CN113744054A - 一种反欺诈方法、装置和设备 - Google Patents

一种反欺诈方法、装置和设备 Download PDF

Info

Publication number
CN113744054A
CN113744054A CN202111027876.1A CN202111027876A CN113744054A CN 113744054 A CN113744054 A CN 113744054A CN 202111027876 A CN202111027876 A CN 202111027876A CN 113744054 A CN113744054 A CN 113744054A
Authority
CN
China
Prior art keywords
fraud
transaction
target user
data
transaction data
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
CN202111027876.1A
Other languages
English (en)
Inventor
翟长波
李立
曹晸珺
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.)
Shanghai Pudong Development Bank Co Ltd
Original Assignee
Shanghai Pudong Development Bank 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 Shanghai Pudong Development Bank Co Ltd filed Critical Shanghai Pudong Development Bank Co Ltd
Priority to CN202111027876.1A priority Critical patent/CN113744054A/zh
Publication of CN113744054A publication Critical patent/CN113744054A/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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • 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

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Technology Law (AREA)
  • Development Economics (AREA)
  • Computer Security & Cryptography (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种反欺诈方法、装置和设备，方法包括：获取目标用户的交易数据；基于交易数据生成交易信号；基于交易信号通过预设反欺诈模型计算得到相应的欺诈分数；查询目标用户的历史欺诈信息；基于历史欺诈信息以及欺诈分数通过预设业务规则确定目标用户的当前交易是否为欺诈交易。本申请通过使用当前交易数据、历史交易数据以及用户信息数据作为判断当前交易是否为欺诈交易的依据，解决了现有技术中仅使用当前交易数据判断交易是否为欺诈交易所存在的判断依据不全面，容易导致出现误判、漏判状况的技术问题，实现了能够有效识别欺诈交易，提高线上交易反欺诈的准确性的技术效果。

Description

一种反欺诈方法、装置和设备
技术领域
本发明实施例涉及计算机信息技术领域，尤其涉及一种反欺诈方法、装置和设备。
背景技术
随着互联网及金融科技快速发展，线上支付与转账、线上理财等在线交易活动已经遍布生活的各个场景，给人们日常生活带来极大的便利，但与此同时，电信诈骗、薅羊毛等异常交易也越来越多，而且难以有效识别，因此针对交易的反欺诈识别与处理极为关键。
目前的针对交易反欺诈的处理方法有以下几种：(1)根据当前交易数据生成一定的特征数据，调用反欺诈模型对特征数据进行计算得到反欺诈概率值，设置一定的阈值，如果概率值高于设置阈值则为欺诈交易，否则相反；(2)在一个反欺诈系统中包括多个反欺诈模型，构成一个组合模型，各个模型分别预测交易是否欺诈，最后将各个模型的结算结果加权组合，得到最终的欺诈预测结果；(3)交易接入之后先通过一个风控规则模块进行规则判断，得到初始风险等级判断结果，然后通过反欺诈模型进行评分，最后通过风险等级和反欺诈模型评分得到交易的反欺诈分析结果。
但是方法(1)和方法(2)都是在当前交易数据的基础上来判断交易是否欺诈，并未使用历史交易信息和历史欺诈信息，使得判断不够全面，容易发生误判或漏判；方法(3)增加了风控规则模块，直接对交易数据进行规则判断，但直接利用交易数据进行规则判断而不是根据交易数据生成特征信息进行判断会使得判断不够全面，容易发生误判。
发明内容
本发明实施例提供一种反欺诈方法、装置和设备，解决了现有技术中仅使用当前交易数据判断交易是否为欺诈交易所存在的判断依据不全面，容易导致出现误判、漏判状况的技术问题。
第一方面，本发明实施例提供了一种反欺诈方法，所述反欺诈方法包括：
获取目标用户的交易数据，其中，所述交易数据包括当前交易数据、历史交易数据以及所述目标用户的用户信息数据；
基于所述交易数据生成交易信号，其中，所述交易信号为通过连续0/1字符表征所述交易数据的特征量；
基于所述交易信号通过预设反欺诈模型计算得到相应的欺诈分数，其中，所述欺诈分数用于表征所述目标用户的当前交易的欺诈概率；
查询所述目标用户的历史欺诈信息；
基于所述历史欺诈信息以及所述欺诈分数通过预设业务规则确定所述目标用户的当前交易是否为欺诈交易，其中，所述预设业务规则为根据交易数据、交易场景以及交易类型确定出的一个或多个欺诈判断规则。
第二方面，本发明实施例还提供了一种反欺诈装置，所述反欺诈装置包括：
数据获取单元，用于获取目标用户的交易数据，其中，所述交易数据包括当前交易数据、历史交易数据以及所述目标用户的用户信息数据；
信号生成单元，用于基于所述交易数据生成交易信号，其中，所述交易信号为通过连续0/1字符表征所述交易数据的特征量；
分数计算单元，用于基于所述交易信号通过预设反欺诈模型计算得到相应的欺诈分数，其中，所述欺诈分数用于表征所述目标用户的当前交易的欺诈概率；
信息查询单元，用于查询所述目标用户的历史欺诈信息；
欺诈确定单元，用于基于所述历史欺诈信息以及所述欺诈分数通过预设业务规则确定所述目标用户的当前交易是否为欺诈交易，其中，所述预设业务规则为根据交易数据、交易场景以及交易类型确定出的一个或多个欺诈判断规则。
第三方面，本发明实施例还提供了一种反欺诈设备，所述反欺诈设备包括：
一个或多个处理器；
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本发明实施例第一方面任意的反欺诈方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例第一方面任意的反欺诈方法。
本发明实施例公开了一种反欺诈方法、装置和设备，方法包括：获取目标用户的交易数据；基于交易数据生成交易信号；基于交易信号通过预设反欺诈模型计算得到相应的欺诈分数；查询目标用户的历史欺诈信息；基于历史欺诈信息以及欺诈分数通过预设业务规则确定目标用户的当前交易是否为欺诈交易。本申请通过使用当前交易数据、历史交易数据以及用户信息数据作为判断当前交易是否为欺诈交易的依据，解决了现有技术中仅使用当前交易数据判断交易是否为欺诈交易所存在的判断依据不全面，容易导致出现误判、漏判状况的技术问题，实现了能够有效识别欺诈交易，提高线上交易反欺诈的准确性的技术效果。
附图说明
图1是本发明实施例提供的一种反欺诈方法的流程图；
图2是本发明实施例提供的另一种反欺诈方法的流程图；
图3是本发明实施例提供的又一种反欺诈方法的流程图；
图4是本发明实施例提供的又一种反欺诈方法的流程图；
图5是本发明实施例提供的一种反欺诈装置的结构图；
图6为本发明实施例提供的一种反欺诈设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
需要说明的是，本发明的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于限定特定顺序。本发明下述各个实施例可以单独执行，各个实施例之间也可以相互结合执行，本发明实施例对此不作具体限制。
图1是本发明实施例提供的一种反欺诈方法的流程图。该反欺诈方法可适用于所有在线交易中的反欺诈识别与处理等情况。该反欺诈方法可以由反欺诈装置来执行，该装置可以采用硬件和/或软件的方式来实现，并一般可集成于服务器中。
如图1所示，该反欺诈方法具体包括如下步骤：
S101，获取目标用户的交易数据，其中，交易数据包括当前交易数据、历史交易数据以及目标用户的用户信息数据。
具体地，目标用户的交易数据是从服务器端获取到的，交易数据包括目标用户的实时交易数据，即当前交易数据，还包括目标用户在一定时间范围内的历史交易数据以及用户信息数据，其中，历史交易数据包括多个预设时间区间内的交易笔数、交易总金额、交易平均金额、交易发生地区等信息，用户信息数据包括该目标客户的姓名、性别、证件号、职业、工作地点、通信地址所在地区、手机号等信息。
服务器端的交易数据是从不同的交易终端获取到的，其中，交易终端包括但不限于手机银行、网上银行、ATM机、柜台交易等，所有交易数据会通过固定格式的报文发送到服务器端待用。
可选地，交易数据以队列的形式被获取或被使用。
具体地，为了提高稳定性防止交易量突然增加时出现异常情况，交易数据以队列的形式被获取或使用。具体来说，在服务器端设置有待接入队列，服务器端接收到的各交易终端发送来的交易数据被放入待接入队列中，当反欺诈装置接入服务器端，并从服务器端获取到交易数据之后，将获取到的交易数据以队列的形式放入自身设置的已接入队列中待用。
S102，基于交易数据生成交易信号，其中，交易信号为通过连续0/1字符表征交易数据的特征量。
具体地，交易信号由连续的0/1字符串组成，根据目标用户的交易数据中不同的信息得到字符串中每一位的0/1标识，例如，交易发生地区的IP地址和目标用户的开户所在地的IP地址在同一个地区时，将地区标识为“1”，否则为“0”；再如，当前交易的交易金额大于过去三天内所有交易总金额的平均值，则三天内交易额标识为“1”，否则为0。
S103，基于交易信号通过预设反欺诈模型计算得到相应的欺诈分数，其中，欺诈分数用于表征目标用户的当前交易的欺诈概率。
具体地，在利用交易数据生成交易信号之后，将交易信号输入预设反欺诈模型中，从而计算得到当前交易的欺诈分数。预设反欺诈模型可以是传统机器学习算法，例如决策树、支持向量机等，也可以是深度神经网络等，在此不做限制。
S104，查询目标用户的历史欺诈信息。
可选地，查询目标用户的历史欺诈信息包括：查询目标用户的历史欺诈数据以及确认目标用户是否列入欺诈黑白名单中。
具体地，历史欺诈数据表示目标用户在过去是否存在欺诈交易，欺诈黑白名单包括欺诈黑名单和欺诈白名单，其中，进入欺诈黑名单表征了目标用户在过去由于发生过欺诈交易行为，进入欺诈白名单表征了目标用户在过去未发生过欺诈交易行为。
S105，基于历史欺诈信息以及欺诈分数通过预设业务规则确定目标用户的当前交易是否为欺诈交易，其中，预设业务规则为根据交易数据、交易场景以及交易类型确定出的一个或多个欺诈判断规则。
具体地，在得到目标用户的历史欺诈信息以及当前交易的欺诈分数之后，利用预设业务规则可以判断出当前该笔交易是否为欺诈交易，其中，预设业务规则为根据交易数据、交易场景以及交易类型确定出的一个或多个欺诈判断规则，示例性地，交易场景可以为柜台交易、ATM机交易、手机终端交易等，交易类型可以为开户交易等。在实际使用过程中，预设业务规则可以根据不同的交易数据、交易场景、交易类型等配置一条或多条欺诈判断规则，即预设业务规则可以根据实际需求进行灵活配置，从而使得本发明实施例提供的反欺诈方法的使用范围更加广泛，使用场景更加灵活。
本发明实施例通过使用当前交易数据、历史交易数据以及用户信息数据作为判断当前交易是否为欺诈交易的依据，解决了现有技术中仅使用当前交易数据判断交易是否为欺诈交易所存在的判断依据不全面，容易导致出现误判、漏判状况的技术问题，实现了能够有效识别欺诈交易，提高线上交易反欺诈的准确性的技术效果。
在上述各技术方案的基础上，图2是本发明实施例提供的另一种反欺诈方法的流程图，如图2所示，上述S101步骤具体包括：
S1011，获取目标用户的当前交易数据。
具体地，当前交易数据为目标用户的实时交易数据。
S1012，基于当前交易数据补齐目标用户的历史交易数据以及用户信息数据，其中，历史交易数据包括多个预设时间区间内的交易笔数、交易总金额、交易平均金额以及交易发生地区。
具体地，在获取到目标用户的当前交易数据之后，基于当前交易数据将目标用户的历史交易数据以及用户信息数据进行补齐，其中，历史交易数据包括多个预设时间区间内的交易笔数、交易总金额、交易平均金额以及交易发生地区，多个预设时间区间包括过去五分钟内、十分钟内、一小时内、三小时内、十小时内、一天内、三天内、七天内、十天内、一个月内、三个月内、半年内、一年内等时间区间，用户信息数据包括该目标客户的姓名、性别、证件号、职业、工作地点、通信地址所在地区、手机号等信息，历史交易数据以及用户信息数据均可以通过查询交易系统得到。
在上述各技术方案的基础上，图3是本发明实施例提供的又一种反欺诈方法的流程图，如图3所示，上述S1011步骤具体包括：
步骤S301，获取预设报文格式的目标用户的当前交易数据。
具体地，目标用户的当前交易数据是反欺诈装置从服务器端获取到的，而服务器端的当前交易数据是交易终端以预设报文格式发送至服务器端的，因此反欺诈装置从服务器端获取到的当前交易数据也是预设报文格式的数据。
步骤S302，对当前交易数据进行报文解析，得到解析后的当前交易数据。
具体地，在得到预设报文格式的当前交易数据之后，反欺诈装置会对当前交易数据进行报文解析，得到解析后的当前交易数据。
在上述各技术方案的基础上，图4是本发明实施例提供的又一种反欺诈方法的流程图，如图4所示，上述S105步骤确定出目标用户的当前交易是否为欺诈交易之后，反欺诈方法还包括：
S401，将确定出的结果以及目标用户的当前交易数据储存待用。
具体地，在确定出目标用户的当前交易是否为欺诈交易之后，反欺诈装置会将确定出的结果以及目标用户的当前交易数据返回，并将其储存待用。
图5是本发明实施例提供的一种反欺诈装置的结构图，如图5所示，该反欺诈装置包括：
数据获取单元51，用于获取目标用户的交易数据，其中，交易数据包括当前交易数据、历史交易数据以及目标用户的用户信息数据；
信号生成单元52，用于基于交易数据生成交易信号，其中，交易信号为通过连续0/1字符表征交易数据的特征量；
分数计算单元53，用于基于交易信号通过预设反欺诈模型计算得到相应的欺诈分数，其中，欺诈分数用于表征目标用户的当前交易的欺诈概率；
信息查询单元54，用于查询目标用户的历史欺诈信息；
欺诈确定单元55，用于基于历史欺诈信息以及欺诈分数通过预设业务规则确定目标用户的当前交易是否为欺诈交易，其中，预设业务规则为根据交易数据、交易场景以及交易类型确定出的一个或多个欺诈判断规则。
可选地，数据获取单元51包括：
数据获取子单元，获取目标用户的当前交易数据；
数据补齐子单元，用于基于当前交易数据补齐目标用户的历史交易数据以及用户信息数据，其中，历史交易数据包括多个预设时间区间内的交易笔数、交易总金额、交易平均金额以及交易发生地区。
可选地，信息查询单元54具体用于：查询目标用户的历史欺诈数据以及确认目标用户是否列入欺诈黑白名单中。
可选地，交易数据以队列的形式被获取或被使用。
可选地，数据获取子单元包括：
获取模块，用于获取预设报文格式的目标用户的当前交易数据；
解析模块，用于对当前交易数据进行报文解析，得到解析后的当前交易数据。
可选地，在欺诈确定单元55确定出目标用户的当前交易是否为欺诈交易之后，反欺诈装置还包括：
存储单元，用于将确定出的结果以及目标用户的当前交易数据储存待用。
本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
本发明实施例提供的反欺诈装置，与上述实施例提供的反欺诈方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
图6为本发明实施例提供的一种反欺诈设备的结构示意图，如图6所示，该反欺诈设备包括处理器61、存储器62、输入装置63和输出装置64；反欺诈设备中处理器61的数量可以是一个或多个，图6中以一个处理器61为例；反欺诈设备中的处理器61、存储器62、输入装置63和输出装置64可以通过总线或其他方式连接，图6中以通过总线连接为例。
存储器62作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的反欺诈方法对应的程序指令/模块(例如，反欺诈装置中的数据获取单元51，信号生成单元52、分数计算单元53、信息查询单元54以及欺诈确定单元55)。处理器61通过运行存储在存储器62中的软件程序、指令以及模块，从而执行反欺诈设备的各种功能应用以及数据处理，即实现上述的反欺诈方法。
存储器62可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器62可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器62可进一步包括相对于处理器61远程设置的存储器，这些远程存储器可以通过网络连接至反欺诈设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置63可用于接收输入的数字或字符信息，以及产生与反欺诈设备的用户设置以及功能控制有关的键信号输入。输出装置64可包括显示屏等显示设备。
本发明实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种反欺诈方法。
具体地，该反欺诈方法包括：
获取目标用户的交易数据，其中，交易数据包括当前交易数据、历史交易数据以及目标用户的用户信息数据；
基于交易数据生成交易信号，其中，交易信号为通过连续0/1字符表征交易数据的特征量；
基于交易信号通过预设反欺诈模型计算得到相应的欺诈分数，其中，欺诈分数用于表征目标用户的当前交易的欺诈概率；
查询目标用户的历史欺诈信息；
基于历史欺诈信息以及欺诈分数通过预设业务规则确定目标用户的当前交易是否为欺诈交易，其中，预设业务规则为根据交易数据、交易场景以及交易类型确定出的一个或多个欺诈判断规则。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的反欺诈方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，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的方法。
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种反欺诈方法，其特征在于，所述反欺诈方法包括：
获取目标用户的交易数据，其中，所述交易数据包括当前交易数据、历史交易数据以及所述目标用户的用户信息数据；
基于所述交易数据生成交易信号，其中，所述交易信号为通过连续0/1字符表征所述交易数据的特征量；
基于所述交易信号通过预设反欺诈模型计算得到相应的欺诈分数，其中，所述欺诈分数用于表征所述目标用户的当前交易的欺诈概率；
查询所述目标用户的历史欺诈信息；
基于所述历史欺诈信息以及所述欺诈分数通过预设业务规则确定所述目标用户的当前交易是否为欺诈交易，其中，所述预设业务规则为根据交易数据、交易场景以及交易类型确定出的一个或多个欺诈判断规则。
2.根据权利要求1所述的反欺诈方法，其特征在于，所述获取目标用户的交易数据包括：
获取所述目标用户的当前交易数据；
基于所述当前交易数据补齐所述目标用户的所述历史交易数据以及所述用户信息数据，其中，所述历史交易数据包括多个预设时间区间内的交易笔数、交易总金额、交易平均金额以及交易发生地区。
3.根据权利要求1所述的反欺诈方法，其特征在于，所述查询所述目标用户的历史欺诈信息包括：
查询所述目标用户的历史欺诈数据以及确认所述目标用户是否列入欺诈黑白名单中。
4.根据权利要求1所述的反欺诈方法，其特征在于，所述交易数据以队列的形式被获取或被使用。
5.根据权利要求2所述的反欺诈方法，其特征在于，所述获取所述目标用户的当前交易数据包括：
获取预设报文格式的所述目标用户的所述当前交易数据；
对所述当前交易数据进行报文解析，得到解析后的所述当前交易数据。
6.根据权利要求1所述的反欺诈方法，其特征在于，在确定出所述目标用户的当前交易是否为欺诈交易之后，所述反欺诈方法还包括：将确定出的结果以及所述目标用户的所述当前交易数据储存待用。
7.一种反欺诈装置，其特征在于，所述反欺诈装置包括：
数据获取单元，用于获取目标用户的交易数据，其中，所述交易数据包括当前交易数据、历史交易数据以及所述目标用户的用户信息数据；
信号生成单元，用于基于所述交易数据生成交易信号，其中，所述交易信号为通过连续0/1字符表征所述交易数据的特征量；
分数计算单元，用于基于所述交易信号通过预设反欺诈模型计算得到相应的欺诈分数，其中，所述欺诈分数用于表征所述目标用户的当前交易的欺诈概率；
信息查询单元，用于查询所述目标用户的历史欺诈信息；
欺诈确定单元，用于基于所述历史欺诈信息以及所述欺诈分数通过预设业务规则确定所述目标用户的当前交易是否为欺诈交易，其中，所述预设业务规则为根据交易数据、交易场景以及交易类型确定出的一个或多个欺诈判断规则。
8.根据权利要求7所述的反欺诈装置，其特征在于，所述数据获取单元包括：
当前数据获取子单元，用于获取所述目标用户的当前交易数据；
数据补齐子单元，用于基于所述当前交易数据补齐所述目标用户的所述历史交易数据以及所述用户信息数据，其中，所述历史交易数据包括多个预设时间区间内的交易笔数、交易总金额、交易平均金额以及交易发生地区。
9.一种反欺诈设备，其特征在于，所述反欺诈设备包括：
一个或多个处理器；
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1-6中任一所述的反欺诈方法。
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，该程序被处理器执行时实现如权利要求1-6中任一所述的反欺诈方法。
CN202111027876.1A 2021-09-02 2021-09-02 一种反欺诈方法、装置和设备 Pending CN113744054A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111027876.1A CN113744054A (zh) 2021-09-02 2021-09-02 一种反欺诈方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111027876.1A CN113744054A (zh) 2021-09-02 2021-09-02 一种反欺诈方法、装置和设备

Publications (1)

Publication Number Publication Date
CN113744054A true CN113744054A (zh) 2021-12-03

Family

ID=78735106

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111027876.1A Pending CN113744054A (zh) 2021-09-02 2021-09-02 一种反欺诈方法、装置和设备

Country Status (1)

Country Link
CN (1) CN113744054A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117291615A (zh) * 2023-11-27 2023-12-26 成都乐超人科技有限公司 基于网络支付下克服反欺诈的可视化对比分析方法及装置
WO2024113317A1 (en) * 2022-12-01 2024-06-06 Paypal, Inc. Computer-based systems and methods for building and implementing attack narrative tree to improve successful fraud detection and prevention

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120239557A1 (en) * 2010-12-14 2012-09-20 Early Warning Services, Llc System and method for detecting fraudulent account access and transfers
CN106447333A (zh) * 2016-11-29 2017-02-22 中国银联股份有限公司 一种欺诈交易侦测方法及服务器
CN108717638A (zh) * 2018-05-18 2018-10-30 深圳壹账通智能科技有限公司 欺诈交易判断方法、装置、计算机设备和存储介质
CN109816390A (zh) * 2019-01-03 2019-05-28 深圳壹账通智能科技有限公司 基于交易数据的反欺诈分析处理方法、装置和计算机设备
US20190295085A1 (en) * 2018-03-23 2019-09-26 Ca, Inc. Identifying fraudulent transactions
CN110378699A (zh) * 2019-07-25 2019-10-25 中国工商银行股份有限公司 一种交易反欺诈方法、装置及系统
CN111275546A (zh) * 2020-02-24 2020-06-12 中国工商银行股份有限公司 金融客户欺诈风险识别方法及装置
CN111798244A (zh) * 2020-06-30 2020-10-20 中国工商银行股份有限公司 交易欺诈行为监测方法及装置
CN112016930A (zh) * 2020-08-31 2020-12-01 中国银行股份有限公司 交易安全性的检测方法及相关装置、计算机存储介质
CN112348519A (zh) * 2020-10-21 2021-02-09 上海淇玥信息技术有限公司 一种欺诈用户识别方法、装置和电子设备
US20210103926A1 (en) * 2019-10-02 2021-04-08 Visa International Service Association System, Method, and Computer Program Product for Evaluating a Fraud Detection System
CN112819611A (zh) * 2021-03-02 2021-05-18 成都新希望金融信息有限公司 欺诈识别方法、装置、电子设备和计算机可读存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120239557A1 (en) * 2010-12-14 2012-09-20 Early Warning Services, Llc System and method for detecting fraudulent account access and transfers
CN106447333A (zh) * 2016-11-29 2017-02-22 中国银联股份有限公司 一种欺诈交易侦测方法及服务器
US20190295085A1 (en) * 2018-03-23 2019-09-26 Ca, Inc. Identifying fraudulent transactions
CN108717638A (zh) * 2018-05-18 2018-10-30 深圳壹账通智能科技有限公司 欺诈交易判断方法、装置、计算机设备和存储介质
CN109816390A (zh) * 2019-01-03 2019-05-28 深圳壹账通智能科技有限公司 基于交易数据的反欺诈分析处理方法、装置和计算机设备
CN110378699A (zh) * 2019-07-25 2019-10-25 中国工商银行股份有限公司 一种交易反欺诈方法、装置及系统
US20210103926A1 (en) * 2019-10-02 2021-04-08 Visa International Service Association System, Method, and Computer Program Product for Evaluating a Fraud Detection System
CN111275546A (zh) * 2020-02-24 2020-06-12 中国工商银行股份有限公司 金融客户欺诈风险识别方法及装置
CN111798244A (zh) * 2020-06-30 2020-10-20 中国工商银行股份有限公司 交易欺诈行为监测方法及装置
CN112016930A (zh) * 2020-08-31 2020-12-01 中国银行股份有限公司 交易安全性的检测方法及相关装置、计算机存储介质
CN112348519A (zh) * 2020-10-21 2021-02-09 上海淇玥信息技术有限公司 一种欺诈用户识别方法、装置和电子设备
CN112819611A (zh) * 2021-03-02 2021-05-18 成都新希望金融信息有限公司 欺诈识别方法、装置、电子设备和计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
肖铭 等: "信用卡网上支付反欺诈系统设计", 科学技术与工程, vol. 10, no. 06, pages 1543 - 1546 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024113317A1 (en) * 2022-12-01 2024-06-06 Paypal, Inc. Computer-based systems and methods for building and implementing attack narrative tree to improve successful fraud detection and prevention
CN117291615A (zh) * 2023-11-27 2023-12-26 成都乐超人科技有限公司 基于网络支付下克服反欺诈的可视化对比分析方法及装置
CN117291615B (zh) * 2023-11-27 2024-02-06 成都乐超人科技有限公司 基于网络支付下克服反欺诈的可视化对比分析方法及装置

Similar Documents

Publication Publication Date Title
CN108876133B (zh) 基于业务信息的风险评估处理方法、装置、服务器和介质
CN111369342B (zh) 基于机器学习的贷款审批方法、装置、设备和存储介质
CN109544163B (zh) 一种用户支付行为的风险控制方法、装置、设备及介质
CN111275546A (zh) 金融客户欺诈风险识别方法及装置
CN113744054A (zh) 一种反欺诈方法、装置和设备
CN112580952A (zh) 用户行为风险预测方法、装置、电子设备及存储介质
CN109523117A (zh) 风险预测方法、装置、计算机设备和存储介质
CN113627566A (zh) 一种网络诈骗的预警方法、装置和计算机设备
CN111932268A (zh) 企业风险识别方法及装置
CN114693192A (zh) 风控决策方法、装置、计算机设备和存储介质
CN114186626A (zh) 一种异常检测方法、装置、电子设备及计算机可读介质
CN112950357A (zh) 交易异常团伙识别方法及装置
CN111476653A (zh) 一种风险信息识别、确定、模型训练方法及装置
CN112907356A (zh) 逾期催收方法、装置、系统及计算机可读存储介质
CN113205403A (zh) 一种企业信用等级的计算方法、装置、存储介质及终端
CN114841801A (zh) 一种基于用户行为特征的信贷风控方法和装置
CN116151954A (zh) 一种实时团伙反欺诈检测方法及系统
CN116468444A (zh) 一种消费预警方法、系统、设备和存储介质
CN111951008A (zh) 一种风险预测方法、装置、电子设备和可读存储介质
CN111611519A (zh) 一种个人异常行为检测方法及装置
CN107871213B (zh) 一种交易行为评价方法、装置、服务器以及存储介质
CN117196630A (zh) 交易风险预测方法、装置、终端设备以及存储介质
CN110910241B (zh) 现金流评估方法、装置、服务器设备及存储介质
CN112184238A (zh) 金融租赁行业的反洗钱监控方法、装置、电子设备及介质
CN116934131A (zh) 一种企业经营状况评估方法、装置及设备

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