CN117172921A - 自助终端的交易处理方法、装置、设备及存储介质 - Google Patents

Abstract

本申请提供一种自助终端的交易处理方法、装置、设备及存储介质，可用于金融领域或其他领域。该方法包括：依据目标自助终端的历史业务数据，确定目标自助终端的客户集合；对于客户集合的每个客户，依据客户的历史交易数据，确定客户的交易风险熵；获取第一风险阈值和第二风险阈值；将客户集合中对应的交易风险熵小于第一风险阈值的客户作为目标自助终端的非风险客户；将客户集合中对应的交易风险熵大于第二风险阈值的客户作为目标自助终端的风险客户；依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，对目标自助终端的交易按照预设风险控制策略进行对应处理。本申请的方法，提高了自助终端交易的安全性。

Description

自助终端的交易处理方法、装置、设备及存储介质

技术领域

本申请涉及金融领域或其他领域，尤其涉及一种自助终端的交易处理方法、装置、设备及存储介质。

背景技术

在金融领域中，自助终端是银行客户进行交易的常用工具，客户可以通过在自助终端上操作并点选需要进行交易的内容，自助终端根据客户的操作，进行对应处理，从而完成客户需求的交易。客户在自助终端进行交易时，可能存在安全性风险问题，如交易账户存在风险、交易渠道存在风险等。

目前需要有效的控制自助终端的交易安全。

发明内容

本申请提供一种自助终端的交易处理方法、装置、设备及存储介质，用以解决目前需要有效的控制自助终端的交易安全的问题。

本申请第一方面提供一种自助终端的交易处理方法，包括：

依据目标自助终端的历史业务数据，确定目标自助终端的客户集合；

对于所述客户集合的每个客户，依据所述客户的历史交易数据，确定所述客户的交易风险熵；其中，交易风险熵用于表征客户在交易时有关风险的信息量；

获取第一风险阈值和第二风险阈值；其中，第一风险阈值小于第二风险阈值；

将所述客户集合中对应的交易风险熵小于第一风险阈值的客户作为目标自助终端的非风险客户；

将所述客户集合中对应的交易风险熵大于第二风险阈值的客户作为目标自助终端的风险客户；

依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，对目标自助终端的交易按照预设风险控制策略进行对应处理。

本申请第二方面提供一种自助终端的交易处理装置，包括：

第一确定模块，用于依据目标自助终端的历史业务数据，确定目标自助终端的客户集合；

第二确定模块，用于对于所述客户集合的每个客户，依据所述客户的历史交易数据，确定所述客户的交易风险熵；其中，交易风险熵用于表征客户在交易时有关风险的信息量；

获取模块，用于获取第一风险阈值和第二风险阈值；其中，第一风险阈值小于第二风险阈值；

第一定义模块，用于将所述客户集合中对应的交易风险熵小于第一风险阈值的客户作为目标自助终端的非风险客户；

第二定义模块，用于将所述客户集合中对应的交易风险熵大于第二风险阈值的客户作为目标自助终端的风险客户；

处理模块，用于依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，对目标自助终端的交易按照预设风险控制策略进行对应处理。

本申请第三方面提供一种电子设备，包括：存储器和处理器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面任一项所述的自助终端的交易处理方法。

本申请第四方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现第一方面任一项所述的自助终端的交易处理方法。

本申请第五方面提供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第一方面任一项所述的自助终端的交易处理方法。

本申请提供的一种自助终端的交易处理方法、装置、设备及存储介质，该方法包括：依据目标自助终端的历史业务数据，确定目标自助终端的客户集合；对于所述客户集合的每个客户，依据所述客户的历史交易数据，确定所述客户的交易风险熵；其中，交易风险熵用于表征客户在交易时有关风险的信息量；获取第一风险阈值和第二风险阈值；其中，第一风险阈值小于第二风险阈值；将所述客户集合中对应的交易风险熵小于第一风险阈值的客户作为目标自助终端的非风险客户；将所述客户集合中对应的交易风险熵大于第二风险阈值的客户作为目标自助终端的风险客户；依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，对目标自助终端的交易按照预设风险控制策略进行对应处理。本申请的自助终端的交易处理方法，根据目标自助终端的历史业务数据，确定目标自助终端的客户集合，同时，确定客户集合中各客户对应的交易风险熵。由于交易风险熵可以表征客户在交易时的风险，通过结合预设的第一风险阈值和第二风险阈值，可以从客户集合中筛选出目标自助终端的非风险客户、目标自助终端的风险客户。最终以目标自助终端的各个非风险客户、目标自助终端的各个风险客户为基础，对目标自助终端的交易按照预设风险控制策略进行对应处理，提高了自助终端交易的安全性。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1为可以实现本申请实施例的自助终端的交易处理方法的场景图；

图2为本申请提供的自助终端的交易处理方法的流程示意图一；

图3为本申请提供的自助终端的交易处理方法的流程示意图二；

图4为本申请提供的自助终端的交易处理装置的结构示意图；

图5为本申请提供的电子设备的结构示意图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

本申请实施例的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

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，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。

需要说明的是，本公开自助终端的交易处理方法、装置、设备及存储介质可用于金融领域或其他领域。也可用于除金融领域以外的任意领域。本公开自助终端的交易处理方法、装置、设备及存储介质应用领域不作限定。

下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

为了清楚理解本申请的技术方案，首先对现有技术的方案进行详细介绍。随着智能技术的不断发展，银行逐渐以智能设备替代人工的方式进行部分交易处理，提高交易处理的整体效率。自助终端是银行常用的智能设备，客户可以在自助终端上通过简单的点击、选择等操作进行办卡、存储、转账等交易处理。客户在自助终端进行交易时，可能存在安全性风险问题，如交易账户存在风险、交易渠道存在风险等。

针对自助终端交易安全的风险问题，目前缺乏一种针对自助终端交易安全的交易处理方案。

所以针对现有技术中缺乏一种针对自助终端交易安全的交易处理方案的问题，发明人在研究中发现，可以基于目标自助终端的客户集合中各客户的交易风险熵确定目标自助终端的非风险客户和风险客户。同时，以目标自助终端的各个非风险客户、目标自助终端的各个风险客户为基础，对目标自助终端的交易按照预设风险控制策略进行对应处理，从而提高自助终端交易的安全性。

具体的，依据目标自助终端的历史业务数据，确定目标自助终端的客户集合。对于客户集合的每个客户，依据客户的历史交易数据，确定客户的交易风险熵。其中，交易风险熵用于表征客户在交易时有关风险的信息量。获取第一风险阈值和第二风险阈值。其中，第一风险阈值小于第二风险阈值。将客户集合中对应的交易风险熵小于第一风险阈值的客户作为目标自助终端的非风险客户。将客户集合中对应的交易风险熵大于第二风险阈值的客户作为目标自助终端的风险客户。依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，对目标自助终端的交易按照预设风险控制策略进行对应处理。

发明人基于上述的创造性发现，提出了本申请的技术方案。

下面对本申请实施例提供的自助终端的交易处理方法的应用场景进行介绍。如图1所示，其中，1为电子设备，2为目标自助终端。本申请实施例提供的自助终端的交易处理方法对应的应用场景的网络架构中包括：电子设备1和目标自助终端2。

示例性的，在对目标自助终端2的交易进行交易处理时，目标自助终端2发送目标自助终端2的历史业务数据至电子设备1。在其他应用场景中，也可以由存储有目标自助终端2的历史业务数据的数据库发送目标自助终端2的历史业务数据至电子设备1。

同时，第一电子设备1进行如下处理：

①依据目标自助终端2的历史业务数据，确定目标自助终端2的客户集合。

②对于客户集合的每个客户，依据客户的历史交易数据，确定客户的交易风险熵。其中，交易风险熵用于表征客户在交易时有关风险的信息量。

③基于客户的交易风险熵从客户集合中确定风险客户和非风险客户，具体为：

获取第一风险阈值和第二风险阈值，其中，第一风险阈值小于第二风险阈值。将客户集合中对应的交易风险熵小于第一风险阈值的客户作为目标自助终端的非风险客户。将客户集合中对应的交易风险熵大于第二风险阈值的客户作为目标自助终端的风险客户。

④依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，对目标自助终端的交易按照预设风险控制策略进行对应处理。

预设风险控制策略可以为在确定目标自助终端的交易涉及风险时，对客户进行人脸识别、语音认证等操作。

下面结合说明书附图对本申请实施例进行介绍。

图2为本申请提供的自助终端的交易处理方法的流程示意图一，如图2所示，本实施例中，本申请实施例的执行主体为自助终端的交易处理装置，该自助终端的交易处理装置可以集成在电子设备中。则本实施例提供的自助终端的交易处理方法包括以下几个步骤：

步骤S101，依据目标自助终端的历史业务数据，确定目标自助终端的客户集合。

本实施例中，历史业务数据为目标自助终端对应预设历史时间段内产生的业务数据。预设历史时间段可以为当前时间之前的一年内、一个月内等，也可以按照实际应用进行设置。历史业务数据包括业务种类、业务处理时间、客户属性等数据，通过目标自助终端的历史业务数据可以确定目标自助终端的客户集合，该客户集合中的客户都在目标自助终端进行过业务处理。

步骤S102，对于客户集合的每个客户，依据客户的历史交易数据，确定客户的交易风险熵。其中，交易风险熵用于表征客户在交易时有关风险的信息量。

本实施例中，客户的历史交易数据为客户在预设历史时间段内的交易数据，该预设历史时间段可以与S101中的相同，也可以不同，同时，也可以按照实际需求进行对应设置。

客户的历史交易数据与客户相关，可能包括客户在其他自助终端的交易数据、客户在其他网点的交易数据等，历史交易数据包括每笔交易的交易时间、交易金额、以及总体交易数量等。

可选地，在一实施例中，S102可以具体为：

当客户的历史交易数据包含的交易数量小于交易数阈值时，确定客户的多个相似客户。其中，相似客户是与客户的相似熵大于相似阈值的客户，相似熵用于表征两个客户的交易相似性的信息量。

将客户的多个相似客户的历史交易数据添加到客户的历史交易数据中。

依据添加后的客户的历史交易数据，确定客户的交易风险熵。

本实施例中，若客户的历史交易数据包含的交易数量小于交易数阈值时，则代表客户的历史交易数据包含的交易数量较少，可以增加一定程度的数据用于后续确定客户的交易风险熵。本实施例中采用的是客户对应的相似客户的历史交易数据作为客户的历史交易数据，从而提高交易风险熵的准确性。

在一实施例中，确定两个客户的相似熵的流程可以具体为：

确定该两个客户在各个交易类别的交易数量。

对于每一交易类别，将该两个客户在该交易类别的两个交易数量中的最小值与最大值的比值作为该交易类别的交易数比。

依据该交易类别的交易数比，确定该交易类别的相似熵，具体如下：

T＝-rlog₂r-(1-r)log₂(1-r)

其中，T是该交易类别的相似熵，r是该交易类别的交易数比。

依据各个交易类别的相似熵，确定两个客户的相似熵。

比如可以将各个交易类别的相似熵的和确定为两个客户的相似熵，也可以采用加权的方式，将各个交易类别的相似熵进行加权融合，得到两个客户的相似熵。同时，还可以采用其他方式，本实施例对此不作限定。

步骤S103，获取第一风险阈值和第二风险阈值。其中，第一风险阈值小于第二风险阈值。

本实施例中，第一风险阈值用于筛选非风险客户，第二风险阈值用于筛选风险客户。第一风险阈值和第二风险阈值可以预先设置，具体可以按照如下方法确定第一风险阈值和第二风险阈值：

获取多个客户风险关系规则，其中，客户风险关系规则包含规则体和规则头，对应两个变量，每一变量的取值范围是客户，对应的规则体是两个变量对应各个客户属性的值的大小关系，对应的规则头是两个变量的风险的大小关系。

依据多个客户风险关系规则，确定客户集合中任何两个客户的风险大小关系。

构建客户风险关系图，其中，客户风险关系图的节点和客户集合的客户一一对应，两个节点存在有向边，当且仅当依据风险大小关系，确定该两个节点中的第一节点对应的客户的风险高于第二节点对应的客户的风险，且有向边的方向为从第一节点到第二节点。

依据客户风险关系图，确定第一风险阈值和第二风险阈值。

通过客户风险关系图可以确定客户合集中各客户的风险大小关系，从而从客户合集中确定适合作为风险阈值的客户，并基于该客户确定第一风险阈值或第二风险阈值。

在一实施例中，依据客户风险关系图，确定第一风险阈值和第二风险阈值的流程可以具体如下：

将客户关系图中不存在对应的有向边的节点从客户关系图中删除。

对于删除后的客户关系图中的每一节点，确定该节点的有向边的指向。

当该节点的所有有向边的指向都是指向该节点时，将该节点作为第一节点。当该节点的所有有向边的指向都是从该节点指向其他节点时，将该节点作为第二节点。

将所有第一节点对应的客户的交易风险熵的最大值作为第一风险阈值，以及将所有第二节点对应的客户的交易风险熵的最小值作为第二风险阈值。

本实施例中，以先筛选第一节点以及第二节点，再进一步确定第一风险阈值和第二风险阈值的方式，通过双重筛选，从而得到合适的第一风险阈值和第二风险阈值。

步骤S104，将客户集合中对应的交易风险熵小于第一风险阈值的客户作为目标自助终端的非风险客户。

非风险客户并不是零风险，客户对应的交易风险熵只要小于第一风险阈值都认为是非风险客户。

步骤S105，将客户集合中对应的交易风险熵大于第二风险阈值的客户作为目标自助终端的风险客户。

步骤S106，依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，对目标自助终端的交易按照预设风险控制策略进行对应处理。

目标自助终端的交易可以基于是非风险客户，还是风险客户进行对应风险控制处理，也可以基于非风险客户和风险客户确定当前交易的风险程度，从而进行对应风险控制处理，本实施例对此不作限定。

预设风险控制策略可以为在确定目标自助终端的交易涉及风险时，通过对客户进行生物识别特征的方式，来进行风险控制处理，提高交易安全性。生物识别特征可以为人脸特征、声音特征、指纹特征等。

本申请实施例提供的一种自助终端的交易处理方法，该方法包括：依据目标自助终端的历史业务数据，确定目标自助终端的客户集合。对于客户集合的每个客户，依据客户的历史交易数据，确定客户的交易风险熵。其中，交易风险熵用于表征客户在交易时有关风险的信息量。获取第一风险阈值和第二风险阈值。其中，第一风险阈值小于第二风险阈值。将客户集合中对应的交易风险熵小于第一风险阈值的客户作为目标自助终端的非风险客户。将客户集合中对应的交易风险熵大于第二风险阈值的客户作为目标自助终端的风险客户。依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，对目标自助终端的交易按照预设风险控制策略进行对应处理。

本申请的自助终端的交易处理方法，根据目标自助终端的历史业务数据，确定目标自助终端的客户集合，同时，确定客户集合中各客户对应的交易风险熵。由于交易风险熵可以表征客户在交易时的风险，通过结合预设的第一风险阈值和第二风险阈值，可以从客户集合中筛选出目标自助终端的非风险客户、目标自助终端的风险客户。最终以目标自助终端的各个非风险客户、目标自助终端的各个风险客户为基础，对目标自助终端的交易按照预设风险控制策略进行对应处理，提高了自助终端交易的安全性。

图3为本申请提供的自助终端的交易处理方法的流程示意图二，如图3所示，本实施例提供的自助终端的交易处理方法，是在本申请上一实施例提供的自助终端的交易处理方法的基础上，进行了进一步的细化。则本实施例提供的自助终端的交易处理方法包括以下步骤。

步骤S201，依据目标自助终端的历史业务数据，确定目标自助终端的客户集合。

本实施例中，S201的实现方式与上一实施例的S101的实现方式类似，在此不再赘述。

步骤S202，获取交易数据维度。

本实施例中，交易数据维度用于划分交易，比如交易类别，或者交易渠道，或者交易时间等。

步骤S203，按照交易数据维度将客户的历史交易数据划分为多个历史交易子数据。其中，历史交易子数据之间互不相交。

本实施例中，示例性的，假设交易数据维度为交易类别，则可以将客户的历史交易数据按照不同交易类别，划分为对应多个历史交易子数据，由于每个数据对应的交易类别为一种，历史交易子数据之间互不相交。

步骤S204，将每一历史交易子数据中涉及风险的历史交易的交易数量作为客户的第一风险数量。

本实施例中，可以预先对客户的历史交易数据进行是否涉及风险的标注，从而可以基于标注从划分出的历史交易子数据中直接确定涉及风险的历史交易的交易数量，提高数据处理效率。交易数量指历史交易中客户进行的交易次数。

步骤S205，依据客户的历史交易数据、客户的多个第一风险数量，确定客户的交易风险熵，计算公式具体如下：

其中，R是客户的交易风险熵，n是客户的历史交易数据包含的交易数量，m_i和m_j分别是客户的第i个和第j个第一风险数量。

本实施例中，第一风险数量与历史交易子数据对应，因而存在多个第一风险数量，第i个和第j个第一风险数量分别对应不同历史交易子数据。

步骤S206，获取第一风险阈值和第二风险阈值。

本实施例中，S206的实现方式与上一实施例的S103的实现方式类似，在此不再赘述。

步骤S207，将客户集合中对应的交易风险熵小于第一风险阈值的客户作为目标自助终端的非风险客户。

本实施例中，S207的实现方式与上一实施例的S104的实现方式类似，在此不再赘述。

步骤S208，将客户集合中对应的交易风险熵大于第二风险阈值的客户作为目标自助终端的风险客户。

本实施例中，S208的实现方式与上一实施例的S105的实现方式类似，在此不再赘述。

步骤S209，依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，对目标自助终端的交易按照预设风险控制策略进行对应处理。

可选的，本实施例中，S209的实现方式可以有多种，其中一种可以具体为：

依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，训练预测模型，以获取目标自助终端的客户风险模型。其中，客户风险模型的输入是客户的客户属性数据和客户交易数据，客户风险模型的输出是客户的风险标识，风险标识用于标识客户是否涉及风险。

将目标自助终端的客户风险模型下发到目标自助终端上，以使目标自助终端依据客户风险模型，确定在目标自助终端进行交易的各个客户的风险标识。

依据各个客户的风险标识，对各个客户的交易按照预设风险控制策略进行对应处理。

目标自助终端可以根据训练好的客户风险模型确定在目标自助终端进行交易的各个客户的风险标识，若客户风险较大，可以标注客户对应的风险标识为高风险，若客户风险较小，可以标注客户对应的风险标识为低风险或者无风险。

可选的，本实施例中，训练预测模型的具体流程可以具体为：

确定目标自助终端的各个非风险客户和各个风险客户之间的距离。

对于目标自助终端的每一非风险客户，当非风险客户与目标自助终端的任意风险客户的距离小于第一距离阈值时，将非风险客户从目标自助终端对应的所有非风险客户中删除。

以删除后的目标自助终端的非风险客户为负样本，以目标自助终端的风险客户为正样本，训练预测模型，获取目标自助终端的客户风险模型。

本实施例中的第一距离阈值可以按照实际应用进行设置，本实施例对此不作限定。各个非风险客户和各个风险客户之间的距离可以基于客户对应的数据如属性信息来确定。

示例性的，假设目标自助终端的非风险客户包括客户a、客户b和客户c，若客户a与任意风险客户的距离小于第一距离阈值时，则从客户a、客户b和客户c中删除客户a，此时删除后的目标自助终端的非风险客户为客户b和客户c，即负样本为客户b和客户c。

需要说明的是，在本实施例中，可以按照如下方法确定两个客户的距离：

获取两个客户在各个客户属性的值。

对于每一客户属性，将两个客户在该客户属性的两个值的差的绝对值作为两个客户在该客户属性的距离。

依据两个客户在各个客户属性的距离，确定两个客户的距离。

本实施例中通过客户属性确定客户之间的距离，客户属性可以包括年龄、交易次数等。

可选的，本实施例中，S209的实现方式中，另一种可以具体为：

将目标自助终端的各个非风险客户和各个风险客户的客户属性数据下发到目标自助终端，以使目标自助终端进行如下处理：

对于在目标自助终端进行交易的每一客户，依据客户属性数据，确定客户与各个非风险客户的距离，以及客户与各个风险客户的距离。客户属于客户集合。

获取第二距离阈值。

将目标自助终端的各个非风险客户中与客户的距离小于第二距离阈值的非风险客户的数量作为客户的非风险数量。

将目标自助终端的各个风险客户中与客户的距离小于第二距离阈值的风险客户的数量作为客户的风险数量。

依据客户的非风险数量、客户的风险数量，对客户的交易按照预设风险控制策略进行对应处理。

本实施例中，通过客户的非风险数量、客户的风险数量可以进一步确定与客户对应的风险控制模型，通过对应的风险控制模型对客户的交易按照预设风险控制策略进行对应处理。

可选的，本实施例中，依据客户的非风险数量、客户的风险数量，对客户的交易按照预设风险控制策略进行对应处理的流程可以具体为：

依据客户的非风险数量、客户的风险数量，确定客户的指标：

当l＜k时,

当l≥k时,

其中，S是客户的指标，l是客户的风险数量，k是客户的非风险数量。

依据目标自助终端预存的指标与风险控制模型的对应关系、以及客户的指标，确定客户的风险控制模型。

依据客户的风险控制模型，对客户的交易按照预设风险控制策略进行对应处理。

可选的，本实施例中，确定指标与风险控制模型的对应关系的流程可以具体为：

对于客户集合的每个客户，确定客户的非风险数量和风险数量。

依据客户的非风险数量和风险数量，确定客户的指标。

获取多个指标数值。

对于每一指标数值，将客户集合中对应的指标等于指标数值的多个客户作为指标数值对应的多个客户。

以指标数值对应的多个客户中非风险客户为负样本，以指标数值对应的多个客户中风险客户为正样本，训练预测模型，获得指标数值对应的风险控制模型。

依据多个指标数值以及多个指标数值对应的风险控制模型，确定指标与风险控制模型的对应关系。

本实施例中，确定客户的非风险数量和风险数量以及确定客户的指标可以参照前述方案中的方法。指标数值与客户的非风险数量和风险数量相关，同时，风险控制模型与客户的非风险数量和风险数量相关，因而，可以建立指标与风险控制模型的对应关系。

图4为本申请提供的自助终端的交易处理装置的结构示意图，如图4所示，本实施例中，该自助终端的交易处理装置300可以设置在电子设备中，自助终端的交易处理装置300包括：

第一确定模块301，用于依据目标自助终端的历史业务数据，确定目标自助终端的客户集合。

第二确定模块302，用于对于客户集合的每个客户，依据客户的历史交易数据，确定客户的交易风险熵。其中，交易风险熵用于表征客户在交易时有关风险的信息量。

获取模块303，用于获取第一风险阈值和第二风险阈值。其中，第一风险阈值小于第二风险阈值。

第一定义模块304，用于将客户集合中对应的交易风险熵小于第一风险阈值的客户作为目标自助终端的非风险客户。

第二定义模块305，用于将客户集合中对应的交易风险熵大于第二风险阈值的客户作为目标自助终端的风险客户。

处理模块306，用于依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，对目标自助终端的交易按照预设风险控制策略进行对应处理。

本实施例提供的自助终端的交易处理装置可以执行图2所示方法实施例的技术方案，其实现原理和技术效果与图2所示方法实施例类似，在此不再一一赘述。

本申请提供的自助终端的交易处理装置在上一实施例提供的自助终端的交易处理装置的基础上，对自助终端的交易处理装置进行了进一步的细化，则自助终端的交易处理装置300包括：

可选的，本实施例中，第二确定模块302具体用于：

获取交易数据维度。按照交易数据维度将客户的历史交易数据划分为多个历史交易子数据。其中，历史交易子数据之间互不相交。将每一历史交易子数据中涉及风险的历史交易的交易数量作为客户的第一风险数量。依据客户的历史交易数据、客户的多个第一风险数量，确定客户的交易风险熵：

其中，R是客户的交易风险熵，n是客户的历史交易数据包含的交易数量，m_i和m_j分别是客户的第i个和第j个第一风险数量。

可选的，本实施例中，处理模块306具体用于：

依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，训练预测模型，以获取目标自助终端的客户风险模型。其中，客户风险模型的输入是客户的客户属性数据和客户交易数据，客户风险模型的输出是客户的风险标识，风险标识用于标识客户是否涉及风险。将目标自助终端的客户风险模型下发到目标自助终端上，以使目标自助终端依据客户风险模型，确定在目标自助终端进行交易的各个客户的风险标识。依据各个客户的风险标识，对各个客户的交易按照预设风险控制策略进行对应处理。

可选的，本实施例中，处理模块306在依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，训练预测模型，以获取目标自助终端的客户风险模型时，具体用于：

确定目标自助终端的各个非风险客户和各个风险客户之间的距离。对于目标自助终端的每一非风险客户，当非风险客户与目标自助终端的任意风险客户的距离小于第一距离阈值时，将非风险客户从目标自助终端对应的所有非风险客户中删除。以删除后的目标自助终端的非风险客户为负样本，以目标自助终端的风险客户为正样本，训练预测模型，获取目标自助终端的客户风险模型。

可选的，本实施例中，处理模块306具体用于：

将目标自助终端的各个非风险客户和各个风险客户的客户属性数据下发到目标自助终端，以使目标自助终端进行如下处理：

对于在目标自助终端进行交易的每一客户，依据客户属性数据，确定客户与各个非风险客户的距离，以及客户与各个风险客户的距离。客户属于客户集合。获取第二距离阈值。将目标自助终端的各个非风险客户中与客户的距离小于第二距离阈值的非风险客户的数量作为客户的非风险数量。将目标自助终端的各个风险客户中与客户的距离小于第二距离阈值的风险客户的数量作为客户的风险数量。依据客户的非风险数量、客户的风险数量，对客户的交易按照预设风险控制策略进行对应处理。

可选的，本实施例中，处理模块306在依据客户的非风险数量、客户的风险数量，对客户的交易按照预设风险控制策略进行对应处理时，具体用于：

依据客户的非风险数量、客户的风险数量，确定客户的指标：

当l＜k时,

当l≥k时,

其中，S是客户的指标，l是客户的风险数量，k是客户的非风险数量。

依据目标自助终端预存的指标与风险控制模型的对应关系、以及客户的指标，确定客户的风险控制模型。依据客户的风险控制模型，对客户的交易按照预设风险控制策略进行对应处理。

可选的，本实施例中，自助终端的交易处理装置300还包括：

对应确定模块，用于对于客户集合的每个客户，确定客户的非风险数量和风险数量。依据客户的非风险数量和风险数量，确定客户的指标。获取多个指标数值。对于每一指标数值，将客户集合中对应的指标等于指标数值的多个客户作为指标数值对应的多个客户。以指标数值对应的多个客户中非风险客户为负样本，以指标数值对应的多个客户中风险客户为正样本，训练预测模型，获得指标数值对应的风险控制模型。依据多个指标数值以及多个指标数值对应的风险控制模型，确定指标与风险控制模型的对应关系。

本实施例提供的自助终端的交易处理装置可以执行图2-图3所示方法实施例的技术方案，其实现原理和技术效果与图2-图3所示方法实施例类似，在此不再一一赘述。

根据本申请的实施例，本申请还提供了一种电子设备、一种计算机可读存储介质和一种计算机程序产品。

如图5所示，图5是本申请提供的电子设备的结构示意图。电子设备旨在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、刀片式服务器、大型计算机、和其它适合的计算机。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/或者要求的本申请的实现。

如图5所示，该电子设备包括：处理器401和存储器402。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理。

存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的自助终端的交易处理方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的自助终端的交易处理方法。

存储器402作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的自助终端的交易处理方法对应的程序指令/模块(例如，附图4所示的第一确定模块301、第二确定模块302、获取模块303、第一定义模块304、第二定义模块305和处理模块306)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块，从而执行电子设备的各种功能应用以及自助终端的交易处理，即实现上述方法实施例中的自助终端的交易处理方法。

同时，本实施例还提供一种计算机产品，当该计算机产品中的指令由电子设备的处理器执行时，使得电子设备能够执行上述实施例的自助终端的交易处理方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请实施例的其它实施方案。本申请旨在涵盖本申请实施例的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请实施例的一般性原理并包括本申请实施例未公开的本技术领域中的公知常识或惯用技术手段。

应当理解的是，本申请实施例并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请实施例的范围仅由所附的权利要求书来限制。

Claims (10)

1.一种自助终端的交易处理方法，其特征在于，包括：

依据目标自助终端的历史业务数据，确定目标自助终端的客户集合；

对于所述客户集合的每个客户，依据所述客户的历史交易数据，确定所述客户的交易风险熵；其中，交易风险熵用于表征客户在交易时有关风险的信息量；

获取第一风险阈值和第二风险阈值；其中，第一风险阈值小于第二风险阈值；

将所述客户集合中对应的交易风险熵小于第一风险阈值的客户作为目标自助终端的非风险客户；

将所述客户集合中对应的交易风险熵大于第二风险阈值的客户作为目标自助终端的风险客户；

依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，对目标自助终端的交易按照预设风险控制策略进行对应处理。

2.根据权利要求1所述的方法，其特征在于，所述对于所述客户集合的每个客户，依据所述客户的历史交易数据，确定所述客户的交易风险熵，包括：

获取交易数据维度；

按照交易数据维度将所述客户的历史交易数据划分为多个历史交易子数据；其中，历史交易子数据之间互不相交；

将每一历史交易子数据中涉及风险的历史交易的交易数量作为所述客户的第一风险数量；

依据所述客户的历史交易数据、所述客户的多个第一风险数量，确定所述客户的交易风险熵：

其中，R是所述客户的交易风险熵，n是所述客户的历史交易数据包含的交易数量，m_i和m_j分别是所述客户的第i个和第j个第一风险数量。

3.根据权利要求1所述的方法，其特征在于，所述依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，对目标自助终端的交易按照预设风险控制策略进行对应处理，包括：

依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，训练预测模型，以获取目标自助终端的客户风险模型；其中，客户风险模型的输入是客户的客户属性数据和客户交易数据，客户风险模型的输出是客户的风险标识，风险标识用于标识客户是否涉及风险；

将目标自助终端的客户风险模型下发到目标自助终端上，以使目标自助终端依据所述客户风险模型，确定在目标自助终端进行交易的各个客户的风险标识；

依据各个客户的风险标识，对各个客户的交易按照预设风险控制策略进行对应处理。

4.根据权利要求3所述的方法，其特征在于，所述依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，训练预测模型，以获取目标自助终端的客户风险模型，包括：

确定目标自助终端的各个非风险客户和各个风险客户之间的距离；

对于目标自助终端的每一非风险客户，当所述非风险客户与目标自助终端的任意风险客户的距离小于第一距离阈值时，将所述非风险客户从目标自助终端对应的所有非风险客户中删除；

以删除后的目标自助终端的非风险客户为负样本，以目标自助终端的风险客户为正样本，训练预测模型，获取目标自助终端的客户风险模型。

5.根据权利要求1所述的方法，其特征在于，所述依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，对目标自助终端的交易按照预设风险控制策略进行对应处理，包括：

将目标自助终端的各个非风险客户和各个风险客户的客户属性数据下发到目标自助终端，以使目标自助终端进行如下处理：

对于在目标自助终端进行交易的每一客户，依据所述客户属性数据，确定所述客户与各个非风险客户的距离，以及所述客户与各个风险客户的距离；所述客户属于所述客户集合；

获取第二距离阈值；

将目标自助终端的各个非风险客户中与所述客户的距离小于第二距离阈值的非风险客户的数量作为所述客户的非风险数量；

将目标自助终端的各个风险客户中与所述客户的距离小于第二距离阈值的风险客户的数量作为所述客户的风险数量；

依据所述客户的非风险数量、所述客户的风险数量，对所述客户的交易按照预设风险控制策略进行对应处理。

6.根据权利要求5所述的方法，其特征在于，所述依据所述客户的非风险数量、所述客户的风险数量，对所述客户的交易按照预设风险控制策略进行对应处理，包括：

依据所述客户的非风险数量、所述客户的风险数量，确定所述客户的指标：

当l＜k时,

当l≥k时,

其中，S是所述客户的指标，l是所述客户的风险数量，k是所述客户的非风险数量；

依据目标自助终端预存的指标与风险控制模型的对应关系、以及所述客户的指标，确定所述客户的风险控制模型；

依据所述客户的风险控制模型，对所述客户的交易按照预设风险控制策略进行对应处理。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

对于所述客户集合的每个客户，确定所述客户的非风险数量和风险数量；

依据所述客户的非风险数量和风险数量，确定所述客户的指标；

获取多个指标数值；

对于每一指标数值，将所述客户集合中对应的指标等于所述指标数值的多个客户作为所述指标数值对应的多个客户；

以所述指标数值对应的多个客户中非风险客户为负样本，以所述指标数值对应的多个客户中风险客户为正样本，训练预测模型，获得所述指标数值对应的风险控制模型；

依据所述多个指标数值以及所述多个指标数值对应的风险控制模型，确定指标与风险控制模型的对应关系。

8.一种自助终端的交易处理装置，其特征在于，包括：

第一确定模块，用于依据目标自助终端的历史业务数据，确定目标自助终端的客户集合；

第二确定模块，用于对于所述客户集合的每个客户，依据所述客户的历史交易数据，确定所述客户的交易风险熵；其中，交易风险熵用于表征客户在交易时有关风险的信息量；

获取模块，用于获取第一风险阈值和第二风险阈值；其中，第一风险阈值小于第二风险阈值；

第一定义模块，用于将所述客户集合中对应的交易风险熵小于第一风险阈值的客户作为目标自助终端的非风险客户；

第二定义模块，用于将所述客户集合中对应的交易风险熵大于第二风险阈值的客户作为目标自助终端的风险客户；

处理模块，用于依据目标自助终端的各个非风险客户、目标自助终端的各个风险客户，对目标自助终端的交易按照预设风险控制策略进行对应处理。

9.一种电子设备，其特征在于，包括：存储器和处理器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1至7任一项所述的自助终端的交易处理方法。

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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至7任一项所述的自助终端的交易处理方法。