TWI724552B - 識別風險商家的方法及裝置 - Google Patents

識別風險商家的方法及裝置 Download PDF

Info

Publication number
TWI724552B
TWI724552B TW108134040A TW108134040A TWI724552B TW I724552 B TWI724552 B TW I724552B TW 108134040 A TW108134040 A TW 108134040A TW 108134040 A TW108134040 A TW 108134040A TW I724552 B TWI724552 B TW I724552B
Authority
TW
Taiwan
Prior art keywords
merchant
marked
cluster
identified
similarity
Prior art date
Application number
TW108134040A
Other languages
English (en)
Other versions
TW202034256A (zh
Inventor
印曉華
Original Assignee
開曼群島商創新先進技術有限公司
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 開曼群島商創新先進技術有限公司 filed Critical 開曼群島商創新先進技術有限公司
Publication of TW202034256A publication Critical patent/TW202034256A/zh
Application granted granted Critical
Publication of TWI724552B publication Critical patent/TWI724552B/zh

Links

Images

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • 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
    • G06Q20/12—Payment architectures specially adapted for electronic shopping systems
    • 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
    • G06Q30/018—Certifying business or products
    • G06Q30/0185—Product, service or business identity fraud
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Security & Cryptography (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本發明涉及識別風險商家的方法及裝置。該方法包括：針對至少一個標記商家集群中的各個標記商家集群，基於待識別商家與該標記商家集群的使用者關聯度量值，確定所述待識別商家與該標記商家集群的相似度，所述各個標記商家集群中的各個標記商家被標記為相應風險類別的風險商家；以及基於所述待識別商家與所述各個標記商家集群的相似度，識別所述至少一個待識別商家中的風險商家。

Description

識別風險商家的方法及裝置
本發明有關電腦技術領域，具體地，有關識別風險商家的方法及裝置。
隨著電商技術的發展，越來越來的交易透過網際網路進行。在網際網路交易過程中，反風險團隊一般會對可疑交易行為進行監控，以即時識別出有風險的行為。 與此同時，可疑分子也會竭盡手段規避反風險團隊的監控。因此，監控風險行為的任務量變得越來越龐大。此外，網際網路交易快速便捷的特點也使得需要監控的交易行為的數量越來越大。因此，現有技術亟需能夠協助反風險團隊快速有效識別風險交易的技術。
鑒於上述，本發明提供了一種識別風險商家的方法及裝置，利用該方法和裝置，透過基於被標記為風險商家的標記商家集群與待識別商家的相似度，來識別待識別商家中的風險商家，不僅能夠準確識別風險商家，而且能夠降低識別過程的計算量，提高識別效率。 根據本發明的一個態樣，提供了一種識別風險商家的方法，包括：針對至少一個標記商家集群中的各個標記商家集群，基於待識別商家與該標記商家集群的使用者關聯度量值，確定所述待識別商家與該標記商家集群的相似度，所述各個標記商家集群中的各個標記商家被標記為風險商家；以及基於所述待識別商家與所述各個標記商家集群的相似度，識別所述待識別商家是否為風險商家。 可選地，在一個示例中，所述待識別商家與所述標記商家集群的使用者關聯度量值可以包括所述待識別商家與所述標記商家集群的使用者關聯係數和所述待識別商家與所述標記商家集群的相同用戶數量。其中，所述用戶關聯係數可以包括：在所述待識別商家的用戶中，與所述標記商家集群的相同用戶所占的比例；和/或所述待識別商家與所述標記商家集群的使用者特徵相似度。 可選地，在一個示例中，所述各個標記商家集群具有至少一個代表標記商家，基於至少一個待識別商家中的待識別商家與該標記商家集群的使用者關聯度量值，確定所述待識別商家與該標記商家集群的相似度包括：基於針對該標記商家集群的所述待識別商家的向量表示和該標記商家集群的至少一個代表標記商家的向量表示，確定所述待識別商家與該至少一個代表標記商家的相似度；以及基於所述待識別商家與該至少一個代表標記商家的相似度，確定所述待識別商家與該標記商家集群的相似度。其中，針對該標記商家集群的商家的向量表示是基於所述商家與該標記商家集群的使用者關聯係數和所述商家與該標記商家集群的相同用戶數量的向量表示。 可選地，在一個示例中，在基於所述待識別商家的向量表示和該標記商家集群的至少一個代表標記商家的向量表示，確定所述待識別商家與該至少一個代表標記商家的相似度之前，基於待識別商家與該標記商家集群的使用者關聯度量值，確定所述待識別商家與該標記商家集群的相似度還包括：將所述向量表示中的相同用戶數量維度和用戶關聯係數維度處理為具有相同的取值範圍。 可選地，在一個示例中，所述各個標記商家集群的至少一個代表標記商家是基於該標記商家集群中的各個標記商家的使用者數量確定的。 可選地，在一個示例中，所述待識別商家與所述各個標記商家集群的至少一個代表標記商家的相似度用以下中的任一者來表徵：歐氏距離、曼哈頓距離和夾角餘弦距離。 可選地，在一個示例中，基於所述待識別商家與所述各個標記商家集群的相似度，識別所述至少一個待識別商家中的風險商家包括：針對所述各個標記商家集群，將至少兩個待識別商家與該標記商家集群的相似度中的大於預定閾值的相似度值最大的前預定個數的待識別商家，識別為與該標記商家集群對應類別的風險商家。 根據本發明的另一態樣，還提供一種識別風險商家的裝置，包括：相似度確定單元，被配置為針對至少一個標記商家集群中的各個標記商家集群，基於待識別商家與該標記商家集群的使用者關聯度量值，確定所述待識別商家與該標記商家集群的相似度，所述各個標記商家集群中的各個標記商家被標記為相應風險類別的風險商家；以及風險商家識別單元，被配置為基於所述待識別商家與所述各個標記商家集群的相似度，識別所述待識別商家是否為風險商家。 可選地，在一個示例中，所述待識別商家與所述標記商家集群的使用者關聯度量值包括所述待識別商家與所述標記商家集群的使用者關聯係數和所述待識別商家與所述標記商家集群的相同用戶數量。其中，所述用戶關聯係數可以包括：在所述待識別商家的用戶中，與所述標記商家集群的相同用戶所占的比例；和/或所述待識別商家與所述標記商家集群的使用者特徵相似度。 可選地，在一個示例中，所述各個標記商家集群具有至少一個代表標記商家，所述相似度確定單元包括：第一相似度確定模組，被配置為基於針對該標記商家集群的所述待識別商家的向量表示和該標記商家集群的至少一個代表標記商家的向量表示，確定所述待識別商家與該至少一個代表標記商家的相似度；以及第二相似度確定模組，被配置為基於所述待識別商家與該至少一個代表標記商家的相似度，確定所述待識別商家與該標記商家集群的相似度。其中，針對該標記商家集群的商家的向量表示是基於所述商家與該標記商家集群的使用者關聯係數和所述商家與該標記商家集群的相同用戶數量的向量表示。 可選地，在一個示例中，所述相似度確定單元還包括：歸一化處理模組，被配置為在基於待識別商家與該標記商家集群的使用者關聯度量值，確定所述待識別商家與該標記商家集群的相似度之前，將所述向量表示中的相同用戶數量維度和用戶關聯係數維度處理為具有相同的取值範圍。 可選地，在一個示例中，所述風險商家識別單元被配置為：針對所述各個標記商家集群，將至少兩個待識別商家與該標記商家集群的相似度中的大於預定閾值的相似度值最大的前預定個數的待識別商家，識別為與該標記商家集群對應類別的風險商家。 根據本發明的另一態樣，還提供一種計算設備，包括：至少一個處理器；以及記憶體，所述記憶體儲存指令，當所述指令被所述至少一個處理器執行時，使得所述至少一個處理器執行如上所述的識別風險商家的方法。 根據本發明的另一態樣，還提供一種非暫態機器可讀儲存媒體，其儲存有可執行指令，所述指令當被執行時使得所述機器執行如上所述的識別風險商家的方法。 利用本發明的識別風險商家的方法和裝置，透過基於待識別商家與風險的標記商家集群的使用者關聯度量值來計算待識別商家與標記商家集群的相似度，進而基於該相似度識別待識別商家中的風險商家，從而能夠綜合地基於標記商家集群中的多個標記商家的特徵來進行識別，由此不僅能準確識別出風險商家，而且在識別過程中的運算量較小，因而還能夠提高識別效率。 利用本發明的識別風險商家的方法和裝置，基於在待識別商家與標記商家集群的使用者關聯係數和待識別商家與標記商家集群的相同用戶數量，來計算待識別商家與標記商家集群的相似度，從而能夠基於待識別商家與標記商家集群的相對關聯屬性和絕對關聯屬性來確定待識別商家與標記商家集群的相似度，以提高風險識別的準確性。 利用本發明的識別風險商家的方法和裝置，以代表標記商家來代表各個標記商家集群，從而基於待識別商家和各個標記商家集群的代表標記商家的向量表示來確定待識別商家與各個標記商家集群的相似度，能夠降低風險商家識別過程的複雜度，進一步提高識別效率。 利用本發明的識別風險商家的方法和裝置，在確定代表標記商家與待識別商家間的相似度之前，將向量表示中的相同用戶數量維度和用戶關聯係數維度處理為具有相同的取值範圍，從而避免因為各維度的取值範圍差異導致忽略某一維度的特徵，由此能夠進一步提高識別風險商家的準確性。 利用本發明的識別風險商家的方法和裝置，基於各個標記商家集群中的各個標記商家的使用者數量來確定各個標記商家集群的代表標記商家，從而能夠根據實際情況選取能夠代表該標記商家集群的代表標記商家，以提高識別過程的靈活性。
以下將參考示例實施方式討論本文描述的主題。應該理解，討論這些實施方式只是為了使得本領域技術人員能夠更好地理解從而實現本文描述的主題，並非是對申請專利範圍中所闡述的保護範圍、適用性或者示例的限制。可以在不脫離本發明內容的保護範圍的情況下，對所討論的元素的功能和排列進行改變。各個示例可以根據需要，省略、替代或者添加各種過程或元件。另外，相對一些示例所描述的特徵在其它例子中也可以進行組合。 如本文中使用的，術語“包括”及其變型表示開放的術語，含義是“包括但不限於”。術語“基於”表示“至少部分地基於”。術語“一個實施例”和“一實施例”表示“至少一個實施例”。術語“另一個實施例”表示“至少一個其他實施例”。術語“第一”、“第二”等可以指代不同的或相同的物件。下面可以包括其他的定義，無論是明確的還是隱含的。除非上下文中明確地指明，否則一個術語的定義在整個說明書中是一致的。 現在結合圖式來描述本發明的識別風險商家的方法及裝置。 圖1是根據本發明的一個實施例的識別風險商家的方法的流程圖。 如圖1所示，在方塊120，針對至少一個標記商家集群中的各個標記商家集群，基於待識別商家與該標記商家集群的使用者關聯度量值，確定待識別商家與該標記商家集群的相似度，各個標記商家集群中的各個標記商家被標記為相應風險類別的風險商家。風險商家是指有進行異常交易風險(例如洗錢犯罪交易行為等違法交易行為)的商家。 可以由人工對所收集的風險商家進行標注，並將被標注為相同類別的風險商家聚合為同一個標記商家集群。還可以利用經過訓練的分類模型將已知的風險商家集群為各個標記商家集群。分類模型可以利用所收集的商家的使用者資料來訓練。各個標記商家集群對應的風險類別例如可以是毒品風險、走私風險、賭博風險、詐欺風險等類別。在獲得各個標記商家集群之後，可以合併該標記商家集群中的各個標記商家的使用者群體以作為該標記商家集群的使用者群體。由此，能夠將各個標記商家的使用者特徵綜合為對應的標記商家集群的使用者特徵。各個商家的用戶可以基於用戶與商家之間的資金往來關係來確定。 合併同類別的風險商家以獲得標記商家集群時，可以透過確定待識別商家與各個標記商家集群的相似度來識別待識別商家中的風險商家，而不需要一一計算待識別商家與每個已知的標記商家的相似度，從而大幅降低了運算量，提高了運算效率。此外，基於標記商家集群中的各個標記商家的使用者群體合併而生成的用戶群體來計算相似度，能夠豐富各個標記商家集群的特徵，從而能夠提高識別風險商家的準確性。 在一個示例中，待識別商家與標記商家集群的使用者關聯度量值可以包括待識別商家與標記商家集群的使用者關聯係數和待識別商家與標記商家集群的相同用戶數量。其中，用戶關聯係數可以是在待識別商家的使用者中，與標記商家集群的相同用戶所占的比例。即，用戶關聯係數可以利用如一數學式一來計算。 數學式一：
Figure 02_image001
在數學式一中，A表示待識別商家的使用者數量，G表示標記商家集群的使用者數量，
Figure 02_image003
表示待識別商家與標記商家集群的使用者關聯係數，
Figure 02_image005
表示待識別商家與標記商家集群的相同用戶數量。對於數學式一，可以定為當A的值為0時，
Figure 02_image003
的值為0。 用戶關聯係數還可以包括待識別商家與標記商家集群的使用者特徵相似度。在一個示例中，可以基於待識別商家的使用者資料，利用經過訓練的分類模型來確定待識別商家與各個標記商家集群的使用者特徵相似度，進而基於所確定的使用者特徵相似度來確定待識別商家與各個標記商家集群的相似度。在另一示例中，還可以利用特徵提取模型(例如邏輯回歸模型等)來從待識別商家和標記商家集群的使用者資料(例如使用者基本資訊、使用者行為資料等)中提取使用者特徵，進而基於所提取的待識別商家的使用者特徵和各個標記商家集群的使用者特徵，來確定待識別商家與各個標記商家集群的使用者特徵相似度。 在該示例中，用戶關聯係數可以看作待識別商家與標記商家集群之間的相對用戶關聯度量值，而相同用戶數量可以看作待識別商家與標記商家集群的絕對用戶關聯度量值。因此，該示例可以基於待識別商家與標記商家集群的相對關聯屬性和絕對關聯屬性來確定相似度，從而使所計算的相似度更加準確。 在確定待識別商家與各個標記商家集群的相似度之後，在方塊140，基於待識別商家與各個標記商家集群的相似度，識別待識別商家是否為風險商家。 在一個示例中，可以將待識別商家與各個標記商家集群的相似度中的最大值確定為該待識別商家的風險係數。然後，可以基於待識別商家的風險係數和預定風險閾值，來確定該待識別商家是否為風險商家。例如，可以設置為在待識別商家的風險係數高於某一風險閾值時，確定其為風險商家。 在一個示例中，各個標記商家集群可以有至少一個代表標記商家。代表標記商家可以基於標記商家集群中的各個標記商家的使用者數量來確定。例如，可以將各個標記商家集群中的標記商家按照使用者數量進行排序。代表標記商家例如可以是排序結果中序數為中位數所對應的標記商家，還可以是提排序結果中居於中間位置的兩個以上標記商家。此外，還可以是排序中間隔預定序數的兩個以上標記商家。例如，如果某一標記商家集群中的標記商家按使用者數量排序後的序數為1至300，可以每隔50個序數從第1個至第300個標記商家中選取代表標記商家。當各個標記商家集群具有代表標記商家時，可以透過確定待識別商家與代表標記商家的相似度，來確定待識別商家與對應標記商家集群的相似度。 圖2是根據本發明的一個實施例的識別風險商家的方法中的基於代表標記商家來確定相似度的示例的流程圖。 如圖2所示，在方塊202，基於針對該標記商家集群的待識別商家的向量表示和該標記商家集群的至少一個代表標記商家的向量表示，確定待識別商家與該至少一個代表標記商家的相似度。針對某一標記商家集群的商家的向量表示是基於該商家與該標記商家集群的使用者關聯係數和相同用戶數量而建立的。 待識別商家與代表標記商家的相似度可以用歐氏距離、曼哈頓距離、夾角餘弦距離等中的任一者來表徵。以下以利用歐氏距離的情形為例，來說明計算待識別商家與代表標記商家的相似度確定過程的示例。在下述示例中，待識別商家或代表標記商家與標記商家集群的使用者關聯係數為在該商家的使用者中與該標記商家集群的相同用戶所占的比例。 針對某一標記商家集群，待識別商家的向量表示可以是
Figure 02_image007
，該標記商家集群的代表標記商家的向量表示可以是
Figure 02_image009
。其中，
Figure 02_image011
表示代表標記商家的使用者數量。由於代表標記商家的使用者全部來自於該標記商家集群，因而代表標記商家與該標記商家集群的使用者關聯係數
Figure 02_image013
的值為1，代表標記商家與該標記商家集群的相同用戶數量
Figure 02_image015
為
Figure 02_image011
。待識別商家與代表標記商家之間的相似度可以利用如下數學式二來確定。 數學式二：
Figure 02_image017
在數學式二中，
Figure 02_image011
表示代表標記商家的使用者數量，
Figure 02_image019
為待識別商家與代表標記商家之間的歐氏距離。 在方塊204，基於待識別商家與至少一個代表標記商家的相似度，確定待識別商家與該標記商家集群的相似度。 通常向量表示中的用戶關聯係數的取值較小(例如，取值範圍為
Figure 02_image021
)。當待識別商家與某一標記商家集群的相同用戶數量較大時，由於在向量表示中相同用戶數量維度的取值遠大於用戶關聯係數，因而用戶關聯係數維度可能會被相同用戶數量維度覆蓋。這會導致所確定的相似度不夠準確。 因而，在執行方塊202的操作之前，可以將向量表示中的相同用戶數量維度和用戶關聯係數維度處理為具有相同的取值範圍。然後基於處理後的向量表示執行方塊202至方塊204的操作。 例如，可以對向量表示中的相同用戶數量維度進行歸一化處理。可以利用如下數學式三對相同用戶數量維度進行歸一化處理。 數學式三：
Figure 02_image023
歸一化處理後的待識別商家的向量表示為
Figure 02_image025
，代表標記商家的向量表示為(1,1)。待識別商家與代表標記商家之間的相似度可以修改為如下數學式四。 數學式四：
Figure 02_image027
數學式四中的
Figure 02_image019
取值範圍為
Figure 02_image029
。還可以進一步基於數學式四對相似度的計算式進行改造。例如可以基於如下數學式五來計算最終的相似度。 數學式五：
Figure 02_image031
在數學式五中，
Figure 02_image033
為最終得出的待識別商家與代表標記商家的相似度，其取值範圍為[0,1]。 以上雖然示出了利用數學式三進行歸一化處理的情形，但應當理解的是，還可以採用其它方式來對相同使用者數量維度進行歸一化處理。例如，可以將各個向量表示中的相同用戶數量的值除以相同用戶數量維度的最大值，以進行歸一化處理。 在確定出待識別商家與代表標記商家之間的相似度之後，可以確定待識別商家與標記商家集群之間的相似度。例如，如果標記商家集群具有一個代表標記商家，則可以將待識別商家與該代表標記商家的相似度確定為待識是商家與該標記商家集群的相似度。在一個示例中，標記商家集群可以具有兩個以上代表標記商家。此時，可以對待識別商家與各個代表標記商家的相似度取平均值，從而得出待識別商家與該標記商家集群的相似度。此外，當代表標記商家是基於標記商家集群中的各個標記商家的使用者數量排序而選取的多個代表標記商家時，還可以基於各個代表標記商家的使用者數量為其賦予不同的權重，從而對待識別商家與各個代表標記商家的相似度取加權平均值或加權求和，以得到待識別商家與該標記商家集群的相似度。 在確定出待識別商家與各個標記商家集群的相似度時，可以針對各個標記商家集群，將待識別商家與該標記商家集群的相似度中的大於預定閾值的相似度值最大的前預定個數的待識別商家，識別為與該標記商家集群對應類別的風險商家。圖3是根據本發明的一個實施例的識別風險商家的方法中的風險商家識別過程的一個示例的流程圖。 如圖3所示，在方塊302，針對各個標記商家集群，對至少兩個待識別商家與該標記商家集群的相似度進行排序。 然後，在方塊304，將排序結果中大於預定閾值的相似度值最大的前預定個數的待識別商家識別為該標記商家集群所對應的類別的風險商家。 此外，還可以將待識別商家與各個標記商家集群的相似度中的最大值確定為該待識別商家的風險係數。然後將待識別商家的犯罪風險係數中的值最大的前預定個數的待識別商家確定為風險商家。或者，將待識別商家的犯罪風險係數中的大於預定閾值的值最大的前預定個數的待識別商家確定為風險商家。 在確定出風險商家之後，還可以進一步對所確定出的風險商家進行驗證處理，以排除其中風險較低的商家。例如，可以將所確定出的風險商家的資料發送至反風險監控團隊，由團隊中的專業人員進一步對這些商家進行分析，以最終確定風險商家。 圖4是根據本發明的一個實施例的風險商家識別裝置400的結構方塊圖。如圖4所示，風險商家識別裝置400包括相似度確定單元410和風險商家識別單元420。 相似度確定單元410被配置為針對至少一個標記商家集群中的各個標記商家集群，基於待識別商家與該標記商家集群的使用者關聯度量值，確定待識別商家與該標記商家集群的相似度，各個標記商家集群中的各個標記商家被標記為相應風險類別的風險商家。風險商家識別單元420被配置為基於待識別商家與各個標記商家集群的相似度，識別至少一個待識別商家中的風險商家。 在一個示例中，風險商家識別單元420可以被配置為針對各個標記商家集群，將至少兩個待識別商家與該標記商家集群的相似度中的大於預定閾值的相似度值最大的前預定個數的待識別商家，識別為與該標記商家集群對應類別的風險商家。 在一個示例中，待識別商家與標記商家集群的使用者關聯度量值可以包括待識別商家與標記商家集群的使用者關聯係數和待識別商家與標記商家集群的相同用戶數量。其中，用戶關聯係數可以為在待識別商家的使用者中，與標記商家集群的相同用戶所占的比例。用戶關聯係數還可以是待識別商家的使用者與標記商家集群的使用者的特徵相似度。 圖5是圖4所示的風險商家識別裝置400中的相似度確定單元410的一個示例的結構方塊圖。在該示例中，各個標記商家集群可以具有至少一個代表標記商家。如圖5所示，相似度確定單元410可以包括歸一化處理模組411、第一相似度確定模組412和第二相似度確定模組413。其中，在另一示例中，可以不包括歸一化處理模組411。以下為了說明上的方便性，首先對第一相似度確定模組412和第二相似度確定模組413進行說明。 第一相似度確定模組412被配置為基於針對該標記商家集群的待識別商家的向量表示和該標記商家集群的至少一個代表標記商家的向量表示，確定待識別商家與該至少一個代表標記商家的相似度。第二相似度確定模組413被配置為基於待識別商家與該至少一個代表標記商家的相似度，確定待識別商家與該標記商家集群的相似度。其中，針對該標記商家集群的商家的向量表示是基於商家與該標記商家集群的使用者關聯係數和所述商家與該標記商家集群的相同用戶數量的向量表示。 為了避免向量表示中不同維度的取值範圍差異過大而導致所確定的相似度不準確，可以利歸一化處理模組411在基於至少一個待識別商家中的待識別商家與該標記商家集群的使用者關聯度量值，確定待識別商家與該標記商家集群的相似度之前，將向量表示中的相同用戶數量維度和用戶關聯係數維度處理為具有相同的取值範圍。關於歸一化處理的示例已在上述內容中進行了說明，此處不再贅述。 以上參照圖1至5對識別風險商家的方法和裝置進行了說明。需要說明的是，在以上對識別風險商家的方法的說明中提及的細節同樣適用於識別風險商家的裝置。本說明書中的各個實施例均採用遞進的方式描述，各個實施例之間相同相似的部分互相參照。 本發明的識別風險商家的裝置可以採用硬體實現，也可以採用軟體或者硬體和軟體的組合來實現。以軟體實現為例，作為一個邏輯意義上的裝置，是透過其所在設備的處理器將非易失性記憶體中對應的電腦程式指令讀取到記憶體中運行形成的。在本發明中，識別終端設備上顯示的應用程式控制項的裝置例如可以利用計算設備實現。 圖6是根據本發明的另一實施例的識別風險商家的方法的計算設備600的結構方塊圖。如圖6所示，計算設備600可以包括至少一個處理器610、記憶體620、內部記憶體630、通訊介面640以及內部匯流排650，該至少一個處理器610執行在電腦可讀儲存媒體(即，記憶體620)中儲存或編碼的至少一個電腦可讀指令(即，上述以軟體形式實現的元素)。 在一個實施例中，在記憶體620中儲存電腦可執行指令，其當執行時使得至少一個處理器610：針對至少一個標記商家集群中的各個標記商家集群，基於至少一個待識別商家中的待識別商家與該標記商家集群的使用者關聯度量值，確定所述待識別商家與該標記商家集群的相似度，所述各個標記商家集群中的各個標記商家被標記為相應風險類別的風險商家；以及基於所述待識別商家與所述各個標記商家集群的相似度，識別所述至少一個待識別商家中的風險商家。 應該理解，在記憶體620中儲存的電腦可執行指令當執行時使得至少一個處理器610進行本發明的各個實施例中以上結合圖1至5描述的各種操作和功能。 根據一個實施例，提供了一種例如非暫態機器可讀媒體的程式產品。非暫態機器可讀媒體可以具有指令(即，上述以軟體形式實現的元素)，該指令當被機器執行時，使得機器執行本發明的各個實施例中以上結合圖1至5描述的各種操作和功能。 具體地，可以提供配有可讀儲存媒體的系統或者裝置，在該可讀儲存媒體上儲存著實現上述實施例中任一實施例的功能的軟體程式碼，且使該系統或者裝置的電腦或處理器讀出並執行儲存在該可讀儲存媒體中的指令。 在這種情況下，從可讀媒體讀取的程式碼本身可實現上述實施例中任何一項實施例的功能，因此機器可讀代碼和儲存機器可讀代碼的可讀儲存媒體構成了本發明的一部分。 可讀儲存媒體的實施例包括軟碟、硬碟、磁光碟、光碟(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD-RW)、磁帶、非易失性儲存卡和ROM。可選擇地，可以由通訊網路從伺服器電腦上或雲端上下載程式碼。 上述對本說明書特定實施例進行了描述。其它實施例在所附申請專利範圍的範圍內。在一些情況下，在申請專利範圍中記載的動作或步驟可以按照不同於實施例中的順序來執行並且仍然可以實現期望的結果。另外，在圖式中描繪的過程不一定要求示出的特定順序或者連續順序才能實現期望的結果。在某些實施方式中，多工處理和並行處理也是可以的或者可能是有利的。 在整個本說明書中使用的術語“示例性”意味著“用作示例、實例或例示”，並不意味著比其它實施例“較佳”或“具有優勢”。出於提供對所描述技術的理解的目的，具體實施方式包括具體細節。然而，可以在沒有這些具體細節的情況下實施這些技術。在一些實例中，為了避免對所描述的實施例的概念造成難以理解，公知的結構和裝置以方塊圖形式示出。 以上結合圖式詳細描述了本發明的實施例的可選實施方式，但是，本發明的實施例並不限於上述實施方式中的具體細節，在本發明的實施例的技術構思範圍內，可以對本發明的實施例的技術方案進行多種簡單變型，這些簡單變型均屬於本發明的實施例的保護範圍。 本發明內容的上述描述被提供來使得本發明所屬技術領域中具有通常知識者能夠實現或者使用本發明內容。對於本發明所屬技術領域中具有通常知識者來說，對本發明內容進行的各種修改是顯而易見的，並且，也可以在不脫離本發明內容的保護範圍的情況下，將本文所定義的一般性原理應用於其它變型。因此，本發明內容並不限於本文所描述的示例和設計，而是與符合本文揭示的原理和新穎性特徵的最廣範圍相一致。
120:步驟 140:步驟 202:步驟 204:步驟 302:步驟 304:步驟 400:風險商家識別裝置 410:相似度確定單元 420:風險商家識別單元 411:歸一化處理模組 412:第一相似度確定模組 413:第二相似度確定模組 600:計算設備 610:處理器 620:記憶體 630:內部記憶體 640:通訊介面 650:內部匯流排
透過參照下面的圖式，可以實現對於本發明內容的本質和優點的進一步理解。在圖式中，類似元件或特徵可以具有相同的圖式標記。圖式是用來提供對本發明實施例的進一步理解，並且構成說明書的一部分，與下面的具體實施方式一起用於解釋本發明的實施例，但並不構成對本發明的實施例的限制。在圖式中： [圖1]是根據本發明的一個實施例的識別風險商家的方法的流程圖； [圖2]是根據本發明的一個實施例的識別風險商家的方法中的相似度確定過程的一個示例的流程圖； [圖3]是根據本發明的一個實施例的識別風險商家的方法中的風險商家識別過程的一個示例的流程圖； [圖4]是根據本發明的一個實施例的識別風險商家的裝置的結構方塊圖； [圖5]是根據本發明的一個實施例的識別風險商家的裝置中的相似度確定單元的一個示例的結構方塊圖； [圖6]是根據本發明的另一實施例的用於實現用於識別用戶意圖的方法的計算設備的結構方塊圖。

Claims (10)

  1. 一種識別風險商家的方法，包括：針對至少一個標記商家集群中的各個標記商家集群，基於待識別商家與該標記商家集群的使用者關聯度量值，確定該待識別商家與該標記商家集群的相似度，該各個標記商家集群中的各個標記商家被標記為相應風險類別的風險商家；以及基於該待識別商家與該各個標記商家集群的相似度，識別該待識別商家是否為風險商家，其中，該待識別商家與該標記商家集群的使用者關聯度量值包括該待識別商家與該標記商家集群的使用者關聯係數和該待識別商家與該標記商家集群的相同用戶數量，其中，該用戶關聯係數包括：在該待識別商家的用戶中，與該標記商家集群的相同用戶所占的比例；及/或該待識別商家與該標記商家集群的使用者特徵相似度，其中，該各個標記商家集群具有至少一個代表標記商家，基於待識別商家與該標記商家集群的使用者關聯度量值，確定該待識別商家與該標記商家集群的相似度包括：基於針對該標記商家集群的該待識別商家的向量表示和該標記商家集群的至少一個代表標記商家的向量表示，確定該待識別商家與該至少一個代表標記商家的相似度；以及基於該待識別商家與該至少一個代表標記商家的 相似度，確定該待識別商家與該標記商家集群的相似度，且其中，針對該標記商家集群的商家的向量表示是基於該商家與該標記商家集群的使用者關聯係數和該商家與該標記商家集群的相同用戶數量的向量表示。
  2. 如請求項1之方法，其中，在基於該待識別商家的向量表示和該標記商家集群的至少一個代表標記商家的向量表示，確定該待識別商家與該至少一個代表標記商家的相似度之前，基於待識別商家與該標記商家集群的使用者關聯度量值，確定該待識別商家與該標記商家集群的相似度還包括：將該向量表示中的相同用戶數量維度和用戶關聯係數維度處理為具有相同的取值範圍。
  3. 如請求項1之方法，其中，該各個標記商家集群的至少一個代表標記商家是基於該標記商家集群中的各個標記商家的使用者數量確定的。
  4. 如請求項1之方法，其中，該待識別商家與該各個標記商家集群的至少一個代表標記商家的相似度用以下中的任一者來表徵：歐氏距離、曼哈頓距離和夾角餘弦距離。
  5. 如請求項1之方法，其中，基於該待識別商家與該各個標記商家集群的相似度，識別該待識別商家中的風險商家包括：針對該各個標記商家集群，將該至少兩個待識別商家 與該標記商家集群的相似度中的大於預定閾值的相似度值最大的前預定個數的待識別商家，識別為與該標記商家集群對應類別的風險商家。
  6. 一種識別風險商家的裝置，包括：相似度確定單元，被配置為針對至少一個標記商家集群中的各個標記商家集群，基於待識別商家中的待識別商家與該標記商家集群的使用者關聯度量值，確定該待識別商家與該標記商家集群的相似度，該各個標記商家集群中的各個標記商家被標記為相應風險類別的風險商家；以及風險商家識別單元，被配置為基於該待識別商家與該各個標記商家集群的相似度，識別該待識別商家是否為風險商家，其中，該待識別商家與該標記商家集群的使用者關聯度量值包括該待識別商家與該標記商家集群的使用者關聯係數和該待識別商家與該標記商家集群的相同用戶數量，其中，該用戶關聯係數包括：在該待識別商家的用戶中，與該標記商家集群的相同用戶所占的比例；及/或該待識別商家與該標記商家集群的使用者特徵相似度，其中，該各個標記商家集群具有至少一個代表標記商家，該相似度確定單元包括：第一相似度確定模組，被配置為基於針對該標記商家集群的該待識別商家的向量表示和該標記商家集群的至少一個代表標記商家的向量表示，確定該待識 別商家與該至少一個代表標記商家的相似度；以及第二相似度確定模組，被配置為基於該待識別商家與該至少一個代表標記商家的相似度，確定該待識別商家與該標記商家集群的相似度，其中，針對該標記商家集群的商家的向量表示是基於該商家與該標記商家集群的使用者關聯係數和該商家與該標記商家集群的相同用戶數量的向量表示。
  7. 如請求項6之裝置，其中，該相似度確定單元還包括：歸一化處理模組，被配置為在基於待識別商家與該標記商家集群的使用者關聯度量值，確定該待識別商家與該標記商家集群的相似度之前，將該向量表示中的相同用戶數量維度和用戶關聯係數維度處理為具有相同的取值範圍。
  8. 如請求項6之裝置，其中，該風險商家識別單元被配置為：針對該各個標記商家集群，將至少兩個待識別商家與該標記商家集群的相似度中的大於預定閾值的相似度值最大的前預定個數的待識別商家，識別為與該標記商家集群對應類別的風險商家。
  9. 一種計算設備，包括：至少一個處理器；以及記憶體，該記憶體儲存指令，當該指令被該至少一個處理器執行時，使得該至少一個處理器執行如請求項1至5 中任一項所述的方法。
  10. 一種非暫態機器可讀儲存媒體，其儲存有可執行指令，該指令當被執行時使得該機器執行如請求項1至5中任一項所述的方法。
TW108134040A 2019-03-14 2019-09-20 識別風險商家的方法及裝置 TWI724552B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910192832.0A CN110033170B (zh) 2019-03-14 2019-03-14 识别风险商家的方法及装置
CN201910192832.0 2019-03-14

Publications (2)

Publication Number Publication Date
TW202034256A TW202034256A (zh) 2020-09-16
TWI724552B true TWI724552B (zh) 2021-04-11

Family

ID=67236012

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108134040A TWI724552B (zh) 2019-03-14 2019-09-20 識別風險商家的方法及裝置

Country Status (4)

Country Link
US (1) US11379845B2 (zh)
CN (1) CN110033170B (zh)
TW (1) TWI724552B (zh)
WO (1) WO2020181910A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033170B (zh) 2019-03-14 2022-06-03 创新先进技术有限公司 识别风险商家的方法及装置
CN110610365A (zh) * 2019-09-17 2019-12-24 中国建设银行股份有限公司 一种识别交易请求的方法和装置
CN110688375B (zh) * 2019-09-26 2022-09-27 招商局金融科技有限公司 客户渗透分析的方法、装置及计算机可读存储介质
CN110874786B (zh) * 2019-10-11 2022-10-18 支付宝(杭州)信息技术有限公司 虚假交易团伙识别方法、设备及计算机可读介质
CN110910198A (zh) * 2019-10-16 2020-03-24 支付宝(杭州)信息技术有限公司 非正常对象预警方法、装置、电子设备及存储介质
CN112788351B (zh) * 2019-11-01 2022-08-05 武汉斗鱼鱼乐网络科技有限公司 一种目标直播间的识别方法、装置、设备和存储介质
WO2021226878A1 (en) * 2020-05-13 2021-11-18 Paypal, Inc. Using machine learning to mitigate electronic attacks
CN113222736A (zh) * 2021-05-24 2021-08-06 北京城市网邻信息技术有限公司 一种异常用户的检测方法、装置、电子设备及存储介质
CN114693303B (zh) * 2022-03-03 2024-08-30 支付宝(杭州)信息技术有限公司 对风险交易进行引导举报的方法和装置
CN115187387B (zh) * 2022-07-25 2024-02-09 山东浪潮爱购云链信息科技有限公司 一种风险商家的识别方法及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180025428A1 (en) * 2016-07-22 2018-01-25 Xerox Corporation Methods and systems for analyzing financial risk factors for companies within an industry
TW201828198A (zh) * 2017-01-24 2018-08-01 阿里巴巴集團服務有限公司 風險識別方法及裝置
CN109461073A (zh) * 2018-12-14 2019-03-12 深圳壹账通智能科技有限公司 智能识别的风险管理方法、装置、计算机设备及存储介质
CN109461068A (zh) * 2018-09-13 2019-03-12 深圳壹账通智能科技有限公司 欺诈行为的判断方法、装置、设备及计算机可读存储介质

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7376618B1 (en) * 2000-06-30 2008-05-20 Fair Isaac Corporation Detecting and measuring risk with predictive models using content mining
US8386377B1 (en) 2003-05-12 2013-02-26 Id Analytics, Inc. System and method for credit scoring using an identity network connectivity
US8290836B2 (en) * 2005-06-22 2012-10-16 Early Warning Services, Llc Identification and risk evaluation
US10115153B2 (en) 2008-12-31 2018-10-30 Fair Isaac Corporation Detection of compromise of merchants, ATMS, and networks
US20110093324A1 (en) 2009-10-19 2011-04-21 Visa U.S.A. Inc. Systems and Methods to Provide Intelligent Analytics to Cardholders and Merchants
US8738418B2 (en) 2010-03-19 2014-05-27 Visa U.S.A. Inc. Systems and methods to enhance search data with transaction based data
US9471926B2 (en) 2010-04-23 2016-10-18 Visa U.S.A. Inc. Systems and methods to provide offers to travelers
US8554653B2 (en) 2010-07-22 2013-10-08 Visa International Service Association Systems and methods to identify payment accounts having business spending activities
WO2014152419A1 (en) 2013-03-15 2014-09-25 Mastercard International Incorporated Transaction-history driven counterfeit fraud risk management solution
US9811830B2 (en) * 2013-07-03 2017-11-07 Google Inc. Method, medium, and system for online fraud prevention based on user physical location data
US20160027051A1 (en) 2013-09-27 2016-01-28 Real Data Guru, Inc. Clustered Property Marketing Tool & Method
US9563894B2 (en) * 2014-03-21 2017-02-07 Ca, Inc. Controlling eCommerce authentication based on comparing merchant information of eCommerce authentication requests
US20160086185A1 (en) 2014-10-15 2016-03-24 Brighterion, Inc. Method of alerting all financial channels about risk in real-time
CN105159879A (zh) * 2015-08-26 2015-12-16 北京理工大学 一种网络个体或群体价值观自动判别方法
CN106529953B (zh) * 2015-09-15 2020-07-31 阿里巴巴集团控股有限公司 一种对业务属性进行风险识别的方法及装置
US10713660B2 (en) * 2015-09-15 2020-07-14 Visa International Service Association Authorization of credential on file transactions
US9852427B2 (en) 2015-11-11 2017-12-26 Idm Global, Inc. Systems and methods for sanction screening
US9818116B2 (en) 2015-11-11 2017-11-14 Idm Global, Inc. Systems and methods for detecting relations between unknown merchants and merchants with a known connection to fraud
CN105608179B (zh) * 2015-12-22 2019-03-12 百度在线网络技术（北京）有限公司 确定用户标识的关联性的方法和装置
CN107274042A (zh) * 2016-04-06 2017-10-20 阿里巴巴集团控股有限公司 一种业务参与对象的风险识别方法及装置
US9888007B2 (en) 2016-05-13 2018-02-06 Idm Global, Inc. Systems and methods to authenticate users and/or control access made by users on a computer network using identity services
US10366378B1 (en) 2016-06-30 2019-07-30 Square, Inc. Processing transactions in offline mode
CN106845999A (zh) * 2017-02-20 2017-06-13 百度在线网络技术（北京）有限公司 风险用户识别方法、装置和服务器
CN107679985B (zh) 2017-09-12 2021-01-05 创新先进技术有限公司 风险特征筛选、描述报文生成方法、装置以及电子设备
CN108053214B (zh) * 2017-12-12 2021-11-23 创新先进技术有限公司 一种虚假交易的识别方法和装置
CN107958341A (zh) * 2017-12-12 2018-04-24 阿里巴巴集团控股有限公司 风险识别方法及装置和电子设备
CN108564386B (zh) * 2018-04-28 2020-06-02 腾讯科技（深圳）有限公司 商户识别方法及装置、计算机设备及存储介质
CN108564467A (zh) * 2018-05-09 2018-09-21 平安普惠企业管理有限公司 一种用户风险等级的确定方法及设备
CN109118051A (zh) * 2018-07-17 2019-01-01 阿里巴巴集团控股有限公司 基于网络舆情的风险商户识别及处置方法、装置及服务器
CN109191129A (zh) * 2018-07-18 2019-01-11 阿里巴巴集团控股有限公司 一种风控方法、系统及计算机设备
CN109360089B (zh) * 2018-11-20 2020-07-17 四川大学 贷款风险预测方法及装置
CN110033170B (zh) * 2019-03-14 2022-06-03 创新先进技术有限公司 识别风险商家的方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180025428A1 (en) * 2016-07-22 2018-01-25 Xerox Corporation Methods and systems for analyzing financial risk factors for companies within an industry
TW201828198A (zh) * 2017-01-24 2018-08-01 阿里巴巴集團服務有限公司 風險識別方法及裝置
CN109461068A (zh) * 2018-09-13 2019-03-12 深圳壹账通智能科技有限公司 欺诈行为的判断方法、装置、设备及计算机可读存储介质
CN109461073A (zh) * 2018-12-14 2019-03-12 深圳壹账通智能科技有限公司 智能识别的风险管理方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN110033170A (zh) 2019-07-19
TW202034256A (zh) 2020-09-16
CN110033170B (zh) 2022-06-03
US20210312460A1 (en) 2021-10-07
WO2020181910A1 (zh) 2020-09-17
US11379845B2 (en) 2022-07-05

Similar Documents

Publication Publication Date Title
TWI724552B (zh) 識別風險商家的方法及裝置
EP4099217A1 (en) Image processing model training method and apparatus, device, and storage medium
CN111861240A (zh) 可疑用户识别方法、装置、设备及可读存储介质
US20150242689A1 (en) System and method for determining graph relationships using images
WO2021164232A1 (zh) 用户识别方法、装置、设备及存储介质
US11126827B2 (en) Method and system for image identification
CN112435137B (zh) 一种基于社团挖掘的欺诈信息检测方法及系统
CN111783126B (zh) 一种隐私数据识别方法、装置、设备和可读介质
WO2019128311A1 (zh) 广告的相似度处理方法和装置、计算设备及存储介质
CN110659807B (zh) 一种基于链路的风险用户识别方法及装置
US20160125404A1 (en) Face recognition business model and method for identifying perpetrators of atm fraud
CN114693192A (zh) 风控决策方法、装置、计算机设备和存储介质
WO2022142903A1 (zh) 身份识别方法、装置、电子设备及相关产品
WO2020143165A1 (zh) 一种翻拍图像的识别方法、系统及终端设备
WO2023029758A1 (zh) 一种企业经济犯罪侦查方法、系统及设备
CN102637255A (zh) 用于处理图像中包含的面部的方法和设备
CN115223022B (zh) 一种图像处理方法、装置、存储介质及设备
CN108875549A (zh) 图像识别方法、装置、系统及计算机存储介质
Cheung et al. Evaluating the privacy risk of user-shared images
JP2021018466A (ja) ルール抽出装置、情報処理装置、ルール抽出方法及びルール抽出プログラム
Jiang et al. Camera fingerprint: A new perspective for identifying user's identity
KR20220160996A (ko) 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템과 그 방법
US20230333720A1 (en) Generating presentation information associated with one or more objects depicted in image data for display via a graphical user interface
CN116070286B (zh) 一种数据伪造检测方法、装置及设备
CN115204322B (zh) 行为链路异常识别方法和装置