CN117132396A - 一种用于在线交易的风险评估系统和方法 - Google Patents

一种用于在线交易的风险评估系统和方法 Download PDF

Info

Publication number
CN117132396A
CN117132396A CN202310812564.4A CN202310812564A CN117132396A CN 117132396 A CN117132396 A CN 117132396A CN 202310812564 A CN202310812564 A CN 202310812564A CN 117132396 A CN117132396 A CN 117132396A
Authority
CN
China
Prior art keywords
transaction
decision maker
decision
probability
abnormal
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
Application number
CN202310812564.4A
Other languages
English (en)
Inventor
郭艳平
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.)
Beijing Zhongsheng Jiucheng Enterprise Management Consulting Co ltd
Original Assignee
Beijing Zhongsheng Jiucheng Enterprise Management Consulting 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 Beijing Zhongsheng Jiucheng Enterprise Management Consulting Co ltd filed Critical Beijing Zhongsheng Jiucheng Enterprise Management Consulting Co ltd
Priority to CN202310812564.4A priority Critical patent/CN117132396A/zh
Publication of CN117132396A publication Critical patent/CN117132396A/zh
Pending legal-status Critical Current

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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0609—Buyer or seller confidence or verification

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Technology Law (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种用于在线交易的风险评估系统和方法，涉及电子交易技术领域；该系统包括信息采集器、多个决策器和概率统计判定器，所述决策器包括用于决策交易时间概率的决策器一、用于决策交易金额的决策器二、用于决策用户信誉度信息的决策器三以及用于决策交易货物类型的决策器四，该方法包括信息采集器采集本次交易的信息，决策器一、决策器二、决策器三和决策器四分别对交易时间、交易金额、买家信誉度、卖家信誉度和货物类型信息中。本发明通过设置多个维度的决策器，按照以往数据建立对比库，然后利用数据对比的方式确定各个维度各个区间的概率评估，然后再将各个维度的评估结果进行汇总，实现最终评估，从而增加了评估结果的精准度。

Description

一种用于在线交易的风险评估系统和方法
技术领域
本发明涉及电子交易技术领域，尤其涉及一种用于在线交易的风险评估系统和方法。
背景技术
在金融领域中的交易风险的评估中，业务人员需要掌握客户的特征标签并且向客户的风险做出评估解释，因而在很长一段时间里模型开发人员不得不因为神经网络的安全风险和不公正问题而做出放弃，选取可解释强的逻辑回归模型，对客户的交易风险进行评估。
为了解决上述问题，经检索，中国专利公开号为CN115115199A的专利，公开了交易风险的评估方法及装置，包括：获取目标用户的行内交易数据，并对行内交易数据进行特征提取，得到目标用户的行内交易特征；将行内交易特征输入可解释性神经网络gami-net模型，得到gami-net模型输出的目标用户的交易风险评分。
上述专利存在以下不足：其以特征提取结合方差(数据波动情况)来判断交易是否存在风险，而此种方式只能基于用户的习惯进行判定，无法从多维度综合判定，从而使得评估精确度较低。
为此，本发明提出一种用于在线交易的风险评估系统和方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种用于在线交易的风险评估系统和方法。
为了实现上述目的，本发明采用了如下技术方案：
一种用于在线交易的风险评估系统和方法，包括信息采集器、多个决策器和概率统计判定器，所述决策器包括用于决策交易时间概率的决策器一、用于决策交易金额的决策器二、用于决策用户信誉度信息的决策器三以及用于决策交易货物类型的决策器四。
一种用于在线交易的风险评估方法，其基于用于在线交易的风险评估系统实现，具体包括以下步骤：
S1：信息采集器采集本次交易的信息，包括交易时间、交易金额、买家信誉度、卖家信誉度和货物类型；
S2：决策器一、决策器二、决策器三和决策器四分别对交易时间、交易金额、买家信誉度、卖家信誉度和货物类型信息中，存在交易风险的概率进行投票；
S3：概率统计判定器根据决策器一、决策器二、决策器三和决策器四各自输出的结果进行汇总，计算最终概率，并与阈值比较，若大于阈值，则判定存在交易风险，若小于阈值，则判定正常交易。
优选地：所述S2步骤中，决策器一的决策逻辑为：
A1：将一天24小时分为n个时间段；
A2：获取以往所有的交易数据，总次数为p，其中包括正常交易和非正常交易；
A3：将非正常交易中的每次交易发生的时刻匹配至n个时间段内，统计每个时间段包含非正常交易的次数p′，则该时间段发生交易存在风险的概率为
A4：获取此次交易发生的时刻，并判定落入哪个时间段内，该时间段发生交易存在风险的概率即为此次交易基于时间决策发生的概率。
优选地：所述S2步骤中，决策器二的决策逻辑为：
B1：获取以往所有的交易数据，其中包括正常交易和非正常交易；
B2：在非正常交易中获取交易金额A＝{A1，A2，......An}，并且设定区间范围Δk；
B3：则根据交易金额，形成n个金额区间((1-n)An，(1+n)An)；
B4：交易金额为A的交易，其对应的金额区间为((1-n)A，(1+n)A)，若其与相邻的金额区间不存在并集，则其对应的概率为若其与相邻的金额区间存在并集，则将两个具有并集的金额区间合集，且合集对应的概率为/>
优选地：所述B4步骤中，m＞3。
优选地：所述S2中，决策器四的决策逻辑为：
C1：获取以往所有的交易数据，其中包括正常交易和非正常交易；
C2：获取非正常交易中的货物类型，并将每种货物类型对应的概率设定为P2为总交易的货物类型数量，P2为非正常交易的货物类型数量；
C3：获取此次交易中包含的货物类型，并将货物类型与非正常交易中的货物类型对比，通过公式输出结果，其中n为本次交易货物中，包含非正常交易中货物类型的数量，n1是本次交易包含货物类型的总数量。
优选地：所述S2中，决策器三的决策逻辑为：
D1：获取买家/卖家信息，并判断卖家/卖家过往交易中是否存在异常交易；
D2：若存在异常交易行为，则给予买家/卖家惩罚一次记录；
D3：按照公式计算信誉度，p为买家/卖家交易总次数，p1为交易异常次数，k为系数；
D4：将买家信誉度和卖家信誉度去均值后输出。
优选地：所述概率统计判定器的判定方法包括以下步骤：
E1：分别获取决策器一、决策器二、决策器三、决策器四的输出结果概率H1、H2、H3、H4；
E2：按照公式计算最终输出结果。
优选地：所述E2步骤中，a1、a2、a3、a4分别为决策器一、决策器二、决策器三、决策器四输出值的权重。
优选地：所述E2步骤中，
本发明的有益效果为：
1.本发明通过设置多个维度的决策器，按照以往数据建立对比库，然后利用数据对比的方式确定各个维度各个区间的概率评估，然后再将各个维度的评估结果进行汇总，实现最终评估，从而增加了评估结果的精准度。
附图说明
图1为本发明提出的一种用于在线交易的风险评估方法逻辑示意图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
在本专利的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“设置”应做广义理解，例如，可以是固定相连、设置，也可以是可拆卸连接、设置，或一体地连接、设置。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利中的具体含义。
实施例1：
一种用于在线交易的风险评估系统，包括信息采集器、多个决策器和概率统计判定器，所述决策器包括用于决策交易时间概率的决策器一、用于决策交易金额的决策器二、用于决策用户信誉度信息的决策器三以及用于决策交易货物类型的决策器四。
实施例2：
一种用于在线交易的风险评估方法，其基于用于在线交易的风险评估系统实现，具体包括以下步骤：
S1：信息采集器采集本次交易的信息，包括交易时间、交易金额、买家信誉度、卖家信誉度和货物类型；
S2：决策器一、决策器二、决策器三和决策器四分别对交易时间、交易金额、买家信誉度、卖家信誉度和货物类型信息中，存在交易风险的概率进行投票；
S3：概率统计判定器根据决策器一、决策器二、决策器三和决策器四各自输出的结果进行汇总，计算最终概率，并与阈值比较，若大于阈值，则判定存在交易风险，若小于阈值，则判定正常交易。
所述S2步骤中，决策器一的决策逻辑为：
A1：将一天24小时分为n个时间段；
A2：获取以往所有的交易数据，总次数为p，其中包括正常交易和非正常交易；
A3：将非正常交易中的每次交易发生的时刻匹配至n个时间段内，统计每个时间段包含非正常交易的次数p′，则该时间段发生交易存在风险的概率为
A4：获取此次交易发生的时刻，并判定落入哪个时间段内，该时间段发生交易存在风险的概率即为此次交易基于时间决策发生的概率。
所述S2步骤中，决策器二的决策逻辑为：
B1：获取以往所有的交易数据，其中包括正常交易和非正常交易；
B2：在非正常交易中获取交易金额A＝{A1，A2，......An}，并且设定区间范围Δk；
B3：则根据交易金额，形成n个金额区间((1-n)An，(1+n)An)；
B4：交易金额为A的交易，其对应的金额区间为((1-n)A，(1+n)A)，若其与相邻的金额区间不存在并集，则其对应的概率为若其与相邻的金额区间存在并集，则将两个具有并集的金额区间合集，且合集对应的概率为/>其中m＝3.5；
B5：获取此次交易的金额，若落入上述的金额区间，则输出该金额区间对应的概率，若不落入，则输出为0。
所述步骤S2中，决策器四的决策逻辑为：
C1：获取以往所有的交易数据，其中包括正常交易和非正常交易；
C2：获取非正常交易中的货物类型，并将每种货物类型对应的概率设定为P2为总交易的货物类型数量，P2为非正常交易的货物类型数量；
C3：获取此次交易中包含的货物类型，并将货物类型与非正常交易中的货物类型对比，通过公式输出结果，其中n为本次交易货物中，包含非正常交易中货物类型的数量，n1是本次交易包含货物类型的总数量。
所述步骤S2中，决策器三的决策逻辑为：
D1：获取买家/卖家信息，并判断卖家/卖家过往交易中是否存在异常交易；
D2：若存在异常交易行为，则给予买家/卖家惩罚一次记录；
D3：按照公式计算信誉度，p为买家/卖家交易总次数，p1为交易异常次数，k为系数；
D4：将买家信誉度和卖家信誉度去均值后输出。
所述概率统计判定器的判定方法包括以下步骤：
E1：分别获取决策器一、决策器二、决策器三、决策器四的输出结果概率H1、H2、H3、H4；
E2：按照公式计算最终输出结果。
实施例3：
一种用于在线交易的风险评估方法，其基于用于在线交易的风险评估系统实现，具体包括以下步骤：
S1：信息采集器采集本次交易的信息，包括交易时间、交易金额、买家信誉度、卖家信誉度和货物类型；
S2：决策器一、决策器二、决策器三和决策器四分别对交易时间、交易金额、买家信誉度、卖家信誉度和货物类型信息中，存在交易风险的概率进行投票；
S3：概率统计判定器根据决策器一、决策器二、决策器三和决策器四各自输出的结果进行汇总，计算最终概率，并与阈值比较，若大于阈值，则判定存在交易风险，若小于阈值，则判定正常交易。
所述S2步骤中，决策器一的决策逻辑为：
A1：将一天24小时分为n个时间段；
A2：获取以往所有的交易数据，总次数为p，其中包括正常交易和非正常交易；
A3：将非正常交易中的每次交易发生的时刻匹配至n个时间段内，统计每个时间段包含非正常交易的次数p′，则该时间段发生交易存在风险的概率为
A4：获取此次交易发生的时刻，并判定落入哪个时间段内，该时间段发生交易存在风险的概率即为此次交易基于时间决策发生的概率。
所述S2步骤中，决策器二的决策逻辑为：
B1：获取以往所有的交易数据，其中包括正常交易和非正常交易；
B2：在非正常交易中获取交易金额A＝{A1，A2，......An}，并且设定区间范围Δk；
B3：则根据交易金额，形成n个金额区间((1-n)An，(1+n)An)；
B4：交易金额为A的交易，其对应的金额区间为((1-n)A，(1+n)A)，若其与相邻的金额区间不存在并集，则其对应的概率为，若其与相邻的金额区间存在并集，则将两个具有并集的金额区间合集，且合集对应的概率为/>其中m＝3.2；
B5：获取此次交易的金额，若落入上述的金额区间，则输出该金额区间对应的概率，若不落入，则输出为0。
所述步骤S2中，决策器四的决策逻辑为：
C1：获取以往所有的交易数据，其中包括正常交易和非正常交易；
C2：获取非正常交易中的货物类型，并将每种货物类型对应的概率设定为P2为总交易的货物类型数量，P2为非正常交易的货物类型数量；
C3：获取此次交易中包含的货物类型，并将货物类型与非正常交易中的货物类型对比，通过公式输出结果，其中n为本次交易货物中，包含非正常交易中货物类型的数量，n1是本次交易包含货物类型的总数量。
所述步骤S2中，决策器三的决策逻辑为：
D1：获取买家/卖家信息，并判断卖家/卖家过往交易中是否存在异常交易；
D2：若存在异常交易行为，则给予买家/卖家惩罚一次记录；
D3：按照公式计算信誉度，p为买家/卖家交易总次数，p1为交易异常次数，k为系数；
D4：将买家信誉度和卖家信誉度去均值后输出。
所述概率统计判定器的判定方法包括以下步骤：
E1：分别获取决策器一、决策器二、决策器三、决策器四的输出结果概率H1、H2、H3、H4；
E2：按照公式计算最终输出结果。
实施例4：
一种用于在线交易的风险评估方法，其基于用于在线交易的风险评估系统实现，具体包括以下步骤：
S1：信息采集器采集本次交易的信息，包括交易时间、交易金额、买家信誉度、卖家信誉度和货物类型；
S2：决策器一、决策器二、决策器三和决策器四分别对交易时间、交易金额、买家信誉度、卖家信誉度和货物类型信息中，存在交易风险的概率进行投票；
S3：概率统计判定器根据决策器一、决策器二、决策器三和决策器四各自输出的结果进行汇总，计算最终概率，并与阈值比较，若大于阈值，则判定存在交易风险，若小于阈值，则判定正常交易。
所述S2步骤中，决策器一的决策逻辑为：
A1：将一天24小时分为n个时间段；
A2：获取以往所有的交易数据，总次数为p，其中包括正常交易和非正常交易；
A3：将非正常交易中的每次交易发生的时刻匹配至n个时间段内，统计每个时间段包含非正常交易的次数p′，则该时间段发生交易存在风险的概率为
A4：获取此次交易发生的时刻，并判定落入哪个时间段内，该时间段发生交易存在风险的概率即为此次交易基于时间决策发生的概率。
所述S2步骤中，决策器二的决策逻辑为：
B1：获取以往所有的交易数据，其中包括正常交易和非正常交易；
B2：在非正常交易中获取交易金额A＝{A1，A2，......An}，并且设定区间范围Δk；
B3：则根据交易金额，形成n个金额区间((1-n)An，(1+n)An)；
B4：交易金额为A的交易，其对应的金额区间为((1-n)A，(1+n)A)，若其与相邻的金额区间不存在并集，则其对应的概率为若其与相邻的金额区间存在并集，则将两个具有并集的金额区间合集，且合集对应的概率为/>其中m＝4；
B5：获取此次交易的金额，若落入上述的金额区间，则输出该金额区间对应的概率，若不落入，则输出为0。
所述步骤S2中，决策器四的决策逻辑为：
C1：获取以往所有的交易数据，其中包括正常交易和非正常交易；
C2：获取非正常交易中的货物类型，并将每种货物类型对应的概率设定为P2为总交易的货物类型数量，P2为非正常交易的货物类型数量；
C3：获取此次交易中包含的货物类型，并将货物类型与非正常交易中的货物类型对比，通过公式输出结果，其中n为本次交易货物中，包含非正常交易中货物类型的数量，n1是本次交易包含货物类型的总数量。
所述步骤S2中，决策器三的决策逻辑为：
D1：获取买家/卖家信息，并判断卖家/卖家过往交易中是否存在异常交易；
D2：若存在异常交易行为，则给予买家/卖家惩罚一次记录；
D3：按照公式计算信誉度，p为买家/卖家交易总次数，p1为交易异常次数，k为系数；
D4：将买家信誉度和卖家信誉度去均值后输出。
所述概率统计判定器的判定方法包括以下步骤：
E1：分别获取决策器一、决策器二、决策器三、决策器四的输出结果概率H1、H2、H3、H4；
E2：按照公式计算最终输出结果。
实施例5：
一种用于在线交易的风险评估方法，其基于用于在线交易的风险评估系统实现，具体包括以下步骤：
S1：信息采集器采集本次交易的信息，包括交易时间、交易金额、买家信誉度、卖家信誉度和货物类型；
S2：决策器一、决策器二、决策器三和决策器四分别对交易时间、交易金额、买家信誉度、卖家信誉度和货物类型信息中，存在交易风险的概率进行投票；
S3：概率统计判定器根据决策器一、决策器二、决策器三和决策器四各自输出的结果进行汇总，计算最终概率，并与阈值比较，若大于阈值，则判定存在交易风险，若小于阈值，则判定正常交易。
所述S2步骤中，决策器一的决策逻辑为：
A1：将一天24小时分为n个时间段；
A2：获取以往所有的交易数据，总次数为p，其中包括正常交易和非正常交易；
A3：将非正常交易中的每次交易发生的时刻匹配至n个时间段内，统计每个时间段包含非正常交易的次数p′，则该时间段发生交易存在风险的概率为
A4：获取此次交易发生的时刻，并判定落入哪个时间段内，该时间段发生交易存在风险的概率即为此次交易基于时间决策发生的概率。
所述S2步骤中，决策器二的决策逻辑为：
B1：获取以往所有的交易数据，其中包括正常交易和非正常交易；
B2：在非正常交易中获取交易金额A＝{A1，A2，......An}，并且设定区间范围Δk；
B3：则根据交易金额，形成n个金额区间((1-n)An，(1+n)An)；
B4：交易金额为A的交易，其对应的金额区间为((1-n)A，(1+n)A)，若其与相邻的金额区间不存在并集，则其对应的概率为，若其与相邻的金额区间存在并集，则将两个具有并集的金额区间合集，且合集对应的概率为/>其中m＝5；
B5：获取此次交易的金额，若落入上述的金额区间，则输出该金额区间对应的概率，若不落入，则输出为0。
所述步骤S2中，决策器四的决策逻辑为：
C1：获取以往所有的交易数据，其中包括正常交易和非正常交易；
C2：获取非正常交易中的货物类型，并将每种货物类型对应的概率设定为P2为总交易的货物类型数量，P2为非正常交易的货物类型数量；
C3：获取此次交易中包含的货物类型，并将货物类型与非正常交易中的货物类型对比，通过公式输出结果，其中n为本次交易货物中，包含非正常交易中货物类型的数量，n1是本次交易包含货物类型的总数量。
所述步骤S2中，决策器三的决策逻辑为：
D1：获取买家/卖家信息，并判断卖家/卖家过往交易中是否存在异常交易；
D2：若存在异常交易行为，则给予买家/卖家惩罚一次记录；
D3：按照公式计算信誉度，p为买家/卖家交易总次数，p1为交易异常次数，k为系数；
D4：将买家信誉度和卖家信誉度去均值后输出。
所述概率统计判定器的判定方法包括以下步骤：
E1：分别获取决策器一、决策器二、决策器三、决策器四的输出结果概率H1、H2、H3、H4；
E2：按照公式计算最终输出结果。
实施例6：
一种用于在线交易的风险评估方法，其基于用于在线交易的风险评估系统实现，具体包括以下步骤：
S1：信息采集器采集本次交易的信息，包括交易时间、交易金额、买家信誉度、卖家信誉度和货物类型；
S2：决策器一、决策器二、决策器三和决策器四分别对交易时间、交易金额、买家信誉度、卖家信誉度和货物类型信息中，存在交易风险的概率进行投票；
S3：概率统计判定器根据决策器一、决策器二、决策器三和决策器四各自输出的结果进行汇总，计算最终概率，并与阈值比较，若大于阈值，则判定存在交易风险，若小于阈值，则判定正常交易。
所述S2步骤中，决策器一的决策逻辑为：
A1：将一天24小时分为n个时间段；
A2：获取以往所有的交易数据，总次数为p，其中包括正常交易和非正常交易；
A3：将非正常交易中的每次交易发生的时刻匹配至n个时间段内，统计每个时间段包含非正常交易的次数p′，则该时间段发生交易存在风险的概率为
A4：获取此次交易发生的时刻，并判定落入哪个时间段内，该时间段发生交易存在风险的概率即为此次交易基于时间决策发生的概率。
所述S2步骤中，决策器二的决策逻辑为：
B1：获取以往所有的交易数据，其中包括正常交易和非正常交易；
B2：在非正常交易中获取交易金额A＝{A1，A2，......An}，并且设定区间范围Δk；
B3：则根据交易金额，形成n个金额区间((1-n)An，(1+n)An)；
B4：交易金额为A的交易，其对应的金额区间为((1-n)A，(1+n)A)，若其与相邻的金额区间不存在并集，则其对应的概率为若其与相邻的金额区间存在并集，则将两个具有并集的金额区间合集，且合集对应的概率为/>其中m＝6；
B5：获取此次交易的金额，若落入上述的金额区间，则输出该金额区间对应的概率，若不落入，则输出为0。
所述步骤S2中，决策器四的决策逻辑为：
C1：获取以往所有的交易数据，其中包括正常交易和非正常交易；
C2：获取非正常交易中的货物类型，并将每种货物类型对应的概率设定为P2为总交易的货物类型数量，P2为非正常交易的货物类型数量；
C3：获取此次交易中包含的货物类型，并将货物类型与非正常交易中的货物类型对比，通过公式输出结果，其中n为本次交易货物中，包含非正常交易中货物类型的数量，n1是本次交易包含货物类型的总数量。
所述步骤S2中，决策器三的决策逻辑为：
D1：获取买家/卖家信息，并判断卖家/卖家过往交易中是否存在异常交易；
D2：若存在异常交易行为，则给予买家/卖家惩罚一次记录；
D3：按照公式计算信誉度，p为买家/卖家交易总次数，p1为交易异常次数，k为系数；
D4：将买家信誉度和卖家信誉度去均值后输出。
所述概率统计判定器的判定方法包括以下步骤：
E1：分别获取决策器一、决策器二、决策器三、决策器四的输出结果概率H1、H2、H3、H4；
E2：按照公式计算最终输出结果。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种用于在线交易的风险评估系统，其特征在于，包括信息采集器、多个决策器和概率统计判定器，所述决策器包括用于决策交易时间概率的决策器一、用于决策交易金额的决策器二、用于决策用户信誉度信息的决策器三以及用于决策交易货物类型的决策器四。
2.一种用于在线交易的风险评估方法，其特征在于，其基于用于在线交易的风险评估系统实现，具体包括以下步骤：
S1：信息采集器采集本次交易的信息，包括交易时间、交易金额、买家信誉度、卖家信誉度和货物类型；
S2：决策器一、决策器二、决策器三和决策器四分别对交易时间、交易金额、买家信誉度、卖家信誉度和货物类型信息中，存在交易风险的概率进行投票；
S3：概率统计判定器根据决策器一、决策器二、决策器三和决策器四各自输出的结果进行汇总，计算最终概率，并与阈值比较，若大于阈值，则判定存在交易风险，若小于阈值，则判定正常交易。
3.根据权利要求2所述的一种用于在线交易的风险评估方法，其特征在于，所述S2步骤中，决策器一的决策逻辑为：
A1：将一天24小时分为n个时间段；
A2：获取以往所有的交易数据，总次数为p，其中包括正常交易和非正常交易；
A3：将非正常交易中的每次交易发生的时刻匹配至n个时间段内，统计每个时间段包含非正常交易的次数p′，则该时间段发生交易存在风险的概率为
A4：获取此次交易发生的时刻，并判定落入哪个时间段内，该时间段发生交易存在风险的概率即为此次交易基于时间决策发生的概率。
4.根据权利要求2所述的一种用于在线交易的风险评估方法，其特征在于，所述S2步骤中，决策器二的决策逻辑为：
B1：获取以往所有的交易数据，其中包括正常交易和非正常交易；
B2：在非正常交易中获取交易金额A＝{A1，A2，......An}，并且设定区间范围Δk；
B3：则根据交易金额，形成n个金额区间((1-n)An，(1+n)An)；
B4：交易金额为A的交易，其对应的金额区间为((1-n)A，(1+n)A)，若其与相邻的金额区间不存在并集，则其对应的概率为若其与相邻的金额区间存在并集，则将两个具有并集的金额区间合集，且合集对应的概率为/>
5.根据权利要求5所述的一种用于在线交易的风险评估方法，其特征在于，所述B4步骤中，m＞3。
6.根据权利要求2所述的一种用于在线交易的风险评估方法，其特征在于，所述S2中，决策器四的决策逻辑为：
C1：获取以往所有的交易数据，其中包括正常交易和非正常交易；
C2：获取非正常交易中的货物类型，并将每种货物类型对应的概率设定为P2为总交易的货物类型数量，P2为非正常交易的货物类型数量；
C3：获取此次交易中包含的货物类型，并将货物类型与非正常交易中的货物类型对比，通过公式输出结果，其中n为本次交易货物中，包含非正常交易中货物类型的数量，n1是本次交易包含货物类型的总数量。
7.根据权利要求2所述的一种用于在线交易的风险评估方法，其特征在于，所述S2中，决策器三的决策逻辑为：
D1：获取买家/卖家信息，并判断卖家/卖家过往交易中是否存在异常交易；
D2：若存在异常交易行为，则给予买家/卖家惩罚一次记录；
D3：按照公式计算信誉度，p为买家/卖家交易总次数，p1为交易异常次数，k为系数；
D4：将买家信誉度和卖家信誉度去均值后输出。
8.根据权利要求2所述的一种用于在线交易的风险评估方法，其特征在于，所述概率统计判定器的判定方法包括以下步骤：
E1：分别获取决策器一、决策器二、决策器三、决策器四的输出结果概率H1、H2、H3、H4；
E2：按照公式计算最终输出结果。
9.根据权利要求8所述的一种用于在线交易的风险评估方法，其特征在于，所述E2步骤中，a1、a2、a3、a4分别为决策器一、决策器二、决策器三、决策器四输出值的权重。
10.根据权利要求9所述的一种用于在线交易的风险评估方法，其特征在于，所述E2步骤中，
CN202310812564.4A 2023-07-04 2023-07-04 一种用于在线交易的风险评估系统和方法 Pending CN117132396A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310812564.4A CN117132396A (zh) 2023-07-04 2023-07-04 一种用于在线交易的风险评估系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310812564.4A CN117132396A (zh) 2023-07-04 2023-07-04 一种用于在线交易的风险评估系统和方法

Publications (1)

Publication Number Publication Date
CN117132396A true CN117132396A (zh) 2023-11-28

Family

ID=88855482

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310812564.4A Pending CN117132396A (zh) 2023-07-04 2023-07-04 一种用于在线交易的风险评估系统和方法

Country Status (1)

Country Link
CN (1) CN117132396A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105631746A (zh) * 2014-11-03 2016-06-01 阿里巴巴集团控股有限公司 基于计算机系统的网络交易的风险识别方法及其系统
CN109242261A (zh) * 2018-08-14 2019-01-18 中国平安人寿保险股份有限公司 基于大数据评估保全风险的方法及终端设备
CN111105238A (zh) * 2019-11-07 2020-05-05 中国建设银行股份有限公司 一种交易风险控制方法和装置
CN112581270A (zh) * 2020-12-15 2021-03-30 中国建设银行股份有限公司 风险账户的识别方法、装置、电子设备和存储介质
KR20210138297A (ko) * 2020-05-12 2021-11-19 (주)이엘온소프트 자금세탁방지를 위한 위험평가 시스템 및 방법
CN114926278A (zh) * 2022-05-25 2022-08-19 中国建设银行股份有限公司 一种交易风险评估方法及装置、电子设备、存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105631746A (zh) * 2014-11-03 2016-06-01 阿里巴巴集团控股有限公司 基于计算机系统的网络交易的风险识别方法及其系统
CN109242261A (zh) * 2018-08-14 2019-01-18 中国平安人寿保险股份有限公司 基于大数据评估保全风险的方法及终端设备
CN111105238A (zh) * 2019-11-07 2020-05-05 中国建设银行股份有限公司 一种交易风险控制方法和装置
KR20210138297A (ko) * 2020-05-12 2021-11-19 (주)이엘온소프트 자금세탁방지를 위한 위험평가 시스템 및 방법
CN112581270A (zh) * 2020-12-15 2021-03-30 中国建设银行股份有限公司 风险账户的识别方法、装置、电子设备和存储介质
CN114926278A (zh) * 2022-05-25 2022-08-19 中国建设银行股份有限公司 一种交易风险评估方法及装置、电子设备、存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
王忠群 等: "基于证据网络的 C2C 商品购买风险动态评估模型", 《控制与决策》, vol. 33, no. 03 *
许红冉 等: "C2C电子商务动态信用评价模型", 《山东理工大学学报（自然科学版）》, vol. 26, no. 01 *
陈明晶;姚建荣;: "基于D-S证据理论的C2C交易风险评估模型", 数学的实践与认识, no. 12, pages 1 - 4 *

Similar Documents

Publication Publication Date Title
CN108960833B (zh) 一种基于异构金融特征的异常交易识别方法，设备及存储介质
US7003484B2 (en) Methods and systems for efficiently sampling portfolios for optimal underwriting
US6985881B2 (en) Methods and apparatus for automated underwriting of segmentable portfolio assets
US7096197B2 (en) Methods and apparatus for simulating competitive bidding yield
US7028005B2 (en) Methods and systems for finding value and reducing risk
US20020013752A1 (en) Rapid valuation of portfolios of assets such as financial instruments
CN109948728A (zh) 异常交易检测模型的训练以及异常交易检测的方法和装置
US7162445B2 (en) Methods and systems for quantifying cash flow recovery and risk
US20020032585A1 (en) Valuation prediction models in situations with missing inputs
US20010044766A1 (en) Methods and systems for modeling using classification and regression trees
WO2017133456A1 (zh) 一种确定风险评估参数的方法及装置
US20020049659A1 (en) Methods and systems for optimizing return and present value
CN111476660B (zh) 一种基于数据分析的智能风控系统及方法
EP1264242A1 (en) Methods and systems for automated inferred valuation of credit scoring
CN109829721B (zh) 基于异质网络表征学习的线上交易多主体行为建模方法
CN108898480A (zh) 用于授信贷款的贷款等级评估系统及方法
CN117132396A (zh) 一种用于在线交易的风险评估系统和方法
CN109360099A (zh) 一种基于k-近邻算法的金融反欺诈方法
TWI758676B (zh) 金融交易量警示系統
CN114187002B (zh) 一种金融安全系统及方法
CN113469826B (zh) 一种信息处理的方法、装置、设备及存储介质
CN111860647B (zh) 一种异常消费模式判定方法
CN113313497B (zh) 一种账户数据的风险分析方法及装置
TWI765847B (zh) 具有優惠訊息推播功能的金融交易警示系統
Bellotti et al. Support vector machines for credit scoring and discovery of significant features

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