CN111932262A - 识别关于消费凭证的交易风险的方法、计算设备和介质 - Google Patents
识别关于消费凭证的交易风险的方法、计算设备和介质 Download PDFInfo
- Publication number
- CN111932262A CN111932262A CN202011029538.7A CN202011029538A CN111932262A CN 111932262 A CN111932262 A CN 111932262A CN 202011029538 A CN202011029538 A CN 202011029538A CN 111932262 A CN111932262 A CN 111932262A
- Authority
- CN
- China
- Prior art keywords
- risk
- information
- user account
- transaction
- user
- 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.)
- Granted
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
- G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Security & Cryptography (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本公开涉及一种用于识别关于消费凭证的交易风险的方法、计算设备和存储介质。该方法包括:获取当前交易的交易上下文;响应于确认用户标识信息和用户账户中的至少一个属于从管理设备的缓存处获取的预定风险标识集合,获取与用户账户相关联的风险标识;否则,获取并聚类在第一预定时间间隔内针对用户账号的历史操作信息,以提取账户注册信息、与关联对象的消费凭证进行绑定的绑定信息中的至少一项;响应于确认至少一项预定条件满足,将用户账号与风险标识相关联并且加入至预定风险标识集合;基于风险标识所指示的风险等级,针对当前交易进行风险管控操作。本公开能够有效识别交易风险同时保证用户使用便捷性。
Description
技术领域
本公开总体上涉及交易安全技术,具体地,涉及用于识别关于消费凭证的交易风险的方法、计算设备和计算机可读存储介质。
背景技术
随着互联网技术的发展,人们不仅可以通过互联网购买商品,而且可以通过互联网平台来管理企业或者公司福利发放。例如,企业或者公司可以为员工发放消费卡(消费凭证),以用于员工自主选择适合自己的福利产品(例如:电影、商品、旅游、商品、购买保险等产品或者服务),由此,来满足员工关于福利产品的个性化需求和降低企业在福利发放中的人力、物力成本。
不过,传统的用于识别关于消费凭证的交易风险的方法例如是:通过确认账户密码是否通过验证来确认关于消费卡(消费凭证)的交易的合法性。但是,上述传统的用于识别关于消费凭证的交易风险的方法无法甄别当前进行账户注册、绑定消费凭证以及利用消费凭证进行交易的是公司的员工,还是利用消费凭证进行套利操作的黄牛党,因此,无法准确识别黄牛党针对消费凭证的恶意操作,进而给发放消费卡的公司和管理福利发放的互联网平台带来经济损失和交易安全的隐患。而如果参照传统的交易安全及风险管控方法,增加针对使用消费凭证的员工的生物信息认证(例如人脸识别等),虽然能够在一定程度上杜绝黄牛党现象,但是将明显增加管理福利发放的互联网平台在数据采集、存储和计算资源方面的负担,而且也降低了福利发放的便捷性,不利于合法用户的使用体验。事实上,就上述传统的用于识别关于消费凭证的交易风险的方法而言,不论是应用于管理福利发放场景,还是应用于其他场景,均难以在提高用户使用便捷性和用户体验的同时避免黄牛党恶意交易。
综上,传统的用于识别关于消费凭证的交易风险的方法难以同时保证用户的使用便捷性以及识别关于消费凭证的交易风险。
发明内容
本公开提供了一种用于识别关于消费凭证的交易风险的方法、计算设备和计算机可读存储介质,不仅能够有效识别关于消费凭证的交易风险,而且能够同时保证用户使用的便捷性。
根据本公开的第一方面,提供了一种用于识别关于消费凭证的交易风险的方法,该方法包括:在管理设备处,获取当前交易的交易上下文,交易上下文至少指示用户标识信息、用户账户、消费凭证信息;响应于确认用户标识信息和用户账户中的至少一个属于获取自管理设备的缓存处的预定风险标识集合,获取与用户账户相关联的风险标识;响应于确认用户标识信息和用户账户中均不属于预定风险标识集合,获取在第一预定时间间隔内针对用户账号的历史操作信息;对历史操作信息进行聚类,以用于提取历史操作信息中的账户注册信息、与关联对象的消费凭证进行绑定的绑定信息中的至少一项;响应于确认至少一项预定条件满足,将用户账号与风险标识相关联并且将用户账号加入至预定风险标识集合,预定条件包括:用户账号所绑定的消费凭证的关联对象关联有预定标识;用户账号与所绑定的消费凭证的关联对象的预定关联用户集合中的至少一个关联用户相关联,并且针对用户账号的历史操作信息符合预定条件;以及基于关于当前交易的用户账户的风险标识所指示的风险等级,针对当前交易进行风险管控操作。
根据本发明的第二方面,还提供了一种计算设备,该设备包括:一个或多个处理器;以及存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得设备执行本公开的第一方面的方法。
根据本公开的第三方面,还提供了一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现本公开的第一方面的方法。
在一些实施例中,用于识别关于消费凭证的交易风险的方法还包括:响应于确认用户账户存在关联的风险标识,记录针对用户账号的历史操作信息和交易信息;基于所记录的存在关联的风险标识的多个用户账号的历史操作信息和交易信息,生成用于训练风险预测模型的多个样本数据,风险预测模型是基于神经网络模型而构建的;基于多个样本数据,训练风险预测模型,风险预测模型用于提取当前用户针对用户账号的操作信息的特征,以便基于操作信息的特征而预测关于当前用户的风险概率。
在一些实施例中,用于识别关于消费凭证的交易风险的方法还包括:基于至少一项预定条件和经由风险预测模型所预测的风险概率,确定用户账号与风险标识的关联性。
在一些实施例中,响应于确认至少一项预定条件满足将用户账号与风险标识相关联并且将用户账号加入预定风险标识集合包括:响应于确认至少一项预定条件满足,确定用户账号是否属于预定第一账户集合;以及响应于确认用户账号不属于预定第一账户集合,将用户账号与风险标识相关联并且将用户账号加入预定风险标识集合。
在一些实施例中,风险管控操作包括:冻结用户账户、限制当前交易的交易额度、拒绝支付当前交易的交易金额、提高当前交易的交易对象的价格、禁止用户账户与待绑定的消费凭证进行绑定中的至少一项。
在一些实施例中,用于识别关于消费凭证的交易风险的方法还包括:确定风险标识所指示的风险等级,风险等级与风险管控操作相对应。
在一些实施例中,用于识别关于消费凭证的交易风险的方法还包括:基于注册信息,计算在预定第三时间间隔内与用户标识信息相关联的注册频率;基于与关联对象的消费凭证进行绑定的绑定信息,计算在预定第四时间间隔内与用户标识信息相关联的已绑定的消费凭证的数量;响应于确定注册频率大于或者等于预定频率阈值,或者已绑定的消费凭证的数量大于或者等于预定数量阈值,确定至少一项预定条件满足。
在一些实施例中,针对用户账号的历史操作信息满足预定操作条件包括:获取第二预定时间间隔内针对用户账号的历史操作信息; 提取历史操作信息的操作特征;以及响应于确定所提取的操作特征符合预定操作条件,确认针对用户账号的历史操作信息满足预定操作条件。
在一些实施例中,用于识别关于消费凭证的交易风险的方法还包括:获取存在风险标识的所有用户账号、以及关于与用户账号相关联的关联对象信息、消费凭证信息和交易对象信息;分别针对用户账号信息、以及与用户账号相关联的关联对象信息、消费凭证信息和交易对象信息进行聚类;基于经聚类的用户账号信息、关联对象信息和消费凭证信息,形成风险交易信息;以及响应于确认预定第三时间间隔到达,将风险交易信息发送至与关联对象的计算设备。
提供发明内容部分是为了以简化的形式来介绍对概念的选择,它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或主要特征,也无意限制本公开的范围。
附图说明
图1示出了根据本公开的实施例的用于实施识别关于消费凭证的交易风险的方法的系统的示意图。
图2示出了根据本公开的实施例的用于识别关于消费凭证的交易风险的方法的流程图。
图3示意性示出了根据本公开的实施例的用于预测关于当前用户的风险概率的方法的流程图。
图4示出了根据本公开的实施例的用于更新预定风险标识集合的方法的流程图。
图5示出了根据本公开的实施例的用于确定预定条件满足的方法的流程图。
图6示出了根据本公开的实施例的用于发送风险信息的方法的流程图。
图7示意性示出了适于用来实现本公开的实施例的电子设备的框图。
在各个附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
在本文中使用的术语“包括”及其变形表示开放性包括,即“包括但不限于”。除非特别申明,术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。
如前文所描述,在传统的识别关于消费凭证的交易风险的方法中,通过确认账户密码是否通过验证来确认关于消费凭证的交易的合法性,其无法甄别进行当前操作的是公司的员工,还是利用消费凭证进行套利操作的黄牛党,因此,无法识别黄牛党针对消费凭证的恶意操作。而如果增加针对员工的生物信息认证以提高交易的安全性,将明显增加管理平台的在数据采集、存储和计算资源方面的负担,而且也明显降低了合法用户的使用体验。因此,传统的识别关于消费凭证的交易风险的方法存在难以同时兼顾提高用户使用的便捷性和避免黄牛党恶意交易的不足之处。
为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个,本公开的示例实施例提出了一种用于识别关于消费凭证的交易风险的方法。该方案包括:在管理设备处,获取当前交易的交易上下文,交易上下文至少指示用户标识信息、用户账户、消费凭证信息;响应于确认用户标识信息和用户账户中的至少一个属于获取自管理设备的缓存处的预定风险标识集合,获取与用户账户相关联的风险标识;响应于确认用户标识信息和用户账户中均不属于预定风险标识集合,获取在第一预定时间间隔内针对用户账号的历史操作信息;对历史操作信息进行聚类,以用于提取历史操作信息中的账户注册信息、与关联对象的消费凭证进行绑定的绑定信息中的至少一项;响应于确认至少一项预定条件满足,将用户账号与风险标识相关联并且将用户账号加入至预定风险标识集合,预定条件包括:用户账号所绑定的消费凭证的关联对象关联有预定标识;用户账号与所绑定的消费凭证的关联对象的预定关联用户集合中的至少一个关联用户相关联,并且针对用户账号的历史操作信息符合预定条件。
在上述方案中,本公开通过管理设备从缓存中获取预定风险标识集合,并确认在当前交易上下文中所提取的用户标识信息和用户账户中是否属于该预定风险标识集合,本公开能够快速识别已在册的风险用户(例如黄牛党)的账户;并且,本公开通过在确认当前交易的用户标识信息和用户账户中均不属于预定风险标识集合时,获取并聚类在第一预定时间间隔内针对用户账号的历史操作信息,以及基于经聚类的历史操作信息中提取账户注册信息、绑定信息,并在确认预定条件满足时,使用户账号与风险标识相关联并且更新预定风险标识集合,以及基于风险标识所指示的风险等级来针对当前交易进行风险管控操作。因而,本公开能够基于当前交易的关联账户的历史操作信息有效识别未记录在册的风险用户,并基于识别结果更新预定风险标识集合和对于当前交易进行与风险等级相匹配的风险管控操作。而无需针对一般的用户账号的操作再增加额外的认证或者鉴权的环节,因此,本公开的方法对于一般用户的正常交易操作是无感的。因而,本公开不仅能够有效识别关于消费凭证的交易风险,而且能够同时保证用户使用的便捷性。
图1示出了根据本公开的实施例的用于实施用于识别关于消费凭证的交易风险的方法的系统100的示意图。如图1所示,系统100包括:管理设备110、多个用户终端130、关联对象的服务器140、网络150和数据库160。管理设备110例如至少包括:当前交易上下文获取单元114、预定风险标识集合确定单元116、历史操作信息获取单元118、历史操作信息聚类与提取单元120、预定条件判断单元122、风险标识关联单元124和风险管控操作单元126。
在一些实施例中,当前交易上下文获取单元114、预定风险标识集合确定单元116、历史操作信息获取单元118、历史操作信息聚类与提取单元120、预定条件判断单元122、风险标识关联单元124和风险管控操作单元126可以配置在一个或者多个管理设备110上。管理设备110可以与数据库160进行数据交互,并且管理设备110可以通过有线或者无线的方式(例如网络150)与多个用户终端130、关联对象的服务器140。
关于用户终端130,其用于使得用户经由用户终端130访问管理设备110所提供的关于消费凭证的交易应用服务。用户终端130可以配置有用于访问和进行关于消费凭证的交易的应用程序。用户终端130可以利用该应用程序进行用户账号的注册、绑定与关联对象(例如而不限于是用户所属的公司或者企业)的消费凭证(例如而不限于是消费卡)、以及利用所绑定的消费凭证进行交易(例如而不限于购买商品或者服务)。
关于管理设备110,其用于获取当前交易的交易上下文,以便确认与当前交易相关联的用户标识信息和用户账户是否属于预定风险标识集合;并且在确认不属于预定风险标识集合时,基于所获取的针对用户账号的历史操作信息提取账户注册信息和关于消费凭证的绑定信息,以便在确认满足预定条件时,建立用户账号与风险标识的关联;以及基于关于当前交易的风险标识所指示的风险等级,针对当前交易进行风险管控操作。在一些实施例中,管理设备110例如而不限于是管理多个关联对象(例如多家企业或者公司)福利发放的系统或者平台。管理设备110(计算设备)可以具有一个或多个处理单元,包括诸如GPU、FPGA和ASIC等的专用处理单元以及诸如CPU的通用处理单元。另外,在每个管理设备上也可以运行着一个或多个虚拟机。在一些实施例中,管理设备110可以支持关于消费凭证的兑现与交换、以及基于消费凭证购买商品或者服务的交易。在一些实施例中,管理设备110不仅可以识别关于消费凭证的黄牛党交易风险行为,而且可以识别活动作弊、以及刷量和外挂等非正常交易行为。
关于当前交易上下文获取单元114,其用于获取当前交易的交易上下文,交易上下文至少指示用户标识信息、用户账户、消费凭证信息。
关于预定风险标识集合确定单元116,其用于确认用户标识信息和用户账户中的至少一个是否属于预定风险标识集合,以及如果确认用户标识信息和用户账户中的至少一个属于获取自管理设备的缓存处的预定风险标识集合,获取与用户账户相关联的风险标识。
关于历史操作信息获取单元118,其用于如果确认用户标识信息和用户账户中均不属于预定风险标识集合,获取在第一预定时间间隔内针对用户账号的历史操作信息。
关于历史操作信息聚类与提取单元120,其用于对历史操作信息进行聚类,以用于提取历史操作信息中的账户注册信息、与关联对象的消费凭证进行绑定的绑定信息中的至少一项。
关于预定条件判断单元122,其用于确认至少一项预定条件是否满足。该预定条件例如包括以下至少一项:用户账号所绑定的消费凭证的关联对象关联有预定标识;用户账号与所绑定的消费凭证的关联对象的预定关联用户集合中的至少一个关联用户相关联,并且针对用户账号的历史操作信息符合预定条件。
关于风险标识关联单元124,其用于确认至少一项预定条件满足时,将用户账号与风险标识相关联并且将用户账号加入至预定风险标识集合。
关于风险管控操作单元126,其用于基于关于当前交易的用户账户的风险标识所指示的风险等级,针对当前交易进行风险管控操作。
图2示出了根据本公开的实施例的用于识别关于消费凭证的交易风险的方法200的流程图。应当理解,方法200例如可以在图7所描述的电子设备700处执行。也可以在图1所描述的管理设备110处执行。应当理解,方法200还可以包括未示出的附加动作和/或可以省略所示出的动作,本公开的范围在此方面不受限制。
在步骤202处,管理设备110获取当前交易的交易上下文,交易上下文至少指示用户标识信息、用户账户、消费凭证信息。在一些实施例中,交易上下文还包括当前交易所涉及的交易对象(例如商品或者服务)、交易金额、积分和卡券信息等。
关于用户标识信息,其例如而不限于包括:用户终端的标识(例如用户的移动设备的号码)、用户用于登录用户账号的网络地址、或者用户的身份标识信息。该用户标识信息例如是用户在注册用户账号时输入的、或者是用户在进行当前交易时所输入的。
在步骤204处,管理设备110确认用户标识信息和用户账户中的至少一个是否属于预定风险标识集合。
在步骤206处,如果管理设备110确认用户标识信息和用户账户中的至少一个属于获取自管理设备的缓存处的预定风险标识集合,获取与用户账户相关联的风险标识。然后,跳转至步骤216。本公开通过将预定风险标识集合预先加载在管理设备110的缓存,无需实时从数据库获取预定风险标识集合,有利于提高识别风险交易的快速性,特别是对于高并发、海量的交易数据,能够显著地提高识别风险交易的效率。
在步骤208处,如果管理设备110确认用户标识信息和用户账户中均不属于预定风险标识集合,获取在第一预定时间间隔内针对用户账号的历史操作信息。
关于第一预定时间间隔,其例如是近一个月、近半年或者近一年等预先设定的时间间隔。
关于针对用户账号的历史操作信息,其例如是当前交易的关联用户(在第一预定时间间隔内)针对用户账户进行的注册、登录、绑定消费凭证、下单、支付等历史操作。
在步骤210处,对历史操作信息进行聚类,以用于提取历史操作信息中的账户注册信息、与关联对象的消费凭证进行绑定的绑定信息中的至少一项。用户某一时刻的操作行为数据可能是很稀疏的,如果基于该时刻的操作数据来识别交易风险,容易遗漏或者错误识别风险交易。本公开通过获取第一预定时间间隔内的针对当前用户账号的历史操作数据,以及对该历史操作数据进行聚类,有利于准确发现风险交易行为的行为特征。另外,针对用户账号的历史操作信息可能涉及多种数据,本公开主要提取账户注册信息、与关联对象的消费凭证的绑定信息,其原因主要在于:研究表明,账户注册信息和绑定信息为发生黄牛方式的风险交易的高风控点。主要提取账户注册信息和绑定信息用于后续风险判断,有利于提高识别风险交易的快速性。
在步骤212处,管理设备110确认是否至少一项预定条件满足。如果管理设备110确认没有一项预定条件满足,则例如跳转至步骤218,以执行当前交易。
关于预定条件,其例如包括用户账号所绑定的消费凭证的关联对象关联有预定标识。例如,如果消费卡的关联企业关联有风险标签,则管理设备110确定预定条件满足。预定条件例如还包括用户账号与所绑定的消费凭证的关联对象的预定关联用户集合(例如是预定职工名单)中的至少一个关联用户(例如至少一个职工)相关联,并且针对用户账号的历史操作信息符合预定条件。例如,如果当前用户的手机号与关联企业的职工名单中至少一个职工相关联,并且基于当前用户针对用户账号的历史操作信息所提取的操作特征与黄牛用户的操作特征相匹配,则管理设备110确定预定条件满足。
关于针对用户账号的历史操作信息满足预定操作条件,其例如包括:管理设备110获取第二预定时间间隔内针对用户账号的历史操作信息;提取历史操作信息的操作特征;以及响应于确定所提取的操作特征符合预定操作条件,确认针对用户账号的历史操作信息满足预定操作条件。例如,如果当前用户针对用户账户的账户注册信息和绑定信息表明,其注册完用户账户后在预定时间内迅速绑定超过的预定阈值的消费凭证,则管理设备110确认针对用户账号的历史操作信息满足预定操作条件。
在步骤214处,如果管理设备110确认至少一项预定条件满足,将用户账号与风险标识相关联并且将用户账号加入预定风险标识集合。
在步骤216处,管理设备110基于关于当前交易的用户账户的风险标识所指示的风险等级,针对当前交易进行风险管控操作。
在一些实施例中,在步骤216之前还包括:确定风险标识所指示的风险等级,风险等级与风险管控操作相对应。
关于风险等级的确定方式,其例如包括:管理设备110基于风险交易的恶意程度来确定风险标识所指示的风险等级。例如,如果管理设备110确定存在风险标识的用户账号所绑定的消费凭证大于或者等于预定数目阈值,则生成用于禁止绑定新的消费凭证的风险等级。如果管理设备110确定存在风险标识的用户账号交易的金额大于或者等于预定金额阈值,则生成用于提高交易对象价格的风险等级。如果管理设备110确定存在风险标识的用户标识信息所注册的用户账户数量大于或者等于预定账户数量阈值,则生成用于禁止与用户标识信息相关联的登录操作的风险等级。预定账户数量阈值例如而不限于是数千个。
关于风险管控操作,其例如包括:冻结用户账户、限制当前交易的交易额度、拒绝支付当前交易的交易金额、提高当前交易的交易对象的价格、禁止用户账户与待绑定的消费凭证进行绑定中的至少一项。关于禁止用户账户与待绑定的消费凭证进行绑定这一风险管控操作,其例如是禁止存在风险标识的用户账户在未来预定时间间隔内绑定新的消费凭证。
在上述方案中,本公开通过管理设备从缓存中获取预定风险标识集合,并确认在当前交易上下文中所提取的用户标识信息和用户账户中是否属于该预定风险标识集合,本公开能够快速识别已在册的风险用户(例如黄牛党)的账户;并且,本公开通过在确认当前交易的用户标识信息和用户账户中均不属于预定风险标识集合时,获取并聚类在第一预定时间间隔内针对用户账号的历史操作信息,以及基于经聚类的历史操作信息中提取账户注册信息、绑定信息,并在确认预定条件满足时,使用户账号与风险标识相关联并且更新预定风险标识集合,以及基于风险标识所指示的风险等级来针对当前交易进行风险管控操作。因而,本公开能够基于当前交易的关联账户的历史操作信息有效识别未记录在册的风险用户,并基于识别结果更新预定风险标识集合和对于当前交易进行与风险等级相匹配的风险管控操作。而无需针对一般的用户账号的操作再增加额外的认证或者鉴权的环节,因此,本公开的方法对于一般用户的正常交易操作是无感的。因而,本公开不仅能够有效识别关于消费凭证的交易风险,而且能够同时保证用户使用的便捷性。
图3示意性示出了根据本公开的实施例的用于预测关于当前用户的风险概率的方法300的流程图。应当理解,方法300例如可以在图7所描述的电子设备700处执行。也可以在图1所描述的管理设备110处执行。
在步骤302处,管理设备110确认用户账户是否存在关联的风险标识。
在步骤304处,如果管理设备110确认用户账户存在关联的风险标识,记录针对用户账号的历史操作信息和交易信息。
在步骤306处,管理设备110基于所记录的、存在关联的风险标识的多个用户账号的历史操作信息和交易信息,生成用于训练风险预测模型的多个样本数据,风险预测模型是基于神经网络模型而构建的。上述所记录的历史操作信息和交易信息能够反映黄牛用户的风险交易的行为偏好或者行为特征。
在步骤308处,管理设备110基于多个样本数据,训练风险预测模型,风险预测模型用于提取当前用户针对用户账号的操作信息的特征,以便基于操作信息的特征而预测关于当前用户的风险概率。
关于风险预测模型的输入数据,其例如包括预定时间间隔内的关于存在风险标识的用户账户的操作行为特征、交易对象特征和关联对象特征和消费凭证特征。操作行为特征例如至少包括风险用户针对用户账户的注册特征、登录特征、绑卡特征、下单操作特征、交易金额特征。交易对象特征例如包括针对多个交易对象的购买特征、交易对象的价格特征。关联对象特征例如是与风险用户账号关联的关联对象标识特征、关联对象数量特征。交易对象特征例如是与风险用户账号相关联的交易对象的标识特征、交易对象类别特征、交易对象数量特征和价格特征。由于风险预测模型的输入数据非常稀疏并且庞大,如果直接将所获取的数据输入至用于预测当前用户的风险概率的风险预测模型的模型中,将难以有足够数据去训练参数很多的网络。因此,可以增加嵌入层,用以降低纬度输入数据的维度。
关于生成输入数据的方式,其例如包括:管理设备110基于所记录的、存在关联风险标识的多个用户账号的历史操作信息和交易信息,提取用户账户的操作行为信息、交易对象信息和关联对象信息和消费凭证信息,以便分别生成操作行为特征、交易对象特征和关联对象特征和消费凭证特征。然后将上述特征分别进行归一化处理。再将经由归一化处理的操作行为特征、交易对象特征和关联对象特征和消费凭证特征进行拼接,以便生成风险预测模型的输入特征。
关于风险预测模型,其例如是基于DeepFM模型构建。DeepFM模型主要包括:稀疏特征层、稠密嵌入层、FM部分和Deep部分和输出层。在一些实施例中,风险预测模型还可以基于SVM、深度置信神经网络(Depp Belief Networks,DBN)进行构建。例如,DBNs的核心组件就是RBM(限制玻尔兹曼机),其含有一层随机隐藏单元和一层随机可见单元。在一些实施例中,特别是用于识别交易风险的方法或者程序上线之初,带有风险标识的用户账户的操作数据可能存在不足,因此可能导致样本数据不足,以及提取的特征有限。以至于导致缺乏大量的、高质量的样本数据训练风险预测模型。如果基于DBN算法构建风险预测模型,则可以使用有限的数据进行训练,通过多层神经网络(RBM)的迭代进行多维度、多层次的机器学习,进而快速增加学习所得到的特征数量。
关于风险预测模型的输出数据,其例如是所预测的关于当前用户的风险概率。
在步骤310处,管理设备110基于至少一项预定条件和经由风险预测模型所预测的风险概率,确定用户账号与风险标识的关联性。
在上述方案中,通过基于将存在风险标识的所有用户账户的历史操作信息和交易信息形成多个用于指示黄牛党操作行为特点的样本,以及基于经由多样本训练的风险预测模型来预测关于当前交易的风险概率,本公开可以识别关于消费凭证的非典型性风险交易。另外,本公开通过综合预定条件和经由风险预测模型所预测的风险概率这两种识别手段来确定用户账号是否存在风险,能够实现基于规则引擎的识别结果与基于预测模型的预测结果的相互校验,因此能够更为全面和准确地识别关于消费凭证的风险交易。
图4示出了根据本公开的实施例的用于更新预定风险标识集合的方法400的流程图。应当理解,方法400例如可以在图7所描述的电子设备700处执行。也可以在图1所描述的管理设备110处执行。
在步骤402处,管理设备110确认是否至少一项预定条件满足。
在步骤404处,如果管理设备110确认至少一项预定条件满足,确定用户账号是否属于预定第一账户集合。
在步骤406处,如果管理设备110确认用户账号不属于预定第一账户集合,将用户账号与风险标识相关联并且将用户账号加入预定风险标识集合。
在步骤408处,如果管理设备110确认用户账号属于预定第一账户集合,不将用户账号与风险标识相关联。
由此,本公开可以避免一些特殊用户针对消费凭证的管理操作被错误识别成的风险交易。例如,避免管理福利发放的系统的管理人员在协助公司配置员工的消费凭证时被错误地识别为风险交易用户。
图5示出了根据本公开的实施例的用于确定预定条件满足的方法500的流程图。应当理解,方法500例如可以在图7所描述的电子设备700处执行。也可以在图1所描述的管理设备110处执行。
在步骤502处,管理设备110基于注册信息,计算在预定第三时间间隔内与用户标识信息相关联的注册频率。
在步骤504处,管理设备110基于与关联对象的消费凭证进行绑定的绑定信息,计算在预定第四时间间隔内与用户标识信息相关联的已绑定的消费凭证的数量。
在步骤506处,管理设备110确定注册频率是否大于或者等于预定频率阈值,或者已绑定的消费凭证的数量是否大于或者等于预定数量阈值。
在步骤508处,如果管理设备110确定注册频率大于或者等于预定频率阈值,或者已绑定的消费凭证的数量大于或者等于预定数量阈值,确定至少一项预定条件满足。
由此,本公开可以自动识别多种关于消费凭证的风险交易。
图6示出了根据本公开的实施例的用于发送风险信息的方法600的流程图。应当理解,方法600例如可以在图7所描述的电子设备700处执行。也可以在图1所描述的管理设备110处执行。
在步骤602处,管理设备110获取存在风险标识的所有用户账号、以及关于与用户账号相关联的关联对象信息、消费凭证信息和交易对象信息;
在步骤604处,管理设备110分别针对用户账号信息、以及与用户账号相关联的关联对象信息、消费凭证信息和交易对象信息进行聚类。
在步骤606处,管理设备110基于经聚类的用户账号信息、关联对象信息和消费凭证信息,形成风险交易信息。
在步骤608处,管理设备110确认预定第三时间间隔是否到达。
在步骤610处,如果管理设备110确认预定第三时间间隔到达,将风险交易信息发送至与关联对象的计算设备。由此,可以识别哪些公司的哪些消费卡容易被用作恶意交易,可以将相关信息反馈至相关公司以便进行风险提示。
在步骤612处,管理设备110基于经聚类的交易对象信息,更新交易对象的价格。例如,通过识别风险交易通常涉及哪些类型的商品和服务,可以识别哪些商品的价格可能毛利过低,以至于吸引黄牛进行恶意交易。
由此,本公开可以将与风险交易相关联的账户、关联对象和消费凭证信息提供至关联的企业和公司,以利于避免因关联对象或者其关联用户原因而导致的风险交易。
在一些实施例中,管理设备110将存在风险标识的、经聚类的用户账号信息、关联对象信息、消费凭证信息和交易对象信息,生成风险交易信息列表,并提供一些用于内部业务系统或者后台管理系统的针对风险交易信息列表的用户查询接口。
图7示意性示出了适于用来实现本公开实施例的电子设备(或者计算设备)700的框图。设备700可以是用于实现执行图2至图6所示的方法200至600的设备。如图7所示,设备700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的计算机程序指令或者从存储单元708加载到随机存取存储器(RAM)703中的计算机程序指令,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。CPU701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706、输出单元707、存储单元708,处理单元701执行上文所描述的各个方法和处理,例如执行方法200至600。例如,在一些实施例中,方法200至600可被实现为计算机软件程序,其被存储于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由CPU 701执行时,可以执行上文描述的方法200至600的一个或多个操作。备选地,在其他实施例中,CPU701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200至600的一个或多个动作。
需要进一步说明的是,本公开可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于执行本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,该编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给语音交互装置中的处理器、通用计算机、专用计算机或其它可编程数据处理装置的处理单元,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的设备、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,该模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
以上仅为本公开的可选实施例,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等效替换、改进等,均应包含在本公开的保护范围之内。
Claims (11)
1.一种用于识别关于消费凭证的交易风险的方法,包括:
在管理设备处,获取当前交易的交易上下文,所述交易上下文至少指示用户标识信息、用户账户、消费凭证信息;
响应于确认所述用户标识信息和用户账户中的至少一个属于获取自所述管理设备的缓存处的预定风险标识集合,获取与所述用户账户相关联的风险标识;
响应于确认所述用户标识信息和用户账户中均不属于所述预定风险标识集合,获取在第一预定时间间隔内针对所述用户账号的历史操作信息;
对所述历史操作信息进行聚类,以用于提取所述历史操作信息中的账户注册信息、与关联对象的消费凭证进行绑定的绑定信息中的至少一项;
响应于确认至少一项预定条件满足,将所述用户账号与风险标识相关联并且将所述用户账号加入至所述预定风险标识集合,所述预定条件包括:
所述用户账号所绑定的消费凭证的关联对象关联有预定标识;
所述用户账号与所绑定的消费凭证的关联对象的预定关联用户集合中的至少一个关联用户相关联,并且针对所述用户账号的历史操作信息满足预定操作条件;以及
基于关于所述当前交易的用户账户的风险标识所指示的风险等级,针对所述当前交易进行风险管控操作。
2.根据权利要求1所述的方法,还包括:
响应于确认所述用户账户存在关联的风险标识,记录针对所述用户账号的历史操作信息和交易信息;
基于所记录的、存在关联的风险标识的多个用户账号的历史操作信息和交易信息,生成用于训练风险预测模型的多个样本数据,所述风险预测模型是基于神经网络模型而构建的;以及
基于所述多个样本数据,训练所述风险预测模型,所述风险预测模型用于提取当前用户针对用户账号的操作信息的特征,以便基于所述操作信息的特征而预测关于所述当前用户的风险概率。
3.根据权利要求2所述的方法,还包括:
基于所述至少一项预定条件和经由所述风险预测模型所预测的风险概率,确定所述用户账号与风险标识的关联性。
4.根据权利要求1所述的方法,其中响应于确认至少一项预定条件满足将所述用户账号与风险标识相关联并且将所述用户账号加入至所述预定风险标识集合包括:
响应于确认至少一项预定条件满足,确定所述用户账号是否属于预定第一账户集合;以及
响应于确认所述用户账号不属于预定第一账户集合,将所述用户账号与风险标识相关联并且将所述用户账号加入至所述预定风险标识集合。
5.根据权利要求1所述的方法,其中所述风险管控操作包括:冻结所述用户账户、限制所述当前交易的交易额度、拒绝支付所述当前交易的交易金额、提高所述当前交易的交易对象的价格、禁止所述用户账户与待绑定的消费凭证进行绑定中的至少一项。
6.根据权利要求1所述的方法,还包括:
确定所述风险标识所指示的风险等级,所述风险等级与所述风险管控操作相对应。
7.根据权利要求1所述的方法,还包括:
基于所述注册信息,计算在预定第三时间间隔内与所述用户标识信息相关联的注册频率;
基于与关联对象的消费凭证进行绑定的绑定信息,计算在预定第四时间间隔内与所述用户标识信息相关联的已绑定的消费凭证的数量;以及
响应于确定所述注册频率大于或者等于预定频率阈值,或者所述已绑定的消费凭证的数量大于或者等于预定数量阈值,确定至少一项预定条件满足。
8.根据权利要求1所述的方法,其中针对所述用户账号的历史操作信息满足预定操作条件包括:
获取第二预定时间间隔内针对所述用户账号的历史操作信息;提取所述历史操作信息的操作特征;以及
响应于确定所提取的操作特征符合预定操作条件,确认针对所述用户账号的历史操作信息满足预定操作条件。
9.根据权利要求1所述的方法,还包括:
获取存在风险标识的所有用户账号、以及关于与所述用户账号相关联的关联对象信息、消费凭证信息和交易对象信息;
分别针对所述用户账号信息、以及与所述用户账号相关联的所述关联对象信息、所述消费凭证信息和所述交易对象信息进行聚类;
基于经聚类的所述用户账号信息、所述关联对象信息和所述消费凭证信息,形成风险交易信息;以及
响应于确认预定第三时间间隔到达,将所述风险交易信息发送至与所述关联对象的计算设备。
10.一种计算设备,包括:
一个或多个处理器;以及
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一项所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011029538.7A CN111932262B (zh) | 2020-09-27 | 2020-09-27 | 识别关于消费凭证的交易风险的方法、计算设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011029538.7A CN111932262B (zh) | 2020-09-27 | 2020-09-27 | 识别关于消费凭证的交易风险的方法、计算设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111932262A true CN111932262A (zh) | 2020-11-13 |
CN111932262B CN111932262B (zh) | 2021-01-15 |
Family
ID=73333607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011029538.7A Active CN111932262B (zh) | 2020-09-27 | 2020-09-27 | 识别关于消费凭证的交易风险的方法、计算设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111932262B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330332A (zh) * | 2021-01-05 | 2021-02-05 | 南京智闪萤科技有限公司 | 识别关于节点任务的欺诈风险的方法、计算设备和介质 |
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 |
CN112785155A (zh) * | 2021-01-22 | 2021-05-11 | 中信银行股份有限公司 | 一种客户网络特征的标签传播算法的风险识别方法及系统 |
CN112819595A (zh) * | 2021-01-13 | 2021-05-18 | 中国建设银行股份有限公司 | 凭证风险智能处置的方法和装置 |
CN113095805A (zh) * | 2021-04-08 | 2021-07-09 | 中国工商银行股份有限公司 | 对象识别方法、装置、计算机系统及可读存储介质 |
CN113837800A (zh) * | 2021-09-23 | 2021-12-24 | 中国银联股份有限公司 | 一种交易处理方法及装置 |
CN117035782A (zh) * | 2023-07-28 | 2023-11-10 | 广州盈风网络科技有限公司 | 一种充值风险控制方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106899570A (zh) * | 2016-12-14 | 2017-06-27 | 阿里巴巴集团控股有限公司 | 二维码的处理方法、装置及系统 |
CN107147621A (zh) * | 2017-04-20 | 2017-09-08 | 微医集团(浙江)有限公司 | 互联网医疗黄牛风险控制的实现方法 |
-
2020
- 2020-09-27 CN CN202011029538.7A patent/CN111932262B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106899570A (zh) * | 2016-12-14 | 2017-06-27 | 阿里巴巴集团控股有限公司 | 二维码的处理方法、装置及系统 |
CN107147621A (zh) * | 2017-04-20 | 2017-09-08 | 微医集团(浙江)有限公司 | 互联网医疗黄牛风险控制的实现方法 |
Cited By (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 |
CN112330332A (zh) * | 2021-01-05 | 2021-02-05 | 南京智闪萤科技有限公司 | 识别关于节点任务的欺诈风险的方法、计算设备和介质 |
CN112819595A (zh) * | 2021-01-13 | 2021-05-18 | 中国建设银行股份有限公司 | 凭证风险智能处置的方法和装置 |
CN112785155A (zh) * | 2021-01-22 | 2021-05-11 | 中信银行股份有限公司 | 一种客户网络特征的标签传播算法的风险识别方法及系统 |
CN112785155B (zh) * | 2021-01-22 | 2023-04-07 | 中信银行股份有限公司 | 一种客户网络特征的标签传播算法的风险识别方法及系统 |
CN113095805A (zh) * | 2021-04-08 | 2021-07-09 | 中国工商银行股份有限公司 | 对象识别方法、装置、计算机系统及可读存储介质 |
CN113837800A (zh) * | 2021-09-23 | 2021-12-24 | 中国银联股份有限公司 | 一种交易处理方法及装置 |
CN117035782A (zh) * | 2023-07-28 | 2023-11-10 | 广州盈风网络科技有限公司 | 一种充值风险控制方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111932262B (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111932262B (zh) | 识别关于消费凭证的交易风险的方法、计算设备和介质 | |
US10599832B2 (en) | Password check by decomposing password | |
US20200175206A1 (en) | Data processing consent management systems and related methods | |
US11301765B2 (en) | Processing machine learning attributes | |
CN108846752A (zh) | 数据处理方法、系统、区块链平台以及可读存储介质 | |
US20160062972A1 (en) | Methods and systems for facilitating trusted form processing | |
US11756041B2 (en) | Programmatic approvals of corporate spend and employee expense | |
CN111985703B (zh) | 一种用户身份状态预测方法、装置及设备 | |
US11263699B1 (en) | Systems and methods for leveraging remotely captured images | |
US11586700B2 (en) | Data processing systems and methods for automatically blocking the use of tracking tools | |
US20160343101A1 (en) | Customer identity verification | |
US20210406398A1 (en) | Data processing systems for data testing to confirm data deletion and related methods | |
WO2019074446A1 (en) | LOAN REQUEST PROCESSING SYSTEM AND METHOD | |
CN104376452A (zh) | 基于国际卡支付通道管理支付成功率的系统及方法 | |
KR20200008467A (ko) | 사원증 연동 식대 관리 시스템 및 그 방법 | |
CN112330355A (zh) | 消费券交易数据处理方法、装置、设备及存储介质 | |
CN109493212A (zh) | 征信管理方法、装置、电子设备及计算机可读存储介质 | |
US11537668B2 (en) | Using a machine learning system to process a corpus of documents associated with a user to determine a user-specific and/or process-specific consequence index | |
CN113177851A (zh) | 线上保险交易的存证方法、装置、电子设备及存储介质 | |
US20180060379A1 (en) | Automated correlation and deduplication of identities | |
JP6368261B2 (ja) | 認証システム及び認証方法 | |
US10122731B2 (en) | Controlling interactions and generating alerts based on iterative fuzzy searches of a database and comparisons of multiple variables | |
CN110796021B (zh) | 一种应用于自助设备的身份认证方法和装置 | |
KR20200125819A (ko) | 대화형 개인 환경 마일리지 제공 추천 방법 | |
KR20140070910A (ko) | 금융 정보 관리 방법, 이를 실행하는 서버 및 이를 실행하는 시스템 |
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 |