CN115660686A - 交易风险评估方法、装置、设备、存储介质和程序产品 - Google Patents
交易风险评估方法、装置、设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN115660686A CN115660686A CN202210200961.1A CN202210200961A CN115660686A CN 115660686 A CN115660686 A CN 115660686A CN 202210200961 A CN202210200961 A CN 202210200961A CN 115660686 A CN115660686 A CN 115660686A
- Authority
- CN
- China
- Prior art keywords
- account
- transaction
- security level
- transaction risk
- user
- 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
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及一种交易风险评估方法、装置、设备、存储介质和程序产品。获取用户的源账户与用户输入的目的账户之间的历史交易信息,并根据历史交易信息确定源账户与目的账户之间的相关度,确定源账户的账户安全等级,将相关度以及账户安全等级输入交易风险评估模型,得到交易风险的评估结果,根据评估结果,向终端输出交易风险提示信息。本申请方法中,在用户进行交易之前获取历史交易信息,对此次交易进行风险评估,可以提高在线交易的安全性,避免造成用户的财产损失。
Description
技术领域
本申请涉及大数据技术领域,特别是涉及一种交易风险评估方法、装置、设备、存储介质和程序产品。
背景技术
近年来随着互联网的发展,金融机构大力发展网络金融业务,促使在线转账交易量激增。
然而,在线交易的便捷性也使得经常发生在用户不知情的情况下用户的财产被转移等一系列行为,造成用户的财产安全问题。因此,如何提高在线交易的安全性成为亟待解决的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高在线交易安全性的交易风险评估方法、装置、设备、存储介质和程序产品。
第一方面,本申请提供了一种交易风险评估方法,所述方法包括:
获取用户的源账户与所述用户输入的目的账户之间的历史交易信息,并根据所述历史交易信息确定所述源账户与所述目的账户之间的相关度;
确定所述源账户的账户安全等级,其中,所述账户安全等级包括所述源账户的转出安全等级和/或所述目的账户的转入安全等级;
将所述相关度以及所述账户安全等级输入交易风险评估模型,得到交易风险的评估结果;
根据所述评估结果,向终端输出交易风险提示信息。
在其中一个实施例中,确定所述源账户的转出安全等级,包括:
确定所述用户的用户特征信息与各第一预设类型的用户特征信息之间的第一特征相似度;
根据预设的第一对应关系,确定第一目标类型对应的转出安全等级,并将所述第一目标类型对应的转出安全等级作为所述源账户的转出安全等级;
其中,所述第一目标类型是最大的第一特征相似度对应的第一预设类型,所述第一对应关系包括不同的第一预设类型与不同的转出安全等级之间的对应关系。
在其中一个实施例中,确定所述目的账户的转入安全等级,包括:
确定所述目的用户的用户特征信息与各第二预设类型的用户特征信息之间的第二特征相似度;
根据预设的第二对应关系,确定第二目标类型对应的转入安全等级,并将所述第二目标类型对应的转入安全等级作为所述目的账户的转入安全等级;
其中,所述第二目标类型是最大的第二特征相似度对应的第二预设类型,所述第二对应关系包括不同的第二预设类型与不同的转入安全等级之间的对应关系。
在其中一个实施例中,所述根据所述评估结果,向所述终端输出交易风险提示信息,包括:
根据所述账户安全等级和所述评估结果,向所述终端输出交易风险提示信息。
在其中一个实施例中,所述根据所述账户安全等级和所述评估结果,向所述终端输出交易风险提示信息,包括:
根据所述账户安全等级和所述评估结果,确定交易风险指数;
根据所述交易风险指数,向所述终端输出交易风险提示信息。
在其中一个实施例中,所述根据所述交易风险指数,向所述终端输出交易风险提示信息,包括:
若所述交易风险指数大于第一阈值且小于等于第二阈值,则向所述终端输出第一风险程度的交易风险提示信息;
若所述交易风险指数大于所述第二阈值,则向所述终端输出第二风险程度的交易风险提示信息,其中,所述第一风险程度低于所述第二风险程度。
在其中一个实施例中,获取正常的第一交易数据样本和异常的第二交易数据样本;
利用主成分分析法,提取所述第一交易数据样本和第二交易数据样本的特征信息;
基于所述特征信息,训练预设的初始交易风险评估模型,得到所述交易风险评估模型。
第二方面,本申请还提供了一种交易风险评估装置,所述装置包括:
第一获取模块,用于获取用户的源账户与所述用户输入的目的账户之间的历史交易信息,并根据所述历史交易信息确定所述源账户与所述目的账户之间的相关度;
确定模块,用于确定所述源账户的账户安全等级,其中,所述账户安全等级包括所述源账户的转出安全等级和/或所述目的账户的转入安全等级;
输入模块,用于将所述相关度以及所述账户安全等级输入交易风险评估模型,得到交易风险的评估结果;
输出模块,用于根据所述评估结果,向终端输出交易风险提示信息。
第三方面,本申请还提供了一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取用户的源账户与所述用户输入的目的账户之间的历史交易信息,并根据所述历史交易信息确定所述源账户与所述目的账户之间的相关度;
确定所述源账户的账户安全等级,其中,所述账户安全等级包括所述源账户的转出安全等级和/或所述目的账户的转入安全等级;
将所述相关度以及所述账户安全等级输入交易风险评估模型,得到交易风险的评估结果;
根据所述评估结果,向终端输出交易风险提示信息。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取用户的源账户与所述用户输入的目的账户之间的历史交易信息,并根据所述历史交易信息确定所述源账户与所述目的账户之间的相关度;
确定所述源账户的账户安全等级,其中,所述账户安全等级包括所述源账户的转出安全等级和/或所述目的账户的转入安全等级;
将所述相关度以及所述账户安全等级输入交易风险评估模型,得到交易风险的评估结果;
根据所述评估结果,向终端输出交易风险提示信息。
第五方面,本申请还提供了一种计算机程序产品,所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取用户的源账户与所述用户输入的目的账户之间的历史交易信息,并根据所述历史交易信息确定所述源账户与所述目的账户之间的相关度;
确定所述源账户的账户安全等级,其中,所述账户安全等级包括所述源账户的转出安全等级和/或所述目的账户的转入安全等级;
将所述相关度以及所述账户安全等级输入交易风险评估模型,得到交易风险的评估结果;
根据所述评估结果,向终端输出交易风险提示信息。
上述交易风险评估方法、装置、设备、存储介质和程序产品,获取用户的源账户与用户输入的目的账户之间的历史交易信息,并根据历史交易信息确定源账户与目的账户之间的相关度,确定源账户的账户安全等级,将相关度以及账户安全等级输入交易风险评估模型,得到交易风险的评估结果,根据评估结果,向终端输出交易风险提示信息。本申请方法中,在用户进行交易之前获取历史交易信息,对此次交易进行风险评估,可以提高在线交易的安全性,避免造成用户的财产损失。
附图说明
图1为一个实施例中交易风险评估方法的应用环境图;
图2为一个实施例中交易风险评估方法的流程示意图;
图3为一个实施例中源账户的转出安全等级的确定方法的流程示意图;
图4为一个实施例中目的账户的转入安全等级的确定方法的流程示意图;
图5为一个实施例中向终端输出交易风险提示信息的流程示意图;
图6为一个实施例中交易风险评估模型的确定方法的流程示意图;
图7为一个实施例中交易风险评估装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的交易风险评估方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,图2为一个实施例中交易风险评估方法的流程示意图,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S201,获取用户的源账户与用户输入的目的账户之间的历史交易信息,并根据历史交易信息确定源账户与目的账户之间的相关度。
需要说明的是,历史交易信息为经用户授权或者经过各方充分授权的交易信息。
在本实施例中,用户在终端输入目的账户以及转账金额,向服务器发送转账请求,服务器根据请求命令,获取用户的源账户与用户输入的目的账户之间的一段时间内的历史交易信息,根据历史交易信息,得到源账户与用户输入的目的账户之间的转账交易频率,若转账交易频率高,则认为源账户与用户输入的目的账户之间的相关度高,若转账交易频率低,则认为源账户与用户输入的目的账户之间的相关度低。
S202,确定源账户的账户安全等级,其中,账户安全等级包括源账户的转出安全等级和/或目的账户的转入安全等级。
在本实施例中,可以根据源账户的身份信息确定源账户的转出安全等级,例如,源账户A的用户的身份信息为老人,源账户B的用户的身份信息为青年人,源账户C的用户的身份信息为大学生,则,源账户B的转出安全等级大于源账户C的转出安全等级,源账户C的转出安全等级大于源账户A的转出安全等级;也可以根据源账户的交易频率确定源账户的转出安全等级,例如,源账户A的交易频率大于源账户B的交易频率,源账户B的交易频率的大于源账户 C的交易频率,则相应的源账户A的转出安全等级大于源账户B的转出安全等级,源账户B的转出安全等级大于源账户C的转出安全等级。
在本实施例中,可以根据目的账户的社交关系确定目的账户的转入安全等级,例如,目的账户D的社交关系为;也可以根据目的账户的信誉度确定目的账户的转入安全等级,例如,目的账户D未被加入账户异常集合列表,目的账户E被加入账户异常集合列表一次,则认为目的账户D的转入安全等级大于目的账户E的转入安全等级。
进一步地,若源账户的转出安全等级和目的账户的转入安全等级在近期一段时间内已经被确认过,可以将账户的转出安全等级和目的账户的转入安全等级存储在数据库中,在发生交易时直接获取源账户的转出安全等级和目的账户的转入安全等级。
S203,将相关度以及账户安全等级输入交易风险评估模型,得到交易风险的评估结果。
在本实施例中,交易风险评估模型可以为任意一种神经网络模型,示例性地,可以为卷积神经网络模型,也可以支持向量机等。可选地,源账号和目的账号之间相关度高、源账号的转出安全等级高以及目的账号的转入安全等级高的实例输入至交易风险评估模型中,得到的交易风险的评估结果为评估结果1;源账号和目的账号之间相关度低、源账号的转出安全等级低、目的账号的转入安全等级高的实例输入至交易风险评估模型中,得到的交易风险的评估结果为评估结果2,源账号和目的账号之间相关度低、源账号的转出安全等级低以及目的账号的转入安全等级低的实例输入至交易风险评估模型中,得到的交易风险的评估结果为评估结果3;评估结果1的交易风险小于评估结果2的交易风险,评估结果2的交易风险小于评估结果3的交易风险。
S204,根据评估结果,向终端输出交易风险提示信息。
在本实施例中,根据评估结果,向终端输出交易风险提示信息,假设评估结果分为优、良、差,若上述评估结果为差,则根据评估结果,向终端输出“该目的账号为异常账号,禁止交易”,若评估结果为良,则根据评估结果,向终端输出“该目的账号为可能为异常账号,建议进一步核实该目的账号”,若上述评估结果为优,则根据评估结果,向终端输出“交易安全”。
上述交易风险评估方法中,获取用户的源账户与用户输入的目的账户之间的历史交易信息,并根据历史交易信息确定源账户与目的账户之间的相关度,确定源账户的账户安全等级,将相关度以及账户安全等级输入交易风险评估模型,得到交易风险的评估结果,根据评估结果,向终端输出交易风险提示信息。本申请方法中,在用户进行交易之前获取历史交易信息,对此次交易进行风险评估,可以提高在线交易的安全性,避免造成用户的财产损失。
如图3所示,图3为一个实施例中源账户的转出安全等级的确定方法的流程示意图。本实施例涉及的是如何确定源账户的转出安全等级的一种可能的实现方式。在上述实施例的基础上,上述的S202可以包括如下步骤:
S301,确定用户的用户特征信息与各第一预设类型的用户特征信息之间的第一特征相似度。
可选的,用户特征信息包括基本属性、行为特征、用户关系、用户兴趣特征以及用户风险信息。具体地,基本属性包括用户的人口信息统计,位置信息等;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,行内渠道偏好,行为渠道偏好等;用户风险信息包括用户风险评价,账户异常集合列表。
可选的,K-Means算法是一个典型的基于距离的非层次聚类算法,可以使用K-Means算法对用户特征信息进行聚类得到第一预设类型。第一预设类型可以分为两类,也可以分为三类等,本申请实施例对此不作限制。在本实施例中,假设第一预设类型为三类,可以通过收集正常交易记录的用户特征信息以及异常交易记录的用户特征信息,对用户特征信息进行清洗,归一化等处理,利用 K-Means算法计算用户之间的距离来判断相似度从而将所有的用户特征信息分为三类。其中距离公式可以采用欧几里得距离公式进行计算:
其中,d(i,j)代表第i个用户和第j个用户的相似度,xip代表第i个用户的第 p维度的值,xjp代表第j个用户第p维度的值。
在本实施例中,假设根据上述K-Means算法得到的分类结果为三类,其中第一类中正常交易记录的用户特征信息为95个,异常交易记录的用户特征信息为5个,第二类中正常交易记录的用户特征信息为195个,异常交易记录的用户特征信息为20个,第三类中正常交易记录的用户特征信息为98个,异常交易记录的用户特征信息为2个。则各第一预设类型的异常交易概率分别为5%、 10%、2%。
在本实施例中,采用上述公式(1)计算用户的用户特征信息与各第一预设类型的用户特征细信息之间的欧几里得距离,根据欧几里得距离确定用户的用户特征信息与各第一预设类型的用户特征信息之间的第一特征相似度。假设,用户的用户特征信息与各第一预设类型的用户特征细信息之间的欧几里得距离分别为2,5,7。
S302,根据预设的第一对应关系,确定第一目标类型对应的转出安全等级,并将第一目标类型对应的转出安全等级作为源账户的转出安全等级;其中,第一目标类型是最大的第一特征相似度对应的第一预设类型,第一对应关系包括不同的第一预设类型与不同的转出安全等级之间的对应关系。
在本实施例中,还是以上述步骤S302为例,则第一对应关系可以根据第一预设类型进行确定,将第一预设类型异常交易概率为10%的转出安全等级设置为低等、第一预设类型异常交易概率为5%的转出安全等级设置为中等、第一预设类型异常交易概率为2%的转出安全等级设置为高等。
在本实施例中,上述步骤中用户的用户特征信息与各第一预设类型的用户特征细信息之间的欧几里得距离最小为2,则第一预设类型中异常交易概率为 5%对应的类型为用户的第一目标类型,根据第一对应关系确定第一目标类型对应的转出安全等级为中等。
如图4所示,图4为一个实施例中目的账户的转入安全等级的确定方法的流程示意图。本实施例涉及的是如何确定目的账户的转入安全等级的一种可能的实现方式。在上述实施例的基础上,上述的S202还可以包括如下步骤:
S401,确定目的用户的用户特征信息与各第二预设类型的用户特征信息之间的第二特征相似度。
在本实施例中,通过收集正常交易记录的用户特征信息以及异常交易记录的用户特征信息,采用K-Means算法对用户特征信息进行聚类。还是以分为三类为例,采用和上述步骤“S301”同样的方式,将用户特征信息分为三类,得到第二预设类型。其中第一类中正常交易记录的用户特征信息为90个,异常交易记录的用户特征信息为10个,第二类中正常交易记录的用户特征信息为144 个,异常交易记录的用户特征信息为6个,第三类中正常交易记录的用户特征信息为98个,异常交易记录的用户特征信息为2个,则各第二预设类型的异常交易的概率分别为10%、4%、2%。
在本实施例中,采用公式(1)计算目的用户的用户特征信息与各第二预设类型的用户特征信息之间的欧几里得距离,即第二特征相似度,分别为5、7、 10。
S402,根据预设的第二对应关系,确定第二目标类型对应的转入安全等级,并将第二目标类型对应的转入安全等级作为目的账户的转入安全等级;其中,第二目标类型是最大的第二特征相似度对应的第二预设类型,第二对应关系包括不同的第二预设类型与不同的转入安全等级之间的对应关系。
在本实施例中,同样的,将第二预设类型的异常交易概率为10%的转入安全等级设置为低等、第二预设类型的异常交易概率为4%的转入安全等级为设置中等、第二预设类型的异常交易概率为2%的转入安全等级设置为高等。
在本实施例中,上述步骤中目的用户的用户特征信息与各第二预设类型的用户特征细信息之间的欧几里得距离最小为5,则第二预设类型中异常交易概率为10%对应的类型为目的用户的第二目标类型,根据第二对应关系确定第二目标类型对应的转出安全等级为低等。
本申请实施例中,通过用户的用户特征信息与各第一预设类型的用户特征信息确定源账户的转出安全等级,以及根据目的用户的用户特征信息与各第二预设类型的用户特征信息确定目的账户的转入安全等级,本方法第一预设类型以及第二预设类型可以自行设定,从而将转入转出等级划分更为精确,提高用户交易的安全性。
在一个实施例中,“根据评估结果,向终端输出交易风险提示信息。”包括:根据账户安全等级和评估结果,向终端输出交易风险提示信息。
在本实施例中,根据账户安全等级和评估结果,向终端输出交易风险提示信息,假设,账户安全等级高,且评估结果为优,可以向终端输出交易风险提示信息1,用来指示交易安全;若账户安全等级高,且评估结果为差,可以向终端输出交易风险提示信息2,用来指示交易存在异常交易的可能,若账户安全等级低,且评估结果为差,可以向终端输出交易风险提示信息3,用来指示用户禁止交易。
如图5所示,图5为一个实施例中向终端输出交易风险提示信息的流程示意图。本实施例涉及的是如何向终端输出交易风险提示信息的一种可能的实现方式。在上述实施例的基础上,本实施例包括如下步骤:
S501,根据账户安全等级和评估结果,确定交易风险指数。
在本实施例中,可以对账户的安全等级和评估结果分别赋予不同的分值和权重,将分值和权重相乘再累加求和,得到交易风险指数;也可以将账户安全等级和评估结果输入到网络模型中,确定交易风险指数。
S502,根据交易风险指数,向终端输出交易风险提示信息。
在本实施例中,可以将不同的交易风险指数都对应不同的风险提示信息,然后根据交易风险指数,向终端输出交易风险提示信息;也可以将某一区域的交易风险指数划分为一类,对应一个交易风险提示信息,从而根据交易风险指数,向终端输出交易风险提示信息。
具体地,根据交易风险指数,向终端输出交易风险提示信息,包括以下两种方式:
第一种方式,若交易风险指数大于第一阈值且小于等于第二阈值,则向终端输出第一风险程度的交易风险提示信息。
其中,第一阈值可以为2、3、5等,第二阈值也可以为2、3、5等,本申请实施例对此不做限制。
在本实施例中,当交易风险指数大于第一阈值且小于等于第二阈值,则向终端输出第一风险程度的交易风险提示信息,第一风险程度的交易风险提示信息用来提示用户该笔交易可能存在异常交易的可能。
第二种方式,若交易风险指数大于第二阈值,则向终端输出第二风险程度的交易风险提示信息,其中,第一风险程度低于第二风险程度。
在本实施例中,当交易风险指数大于第二阈值,则向终端输出第二风险程度的交易风险提示信息,第二风险程度的交易风险提示信息用来提示用户该笔交易为异常交易。
本申请实施例中,根据账户安全等级和评估结果,确定交易风险指数,进一步根据交易风险指数与预设风险阈值进行比较,根据比较结果向终端输出交易风险提示信息,本方法中预设风险阈值可以随机确定,用来调整判断的范围,可以减少误判,提升用户体验。
如图6所示,图6为一个实施例中交易风险评估模型的确定方法的流程示意图。本实施例涉及的是如何确定交易风险评估模型的一种可能的实现方式。在上述实施例的基础上,本实施例包括如下步骤:
S601,获取正常的第一交易数据样本和异常的第二交易数据样本。
在本实施例中,第一交易数据样本双方账户的正常交易记录和正常信息标签,第二交易数据样本中包括双方账户的存在非正常交易事件的交易记录及非正常交易信息标签,用来当做交易风险评估模型的训练集。可选的,第一交易数据样本和第二交易数据样本的样本数目可以随机选择。
进一步地,可以将第一交易数据样本与第二交易数据样本中可能存在错误、缺失和冗余等问题的数据进行清洗,分别得到第一交易数据样本与第二交易数据样本,避免错误和缺失以及冗余数据的干扰。
S602,利用主成分分析法,提取第一交易数据样本和第二交易数据样本的特征信息。
在本实施例中,利用主成分分析法,第一交易数据样本和第二交易数据样本的特征信息,其中,主成分分析是一种常用的数据分析方法,PCA问题的优化目标是将一组n维向量降至k维,减少冗余项。假设有m个n维数据,排列成n×m的矩阵X,令其中,C是一个半正定对此矩阵,对角线为各个特征的方差,P是一组基按行组成的矩阵,Y为P对X做基变换后的数据,即降维后的数据,有Y=PX。
原优化目标转化成寻找矩阵P使得PCPT是一个对角矩阵,按对角元素大小从大到小排列,P的前k行即为要寻找的基,即特征信息,用矩阵P的前k行组成的矩阵乘以X就使得X从n维降到了k维。
S603,基于特征信息,训练预设的初始交易风险评估模型,得到交易风险评估模型。
在本实施例中,将利用主成分分析法提取到的特征信息输入到初始交易风险评估模型中,初始交易风险评估模型基于特征信息进行建模,初始交易风险评估模型使用算法自动从特征信息数据集中寻找变量间的映射关系规律,从而得到交易风险评估模型。
在本实施例中,初始交易风险评估模型,可以选用支持向量机,也可以采用BP神经网络,或者随机森林等分类器。
其中,支持向量机是一种二分类模型,定义为特征空间上间隔最大的线性分类器。支持向量机分类器的目的是在k维的数据空间中找到一个分类超平面,使得空间里的点可以被超平面分为两类,目前也被应用于多分类模型中。其中ω是超平面的法向量,b是超平面在空间中的截距,x表示特征信息。求使得拉格朗日目标函数取得最大值时的(ω,b,α)参数组合,L(ω,b,α)为拉格朗日目标函数,αi为拉格朗日乘子,yi表示特征信息的类别。
yi(ω·xi+b)<1 (5)
本申请实施例中,利用主成分分析法,提取第一交易数据样本和第二交易数据样本的特征信息,将特征信息输入到初始交易风险评估模型,对初始交易风险评估模型进行训练,得到交易风险评估模型。本方法中,主成分分析法可以消除数据评估指标之间的影响,减少数据样本中数据维数,保留主要成分,加快对初始交易风险评估模型的训练。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的交易风险评估方法的交易风险评估装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个交易风险评估装置实施例中的具体限定可以参见上文中对于交易风险评估方法的限定,在此不再赘述。
在一个实施例中,如图7所示,提供了一种交易风险评估装置,包括:第一获取模块11、确定模块12、输入模块13和输出模块14,其中:
第一获取模块11,用于获取用户的源账户与用户输入的目的账户之间的历史交易信息,并根据历史交易信息确定源账户与目的账户之间的相关度;
确定模块12,用于确定源账户的账户安全等级,其中,账户安全等级包括源账户的转出安全等级和/或目的账户的转入安全等级;
输入模块13,用于将相关度以及账户安全等级输入交易风险评估模型,得到交易风险的评估结果;
输出模块14,用于根据评估结果,向终端输出交易风险提示信息。
在一个实施例中,确定模块包括:
第一确定单元,用于确定用户的用户特征信息与各第一预设类型的用户特征信息之间的第一特征相似度;
第二确定单元,用于根据预设的第一对应关系,确定第一目标类型对应的转出安全等级,并将第一目标类型对应的转出安全等级作为源账户的转出安全等级;
其中,第一目标类型是最大的第一特征相似度对应的第一预设类型,第一对应关系包括不同的第一预设类型与不同的转出安全等级之间的对应关系。
在一个实施例中,确定模块还包括:
第三确定单元,用于确定目的用户的用户特征信息与各第二预设类型的用户特征信息之间的第二特征相似度;
第四确定单元,用于根据预设的第二对应关系,确定第二目标类型对应的转入安全等级,并将第二目标类型对应的转入安全等级作为目的账户的转入安全等级;
其中,第二目标类型是最大的第二特征相似度对应的第二预设类型,第二对应关系包括不同的第二预设类型与不同的转入安全等级之间的对应关系。在一个实施例中,输出模块用于根据账户安全等级和评估结果,向终端输出交易风险提示信息。
在一个实施例中,输出模块还用于根据账户安全等级和评估结果,确定交易风险指数;根据交易风险指数,向终端输出交易风险提示信息。
在一个实施例中,输出模块还用于在交易风险指数大于第一阈值且小于等于第二阈值的情况下,则向终端输出第一风险程度的交易风险提示信息;在交易风险指数大于第二阈值的情况下,则向终端输出第二风险程度的交易风险提示信息,其中,第一风险程度低于第二风险程度。
在一个实施例中,提供了一种交易风险评估装置,该装置还包括:
第二获取模块,用于获取正常的第一交易数据样本和异常的第二交易数据样本;
提取模块,用于利用主成分分析法,提取第一交易数据样本和第二交易数据样本的特征信息;
训练模块,用于基于特征信息,训练预设的初始交易风险评估模型,得到交易风险评估模型。
上述交易风险评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储交易相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种交易风险评估方法。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取用户的源账户与用户输入的目的账户之间的历史交易信息,并根据历史交易信息确定源账户与目的账户之间的相关度;
确定源账户的账户安全等级,其中,账户安全等级包括源账户的转出安全等级和/或目的账户的转入安全等级;
将相关度以及账户安全等级输入交易风险评估模型,得到交易风险的评估结果;
根据评估结果,向终端输出交易风险提示信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
确定用户的用户特征信息与各第一预设类型的用户特征信息之间的第一特征相似度;
根据预设的第一对应关系,确定第一目标类型对应的转出安全等级,并将第一目标类型对应的转出安全等级作为源账户的转出安全等级;
其中,第一目标类型是最大的第一特征相似度对应的第一预设类型,第一对应关系包括不同的第一预设类型与不同的转出安全等级之间的对应关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
确定目的用户的用户特征信息与各第二预设类型的用户特征信息之间的第二特征相似度;
根据预设的第二对应关系,确定第二目标类型对应的转入安全等级,并将第二目标类型对应的转入安全等级作为目的账户的转入安全等级;
其中,第二目标类型是最大的第二特征相似度对应的第二预设类型,第二对应关系包括不同的第二预设类型与不同的转入安全等级之间的对应关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据账户安全等级和评估结果,向终端输出交易风险提示信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据账户安全等级和评估结果,确定交易风险指数;
根据交易风险指数,向终端输出交易风险提示信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若交易风险指数大于第一阈值且小于等于第二阈值,则向终端输出第一风险程度的交易风险提示信息;
若交易风险指数大于第二阈值,则向终端输出第二风险程度的交易风险提示信息,其中,第一风险程度低于第二风险程度。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取用户的源账户与用户输入的目的账户之间的历史交易信息,并根据历史交易信息确定源账户与目的账户之间的相关度;
确定源账户的账户安全等级,其中,账户安全等级包括源账户的转出安全等级和/或目的账户的转入安全等级;
将相关度以及账户安全等级输入交易风险评估模型,得到交易风险的评估结果;
根据评估结果,向终端输出交易风险提示信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定用户的用户特征信息与各第一预设类型的用户特征信息之间的第一特征相似度;
根据预设的第一对应关系,确定第一目标类型对应的转出安全等级,并将第一目标类型对应的转出安全等级作为源账户的转出安全等级;
其中,第一目标类型是最大的第一特征相似度对应的第一预设类型,第一对应关系包括不同的第一预设类型与不同的转出安全等级之间的对应关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定目的用户的用户特征信息与各第二预设类型的用户特征信息之间的第二特征相似度;
根据预设的第二对应关系,确定第二目标类型对应的转入安全等级,并将第二目标类型对应的转入安全等级作为目的账户的转入安全等级;
其中,第二目标类型是最大的第二特征相似度对应的第二预设类型,第二对应关系包括不同的第二预设类型与不同的转入安全等级之间的对应关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据账户安全等级和评估结果,向终端输出交易风险提示信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据账户安全等级和评估结果,确定交易风险指数;
根据交易风险指数,向终端输出交易风险提示信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若交易风险指数大于第一阈值且小于等于第二阈值,则向终端输出第一风险程度的交易风险提示信息;
若交易风险指数大于第二阈值,则向终端输出第二风险程度的交易风险提示信息,其中,第一风险程度低于第二风险程度。
在一个实施例中,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以下步骤:
获取用户的源账户与用户输入的目的账户之间的历史交易信息,并根据历史交易信息确定源账户与目的账户之间的相关度;
确定源账户的账户安全等级,其中,账户安全等级包括源账户的转出安全等级和/或目的账户的转入安全等级;
将相关度以及账户安全等级输入交易风险评估模型,得到交易风险的评估结果;
根据评估结果,向终端输出交易风险提示信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定用户的用户特征信息与各第一预设类型的用户特征信息之间的第一特征相似度;
根据预设的第一对应关系,确定第一目标类型对应的转出安全等级,并将第一目标类型对应的转出安全等级作为源账户的转出安全等级;
其中,第一目标类型是最大的第一特征相似度对应的第一预设类型,第一对应关系包括不同的第一预设类型与不同的转出安全等级之间的对应关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定目的用户的用户特征信息与各第二预设类型的用户特征信息之间的第二特征相似度;
根据预设的第二对应关系,确定第二目标类型对应的转入安全等级,并将第二目标类型对应的转入安全等级作为目的账户的转入安全等级;
其中,第二目标类型是最大的第二特征相似度对应的第二预设类型,第二对应关系包括不同的第二预设类型与不同的转入安全等级之间的对应关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据账户安全等级和评估结果,向终端输出交易风险提示信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据账户安全等级和评估结果,确定交易风险指数;
根据交易风险指数,向终端输出交易风险提示信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若交易风险指数大于第一阈值且小于等于第二阈值,则向终端输出第一风险程度的交易风险提示信息;
若交易风险指数大于第二阈值,则向终端输出第二风险程度的交易风险提示信息,其中,第一风险程度低于第二风险程度。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器 (Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种交易风险评估方法,其特征在于,所述方法包括:
获取用户的源账户与所述用户输入的目的账户之间的历史交易信息,并根据所述历史交易信息确定所述源账户与所述目的账户之间的相关度;
确定所述源账户的账户安全等级,其中,所述账户安全等级包括所述源账户的转出安全等级和/或所述目的账户的转入安全等级;
将所述相关度以及所述账户安全等级输入交易风险评估模型,得到交易风险的评估结果;
根据所述评估结果,向终端输出交易风险提示信息。
2.根据权利要求1所述的方法,其特征在于,确定所述源账户的转出安全等级,包括:
确定所述用户的用户特征信息与各第一预设类型的用户特征信息之间的第一特征相似度;
根据预设的第一对应关系,确定第一目标类型对应的转出安全等级,并将所述第一目标类型对应的转出安全等级作为所述源账户的转出安全等级;
其中,所述第一目标类型是最大的第一特征相似度对应的第一预设类型,所述第一对应关系包括不同的第一预设类型与不同的转出安全等级之间的对应关系。
3.根据权利要求1所述的方法,其特征在于,确定所述目的账户的转入安全等级,包括:
确定所述目的用户的用户特征信息与各第二预设类型的用户特征信息之间的第二特征相似度;
根据预设的第二对应关系,确定第二目标类型对应的转入安全等级,并将所述第二目标类型对应的转入安全等级作为所述目的账户的转入安全等级;
其中,所述第二目标类型是最大的第二特征相似度对应的第二预设类型,所述第二对应关系包括不同的第二预设类型与不同的转入安全等级之间的对应关系。
4.根据权利要求1所述的方法,其特征在于,所述根据所述评估结果,向所述终端输出交易风险提示信息,包括:
根据所述账户安全等级和所述评估结果,向所述终端输出交易风险提示信息。
5.根据权利要求4所述的方法,其特征在于,所述根据所述账户安全等级和所述评估结果,向所述终端输出交易风险提示信息,包括:
根据所述账户安全等级和所述评估结果,确定交易风险指数;
根据所述交易风险指数,向所述终端输出交易风险提示信息。
6.根据权利要求5所述的方法,其特征在于,所述根据所述交易风险指数,向所述终端输出交易风险提示信息,包括:
若所述交易风险指数大于第一阈值且小于等于第二阈值,则向所述终端输出第一风险程度的交易风险提示信息;
若所述交易风险指数大于所述第二阈值,则向所述终端输出第二风险程度的交易风险提示信息,其中,所述第一风险程度低于所述第二风险程度。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述方法还包括,包括:
获取正常的第一交易数据样本和异常的第二交易数据样本;
利用主成分分析法,提取所述第一交易数据样本和第二交易数据样本的特征信息;
基于所述特征信息,训练预设的初始交易风险评估模型,得到所述交易风险评估模型。
8.一种交易风险评估装置,其特征在于,所述装置包括:
第一获取模块,用于获取用户的源账户与所述用户输入的目的账户之间的历史交易信息,并根据所述历史交易信息确定所述源账户与所述目的账户之间的相关度;
确定模块,用于确定所述源账户的账户安全等级,其中,所述账户安全等级包括所述源账户的转出安全等级和/或所述目的账户的转入安全等级;
输入模块,用于将所述相关度以及所述账户安全等级输入交易风险评估模型,得到交易风险的评估结果;
输出模块,用于根据所述评估结果,向终端输出交易风险提示信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,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中任一项所述的方法的步骤。
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中任一项所述的方法的步骤。
11.一种计算机程序产品,包括计算机程序,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7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210200961.1A CN115660686A (zh) | 2022-03-02 | 2022-03-02 | 交易风险评估方法、装置、设备、存储介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210200961.1A CN115660686A (zh) | 2022-03-02 | 2022-03-02 | 交易风险评估方法、装置、设备、存储介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115660686A true CN115660686A (zh) | 2023-01-31 |
Family
ID=85024263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210200961.1A Pending CN115660686A (zh) | 2022-03-02 | 2022-03-02 | 交易风险评估方法、装置、设备、存储介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115660686A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071077A (zh) * | 2023-03-06 | 2023-05-05 | 深圳市迪博企业风险管理技术有限公司 | 一种违规账户的风险评估与识别方法及装置 |
CN116797226A (zh) * | 2023-03-09 | 2023-09-22 | 保山咖啡产业发展有限公司 | 一种基于大数据的咖啡现货交易的信息安全的评估方法 |
-
2022
- 2022-03-02 CN CN202210200961.1A patent/CN115660686A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071077A (zh) * | 2023-03-06 | 2023-05-05 | 深圳市迪博企业风险管理技术有限公司 | 一种违规账户的风险评估与识别方法及装置 |
CN116071077B (zh) * | 2023-03-06 | 2023-06-27 | 深圳市迪博企业风险管理技术有限公司 | 一种违规账户的风险评估与识别方法及装置 |
CN116797226A (zh) * | 2023-03-09 | 2023-09-22 | 保山咖啡产业发展有限公司 | 一种基于大数据的咖啡现货交易的信息安全的评估方法 |
CN116797226B (zh) * | 2023-03-09 | 2024-02-09 | 保山咖啡产业发展有限公司 | 一种基于大数据的咖啡现货交易的信息安全的评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200311145A1 (en) | System and method for generating an answer based on clustering and sentence similarity | |
WO2021012790A1 (zh) | 页面数据生成方法、装置、计算机设备及存储介质 | |
CN111178949B (zh) | 服务资源匹配参考数据确定方法、装置、设备和存储介质 | |
US20200184485A1 (en) | Systems and methods for processing support messages relating to features of payment networks | |
CN115660686A (zh) | 交易风险评估方法、装置、设备、存储介质和程序产品 | |
US20220318274A1 (en) | Managing data processing efficiency, and applications thereof | |
Asim et al. | Significance of machine learning algorithms in professional blogger's classification | |
US20160378847A1 (en) | Distributional alignment of sets | |
CN112784168B (zh) | 信息推送模型训练方法以及装置、信息推送方法以及装置 | |
US11507901B1 (en) | Apparatus and methods for matching video records with postings using audiovisual data processing | |
US20220229854A1 (en) | Constructing ground truth when classifying data | |
CN111783126A (zh) | 一种隐私数据识别方法、装置、设备和可读介质 | |
CN115080868A (zh) | 产品推送方法、装置、计算机设备、存储介质和程序产品 | |
Fursov et al. | Sequence embeddings help detect insurance fraud | |
Susan et al. | Smaller feature subset selection for real-world datasets using a new mutual information with Gaussian gain | |
CN115758271A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN115169637A (zh) | 社交关系预测方法、装置、设备和介质 | |
CN114529399A (zh) | 用户数据处理方法、装置、计算机设备和存储介质 | |
CN116702024B (zh) | 流水数据类型识别方法、装置、计算机设备和存储介质 | |
US11907872B2 (en) | Apparatus and methods for success probability determination for a user | |
CN113868438B (zh) | 信息可信度的校准方法、装置、计算机设备及存储介质 | |
US11935060B1 (en) | Systems and methods based on anonymized data | |
US20240078829A1 (en) | Systems and methods for identifying specific document types from groups of documents using optical character recognition | |
CN117312660A (zh) | 项目推送方法、装置、计算机设备和存储介质 | |
CN117112724A (zh) | 搜索推送方法、装置、设备、存储介质和计算机程序产品 |
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 |