CN115689574A - 一种交易风险预警方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明实施例公开一种交易风险预警方法、装置、电子设备及存储介质。该方法包括：响应于目标对象所关联的客户端与目标直播平台之间的当前交易为非首次交易，获取目标对象的对象属性信息；根据对象属性信息的数据类型确定对应的目标数据模型；根据目标数据模型和数据类型对当前交易进行风险预警。本发明实施例，通过当前交易为非首次交易时，根据所获取的对象属性信息对应的数据类型，以确定与其对应的目标数据模型，并根据目标数据模型和数据类型对当前交易进行风险预警，能够有效预警未成年人盗用家长金融账户进行直播交易的操作，提升交易风险预警机制，防止未成年人产生不良消费习惯，帮助未成年人建立正确的价值观。

Description

一种交易风险预警方法、装置、电子设备及存储介质

技术领域

本发明涉及大数据技术领域，尤其涉及一种交易风险预警方法、装置、电子设备及存储介质。

背景技术

随着互联网技术的不断成熟，各类视频和直播平台的数量也不断增长，越来越多的未成年人投入到观看各类视频和直播的浪潮中，未成年人一旦沉溺视频和直播，可能就会出现盗用家长银行卡账户进行视频和直播交易的行为，从而导致不少家庭的资金难以追回，因此，急需一种在用户视频和直播交易时，对用户的行为数据进行风险预警的方式以解决该问题。

发明内容

有鉴于此，本发明提供一种交易风险预警方法、装置、电子设备及存储介质，能够有效预警未成年人盗用家长金融账户进行直播交易的操作，提升交易风险预警机制，防止未成年人产生不良消费习惯，帮助未成年人建立正确的价值观。

根据本发明的一方面，本发明实施例提供了一种交易风险预警方法，所述方法，包括：

响应于目标对象所关联的客户端与目标直播平台之间的当前交易为非首次交易，获取目标对象的对象属性信息；

根据所述对象属性信息的数据类型确定对应的目标数据模型；其中，所述目标数据模型至少包含四种数据模型；

根据所述目标数据模型和所述数据类型对所述当前交易进行风险预警。

根据本发明的另一方面，本发明实施例还提供了一种交易风险预警装置，该装置，所述装置，包括：

信息获取模块，用于响应于目标对象所关联的客户端与目标直播平台之间的当前交易为非首次交易，获取目标对象的对象属性信息；

模型确定模块，用于根据所述对象属性信息的数据类型确定对应的目标数据模型；其中，所述目标数据模型至少包含四种数据模型；

预警模块，用于根据所述目标数据模型和所述数据类型对所述当前交易进行风险预警。

根据本发明的另一方面，本发明实施例还提供了一种电子设备，所述电子设备包括：

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计算机程序，所述计算机程序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执行本发明任一实施例所述的交易风险预警方法。

根据本发明的另一方面，本发明实施例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存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的交易风险预警方法。

本发明实施例的技术方案，通过当前交易为非首次交易时，根据对象属性信息的数据类型确定对应的目标数据模型，并根据目标数据模型和数据类型对当前交易进行风险预警，能够有效预警未成年人盗用家长金融账户进行直播交易的操作，提升交易风险预警机制，防止未成年人产生不良消费习惯，帮助未成年人建立正确的价值观。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的一种交易风险预警方法的流程图；

图2为本发明一实施例提供的另一种交易风险预警方法的流程图；

图3为本发明一实施例提供的又一种交易风险预警方法的流程图；

图4为本发明一实施例提供的一种交易风险预警装置的结构框图；

图5为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“目标”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

在一实施例中，图1为本发明一实施例提供的一种交易风险预警方法的流程图，本实施例可适用于对直播交易进行风险预警时的情况，该方法可以由测试装置来执行，该测试装置可以采用硬件和/或软件的形式实现，该交易风险预警装置可配置于电子设备中。

如图1所示，具体步骤包括：

S110、响应于目标对象所关联的客户端与目标直播平台之间的当前交易为非首次交易，获取目标对象的对象属性信息。

其中，目标对象可以理解为用户的目标交易账号信息，可以包含用户交易时对应的交易账号、交易行名称、预交易金额等等。目标直播平台可以理解为用户预进行交易的直播平台。非首次交易可以理解为目标对象与目标直播平台的交易不是第一次交易。当前交易指的是用户正在进行的交易。

在本实施例中，对象属性信息可以理解为用户设置为公开的信息，可以包括用户设置为公开的用户基本信息，用户设置为公开的资产状况信息、用户设置为公开的对直播平台的历史交易信息以及用户每日与直播平台进行交易的信息。

在本实施例中，用户在使用手机app、电脑等设备在客户端进行观看直播视频时，可能用户会出现对直播平台的当前直播进行打赏的行为，若监测到目标对象所关联的客户端与目标直播平台之间的当前交易为不是首次交易的情况下，获取目标对象的对象属性信息。具体的，可以通过将直播平台对应的直播平台名称和直播平台账户，与目标对象所关联的客户端中的交易账户和交易名称进行匹配，在匹配不成功的情况下，确定为非首次交易，在匹配成功的情况下，确定为首次进行交易，在不为首次交易的情况下，获取目标对象的对象属性信息。

S120、根据对象属性信息的数据类型确定对应的目标数据模型，其中，目标数据模型至少包含四种数据模型。

其中，数据类型指的是对象属性信息所对应的数据类型，示例性的，目标对象为用户预交易的交易账号信息，该交易账号信息所对应用户的各种信息即为对象属性信息，对象属性信息可以包含多种数据类型，该数据类型可以包含有多种类型的信息，不同的数据类型可以对应不同的目标数据模型。

在本实施例中，目标数据模型也可以称为目标风险预测模型，可以理解为对对象属性信息的数据类型进行数据分析的数据模型，目标数据模型至少包含四种数据模型，不同的目标数据模型分别输入不同的数据类型进行数据分析。

在本实施例中，将对象属性信息的数据类型按照设定的方式进行相应的划分，以确定对象属性信息所对应的数据类型，依据数据类型进行选取与数据类型相对应的目标数据模型。在另一些实施例中，也可以自定义对象属性信息所对应的数据类型，以确定对象属性信息所对应的数据类型。需要说明的是，对象属性信息的数据类型至少包含用户基本信息、用户资产信息、用户历史打赏交易信息以及用户每日打赏交易累计信息，不同的数据类型可以依据类型的不同进行选取相对应的目标数据模型。

S130、根据目标数据模型和数据类型对当前交易进行风险预警。

其中，风险预警可以理解为对用户当前打赏交易存在风险时进行风险预警。需要说明的是，风险预警可以通过短信、警示标识、图文等方式对用户的当前交易进行风险预警，也可以通过其他风险预警的方式进行风险预警，本实施例在此不做限制。

在本实施例中，可以通过将数据类型对应的数据信息输入至相对应的目标数据模型中，以得到对应的模型输出结果，依据模型输出结果、各目标数据模型预先设置的风险权重占比以及各目标数据模型对应的预设风险阈值，对当前交易进行风险预警。在一些实施例中，也可以通过模型输出结果、各目标数据模型分别对应的评分以及风险占比的综合值，以及各目标数据模型对应的预设风险阈值，对当前交易进行风险预警。

本发明实施例的技术方案，通过当前交易为非首次交易时，根据对象属性信息的数据类型确定对应的目标数据模型，并根据目标数据模型和数据类型对当前交易进行风险预警，能够有效预警未成年人盗用家长金融账户进行直播交易的操作，提升交易风险预警机制，防止未成年人产生不良消费习惯，帮助未成年人建立正确的价值观。

在一实施例中，图2为本发明一实施例提供的另一种交易风险预警方法的流程图，本实施例在上述各实施例地基础上，进行了进一步的细化。

如图2所示，本实施例中的交易风险预警方法，具体可以包含如下步骤：

S210、获取目标对象所关联的客户端对应的当前交易信息，并获取预设数据库中目标直播平台对应的直播平台信息。

其中，当前预交易信息可以理解为用户当前与目标直播平台对应的预交易信息。预设数据库可以理解为金融系统中的存储直播平台相关信息的数据库。

在本实施例中，当前交易信息包含用户公开的进行交易时的各种交易信息，示例性的，当前交易信息中的交易账户和交易名称；直播平台信息包含直播平台设置为公开的各种信息，示例性的，直播平台名称和直播平台账户。

在本实施例中，可以从目标对象所关联的客户端获取用户对应的当前交易信息，并获取预设数据库中目标直播平台对应的直播平台信息。需要说明的是，预设数据库为金融系统预先建立的直播平台数据库，包括多种直播平台，对于众所周知的大众直播平台和不常见的小众直播平台也在不断的进行逐步收录和更新。

S220、遍历查找直播平台信息中对应的直播平台名称和直播平台账户。

在本实施例中，获取预设数据库中目标直播平台对应的直播平台信息之后，遍历查找直播平台信息中对应的直播平台名称和直播平台账户。

S230、将直播平台名称和直播平台账户与当前预交易信息中的交易账户和交易名称进行匹配，以得到匹配结果。

在本实施例中，将直播平台名称和直播平台账户与当前预交易信息中的交易账户和交易名称进行匹配，依据对应的匹配结果判断当前交易是否为首次交易，以给出首次交易和非首次交易分别对应的措施。

S240、在匹配结果为匹配成功的情况下，确定当前交易对应的交易次数为非首次交易。

在本实施例中，在直播平台名称和直播平台账户与当前预交易信息中的交易账户和交易名称相匹配的情况下，确定当前交易对应的交易次数为非首次交易。需要说明的是，在匹配结果为非首次的情况下，继续执行S240以及以后的步骤，进行进一步的判断。

S250、在匹配结果为匹配不成功的情况下，确定当前交易对应的交易次数为首次交易。

在本实施中，在直播平台名称和直播平台账户与当前预交易信息中的交易账户和交易名称不相匹配的情况下，确定当前交易对应的交易次数为首次交易。需要说明的是，在匹配结果为首次交易的情况下，还需要向客户端发送用户检测信息，以依据用户检测信息的正确与否进行不同的操作。

S260、向目标对象所关联的客户端发送用户检测信息，在用户检验信息通过的情况下，确定当前交易无交易风险，不进行风险预警；在用户检验信息不通过或者用户放弃当前交易的情况下，确定当前交易有交易风险，按照预设预警方式进行交易风险预警。

其中，用户检测信息可以理解为对用户进行本人信息检测的相关信息，可以为进行刷脸检测，指纹检测等多种检测方式。预设预警方式可以理解为预先设置的风险预警方式，可以包含但不限于文字、图画、风险标识、短信等多种方式。

在本实施例中，确定当前交易对应的交易次数为首次交易的情况下，需要向目标对象所关联的客户端发送用户检测信息，在用户检验信息通过的情况下，确定当前交易无交易风险，不进行风险预警；在用户检验信息不通过或者用户放弃当前交易的情况下，确定当前交易有交易风险，该交易风险风控预警成功，按照预设预警方式进行交易风险预警。需要说明的是，可以对交易风险设置相应的风险等级，不同的交易风险等级对应不同的交易风险预警方式。

S270、响应于目标对象所关联的客户端与目标直播平台之间的当前交易为非首次交易，获取目标对象的对象属性信息。

S280、根据对象属性信息的数据类型确定对应的目标数据模型，其中，目标数据模型至少包含四种数据模型。

S290、根据目标数据模型和数据类型对当前交易进行风险预警。

本实施例的上述技术方案，将直播平台名称和直播平台账户与当前预交易信息中的交易账户和交易名称进行匹配，以得到匹配结果，并给出首次交易和非首次交易下的不同的措施，能够及时对直播打赏的行为进行检测预警和本人身份确认，避免非本人和在存在交易风险时进行交易。

在一实施例中，图3为本发明一实施例提供的又一种交易风险预警方法的流程图，本实施例在上述各实施例地基础上，对根据对象属性信息的数据类型确定对应的目标数据模型，以及根据目标数据模型和数据类型对当前交易进行风险预警进行了进一步的细化。

如图3所示，本实施例中的交易风险预警方法，具体可以包含如下步骤：

S310、响应于目标对象所关联的客户端与目标直播平台之间的当前交易为非首次交易，获取目标对象的对象属性信息。

S320、确定对象属性信息分别对应的数据类型，其中，数据类型至少包含用户基本信息、用户资产信息、用户历史打赏交易信息以及用户每日打赏交易累计信息。

在本实施例中，确定对象属性信息所属的数据类型，可以将相同数据类型的对象属性信息划分为一类，其中，数据类型至少包含用户基本信息、用户资产信息、用户历史打赏交易信息以及用户每日打赏交易累计信息。需要说明的是，用户基本信息可以包含用户设置为公开的各种信息，用户资产信息可以包含但不限于用户的资产负债信息、收入信息、支出信息，用户历史打赏交易信息可以包含但不限于用户历史交易频率、历史每笔交易金额等历史打赏交易记录，用户每日打赏交易累计信息可以包含但不限于用户当日打赏交易的次数和累计金额等每日打赏情况。

S330、依据数据类型选取相对应的目标数据模型。

在本实施例中，可以依据数据类型中的用户基本信息、用户资产信息、用户历史打赏交易信息以及用户每日打赏交易累计信息，进行选取相对应的目标数据类型，以通过目标数据类型进行分析相应的数据。示例性的，四种数据类型分别为用户基本信息、用户资产信息、用户历史打赏交易信息以及用户每日打赏交易累计信息，用户基本信息对应目标数据模型1；用户资产信息对应目标数据模型2、用户历史打赏交易信息对应目标数据模型3、以及用户每日打赏交易累计信息对应目标数据模型4。

需要说明的是，目标数据模型的建立，可以通过用户基本信息、用户资产信息、用户历史打赏交易信息以及用户每日打赏交易累计信息分别进行建立对应数据类型的目标数据模型。示例性的，通过用户基本信息所对应的数据信息建立目标数据模型1；通过用户资产信息对应的数据信息：用户个人资产负债信息、收入信息、支出信息以及用户职业，可以建立目标数据模型2；通过用户历史打赏交易信息对应的数据信息：用户历史交易频率和历史每笔交易金额可以建立目标数据模型3；通过用户每日打赏交易累计信息对应的数据信息：用户当日打赏交易的次数和累计金额，可以建立目标数据模型4。

S340、将数据类型对应的数据信息输入至相对应的目标数据模型中，以得到对应的模型输出结果。

其中，模型输出结果可以理解为不同的数据类型输入至对应的目标数据模型中，所得到的模型输出结果，该模型输出结果可以表征为当前交易存在交易风险的概率大小。示例性的，目标数据模型1对应的模型输出结果存在交易风险的概率大小为40％，目标数据模型2对应的模型输出结果存在交易风险的概率大小为50％，目标数据模型3对应的模型输出结果存在交易风险的概率大小为45％，目标数据模型4对应的模型输出结果存在交易风险的概率大小为80％。

在本实施例中，数据信息可以理解为数据类型所对应的数据信息，不同的数据类型所对应的数据信息是不同的。可以理解为，在数据类型为用户基本信息的情况下，用户基本信息所对应的数据信息可以包含用户设置为公开的基本信息；在数据类型为用户资产信息的情况下，用户资产信息对应的数据信息可以包含用户个人资产负债信息、收入信息、支出信息以及用户职业；在数据类型为用户历史打赏交易信息的情况下，用户历史打赏交易信息对应的数据信息可以包含用户历史交易频率和历史每笔交易金额；在数据类型为用户每日打赏交易累计信息的情况下，用户每日打赏交易累计信息对应的数据信息可以包含用户当日打赏交易的次数和累计金额。

在本实施例中，将数据类型对应的数据信息输入至相对应的目标数据模型中，以得到对应的模型输出结果。可以理解为，将用户基本信息、用户资产信息、用户历史打赏交易信息以及用户每日打赏交易累计信息分别输入至不同的目标数据模型中，以通过各目标数据模型分析相应的数据信息，从而通过目标数据模型的分析输出相对应的模型输出结果。具体的，可以将用户基本信息输入至目标数据模型1，可以分析用户家里是否可能有未成年孩童，依据可能存在未成年孩童的概率大小，目标数据模型1可以输出相对应的风险值，以表征当前交易存在交易风险的概率大小；可以将用户资产信息输出入目标数据模型2，依据目标数据模型2分析用户资产水平档位、用户每月入账金额档位、每月支出金额档位、用户消费类别和消费习惯，在用户资产水平档位低于第一阈值、用户每月入账金额档位低于第二阈值、每月支出金额档位低于第三阈值、或者用户消费类别和消费习惯为标准消费其中之一的情况下，认为模型输出结果为当前交易存在交易风险，目标数据模型2可以输出相对应的风险值，以表征当前交易存在交易风险的概率大小；可以将用户历史打赏交易信息输入至目标数据模型3，依据目标数据模型3分析用户是否存在频次相近且额度相近的历史交易记录，若不存在，则认为模型输出结果为当前交易存在风险，目标数据模型3可以输出相对应的风险值，以表征当前交易存在交易风险的概率大小；可以将用户每日打赏交易累计信息输入至目标数据模型4，依据目标数据模型4分析用户当日是否存在多次交易记录和累计交易金额，若用户交易记录超过预设交易记录阈值和/或累计金额达到预设金额阈值，则模型输出结果为当前交易存在风险，目标数据模型2可以输出相对应的风险值，以表征当前交易存在交易风险的概率大小。

S350、依据模型输出结果、目标数据模型预先设置的风险权重占比以及目标数据模型对应的预设风险阈值对当前交易进行风险预警。

其中，预先设置的风险权重占比可以依据输入至目标数据模型所对应的数据类型进行确定，示例性的，用户基本信息对应的目标数据模型对应的风险占比为20％、用户资产信息对应的目标数据模型对应的风险占比为40％、用户历史打赏交易信息对应的目标数据模型对应的风险占比为30％以及用户每日打赏交易累计信息对应的目标数据模型对应的风险占比为10％。

需要说明的是，预先设置的风险权重占比第一次可以通过人为进行设置相应的风险占比，第二次及以后可以依据每个目标模型的模型判断结果进行设置相应的风险占比。本实施例中，预设风险阈值可以依据专家经验进行相应的设置，也可以人为进行自定义设置，本实施例在此不做限制。

在本实施例中，每个目标数据模型均对应有相应的预先设置的风险权重占比，以及预设风险阈值，除此之外，还可以包含对每个目标数据模型设置相对应的评分，在此基础上，可以通过模型输出结果、目标数据模型预先设置的风险权重占比与目标数据模型对应的预设风险阈值之间的比较，以确定当前交易进行风险预警。具体的，在模型输出结果、目标数据模型预先设置的风险权重占比对应的总加权结果超过预设风险阈值的情况下，向客户端发送用户检测信息，若用户放弃检验或者同意检验但是检验不通过，则确定当前交易存在有交易风险，按照预设预警方式进行风险预警；若用户同意检验且检验通过，则继续发送风险预警提示信息，进行风险预警；在模型输出结果、目标数据模型预先设置的风险权重占比对应的总加权结果不超过预设风险阈值的情况下，向客户端发送用户本人检测信息，在用户同意检验且检验通过的情况下，确定当前交易无交易风险，不进行交易风险预警提示。

在一实施例中，依据模型输出结果、目标数据模型预先设置的风险权重占比以及目标数据模型对应的预设风险阈值对当前交易进行风险预警，包括：

依据模型输出结果和目标数据模型预先设置的风险权重占比确定目标数据模型分别对应的目标结果；

将目标结果与目标数据模型对应的预设风险阈值进行比对，以得到相应的比对结果；

在比对结果为目标结果超过预设风险阈值的情况下，向目标对象所关联的客户端发送用户检测信息，若用户放弃检验或者同意检验但是检验不通过，则确定当前交易存在有交易风险，按照预设预警方式进行风险预警；若用户同意检验且检验通过，则继续发送风险预警提示信息，进行风险预警；

在比对结果为目标结果不超过预设风险阈值的情况下，向目标对象所关联的客户端发送用户本人检测信息，在用户同意检验且检验通过的情况下，确定当前交易无交易风险，不进行交易风险预警提示。

其中，目标结果可以理解为模型输出结果和目标数据模型预先设置的风险权重占比进行加权之后所对应的结果。

在本实施例中，依据模型输出结果和各目标数据模型预先设置的风险权重占比确定目标数据模型分别对应的目标结果，将目标结果与各目标数据模型对应的预设风险阈值进行比对，以得到相应的比对结果，若比对结果为目标结果超过预设风险阈值，向客户端发送用户检测信息，若用户放弃检验或者同意检验但是检验不通过，则确定当前交易存在有交易风险，按照预设预警方式进行风险预警；若用户同意检验且检验通过，则继续发送风险预警提示信息，进行风险预警，若比对结果为目标结果不超过预设风险阈值，则向客户端发送用户本人检测信息，在用户同意检验且检验通过的情况下，确定当前交易无交易风险，不进行交易风险预警提示。

需要说明的是，在进行风险风控预警之后，还可以给出当前交易对应的风险风控预警是否成功的结论。示例性的，在对用户的当前交易进行风险预警之后，对用户进行用户信息检验，若用户检验信息不通过或者用户放弃当前交易，则可以认为当前交易风险预警成功，若对用户的当前交易进行风险预警之后，用户无视风险预警，继续进行当前交易，则认为当前交易对应的风险预警失败。

在一实施例中，在将目标结果与目标数据模型对应的预设风险阈值进行比对，以得到相应的比对结果之后，还包括：

记录并保存比对结果，并将比对结果作为风险预警历史结果；

确定风险预警历史结果对应的预警风险成功率；

若预警风险成功率低于预设预警风险成功率阈值，则将目标数据模型对应的目标结果乘于大于1的系数，以确定目标结果对应的第一风险值；

若预警风险成功率高于预设预警风险成功率阈值，则将目标数据模型对应的目标结果乘于小于或等于1的系数，以确定目标结果对应的第二风险值；

将第一风险值或者第二风险值作为目标数据模型对应的下一目标结果。

其中，预警风险成功率可以理解为目标数据模型进行分析风险概率时，进行预警风险成功的概率。第一风险值为预警风险成功率低于预设预警风险成功率阈值时，目标数据模型对应的目标结果乘于大于1的系数所确定的风险值，第二风险值为预警风险成功率高于预设预警风险成功率阈值，将目标数据模型对应的目标结果乘于小于或等于1的系数所确定的风险值。

在本实施例中，记录并保存比对结果，并将比对结果作为风险预警历史结果；确定风险预警历史结果对应的预警风险成功率；若预警风险成功率低于预设预警风险成功率阈值，则将目标数据模型对应的目标结果乘于大于1的系数，以确定目标结果对应的第一风险值，若预警风险成功率高于预设预警风险成功率阈值，则将目标数据模型对应的目标结果乘于小于或等于1的系数，以确定目标结果对应的第二风险值，将第一风险值或者第二风险值作为目标数据模型对应的下一目标结果。随着用于建模的数据的不断累积和更新，模型的准确度也将会不断的完善，对于交易风险值的定位也就可以逐步的精准。

在一实施例中，图4为本发明一实施例提供的一种交易风险预警装置的结构框图，该装置适用于对用户进行直播打赏交易时的情况，该装置可以由硬件/软件实现。可配置于电子设备中来实现本发明实施例中的一种交易风险预警方法。如图4所示，该装置包括：信息获取模块410、模型确定模块420以及预警模块430。

其中，信息获取模块410，用于响应于目标对象所关联的客户端与目标直播平台之间的当前交易为非首次交易，获取目标对象的对象属性信息；

模型确定模块420，用于根据所述对象属性信息的数据类型确定对应的目标数据模型；

预警模块430，用于根据所述目标数据模型和所述数据类型对所述当前交易进行风险预警，其中，所述目标数据模型至少包含四种数据模型。

本发明实施例，模型确定模块，通过当前交易为非首次交易时，根据对象属性信息的数据类型确定对应的目标数据模型，预警模块，根据目标数据模型和数据类型对当前交易进行风险预警，能够有效预警未成年人盗用家长金融账户进行直播交易的操作，提升交易风险预警机制，防止未成年人产生不良消费习惯，帮助未成年人建立正确的价值观

在一实施例中，所述交易风险预警装置，还包括：

获取模块，用于在所述响应于目标对象所关联的客户端与目标直播平台之间的当前交易为非首次交易之前，获取所述客户端对应的当前预交易信息，并获取预设数据库中所述目标直播平台对应的直播平台信息；

查找模块，用于遍历查找所述直播平台信息中对应的直播平台名称和直播平台账户；

匹配模块，用于将所述直播平台名称和所述直播平台账户与所述当前预交易信息中的交易账户和交易名称进行匹配，以得到匹配结果；

第一确定模块，用于在所述匹配结果为匹配成功的情况下，确定所述当前交易对应的交易次数为非首次交易；

第二确定模块，用于在所述匹配结果为匹配不成功的情况下，确定所述当前交易对应的交易次数为首次交易。

在一实施例中，交易风险预警装置，还包括：

风险预警模块，用于在所述确定所述当前交易对应的交易次数为首次交易之后，向目标对象所关联的客户端发送用户检测信息，在所述用户检验信息通过的情况下，确定所述当前交易无交易风险，不进行风险预警；在所述用户检验信息不通过或者用户放弃所述当前交易的情况下，确定所述当前交易有交易风险，按照预设预警方式进行交易风险预警。

在一实施例中，模型确定模块420，还包括：

类型确定单元，用于确定所述对象属性信息分别对应的数据类型，其中，所述数据类型至少包含用户基本信息、用户资产信息、用户历史打赏交易信息以及用户每日打赏交易累计信息；

模型确定单元，用于依据所述数据类型选取相对应的所述目标数据模型。

在一实施例中，预警模块430，还包括：

结果输出单元，用于将所述数据类型对应的数据信息输入至相对应的所述目标数据模型中，以得到对应的模型输出结果；

预警单元，用于依据所述模型输出结果、所述目标数据模型预先设置的风险权重占比以及所述目标数据模型对应的预设风险阈值对所述当前交易进行风险预警

在一实施例中，预警单元，包括：

第一结果确定子单元，用于依据所述模型输出结果和所述目标数据模型预先设置的风险权重占比确定所述目标数据模型分别对应的目标结果；

第二结果确定子单元，用于将所述目标结果与所述目标数据模型对应的预设风险阈值进行比对，以得到相应的比对结果；

第一预警子单元，用于在所述比对结果为所述目标结果超过所述预设风险阈值的情况下，向目标对象所关联的客户端发送用户检测信息，若用户放弃检验或者同意检验但是检验不通过，则确定所述当前交易存在有交易风险，按照预设预警方式进行风险预警；若用户同意检验且检验通过，则继续发送风险预警提示信息，进行风险预警；

第二预警子单元，用于在所述比对结果为所述目标结果不超过所述预设风险阈值的情况下，向目标对象所关联的客户端发送用户本人检测信息，在用户同意检验且检验通过的情况下，确定所述当前交易无交易风险，不进行交易风险预警提示。

在一实施例中，预警单元，还包括：

结果保存子单元，用于在所述将所述目标结果与所述目标数据模型对应的预设风险阈值进行比对，以得到相应的比对结果之后，记录并保存所述比对结果，并将所述比对结果作为风险预警历史结果；

确定子单元，用于确定所述风险预警历史结果对应的预警风险成功率；

第一风险值确定子单元，用于若所述预警风险成功率低于预设预警风险成功率阈值，则将所述目标数据模型对应的目标结果乘于大于1的系数，以确定所述目标结果对应的第一风险值；

第二风险值确定子单元，用于若所述预警风险成功率高于预设预警风险成功率阈值，则将所述目标数据模型对应的目标结果乘于小于或等于1的系数，以确定所述目标结果对应的第二风险值；

第二结果确定子单元，用于将所述第一风险值或者所述第二风险值作为所述目标数据模型对应的下一目标结果。

本发明实施例所提供的交易风险预警装置可执行本发明任意实施例所提供的交易风险预警方法，具备执行方法相应的功能模块和有益效果。

在一实施例中，图5为本发明实施例提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如交易风险预警方法。

在一些实施例中，交易风险预警方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的交易风险预警方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行交易风险预警方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程交易风险预警装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

在一实施例中，本发明实施例还包括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，所述计算机程序在被处理器执行时实现本发明任一实施例所述的交易风险预警方法。

计算机程序产品在实现的过程中，可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如“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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种交易风险预警方法，其特征在于，包括：

响应于目标对象所关联的客户端与目标直播平台之间的当前交易为非首次交易，获取目标对象的对象属性信息；

根据所述对象属性信息的数据类型确定对应的目标数据模型，其中，所述目标数据模型至少包含四种数据模型；

根据所述目标数据模型和所述数据类型对所述当前交易进行风险预警。

2.根据权利要求1所述的方法，其特征在于，在所述响应于目标对象所关联的客户端与目标直播平台之间的当前交易为非首次交易之前，还包括：

获取所述目标对象所关联的客户端对应的当前交易信息，并获取预设数据库中所述目标直播平台对应的直播平台信息；

遍历查找所述直播平台信息中对应的直播平台名称和直播平台账户；

将所述直播平台名称和所述直播平台账户与所述当前交易信息中的交易账户和交易名称进行匹配，以得到匹配结果；

在所述匹配结果为匹配成功的情况下，确定所述当前交易对应的交易次数为非首次交易；

在所述匹配结果为匹配不成功的情况下，确定所述当前交易对应的交易次数为首次交易。

3.根据权利要求2所述的方法，其特征在于，在所述确定所述当前交易对应的交易次数为首次交易之后，还包括：

向目标对象所关联的客户端发送用户检测信息，在所述用户检验信息通过的情况下，确定所述当前交易无交易风险，不进行风险预警；在所述用户检验信息不通过或者用户放弃所述当前交易的情况下，确定所述当前交易有交易风险，按照预设预警方式进行交易风险预警。

4.根据权利要求1所述的方法，其特征在于，所述根据所述对象属性信息的数据类型确定对应的目标数据模型，包括：

确定所述对象属性信息分别对应的数据类型，其中，所述数据类型至少包含用户基本信息、用户资产信息、用户历史打赏交易信息以及用户每日打赏交易累计信息；

依据所述数据类型选取相对应的所述目标数据模型。

5.根据权利要求1所述的方法，其特征在于，所述根据所述目标数据模型和所述数据类型对所述当前交易进行风险预警，包括：

将所述数据类型对应的数据信息输入至相对应的所述目标数据模型中，以得到对应的模型输出结果；

依据所述模型输出结果、所述目标数据模型预先设置的风险权重占比以及所述目标数据模型对应的预设风险阈值对所述当前交易进行风险预警。

6.根据权利要求5所述的方法，其特征在于，所述依据所述模型输出结果、所述目标数据模型预先设置的风险权重占比以及所述目标数据模型对应的预设风险阈值对所述当前交易进行风险预警，包括：

依据所述模型输出结果和所述目标数据模型预先设置的风险权重占比确定所述目标数据模型分别对应的目标结果；

将所述目标结果与所述目标数据模型对应的预设风险阈值进行比对，以得到相应的比对结果；

在所述比对结果为所述目标结果超过所述预设风险阈值的情况下，向目标对象所关联的客户端发送用户检测信息，若用户放弃检验或者同意检验但是检验不通过，则确定所述当前交易存在有交易风险，按照预设预警方式进行风险预警；若用户同意检验且检验通过，则继续发送风险预警提示信息，进行风险预警；

在所述比对结果为所述目标结果不超过所述预设风险阈值的情况下，向所述目标对象所关联的客户端发送用户本人检测信息，在用户同意检验且检验通过的情况下，确定所述当前交易无交易风险，不进行交易风险预警提示。

7.根据权利要求6所述的方法，其特征在于，在所述将所述目标结果与所述目标数据模型对应的预设风险阈值进行比对，以得到相应的比对结果之后，还包括：

记录并保存所述比对结果，并将所述比对结果作为风险预警历史结果；

确定所述风险预警历史结果对应的预警风险成功率；

若所述预警风险成功率低于预设预警风险成功率阈值，则将所述目标数据模型对应的目标结果乘于大于1的系数，以确定所述目标结果对应的第一风险值；

若所述预警风险成功率高于预设预警风险成功率阈值，则将所述目标数据模型对应的目标结果乘于小于或等于1的系数，以确定所述目标结果对应的第二风险值；

将所述第一风险值或者所述第二风险值作为所述目标数据模型对应的下一目标结果。

8.一种交易风险预警装置，其特征在于，包括：

信息获取模块，用于响应于目标对象所关联的客户端与目标直播平台之间的当前交易为非首次交易，获取目标对象的对象属性信息；

模型确定模块，用于根据所述对象属性信息的数据类型确定对应的目标数据模型，其中，所述目标数据模型至少包含四种数据模型；

预警模块，用于根据所述目标数据模型和所述数据类型对所述当前交易进行风险预警。

9.一种电子设备，其特征在于，所述电子设备包括：

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计算机程序，所述计算机程序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执行权利要求1-7中任一项所述的交易风险预警方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的交易风险预警方法。

Images