CN115983857A - 确定人脸阈值的方法及装置 - Google Patents
确定人脸阈值的方法及装置 Download PDFInfo
- Publication number
- CN115983857A CN115983857A CN202211477808.XA CN202211477808A CN115983857A CN 115983857 A CN115983857 A CN 115983857A CN 202211477808 A CN202211477808 A CN 202211477808A CN 115983857 A CN115983857 A CN 115983857A
- Authority
- CN
- China
- Prior art keywords
- failure
- controllable
- matrix
- transaction
- 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
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提出了一种确定人脸阈值的方法及装置,涉及计算机数据处理技术领域,该方法包括:获取各个人脸阈值对应的交易失败数据;对于每一人脸阈值,依据该人脸阈值对应的交易失败数据,确定该人脸阈值对应的可控失败矩阵;对于每一银行机构,依据该银行机构的交易失败数据,确定该银行机构对应的失败矩阵;依据该银行机构对应的失败矩阵、各个人脸阈值对应的可控失败矩阵,确定该银行机构对应的可控人脸阈值;依据该银行机构对应的可控人脸阈值,对该银行机构的客户进行人脸识别。
Description
技术领域
本发明涉及计算机数据处理技术领域,尤指一种确定人脸阈值的方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
在银行业务场景中,客户在银行前端系统(比如,自助终端界面)进行交易时,通常只是基于后台系统的交易失败信息判断交易是否可进行。在交易的失败信息中心往往蕴含有用的信息,比如风险信息,因为交易失败意味着客户的输入有问题,有问题的一种可能性就是该客户存在风险,比如账号被恶意操作等。目前,还没有方法来有效的基于交易失败信息进行风险控制。
发明内容
为解决现有技术存在的问题,本发明提出了一种确定人脸阈值的方法及装置,可以基于失败信息进行风险分析,来确定人脸识别时的人脸阈值。
在本发明实施例的第一方面,提出了一种确定人脸阈值的方法,包括:
获取各个人脸阈值对应的交易失败数据;
对于每一人脸阈值,依据该人脸阈值对应的交易失败数据,确定该人脸阈值对应的可控失败矩阵;
对于每一银行机构,依据该银行机构的交易失败数据,确定该银行机构对应的失败矩阵;
依据该银行机构对应的失败矩阵、各个人脸阈值对应的可控失败矩阵,确定该银行机构对应的可控人脸阈值;
依据该银行机构对应的可控人脸阈值,对该银行机构的客户进行人脸识别。
在本发明实施例的第二方面,提出了一种确定人脸阈值的装置,包括:
交易失败数据获取模块,用于获取各个人脸阈值对应的交易失败数据;
可控失败矩阵确定模块,用于对于每一人脸阈值,依据该人脸阈值对应的交易失败数据,确定该人脸阈值对应的可控失败矩阵;
失败矩阵确定模块,用于对于每一银行机构,依据该银行机构的交易失败数据,确定该银行机构对应的失败矩阵;
可控人脸阈值确定模块,用于依据该银行机构对应的失败矩阵、各个人脸阈值对应的可控失败矩阵,确定该银行机构对应的可控人脸阈值;
人脸识别模块,用于依据该银行机构对应的可控人脸阈值,对该银行机构的客户进行人脸识别。
在本发明实施例的第三方面,提出了一种计算机设备,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,所述处理器执行所述计算机程序时实现确定人脸阈值的方法。
在本发明实施例的第四方面,提出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程序,所述计算机程序被处理器执行时实现确定人脸阈值的方法。
在本发明实施例的第五方面,提出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,所述计算机程序被处理器执行时实现确定人脸阈值的方法。
本发明提出的确定人脸阈值的方法及装置获取各个人脸阈值对应的交易失败数据;对于每一人脸阈值,依据该人脸阈值对应的交易失败数据,确定该人脸阈值对应的可控失败矩阵;对于每一银行机构,依据该银行机构的交易失败数据,确定该银行机构对应的失败矩阵;依据该银行机构对应的失败矩阵、各个人脸阈值对应的可控失败矩阵,确定该银行机构对应的可控人脸阈值;依据该银行机构对应的可控人脸阈值,对该银行机构的客户进行人脸识别,本发明可以在后台返回交易失败信息时,通过分析失败信息及时发现交易存在的风险,确定可控人脸阈值,基于该可控人脸阈值进行人脸识别,对交易风险进行有效控制,确保客户的交易及财产安全。
附图说明
为了更清楚地说明本申请实施例技术方案,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,下面描述中的附图是本申请的一些实施例,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它的附图。
图1是本发明一实施例的确定人脸阈值的方法流程示意图。
图2是本发明一实施例的确定该人脸阈值对应的可控失败矩阵的流程示意图。
图3是本发明一实施例的确定该银行机构对应的失败矩阵的流程示意图。
图4是本发明一实施例的确定该银行机构对应的可控人脸阈值的流程示意图。
图5是本发明一实施例的确定人脸阈值的装置架构示意图。
图6是本发明一实施例的计算机设备结构示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
根据本发明的实施方式,提出了一种确定人脸阈值的方法及装置,涉及计算机数据处理技术领域。
下面参考本发明的若干代表性实施方式,详细阐释本发明的原理和精神。
图1是本发明一实施例的确定人脸阈值的方法流程示意图。如图1所示,该方法包括:
S1,获取各个人脸阈值对应的交易失败数据;
S2,对于每一人脸阈值,依据该人脸阈值对应的交易失败数据,确定该人脸阈值对应的可控失败矩阵;
S3,对于每一银行机构,依据该银行机构的交易失败数据,确定该银行机构对应的失败矩阵;
S4,依据该银行机构对应的失败矩阵、各个人脸阈值对应的可控失败矩阵,确定该银行机构对应的可控人脸阈值;
S5,依据该银行机构对应的可控人脸阈值,对该银行机构的客户进行人脸识别。
为了对上述确定人脸阈值的方法进行更为清楚的解释,下面结合每一步骤来进行详细说明。
在S1中,获取各个人脸阈值对应的交易失败数据,包括:
客户在各个人脸阈值的条件下通过人脸识别后,发起的交易失败后产生的交易数据。
在S2中,参考图2,对于每一人脸阈值,依据该人脸阈值对应的交易失败数据,确定该人脸阈值对应的可控失败矩阵,包括:
S21,对该人脸阈值对应的交易失败数据进行分类,获得该人脸阈值对应的多个失败数据集合;
S22,对于该人脸阈值对应的每个失败数据集合,确定该失败数据集合对应的可控特征值;
S23,依据该人脸阈值对应的各个失败数据集合对应的可控特征值,确定该人脸阈值对应的多个可控失败数据集合;
S24,依据该人脸阈值对应的多个可控失败数据集合,确定该人脸阈值对应的可控失败矩阵。
在一实施例中,(S21)对该人脸阈值对应的交易失败数据进行分类,获得该人脸阈值对应的多个失败数据集合,包括:
人脸阈值对应的交易失败数据就是客户基于该人脸阈值成功后的交易发生失败后产生的失败数据。
在一实施例中,(S22)对于该人脸阈值对应的每个失败数据集合,确定该失败数据集合对应的可控特征值,包括:
确定该失败数据集合包含的每个交易失败数据对应的失败码,以及对应的业务类别;
对于每一失败码和每一业务类别,将该失败数据集合中对应的失败码和业务类别分别是该失败码和该业务类别的交易失败数据作为该失败数据集合关于该失败码和该业务类别的交易失败数据;
确定该失败数据集合关于该失败码和该业务类别的交易失败数据中涉及风险的交易失败数据的占比,将该占比作为该失败数据集合关于该失败码和该业务类别的风险占比;
确定该失败数据集合对应的可控矩阵,其中,该可控矩阵的行对应失败码,列对应业务类别,该可控矩阵的每个元素的值等于该失败数据集合关于该元素对应的失败码和业务类别的风险占比;
当失败码的数量和业务类别的数量相同时,将该失败数据集合对应的可控矩阵的特征值作为该失败数据集合对应的可控特征值;
当失败码的数量大于业务类别的数量时,依据失败码的数量与业务类别的数量的差,对该失败数据集合对应的可控矩阵的列进行补0获得方阵,确定该方阵的非0特征值,将确定的特征值作为该失败数据集合对应的可控特征值;
当失败码的数量小于业务类别的数量时,依据业务类别的数量与失败码的数量的差,对该失败数据集合对应的可控矩阵的行进行补0获得方阵,确定该方阵的非0特征值,将确定的特征值作为该失败数据集合对应的可控特征值。
在一实施例中,(S23)依据该人脸阈值对应的各个失败数据集合对应的可控特征值,确定该人脸阈值对应的多个可控失败数据集合,包括:
对于该人脸阈值对应的每个失败数据集合,如果该失败数据集合对应的可控特征值的模长的最大值大于可控阈值,则将该失败数据集合作为该人脸阈值对应的可控失败数据集合。
在一实施例中,(S24)依据该人脸阈值对应的多个可控失败数据集合,确定该人脸阈值对应的可控失败矩阵,包括:
对于该人脸阈值对应的每个可控失败数据集合,确定该可控失败数据集合包含的每个交易失败数据对应的失败码,以及对应的业务类别;
对于每一失败码和每一业务类别,将该可控失败数据集合中对应的失败码和业务类别分别是该失败码和该业务类别的交易失败数据作为该可控失败数据集合关于该失败码和该业务类别的交易失败数据;
确定该可控失败数据集合关于该失败码和该业务类别的交易失败数据包含的交易数量,将该交易数量作为该可控失败数据集合关于该失败码和该业务类别的交易量;
确定该可控失败数据集合对应的可控失败矩阵,其中,该可控失败矩阵的行对应失败码,列对应业务类别,该可控失败矩阵的每个元素的值等于该可控失败数据集合关于该元素对应的失败码和业务类别的交易量;
将该可控失败数据集合对应的可控失败矩阵作为该人脸阈值对应的可控失败矩阵。
在S3中,参考图3,对于每一银行机构,依据该银行机构的交易失败数据,确定该银行机构对应的失败矩阵,包括:
S31,对于该银行机构的每一交易失败数据,确定该交易失败数据对应的失败码,以及对应的业务类别;
S32,对于每一失败码和每一业务类别,将该银行机构的交易失败数据中对应的失败码和业务类别分别是该失败码和该业务类别的交易失败数据作为该银行机构关于该失败码和该业务类别的交易失败数据;
S33,确定该银行机构关于该失败码和该业务类别的交易失败数据包含的交易数量,将该交易数量作为该银行机构关于该失败码和该业务类别的交易量;
S34,确定该银行机构对应的失败矩阵,其中,该失败矩阵的行对应失败码,列对应业务类别,该失败矩阵的每个元素的值等于该银行机构关于该元素对应的失败码和业务类别的交易量。
在S4中,参考图4,依据该银行机构对应的失败矩阵、各个人脸阈值对应的可控失败矩阵,确定该银行机构对应的可控人脸阈值,包括:
S41,对于每个人脸阈值,依据该人脸阈值对应的可控失败矩阵、该银行机构对应的失败矩阵,确定该人脸阈值在该银行机构的差距模长;
S42,依据各个人脸阈值在该银行机构的差距模长,确定该银行机构对应的可控人脸阈值。
在一实施例中,(S41)对于每个人脸阈值,依据该人脸阈值对应的可控失败矩阵、该银行机构对应的失败矩阵,确定该人脸阈值在该银行机构的差距模长,包括:
对于该人脸阈值对应的每一可控失败矩阵,依据该可控失败矩阵、该银行机构对应的失败矩阵,确定该可控失败矩阵和该银行机构的差距失败矩阵;
当该可控失败矩阵和该银行机构的差距失败矩阵的行数等于列数时,将该可控失败矩阵和该银行机构的差距失败矩阵的特征值作为该可控失败矩阵和该银行机构的差距失败特征值,否则,依据该行数和该列数,对该可控失败矩阵和该银行机构的差距失败矩阵进行补0,将获得的方阵的非0特征值作为该可控失败矩阵和该银行机构的差距失败特征值;
依据该人脸阈值对应的各个可控失败矩阵和该银行机构的差距失败特征值,确定该人脸阈值在该银行机构的差距模长。
在一实施例中,对于该人脸阈值对应的每一可控失败矩阵,依据该可控失败矩阵、该银行机构对应的失败矩阵,确定该可控失败矩阵和该银行机构的差距失败矩阵,包括:
依据该银行机构对应的失败矩阵,对该可控失败矩阵进行修正;
将该银行机构对应的失败矩阵与修正后的该可控失败矩阵的差作为该可控失败矩阵和该银行机构的差距失败矩阵。
(实际应用场景中,先进行修正后再直接进行计算,可以解决时长量纲不一致时导致的计算问题,比如先选定矩阵中的一个矩阵位置,比如,行数是1和列数是1,依据两个矩阵在该位置的值,对矩阵中其他位置的值进行修正,之后依据修正的矩阵进行计算。)
在一实施例中,依据该人脸阈值对应的各个可控失败矩阵和该银行机构的差距失败特征值,确定该人脸阈值在该银行机构的差距模长,包括:
将该人脸阈值对应的各个可控失败矩阵和该银行机构的差距失败特征值的模长的最大值作为该人脸阈值在该银行机构的差距模长。
在一实施例中,(S42)依据各个人脸阈值在该银行机构的差距模长,确定该银行机构对应的可控人脸阈值,包括:
对于每一人脸阈值,当该人脸阈值在该银行机构的差距模长小于相似阈值时,将该人脸阈值作为该银行机构对应的可控人脸阈值。
在一实施例中,(S42)依据各个人脸阈值在该银行机构的差距模长,确定该银行机构对应的可控人脸阈值,包括:
当不存在人脸阈值满足条件v:该人脸阈值在该银行机构的差距模长小于相似阈值,则将该银行机构作为当前机构,并循环执行如下4个步骤,直到存在人脸阈值满足条件v:
确定当前机构的多个相关机构;
依据当前机构的多个相关机构的交易失败数据,更新该银行机构对应的失败矩阵;
依据更新后的该银行机构对应的失败矩阵、各个人脸阈值对应的可控失败矩阵,更新各个人脸阈值在该银行机构的差距模长;(实际应用场景中,更新各个人脸阈值在该银行机构的差距模长的方法,可以参考S41至S42,以及S41的详细步骤。)
将当前机构更新为该多个相关机构;
当存在人脸阈值满足条件v时,将满足条件v的人脸阈值作为该银行机构对应的可控人脸阈值。
在一实施例中,确定当前机构的多个相关机构,包括:
对于除当前机构之外的每一其他机构,将当前机构的客户集合与该其他机构的客户集合的交集作为该其他机构对应的公共客户集合;将当前机构的客户集合与该其他机构的客户集合的差集作为该其他机构对应的自有客户集合;以及将该其他机构的客户集合与当前机构的客户集合的差集作为该其他机构对应的差异客户集合;
将该其他机构对应的自有客户集合的每一客户与该其他机构对应的差异客户集合的每一客户的相关指标作为该其他机构对应的相关指标;
依据该其他机构对应的公共客户集合、该其他机构对应的所有的相关指标,确定当前机构与该其他机构的相关指标;
依据当前机构与各个其他机构的相关指标,确定当前机构的多个相关机构。
在S5中,依据该银行机构对应的可控人脸阈值,对该银行机构的客户进行人脸识别,包括:
当该银行机构的客户预存在银行服务器的人脸阈值小于该银行机构对应的可控人脸阈值时,依据该银行机构对应的可控人脸阈值,对该客户进行人脸识别。
在一实施例中,所述方法还包括:
对于银行的每一交易失败数据,将在该交易失败数据之后且紧挨该交易失败数据的交易成功数据作为该交易失败数据对应的交易成功数据;
依据该交易失败数据对应的交易成功数据,确定该交易失败数据对应的错误信息项;
将该交易失败数据包含的失败数据进行分词,获得该交易失败数据对应的潜在关键字;
从该交易失败数据对应的潜在关键字中选取出该交易失败数据对应的风险关键字;
依据银行的各个交易失败数据对应的错误信息项、对应的风险关键字,确定条件概率表,其中,该条件概率表的每一条件概率表示在风险关键字的条件下,发生错误信息项的概率;
依据条件概率表,确定银行机构在当前时刻的各个交易失败数据对应的潜在错误信息项;
将银行机构在当前时刻的各个交易失败数据对应的潜在错误信息项高亮显示给对应的客户。
需要说明的是,尽管在上述实施例及附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
在介绍了本发明示例性实施方式的方法之后,接下来,参考图5对本发明示例性实施方式的确定人脸阈值的装置进行介绍。
确定人脸阈值的装置的实施可以参见上述方法的实施,重复之处不再赘述。以下所使用的术语“模块”或者“单元”,可以是实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
基于同一发明构思,本发明还提出了一种确定人脸阈值的装置,如图5所示,该装置包括:
交易失败数据获取模块110,用于获取各个人脸阈值对应的交易失败数据;
可控失败矩阵确定模块120,用于对于每一人脸阈值,依据该人脸阈值对应的交易失败数据,确定该人脸阈值对应的可控失败矩阵;
失败矩阵确定模块130,用于对于每一银行机构,依据该银行机构的交易失败数据,确定该银行机构对应的失败矩阵;
可控人脸阈值确定模块140,用于依据该银行机构对应的失败矩阵、各个人脸阈值对应的可控失败矩阵,确定该银行机构对应的可控人脸阈值;
人脸识别模块150,用于依据该银行机构对应的可控人脸阈值,对该银行机构的客户进行人脸识别。
在一实施例中,可控失败矩阵确定模块具体用于:
对该人脸阈值对应的交易失败数据进行分类,获得该人脸阈值对应的多个失败数据集合;
对于该人脸阈值对应的每个失败数据集合,确定该失败数据集合对应的可控特征值;
依据该人脸阈值对应的各个失败数据集合对应的可控特征值,确定该人脸阈值对应的多个可控失败数据集合;
依据该人脸阈值对应的多个可控失败数据集合,确定该人脸阈值对应的可控失败矩阵。
在一实施例中,可控失败矩阵确定模块具体用于:
确定该失败数据集合包含的每个交易失败数据对应的失败码,以及对应的业务类别;
对于每一失败码和每一业务类别,将该失败数据集合中对应的失败码和业务类别分别是该失败码和该业务类别的交易失败数据作为该失败数据集合关于该失败码和该业务类别的交易失败数据;
确定该失败数据集合关于该失败码和该业务类别的交易失败数据中涉及风险的交易失败数据的占比,将该占比作为该失败数据集合关于该失败码和该业务类别的风险占比;
确定该失败数据集合对应的可控矩阵,其中,该可控矩阵的行对应失败码,列对应业务类别,该可控矩阵的每个元素的值等于该失败数据集合关于该元素对应的失败码和业务类别的风险占比;
当失败码的数量和业务类别的数量相同时,将该失败数据集合对应的可控矩阵的特征值作为该失败数据集合对应的可控特征值;
当失败码的数量大于业务类别的数量时,依据失败码的数量与业务类别的数量的差,对该失败数据集合对应的可控矩阵的列进行补0获得方阵,确定该方阵的非0特征值,将确定的特征值作为该失败数据集合对应的可控特征值;
当失败码的数量小于业务类别的数量时,依据业务类别的数量与失败码的数量的差,对该失败数据集合对应的可控矩阵的行进行补0获得方阵,确定该方阵的非0特征值,将确定的特征值作为该失败数据集合对应的可控特征值。
在一实施例中,可控失败矩阵确定模块具体用于:
对于该人脸阈值对应的每个可控失败数据集合,确定该可控失败数据集合包含的每个交易失败数据对应的失败码,以及对应的业务类别;
对于每一失败码和每一业务类别,将该可控失败数据集合中对应的失败码和业务类别分别是该失败码和该业务类别的交易失败数据作为该可控失败数据集合关于该失败码和该业务类别的交易失败数据;
确定该可控失败数据集合关于该失败码和该业务类别的交易失败数据包含的交易数量,将该交易数量作为该可控失败数据集合关于该失败码和该业务类别的交易量;
确定该可控失败数据集合对应的可控失败矩阵,其中,该可控失败矩阵的行对应失败码,列对应业务类别,该可控失败矩阵的每个元素的值等于该可控失败数据集合关于该元素对应的失败码和业务类别的交易量;
将该可控失败数据集合对应的可控失败矩阵作为该人脸阈值对应的可控失败矩阵。
在一实施例中,失败矩阵确定模块具体用于:
对于该银行机构的每一交易失败数据,确定该交易失败数据对应的失败码,以及对应的业务类别;
对于每一失败码和每一业务类别,将该银行机构的交易失败数据中对应的失败码和业务类别分别是该失败码和该业务类别的交易失败数据作为该银行机构关于该失败码和该业务类别的交易失败数据;
确定该银行机构关于该失败码和该业务类别的交易失败数据包含的交易数量,将该交易数量作为该银行机构关于该失败码和该业务类别的交易量;
确定该银行机构对应的失败矩阵,其中,该失败矩阵的行对应失败码,列对应业务类别,该失败矩阵的每个元素的值等于该银行机构关于该元素对应的失败码和业务类别的交易量。
在一实施例中,可控人脸阈值确定模块具体用于:
对于每个人脸阈值,依据该人脸阈值对应的可控失败矩阵、该银行机构对应的失败矩阵,确定该人脸阈值在该银行机构的差距模长;
依据各个人脸阈值在该银行机构的差距模长,确定该银行机构对应的可控人脸阈值。
在一实施例中,可控人脸阈值确定模块具体用于:
对于该人脸阈值对应的每一可控失败矩阵,依据该可控失败矩阵、该银行机构对应的失败矩阵,确定该可控失败矩阵和该银行机构的差距失败矩阵;
当该可控失败矩阵和该银行机构的差距失败矩阵的行数等于列数时,将该可控失败矩阵和该银行机构的差距失败矩阵的特征值作为该可控失败矩阵和该银行机构的差距失败特征值,否则,依据该行数和该列数,对该可控失败矩阵和该银行机构的差距失败矩阵进行补0,将获得的方阵的非0特征值作为该可控失败矩阵和该银行机构的差距失败特征值;
依据该人脸阈值对应的各个可控失败矩阵和该银行机构的差距失败特征值,确定该人脸阈值在该银行机构的差距模长。
在一实施例中,人脸识别模块具体用于:
当该银行机构的客户预存在银行服务器的人脸阈值小于该银行机构对应的可控人脸阈值时,依据该银行机构对应的可控人脸阈值,对该客户进行人脸识别。
应当注意,尽管在上文详细描述中提及了确定人脸阈值的装置的若干模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之,上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
基于前述发明构思,如图6所示,本发明还提出了一种计算机设备600,包括存储器610、处理器620及存储在存储器610上并可在处理器620上运行的计算机程序630,所述处理器620执行所述计算机程序630时实现前述确定人脸阈值的方法。
基于前述发明构思,本发明提出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程序,所述计算机程序被处理器执行时实现前述确定人脸阈值的方法。
基于前述发明构思,本发明提出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,所述计算机程序被处理器执行时实现确定人脸阈值的方法。
本发明提出的确定人脸阈值的方法及装置获取各个人脸阈值对应的交易失败数据;对于每一人脸阈值,依据该人脸阈值对应的交易失败数据,确定该人脸阈值对应的可控失败矩阵;对于每一银行机构,依据该银行机构的交易失败数据,确定该银行机构对应的失败矩阵;依据该银行机构对应的失败矩阵、各个人脸阈值对应的可控失败矩阵,确定该银行机构对应的可控人脸阈值;依据该银行机构对应的可控人脸阈值,对该银行机构的客户进行人脸识别,本发明可以再后台返回交易失败信息时,通过分析失败信息及时发现交易存在的风险,确定可控人脸阈值,基于该可控人脸阈值进行人脸识别,对交易风险进行有效控制,确保客户的交易及财产安全。
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。
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、装置、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。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (19)
1.一种确定人脸阈值的方法,其特征在于,包括:
获取各个人脸阈值对应的交易失败数据;
对于每一人脸阈值,依据该人脸阈值对应的交易失败数据,确定该人脸阈值对应的可控失败矩阵;
对于每一银行机构,依据该银行机构的交易失败数据,确定该银行机构对应的失败矩阵;
依据该银行机构对应的失败矩阵、各个人脸阈值对应的可控失败矩阵,确定该银行机构对应的可控人脸阈值;
依据该银行机构对应的可控人脸阈值,对该银行机构的客户进行人脸识别。
2.如权利要求1所述的方法,其特征在于,对于每一人脸阈值,依据该人脸阈值对应的交易失败数据,确定该人脸阈值对应的可控失败矩阵,包括:
对该人脸阈值对应的交易失败数据进行分类,获得该人脸阈值对应的多个失败数据集合;
对于该人脸阈值对应的每个失败数据集合,确定该失败数据集合对应的可控特征值;
依据该人脸阈值对应的各个失败数据集合对应的可控特征值,确定该人脸阈值对应的多个可控失败数据集合;
依据该人脸阈值对应的多个可控失败数据集合,确定该人脸阈值对应的可控失败矩阵。
3.如权利要求2所述的方法,其特征在于,对于该人脸阈值对应的每个失败数据集合,确定该失败数据集合对应的可控特征值,包括:
确定该失败数据集合包含的每个交易失败数据对应的失败码,以及对应的业务类别;
对于每一失败码和每一业务类别,将该失败数据集合中对应的失败码和业务类别分别是该失败码和该业务类别的交易失败数据作为该失败数据集合关于该失败码和该业务类别的交易失败数据;
确定该失败数据集合关于该失败码和该业务类别的交易失败数据中涉及风险的交易失败数据的占比,将该占比作为该失败数据集合关于该失败码和该业务类别的风险占比;
确定该失败数据集合对应的可控矩阵,其中,该可控矩阵的行对应失败码,列对应业务类别,该可控矩阵的每个元素的值等于该失败数据集合关于该元素对应的失败码和业务类别的风险占比;
当失败码的数量和业务类别的数量相同时,将该失败数据集合对应的可控矩阵的特征值作为该失败数据集合对应的可控特征值;
当失败码的数量大于业务类别的数量时,依据失败码的数量与业务类别的数量的差,对该失败数据集合对应的可控矩阵的列进行补0获得方阵,确定该方阵的非0特征值,将确定的特征值作为该失败数据集合对应的可控特征值;
当失败码的数量小于业务类别的数量时,依据业务类别的数量与失败码的数量的差,对该失败数据集合对应的可控矩阵的行进行补0获得方阵,确定该方阵的非0特征值,将确定的特征值作为该失败数据集合对应的可控特征值。
4.如权利要求2所述的方法,其特征在于,依据该人脸阈值对应的多个可控失败数据集合,确定该人脸阈值对应的可控失败矩阵,包括:
对于该人脸阈值对应的每个可控失败数据集合,确定该可控失败数据集合包含的每个交易失败数据对应的失败码,以及对应的业务类别;
对于每一失败码和每一业务类别,将该可控失败数据集合中对应的失败码和业务类别分别是该失败码和该业务类别的交易失败数据作为该可控失败数据集合关于该失败码和该业务类别的交易失败数据;
确定该可控失败数据集合关于该失败码和该业务类别的交易失败数据包含的交易数量,将该交易数量作为该可控失败数据集合关于该失败码和该业务类别的交易量;
确定该可控失败数据集合对应的可控失败矩阵,其中,该可控失败矩阵的行对应失败码,列对应业务类别,该可控失败矩阵的每个元素的值等于该可控失败数据集合关于该元素对应的失败码和业务类别的交易量;
将该可控失败数据集合对应的可控失败矩阵作为该人脸阈值对应的可控失败矩阵。
5.如权利要求1所述的方法,其特征在于,对于每一银行机构,依据该银行机构的交易失败数据,确定该银行机构对应的失败矩阵,包括:
对于该银行机构的每一交易失败数据,确定该交易失败数据对应的失败码,以及对应的业务类别;
对于每一失败码和每一业务类别,将该银行机构的交易失败数据中对应的失败码和业务类别分别是该失败码和该业务类别的交易失败数据作为该银行机构关于该失败码和该业务类别的交易失败数据;
确定该银行机构关于该失败码和该业务类别的交易失败数据包含的交易数量,将该交易数量作为该银行机构关于该失败码和该业务类别的交易量;
确定该银行机构对应的失败矩阵,其中,该失败矩阵的行对应失败码,列对应业务类别,该失败矩阵的每个元素的值等于该银行机构关于该元素对应的失败码和业务类别的交易量。
6.如权利要求1所述的方法,其特征在于,依据该银行机构对应的失败矩阵、各个人脸阈值对应的可控失败矩阵,确定该银行机构对应的可控人脸阈值,包括:
对于每个人脸阈值,依据该人脸阈值对应的可控失败矩阵、该银行机构对应的失败矩阵,确定该人脸阈值在该银行机构的差距模长;
依据各个人脸阈值在该银行机构的差距模长,确定该银行机构对应的可控人脸阈值。
7.如权利要求6所述的方法,其特征在于,对于每个人脸阈值,依据该人脸阈值对应的可控失败矩阵、该银行机构对应的失败矩阵,确定该人脸阈值在该银行机构的差距模长,包括:
对于该人脸阈值对应的每一可控失败矩阵,依据该可控失败矩阵、该银行机构对应的失败矩阵,确定该可控失败矩阵和该银行机构的差距失败矩阵;
当该可控失败矩阵和该银行机构的差距失败矩阵的行数等于列数时,将该可控失败矩阵和该银行机构的差距失败矩阵的特征值作为该可控失败矩阵和该银行机构的差距失败特征值,否则,依据该行数和该列数,对该可控失败矩阵和该银行机构的差距失败矩阵进行补0,将获得的方阵的非0特征值作为该可控失败矩阵和该银行机构的差距失败特征值;
依据该人脸阈值对应的各个可控失败矩阵和该银行机构的差距失败特征值,确定该人脸阈值在该银行机构的差距模长。
8.如权利要求1所述的方法,其特征在于,依据该银行机构对应的可控人脸阈值,对该银行机构的客户进行人脸识别,包括:
当该银行机构的客户预存在银行服务器的人脸阈值小于该银行机构对应的可控人脸阈值时,依据该银行机构对应的可控人脸阈值,对该客户进行人脸识别。
9.一种确定人脸阈值的装置,其特征在于,包括:
交易失败数据获取模块,用于获取各个人脸阈值对应的交易失败数据;
可控失败矩阵确定模块,用于对于每一人脸阈值,依据该人脸阈值对应的交易失败数据,确定该人脸阈值对应的可控失败矩阵;
失败矩阵确定模块,用于对于每一银行机构,依据该银行机构的交易失败数据,确定该银行机构对应的失败矩阵;
可控人脸阈值确定模块,用于依据该银行机构对应的失败矩阵、各个人脸阈值对应的可控失败矩阵,确定该银行机构对应的可控人脸阈值;
人脸识别模块,用于依据该银行机构对应的可控人脸阈值,对该银行机构的客户进行人脸识别。
10.如权利要求9所述的装置,其特征在于,可控失败矩阵确定模块具体用于:
对该人脸阈值对应的交易失败数据进行分类,获得该人脸阈值对应的多个失败数据集合;
对于该人脸阈值对应的每个失败数据集合,确定该失败数据集合对应的可控特征值;
依据该人脸阈值对应的各个失败数据集合对应的可控特征值,确定该人脸阈值对应的多个可控失败数据集合;
依据该人脸阈值对应的多个可控失败数据集合,确定该人脸阈值对应的可控失败矩阵。
11.如权利要求10所述的装置,其特征在于,可控失败矩阵确定模块具体用于:
确定该失败数据集合包含的每个交易失败数据对应的失败码,以及对应的业务类别;
对于每一失败码和每一业务类别,将该失败数据集合中对应的失败码和业务类别分别是该失败码和该业务类别的交易失败数据作为该失败数据集合关于该失败码和该业务类别的交易失败数据;
确定该失败数据集合关于该失败码和该业务类别的交易失败数据中涉及风险的交易失败数据的占比,将该占比作为该失败数据集合关于该失败码和该业务类别的风险占比;
确定该失败数据集合对应的可控矩阵,其中,该可控矩阵的行对应失败码,列对应业务类别,该可控矩阵的每个元素的值等于该失败数据集合关于该元素对应的失败码和业务类别的风险占比;
当失败码的数量和业务类别的数量相同时,将该失败数据集合对应的可控矩阵的特征值作为该失败数据集合对应的可控特征值;
当失败码的数量大于业务类别的数量时,依据失败码的数量与业务类别的数量的差,对该失败数据集合对应的可控矩阵的列进行补0获得方阵,确定该方阵的非0特征值,将确定的特征值作为该失败数据集合对应的可控特征值;
当失败码的数量小于业务类别的数量时,依据业务类别的数量与失败码的数量的差,对该失败数据集合对应的可控矩阵的行进行补0获得方阵,确定该方阵的非0特征值,将确定的特征值作为该失败数据集合对应的可控特征值。
12.如权利要求10所述的装置,其特征在于,可控失败矩阵确定模块具体用于:
对于该人脸阈值对应的每个可控失败数据集合,确定该可控失败数据集合包含的每个交易失败数据对应的失败码,以及对应的业务类别;
对于每一失败码和每一业务类别,将该可控失败数据集合中对应的失败码和业务类别分别是该失败码和该业务类别的交易失败数据作为该可控失败数据集合关于该失败码和该业务类别的交易失败数据;
确定该可控失败数据集合关于该失败码和该业务类别的交易失败数据包含的交易数量,将该交易数量作为该可控失败数据集合关于该失败码和该业务类别的交易量;
确定该可控失败数据集合对应的可控失败矩阵,其中,该可控失败矩阵的行对应失败码,列对应业务类别,该可控失败矩阵的每个元素的值等于该可控失败数据集合关于该元素对应的失败码和业务类别的交易量;
将该可控失败数据集合对应的可控失败矩阵作为该人脸阈值对应的可控失败矩阵。
13.如权利要求9所述的装置,其特征在于,失败矩阵确定模块具体用于:
对于该银行机构的每一交易失败数据,确定该交易失败数据对应的失败码,以及对应的业务类别;
对于每一失败码和每一业务类别,将该银行机构的交易失败数据中对应的失败码和业务类别分别是该失败码和该业务类别的交易失败数据作为该银行机构关于该失败码和该业务类别的交易失败数据;
确定该银行机构关于该失败码和该业务类别的交易失败数据包含的交易数量,将该交易数量作为该银行机构关于该失败码和该业务类别的交易量;
确定该银行机构对应的失败矩阵,其中,该失败矩阵的行对应失败码,列对应业务类别,该失败矩阵的每个元素的值等于该银行机构关于该元素对应的失败码和业务类别的交易量。
14.如权利要求9所述的装置,其特征在于,可控人脸阈值确定模块具体用于:
对于每个人脸阈值,依据该人脸阈值对应的可控失败矩阵、该银行机构对应的失败矩阵,确定该人脸阈值在该银行机构的差距模长;
依据各个人脸阈值在该银行机构的差距模长,确定该银行机构对应的可控人脸阈值。
15.如权利要求14所述的装置,其特征在于,可控人脸阈值确定模块具体用于:
对于该人脸阈值对应的每一可控失败矩阵,依据该可控失败矩阵、该银行机构对应的失败矩阵,确定该可控失败矩阵和该银行机构的差距失败矩阵;
当该可控失败矩阵和该银行机构的差距失败矩阵的行数等于列数时,将该可控失败矩阵和该银行机构的差距失败矩阵的特征值作为该可控失败矩阵和该银行机构的差距失败特征值,否则,依据该行数和该列数,对该可控失败矩阵和该银行机构的差距失败矩阵进行补0,将获得的方阵的非0特征值作为该可控失败矩阵和该银行机构的差距失败特征值;
依据该人脸阈值对应的各个可控失败矩阵和该银行机构的差距失败特征值,确定该人脸阈值在该银行机构的差距模长。
16.如权利要求9所述的装置,其特征在于,人脸识别模块具体用于:
当该银行机构的客户预存在银行服务器的人脸阈值小于该银行机构对应的可控人脸阈值时,依据该银行机构对应的可控人脸阈值,对该客户进行人脸识别。
17.一种计算机设备,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8任一所述方法。
18.一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程序,所述计算机程序被处理器执行时实现权利要求1至8任一所述方法。
19.一种计算机程序产品,其特征在于,所述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权利要求1至8任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211477808.XA CN115983857A (zh) | 2022-11-23 | 2022-11-23 | 确定人脸阈值的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211477808.XA CN115983857A (zh) | 2022-11-23 | 2022-11-23 | 确定人脸阈值的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115983857A true CN115983857A (zh) | 2023-04-18 |
Family
ID=85974796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211477808.XA Pending CN115983857A (zh) | 2022-11-23 | 2022-11-23 | 确定人脸阈值的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115983857A (zh) |
-
2022
- 2022-11-23 CN CN202211477808.XA patent/CN115983857A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10402406B2 (en) | Predictive database for computer processes | |
CN104753909A (zh) | 信息更新后的鉴权方法、装置及系统 | |
CN113312259B (zh) | 一种接口测试方法及装置 | |
CN115983857A (zh) | 确定人脸阈值的方法及装置 | |
CN116383052A (zh) | 批处理任务的自动化测试方法、装置、设备及存储介质 | |
CN115578180A (zh) | 银行网点的现金资源的管理方法及装置 | |
CN113220598B (zh) | 系统的测试方法、装置、设备、介质及程序产品 | |
CN114490415A (zh) | 业务测试方法、计算机设备、存储介质和计算机程序产品 | |
CN114511314A (zh) | 一种支付账户管理的方法、装置、计算机设备和存储介质 | |
CN109697216B (zh) | 清算交易信息处理方法、装置及系统 | |
CN115983247A (zh) | 银行确定生物特征阈值的方法及装置 | |
CN115829705A (zh) | 依据失败信息进行风险处理的方法及装置 | |
US11831490B1 (en) | Systems, methods, and media for performing information technology service management correlation for infrastructure environment functions | |
CN115545911A (zh) | 银行交易的风险控制方法及装置 | |
CN115983960A (zh) | 银行终端的风险控制方法及装置 | |
EP1835400A1 (en) | Transaction processing method | |
CN115689709A (zh) | 贷款客户的贷款信息核实方法及装置 | |
CN115641204A (zh) | 银行终端的业务风险控制方法及装置 | |
CN115796882A (zh) | 账户二维码的风险控制方法及装置 | |
CN115660833A (zh) | 控制贷款风险的方法及装置 | |
CN115829708A (zh) | 银行网点的控制风险的方法及装置 | |
CN115775429A (zh) | 银行自助终端的界面展示处理方法及装置 | |
CN113590801A (zh) | 手机银行的问题追踪方法及装置 | |
EP3336713A1 (en) | Predictive database for computer processes | |
CN116521674A (zh) | 数据处理方法、装置、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 |