CN111861495A - 转账处理方法及装置 - Google Patents

转账处理方法及装置 Download PDF

Info

Publication number
CN111861495A
CN111861495A CN202010782068.5A CN202010782068A CN111861495A CN 111861495 A CN111861495 A CN 111861495A CN 202010782068 A CN202010782068 A CN 202010782068A CN 111861495 A CN111861495 A CN 111861495A
Authority
CN
China
Prior art keywords
user
transfer
information
transfer processing
historical
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.)
Pending
Application number
CN202010782068.5A
Other languages
English (en)
Inventor
申亚坤
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.)
Bank of China Ltd
Original Assignee
Bank of China 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 Bank of China Ltd filed Critical Bank of China Ltd
Priority to CN202010782068.5A priority Critical patent/CN111861495A/zh
Publication of CN111861495A publication Critical patent/CN111861495A/zh
Pending legal-status Critical Current

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
    • G06Q20/4014—Identity check for transactions
    • G06Q20/40145—Biometric identity checks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Computer Security & Cryptography (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明提供了一种转账处理方法及装置，该方法包括：获取用户的人脸图像数据和声纹信息数据；与银行后台系统中用户对应的预存身份信息进行匹配；匹配结果为信息一致时，根据用户的语音指令进行转账信息录入；根据用户发出语音指令时的人脸动态图像数据，得到用户的表情数据；根据用户的表情数据，基于预设的风险识别模型，确定转账处理的风险识别结果；根据转账处理的风险识别结果和录入的转账信息，进行转账处理。通过人脸图像数据和声纹信息数据的比对，快速验证用户身份，无需繁琐复杂的验证手续；用户无需输入文字进行转账，更加简单便捷；根据识别的表情数据得到风险识别结果，进行转账处理，降低了发生风险的可能，提高了转账处理的安全性。

Description

转账处理方法及装置
技术领域
本发明涉及数据处理技术领域，尤其涉及一种转账处理方法及装置。
背景技术
随着手机银行的不断普及，越来越多的人选择手机银行进行转账，但是现有的利用手机银行进行转账时，过程较为繁琐，需要经过用户对信息的反复的输入和确认，才能完成转账处理，效率低下，当客户输入文字存在不便或者时间有限时，十分影响用户的使用体验。
发明内容
本发明实施例提供一种转账处理方法，用以快速验证用户身份，无需输入文字进行转账处理，简单快速完成转账操作，提高转账处理的安全性，该方法包括：
获取用户的人脸图像数据和声纹信息数据；
将所述人脸图像数据和声纹信息数据，与银行后台系统中所述用户对应的预存身份信息进行匹配；
匹配结果为信息一致时，根据用户的语音指令进行转账信息录入；
采集用户发出语音指令时的人脸动态图像数据，根据用户发出语音指令时的人脸动态图像数据，得到用户的表情数据；
根据用户的表情数据，基于预设的风险识别模型，确定转账处理的风险识别结果；所述风险识别模型是根据用户的历史转账处理数据所建立的神经网络模型；
根据转账处理的风险识别结果和录入的转账信息，进行转账处理。
本发明实施例还提供一种转账处理装置，用以快速验证用户身份，无需输入文字进行转账处理，简单快速完成转账操作，提高转账处理的安全性，该装置包括：
身份信息获取模块，用于获取用户的人脸图像数据和声纹信息数据；
身份验证模块，用于将所述人脸图像数据和声纹信息数据，与银行后台系统中所述用户对应的预存身份信息进行匹配；
转账信息录入模块，用于匹配结果为信息一致时，根据用户的语音指令进行转账信息录入；
人脸采集模块，用于采集用户发出语音指令时的人脸动态图像数据，根据用户发出语音指令时的人脸动态图像数据，得到用户的表情数据；
风险识别模块，用于根据用户的表情数据，基于预设的风险识别模型，确定转账处理的风险识别结果；所述风险识别模型是根据用户的历史转账处理数据所建立的神经网络模型；
转账处理模块，用于根据转账处理的风险识别结果和录入的转账信息，进行转账处理。
本发明实施例还提供一种计算机设备，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计算机程序时实现上述转账处理方法。
本发明实施例也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有执行上述转账处理方法的计算机程序。
本发明实施例中，通过获取用户的人脸图像数据和声纹信息数据；将人脸图像数据和声纹信息数据，与银行后台系统中用户对应的预存身份信息进行匹配；匹配结果为信息一致时，根据用户的语音指令进行转账信息录入；采集用户发出语音指令时的人脸动态图像数据，根据用户发出语音指令时的人脸动态图像数据，得到用户的表情数据；根据用户的表情数据，基于预设的风险识别模型，确定转账处理的风险识别结果；其中，风险识别模型是根据用户的历史转账处理数据所建立的神经网络模型；根据转账处理的风险识别结果和录入的转账信息，进行转账处理。通过人脸图像数据和声纹信息数据的比对，快速验证用户身份，无需繁琐复杂的验证手续；根据语音指令录入转账信息，使得用户无需输入文字就能进行转账处理，更加简单便捷；相较于现有技术中繁琐的操作步骤，能够简单快速完成转账操作，也提高了用户的使用体验；对用户转账时的表情识别，根据识别的表情数据得到转账处理的风险识别结果，进行转账处理，降低了转账处理中发生风险的可能，提高了转账处理的安全性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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。
图1为本发明实施例中转账处理方法的示意图。
图2为本发明具体实施例中步骤103的一实施方法示意图。
图3为本发明具体实施例中步骤103的另一实施方法示意图。
图4为本发明具体实施例中风险识别模型的预设过程示意图。
图5为本发明具体实施例中步骤106的实施方法示意图。
图6为本发明实施例中转账处理装置的示意图。
图7为本发明具体实施例中转账信息录入模块603的一结构示意图。
图8为本发明具体实施例中转账信息录入模块603的另一结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种转账处理方法，用以快速验证用户身份，无需输入文字进行转账处理，简单快速完成转账操作，提高转账处理的安全性，如图1所示，该方法包括：
步骤101：获取用户的人脸图像数据和声纹信息数据；
步骤102：将人脸图像数据和声纹信息数据，与银行后台系统中用户对应的预存身份信息进行匹配；
步骤103：匹配结果为信息一致时，根据用户的语音指令进行转账信息录入；
步骤104：采集用户发出语音指令时的人脸动态图像数据，根据用户发出语音指令时的人脸动态图像数据，得到用户的表情数据；
步骤105：根据用户的表情数据，基于预设的风险识别模型，确定转账处理的风险识别结果；其中，风险识别模型是根据用户的历史转账处理数据所建立的神经网络模型；
步骤106：根据转账处理的风险识别结果和录入的转账信息，进行转账处理。
由图1所示流程可以得知，本发明实施例中，通过获取用户的人脸图像数据和声纹信息数据；将人脸图像数据和声纹信息数据，与银行后台系统中用户对应的预存身份信息进行匹配；匹配结果为信息一致时，根据用户的语音指令进行转账信息录入；采集用户发出语音指令时的人脸动态图像数据，根据用户发出语音指令时的人脸动态图像数据，得到用户的表情数据；根据用户的表情数据，基于预设的风险识别模型，确定转账处理的风险识别结果；其中，风险识别模型是根据用户的历史转账处理数据所建立的神经网络模型；根据转账处理的风险识别结果和录入的转账信息，进行转账处理。通过人脸图像数据和声纹信息数据的比对，快速验证用户身份，无需繁琐复杂的验证手续；根据语音指令录入转账信息，使得用户无需输入文字就能进行转账处理，更加简单便捷；相较于现有技术中繁琐的操作步骤，能够简单快速完成转账操作，也提高了用户的使用体验；对用户转账时的表情识别，根据识别的表情数据得到转账处理的风险识别结果，进行转账处理，降低了转账处理中发生风险的可能，提高了转账处理的安全性。
具体实施时，首先获取用户的人脸图像数据和声纹信息数据。具体实施时，是指用户在登录手机银行或进行转账时，移动设备的摄像头所采集的人脸图像数据和移动设备的麦克风等声音采集设备所采集的声纹信息数据。一具体实施例中，为了便于后续验证用户的身份信息，手机银行APP可随机给出用户曾在银行后台系统中预先录入的语句中的一句或几句，请用户读出，根据接收到的用户读语句时的语音，提取声纹信息数据。
获取用户的人脸图像数据和声纹信息数据后，将获取的人脸图像数据和声纹信息数据，与银行后台系统中该用户对应的预存身份信息进行匹配。预存身份信息至少包括：账户名、用户的人脸特征和用户的声纹特征等信息。具体实施时，对获取的用户的人脸图像数据进行人脸识别等图像特征提取，得到用户的人脸特征，与银行后台系统中该用户登录的账户对应的用户的人脸特征进行匹配；对获取的用户的声纹信息数据进行语音识别等声纹特征提取，得到用户的声纹特征，与银行后台系统中该用户登录的账户对应的用户的声纹特征进行匹配；若二者均匹配一致，认定匹配结果为信息一致，否则认定匹配结果为信息不符，立即退出转账处理操作，并通过短息或电话等形式，提醒被登录的账户的主人，手机银行账户正在被他人利用进行转账操作，提示风险，防止冒名转账的发生。
在匹配结果为信息一致时，根据用户的语音指令进行转账信息录入，具体实施时，如图2所示，包括：
步骤201：将转账信息录入项，展示给用户；
步骤202：接收用户发出的填写语音指令，进行文字识别，得到转账信息；
步骤203：将录入的转账信息展示给用户，提醒用户进行信息确认；
步骤204：接收用户发出的确认语音指令，若用户发出的确认语音指令为确认无误，进行转账信息录入。
具体实施时，手机银行APP将转账信息的录入项，例如转出人、转出账户、转账接收人、转账接收账户等必要信息，展示给用户。用户根据展示的页面，语音填写每一项信息。接收用户发出的填写语音指令，进行文字识别，得到转账信息，录入到转账信息填写界面上，展示给用户，提醒用户进行信息确认。用户确认无误后，进行转账信息录入。
但可能存在用户读错或吐字不清造成的信息错误，需要进行信息的更改，因此，如图3所示的根据用户的语音指令进行转账信息录入的方法，在图2的基础上，还包括：
步骤301：若用户发出的确认语音指令为确认有误，循环执行以下步骤，直至用户发出的确认语音指令为确认无误：
步骤302：根据用户发出的确认语音指令，确定有误的转账信息录入项，提醒用户重新录入；
步骤303：根据用户重新发出的填写语音指令，进行文字识别，得到更正后的转账信息；
步骤304：将更正后的转账信息展示给用户，提醒用户进行信息确认；
步骤305：接收用户发出的确认语音指令。
转账信息录入的同时，采集用户发出语音指令时的人脸动态图像数据，根据用户发出语音指令时的人脸动态图像数据，得到用户的表情数据。采集用户发出语音指令时的人脸动态图像数据，进行人脸表情识别，得到用户的表情数据，例如表情含义，表情的动态变化等数据。
根据用户的表情数据，基于预设的风险识别模型，确定转账处理的风险识别结果。将用户录入的转账信息和用户的表情数据，输入预设的风险识别模型，得到输出的风险识别结果，确定为转账处理的风险识别结果。
其中，风险识别模型是根据用户的历史转账处理数据所建立的神经网络模型，用户的历史转账处理数据例如包括用户的历史转账信息和对应的历史表情数据。具体实施例中，风险识别模型的预设过程，如图4所示，包括：
步骤401：获取多个客户的历史转账信息和对应的历史表情数据；
步骤402：根据多个客户的历史转账信息和对应的历史表情数据，构建用于识别转账处理的风险等级的神经网络模型；
步骤403：将多个客户的历史转账信息和对应的历史表情数据，按照预设比例分为训练集和验证集；
步骤404：利用训练集和验证集，对构建的神经网络模型，进行训练优化，得到风险识别模型。
其中，历史转账信息至少包括：历史转出账户、历史转账额、历史转账时间、账户星级和历史转账风险等级。具体实施时，为了提高确定结果的精度和准确性，历史转账信息还可以包括：历史转账地点、历史账户余额等信息。上述风险识别模型基于多个客户的历史转账信息和每次转账时的历史表情数据，进行特征处理，确定历史表情数据、转账信息和转账的风险识别结果之间的内在联系。根据kolmogorov原理，一个三层BP神经网络足以完成任意的n维到m维的映射，因此具体实施例中，建立了一个三层的神经网络，通过遗传算法输出的最优个体作为该神经网络的初始权值和阈值，进行该神经网络训练和学习。训练集和验证集的预设比例例如可以是7:3或6:4等。
最后，根据转账处理的风险识别结果和录入的转账信息，进行转账处理。具体实施例中，如图5所示，包括：
步骤501：若转账处理的风险识别结果小于预设阈值，根据录入的转账信息，进行转账处理；
步骤502：若转账处理的风险识别结果大于或等于预设阈值，将录入的转账信息发送给银行后台系统进行确认，确认成功后进行转账处理，确认失败后终止转账。
其中，预设阈值为根据实际的需要，提前设置的阈值，例如转账处理的风险识别结果为风险值为70或转账处理的风险识别结果为中高风险等。
基于同一发明构思，本发明实施例还提供一种转账处理装置，由于转账处理装置所解决问题的原理与转账处理方法相似，因此转账处理装置的实施可以参见转账处理方法的实施，重复之处不再赘述，具体结构如图6所示：
身份信息获取模块601，用于获取用户的人脸图像数据和声纹信息数据；
身份验证模块602，用于将人脸图像数据和声纹信息数据，与银行后台系统中用户对应的预存身份信息进行匹配；
转账信息录入模块603，用于匹配结果为信息一致时，根据用户的语音指令进行转账信息录入；
人脸采集模块604，用于采集用户发出语音指令时的人脸动态图像数据，根据用户发出语音指令时的人脸动态图像数据，得到用户的表情数据；
风险识别模块605，用于根据用户的表情数据，基于预设的风险识别模型，确定转账处理的风险识别结果；其中，风险识别模型是根据用户的历史转账处理数据所建立的神经网络模型；
转账处理模块606，用于根据转账处理的风险识别结果和录入的转账信息，进行转账处理。
具体实施例中，转账信息录入模块603，结构如图7所示，包括：
信息展示单元701，用于将转账信息录入项，展示给用户；
语音转换单元702，用于接收用户发出的填写语音指令，进行文字识别，得到转账信息；
信息确认提醒单元703，用于将录入的转账信息展示给用户，提醒用户进行信息确认；
信息录入单元704，用于接收用户发出的确认语音指令，若用户发出的确认语音指令为确认无误，进行转账信息录入。
具体实施时，转账信息录入模块603的结构如图8所示，在图7的基础上，还包括：信息重录单元801，用于：
用户发出的确认语音指令为确认有误，循环执行以下步骤，直至用户发出的确认语音指令为确认无误：
根据用户发出的确认语音指令，确定有误的转账信息录入项，提醒用户重新录入；
根据用户重新发出的填写语音指令，进行文字识别，得到更正后的转账信息；
将更正后的转账信息展示给用户，提醒用户进行信息确认；
接收用户发出的确认语音指令。
具体实施例中，风险识别模块605包括：风险识别模型预设单元，用于：
获取多个客户的历史转账信息和对应的历史表情数据；
根据多个客户的历史转账信息和对应的历史表情数据，构建用于识别转账处理的风险等级的神经网络模型；
将多个客户的历史转账信息对应的历史表情数据，按照预设比例分为训练集和验证集；
利用训练集和验证集，对构建的神经网络模型，进行训练优化，得到风险识别模型。
其中，历史转账信息至少包括：历史转出账户、历史转账额、历史转账时间、账户星级和历史转账风险等级。
具体实施例中，转账处理模块606具体用于：
若转账处理的风险识别结果小于预设阈值，根据录入的转账信息，进行转账处理；
若转账处理的风险识别结果大于或等于预设阈值，将录入的转账信息发送给银行后台系统进行确认，确认成功后进行转账处理，确认失败后终止转账。
本发明实施例还提供一种计算机设备，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计算机程序时实现上述转账处理方法。
本发明实施例还提供一种计算机可读存储介质，存储有执行上述转账处理方法的计算机程序。
综上所述，本发明实施例提供的转账处理方法及装置具有如下优点：
通过获取用户的人脸图像数据和声纹信息数据；将人脸图像数据和声纹信息数据，与银行后台系统中用户对应的预存身份信息进行匹配；匹配结果为信息一致时，根据用户的语音指令进行转账信息录入；采集用户发出语音指令时的人脸动态图像数据，根据用户发出语音指令时的人脸动态图像数据，得到用户的表情数据；根据用户的表情数据，基于预设的风险识别模型，确定转账处理的风险识别结果；其中，风险识别模型是根据用户的历史转账处理数据所建立的神经网络模型；根据转账处理的风险识别结果和录入的转账信息，进行转账处理。通过人脸图像数据和声纹信息数据的比对，快速验证用户身份，无需繁琐复杂的验证手续；根据语音指令录入转账信息，使得用户无需输入文字就能进行转账处理，更加简单便捷；相较于现有技术中繁琐的操作步骤，能够简单快速完成转账操作，也提高了用户的使用体验；对用户转账时的表情识别，根据识别的表情数据得到转账处理的风险识别结果，进行转账处理，降低了转账处理中发生风险的可能，提高了转账处理的安全性。
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、装置、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、装置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。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (14)

1.一种转账处理方法，其特征在于，包括：
获取用户的人脸图像数据和声纹信息数据；
将所述人脸图像数据和声纹信息数据，与银行后台系统中所述用户对应的预存身份信息进行匹配；
匹配结果为信息一致时，根据用户的语音指令进行转账信息录入；
采集用户发出语音指令时的人脸动态图像数据，根据用户发出语音指令时的人脸动态图像数据，得到用户的表情数据；
根据用户的表情数据，基于预设的风险识别模型，确定转账处理的风险识别结果；所述风险识别模型是根据用户的历史转账处理数据所建立的神经网络模型；
根据转账处理的风险识别结果和录入的转账信息，进行转账处理。
2.如权利要求1所述的方法，其特征在于，根据用户的语音指令进行转账信息录入，包括：
将转账信息录入项，展示给用户；
接收用户发出的填写语音指令，进行文字识别，得到转账信息；
将录入的转账信息展示给用户，提醒用户进行信息确认；
接收用户发出的确认语音指令，若用户发出的确认语音指令为确认无误，进行转账信息录入。
3.如权利要求2所述的方法，其特征在于，还包括：
若用户发出的确认语音指令为确认有误，循环执行以下步骤，直至用户发出的确认语音指令为确认无误：
根据用户发出的确认语音指令，确定有误的转账信息录入项，提醒用户重新录入；
根据用户重新发出的填写语音指令，进行文字识别，得到更正后的转账信息；
将更正后的转账信息展示给用户，提醒用户进行信息确认；
接收用户发出的确认语音指令。
4.如权利要求1所述的方法，其特征在于，所述风险识别模型的预设过程，包括：
获取多个客户的历史转账信息和对应的历史表情数据；根据多个客户的历史转账信息和对应的历史表情数据，构建用于识别转账处理的风险等级的神经网络模型；
将多个客户的历史转账信息和对应的历史表情数据，按照预设比例分为训练集和验证集；
利用所述训练集和验证集，对构建的所述神经网络模型，进行训练优化，得到风险识别模型。
5.如权利要求4所述的方法，其特征在于，所述历史转账信息至少包括：
历史转出账户、历史转账额、历史转账时间、账户星级和历史转账风险等级。
6.如权利要求1所述的方法，其特征在于，根据转账处理的风险识别结果和录入的转账信息，进行转账处理，包括：
若转账处理的风险识别结果小于预设阈值，根据录入的转账信息，进行转账处理；
若转账处理的风险识别结果大于或等于预设阈值，将录入的转账信息发送给银行后台系统进行确认，确认成功后进行转账处理，确认失败后终止转账。
7.一种转账处理装置，其特征在于，包括：
身份信息获取模块，用于获取用户的人脸图像数据和声纹信息数据；
身份验证模块，用于将所述人脸图像数据和声纹信息数据，与银行后台系统中所述用户对应的预存身份信息进行匹配；
转账信息录入模块，用于匹配结果为信息一致时，根据用户的语音指令进行转账信息录入；
人脸采集模块，用于采集用户发出语音指令时的人脸动态图像数据，根据用户发出语音指令时的人脸动态图像数据，得到用户的表情数据；
风险识别模块，用于根据用户的表情数据，基于预设的风险识别模型，确定转账处理的风险识别结果；所述风险识别模型是根据用户的历史转账处理数据所建立的神经网络模型；
转账处理模块，用于根据转账处理的风险识别结果和录入的转账信息，进行转账处理。
8.如权利要求7所述的装置，其特征在于，转账信息录入模块包括：
信息展示单元，用于将转账信息录入项，展示给用户；
语音转换单元，用于接收用户发出的填写语音指令，进行文字识别，得到转账信息；
信息确认提醒单元，用于将录入的转账信息展示给用户，提醒用户进行信息确认；
信息录入单元，用于接收用户发出的确认语音指令，若用户发出的确认语音指令为确认无误，进行转账信息录入。
9.如权利要求8所述的装置，其特征在于，转账信息录入模块还包括：信息重录单元，用于：
用户发出的确认语音指令为确认有误，循环执行以下步骤，直至用户发出的确认语音指令为确认无误：
根据用户发出的确认语音指令，确定有误的转账信息录入项，提醒用户重新录入；
根据用户重新发出的填写语音指令，进行文字识别，得到更正后的转账信息；
将更正后的转账信息展示给用户，提醒用户进行信息确认；
接收用户发出的确认语音指令。
10.如权利要求7所述的装置，其特征在于，所述风险识别模块包括：风险识别模型预设单元，用于：
获取多个客户的历史转账信息和对应的历史表情数据；
根据多个客户的历史转账信息和对应的历史表情数据，构建用于识别转账处理的风险等级的神经网络模型；
将多个客户的历史转账信息对应的历史表情数据，按照预设比例分为训练集和验证集；
利用所述训练集和验证集，对构建的所述神经网络模型，进行训练优化，得到风险识别模型。
11.如权利要求10所述的装置，其特征在于，所述历史转账信息至少包括：
历史转出账户、历史转账额、历史转账时间、账户星级和历史转账风险等级。
12.如权利要求7所述的装置，其特征在于，所述转账处理模块具体用于：
若转账处理的风险识别结果小于预设阈值，根据录入的转账信息，进行转账处理；
若转账处理的风险识别结果大于或等于预设阈值，将录入的转账信息发送给银行后台系统进行确认，确认成功后进行转账处理，确认失败后终止转账。
13.一种计算机设备，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6任一所述方法。
14.一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存储有执行权利要求1至6任一所述方法的计算机程序。
CN202010782068.5A 2020-08-06 2020-08-06 转账处理方法及装置 Pending CN111861495A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010782068.5A CN111861495A (zh) 2020-08-06 2020-08-06 转账处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010782068.5A CN111861495A (zh) 2020-08-06 2020-08-06 转账处理方法及装置

Publications (1)

Publication Number Publication Date
CN111861495A true CN111861495A (zh) 2020-10-30

Family

ID=72972266

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010782068.5A Pending CN111861495A (zh) 2020-08-06 2020-08-06 转账处理方法及装置

Country Status (1)

Country Link
CN (1) CN111861495A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106682885A (zh) * 2017-02-28 2017-05-17 深圳市国华识别科技开发有限公司 基于ar技术的支付方法与系统
CN108124488A (zh) * 2017-12-12 2018-06-05 福建联迪商用设备有限公司 一种基于人脸和声纹的支付认证方法及终端
CN109214820A (zh) * 2018-07-06 2019-01-15 厦门快商通信息技术有限公司 一种基于音视频结合的商户收款系统及方法
CN109359982A (zh) * 2018-09-02 2019-02-19 珠海横琴现联盛科技发展有限公司 结合人脸与声纹识别的支付信息确认方法
CN109636401A (zh) * 2018-11-30 2019-04-16 上海爱优威软件开发有限公司 一种基于用户微表情的支付方法及系统
CN109766772A (zh) * 2018-12-18 2019-05-17 深圳壹账通智能科技有限公司 风险控制方法、装置、计算机设备和存储介质
CN109829706A (zh) * 2018-12-15 2019-05-31 深圳壹账通智能科技有限公司 基于人脸识别的转账方法、装置、计算机设备及存储介质
CN110276616A (zh) * 2019-06-24 2019-09-24 广州织点智能科技有限公司 语音支付方法、装置、设备和存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106682885A (zh) * 2017-02-28 2017-05-17 深圳市国华识别科技开发有限公司 基于ar技术的支付方法与系统
CN108124488A (zh) * 2017-12-12 2018-06-05 福建联迪商用设备有限公司 一种基于人脸和声纹的支付认证方法及终端
CN109214820A (zh) * 2018-07-06 2019-01-15 厦门快商通信息技术有限公司 一种基于音视频结合的商户收款系统及方法
CN109359982A (zh) * 2018-09-02 2019-02-19 珠海横琴现联盛科技发展有限公司 结合人脸与声纹识别的支付信息确认方法
CN109636401A (zh) * 2018-11-30 2019-04-16 上海爱优威软件开发有限公司 一种基于用户微表情的支付方法及系统
CN109829706A (zh) * 2018-12-15 2019-05-31 深圳壹账通智能科技有限公司 基于人脸识别的转账方法、装置、计算机设备及存储介质
CN109766772A (zh) * 2018-12-18 2019-05-17 深圳壹账通智能科技有限公司 风险控制方法、装置、计算机设备和存储介质
CN110276616A (zh) * 2019-06-24 2019-09-24 广州织点智能科技有限公司 语音支付方法、装置、设备和存储介质

Similar Documents

Publication Publication Date Title
CN107977776B (zh) 信息处理方法、装置、服务器及计算机可读存储介质
CN106302330B (zh) 身份验证方法、装置和系统
CN106790054A (zh) 基于人脸识别和声纹识别的交互式认证系统及方法
CN106961418A (zh) 身份认证方法和身份认证系统
CN104598796A (zh) 身份识别方法及系统
CN111160928A (zh) 一种验证身份的方法及装置
CN112201245B (zh) 信息处理方法、装置、设备及存储介质
CN112434501A (zh) 工单智能生成的方法、装置、电子设备及介质
CN113873088B (zh) 语音通话的交互方法、装置、计算机设备和存储介质
CN111553706A (zh) 一种刷脸支付方法、装置及设备
CN111736940A (zh) 智能柜台的业务界面展示方法及装置
CN111932231A (zh) 进行转账处理的方法及装置
CN109067767B (zh) 一种人脸识别认证方法及系统
CN109377577A (zh) 一种基于人脸识别的考勤方法、系统及存储装置
CN116319071B (zh) 一种声纹密码认证方法及系统
CN111090846B (zh) 登录认证方法、装置、电子设备及计算机可读存储介质
CN111861495A (zh) 转账处理方法及装置
CN110008667B (zh) 一种基于主观偏好数据进行身份验证的方法及装置
CN111612470A (zh) 一种手机银行交易方法及系统
CN114757729A (zh) 交易请求的处理方法、装置、终端设备和存储介质
CN110008812B (zh) 基于虹膜识别的网站登录系统
CN112927062A (zh) 基于语音识别的业务申请处理方法、装置和计算机设备
CN113762969A (zh) 信息处理方法、装置、计算机设备和存储介质
CN113592630A (zh) 基于区块链的信用卡面签方法及装置
CN113052690A (zh) 开户业务办理方法及系统

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