CN117541265A - 一种商品交易风控方法、装置、设备及存储介质 - Google Patents

Abstract

本申请属于大数据技术领域，公开了一种商品交易风控方法、装置、设备及存储介质，该方法包括：接收用户的待支付订单，获取用户信息和待支付订单的各个交易商品；获取交易商品的成本价格、交易单价、商品属性和预设时间段的交易流量数据；将交易流量数据输入流量监控模型，得到流量诊断结果；基于成本价格和交易单价进行盈亏判断，得到盈亏诊断结果；根据商品属性和用户信息进行权限检测，得到权限诊断结果；基于流量诊断结果、盈亏诊断结果和权限诊断结果判断交易是否异常。本申请能够极大地提高对非正常交易行为的诊断精确度和交易风控的可靠性。

Description

一种商品交易风控方法、装置、设备及存储介质

技术领域

本申请涉及大数据技术领域，尤其涉及一种商品交易风控方法、装置、设备及存储介质。

背景技术

电商平台中的非正常交易行为会对电商平台的用户、商家的利润甚至声誉造成严重影响。

现有的电商平台打击非正常类交易行为，通常是对交易商品的近期盈亏利润走向和待支付价格进行检测，以判断以该待支付价格进行交易是否会影响电商平台的利润，甚至是亏损，从而避免被恶意薅羊毛导致商家亏损严重的情况。

但是随着电商行业的发展，线上销售中出现的非正常交易行为也变得多种多样，例如雇人刷单、间接洗钱、以违法途径购买特供商品影响正常客户合约和平台声誉等待，因此仅以交易是否盈亏来实现交易风险的把控，难以应对当前市场上操作方式越来越多的异常交易行为。

发明内容

本申请提供了一种商品交易风控方法、装置、设备及存储介质，能够极大地提高了对非正常交易行为的诊断精确度和交易风控的可靠性。

第一方面，本申请实施例提供了一种商品交易风控方法，包括：

接收用户的待支付订单，获取用户信息和待支付订单的各个交易商品；

获取交易商品的成本价格、交易单价、商品属性和预设时间段的交易流量数据；

将交易流量数据输入流量监控模型，得到流量诊断结果；

基于成本价格和交易单价进行盈亏判断，得到盈亏诊断结果；

根据商品属性和用户信息进行权限检测，得到权限诊断结果；

基于流量诊断结果、盈亏诊断结果和权限诊断结果判断交易是否异常。

进一步的，预设时间段为交易商品未被诊断出交易异常的、连续的72小时。

进一步的，交易流量数据包括交易商品在预设时间段内的历史交易次数和历史交易数量。

进一步的，上述将交易流量数据输入流量监控模型，得到流量诊断结果，包括：

将交易流量数据输入流量监控模型，得到正常流量范围；

判断待支付订单中交易商品的数量是否超过了正常流量范围；

若超过，则流量诊断结果为流量异常，否则流量诊断结果为流量正常。

进一步的，该方法还包括：

根据正常流量范围得到交易商品的危险阈值；

若流量诊断结果为流量异常，则计算交易商品的超出数量；

判断超出数量是否大于危险阈值；

若是，则发送异常警告信息到交易商品的客服。

进一步的，该方法还包括：

基于最小二乘支持向量回归机算法构建预训练模型；

将多种商品在预设时间段内的交易流量数据作为训练流量数据；

将各训练流量数据依次输入预训练模型，得到流量监控模型。

进一步的，上述基于成本价格和交易单价进行盈亏判断，得到盈亏诊断结果，包括：

获取交易商品的上市价格、历史交易平均单价和二手交易平均单价，并输入商品估值模型，得到交易商品的估值价格；

根据估值价格、成本价格和交易单价进行盈亏判断，得到盈亏诊断结果。

进一步的，上述根据估值价格、成本价格和交易单价进行盈亏判断，得到盈亏诊断结果，包括：

根据成本价格或估值价格确定交易商品的亏损阈值；

若交易单价小于等于成本价格，则盈亏诊断结果为亏损；

若交易单价小于估值价格，且交易单价与估值价格的差值大于亏损阈值，则盈亏诊断结果为亏损；否则盈亏诊断结果为盈利。

进一步的，上述根据商品属性和用户信息进行权限检测，得到权限诊断结果，包括：

根据商品属性判断交易商品是否为特殊商品；

若是，则判断用户信息在交易商品的权限用户名单中是否有匹配；

若无匹配，则权限诊断结果为异常；

若有匹配或交易商品不是特殊商品，则权限诊断结果无异常。

进一步的，该方法还包括：

若权限诊断结果为异常，则生成权限异常信息并展示给用户。

进一步的，上述基于流量诊断结果、盈亏诊断结果和权限诊断结果判断交易是否异常，包括：

若流量诊断结果或权限诊断结果为异常，则判断交易异常；

若流量诊断结果和权限诊断结果均为正常，盈亏诊断结果为亏损，则获取交易商品在预设时间段内的净收入；

基于盈亏诊断结果和净收入判断交易是否异常。

进一步的，上述基于盈亏诊断结果和净收入判断交易是否异常，包括：

若交易单价小于等于成本价格，则判断交易异常；

若交易单价小于估值价格，且交易单价与估值价格的差值大于亏损阈值，则基于净收入和成本价格计算交易商品在预设时间段内的利润率；

若利润率大于预设利润阈值，则判断交易正常，否则判断交易异常。

进一步的，该方法还包括：若利润率大于预设利润阈值，则在用户完成待支付订单的支付后，将待支付订单放入低价出售数据库中。

第二方面，本申请实施例提供了一种商品交易风控装置，包括：

接收模块，用于接收用户的待支付订单，获取用户信息和待支付订单的各个交易商品；

获取模块，用于获取交易商品的成本价格、交易单价、商品属性和预设时间段内的交易流量数据；

流量诊断模块，用于将交易流量数据输入流量监控模型，得到流量诊断结果；

盈亏诊断模块，用于基于成本价格和交易单价进行盈亏判断，得到盈亏诊断结果；

权限诊断模块，用于根据商品属性和用户信息进行权限检测，得到权限诊断结果；

风控模块，用于基于流量诊断结果、盈亏诊断结果和权限诊断结果判断交易是否异常。

进一步的，上述流量诊断模块包括：

输入单元，用于将交易流量数据输入流量监控模型，得到正常流量范围；

判断单元，用于判断待支付订单中交易商品的数量是否超过了正常流量范围；

流量诊断单元，用于在超过正常流量范围时，判断流量诊断结果为流量异常，在不超过正常流量范围时，判断流量诊断结果为流量正常。

进一步的，该装置还包括：

阈值确定模块，用于根据正常流量范围得到交易商品的危险阈值；

超出计算模块，用于在流量诊断结果为流量异常时，计算交易商品的超出数量；

超出判断模块，用于判断超出数量是否大于危险阈值；

警告模块，用于在大于危险阈值时，发送异常警告信息到交易商品的客服。

进一步的，该装置还包括：

构建模块，用于基于最小二乘支持向量回归机算法构建预训练模型；

收集模块，用于将多种商品在预设时间段内的交易流量数据作为训练流量数据；

训练模块，用于将各训练流量数据依次输入预训练模型，得到流量监控模型。

进一步的，上述盈亏诊断模块，包括：

估值单元，用于获取交易商品的上市价格、历史交易平均单价和二手交易平均单价，并输入商品估值模型，得到交易商品的估值价格；

盈亏诊断单元，用于根据估值价格、成本价格和交易单价进行盈亏判断，得到盈亏诊断结果。

第三方面，本申请实施例提供了一种计算机设备，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，处理器执行计算机程序时执行如上述任一实施例的一种商品交易风控方法的步骤。

第四方面，本申请实施例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如上述任一实施例的一种商品交易风控方法的步骤。

综上，与现有技术相比，本申请实施例提供的技术方案带来的有益效果至少包括：

本申请实施例提供的一种商品交易风控方法，分别从交易流量、价格是否亏损和购买权限三个角度同时对用户的待支付订单进行风险诊断和检测；对交易流量的诊断避免了刷单、洗钱的异常行为；对交易单价的盈亏诊断避免了恶意用户通过自制程序薅羊毛的异常行为，基于商品属性的权限诊断避免了无合约用户的恶意竞争；从商家和用户两个角度、三个数据维度进行商品交易风险的把控，极大地提高了对非正常交易行为的诊断精确度和交易风控的可靠性。

附图说明

图1为本申请一个示例性实施例提供的一种商品交易风控方法的流程图。

图2为本申请一个示例性实施例提供的流量诊断步骤的流程图。

图3为本申请一个示例性实施例提供的盈亏判断步骤的流程图。

图4为本申请一个示例性实施例提供的权限判断步骤的流程图。

图5为本申请一个示例性实施例提供的交易风控步骤的流程图。

图6为本申请一个示例性实施例提供的一种商品交易风控装置的结构图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。

基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

请参见图1，本申请实施例提供了一种商品交易风控方法，该方法具体包括以下步骤：

步骤S1，接收用户的待支付订单，获取用户信息和待支付订单的各个交易商品。

步骤S2，获取交易商品的成本价格、交易单价、商品属性和预设时间段的交易流量数据。

步骤S3，将交易流量数据输入流量监控模型，得到流量诊断结果。

步骤S4，基于成本价格和交易单价进行盈亏判断，得到盈亏诊断结果。

步骤S5，根据商品属性和用户信息进行权限检测，得到权限诊断结果。

步骤S6，基于流量诊断结果、盈亏诊断结果和权限诊断结果判断交易是否异常。

其中，预设时间段为交易商品未被诊断出交易异常的、连续的72小时，进一步的，可以选取该交易商品在近一个月内，未被诊断出交易异常的、连续的72小时。

交易流量数据包括交易商品在预设时间段内的历史交易次数和历史交易数量；具体可以是该交易商品在预设时间段内每一次发生交易的时间点和每一次交易的数量。

上述实施例提供的一种商品交易风控方法，分别从交易流量、价格是否亏损和购买权限三个角度同时对用户的待支付订单进行风险诊断和检测；对交易流量的诊断避免了刷单、洗钱的异常行为；对交易单价的盈亏诊断避免了恶意用户通过自制程序薅羊毛的异常行为，基于商品属性的权限诊断避免了无合约用户的恶意竞争；从商家和用户两个角度、三个数据维度进行商品交易风险的把控，极大地提高了对非正常交易行为的诊断精确度和交易风控的可靠性。

请参见图2，在一些实施例中，上述将交易流量数据输入流量监控模型，得到流量诊断结果，具体可以包括以下步骤：

步骤S31，将交易流量数据输入流量监控模型，得到正常流量范围。

步骤S32，判断待支付订单中交易商品的数量是否超过了正常流量范围。

步骤S33，若超过，则流量诊断结果为流量异常，否则流量诊断结果为流量正常。

具体地，流量监控模型会根据无异常的交易流量数据得到该商品的正常流量范围，即根据交易流量数据判断该交易商品的单个订单中的数量浮动的正常范围。

进一步的，考虑到存在商品损坏用户购买数量较少的替换品的情况，例如电阻、电容、二极管等电路元器件，用户在购买这种类型的商品时，因为集成电路的设计复杂，通常会一次性购买成百上千个，但也存在因元器件替换、损坏而少量购买的情况，因此对于特殊类型的商品，本申请可以在交易商品的数量大于正常流量范围时诊断异常，忽略小于正常流量范围的订单。

更进一步的，为了避免多人刷单，还可以计算该交易商品近3天内(即当前时刻之前的72小时)的交易频率，令横轴为时间轴，纵轴为交易单数，得到近3天的交易曲线并计算交易曲线的导函数曲线，若导函数曲线的最大幅度大于预设交易危险阈值，即交易曲线出现大幅波动，就可以认为该交易商品在某段时间内存在异于常态的大量交易行为。

其中，不同商品的预设交易危险阈值可以设置为同一个。

在一些实施例中，该方法还包括：

步骤S34，根据正常流量范围得到交易商品的危险阈值。

步骤S35，若流量诊断结果为流量异常，则计算交易商品的超出数量。

其中，由上述实施例可知，当交易商品的数量大于正常流量范围时才会判断为流量异常，因此超出数量＝交易数量-正常流量范围的最大值。

步骤S36，判断超出数量是否大于危险阈值。

步骤S37，若是，则发送异常警告信息到交易商品的客服。

具体地，可以取正常流量范围的中位数乘以50％得到危险阈值，也可乘以40％、60％；例如某商品的正常流量范围为[15，55]，则取其中位数35乘以50％，四舍五入得到18，因此在该商品的交易数量大于55，且与55的差值，即超出数量大于18时，则发送异常警告信息。

在一些实施例中，该方法还包括：

基于最小二乘支持向量回归机算法构建预训练模型。

将多种商品在预设时间段内的交易流量数据作为训练流量数据。

将各训练流量数据依次输入预训练模型，得到流量监控模型。

具体地，最小二乘支持向量回归机算法继承了支持向量机算法的小样本、高维性和泛化能力强的优点，能够高效地提取数据中的线性关系，因此基于该算法构建的模型，能够在训练过程中较好地提取出训练流量数据中包括的规律并进行统计。

上述实施例实现了流量监控模型的设计和流量异常的诊断，能够精确地判断待支付订单是否存在商家刷单的异常风险，提高了交易风控的可靠性。

请参见图3，在一些实施例中，上述基于成本价格和交易单价进行盈亏判断，得到盈亏诊断结果，具体可以包括如下步骤：

步骤S41，获取交易商品的上市价格、历史交易平均单价和二手交易平均单价，并输入商品估值模型，得到交易商品的估值价格；

步骤S42，根据估值价格、成本价格和交易单价进行盈亏判断，得到盈亏诊断结果。

其中，商品估值模型为强化学习神经网络，训练数据为多个商品的上市价格、历史交易平均单价和二手交易平均单价，标签为商品的真实估值价格；强化学习神经网络在训练过程中根据输出的训练估值价格和对应商品标签中的真实估值价格进行学习和参数更新。

本申请之所以采用估值价格而不采用电商平台原来的标价，是因为平台通常会为了周年庆、购物节、优惠券等活动将价格标高一些，因此若直接以电商平台的购物界面上标出的价格来判断盈亏是不够标准的，也容易误检正常使用优惠券、满减的用户。

在一些实施例中，上述根据估值价格、成本价格和交易单价进行盈亏判断，得到盈亏诊断结果，具体可以包括如下步骤：

步骤S421，根据成本价格或估值价格确定交易商品的亏损阈值。

具体地，可以取成本价格的10％或估值价格的5％，销售端的工作人员可以根据不同价位的商品设定不同的亏损阈值百分比。

例如，估值价格为2000的防爆摄像机，其亏损阈值可以设为估值价格的10％，即200元，而估值价格为10元的不锈钢割片，其亏损阈值可以设为估值价格的2％，即2元。

步骤S422，若交易单价小于等于成本价格，则盈亏诊断结果为亏损。

步骤S423，若交易单价小于估值价格，且交易单价与估值价格的差值大于亏损阈值，则盈亏诊断结果为亏损；否则盈亏诊断结果为盈利。

上述实施例实现了对利用程序bug或自制优惠券链接等恶意薅羊毛行为的精准检测，同时还能避免平台将价格标错导致巨额亏损的意外事件。

请参见图4，在一些实施例中，上述根据商品属性和用户信息进行权限检测，得到权限诊断结果，具体可以包括如下步骤：

步骤S51，根据商品属性判断交易商品是否为特殊商品。

具体地，电商平台中存在一些特殊商品，只开放给有合约或合同的用户购买，对于这一类商品，其商品属性中会包括特殊或特供的标签，以说明该商品不是全面发售的。

步骤S52，若是，则判断用户信息在交易商品的权限用户名单中是否有匹配。

在具体实施过程中，电商平台会将签订了特殊商品购买权限的用户放在对应商品的权限用户名单中，若用户信息在名单中有匹配，则表示该用户具有购买权限，否则不能购买。

步骤S53，若无匹配，则权限诊断结果为异常。

步骤S54，若有匹配或交易商品不是特殊商品，则权限诊断结果无异常。

进一步的，该方法还包括：

若权限诊断结果为异常，则生成权限异常信息并展示给用户。

当用户因权限限制无法进行交易时，可提示用户交易异常的原因，从而促使用户与平台签订相关购买合约，间接提高电商平台的销售额。

上述实施例对用户购买权限的诊断避免了无合约用户的恶意竞争，权限异常信息的提示能够令真正想购买的用户主动寻求签约，同时制止存在恶意竞争的可能的交易。

请参见图5，在一些实施例中，上述基于流量诊断结果、盈亏诊断结果和权限诊断结果判断交易是否异常，具体可以包括如下步骤：

步骤S61，若流量诊断结果或权限诊断结果为异常，则判断交易异常。

步骤S62，若流量诊断结果和权限诊断结果均为正常，盈亏诊断结果为亏损，则获取交易商品在预设时间段内的净收入。

步骤S63，基于盈亏诊断结果和净收入判断交易是否异常。

具体地，上述基于盈亏诊断结果和净收入判断交易是否异常，可以包括：

步骤S631，若交易单价小于等于成本价格，则判断交易异常。

步骤S632，若交易单价小于估值价格，且交易单价与估值价格的差值大于亏损阈值，则基于净收入和成本价格计算交易商品在预设时间段内的利润率。

基于收入和成本计算利润率为本领域的基础操作，在此不做过多赘述。

步骤S633，若利润率大于预设利润阈值，则判断交易正常，否则判断交易异常。

其中，可以针对不同的商品设置不同或相同的预设利润率阈值。

进一步的，该方法还包括：若利润率大于预设利润阈值，则在用户完成待支付订单的支付后，将待支付订单放入低价出售数据库中。

更进一步的，将待支付订单放入低价出售数据库后，可以检测低价出售数据库中近24小时的订单数量，若订单数量超过一定阈值，则将低价出售数据库发送给后端的市场管理人员或销售人员，以便及时查看低价出售的订单情况，检查是否存在优惠力度不合理的情况。

请参见图6，本申请另一实施例提供了一种商品交易风控装置，该装置包括：

接收模块101，用于接收用户的待支付订单，获取用户信息和待支付订单的各个交易商品。

获取模块102，用于获取交易商品的成本价格、交易单价、商品属性和预设时间段内的交易流量数据。

流量诊断模块103，用于将交易流量数据输入流量监控模型，得到流量诊断结果。

盈亏诊断模块104，用于基于成本价格和交易单价进行盈亏判断，得到盈亏诊断结果。

权限诊断模块105，用于根据商品属性和用户信息进行权限检测，得到权限诊断结果。

风控模块106，用于基于流量诊断结果、盈亏诊断结果和权限诊断结果判断交易是否异常。

在一些实施例中，上述流量诊断模块103包括：

输入单元，用于将交易流量数据输入流量监控模型，得到正常流量范围。

判断单元，用于判断待支付订单中交易商品的数量是否超过了正常流量范围。

流量诊断单元，用于在超过正常流量范围时，判断流量诊断结果为流量异常，在不超过正常流量范围时，判断流量诊断结果为流量正常。

在一些实施例中，该装置还包括：

阈值确定模块，用于根据正常流量范围得到交易商品的危险阈值。

超出计算模块，用于在流量诊断结果为流量异常时，计算交易商品的超出数量。

超出判断模块，用于判断超出数量是否大于危险阈值。

警告模块，用于在大于危险阈值时，发送异常警告信息到交易商品的客服。

在一些实施例中，该装置还包括：

构建模块，用于基于最小二乘支持向量回归机算法构建预训练模型。

收集模块，用于将多种商品在预设时间段内的交易流量数据作为训练流量数据。

训练模块，用于将各训练流量数据依次输入预训练模型，得到流量监控模型。

在一些实施例中，上述盈亏诊断模块104，包括：

估值单元，用于获取交易商品的上市价格、历史交易平均单价和二手交易平均单价，并输入商品估值模型，得到交易商品的估值价格。盈亏诊断单元，用于根据估值价格、成本价格和交易单价进行盈亏判断，得到盈亏诊断结果。

在一些实施例中，上述盈亏诊断单元还用于：

根据成本价格或估值价格确定交易商品的亏损阈值；

若交易单价小于等于成本价格，则盈亏诊断结果为亏损；

若交易单价小于估值价格，且交易单价与估值价格的差值大于亏损阈值，则盈亏诊断结果为亏损；否则盈亏诊断结果为盈利。

在一些实施例中，上述权限诊断模块105包括：

属性判断单元，用于根据商品属性判断交易商品是否为特殊商品；

匹配单元，用于判断用户信息在交易商品的权限用户名单中是否有匹配；

权限诊断单元，用于在无匹配时，判断权限诊断结果为异常；在有匹配或交易商品不是特殊商品，判断权限诊断结果无异常。

在一些实施例中，该装置还包括：

权限异常提示模块，用于在权限诊断结果为异常时，生成权限异常信息并展示给用户。

在一些实施例中，上述风控模块106包括：

第一诊断单元，用于在流量诊断结果或权限诊断结果为异常时，判断交易异常；

收入获取单元，用于在流量诊断结果和权限诊断结果均为正常，且盈亏诊断结果为亏损时，获取交易商品在预设时间段内的净收入；

第二诊断单元，用于基于盈亏诊断结果和净收入判断交易是否异常。

在一些实施例中，上述第二诊断单元用于在交易单价小于等于成本价格时，判断交易异常；在交易单价小于估值价格，且交易单价与估值价格的差值大于亏损阈值时，基于净收入和成本价格计算交易商品在预设时间段内的利润率；在利润率大于预设利润阈值时，判断交易正常，否则判断交易异常。

在一些实施例中，该装置还包括：

数据库模块，用于若利润率大于预设利润阈值，则在用户完成待支付订单的支付后，将待支付订单放入低价出售数据库中。

本实施例中提供的关于一种商品交易风控装置的具体限定，可以参见上文中关于一种商品交易风控方法的实施例，于此不再赘述。上述一种商品交易风控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。

本申请实施例提供了一种计算机设备，该计算机设备可以包括通过系统总线连接的处理器、存储器、网络接口和数据库。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、计算机程序和数据库。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。该计算机设备的网络接口用于与外部的终端通过网络连接通信。处计算机程序被处理器执行时，使得处理器执行如上述任一实施例的一种商品交易风控方法的步骤。

本实施例提供的计算机设备的工作过程、工作细节和技术效果，可以参见上文中关于一种商品交易风控方法的实施例，于此不再赘述。

本申请实施例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如上述任一实施例的一种商品交易风控方法的步骤。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。本实施例提供的计算机可读存储介质的工作过程、工作细节和技术效果，可以参见上文中关于一种商品交易风控方法的实施例，于此不再赘述。

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，所述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、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。

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发明专利范围的限制。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，本申请专利的保护范围应以所附权利要求为准。

Claims (20)

1.一种商品交易风控方法，其特征在于，包括：

接收用户的待支付订单，获取用户信息和所述待支付订单的各个交易商品；

获取所述交易商品的成本价格、交易单价、商品属性和预设时间段的交易流量数据；

将所述交易流量数据输入流量监控模型，得到流量诊断结果；

基于所述成本价格和所述交易单价进行盈亏判断，得到盈亏诊断结果；

根据所述商品属性和所述用户信息进行权限检测，得到权限诊断结果；

基于所述流量诊断结果、所述盈亏诊断结果和所述权限诊断结果判断交易是否异常。

2.根据权利要求1所述的商品交易风控方法，其特征在于，所述预设时间段为所述交易商品未被诊断出交易异常的、连续的72小时。

3.根据权利要求2所述的商品交易风控方法，其特征在于，所述交易流量数据包括所述交易商品在所述预设时间段内的历史交易次数和历史交易数量。

4.根据权利要求3所述的商品交易风控方法，其特征在于，所述将所述交易流量数据输入流量监控模型，得到流量诊断结果，包括：

将所述交易流量数据输入所述流量监控模型，得到正常流量范围；

判断所述待支付订单中所述交易商品的数量是否超过了所述正常流量范围；

若超过，则所述流量诊断结果为流量异常，否则所述流量诊断结果为流量正常。

5.根据权利要求4所述的商品交易风控方法，其特征在于，还包括：

根据所述正常流量范围得到所述交易商品的危险阈值；

若所述流量诊断结果为流量异常，则计算所述交易商品的超出数量；

判断所述超出数量是否大于所述危险阈值；

若是，则发送异常警告信息到所述交易商品的客服。

6.根据权利要求4所述的商品交易风控方法，其特征在于，还包括：

基于最小二乘支持向量回归机算法构建预训练模型；

将多种商品在所述预设时间段内的所述交易流量数据作为训练流量数据；

将各所述训练流量数据依次输入所述预训练模型，得到所述流量监控模型。

7.根据权利要求1所述的商品交易风控方法，其特征在于，所述基于所述成本价格和所述交易单价进行盈亏判断，得到盈亏诊断结果，包括：

获取所述交易商品的上市价格、历史交易平均单价和二手交易平均单价，并输入商品估值模型，得到所述交易商品的估值价格；

根据所述估值价格、所述成本价格和所述交易单价进行盈亏判断，得到所述盈亏诊断结果。

8.根据权利要求7所述的商品交易风控方法，其特征在于，所述根据所述估值价格、所述成本价格和所述交易单价进行盈亏判断，得到所述盈亏诊断结果，包括：

根据所述成本价格或所述估值价格确定所述交易商品的亏损阈值；

若所述交易单价小于等于所述成本价格，则所述盈亏诊断结果为亏损；

若所述交易单价小于所述估值价格，且所述交易单价与所述估值价格的差值大于所述亏损阈值，则所述盈亏诊断结果为亏损；否则所述盈亏诊断结果为盈利。

9.根据权利要求1所述的商品交易风控方法，其特征在于，所述根据所述商品属性和所述用户信息进行权限检测，得到权限诊断结果，包括：

根据所述商品属性判断所述交易商品是否为特殊商品；

若是，则判断所述用户信息在所述交易商品的权限用户名单中是否有匹配；

若无匹配，则所述权限诊断结果为异常；

若有匹配或所述交易商品不是特殊商品，则所述权限诊断结果无异常。

10.根据权利要求9所述的商品交易风控方法，其特征在于，还包括：

若所述权限诊断结果为异常，则生成权限异常信息并展示给用户。

11.根据权利要求8所述的商品交易风控方法，其特征在于，所述基于所述流量诊断结果、所述盈亏诊断结果和所述权限诊断结果判断交易是否异常，包括：

若所述流量诊断结果或所述权限诊断结果为异常，则判断交易异常；

若所述流量诊断结果和所述权限诊断结果均为正常，所述盈亏诊断结果为亏损，则获取所述交易商品在所述预设时间段内的净收入；

基于所述盈亏诊断结果和所述净收入判断交易是否异常。

12.根据权利要求11所述的商品交易风控方法，其特征在于，所述基于所述盈亏诊断结果和所述净收入判断交易是否异常，包括：

若所述交易单价小于等于所述成本价格，则判断交易异常；

若所述交易单价小于所述估值价格，且所述交易单价与所述估值价格的差值大于所述亏损阈值，则基于所述净收入和所述成本价格计算所述交易商品在所述预设时间段内的利润率；

若所述利润率大于预设利润阈值，则判断交易正常，否则判断交易异常。

13.根据权利要求12所述的商品交易风控方法，其特征在于，还包括：

若所述利润率大于所述预设利润阈值，则在用户完成所述待支付订单的支付后，将所述待支付订单放入低价出售数据库中。

14.一种商品交易风控装置，其特征在于，包括：

接收模块，用于接收用户的待支付订单，获取用户信息和所述待支付订单的各个交易商品；

获取模块，用于获取所述交易商品的成本价格、交易单价、商品属性和预设时间段的交易流量数据；

流量诊断模块，用于将所述交易流量数据输入流量监控模型，得到流量诊断结果；

盈亏诊断模块，用于基于所述成本价格和所述交易单价进行盈亏判断，得到盈亏诊断结果；

权限诊断模块，用于根据所述商品属性和所述用户信息进行权限检测，得到权限诊断结果；

风控模块，用于基于所述流量诊断结果、所述盈亏诊断结果和所述权限诊断结果判断交易是否异常。

15.根据权利要求14所述的商品交易风控装置，其特征在于，所述流量诊断模块包括：

输入单元，用于将所述交易流量数据输入所述流量监控模型，得到正常流量范围；

判断单元，用于判断所述待支付订单中所述交易商品的数量是否超过了所述正常流量范围；

流量诊断单元，用于在超过所述正常流量范围时，判断所述流量诊断结果为流量异常，在不超过所述正常流量范围时，判断所述流量诊断结果为流量正常。

16.根据权利要求15所述的商品交易风控装置，其特征在于，还包括：

阈值确定模块，用于根据所述正常流量范围得到所述交易商品的危险阈值；

超出计算模块，用于在所述流量诊断结果为流量异常时，计算所述交易商品的超出数量；

超出判断模块，用于判断所述超出数量是否大于所述危险阈值；

警告模块，用于在大于所述危险阈值时，发送异常警告信息到所述交易商品的客服。

17.根据权利要求15所述的商品交易风控装置，其特征在于，还包括：

构建模块，用于基于最小二乘支持向量回归机算法构建预训练模型；

收集模块，用于将多种商品在所述预设时间段内的所述交易流量数据作为训练流量数据；

训练模块，用于将各所述训练流量数据依次输入所述预训练模型，得到所述流量监控模型。

18.根据权利要求14所述的商品交易风控装置，其特征在于，所述盈亏诊断模块包括：

估值单元，用于获取所述交易商品的上市价格、历史交易平均单价和二手交易平均单价，并输入商品估值模型，得到所述交易商品的估值价格；

盈亏诊断单元，用于根据所述估值价格、所述成本价格和所述交易单价进行盈亏判断，得到所述盈亏诊断结果。

19.一种计算机设备，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如权利要求1至13中任一项所述商品交易风控方法的步骤。

20.一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如权利要求1至13中任一项所述商品交易风控方法的步骤。