CN114971897A - 异常对象处理方法、装置、设备及介质 - Google Patents
异常对象处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114971897A CN114971897A CN202210345341.7A CN202210345341A CN114971897A CN 114971897 A CN114971897 A CN 114971897A CN 202210345341 A CN202210345341 A CN 202210345341A CN 114971897 A CN114971897 A CN 114971897A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- risk
- objects
- verification
- determining
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种异常对象处理方法,可以应用于金融领域。该方法包括:通过聚类确定基于多个风险用户中的M个异常对象,M个异常对象包含相似的特征;在将M个异常对象记录在监测数据库的第一预设区域的情况下,监测M个异常对象的交易信息;在确定M个异常对象中的N个异常对象存在新的交易信息的情况下,在第二预设区域记录N个异常对象;验证N个异常对象的风险状况,确定N个异常对象对应的N个验证结果;以及在N个验证结果中的一个验证结果为真风险的情况下,将验证结果对应的异常对象记录在禁止交易数据库。本公开还提供了一种异常对象处理装置、设备、存储介质和程序产品。
Description
技术领域
本公开涉及机器学习领域,更具体地涉及一种异常对象处理方法、装置、设备、介质和程序产品。
背景技术
风险实施手段正随着科技的更新而不断更新,从以往的单个风险实施形式,到现如今的团体风险实施形式。风险实施手段的更新也给金融企业带来了资金损失风险。
金融科技领域主要的风险处理手段包括黑名单和有监督学习。其中,黑名单是最为原始的风险处理方式,类似于“筛选器”,但是黑名单中数据更新较为缓慢,无法及时预判风险用户正在发生的异常行为,在监测到异常行为的情况下,异常行为已经结束了,黑名单属于被动防御;有监督学习需要大量的数据和时间来对模型进行训练,且时间较长,无法及时处理风险用户,造成用户资金损失。
发明内容
鉴于上述问题,本公开提供了一种异常对象处理方法、装置、设备、介质和程序产品,用于提前筛查、隔离、监测异常用户,从源头上阻止异常行为的产生。
根据本公开的第一个方面,提供了一种异常对象处理方法,包括:通过聚类确定基于多个风险用户中的M个异常对象,M个异常对象包含相似的特征,其中,M为大于2的整数;在将M个异常对象记录在监测数据库的第一预设区域的情况下,监测M个异常对象的交易信息,监测数据库包括第一预设区域和第二预设区域;在确定M个异常对象中的N个异常对象存在新的交易信息的情况下,在第二预设区域记录N个异常对象,其中,N为大于等于1的整数,且M大于等于N;验证N个异常对象的风险状况,确定N个异常对象对应的N个验证结果;以及在N个验证结果中的一个验证结果为真风险的情况下,将验证结果对应的异常对象记录在禁止交易数据库。
根据本公开的实施例,该方法还包括,在N个验证结果中的一个验证结果为真风险的情况下:根据验证结果对应的异常对象,确定与异常对象对应的子异常对象群体;根据子异常对象群体,确定与异常对象存在交易记录的多个关联对象;将多个关联对象记录在禁止交易数据库。
根据本公开的实施例,该方法还包括:在确定异常对象与多个关联对象之间的所有交易资金的情况下,冻结所有交易资金。
根据本公开的实施例,其中,风险状况包括真风险和假风险;验证N个异常对象的风险状况,确定N个异常对象对应的N个验证结果包括:针对N个异常对象中的一个异常对象,确定异常对象的验证结果包括:接收来自用户端的第一返回请求和来自验证端的第二返回请求,第一返回请求包括来自用户的验证结果,第二返回请求包括来自验证人员的验证结果;在第一返回请求为真风险和/或第二返回请求为真风险的情况下,确定异常对象的验证结果为真风险;以及在第一返回请求为假风险和第二返回请求为假风险的情况下,确定异常对象的验证结果为假风险。
根据本公开的实施例,该方法还包括:向用户端发送第一提示信息,以及向验证端发送第二提示信息,第一提示信息展示在用户端的第一展示区域;第二提示信息展示在验证端的第二展示区域;以及响应于来自用户的操作,确定第一返回请求;响应于来自验证人员的操作,确定第二返回请求。
根据本公开的实施例,其中,通过聚类确定基于多个风险用户中的M个异常对象包括:确定多个风险用户的特征标签信息;基于特征标签信息,通过聚类确定多个风险用户的用户画像;以及根据用户画像,确定M个异常对象。
本公开的第二方面提供了一种异常对象处理装置,包括:确定模块,用于通过聚类确定基于多个风险用户中的M个异常对象,M个异常对象包含相似的特征,其中,M为大于2的整数;监测模块,用于在将M个异常对象记录在监测数据库的第一预设区域的情况下,监测M个异常对象的交易信息,监测数据库包括第一预设区域和第二预设区域;记录模块,用于在确定M个异常对象中的N个异常对象存在新的交易信息的情况下,在第二预设区域记录N个异常对象,其中,N为大于等于1的整数,且M大于等于N;验证模块,用于验证N个异常对象的风险状况,得到N个异常对象的N个验证结果;以及处理模块,用于在N个验证结果中的一个验证结果为真风险的情况下,将验证结果对应的异常对象记录在禁止交易数据库。
本公开的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述异常对象处理方法。
本公开的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述异常对象处理方法。
本公开的第五方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述异常对象处理方法。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的异常对象处理方法、装置、设备、介质和程序产品的应用场景图;
图2示意性示出了根据本公开实施例的异常对象处理方法的流程图;
图3示意性示出了根据本公开实施例的在真风险情况下处理方法的流程图;
图4示意性示出了根据本公开实施例的验证风险状况方法的流程图;
图5示意性示出了根据本公开实施例的获取返回请求方法的流程图;
图6示意性示出了根据本公开实施例的确定多个异常对象方法的流程图;
图7示意性示出了根据本公开实施例的异常对象处理装置的结构框图;以及
图8示意性示出了根据本公开实施例的适于实现异常对象处理方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种异常对象的处理方法,包括:通过聚类确定基于多个风险用户中的M个异常对象,M个异常对象包含相似的特征,其中,M为大于2的整数;在将M个异常对象记录在监测数据库的第一预设区域的情况下,监测M个异常对象的交易信息,监测数据库包括第一预设区域和第二预设区域;在确定M个异常对象中的N个异常对象存在新的交易信息的情况下,在第二预设区域记录N个异常对象,其中,N为大于等于1的整数,且M大于等于N;验证N个异常对象的风险状况,确定N个异常对象对应的N个验证结果;以及在N个验证结果中的一个验证结果为真风险的情况下,将验证结果对应的异常对象记录在禁止交易数据库。
图1示意性示出了根据本公开实施例的异常对象处理方法、装置、设备、介质和程序产品的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的异常对象的处理方法一般可以由服务器105执行。相应地,本公开实施例所提供的异常对象的处理装置一般可以设置于服务器105中。本公开实施例所提供的异常对象的处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的异常对象的处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景,通过图2~图6对公开实施例的异常对象的处理方法进行详细描述。
在本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
在本公开的技术方案中,在获取或采集用户个人信息之前,均获取了用户的授权或同意。
图2示意性示出了根据本公开实施例的异常对象处理方法的流程图。
如图2所示,该实施例包括操作S210~操作S250。
在操作S210,通过聚类确定基于多个风险用户中的M个异常对象,M个异常对象包含相似的特征。
根据本公开的实施例,风险用户为在实际应用中可能存在异常风险的用户,具体的,可以是存在欺诈风险的用户、存在操作异常的用户等。风险用户的来源包括社会公信体系登记的风险用户、第三方企业登记的风险用户、来自系统的风险信息数据库。
根据本公开的实施例,通过聚类确定基于多个风险用户中的M个异常对象,包括根据风险用户的风险信息来确定,且M为大于2的整数。多个风险用户包括但不限于M个异常对象。风险信息包括该风险用户本身登记的注册信息、以及通过前端与该风险用户存在交易记录的用户的账户信息。风险信息的获取还包括通过手机银行app、网页浏览器等形式输入的信息。
根据本公开的实施例,通过聚类确定基于风险用户的M个异常对象,可以根据风险用户的一个或多个相似特征,将多个风险用户划分为多个特征下的M个异常对象。例如,风险用户A包含“违约”、“贷款”特征,风险用户B包含“违约”,风险用户C、D也都至少包含“贷款”特征,此时,风险用户A、B、C可以划分为“违约”特征下的异常对象,风险用户A、C、D可以划分为“贷款”特征下的异常对象。
根据本公开的实施例,通过聚类确定基于风险用户中的M个异常对象,还包括,根据特征的相似度从风险用户中确定异常对象。具体的,对于风险用户A、B、C,在风险用户A、B具有超过预设阈值的特征相似度,或者A、B相似的特征数目超过预设数目,从风险用户A、B、C中,将风险用户A和B确定为异常对象。
根据本公开的实施例,对于单个异常对象的分析可能无法分析出异常行为,但是当多个异常对象中每一个异常对象都符合一个或多个特征的情况下,该多个异常对象的群体行为就非常可疑。从风险用户中将具有相似特征M个异常对象筛选出来,并进行重点监控,有助于实时监控可疑程度高的异常对象,提高检测效率。
在操作S220,在将M个异常对象记录在监测数据库的第一预设区域的情况下,监测M个异常对象的交易信息。
根据本公开的实施例,在筛选出M个异常对象的情况下,将M个异常对象记录在监测数据库的第一预设区域,用于对上述M个异常对象进行监测。具体的,监测数据库包括第一预设区域和第二预设区域,第一预设区域用于监测M个异常对象的交易信息。监测数据库可以设置为灰名单数据库,第一预设区域设置为黄色区域,该区域属于警告区域,表明该区域中的异常对象存在极高的异常风险嫌疑,但还未出现新的交易记录。
在操作S230,在确定M个异常对象中的N个异常对象存在新的交易信息的情况下,在第二预设区域记录N个异常对象。
根据本公开的实施例,N个异常对象为当前处理的异常对象,N为大于等于1的整数,且M大于等于N。第一预设区域和第二预设区域均位于监测数据库,且两个预设区域之间可以进行信息传递。具体的,在确定N个异常对象存在新的交易信息的情况下,将第一预设区域内产生新交易信息的N个异常对象的用户信息传递到第二预设区域,第二预设区域记录该存在新交易信息的N个异常对象的信息,即重点监测的异常对象中出现新交易操作的对象的信息,以便后续进行精准的风险验证操作。具体的,监测数据库的第二预设区域可以设置为临时区,例如设置为红色区域。
根据本公开的实施例,N个异常对象存在的新的交易信息包括与正常用户的交易记录、与未监测风险用户的交易记录、交易资金流涉及风险用户的交易信息。例如,异常对象出现某笔大金额的资金流动,或者有多笔小金额的资金流向该异常对象时,确定异常对象存在新交易记录,进一步的确定出存在新的交易信息的N个异常对象。
根据本公开的实施例,在将N个异常对象从第一预设区域记录到第二预设区域的情况下,第一预设区域仍然保留N个异常对象的用户信息,以便根据验证结果进行后续操作。
在操作S240,验证N个异常对象的风险状况,确定N个异常对象对应的N个验证结果。
根据本公开的实施例,在将N个异常对象记录在第二预设区域之后,需要对N个异常对象进行验证,以便得到N个异常对象的风险验证结果。
根据本公开的实施例,验证N个异常对象的风险状况可以通过向用户发送验证请求,根据用户的验证操作确定验证结果;还可以通过将N个异常对象的用户信息发送到验证端,由验证端的验证人员进行人工验证操作,确定验证结果;还可以将用户验证和验证人员验证结合,确定验证结果。
在操作S250,在N个验证结果中的一个验证结果为真风险的情况下,将验证结果对应的异常对象记录在禁止交易数据库。
根据本公开的实施例,根据获得的验证结果确定N个异常对象的风险情况,在N个验证结果中的一个验证结果为真风险的情况下,将验证结果对应的异常对象的用户信息发送到禁止交易数据库,并将该异常对象记录在禁止交易数据库。
根据本公开的实施例,在将验证结果为真风险对应的异常对象记录在禁止交易数据库的情况下,将监测数据库中第一预设区域和第二预设区域记录的该异常对象删除,减少监测数据库的监测工作量和验证工作量。
本公开首先通过聚类从多个风险用户中筛选出多个异常对象,第一步筛选出重点监测对象,在减小监控工作量的情况下实现了精准监控;然后对重点监测对象中出现异常操作的对象进行验证,在精准监控的同时,更进一步的实现精准验证;在验证结果为真风险的情况下将该验证结果对应的异常对象记录在禁止交易库。因此,本公开的技术方案能够对可能存在风险的用户提前筛查,并运用检测数据库对异常对象进行隔离和重点监测,从源头避免异常行为的产生,保护用户的资金安全。
根据本公开的实施例,通过聚类确定M个异常对象,具体的,采用层次聚类算法确定M个异常对象。层次聚类就是一层一层的进行聚类。层次聚类包括分裂法和凝聚法。分裂法是由上向下把大的类别(cluster)分割。具体的,初始时将所有的样本归为一个类簇c,在同一个类簇中计算两个样本之间的距离,本次聚类确定出距离最远的两个样本a和b。然后将样本a,b分配到不同的类簇c1和c2中,进行层次分裂。再次计算原类簇c中其余样本与样本a和b的距离,将更靠近a的样本划分到c1类簇中,将更靠近b的样本划分到类簇c2中。直到达到预设条件或者达到设定的分类数目,得到多个异常对象群体,每个异常对象群体包括相似特征的多个异常对象,这些异常对象就是筛选出来的M个异常对象。此外,由于相似特征的划分存在多种方式,所以同一个异常对象可能根据不同的划分规则划分到多个异常对象群体。
凝聚法是由下向上对小的类别进行聚合。具体的,初始时将每个样本点当做一个类簇,即原始类簇的大小等于样本点的个数,然后计算两两类簇之间的距离,找到距离最小的两个样本e和f,以及其分别对应的两个类簇c3和c4。将样本e和f对应的类簇c3和c4合并为一个类簇d1。再次计算其他样本与样本e和f的距离,将距离样本e或f最近的样本所属的类簇c5合并进类簇d1,直到达到预设条件或者达到设定的分类数目。
本公开通过层次聚类的方法,不需要指定具体的k值以及聚类中心值,提高了从风险用户中确定异常对象的准确性。
图3示意性示出了根据本公开实施例的在真风险情况下处理方法的流程图。其中,图3包括操作S351~操作S353,可以作为操作S250的一种具体实施方式。
根据本公开的实施例,操作S250确定了验证结果为真风险对应的异常对象之后,对该异常对象进行处理。由于真风险对应的异常对象是从包括相似特征的多个异常对象中得到的,所以在该异常对象的风险情况为真风险的情况下,与该异常对象具有相似特征的异常对象也可能具有较高的风险。因此,作为一个具体实施例,还包括将与该异常对象存在关联的多个异常对象记录在禁止交易数据库。
根据本公开的实施例,操作S351~操作S353发生在操作S250之后,也可以与操作S250同时进行。
如图3所示,该实施例包括操作S351~操作S353。
在操作S351,根据验证结果为真风险对应的异常对象,确定与异常对象对应的子异常对象群体。
根据本公开的实施例,根据验证结果为真风险对应的异常对象,从第一预设区域中确定与异常对象具有相似特征的子异常对象群体。
在操作S352,根据子异常对象群体,确定与异常对象存在交易记录的多个关联对象。
根据本公开的实施例,在确定异常对象对应的子异常对象群体之后,从子异常对象群体中筛选出与该异常对象存在交易记录的多个关联对象。
在操作S353,将多个关联对象记录在禁止交易数据库。
根据本公开的实施例,根据验证结果为真风险对应的异常对象,先确定出与该异常对象具有相似特征的子异常对象群体,然后再从子异常对象群体中的多个异常对象中筛选出与该异常对象存在交易记录的多个关联对象。由于异常对象已经确定为真风险,所以确定的多个关联对象与该异常对象有很高的相关性,将多个关联对象确定为高风险并将其记录在禁止交易数据库,例如黑名单数据库。
根据本公开的实施例,在聚类过程中已经确定异常对象A、异常对象B和异常对象C具有相似特征,在验证结果为真风险对应的异常对象为异常对象A的情况下,那么将异常对象A、异常对象B和异常对象C所在的群体确定为子异常对象群体。在异常对象B与异常对象A之间存在交易记录的情况下,将异常对象A和异常对象B都记录在禁止交易数据库。
根据本公开的实施例,在确定验证结果为真风险对应的异常对象与多个关联对象之间的所有交易资金的情况下,冻结所有交易资金。仍以聚类过程中已经确定的异常对象A、异常对象B和异常对象C为例,验证结果为真风险对应的异常对象为异常对象A。异常对象B与异常对象A之间存在交易记录,此时根据该交易记录确定异常对象B与异常对象A之间存在多笔小额转账,那么将多笔小额转账涉及的交易资金冻结。
图4示意性示出了根据本公开实施例的验证风险状况方法的流程图。其中,图4包括操作S441~操作S443,可以作为操作S240的一种具体实施方式。
根据本公开的实施例,操作S240是对N个异常对象进行验证得到验证结果。在用户受到其他外在因素影响的情况下,用户进行的操作行为本身不存在异常。例如用户认为当前不存在交易风险,并实施了不存风险的验证操作,但是在实际判断中,当前行为存在交易风险,只是用户受到外在影响导致判断失误,操作本身不存在异常。因此,作为一个具体实施例,本公开通过用户端和验证端共同验证当前的风险状况。
根据本公开的实施例,针对N个异常对象中的一个异常对象,确定异常对象的验证结果,然后以相同的方式确定出N个异常对象的N个验证结果。
如图4所示,该实施例包括操作S441~操作S443。
在操作S441,接收来自用户端的第一返回请求和来自验证端的第二返回请求。
根据本公开的实施例,验证N个异常对象中的一个异常对象的风险状况包括验证来自用户端的风险状况和来自验证端的风险状况。具体的,通过接收来自用户端的第一返回请求和来自验证端的第二返回请求来实现。
在操作S442,在第一返回请求为真风险和/或第二返回请求为真风险的情况下,确定异常对象的验证结果为真风险。
根据本公开的实施例,对于第一返回请求和第二返回请求,在其中之一的验证结果为真风险的情况下,都表示当前验证的异常对象存在真风险,所以在第一返回请求为真风险和/或第二返回请求为真风险的情况下,确定当前验证的异常对象的验证结果为真风险。由于来自用户端的第一返回请求可能是用户在受到欺骗行为情况下返回的请求,因此需要验证端进行验证,返回第二返回请求。
在操作S443,在第一返回请求为假风险和第二返回请求为假风险的情况下,确定异常对象的验证结果为假风险。
根据本公开的实施例,在用户端和验证端的返回请求都为假风险的情况下,确定当前验证的异常对象的验证结果为假风险。通过用户端和客户端,进行双端确定风险状况,能够避免因用户操作失误或受到外部影响产生的验证结果不准确。
根据本公开的实施例,在验证结果指示当前验证的异常对象的风险情况为假风险的情况下,将第二预设区域中经过验证的该异常对象的用户信息发送回第一预设区域,记录此次验证记录。将该异常对象从第二预设区域中删除。
图5示意性示出了根据本公开实施例的获取返回请求方法的流程图。其中,图5包括操作S541~操作S542,作为图4中操作S441~操作S443的进一步描述。
根据本公开的实施例,在进行操作S441之前,还可以通过操作S541~操作S542,向用户发送验证请求。如图5所示,该实施例包括操作S541~操作S542。
在操作S541,向用户端发送第一提示信息,以及向验证端发送第二提示信息。
根据本公开的实施例,验证当前验证的异常对象的风险状况可以通过向用户端发送第一提示信息,以及向验证端发送第二提示信息。具体的,在验证用户端的风险状况时,向用户端发送第一提示信息可以通过设置安全校验按钮实现。例如,向用户端发送第一提示信息,用户端设备接收到第一提示信息后向用户展示安全校验按钮,需要用户进行操作来进行风险验证。在对验证端的风险状况进行验证时,可以通过设置人工验证服务实现。例如,向验证端发送第二提示信息,验证端设备接收到第二提示信息后,向验证人员展示需要进行验证的对象信息,验证人员通过电话询问后进行验证。
根据本公开的实施例,向用户端发送的第一提示信息可以在用户进行交易操作确认操作之间显示,例如,在用户端界面显示“对方账户非安全账户,处于银行监测状态”来实现。
根据本公开的实施例,向验证端发送第二提示信息的同时,还可以向用户端发送第三提示信息,用于提示用户验证人员正在进行验证。例如,发送“对方账户异常,请等待验证人员进一步操作”的提示信息。
在操作S542,响应于来自用户的操作,确定第一返回请求;响应于来自验证人员的操作,确定第二返回请求。
根据本公开的实施例,用户端设备响应于用户针对第一提示信息的操作,确定第一返回请求;验证端设备响应于来自验证人员的操作,确定第二返回请求。例如,用户端设备响应于用户对于安全验证按钮的点击操作,确定第一返回请求为“真风险”或“假风险”;验证端设备响应于来自验证人员的输入操作,确定第一返回请求为“真风险”或“假风险”。
图6示意性示出了根据本公开实施例的确定多个异常对象方法的流程图。其中,图6包括操作S611~操作S613,可以作为图2中操作S210的一种具体实施例。
如图6所示,该实施例包括操作S611~操作S613。
在操作S611,确定多个风险用户的特征标签信息。
根据本公开的实施例,在操作S210通过聚类确定基于多个风险用户中的M个异常对象的过程中,可以先确定多个风险用户的特征标签信息,然后形成多个风险用户的用户画像,以便根据用户画像确定M个异常对象。
具体的,风险用户的特征标签包括用户的基本属性、行为特征、用户关系、用户兴趣特征、用户风险信息、用户营销信息、用户价值等。特征标签信息为特征标签下对应的特征值。用户的特征标签信息可以通过用户在注册时填写的信息或用户的操作日志获取。例如,特征标签为用户关系时,根据操作日志获得“用户A向用户B转账500元”,那么A的用户关系标签对应的特征标签信息可以为“用户B”。
根据本公开的实施例,基本属性包括用户的人口信息统计,生活信息,位置信息,注册时的硬件软件信息,自定义信息等;行为特征包括用户日常的活跃程度,存取款频度等;用户关系包括生活关系,金融关联关系,社交网络关联关系。用户兴趣特征包括用户的金融产品偏好,内部操作渠道偏好,行为渠道偏好等;用户风险信息包括用户风险评价,黑名单;用户营销信息包括用户近期需求信息,营销活动信息;用户价值包括用户自身价值,资产贡献。
在操作S612,基于特征标签信息,通过聚类确定多个风险用户的用户画像。
根据本公开的实施例,利用特征标签信息,通过聚类将用户的具体信息划分为不同特征。根据划分的特征,可以确定特征对应的具体描述,然后根据用户多个特征的具体描述形成用户画像。
在操作S613,根据用户画像,确定M个异常对象。
根据本公开的实施例,由于根据实际需要的设定,相似特征的用户画像描述存在差异,所以拥有相似特征的风险用户可能拥有不同的用户画像。根据具体的用户画像确定M个异常对象,保证划分特征的准确性。
例如,从交易记录存储数据库中获取风险用户A的交易金额、交易时间、交易人关系、交易频度等,即特征标签信息,通过聚类得到风险用户A和风险用户B在相似的交易时间下存在相似的交易金额,如风险用户A的交易时间在3月31日,风险用户B的交易时间在4月1日。虽然交易时间存在相似,但是上述特征在风险用户的用户画像中描述不同,例如“交易时间在3月31日”描述为“第一季度”,“交易时间在4月1日”描述为“第二季度”。根据用户画像的具体描述,即将风险用户A和风险用户B确定为交易金额相似的异常对象,而并非交易时间相似的异常对象。
根据本公开的实施例,用户画像存储于用户画像数据库,以便银行通过用户画像调整该用户的营销或者监控策略,比如限制再次办理信用卡等。
基于上述异常对象的处理方法,本公开还提供了一种异常对象的处理装置。以下将结合图7对该装置进行详细描述。
图7示意性示出了根据本公开实施例的异常对象处理装置的结构框图。
如图7所示,该实施例的异常对象的处理装置700包括确定模块710、监测模块720、记录模块730、验证模块740和处理模块705。
确定模块710,用于通过聚类确定基于多个风险用户中的M个异常对象,M个异常对象包含相似的特征,其中,M为大于2的整数。在一实施例中,确定模块710可以用于执行前文描述的操作S210,在此不再赘述。
监测模块720,用于在将M个异常对象记录在监测数据库的第一预设区域的情况下,监测M个异常对象的交易信息。在一实施例中,监测模块720可以用于执行前文描述的操作S220,在此不再赘述。
记录模块730,用于在确定N个异常对象存在新的交易信息的情况下,在第二预设区域记录N个异常对象。在一实施例中,记录模块730可以用于执行前文描述的操作S230,在此不再赘述。
验证模块740,用于验证N个异常对象的风险状况,确定N个异常对象对应的N个验证结果。在一实施例中,验证模块740可以用于执行前文描述的操作S240,在此不再赘述。
处理模块750,用于在N个验证结果中的一个验证结果为真风险的情况下,将验证结果对应的异常对象记录在禁止交易数据库。在一实施例中,处理模块750可以用于执行前文描述的操作S250,在此不再赘述。
根据本公开的实施例,处理模块750还包括第一确定单元、第二确定单元和记录单元。
第一确定单元,用于根据验证结果为真风险对应的异常对象,确定与异常对象对应的子异常对象群体。在一实施例中,第一确定单元可以用于执行前文描述的操作S351,在此不再赘述。
第二确定单元,用于根据子异常对象群体,确定与异常对象存在交易记录的多个关联对象。在一实施例中,第二确定单元可以用于执行前文描述的操作S352,在此不再赘述。
记录单元,用于将多个关联对象记录在禁止交易数据库。在一实施例中,记录单元可以用于执行前文描述的操作S353,在此不再赘述。
根据本公开的实施例,该装置还包括冻结模块,用于在确定异常对象与多个关联对象之间的所有交易资金的情况下,冻结所有交易资金。
根据本公开的实施例,验证模块740还包括第三确定单元、第四确定单元和第五单元。
第三确定单元,用于接收来自用户端的第一返回请求和来自验证端的第二返回请求。在一实施例中,第三确定单元可以用于执行前文描述的操作S441,在此不再赘述。
第四确定单元,用于在第一返回请求为真风险和/或第二返回请求为真风险的情况下,确定异常对象的验证结果为真风险。在一实施例中,第四确定单元可以用于执行前文描述的操作S442,在此不再赘述。
第五单元,用于在第一返回请求为假风险和第二返回请求为假风险的情况下,确定异常对象的验证结果为假风险。在一实施例中,第五确定单元可以用于执行前文描述的操作S443,在此不再赘述。
根据本公开的实施例,验证模块740还包括第一发送单元和第一响应单元。
第一发送单元,用于向用户端发送第一提示信息,以及向验证端发送第二提示信息。在一实施例中,第一发送单元可以用于执行前文描述的操作S541,在此不再赘述。
第一响应单元,用于响应于来自用户的操作,确定第一返回请求;响应于来自验证人员的操作,确定所述第二返回请求。在一实施例中,第一响应单元可以用于执行前文描述的操作S542,在此不再赘述。
根据本公开的实施例,确定模块710还包括特征确定单元、画像确定单元和异常对象确定单元。
特征确定单元,用于确定多个风险用户的特征标签信息。在一实施例中,特征确定单元可以用于执行前文描述的操作S611,在此不再赘述。
画像确定单元,用于基于特征标签信息,通过聚类确定多个风险用户的用户画像。在一实施例中,画像确定单元可以用于执行前文描述的操作S612,在此不再赘述。
异常对象确定单元,用于根据用户画像,确定M个异常对象。在一实施例中,异常对象确定单元可以用于执行前文描述的操作S613,在此不再赘述。
根据本公开的实施例,确定模块710、监测模块720、记录模块730、验证模块740和处理模块750中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,确定模块710、监测模块720、记录模块730、验证模块740和处理模块750中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,确定模块710、监测模块720、记录模块730、验证模块740和处理模块750中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图8示意性示出了根据本公开实施例的适于实现异常对象处理方法的电子设备的方框图。
如图8所示,根据本公开实施例的电子设备800包括处理器801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。处理器801例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 803中,存储有电子设备800操作所需的各种程序和数据。处理器801、ROM802以及RAM 803通过总线804彼此相连。处理器801通过执行ROM 802和/或RAM 803中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 802和RAM803以外的一个或多个存储器中。处理器801也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备800还可以包括输入/输出(I/O)接口805,输入/输出(I/O)接口805也连接至总线804。电子设备800还可以包括连接至I/O接口805的以下部件中的一项或多项:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 802和/或RAM 803和/或ROM 802和RAM 803以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例所提供的异常对象处理方法。
在该计算机程序被处理器801执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分809被下载和安装,和/或从可拆卸介质811被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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,上述模块、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,两个接连地表示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,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操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。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
以上所述的具体实施例,对本公开的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本公开的具体实施例而已,并不用于限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种异常对象处理方法,包括:
通过聚类确定基于多个风险用户中的M个异常对象,所述M个异常对象包含相似的特征,其中,M为大于2的整数;
在将所述M个异常对象记录在监测数据库的第一预设区域的情况下,监测所述M个异常对象的交易信息,所述监测数据库包括第一预设区域和第二预设区域;
在确定所述M个异常对象中的N个异常对象存在新的交易信息的情况下,在第二预设区域记录所述N个异常对象,其中,N为大于等于1的整数,且M大于等于N;
验证所述N个异常对象的风险状况,确定所述N个异常对象对应的N个验证结果;以及
在所述N个验证结果中的一个验证结果为真风险的情况下,将所述验证结果对应的异常对象记录在禁止交易数据库。
2.根据权利要求1所述的方法,还包括,在所述N个验证结果中的一个验证结果为真风险的情况下:
根据验证结果对应的异常对象,确定与所述异常对象对应的子异常对象群体;
根据所述子异常对象群体,确定与所述异常对象存在交易记录的多个关联对象;
将所述多个关联对象记录在所述禁止交易数据库。
3.根据权利要求2所述的方法,还包括:在确定所述异常对象与所述多个关联对象之间的所有交易资金的情况下,冻结所述所有交易资金。
4.根据权利要求1所述的方法,其中,所述风险状况包括真风险和假风险;所述验证所述N个异常对象的风险状况,确定所述N个异常对象对应的N个验证结果包括:
针对所述N个异常对象中的一个异常对象,确定所述异常对象的验证结果包括:
接收来自用户端的第一返回请求和来自验证端的第二返回请求,所述第一返回请求包括来自用户的验证结果,所述第二返回请求包括来自验证人员的验证结果;
在所述第一返回请求为真风险和/或所述第二返回请求为真风险的情况下,确定所述异常对象的验证结果为真风险;以及
在所述第一返回请求为假风险和所述第二返回请求为假风险的情况下,确定所述异常对象的验证结果为假风险。
5.根据权利要求4所述的方法,还包括:
向用户端发送第一提示信息,以及向验证端发送第二提示信息,所述第一提示信息展示在所述用户端的第一展示区域;所述第二提示信息展示在所述验证端的第二展示区域;以及
响应于来自用户的操作,确定所述第一返回请求;响应于来自验证人员的操作,确定所述第二返回请求。
6.根据权利要求1所述的方法,其中,所述通过聚类确定基于多个风险用户中的M个异常对象包括:
确定所述多个风险用户的特征标签信息;
基于所述特征标签信息,通过聚类确定所述多个风险用户的用户画像;以及
根据所述用户画像,确定M个异常对象。
7.一种异常对象处理装置,包括:
确定模块,用于通过聚类确定基于多个风险用户中的M个异常对象,所述M个异常对象包含相似的特征,其中,M为大于2的整数;
监测模块,用于在将所述M个异常对象记录在监测数据库的第一预设区域的情况下,监测所述M个异常对象的交易信息,所述监测数据库包括第一预设区域和第二预设区域;
记录模块,用于在确定所述M个异常对象中的N个异常对象存在新的交易信息的情况下,在第二预设区域记录所述N个异常对象,其中,N为大于等于1的整数,且M大于等于N;
验证模块,用于验证所述N个异常对象的风险状况,得到所述N个异常对象的N个验证结果;以及
处理模块,用于在所述N个验证结果中的一个验证结果为真风险的情况下,将所述验证结果对应的异常对象记录在禁止交易数据库。
8.一种电子设备,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,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~6中任一项所述的方法。
9.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~6中任一项所述的方法。
10.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1~6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210345341.7A CN114971897A (zh) | 2022-03-31 | 2022-03-31 | 异常对象处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210345341.7A CN114971897A (zh) | 2022-03-31 | 2022-03-31 | 异常对象处理方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114971897A true CN114971897A (zh) | 2022-08-30 |
Family
ID=82977895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210345341.7A Pending CN114971897A (zh) | 2022-03-31 | 2022-03-31 | 异常对象处理方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114971897A (zh) |
-
2022
- 2022-03-31 CN CN202210345341.7A patent/CN114971897A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11321774B2 (en) | Risk-based machine learning classifier | |
US20200389495A1 (en) | Secure policy-controlled processing and auditing on regulated data sets | |
US9661012B2 (en) | Systems and methods for identifying information related to payment card breaches | |
US20170024828A1 (en) | Systems and methods for identifying information related to payment card testing | |
US8745759B2 (en) | Associated with abnormal application-specific activity monitoring in a computing network | |
CN106487775A (zh) | 一种基于云平台的业务数据的处理方法和装置 | |
US20230105207A1 (en) | System and methods for intelligent entity-wide data protection | |
US20230040441A1 (en) | Insight generation using personal identifiable information (pii) footprint modeling | |
CN114462532A (zh) | 模型训练方法、预测交易风险的方法、装置、设备及介质 | |
US20190279228A1 (en) | Suspicious activity report smart validation | |
CN117911159A (zh) | 实时数据处理方法、装置、设备、存储介质及程序产品 | |
CN116071152A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN115689571A (zh) | 异常用户行为监测方法、装置、设备和介质 | |
CN115795345A (zh) | 信息处理方法、装置、设备及存储介质 | |
CN114971897A (zh) | 异常对象处理方法、装置、设备及介质 | |
CN114301713A (zh) | 风险访问检测模型的训练方法、风险访问检测方法及装置 | |
CN114780807A (zh) | 业务检测方法、装置、计算机系统及可读存储介质 | |
CN114091013A (zh) | 安全评分方法、装置、计算机系统及可读存储介质 | |
US20240195841A1 (en) | System and method for manipulation of secure data | |
CN114693421A (zh) | 风险评估方法、装置、电子设备和介质 | |
CN118133077A (zh) | 应用分类异常识别方法、装置、设备、存储介质和程序产品 | |
CN117994049A (zh) | 评估模型训练方法、信息处理方法、装置、设备、介质、程序产品及风险管理系统 | |
CN115795451A (zh) | 异常权限的检测方法、装置、设备、介质和程序产品 | |
CN117114874A (zh) | 关键交易网络的生成方法、装置、设备及存储介质 | |
CN114386017A (zh) | 认证方式配置方法、装置、设备及介质 |
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 |