确定并根据目标对象的风险类型,从多个预设的操作序列模板中,确定出匹配的操作序列模板;进而可以根据该匹配的操作序列模板,得到针对目标对象的目标处理策略;再根据该目标处理策略,对目标对象进行具体的数据处理。从而可以不需要依赖技术人员的人工处理,自动、高效地对目标对象进行有针对性的数据处理。
附图说明
为了更清楚地说明本说明书实施例,下面将对实施例中所需要使用的附图作简单地介绍,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是应用本说明书实施例提供的目标对象的数据处理方法的系统结构组成的一个实施例的示意图;
图2是在一个场景示例中,应用本说明书实施例提供的目标对象的数据处理方法的一种实施例的示意图;
图3是在一个场景示例中,应用本说明书实施例提供的目标对象的数据处理方法的一种实施例的示意图;
图4是在一个场景示例中,应用本说明书实施例提供的目标对象的数据处理方法的一种实施例的示意图;
图5是本说明书的一个实施例提供的目标对象的数据处理方法的流程示意图;
图6是本说明书的一个实施例提供的目标对象的数据处理方法的流程示意图;
图7是本说明书的一个实施例提供的服务器的结构组成示意图;
图8是本说明书的一个实施例提供的目标对象的数据处理装置的结构组成示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,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。
本说明书实施例提供一种目标对象的数据处理方法,所述目标对象的数据处理方法具体可以应用于包含有第一服务器和第二服务器的系统架构中。可以参阅图1所示,上述第一服务器和第二服务器可以通过有线或无线的方式相连。
具体的,上述第一系统可以对平台上出现的数据对象进行检测识别,确定出存在风险的数据对象作为目标对象,并生成针对目标对象的数据处理请求,将该数据处理请求发送至第二服务器。第二服务器接收上述数据处理请求,确定出要进行数据处理的目标对象。第二服务器具体处理时,可以确定目标对象的风险类型;再根据所述目标对象的风险类型,从多个预设的操作序列模板中,确定出匹配的操作序列模板;其中,所述多个预设的操作序列模板包括预先确定出的包含有针对所对应的风险类型的目标对象的处理流程的共性特征的操作序列;根据所述匹配的操作序列模板,生成针对目标对象的目标处理策略,其中,所述目标处理策略包括针对所述目标对象的处理类型组,所述处理类型组包含有原子操作;最后根据所述目标处理策略,对目标对象进行数据处理。第二服务器可以根据针对目标对象的数据处理结果,生成针对目标对象的风险分析评价报告,并将该风险分析评价报告提供给负责后续处理的服务器作为参考数据,以便对该目标对象进行后续的相关处理。
在本实施例中,所述第一服务器、第二服务器具体可以包括一种应用于网络平台一侧,能够实现数据传输、数据处理等功能的后台负责数据处理的服务器。具体的,所述第一服务器、第二服务器例如可以为一个具有数据运算、存储功能以及网络交互功能的电子设备。或者,所述第一服务器、第二服务器也可以为运行于该电子设备中,为数据处理、存储和网络交互提供支持的软件程序。在本实施例中,并不具体限定所述服务器的数量。所述第一服务器、第二服务器具体可以为一个服务器,也可以为几个服务器,或者,由若干服务器形成的服务器集群。
在一个具体的场景示例中,可以参阅图2所示,应用本说明书实施例提供的目标对象的数据处理方法对某购物平台上的涉嫌风险交易的账户进行相应的交易风险分析处理。
在本场景示例中,该购物平台的后台监测服务器会实时采集该平台上账户的交易行为,并根据所采集到的账户的交易行为,粗略判断该账户是否存在交易风险,是否需要作进一步更加精准、全面的交易风险分析评价。当然,监测服务器还可以通过接收并根据举报信息等数据,来判断被举报的账户是否存在交易风险,是否需要作进一步的风险分析评价等。
具体的,例如,监测服务器接收到一封针对账户A涉嫌洗钱这类交易风险的举报邮件。根据该举报邮件,监测服务器有针对性地采集了账户A近期的多笔交易数据,并通过对上述多笔交易数据进行初步的分析处理,判断账户A命中了交易风险规则,初步将账户A确定为存在洗钱风险的风险对象。
这时,监测服务器可以针对账户A生成关于账户A的交易风险分析处理请求,并将该交易风险分析处理请求,发送至该购物平台的后台负责进项交易风险分析处理的风险分析服务器。
风险分析服务器接收并响应监测服务器发送的交易风险分析处理请求,先根据该交易风险分析处理请求确定出需要进行进一步交易风险分析评价处理的风险对象为账户A,并且根据账户A所命中的交易风险规则,确定出账户A的风险类型为洗钱类型。
进一步,风险分析服务器可以根据账户A的风险类型,检索多个预设的操作序列模板,找到与洗钱类型匹配的操作序列模板作为针对账户A的匹配的操作序列模板。
其中,上述多个预设的操作序列模板具体可以包括预先确定出的,与多个风险类型分别对应的,能够反映出针对对应带的风险类型的风险对象进行交易风险分析评价的处理流程中的共性特征的操作序列。
具体的,上述多个预设的操作序列模板可以是预先通过搜集并对技术人员人工对大量不同风险类型的风险对象进行交易风险分析评价的处理流程进行序列模式挖掘所得到的。
上述操作序列可以参阅图3所示。每一个操作序列可以包括一个或多个元素组。其中,一个元素组具体表示一种处理类型组,对应一种处理类型。一个元素组具体可以表示所对应的一种处理类型组,对应一种处理类型。每个元素组又进一步可以包括一个或多个元素。一种元素具体可以表示所对应的一种原子操作。其中,上述原子操作具体可以表示进行交易风险分析评价的处理流程中具体的操作处理单位,上述原子操作也可以理解为在处理流程中不能再作进一步拆分的操作处理。
例如,参阅图3所示,操作序列S1为一个与某种风险类型对应的预设的操作序列模板,其中,该操作序列中包含有3个不同的元素组,其中,第一个元素组表示为交易分析处理类型组,第二个元素组表示为地址分析处理类型组,第三个元素组表示为成员合法性分析处理类型组。进一步,每个元素组中又可以分别包括有一个或多个元素。例如,第一个元素组可以包括两个元素,第二个元素组可以包括1个元素,第三个元素组可以包括三个元素。上述各个元素组所包含的元素表示所对应的处理类型组中具体的原子操作。以第三个元素组为例,该元素组中依次包含有以下字符元素:a、b、c,其中,上述每一个字符元素表示一个原子操作。例如,字符元素a可以表示查询相关部门网站来验证合法性的操作,字符元素b可以表示查询工商网验证合法性操作,字符元素c可以表示采集并验证用户的证件信息的操作等。
当然,上述所列举的操作序列只是一种示意性说明。具体实施时,根据所对应的处理流程的不同,操作序列还可以包含有其他数量、其他类型的元素组,元素组中也可以包含有其他数量、对应其他原子操作的元素。对此,本说明书不作限定。
在本场景示例中,一个操作序列中所包含的多个元素组可以是随机排列的。一个元素组中所包含的与原子操作对应的元素可以是按照原子操作的执行时间排列的。例如,操作序列S1中的第一个元素组中所包含的两个字符元素e、f就是按照两个字符元素所对应的原子操作的执行时间的先后顺序进行排列的。其中,字符元素e所对应的原子操作的执行时间早于字符元素f所对应的原子操作。
此外,同一个元素组中还可以记载有所包含的多个元素所对应的多个原子操作之间其他的关联关系。
具体的,一个元素组还可以进一步记载有的表征该元素组中所包含的多个元素之间的关联关系的关联标记。例如,另一个操作序列S2中的一个元素组可以表示为:(ab[a1]c[a2])。其中,字符元素b边上设置有标记[a1],字符元素c边上设置有标记[a2]。基于该元素组,可以表示:在执行在元素组所对应的类型的处理操作时,先进行字符元素a所对应的原子操作,得到对应的操作结果;再根据操作结果,确定紧接着字符元素a所对应的原子操作的下一步原子操作。如果得到操作结果是对应字符a1的操作结果,则进行字符元素b所对应的原子操作,而不进行字符元素c所对应的原子操作。相反,如果得到操作结果是对应字符a2的操作结果,则进行字符元素c所对应的原子操作,而不进行字符元素b所对应的原子操作。当然,上述所列举的元素之间的关联关系,以及在元素组中表征关联关系的方式只是一种示意性说明。具体实施时,根据具体的应用场景和处理需要,还可以包含有其他类型的关联关系,采用其他方式在元素组中表征关联关系,对此本说明书不作限定。
风险分析服务器可以根据通过上述方式确定出的匹配的操作序列模板,确定出针对账户A进行关于账户A的洗钱交易风险分析评价的处理流程中所涉及到的处理类型,以及各个处理类型所包含的原子操作。
具体的,可以根据匹配的操作序列模板的操作序列中所包含的元素组确定出关于账户A的洗钱交易风险分析评价的处理流程中所包括的处理类型组;进一步,可以根据操作序列中各个元素组所包含的元素,确定出各个处理类型组中所包含的具体的原子操作。进而,可以根据上述所确定出的处理类型组,和处理类型组所包含的原子操作,自动地生成针对账户A的进行洗钱交易风险分析评价的处理流程,作为针对账户A的目标处理策略。
进一步,风险分析服务器可以根据上述目标处理策略,对账户A进行具体的洗钱交易风险分析评价的操作处理。
具体实施时,风险分析服务器可以根据目标处理策略,分别执行各个处理类型组中所包含的原子操作。在具体执行某一个处理类型组时,可以根据该处理类型组所包含的原子操作的排列顺序,以及相应的关联关系,按顺序来依次执行该处理类型组中所包含的原子操作,得到,得到对应的操作处理结果。
此外,风险分析服务器还可以记录下根据目标处理策略进行具体数据处理时的过程数据。例如,可以记录记录下进行具体数据处理时各个原子操作的执行时间;也可以记录下执行各个原子操作时所使用数据的获取来源、获取方式,以及执行时的相关依据;还可以整理记录下整个处理操作流程中所形成的证据链等等。
进而可以根据操作处理结果,结合上述所记录下的过程数据生成关于账户A的洗钱风险分析评价报告。该报告中除了包含有基于操作处理结果得到的针对账户A的洗钱风险分析结论,还可以包含有支持所得出的风险分析结论的完整的证据链路、逐步得到的最终的分析评价结论的论证过程,以及分析评价依据等其他相关的可解释性数据。这样得到的风险分析评价报告相对的具有更高的参考价值,可以为后续针对账户A的进一步处理提供较为有效、充分的处理依据。
在本场景示例中,风险分析服务器在按照上述方式得到关于账户A的洗钱风险分析评价报告后,可以将该风险分析评价报告发送至负责对风险对象进行具体处理的监管处理服务器。
监管处理服务器在接收到风险分析处理服务器所提供的关于账户A的洗钱风险分析评价报告后,可以根据风险分析评价报告中的风险评价结论,结合风险分析评价报告中所包含的其他数据,确定针对账户A的具体处理方式,对账户A进行相应处理。
例如,监管处理服务器如果根据风险评价结论,确定账户A是存在洗钱风险;并且,结合风险分析评价报告中提供的证据、分析评价结论的论证过程,确定该风险评价结论,以及得出该风险评价结论的过程是可信的,可以判断账户A具有较高的风险涉及洗钱,进而可以向相关部门网站的服务器,发送相应的请求处理文件(例如举报函),正式告知相关部门账户A具有较高风险涉嫌洗钱,并提供关于账户A的洗钱风险分析评价报告,作为证据,供相关部门参考。
监管处理服务器如果根据风险评价结论,确定账户A是存在洗钱风险;但是,结合风险分析评价报告中提供的证据、分析评价结论的论证过程,确定得出该风险评价结论的过程是不可信的,或者得出该风险评价结论的证据还不够充分,这时,监管处理服务器可以对账户A进行标记,并对账户A进行更加严格的监控等。当然,上述所列举的针对账户A的处理方式只是一种示意性说明。具体实施时,根据具体的应用场景和处理需要,还可以采用其他合适的处理方式对风险对象进行相应处理。
在本场景示例中,通过上述方式可以不需要依赖技术人员的人工分析处理,基于预先确定出的能够反映不同风险类型的目标对象的处理流程的共性特征的多个预设的操作序列模板,自动、高效地完成针对账户A的洗钱风险分析评价的数据处理,获取并根据对应的风险分析评价报告对账户A进行针对性的处理。
在另一个场景示例中,风险分析服务器在确定出针对账户A的目标处理策略后,可以先将该目标处理策略发送至技术人员进行审核。
具体的,可以参阅图4所示,风险分析服务器可以根据目标处理策略先生成较为直观的处理分析处理路径图;再将该处理分析处理路径图,以及账户A的相关情况数据(例如,所命中的风险规则等)发送至技术人员。技术人员可以结合账户A的相关情况数据,对处理分析路径进行审核。如果审核通过,可以向风险分析服务器发送确认指示,进而风险分析服务器可以根据该目标处理策略对账户A进行具体的洗钱风险分析评价处理。如果审核不通过,技术人员认为该分析处理路径图中所指示的操作流程存在错误、准确,技术人员可以进行相应的修改,并将修改后的处理分析处理路径图发送至风险分析服务器。进而风险分析服务器可以根据修改后的处理分析处理路径图对原来的目标处理策略进行对应修改,得到修改后的目标处理策略,再根据修改后的目标处理策略对账户A进行具体的洗钱风险分析评价处理。
在本场景示例中,风险分析服务器可以在较小的程度上结合技术人员的经验,更加准确地对账户A进行具体的洗钱风险分析评价处理。同时,风险分析服务器还会记录下上述修改后的目标处理策略。后续可以根据上述修改后的目标处理策略,对原有的预设的操作序列模板进行更新,以便后续能够更加准确地生成针对账户A这种交易风险类型的目标策略。
在另一个场景示例中,具体实施之前,风险分析服务器可以预先通过模式序列挖掘,获取并保存与多个风险类型对应的多个预设的操作序列模板。
在本场景示例中,风险分析服务器可以先获取历史操作处理记录,其中,上述历史操作处理记录中具体记录了技术人员针对多个不同交易风险类型的账户人工进行相应交易风险分析评价的处理流程。进一步,风险分析服务器可以根据上述历史操作处理记录,按照预设的转化原则,将历史操作处理记录中所记录的交易风险分析评价的处理流程分别转化为对应的操作序列,建立得到对应的操作序列库。
在进行具体转化时,以转化历史操作处理记录中的当前交易风险分析评价的处理流程为例。具体转化前,风险分析服务器还可以先确定该处理流程所对应的账户涉及的风险类型。其中,上述风险类型具体可以包括:洗钱风险、赌博风险、欺诈风险等等。
具体实施时,风险服务器可以先将当前处理流程所包含的处理操作拆分不可再分的最小操作单位,得到多个原子操作;再根据各个原子操作所属的处理类型,将多个原子操作划分为多个处理类型组,其中,各个处理类型组中包含有一个或多个原子操作。
进一步,可以根据所确定出的处理类型组构建针对当前处理流程的操作序列。具体的,可以将一个处理类型组映射为对应的一个元素组,并将该处理类型组所包含的原子操作按照统一的编码规则,分别映射成对应的字符元素进行表征。并且,确定出该处理类型组中所包含的各个原子操作的执行时间,根据原子操作的执行时间,按照执行时间的先后顺序,在对应的元素组中排列多个原子操作所对应的字符元素。进而可以得到抽象化的,对应当前处理流程的操作序列。
在本场景示例中,在构建上述当前处理流程的操作序列时,还可以根据同一个处理类型组中的原子操作之间的关联关系,在对应的元素组中进行标记。此外,还可以在构建好的操作序列中设置风险类型标签,以表征该操作序列所针对的账户所属的风险类型。
按照上述方式,可以将历史操作处理记录中所记录的大量交易风险分析评价的处理流程分别转化为对应的多个操作序列,进行保存,得到对应的操作序列库。
进一步,风险分析服务器可以根据上述操作序列所针对的账户所属的风险类型,将多个操作序列划分为多个不同风险类型组。其中,上述多个风险类型组中的各个风险类型组包含有针对该风险类型账户的多个操作序列。
风险分析服务器可以分别对各个风险类型组中所包含的操作序列进行序列模式挖掘,挖掘得到与多个风险类型分别对应的多个预设的操作序列模板。
以针对多个风险类型组中的当前风险类型组所包含的操作序列进行序列模式挖掘为例。风险分析服务器可以从第一层开始,对当前风险类型组所包含的操作序列逐层进行关于频繁序列模式的搜索迭代处理,以找出支持度和序列长度符合预设要求的频繁序列模式,作为与当前风险类型组对应的预设的操作序列模板。其中,上述支持度具体可以表征操作序列与当前风险类型组所包含的操作序列的重合度。上述序列长度具体可以表征操作序列所包含的原子操作的总数。
具体实施时,风险分析服务器可以从第一层开始,对当前风险类型组所包含的操作序列进行扫描搜索,得到多个长度为1的频繁序列模式,作为初始的第一层种子集。
进入第二层,获取上一层的种子集(即第一层的种子集),并通过对所述上一层种子集进行连接操作和修剪操作,生成当前层(即第二层))的频繁序列模式,其中,当前层的频繁序列模式的序列长度等于上一层的频繁序列模式的序列长度加1。
其中,上述连接操作,具体实施时,可以包括:对第一层种子集中所包含的频繁序列模式中的任意两个频繁序列模式(记为s1和s2)进行判断,如果去掉频繁序列模式s1的第一个项目与去掉频繁序列模式s2的最后一个项目,所得到的序列相同,则可以将s1与s2进行连接,即将s2的最后一个项目添加到s1中。上述剪切操作,具体实施时,可以包括:对第一层种子集中所包含的频繁序列模式中的任意一个频繁序列模式进行判断,如果该频繁序列模式的某个子序列不是频繁序列模式,则将频繁序列模式删除。
再根据当前层的频繁序列模式,扫描搜索当前风险类型组所包含的操作序列,计算当前层的频繁序列模式与当前风险类型组所包含的操作序列之间的支持度;计算当前层的频繁序列模式的序列长度。并检测当前层的频繁序列模式的序列长度是否大于预设的序列长度阈值(例如,8),当前层的频繁序列模式的支持度是否大于预设的支持度阈值(例如,89%)。
其中,上述所列举的预设的序列长度阈值和预设的支持度阈值为示意性说明。具体实施时,可以根据具体情况,结合技术人员的经验灵活设置。
在确定当前层的频繁序列模式无法满足:序列长度大于预设的序列长度阈值,且支持度大于预设的支持度阈值时,可以重复上述过程进行下一层的关于频繁序列的搜索迭代处理。
直到在第N层,得到第N层的频繁序列模式,在确定第N层的频繁序列模式的序列长度大于预设的序列长度阈值,且第N层的频繁序列模式的支持度大于预设的支持度阈值的情况下,确定第N层的频繁序列模式的序列长度和支持度符合预设要求。停止迭代,并将该层的频繁序列模式作为所对应的风险类型的预设的操作序列模板。
按照上述方式可以通过对各个风险类型组所包含的操作序列逐层分别进行关于频繁序列模式的搜索迭代处理,确定出对应多个风险类型的多个预设的操作序列模板。
当然,具体实施时,风险分析服务器也可以采用GSP算法对各个风险类型组包含的操作序列分别进行序列模式挖掘,确定出与各个风险类型分别对应的多个预设的操作序列模板。
其中,GSP(Generalized Sequential Pattern mining algorithm)算法具体可以包括一种采用冗余候选模式的剪除策略和特殊数据结构的哈希树,来实现候选模式的快速访存的算法。当然,具体实施时,根据具体情况也可以采用其他合适的算法来挖掘出预设的操作序列模板。例如,还可以利用Apriori算法来通过序列模式挖掘确定出预设的操作序列模板。
在本场景示例中,通过获取包含有多个处理流程的历史操作处理记录,并根据预设的转化规则,将历史操作处理记录中的处理流程,分别转化为对应的操作序列;再通过对同一个风险类型组中所包含的操作序列进行序列模式挖掘,得到与该风险类型组对应的预设的操作序列模板,从而可以将技术人员个人的针对不同风险类型的目标对象的操作处理经验进行有效积累和沉淀,以便后续可以更加准确、高效地对不同风险类型的目标对象进行相应的数据处理。
参阅图5所示,本说明书实施例提供了一种目标对象的数据处理方法,其中,该方法具体应用于服务器一侧。具体实施时,该方法可以包括以下内容。
S501:确定目标对象的风险类型。
在一些实施例中,上述目标对象具体可以包括被检测出存在交易风险的数据对象。具体的,上述目标对象可以包括命中交易风险规则的账户(例如,涉嫌洗钱交易风险的机构,或者涉嫌赌博交易风险的个人等),也可以包括命中交易风险规则的交易数据(例如,涉嫌欺诈的推广短信等,或者涉嫌资金数据盗用的违规转账等)等。当然,上述所列举的目标对象只是一种示意性说明。具体实施时,根据具体的应用场景,上述目标对象还可以包括其他类型的数据对象。对此,本说明书不作限定。
在一些实施例中,具体实施时,可以根据目标对象所命中的交易风险规则,确定目标对象的风险类型。当然,具体实施时,也可以针对目标对象采集与目标对象相关的交易数据,并通过对上述相关的交易数据,初步判断出目标对象的风险类型等。
在一些实施例中,上述风险类型具体可以包括以下所列举的风险类型中的一种:赌博交易风险、欺诈交易风险、洗钱交易风险等等。当然,需要说明的是,上述所列举的风险类型只是一种示意性说明。具体实施时,根据所针对的应用场景,上述风险类型还可以包括除上述所列举的风险类型之外其他类型的风险类型。
S502:根据所述目标对象的风险类型,从多个预设的操作序列模板中,确定出匹配的操作序列模板;其中,所述多个预设的操作序列模板包括预先确定出的包含有针对所对应的风险类型的目标对象的处理流程的共性特征的操作序列。
在一些实施例中,上述预设的操作序列模板具体可以包括预先确定出的,与某一个风险类型对应的,能够反映出针对该风险类型的目标对象进行具体数据处理时的处理流程中的共性特征的操作序列。
上述多个预设的操作序列模板可以是预先通过搜集并对技术人员人工对大量不同风险类型的目标对象进行具体数据处理时的处理流程进行序列模式挖掘所得到的。
其中,上述操作序列具体可以包括一个或多个元素组。一个元素组具体可以表示所对应的一种处理类型组,对应一种处理类型。每个元素组又进一步可以包括一个或多个元素。一种元素具体可以表示所对应的一种原子操作。其中,上述原子操作具体可以表示为进行数据处理时的处理流程中具体的操作处理单位,上述原子操作也可以理解为一种在处理流程中不能再作进一步拆分的操作。
具体的,上述处理类型可以包括:交易分析类型、地址分析类型、成员合法分析类型等等。当然,上述所列举的处理类型只是一种示意性说明。具体实施时,根据具体的应用场景,上述处理类型还可以包括其他的处理类型。例如,还可以包括:关联账户分析类型、投诉数据分析类型等等。
上述原子操作具体也可以包括有多种不同类型的操作。例如,上述原子操作可以包括:查询工商网验证合法性操作、采集并验证用户的证件信息的操作、查询相关部门的网来验证合法性的操作等等。当然,上述所列举的原子操作只是一种示意性说明。具体实施时,根据的应用场景,上述原子操作还可以包括其他类型的原子操作。例如,还可以包括:账户收入、支出的比较操作,通关联账户的聊天记录的语义识别操作等等。
在一些实施例中,上述操作序列中各个元素组中所包含的元素具体可以按照所对应的原子操作的执行时间的先后顺序进行排列的。
在一些实施例中,上述操作序列中元素组中还可以包含有用指示该元素组中元素之间关联关系的标记。上述标记具体可以包括用于表征所对应的原子操作之间的执行先后顺序的标记,也可以包括用于表征所对应的原子操作的触发条件的标记,还可以包括用于表征需要对所对应的原子操作执行时涉及到的数据的获取来源、获取方式等进行记录的标记等等。当然,上述所列举的标记只是一种示意性说明。具体实施时,根据具体情况和处理需要,还可以包含有其他类型的标记。对此,本说明书不作限定。
在一些实施例中,上述预设的操作序列模板还可以设置有用于指示所对应的风险类型的标签。
在一些实施例中,上述预设的操作序列模板中各个元素组中所包含的元素具体可以是按照一定的顺序排列的。
在一些实施例中,具体实施时,可以根据目标对象的风险类型,检索所述多个预设的操作序列模板,找到与目标对象的风险类型匹配的预设的操作序列模板作为上述匹配的预设的操作序列模板。
S503:根据所述匹配的操作序列模板,生成针对目标对象的目标处理策略,其中,所述目标处理策略包括针对所述目标对象的处理类型组,所述处理类型组包含有原子操作。
在一些实施例中,上述目标处理策略具体可以包括一种针对目标对象进行具体数据处理时的处理操作流程。具体的,上述目标处理策略可以包括有针对目标对象执行的一个或多个处理类型组,以及各个处理类型组所包含的具体的原子操作。
在一些实施例中,具体实施时,可以先根据上述胖胖的操作序列模板确定出针对目标对象进行具体数据处理时所要执行的处理类型组,以及各个处理类型组所包含的具体的原子操作。进而,可以根据所确定出的处理类型组,以及各个处理类型组所包含的原子操作,自动生成针对目标对象进行具体数据处理的目标处理策略。
S504:根据所述目标处理策略,对目标对象进行数据处理。
在一些实施例中,具体实施时,可以根据目标处理策略针对目标对象执行各个处理类型组所包含的各个原子操作,得到相应的操作处理结果;再根据上述操作处理结果,生成针对目标对象的风险分析评价报告等。
在一些实施例中,具体实施时时,在根据目标处理策略对目标对象进行具体处理时,还可以记录下进行数据处理时的过程数据。例如,可以记录记录下进行具体数据处理时各个原子操作的执行时间;也可以记录下执行各个原子操作时所使用数据的获取来源、获取方式,以及执行时的相关依据;还可以整理记录下整个处理操作流程中所形成的证据链等等。
进而,可以综合操作处理结果,以及上述过程数据,生成更加全面、准确,具有更高参考价值的,可解释的目标对象的风险分析评价报告。
在一些实施例中,上述目标对象的风险分析评价报告具体可以包括目标对象的风险评价结论,也可以包括用于支持目标对象的风险分析评价结论的证据链,还可以包括得出上述目标对象的风险评价结论的论证过程等等。
在一些实施例中,具体实施时,可以根据目标对象的风险分析评价报告中风险分析评价结论,结合风险分析评价报告中所包含的其他数据,进一步确认目标对象是否真的存在交易风险,以及所涉及的交易风险等级;并根据目标对象所存在的交易风险,以及交易风险等级,采取相应的处理方式,对目标对象进行针对性的处理。
具体的,例如,如果确定目标对象存在交易风险,且该交易风险等级相对较高,可以将生成请求处理文件,并将该请求处理文件发送至相关部门网站的服务器,请求相关部门对该目标对象进行进一步处理。其中,上述请求处理文件中可以携带有所生成的风险分析评价报告,作为一种证明目标对象存在相应交易风险的证据,供相关部门参考。
如果确定目标对象存在交易风险,且该交易风险等级相对较低时,可以对目标对象进行更为严格的监控,并有针对性地采集与该目标对象相关的交易数据,以便后续对目标对象的风险等级进行进一步的确定。也可以根据目标对象的风险等级,结合所涉及的风险类型,对目标对象进行警告提醒,或者禁止交交易,或者封号处理等等。
如果确定目标对象不存在交易风险,可以生成无风险确认信息,反馈给负责的监测的服务器,以解决对该目标对象的监控。
在本实施例中,预先确定出能够反映针对同一风险类型的目标对象的处理流程的共性特征的多个预设的操作序列模板;在对目标对象进行具体处理时,可以通过确定并根据目标对象的风险类型,从上述多个预设的操作序列模板中,确定出匹配的操作序列模板;进而可以根据该匹配的操作序列模板,得到针对目标对象的目标处理策略;再根据该目标处理策略,对目标对象进行具体的数据处理。从而可以不需要依赖技术人员的人工分析处理,自动、高效地对目标对象进行针对性的数据处理。
在一些实施例中,在根据所述匹配的操作序列模板,生成针对目标对象的目标处理策略后,所述方法具体实施时,还可以包括以下内容:将所述目标处理策略发送至技术人员或者审核服务器。其中,所述技术人员或者审核服务器负责检查所目标处理策略是否准确,在确定目标处理策略存在错误的情况下,可以对目标处理策略进行对应的修改,并反馈修改后的目标处理策略;在确定目标出列策略准确的情况下,可以反馈确认指示。相应的,如果接收到技术人员或审核服务器反馈的确认指示,可以根据目标处理策略对目标对象进行具体的数据处理;如果接收到的是技术人员或审核服务器反馈的修改后的目标处理策略,可以根据修改后的目标处理策略对目标对象进行具体的数据处理。这样可以在相对较小的程度上结合技术人员的经验或者审核服务器的策略,针对目标对象确定出更加准确、合适的目标处理策略来进行具体的数据处理。
在一些实施例中,在接收到上述修改后的目标处理策略时,还可以记录并保存修改后的目标处理策略。进而可以根据该修改后的目标处理策略,对之前使用的预设的操作序列模板有针对性地进行更新,从而可以使得所使用的预设的操作序列模板逐渐变得更加准确。
在一些实施例中,为了方便技术人员或审核服务器审核,还可以先根据目标处理策略生成相对更加直观、清晰的分析处理路径图,并将该分析处理路径图反馈给技术人员或审核服务器进行审核。相应的,如果技术人员或审核服务器通过审核确定该分析处理路径图存在错误可以针对该分析处理路径图进行修改,并反馈修改后的分析处理路径图。进而可以根据上述修改后的分析处理路径图,再对原有的目标处理策略进行相应的修改,得到修改后的目标处理策略。
在一些实施例中,在根据所述目标对象的风险类型,无法从多个预设的操作序列模板中确定出匹配的操作序列模板的情况下,可以判断所保存的多个预设的操作序列模板中缺少针对该风险类型的预设的操作序列模板。在这种情况下,可以生成针对当前目标对象所属的风险类型的目标处理策略新增请求,并将上述新增请求以及目标对象的相关信息(例如,目标对象的风险类型等),发送至技术人员或者审核服务器。技术人员或者审核服务器可以响应该新增请求,结合目标对象的相关信息,生成并反馈一个新的目标处理策略。进而可以根据上述新的目标处理策略对当前目标对象进行具体的数据处理。
在一些实施例中,还同时可以记录下技术人员或者审核服务器提供的新的目标处理策略,并根据上述新的目标处理策略再生成并保存对应当前目标对象所属的风险类型的预设的操作序列模板。从而可以自动对现有的多个预设的操作序列模板进行扩充。
在一些实施例中,在根据所述目标对象的风险类型,无法从多个预设的操作序列模板中确定出匹配的操作序列模板的情况下,还可以根据目标对象的风险类型,从现有的多个预设的操作序列模板中找到近似度相对最高的预设的操作序列模板反馈给技术人员或者审核服务器,以便技术人员或者审核服务器可以基于上述较接近的预设的操作序列模板进行针对性的修改,从而可以更加快速、高效地获得针对当前目标对象所属的风险类型的新增的预设的操作序列模板。
在一些实施例中,所述目标对象具体可以包括:命中交易风险规则的账户,和/或,命中交易风险规则的交易数据等等。当然,上述所列举的目标对象只是一种示意性说明。具体实施时,根据所针对的具体的应用场景,上述目标对象还可以包括其他类型的数据对象。对此,本说明书不作限定。
在一些实施例中,具体实施时,可以预先通过序列模式挖掘,找到对应各个风险类型中的进行具体数据处理时的处理流程中频繁出现的具有共性的操作,来构建出对应各个风险类型的多个预设的操作序列模板。
在一些实施例中,所述多个预设的操作序列模板具体实施时,可以按照以下方式获取:获取历史操作处理记录,其中,所述历史操作处理记录包含有针对多个不同风险对象的多个处理流程;根据预设的转化规则,将所述历史操作处理记录中的处理流程,分别转化为对应操作序列,其中,一个操作序列与一个处理流程对应;根据风险对象的风险类型,将所述操作序列划分为多个风险类型组;对所述多个风险类型组中所包含的操作序列,分别进行序列模式挖掘,得到多个预设的操作序列模板。
在一些实施例中,上述历史操作处理记录中具体可以记录有技术人员或者负责数据处理的服务器针对多个不同风险类型的目标对象进行相应的数据处理时的处理流程。
在一些实施例中,上述根据预设的转化规则,将所述历史操作处理记录中的处理流程,分别转化为对应操作序列,具体实施时,可以包括以下内容:将当前处理流程所包含的处理操作,拆分成多个处理类型组,其中,所述多个处理类型组中的各个处理类型组包括至少一个原子操作;根据所述处理类型组,确定操作序列中的元素组;根据所述处理类型组所包括的原子操作,确定对应的元素组中所包含的元素,以建立得到针对当前处理流程的操作序列。
在一些实施例中,具体实施时,可以先将当前处理流程所包含的处理操作拆分不可再分的最小操作单位,得到多个原子操作;再根据各个原子操作所属的处理类型,将多个原子操作划分为多个处理类型组,其中,各个处理类型组中包含有一个或多个原子操作。进一步,可以根据所确定出的处理类型组构建针对当前处理流程的操作序列。具体的,可以将一个处理类型组映射为对应的一个元素组,并将该处理类型组所包含的原子操作按照统一的编码规则,分别映射成对应的字符元素进行表征。并且,确定出该处理类型组中所包含的各个原子操作的执行时间,根据原子操作的执行时间,按照执行时间的先后顺序,在对应的元素组中排列多个原子操作所对应的字符元素。进而可以得到抽象化的,与当前处理流程对应的操作序列。
在一些实施例中,所述操作序列中同一个元素组所包含的元素的位置顺序,具体实施时,可以根据当前处理流程中元素所对应的原子操作的执行时间确定。
在一些实施例中,一个操作序列中所包含的元素组也可以根据元素组所对应的处理类型组整体的执行时间的先后顺序进行排列。
在一些实施例中,上述对所述多个风险类型组中所包含的操作序列,分别进行序列模式挖掘,得到多个预设的操作序列模板,具体实施时,可以包括以下内容:对当前风险类型组所包含的操作序列逐层进行关于频繁序列模式的搜索迭代处理,以找出支持度和序列长度符合预设要求的频繁序列模式,作为与当前风险类型组对应的预设的操作序列模板。
在一些实施例中,上述对当前风险类型组所包含的操作序列逐层进行关于频繁序列模式的搜索迭代处理,以找出支持度和序列长度符合预设要求的频繁序列模式,具体实施时,可以包括以下内容:获取上一层种子集,并通过对所述上一层种子集进行连接操作和修剪操作,生成当前层的频繁序列模式,其中,当前层的频繁序列模式的序列长度等于上一层的频繁序列模式的序列长度加1;根据当前层的频繁序列模式,扫描搜索当前风险类型组所包含的操作序列,计算当前层的频繁序列模式与当前风险类型组所包含的操作序列之间的支持度;计算当前层的频繁序列模式的序列长度;检测当前层的频繁序列模式的序列长度是否大于预设的序列长度阈值,以及当前层的频繁序列模式的支持度是否大于预设的支持度阈值;在确定当前层的频繁序列模式的序列长度大于预设的序列长度阈值,且当前层的频繁序列模式的支持度大于预设的支持度阈值的情况下,确定当前层的频繁序列模式的序列长度和支持度符合预设要求。
这样可以通过逐层进行多次关于频繁序列模式的搜索迭代处理,直到找到支持度和序列长度同时符合要求的,即频繁序列模式的序列长度大于预设的序列长度阈值,且频繁序列模式的支持度大于预设的支持度阈值的某一层频繁序列模式作为与该风险类型对应的预设的操作序列模板。
在一些实施例中,上述支持度具体可以表征操作序列与当前风险类型组所包含的操作序列的重合度。上述序列长度具体可以表征操作序列所包含的原子操作的总数。上述所列举的预设的序列长度阈值和预设的支持度阈值的具体取值可以根据具体的应用场景和处理要求,灵活设置。
在一些实施例中,在对当前风险类型组所包含的操作序列逐层进行关于频繁序列模式的搜索迭代处理,以找出支持度和序列长度符合预设要求的频繁序列模式时,初始层的种子集,即第一层的种子集可以按照以下方式获取:对当前风险类型组所包含的操作序列进行扫描搜索,得到多个长度为1的频繁序列模式,作为初始的第一层种子集。
在一些实施例中,上述对所述多个风险类型组中所包含的操作序列,分别进行序列模式挖掘,得到多个预设的操作序列模板,具体实施时,还可以包括以下内容:通过GSP算法对当前风险类型组所包含的操作序列进行序列模式挖掘,以确定出与当前风险类型组对应的预设的操作序列模板。这样可以通过利用GSP算法的优势,对对同一个风险类型组中所包含的操作序列进行序列模式挖掘,从而能更加高效地挖掘得到能够准确反映出所对应的风险类型的目标对象的处理流程的共性特征的预设的操作序列模板。
在一些实施例中,上述GSP(Generalized Sequential Pattern miningalgorithm)算法具体可以包括一种采用冗余候选模式的剪除策略和特殊数据结构的哈希树,来实现候选模式的快速访存的算法。当然,具体实施时,根据具体情况也可以采用其他合适的算法来挖掘出预设的操作序列模板。例如,还可以利用Apriori算法来通过序列模式挖掘确定出预设的操作序列模板。
在一些实施例中,上述根据所述目标处理策略,对目标对象进行数据处理,具体实施时,可以包括以下内容:根据所述目标处理策略,分别进行处理类型组所包含的原子操作,得到相应的操作处理结果;根据所述操作处理结果,生成针对目标对象的风险分析评价报告。
由上可见,本说明书实施例提供的目标对象的数据处理方法,由于预先确定出能够反映针对同一风险类型的目标对象的处理流程的共性特征的多个预设的操作序列模板;在对目标对象进行具体处理时,可以通过确定并根据目标对象的风险类型,从上述多个预设的操作序列模板中,确定出匹配的操作序列模板;进而可以根据该匹配的操作序列模板,得到针对目标对象的目标处理策略;再根据该目标处理策略,对目标对象进行具体的数据处理;从而可以不需要依赖技术人员的人工分析处理,自动、高效地对目标对象进行针对性的数据处理。还通过获取包含有多个处理流程的历史操作处理记录,并根据预设的转化规则,将历史操作处理记录中的处理流程,分别转化为对应的操作序列;再通过对同一个风险类型组中所包含的操作序列进行序列模式挖掘,得到与该风险类型组对应的预设的操作序列模板,从而可以将技术人员的针对不同风险类型的目标对象的操作处理经验进行有效积累和沉淀,以便后续可以更加准确、高效地对不同风险类型的目标对象进行相应的数据处理。
参阅图6所示,本说明书实施例还提供了一种目标对象的数据处理方法,可以适用于多种不同的应用场景中。其中,该方法具体实施时,可以包括以下内容。
S601:确定目标对象的类型。
S602:根据所述类型,从多个预设的操作序列模板中,确定出匹配的操作序列模板;其中,所述多个预设的操作序列模板包括预先确定出的包含有针对所对应类型的目标对象的处理流程的共性特征的操作序列。
S603:根据所述匹配的操作序列模板,生成针对目标对象的目标处理策略,其中,所述目标处理策略包括针对所述目标对象的处理类型组,所述处理类型组包含有原子操作。
S604:根据所述目标处理策略,对目标对象进行数据处理。
在一些实施例中,上述目标对象的数据处理方法具体可以应用于多种不同应用场景中的数据处理。例如,上述目标对象处理方法具体可以应用于对风险对象进行交易风险分析评价的应用场景中,也可以应用于对金融理财产品的未来变化趋势进行分析预测的应用场景中,还可以应用于对商户待推广的商品的推广效果进行分析预测的应用场景中等等。当然,上述所列举的应用场景只是一种示意性说明。具体实施,根据情况和处理需要,还可以将上述目标对象的数据处理方法应用到其合适的应用场景中,例如,还可以将上述目标对象的数据处理方法应用于对用户的健康数据进行分析来判断用户的健康状况的应用场景中。
在一些实施例中,针对不同的应用场景,相应的,上述目标对象也可以包含不同的数据对象。具体的,上述目标对象可以包括以下至少之一:用户的健康数据(例如,用户的血压、血糖、血脂等体征参数)、用户的信用数据、待推广的商品、金融理财产品(例如,股票、基金等)等。当然,上述所列举的目标对象的类型只是一种示意性说明。具体实施时,根据所针对的具体的应用场景,还可以包括其他类型的目标对象。对此,本说明书不作限定。
在一些实施例中,针对不同的应用场景,以及不同的目标对象,上述目标对象的类型可以包括基于不同分类规则所划分得到的类型;相应的,对目标对象进行的数据处理也可以包括不同类型的数据处理。
具体的,例如,对于对金融理财产品的未来变化趋势进行分析预测的应用场景,上述目标对象为金融产品,相应的目标对象的类型具体可以包括:股票、基金、贵金属、期货等等,对该目标对象的数据处理具体可以包括:对金融理财产品的未来变化趋势的分析和预测。又例如,对于对商户待推广的商品的推广效果进行分析预测的应用场景,上述目标对象为待推广的商品,相应的目标对象的类型具体可以包括:衣服类、美妆类、鞋类、食品类等等,对该目标对象的数据处理具体可以包括:对商户待推广的商品的推广效果的分析和预测。
在本实施例中,具体实施时,对于某一个具体的应用场景,可以先确定并根据目标对象的类型,从多个预设的操作序列模板中确定出匹配的预设的操作序列模板;再根据该匹配的操作序列模板自动生成针对该目标对象的目标处理策略;进而可以根据该目标处理策略,对目标对象进行该应用场景下具体的数据处理,从而可以不需要依赖技术人员的人工分析处理,自动、高效地对目标对象进行针对性的数据处理。
本说明书实施例还提供一种服务器,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器具体实施时可以根据指令执行以下步骤:确定目标对象的风险类型;根据所述目标对象的风险类型,从多个预设的操作序列模板中,确定出匹配的操作序列模板;其中,所述多个预设的操作序列模板包括预先确定出的包含有针对所对应的风险类型的目标对象的处理流程的共性特征的操作序列;根据所述匹配的操作序列模板,生成针对目标对象的目标处理策略,其中,所述目标处理策略包括针对所述目标对象的处理类型组,所述处理类型组包含有原子操作;根据所述目标处理策略,对目标对象进行数据处理。
为了能够更加准确地完成上述指令,参阅图7所示,本说明书实施例还提供了另一种具体的服务器,其中,所述服务器包括网络通信端口701、处理器702以及存储器703,上述结构通过内部线缆相连,以便各个结构可以进行具体的数据交互。
其中,所述网络通信端口701,具体可以用于接收针对目标对象的数据处理请求。
所述处理器702,具体可以用于响应数据处理请求,确定目标对象的风险类型;根据所述目标对象的风险类型,从多个预设的操作序列模板中,确定出匹配的操作序列模板;其中,所述多个预设的操作序列模板包括预先确定出的包含有针对所对应的风险类型的目标对象的处理流程的共性特征的操作序列;根据所述匹配的操作序列模板,生成针对目标对象的目标处理策略,其中,所述目标处理策略包括针对所述目标对象的处理类型组,所述处理类型组包含有原子操作;根据所述目标处理策略,对目标对象进行数据处理。
所述存储器703,具体可以用于存储相应的指令程序。
在本实施例中,所述网络通信端口701可以是与不同的通信协议进行绑定,从而可以发送或接收不同数据的虚拟端口。例如,所述网络通信端口可以是负责进行web数据通信的80号端口,也可以是负责进行FTP数据通信的21号端口,还可以是负责进行邮件数据通信的25号端口。此外,所述网络通信端口还可以是实体的通信接口或者通信芯片。例如,其可以为无线移动网络通信芯片,如GSM、CDMA等;其还可以为Wifi芯片;其还可以为蓝牙芯片。
在本实施例中,所述处理器702可以按任何适当的方式实现。例如,处理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 SpecificIntegrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。本说明书并不作限定。
在本实施例中,所述存储器703可以包括多个层次,在数字系统中,只要能保存二进制数据的都可以是存储器;在集成电路中,一个没有实物形式的具有存储功能的电路也叫存储器,如RAM、FIFO等;在系统中,具有实物形式的存储设备也叫存储器,如内存条、TF卡等。
本说明书实施例还提供了一种基于上述目标对象的数据处理方法的计算机存储介质,所述计算机存储介质存储有计算机程序指令,在所述计算机程序指令被执行时实现:确定目标对象的风险类型;根据所述目标对象的风险类型,从多个预设的操作序列模板中,确定出匹配的操作序列模板;其中,所述多个预设的操作序列模板包括预先确定出的包含有针对所对应的风险类型的目标对象的处理流程的共性特征的操作序列;根据所述匹配的操作序列模板,生成针对目标对象的目标处理策略,其中,所述目标处理策略包括针对所述目标对象的处理类型组,所述处理类型组包含有原子操作;根据所述目标处理策略,对目标对象进行数据处理。
在本实施例中,上述存储介质包括但不限于随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的,用于进行网络连接通信的接口。
在本实施例中,该计算机存储介质存储的程序指令具体实现的功能和效果,可以与其它实施方式对照解释,在此不再赘述。
参阅图8所示,在软件层面上,本说明书实施例还提供了一种目标对象的数据处理装置,该装置具体可以包括以下的结构模块。
第一确定模块801,具体可以用于确定目标对象的风险类型;
第二确定模块802,具体可以用于根据所述目标对象的风险类型,从多个预设的操作序列模板中,确定出匹配的操作序列模板;其中,所述多个预设的操作序列模板包括预先确定出的包含有针对所对应的风险类型的目标对象的处理流程的共性特征的操作序列;
生成模块803,具体可以用于根据所述匹配的操作序列模板,生成针对目标对象的目标处理策略,其中,所述目标处理策略包括针对所述目标对象的处理类型组,所述处理类型组包含有原子操作;
处理模块804,具体可以用于根据所述目标处理策略,对目标对象进行数据处理。
在一些实施例中,所述目标对象具体可以包括:命中交易风险规则的账户,和/或,命中交易风险规则的交易数据等。
在一些实施例中,所述装置还包括模板获取模块,用于获取多个预设的操作序列模板。具体实施时,上述模板获取模块可以包括以下多个结构单元:
获取单元,具体可以用于获取历史操作处理记录,其中,所述历史操作处理记录包含有针对多个不同风险对象的多个处理流程;
转化单元,具体可以用于根据预设的转化规则,将所述历史操作处理记录中的处理流程,分别转化为对应操作序列,其中,一个操作序列与一个处理流程对应;
划分单元,具体可以用于根据风险对象的风险类型,将所述操作序列划分为多个风险类型组;
挖掘单元,具体可以用于对所述多个风险类型组中所包含的操作序列,分别进行序列模式挖掘,得到多个预设的操作序列模板。
在一些实施例中,上述转化单元具体实施时,可以用于将当前处理流程所包含的处理操作,拆分成多个处理类型组,其中,所述多个处理类型组中的各个处理类型组包括至少一个原子操作;根据所述处理类型组,确定操作序列中的元素组;根据所述处理类型组所包括的原子操作,确定对应的元素组中所包含的元素,以建立得到针对当前处理流程的操作序列。
在一些实施例中,所述操作序列中同一个元素组所包含的元素的位置顺序,具体可以根据当前处理流程中元素所对应的原子操作的执行时间确定。
在一些实施例中,上述挖掘单元具体实施时,可以用于对当前风险类型组所包含的操作序列逐层进行关于频繁序列模式的搜索迭代处理,以找出支持度和序列长度符合预设要求的频繁序列模式,作为与当前风险类型组对应的预设的操作序列模板。
在一些实施例中,上述挖掘单元具体实施时,可以按照以下程序执行:获取上一层种子集,并通过对所述上一层种子集进行连接操作和修剪操作,生成当前层的频繁序列模式,其中,当前层的频繁序列模式的序列长度等于上一层的频繁序列模式的序列长度加1;根据当前层的频繁序列模式,扫描搜索当前风险类型组所包含的操作序列,计算当前层的频繁序列模式与当前风险类型组所包含的操作序列之间的支持度;计算当前层的频繁序列模式的序列长度;检测当前层的频繁序列模式的序列长度是否大于预设的序列长度阈值,以及当前层的频繁序列模式的支持度是否大于预设的支持度阈值;在确定当前层的频繁序列模式的序列长度大于预设的序列长度阈值,且当前层的频繁序列模式的支持度大于预设的支持度阈值的情况下,确定当前层的频繁序列模式的序列长度和支持度符合预设要求。
在一些实施例中,上述挖掘单元具体实施时,还可以用于通过GSP算法对当前风险类型组所包含的操作序列进行序列模式挖掘,以确定出与当前风险类型组对应的预设的操作序列模板。
在一些实施例中,所述处理模块804具体实施时,可以包括以下结构单元:
操作单元,具体可以用于根据所述目标处理策略,分别进行处理类型组所包含的原子操作,得到相应的操作处理结果;
生成单元,具体可以用于根据所述操作处理结果,生成针对目标对象的风险分析评价报告。
需要说明的是,上述实施例阐明的单元、装置或模块等,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
由上可见,本说明书实施例提供的目标对象的数据处理装置,在对目标对象进行具体处理时,可以通过第一确定模块和第二确定模块确定并根据目标对象的风险类型,从上述多个预设的操作序列模板中,确定出匹配的操作序列模板;进而可以通过生成模块根据该匹配的操作序列模板,得到针对目标对象的目标处理策略;再通过处理模块根据该目标处理策略,对目标对象进行具体的数据处理。从而可以不需要依赖技术人员的人工分析处理,自动、高效地对目标对象进行针对性的数据处理。
虽然本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式数据处理环境)。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、产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、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本说明书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、类等等。也可以在分布式计算环境中实践本说明书,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。
通过以上的实施例的描述可知,本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本说明书的技术方案本质上可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,移动终端,服务器,或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例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。本说明书可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
虽然通过实施例描绘了本说明书,本领域普通技术人员知道,本说明书有许多变形和变化而不脱离本说明书的精神,希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。
Claims (14)
1.一种目标对象的数据处理方法,包括:
确定目标对象的风险类型;其中,所述目标对象包括:命中交易风险规则的账户,和/或,命中交易风险规则的交易数据;
根据所述目标对象的风险类型,从多个预设的操作序列模板中,确定出匹配的操作序列模板;其中,所述多个预设的操作序列模板包括预先确定出的包含有针对所对应的风险类型的目标对象的处理流程的共性特征的操作序列;其中,所述多个预设的操作序列模板按照以下方式获取:获取历史操作处理记录,其中,所述历史操作处理记录包含有针对多个不同风险对象的多个处理流程;根据预设的转化规则,将所述历史操作处理记录中的处理流程,分别转化为对应的操作序列,其中,一个操作序列与一个处理流程对应;根据风险对象的风险类型,将所述操作序列划分为多个风险类型组;对所述多个风险类型组中所包含的操作序列,分别进行序列模式挖掘,得到多个预设的操作序列模板;
根据所述匹配的操作序列模板,生成针对目标对象的目标处理策略,其中,所述目标处理策略包括针对所述目标对象的处理类型组,所述处理类型组包含有原子操作;
根据所述目标处理策略,对目标对象进行数据处理。
2.根据权利要求1所述的方法,根据预设的转化规则,将所述历史操作处理记录中的处理流程,分别转化为对应的操作序列,包括:
将当前处理流程所包含的处理操作,拆分成多个处理类型组,其中,所述多个处理类型组中的各个处理类型组包括至少一个原子操作;
根据所述处理类型组,确定操作序列中的元素组;根据所述处理类型组所包括的原子操作,确定对应的元素组中所包含的元素,以建立得到针对当前处理流程的操作序列。
3.根据权利要求2所述的方法,所述操作序列中同一个元素组所包含的元素的位置顺序,根据当前处理流程中元素所对应的原子操作的执行时间确定。
4.根据权利要求1所述的方法,对所述多个风险类型组中所包含的操作序列,分别进行序列模式挖掘,得到多个预设的操作序列模板,包括:
对当前风险类型组所包含的操作序列逐层进行关于频繁序列模式的搜索迭代处理,以找出支持度和序列长度符合预设要求的频繁序列模式,作为与当前风险类型组对应的预设的操作序列模板。
5.根据权利要求4所述的方法,对当前风险类型组所包含的操作序列逐层进行关于频繁序列模式的搜索迭代处理,以找出支持度和序列长度符合预设要求的频繁序列模式,包括:
获取上一层种子集,并通过对所述上一层种子集进行连接操作和修剪操作,生成当前层的频繁序列模式,其中,当前层的频繁序列模式的序列长度等于上一层的频繁序列模式的序列长度加1;
根据当前层的频繁序列模式,扫描搜索当前风险类型组所包含的操作序列,计算当前层的频繁序列模式与当前风险类型组所包含的操作序列之间的支持度;并计算当前层的频繁序列模式的序列长度;
检测当前层的频繁序列模式的序列长度是否大于预设的序列长度阈值,以及当前层的频繁序列模式的支持度是否大于预设的支持度阈值;
在确定当前层的频繁序列模式的序列长度大于预设的序列长度阈值,且当前层的频繁序列模式的支持度大于预设的支持度阈值的情况下,确定当前层的频繁序列模式的序列长度和支持度符合预设要求。
6.根据权利要求1所述的方法,对所述多个风险类型组中所包含的操作序列,分别进行序列模式挖掘,得到多个预设的操作序列模板,包括:
通过GSP算法对当前风险类型组所包含的操作序列进行序列模式挖掘,以确定出与当前风险类型组对应的预设的操作序列模板。
7.根据权利要求1所述的方法,根据所述目标处理策略,对目标对象进行数据处理,包括:
根据所述目标处理策略,分别进行处理类型组所包含的原子操作,得到相应的操作处理结果;
根据所述操作处理结果,生成针对目标对象的风险分析评价报告。
8.一种目标对象的数据处理装置,包括:
第一确定模块,用于确定目标对象的风险类型;其中,所述目标对象包括:命中交易风险规则的账户,和/或,命中交易风险规则的交易数据;
第二确定模块,用于根据所述目标对象的风险类型,从多个预设的操作序列模板中,确定出匹配的操作序列模板;其中,所述多个预设的操作序列模板包括预先确定出的包含有针对所对应的风险类型的目标对象的处理流程的共性特征的操作序列;
生成模块,用于根据所述匹配的操作序列模板,生成针对目标对象的目标处理策略,其中,所述目标处理策略包括针对所述目标对象的处理类型组,所述处理类型组包含有原子操作;
处理模块,用于根据所述目标处理策略,对目标对象进行数据处理;
其中,所述装置还包括挖掘模块,具体包括:获取单元,用于获取历史操作处理记录,其中,所述历史操作处理记录包含有针对多个不同风险对象的多个处理流程;转化单元,用于根据预设的转化规则,将所述历史操作处理记录中的处理流程,分别转化为对应操作序列,其中,一个操作序列与一个处理流程对应;分类单元,用于根据风险对象的风险类型,将所述操作序列划分为多个风险类型组;挖掘单元,用于对所述多个风险类型组中所包含的操作序列,分别进行序列模式挖掘,得到多个预设的操作序列模板。
9.根据权利要求8所述的装置,所述转化单元具体用于将当前处理流程所包含的处理操作,拆分成多个处理类型组,其中,所述多个处理类型组中的各个处理类型组包括至少一个原子操作;根据所述处理类型组,确定操作序列中的元素组;根据所述处理类型组所包括的原子操作,确定对应的元素组中所包含的元素,以建立得到针对当前处理流程的操作序列。
10.根据权利要求9所述的装置,所述操作序列中同一个元素组所包含的元素的位置顺序,根据当前处理流程中元素所对应的原子操作的执行时间确定。
11.根据权利要求8所述的装置,所述挖掘单元具体用于对当前风险类型组所包含的操作序列逐层进行关于频繁序列模式的搜索迭代处理,以找出支持度和序列长度符合预设要求的频繁序列模式,作为与当前风险类型组对应的预设的操作序列模板。
12.根据权利要求8所述的装置,所述挖掘单元具体还用于通过GSP算法对当前风险类型组所包含的操作序列进行序列模式挖掘,以确定出与当前风险类型组对应的预设的操作序列模板。
13.根据权利要求8所述的装置,所述处理模块包括:
处理单元,用于根据所述目标处理策略,分别进行处理类型组所包含的原子操作,得到相应的操作处理结果;
生成单元,用于根据所述操作处理结果,生成针对目标对象的风险分析评价报告。
14.一种服务器,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010294446.5A CN111489165B (zh) | 2020-04-15 | 2020-04-15 | 目标对象的数据处理方法、装置和服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010294446.5A CN111489165B (zh) | 2020-04-15 | 2020-04-15 | 目标对象的数据处理方法、装置和服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111489165A CN111489165A (zh) | 2020-08-04 |
CN111489165B true CN111489165B (zh) | 2022-08-12 |
Family
ID=71794954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010294446.5A Active CN111489165B (zh) | 2020-04-15 | 2020-04-15 | 目标对象的数据处理方法、装置和服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111489165B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112398838B (zh) * | 2020-11-06 | 2022-09-23 | 支付宝(杭州)信息技术有限公司 | 一种基于隐私保护的认证方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999852A (zh) * | 2011-09-14 | 2013-03-27 | 阿里巴巴集团控股有限公司 | 电子券数据的生成方法及装置 |
US9426030B1 (en) * | 2015-12-11 | 2016-08-23 | International Business Machines Coporation | Automatically generating configuration images and deploying computer components in a computing environment that comprises a shared pool of configurable computing resources |
CN107102999A (zh) * | 2016-02-22 | 2017-08-29 | 阿里巴巴集团控股有限公司 | 关联分析方法和装置 |
CN107180291A (zh) * | 2016-03-11 | 2017-09-19 | 国网河北省电力公司 | 电力系统新设备启动方案智能编制方法 |
CN107886243A (zh) * | 2017-11-10 | 2018-04-06 | 阿里巴巴集团控股有限公司 | 风险识别模型构建和风险识别方法、装置及设备 |
CN108134690A (zh) * | 2017-12-13 | 2018-06-08 | 中盈优创资讯科技有限公司 | 网络业务部署流程控制方法、装置及系统 |
CN109614409A (zh) * | 2018-10-29 | 2019-04-12 | 阿里巴巴集团控股有限公司 | 业务数据处理方法、装置和服务器 |
CN110728583A (zh) * | 2019-10-11 | 2020-01-24 | 支付宝(杭州)信息技术有限公司 | 一种骗赔行为识别方法和系统 |
-
2020
- 2020-04-15 CN CN202010294446.5A patent/CN111489165B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999852A (zh) * | 2011-09-14 | 2013-03-27 | 阿里巴巴集团控股有限公司 | 电子券数据的生成方法及装置 |
US9426030B1 (en) * | 2015-12-11 | 2016-08-23 | International Business Machines Coporation | Automatically generating configuration images and deploying computer components in a computing environment that comprises a shared pool of configurable computing resources |
CN107102999A (zh) * | 2016-02-22 | 2017-08-29 | 阿里巴巴集团控股有限公司 | 关联分析方法和装置 |
CN107180291A (zh) * | 2016-03-11 | 2017-09-19 | 国网河北省电力公司 | 电力系统新设备启动方案智能编制方法 |
CN107886243A (zh) * | 2017-11-10 | 2018-04-06 | 阿里巴巴集团控股有限公司 | 风险识别模型构建和风险识别方法、装置及设备 |
CN108134690A (zh) * | 2017-12-13 | 2018-06-08 | 中盈优创资讯科技有限公司 | 网络业务部署流程控制方法、装置及系统 |
CN109614409A (zh) * | 2018-10-29 | 2019-04-12 | 阿里巴巴集团控股有限公司 | 业务数据处理方法、装置和服务器 |
CN110728583A (zh) * | 2019-10-11 | 2020-01-24 | 支付宝(杭州)信息技术有限公司 | 一种骗赔行为识别方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111489165A (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876133B (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
CN110399925B (zh) | 账号的风险识别方法、装置及存储介质 | |
US11250043B2 (en) | Classification of log data | |
CN112837069B (zh) | 基于区块链与大数据的安全支付方法及云平台系统 | |
CN106415507A (zh) | 日志分析装置、攻击检测装置、攻击检测方法以及程序 | |
CN109495291B (zh) | 调用异常的定位方法、装置和服务器 | |
WO2017220140A1 (en) | Life insurance system with fully automated underwriting process for real-time underwriting and risk adjustment, and corresponding method thereof | |
CN113032792A (zh) | 系统业务漏洞检测方法、系统、设备及存储介质 | |
CN111241161A (zh) | 发票信息挖掘方法、装置、计算机设备及存储介质 | |
CN114549001A (zh) | 训练风险交易识别模型、识别风险交易的方法和装置 | |
CN111489165B (zh) | 目标对象的数据处理方法、装置和服务器 | |
Wirawan et al. | Incorporating transaction lifecycle information in blockchain process discovery | |
CN114820169A (zh) | 一种金融业务的数据服务处理系统及方法 | |
CN112581271B (zh) | 一种商户交易风险监测方法、装置、设备及存储介质 | |
CN115659351B (zh) | 一种基于大数据办公的信息安全分析方法、系统及设备 | |
US20130036123A1 (en) | Anti-tamper process toolset | |
CN116757476A (zh) | 一种风险预测模型的构建、风险防控方法和装置 | |
CN115779445B (zh) | 一种游戏数据异常预警系统、方法、计算机设备及存储介质 | |
CN113055396B (zh) | 一种跨终端溯源分析的方法、装置、系统和存储介质 | |
CN113094709B (zh) | 风险应用的检测方法、装置和服务器 | |
Sharma | Efficient log analysis using advanced detection and filtering techniques | |
CN115471336A (zh) | 交易系统的异常检测方法、装置和服务器 | |
CN111447082A (zh) | 关联账号的确定方法、装置和关联数据对象的确定方法 | |
CN115907802A (zh) | 安全评估方法及系统 | |
CN115618358A (zh) | 应用文件的安全性检测方法、装置和服务器 |
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: 40034135 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |