CN116862515A - 移动金融交易设备的交易风险处理方法和装置 - Google Patents
移动金融交易设备的交易风险处理方法和装置 Download PDFInfo
- Publication number
- CN116862515A CN116862515A CN202310609136.1A CN202310609136A CN116862515A CN 116862515 A CN116862515 A CN 116862515A CN 202310609136 A CN202310609136 A CN 202310609136A CN 116862515 A CN116862515 A CN 116862515A
- Authority
- CN
- China
- Prior art keywords
- transaction
- risk
- information
- request
- transaction request
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000012795 verification Methods 0.000 claims abstract description 122
- 238000012545 processing Methods 0.000 claims abstract description 111
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000004590 computer program Methods 0.000 claims description 24
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000001680 brushing effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
- G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
-
- 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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及一种移动金融交易设备的交易风险处理方法、装置、计算机设备和存储介质。通过将交易请求对应的交易校验信息输入交易风险识别模型,获取风险识别模型基于交易校验信息中的支付介质信息、交易信息和用户特征信息输出的交易风险系数,根据交易风险系数与预设的风险等级阈值的比较结果,确定对交易请求的处理策略并处理交易请求。相较于传统的直接通过移动金融交易设备进行交易。本方案通过交易风险识别模型识别移动金融交易设备中的交易风险程度,并根据风险程度的不同执行不同处理,提高了交易安全性。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种移动金融交易设备的交易风险处理方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着第三方支付机构的发展,在金融交易过程中,用户可以通过移动金融交易设备与第三方支付机构进行交易。而随着移动金融交易设备申请门槛降低,使用移动金融交易设备进行交易,容易产生盗刷等风险行为。因此,如何对移动金融交易设备的交易风险进行识别,成为了亟需解决的问题。目前使用移动金融交易设备进行交易时,是通过直接交易实现。然而,直接进行交易,会使交易安全性降低。
因此,目前使用移动金融交易设备进行交易存在安全性低的缺陷。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高交易安全性的移动金融交易设备的交易风险处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种移动金融交易设备的交易风险处理方法,应用于移动金融交易设备,所述方法包括:
检测到交易请求时,获取所述交易请求对应的交易校验信息;所述交易校验信息包括触发所述交易请求的用户的支付介质信息、交易信息以及用户特征信息;
将所述交易校验信息输入经训练的交易风险识别模型,获取由所述交易风险识别模型基于所述交易校验信息中的支付介质信息、交易信息以及用户特征信息输出的所述交易请求对应的交易风险系数;
根据所述交易风险系数与预设的风险等级阈值的比较结果,确定对所述交易请求对应的处理策略,并基于所述处理策略处理所述交易请求。
在其中一个实施例中,所述获取所述交易请求对应的交易校验信息,包括:
获取所述交易请求对应的用户的支付介质类型、支付介质标识和支付介质生成时间中的至少一种,作为支付介质信息;
获取所述交易请求对应的交易资源数值和交易地点中的至少一种,作为交易信息;
根据所述用户输入的身份信息,获取所述用户的用户特征信息;
根据所述支付介质信息、交易信息和用户特征信息,得到交易校验信息。
在其中一个实施例中,所述根据所述交易风险系数与预设的风险等级阈值的比较结果,确定对所述交易请求的处理策略,包括:
若所述交易风险系数大于或等于预设的第一风险等级阈值且小于预设的第二风险等级阈值,则确定对所述交易请求的处理策略为第一风险处理策略;
若所述交易风险系数大于或等于所述第二风险等级阈值,则确定所述交易请求的处理策略为第二风险处理策略。
在其中一个实施例中,所述基于所述处理策略处理所述交易请求,包括:
对所述交易请求的处理策略为第一风险处理策略的情况下,将所述交易请求发送至校验设备,以使所述校验设备获取并返回相应校验员对所述交易请求进行补充校验的校验结果,根据所述校验结果处理所述交易请求;
对所述交易请求的处理策略为第二风险处理策略的情况下,拦截所述交易请求,并输出交易风险提示信息。
在其中一个实施例中,所述方法还包括:
获取交易校验信息样本及其交易风险系数标签信息;
将所述交易校验信息样本输入待训练的交易风险识别模型,获取所述待训练的交易风险识别模型输出的交易风险系数预测信息;
获取所述交易风险系数预测信息与所述交易风险系数标签信息的相似度;
根据所述相似度与预设相似度阈值的比较结果,调整所述待训练的交易风险识别模型的模型参数,直至所述相似度大于或等于所述预设相似度阈值,或者达到预设调整次数阈值,得到经训练的交易风险识别模型。
在其中一个实施例中,所述确定所述交易请求对应的处理策略之后,还包括:
将所述交易请求的交易校验信息作为新的交易校验信息样本,将对应的交易风险系数作为新的交易风险系数标签信息;
基于所述新的交易校验信息样本和新的交易风险系数标签信息更新所述交易风险识别模型。
在其中一个实施例中,所述检测到交易请求时,获取所述交易请求对应的交易校验信息,包括:
检测到交易请求时,确定所述交易请求的触发渠道;
根据所述触发渠道,通过与所述触发渠道相适应的获取方式获取所述交易校验信息;
所述将所述交易校验信息输入经训练的交易风险识别模型之前,还包括:
根据所述触发渠道,获取经训练的多个交易风险识别模型中与所述触发渠道对应的经训练的交易风险识别模型。
第二方面,本申请提供了一种移动金融交易设备的交易风险处理装置,所述装置包括:
获取模块,用于检测到交易请求时,获取所述交易请求对应的交易校验信息;所述交易校验信息包括触发所述交易请求的用户的支付介质信息、交易信息以及用户特征信息;
输入模块,用于将所述交易校验信息输入经训练的交易风险识别模型,获取由所述交易风险识别模型基于所述交易校验信息中的支付介质信息、交易信息以及用户特征信息输出的所述交易请求对应的交易风险系数;
处理模块,用于根据所述交易风险系数与预设的风险等级阈值的比较结果,确定对所述交易请求对应的处理策略,并基于所述处理策略处理所述交易请求。
第三方面,本申请提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法的步骤。
第四方面,本申请提供了一种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上述的方法的步骤。
第五方面,本申请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上述的方法的步骤。
上述移动金融交易设备的交易风险处理方法、装置、计算机设备、存储介质和计算机程序产品,通过将交易请求对应的交易校验信息输入交易风险识别模型,获取风险识别模型基于交易校验信息中的支付介质信息、交易信息和用户特征信息输出的交易风险系数,根据交易风险系数与预设的风险等级阈值的比较结果,确定对交易请求的处理策略并处理交易请求。相较于传统的直接通过移动金融交易设备进行交易。本方案通过交易风险识别模型识别移动金融交易设备中的交易风险程度,并根据风险程度的不同执行不同处理,提高了交易安全性。
附图说明
图1为一个实施例中移动金融交易设备的交易风险处理方法的应用环境图;
图2为一个实施例中移动金融交易设备的交易风险处理方法的流程示意图;
图3为另一个实施例中移动金融交易设备的交易风险处理方法的流程示意图;
图4为一个实施例中移动金融交易设备的交易风险处理装置的结构框图;
图5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移动金融交易设备的交易风险处理方法,可以应用于如图1所示的应用环境中。其中,移动金融交易设备可以与获取用户的支付介质的相关信息。用户可以通过支付介质在移动金融交易设备中发起交易请求,从而移动金融交易设备可以基于交易请求获取当前交易的相关信息,并确定当前交易的交易风险以及对应的处理方式。其中,移动金融交易设备可以但不限于是各种POS机。
在一个实施例中,如图2所示,提供了一种移动金融交易设备的交易风险处理方法,以该方法应用于图1中的移动金融交易设备为例进行说明,包括以下步骤:
步骤S202,检测到交易请求时,获取交易请求对应的交易校验信息;交易校验信息包括触发交易请求的用户的支付介质信息、交易信息以及用户特征信息。
其中,交易请求可以是用户利用上述移动金融交易设备触发得到的请求。交易请求中可以包括多种信息。例如,用户在移动金融交易设备上触发了交易请求后,移动金融交易设备可以获取交易请求对应的交易校验信息,这些交易信息中包括用户的支付介质信息、交易信息和用户特征信息。其中,移动金融交易设备可以在交易请求触发后,检测到用户的支付介质的接入信息时,从支付介质中获取本次交易的交易校验信息。上述支付介质信息表示用户在本次交易请求中支付时所使用到的支付介质,支付介质可以为本次交易提供完成交易所需的资源数值;交易信息可以包含本次交易的资源数值信息,还可以包含本次交易的交易位置信息等;用户特征信息可以是发起本次交易请求的用户的特征,该用户特征信息可以由用户输入获得,也可以通过查询支付介质对应的用户预先存储的信息获得。
其中,用户触发交易请求可以包含多种渠道,并且不同渠道可以有不同的信息获取方式。例如,在一个实施例中,移动金融交易设备在检测到交易请求时,可以确定交易请求的触发渠道。并根据触发渠道,通过与触发渠道相适应的获取方式获取上述交易校验信息。具体地,上述触发渠道可以包括虚拟触发渠道和实体触发渠道等。虚拟触发渠道可以是指用户通过线上向移动金融交易设备发起交易请求的渠道,例如通过用户的移动设备向移动金融交易设备发送信号,进而触发交易请求,并通过移动金融交易设备获取该交易请求的交易校验信息后,通过一系列校验确定本次交易的处理方式。当触发渠道是虚拟触发渠道时,上述支付介质信息可以是用户的虚拟资源账户的信息,交易信息可以是本次交易所需的资源数值和交易位置等信息,用户特征信息可以是基于用户输入得到的特征信息。
实体触发渠道可以是指用户通过实体向移动金融交易设备发起交易请求的渠道。例如,当上述移动金融交易设备为POS机时,用户通过携带设定数值的资源的交易卡刷过POS机后,POS机可以从实体的交易卡中获取本次交易的交易校验信息。当触发渠道是实体触发渠道时,上述支付介质信息可以是用户的实体交易卡的信息,交易信息可以是本次交易所需的资源数值和交易位置等信息,用户特征信息可以是基于用户输入得到的特征信息。
步骤S204,将交易校验信息输入经训练的交易风险识别模型,获取由交易风险识别模型基于交易校验信息中的支付介质信息、交易信息以及用户特征信息输出的交易请求对应的交易风险系数。
其中,移动金融交易设备获取交易校验信息后,可以将交易校验信息输入经训练的交易风险识别模型。交易风险识别模型可以是用于识别交易存在的风险的模型,该交易风险识别模型可以基于交易校验信息样本和交易校验信息样本对应的交易风险系数标签信息训练得到。其中交易校验信息样本可以是从历史交易信息中确定。移动金融交易设备可以通过交易风险识别模型基于交易校验信息中的支付介质信息、交易信息和用户特征信息,输出本次交易请求对应的交易风险系数。其中,交易风险系数表示本次交易存在的风险高低。例如交易风险系数越大,表示本次交易存在较高风险,交易风险系数越小,表示本次交易存在较低风险。移动金融交易设备还可以通过设置至少一个交易风险等级的阈值,通过将模型输出的交易风险系数与阈值进行比较,确定各个交易风险系数代表的风险高低。
其中,由于上述交易请求的触发渠道可以不同,并且不同触发渠道获取的交易校验信息不同,则移动金融交易设备还可以使用与触发渠道对应的模型对交易校验信息进行识别。例如,在一个实施例中,移动金融交易设备可以根据触发渠道,获取经训练的多个交易风险识别模型中,与触发渠道对应的经训练的交易风险识别模型。具体地,移动金融交易设备可以预先基于虚拟触发渠道对应的交易校验信息样本及其对应的交易风险系数标签信息,训练出虚拟触发渠道对应的第一交易风险识别模型。移动金融交易设备还可以预先基于实体触发渠道对应的交易校验信息样本及其对应的交易风险系数标签信息,训练出实体触发渠道对应的第二交易风险识别模型。从而移动金融交易设备可以基于与触发渠道对应的交易风险识别模型,识别基于对应触发渠道获取的交易校验信息。
步骤S206,根据交易风险系数与预设的风险等级阈值的比较结果,确定对交易请求对应的处理策略,并基于处理策略处理交易请求。
其中,移动金融交易设备可以预先设定至少一个风险等级阈值,并将上述交易风险识别模型输出的交易风险系数与预设的风险等级阈值进行比较,该比较的比较结果可以是本次交易的风险等级,移动金融交易设备可以根据该比较的比价结果,确定对本次交易请求的处理策略,并基于该处理策略处理本次交易请求。其中,处理策略可以与风险等级对应,风险等级越高,对应的处理策略则越严格。
上述移动金融交易设备的交易风险处理方法中,通过将交易请求对应的交易校验信息输入交易风险识别模型,获取风险识别模型基于交易校验信息中的支付介质信息、交易信息和用户特征信息输出的交易风险系数,根据交易风险系数与预设的风险等级阈值的比较结果,确定对交易请求的处理策略并处理交易请求。相较于传统的直接通过移动金融交易设备进行交易。本方案通过交易风险识别模型识别移动金融交易设备中的交易风险程度,并根据风险程度的不同执行不同处理,提高了交易安全性。
在一个实施例中,获取交易请求对应的交易校验信息,包括:获取交易请求对应的用户的支付介质类型、支付介质标识和支付介质生成时间中的至少一种,作为支付介质信息;获取交易请求对应的交易资源数值和交易地点中的至少一种,作为交易信息;根据用户输入的身份信息,获取用户的用户特征信息;根据支付介质信息、交易信息和用户特征信息,得到交易校验信息。
本实施例中,上述交易校验信息可以包含支付介质信息、交易信息和用户特征信息等。而支付介质信息、交易信息和用户特征信息中分别还可以包括多种类型的信息。例如,移动金融交易设备可以获取交易请求对应的用户的支付介质类型、支付介质标识和支付介质生成时间中的至少一种,作为支付介质信息。其中,支付介质生成时间表示支付介质设立或构造完成时对应的时间。
移动金融交易设备可以获取交易请求对应的交易资源数值和交易地点中的至少一种,作为交易信息。其中,交易资源数值表示完成本次交易请求所需资源的数值,上述支付介质中可以包含特定数值的资源;交易地点是指本次交易请求发生的位置信息,例如移动金融交易设备所在的位置。
移动金融交易设备还可以获取用户输入的身份信息,并根据该身份信息获取用户的用户特征信息。其中,用户可以在移动金融交易设备中输入其身份信息,以完成交易请求,移动金融交易设备可以从用户输入的身份信息中提取相关特征信息,作为用户特征信息,该用户特征信息可以用于表示每个用户的特征。
具体地,以支付介质是交易卡为例,上述支付介质类型可以是交易卡的卡类型,支付介质标识可以是交易卡的卡号,支付介质生成时间可以是交易卡的开卡时间。从而移动金融交易设备可以根据上述支付介质信息、交易信息和用户特征信息,得到交易校验信息。
通过本实施例,移动金融交易设备可以获取多种类型的信息形成交易校验信息,并基于交易校验信息确定交易请求的风险等级,提高了使用移动金融交易设备进行交易的安全性。
在一个实施例中,根据交易风险系数与预设的风险等级阈值的比较结果,确定对交易请求的处理策略,包括:若交易风险系数大于或等于预设的第一风险等级阈值且小于预设的第二风险等级阈值,则确定对交易请求的处理策略为第一风险处理策略;若交易风险系数大于或等于第二风险等级阈值,则确定交易请求的处理策略为第二风险处理策略。
本实施例中,上述交易风险等级阈值可以包括第一风险等级阈值和第二风险等级阈值,且第二风险等级阈值的数值大于第一风险等级阈值的数值。移动金融交易设备可以将上述交易风险系数分别与第一风险等级阈值和第二风险等级阈值进行比较,并根据比较结果确定交易风险系数所处的等级。
若移动金融交易设备检测到交易风险系数小于第一风险等级阈值时,表示本次交易的风险较低,移动金融交易设备可以确定对交易请求的处理策略为允许执行,即移动金融交易设备可以从用户的支付介质信息对应的账户中扣除本次交易所需的资源数值,并转移至相应的收款账户中,实现交易。若移动金融交易设备检测到交易风险系数大于或等于预设的第一风险等级阈值,且小于预设的第二风险等级阈值,则移动金融交易设备可以确定对交易请求的处理策略为第一风险处理策略。若移动金融交易设备检测到交易风险系数大于或等于第二风险等级阈值,则移动金融交易设备可以确定交易请求的处理策略为第二风险处理策略。
其中,由于第二风险等级阈值表示的风险比第一风险等级阈值表示的风险高,因此第二风险处理策略的严格程度比第一风险处理策略要高。当移动金融交易设备确定交易风险系数处于第一风险等级阈值和第二风险等级阈值之间时,确定本次交易存在风险,并采用相应的第一风险处理策略对本次交易请求进行处理;当移动金融交易设备确定交易风险系数大于或等于第二风险等级阈值时,确定本次交易存在较大风险,并采用相应的第二风险处理策略对本次交易进行处理。
通过本实施例,移动金融交易设备可以通过将交易风险系数与多个风险等级阈值进行比较,并根据比较结果确定对不同风险等级的交易请求的处理策略,提高了通过移动金融交易设备进行交易的安全性。
在一个实施例中,基于处理策略处理交易请求,包括:对交易请求的处理策略为第一风险处理策略的情况下,将交易请求发送至校验设备,以使校验设备获取并返回相应校验员对交易请求进行补充校验的校验结果,根据校验结果处理交易请求;对交易请求的处理策略为第二风险处理策略的情况下,拦截交易请求,并输出交易风险提示信息。
本实施例中,对于不同风险等级的交易请求,移动金融交易设备可以采用不同的风险处理策略进行处理。其中,对于使用第一风险处理策略进行处理的交易请求,移动金融交易设备可以对该交易请求进行补充校验,例如移动金融交易设备将该交易请求发送至相应校验员对应的校验设备,校验员可以通过上述校验设备对该交易请求进行补充校验,并生成相应的校验结果后,将校验结果返回至移动金融交易设备中,移动金融交易设备根据校验结果处理该交易请求,例如校验结果为通过,则移动金融交易设备可以确定该交易请求可以执行,并继续完成该交易请求,若交易结果为不通过,则移动金融交易设备可以拦截该交易请求,并输出相应的风险提示信息。另外,在一些实施例中,上述补充校验还可以是移动金融交易设备将该交易请求对应的交易校验信息重新输入交易风险识别模型中,进行补充识别,并在本次交易风险识别模型输出的交易风险系数仍大于或等于上述第二风险等级阈值时,确定拦截本次交易请求。
对于使用第二风险处理策略进行处理的交易请求,移动金融交易设备可以确定该交易请求存在较大风险,从而移动金融交易设备可以拦截该交易请求,并且可以输出交易风险提示信息,例如移动金融交易设备在其显示设备上显示本次交易存在危险等文字信息,还可以结合声光进行交易风险提示。其中,上述第一风险处理策略对应的风险比第二风险处理策略对应的风险低,则第一风险处理策略比第二风险处理策略宽松。
通过本实施例,移动金融交易设备可以使用不同的风险处理策略处理不同风险等级的交易请求,对风险程度较低的交易请求,采用补充校验方式进一步确认交易安全,对风险程度较高的交易请求,采用交易拦截方式进行处理,提高了通过移动金融交易设备进行交易的交易安全性。
在一个实施例中,还包括:获取交易校验信息样本及其交易风险系数标签信息;将交易校验信息样本输入待训练的交易风险识别模型,获取待训练的交易风险识别模型输出的交易风险系数预测信息;获取交易风险系数预测信息与交易风险系数标签信息的相似度;根据相似度与预设相似度阈值的比较结果,调整待训练的交易风险识别模型的模型参数,直至相似度大于或等于预设相似度阈值,或者达到预设调整次数阈值,得到经训练的交易风险识别模型。
本实施例中,移动金融交易设备可以预先训练交易风险识别模型。移动金融交易设备可以从历史交易数据中获取交易校验信息样本及其交易风险系数标签信息。其中交易校验信息样本及其交易风险系数标签信息可以是历史时间段内,经过处理策略进行处理后的交易请求的信息。即交易风险系数标签信息表示交易校验信息样本对应的正确的风险系数。移动金融交易设备可以将交易校验信息输入待训练的交易风险识别模型,并获取待训练的交易风险识别模型输出的交易风险系数预测信息。移动金融交易设备可以将交易风险系数预测信息与交易风险系数标签信息进行比较,并获取比较的相似度,移动金融交易设备根据该相似度与预设相似度阈值的比较结果,调整待训练的交易风险识别模型的模型参数,直至相似度大于或等于预设相似度阈值时,或达到预设调整次数时,移动金融交易设备可以得到经训练的交易风险识别模型。
例如移动金融交易设备检测到上述相似度在预设调整次数内大于或等于相似度阈值时,根据当前次调整得到的交易风险识别模型,作为经训练的交易风险识别模型;移动金融交易设备在检测到上述相似度在达到预设调整次数时仍小于相似度阈值时,将当前次调整得到的交易风险识别模型作为经训练的交易风险识别模型。
具体地,以上述支付介质为交易卡为例,移动金融交易设备在训练交易风险识别模型时,可以获取历史交易数据中,各交易请求中的交易卡类型、交易卡号和开卡时间等,作为支付介质信息样本,并获取交易资源数值、交易地点等作为交易信息样本,以及获取各交易请求对应的用户特征信息样本等,从而移动金融交易设备基于上述支付介质信息样本、交易信息样本和用户特征信息样本,得到交易校验信息样本,并且移动金融交易设备还可以获取交易校验信息样本对应的交易风险系数标签信息,基于获取到的各类数据构建用于模型训练的数据特征,并进行训练。其中,上述待训练的交易风险识别模型,具体可以是XGBoost(eXtreme Gradient Boosting,极致梯度提升)模型,是经过优化的分布式梯度提升库,旨在高效、灵活且可移植。相较于GBDT(Gradient boosting Decision Tree,迭代的决策树算法),XGBoost对代价函数进行二阶泰勒展开,可以同时使用一阶和二阶导数进行模型训练。同时,显式地加入了正则项来控制模型的复杂度,有利于防止过拟合,从而提高模型的泛化能力。
另外,移动金融交易设备对待训练的交易风险识别模型进行训练,得到经训练的交易风险识别模型后,还可以对该交易风险识别模型进行更新。例如,在一个实施例中,移动金融交易设备在确定交易请求对应的处理策略后,还可以将交易请求的交易校验信息作为新的交易校验信息样本,以及将对应的交易风险系数作为新的交易风险系数标签信息。移动金融交易设备可以基于新的交易校验信息样本和新的交易风险系数标签信息对经训练的交易风险识别模型进行更新训练,从而更新交易风险识别模型。
通过上述实施例,移动金融交易设备可以从历史交易数据中确定样本和标签信息,训练得到交易风险识别模型,基于交易风险识别模型进行交易风险识别,提高了通过移动金融交易设备进行交易的交易安全性,并且还可以定期基于新增的交易信息和同业风险事件更新交易风险识别模型,进一步完善风控机制,提高交易安全性。
在一个实施例中,如图3所示,图3为另一个实施例中移动金融交易设备的交易风险处理方法的流程示意图。本实施例中,移动金融交易设备可以是一种POS机,用户的支付介质可以是交易卡。移动金融交易设备可以预先收集历史交易数据,包括卡类型、卡号、开卡时间等卡信息,交易资源数值、交易地点等交易信息以及用户特征信息等。移动金融交易设备可以基于收集到的各类数据训练交易风险识别模型,也称为风险评估模型。
当用户经由POS机发起交易时,POS机可以经由交易风险识别模型判断交易是否存在风险,若不存在风险则允许执行交易并记录交易数据;若存在风险则进入风险处理。POS机可以结合上述模型输出的交易风险系数,对不同风险等级的交易请求执行不同的处理。对于风险较低的交易,POS机可以通过补充交易的方式进一步确认交易安全,对于风险较高的交易则可以采取交易拦截等手段。
另外,POS机还可以定期基于新增的交易信息和同业风险事件,更新交易风险识别模型,从而进一步完善风控机制。
通过上述实施例,移动金融交易设备通过交易风险识别模型识别移动金融交易设备中的交易风险程度,并根据风险程度的不同执行不同处理,提高了交易安全性。并且通过结合历史交易数据与行业内同类型风险事件,基于模型的手段建立POS机智能风控机制。降低POS机交易风险,防范盗刷等类型事件出现。
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移动金融交易设备的交易风险处理方法的移动金融交易设备的交易风险处理装置。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移动金融交易设备的交易风险处理装置实施例中的具体限定可以参见上文中对于移动金融交易设备的交易风险处理方法的限定,在此不再赘述。
在一个实施例中,如图4所示,提供了一种移动金融交易设备的交易风险处理装置,包括:获取模块500、输入模块502和处理模块504,其中:
获取模块500,用于检测到交易请求时,获取交易请求对应的交易校验信息;交易校验信息包括触发交易请求的用户的支付介质信息、交易信息以及用户特征信息。
输入模块502,用于将交易校验信息输入经训练的交易风险识别模型,获取由交易风险识别模型基于交易校验信息中的支付介质信息、交易信息以及用户特征信息输出的交易请求对应的交易风险系数。
处理模块504,用于根据交易风险系数与预设的风险等级阈值的比较结果,确定对交易请求对应的处理策略,并基于处理策略处理交易请求。
在一个实施例中,上述获取模块500,具体用于获取交易请求对应的用户的支付介质类型、支付介质标识和支付介质生成时间中的至少一种,作为支付介质信息;获取交易请求对应的交易资源数值和交易地点中的至少一种,作为交易信息;根据用户输入的身份信息,获取用户的用户特征信息;根据支付介质信息、交易信息和用户特征信息,得到交易校验信息。
在一个实施例中,上述处理模块504,具体用于若交易风险系数大于或等于预设的第一风险等级阈值且小于预设的第二风险等级阈值,则确定对交易请求的处理策略为第一风险处理策略;若交易风险系数大于或等于第二风险等级阈值,则确定交易请求的处理策略为第二风险处理策略。
在一个实施例中,上述处理模块504,具体用于对交易请求的处理策略为第一风险处理策略的情况下,将交易请求发送至校验设备,以使校验设备获取并返回相应校验员对交易请求进行补充校验的校验结果,根据校验结果处理交易请求;对交易请求的处理策略为第二风险处理策略的情况下,拦截交易请求,并输出交易风险提示信息。
在一个实施例中,上述装置还包括:训练模块,用于获取交易校验信息样本及其交易风险系数标签信息;将交易校验信息样本输入待训练的交易风险识别模型,获取待训练的交易风险识别模型输出的交易风险系数预测信息;获取交易风险系数预测信息与交易风险系数标签信息的相似度;根据相似度与预设相似度阈值的比较结果,调整待训练的交易风险识别模型的模型参数,直至相似度大于或等于预设相似度阈值,或者达到预设调整次数阈值,得到经训练的交易风险识别模型。
在一个实施例中,上述装置还包括:更新模块,用于将交易请求的交易校验信息作为新的交易校验信息样本,将对应的交易风险系数作为新的交易风险系数标签信息;基于新的交易校验信息样本和新的交易风险系数标签信息更新交易风险识别模型。
在一个实施例中,上述获取模块500,具体用于检测到交易请求时,确定交易请求的触发渠道;根据触发渠道,通过与触发渠道相适应的获取方式获取交易校验信息。
在一个实施例中,上述装置还包括:选择模块,用于根据触发渠道,获取经训练的多个交易风险识别模型中与触发渠道对应的经训练的交易风险识别模型。
上述移动金融交易设备的交易风险处理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移动金融交易设备,其内部结构图可以如图5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、通信接口、显示屏和输入装置。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、内存储器。该非易失性存储介质存储有操作系统和计算机程序。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。该计算机设备的通信接口用于与外部的移动金融交易设备进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种移动金融交易设备的交易风险处理方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5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上述的移动金融交易设备的交易风险处理方法。
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上述的移动金融交易设备的交易风险处理方法。
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上述的移动金融交易设备的交易风险处理方法。
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,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)
1.一种移动金融交易设备的交易风险处理方法,其特征在于,应用于移动金融交易设备,所述方法包括:
检测到交易请求时,获取所述交易请求对应的交易校验信息;所述交易校验信息包括触发所述交易请求的用户的支付介质信息、交易信息以及用户特征信息;
将所述交易校验信息输入经训练的交易风险识别模型,获取由所述交易风险识别模型基于所述交易校验信息中的支付介质信息、交易信息以及用户特征信息输出的所述交易请求对应的交易风险系数;
根据所述交易风险系数与预设的风险等级阈值的比较结果,确定对所述交易请求对应的处理策略,并基于所述处理策略处理所述交易请求。
2.根据权利要求1所述的方法,其特征在于,所述获取所述交易请求对应的交易校验信息,包括:
获取所述交易请求对应的用户的支付介质类型、支付介质标识和支付介质生成时间中的至少一种,作为支付介质信息;
获取所述交易请求对应的交易资源数值和交易地点中的至少一种,作为交易信息;
根据所述用户输入的身份信息,获取所述用户的用户特征信息;
根据所述支付介质信息、交易信息和用户特征信息,得到交易校验信息。
3.根据权利要求1所述的方法,其特征在于,所述根据所述交易风险系数与预设的风险等级阈值的比较结果,确定对所述交易请求的处理策略,包括:
若所述交易风险系数大于或等于预设的第一风险等级阈值且小于预设的第二风险等级阈值,则确定对所述交易请求的处理策略为第一风险处理策略;
若所述交易风险系数大于或等于所述第二风险等级阈值,则确定所述交易请求的处理策略为第二风险处理策略。
4.根据权利要求1或3任意一项所述的方法,其特征在于,所述基于所述处理策略处理所述交易请求,包括:
对所述交易请求的处理策略为第一风险处理策略的情况下,将所述交易请求发送至校验设备,以使所述校验设备获取并返回相应校验员对所述交易请求进行补充校验的校验结果,根据所述校验结果处理所述交易请求;
对所述交易请求的处理策略为第二风险处理策略的情况下,拦截所述交易请求,并输出交易风险提示信息。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取交易校验信息样本及其交易风险系数标签信息;
将所述交易校验信息样本输入待训练的交易风险识别模型,获取所述待训练的交易风险识别模型输出的交易风险系数预测信息;
获取所述交易风险系数预测信息与所述交易风险系数标签信息的相似度;
根据所述相似度与预设相似度阈值的比较结果,调整所述待训练的交易风险识别模型的模型参数,直至所述相似度大于或等于所述预设相似度阈值,或者达到预设调整次数阈值,得到经训练的交易风险识别模型。
6.根据权利要求5所述的方法,其特征在于,所述确定所述交易请求对应的处理策略之后,还包括:
将所述交易请求的交易校验信息作为新的交易校验信息样本,将对应的交易风险系数作为新的交易风险系数标签信息;
基于所述新的交易校验信息样本和新的交易风险系数标签信息更新所述交易风险识别模型。
7.根据权利要求1所述的方法,其特征在于,所述检测到交易请求时,获取所述交易请求对应的交易校验信息,包括:
检测到交易请求时,确定所述交易请求的触发渠道;
根据所述触发渠道,通过与所述触发渠道相适应的获取方式获取所述交易校验信息;
所述将所述交易校验信息输入经训练的交易风险识别模型之前,还包括:
根据所述触发渠道,获取经训练的多个交易风险识别模型中与所述触发渠道对应的经训练的交易风险识别模型。
8.一种移动金融交易设备的交易风险处理装置,其特征在于,所述装置包括:
获取模块,用于检测到交易请求时,获取所述交易请求对应的交易校验信息;所述交易校验信息包括触发所述交易请求的用户的支付介质信息、交易信息以及用户特征信息;
输入模块,用于将所述交易校验信息输入经训练的交易风险识别模型,获取由所述交易风险识别模型基于所述交易校验信息中的支付介质信息、交易信息以及用户特征信息输出的所述交易请求对应的交易风险系数;
处理模块,用于根据所述交易风险系数与预设的风险等级阈值的比较结果,确定对所述交易请求对应的处理策略,并基于所述处理策略处理所述交易请求。
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 |
---|---|---|---|
CN202310609136.1A CN116862515A (zh) | 2023-05-26 | 2023-05-26 | 移动金融交易设备的交易风险处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310609136.1A CN116862515A (zh) | 2023-05-26 | 2023-05-26 | 移动金融交易设备的交易风险处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116862515A true CN116862515A (zh) | 2023-10-10 |
Family
ID=88232966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310609136.1A Pending CN116862515A (zh) | 2023-05-26 | 2023-05-26 | 移动金融交易设备的交易风险处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116862515A (zh) |
-
2023
- 2023-05-26 CN CN202310609136.1A patent/CN116862515A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109165940B (zh) | 一种防盗方法、装置及电子设备 | |
CN113011895B (zh) | 关联账户样本筛选方法、装置和设备及计算机存储介质 | |
CN112307472A (zh) | 基于智能决策的异常用户识别方法、装置及计算机设备 | |
TW202009834A (zh) | 核身產品推送及核身方法和系統 | |
CN107392614B (zh) | 线下交易的实现方法和装置 | |
AU2021290143B2 (en) | Machine learning module training using input reconstruction techniques and unlabeled transactions | |
CN108875514B (zh) | 人脸认证方法和系统、以及认证设备和非易失性存储介质 | |
Ganji et al. | Shuffled shepherd political optimization‐based deep learning method for credit card fraud detection | |
CN116862515A (zh) | 移动金融交易设备的交易风险处理方法和装置 | |
CN115018608A (zh) | 风险预测方法、装置、计算机设备 | |
Zhang et al. | A ResNet‐LSTM Based Credit Scoring Approach for Imbalanced Data | |
CN110990164A (zh) | 账户检测方法和装置、账户检测模型的训练方法和装置 | |
US20240220791A1 (en) | Systems and methods for training and deploying a neural network | |
US20240152589A1 (en) | Systems and methods for aggregated authenticated data storage | |
CN117456593A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN117390612A (zh) | 信息处理方法、装置、计算机设备和存储介质 | |
CN117132284A (zh) | 业务处理方法、装置、计算机设备和存储介质 | |
CN118245987A (zh) | 数据认证方法、装置、计算机设备和存储介质 | |
CN116628673A (zh) | 应用功能长登陆方法、装置、计算机设备和存储介质 | |
CN118520288A (zh) | 样本数据生成方法、装置、计算机设备和存储介质 | |
CN117436484A (zh) | 图像识别模型构建、装置、计算机设备和存储介质 | |
CN117459577A (zh) | 虚拟物品信息推送方法、装置、计算机设备和存储介质 | |
CN113902438A (zh) | 硬件钱包数据同步方法、装置和计算机设备 | |
CN118644240A (zh) | 用户自主支付策略的生成方法、装置和计算机设备 | |
CN117312406A (zh) | 数据分析方法、装置、计算机设备、存储介质和产品 |
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 |