TW201802732A - 資料風險控制的方法及裝置 - Google Patents

資料風險控制的方法及裝置 Download PDF

Info

Publication number
TW201802732A
TW201802732A TW106119330A TW106119330A TW201802732A TW 201802732 A TW201802732 A TW 201802732A TW 106119330 A TW106119330 A TW 106119330A TW 106119330 A TW106119330 A TW 106119330A TW 201802732 A TW201802732 A TW 201802732A
Authority
TW
Taiwan
Prior art keywords
transaction data
graph
batch
batch transaction
attribute
Prior art date
Application number
TW106119330A
Other languages
English (en)
Other versions
TWI673666B (zh
Inventor
霍文虎
黃承偉
王維強
Original Assignee
阿里巴巴集團服務有限公司
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 阿里巴巴集團服務有限公司 filed Critical 阿里巴巴集團服務有限公司
Publication of TW201802732A publication Critical patent/TW201802732A/zh
Application granted granted Critical
Publication of TWI673666B publication Critical patent/TWI673666B/zh

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06F21/60—Protecting data
    • 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]
    • G06Q30/0607—Regulated
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • 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
    • G06Q20/08—Payment architectures
    • G06Q20/10—Payment architectures specially adapted for electronic funds transfer [EFT] systems; specially adapted for home banking systems
    • G06Q20/102—Bill distribution or payments
    • 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
    • G06Q20/40—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
    • G06Q20/405—Establishing or using transaction specific rules
    • 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
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本發明揭露了一種資料風險控制的方法及裝置，關於網際網路技術領域，主要目的在於解決針對單筆交易資料進行風險防控的風險控制架構，無法對分散的批量交易資料進行風險識別的問題，快速、準確地識別出批量交易資料中存在的風險。本發明的技術方案包括：對預定時間段內的批量交易資料按照第一屬性進行分類；針對每個類別的批量交易資料分別根據第二屬性生成對應的用於識別批量交易資料中存在風險的圖的圖指標；將不同類別的批量交易資料對應的所述圖指標分別輸入到對應的風險識別模型，根據模型輸出結果得到輸入圖指標對應的批量交易資料是否有風險。

Description

資料風險控制的方法及裝置
本發明關於網際網路技術領域，尤其關於一種資料風險控制的方法及裝置。
隨著網際網路技術的快速發展，電子支付的應用也越來越廣泛；其中，電子支付是指付款人直接或授權他人藉由電子終端發出支付指令，實現貨幣支付與資金轉移的行為，電子支付能夠使人們的日常生活更便利、快捷、高效。
目前，為了能夠確定電子支付過程中資金的安全性，常藉由風險控制架構對每筆電子支付進行風險防控。風險控制架構一般由策略規則和支付模型組成，主要針對單筆電子支付進行即時風險判斷及風險決策，當確定某一筆電子支付存在風險時，進行風險報警，即將該存在風險的電子支付進行攔截或取消，避免使用者的經濟損失。
但是，在風險控制架構防控過程中，惡意作案者經常藉由在每筆電子支付中類比正常電子支付的行為習慣進行支付，以躲避風險控制架構的防控。而在惡意作案者實施 電子支付時會形成一定的批量性，對於批量電子支付，由於其電子支付主體分散且持續時間長，因此，風險控制架構在對單筆電子支付進行防控時，分散的電子支付可能還未達到風險控制架構進行風險報警的條件，無法對分散的批量電子支付進行識別，可能直接導致電子支付使用者不必要的經濟損失。
有鑑於此，本發明實施例提供一種資料風險控制的方法及裝置，主要目的在於解決現有技術中針對以單筆交易資料進行風險防控的風險控制架構，無法對分散的批量交易資料進行風險識別的問題，能夠快速、準確地識別出批量交易資料中存在的風險。
為達到上述目的，本發明提供如下技術方案：第一方面，本發明提供一種資料風險控制的方法，包括：對預定時間段內的批量交易資料按照第一屬性進行分類；針對每個類別的批量交易資料分別根據第二屬性生成對應的用於識別批量交易資料中存在風險的圖的圖指標；將不同類別的批量交易資料對應的所述圖指標分別輸入到對應的風險識別模型，根據模型輸出結果得到輸入圖指標對應的批量交易資料是否有風險。
第二方面，本發明提供的一種資料風險控制的裝置， 包括：第一分類單元，用於對預定時間段內對批量交易資料按照第一屬性進行分類；第一生成單元，用於針對所述第一分類單元分類後的每個類別的批量交易資料分別根據第二屬性生成對應的用於識別批量交易資料中存在風險的圖的圖指標；輸入單元，用於將所述第一生成單元生成的不同類別的批量交易資料對應的所述圖指標分別輸入到風險識別模型；確定單元，用於根據模型輸出結果得到輸入圖指標對應的批量交易資料是否有風險。
借由上述技術方案，本發明實施例提供的技術方案至少具有下列優點：本發明提供的資料風險控制的方法及裝置，風險控制架構/系統在進行風險控制時，首先，對預定時間段內的批量交易資料按照第一屬性進行分類，針對每個類別的批量交易資料分別根據第二屬性生成對應的用於識別批量交易資料中存在風險的圖的圖指標，將不同類別的批量交易資料對應的圖指標輸入到風險識別模型，根據模型輸出結果得到輸入圖指標對應的批量交易資料是否有風險，以便風險控制架構/系統對圖指標對應的包含風險的批量交易資料進行風險控制。本發明藉由對預定時間段內對單筆交易資料積累的批量交易資料進行分類、生成圖指標，能夠藉由風險識別模型快速、準確地識別出不同類別批量交易 資料中存在的集中性風險，減少使用者不必要的經濟損失。
上述說明僅是本發明技術方案的概述，為了能夠更清楚瞭解本發明的技術手段，而可依照說明書的內容予以實施，並且為了讓本發明的上述和其它目的、特徵和優點能夠更明顯易懂，以下特舉本發明的具體實施方式。
101‧‧‧步驟
102‧‧‧步驟
103‧‧‧步驟
31‧‧‧第一分類單元
32‧‧‧第一生成單元
33‧‧‧輸入單元
34‧‧‧確定單元
35‧‧‧第二分類單元
36‧‧‧構建單元
37‧‧‧第二生成單元
38‧‧‧訓練單元
321‧‧‧構建模組
3211‧‧‧查找子模組
3212‧‧‧建立子模組
3213‧‧‧構造子模組
3214‧‧‧設置模組
322‧‧‧生成模組
3221‧‧‧解析子模組
3222‧‧‧確定子模組
3223‧‧‧生成子模組
藉由閱讀下文較佳實施方式的詳細描述，各種其他的優點和益處對於本領域普通技術人員將變得清楚明瞭。附圖僅用於顯示較佳實施方式的目的，而並不認為是對本發明的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。在附圖中：圖1顯示了本發明實施例提供的一種資料風險控制的方法的流程圖；圖2顯示了本發明實施例提供的一種圖的示意圖；圖3顯示了本發明實施例提供的一種資料風險控制的裝置的組成方塊圖；圖4顯示了本發明實施例提供的另一種資料風險控制的裝置的組成方塊圖。
下面將參照附圖更詳細地描述本揭露的實例性實施例。雖然附圖中顯示了本揭露的實例性實施例，然而應當 理解，可以以各種形式實現本揭露而不應被這裡闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本揭露，並且能夠將本揭露的範圍完整的傳達給本領域的技術人員。
本發明實施例提供一種資料風險控制的方法，該方法應用於電腦設備。如圖1所示，該方法包括：101、對預定時間段內的批量交易資料按照第一屬性進行分類。
現有技術中，風險控制架構/系統會對每一個單筆交易資料進行非常嚴格的風險控制，但是，在風險控制架構/系統防控過程中，團夥作案者經常會藉由模擬正常使用者的習慣對單筆交易資料進行操作，以避開風險控制架構/系統的防控，其中，該單筆交易資料通常為使用者的資金流轉資料，例如：銀行轉帳、網上購物支付、跨平臺資金支付等等。但是，由於團夥作案者進行作案過程中，其主體分散且持續時間較長，風險控制架構/系統在對單筆交易資料進行風險評估或決策時，將風險分散到每個主體，但是每個主體或許還沒達到風險控制架構/系統風險報警的閾值，因此，會遺漏掉大部分的集中性風險，造成使用者不必要的經濟損失。在實際應用中，所述主體為資金流出方，可以包括但不局限於以下內容，例如：銀行卡、某資金交易平臺的註冊帳號等等，本發明實施例對資金流出方對應的主體不進行限定。
因此，為解決現有技術中僅能夠識別單筆交易資料中 存在的風險，易存在風險遺漏的問題，本發明實施例以批量交易資料為單位識別批量交易資料中存在的風險。本發明實施例所述的風險控制架構/系統在風險防控過程中，對批量交易資料進行風險識別，而非單筆交易資料；因此，在風險控制系統防控之前，需要對單筆交易資料進行積累，以得到批量交易資料。由於資料庫中記錄的單筆交易資料的量較大，在獲取批量交易資料時，通常不會對資料庫中全部的單筆交易資料進行積累，而是對某一預定時間段內的單筆交易資料進行積累，以得到批量交易資料。若積累到的批量交易資料量過大，容易將批量交易資料中的風險“稀釋”，且在識別批量交易資料中的風險時，較大的資料量給識別風險帶來一定的阻礙；若積累得到的批量交易資料量過小，易導致其不具備統計單筆交易資料的意義，達不到識別批量交易資料中風險的目的。
由於作案者作案時批量性的特徵，團夥作案內部必然存在聯繫。在按照第一屬性對批量交易資料進行分類的時候，例如說可以將帳戶的註冊為同一個國家、進行交易的產品為同一種、產品的收貨國家或者地區相同和/或收款帳號相同分為一類。分類的維度，可以根據具體的風險業務來決定。不同國家、地區都會產生不同的風險形態，都會導致不同的分類方法。因此，本發明實施例藉由對批量交易資料進行分類的方式，將風險“包裹”在某一具體類別中，確定批量風險集中於某一類別，確保了識別批量交易資料中風險的準確性，防止風險的遺漏，以避免給使用者 帶去不必要的、未知的經濟損失。需要說明的是，這裡的第一屬性僅是為了描述上的方便，其並不是指一個屬性，而是可以包括一個或者多個屬性。
在實際應用中，當作案者在非法獲取某一產品時，為了謀取利益，需要將非法獲取的產品進行銷贓，在網上銷贓過程中一般關於產品的類目(如手機數位、汽車、家電、服裝等類目)、賣家所在地區、買家所在地區等資訊，因此，本發明實施例在按照第一屬性進行分類時，可以將產品類目、賣家所在地區或者買家所在地區等作為第一屬性，也可以將類目中包含的子類目(如手機、電腦、女裝、車型、生活電器等子類目)、賣家所在城市等作為第一屬性，本發明實施例對第一屬性的具體設定不作限定。
本發明實施例中，對預定時間段內的單筆交易資料進行積累，其目的在於，在將單筆交易資料進行聚集的時候，對該些單筆交易資料中可能存在的未知風險在進行積累。在實際應用中，可以對某一天內的單筆交易資料進行積累得到批量交易資料；或者，也可以對連續三天內的單筆交易資料進行積累得到批量交易資料；或者，還可以對某一周內的單筆交易資料進行積累得到批量交易資料，本發明實施例對預定時間段的具體設定不作限定。
102、針對每個類別的批量交易資料分別根據第二屬性生成對應的用於識別批量交易資料中存在風險的圖的圖指標。
步驟101對批量交易資料進行分類之後，同一類別的批量交易資料中可能存在一種風險，也可能不存在風險，也可能同時存在多種風險，因此，需要分別對不同類別的批量交易資料進行識別，確定風險。
為了辨別出某一類別的批量交易資料中是否存在風險，本發明實施例使用風險識別模型對不同類別的批量交易資料中是否存在風險進行識別。其中，所述風險識別模型用於根據圖指標對批量交易資料中存在的風險進行識別。在風險識別模型對風險進行識別時，該風險識別模型的輸入為根據批量交易資料建立的圖的圖指標。
本步驟的目的在於，為了滿足風險識別模型對輸入資料的要求，針對不同類別的批量交易資料分別根據第二屬性生成圖，基於生成的圖得到每個圖的指標。這裡的第二屬性也是為了描述的方便，可以是一個屬性，也可以是多個屬性。例如說，可以按照交易資料中交易發生的設備這一屬性建立圖，也可以同時根據郵箱、IP位址分別在每個類別的批量交易資料內建立圖。不同的批量交易資料在生成圖的時候，依據的第二屬性可以相同，也可以不同，可以根據實際情況決定。第一屬性和第二屬性可以相同，也可以不同，也可以部分相同。根據圖衍生出的圖指標可以包括圖中的節點數量，節點之間發生聯繫的邊的個數等等。
103、將不同類別的批量交易資料對應的所述圖指標分別輸入到對應的風險識別模型，根據模型輸出結果得到 輸入圖指標對應的批量交易資料是否有風險。
在確定批量交易資料中是否存在風險時，將不同類別的批量交易資料對應的圖指標分別輸入到對應的風險識別模型中，由風險識別模型確定輸入的圖指標對應的批量交易資料是否存在風險。
在風險識別模型根據模型輸出結果確定出批量交易資料中存在風險時，輸出圖指標對應的包含風險的批量交易資料的第一屬性、第二屬性及確定風險對應的圖指標，供風險控制架構作風險防控參考、作風險決策，即根據第一屬性、第二屬性及圖指標對風險進行防控，避免使用者的經濟損失。
本發明提供的資料風險控制的方法，風險控制架構/系統在進行風險控制時，首先，對預定時間段內的批量交易資料按照第一屬性進行分類，針對每個類別的批量交易資料分別根據第二屬性生成對應的用於識別批量交易資料中存在風險的圖的圖指標，將不同類別的批量交易資料對應的圖指標輸入到風險識別模型，根據模型輸出結果得到輸入圖指標對應的批量交易資料是否有風險，以便風險控制架構/系統對圖指標對應的包含風險的批量交易資料進行風險控制。本發明藉由對預定時間段內對單筆交易資料積累的批量交易資料進行分類、生成圖指標，能夠藉由風險識別模型快速、準確地識別出不同類別批量交易資料中存在的集中性風險，減少使用者不必要的經濟損失。
進一步的，在對預定時間段內對單筆交易資料進行積 累得到的批量交易資料進行分類時，需要按照第一屬性對批量交易資料進行分類，其中，所述第一屬性隨國家、地區或者業務的不同，而存在差異，所述第一屬性包括但不限於國家、產品型號、公司名、汽車品牌等等。實例性的，假設，在預定時間段為2016/2/17，00：00-24：00的時間段內，資料庫中需要分類的單筆交易資料為1000個，此時按照第一屬性收貨國家對該1000個單筆交易資料進行分類，其中，收貨國家為美國的單筆交易資料為300個，收貨國家為中國的單筆交易資料為400個，收穫國家為英國的單筆交易資料為300個，表1詳細記錄了資料庫中對1000個單筆交易資料進行分類的資訊，如表1所示，表1顯示了根據第一屬性收貨國家確定的類別詳細表單，其中，表1僅為實例性的舉例，本發明實施例對分類的詳細記錄資訊方式不進行限定。
Figure TW201802732AD00001
進一步的，在使用訓練用批量交易資料進行訓練，以得到風險識別模型中不同類別的訓練用批量交易資料存在風險的一般規則，即對分類後的訓練用批量交易資料進行預設處理操作確定的訓練圖指標對應的預設風險閾值，藉由該預設風險閾值確定批量交易資料中是否存在風險，所述訓練用批量交易資料為對預定時間段內的歷史單筆交易資料進行積累得到的批量交易資料。因此，為了滿足風險識別模型對輸入資料的要求，在步驟102執行針對每個類別的批量交易資料分別根據第二屬性生成對應的用於識別批量交易資料中存在風險的圖的圖指標時，對分類後的批量交易資料進行預設處理操作。與此同時，分類後的批量交易資料進行預設處理操作在一定程度上能夠提高風險識別模型識別風險的速度、效率。其中，所述預設處理操作包括：針對每個類別的批量交易資料按照第二屬性構建單筆交易資料之間存在關聯的圖、並根據該圖衍生用於識別批量交易資料中存在風險的圖指標。
本實施例中，根據不同類別的批量交易資料按照第二屬性分別生成用於識別批量交易資料中存在風險的圖指標，其目的在於，確定同一類別中單筆交易資料之間是否存在內在聯繫，該圖使得具有相同第二屬性的單筆交易資料之間存在關聯關係。在構建完成圖之後，不能確定兩兩單筆交易資料的關聯程度，因此，還需要根據圖生成其對應的圖指標，並將該圖指標輸入到風險識別模型中，以便風險識別模型藉由圖指標識別批量交易資料中的風險。
進一步的，在分別對不同類別的批量交易資料根據第二屬性構建圖時，可以藉由但不局限於以下的方法實現，例如，首先，在同一類別的批量交易資料中查找第二屬性相同的單筆交易資料，將該些第二屬性相同的單筆交易資料建立關聯關係，其次，構造存在關聯關係的單筆交易資料之間的邊，並設置邊的距離閾值，最後，根據邊及邊的距離閾值構建圖。在對同一類別的批量交易資料中構造圖時，可以根據一個第二屬性構造圖，也可以根據至少兩個第二屬性構造對應數量的圖。通常情況下，第二屬性的數量與構造的圖的數量是一一對應的關係，極端情況下，若在不同類別的批量交易資料中確認第二屬性出現的誤差較大，則可能造成在該類別的批量交易資料中無法查找到至少兩個與該第二屬性相同的單筆交易資料，該種情況在實際應用中極少發生。本發明實施例對第二屬性的具體內容及個數、在同一類別中構造圖的具體個數、圖中包含的單筆交易資料的個數不作限定。
本發明實施例中，在確定第二屬性時，需要根據不同類別中單筆交易資料的實際內容進行確定，所述第二屬性可以包括但不局限於以下內容，例如：終端設備屬性、購物平臺或資金交易平臺的註冊帳號、網路之間互連的協定(Internef Protocol,IP)、收款帳號資訊/付款帳號資訊等等，本發明實施例對此不作限定。
實例性的，作案者批量性作案的特點，可能使用多個某資金交易平臺的註冊帳號與同一張銀行卡進行綁定，例 如，不同購物平臺中的註冊帳號，同時綁定一張銀行卡；或者，同一個購物網站的註冊帳號同時綁定或者使用多個使用者的銀行卡，例如，使用者I的購物網站註冊帳號：abc@*.com，同時綁定使用者A、使用者B、使用者C的銀行卡，當使用者I在盜取使用者A、使用者B、使用者C的個人基本資訊(身份證、手機號碼、銀行卡卡號)之後，可執行網上支付行為，導致使用者A、使用者B、使用者C的經濟損失。因此，在確定第二屬性對批量交易資料進行構圖時，可根據作案者作案的一些必不可少的步驟確定第二屬性，如用於進行資金交易的設備資訊或者IP網段資訊、資金交易平臺帳號資訊、銀行卡資訊等等。
需要說明的是，在構造完關聯關係資料之間的邊後，需要設置邊的距離閾值，其目的在於，將圖中的邊進行“量化”，即將同一類別中的存在關聯關係的單筆交易資料進行量化。在設置邊的距離閾值的設置原理為：若單筆交易資料之間依賴於第二屬性存在關聯關係，則將兩單筆交易資料構成的邊對應的距離閾值設置的相對較小，例如，設置邊的距離閾值為1；或者，設置邊的距離閾值為2等等；若單筆交易資料之間不存在依賴於第二屬性的關聯關係，說明兩個單筆交易資料之間為相互獨立的，可以將該些獨立的單筆交易資料之間的邊的距離閾值設置的相對較大值，例如，設置邊的距離閾值為1000；或者，設置邊的距離閾值為5000等等，本發明實施例對設置的邊的距離閾值的具體數值不進行限定。
實例性的，承由上述表1所示的實例，對收貨國家為美國的批量交易資料根據以下第二屬性構造圖，第二屬性包括：收款終端設備屬性智慧手機、IP位址、收款時某資金交易平臺的註冊帳號、收款銀行卡類別，圖2顯示了本發明實施例提供的一種圖的示意圖，如圖2所示，該圖中為根據上述四種第二屬性構建的圖，其中，A代表單筆交易資料中根據收款終端設備屬性智慧手機確定的關聯關係，B代表單筆交易資料中根據IP位址確定的關聯關係，C代表單筆交易資料中根據收款時某資金交易平臺的註冊帳號確定的關聯關係、D代表單筆交易資料中根據收款銀行卡類別確定的關聯關係，圖中A、B、C、D所示的邊代表其構成邊的單筆交易資料之間存在關聯關係，且設置兩兩存在關聯關係的單筆交易資料之間每條邊的距離閾值為2，設置兩兩未存在關聯關係的單筆交易資料之間的距離閾值為1000，例如，單筆交易資料1與單筆交易資料2、單筆交易資料3之間的距離閾值分別為1000，單筆交易資料3與單筆交易資料4之間的距離閾值為2，單筆交易資料3與單筆交易資料1、單筆交易資料2之間的距離閾值為1000。需要說明的是，圖2僅為實例性的舉例，本發明實施例對具體的第二屬性、存在關聯關係的單筆交易資料的個數、某一類別中批量交易資料的個數、兩兩單筆交易資料之間的距離閾值等內容不作限定。針對收貨國家為中國、收貨國家為英國的批量交易資料根據第二屬性構造關聯關係圖時，採用的方法與收貨國家為美國的 批量交易資料根據第二屬性構造圖的方法、第二屬性相同，在此不再進行贅述。
進一步的，在根據第二屬性構造完成圖之後，為了便於風險識別系統識別批量交易資料中的風險，對構造的所有圖分別衍生其對應的圖指標。衍生圖指標的過程包括：對不同類別的批量交易資料對應的圖進行解析，分別確定不同類別的批量交易資料中單筆交易資料的個數，圖中邊的個數及其邊對應的距離閾值，根據獲取的單筆交易資料的個數，圖中邊的個數及其邊對應的距離閾值生成圖指標。
為了便於對圖指標進行更好的理解，以下將對圖指標進行詳細說明。對於某一類別的批量交易資料，其包括存在關聯關係的單筆交易資料及單筆交易資料之間無關聯關係相互獨立的單筆交易資料，當該類別的批量交易資料根據第二屬性終端設備屬性構建圖時，衍生的圖指標包括：邊距離閾值的平均距離、邊距離閾值的最近距離、單筆交易資料的個數、單筆交易資料支付次數熵、邊的平均個數。其中，所述邊距離閾值的平均距離越小，說明存在關聯關係的單筆交易資料之間的關聯越大，即支付越集中，存在風險的機率越大；所述邊距離閾值的平均距離越大，說明存在關聯關係的單筆交易資料之間的關聯越小，即支付越分散，存在風險的機率越小。邊距離閾值的最近距離為設置的邊的距離閾值相對較小的值，說明兩個單筆交易資料之間存在關聯關係；邊距離閾值的最近距離為設置的 邊的距離閾值相對較大的值，說明兩個單筆交易資料之間相互獨立，不存在關聯關係。單筆交易資料支付次數熵為對每個帳戶的支付次數計算的熵，熵越小說明該關聯關係圖中的支付集中於某幾個帳戶，熵越大說明該圖中的支付較分散；不同各類別的批量交易資料中單筆交易資料的個數的越多，說明該類別的批量交易資料中的支付次數越多，出現風險的機率越大；邊的平均個數=邊的個數/
Figure TW201802732AD00002
，其中，n=單筆交易資料的個數，邊的平均個數越大，表示越多的單筆交易資料會被關聯上，即支付越集中，出現風險的機率越大。
進一步的，在利用風險識別模型對風險進行識別之前，需要使用預定時間段內的歷史單筆交易資料進行積累得到的批量交易資料進行訓練，構建風險識別模型，以得到訓練用批量交易資料中存在風險時圖指標對應的預設風險閾值，保證風險識別模型識別風險的準確性。在構建風險識別模型時，可以根據訓練用批量交易資料的類別構建對應類型的風險識別模型，具體包括：對用於所述風險識別模型訓練的批量交易資料進行分類，並對不同類別的訓練用批量交易資料根據第二屬性構建訓練圖，根據訓練圖生成其對應的訓練圖指標，用訓練圖指標進行風險識別模型的訓練，根據訓練結果確定不同類別的訓練用批量交易資料的圖指標對應的預設風險閾值。
其中，訓練用批量交易資料與前述批量交易資料相似，訓練用批量交易資料為對預定時間段內的歷史單筆交 易資料進行積累得到的批量交易資料，批量交易資料為對預定時間段內的單筆交易資料進行積累得到的批量交易資料；而歷史單筆交易資料與前述單筆交易資料相似，均為使用者的資金流轉資料，但是，在實質上也存在不同，不同點在於：歷史單筆交易資料為已經確認交易完成的資料，其是否存在風險是已知的，對於已經完成的、且存在風險的交易，是無法對其挽回的；而單筆交易資料可能正處於交易過程中的資料，其是否存在風險為未知的，在交易未完成之前，若發現該單筆交易資料中存在風險，可執行對交易的暫停或者取消，避免使用者不必要的經濟損失。例如，當單筆交易資料為銀行轉帳資料，且該銀行轉帳金額還未成功轉到目的帳號時，若該過程中發現目的帳號可能包含風險，則執行取消該銀行轉帳。
本發明實施例中，雖然歷史單筆交易資料的風險為已知的，但是，當歷史單筆交易資料積累在一起形成訓練用批量交易資料時，還是無法確定訓練批量交易資料中存在風險的規律規則，因此，還需要對已經風險的訓練用批量交易資料進行訓練，總結確定出風險存在時圖指標的預設風險閾值，風險識別系統根據該預設風險閾值，對未完成交易的批量交易資料作風險防控，確保交易資料的安全性。
在實際應用中，在根據圖衍生圖指標及訓練圖指標時，計算出的圖指標或者訓練圖指標為一個具體的數值，而預設風險閾值是根據訓練圖指標確定的，因此，可以預 設風險閾值作為風險識別模型的變數，為該變數賦衍生訓練圖指標得到的具體數值。在風險識別模型識別圖指標是否超過預設風險閾值時，將預設風險閾值與圖指標(變數)的值進行比對，若匹配成功，則說明圖指標所在類型的批量交易資料中存在風險；若匹配不成功，則說明圖指標所在類型的批量交易資料中未存在風險。
進一步的，作為對上述圖1所示方法的實現，本發明另一實施例還提供了一種資料風險控制的裝置。該裝置實施例與前述方法實施例對應，為便於閱讀，本裝置實施例不再對前述方法實施例中的細節內容進行逐一贅述，但應當明確，本實施例中的裝置能夠對應實現前述方法實施例中的全部內容。
本發明實施例提供一種資料風險控制的裝置，如圖3所示，該裝置包括：第一分類單元31，用於對預定時間段內對批量交易資料按照第一屬性進行分類；第一生成單元32，用於針對所述第一分類單元31分類後的每個類別的批量交易資料分別根據第二屬性生成對應的用於識別批量交易資料中存在風險的圖的圖指標；輸入單元33，用於將所述第一生成單元32生成的不同類別的批量交易資料對應的所述圖指標分別輸入到風險識別模型；確定單元34，用於根據模型輸出結果得到輸入圖指標對應的批量交易資料是否有風險。
進一步的，如圖4所示，所述第一生成單元32包括：構建模組321，用於針對每個類別的批量交易資料根據第二屬性構建單筆交易資料之間存在關聯關係的圖；生成模組322，用於根據所述構建模組321構建的所述圖生成其對應的圖指標。
進一步的，如圖4所示，所述構建模組321包括：查找子模組3211，用於查找同一類別的批量交易資料中所述第一屬性相同的單筆交易資料；建立子模組3212，用於建立所述查找子模組3211查找的第一屬性相同的單筆交易資料之間的關聯關係；構造子模組3213，用於構造所述建立子模組3212建立的存在關聯關係的單筆交易資料之間的邊；設置模組3214，用於設置所述構造子模組3213構造的邊的距離閾值。
進一步的，如圖4所示，所述生成模組322包括：解析子模組3221，用於針對每個類別的批量交易資料對應的圖進行解析；確定子模組3222，用於在所述解析子模組3221針對每個類別批量交易資料對應的圖進行解析的過程中，確定每個類別的批量交易資料中的單筆交易資料個數、圖中邊的個數及邊的距離閾值；生成子模組3223，用於根據所述確定子模組3222確定的所述單筆交易資料個數、所述圖中邊的個數及所述邊 的距離閾值生成所述圖指標。
進一步的，如圖4所示，所述裝置還包括：第二分類單元35，用於對用於所述風險識別模型訓練的批量交易資料進行分類；構建單元36，用於對所述第二分類單元35分出的每個類別的訓練用批量交易資料根據第一屬性構建訓練圖；所述訓練批量交易資料為對預定時間段內的歷史單筆交易資料進行積累得到的批量交易資料；第二生成單元37，用於根據所述構建單元36構建的所述訓練圖生成其對應的訓練圖指標；訓練單元38，用於用所述第二生成單元37生成的所述訓練圖指標進行所述風險識別模型的訓練。
本發明提供的資料風險控制的裝置，風險控制架構/系統在進行風險控制時，首先，對預定時間段內的批量交易資料按照第一屬性進行分類，針對每個類別的批量交易資料分別根據第二屬性生成對應的用於識別批量交易資料中存在風險的圖的圖指標，將不同類別的批量交易資料對應的圖指標輸入到風險識別模型，根據模型輸出結果得到輸入圖指標對應的批量交易資料是否有風險，以便風險控制架構/系統對圖指標對應的包含風險的批量交易資料進行風險控制。本發明藉由對預定時間段內對單筆交易資料積累的批量交易資料進行分類、生成圖指標，能夠藉由風險識別模型快速、準確地識別出不同類別批量交易資料中存在的集中性風險，減少使用者不必要的經濟損失。
所述資料風險控制的裝置包括處理器和記憶體，上述第一分類單元、生成單元、輸入單元及確定單元等均作為程式單元儲存在記憶體中，由處理器執行儲存在記憶體中的上述程式單元來實現相應的功能。
處理器中包含核心，由核心去記憶體中調取相應的程式單元。核心可以設置一個或以上，藉由調整核心參數來解決現有技術中針對單筆交易資料為單位進行風險防控的風險控制架構，無法對分散的批量交易資料進行風險識別的問題，能夠快速、準確地識別出批量交易資料中存在的風險。
記憶體可能包括電腦可讀媒體中的非永久性記憶體，隨機存取記憶體(RAM)和/或非揮發性記憶體等形式，如唯讀記憶體(ROM)或快閃記憶體(flash RAM)，記憶體包括至少一個儲存晶片。
本發明還提供了一種電腦程式產品，當在資料處理設備上執行時，適於執行初始化有如下方法步驟的程式碼：對預定時間段內的批量交易資料按照第一屬性進行分類；針對每個類別的批量交易資料分別根據第二屬性生成對應的用於識別批量交易資料中存在風險的圖的圖指標；將不同類別的批量交易資料對應的所述圖指標分別輸入到對應的風險識別模型，根據模型輸出結果得到輸入圖指標對應的批量交易資料是否有風險。
本領域內的技術人員應明白，本發明的實施例可提供為方法、系統、或電腦程式產品。因此，本發明可採用完 全硬體實施例、完全軟體實施例、或結合軟體和硬體方面的實施例的形式。而且，本發明可採用在一個或多個其中包含有電腦可用程式碼的電腦可用儲存媒體(包括但不限於磁碟記憶體、CD-ROM、光學記憶體等)上實施的電腦程式產品的形式。
本發明是參照根據本發明實施例的圖表中圖形的顯示方法、裝置、和電腦程式產品的流程圖和/或方塊圖來描述的。應理解可由電腦程式指令實現流程圖和/或方塊圖中的每一流程和/或方塊、以及流程圖和/或方塊圖中的流程和/或方塊的結合。可提供這些電腦程式指令到通用電腦、專用電腦、嵌入式處理機或其他可程式設計資料處理設備的處理器以產生一個機器，使得藉由電腦或其他可程式設計資料處理設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能的裝置。
這些電腦程式指令也可儲存在能引導電腦或其他可程式設計資料處理設備以特定方式工作的電腦可讀記憶體中，使得儲存在該電腦可讀記憶體中的指令產生包括指令裝置的製造品，該指令裝置實現在流程圖一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能。
這些電腦程式指令也可裝載到電腦或其他可程式設計資料處理設備上，使得在電腦或其他可程式設計設備上執行一系列操作步驟以產生電腦實現的處理，從而在電腦或其他可程式設計設備上執行的指令提供用於實現在流程圖 一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能的步驟。
在一個典型的配置中，計算設備包括一個或多個處理器(CPU)、輸入/輸出介面、網路介面和記憶體。
記憶體可能包括電腦可讀媒體中的非永久性記憶體，隨機存取記憶體(RAM)和/或非揮發性記憶體等形式，如唯讀記憶體(ROM)或快閃記憶體(flash RAM)。記憶體是電腦可讀媒體的實例。
電腦可讀媒體包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術來實現資訊儲存。資訊可以是電腦可讀指令、資料結構、程式的模組或其他資料。電腦的儲存媒體的例子包括，但不限於相變記憶體(PRAM)、靜態隨機存取記憶體(SRAM)、動態隨機存取記憶體(DRAM)、其他類型的隨機存取記憶體(RAM)、唯讀記憶體(ROM)、電可抹除可程式設計唯讀記憶體(EEPROM)、快閃記憶體或其他記憶體技術、唯讀光碟唯讀記憶體(CD-ROM)、數位多功能光碟(DVD)或其他光學儲存、磁盒式磁帶，磁帶磁磁片儲存或其他磁性存放裝置或任何其他非傳輸媒體，可用於儲存可以被計算設備存取的資訊。按照本文中的界定，電腦可讀媒體不包括暫存電腦可讀媒體(transitory media)，如調變的資料訊號和載波。
以上僅為本發明的實施例而已，並不用於限制本發明。對於本領域技術人員來說，本發明可以有各種更改和變化。凡在本發明的精神和原理之內所作的任何修改、等 同替換、改進等，均應包含在本發明的申請專利範圍之內。

Claims (10)

  1. 一種資料風險控制的方法，包括：對預定時間段內的批量交易資料按照第一屬性進行分類；針對每個類別的批量交易資料分別根據第二屬性生成對應的用於識別批量交易資料中存在風險的圖的圖指標；將不同類別的批量交易資料對應的所述圖指標分別輸入到對應的風險識別模型，根據模型輸出結果得到輸入圖指標對應的批量交易資料是否有風險。
  2. 根據申請專利範圍第1項所述的方法，其中，針對每個類別的批量交易資料分別根據第二屬性生成對應的用於識別批量交易資料中存在風險的圖的圖指標包括：針對每個類別的批量交易資料根據第二屬性構建單筆交易資料之間存在關聯關係的圖；根據所述圖生成其對應的圖指標。
  3. 根據申請專利範圍第2項所述的方法，其中，針對每個類別的批量交易資料根據第二屬性構建單筆交易資料之間存在關聯關係的圖包括：查找同一類別的批量交易資料中所述第一屬性相同的單筆交易資料；建立第一屬性相同的單筆交易資料之間的關聯關係；構造存在關聯關係的單筆交易資料之間的邊，並設置邊的距離閾值。
  4. 根據申請專利範圍第3項所述的方法，其中，根據 所述圖生成其對應的圖指標包括：針對每個類別的批量交易資料對應的圖進行解析，確定每個類別的批量交易資料中的單筆交易資料個數、圖中邊的個數及邊的距離閾值；根據所述單筆交易資料個數、所述圖中邊的個數及所述邊的距離閾值生成所述圖指標。
  5. 根據申請專利範圍第1-4項中任一項所述的方法，其中，所述方法還包括：對用於風險識別模型訓練的批量交易資料進行分類，並對每個類別的訓練用批量交易資料根據第一屬性構建訓練圖；所述訓練用批量交易資料為對預定時間段內的歷史單筆交易資料進行積累得到的批量交易資料；根據所述訓練圖生成其對應的訓練圖指標；用所述訓練圖指標進行所述風險識別模型的訓練。
  6. 一種資料風險控制的裝置，包括：第一分類單元，用於對預定時間段內對批量交易資料按照第一屬性進行分類；第一生成單元，用於針對所述第一分類單元分類後的每個類別的批量交易資料分別根據第二屬性生成對應的用於識別批量交易資料中存在風險的圖的圖指標；輸入單元，用於將所述第一生成單元生成的不同類別的批量交易資料對應的所述圖指標分別輸入到風險識別模型；確定單元，用於根據模型輸出結果得到輸入圖指標對 應的批量交易資料是否有風險。
  7. 根據申請專利範圍第6項所述的裝置，其中，所述第一生成單元包括：構建模組，用於針對每個類別的批量交易資料根據第二屬性構建單筆交易資料之間存在關聯關係的圖；生成模組，用於根據所述構建模組構建的所述圖生成其對應的圖指標。
  8. 根據申請專利範圍第7項所述的裝置，其中，所述構建模組包括：查找子模組，用於查找同一類別的批量交易資料中所述第一屬性相同的單筆交易資料；建立子模組，用於建立所述查找子模組查找的第一屬性相同的單筆交易資料之間的關聯關係；構造子模組，用於構造所述建立子模組建立的存在關聯關係的單筆交易資料之間的邊；設置模組，用於設置所述構造子模組構造的邊的距離閾值。
  9. 根據申請專利範圍第8項所述的裝置，其中，所述生成模組包括：解析子模組，用於針對每個類別的批量交易資料對應的圖進行解析；確定子模組，用於在所述解析子模組針對每個類別批量交易資料對應的圖進行解析的過程中，確定每個類別的批量交易資料中的單筆交易資料個數、圖中邊的個數及邊 的距離閾值；生成子模組，用於根據所述確定子模組確定的所述單筆交易資料個數、所述圖中邊的個數及所述邊的距離閾值生成所述圖指標。
  10. 根據申請專利範圍第6-9項中任一項所述的裝置，其中，所述裝置還包括：第二分類單元，用於對用於風險識別模型訓練的批量交易資料進行分類；構建單元，用於對所述第二分類單元分出的每個類別的訓練用批量交易資料根據第一屬性構建訓練圖；所述訓練批量交易資料為對預定時間段內的歷史單筆交易資料進行積累得到的批量交易資料；第二生成單元，用於根據所述構建單元構建的所述訓練圖生成其對應的訓練圖指標；訓練單元，用於用所述第二生成單元生成的所述訓練圖指標進行所述風險識別模型的訓練。
TW106119330A 2016-07-01 2017-06-09 資料風險控制的方法及裝置 TWI673666B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
??201610512684.2 2016-07-01
CN201610512684.2A CN107563757B (zh) 2016-07-01 2016-07-01 数据风险识别的方法及装置

Publications (2)

Publication Number Publication Date
TW201802732A true TW201802732A (zh) 2018-01-16
TWI673666B TWI673666B (zh) 2019-10-01

Family

ID=60786567

Family Applications (1)

Application Number Title Priority Date Filing Date
TW106119330A TWI673666B (zh) 2016-07-01 2017-06-09 資料風險控制的方法及裝置

Country Status (9)

Country Link
US (1) US11074350B2 (zh)
EP (1) EP3480769A4 (zh)
JP (1) JP6697584B2 (zh)
KR (1) KR102175226B1 (zh)
CN (1) CN107563757B (zh)
MY (1) MY188651A (zh)
SG (1) SG11201811395YA (zh)
TW (1) TWI673666B (zh)
WO (1) WO2018001195A1 (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12051065B1 (en) * 2017-08-25 2024-07-30 Worldpay, Llc Interactive user interface systems and methods for analyzing transaction attributes and dispute information using blockchain
CN108492112B (zh) * 2018-01-23 2020-06-23 阿里巴巴集团控股有限公司 判定虚假资源转移及虚假交易的方法、装置及电子设备
CN108876102B (zh) * 2018-05-04 2023-08-22 创新先进技术有限公司 一种风险交易挖掘方法、装置及设备
CN109242515B (zh) * 2018-08-29 2021-07-23 创新先进技术有限公司 跨平台的异常账号识别方法和装置
CN109272323B (zh) * 2018-09-14 2022-03-04 创新先进技术有限公司 一种风险交易识别方法、装置、设备及介质
CN109615167A (zh) * 2018-11-06 2019-04-12 阿里巴巴集团控股有限公司 确定疑似批量风险交易事件的方法、装置和电子设备
CN109636400A (zh) * 2018-11-29 2019-04-16 国家新闻出版广电总局广播电视规划院 一种支付业务风险控制方法及装置
US11804362B2 (en) * 2018-12-21 2023-10-31 Advanced Energy Industries, Inc. Frequency tuning for modulated plasma systems
CN110033385A (zh) * 2019-03-05 2019-07-19 阿里巴巴集团控股有限公司 信息处理的方法、装置和电子设备
CN110458393B (zh) * 2019-07-05 2023-07-18 创新先进技术有限公司 一种风险识别方案的确定方法、装置及电子设备
CN110400227A (zh) * 2019-07-31 2019-11-01 中国工商银行股份有限公司 交易报文数据的处理方法、装置、系统
CN111080303B (zh) * 2019-12-06 2022-05-31 支付宝(杭州)信息技术有限公司 终端设备的风险识别方法、装置及设备
US11710181B1 (en) * 2020-01-10 2023-07-25 Cboe Exchange, Inc. Exchange risk controls
CN111310784B (zh) * 2020-01-14 2021-07-20 支付宝(杭州)信息技术有限公司 资源数据的处理方法及装置
CN111309495B (zh) * 2020-02-03 2023-07-14 支付宝(杭州)信息技术有限公司 批量处理请求发起方法、装置及风险识别设备、存储介质
CN113763077B (zh) * 2020-07-24 2024-07-19 北京沃东天骏信息技术有限公司 用于检测虚假交易订单的方法和装置
CN113516480B (zh) * 2021-08-19 2024-04-26 支付宝(杭州)信息技术有限公司 一种支付风险识别方法、装置及设备
CN114757788A (zh) * 2022-03-24 2022-07-15 中国银行股份有限公司 用户交易行为识别方法及装置

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5819226A (en) * 1992-09-08 1998-10-06 Hnc Software Inc. Fraud detection using predictive modeling
US7865427B2 (en) * 2001-05-30 2011-01-04 Cybersource Corporation Method and apparatus for evaluating fraud risk in an electronic commerce transaction
US7562814B1 (en) * 2003-05-12 2009-07-21 Id Analytics, Inc. System and method for identity-based fraud detection through graph anomaly detection
US7458508B1 (en) * 2003-05-12 2008-12-02 Id Analytics, Inc. System and method for identity-based fraud detection
US7398925B2 (en) * 2003-12-09 2008-07-15 First Data Corporation Systems and methods for assessing the risk of a financial transaction using biometric information
US8214308B2 (en) * 2007-10-23 2012-07-03 Sas Institute Inc. Computer-implemented systems and methods for updating predictive models
US8280833B2 (en) * 2008-06-12 2012-10-02 Guardian Analytics, Inc. Fraud detection and analysis
CN102117459A (zh) * 2010-01-06 2011-07-06 阿里巴巴集团控股有限公司 风险控制系统及方法
US8489499B2 (en) * 2010-01-13 2013-07-16 Corelogic Solutions, Llc System and method of detecting and assessing multiple types of risks related to mortgage lending
US10089683B2 (en) * 2010-02-08 2018-10-02 Visa International Service Association Fraud reduction system for transactions
CN101976419A (zh) * 2010-10-19 2011-02-16 中国工商银行股份有限公司 交易数据的风险监控处理方法和系统
KR101186400B1 (ko) * 2010-11-11 2012-09-27 한양대학교 산학협력단 그래프 기반 아웃라이어 검출 방법 및 장치
US8438427B2 (en) 2011-04-08 2013-05-07 Ca, Inc. Visualizing relationships between a transaction trace graph and a map of logical subsystems
US8527418B2 (en) * 2011-11-22 2013-09-03 The Western Union Company Risk analysis of money transfer transactions
WO2014152419A1 (en) * 2013-03-15 2014-09-25 Mastercard International Incorporated Transaction-history driven counterfeit fraud risk management solution
US20140279387A1 (en) * 2013-03-15 2014-09-18 Fannie Mae Automated risk evaluation in support of end user decisions
CN103279883B (zh) 2013-05-02 2016-06-08 上海携程商务有限公司 电子支付交易风险控制方法及系统
KR102178253B1 (ko) * 2013-07-12 2020-11-12 아마데우스 에스.에이.에스. 사기 관리 시스템 및 방법
CN103886495A (zh) * 2013-09-30 2014-06-25 上海本家空调系统有限公司 一种基于网络交易的监控方法及系统
US20150106260A1 (en) * 2013-10-11 2015-04-16 G2 Web Services System and methods for global boarding of merchants
CN105005931A (zh) 2014-04-24 2015-10-28 中国银联股份有限公司 转账交易的风险控制方法及装置
CN105225116A (zh) * 2014-06-24 2016-01-06 阿里巴巴集团控股有限公司 交易操作的识别方法及服务器
CN105590055B (zh) * 2014-10-23 2020-10-20 创新先进技术有限公司 用于在网络交互系统中识别用户可信行为的方法及装置
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
CN104318268B (zh) * 2014-11-11 2017-09-08 苏州晨川通信科技有限公司 一种基于局部距离度量学习的多交易账户识别方法
CN105590156B (zh) 2014-11-25 2022-02-15 中国银联股份有限公司 高风险银行卡的检测方法以及数据处理装置
CN104915842A (zh) * 2015-06-04 2015-09-16 浙江力石科技股份有限公司 基于互联网交易数据的电子商务交易监测方法
CN105335815A (zh) 2015-10-09 2016-02-17 上海瀚银信息技术有限公司 一种风险控制系统及方法

Also Published As

Publication number Publication date
EP3480769A4 (en) 2019-11-27
JP6697584B2 (ja) 2020-05-20
KR102175226B1 (ko) 2020-11-09
WO2018001195A1 (zh) 2018-01-04
CN107563757B (zh) 2020-09-22
JP2019525309A (ja) 2019-09-05
SG11201811395YA (en) 2019-01-30
US20190130116A1 (en) 2019-05-02
TWI673666B (zh) 2019-10-01
MY188651A (en) 2021-12-22
KR20190025005A (ko) 2019-03-08
CN107563757A (zh) 2018-01-09
EP3480769A1 (en) 2019-05-08
US11074350B2 (en) 2021-07-27

Similar Documents

Publication Publication Date Title
TWI673666B (zh) 資料風險控制的方法及裝置
US10552837B2 (en) Hierarchical profiling inputs and self-adaptive fraud detection system
US11093908B2 (en) Routing transactions to a priority processing network based on routing rules
TWI769190B (zh) 風險管控方法及裝置
US11636290B2 (en) Systems and methods for determining features of entities based on centrality metrics of the entities in a knowledge graph
AU2019232799A1 (en) Service processing method and apparatus
CN109063985A (zh) 一种业务的风险决策方法及装置
US12001800B2 (en) Semantic-aware feature engineering
CN107679856B (zh) 基于交易的业务控制方法和装置
US20200175403A1 (en) Systems and methods for expediting rule-based data processing
US11538044B2 (en) System and method for generation of case-based data for training machine learning classifiers
US11257088B2 (en) Knowledge neighbourhoods for evaluating business events
CN112200660A (zh) 一种银行柜面业务的监督方法、装置及设备
CN111324883B (zh) 基于互联网的电商平台入侵检测方法及计算机设备
US11544715B2 (en) Self learning machine learning transaction scores adjustment via normalization thereof accounting for underlying transaction score bases
EP4075363A1 (en) Self learning machine learning scores adjustment via normalization thereof
CN112116457A (zh) 一种银行柜面业务的监督方法、装置及设备
CN112750038B (zh) 交易风险的确定方法、装置和服务器
US20220164868A1 (en) Real-time online transactional processing systems and methods
CN105844577A (zh) 一种关系网络的识别方法及装置
CN111553597A (zh) 一种对企业进行财务舞弊风险识别的方法及装置
CN111126788A (zh) 风险识别方法及装置和电子设备
US20230224326A1 (en) Phishing detection and mitigation
WO2020130868A1 (ru) Способ и система поиска мошеннических транзакций
Arifah et al. Artificial Intelligence in Credit Risk Management of Peer-to-Peer Lending Financial Technology: Systematic Literature Review