CN111667267B - 一种区块链交易风险识别方法及装置 - Google Patents
一种区块链交易风险识别方法及装置 Download PDFInfo
- Publication number
- CN111667267B CN111667267B CN202010476890.9A CN202010476890A CN111667267B CN 111667267 B CN111667267 B CN 111667267B CN 202010476890 A CN202010476890 A CN 202010476890A CN 111667267 B CN111667267 B CN 111667267B
- Authority
- CN
- China
- Prior art keywords
- risk
- transaction
- data
- blockchain
- block chain
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/389—Keeping log of transactions for guaranteeing non-repudiation of a transaction
Abstract
本发明提供一种区块链交易风险识别方法及装置,所述方法包括:接收区块链交易旁路请求;从区块链网络获取所述区块链交易旁路请求对应的区块链交易的区块链上数据和日志数据;根据所述交易相关数据、区块链上数据和日志数据,获得风险识别数据;对所述风险识别数据进行预处理和特征构建,获得风险识别特征数据;根据所述风险识别特征数据以及多个风险预测模型,获得多个风险预测值;将所述多个风险预测值中的最大值作为所述区块链交易旁路请求对应的区块链交易的交易风险值,并根据所述交易风险值确定所述区块链交易的风险等级。所述装置用于执行上述方法。本发明实施例提供的区块链交易风险识别方法及装置,提高了区块链交易的风险识别效率。
Description
技术领域
本发明涉及区块链技术领域,具体涉及一种区块链交易风险识别方法及装置。
背景技术
区块链技术通过块链式数据结构来验证与存储数据,通过分布式节点共识算法来生成和更新数据,通过密码学的方式保证数据传输和访问的安全,通过由自动化脚本代码组成的智能合约来处理数据,具有去中心化通讯,加密技术验证不可篡改,数据透明可溯源,分布式共识集体维护等特性,在供应链金融,贸易融资,数字资产数据交换,业务协作,溯源存证等各个业务领域得到了广泛应用。
区块链技术在的得到在越来越多的应用的同时也会面临着传统金融IT领域面临的各种问题和业务风险。区块链数据可视化通常依赖于区块链浏览器通过展示区块号或者区块号对应的实时交易信息对外展示,区块链链上交易风险的分析通常要使用批量同步全节点数据,然后在链下进行交易分析,而该链上交易风险的分析通常非常耗时没有时效性。而且,区块链自身特殊的架构设计和链式存储结构,使得区块链上存储的区块链和状态数据经常以非结构化的数据存储,交易的分析通常要在区块链全节点上设置相应程序进行全链遍历才能分析出交易的关系,因此,业界常用的区块链架构缺少对区块链链上交易分析的高效便捷的方法并且区块链在交易风险识别上难度较大。
发明内容
针对现有技术中的问题,本发明实施例提供一种区块链交易风险识别方法及装置,能够至少部分地解决现有技术中存在的问题。
一方面,本发明提出一种区块链交易风险识别方法,包括:
接收区块链交易旁路请求,所述区块链交易旁路请求包括交易相关数据;
从区块链网络获取所述区块链交易旁路请求对应的区块链交易的区块链上数据和日志数据;
根据所述交易相关数据、区块链上数据和日志数据,获得风险识别数据;
对所述风险识别数据进行预处理和特征构建,获得风险识别特征数据;
根据所述风险识别特征数据以及多个风险预测模型,获得多个风险预测值;其中,所述多个风险预测模型是预先训练获得的;
将所述多个风险预测值中的最大值作为所述区块链交易旁路请求对应的区块链交易的交易风险值,并根据所述交易风险值确定所述区块链交易的风险等级。
另一方面,本发明提供一种区块链交易风险识别装置,包括:
接收模块,用于接收区块链交易旁路请求,所述区块链交易旁路请求包括交易相关数据;
第一获取模块,用于从区块链网络获取所述区块链交易旁路请求对应的区块链交易的区块链上数据和日志数据;
获得模块,用于根据所述交易相关数据、区块链上数据和日志数据,获得风险识别数据;
第一特征模块,用于对所述风险识别数据进行预处理和特征构建,获得风险识别特征数据;
预测模块,用于根据所述风险识别特征数据以及多个风险预测模型,获得多个风险预测值;其中,所述多个风险预测模型是预先训练获得的;
确定模块,用于将所述多个风险预测值中的最大值作为所述区块链交易旁路请求对应的区块链交易的交易风险值,并根据所述交易风险值确定所述区块链交易的风险等级。
再一方面,本发明提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述任一实施例所述区块链交易风险识别方法的步骤。
又一方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任一实施例所述区块链交易风险识别方法的步骤。
本发明实施例提供的区块链交易风险识别方法及装置,接收区块链交易旁路请求,从区块链网络获取区块链交易旁路请求对应的区块链交易的区块链上数据和日志数据,根据交易相关数据、区块链上数据和日志数据,获得风险识别数据,对风险识别数据进行预处理和特征构建,获得风险识别特征数据,根据风险识别特征数据以及多个风险预测模型,获得多个风险预测值,将多个风险预测值中的最大值作为区块链交易旁路请求对应的区块链交易的交易风险值,并根据交易风险值确定区块链交易的风险等级,实现对区块链链上交易的风险识别,提高了区块链交易的风险识别效率。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本发明一实施例提供的区块链交易风险识别系统的结构示意图。
图2是本发明一实施例提供的区块链交易风险识别方法的流程示意图。
图3是本发明另一实施例提供的区块链交易风险识别方法的流程示意图。
图4是本发明又一实施例提供的区块链交易风险识别方法的流程示意图。
图5是本发明一实施例提供的区块链交易风险识别装置的结构示意图。
图6是本发明再一实施例提供的区块链交易风险识别装置的结构示意图。
图7是本发明又一实施例提供的区块链交易风险识别装置的结构示意图。
图8是本发明一实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
图1是本发明一实施例提供的区块链交易风险识别系统的结构示意图,如图1所示,本发明实施例提供的区块链交易风险识别系统包括应用终端1、路由节点2、复制节点3、风险识别节点4、决策服务节点5和区块链节点6,其中:
应用终端1与路由节点2通信连接,路由节点2分别与复制节点3和区块链节点6通信连接,复制节点3与风险识别节点4通信连接,风险识别节点4分别与决策服务节点5和区块链节点6通信连接,决策服务节点5与区块链节点6通信连接。
应用终端1发起与区块链节点6的网络通信,例如应用终端1通过路由节点2向区块链节点6发送区块链交易请求。应用终端1包括但不限于移动终端、台式机、笔记本电脑、应用服务器等。
路由节点2对应用终端1发送给区块链网络的数据进行流量复制,并将复制的流量发送给复制节点3,例如对应用终端1发送给区块链节点6的区块链交易请求进行复制,然后将复制的区块链交易请求发送给复制节点3。路由节点2基于网络底层数据包的请求复制,无需穿透整个TCP协议栈,可以从数据链路层或者网络层做流量复制,例如通过交换机上的端口网络流量拷贝功能实现流量复制,这样可以非侵入式地获取路由节点2发送给区块链节点6的数据,并对于发送给区块链网络的请求透明无感知。路由节点2可以采用交换机路由设备。
复制节点3从路由节点2接收应用终端1发送给区块链网络的复制数据,例如接收区块链交易请求的复制数据。复制节点3从复制数据中获得接收区块链交易请求的复制数据,将区块链交易请求的复制数据作为区块链交易旁路请求发送给风险识别节点4。其中,复制节点3可以采用服务器实现。
风险识别节点4接收复制节点3发送的区块链交易旁路请求,基于预先训练获得的不同设定风险类别对应的风险预测模型,对区块链交易旁路请求进行风险识别,若判断出区块链交易旁路请求对应的区块链交易存在风险,可以调用决策服务节点5提供的接口进行处理。风险识别节点4可以采用服务器或者服务器集群实现。风险识别节点4作为执行主体执行本发明实施例提供的区块链交易风险识别方法。
决策服务节点5提供接口供外部调用,当区块链交易存在风险时,可以根据风险等级进行交易预警、通知人工干预和终止交易等处理。决策服务节点5可以采用服务器实现。
区块链节点6是区块链网络中的节点,包括但不限于接入节点,记账节点,共识节点等。区块链网络中的区块链节点6可以对区块链交易请求进行处理,例如通过节点共识算法共识完成后,在通过GRPC通讯与智能合约节点通讯执行智能合约逻辑,并修改区块链的状态数据,并在区块链上以链式存储的方式保存对状态数据的修改记录。
本发明实施例提供的区块链交易风险识别系统,构建一套基于事前检测,事中分析,事后风险处理的全方位的区块链交易数据的分析处理的技术,在数据和预处理的基础上机器学习算法对相关内容进行分析,预测和决策,实现对区块链交易的风险识别,特别地引入了网络流量引流的方式在进行非侵入式的区块链交易请求数据的分析和存储。
图2是本发明一实施例提供的区块链交易风险识别方法的流程示意图,如图2所示,本发明实施例提供的区块链交易风险识别方法,包括:
S201、接收区块链交易旁路请求,所述区块链交易旁路请求包括交易相关数据;
具体地,应用终端可以发起智能合约交易接口调用,通过路由节点向区块链节点发送区块链交易请求。所述路由节点接收到所述区块链交易请求之后,在正常向区块链节点发送所述区块链交易请求的同时,会复制所述区块链交易请求,然后将复制的区块链交易请求发送给复制节点。复制节点接收到复制的区块链交易请求之后,会基于复制的区块链交易请求生成区块链交易旁路请求,并将所述区块链交易旁路请求发送给风险识别节点,所述风险识别节点会接收所述区块链交易旁路请求。其中,所述区块链交易旁路请求包括交易相关数据,所述交易相关数据来源于所述区块链交易请求。所述交易相关数据可以包括交易标识、智能合约标识等信息,根据实际需要进行设置,本发明实施例不做限定。
S202、从区块链网络获取所述区块链交易旁路请求对应的区块链交易的区块链上数据和日志数据;
具体地,区块链网络中的区块链节点可以对所述区块链交易请求进行处理,获得区块所述区块链交易请求对应的区块链交易的链上数据和日志数据。所述风险识别节点可以访问区块链网络,获取所述区块链交易旁路请求对应的区块链交易的区块链上数据和日志数据。其中,所述区块链交易请求对应的区块链交易和所述区块链交易旁路请求对应的区块链交易是同一个区块链交易。
例如,所述风险识别节点可以通过智能合约标识对应的智能合约中的接口信息,通过匹配交易标识和智能合约标识,获得所述区块链交易旁路请求对应的区块链交易的区块链上数据。所述风险识别节点可以通过基于区块链交易的执行日志,通过匹配交易标识、智能合约标识、交易结果报文,获得所述区块链交易旁路请求对应的区块链交易的日志数据。其中,所述区块链上数据和日志数据根据实际需要进行设置,本发明实施例不做限定。
S203、根据所述交易相关数据、区块链上数据和日志数据,获得风险识别数据;
具体地,所述风险识别节点在获得所述交易相关数据、区块链上数据和日志数据之后,可以根据所述交易相关数据、区块链上数据和日志数据获得风险识别数据。
例如,所述交易相关数据包括用户操作接口、账户操作接口、交易转账接口。基于所述用户操作接口可以提取出年龄、手机号、单位电话、电子邮箱、学历、年收入、职位等用户相关信息作为风险识别数据。基于所述账户操作接口和日志数据可以提取出账户信息,账户创建时间,交易类型等账户相关信息作为风险识别数据。基于所述交易转账接口可以提取出转入账户、转出账户、交易金额等交易相关数据作为风险识别数据。基于区块链上数据可以提取出智能合约接口名、智能合约接口请求报文中的参数信息等智能合约相关数据作为风险识别数据。
S204、对所述风险识别数据进行预处理和特征构建,获得风险识别特征数据;
具体地,所述风险识别节点在获得所述风险识别数据之后,可以对所述风险识别数据进行结构化分解、离散化、频度计算等预处理,并对预处理之后的风险识别数据进行特征构建,获得风险识别特征数据。其中,对所述风险识别数据的预处理过程和特征构建过程,根据实际需要进行设置,本发明实施例不做限定。
S205、根据所述风险识别特征数据以及多个风险预测模型,获得多个风险预测值;其中,所述多个风险预测模型是预先训练获得的;
具体地,所述风险识别节点在获得所述风险识别特征数据之后,将所述风险识别特征数据分别输入至多个风险预测模型中,输入所述风险识别特征数据在每个风险预测模型下的风险预测值,可以获得多个风险预测值。其中,所述多个风险预测模型是预先训练获得的。
S206、将所述多个风险预测值中的最大值作为所述区块链交易旁路请求对应的区块链交易的交易风险值,并根据所述交易风险值确定所述区块链交易的风险等级。
具体地,所述风险识别节点在获得所述多个风险预测值之后,会比较各个风险预测值的大小,获取多个风险预测值中的最大值作为所述区块链交易旁路请求对应的区块链交易的交易风险值,然后根据交易风险值确定所述区块链交易的风险等级。
例如,所述区块链交易的风险等级分为高风险、中风险、低风险三个等级,每个等级有对应的风险阈值范围,所述风险识别节点判断所述交易风险值在上述三个风险等级哪个风险等级对应的风险阈值范围内,所述交易风险值所在的风险阈值范围对应的风险等级即为所述区块链交易的风险等级。
本发明实施例提供的区块链交易风险识别方法,接收区块链交易旁路请求,从区块链网络获取区块链交易旁路请求对应的区块链交易的区块链上数据和日志数据,根据交易相关数据、区块链上数据和日志数据,获得风险识别数据,对风险识别数据进行预处理和特征构建,获得风险识别特征数据,根据风险识别特征数据以及多个风险预测模型,获得多个风险预测值,将多个风险预测值中的最大值作为区块链交易旁路请求对应的区块链交易的交易风险值,并根据交易风险值确定区块链交易的风险等级,实现对区块链链上交易的风险识别,提高了区块链交易的风险识别效率。此外,通过网络流量引流的方式进行非侵入式的交易请求数据分析存储,极大地便利了区块链链上数据相关信息获取,同时避免对现有区块链节点进行大量的改造和重构。
图3是本发明另一实施例提供的区块链交易风险识别方法的流程示意图,如图3所示,在上述各实施例的基础上,进一步地,所述风险预测模型的获得步骤包括:
S301、获取设定风险类别的交易风险训练数据以及对应的风险标签;
具体地,从区块链网络可以获得设定风险类别对应的预设数量的历史区块链交易请求的交易相关数据、预设数量的历史区块链交易请求对应的区块链交易的区块链上数据和日志数据,基于上述设定风险类别对应的预设数量的历史区块链交易请求的交易相关数据、预设数量的历史区块链交易请求对应的区块链上数据和日志数据可以获得设定风险类别的交易风险训练数据,对于每个历史区块链交易请求都可以设定风险标签,并将风险标签与每个历史区块链交易请求的交易相关数据、对应的区块链交易的区块链上数据和日志数据对应。所述风险识别节点可以获取所述设定风险类别的交易风险训练数据以及对应的风险标签。其中,所述设定风险类别根据实际需要进行设置,本发明实施例不做限定。所述预设数量根据实际需要进行设置,本发明实施例不做限定。所述风险标签可以包括低风险、中风险和高风险,根据实际需要进行设置,本发明实施例不做限定。
S302、对所述交易风险训练数据进行预处理和特征构建,获得交易风险特征数据;
具体地,所述风险识别节点在获得所述交易风险训练数据之后,可以对所述交易风险训练数据进行预处理和特征构建,获得交易风险特征数据。其中,所述交易风险训练数据预处理和特征构建的具体过程与步骤S204中对所述风险识别数据的预处理过程和特征构建过程的过程类似,此处不进行赘述。
例如,所述设定风险类别为欺诈黑名单账户交易风险类别和大额资金交易风险类别,欺诈黑名单账户交易风险类别对应的风险预测模型用于判断区块链交易是否涉及到欺诈黑名单账户,大额资金交易风险类别对应的风险预测模型,用于判断区块链交易是否涉及大额交易。
S303、根据所述交易风险特征数据、所述交易风险特征数据对应的风险标签以及预设模型,训练获得所述设定风险类别对应的风险预测模型。
具体地,所述风险识别节点可以基于所述交易风险特征数据和所述交易风险特征数据对应的风险标,对预设模型进行训练,获得所述设定风险类别对应的风险预测模型。其中,所述预设模型包括但不限于逻辑回归、随机森林、梯度提升迭代决策树(GBDT)等模型,根据实际需要进行设置,本发明实施例不做限定。在对预设模型进行训练的过程中,可以采用k折交叉验证的方式,即将所述交易风险特征数据分为训练集和测试集,将所述交易风险特征数据随机分为k个子集,每次训练将k-1个子集作为训练集对预设模型进行训练,将一个子集作为测试集对训练获得模型进行验证。
例如,采用3折交叉验证的方式对所述预设模型进行训练,获得所述设定风险类别对应的风险预测模型。
下面以欺诈黑名单账户交易风险类别对应的风险预测模型的训练过程为例,说明风险预测模型的获得过程。
首先,从区块链网络获取欺诈黑名单账户交易风险类别对应的预设历史区块链交易请求的交易相关数据、所述预设数量的历史区块链交易请求对应的区块链交易的区块链上数据和日志数据,作为欺诈黑名单账户交易风险类别的交易风险训练数据。并人工对欺诈黑名单账户交易风险类别对应的预设数量的历史区块链交易请求的每个历史区块链交易请求对应区块链交易的交易相关数据、区块链上数据和日志数据进行风险标签标定,获得欺诈黑名单账户交易风险类别的交易风险训练数据对应的风险标签。其中,欺诈黑名单账户交易风险类别的交易风险训练数据可以包括用户信息数据、账户信息数据、智能合约的数据和交易信息数据。从历史区块链交易请求的交易相关数据包括的用户操作接口中可以提取年龄、手机号、单位电话、电子邮箱、学历、年收入、职位等用户相关信息作为用户信息数据;从历史区块链交易请求的交易相关数据包括的账户操作接口和日志数据中提取账户信息,账户创建时间,交易类型等账户相关信息作为账户信息数据;从历史区块链交易请求的交易相关数据包括的交易转账接口可以提取出转入账户、转出账户、交易金额等交易相关数据作为交易信息数据;从区块链上数据可以提取出智能合约接口名、智能合约接口请求报文中的参数信息等智能合约相关数据作为智能合约的数据。
其次,对欺诈黑名单账户交易风险类别的交易风险训练数据进行预处理和特征构建,获得交易风险特征数据,即对欺诈黑名单账户交易风险类别的用户信息数据、账户信息数据、智能合约的数据和交易信息数据进行特征构建,获得用户信息特征数据、账户信息特征数据、智能合约的特征数据和交易信息特征数据作为欺诈黑名单账户交易风险类别的风险识别特征数据。
最后,采用3折交叉验证的方式,基于欺诈黑名单账户交易风险类别的风险识别特征数据对欺诈黑名单账户交易风险类别的预设模型进行训练,获得欺诈黑名单账户交易风险类别对应的风险预测模型。其中,在对训练获得的模型进行评价时,可以采用AUC、Precision、Recall、Accuracy、F1-measure等常用指标,根据实际需要进行选择,本发明实施例不做限定。在本发明实施例中选择AUC值作为风险预测值,将用AUC值表示欺诈黑名单账户交易风险类别对应的区块链交易被正确分类为黑名单风险交易的概率。
同理,大额资金交易风险类别对应的风险预测模型的训练过程与欺诈黑名单账户交易风险类别对应的风险预测模型的训练过程类似,同样涉及大额资金交易风险类别用户信息数据、账户信息数据、智能合约的数据和交易信息数据,其中,交易信息数据中可能存在大额金额。大额资金交易风险类别对应的风险预测模型输入的风险预测值为区块链交易为大额资金风险交易的概率值。
在上述各实施例的基础上,进一步地,所述根据所述交易风险值确定所述区块链交易的风险等级包括:
根据所述交易风险值以及交易风险等级表,获得所述区块链交易的风险等级;其中,所述交易风险等级表是预设的。
具体地,所述风险识别节点在获得所述交易风险值之后,根据所述交易风险值查询交易风险等级表,获得所述区块链交易的风险等级。其中,所述交易风险等级表是预设的。
例如,如表1所示的风险等级表,如果交易风险值大于0.8,可以确定所述区块链交易的风险等级为高风险,可以直接终止交易,并发送提示信息给相关人员。如果交易风险值大于0.7并且小于等于0.8,可以确定所述区块链交易的风险等级为中风险,可以暂停区块链交易,发送风险提示信息给相关人员,必须得到相关人员确认区块链交易继续进行之后才能继续区块链交易。如果交易风险值大于0.6并且小于等于0.7,可以确定所述区块链交易的风险等级为低风险,可以提示相关人员该区块链交易存在交易风险。可理解的是,如果交易风险值小于等于0.6,可以确认区块链交易无风险。
表1风险等级表
交易风险值 | 风险等级 | 处理方式 |
大于0.8 | 高风险 | 终止交易,提示确认 |
小于等于0.8且大于0.7 | 中风险 | 强制人工确认处理 |
小于等于0.7且大于0.6 | 低风险 | 提示存在交易风险 |
在上述各实施例的基础上,进一步地,本发明实施例提供的区块链交易风险识别方法还包括:
根据所述区块链交易的风险等级进行相应的风险处理。
具体地,所述风险识别节点在获得所述区块链交易的风险等级之后,可以进行相应的风险处理。
例如,所述区块链交易的风险等级为高风险,所述风险识别节点可以通过决策服务节点调用在智能合约高风险处理接口,停止区块链交易,智能合约在编码规范中明确约定高风险处理接口为终止(terminateTrx)或者撤销接口(revokeTrx),在区块链交易终止或者撤销之后,决策服务节点可以展现区块链交易的信息,并通知监控管理人员进行预警和干预。所述区块链交易的风险等级为中风险,所述风险识别节点可以通过决策服务节点调用在智能合约中风险处理接口,进行强制人工确认处理,智能合约在编码规范中明确约定强制人工确认处理接口。所述区块链交易的风险等级为低风险,所述风险识别节点可以通过决策服务节点调用在智能合约低风险处理接口,进行交易风险预警提示,智能合约在编码规范中明确约定低风险处理接口。
图4是本发明又一实施例提供的区块链交易风险识别方法的流程示意图,如图4所示,本发明实施例提供的区块链交易风险识别方法包括如下流程:
第一步、发送区块链交易请求。应用终端可以发起智能合约交易接口调用,通过路由节点向区块链节点发送区块链交易请求。
第二步、复制区块链交易请求。所述路由节点接收到所述区块链交易请求之后,在正常向区块链节点发送所述区块链交易请求的同时,会复制所述区块链交易请求,然后将复制的区块链交易请求发送给复制节点。
第三步、发送区块链交易旁路请求。复制节点接收到复制的区块链交易请求之后,会基于复制的区块链交易请求生成区块链交易旁路请求,并将所述区块链交易旁路请求发送给风险识别节点。
第四步、获得风险识别数据。所述风险识别节点从区块链交易旁路请求获得交易相关数据,并从区块链网络获取所述区块链交易旁路请求对应的区块链交易的区块链上数据和日志数据,然后根据所述交易相关数据、区块链上数据和日志数据,获得风险识别数据。
第五步、获得风险预测值。所述风险识别节点对所述风险识别数据进行预处理和特征构建,获得风险识别特征数据。将风险识别特征数据输入到多个风险预测模型中,输出多个风险预测值。
第六步、识别交易风险。所述风险识别节点将所述多个风险预测值中的最大值作为所述区块链交易旁路请求对应的区块链交易的交易风险值,并根据所述交易风险值确定所述区块链交易的风险等级。所述风险识别节点会根据所述区块链交易的风险等级进行相应的风险处理,如果没有判断出没有交易风险,那么无需进行风险处理。
图5是本发明一实施例提供的区块链交易风险识别装置的结构示意图,如图5所示,本发明实施例提供的区块链交易风险识别装置包括接收模块501、第一获取模块502、获得模块503、第一特征模块504、预测模块505和确定模块506,其中:
接收模块501用于接收区块链交易旁路请求,所述区块链交易旁路请求包括交易相关数据;第一获取模块502用于从区块链网络获取所述区块链交易旁路请求对应的区块链交易的区块链上数据和日志数据;获得模块503用于根据所述交易相关数据、区块链上数据和日志数据,获得风险识别数据;第一特征模块504用于对所述风险识别数据进行预处理和特征构建,获得风险识别特征数据;预测模块505用于根据所述风险识别特征数据以及多个风险预测模型,获得多个风险预测值;其中,所述多个风险预测模型是预先训练获得的;确定模块506用于将所述多个风险预测值中的最大值作为所述区块链交易旁路请求对应的区块链交易的交易风险值,并根据所述交易风险值确定所述区块链交易的风险等级。
具体地,应用终端可以发起智能合约交易接口调用,通过路由节点向区块链节点发送区块链交易请求。所述路由节点接收到所述区块链交易请求之后,在正常向区块链节点发送所述区块链交易请求的同时,会复制所述区块链交易请求,然后将复制的区块链交易请求发送给复制节点。复制节点接收到复制的区块链交易请求之后,会基于复制的区块链交易请求生成区块链交易旁路请求,并将所述区块链交易旁路请求发送给接收模块501,接收模块501会接收所述区块链交易旁路请求。其中,所述区块链交易旁路请求包括交易相关数据,所述交易相关数据来源于所述区块链交易请求。所述交易相关数据可以包括交易标识、智能合约标识等信息,根据实际需要进行设置,本发明实施例不做限定。
区块链网络中的区块链节点可以对所述区块链交易请求进行处理,获得区块所述区块链交易请求对应的区块链交易的链上数据和日志数据。第一获取模块502可以访问区块链网络,获取所述区块链交易旁路请求对应的区块链交易的区块链上数据和日志数据。其中,所述区块链交易请求对应的区块链交易和所述区块链交易旁路请求对应的区块链交易是同一个区块链交易。
在获得所述交易相关数据、区块链上数据和日志数据之后,获得模块503可以根据所述交易相关数据、区块链上数据和日志数据获得风险识别数据。
在获得所述风险识别数据之后,第一特征模块504可以对所述风险识别数据进行结构化分解、离散化、频度计算等预处理,并对预处理之后的风险识别数据进行特征构建,获得风险识别特征数据。其中,对所述风险识别数据的预处理过程和特征构建过程,根据实际需要进行设置,本发明实施例不做限定。
在获得所述风险识别特征数据之后,预测模块505将所述风险识别特征数据分别输入至多个风险预测模型中,输入所述风险识别特征数据在每个风险预测模型下的风险预测值,可以获得多个风险预测值。其中,所述多个风险预测模型是预先训练获得的。
在获得所述多个风险预测值之后,确定模块506会比较各个风险预测值的大小,获取多个风险预测值中的最大值作为所述区块链交易旁路请求对应的区块链交易的交易风险值,然后根据交易风险值确定所述区块链交易的风险等级。
本发明实施例提供的区块链交易风险识别装置,接收区块链交易旁路请求,从区块链网络获取区块链交易旁路请求对应的区块链交易的区块链上数据和日志数据,根据交易相关数据、区块链上数据和日志数据,获得风险识别数据,对风险识别数据进行预处理和特征构建,获得风险识别特征数据,根据风险识别特征数据以及多个风险预测模型,获得多个风险预测值,将多个风险预测值中的最大值作为区块链交易旁路请求对应的区块链交易的交易风险值,并根据交易风险值确定区块链交易的风险等级,实现对区块链链上交易的风险识别,提高了区块链交易的风险识别效率。此外,通过网络流量引流的方式进行非侵入式的交易请求数据分析存储,极大地便利了区块链链上数据相关信息获取,同时避免对现有区块链节点进行大量的改造和重构。
图6是本发明再一实施例提供的区块链交易风险识别装置的结构示意图,如图6所示,在上述各实施例的基础上,进一步地,本发明实施例提供的区块链交易风险识别装置还包括第二获取模块507、第二特征模块508和训练模块509,其中:
第二获取模块507用于获取设定风险类别的交易风险训练数据以及对应的风险标签;第二特征模块508用于对所述交易风险训练数据进行预处理和特征构建,获得交易风险特征数据;训练模块509用于根据所述交易风险特征数据、所述交易风险特征数据对应的风险标签以及预设模型,训练获得所述设定风险类别对应的风险预测模型。
具体地,从区块链网络可以获得设定风险类别对应的预设数量的历史区块链交易请求的交易相关数据、预设数量的历史区块链交易请求对应的区块链交易的区块链上数据和日志数据,基于上述设定风险类别对应的预设数量的历史区块链交易请求的交易相关数据、预设数量的历史区块链交易请求对应的区块链上数据和日志数据可以获得设定风险类别的交易风险训练数据,对于每个历史区块链交易请求都可以设定风险标签,并将风险标签与每个历史区块链交易请求的交易相关数据、对应的区块链交易的区块链上数据和日志数据对应。第二获取模块507可以获取所述设定风险类别的交易风险训练数据以及对应的风险标签。其中,所述设定风险类别根据实际需要进行设置,本发明实施例不做限定。所述预设数量根据实际需要进行设置,本发明实施例不做限定。所述风险标签可以包括低风险、中风险和高风险,根据实际需要进行设置,本发明实施例不做限定。
在获得所述交易风险训练数据之后,第二特征模块508可以对所述交易风险训练数据进行预处理和特征构建,获得交易风险特征数据。
训练模块509可以基于所述交易风险特征数据和所述交易风险特征数据对应的风险标,对预设模型进行训练,获得所述设定风险类别对应的风险预测模型。其中,所述预设模型包括但不限于逻辑回归、随机森林、梯度提升迭代决策树等模型,根据实际需要进行设置,本发明实施例不做限定。在对预设模型进行训练的过程中,可以采用k折交叉验证的方式,即将所述交易风险特征数据分为训练集和测试集,将所述交易风险特征数据随机分为k个子集,每次训练将k-1个子集作为训练集对预设模型进行训练,将一个子集作为测试集对训练获得模型进行验证。
在上述各实施例的基础上,进一步地,确定模块506具体用于:
根据所述交易风险值以及交易风险等级表,获得所述区块链交易的风险等级;其中,所述交易风险等级表是预设的。
具体地,在获得所述交易风险值之后,确定模块506根据所述交易风险值查询交易风险等级表,获得所述区块链交易的风险等级。其中,所述交易风险等级表是预设的。
图7是本发明又一实施例提供的区块链交易风险识别装置的结构示意图,如图7所示,在上述各实施例的基础上,进一步地,本发明实施例提供的区块链交易风险识别装置还包括风险处理模块510,其中
风险处理模块510用于根据所述区块链交易的风险等级进行相应的风险处理。
具体地,风险处理模块510在获得所述区块链交易的风险等级之后,可以进行相应的风险处理。
本发明实施例提供的装置的实施例具体可以用于执行上述各方法实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
图8是本发明一实施例提供的电子设备的实体结构示意图,如图8所示,该电子设备可以包括:处理器(processor)801、通信接口(Communications Interface)802、存储器(memory)803和通信总线804,其中,处理器801,通信接口802,存储器803通过通信总线804完成相互间的通信。处理器801可以调用存储器803中的逻辑指令,以执行如下方法:接收区块链交易旁路请求,所述区块链交易旁路请求包括交易相关数据;从区块链网络获取所述区块链交易旁路请求对应的区块链交易的区块链上数据和日志数据;根据所述交易相关数据、区块链上数据和日志数据,获得风险识别数据;对所述风险识别数据进行预处理和特征构建,获得风险识别特征数据;根据所述风险识别特征数据以及多个风险预测模型,获得多个风险预测值;其中,所述多个风险预测模型是预先训练获得的;将所述多个风险预测值中的最大值作为所述区块链交易旁路请求对应的区块链交易的交易风险值,并根据所述交易风险值确定所述区块链交易的风险等级。
此外,上述的存储器803中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:接收区块链交易旁路请求,所述区块链交易旁路请求包括交易相关数据;从区块链网络获取所述区块链交易旁路请求对应的区块链交易的区块链上数据和日志数据;根据所述交易相关数据、区块链上数据和日志数据,获得风险识别数据;对所述风险识别数据进行预处理和特征构建,获得风险识别特征数据;根据所述风险识别特征数据以及多个风险预测模型,获得多个风险预测值;其中,所述多个风险预测模型是预先训练获得的;将所述多个风险预测值中的最大值作为所述区块链交易旁路请求对应的区块链交易的交易风险值,并根据所述交易风险值确定所述区块链交易的风险等级。
本实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,所述计算机程序使所述计算机执行上述各方法实施例所提供的方法,例如包括:接收区块链交易旁路请求,所述区块链交易旁路请求包括交易相关数据;从区块链网络获取所述区块链交易旁路请求对应的区块链交易的区块链上数据和日志数据;根据所述交易相关数据、区块链上数据和日志数据,获得风险识别数据;对所述风险识别数据进行预处理和特征构建,获得风险识别特征数据;根据所述风险识别特征数据以及多个风险预测模型,获得多个风险预测值;其中,所述多个风险预测模型是预先训练获得的;将所述多个风险预测值中的最大值作为所述区块链交易旁路请求对应的区块链交易的交易风险值,并根据所述交易风险值确定所述区块链交易的风险等级。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在本说明书的描述中,参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种区块链交易风险识别方法,其特征在于,包括:
接收区块链交易旁路请求,所述区块链交易旁路请求包括交易相关数据;
从区块链网络获取所述区块链交易旁路请求对应的区块链交易的区块链上数据和日志数据;
根据所述交易相关数据、区块链上数据和日志数据,获得风险识别数据;
对所述风险识别数据进行预处理和特征构建,获得风险识别特征数据;
根据所述风险识别特征数据以及多个风险预测模型,获得多个风险预测值;其中,所述多个风险预测模型是预先训练获得的;
将所述多个风险预测值中的最大值作为所述区块链交易旁路请求对应的区块链交易的交易风险值,并根据所述交易风险值确定所述区块链交易的风险等级。
2.根据权利要求1所述的方法,其特征在于,所述风险预测模型的获得步骤包括:
获取设定风险类别的交易风险训练数据以及对应的风险标签;
对所述交易风险训练数据进行预处理和特征构建,获得交易风险特征数据;
根据所述交易风险特征数据、所述交易风险特征数据对应的风险标签以及预设模型,训练获得所述设定风险类别对应的风险预测模型。
3.根据权利要求1所述的方法,其特征在于,所述根据所述交易风险值确定所述区块链交易的风险等级包括:
根据所述交易风险值以及交易风险等级表,获得所述区块链交易的风险等级;其中,所述交易风险等级表是预设的。
4.根据权利要求1至3任一项所述的方法,其特征在于,还包括:
根据所述区块链交易的风险等级进行相应的风险处理。
5.一种区块链交易风险识别装置,其特征在于,包括:
接收模块,用于接收区块链交易旁路请求,所述区块链交易旁路请求包括交易相关数据;
第一获取模块,用于从区块链网络获取所述区块链交易旁路请求对应的区块链交易的区块链上数据和日志数据;
获得模块,用于根据所述交易相关数据、区块链上数据和日志数据,获得风险识别数据;
第一特征模块,用于对所述风险识别数据进行预处理和特征构建,获得风险识别特征数据;
预测模块,用于根据所述风险识别特征数据以及多个风险预测模型,获得多个风险预测值;其中,所述多个风险预测模型是预先训练获得的;
确定模块,用于将所述多个风险预测值中的最大值作为所述区块链交易旁路请求对应的区块链交易的交易风险值,并根据所述交易风险值确定所述区块链交易的风险等级。
6.根据权利要求5所述的装置,其特征在于,还包括:
第二获取模块,用于获取设定风险类别的交易风险训练数据以及对应的风险标签;
第二特征模块,用于对所述交易风险训练数据进行预处理和特征构建,获得交易风险特征数据;
训练模块,用于根据所述交易风险特征数据、所述交易风险特征数据对应的风险标签以及预设模型,训练获得所述设定风险类别对应的风险预测模型。
7.根据权利要求5所述的装置,其特征在于,所述确定模块具体用于:
根据所述交易风险值以及交易风险等级表,获得所述区块链交易的风险等级;其中,所述交易风险等级表是预设的。
8.根据权利要求5至7任一项所述的装置,其特征在于,还包括:
风险处理模块,用于根据所述区块链交易的风险等级进行相应的风险处理。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010476890.9A CN111667267B (zh) | 2020-05-29 | 2020-05-29 | 一种区块链交易风险识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010476890.9A CN111667267B (zh) | 2020-05-29 | 2020-05-29 | 一种区块链交易风险识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111667267A CN111667267A (zh) | 2020-09-15 |
CN111667267B true CN111667267B (zh) | 2023-04-18 |
Family
ID=72385170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010476890.9A Active CN111667267B (zh) | 2020-05-29 | 2020-05-29 | 一种区块链交易风险识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111667267B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112581129A (zh) * | 2020-12-18 | 2021-03-30 | 上海浦东发展银行股份有限公司 | 区块链交易数据治理方法及装置、计算机设备及存储介质 |
CN112651743A (zh) * | 2020-12-23 | 2021-04-13 | 杭州趣链科技有限公司 | 基于区块链的交易风险提示方法、装置及相关设备 |
CN112801557A (zh) * | 2021-04-07 | 2021-05-14 | 支付宝(杭州)信息技术有限公司 | 基于区块链的风险评价方法和装置 |
CN113347033B (zh) * | 2021-05-31 | 2022-05-27 | 中国工商银行股份有限公司 | 基于区块链的根因定位方法、系统及验证节点 |
CN114186646A (zh) * | 2022-02-15 | 2022-03-15 | 国网区块链科技(北京)有限公司 | 区块链异常交易识别方法及装置、存储介质及电子设备 |
CN114612235B (zh) * | 2022-03-09 | 2023-03-10 | 烟台大学 | 一种基于图嵌入的区块链异常行为检测方法 |
CN114971643B (zh) * | 2022-05-30 | 2023-07-18 | 平安科技(深圳)有限公司 | 异常交易识别方法、装置、设备及存储介质 |
CN114820198A (zh) * | 2022-06-29 | 2022-07-29 | 江西农业大学 | 基于区块链的异常交易事务识别方法、系统及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103368790A (zh) * | 2013-06-21 | 2013-10-23 | 冯轶 | 一种针对电子交易系统的性能延迟监测方法及其系统 |
CN107067324A (zh) * | 2017-04-18 | 2017-08-18 | 上海翼翎数据信息技术有限公司 | 一种利用网络抓包数据实现交易风险控制的方法和系统 |
CN108665270A (zh) * | 2018-04-17 | 2018-10-16 | 平安科技(深圳)有限公司 | 数据欺诈识别方法、装置、计算机设备和存储介质 |
CN109587179A (zh) * | 2019-01-28 | 2019-04-05 | 南京云利来软件科技有限公司 | 一种基于旁路网络全流量的ssh协议行为模式识别与告警方法 |
CN110414985A (zh) * | 2019-06-12 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 一种异常账户的检测方法及装置 |
-
2020
- 2020-05-29 CN CN202010476890.9A patent/CN111667267B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103368790A (zh) * | 2013-06-21 | 2013-10-23 | 冯轶 | 一种针对电子交易系统的性能延迟监测方法及其系统 |
CN107067324A (zh) * | 2017-04-18 | 2017-08-18 | 上海翼翎数据信息技术有限公司 | 一种利用网络抓包数据实现交易风险控制的方法和系统 |
CN108665270A (zh) * | 2018-04-17 | 2018-10-16 | 平安科技(深圳)有限公司 | 数据欺诈识别方法、装置、计算机设备和存储介质 |
CN109587179A (zh) * | 2019-01-28 | 2019-04-05 | 南京云利来软件科技有限公司 | 一种基于旁路网络全流量的ssh协议行为模式识别与告警方法 |
CN110414985A (zh) * | 2019-06-12 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 一种异常账户的检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111667267A (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111667267B (zh) | 一种区块链交易风险识别方法及装置 | |
US20230334367A1 (en) | Automatic machine learning model generation | |
CN105744005A (zh) | 客户定位分析方法及服务器 | |
CN110503564A (zh) | 基于大数据的保全案件处理方法、系统、设备及存储介质 | |
CN111815169A (zh) | 业务审批参数配置方法及装置 | |
CN112039702A (zh) | 基于联邦学习和相互学习的模型参数训练方法及装置 | |
CN110796269A (zh) | 一种生成模型的方法、装置、信息处理的方法及装置 | |
CN112711640A (zh) | 一种业务受理流程配置的方法及装置 | |
CN114219596A (zh) | 一种基于决策树模型的数据处理方法及相关设备 | |
CN113436006A (zh) | 基于区块链的贷款风险预测方法及装置 | |
CN110347593B (zh) | 流程测试方法及装置 | |
CN111951112A (zh) | 基于区块链的智能合约执行方法、终端设备和存储介质 | |
CN108711074B (zh) | 业务分类方法、装置、服务器及可读存储介质 | |
CN115600818A (zh) | 多维评分方法、装置、电子设备和存储介质 | |
CN114723239A (zh) | 一种多方协同建模方法、装置、设备、介质及程序产品 | |
CN114387088A (zh) | 一种基于知识图谱的贷款风险识别方法及装置 | |
CN111817948A (zh) | 一种消息推送方法及装置 | |
CN111539210B (zh) | 跨网络实体的识别方法、装置、电子设备及介质 | |
CN113946758B (zh) | 一种数据识别方法、装置、设备及可读存储介质 | |
CN116934371A (zh) | 联邦模型的构建方法、分期数据的获取方法及相关装置 | |
CN112507305A (zh) | 风险识别方法、装置、计算机设备及可读存储介质 | |
CN115689770A (zh) | 一种资产托管风控模型的构建方法、风险评估方法及装置 | |
CN113159606A (zh) | 操作风险识别方法及装置 | |
CN114998031A (zh) | 独立终端提供服务的系统及方法 | |
CN114996242A (zh) | 一种数据处理方法及装置 |
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 |