CN111930764A - 基于实时数据处理的风险交易管控方法及装置 - Google Patents

基于实时数据处理的风险交易管控方法及装置 Download PDF

Info

Publication number
CN111930764A
CN111930764A CN202010758174.XA CN202010758174A CN111930764A CN 111930764 A CN111930764 A CN 111930764A CN 202010758174 A CN202010758174 A CN 202010758174A CN 111930764 A CN111930764 A CN 111930764A
Authority
CN
China
Prior art keywords
data
transaction
real
time
risk
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
CN202010758174.XA
Other languages
English (en)
Inventor
谢小威
胡京定
陈如珍
何旺勇
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.)
Yinsheng Payment Service Co Ltd
Original Assignee
Yinsheng Payment Service 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 Yinsheng Payment Service Co Ltd filed Critical Yinsheng Payment Service Co Ltd
Priority to CN202010758174.XA priority Critical patent/CN111930764A/zh
Publication of CN111930764A publication Critical patent/CN111930764A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F16/23—Updating
    • 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • 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
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • 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)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Computer Security & Cryptography (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明提出一种基于实时数据处理的风险交易管控方法，采用实时数据统计的方法对商户号、交易卡号等维度的交易数据进行统计分析。以商户号为例，对商户近一分钟、一小时之内的交易数据进行分析统计，根据分析统计结果，结合央行的交易合规标准，判定商户的交易行为是否存在违规，为业务人员对商户和交易管控提供有效的判别依据，能够让业务人员在最短时间内发现商户的违规行为，并给出相应的管控方案。利用程序对交易信息数据进行实时统计分析，在保证数据统计分析效率和准确性的前提下，提高数据统计分析的时效性，使得业务员人员能在最短时间内对违规商户和交易做出管控。相较于离线数据处理方法，能更进一步降低不合规交易的成功率。

Description

基于实时数据处理的风险交易管控方法及装置
技术领域
本发明涉及网上交易风险管控领域，特别涉及一种基于实时数据处理的风险交易管控方法及装置。
背景技术
在无现金的时代背景下，交易极度依赖刷卡和扫码支付，第三方支付公司的交易流水数量因此呈爆炸式增长。在海量的交易中难免存在商户欺诈、非法套现以及其它不合规的商户和交易行为。对于这种有损公司利益和消费者权益的行为，第三方支付公司有责任和义务进行管控，比如在交易成功之前进行阻断或者对高危商户进行交易预警，以减少消费者和公司的损失。
目前对商户和交易的监控主要通过离校数据统计汇总的方式来实现，数据最短的统计周期是一天，对于交易量大的商户，如果统计分析不及时，可能就会让很多不合规的交易在统计结果出来之前交易成功。由此可见，单位时间内交易量较小的情况下采用离线统计的方式能增大数据分析的样本容量，能提高检测的准确性，离线数据处理虽然能在很大程度上减轻人工检测的负担。但是对于单位时间内交易量大的场景，离线数据处理的方法在时效性方面就很难达到要求，对于商户和交易的监控很难达到预期效果。
发明内容
为了克服现有技术的不足，本发明提供一种基于实时数据处理的风险交易管控方法。
本发明解决其技术问题所采用的技术方案是：
一种基于实时数据处理的风险交易管控方法，包括：
S1、将交易信息数据存储到Oracle的交易信息表中，对交易信息表进行实时监控，实时获取增量的交易信息数据；
S2、利用ogg将交易信息表中的增量数据实时地复制到Kafka的消息队列中；
S3、读取broker中的数据，并对获取的数据进行组装和统计，将统计后的数据存储到MongoDB中，并为每条数据增加一个last_up_time字段，用于存放该数据存储到MongoDB的时间；
S4、对mongo DB定时扫描，根据last_up_time查询得到增量的数据，将增量数据实时同步到Aerospike数据库中；
S5、将带着封装后的交易数据实时经过风控引擎，风控引擎会调用Aerospike中的JSON数据进行分析，以实现交易的自动风险管控。
进一步地，在所述步骤S3中，通过实时的ETL程序或者Spark程序，从Kafka的broker中读取数据。
进一步地，在所述步骤S3中，对获取的数据根据业务场景进行组装和统计。
进一步地，在所述步骤S3中，统计后的存储数据为JSON格式。
进一步地，在所述步骤S4中，通过Spring Boot程序对mongo DB进行定时扫描。
进一步地，在所述步骤S4中，对mongo DB定时扫描的扫描间隔设定为秒级。
进一步地，在所述步骤S5中，所述的风控引擎内设置有风险管理规则，风控引擎对数据分析时，判断是否触发风险管理规则。
进一步地，在所述步骤S5中，所述风险管控包括预警以及阻断交易的措施。
本发明还公开了一种基于实时数据处理的风险交易管控装置，包括：
存储模块，用于将交易信息数据存储到Oracle的交易信息表中；
复制模块，用于利用ogg将交易信息表中的增量数据实时地复制到Kafka的消息队列中；
统计模块，用于从Kafka的broker中读取数据，并对获取的数据根据业务场景进行组装和统计；
扫描模块，用于通过Spring Boot程序，对mongo DB定时扫描；
判断模块，用于判断当前这笔交易是否有触发风控专员定制的风险管理规则。
进一步地，所述对mongo DB定时扫描的扫描间隔设定为秒级。
本发明的有益效果是：本发明提出一种基于实时数据处理的风险交易管控方法及装置，采用实时数据统计的方法对商户号、交易卡号等维度的交易数据进行统计分析。利用程序对交易信息数据进行实时统计分析，在保证数据统计分析效率和准确性的前提下，提高数据统计分析的时效性，使得业务员人员能在最短时间内对违规商户和交易做出管控。相较于离线数据处理方法，能更进一步降低不合规交易的成功率。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明一种基于实时数据处理的风险交易管控方法的业务流程图；
图2是本发明一种基于实时数据处理的风险交易管控装置的模块组成图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。另外，专利中涉及到的所有联接/连接关系，并非单指构件直接相接，而是指可根据具体实施情况，通过添加或减少联接辅件，来组成更优的联接结构。本发明创造中的各个技术特征，在不互相矛盾冲突的前提下可以交互组合。
参照图1，本发明解决其技术问题所采用的技术方案是：
一种基于实时数据处理的风险交易管控方法，包括：
S1、将交易信息数据存储到Oracle的交易信息表中，对交易信息表进行实时监控，实时获取增量的交易信息数据；
S2、利用ogg将交易信息表中的增量数据实时地复制到Kafka的消息队列中；
S3、读取broker中的数据，并对获取的数据进行组装和统计，将统计后的数据存储到MongoDB中，并为每条数据增加一个last_up_time字段，用于存放该数据存储到MongoDB的时间；
S4、对mongo DB定时扫描，根据last_up_time查询得到增量的数据，将增量数据实时同步到Aerospike数据库中；
S5、将带着封装后的交易数据实时经过风控引擎，风控引擎会调用Aerospike中的JSON数据进行分析，以实现交易的自动风险管控。
进一步地，在所述步骤S3中，通过实时的ETL程序或者Spark程序，从Kafka的broker中读取数据。
进一步地，在所述步骤S3中，对获取的数据根据业务场景进行组装和统计。
进一步地，在所述步骤S3中，统计后的存储数据为JSON格式。
进一步地，在所述步骤S4中，通过Spring Boot程序对mongo DB进行定时扫描。
进一步地，在所述步骤S4中，对mongo DB定时扫描的扫描间隔设定为秒级。
进一步地，在所述步骤S5中，所述的风控引擎内设置有风险管理规则，风控引擎对数据分析时，判断是否触发风险管理规则。
进一步地，在所述步骤S5中，所述风险管控包括预警以及阻断交易的措施。
本发明提出一种基于实时数据处理的风险交易管控方法，采用实时数据统计的方法对商户号、交易卡号等维度的交易数据进行统计分析。以商户号为例，对商户近一分钟、一小时之内的交易数据进行分析统计，根据分析统计结果，结合央行的交易合规标准，判定商户的交易行为是否存在违规，为业务人员对商户和交易管控提供有效的判别依据，能够让业务人员在最短时间内发现商户的违规行为，并给出相应的管控方案。
参照图2，本发明还公开了一种基于实时数据处理的风险交易管控装置，包括：
存储模块101，用于将交易信息数据会存储到Oracle的交易信息表中；
复制模块102，用于利用ogg将交易信息表中的增量数据实时地复制到Kafka的消息队列中；
统计模块103，用于从Kafka的broker中读取数据，并对获取的数据根据业务场景进行组装和统计；
扫描模块104，用于通过Spring Boot程序，对mongo DB定时扫描；
判断模块105，用于判断当前这笔交易是否有触发风控专员定制的风险管理规则。
进一步地，所述对mongo DB定时扫描的扫描间隔设定为秒级。
本发明的有益效果是：本发明提出一种基于实时数据处理的风险交易管控方法及装置，采用实时数据统计的方法对商户号、交易卡号等维度的交易数据进行统计分析。利用程序对交易信息数据进行实时统计分析，在保证数据统计分析效率和准确性的前提下，提高数据统计分析的时效性，使得业务员人员能在最短时间内对违规商户和交易做出管控。相较于离线数据处理方法，能更进一步降低不合规交易的成功率。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种基于实时数据处理的风险交易管控方法，其特征在于，包括：
S1、将交易信息数据存储到Oracle的交易信息表中，对交易信息表进行实时监控，实时获取增量的交易信息数据；
S2、利用ogg将交易信息表中的增量数据实时地复制到Kafka的消息队列中；
S3、读取broker中的数据，并对获取的数据进行组装和统计，将统计后的数据存储到MongoDB中，并为每条数据增加一个last_up_time字段，用于存放该数据存储到MongoDB的时间；
S4、对mongo DB定时扫描，根据last_up_time查询得到增量的数据，将增量数据实时同步到Aerospike数据库中；
S5、将带着封装后的交易数据实时经过风控引擎，风控引擎会调用Aerospike中的JSON数据进行分析，以实现交易的自动风险管控。
2.根据权利要求1所述的一种基于实时数据处理的风险交易管控方法，其特征在于：
在所述步骤S3中，通过实时的ETL程序或者Spark程序，从Kafka的broker中读取数据。
3.根据权利要求1所述的一种基于实时数据处理的风险交易管控方法，其特征在于：
在所述步骤S3中，对获取的数据根据业务场景进行组装和统计。
4.根据权利要求1所述的一种基于实时数据处理的风险交易管控方法，其特征在于：
在所述步骤S3中，统计后的存储数据为JSON格式。
5.根据权利要求1所述的一种基于实时数据处理的风险交易管控方法，其特征在于：
在所述步骤S4中，通过Spring Boot程序对mongo DB进行定时扫描。
6.根据权利要求1所述的一种基于实时数据处理的风险交易管控方法，其特征在于：
在所述步骤S4中，对mongo DB定时扫描的扫描间隔设定为秒级。
7.根据权利要求1所述的一种基于实时数据处理的风险交易管控方法，其特征在于：
在所述步骤S5中，所述的风控引擎内设置有风险管理规则，风控引擎对数据分析时，判断是否触发风险管理规则。
8.根据权利要求1所述的一种基于实时数据处理的风险交易管控方法，其特征在于：
在所述步骤S5中，所述风险管控包括预警以及阻断交易的措施。
9.一种基于实时数据处理的风险交易管控装置，其特征在于，包括：
存储模块，用于将交易信息数据存储到Oracle的交易信息表中；
复制模块，用于利用ogg将交易信息表中的增量数据实时地复制到Kafka的消息队列中；
统计模块，用于从Kafka的broker中读取数据，并对获取的数据根据业务场景进行组装和统计；
扫描模块，用于通过Spring Boot程序，对mongo DB定时扫描；
判断模块，用于判断当前这笔交易是否有触发风控专员定制的风险管理规则。
10.根据权利要求9所述的一种基于实时数据处理的风险交易管控装置，其特征在于：
所述对mongo DB定时扫描的扫描间隔设定为秒级。
CN202010758174.XA 2020-07-31 2020-07-31 基于实时数据处理的风险交易管控方法及装置 Pending CN111930764A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010758174.XA CN111930764A (zh) 2020-07-31 2020-07-31 基于实时数据处理的风险交易管控方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010758174.XA CN111930764A (zh) 2020-07-31 2020-07-31 基于实时数据处理的风险交易管控方法及装置

Publications (1)

Publication Number Publication Date
CN111930764A true CN111930764A (zh) 2020-11-13

Family

ID=73314946

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010758174.XA Pending CN111930764A (zh) 2020-07-31 2020-07-31 基于实时数据处理的风险交易管控方法及装置

Country Status (1)

Country Link
CN (1) CN111930764A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113961546A (zh) * 2021-10-27 2022-01-21 国网江苏省电力有限公司营销服务中心 一种支持在线分析统计的实时查询库设计方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113961546A (zh) * 2021-10-27 2022-01-21 国网江苏省电力有限公司营销服务中心 一种支持在线分析统计的实时查询库设计方法
CN113961546B (zh) * 2021-10-27 2024-03-22 国网江苏省电力有限公司营销服务中心 一种支持在线分析统计的实时查询库设计方法

Similar Documents

Publication Publication Date Title
US8386381B1 (en) Method and system for detecting, monitoring and addressing data compromises
CN111126828A (zh) 一种基于知识图谱的多层资金异常流向监控方法
CN109509093B (zh) 一种基于主体画像的交易安全控制方法及系统
CA2990854A1 (en) False positive reduction in abnormality detection system models
KR20130095548A (ko) 금융거래패턴분석을 이용한 금융사기 경보 시스템 및 방법
WO2020177478A1 (zh) 一种基于信用的资质信息审核方法、装置及设备
CN107330572B (zh) 风控方法、装置及系统
CN111144697A (zh) 数据处理方法、装置、存储介质及电子设备
CN110675078A (zh) 上市公司风险诊断方法、系统、计算机终端及存储介质
CN109767226A (zh) 基于大数据的可疑交易统计视图生成方法和装置
CN111930764A (zh) 基于实时数据处理的风险交易管控方法及装置
CN110991650A (zh) 训练养卡识别模型、识别养卡行为的方法及装置
CN110750302B (zh) 一种会计用流水线做账方法
CN116843346A (zh) 一种基于云平台的异常订单监控预警方法及系统
WO2017210041A1 (en) System and method for determining subscription information based on payment card transaction data over a payment card network
KR101909138B1 (ko) 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템
CN111930746B (zh) 基于离线数据处理的风险交易管控方法、装置及系统
CASE Credit card fraud detection
CN114638504A (zh) 企业风险评估方法、装置、设备、介质及产品
CN115018645B (zh) 应用于交易系统的保证金安全性评估方法及其模组
Carolina et al. The Best Measurement of Tax Aggressiveness in Predicting Corporate Risk
Kang Fraud Detection in Mobile Money Transactions Using Machine Learning
KR102440037B1 (ko) 고객 응대 통합 관리 방법 및 이를 실행하는 서버
CN115455090A (zh) 生成统计报表的方法、装置、电子设备及存储介质
CN112465510B (zh) 线上交易恶意拆单识别方法及系统

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