CN115293634A - 一种设备风险识别处理方法及装置 - Google Patents
一种设备风险识别处理方法及装置 Download PDFInfo
- Publication number
- CN115293634A CN115293634A CN202211009321.9A CN202211009321A CN115293634A CN 115293634 A CN115293634 A CN 115293634A CN 202211009321 A CN202211009321 A CN 202211009321A CN 115293634 A CN115293634 A CN 115293634A
- Authority
- CN
- China
- Prior art keywords
- features
- preset
- equipment
- feature
- electronic bank
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种设备风险识别处理方法及装置,涉及数据风险识别技术领域,可用于金融领域或其他技术领域。所述方法包括:获取设备ID,并根据预设映射关系确定与所述设备ID对应的通用设备特征和电子银行场景特征,对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果。所述装置执行上述方法。本发明实施例提供的设备风险识别处理方法,能够快速和准确地识别设备相关的风险。
Description
技术领域
本发明涉及数据风险识别技术领域,具体涉及一种设备风险识别处理方法及装置。
背景技术
针对电子银行场景广泛存在的各种常规客户端风险问题,如恶意下单、撞库/爬虫、二三类账户冒用开户等业务风险,当前处理这种问题的一种方式是记录客户端的设备指纹。服务方可以通过采取基于设备指纹的检测方法,针对包括但不局限于上述常规问题进行异常检测,现有风险识别方法仅仅考虑到设备本身的特征,无法全面识别出使用设备过程中的潜在风险。
发明内容
针对现有技术中的问题,本发明实施例提供一种设备风险识别处理方法及装置,能够至少部分地解决现有技术中存在的问题。
一方面,本发明提出一种设备风险识别处理方法,包括:
获取设备ID,并根据预设映射关系确定与所述设备ID对应的通用设备特征和电子银行场景特征;
其中,所述预设映射关系包括预设设备ID、预设通用设备特征和预设电子银行场景特征之间的对应关系;
所述预设通用设备特征包括各通用设备特征,以及至少两个通用设备特征的组合特征的通用特征全集;所述预设电子银行场景特征包括各电子银行场景特征,以及至少两个电子银行场景特征的组合特征的电子银行场景特征全集;
对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果。
其中,所述电子银行场景特征包括支付场景特征、登录场景特征、转账场景特征、查询类业务场景特征和代理类业务场景特征;
对上述特征中的至少两项进行组合,得到组合特征;相应的,所述对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果,包括:
对所述通用设备特征和所述组合特征进行特征风险识别,得到风险识别结果。
其中,所述上述特征分别包括各自对应的场景子特征,对上述场景子特征中的至少两项进行组合,得到组合子特征;相应的,所述对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果,包括:
对所述通用设备特征、所述组合特征以及所述组合特征中的每个特征中的组合子特征进行特征风险识别,得到风险识别结果。
其中,建立所述预设映射关系,包括:
生成随机字符串,获取与电子银行场景相对应的预设电子银行场景特征,并对所述预设电子银行场景特征进行数值化预处理,得到与所述随机字符串数量级相同的数值化处理结果;
根据所述随机字符串和数值化处理结果,生成预设设备ID;
建立所述预设设备ID、所述预设通用设备特征和所述预设电子银行场景特征之间的对应关系,并确定所述对应关系为所述预设映射关系。
其中,所述根据所述随机字符串和数值化处理结果,生成预设设备ID,包括:
对所述随机字符串和所述数值化处理结果进行哈希计算,并将哈希计算结果作为所述预设设备ID。
其中,所述对所述预设电子银行场景特征进行数值化预处理,包括:
对所述预设电子银行场景特征进行量化处理;
若确定量化处理结果与所述随机字符串数量级不相同,则对所述量化处理结果进行数值映射处理,以使得数值映射处理结果与所述随机字符串数量级相同。
其中,所述生成随机字符串,包括:
基于预设设备指纹算法生成随机字符串。
一方面,本发明提出一种设备风险识别处理装置,包括:
获取单元,用于获取设备ID,并根据预设映射关系确定与所述设备ID对应的通用设备特征和电子银行场景特征;
其中,所述预设映射关系包括预设设备ID、预设通用设备特征和预设电子银行场景特征之间的对应关系;
所述预设通用设备特征包括各通用设备特征,以及至少两个通用设备特征的组合特征的通用特征全集;所述预设电子银行场景特征包括各电子银行场景特征,以及至少两个电子银行场景特征的组合特征的电子银行场景特征全集;
识别单元,用于对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果。
再一方面,本发明实施例提供一种电子设备,包括:处理器、存储器和总线,其中,
所述处理器和所述存储器通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如下方法:
获取设备ID,并根据预设映射关系确定与所述设备ID对应的通用设备特征和电子银行场景特征;
其中,所述预设映射关系包括预设设备ID、预设通用设备特征和预设电子银行场景特征之间的对应关系;
所述预设通用设备特征包括各通用设备特征,以及至少两个通用设备特征的组合特征的通用特征全集;所述预设电子银行场景特征包括各电子银行场景特征,以及至少两个电子银行场景特征的组合特征的电子银行场景特征全集;
对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果。
本发明实施例提供一种非暂态计算机可读存储介质,包括:
所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如下方法:
获取设备ID,并根据预设映射关系确定与所述设备ID对应的通用设备特征和电子银行场景特征;
其中,所述预设映射关系包括预设设备ID、预设通用设备特征和预设电子银行场景特征之间的对应关系;
所述预设通用设备特征包括各通用设备特征,以及至少两个通用设备特征的组合特征的通用特征全集;所述预设电子银行场景特征包括各电子银行场景特征,以及至少两个电子银行场景特征的组合特征的电子银行场景特征全集;
对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果。
本发明实施例提供的设备风险识别处理方法及装置,获取设备ID,并根据预设映射关系确定与所述设备ID对应的通用设备特征和电子银行场景特征;其中,所述预设映射关系包括预设设备ID、预设通用设备特征和预设电子银行场景特征之间的对应关系;所述预设通用设备特征包括各通用设备特征,以及至少两个通用设备特征的组合特征的通用特征全集;所述预设电子银行场景特征包括各电子银行场景特征,以及至少两个电子银行场景特征的组合特征的电子银行场景特征全集;对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果,能够快速和准确地识别设备相关的风险。
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。在附图中:
图1是本发明一实施例提供的设备风险识别处理方法的流程示意图。
图2是本发明另一实施例提供的设备风险识别处理方法的流程示意图。
图3是本发明另一实施例提供的设备风险识别处理方法的流程示意图。
图4是本发明一实施例提供的设备风险识别处理装置的结构示意图。
图5为本发明实施例提供的电子设备实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
图1是本发明一实施例提供的设备风险识别处理方法的流程示意图,如图1所示,本发明实施例提供的设备风险识别处理方法,包括:
步骤S1:获取设备ID,并根据预设映射关系确定与所述设备ID对应的通用设备特征和电子银行场景特征;
其中,所述预设映射关系包括预设设备ID、预设通用设备特征和预设电子银行场景特征之间的对应关系;
所述预设通用设备特征包括各通用设备特征,以及至少两个通用设备特征的组合特征的通用特征全集;所述预设电子银行场景特征包括各电子银行场景特征,以及至少两个电子银行场景特征的组合特征的电子银行场景特征全集。
步骤S2:对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果。
在上述步骤S1中,装置获取设备ID,并根据预设映射关系确定与所述设备ID对应的通用设备特征和电子银行场景特征;
其中,所述预设映射关系包括预设设备ID、预设通用设备特征和预设电子银行场景特征之间的对应关系;
所述预设通用设备特征包括各通用设备特征,以及至少两个通用设备特征的组合特征的通用特征全集;所述预设电子银行场景特征包括各电子银行场景特征,以及至少两个电子银行场景特征的组合特征的电子银行场景特征全集。装置可以是执行该方法的计算机设备,例如可以包括客户端等。需要说明是,本发明实施例涉及数据的获取及分析是经用户授权的。通用设备特征可以包括设备型号、网络类型、设备像素比例、操作系统和请求的用户信息等。
如图2所示,预设通用设备特征包括特征A~特征D的特征全排列组合,即通用特征全集包括单独特征A~D、组合特征AB、组合特征AC、组合特征AD、组合特征BC、组合特征BD、组合特征CD、组合特征ABC、组合特征ABD、组合特征ACD、组合特征BCD、组合特征ABCD。
预设电子银行场景特征包括特征E~特征G的特征全排列组合,即电子银行场景特征全集包括单独特征E~G、组合特征EF、组合特征EG、组合特征FG、组合特征EFG。
预设映射关系包括上述通用特征全集中的每一项、电子银行场景特征全集中的每一项的特征组合与每一个预设设备ID之间的对应关系。
即IDij=Ai+Bj,其中,Ai表示上述通用特征全集中的第i项,i的取值在1~15之间;Bj表示上述电子银行场景特征全集中的第j项,j的取值在1~7之间。对预设映射关系举例说明如下:
ID11—A1—B1,表示预设设备ID11与特征A和特征E存在对应关系。
ID12—A1—B2,表示预设设备ID12与特征A和特征F存在对应关系,以此类推,每一个预设设备ID都有与之对应的通用特征全集中的特征项和电子银行场景特征全集中的特征项。
如果待进行风险识别的设备ID为ID12,则根据上述预设映射关系可以确定对应的通用设备特征为特征A和电子银行场景特征为特征F。
建立所述预设映射关系,包括:
生成随机字符串,获取与电子银行场景相对应的预设电子银行场景特征,并对所述预设电子银行场景特征进行数值化预处理,得到与所述随机字符串数量级相同的数值化处理结果;随机字符串可以包括随机数字字符串,随机字符串长度可以根据实际情况自主设置,每间隔预设数量的数字字符使用一个分隔符将随机数字字符串进行划分,预设数量可以为两位,以随机字符串长度为10位数字为例,说明如下:
58-75-19-25-64,其中,每两位数字被一个分隔符切分,得到5部分数字项,分别为58、75、19、25和64,该随机字符串数量级为十位数量级。
如果预设电子银行场景特征中的特征项为小数级,例如1.5,则对其进行的数值化预处理可以为放大10倍,即得到的数值化处理结果为15,与上述58-75-19-25-64具有了相同数量级。
如果预设电子银行场景特征中的特征项为千位数级,例如1458,则对其进行的数值化预处理可以为缩小100倍,并忽略小数影响,即得到的数值化处理结果为14。
所述生成随机字符串,包括:
基于预设设备指纹算法生成随机字符串。预设设备指纹算法是指根据采集的数据,利用一定的算法计算出一个值来标识该设备。其基本原理可根据概率论来解释。使用服务端计算设备指纹时,可不局限于单一的计算算法,可同时采用多种算法计算出不同的设备指纹。
所述对所述预设电子银行场景特征进行数值化预处理,包括:
对所述预设电子银行场景特征进行量化处理;例如预设电子银行场景特征包括登录方式、可以为每种登录方式进行量化,例如本地登录量化为1,网页登录量化为2。
若确定量化处理结果与所述随机字符串数量级不相同,则对所述量化处理结果进行数值映射处理,以使得数值映射处理结果与所述随机字符串数量级相同。参照上述举例,上述量化处理结果为个位数级,需要放大10倍处理,得到与本地登录对应的10,以及与网页登录对应的20。
根据所述随机字符串和数值化处理结果,生成预设设备ID;如图2所示,所述根据所述随机字符串和数值化处理结果,生成预设设备ID,包括:
对所述随机字符串和所述数值化处理结果进行哈希计算,并将哈希计算结果作为所述预设设备ID。参照上述举例,可以对58-75-19-25-64和上述数值化处理结果15进行哈希计算,具体哈希计算方法为本领域成熟方法,不再赘述。
建立所述预设设备ID、所述预设通用设备特征和所述预设电子银行场景特征之间的对应关系,并确定所述对应关系为所述预设映射关系。参照上述举例,预设映射关系包括:
ID11—A1—B1,表示预设设备ID11与特征A和特征E存在对应关系。
ID12—A1—B2,表示预设设备ID12与特征A和特征F存在对应关系,以此类推。
在上述步骤S2中,装置对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果。可以将上述通用设备特征和电子银行场景特征进行特征相融合,将融合特征输入预设风险识别模型,将预设风险识别模型的输出结果作为风险识别结果,预设风险识别模型可以根据特征样本数据训练AI算法模型得到,结合图3说明如下:
以终端设备、运行环境和非敏感生物学特征为基础,结合终端防控技术、大数据处理技术和AI算法模型,精准构建设备安全画像,为每一个操作设备提供一个覆盖全生命周期的全球唯一设备ID,精准识别欺诈作弊风险。基于精准稳定的设备ID进行各类终端欺诈风险和环境风险的精准识别、运行崩溃分析、以及设备风险标签输出,构建覆盖业务全生命周期的核心安全风控体系,保障业务安全合规、稳定发展。
服务端生成全局唯一设备ID,在服务端和客户端通过多种方式存储。其中,独有的设备恢复算法,即使是设备指纹缓存数据被清除,依然可以通过算法恢复设备ID。
利用采集到的设备特征,通过机器学习和大数据分析,构建关于风险的智能风控模型,用于识别模拟、作弊工具、代理等风险。
所述电子银行场景特征包括支付场景特征、登录场景特征、转账场景特征、查询类业务场景特征和代理类业务场景特征;
对上述特征中的至少两项进行组合,得到组合特征;支付场景特征可以包括设备IP子特征、支付账户子特征、支付金额子特征、支付时间子特征和是否大额转账子特征。
登录场景特征可以包括登录IP子特征、登录时间子特征、验证次数子特征和登录方式子特征。
转账场景特征可以包括设备IP子特征、转账金额子特征、转账账户子特征、转账时间子特征。
查询类业务场景特征可以包括查询账户子特征、账户信息子特征、客户信息子特征、客户编号子特征。
代理类业务场景特征可以包括代理账户子特征、账户信息子特征、客户信息子特征、客户编号子特征。
相应的,所述对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果,包括:
对所述通用设备特征和所述组合特征进行特征风险识别,得到风险识别结果。可以将上述通用设备特征和组合特征进行特征相融合,将融合特征输入预设风险识别模型,将预设风险识别模型的输出结果作为风险识别结果。
所述上述特征分别包括各自对应的场景子特征,对上述场景子特征中的至少两项进行组合,得到组合子特征;组合子特征具体内容可以参照上述说明。
相应的,所述对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果,包括:表示
对所述通用设备特征、所述组合特征以及所述组合特征中的每个特征中的组合子特征进行特征风险识别,得到风险识别结果。可以将上述通用设备特征、所述组合特征以及所述组合特征中的每个特征中的组合子特征进行特征相融合,将融合特征输入预设风险识别模型,将预设风险识别模型的输出结果作为风险识别结果。
需要说明的是,对于考虑场景子特征的情况,对预设映射关系做如下说明:
IDim,jn=Aim+Bjn
其中,Aim表示上述通用特征全集中的第i项特征中的第m项子特征;Bjn表示上述电子银行场景特征全集中的第j项特征中的第n项子特征,即上述预设映射关系中的预设设备IDim,jn可以与各特征分别对应的子特征相关联。
结合图2,对建立预设映射关系进行简要说明如下:
步骤一:抽取用于生成/恢复唯一设备ID的设备特征,并进行多组特征组合,以其中一组“A+D+C”举例说明。
步骤二:设备指纹算法生成一个随机且唯一的字符串(不依赖设备特征)。
步骤三:构建初始映射关系,如特征ADC-初始设备ID XXXXXXXXX,该初始映射关系只涉及通用特征,无法体现电子银行场景特征。可以将通用特征ADC存储落库。
步骤四:抽取用于生成协同特征的特征,即上述预设电子银行场景特征,进行特征组合,以其中一组“G+F”举例说明。
步骤五:通过数值化预处理,将选取的一个或一组特征进行量化,并对应到相应的取值区间里。
步骤六:将步骤三得到的初始设备ID和步骤五得到的取值区间里数值化处理结果进行Hash计算,生成唯一设备ID。
步骤七:映射表存入数据库,读取上述通用特征ADC,并结合电子银行场景特征GF组成特征组,并进行映射,得到{特征组-唯一设备ID},并进行持久化存储。
本发明实施例具有如下有益效果:
1.发明引入了“协同特征”的概念,并将协同特征做了数值化处理,将数值化处理后的协同特征通过Hash的方式加入到客户端设备ID的生成过程中。
2.对于可以采集到的特征进行筛选,以达到提高检测效果的目的。
3.对于安全性要求较高的业务场景,在引入“协同特征”的基础上,可以取消对设备模糊匹配的认证,仅认证通过相同id的设备;在不涉及用户隐私的前提下,提高了银行交易的安全性。
该方法具有可以根据实际业务需要组合选取特征的扩展性,能适用于不同的业务场景。
本发明实施例提供的设备风险识别处理方法,获取设备ID,并根据预设映射关系确定与所述设备ID对应的通用设备特征和电子银行场景特征;其中,所述预设映射关系包括预设设备ID、预设通用设备特征和预设电子银行场景特征之间的对应关系;所述预设通用设备特征包括各通用设备特征,以及至少两个通用设备特征的组合特征的通用特征全集;所述预设电子银行场景特征包括各电子银行场景特征,以及至少两个电子银行场景特征的组合特征的电子银行场景特征全集;对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果,能够快速和准确地识别设备相关的风险。
进一步地,所述电子银行场景特征包括支付场景特征、登录场景特征、转账场景特征、查询类业务场景特征和代理类业务场景特征;
对上述特征中的至少两项进行组合,得到组合特征;相应的,所述对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果,包括:
对所述通用设备特征和所述组合特征进行特征风险识别,得到风险识别结果。可参照上述说明,不再赘述。
本发明实施例提供的设备风险识别处理方法,能够全面和准确地识别设备相关的风险。
进一步地,所述上述特征分别包括各自对应的场景子特征,对上述场景子特征中的至少两项进行组合,得到组合子特征;相应的,所述对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果,包括:
对所述通用设备特征、所述组合特征以及所述组合特征中的每个特征中的组合子特征进行特征风险识别,得到风险识别结果。可参照上述说明,不再赘述。
本发明实施例提供的设备风险识别处理方法,进一步能够全面和准确地识别设备相关的风险。
进一步地,建立所述预设映射关系,包括:
生成随机字符串,获取与电子银行场景相对应的预设电子银行场景特征,并对所述预设电子银行场景特征进行数值化预处理,得到与所述随机字符串数量级相同的数值化处理结果;可参照上述说明,不再赘述。
根据所述随机字符串和数值化处理结果,生成预设设备ID;可参照上述说明,不再赘述。
建立所述预设设备ID、所述预设通用设备特征和所述预设电子银行场景特征之间的对应关系,并确定所述对应关系为所述预设映射关系。可参照上述说明,不再赘述。
本发明实施例提供的设备风险识别处理方法,通过建立预设映射关系,进一步能够实现快速和准确地识别设备相关的风险。
进一步地,所述根据所述随机字符串和数值化处理结果,生成预设设备ID,包括:
对所述随机字符串和所述数值化处理结果进行哈希计算,并将哈希计算结果作为所述预设设备ID。可参照上述说明,不再赘述。
本发明实施例提供的设备风险识别处理方法,快速生成预设设备ID,进一步能够快速识别设备相关的风险。
进一步地,所述对所述预设电子银行场景特征进行数值化预处理,包括:
对所述预设电子银行场景特征进行量化处理;可参照上述说明,不再赘述。
若确定量化处理结果与所述随机字符串数量级不相同,则对所述量化处理结果进行数值映射处理,以使得数值映射处理结果与所述随机字符串数量级相同。可参照上述说明,不再赘述。
本发明实施例提供的设备风险识别处理方法,能够减轻后续计算负担,进一步能够快速识别设备相关的风险。
进一步地,所述生成随机字符串,包括:
基于预设设备指纹算法生成随机字符串。可参照上述说明,不再赘述。
本发明实施例提供的设备风险识别处理方法,方便生成随机字符串,进一步能够快速识别设备相关的风险。
需要说明的是,本发明实施例提供的设备风险识别处理方法可用于金融领域,也可用于除金融领域之外的任意技术领域,本发明实施例对设备风险识别处理方法的应用领域不做限定。
图4是本发明一实施例提供的设备风险识别处理装置的结构示意图,如图4所示,本发明实施例提供的设备风险识别处理装置,包括获取单元401和识别单元402,其中:
获取单元401用于获取设备ID,并根据预设映射关系确定与所述设备ID对应的通用设备特征和电子银行场景特征;其中,所述预设映射关系包括预设设备ID、预设通用设备特征和预设电子银行场景特征之间的对应关系;所述预设通用设备特征包括各通用设备特征,以及至少两个通用设备特征的组合特征的通用特征全集;所述预设电子银行场景特征包括各电子银行场景特征,以及至少两个电子银行场景特征的组合特征的电子银行场景特征全集;识别单元402用于对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果。
具体的,装置中的获取单元401用于获取设备ID,并根据预设映射关系确定与所述设备ID对应的通用设备特征和电子银行场景特征;其中,所述预设映射关系包括预设设备ID、预设通用设备特征和预设电子银行场景特征之间的对应关系;所述预设通用设备特征包括各通用设备特征,以及至少两个通用设备特征的组合特征的通用特征全集;所述预设电子银行场景特征包括各电子银行场景特征,以及至少两个电子银行场景特征的组合特征的电子银行场景特征全集;识别单元402用于对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果。
本发明实施例提供的设备风险识别处理装置,获取设备ID,并根据预设映射关系确定与所述设备ID对应的通用设备特征和电子银行场景特征;其中,所述预设映射关系包括预设设备ID、预设通用设备特征和预设电子银行场景特征之间的对应关系;所述预设通用设备特征包括各通用设备特征,以及至少两个通用设备特征的组合特征的通用特征全集;所述预设电子银行场景特征包括各电子银行场景特征,以及至少两个电子银行场景特征的组合特征的电子银行场景特征全集;对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果,能够快速和准确地识别设备相关的风险。
进一步地,所述电子银行场景特征包括支付场景特征、登录场景特征、转账场景特征、查询类业务场景特征和代理类业务场景特征;
对上述特征中的至少两项进行组合,得到组合特征;相应的,所述识别单元402具体用于:
对所述通用设备特征和所述组合特征进行特征风险识别,得到风险识别结果。
本发明实施例提供的设备风险识别处理装置,能够全面和准确地识别设备相关的风险。
进一步地,所述上述特征分别包括各自对应的场景子特征,对上述场景子特征中的至少两项进行组合,得到组合子特征;相应的,所述识别单元402具体用于:
对所述通用设备特征、所述组合特征以及所述组合特征中的每个特征中的组合子特征进行特征风险识别,得到风险识别结果。
本发明实施例提供的设备风险识别处理装置,进一步能够全面和准确地识别设备相关的风险。
进一步地,所述设备风险识别处理装置还用于:
生成随机字符串,获取与电子银行场景相对应的预设电子银行场景特征,并对所述预设电子银行场景特征进行数值化预处理,得到与所述随机字符串数量级相同的数值化处理结果;
根据所述随机字符串和数值化处理结果,生成预设设备ID;
建立所述预设设备ID、所述预设通用设备特征和所述预设电子银行场景特征之间的对应关系,并确定所述对应关系为所述预设映射关系。
本发明实施例提供的设备风险识别处理装置,通过建立预设映射关系,进一步能够实现快速和准确地识别设备相关的风险。
进一步地,所述设备风险识别处理装置还具体用于:
对所述随机字符串和所述数值化处理结果进行哈希计算,并将哈希计算结果作为所述预设设备ID。
本发明实施例提供的设备风险识别处理装置,快速生成预设设备ID,进一步能够快速识别设备相关的风险。
进一步地,所述设备风险识别处理装置还具体用于:
对所述预设电子银行场景特征进行量化处理;
若确定量化处理结果与所述随机字符串数量级不相同,则对所述量化处理结果进行数值映射处理,以使得数值映射处理结果与所述随机字符串数量级相同。
本发明实施例提供的设备风险识别处理装置,能够减轻后续计算负担,进一步能够快速识别设备相关的风险。
进一步地,所述设备风险识别处理装置还具体用于:
基于预设设备指纹算法生成随机字符串。
本发明实施例提供的设备风险识别处理装置,方便生成随机字符串,进一步能够快速识别设备相关的风险。
本发明实施例提供设备风险识别处理装置的实施例具体可以用于执行上述各方法实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
图5为本发明实施例提供的电子设备实体结构示意图,如图5所示,所述电子设备包括:处理器(processor)501、存储器(memory)502和总线503;
其中,所述处理器501、存储器502通过总线503完成相互间的通信;
所述处理器501用于调用所述存储器502中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:
获取设备ID,并根据预设映射关系确定与所述设备ID对应的通用设备特征和电子银行场景特征;
其中,所述预设映射关系包括预设设备ID、预设通用设备特征和预设电子银行场景特征之间的对应关系;
所述预设通用设备特征包括各通用设备特征,以及至少两个通用设备特征的组合特征的通用特征全集;所述预设电子银行场景特征包括各电子银行场景特征,以及至少两个电子银行场景特征的组合特征的电子银行场景特征全集;
对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:
获取设备ID,并根据预设映射关系确定与所述设备ID对应的通用设备特征和电子银行场景特征;
其中,所述预设映射关系包括预设设备ID、预设通用设备特征和预设电子银行场景特征之间的对应关系;
所述预设通用设备特征包括各通用设备特征,以及至少两个通用设备特征的组合特征的通用特征全集;所述预设电子银行场景特征包括各电子银行场景特征,以及至少两个电子银行场景特征的组合特征的电子银行场景特征全集;
对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果。
本实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,所述计算机程序使所述计算机执行上述各方法实施例所提供的方法,例如包括:
获取设备ID,并根据预设映射关系确定与所述设备ID对应的通用设备特征和电子银行场景特征;
其中,所述预设映射关系包括预设设备ID、预设通用设备特征和预设电子银行场景特征之间的对应关系;
所述预设通用设备特征包括各通用设备特征,以及至少两个通用设备特征的组合特征的通用特征全集;所述预设电子银行场景特征包括各电子银行场景特征,以及至少两个电子银行场景特征的组合特征的电子银行场景特征全集;
对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果。
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、系统、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(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。
在本说明书的描述中,参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种设备风险识别处理方法,其特征在于,包括:
获取设备ID,并根据预设映射关系确定与所述设备ID对应的通用设备特征和电子银行场景特征;
其中,所述预设映射关系包括预设设备ID、预设通用设备特征和预设电子银行场景特征之间的对应关系;
所述预设通用设备特征包括各通用设备特征,以及至少两个通用设备特征的组合特征的通用特征全集;所述预设电子银行场景特征包括各电子银行场景特征,以及至少两个电子银行场景特征的组合特征的电子银行场景特征全集;
对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果。
2.根据权利要求1所述的设备风险识别处理方法,其特征在于,所述电子银行场景特征包括支付场景特征、登录场景特征、转账场景特征、查询类业务场景特征和代理类业务场景特征;
对上述特征中的至少两项进行组合,得到组合特征;相应的,所述对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果,包括:
对所述通用设备特征和所述组合特征进行特征风险识别,得到风险识别结果。
3.根据权利要求2所述的设备风险识别处理方法,其特征在于,所述上述特征分别包括各自对应的场景子特征,对上述场景子特征中的至少两项进行组合,得到组合子特征;相应的,所述对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果,包括:
对所述通用设备特征、所述组合特征以及所述组合特征中的每个特征中的组合子特征进行特征风险识别,得到风险识别结果。
4.根据权利要求1至3任一所述的设备风险识别处理方法,其特征在于,建立所述预设映射关系,包括:
生成随机字符串,获取与电子银行场景相对应的预设电子银行场景特征,并对所述预设电子银行场景特征进行数值化预处理,得到与所述随机字符串数量级相同的数值化处理结果;
根据所述随机字符串和数值化处理结果,生成预设设备ID;
建立所述预设设备ID、所述预设通用设备特征和所述预设电子银行场景特征之间的对应关系,并确定所述对应关系为所述预设映射关系。
5.根据权利要求4所述的设备风险识别处理方法,其特征在于,所述根据所述随机字符串和数值化处理结果,生成预设设备ID,包括:
对所述随机字符串和所述数值化处理结果进行哈希计算,并将哈希计算结果作为所述预设设备ID。
6.根据权利要求4所述的设备风险识别处理方法,其特征在于,所述对所述预设电子银行场景特征进行数值化预处理,包括:
对所述预设电子银行场景特征进行量化处理;
若确定量化处理结果与所述随机字符串数量级不相同,则对所述量化处理结果进行数值映射处理,以使得数值映射处理结果与所述随机字符串数量级相同。
7.根据权利要求4所述的设备风险识别处理方法,其特征在于,所述生成随机字符串,包括:
基于预设设备指纹算法生成随机字符串。
8.一种设备风险识别处理装置,其特征在于,包括:
获取单元,用于获取设备ID,并根据预设映射关系确定与所述设备ID对应的通用设备特征和电子银行场景特征;
其中,所述预设映射关系包括预设设备ID、预设通用设备特征和预设电子银行场景特征之间的对应关系;
所述预设通用设备特征包括各通用设备特征,以及至少两个通用设备特征的组合特征的通用特征全集;所述预设电子银行场景特征包括各电子银行场景特征,以及至少两个电子银行场景特征的组合特征的电子银行场景特征全集;
识别单元,用于对所述通用设备特征和所述电子银行场景特征进行特征风险识别,得到风险识别结果。
9.一种电子设备,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计算机程序时实现权利要求1至7中任一项所述方法的步骤。
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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211009321.9A CN115293634A (zh) | 2022-08-22 | 2022-08-22 | 一种设备风险识别处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211009321.9A CN115293634A (zh) | 2022-08-22 | 2022-08-22 | 一种设备风险识别处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115293634A true CN115293634A (zh) | 2022-11-04 |
Family
ID=83830322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211009321.9A Pending CN115293634A (zh) | 2022-08-22 | 2022-08-22 | 一种设备风险识别处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115293634A (zh) |
-
2022
- 2022-08-22 CN CN202211009321.9A patent/CN115293634A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Toyoda et al. | A novel methodology for hyip operators’ bitcoin addresses identification | |
CN112837069B (zh) | 基于区块链与大数据的安全支付方法及云平台系统 | |
CN111178219A (zh) | 票据识别管理方法、装置、存储介质及电子设备 | |
CN113011889B (zh) | 账号异常识别方法、系统、装置、设备及介质 | |
CN110992053B (zh) | 一种基于指静脉识别及区块链技术的安全支付系统及方法 | |
CN112200660B (zh) | 一种银行柜面业务的监督方法、装置及设备 | |
Gabryel et al. | Browser fingerprint coding methods increasing the effectiveness of user identification in the web traffic | |
CN113111330B (zh) | 一种基于企业链码的企业法人身份认证管理方法及系统 | |
EP3591561A1 (en) | An anonymized data processing method and computer programs thereof | |
Shaohui et al. | Customer transaction fraud detection using random forest | |
Pawade et al. | Implementation of fingerprint-based authentication system using blockchain | |
CN108961034A (zh) | 基于用户行为认证的系统和方法、存储介质 | |
CN117113403A (zh) | 一种数据脱敏的方法、装置、电子设备及存储介质 | |
CN116595486A (zh) | 风险识别方法、训练风险识别模型的方法及对应装置 | |
CN108717635B (zh) | 基于多生物特征鉴权或标识的方法及系统 | |
CN115293634A (zh) | 一种设备风险识别处理方法及装置 | |
CN115983907A (zh) | 一种数据推荐方法、装置、电子设备及计算机可读介质 | |
CN111126503B (zh) | 一种训练样本的生成方法和装置 | |
CN113269614A (zh) | 商家快速注册接单方法及装置、电子设备及可读介质 | |
CN113779635B (zh) | 一种医疗数据的校验方法、装置、设备及存储介质 | |
KR102640986B1 (ko) | 블록체인 네트워크 상의 트랜잭션 정보에 기반한 가상자산 거래분석 데이터베이스 생성 시스템 및 방법 | |
CN117557380B (zh) | 一种基于区块链和大数据的数字化金库管理系统 | |
CN114553684B (zh) | 网点运维方法、装置、计算机设备、存储介质 | |
Kumar et al. | A smart mobile authentication technique using user centric attributes classifications | |
CN116823168A (zh) | 异常医疗项目检测方法、装置、计算机设备及存储介质 |
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 |