CN114758327A - 识别码图像中的风险的方法、装置以及设备 - Google Patents

识别码图像中的风险的方法、装置以及设备 Download PDF

Info

Publication number
CN114758327A
CN114758327A CN202111184293.XA CN202111184293A CN114758327A CN 114758327 A CN114758327 A CN 114758327A CN 202111184293 A CN202111184293 A CN 202111184293A CN 114758327 A CN114758327 A CN 114758327A
Authority
CN
China
Prior art keywords
image
code
information
code image
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
CN202111184293.XA
Other languages
English (en)
Inventor
汪群桂
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.)
Alipay Hangzhou Information Technology Co Ltd
Original Assignee
Alipay Hangzhou Information Technology 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 Alipay Hangzhou Information Technology Co Ltd filed Critical Alipay Hangzhou Information Technology Co Ltd
Priority to CN202111184293.XA priority Critical patent/CN114758327A/zh
Publication of CN114758327A publication Critical patent/CN114758327A/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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)

Abstract

本说明书实施例公开了一种识别码图像中的风险的方法、装置以及设备。方案包括：获取包含码图像的待识别图像；确定所述待识别图像中所述码图像以外的无码区域；提取所述无码区域的信息；根据所述无码区域的信息，识别所述码图像中的风险。

Description

识别码图像中的风险的方法、装置以及设备
技术领域
本说明书涉及计算机软件技术领域，尤其涉及识别码图像中的风险的方法、装置以及设备。
背景技术
智能手机等设备的普及给人们的生活带来了便利。通过使用智能手机上的各种应用，能够相应地进行各种业务。很多应用或业务都涉及到对于码图像的识别。
部分怀有恶意的用户，或者，也开始使用基于码图像的技术获取非法利益。
由于码图像本身并不是文字等具有可读性的信息，对于用户而言，无法轻易判断码图像中是否存在风险。因此，如何识别码图像中的风险，成为本领域技术人员亟待解决的技术问题。
发明内容
本说明书实施例提供一种识别码图像中的风险的方法、装置以及设备，用以解决码图像中存在风险的技术问题。
为解决上述技术问题，本说明书实施例是这样实现的：
本说明书实施例提供的一种识别码图像中的风险的方法，包括：
获取包含码图像的待识别图像；
确定所述待识别图像中所述码图像以外的无码区域；
提取所述无码区域的信息；
根据所述无码区域的信息，识别所述码图像中的风险。
本说明书实施例提供的一种识别码图像中的风险的装置，包括：
图像获取模块，用于获取包含码图像的待识别图像；
无码区域确定模块，用于确定所述待识别图像中所述码图像以外的无码区域；
信息提取模块，用于提取所述无码区域的信息；
风险识别模块，用于根据所述无码区域的信息，识别所述码图像中的风险。
本说明书实施例提供的一种识别码图像中的风险的设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
获取包含码图像的待识别图像；
确定所述待识别图像中所述码图像以外的无码区域；
提取所述无码区域的信息；
根据所述无码区域的信息，识别所述码图像中的风险。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：通过对码图像以外的无码区域的识别来判断码图像中的风险，可以在仅依靠识别码图像无法识别码图像中存在的风险的情况下，通过码图像之外的维度提高用户的安全性。
附图说明
为了更清楚地说明本说明书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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书的方案在一种实际应用场景下涉及的系统架构示意图；
图2为本说明书实施例提供的一种识别码图像中的风险的方法的流程示意图；
图3为本说明书实施例提供的待识别图像的示意图；
图4为本说明书实施例提供的一种识别码图像中的风险的装置的结构示意图；
图5为本说明书实施例提供的一种识别码图像中的风险的设备的结构示意图。
具体实施方式
本说明书实施例提供支付辅助方法、装置以及设备。
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，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，都应当属于本申请保护的范围。
在本说明书实施例中，利用待识别图像中的无码区域识别码图像的风险，使用户在不识别码图像时也可以判断码图像的风险，可有效降低因识别出码图像而带来的风险，提高用户的安全性。
图1为本说明书的方案在一种实际应用场景下涉及的系统架构示意图。该系统架构中，主要涉及三端：提供图像的终端1、接收图像的终端22、服务器3。终端1将待识读图像提供给终端2，终端2可以通过扫描设备，如手机等，对图像进行识别，服务器3具有风控管理能力，可以用于执行本说明书实施例中的方法的全部或部分步骤。在实际应用中，服务器3可以在终端2接收到图像之前先对图像中是否存在风险信息进行识别，也可以在终端2接收到图像后，基于终端2对图像的操作对图像进行风险信息识别，例如，终端2通过某支付应用APP扫描终端1提供的二维码图像时，APP应用中的风控平台可以对二维码图像中是否存在风险进行识别，以提示用户谨慎操作，提高用户的安全性。
下面对本说明书的方案详细说明。
图2为本说明书实施例提供的一种识别码图像中的风险的方法的流程示意图，从程序角度而言，流程的执行主体可以为搭载于应用服务器的程序或应用客户端，该流程可以适时地自动执行，。图2中的流程可以包括以下步骤：
S210：获取包含码图像的待识别图像。
本说明书实施例中的方法可以应用于对包含非法或者违规信息的图像进行风险识别。
S220：确定所述待识别图像中所述码图像以外的无码区域。
图3为本说明书实施例提供的待识别图像的示意图。如图3所示，本说明书实施例中待识别图像31中可以包含码图像311和无码区域312，其中，码图像311为可以被识别并解读出对应信息的图像，具体可以包括二维码、条形码等；无码区域312为码图像以外的区域，其可以包括位于码图像的周边的区域，也可以包括镶嵌于码图像中间的区域，具体位置这里不做限定；无码区域312中还可以包含文字、图像等内容。
S230：提取所述无码区域的信息。
在实际应用中无码区域通常会包含一些文字或者图像，这些文字可能与码图像表示的内容相关也可能无关，例如，用户通过某社交软件扫码添加好友，扫码的图像中可以有指向添加好友链接的二维码，在二维码上方或者下方会有好友的昵称或者编号，在二维码中间还可以设置有好友的头像图像，其中好友的昵称或者编号或者头像图像都与此二维码表示的内容相关；又如，某诈骗者将包含诈骗转账链接的图像通过某社交软件发送给了一用户，这个图像看似为一个添加好友的图像，无码区域也可以包含昵称或者编号或者头像图像等内容，但码图像的链接为转账连接，此图像无码区域中包含的内容与此码图像表示的内容无关。本说明书实施例中可以将无码区域中的文字、图像等信息提取出来进行风险识别，例如可以提取无码区域中的关键字词、语句、字体等信息，还可以提取无码区域中的图像内容、形状等信息。
S240：根据所述无码区域的信息，识别所述码图像中的风险。
本说明书实施例中可以提取出无码区域的信息，进一步可以根据无码区域的信息对码图像进行风险识别，或者，还可以结合无码区域的信息与码图像对应的链接内容进行风险识别。
本说明书实施例中通过对码图像以外的无码区域的识别来判断码图像中的风险，可以在仅依靠识别码图像无法识别码图像中存在的风险的情况下，通过码图像之外的维度提高用户的安全性。
基于码图像的功能，可以将码图像进行分类，可分为交易码和非交易码，其中交易码在扫码后可以展示付款界面，非交易码在扫描后可以打开一个URL(Uniform ResourceLocator，统一资源定位符)链接。
扫码方式可以包括：使用相机直接扫码、长按图片识别图中码图像、从相册中读取图片中码图像等。
本说明书实施例中当无码区域包含文字信息时，所述提取所述无码区域的信息，具体可以包括：提取所述无码区域的文字信息。
当无码区域存在文字信息时，可以将无码区域的文字信息提取出来进行风险评估。例如可以利用OCR(Optical Character Recognition，光学字符识别)图像识别提取无码区域存在的文字信息。
所述根据所述无码区域的信息，识别所述码图像中的风险，具体可以包括：将所述文字信息与关键字词库中的字词进行比对，得到比对结果；所述关键字词库中的字词为高风险字词；根据所述比对结果，判断所述码图像中是否存在风险。
本说明书实施例中可以将从无码区域提取出的文字信息与关键字词库进行比对判断无码区域中是否包含高风险的字词，进而判断码图像中是否存在风险。其中关键字词库可以是利用机器学习模型产生的字词库，例如可以将与非法或者违规行为相关的一些违规字词纳入关键字词库，也可以根据用户反馈的信息训练模型生成字词库。当从无码区域提取出的文字信息中包含某些违规字词时，此码图像中就可能存在风险，就可以提醒用户注意或者屏蔽此图像对应的链接地址来保证用户的安全。
为进一步提高对无码区域中文字信息识别的准确性，所述根据所述无码区域的信息，识别所述码图像中的风险，具体还可以包括：
将所述文字信息转化为文本特征向量；
将所述文本特征向量输入至预先生成的文本风险识别模型中进行分析，得到文本分析结果；
根据所述文本分析结果，判断所述码图像中是否存在风险。
本说明书实施例中可以将从无码区域提取的文字信息转化为文本特征向量，输入到预先生成的文本风险识别模型中进行分析，根据得到的文本分析结果，判断所述码图像中是否存在风险。其中，预先生成的文本风险识别模型可以是机器学习模型，通过机器学习模型的自学习功能，可以识别出一些与模型样本中短语或短句语义相类似的短语或短句，也可以识别出一些关联性语句等。例如，在一些交易中，用户收到的待识别图像中包含与非法活动相关的码图像，在无码区域的文字信息中有“请在1分30秒内完成付款”或者“请按显示金额支付，否则不到账不负责”字样的提示信息，由于上述文字信息中单独看每个字词都是合法的，但整句话连起来就可能是非法交易中常出现的提示信息，本说明书实施例中可以利用具有自学习能力的文本风险识别模型，可以将这些由合法字词构成的非法交易的提示信息提取出来，进而判断码图像中存在的风险，进而提高了识别的准确性。
除了对上述文字信息中的字词的识别，本说明书实施例中还可以识别所述文字信息对应的字体，所述根据所述无码区域的信息，识别所述码图像中的风险，具体可以包括：
识别所述文字信息对应的字体；
若所述字体为未知字体或所述字体为非常用字体，增加所述码图像中存在风险的概率值。
本说明书实施例中可以利用识别字体的工具对未知字体或非常用字体进行识别，进而判断码图像的风险。其中，若所述字体在已有的字体库中查不到相应的字体，则判断所述字体为未知字体；若所述字体可以在已有的字体库中查到，可以被识别出，但在所述无码区域或者所述码图像对应的场合中使用所述字体的比例小于设定阈值，则判断所述字体为非常用字体。
本说明书实施例中可以采用OCR(Optical Character Recognition，光学字符识别)识别技术对所述文字信息以及对应的字体进行识别，并且OCR识别技术还可以对电子屏幕以及纸质打印的字符都可以进行识别，提高图像的识别率，也进一步提高了图像风险的识别率。
本说明书实施例提供的方法中，对无码区域中文字信息对应的字体的识别，可以与上述风险字词句的识别相结合使用，例如，在待识别图像的无码区域中识别出了风险字词，又识别出了未知字体，此待识别图像存在风险的可能性会高。
本说明书实施例的待识别图像的无码区域还可以包括图像信息，所述提取所述无码区域的信息，具体可以包括：
提取所述无码区域的图像信息。
所述根据所述无码区域的信息，识别所述码图像中的风险，具体可以包括：
将所述图像信息转化为图形特征向量；
将所述图形特征向量输入至预先生成的图像风险识别模型中进行分析，得到图像分析结果；
根据所述图像分析结果，判断所述码图像中是否存在风险。
在实际应用中，待识别图像的无码区域可以包含一些图片、图形等图像信息，本说明书实施例中可利用预先生成的图像风险识别模型对无码区域中包含的图片、图形等进行分析，进而判断码图像中是否存在风险。所述图像风险识别模型可以为图像分类模型，可以识别得到图像类型；判断图像类型是否属于违规类型。本说明书实施例中可以收集用户的反馈信息，获取训练样本，训练图像风险识别模型，还可以通过机器模型的自学习能力更新模型，提高识别的准确率。
本说明书实施例中所述待识别图像，具体可以包括：截图图像，和/或，电子设备的相册中的图片图像。例如，在实际应用中违规者或者非法者可以将通过某应用生成的图像进行截图处理或者存储在电子设备的相册中。考虑到截图或者拍照会降低原图像的图像尺寸，因此，本说明书实施例中还可以针对图像的图像尺寸进行风险识别，所述根据所述无码区域的信息，识别所述码图像中的风险，具体可以包括：
基于所述图像信息，确定所述图像信息对应的图像的图像尺寸；
判断所述图像尺寸是否小于标准图像尺寸；
若小于，增加所述码图像中存在风险的概率值。
本说明书实施例中可以将根据图像尺寸判断码图像中风险的方法与上述根据图像信息进行风险判断的方法相结合使用，可以在对图像信息识别判断完成后继续对图像信息中对应的图像的图像尺寸进行判断，若该图像尺寸小于标准图像尺寸，则增加所述码图像中存在风险的概率值，所述标准图像尺寸可以是预设的标准图像尺寸，具体图像尺寸大小可以根据实际需求进行设定。例如，某图像中无码区域中的图像信息经过图像风险识别模型识别后，发现此图像为涉及包含不健康内容的图像的概率为60％，假设该图像尺寸为400×600，设定的标准图像尺寸为700×800，通过对该图像信息的图像尺寸的比较，判断出该图像尺寸小于标准图像尺寸，可将此图像为涉及包含不健康内容的图像的概率增加到70％。所述标准图像尺寸，也可以设置为5000×7000。在实际应用中，具体的标准图像尺寸以及相应的概率值增加情况可以根据具体的需求进行设定，这里不做具体限定。
本说明书实施例提供的方法中还可以将图像信息中图像的色差值纳入风险识别的判定条件中，所述根据所述无码区域的信息，识别所述码图像中的风险，具体可以包括：
基于所述图像信息，确定所述图像信息对应的图像的色差值；
判断所述色差值是否大于标准色差值；
若大于，增加所述码图像中存在风险的概率值。
在实际应用中，包含码图像的图像一般为彩色图像，例如，某支付平台提供的支付码中包含蓝色的背景图像，另一具有支付功能的平台提供的支付码中包含绿色的背景图像等等。而一些违规者或者非法者通常由于技术限制或者成本要求会直接采用黑白图像进行违规或非法操作，在此基础上，为提高识别图像风险的准确率，本说明书实施例可以将图像信息对应的图像的色差值与预设的标准色差值进行比较，所述标准色差值可以为彩色图像的色差值。假设标准色差值被设置为：在基础R:G:B＝140:230:200(基础RGB 可以理解为背景颜色)的基础上△E76的色差评价方式中的色差值300，而待识别图像的无码区域为黑白图像，图像信息对应的图像的色差值大于标准色差值300，则增加待识别图像中码图像中存在风险的概率值。
本说明书实施例中可以将根据色差值判断码图像中风险的方法与上述根据图像信息进行风险判断的方法相结合使用，当无码区域的图像信息对应的图像的色差值大于标准色差值时在根据图像信息判断码图像存在风险的基础上增加码图像中存在风险的概率值，进而可以提供判断码图像中存在风险的准确性。
本说明书实施例中所述根据所述无码区域的信息，识别所述码图像中的风险，具体还可以包括：
基于所述图像信息，判断所述码图像是否被嵌入在特定轮廓的背景图像中；
若是，则增加所述码图像中存在风险的概率值或者确定所述码图像中存在风险。
在实际应用中，违规人员或组织还可以将与违规内容相链接的码图像镶嵌在特定轮廓的背景图像，如背景图像包含大象图像、骰子图像、圆形轮廓、椭圆形轮廓等等。其中可以利用数据库收集违规图像中的背景图像以及背景图像中的特定轮廓形状，还可以通过机器学习模型提取背景图像中特定轮廓的特征并进行自学习，利用机器学习模型判断码图像是否被嵌入在特定轮廓的背景图像中，当然也可以通过人工筛选的方式，本说明书实施例中对此不做具体限定，只要能够将判断所述码图像是否被嵌入在特定轮廓的背景图像中即可。
同样，本说明书实施例中通过判断所述码图像是否被嵌入在特定轮廓的背景图像中来识别码图像中风险的方法可以与上面介绍过的识别方法相结合使用，当确定所述码图像被嵌入在了特定轮廓的背景图像中时，可以增加所述码图像中存在风险的概率值。在实际应用中对于一些具有指定性的特定轮廓，还可以直接根据码图像嵌入的特定轮廓确定所述码图像中存在风险。
本说明书实施例提供的方法中还可以根据无码区域与码图像中对应的内容信息判断码图像的风险，具体的，本说明书实施例提供的识别码图像中的风险的方法，还可以包括：
识别所述码图像，得到所述码图像对应的内容信息；所述码图像至少包括条形码、二维码；
根据所述无码区域的信息以及所述内容信息，识别所述码图像中的风险。
其中，所述根据所述无码区域的信息以及所述内容信息，识别所述码图像中的风险，具体可以包括：
基于所述文字信息，确定所述码图像的来源的第一描述信息；
基于所述内容信息，确定所述码图像的来源的第二描述信息；所述内容信息为所述码图像对应的链接信息；
判断所述第一描述信息与所述第二描述信息是否匹配。
所述第一描述信息可以是待识别图像的无码区域中的文字信息。无码区域中的文字信息可以描述该码图像的来源。所述第二描述信息可以是码图像对应的链接信息中包含的信息。链接信息中包含的信息中，也可以有部分或全部信息描述该码图像的来源。可以针对上述两个来源是否相同或匹配，进行判断。
本说明书实施例中可以根据待识别图像的无码区域中的文字信息确定码图像的来源的第一描述信息，通过识别码图像可以获知码图像对应的链接信息，确定所述码图像的来源的第二描述信息，进而可以通过判断所述第一描述信息与所述第二描述信息是否匹配确定所述码图像是否存在风险，若不匹配，则确定所述码图像中存在风险。
例如，某图像的无码区域中有“××局”字样，确定码图像的来源应该为××局，然而通过识别该图像中的码图像获得了一个某网商APP的链接，即第一描述信息与第二描述信息不匹配，可以判断所述码图像存在风险。
本说明书实施例中通过码图像与无码区域中信息的对应关系判断码图像的风险情况，可以提高识别风险的准确性。即使对无码区域，以及码图像对应的链接，单独进行判断都为合规内容时，也可以对其中隐含的风险进行识别，提高用户的安全性。
为进一步提高风险识别的准确性，所述根据所述无码区域的信息以及所述内容信息，识别所述码图像中的风险，具体还可以包括：
基于所述文字信息，确定所述码图像对应的交易的第一交易信息；
基于所述内容信息，确定所述交易的第二交易信息；
判断所述第一交易信息与所述第二交易信息是否匹配。
其中，所述第一交易信息，具体可以包括：所述交易的第一商户信息，和/或所述交易的第一商品信息；
所述第二交易信息，具体可以包括：所述交易的第二商户信息，和/或所述交易的第二商品信息。
本说明书实施例中上述第一交易信息与第二交易信息若不匹配，则可以确定所述码图像中存在风险。
例如，某图像的无码区域中的文字信息中包含“××小卖部”字样，可以确定此图像中的码图像对应的交易的第一交易信息为“××小卖部”，通过识别码图像，得到了一个交易金额为上万元的第二交易信息，而通常情况下正常的小卖部的单笔交易额不会有上万元，即第一交易信息与第二交易信息不匹配，可以判断此码图像存在风险，此小卖部存在违规经营或者可能存在违规操作。
又如，某图像的无码区域中的文字信息中包含“××小吃部”字样，可通过识别码图像后获得了支付商品名为“华为××”手机的信息，即第一交易信息与第二交易信息不匹配，可以判断此码图像存在风险。
本说明书实施例提供的识别码图像中的风险的方法，还可以包括：
获取针对所述码图像的扫码时间；
确定所述码图像对应的交易的常规扫码时间范围；
判断所述扫码时间是否落入所述常规扫码时间范围；
若未落入所述范围，则增加所述码图像中存在风险的概率值或者确定所述码图像中存在风险。
例如，某水果经销商提供的用于支付水果的支付码，通常情况下，消费者会在早8点到晚6点之间购买水果，但此支付码的交易记录中出现了大量扫码时间在凌晨0点到凌晨1点的记录，此扫码时间未落入常规扫码时间范围，则可以增加此支付码中存在风险的概率值或者确定此支付码存在风险。需要说明的是，本说明书实施例中的常规扫码时间范围可以根据实际需求进行设定，具体范围这里不做限定。
本说明书实施例提供的识别码图像中的风险的方法，还可以包括：
获取针对所述码图像进行扫码的设备的LBS(Location Based Services，基于位置的服务)信息；
基于所述LBS信息，判断所述码图像对应的交易是否为线上交易；
若为线上交易，则增加所述码图像中存在风险的概率值或者确定所述码图像中存在风险；
若为线下交易，则确定所述码图像中不存在风险。
其中，LBS(Location Based Services，基于位置的服务)是利用各类型的定位技术来获取定位设备当前的所在位置，通过移动互联网向定位设备提供信息资源和基础服务。
本说明书实施例提供的识别码图像中的风险的方法主要针对用户线上交易，可以通过扫码设备的LBS信息判断所述码图形对应的交易是否为线上交易。例如，码图像为一商场的付款码，某用户通过手机扫描该码图像，若此手机的LBS信息中表示扫码位置为一居民楼或居民区，可判断用户在进行线上交易，若此手机的LBS信息中表示扫码位置为一商场或闹市区，可判断用户在进行线下交易，当判断为线上交易时可以增加所述码图像中存在风险的概率值或者确定所述码图像中存在风险，当判断为线下交易时可以确定所述码图像中不存在风险。此过程可以利用机器学习模型进行处理，例如可以利用分类模型进行处理，也可以利用其他工具或者方式，这里不做具体限定。
本说明书实施例提供的识别码图像中的风险的方法，还可以包括：
识别所述码图像对应的链接信息；
获取用户与所述链接信息相关的行为信息；
根据所述链接信息与所述行为信息，识别所述码图像中的风险。
其中，所述根据所述链接信息与所述行为信息，识别所述码图像中的风险，具体可以包括：
判断所述链接信息对应的页面是否被多次打开；
若是，则增加所述码图像中存在风险的概率值或者确定所述码图像中存在风险。
例如，某欺诈方提供给用户一码图像，此码图像对应着某交易网页，为获得用户的信赖，欺诈方可能会先给用户提供一小笔资金，用户可通过此码图像进入相应的页面领取，而后又指示用户通过此页面给欺诈方转入多笔资金，用户需要多次打开此页面进行操作，当判断页面被多次打开时，可以增加所述码图像中存在风险的概率值或者确定所述码图像中存在风险。
又如，在一些欺诈事件中，欺诈者提供给受骗者一个与付款界面相链接的码图像，在整个欺诈过程中，可能会指示或者允许受骗者通过此付款界面给同一链接多次付款，而在实际应用中，正常的交易方式是，当一笔交易完成后，交易页面就会关闭或者更新，以免发生不正确的二次交易，本说明书实施例中可以就同一链接信息对应的页面被打开的次数判断是否存在风险，当判断所述链接信息对应的页面被多次打开时，则可以增加所述码图像中存在风险的概率值或者确定所述码图像中存在风险。
为进一步保障用户的安全性，降低用户风险，本说明书实施例提供的识别码图像中的风险的方法，还可以包括：
识别到所述码图像中存在风险后，将所述码图像标记为高风险码图像。通过码图像中的标记信息可以提示用户注意风险的存在。
另外，本说明书实施例提供的识别码图像中的风险的方法，还可以包括：
识别到所述码图像中存在风险后，对所述码图像对应的交易进行拦截。
本说明书实施例提供的识别码图像中的风险的方法，还可以包括：
识别到所述码图像中存在风险后，对所述码图像的出示方在设定时间内再次出示的码图像标记为高风险码图像。
本说明书实施例提供的识别码图像中的风险的方法，还可以包括：
识别到所述码图像中存在风险后，判断所述码图像对应的交易的交易金额是否大于设定金额；若大于，则对所述交易进行拦截。
本说明书实施例提供的方法中，识别到所述码图像中存在风险后，若判断所述码图像对应的交易的交易金额不大于设定金额，对识别出存在风险的码图像对应的交易可以不立即拦截，使违规方或者欺诈方不能清楚的知道码图像的失效触发条件，起到了迷惑违规方或者欺诈方的效果，进而可以增加欺诈方的成本及风险。例如，欺诈方在进行欺诈行为时，提供给受骗方支付二维码A，在进行大额或者小额交易时均采用同一个二维码 A，在进行小额交易时，欺诈方通过二维码A收到受骗方的款项，但在进行大额交易时，通过二维码A欺诈方不能收到受骗方的款项，由于欺诈方没有设置二维码A可交易金额，当出现不能进行的交易时，欺诈方不能确定哪个环节出现了问题，也不能确定是否应该继续使用二维码A，这样就会增加欺诈方的成本及风险。
可以正常使用，但在进行大额交易时用户可以根据标识或者提示信息确认码图像是否存在风险，选择是否进行交易，当用户根据标识或者提示信息确定码图像中存在风险，选择不再进行交易后，违规方或者欺诈方可能会进一步提示用户进行交易或者重新发送识别图像，或者发送新的图像给用户，这样就会增加欺诈方的成本及风险。
本说明书实施例提供的识别码图像中的风险的方法中，可以从多维度对待识读图像进行风险的识别，提高了用户的安全性。
基于同样的思路，本说明书实施例还提供了一种识别码图像中的风险的装置，如图4 所示，所述装置可以包括：
图像获取模块410，用于获取包含码图像的待识别图像；
无码区域确定模块420，用于确定所述待识别图像中所述码图像以外的无码区域；
信息提取模块430，用于提取所述无码区域的信息；
风险识别模块440，用于根据所述无码区域的信息，识别所述码图像中的风险。
其中，所述待识别图像，具体可以包括：截图图像，和/或，电子设备的相册中的图片图像。
其中，所述信息提取模块，具体可以用于：提取所述无码区域的文字信息。
其中，所述风险识别模块，具体可以用于：
将所述文字信息与关键字词库中的字词进行比对，得到比对结果；所述关键字词库中的字词为高风险字词；
根据所述比对结果，判断所述码图像中是否存在风险。
其中，所述风险识别模块，具体可以用于：
将所述文字信息转化为文本特征向量；
将所述文本特征向量输入至预先生成的文本风险识别模型中进行分析，得到文本分析结果；
根据所述文本分析结果，判断所述码图像中是否存在风险。
其中，所述风险识别模块，具体可以用于：
识别所述文字信息对应的字体；
若所述字体为未知字体或所述字体为非常用字体，增加所述码图像中存在风险的概率值。
其中，所述信息提取模块，具体可以用于：
提取所述无码区域的图像信息。
其中，所述风险识别模块，具体可以用于：
将所述图像信息转化为图形特征向量；
将所述图形特征向量输入至预先生成的图像风险识别模型中进行分析，得到图像分析结果；
根据所述图像分析结果，判断所述码图像中是否存在风险。
其中，所述风险识别模块，具体还可以用于：
基于所述图像信息，确定所述图像信息对应的图像的图像尺寸；
判断所述图像尺寸是否小于标准图像尺寸；
若小于，增加所述码图像中存在风险的概率值。
其中，所述风险识别模块，具体还可以用于：
基于所述图像信息，确定所述图像信息对应的图像的色差值；
判断所述色差值是否大于标准色差值；
若大于，增加所述码图像中存在风险的概率值。
其中，所述风险识别模块，具体还可以用于：
基于所述图像信息，判断所述码图像是否被嵌入在特定轮廓的背景图像中；
若是，则增加所述码图像中存在风险的概率值或者确定所述码图像中存在风险。
本说明书实施例提供的识别码图像中的风险的装置，还可以用于：
识别所述码图像，得到所述码图像对应的内容信息；
根据所述无码区域的信息以及所述内容信息，识别所述码图像中的风险。
其中，所述根据所述无码区域的信息以及所述内容信息，识别所述码图像中的风险，具体可以包括：
基于所述文字信息，确定所述码图像的来源的第一描述信息；
基于所述内容信息，确定所述码图像的来源的第二描述信息；所述内容信息为所述码图像对应的链接信息；
判断所述第一描述信息与所述第二描述信息是否匹配。
其中，所述根据所述无码区域的信息以及所述内容信息，识别所述码图像中的风险，具体还包括：
基于所述文字信息，确定所述码图像对应的交易的第一交易信息；
基于所述内容信息，确定所述交易的第二交易信息；
判断所述第一交易信息与所述第二交易信息是否匹配。
其中，所述第一交易信息，具体可以包括：
所述交易的第一商户信息，和/或所述交易的第一商品信息；
所述第二交易信息，具体可以包括：
所述交易的第二商户信息，和/或所述交易的第二商品信息。
本说明书实施例提供的识别码图像中的风险的装置，还可以用于：
获取针对所述码图像的扫码时间；
确定所述码图像对应的交易的常规扫码时间范围；
判断所述扫码时间是否落入所述常规扫码时间范围；
若未落入所述范围，则增加所述码图像中存在风险的概率值或者确定所述码图像中存在风险。
本说明书实施例提供的识别码图像中的风险的装置，还可以用于：
获取针对所述码图像进行扫码的设备的LBS信息；
基于所述LBS信息，判断所述码图像对应的交易是否为线上交易；
若为线上交易，则增加所述码图像中存在风险的概率值或者确定所述码图像中存在风险；
若为线下交易，则确定所述码图像中不存在风险。
本说明书实施例提供的识别码图像中的风险的装置，还可以用于：
识别所述码图像对应的链接信息；
获取用户与所述链接信息相关的行为信息；
根据所述链接信息与所述行为信息，识别所述码图像中的风险。
本说明书实施例提供的识别码图像中的风险的装置，还可以用于：
识别到所述码图像中存在风险后，将所述码图像标记为高风险码图像。
本说明书实施例提供的识别码图像中的风险的装置，还可以用于：
识别到所述码图像中存在风险后，对所述码图像对应的交易进行拦截。
本说明书实施例提供的识别码图像中的风险的装置，还可以用于：
识别到所述码图像中存在风险后，对所述码图像的出示方在设定时间内再次出示的码图像标记为高风险码图像。
本说明书实施例提供的识别码图像中的风险的装置，还可以用于：
识别到所述码图像中存在风险后，判断所述码图像对应的交易的交易金额是否大于设定金额；
若大于，则对所述交易进行拦截。
基于同样的思路，本说明书实施例还提供了一种识别码图像中的风险的设备，如图5 所示，所述设备500，可以包括：
至少一个处理器510；以及，
与所述至少一个处理器通信连接的存储器530；其中，
所述存储器530存储有可被所述至少一个处理器510执行的指令520，所述指令被所述至少一个处理器510执行，以使所述至少一个处理器510能够：
获取包含码图像的待识别图像；
确定所述待识别图像中所述码图像以外的无码区域；
提取所述无码区域的信息；
根据所述无码区域的信息，识别所述码图像中的风险。
基于同样的思路，本说明书实施例还提供了对应于图2的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
获取包含码图像的待识别图像；
确定所述待识别图像中所述码图像以外的无码区域；
提取所述无码区域的信息；
根据所述无码区域的信息，识别所述码图像中的风险。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书实施例提供的装置、设备、非易失性计算机存储介质与方法是对应的，因此，装置、设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述对应装置、设备、非易失性计算机存储介质的有益技术效果。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列 (Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、 AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、 Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书实施例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，本说明书实施例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。
本说明书是参照根据本说明书实施例的方法、设备(系统)、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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
以上所述仅为本说明书实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。

Claims (30)

1.一种识别码图像中的风险的方法，包括：
获取包含码图像的待识别图像；
确定所述待识别图像中所述码图像以外的无码区域；
提取所述无码区域的信息；
根据所述无码区域的信息，识别所述码图像中的风险。
2.根据权利要求1所述的方法，所述提取所述无码区域的信息，具体包括：
提取所述无码区域的图像信息。
3.根据权利要求2所述的方法，所述根据所述无码区域的信息，识别所述码图像中的风险，具体包括：
将所述图像信息转化为图形特征向量；
将所述图形特征向量输入至预先生成的图像风险识别模型中进行分析，得到图像分析结果；
根据所述图像分析结果，判断所述码图像中是否存在风险。
4.根据权利要求2所述的方法，所述根据所述无码区域的信息，识别所述码图像中的风险，具体包括：
基于所述图像信息，确定所述图像信息对应的图像的图像尺寸；
判断所述图像尺寸是否小于标准图像尺寸；
若小于，增加所述码图像中存在风险的概率值。
5.根据权利要求2所述的方法，所述根据所述无码区域的信息，识别所述码图像中的风险，具体包括：
基于所述图像信息，确定所述图像信息对应的图像的色差值；
判断所述色差值是否大于标准色差值；
若大于，增加所述码图像中存在风险的概率值。
6.根据权利要求2所述的方法，所述根据所述无码区域的信息，识别所述码图像中的风险，具体包括：
基于所述图像信息，判断所述码图像是否被嵌入在特定轮廓的背景图像中；
若是，则增加所述码图像中存在风险的概率值或者确定所述码图像中存在风险。
7.根据权利要求1所述的方法，包括：所述提取所述无码区域的信息，具体包括：提取所述无码区域的文字信息。
8.根据权利要求7所述的方法，所述根据所述无码区域的信息，识别所述码图像中的风险，具体包括：
将所述文字信息与关键字词库中的字词进行比对，得到比对结果；所述关键字词库中的字词为高风险字词；
根据所述比对结果，判断所述码图像中是否存在风险。
9.根据权利要求7所述的方法，所述根据所述无码区域的信息，识别所述码图像中的风险，具体包括：
将所述文字信息转化为文本特征向量；
将所述文本特征向量输入至预先生成的文本风险识别模型中进行分析，得到文本分析结果；
根据所述文本分析结果，判断所述码图像中是否存在风险。
10.根据权利要求7所述的方法，所述根据所述无码区域的信息，识别所述码图像中的风险，具体包括：
识别所述文字信息对应的字体；
若所述字体为未知字体或所述字体为非常用字体，增加所述码图像中存在风险的概率值。
11.根据权利要求7所述的方法，还包括：
识别所述码图像，得到所述码图像对应的内容信息；
根据所述无码区域的信息以及所述内容信息，识别所述码图像中的风险。
12.根据权利要求11所述的方法，所述根据所述无码区域的信息以及所述内容信息，识别所述码图像中的风险，具体包括：
基于所述文字信息，确定所述码图像的来源的第一描述信息；
基于所述内容信息，确定所述码图像的来源的第二描述信息；所述内容信息为所述码图像对应的链接信息；
判断所述第一描述信息与所述第二描述信息是否匹配。
13.根据权利要求11所述的方法，所述根据所述无码区域的信息以及所述内容信息，识别所述码图像中的风险，具体包括：
基于所述文字信息，确定所述码图像对应的交易的第一交易信息；
基于所述内容信息，确定所述交易的第二交易信息；
判断所述第一交易信息与所述第二交易信息是否匹配。
14.根据权利要求13所述的方法，所述第一交易信息，具体包括：
所述交易的第一商户信息，和/或所述交易的第一商品信息；
所述第二交易信息，具体包括：
所述交易的第二商户信息，和/或所述交易的第二商品信息。
15.根据权利要求1所述的方法，还包括：
获取针对所述码图像的扫码时间；
确定所述码图像对应的交易的常规扫码时间范围；
判断所述扫码时间是否落入所述常规扫码时间范围；
若未落入所述范围，则增加所述码图像中存在风险的概率值或者确定所述码图像中存在风险。
16.根据权利要求1所述的方法，还包括：
获取针对所述码图像进行扫码的设备的LBS信息；
基于所述LBS信息，判断所述码图像对应的交易是否为线上交易；
若为线上交易，则增加所述码图像中存在风险的概率值或者确定所述码图像中存在风险；
若为线下交易，则确定所述码图像中不存在风险。
17.根据权利要求1所述的方法，所述待识别图像，具体包括：
截图图像，和/或，电子设备的相册中的图片图像。
18.根据权利要求1所述的方法，还包括：
识别所述码图像对应的链接信息；
获取用户与所述链接信息相关的行为信息；
根据所述链接信息与所述行为信息，识别所述码图像中的风险。
19.根据权利要求1所述的方法，还包括：
识别到所述码图像中存在风险后，将所述码图像标记为高风险码图像。
20.根据权利要求1所述的方法，还包括：
识别到所述码图像中存在风险后，对所述码图像对应的交易进行拦截。
21.根据权利要求1所述的方法，还包括：
识别到所述码图像中存在风险后，对所述码图像的出示方在设定时间内再次出示的码图像标记为高风险码图像。
22.根据权利要求1所述的方法，还包括：
识别到所述码图像中存在风险后，判断所述码图像对应的交易的交易金额是否大于设定金额；
若大于，则对所述交易进行拦截。
23.一种识别码图像中的风险的装置，包括：
图像获取模块，用于获取包含码图像的待识别图像；
无码区域确定模块，用于确定所述待识别图像中所述码图像以外的无码区域；
信息提取模块，用于提取所述无码区域的信息；
风险识别模块，用于根据所述无码区域的信息，识别所述码图像中的风险。
24.根据权利要求23所述的装置，所述信息提取模块，具体用于：
提取所述无码区域的图像信息。
25.根据权利要求24所述的装置，所述风险识别模块，具体用于：
将所述图像信息转化为图形特征向量；
将所述图形特征向量输入至预先生成的图像风险识别模型中进行分析，得到图像分析结果；
根据所述图像分析结果，判断所述码图像中是否存在风险。
26.根据权利要求24所述的装置，所述信息提取模块，具体用于：
提取所述无码区域的文字信息。
27.根据权利要求26所述的装置，所述风险识别模块，具体用于：
将所述文字信息与关键字词库中的字词进行比对，得到比对结果；所述关键字词库中的字词为高风险字词；
根据所述比对结果，判断所述码图像中是否存在风险。
28.根据权利要求26所述的装置，所述风险识别模块，具体用于：
将所述文字信息转化为文本特征向量；
将所述文本特征向量输入至预先生成的文本风险识别模型中进行分析，得到文本分析结果；
根据所述文本分析结果，判断所述码图像中是否存在风险。
29.根据权利要求23所述的装置，还用于：
识别到所述码图像中存在风险后，对所述码图像对应的交易进行拦截。
30.一种识别码图像中的风险的设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
获取包含码图像的待识别图像；
确定所述待识别图像中所述码图像以外的无码区域；
提取所述无码区域的信息；
根据所述无码区域的信息，识别所述码图像中的风险。
CN202111184293.XA 2020-02-25 2020-02-25 识别码图像中的风险的方法、装置以及设备 Pending CN114758327A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111184293.XA CN114758327A (zh) 2020-02-25 2020-02-25 识别码图像中的风险的方法、装置以及设备

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202111184293.XA CN114758327A (zh) 2020-02-25 2020-02-25 识别码图像中的风险的方法、装置以及设备
CN202010116270.4A CN111353488B (zh) 2020-02-25 2020-02-25 识别码图像中的风险的方法、装置以及设备

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN202010116270.4A Division CN111353488B (zh) 2020-02-25 2020-02-25 识别码图像中的风险的方法、装置以及设备

Publications (1)

Publication Number Publication Date
CN114758327A true CN114758327A (zh) 2022-07-15

Family

ID=71195773

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202010116270.4A Active CN111353488B (zh) 2020-02-25 2020-02-25 识别码图像中的风险的方法、装置以及设备
CN202111184293.XA Pending CN114758327A (zh) 2020-02-25 2020-02-25 识别码图像中的风险的方法、装置以及设备

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202010116270.4A Active CN111353488B (zh) 2020-02-25 2020-02-25 识别码图像中的风险的方法、装置以及设备

Country Status (2)

Country Link
CN (2) CN111353488B (zh)
WO (1) WO2021169529A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111353488B (zh) * 2020-02-25 2021-09-21 支付宝(杭州)信息技术有限公司 识别码图像中的风险的方法、装置以及设备
CN113255857B (zh) * 2021-05-28 2022-09-06 支付宝(杭州)信息技术有限公司 一种图形码的风险检测方法、装置及设备
CN113688650B (zh) * 2021-09-22 2022-06-17 支付宝(杭州)信息技术有限公司 识别图片的方法及装置
CN116861412A (zh) * 2023-06-26 2023-10-10 深圳市赛凌伟业科技有限公司 一种基于大数据的信息安全分析方法和系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150651A (zh) * 2011-12-06 2013-06-12 Isl防伪系统有限公司 个别商品认证和识别装置、系统及方法
CN103400264A (zh) * 2013-08-19 2013-11-20 陈曦 二维码支付的安全性验证方法
US20160323108A1 (en) * 2015-04-29 2016-11-03 International Business Machines Corporation Accessing Content by Processing Secure Optical Codes
CN106599759A (zh) * 2016-12-22 2017-04-26 广东小天才科技有限公司 一种终端信息处理方法及装置
CN107403216A (zh) * 2017-05-25 2017-11-28 阿里巴巴集团控股有限公司 一种识别码生成及验证方法及装置
CN107563244A (zh) * 2017-08-09 2018-01-09 维沃移动通信有限公司 一种二维码安全验证方法及移动终端
CA3050746A1 (en) * 2017-02-13 2018-08-16 Alibaba Group Holding Limited Image generation method and device
CN108510274A (zh) * 2018-04-07 2018-09-07 刘兴丹 一种可视觉识别图像及二维码结合验证的方法、装置
CN108665041A (zh) * 2018-05-09 2018-10-16 深圳市码云可变数据科技有限公司 二维码生成及识别方法、装置、计算机设备及存储介质
CN109214224A (zh) * 2017-06-30 2019-01-15 阿里巴巴集团控股有限公司 信息编码的风险识别方法和装置
CN109787883A (zh) * 2018-12-28 2019-05-21 广州华多网络科技有限公司 信息处理方法、装置、电子设备及计算机可读取存储介质
CN109829349A (zh) * 2018-12-20 2019-05-31 天翼电子商务有限公司 提升二维码使用安全性方法、系统、存储介质及装置
CN110443031A (zh) * 2019-07-16 2019-11-12 阿里巴巴集团控股有限公司 一种二维码风险识别方法和系统
CN210038912U (zh) * 2019-08-12 2020-02-07 北京百佑科技有限公司 二维码安全设备和门禁设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104424458B (zh) * 2013-08-23 2017-08-04 希姆通信息技术（上海）有限公司 图像识别方法及装置、网络服务器、图像识别设备及系统
CN106561029A (zh) * 2016-12-09 2017-04-12 北京安天电子设备有限公司 一种半连接式二维码检测方法及系统
US9798954B1 (en) * 2016-12-15 2017-10-24 Federal Home Loan Mortgage Corporation System, device, and method for image anomaly detection
CN109272336A (zh) * 2018-09-20 2019-01-25 阿里巴巴集团控股有限公司 一种风险商户发现方法和装置
KR102159712B1 (ko) * 2019-07-29 2020-09-24 박준영 Qr 코드가 저장된 단말
CN111353488B (zh) * 2020-02-25 2021-09-21 支付宝(杭州)信息技术有限公司 识别码图像中的风险的方法、装置以及设备

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150651A (zh) * 2011-12-06 2013-06-12 Isl防伪系统有限公司 个别商品认证和识别装置、系统及方法
CN103400264A (zh) * 2013-08-19 2013-11-20 陈曦 二维码支付的安全性验证方法
US20160323108A1 (en) * 2015-04-29 2016-11-03 International Business Machines Corporation Accessing Content by Processing Secure Optical Codes
CN106599759A (zh) * 2016-12-22 2017-04-26 广东小天才科技有限公司 一种终端信息处理方法及装置
CA3050746A1 (en) * 2017-02-13 2018-08-16 Alibaba Group Holding Limited Image generation method and device
CN107403216A (zh) * 2017-05-25 2017-11-28 阿里巴巴集团控股有限公司 一种识别码生成及验证方法及装置
CN109214224A (zh) * 2017-06-30 2019-01-15 阿里巴巴集团控股有限公司 信息编码的风险识别方法和装置
CN107563244A (zh) * 2017-08-09 2018-01-09 维沃移动通信有限公司 一种二维码安全验证方法及移动终端
CN108510274A (zh) * 2018-04-07 2018-09-07 刘兴丹 一种可视觉识别图像及二维码结合验证的方法、装置
CN108665041A (zh) * 2018-05-09 2018-10-16 深圳市码云可变数据科技有限公司 二维码生成及识别方法、装置、计算机设备及存储介质
CN109829349A (zh) * 2018-12-20 2019-05-31 天翼电子商务有限公司 提升二维码使用安全性方法、系统、存储介质及装置
CN109787883A (zh) * 2018-12-28 2019-05-21 广州华多网络科技有限公司 信息处理方法、装置、电子设备及计算机可读取存储介质
CN110443031A (zh) * 2019-07-16 2019-11-12 阿里巴巴集团控股有限公司 一种二维码风险识别方法和系统
CN210038912U (zh) * 2019-08-12 2020-02-07 北京百佑科技有限公司 二维码安全设备和门禁设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
苏桐;: "二维码扫描解码全攻防", 电脑知识与技术(经验技巧), no. 10, 5 October 2018 (2018-10-05) *

Also Published As

Publication number Publication date
CN111353488B (zh) 2021-09-21
CN111353488A (zh) 2020-06-30
WO2021169529A1 (zh) 2021-09-02

Similar Documents

Publication Publication Date Title
CN111353488B (zh) 识别码图像中的风险的方法、装置以及设备
CN112199506B (zh) 一种应用程序的信息检测方法、装置及设备
US20220012488A1 (en) Receipt identification method, apparatus, electronic device and computer-readable storage medium
CN110826006B (zh) 基于隐私数据保护的异常采集行为识别方法和装置
CN109190007B (zh) 数据分析方法及装置
CN107025480B (zh) 图像生成方法及其设备
CN111930623B (zh) 一种测试案例构建方法、装置及电子设备
CN113011349A (zh) 一种票据的要素识别方法、装置及存储介质
CN111340640A (zh) 一种保险理赔材料审核方法、装置和设备
CN115238688A (zh) 电子信息数据关联关系分析方法、装置、设备和存储介质
CN111159354A (zh) 一种敏感资讯检测方法、装置、设备及系统
CN112184143B (zh) 一种合规审核规则中的模型训练方法、装置和设备
CN112926471A (zh) 业务单据影像内容识别方法及装置
CN109120509B (zh) 一种信息收集的方法及装置
CN111091019B (zh) 一种信息提示方法、装置及设备
CN113111734B (zh) 一种水印分类模型训练方法及装置
CN113837772A (zh) 一种对营销信息进行审核的方法、装置及设备
CN114299509A (zh) 一种获取信息的方法、装置、设备及介质
CN114546553A (zh) 一种信息显示的方法、装置、设备及介质
CN110705439B (zh) 一种信息的处理方法、装置及设备
CN113935748A (zh) 一种抽检对象的筛选方法、装置、设备及介质
CN113949887A (zh) 对于网络直播数据的处理方法及装置
CN112836612A (zh) 一种用户实名认证的方法、装置及系统
CN111046658A (zh) 一种乱序文本识别方法、装置及设备
CN112001662B (zh) 一种商户图像的风险检验方法、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