CN113706176A - 一种结合云计算的信息反欺诈处理方法及服务平台系统 - Google Patents

Abstract

本申请涉及云计算和反欺诈技术领域，具体而言，涉及结合云计算的信息反欺诈处理方法及服务平台系统，能够在待进行反欺诈检测的会话事件描述符合第一反欺诈检测条件，且所述用户会话事件描述符合第二反欺诈检测条件下，针对性地确定与反欺诈检测授权信息记录存在联系的检测约束特征，能够实现对用户会话事件描述的针对性识别，进而利用对应的检测约束特征，对用户会话事件描述进行反欺诈检测处理，这样，基于完成校验的检测约束特征对用户会话事件描述进行反欺诈检测处理，能够实现针对性和自适应的反欺诈检测，确保应对不同的反欺诈检测需求，提高反欺诈检测的准确性和可靠性。

Description

一种结合云计算的信息反欺诈处理方法及服务平台系统

技术领域

本申请实施例涉及云计算和反欺诈技术领域，具体涉及一种结合云计算的信息反欺诈处理方法及服务平台系统。

背景技术

反欺诈是对各类诈骗，比如交易诈骗、网络诈骗电话诈骗等欺诈行为进行识别的处理。随着互联网时代的到来，反欺诈是互联网金融乃至其他互联网业务必不可少的一部分。通过反欺诈处理，能够实现对用户数据信息和相关利益的保障。现目前，相关的反欺诈技术包括行为风险识别技术、征信系统技术或者黑名单技术等。然而发明人在实际应用过程中发现，针对云计算架构下的信息反欺诈处理，上述技术存在针对性弱且自适应程度低的技术问题，这样难以确保反欺诈处理的准确性和可靠性。

发明内容

有鉴于此，本申请实施例提供了一种结合云计算的信息反欺诈处理方法及服务平台系统。

本申请实施例提供了一种结合云计算的信息反欺诈处理方法，应用于反欺诈服务平台系统，所述方法至少包括：针对接收到的业务会话流式记录进行解析，以获得用户会话事件描述；以及，针对接收到的反欺诈检测授权信息记录进行解析，以获得待进行反欺诈检测的会话事件描述；在所述待进行反欺诈检测的会话事件描述符合第一反欺诈检测条件且所述用户会话事件描述符合第二反欺诈检测条件的前提下，确定与所述反欺诈检测授权信息记录存在联系的检测约束特征；通过所述检测约束特征，对所述用户会话事件描述中的至少部分会话事件描述进行反欺诈检测处理。

对于一些可独立实施的技术方案而言，所述针对接收到的业务会话流式记录进行解析，以获得用户会话事件描述，包括：在所述业务会话流式记录中，对待解析会话事项所在的流式记录内容进行分割，以获得至少一个局部记录描述；对所述局部记录描述进行解析，以获得所述用户会话事件描述。

对于一些可独立实施的技术方案而言，一组待解析会话事项对应一个局部记录描述，在所述对所述局部记录描述进行解析之前，所述方法还包括：在所述局部记录描述处于特征识别度异常状态的前提下，对所述局部记录描述中的视觉特征信息进行特征识别度优化操作，并将经所述特征识别度优化操作后得到的流式记录作为所述局部记录描述。

对于一些可独立实施的技术方案而言，所述对所述局部记录描述进行解析，以获得所述用户会话事件描述，包括：获取所述局部记录描述所对应的会话事项关键词；在设定业务会话数据集中寻觅与所述会话事项关键词存在配对关系的目标业务会话样本；在寻觅到所述目标业务会话样本的前提下，通过所述目标业务会话样本，对所述局部记录描述中的事件属性记录进行事件属性解析，以获得事件属性解析结果；通过所述事件属性解析结果，以及不同事件属性记录之间的联系情况，以获得所述用户会话事件描述。

对于一些可独立实施的技术方案而言，所述对所述局部记录描述进行解析，以获得所述用户会话事件描述，包括：在没有寻觅到所述目标业务会话样本的前提下，对所述局部记录描述进行事件属性解析，以获得第一会话场景解析结果；通过所述局部记录描述中的显著性区分信息，对所述第一会话场景解析结果进行改进，以获得过渡型解析结果，并将所述过渡型解析结果作为所述用户会话事件描述，或者，向校验线程发送所述局部记录描述和所述过渡型解析结果，以从所述校验线程获取所述用户会话事件描述；或者，在没有寻觅到所述目标业务会话样本的前提下，呈现设定可视化引导，以获取所述局部记录描述对应的会话事项流式记录；确定所述会话事项流式记录的会话事项标签，并在所述设定业务会话数据集中寻觅与所述会话事项标签存在配对关系的业务会话样本，作为所述目标业务会话样本，对所述局部记录描述进行事件属性解析并得到所述用户会话事件描述。

对于一些可独立实施的技术方案而言，所述方法还包括：在未寻觅到与所述会话事项标签存在配对关系的业务会话样本的前提下，通过所述会话事项标签，生成当前业务会话样本；将所述当前业务会话样本，加载至所述设定业务会话数据集。

对于一些可独立实施的技术方案而言，所述针对接收到的反欺诈检测授权信息记录进行解析，以获得待进行反欺诈检测的会话事件描述，包括：对所述反欺诈检测授权信息记录中的视觉型限制信息进行解析，以获得所述视觉型限制信息组合形成的多个授权事件集；对所述授权事件集中的事件属性进行解析，以获得视觉型解析结果；依据存在差异的授权事件集之间的联系情况，对所述存在差异的授权事件集对应的视觉型解析结果中的事件属性之间进行关联，以获得所述待进行反欺诈检测的会话事件描述。

对于一些可独立实施的技术方案而言，所述针对接收到的反欺诈检测授权信息记录进行解析，以获得待进行反欺诈检测的会话事件描述，包括：确定所述反欺诈检测授权信息记录中的授权信息区分性表达；在设定反欺诈主题数据集中，寻觅与所述授权信息区分性表达适配的目标反欺诈主题样本；在寻觅到所述目标反欺诈主题样本的前提下，在所述目标反欺诈主题样本中，确定包括静态描述的范例样本集和与包括动态描述的待解析样本集；通过所述范例样本集和所述待解析样本集，对所述反欺诈检测授权信息记录中的事件属性进行解析，以获得所述待进行反欺诈检测的会话事件描述。

对于一些可独立实施的技术方案而言，所述通过所述范例样本集和所述待解析样本集，对所述反欺诈检测授权信息记录中的事件属性进行解析，以获得所述待进行反欺诈检测的会话事件描述，包括：对所述反欺诈检测授权信息记录中的事件属性进行范围性解析，以获得第二会话场景解析结果；在所述第二会话场景解析结果中，寻觅与每一所述范例样本集存在配对关系的部分解析结果；通过所述部分解析结果，确定与所述部分解析结果对应的范例样本集存在联系的目标待解析样本集；基于每一所述范例样本集与所述目标待解析样本集之间的联系情况，对第二会话场景解析结果中属于所述范例样本集的静态事件属性和属于所述目标待解析样本集的动态描述进行关联，以获得所述待进行反欺诈检测的会话事件描述。

对于一些可独立实施的技术方案而言，所述在设定反欺诈主题数据集中，寻觅与所述授权信息区分性表达适配的目标反欺诈主题样本之后，所述方法还包括：在未寻觅到所述目标反欺诈主题样本的前提下，通过所述授权信息区分性表达，生成实时反欺诈主题样本；通过所述实时反欺诈主题样本，更换所述设定反欺诈主题数据集。

对于一些可独立实施的技术方案而言，所述第一反欺诈检测条件为所述待进行反欺诈检测的会话事件描述包括的核验成功消息的数目等于设定判定值；所述第二反欺诈检测条件为所述用户会话事件描述与所述待进行反欺诈检测的会话事件描述相对应，且所述用户会话事件描述符合目标反欺诈检测指标。

对于一些可独立实施的技术方案而言，在在所述待进行反欺诈检测的会话事件描述符合第一反欺诈检测条件且所述用户会话事件描述符合第二反欺诈检测条件的前提下，确定与所述反欺诈检测授权信息记录存在联系的检测约束特征之前，所述方法还包括：通过所述反欺诈检测授权信息记录的范例样本集中的静态描述，对所述待进行反欺诈检测的会话事件描述进行差异化分析，以获得反欺诈检测关键词集合；在所述用户会话事件描述中，确定每一反欺诈检测关键词对应的待解析会话事项的多样化特征；对于每一反欺诈检测关键词，确定每一所述反欺诈检测关键词对应的待进行反欺诈检测的会话事件描述与每一所述反欺诈检测关键词的多样化特征之间的量化适配程度；在所述量化适配程度不小于所述设定量化适配程度阈值的前提下，确定所述用户会话事件描述与所述待进行反欺诈检测的会话事件描述相对应；在所述用户会话事件描述中，确定属于每一待解析会话事项的独立会话事件描述；确定所述独立会话事件描述中的独立事件描述维度，和/或，确定携带衍生检测指标的目标会话事项种类，和/或，确定所述独立会话事件描述对应的待解析会话事项的区分性内容；在所述独立事件描述维度不大于设定维度边界，和/或，所述目标会话事项种类的衍生内容与所述衍生指标相对应，和/或，在所述区分性内容属于设定业务会话内容集的前提下，确定所述用户会话事件描述符合目标反欺诈检测指标，以确定所述用户会话事件描述符合所述第二反欺诈检测条件。

对于一些可独立实施的技术方案而言，所述在所述待进行反欺诈检测的会话事件描述符合第一反欺诈检测条件且所述用户会话事件描述符合第二反欺诈检测条件的前提下，确定与所述反欺诈检测授权信息记录存在联系的检测约束特征，包括：在所述待进行反欺诈检测的会话事件描述符合第一反欺诈检测条件且所述用户会话事件描述符合第二反欺诈检测条件的前提下，至少确定所述反欺诈检测授权信息记录所指向的检测约束类别和反欺诈检测对象信息；将所述检测约束类别和所述反欺诈检测对象信息，作为所述检测约束特征。

对于一些可独立实施的技术方案而言，所述通过所述检测约束特征，对所述用户会话事件描述中的至少部分会话事件描述进行反欺诈检测处理，包括：在所述业务会话流式记录中，确定每一反欺诈检测关键词的待解析会话事项的全局维度；在所述待进行反欺诈检测的会话事件描述中，确定每一所述反欺诈检测关键词的待反欺诈检测维度；在所述全局维度不大于所述待反欺诈检测维度的前提下，通过所述检测约束特征，对所述每一所述反欺诈检测关键词的待解析会话事项进行反欺诈检测；在所述全局维度大于所述待反欺诈检测维度的前提下，在所述反欺诈检测关键词的待解析会话事项中，确定维度的加权结果不大于所述待反欺诈检测维度的多个备用会话事项；通过所述检测约束特征，对所述多个备用会话事项进行反欺诈检测。

对于一些可独立实施的技术方案而言，所述通过所述检测约束特征，对所述用户会话事件描述进行反欺诈检测处理之后，所述方法还包括：确定所述用户会话事件描述中已完成反欺诈检测的维度；通过所述已完成反欺诈检测的维度，创建并呈现反欺诈检测结果。

本申请实施例还提供了一种反欺诈服务平台系统，包括处理器、通信总线和存储器；所述处理器和所述存储器通过所述通信总线通信，所述处理器从所述存储器中读取计算机程序并运行，以执行上述的方法。

本申请实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。

本申请实施例对于接收到的业务会话流式记录和反欺诈检测授权信息记录，能够智能化地对业务会话流式记录和反欺诈检测授权信息记录进行解析，以获得用户会话事件描述与待进行反欺诈检测的会话事件描述；如此，可以自适应进行业务会话流式记录及反欺诈检测授权信息记录解析，以及分析业务会话之间的联系；进而判断待进行反欺诈检测的会话事件描述是否符合第一反欺诈检测条件，且所述用户会话事件描述是否符合第二反欺诈检测条件，在待进行反欺诈检测的会话事件描述符合第一反欺诈检测条件，且所述用户会话事件描述符合第二反欺诈检测条件下，针对性地确定与反欺诈检测授权信息记录存在联系的检测约束特征，能够实现对用户会话事件描述的针对性识别，进而利用对应的检测约束特征，对用户会话事件描述进行反欺诈检测处理，这样，基于完成校验的检测约束特征对用户会话事件描述进行反欺诈检测处理，能够实现针对性和自适应的反欺诈检测，确保应对不同的反欺诈检测需求，提高反欺诈检测的准确性和可靠性。

在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请实施例所提供的一种反欺诈服务平台系统的方框示意图。

图2为本申请实施例所提供的一种结合云计算的信息反欺诈处理方法的流程图。

图3为本申请实施例所提供的一种结合云计算的信息反欺诈处理装置的框图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本申请的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

图1示出了本申请实施例所提供的一种反欺诈服务平台系统10的方框示意图。本申请实施例中的反欺诈服务平台系统10可以为具有数据存储、传输、处理功能的服务端，如图1所示，反欺诈服务平台系统10包括：存储器11、处理器12、通信总线13和结合云计算的信息反欺诈处理装置20。

存储器11、处理器12和通信总线13之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有结合云计算的信息反欺诈处理装置20，所述结合云计算的信息反欺诈处理装置20包括至少一个可以软件或固件（firmware）的形式储存于所述存储器11中的软件功能模块，所述处理器12通过运行存储在存储器11内的软件程序以及模块，例如本申请实施例中的结合云计算的信息反欺诈处理装置20，从而执行各种功能应用以及数据处理，即实现本申请实施例中的结合云计算的信息反欺诈处理方法。

其中，所述存储器11可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。其中，存储器11用于存储程序，所述处理器12在接收到执行指令后，执行所述程序。

所述处理器12可能是一种集成电路芯片，具有数据的处理能力。上述的处理器12可以是通用处理器，包括中央处理器 (Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等。可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

通信总线13用于通过网络建立反欺诈服务平台系统10与其他通信终端设备之间的通信连接，实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。

可以理解，图1所示的结构仅为示意，反欺诈服务平台系统10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

本申请实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。

图2示出了本申请实施例所提供的一种结合云计算的信息反欺诈处理的流程图。所述方法有关的流程所定义的方法步骤应用于反欺诈服务平台系统10，可以由所述处理器12实现，所述方法包括以下内容。

STEP101，针对接收到的业务会话流式记录进行解析，以获得用户会话事件描述。

在一些可能的实施例中，业务会话流式记录为视觉特征信息包括待解析会话事项的流式记录，例如可以是按照时间先后顺序整理而成的日志记录，其中，待解析会话事项的数目可以是一个、两个或者两个以上等。

对于一些可能的实现方式而言，通过对业务会话流式记录中的每一个待解析会话事项，采用与该会话事项存在配对关系的业务会话样本，进行各个事件属性记录的事件属性（例如事件特征）解析，并同时结合该待解析会话事项中关联事件属性记录之间的联系情况，对事件属性解析结果进行优化处理，从而得到具备显著可视化的用户会话事件描述（例如可以理解为用户会话事件数据）。待解析会话事项中关联事件属性记录之间的联系情况可以理解为，一组会话事项中静态事件属性（固定不变的事件特征）与会话事项中的动态事件属性（动态可变的事件特征）之间的对应关系。如此，针对一组待解析会话事项中关联事件属性记录之间的对应关系，对该会话事项的事件属性解析结果中的事件属性进行关联后输出，即可得到具备显著可视化的用户会话事件描述。在业务会话流式记录中包括多组待解析会话事项的前提下，每一组待解析会话事项均具备显著可视化的事件属性解析结果，这样可以得到完整丰富的用户会话事件描述。

在本申请实施例中，用户会话事件涉及各类数字化业务，包括但不限于支付业务、办公业务、车联网业务、自动化生产业务、智慧教育业务、云游戏业务等。

STEP102，针对接收到的反欺诈检测授权信息记录进行解析，以获得待进行反欺诈检测的会话事件描述。

在一些可能的实施例中，反欺诈检测授权信息记录为视觉特征信息包括待解析反欺诈检测授权信息的流式记录；其中，反欺诈检测授权信息用于进行反欺诈检测的验证结果。反欺诈检测授权信息能够作为反欺诈检测的风向标。例如，反欺诈检测授权信息m1表征所采用的反欺诈检测方式为F1，反欺诈检测授权信息m2表征反欺诈检测的对象为支付业务行为数据等。

对于一些可能的实现方式而言，通过对反欺诈检测授权信息记录中的待解析反欺诈检测授权信息进行事件属性解析，并结合该反欺诈检测授权信息中不同事件属性记录之间的显著性区分关系（例如可以理解为语义关系），对事件属性解析结果进行显著可视化处理，从而使得事件属性解析结果中的事件属性是存在配对关系的，即得到的待进行反欺诈检测的会话事件描述具备显著可视化。

在一个可能的示例中，按照反欺诈检测授权信息记录中的视觉型限制信息将该反欺诈检测授权信息拆解为多个事件属性记录；通过对这多个事件属性记录之间的联系情况进行分析，确定事件属性解析结果中事件属性的输出结果联系，即哪些事件属性与哪些事件属性是关联数据。如此，以获得并输出具备显著可视化的待进行反欺诈检测的会话事件描述，从而提高待进行反欺诈检测的会话事件描述的使用效率。

STEP103，在待进行反欺诈检测的会话事件描述符合第一反欺诈检测条件，且用户会话事件描述符合第二反欺诈检测条件的前提下，确定与反欺诈检测授权信息记录存在联系的检测约束特征。

在一些可能的实施例中，第一反欺诈检测条件为待进行反欺诈检测的会话事件描述包括的核验成功消息的数目等于设定判定值；通过确定所述待进行反欺诈检测的会话事件描述包括的核验成功消息的数目，在响应于所述数目等于设定判定值的前提下，确定所述待进行反欺诈检测的会话事件描述符合所述第一反欺诈检测条件。该设定判定值可以是基于重要的核验角度（不同的验证层面）的数目进行确定的，例如，核验角度中关注点有5个，那么可以将设定判定值设定为5。

基于此，待进行反欺诈检测的会话事件描述符合第一反欺诈检测条件，说明该待进行反欺诈检测的会话事件描述已通过多级核验。通过对业务会话流式记录进行事件属性检测、事件属性解析和对事件属性解析结果进行内容显著可视化之后，输出用户会话事件描述。通过对反欺诈检测授权信息记录进行事件属性检测、事件属性解析和对事件属性解析结果进行内容显著可视化之后，输出待进行反欺诈检测的会话事件描述。判断用户会话事件描述与待进行反欺诈检测的会话事件描述之间的量化适配程度，如果用户会话事件描述与待进行反欺诈检测的会话事件描述相对应，进一步判断用户会话事件描述是否符合目标反欺诈检测指标，例如，是否符合反欺诈检测线程关于反欺诈检测需求的指示。

对于一些可能的实现方式而言，第二反欺诈检测条件为用户会话事件描述与待进行反欺诈检测的会话事件描述相对应，且用户会话事件描述符合目标反欺诈检测指标，可以通过以下过程验证用户会话事件描述是否符合第二反欺诈检测条件，相关内容如下。

第1步，确定用户会话事件描述与待进行反欺诈检测的会话事件描述之间的第一量化适配程度。

在一些可能的实施例中，首先，对待进行反欺诈检测的会话事件描述中的待反欺诈检测事项进行差异化分析（分类）；然后，针对分出的每一差异化分析结果，在用户会话事件描述中，寻觅属于该类（例如分类关键词）的数据，最后，判断用户会话事件描述中该关键词的数据是否与待进行反欺诈检测的会话事件描述中该关键词的数据匹配。因此，量化适配程度可以理解为匹配度。

第2步，响应于第一量化适配程度不小于设定量化适配程度阈值，确定用户会话事件描述与所述待进行反欺诈检测的会话事件描述相对应，并确定用户会话事件描述是否符合目标反欺诈检测指标。

在一些可能的实施例中，针对待进行反欺诈检测的会话事件描述中的每一关键词，皆进行关联度判断，如果每一关键词的用户会话事件描述与待进行反欺诈检测的会话事件描述皆匹配，确定用户会话事件描述与待进行反欺诈检测的会话事件描述相对应。例如，待进行反欺诈检测的会话事件描述中支付类反欺诈检测维度为20，那么在用户会话事件描述中，寻觅属于该支付类的会话事项维度，并确定出支付类会话事项的全局维度；如果支付类会话事项的全局维度不大于20，说明支付类的待进行反欺诈检测的会话事件描述与用户会话事件描述匹配；如果支付类会话事项的全局维度大于20，说明支付类的待进行反欺诈检测的会话事件描述与用户会话事件描述部分匹配。如果在用户会话事件描述中，未寻觅属于该支付类的会话事项，那么则表明待进行反欺诈检测的会话事件描述与用户会话事件描述不匹配。

第3步，响应于用户会话事件描述符合目标反欺诈检测指标，确定用户会话事件描述符合第二反欺诈检测条件。

在一些可能的实施例中，如果用户会话事件描述既与待进行反欺诈检测的会话事件描述匹配，也符合目标限定，确定用户会话事件描述符合第二反欺诈检测条件。如此，通过上述第1步至第3步可以智能化地实现对待解析会话事项的验证。

对于一些可能的实现方式而言，可以通过以下过程实现对待进行反欺诈检测的会话事件描述的验证，即验证待进行反欺诈检测的会话事件描述中是否包括符合一定数据的核验成功消息，即验证该反欺诈检测授权信息是否通过多级核验。如果待进行反欺诈检测的会话事件描述包括设定数目的核验成功消息，确定待进行反欺诈检测的会话事件描述符合第一反欺诈检测条件，即表明该反欺诈检测授权信息通过多级核验。最后，在确定待进行反欺诈检测的会话事件描述符合第一反欺诈检测条件，且所述用户会话事件描述符合第二反欺诈检测条件情况下，确定检测约束特征。与反欺诈检测授权信息记录存在联系的检测约束特征包括，基于该反欺诈检测授权信息记录确定的反欺诈检测请求端信息、该反欺诈检测请求端所指向的业务交互端以及身份安全校验端等用于实现对用户会话事件描述进行反欺诈检测的检测约束信息。目标反欺诈检测指标可以理解为是反欺诈检测线程针对需要反欺诈检测的会话事项设定的条件；例如，单组业务会话的维度、会话事项种类和会话事项时段等；判断待解析会话事项是否符合这些设定的条件，以实现对待解析会话事项的验证。

STEP104，基于检测约束特征，对用户会话事件描述中的至少部分会话事件描述进行反欺诈检测处理。

在一些可能的实施例中，对于一种关键词（一种类别）的反欺诈检测任务，如果用户会话事件描述中属于该关键词的会话事项的全局维度小于等于反欺诈检测授权信息记录中包括的该关键词的待反欺诈检测维度，说明用户会话事件描述中该关键词的会话事项的全局维度未超出反欺诈检测授权信息中的该关键词的维度。例如，如果反欺诈检测授权信息中的支付类的待反欺诈检测维度为20，用户会话事件描述中属于该支付类的会话事项的全局维度为18，那么对用户会话事件描述中的全部待解析会话事项进行反欺诈检测处理。如果反欺诈检测授权信息中的支付类的待反欺诈检测维度为20，用户会话事件描述中属于该支付类的会话事项的全局维度为24，那么在用户会话事件描述中，确定出全局维度为20的支付类会话事项，对这全局维度为20的支付类会话事项进行反欺诈检测，剩余4的支付类会话事项是不进行反欺诈检测的。对于一些可能的实现方式而言，如果是对用户会话事件描述的部分描述信息进行反欺诈检测，那么可以基于剩余描述信息，确定该剩余描述信息的待解析会话事项；并将剩余描述信息的待解析会话事项反馈至反欺诈检测请求侧，以使反欺诈检测请求端取消剩余描述信息的待解析会话事项。

在本申请实施例中，对于接收到的业务会话流式记录和反欺诈检测授权信息记录，首先智能化地对业务会话流式记录和反欺诈检测授权信息记录进行解析，以获得用户会话事件描述与待进行反欺诈检测的会话事件描述；如此，可以自适应进行业务会话流式记录及反欺诈检测授权信息记录解析，以及分析业务会话之间的联系；然后对待进行反欺诈检测的会话事件描述以及用户会话事件描述进行验证完成之后，针对性地确定与反欺诈检测授权信息记录存在联系的检测约束特征，这样能够实现对用户会话事件描述的针对性识别；最后利用对应的检测约束特征，对用户会话事件描述进行反欺诈检测处理，这样，基于完成校验的检测约束特征对用户会话事件描述进行反欺诈检测处理，能够实现针对性和自适应的反欺诈检测，确保应对不同的反欺诈检测需求，提高反欺诈检测的准确性和可靠性。

在一些可能的实施例中，通过将业务会话与业务会话数据集中的业务会话样本进行关联，以得到业务会话的可信指数，从而将高可信指数的业务会话样本确定为待使用的业务会话样本，智能化地实现业务会话解析，提高会话处理效率，即上述STEP101可以通过如下的相关步骤进行说明。

STEP201，在业务会话流式记录中，对待解析会话事项所在的流式记录内容进行分割，以获得至少一个局部记录描述。

在一些可能的实施例中，一组待解析会话事项对应一个局部记录描述。该业务会话流式记录中的待解析会话事项可以是一组或者多组；对包括一组或者多组待解析会话事项的会话信息进行流式记录处理，即可得到该业务会话流式记录；或者，对多个待解析会话事项进行流式记录处理，将整理到的流式记录进行组合得到包括多个待解析会话事项的业务会话流式记录。

在业务会话流式记录中，确定出每一待解析会话事项所在的流式记录内容，对这些流式记录内容进行局部拆分处理，这样，可以得到视觉特征信息包括一个待解析会话事项的多个局部记录描述。对于一些可能的实现方式而言，如果业务会话流式记录中包括6组待解析会话事项，那么针对这6组待解析会话事项所在的流式记录内容分别进行分割，以获得每一组待解析会话事项所对应的局部记录描述。

对于一些可能的实现方式而言，对于业务会话流式记录中待解析会话事项所在的流式记录内容进行局部拆分处理之后，以获得多个流式记录内容，响应于局部记录描述处于特征识别度异常状态，对该局部记录描述中的视觉特征信息进行特征识别度优化操作，并将经特征识别度优化操作后得到的流式记录作为局部记录描述。如此，对每一流式记录内容的流式记录内容进行特征识别度优化处理，以使流式记录内容的特征识别度回归正常，可以通过以下过程实现。

第1步，在业务会话流式记录中，对每一待解析会话事项所在的流式记录内容进行局部拆分处理，以获得至少两个局部拆分处理流式记录。

第2步，响应于所述局部拆分处理流式记录处于特征识别度异常状态，对所述局部拆分处理流式记录中的视觉特征信息进行特征识别度优化操作，并将经所述特征识别度优化操作后得到的流式记录作为局部记录描述。

例如，特征识别度优化操作可以理解为特征识别度校正或者修正，以确保视觉特征信息的特征识别度尽可能趋于正常。

STEP202，对所述局部记录描述进行解析，以获得所述用户会话事件描述。

在一些可能的实施例中，对每一组局部记录描述进行范围性解析，从设定业务会话集中调用可信指数较高的业务会话样本进行事件属性检测和事件属性解析，并结合该局部记录描述中不同事件属性记录之间的联系情况对事件属性解析结果进行显著可视化处理，以获得具备显著可视化的用户会话事件描述。

对于一些可能的实现方式而言，通过在业务会话数据集中寻觅与局部记录描述量化适配程度较高的业务会话样本，实现对局部记录描述的解析，即上述STEP202可以通过以下过程实现。

STEP231，获取所述局部记录描述所对应的会话事项关键词。

在一些可能的实施例中，对于得到的多个局部记录描述，通过对该局部记录描述中包括的待解析会话事项进行差异化分析，以获得局部记录描述所对应的会话事项关键词。

STEP232，在设定业务会话数据集中寻觅与所述会话事项关键词存在配对关系的目标业务会话样本。

在一些可能的实施例中，按照会话事项关键词，在设定业务会话数据集中，确定属于该关键词的业务会话样本与该局部记录描述的可信指数，将可信指数大于或等于设定可信指数阈值的业务会话样本作为该局部记录描述的目标业务会话样本。

STEP233，在寻觅到所述目标业务会话样本的前提下，通过所述目标业务会话样本，对所述局部记录描述中的事件属性记录进行事件属性解析，以获得事件属性解析结果。

在一些可能的实施例中，在设定业务会话数据集中寻觅到目标业务会话样本，即说明设定业务会话数据集中存在与局部记录描述的可信指数大于设定可信指数阈值的业务会话样本，调用该目标业务会话样本对该局部记录描述中的各个事件属性记录进行事件属性检测和事件属性解析，以获得事件属性解析结果。例如，业务会话流式记录中包括3个待解析会话事项，对于待解析会话事项case_1，该待解析会话事项case_1的会话事项关键词为企业服务会话事项，那么在设定业务会话样本的相关业务会话样本中，寻觅与该待解析会话事项case_1的局部记录描述可信指数较高的目标业务会话样本。通过调用目标业务会话样本，对该待解析会话事项case_1的局部记录描述进行事件属性检测，以获得局部记录描述中包括事件属性的各个事件属性记录。其中，事件属性解析结果包括局部记录描述中任意事件属性记录中的事件属性。

STEP234，基于事件属性解析结果，以及不同事件属性记录之间的联系情况，以获得用户会话事件描述。

在一些可能的实施例中，对于业务会话流式记录中包括一组局部记录描述的前提下，即独立的局部记录描述，按照该局部记录描述的目标业务会话样本，确定该局部记录描述的待解析会话事项中关联事件属性记录之间的联系情况。基于关联事件属性记录之间的联系情况，对事件属性解析结果进行显著可视化处理，以实现事件属性匹配，从而得到具备显著可视化的事件属性输出结果。

对于业务会话流式记录中包括多组局部记录描述的情况，那么需要对相关信息之间的联系进行处理分析，以实现对事件属性解析结果中的事件属性进行关联。对于一些可能的实现方式而言，通过这多组局部记录描述中的不同时段，把不同的待解析会话事项进行关联。

上述STEP231至STEP234提供了一种实现“对局部记录描述进行解析，以获得用户会话事件描述”的技术方案，在该技术方案中，通过在设定业务会话数据集中调用可信指数较高的目标业务会话样本，对局部记录描述进行事件属性检测、事件属性解析和优化处理等操作，从而可以自适应进行业务会话的事件属性解析和关联，提高处理效率，减少不必要的资源开销。

在一些可能的实施例中，如果在设定业务会话数据集中未寻觅到目标业务会话目标，可以通过以下两种方式得到用户会话事件描述，其中，第一种方式如STEP235至STEP237所示。

STEP235，响应于未寻觅到目标业务会话样本，对局部记录描述进行事件属性解析，以获得第一会话场景解析结果。

在一些可能的实施例中，按照局部记录描述与业务会话样本的可信指数，在设定业务会话数据集中寻觅可信指数较高的目标业务会话样本，如果设定业务会话数据集中业务会话样本的可信指数均低于设定可信指数阈值，那么则表明未寻觅到目标业务会话样本。那么在对该局部记录描述进行业务会话样本匹配时，即便是找到最高可信指数业务会话样本，该业务会话样本的可信指数仍然达不到设定可信指数阈值。基于此，对局部记录描述进行范围性事件属性解析，以获得范围性事件属性解析结果，即第一会话场景解析结果；这样，能够基于局部记录描述的显著性区分信息结合第一会话场景解析结果（全局性的解析结果），进行二次验证，以得到准确的解析结果。

STEP236，通过所述局部记录描述中的显著性区分信息，对所述第一会话场景解析结果进行改进，以获得过渡型解析结果，并将所述过渡型解析结果作为所述用户会话事件描述。

在一些可能的实施例中，局部记录描述中的显著性区分信息用于描述该局部记录描述的视觉特征信息以及表明局部记录描述的视觉特征信息中各个特征的显著性区分。对于一些可能的实现方式而言，对局部记录描述进行范围性事件属性解析之后结合局部记录描述中的显著性区分信息，对第一会话场景解析结果中的事件属性按照显著性区分信息，对事件属性整合结果进行改进，使得到的过渡型解析结果符合显著性区分信息，可以将该过渡型解析结果作为用户会话事件描述。然后进入STEP237。

STEP237，向校验线程发送所述局部记录描述和所述过渡型解析结果，以从所述校验线程获取所述用户会话事件描述。

在一些可能的实施例中，该校验线程可以是基于机器学习的校验线程，将局部记录描述和过渡型解析结果发送至该基于机器学习的校验线程。如此，利用校验线程并基于局部记录描述，能够对得到的过渡型解析结果进行校验和修改，以得到准确的用户会话事件描述。

在上述STEP235至STEP237中提供了一种实现“对所述至少两个局部记录描述进行解析，以获得所述用户会话事件描述”的方式，在该方式中如果设定业务会话数据集中不包括目标业务会话样本，通过对局部记录描述进行基于机器学习的验证，以获得准确度较高的用户会话事件描述。

第二种方式如STEP238至STEP240所示。

STEP238，在没有寻觅到所述目标业务会话样本的前提下，呈现设定可视化引导，以获取所述局部记录描述对应的会话事项流式记录。

在一些可能的实施例中，在设定业务会话数据集中不包括目标业务会话样本的前提下，还可以将该未匹配到目标业务会话样本的局部记录描述进行反馈，以使反欺诈检测请求端再次进行局部记录描述的导入，即该局部记录描述所对应的高质量的会话事项流式记录。即输出反欺诈检测结果，该反欺诈检测结果可以是提示反欺诈检测请求端有会话事项存在欺诈风险；如果该局部记录描述中待解析会话事项的关键词是可解析的，即能够解析到该待解析会话事项的关键词，那么基于局部记录描述的视觉特征信息生成该反欺诈检测结果，以使反欺诈检测结果可以与局部记录描述相对应。

此外，反欺诈检测结果还可以通过不同的等级进行表现，例如等级1表明存在高欺诈风险，等级2表明存在低欺诈风险，等级3表明不存在欺诈风险。

STEP239，确定会话事项流式记录的会话事项标签。

在一些可能的实施例中，会话事项标签包括会话事项的多个封面的关键信息或者主题信息，例如会话名称、会话时段、会话参与方、会话任务、事项进度情况等，本申请实施例不作限制。

STEP240，在所述设定业务会话数据集中寻觅与所述会话事项标签存在配对关系的业务会话样本，作为所述目标业务会话样本，对所述局部记录描述进行事件属性解析并得到所述用户会话事件描述。

在一些可能的实施例中，与会话事项标签存在配对关系的业务会话样本，为业务会话样本中样本反欺诈主题信息与会话事项标签相对应，进一步地，可基于该目标业务会话样本对其中的局部记录描述进行事件属性解析，以获得该用户会话事件描述。

上述STEP238至STEP240提供了另一种得到目标业务会话样本的方式，在该方式中，对于在设定业务会话数据集中为匹配到目标业务会话样本的局部记录描述，进行反馈，并提示反欺诈检测请求端再次导入该局部记录描述的会话事项流式记录，从而可以通过再次导入的优质会话事项流式记录为该待解析会话事项匹配目标业务会话样本，以提高业务会话样本的匹配效率，进而能够提高对局部记录描述进行事件属性解析得到的解析结果的准确度和可信度。

在其他实施例中，在STEP238将未匹配到目标业务会话样本的局部记录描述反馈之后，可以提示再次导入会话事项流式记录，即提示反欺诈检测请求端导入该局部记录描述对应会话事项的会话事项标签。这样在对局部记录描述进行业务会话样本匹配时，无需对与局部记录描述和业务会话样本之间的可信指数进行判别，可以直接调用该会话事项标签存在配对关系的目标业务会话样本，提高了业务会话样本适配的时效性和准确度。

在一些可能的实施例中，对于设定业务会话数据集中不存在目标业务会话样本的前提下，可以基于待解析会话事项的会话事项标签，生成新的业务会话样本，以实现对设定业务会话样本的更换，可以通过以下过程实现。

第1步，响应于未寻觅到与会话事项标签存在配对关系的业务会话样本，基于会话事项标签，生成当前业务会话样本。

在一些可能的实施例中，设定业务会话数据集中的业务会话样本与会话事项标签的整理情况的可信指数均小于可信指数阈值，或者设定业务会话数据集中业务会话样本的关键词没有该会话事项标签对应的待解析会话事项的关键词，即确定在设定业务会话数据集中未寻觅到与会话事项标签存在配对关系的业务会话样本。在这种情况下，可以通过分析会话事项标签，生成当前业务会话样本。例如，虽然设定业务会话数据集中业务会话样本的关键词包括该会话事项标签对应的待解析会话事项的关键词，但是由于不同场景对于同一关键词的会话事项的整理不同，所以在该设定业务会话数据集中已经存在的该关键词的业务会话样本是与该待解析会话事项不适配的；基于此，可以按照会话事项标签，分析出该会话事项的整理，从而生成新的业务会话样本。或者是，该会话事项是非热点会话事项，那么在设定业务会话数据集中业务会话样本的关键词没有该会话事项的关键词，这样仍然可以按照会话事项标签，分析出该非热点会话事项的整理，从而生成新的业务会话样本，新的业务会话样本可以理解为当前业务会话样本。

第2步，将所述当前业务会话样本，加载至所述设定业务会话数据集。

在一些可能的实施例中，通过分析会话事项标签，生成当前业务会话样本之后，将该当前业务会话样本加入设定业务会话数据集。对于一些可能的实现方式而言，对于设定业务会话数据集中的业务会话样本可以按照一定步长，对旧整理的业务会话样本进行清洗，以及时更当前业务会话数据集。

在本申请实施例中，通过对设定业务会话数据集进行更换，能够使得更换的设定业务会话数据集能够符合会话事项整理的更换迭代，以便于为局部记录描述匹配出高可信指数的业务会话样本。

在一些可能的实施例中，对于获取视觉特征信息包括待解析反欺诈检测授权信息的反欺诈检测授权信息记录，可以通过以下两种方式实现对反欺诈检测授权信息内容的解析，以获得具备显著可视化的待进行反欺诈检测的会话事件描述，即上述STEP102可以通过以下两种方式实现。

第一种方式

STEP121，对所述反欺诈检测授权信息记录中的视觉型限制信息进行解析，以获得视觉型限制信息组合形成的多个授权事件集。

在一些可能的实施例中，由于反欺诈检测授权信息记录中包括许多视觉型限制信息，以及不同的视觉型限制信息组合形成的约束范围，对反欺诈检测授权信息记录进行拆解，将一个约束范围拆解为一个授权事件集，从而得到多个授权事件集。其中，授权事件可以理解为允许进行反欺诈检测的相关事件，例如授权事件1可以是允许针对XXX进行反欺诈检测，授权事件2可以是允许采用YYY方式对XXX进行反欺诈检测。

STEP122，对每一授权事件集中的事件属性进行解析，以获得视觉型解析结果。

在一些可能的实施例中，可以通过可视化和图形化的方式进行事件属性解析以得到每一授权事件集中的事件属性。

STEP123，依据存在差异的授权事件集之间的联系情况，对所述存在差异的授权事件集对应的视觉型解析结果中的事件属性之间进行关联，以获得所述待进行反欺诈检测的会话事件描述。

在一些可能的实施例中，通过对多个授权事件集进行显著性区分分析，确定存在差异的授权事件集之间的联系情况。例如，通过对反欺诈检测授权信息记录中的任一授权事件集的关联的关联授权事件集中的内容进行分析，判断与该授权事件集的联系情况。基于此，对视觉型解析结果中的事件属性按照授权事件集之间的联系情况，对事件属性展现的区域进行改进，以使得改进后的事件属性输出结果中事件属性之间的是关联的，即输出具备显著可视化的待进行反欺诈检测的会话事件描述。

在上述第一种方式中，通过解析反欺诈检测授权信息记录中的视觉型限制信息，以多组视觉型限制信息组合形成的约束区间为基准，对每个授权事件集中的事件属性进行解析，这样使得后续解析更有针对性，无论是基于显著性区分分析还是关联分析，皆是对一个授权事件集内的事件属性进行分析，能够提高事件属性分析的准确性和可靠性。

第二种方式

STEP124，确定反欺诈检测授权信息记录中的授权信息区分性表达。

在一些可能的实施例中，授权信息区分性表达可以理解为授权信息的类别。对于一些可能的实现方式而言，通过对反欺诈检测授权信息记录的主题名称进行解析，确定授权信息区分性表达；例如，主题名称为游戏反欺诈检测授权信息，那么该授权信息区分性表达为游戏类。或者是通过对反欺诈检测授权信息记录中的静态描述进行解析，确定授权信息区分性表达。

STEP125，在设定反欺诈主题数据集中，寻觅与授权信息区分性表达适配的目标反欺诈主题样本。

在一些可能的实施例中，确定反欺诈检测授权信息的种类之后，由于不同的反欺诈检测授权信息通常有静态的反欺诈主题样本，所以可以基于该反欺诈检测授权信息的种类从设定反欺诈主题数据集中，寻觅授权信息区分性表达属于该种类的反欺诈主题样本。例如，反欺诈检测授权信息的种类为游戏类反欺诈检测授权信息，那么在设定反欺诈主题数据集中寻觅属于游戏类的反欺诈主题样本，以获得目标反欺诈主题样本。

STEP126，响应于寻觅到目标反欺诈主题样本，确定包括静态描述的范例样本集和与包括动态描述的待解析样本集。

在一些可能的实施例中，范例样本集为具有静态描述的集合，静态描述可以理解为不变的内容，动态描述可以理解为可变的内容。

STEP127，基于范例样本集和待解析样本集，对反欺诈检测授权信息记录中的事件属性进行解析，以获得待进行反欺诈检测的会话事件描述。

在一些可能的实施例中，确定出目标反欺诈主题样本之后，可以通过分析该目标反欺诈主题样本中标记的范例样本集，以及与该范例样本集关联的待解析样本集。通过按照授权信息区分性表达在设定反欺诈主题数据集中调用相同种类的目标反欺诈主题样本，这样，能够提高对反欺诈检测流式记录进行事件属性解析效率。

在一些可能的实施例中，在对反欺诈检测授权信息记录进行反欺诈主题样本适配的过程中，可以通过对范围性流式记录进行事件属性解析，然后在事件属性解析结果中寻觅与该范例样本集的事件属性适配的部分，即可得到该范例样本集的目标待解析样本集，可通过以下步骤实现。

第1步，对反欺诈检测授权信息记录中的事件属性进行范围性解析，以获得第二会话场景解析结果。

在一些可能的实施例中，在对反欺诈检测授权信息记录进行反欺诈主题样本适配的过程中，采用视觉分析技术对反欺诈检测授权信息记录进行范围性事件属性解析，以获得事件属性解析结果，即第二会话场景解析结果。

第2步，在第二会话场景解析结果中，寻觅与每一范例样本集存在配对关系的部分解析结果。

在一些可能的实施例中，在第二会话场景解析结果中，寻觅标记出的范例样本集的静态描述，即部分解析结果。

第3步，基于部分解析结果，确定与部分解析结果对应的范例样本集存在联系的目标待解析样本集。

在一些可能的实施例中，在第二会话场景解析结果中，确定与部分解析结果存在联系的解析结果，存在联系的解析结果所对应的待解析样本集，即为目标待解析样本集。

第4步，基于每一范例样本集与目标待解析样本集之间的联系情况，对第二会话场景解析结果中位于范例样本集的静态事件属性和位于目标待解析样本集的动态描述进行关联，以获得待进行反欺诈检测的会话事件描述。

在一些可能的实施例中，对于每一范例样本集，均在第二会话场景解析结果中，确定出该范例样本集对应的目标待解析样本集；这样，基于每一范例样本集与目标待解析样本集之间的联系情况，建立第二会话场景解析结果中的静态描述和动态描述之间的匹配关系；并基于该匹配关系，输出待进行反欺诈检测的会话事件描述。这样即可确定范例样本集的静态描述和目标待解析样本集的动态描述的展现区域，从而实现对第二会话场景解析结果的优化处理；使得输出的待进行反欺诈检测的会话事件描述中位于范例样本集的静态事件属性和位于目标待解析样本集的动态描述的展现区域是符合实际需求的。

在本申请实施例中，通过将反欺诈检测授权信息记录与各反欺诈主题样本进行关联，以调用相同种类的反欺诈主题样本实现对反欺诈检测授权信息的事件属性解析，以及通过反欺诈主题样本中注释的范例样本集和存在联系的待解析样本集对事件属性解析结果进行显著可视化，从而能够提高得到的待进行反欺诈检测的会话事件描述的准确性和业务适配性。

在一些可能的实施例中，如果在设定反欺诈主题数据集中不包括授权信息区分性表达的样本，则不能查到与授权信息区分性表达相同的目标反欺诈主题样本，那么可以基于该授权信息区分性表达结合反欺诈检测授权信息中的范例样本集的静态描述，生成实时反欺诈主题样本；并将生成的实时反欺诈主题样本存入设定反欺诈主题数据集中，以实现对设定反欺诈主题数据集进行更换，使得更换的设定反欺诈主题数据集能够符合多种种类的反欺诈检测授权信息，从而提高对反欺诈检测授权信息记录进行样本适配的准确度和可信度。

在一些可能的实施例中，对业务会话流式记录和反欺诈检测授权信息记录进行事件属性解析之后，需要判断得到的用户会话事件描述与待进行反欺诈检测的会话事件描述之间的量化适配程度，以实现对业务会话流式记录中的待解析会话事项和反欺诈检测授权信息的验证，进而判断该用户会话事件描述是否符合第二反欺诈检测条件，可以通过以下过程实现。

STEP151，通过所述反欺诈检测授权信息记录的范例样本集中的静态描述，对所述待进行反欺诈检测的会话事件描述进行差异化分析，以获得反欺诈检测关键词集合。

在一些可能的实施例中，对于反欺诈检测授权信息记录包括的待进行反欺诈检测的会话事件描述，通过分析反欺诈检测授权信息记录的范例样本集中的静态描述，可以得到该反欺诈检测授权信息记录中包括哪些反欺诈检测关键词。

STEP152，在所述用户会话事件描述中，确定每一反欺诈检测关键词对应的待解析会话事项的多样化特征。

在一些可能的实施例中，由于业务会话流式记录中包括多组待解析会话事项，那么这多组待解析会话事项可以是同一关键词的会话事项，也可以是不同关键词的会话事项。在确定出反欺诈检测授权信息中包括的反欺诈检测关键词之后，在用户会话事件描述中，对待解析会话事项按照该反欺诈检测关键词集合进行差异化分析，以获得每一反欺诈检测关键词的会话事项对应的用户会话事件描述，即多样化特征。例如，反欺诈检测关键词为支付类，那么在用户会话事件描述中，确定为支付类的会话事项对应的用户会话事件描述，即支付类的多样化特征。

STEP153，对于每一反欺诈检测关键词，确定每一所述反欺诈检测关键词对应的待进行反欺诈检测的会话事件描述与每一所述反欺诈检测关键词的多样化特征之间的量化适配程度。

在一些可能的实施例中，按照反欺诈检测授权信息中的反欺诈检测关键词，对待进行反欺诈检测的会话事件描述和用户会话事件描述进行验证，分别验证每一反欺诈检测关键词中，该关键词的会话事项提供的数据是否与反欺诈检测授权信息中的数据相匹配，基于此，实现对反欺诈检测授权信息和会话事项的验证。

每一反欺诈检测关键词的多样化特征包括：该反欺诈检测关键词的会话事项全局维度、互动时段等；通过比对多样化特征中每一项数据是否与该反欺诈检测关键词的待进行反欺诈检测的会话事件描述匹配，来确定每一反欺诈检测关键词对应的待进行反欺诈检测的会话事件描述与每一反欺诈检测关键词的多样化特征之间的量化适配程度。

STEP154，在所述量化适配程度不小于所述设定量化适配程度阈值的前提下，确定所述用户会话事件描述与所述待进行反欺诈检测的会话事件描述相对应。

在一些可能的实施例中，如果用户会话事件描述中，该反欺诈检测关键词的多样化特征与反欺诈检测授权信息中的该反欺诈检测关键词的数据一致，那么则表明量化适配程度不小于设定量化适配程度阈值。

在本申请实施例中，通过对反欺诈检测流式记录中的内容与待解析会话事项包括的内容进行验证，以确定用户会话事件描述是否与待进行反欺诈检测的会话事件描述一致，可以自适应进行对反欺诈检测授权信息和会话事项的验证，以提高反欺诈检测过程中验证反欺诈检测授权信息和会话事项的效率。

在一些可能的实施例中，通过将待解析会话事项的用户会话事件描述与反欺诈检测条件进行验证，以确定业务会话流式记录中的会话事项是否符合反欺诈检测条件，可以通过以下过程实现。

STEP161，在用户会话事件描述中，确定属于每一待解析会话事项的独立会话事件描述。

在一些可能的实施例中，对于业务会话流式记录中的每一待解析会话事项，确定一组待解析会话事项的独立会话事件描述；例如，单组业务会话的维度、业务互动时段等。

STEP162，确定所述独立会话事件描述是否符合所述目标反欺诈检测指标，以确定所述用户会话事件描述是否符合所述第二反欺诈检测条件。

在一些可能的实施例中，确定独立会话事件描述是否符合目标反欺诈检测指标，响应于独立会话事件描述符合目标反欺诈检测指标，确定用户会话事件描述符合第二反欺诈检测条件。通过对单组会话事项的用户会话事件描述中的每一项进行判断，如果单组业务会话的用户会话事件描述符合目标反欺诈检测指标，说明该业务会话流式记录中的每一待解析会话事项均是符合目标反欺诈检测指标的，所以确定用户会话事件描述符合第二反欺诈检测条件。

对于一些可能的实现方式而言，首先，确定所述独立会话事件描述中的独立事件描述维度，和/或，确定携带衍生检测指标的目标会话事项种类，和/或，确定所述独立会话事件描述对应的待解析会话事项的区分性内容；然后，在所述独立事件描述维度不大于设定维度边界，和/或，所述目标会话事项种类的衍生内容与所述衍生指标相对应，和/或，在所述区分性内容属于设定业务会话内容集的前提下，确定所述用户会话事件描述符合目标反欺诈检测指标，以确定所述用户会话事件描述符合所述第二反欺诈检测条件。

基于此，可以通过以下多种方式实现对用户会话事件描述是否符合目标反欺诈检测指标的验证。

第一种方式

第1步，确定独立会话事件描述的独立事件描述维度。在一些可能的实施例中，对于单组待解析会话事项的用户会话事件描述，确定该会话事项的维度，即独立事件描述维度；例如，对于云办公会话事项，确定该会话事项文件交互的维度。

第2步，响应于独立事件描述维度不大于设定维度边界，确定用户会话事件描述符合目标反欺诈检测指标。

在一些可能的实施例中，如果单组业务会话的维度小于或者等于设定的单组业务会话的设定维度边界，还可以进一步判断，与该会话事项属于同一关键词的所有会话事项的全局维度，判断全局维度是否超出设定的总维度约束，如果全局维度不大于设定的总维度约束，确定用户会话事件描述符合目标反欺诈检测指标。

在本申请实施例中，维度用于指示不同的交互层面或者分析层面，例如业务层面、对象层面、网络环境层面等。

第二种方式

第1步，确定携带衍生检测指标的目标会话事项种类。

在一些可能的实施例中，目标会话事项种类可以是在目标反欺诈检测指标中设定的，还可以是基于待解析会话事项的视觉特征信息的细致化程度，确定目标会话事项种类。

第2步，响应于目标会话事项种类的衍生内容与衍生指标相对应，确定用户会话事件描述符合目标反欺诈检测指标。

在一些可能的实施例中，首先，在所述用户会话事件描述中，寻觅与所述目标会话事项种类适配的会话事项的衍生内容（例如可以是一些额外的详细内容）；进而判断目标会话事项种类的衍生内容与衍生指标的量化适配程度，如果量化适配程度较高，说明对于具有衍生检测指标的会话事项种类，实际上添加了对应的详细内容，因此，确定用户会话事件描述符合目标反欺诈检测指标。

第三种方式

第1步，确定独立会话事件描述对应的待解析会话事项的区分性内容。在一些可能的实施例中，待解析会话事项的区分性内容包括：待解析会话事项的会话事项编号和会话事项字段等，能够唯一区分该待解析会话事项的信息。

第2步，响应于区分性内容属于设定业务会话内容集，确定用户会话事件描述符合目标反欺诈检测指标。

在一些可能的实施例中，设定业务会话标识集为能够在指定平台查到会话事项标识的标识库，如果待解析会话事项的会话事项标识包含在设定业务会话标识集中，说明该待解析会话事项是有效会话事项，进一步，确定用户会话事件描述符合目标反欺诈检测指标。

在本申请实施例中，上述方式一至三可以是并列的三种验证用户会话事件描述是否符合目标反欺诈检测指标的三种方式，还可以是对方式一至三中的任意两个或者三个设定先后关系或者顺承关系来验证用户会话事件描述是否符合目标反欺诈检测指标；例如，方式3的先后顺序优先于方式1，方式1的先后顺序优先于方式2；即，首先，判断区分性内容是否属于设定业务会话内容集；然后，如果区分性内容属于设定业务会话内容集，判断该有效业务会话的独立事件描述维度，最后，如果有效业务会话的独立事件描述维度小于等于维度边界，判断目标会话事项种类的衍生内容与衍生指标是否相对应，如果目标会话事项种类的衍生内容与衍生指标相对应，确定用户会话事件描述符合目标反欺诈检测指标。

在另一实现方式中，还可以是针对方式一和三设定顺承关系，例如，首先，判断区分性内容是否属于设定业务会话内容集；然后，如果区分性内容属于设定业务会话内容集，判断该有效业务会话的独立事件描述维度，最后，如果有效业务会话的独立事件描述维度小于等于维度边界，确定用户会话事件描述符合目标反欺诈检测指标。

在本申请实施例中，通过多种方式对待解析会话事项进行验证，以确定待解析会话事项的用户会话事件描述是否符合反欺诈检测条件，从而可以自适应进行对会话事项数据与反欺诈检测需求的验证。

在一些可能的实施例中，对待进行反欺诈检测的会话事件描述和用户会话事件描述检测通过之后，对待解析会话事项进行反欺诈检测，即上述STEP103可以通过以下过程实现。

STEP131，响应于待进行反欺诈检测的会话事件描述符合第一反欺诈检测条件，且用户会话事件描述符合第二反欺诈检测条件，至少确定反欺诈检测授权信息记录所指向的检测约束类别和反欺诈检测对象信息。

在一些可能的实施例中，在待进行反欺诈检测的会话事件描述符合第一反欺诈检测条件，且用户会话事件描述符合第二反欺诈检测条件的前提下，确定反欺诈检测授权信息记录中反欺诈检测对象的相关基本信息；通过对反欺诈检测对象信息的分析，确定反欺诈检测授权信息记录所指向的检测约束类别，比如各类反欺诈检测的限定条件。

STEP132，至少将检测约束类别和反欺诈检测对象信息，作为检测约束特征。

在一些可能的实施例中，基于检测约束特征中的反欺诈检测对象信息，确定用户会话事件描述的注释信息；将检测约束类别、反欺诈检测对象信息和注释信息等这些内容作为检测约束特征，实现对用户会话事件描述的反欺诈检测处理。

在本申请实施例中，对反欺诈检测授权信息和会话事项进行验证通过后，通过在反欺诈检测授权信息记录中提取反欺诈检测对象信息，确定出相关等检测约束特征，从而实现智能化的反欺诈检测。

在一些可能的实施例中，可以依据用户会话事件描述中维度与待进行反欺诈检测的会话事件描述中的维度之间的关系，确定是对反欺诈检测数据中的全部维度进行反欺诈检测，还是对部分维度进行反欺诈检测，相关内容如下。

第1步，在业务会话流式记录中，确定每一反欺诈检测关键词的待解析会话事项的全局维度。

在一些可能的实施例中，按照反欺诈检测授权信息中包括的反欺诈检测关键词，对于业务会话流式记录中的多个待解析会话事项进行差异化分析，对于每一反欺诈检测关键词的待解析会话事项，确定该反欺诈检测关键词的全局维度。例如，确定支付类待解析会话事项的全局维度。

第2步，在待进行反欺诈检测的会话事件描述中，确定每一反欺诈检测关键词的待反欺诈检测维度。

在一些可能的实施例中，在反欺诈检测授权信息记录中，确定关于该反欺诈检测关键词的待反欺诈检测维度。例如，确定支付类待解析会话事项的全局维度之后，在待进行反欺诈检测的会话事件描述中，确定关于支付类会话的待反欺诈检测维度。

第3步，响应于全局维度不大于待反欺诈检测维度，基于检测约束特征，对每一反欺诈检测关键词的待解析会话事项进行反欺诈检测。

在一些可能的实施例中，如果该反欺诈检测关键词的会话事项全局维度小于反欺诈检测授权信息中的待反欺诈检测维度，说明该反欺诈检测关键词的待解析会话事项的全局维度，与待进行反欺诈检测的会话事件描述匹配，基于检测约束特征中的相关约束检测指标，对这些待解析会话事项进行反欺诈检测。

第4步，响应于全局维度大于所述待反欺诈检测维度，在用户会话事件描述中，确定维度的加权结果等于待反欺诈检测维度的多个备用会话事项。

在一些可能的实施例中，如果该反欺诈检测关键词的会话事项全局维度大于反欺诈检测授权信息中的待反欺诈检测维度，说明该反欺诈检测关键词的待解析会话事项的全局维度，与待进行反欺诈检测的会话事件描述不匹配，那么在这一类的待处理会话事项中，确定维度的加权结果不大于待反欺诈检测维度的多个备用会话事项。

第5步，基于检测约束特征，对多个备用会话事项进行反欺诈检测。

在一些可能的实施例中，基于检测约束特征中的相关约束检测指标，对这多个备用会话事项的全局维度进行反欺诈检测。比如可以通过隐私信息维度、网络通畅性维度或者资金安全维度等进行反欺诈检测。

在其他实施例中，对用户会话事件描述进行反欺诈检测之后，还可以包括以下内容：确定用户会话事件描述中已完成反欺诈检测的维度；基于已完成反欺诈检测的维度，创建并呈现反欺诈检测结果。

在一些可能的实施例中，可以是生成与已完成反欺诈检测的维度存在配对关系的反欺诈检测结果。

除此之外，在一些可独立实施的实施例中，在创建并呈现反欺诈检测结果，该方法还包括以下内容：根据所述反欺诈检测结果进行信息防护处理。

在一些可独立实施的实施例中，根据所述反欺诈检测结果进行信息防护处理，可以包括以下内容：获取针对反欺诈检测结果的信息风险描述记录，所述信息风险描述记录包括至少两条信息风险描述；获得所述信息风险描述记录中的各条信息风险描述与所述反欺诈检测结果之间的量化适配数据；根据所述各条信息风险描述对应的量化适配数据，以及所述各条信息风险描述的风险倾向表达，对所述各条信息风险描述进行整理，得到相应的信息风险描述整理结果；基于所述信息风险描述整理结果生成针对所述反欺诈检测结果的目标防护策略整理结果，所述目标防护策略整理结果包括至少两个目标防护策略；按照所述目标防护策略整理结果中的目标防护策略的先后顺序依次进行信息防护处理。

可以理解的是，在本申请实施例中，通过考虑信息风险描述与反欺诈检测结果之间的量化适配数据，能够实现对信息风险描述的优先级调整，从而确定出有序的目标防护策略整理结果，这样在目标防护策略整理结果中的目标防护策略的先后顺序依次进行信息防护处理时能够尽可能避免前后策略之间的冲突，同时还能够提高信息防护的时效性和可靠性。

在一些可独立实施的实施例中，所述根据所述各条信息风险描述对应的量化适配数据，以及所述各条信息风险描述的风险倾向表达，对所述各条信息风险描述进行整理，得到相应的信息风险描述整理结果，具体包括：根据所述各条信息风险描述对应的量化适配数据，以及所述各条信息风险描述的风险倾向表达，对所述各条信息风险描述进行拆解，得到至少两个信息风险描述子记录；对各个信息风险描述子记录进行整理，并分别对所述各个信息风险描述子记录中的各条信息风险描述进行整理，得到所述信息风险描述整理结果。如此，能够完整准确地确定信息风险描述整理结果。

在一些可独立实施的实施例中，所述根据所述各条信息风险描述对应的量化适配数据，以及所述各条信息风险描述的风险倾向表达，对所述各条信息风险描述进行拆解，得到至少两个信息风险描述子记录，具体包括：分别根据所述各条信息风险描述对应的量化适配数据，对所述各条信息风险描述的风险倾向表达进行注意力处理，得到所述各条信息风险描述的注意力风险倾向表达；根据所述各条信息风险描述的注意力风险倾向表达对所述各条信息风险描述进行整合，得到至少两个信息风险描述子记录。如此，能够避免信息风险描述子记录之间存在混乱。

在一些可独立实施的实施例中，所述对各个信息风险描述子记录之间进行整理，并分别对所述各个信息风险描述子记录中的各条信息风险描述进行整理，得到所述信息风险描述整理结果，具体包括：根据各个信息风险描述子记录所包含的信息风险描述的数量，对所述各个信息风险描述子记录进行整理；以及，针对所述各个信息风险描述子记录，分别执行以下操作：根据所述信息风险描述子记录中各条信息风险描述的风险倾向表达与所述信息风险描述子记录的共性情况，对所述信息风险描述子记录中的各条信息风险描述进行整理；基于所述各个信息风险描述子记录之间的整理结果，以及所述各个信息风险描述子记录中各条信息风险描述的整理结果，生成所述信息风险描述整理结果。如此，能够确保信息风险描述整理结果的完整性。

基于上述同样的发明构思，还提供了一种结合云计算的信息反欺诈处理装置20，应用于反欺诈服务平台系统10，所述装置包括：

记录解析模块21，用于针对接收到的业务会话流式记录进行解析，以获得用户会话事件描述；以及，针对接收到的反欺诈检测授权信息记录进行解析，以获得待进行反欺诈检测的会话事件描述；

反欺诈检测模块22，用于在所述待进行反欺诈检测的会话事件描述符合第一反欺诈检测条件且所述用户会话事件描述符合第二反欺诈检测条件的前提下，确定与所述反欺诈检测授权信息记录存在联系的检测约束特征；通过所述检测约束特征，对所述用户会话事件描述中的至少部分会话事件描述进行反欺诈检测处理。

在本申请实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、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、程序段或代码的一部分，所述模块、程序段或代码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。也应当注意，在有些作为替换的实现方式中，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。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块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，本申请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，反欺诈服务平台系统10，或者网络设备等）执行本申请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-OnlyMemory）、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。需要说明的是，在本文中，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、物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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种结合云计算的信息反欺诈处理方法，其特征在于，应用于反欺诈服务平台系统，所述方法至少包括：

针对接收到的业务会话流式记录进行解析，以获得用户会话事件描述；以及，针对接收到的反欺诈检测授权信息记录进行解析，以获得待进行反欺诈检测的会话事件描述；

在所述待进行反欺诈检测的会话事件描述符合第一反欺诈检测条件且所述用户会话事件描述符合第二反欺诈检测条件的前提下，确定与所述反欺诈检测授权信息记录存在联系的检测约束特征；通过所述检测约束特征，对所述用户会话事件描述中的至少部分会话事件描述进行反欺诈检测处理。

2.根据权利要求1所述的方法，其特征在于，所述针对接收到的业务会话流式记录进行解析，以获得用户会话事件描述，包括：

在所述业务会话流式记录中，对待解析会话事项所在的流式记录内容进行分割，以获得至少一个局部记录描述；对所述局部记录描述进行解析，以获得所述用户会话事件描述。

3.根据权利要求1或2所述的方法，其特征在于，一组待解析会话事项对应一个局部记录描述，在所述对所述局部记录描述进行解析之前，所述方法还包括：

在所述局部记录描述处于特征识别度异常状态的前提下，对所述局部记录描述中的视觉特征信息进行特征识别度优化操作，并将经所述特征识别度优化操作后得到的流式记录作为所述局部记录描述。

4.根据权利要求2所述的方法，其特征在于，所述对所述局部记录描述进行解析，以获得所述用户会话事件描述，包括：

获取所述局部记录描述所对应的会话事项关键词；在设定业务会话数据集中寻觅与所述会话事项关键词存在配对关系的目标业务会话样本；

在寻觅到所述目标业务会话样本的前提下，通过所述目标业务会话样本，对所述局部记录描述中的事件属性记录进行事件属性解析，以获得事件属性解析结果；

通过所述事件属性解析结果，以及不同事件属性记录之间的联系情况，以获得所述用户会话事件描述；

其中，所述对所述局部记录描述进行解析，以获得所述用户会话事件描述，包括：

在没有寻觅到所述目标业务会话样本的前提下，对所述局部记录描述进行事件属性解析，以获得第一会话场景解析结果；通过所述局部记录描述中的显著性区分信息，对所述第一会话场景解析结果进行改进，以获得过渡型解析结果，并将所述过渡型解析结果作为所述用户会话事件描述，或者，向校验线程发送所述局部记录描述和所述过渡型解析结果，以从所述校验线程获取所述用户会话事件描述；

或者，在没有寻觅到所述目标业务会话样本的前提下，呈现设定可视化引导，以获取所述局部记录描述对应的会话事项流式记录；确定所述会话事项流式记录的会话事项标签，并在所述设定业务会话数据集中寻觅与所述会话事项标签存在配对关系的业务会话样本，作为所述目标业务会话样本，对所述局部记录描述进行事件属性解析并得到所述用户会话事件描述；

其中，所述方法还包括：

在未寻觅到与所述会话事项标签存在配对关系的业务会话样本的前提下，通过所述会话事项标签，生成当前业务会话样本；

将所述当前业务会话样本，加载至所述设定业务会话数据集。

5.根据权利要求1所述的方法，其特征在于，所述针对接收到的反欺诈检测授权信息记录进行解析，以获得待进行反欺诈检测的会话事件描述，包括：

对所述反欺诈检测授权信息记录中的视觉型限制信息进行解析，以获得所述视觉型限制信息组合形成的多个授权事件集；对所述授权事件集中的事件属性进行解析，以获得视觉型解析结果；

依据存在差异的授权事件集之间的联系情况，对所述存在差异的授权事件集对应的视觉型解析结果中的事件属性之间进行关联，以获得所述待进行反欺诈检测的会话事件描述。

6.根据权利要求1所述的方法，其特征在于，所述针对接收到的反欺诈检测授权信息记录进行解析，以获得待进行反欺诈检测的会话事件描述，包括：

确定所述反欺诈检测授权信息记录中的授权信息区分性表达；

在设定反欺诈主题数据集中，寻觅与所述授权信息区分性表达适配的目标反欺诈主题样本；

在寻觅到所述目标反欺诈主题样本的前提下，在所述目标反欺诈主题样本中，确定包括静态描述的范例样本集和与包括动态描述的待解析样本集；

通过所述范例样本集和所述待解析样本集，对所述反欺诈检测授权信息记录中的事件属性进行解析，以获得所述待进行反欺诈检测的会话事件描述；

其中，所述通过所述范例样本集和所述待解析样本集，对所述反欺诈检测授权信息记录中的事件属性进行解析，以获得所述待进行反欺诈检测的会话事件描述，包括：

对所述反欺诈检测授权信息记录中的事件属性进行范围性解析，以获得第二会话场景解析结果；

在所述第二会话场景解析结果中，寻觅与每一所述范例样本集存在配对关系的部分解析结果；

通过所述部分解析结果，确定与所述部分解析结果对应的范例样本集存在联系的目标待解析样本集；

基于每一所述范例样本集与所述目标待解析样本集之间的联系情况，对第二会话场景解析结果中属于所述范例样本集的静态事件属性和属于所述目标待解析样本集的动态描述进行关联，以获得所述待进行反欺诈检测的会话事件描述；

其中，所述在设定反欺诈主题数据集中，寻觅与所述授权信息区分性表达适配的目标反欺诈主题样本之后，所述方法还包括：

在未寻觅到所述目标反欺诈主题样本的前提下，通过所述授权信息区分性表达，生成实时反欺诈主题样本；

通过所述实时反欺诈主题样本，更换所述设定反欺诈主题数据集。

7.根据权利要求1所述的方法，其特征在于，所述第一反欺诈检测条件为所述待进行反欺诈检测的会话事件描述包括的核验成功消息的数目等于设定判定值；所述第二反欺诈检测条件为所述用户会话事件描述与所述待进行反欺诈检测的会话事件描述相对应，且所述用户会话事件描述符合目标反欺诈检测指标；

其中，在在所述待进行反欺诈检测的会话事件描述符合第一反欺诈检测条件且所述用户会话事件描述符合第二反欺诈检测条件的前提下，确定与所述反欺诈检测授权信息记录存在联系的检测约束特征之前，所述方法还包括：

通过所述反欺诈检测授权信息记录的范例样本集中的静态描述，对所述待进行反欺诈检测的会话事件描述进行差异化分析，以获得反欺诈检测关键词集合；

在所述用户会话事件描述中，确定每一反欺诈检测关键词对应的待解析会话事项的多样化特征；

对于每一反欺诈检测关键词，确定每一所述反欺诈检测关键词对应的待进行反欺诈检测的会话事件描述与每一所述反欺诈检测关键词的多样化特征之间的量化适配程度；

在所述量化适配程度不小于所述设定量化适配程度阈值的前提下，确定所述用户会话事件描述与所述待进行反欺诈检测的会话事件描述相对应；

在所述用户会话事件描述中，确定属于每一待解析会话事项的独立会话事件描述；确定所述独立会话事件描述中的独立事件描述维度，和/或，确定携带衍生检测指标的目标会话事项种类，和/或，确定所述独立会话事件描述对应的待解析会话事项的区分性内容；

在所述独立事件描述维度不大于设定维度边界，和/或，所述目标会话事项种类的衍生内容与所述衍生指标相对应，和/或，在所述区分性内容属于设定业务会话内容集的前提下，确定所述用户会话事件描述符合目标反欺诈检测指标，以确定所述用户会话事件描述符合所述第二反欺诈检测条件。

8.根据权利要求1所述的方法，其特征在于，所述在所述待进行反欺诈检测的会话事件描述符合第一反欺诈检测条件且所述用户会话事件描述符合第二反欺诈检测条件的前提下，确定与所述反欺诈检测授权信息记录存在联系的检测约束特征，包括：

在所述待进行反欺诈检测的会话事件描述符合第一反欺诈检测条件且所述用户会话事件描述符合第二反欺诈检测条件的前提下，至少确定所述反欺诈检测授权信息记录所指向的检测约束类别和反欺诈检测对象信息；

将所述检测约束类别和所述反欺诈检测对象信息，作为所述检测约束特征；

其中，所述通过所述检测约束特征，对所述用户会话事件描述中的至少部分会话事件描述进行反欺诈检测处理，包括：

在所述业务会话流式记录中，确定每一反欺诈检测关键词的待解析会话事项的全局维度；

在所述待进行反欺诈检测的会话事件描述中，确定每一所述反欺诈检测关键词的待反欺诈检测维度；

在所述全局维度不大于所述待反欺诈检测维度的前提下，通过所述检测约束特征，对所述每一所述反欺诈检测关键词的待解析会话事项进行反欺诈检测；

在所述全局维度大于所述待反欺诈检测维度的前提下，在所述反欺诈检测关键词的待解析会话事项中，确定维度的加权结果不大于所述待反欺诈检测维度的多个备用会话事项；

通过所述检测约束特征，对所述多个备用会话事项进行反欺诈检测；

其中，所述通过所述检测约束特征，对所述用户会话事件描述进行反欺诈检测处理之后，所述方法还包括：

确定所述用户会话事件描述中已完成反欺诈检测的维度；

通过所述已完成反欺诈检测的维度，创建并呈现反欺诈检测结果。

9.一种反欺诈服务平台系统，其特征在于，包括处理器、通信总线和存储器；所述处理器和所述存储器通过所述通信总线通信，所述处理器从所述存储器中读取计算机程序并运行，以执行权利要求1-8任一项所述的方法。

10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序在运行时实现权利要求1-8任一项所述的方法。

Images