CN114663239A

CN114663239A - 一种异常交易预警方法及装置

Info

Publication number: CN114663239A
Application number: CN202210408286.1A
Authority: CN
Inventors: 井潇; 郭晓磊; 许婧岳; 周婧
Original assignee: Industrial and Commercial Bank of China Ltd ICBC
Current assignee: Industrial and Commercial Bank of China Ltd ICBC
Priority date: 2022-04-19
Filing date: 2022-04-19
Publication date: 2022-06-24

Abstract

本申请提供一种异常交易预警方法及装置，涉及大数据领域，也可用于金融领域，包括：根据交易发起方的交易请求及第一历史交易数据确定所述交易请求的第一异常程度；当所述第一异常程度低于预设的第一风险阈值时，根据交易接收方的第二历史交易数据确定所述交易接收方的第二异常程度；根据所述第二异常程度及预设的第二风险阈值进行异常交易预警处理。本申请能够根据交易发起方及交易接收方的历史交易数据进行异常交易预警。

Description

一种异常交易预警方法及装置

技术领域

本申请涉及大数据领域，可以用于金融领域，具体是一种异常交易预警方法及装置。

背景技术

随着近年来制卡技术的普及，金融账户的盗刷问题越发严重。盗刷者可能采用一些不正当手段给金融机构或其客户造成资金损失。

为解决上述问题，各金融机构纷纷在电子交易渠道中引入人工监管机制。然而，通过人工审核的方式降低盗刷风险存在准确率低、人力成本大、时效性差等缺陷。

虽然各金融机构考虑到上述缺陷，在人工监管的基础上又引入了专家系统，但其模型单一，鲁棒性差，难以适应日新月异的交易场景。现有的异常交易检测方法通常使用闵可夫斯基距离(Minkowski Distance，简称距离)来确定测试样本点与历史数据点之间的相异程度。该方法对于交易信息量较大，交易数据维度较广的交易场景并不适用，因为当某个维度的交易参数值分布相差较大时，两点间的相异程度会更偏向于该维度的区别，而对其他维度的相异程度反应并不敏感。另外，该方法对于数据的分布密度也不敏感，其通常只会计算当前某一维度下，测试样本点与历史数据点之间的距离。当数据分布在各维度上的密度不均时，计算结果偏差较大。

发明内容

针对现有技术中的问题，本申请提供一种异常交易预警方法及装置，能够能够根据交易发起方及交易接收方的历史交易数据进行异常交易预警。

为解决上述技术问题，本申请提供以下技术方案：

第一方面，本申请提供一种异常交易预警方法，包括：

根据交易发起方的交易请求及第一历史交易数据确定所述交易请求的第一异常程度；

当所述第一异常程度低于预设的第一风险阈值时，根据交易接收方的第二历史交易数据确定所述交易接收方的第二异常程度；

根据所述第二异常程度及预设的第二风险阈值进行异常交易预警处理。

进一步地，所述根据交易发起方的交易请求及第一历史交易数据确定所述交易请求的第一异常程度，包括：

遍历每次历史交易的第一历史交易数据，根据所述交易请求及各所述第一历史交易数据计算得到各所述第一历史交易数据对应的第一异常值；

根据各所述第一异常值及所述第一历史交易数据的个数确定所述第一异常程度。

进一步地，所述遍历每次历史交易的第一历史交易数据，根据所述交易请求及各所述第一历史交易数据计算得到各所述第一历史交易数据对应的第一异常值，包括：

根据所述交易请求确定多个第一交易信息维度；

针对每一第一交易信息维度，将所述交易请求在该第一交易信息维度下的当前交易值及所述第一历史交易数据在该第一交易信息维度下的历史交易值输入指示函数，得到所述交易请求在该第一交易信息维度下的第一维度异常值；

根据各第一维度异常值及所述第一交易信息维度的个数确定所述第一异常值。

进一步地，所述第二历史交易数据包括：待测历史交易数据及参考历史交易数据；所述根据交易接收方的第二历史交易数据确定所述交易接收方的第二异常程度，包括：

遍历所述参考历史交易数据，根据所述待测历史交易数据及各所述参考历史交易数据计算得到各所述参考历史交易数据对应的第二异常值；

根据各所述第二异常值及所述参考历史交易数据的个数确定所述第二异常程度；

利用指数平滑算法调整所述第二异常程度。

进一步地，所述根据所述待测历史交易数据及各所述参考历史交易数据计算得到各所述参考历史交易数据对应的第二异常值，包括：

根据所述待测历史交易数据确定多个第二交易信息维度；

针对每一第二交易信息维度，将所述待测历史交易数据在该第二交易信息维度下的待测交易值及所述参考历史交易数据在该第二交易信息维度下的参考交易值输入指示函数，得到所述待测历史交易数据在该第二交易信息维度下的第二维度异常值；

根据各第二维度异常值及所述第二交易信息维度的个数确定所述第二异常值。

进一步地，所述的异常交易预警方法，还包括：

从历史交易数据库获取所述第一历史交易数据及/或所述第二历史交易数据。

进一步地，所述的异常交易预警方法，还包括：

当所述第一异常程度高于所述第一风险阈值时，对所述交易请求进行异常交易预警。

进一步地，所述根据所述第二异常程度及预设的第二风险阈值进行异常交易预警处理，包括：

当所述第二异常程度高于所述第二风险阈值时，对所述交易请求进行异常交易预警。

第二方面，本申请提供一种异常交易预警装置，包括：

第一异常程度确定单元，用于根据交易发起方的交易请求及第一历史交易数据确定所述交易请求的第一异常程度；

第二异常程度确定单元，用于当所述第一异常程度低于预设的第一风险阈值时，根据交易接收方的第二历史交易数据确定所述交易接收方的第二异常程度；

预警处理单元，用于根据所述第二异常程度及预设的第二风险阈值进行异常交易预警处理。

进一步地，所述第一异常程度确定单元，包括：

第一异常值确定模块，用于遍历每次历史交易的第一历史交易数据，根据所述交易请求及各所述第一历史交易数据计算得到各所述第一历史交易数据对应的第一异常值；

第一异常程度确定模块，用于根据各所述第一异常值及所述第一历史交易数据的个数确定所述第一异常程度。

进一步地，所述第一异常值确定模块，包括：

第一维度确定子模块，用于根据所述交易请求确定多个第一交易信息维度；

第一维度异常值确定子模块，用于针对每一第一交易信息维度，将所述交易请求在该第一交易信息维度下的当前交易值及所述第一历史交易数据在该第一交易信息维度下的历史交易值输入指示函数，得到所述交易请求在该第一交易信息维度下的第一维度异常值；

第一异常值确定子模块，用于根据各第一维度异常值及所述第一交易信息维度的个数确定所述第一异常值。

进一步地，所述第二历史交易数据包括：待测历史交易数据及参考历史交易数据；所述第二异常程度确定单元，包括：

第二异常值确定模块，用于遍历所述参考历史交易数据，根据所述待测历史交易数据及各所述参考历史交易数据计算得到各所述参考历史交易数据对应的第二异常值；

第二异常程度确定模块，用于根据各所述第二异常值及所述参考历史交易数据的个数确定所述第二异常程度；

第二异常程度调整模块，用于利用指数平滑算法调整所述第二异常程度。

进一步地，所述第二异常值确定模块，包括：

第二维度确定子模块，用于根据所述待测历史交易数据确定多个第二交易信息维度；

第二维度异常值确定子模块，用于针对每一第二交易信息维度，将所述待测历史交易数据在该第二交易信息维度下的待测交易值及所述参考历史交易数据在该第二交易信息维度下的参考交易值输入指示函数，得到所述待测历史交易数据在该第二交易信息维度下的第二维度异常值；

第二异常值确定子模块，用于根据各第二维度异常值及所述第二交易信息维度的个数确定所述第二异常值。

进一步地，所述的异常交易预警装置，还具体用于：

进一步地，所述的异常交易预警方法，所述预警处理单元，包括：

第三方面，本申请提供一种电子设备包括存储器、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程序时实现所述异常交易预警方法的步骤。

第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述异常交易预警方法的步骤。

第五方面，本申请提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现所述的异常交易预警方法的步骤。

针对现有技术中的问题，本申请提供的异常交易预警方法及装置，能够根据交易请求及历史交易数据在超空间中的分布计算得出该笔交易请求的异常程度，相较于现有的闵可夫斯基距离，其对在空间中数据分布密度不均的情况更加敏感，能够更加准确地分辨交易的异常程度；通过交易账户灰名单，能够快速筛选出向灰名单转账的交易，提高系统的异常检出效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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为本申请实施例中异常交易预警方法的流程图；

图2为本申请实施例中确定交易请求的第一异常程度的流程图；

图3为本申请实施例中得到第一异常值的流程图；

图4为本申请实施例中确定第二异常程度的流程图；

图5为本申请实施例中确定第二异常值的流程图；

图6为本申请实施例中异常交易预警装置的结构图；

图7为本申请实施例中第一异常程度确定单元的结构图；

图8为本申请实施例中第一异常值确定模块的结构图；

图9为本申请实施例中第二异常程度确定单元的结构图；

图10为本申请实施例中第二异常值确定模块的结构图；

图11为本申请实施例中的电子设备的结构示意图；

图12为本申请实施例中业务流程示意图。

具体实施方式

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，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。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，都属于本申请保护的范围。

需要说明的是，本申请提供的异常交易预警方法及装置，可用于金融领域，也可用于除金融领域之外的任意领域，本申请提供的异常交易预警方法及装置的应用领域不做限定。

一实施例中，参见图1，为了能够根据交易发起方及交易接收方的历史交易数据进行异常交易预警，本申请提供一种异常交易预警方法，包括：

S101：根据交易发起方的交易请求及第一历史交易数据确定交易请求的第一异常程度；

S102：当第一异常程度低于预设的第一风险阈值时，根据交易接收方的第二历史交易数据确定交易接收方的第二异常程度；

S103：根据第二异常程度及预设的第二风险阈值进行异常交易预警处理。

可以理解的是，一般而言，对于包括银行在内的金融机构，异常交易的发生往往是一种小概率事件，而正常交易往往占据绝大多数。为了检测金融机构电子交易渠道中的异常交易，现有技术会构建交易数据分布模型，并以此来衡量当前交易的异常程度。然而，由于异常交易在全部交易中所占比例相对较小，数据采样密度不均，因此，构建出来的交易数据分布模型难以准确检测出异常交易。

为此，本申请实施例提供一种基于超空间分布的银行电子渠道异常交易检测方法，改进了构建交易数据分布模型的方法，能够较准确地衡量出当前交易的异常程度，更加符合当前账户的交易特点。上述方法的执行主体可以是金融机构的后台服务器，但本申请不以此为限。

具体地，参见图12，交易发起方通过客户端(包括但不限于手机等移动终端)向金融机构的服务器发起交易请求后，服务器自动从数据库中调取该交易发起方的第一历史交易数据及该交易请求的相关信息。其中，交易请求的相关信息包括但不限于交易金额、交易渠道、交易地理位置、交易时间及交易接收方方账户；第一历史交易数据包括但不限于交易发起方的单位时间内的交易笔数、单位时间内的单笔交易大于设定值的交易次数、单位时间内的交易失败笔数及各渠道的交易次数，其可以根据交易发起方从历史交易数据库中获取，其中，单位时间可以取当前交易请求的前30个自然日。

根据交易发起方的交易请求及第一历史交易数据可以确定出该交易请求的第一异常程度；需要说明的是，为了得到第一异常程度，需要利用第一历史交易数据，预先构建交易风险分析模型，也就是说，第一异常程度是利用预先构建的交易风险分析模型得到的，具体的模型构建方法详见下文阐述。

若第一异常程度低于预设的第一风险阈值，则还需要根据交易接收方的第二历史交易数据确定交易接收方的第二异常程度；只有第一异常程度及第二异常程度均符合对应的阈值时，当前交易请求才被视为是正常交易，否则就要进行异常交易预警。其中，第二异常程度也是利用预先构建的账户风险分析模型得到的；第二历史交易数据包括但不限于交易接收方(下文也称对手账户)的单位时间内的交易笔数、单位时间内的单笔交易大于设定值的交易次数、单位时间内的交易失败笔数及各渠道的交易次数。

需要说明的是，参见图12，服务器在收到交易请求后，还可以先查询对手账户是否存在于交易异常灰名单中。若存在于灰名单中，则预警当前交易请求存在风险，若交易发起方选择继续交易，则当前交易请求流转到人工处理流程。若对手账户未存在于灰名单中，则可调起异常交易检测算法(也就是本申请实施例提供的异常交易预警方法)，计算当前交易请求的异常程度。若交易发起方的交易请求存在异常，则产生交易异常报警，转为人工处理。

也就是说，当对手账户存在异常情况时，可以将对手账户记录到灰名单中，同时将当前交易请求流转至人工进行处理。由于在实际业务经验中，导致异常交易出现的原因经常出现在收款账户(对手账户)一方，因此交易账户灰名单可以快速粗筛出当前交易请求是否存在异常可能，从而将所有涉及该对手账户的交易信息进行综合判定，提高对异常交易检测的召回率。

从上述描述可知，本申请提供的异常交易预警方法，能够根据交易请求及历史交易数据在超空间中的分布计算得出该笔交易请求的异常程度，相较于现有的闵可夫斯基距离，其对在空间中数据分布密度不均的情况更加敏感，能够更加准确地分辨交易的异常程度；通过交易账户灰名单，能够快速筛选出向灰名单转账的交易，提高系统的异常检出效率。

一实施例中，参见图2，根据交易发起方的交易请求及第一历史交易数据确定交易请求的第一异常程度，包括：

S201：遍历每次历史交易的第一历史交易数据，根据交易请求及各第一历史交易数据计算得到各第一历史交易数据对应的第一异常值；

S202：根据各第一异常值及第一历史交易数据的个数确定第一异常程度。

可以理解的是，一实施例中，参见图3，步骤S201具体包括：根据交易请求确定多个第一交易信息维度(S301)；针对每一第一交易信息维度，将交易请求在该第一交易信息维度下的当前交易值及第一历史交易数据在该第一交易信息维度下的历史交易值输入指示函数，得到交易请求在该第一交易信息维度下的第一维度异常值(S302)；根据各第一维度异常值及第一交易信息维度的个数确定第一异常值(S303)。

具体地，将Rⁱ(x，y)定义为x和y在第i维xⁱ和yⁱ之间的区域，x∈N，N为历史交易数据集(其中记录有第一历史交易数据)，x为第一历史交易数据(其中第一历史交易数据有多个)，xⁱ为x的第i维的值，y为当前交易请求的数据，yⁱ为y的第i维的值，i为维度。维度的概念可以理解如下：x和y包含上述历史交易的统计数据(即第一历史交易数据)及当前交易请求的相关信息，如交易金额、交易渠道等。每种信息为一个维度，因此，分别为一个高维数据点。

其中，I(·)为指示函数，z为N中除x外的其它交易数据点。然后以Mⁱ(x，y|N)占N中的比例作为x和y在第i维上的相异程度，计算x和y在所有维度上的相异程度，如下式所示，其中，n为数据的维数，p为调节系数，仅为使下式取值范围在[0，1]，表示为概率值。

计算当前交易请求对应的当前交易数据与每个第一历史交易数据之间的相异程度，得出异常打分，然后将所有异常打分相加，得到该笔交易的异常分数。算法流程如下所示：

若根据上述算法，计算得到交易发起方的当前交易请求为正常交易，则可以调取对手账户的历史交易信息，计算对手账户在单位时间内的交易异常分值，以确定对手账户是否异常。

从上述描述可知，本申请提供的异常交易预警方法，能够根据交易发起方的交易请求及第一历史交易数据确定交易请求的第一异常程度。

一实施例中，参见图4，第二历史交易数据包括：待测历史交易数据及参考历史交易数据；根据交易接收方的第二历史交易数据确定交易接收方的第二异常程度，包括：

S401：遍历参考历史交易数据，根据待测历史交易数据及各参考历史交易数据计算得到各参考历史交易数据对应的第二异常值；

S402：根据各第二异常值及参考历史交易数据的个数确定第二异常程度；

S403：利用指数平滑算法调整第二异常程度。

可以理解的是，一实施例中，参见图5，步骤S401具体包括：根据待测历史交易数据确定多个第二交易信息维度(S501)；针对每一第二交易信息维度，将待测历史交易数据在该第二交易信息维度下的待测交易值及参考历史交易数据在该第二交易信息维度下的参考交易值输入指示函数，得到待测历史交易数据在该第二交易信息维度下的第二维度异常值(S502)；根据各第二维度异常值及第二交易信息维度的个数确定第二异常值(S503)。

具体地，对于对手方账户的异常状态，也可以利用本申请实施例中的交易风险分析模型来衡量。首先，对于对手账户的交易状态，需要设定最近交易的笔数t，数据集为O，令上述算法为

账户交易异常状态可以通过对最近交易的异常状态进行加权平均计算，从而得到当前账户的异常状态。其中，ω为平滑调节系数，用于调整第二历史交易数据的权重下降速度，交易时间越近，权重越高，ω的取值范围为[0，∞]。C(t)为该对手账户的异常状态，取值范围为[0，1]。权重由平滑调节系数进行调整。

举例而言，假设采集数据的维度为二维，分别为交易金额维度及单位时间内交易笔数维度，令x∈N，N作为历史交易数据集(其中记录有第一历史交易数据及第二历史交易数据)，y为当前交易请求的数据。

针对交易发起方异常状态检测部分：

首先，令N中第一个数据点为x，遍历两个维度，对于交易金额维度，利用函数Mⁱ(x，y|N)统计数据集N中，在交易金额维度上，x和y之间的数据点个数，其中j为0，即第一个维度。然后，利用式D′(x，y)计算上述两个维度上，x和y的相异分数。以此类推，循环遍历N中的数据点，分别令数据点为x，得到y的异常分数的累加值P(y)，最后P(y)/N_num为该笔交易的异常分数。

针对交易接收方(对手账户)异常状态检测部分：

假设t取5，Q(O_n)计算得出对手账户近五笔交易的异常得分分别为0.1、0.1、0.8、0.8、0.9，调节系数为1，该账户异常分值C(t)为0.834，而若将五个值取平均数时，异常分数为0.54，根据该账户近期交易异常程度的变化，可以看出异常程度逐渐升高，历史正常交易使得该账户取平均值未加入时间因素，得出结论偏低，对账户的异常波动不敏感。通过上述方法，可以对账户的异常波动更加敏感，能够及时预警。

在交易金额维度上，账户单笔交易金额会在一个稳定范围内，如0至1000之间；每月定期的工资收入等固定交易会存在较大额度，高出一个或多个数量级，例如10000元。当用传统的闵可夫斯基距离计算时，工资收入等额度较大的交易，由于数值比日常交易高很多，会很容易被定为异常值。而如果采用本申请实施例所提供的算法计算，由于10000元与日常交易的较大值之间，并没有太多交易记录，在算法中得出的两笔交易的相异分值较闵可夫斯基距离的分值低，从而避免了因为相对数值相差较大，导致将较大数值的交易记录判定为异常交易。

从上述描述可知，本申请提供的异常交易预警方法，能够根据交易接收方的第二历史交易数据确定交易接收方的第二异常程度。

一实施例中，参见图12，异常交易预警方法，还包括：从历史交易数据库获取第一历史交易数据及/或第二历史交易数据。

一实施例中，参见图12，异常交易预警方法，还包括：当第一异常程度高于第一风险阈值时，对交易请求进行异常交易预警。

一实施例中，参见图12，根据第二异常程度及预设的第二风险阈值进行异常交易预警处理，包括：当第二异常程度高于第二风险阈值时，对交易请求进行异常交易预警。

基于同一发明构思，本申请实施例还提供了一种异常交易预警装置，可以用于实现上述实施例所描述的方法，如下面的实施例所述。由于异常交易预警装置解决问题的原理与异常交易预警方法相似，因此异常交易预警装置的实施可以参见基于软件性能基准确定方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

一实施例中，参见图6，为了能够根据交易发起方及交易接收方的历史交易数据进行异常交易预警，本申请提供一种异常交易预警装置，包括：第一异常程度确定单元601、第二异常程度确定单元602及预警处理单元603。

第一异常程度确定单元601，用于根据交易发起方的交易请求及第一历史交易数据确定所述交易请求的第一异常程度；

第二异常程度确定单元602，用于当所述第一异常程度低于预设的第一风险阈值时，根据交易接收方的第二历史交易数据确定所述交易接收方的第二异常程度；

预警处理单元603，用于根据所述第二异常程度及预设的第二风险阈值进行异常交易预警处理。

一实施例中，参见图7，第一异常程度确定单元601，包括：第一异常值确定模块701及第一异常程度确定模块702。

第一异常值确定模块701，用于遍历每次历史交易的第一历史交易数据，根据所述交易请求及各所述第一历史交易数据计算得到各所述第一历史交易数据对应的第一异常值；

第一异常程度确定模块702，用于根据各所述第一异常值及所述第一历史交易数据的个数确定所述第一异常程度。

一实施例中，参见图8，第一异常值确定模块701，包括：第一维度确定子模块801、第一维度异常值确定子模块802及第一异常值确定子模块803。

第一维度确定子模块801，用于根据所述交易请求确定多个第一交易信息维度；

第一维度异常值确定子模块802，用于针对每一第一交易信息维度，将所述交易请求在该第一交易信息维度下的当前交易值及所述第一历史交易数据在该第一交易信息维度下的历史交易值输入指示函数，得到所述交易请求在该第一交易信息维度下的第一维度异常值；

第一异常值确定子模块803，用于根据各第一维度异常值及所述第一交易信息维度的个数确定所述第一异常值。

一实施例中，参见图9，第二历史交易数据包括：待测历史交易数据及参考历史交易数据；所述第二异常程度确定单元602，包括：第二异常值确定模块901、第二异常程度确定模块902及第二异常程度调整模块903。

第二异常值确定模块901，用于遍历所述参考历史交易数据，根据所述待测历史交易数据及各所述参考历史交易数据计算得到各所述参考历史交易数据对应的第二异常值；

第二异常程度确定模块902，用于根据各所述第二异常值及所述参考历史交易数据的个数确定所述第二异常程度；

第二异常程度调整模块903，用于利用指数平滑算法调整所述第二异常程度。

一实施例中，参见图10，第二异常值确定模块901，包括：第二维度确定子模块1001、第二维度异常值确定子模块1002及第二异常值确定子模块1003。

第二维度确定子模块1001，用于根据所述待测历史交易数据确定多个第二交易信息维度；

第二维度异常值确定子模块1002，用于针对每一第二交易信息维度，将所述待测历史交易数据在该第二交易信息维度下的待测交易值及所述参考历史交易数据在该第二交易信息维度下的参考交易值输入指示函数，得到所述待测历史交易数据在该第二交易信息维度下的第二维度异常值；

第二异常值确定子模块1003，用于根据各第二维度异常值及所述第二交易信息维度的个数确定所述第二异常值。

一实施例中，所述的异常交易预警装置，还具体用于：

一实施例中，所述预警处理单元，还具体用于：

从硬件层面来说，为了能够根据交易发起方及交易接收方的历史交易数据进行异常交易预警，本申请提供一种用于实现所述异常交易预警方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：

处理器(Processor)、存储器(Memory)、通讯接口(Communications Interface)和总线；其中，所述处理器、存储器、通讯接口通过所述总线完成相互间的通讯；所述通讯接口用于实现所述异常交易预警装置与核心业务系统、用户终端以及相关数据库等相关设备之间的信息传输；该逻辑控制器可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该逻辑控制器可以参照实施例中的异常交易预警方法的实施例，以及异常交易预警装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。

可以理解的是，所述用户终端可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。

在实际应用中，异常交易预警方法的部分可以在如上述内容所述的电子设备侧执行，也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器。

上述的客户端设备可以具有通讯模块(即通讯单元)，可以与远程的服务器进行通讯连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通讯链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式装置的服务器结构。

图11为本申请实施例的电子设备9600的系统构成的示意框图。如图11所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图11是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。

一实施例中，异常交易预警方法功能可以被集成到中央处理器9100中。其中，中央处理器9100可以被配置为进行如下控制：

在另一个实施方式中，异常交易预警装置可以与中央处理器9100分开配置，例如可以将数据复合传输装置异常交易预警装置配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现异常交易预警方法的功能。

如图11所示，该电子设备9600还可以包括：通讯模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图11中所示的所有部件；此外，电子设备9600还可以包括图11中没有示出的部件，可以参考现有技术。

如图11所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。

其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。

输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。

该存储器9140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。

存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通讯功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。

通讯模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通讯模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通讯终端的情况相同。

基于不同的通讯技术，在同一电子设备中，可以设置有多个通讯模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通讯模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。

本申请的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的异常交易预警方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的异常交易预警方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：

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、设备(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。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims

1.一种异常交易预警方法，其特征在于，包括：

2.根据权利要求1所述的异常交易预警方法，其特征在于，所述根据交易发起方的交易请求及第一历史交易数据确定所述交易请求的第一异常程度，包括：

3.根据权利要求2所述的异常交易预警方法，其特征在于，所述遍历每次历史交易的第一历史交易数据，根据所述交易请求及各所述第一历史交易数据计算得到各所述第一历史交易数据对应的第一异常值，包括：

根据所述交易请求确定多个第一交易信息维度；

4.根据权利要求1所述的异常交易预警方法，其特征在于，所述第二历史交易数据包括：待测历史交易数据及参考历史交易数据；所述根据交易接收方的第二历史交易数据确定所述交易接收方的第二异常程度，包括：

利用指数平滑算法调整所述第二异常程度。

5.根据权利要求4所述的异常交易预警方法，其特征在于，所述根据所述待测历史交易数据及各所述参考历史交易数据计算得到各所述参考历史交易数据对应的第二异常值，包括：

根据所述待测历史交易数据确定多个第二交易信息维度；

6.根据权利要求1所述的异常交易预警方法，其特征在于，还包括：

7.根据权利要求1所述的异常交易预警方法，其特征在于，还包括：

8.根据权利要求1所述的异常交易预警方法，其特征在于，所述根据所述第二异常程度及预设的第二风险阈值进行异常交易预警处理，包括：

9.一种异常交易预警装置，其特征在于，包括：

10.一种电子设备，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程序时实现权利要求1至6任一项所述的异常交易预警方法的步骤。

11.一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，该计算机程序被处理器执行时实现权利要求1至8任一项所述的异常交易预警方法的步骤。

12.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至8任一项所述的异常交易预警方法的步骤。