CN116823274B - 一种应用于金融终端的欺诈风险评估方法及装置 - Google Patents

一种应用于金融终端的欺诈风险评估方法及装置 Download PDF

Info

Publication number
CN116823274B
CN116823274B CN202311102650.2A CN202311102650A CN116823274B CN 116823274 B CN116823274 B CN 116823274B CN 202311102650 A CN202311102650 A CN 202311102650A CN 116823274 B CN116823274 B CN 116823274B
Authority
CN
China
Prior art keywords
user
similarity
similar
determining
touch screen
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.)
Active
Application number
CN202311102650.2A
Other languages
English (en)
Other versions
CN116823274A (zh
Inventor
伍星
周波
尉传振
廖家林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangyin Consumer Finance Co ltd
Original Assignee
Hangyin Consumer Finance Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangyin Consumer Finance Co ltd filed Critical Hangyin Consumer Finance Co ltd
Priority to CN202311102650.2A priority Critical patent/CN116823274B/zh
Publication of CN116823274A publication Critical patent/CN116823274A/zh
Application granted granted Critical
Publication of CN116823274B publication Critical patent/CN116823274B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/316—User authentication by observing the pattern of computer usage, e.g. typical user behaviour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • 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
    • G06Q40/03—Credit; Loans; Processing thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Strategic Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Technology Law (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Social Psychology (AREA)
  • Collating Specific Patterns (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明提供一种应用于金融终端的欺诈风险评估方法及装置，属于金融终端技术领域，具体包括：通过金融终端实时获取用户的触屏特征、滑动特征，并通过用户在人脸图像获取前后的触屏特征、滑动特征的相似度和操作次数对用户进行同一性检验得到检验结果，并当所述检验结果满足要求后，将金融终端在设定时间内的授信申请用户作为近期用户，根据近期用户与用户的触屏特征、滑动特征的相似度进行近期相似用户的确定，并根据所述近期相似用户的数量、近期相似用户和用户的人脸识别相似度以及人脸图像的图像清晰度确定是否存在欺诈风险，避免了由于单一的人脸识别的识别准确率较低的技术问题以及身份信息冒用的技术问题。

Description

一种应用于金融终端的欺诈风险评估方法及装置
技术领域
本发明属于金融终端技术领域，尤其涉及一种应用于金融终端的欺诈风险评估方法及装置。
背景技术
在进行用户的授信申请的处理过程中，往往需要对用户的身份进行核验，并对历史中存在欺诈风险等用户进行识别，具体的，在发明专利CN202210408643.4《一种金融终端的业务处理方法、装置、设备及存储介质》中通过对人脸图像等生物特征实现对用户的身份识别，并根据用户的身份泄露时刻进行风险控制处理，但是却存在以下技术问题：
在利用金融终端进行用户的授信申请处理时，在某些状况下，可能在用户面部识别的操作完成后，由银行工作人员或者其它人员代替用户进行授信申请信息填写，若不进行用户的同一性校验，则不可避免的会导致后期存在一定的经济纠纷风险。
在利用金融终端进行用户的授信申请处理过程中，不法分子可能存在预先录制好的视频等方式以满足金融终端对人脸识别的核验身份的需求，此时单纯的采用人脸识别的方式无法准确的实现对用户的身份的识别，因此若不能综合其他方面的生物特征对不法分子的操作情况进行识别，则有可能无法实现对不法分子的准确识别。
针对上述技术问题，本发明提供了一种应用于金融终端的欺诈风险评估方法及装置。
发明内容
为实现本发明目的，本发明采用如下技术方案：
根据本发明的一个方面，提供了一种应用于金融终端的欺诈风险评估方法。
一种应用于金融终端的欺诈风险评估方法，其特征在于，具体包括：
S11通过金融终端实时获取用户的触屏特征、滑动特征，并根据所述触屏特征、滑动特征确定所述用户是否与历史欺诈用户类似，若是，则进入下一步骤，若否，则进入步骤S13;
S12将与所述用户类似的历史欺诈用户作为类似欺诈用户，并根据所述类似欺诈用户的数量以及相似度确定所述用户不存在欺诈风险时，进入下一步骤；
S13通过所述用户的人脸图像进行所述用户的人脸相似度以及图像清晰度的确定，当所述人脸相似度以及图像清晰度满足要求后，通过所述用户在人脸图像获取前后的触屏特征、滑动特征的相似度和操作次数对所述用户进行同一性检验得到检验结果，并当所述检验结果满足要求后，进入下一步骤；
S14将所述金融终端在设定时间内的授信申请用户作为近期用户，根据所述近期用户与所述用户的触屏特征、滑动特征的相似度进行近期相似用户的确定，并根据所述近期相似用户的数量、近期相似用户和所述用户的人脸识别相似度以及人脸图像的图像清晰度确定是否存在欺诈风险。
进一步的技术方案在于，所述用户的触屏特征包括但不限于所述用户的屏幕点击频率、触屏面积以及触屏时间；所述用户的滑动特征包括但不限于所述用户的滑动速率、滑动时的触屏面积。
进一步的技术方案在于，当且仅当所述用户的触屏操作次数大于预设次数或者所述用户的滑动操作次数大于预设次数时，则根据所述触屏特征、滑动特征确定所述用户是否与历史欺诈用户类似。
进一步的技术方案在于，当所述用户存在欺诈风险时，则暂不对所述用户进行授信申请处理。
进一步的技术方案在于，所述检验结果确定的方法为：
根据所述用户的触屏特征进行所述用户的屏幕点击频率、触屏面积以及触屏时间的确定，并通过所述用户的屏幕点击频率、触屏面积以及触屏时间进行所述用户在人脸图像获取前后的触屏特征的相似度的确定，并根据所述触屏特征的相似度确定所述用户是否满足同一性检验需求，若是，则进入下一步骤，若否，则确定所述检验结果为不一致；
根据所述用户的滑动特征进行所述用户的滑动速率、滑动时的触屏面积的确定，并通过所述用户的滑动速率、滑动时的触屏面积进行所述用户在人脸图像获取前后的滑动特征的相似度的确定，并根据所述滑动特征的相似度确定所述用户是否满足同一性检验需求，若是，则进入下一步骤，若否，则确定所述检验结果为不一致；
通过所述用户在获取人脸图像获取前后的操作次数进行所述用户在获取人脸图像获取前后的触屏操作次数、滑动操作次数的确定，并结合所述触屏特征、滑动特征的相似度得到所述用户的同一性检验的检验结果的确定。
进一步的技术方案在于，所述设定时间根据所述金融终端的授信申请用户的人脸识别相似度、人脸识别的平均尝试次数以及人脸图像的图像清晰度进行确定，其中所述金融终端的授信申请用户的人脸识别相似度不满足要求的比例越高、人脸识别的平均尝试次数越高、人脸图像的图像清晰度越低，则所述设定时间越长。
第二方面，本发明提供了一种计算机装置，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种应用于金融终端的欺诈风险评估方法。
本发明的有益效果在于：
通过根据触屏特征、滑动特征确定用户是否与历史欺诈用户类似，实现了从用户的触屏操作的生物特征的角度对存在欺诈风险的用户的筛选，避免了由于存在欺诈风险导致的授信机构的逾期风险，提升了授信机构的资金安全。
通过根据类似欺诈用户的数量以及相似度确定用户是否存在欺诈风险，不仅考虑到用户的类似欺诈用户的数量，同时还考虑到类似欺诈用户的相似度，实现了从多个角度对用户是否为历史欺诈用户的确定，提升了授信处理的可靠性。
通过所述用户在人脸图像获取前后的触屏特征、滑动特征的相似度和操作次数对所述用户进行同一性检验得到检验结果，从而实现了对用户在人脸识别前后的操作特征的相似情况实现了对异常用户的确定，避免了由于他人操作或者冒用身份的人员操作带来的授信处理风险。
通过根据近期相似用户的数量、近期相似用户和所述用户的人脸识别相似度以及人脸图像的图像清晰度确定是否存在欺诈风险，从而实现了从一定时间内的相似的操作特征用户的筛选，同时还考虑到人脸识别的相似情况，实现了对冒用身份的用户的识别，进一步减少了授信申请的风险。
其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显；
图1是一种应用于金融终端的欺诈风险评估方法的流程图；
图2是根据所述触屏特征、滑动特征确定所述用户是否与历史欺诈用户类似的流程图；
图3是根据所述类似欺诈用户的数量以及相似度确定所述用户不存在欺诈风险的流程图；
图4是一种计算机装置的框架图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
申请人发现，在通过金融终端进行用户的授信申请处理时，用户可能通过冒用其他人身份信息实现人脸识别，具体的采用提前录制好的视频等方式，因此采用简单的人脸识别的方式无法实现对潜在的身份冒用风险进行识别，同时也无法实现在短时间内的团伙性的冒用身份的识别。
为了上述技术问题，申请人发现不同人员在进行金融终端的操作时，不同的人员的触屏操作特征以及滑动特征等存在一定程度的差异，因此通过对人员的触屏操作特征以及滑动特征的识别，可以实现用户跟历史中的欺诈用户、人脸识别前后的身份的同一性检验以及一定的时间内的聚集性的盗用身份风险的识别，提升授信申请处理的安全性和可靠性。
以下将从方法类实施例和装置类实施例两个角度进行实施例性说明。
实施例1
为解决上述问题，根据本发明的一个方面，如图1所示，提供了根据本发明的一个方面，提供了一种应用于金融终端的欺诈风险评估方法，其特征在于，具体包括：
S11通过金融终端实时获取用户的触屏特征、滑动特征，并根据所述触屏特征、滑动特征确定所述用户是否与历史欺诈用户类似，若是，则进入下一步骤，若否，则进入步骤S13;
在本实施例中，通过与历史欺诈用户的相似情况的判断，从而避免了由于用户为历史欺诈用户所产生的额外的授信申请风险。
具体的，历史欺诈用户的相关的操作数据通过特定的数据库进行保存，并当用户操作一定的次数或者时间后吗，通过用户的触屏特征、滑动特征实现对用户与历史欺诈用户的匹配。
需要说明的是，所述用户的触屏特征包括但不限于所述用户的屏幕点击频率、触屏面积以及触屏时间；所述用户的滑动特征包括但不限于所述用户的滑动速率、滑动时的触屏面积。
具体的，如图2所示，根据所述触屏特征、滑动特征确定所述用户是否与历史欺诈用户类似，具体包括：
根据所述用户的触屏特征进行所述用户的屏幕点击频率、触屏面积以及触屏时间的确定，并通过所述用户的屏幕点击频率、触屏面积以及触屏时间进行所述用户与所述历史欺诈用户的触屏操作相似度的确定，并根据所述触屏操作相似度确定所述用户是否与历史欺诈用户类似，若是，则确定所述用户与历史欺诈用户类似，若否，则进入下一步骤；
需要说明的是，当用户与历史欺诈用户中的任意一个的触屏操作相似度较高时，此时则确定所述用户与历史欺诈用户类似。
根据所述用户的滑动特征进行所述用户的滑动速率、滑动时的触屏面积的确定，并通过所述用户的滑动速率、滑动时的触屏面积进行所述用户与所述历史欺诈用户的滑动操作相似度的确定，并根据所述滑动操作相似度确定所述用户是否与历史欺诈用户类似，若是，则确定所述用户与历史欺诈用户类似，若否，则进入下一步骤；
获取所述用户的触屏操作次数、滑动操作次数，并结合所述触屏操作相似度、滑动操作相似度进行用户与所述历史欺诈用户的相似度的确定，通过所述用户与所述历史欺诈用户的相似度确定所述用户是否与历史欺诈用户类似。
需要说明的是，当触屏操作相似度、滑动操作相似度任一项均在疑似怀疑存在类似的历史欺诈用户时，此时的用户的触屏操作次数、滑动操作次数较多时，可以认定用户是否与历史欺诈用户类似。
另外需要说明的是，当且仅当所述用户的触屏操作次数大于预设次数或者所述用户的滑动操作次数大于预设次数时，则根据所述触屏特征、滑动特征确定所述用户是否与历史欺诈用户类似。
在本实施例中，通过根据触屏特征、滑动特征确定用户是否与历史欺诈用户类似，实现了从用户的触屏操作的生物特征的角度对存在欺诈风险的用户的筛选，避免了由于存在欺诈风险导致的授信机构的逾期风险，提升了授信机构的资金安全。
S12将与所述用户类似的历史欺诈用户作为类似欺诈用户，并根据所述类似欺诈用户的数量以及相似度确定所述用户不存在欺诈风险时，进入下一步骤；
在本实施例中，由于存在类似欺诈用户，因此可以综合类似欺诈用户的数量以及用户与类似欺诈用户的相似情况实现对用户的欺诈风险的识别，并当存在欺诈风险时，及时终止相关的授信申请流程。
具体的，如图3所示，根据所述类似欺诈用户的数量以及相似度确定所述用户不存在欺诈风险，具体包括:
在其中的一个可能的实施例中，当类似欺诈用户的数量较多或者存在相似度较高的类似欺诈用户时，则确定存在欺诈风险。
具体的，当类似欺诈用户的数量较多或者存在相似度较高的类似欺诈用户时，则确定存在欺诈风险。
具体的，当类似欺诈用户的数量较多时，还需要考虑用户的触屏特征以及滑动特征的稳定性以及操作次数，当且仅当用户的触屏特征以及滑动特征的稳定性以及操作次数均满足要求时，则确定存在欺诈风险。
S21根据所述用户与所述类似欺诈用户的相似度确定是否存在相似度不满足要求的类似欺诈用户，若是，则确定所述用户存在欺诈风险，若否，则进入下一步骤；
当相似度较高时，此时无须进行其他数据的认定，可以直接确定存在欺诈风险。
S22获取所述类似欺诈用户的数量，并根据所述类似欺诈用户的数量确定所述用户是否存在疑似欺诈风险，若是，则进入步骤S24，若否，则进入下一步骤；
当类似欺诈用户的数量较多时，此时存在欺诈风险的可能性较大，因此可以综合相似度实现对欺诈风险的准确评估。
S23通过所述用户与类似欺诈用户的相似度进行筛选类似欺诈用户的数量的确定，并根据所述筛选类似欺诈用户的数量以及相似度确定所述用户是否存在疑似欺诈风险，若是，则进入步骤S24，若否，则确定所述用户不存在欺诈风险；
当类似欺诈用户的数量较少，同时也缺乏相似度特别高的筛选类似欺诈用户时，则此时可以断定用户不存在欺诈风险。
S24通过所述筛选类似欺诈用户的数量以及相似度、所述类似欺诈用户的数量以及相似度进行所述用户的相似风险评估量的确定，并通过所述用户的相似风险评估量、触屏操作次数、滑动操作次数进行所述用户的欺诈风险概率的确定，并通过所述用户的欺诈风险概率确定所述用户是否存在欺诈风险。
进一步的，当所述用户与类似欺诈用户的相似度大于预设相似度限定量时，则确定所述类似欺诈用户为筛选类似欺诈用户。
需要说明的是，当所述用户存在欺诈风险时，则暂不对所述用户进行授信申请处理。
在本实施例中，通过根据类似欺诈用户的数量以及相似度确定用户是否存在欺诈风险，不仅考虑到用户的类似欺诈用户的数量，同时还考虑到类似欺诈用户的相似度，实现了从多个角度对用户是否为历史欺诈用户的确定，提升了授信处理的可靠性。
S13通过所述用户的人脸图像进行所述用户的人脸相似度以及图像清晰度的确定，当所述人脸相似度以及图像清晰度满足要求后，通过所述用户在人脸图像获取前后的触屏特征、滑动特征的相似度和操作次数对所述用户进行同一性检验得到检验结果，并当所述检验结果满足要求后，进入下一步骤；
在本实施例中，通过对用户在人脸图像获取前后的触屏特征、滑动特征的相似度进行同一性检验，实现了对用户前后操作不一以及其他冒用身份的用户的识别，从而可以及时的进行授信申请处理风险的及时处理。
可以理解的是，当用户的人脸相似度以及图像清晰度均满足要求时，再进行同一性检验。
具体的举例说明，所述检验结果确定的方法为：
根据所述用户的触屏特征进行所述用户的屏幕点击频率、触屏面积以及触屏时间的确定，并通过所述用户的屏幕点击频率、触屏面积以及触屏时间进行所述用户在人脸图像获取前后的触屏特征的相似度的确定，并根据所述触屏特征的相似度确定所述用户是否满足同一性检验需求，若是，则进入下一步骤，若否，则确定所述检验结果为不一致；
根据所述用户的滑动特征进行所述用户的滑动速率、滑动时的触屏面积的确定，并通过所述用户的滑动速率、滑动时的触屏面积进行所述用户在人脸图像获取前后的滑动特征的相似度的确定，并根据所述滑动特征的相似度确定所述用户是否满足同一性检验需求，若是，则进入下一步骤，若否，则确定所述检验结果为不一致；
通过所述用户在获取人脸图像获取前后的操作次数进行所述用户在获取人脸图像获取前后的触屏操作次数、滑动操作次数的确定，并结合所述触屏特征、滑动特征的相似度得到所述用户的同一性检验的检验结果的确定。
在另外一种可能的实施例中，当滑动特征的相似度以及触屏特征的相似度均满足要求时，则确定用户的同一性检验的检验结果为一致。
在本实施例中，通过所述用户在人脸图像获取前后的触屏特征、滑动特征的相似度和操作次数对所述用户进行同一性检验得到检验结果，从而实现了对用户在人脸识别前后的操作特征的相似情况实现了对异常用户的确定，避免了由于他人操作或者冒用身份的人员操作带来的授信处理风险。
S14将所述金融终端在设定时间内的授信申请用户作为近期用户，根据所述近期用户与所述用户的触屏特征、滑动特征的相似度进行近期相似用户的确定，并根据所述近期相似用户的数量、近期相似用户和所述用户的人脸识别相似度以及人脸图像的图像清晰度确定是否存在欺诈风险。
在本实施例中，通过与设定时间内的授信申请用户的操作相似情况的识别，从而可以实现对用户通过集体盗用其他人的身份信息，进行授信申请诈骗的准确辨识，保证了授信申请处理的安全性。
具体的，所述设定时间根据所述金融终端的授信申请用户的人脸识别相似度、人脸识别的平均尝试次数以及人脸图像的图像清晰度进行确定，其中所述金融终端的授信申请用户的人脸识别相似度不满足要求的比例越高、人脸识别的平均尝试次数越高、人脸图像的图像清晰度越低，则所述设定时间越长。
具体的，根据所述近期相似用户的数量、近期相似用户和所述用户的人脸识别相似度以及人脸图像的图像清晰度确定是否存在欺诈风险，具体包括：
根据所述近期用户与所述用户的触屏特征、滑动特征的相似度进行所述近期相似用户与所述用户的操作相似度的确定；
获取所述近期相似用户的数量，并通过所述近期相似用户的数量确定是否存在欺诈风险，若是，则确定存在欺诈风险，若否，则进入下一步骤；
通过所述近期相似用户的人脸识别相似度以及人脸图像的图像清晰度进行人脸识别异常用户的确定，并通过所述人脸识别异常用户的数量确定是否存在欺诈风险，若是，则确定存在欺诈风险，若否，则进入下一步骤；
通过所述近期相似用户的数量、操作相似度以及所述近期相似用户的平均操作次数进行操作异常值的确定；通过所述近期相似用户的人脸识别相似度、人脸图像的图像清晰度以及人脸识别的平均尝试次数进行人脸识别异常值的确定；
通过所述用户的操作次数进行所述用户的操作识别准确度的确定，通过所述用户的人脸识别相似度、人脸图像的图像清晰度以及人脸识别的平均尝试次数进行所述用户的识别异常值的确定；
根据所述用户的识别异常值以及操作识别准确度、操作异常值以及人脸识别异常值进行所述用户的欺诈风险概率的确定，并通过所述用户的欺诈风险概率确定是否存在欺诈风险。
在本实施例中，通过根据近期相似用户的数量、近期相似用户和所述用户的人脸识别相似度以及人脸图像的图像清晰度确定是否存在欺诈风险，从而实现了从一定时间内的相似的操作特征用户的筛选，同时还考虑到人脸识别的相似情况，实现了对冒用身份的用户的识别，进一步减少了授信申请的风险。
实施例2
另一方面，如图4所示，本发明提供了一种计算机装置，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种应用于金融终端的欺诈风险评估方法。
其中上述的一种应用于金融终端的欺诈风险评估方法，具体包括:
通过金融终端实时获取用户的触屏特征、滑动特征，并根据所述触屏特征、滑动特征确定所述用户与历史欺诈用户类似时，进入下一步骤;
将与所述用户类似的历史欺诈用户作为类似欺诈用户，并根据所述类似欺诈用户的数量以及相似度确定所述用户不存在欺诈风险时，进入下一步骤；
通过所述用户的人脸图像进行所述用户的人脸相似度以及图像清晰度的确定，当所述人脸相似度以及图像清晰度满足要求后，通过所述用户在人脸图像获取前后的触屏特征、滑动特征的相似度和操作次数对所述用户进行同一性检验得到检验结果，并当所述检验结果满足要求后，进入下一步骤；
将所述金融终端在设定时间内的授信申请用户作为近期用户，根据所述近期用户与所述用户的触屏特征、滑动特征的相似度进行近期相似用户的确定，根据所述近期用户与所述用户的触屏特征、滑动特征的相似度进行所述近期相似用户与所述用户的操作相似度的确定；
获取所述近期相似用户的数量，并通过所述近期相似用户的数量确定是否存在欺诈风险，若是，则确定存在欺诈风险，若否，则进入下一步骤；
通过所述近期相似用户的人脸识别相似度以及人脸图像的图像清晰度进行人脸识别异常用户的确定，并通过所述人脸识别异常用户的数量确定是否存在欺诈风险，若是，则确定存在欺诈风险，若否，则进入下一步骤；
通过所述近期相似用户的数量、操作相似度以及所述近期相似用户的平均操作次数进行操作异常值的确定；通过所述近期相似用户的人脸识别相似度、人脸图像的图像清晰度以及人脸识别的平均尝试次数进行人脸识别异常值的确定；
通过所述用户的操作次数进行所述用户的操作识别准确度的确定，通过所述用户的人脸识别相似度、人脸图像的图像清晰度以及人脸识别的平均尝试次数进行所述用户的识别异常值的确定；
根据所述用户的识别异常值以及操作识别准确度、操作异常值以及人脸识别异常值进行所述用户的欺诈风险概率的确定，并通过所述用户的欺诈风险概率确定是否存在欺诈风险。。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (7)

1.一种应用于金融终端的欺诈风险评估方法，其特征在于，具体包括：
S11通过金融终端实时获取用户的触屏特征、滑动特征，并根据所述触屏特征、滑动特征确定所述用户是否与历史欺诈用户类似，若是，则进入下一步骤，若否，则进入步骤S13;
根据所述触屏特征、滑动特征确定所述用户是否与历史欺诈用户类似，具体包括：
根据所述用户的触屏特征进行所述用户的屏幕点击频率、触屏面积以及触屏时间的确定，并通过所述用户的屏幕点击频率、触屏面积以及触屏时间进行所述用户与所述历史欺诈用户的触屏操作相似度的确定，并根据所述触屏操作相似度确定所述用户是否与历史欺诈用户类似，若是，则确定所述用户与历史欺诈用户类似，若否，则进入下一步骤；
根据所述用户的滑动特征进行所述用户的滑动速率、滑动时的触屏面积的确定，并通过所述用户的滑动速率、滑动时的触屏面积进行所述用户与所述历史欺诈用户的滑动操作相似度的确定，并根据所述滑动操作相似度确定所述用户是否与历史欺诈用户类似，若是，则确定所述用户与历史欺诈用户类似，若否，则进入下一步骤；
获取所述用户的触屏操作次数、滑动操作次数，并结合所述触屏操作相似度、滑动操作相似度进行用户与所述历史欺诈用户的相似度的确定，通过所述用户与所述历史欺诈用户的相似度确定所述用户是否与历史欺诈用户类似；
S12将与所述用户类似的历史欺诈用户作为类似欺诈用户，并根据所述类似欺诈用户的数量以及相似度确定所述用户不存在欺诈风险时，进入下一步骤；
根据所述类似欺诈用户的数量以及相似度确定所述用户不存在欺诈风险，具体包括:
S21根据所述用户与所述类似欺诈用户的相似度确定是否存在相似度不满足要求的类似欺诈用户，若是，则确定所述用户存在欺诈风险，若否，则进入下一步骤；
S22获取所述类似欺诈用户的数量，并根据所述类似欺诈用户的数量确定所述用户是否存在疑似欺诈风险，若是，则进入步骤S24，若否，则进入下一步骤；
S23通过所述用户与类似欺诈用户的相似度进行筛选类似欺诈用户的数量的确定，并根据所述筛选类似欺诈用户的数量以及相似度确定所述用户是否存在疑似欺诈风险，若是，则进入步骤S24，若否，则确定所述用户不存在欺诈风险；
S24通过所述筛选类似欺诈用户的数量以及相似度、所述类似欺诈用户的数量以及相似度进行所述用户的相似风险评估量的确定，并通过所述用户的相似风险评估量、触屏操作次数、滑动操作次数进行所述用户的欺诈风险概率的确定，并通过所述用户的欺诈风险概率确定所述用户是否存在欺诈风险；
S13通过所述用户的人脸图像进行所述用户的人脸相似度以及图像清晰度的确定，当所述人脸相似度以及图像清晰度满足要求后，通过所述用户在人脸图像获取前后的触屏特征、滑动特征的相似度和操作次数对所述用户进行同一性检验得到检验结果，并当所述检验结果满足要求后，进入下一步骤；
所述检验结果确定的方法为：
根据所述用户的触屏特征进行所述用户的屏幕点击频率、触屏面积以及触屏时间的确定，并通过所述用户的屏幕点击频率、触屏面积以及触屏时间进行所述用户在人脸图像获取前后的触屏特征的相似度的确定，并根据所述触屏特征的相似度确定所述用户是否满足同一性检验需求，若是，则进入下一步骤，若否，则确定所述检验结果为不一致；
根据所述用户的滑动特征进行所述用户的滑动速率、滑动时的触屏面积的确定，并通过所述用户的滑动速率、滑动时的触屏面积进行所述用户在人脸图像获取前后的滑动特征的相似度的确定，并根据所述滑动特征的相似度确定所述用户是否满足同一性检验需求，若是，则进入下一步骤，若否，则确定所述检验结果为不一致；
通过所述用户在获取人脸图像获取前后的操作次数进行所述用户在获取人脸图像获取前后的触屏操作次数、滑动操作次数的确定，并结合所述触屏特征、滑动特征的相似度得到所述用户的同一性检验的检验结果的确定；
S14将所述金融终端在设定时间内的授信申请用户作为近期用户，根据所述近期用户与所述用户的触屏特征、滑动特征的相似度进行近期相似用户的确定，并根据所述近期相似用户的数量、近期相似用户和所述用户的人脸识别相似度以及人脸图像的图像清晰度确定是否存在欺诈风险。
2.如权利要求1所述的欺诈风险评估方法，其特征在于，所述用户的触屏特征包括但不限于所述用户的屏幕点击频率、触屏面积以及触屏时间；所述用户的滑动特征包括但不限于所述用户的滑动速率、滑动时的触屏面积。
3.如权利要求1所述的欺诈风险评估方法，其特征在于，当且仅当所述用户的触屏操作次数大于预设次数或者所述用户的滑动操作次数大于预设次数时，则根据所述触屏特征、滑动特征确定所述用户是否与历史欺诈用户类似。
4.如权利要求1所述的欺诈风险评估方法，其特征在于，当所述用户与类似欺诈用户的相似度大于预设相似度限定量时，则确定所述类似欺诈用户为筛选类似欺诈用户。
5.如权利要求1所述的欺诈风险评估方法，其特征在于，当所述用户存在欺诈风险时，则暂不对所述用户进行授信申请处理。
6.如权利要求1所述的欺诈风险评估方法，其特征在于，所述设定时间根据所述金融终端的授信申请用户的人脸识别相似度、人脸识别的平均尝试次数以及人脸图像的图像清晰度进行确定，其中所述金融终端的授信申请用户的人脸识别相似度不满足要求的比例越高、人脸识别的平均尝试次数越高、人脸图像的图像清晰度越低，则所述设定时间越长。
7.一种计算机装置，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行权利要求1-6任一项所述的一种应用于金融终端的欺诈风险评估方法。
CN202311102650.2A 2023-08-30 2023-08-30 一种应用于金融终端的欺诈风险评估方法及装置 Active CN116823274B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311102650.2A CN116823274B (zh) 2023-08-30 2023-08-30 一种应用于金融终端的欺诈风险评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311102650.2A CN116823274B (zh) 2023-08-30 2023-08-30 一种应用于金融终端的欺诈风险评估方法及装置

Publications (2)

Publication Number Publication Date
CN116823274A CN116823274A (zh) 2023-09-29
CN116823274B true CN116823274B (zh) 2024-01-09

Family

ID=88114913

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311102650.2A Active CN116823274B (zh) 2023-08-30 2023-08-30 一种应用于金融终端的欺诈风险评估方法及装置

Country Status (1)

Country Link
CN (1) CN116823274B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117333290B (zh) * 2023-12-01 2024-03-26 杭银消费金融股份有限公司 一种一体化多尺度风控模型构建方法
CN117576826B (zh) * 2024-01-17 2024-04-09 杭银消费金融股份有限公司 一种基于金融自助终端的授信处理方法与金融自助终端
CN117808577A (zh) * 2024-03-01 2024-04-02 杭银消费金融股份有限公司 一种基于多因子动态调节的授信处理方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104200147A (zh) * 2014-09-04 2014-12-10 王洋 基于触屏设备的身份认证方法和系统及安全隐私加密方法
CN105279405A (zh) * 2015-10-28 2016-01-27 同济大学 触屏用户按键行为模式构建与分析系统及其身份识别方法
CN107657156A (zh) * 2017-09-30 2018-02-02 北京梆梆安全科技有限公司 基于用户操作习惯和触压面积的用户身份验证方法及装置
CN109462691A (zh) * 2018-10-27 2019-03-12 中国人民解放军战略支援部队信息工程大学 一种基于多传感器数据融合的隐式防护方法及系统
CN110111109A (zh) * 2019-05-20 2019-08-09 山东尚微电子商务有限公司 一种基于大数据的金融反欺诈分析方法
CN110348186A (zh) * 2019-05-28 2019-10-18 华为技术有限公司 一种基于用户身份识别的显示方法及电子设备
CN110413707A (zh) * 2019-07-22 2019-11-05 百融云创科技股份有限公司 互联网中欺诈团伙关系的挖掘与排查方法及其系统
CN112070506A (zh) * 2020-08-31 2020-12-11 深圳市卡牛科技有限公司 风险用户识别方法、装置、服务器及存储介质
CN112699971A (zh) * 2021-03-25 2021-04-23 荣耀终端有限公司 一种身份认证方法和装置
CN114399382A (zh) * 2022-01-21 2022-04-26 平安科技（深圳）有限公司 用户欺诈风险的检测方法、装置、计算机设备及存储介质
CN115953163A (zh) * 2022-12-22 2023-04-11 中国工商银行股份有限公司 欺诈风险检测方法、装置、设备和介质
CN116308382A (zh) * 2023-03-01 2023-06-23 成都新希望金融信息有限公司 电信诈骗判别方法、系统及计算机可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110202453A1 (en) * 2010-02-15 2011-08-18 Oto Technologies, Llc System and method for mobile secure transaction confidence score
US20210110014A1 (en) * 2010-11-29 2021-04-15 Biocatch Ltd. System, Device, and Method of Determining Personal Characteristics of a User
US20190158535A1 (en) * 2017-11-21 2019-05-23 Biocatch Ltd. Device, System, and Method of Detecting Vishing Attacks
US9552470B2 (en) * 2010-11-29 2017-01-24 Biocatch Ltd. Method, device, and system of generating fraud-alerts for cyber-attacks

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104200147A (zh) * 2014-09-04 2014-12-10 王洋 基于触屏设备的身份认证方法和系统及安全隐私加密方法
CN105279405A (zh) * 2015-10-28 2016-01-27 同济大学 触屏用户按键行为模式构建与分析系统及其身份识别方法
CN107657156A (zh) * 2017-09-30 2018-02-02 北京梆梆安全科技有限公司 基于用户操作习惯和触压面积的用户身份验证方法及装置
CN109462691A (zh) * 2018-10-27 2019-03-12 中国人民解放军战略支援部队信息工程大学 一种基于多传感器数据融合的隐式防护方法及系统
CN110111109A (zh) * 2019-05-20 2019-08-09 山东尚微电子商务有限公司 一种基于大数据的金融反欺诈分析方法
CN110348186A (zh) * 2019-05-28 2019-10-18 华为技术有限公司 一种基于用户身份识别的显示方法及电子设备
CN110413707A (zh) * 2019-07-22 2019-11-05 百融云创科技股份有限公司 互联网中欺诈团伙关系的挖掘与排查方法及其系统
CN112070506A (zh) * 2020-08-31 2020-12-11 深圳市卡牛科技有限公司 风险用户识别方法、装置、服务器及存储介质
CN112699971A (zh) * 2021-03-25 2021-04-23 荣耀终端有限公司 一种身份认证方法和装置
CN114399382A (zh) * 2022-01-21 2022-04-26 平安科技（深圳）有限公司 用户欺诈风险的检测方法、装置、计算机设备及存储介质
CN115953163A (zh) * 2022-12-22 2023-04-11 中国工商银行股份有限公司 欺诈风险检测方法、装置、设备和介质
CN116308382A (zh) * 2023-03-01 2023-06-23 成都新希望金融信息有限公司 电信诈骗判别方法、系统及计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
利剑出鞘――网络信息的安全防范;范金定, 张栋;秘书(第04期);第36-37页 *

Also Published As

Publication number Publication date
CN116823274A (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
CN116823274B (zh) 一种应用于金融终端的欺诈风险评估方法及装置
US10332118B2 (en) Efficient prevention of fraud
US9697521B2 (en) Authentication system and method
CN108352022B (zh) 用于监视计算机认证程序的系统和方法
US8311826B2 (en) Method and system for screening using voice data and metadata
CN109509093B (zh) 一种基于主体画像的交易安全控制方法及系统
US20140270404A1 (en) Efficient prevention of fraud
US20060248019A1 (en) Method and system to detect fraud using voice data
US20090106151A1 (en) Fraud prevention based on risk assessment rule
US20140270409A1 (en) Efficient prevention of fraud
CN111861748B (zh) 一种基于人工智能的金融大数据分析平台
CN111861240A (zh) 可疑用户识别方法、装置、设备及可读存储介质
CN112184239A (zh) 一种安全支付方法、装置、设备和可读介质
US20100005029A1 (en) Risk management workstation
EP3588421A1 (en) Systems and methods for authenticating online users in regulated environments
CN110008664A (zh) 认证信息采集、开户方法、装置及电子设备
CN110991231B (zh) 活体检测方法、装置、服务器和人脸识别设备
CN117132391A (zh) 一种基于人机交互的授信审批方法与系统
US20230206372A1 (en) Fraud Detection Using Aggregate Fraud Score for Confidence of Liveness/Similarity Decisions
CN109670929A (zh) 贷款预警的控制方法、装置、设备及计算机可读存储介质
CN109711970A (zh) 贷款授信平台及其授信方法、授信设备、可读存储介质
CN108960111B (zh) 人脸识别方法、系统及终端设备
CN115906028A (zh) 用户身份验证方法、装置和自助服务终端
CN114245204A (zh) 基于人工智能的视频面签方法、装置、电子设备及介质
Kowshika et al. Facepin: Face biometric authentication system for ATM using deep learning

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
GR01 Patent grant
GR01 Patent grant