WO2020238535A1 - 聚合支付商户的套现风险检测方法及装置、电子设备 - Google Patents

聚合支付商户的套现风险检测方法及装置、电子设备 Download PDF

Info

Publication number
WO2020238535A1
WO2020238535A1 PCT/CN2020/087476 CN2020087476W WO2020238535A1 WO 2020238535 A1 WO2020238535 A1 WO 2020238535A1 CN 2020087476 W CN2020087476 W CN 2020087476W WO 2020238535 A1 WO2020238535 A1 WO 2020238535A1
Authority
WO
WIPO (PCT)
Prior art keywords
aggregate payment
rule
payment merchant
preset
transaction data
Prior art date
Application number
PCT/CN2020/087476
Other languages
English (en)
French (fr)
Inventor
李宁
Original Assignee
深圳壹账通智能科技有限公司
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 深圳壹账通智能科技有限公司 filed Critical 深圳壹账通智能科技有限公司
Publication of WO2020238535A1 publication Critical patent/WO2020238535A1/zh

Links

Images

Classifications

    • 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
    • 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

Definitions

  • This application relates to the technical field of big data data analysis, and in particular to a method and device for cash out risk detection of aggregate payment merchants, and electronic equipment.
  • a method and device for cash out risk detection of an aggregate payment merchant, and electronic equipment are provided.
  • a cash-out risk detection method for aggregate payment merchants includes:
  • a warning message is issued and the account of the aggregate payment merchant is processed; wherein the warning information is used to describe the aggregate payment merchant's existing behavior.
  • a cash-out risk detection device for aggregate payment merchants comprising:
  • a rule obtaining unit configured to obtain a first preset rule corresponding to the business type of the aggregate payment merchant, the first preset rule including a plurality of first restriction conditions for restricting the account of the aggregate payment merchant;
  • a data acquisition unit for acquiring transaction data of the aggregate payment merchant in real time
  • the analysis unit is configured to analyze the transaction data by using the first rule engine corresponding to the first preset rule to obtain the cash out risk value of the aggregate payment merchant;
  • the sample obtaining unit is configured to obtain a sample of transaction data of an aggregate payment merchant sample of the same business type as the aggregate payment merchant from a preset database;
  • a clustering unit configured to perform a cluster analysis based on the transaction data and the transaction data sample to obtain a clustering result of the aggregate payment merchant
  • the correction unit is configured to correct the cash-out risk value according to the clustering result to obtain the target cash-out risk value
  • the processing unit is configured to issue a warning message when the target cash out risk value reaches a preset risk threshold, and process the account of the aggregate payment merchant; wherein the warning information is used to describe the existence of the aggregate payment merchant Set the current behavior.
  • An electronic device which includes:
  • a memory where computer-readable instructions are stored, and when the computer-readable instructions are executed by the processor, the following method steps are implemented:
  • a warning message is issued and the account of the aggregate payment merchant is processed; wherein the warning information is used to describe the aggregate payment merchant's existing behavior.
  • a computer-readable storage medium that stores a computer program that enables a computer to execute the following method steps:
  • a warning message is issued and the account of the aggregate payment merchant is processed; wherein the warning information is used to describe the aggregate payment merchant's existing behavior.
  • FIG. 1 is a schematic structural diagram of a cash-out risk detection device for an aggregate payment merchant disclosed in an embodiment of the present application
  • FIG. 2 is a schematic flowchart of a cash-out risk detection method for an aggregate payment merchant disclosed in an embodiment of the present application
  • FIG. 3 is a schematic flowchart of another cash-out risk detection method for an aggregate payment merchant disclosed in an embodiment of the present application
  • FIG. 4 is a schematic flowchart of yet another method for cashing out risk detection of an aggregate payment merchant disclosed in an embodiment of the present application
  • Fig. 5 is a schematic structural diagram of another cash-out risk detection device for an aggregate payment merchant disclosed in an embodiment of the present application.
  • FIG. 6 is a schematic structural diagram of another cash-out risk detection device for an aggregate payment merchant disclosed in an embodiment of the present application.
  • FIG. 7 is a schematic structural diagram of another cash-out risk detection device for an aggregate payment merchant disclosed in an embodiment of the present application.
  • the implementation environment of this application can be electronic devices, such as smart phones, tablet computers, and desktop computers.
  • Fig. 1 is a schematic structural diagram of a cash-out risk detection device for an aggregate payment merchant disclosed in an embodiment of the present application.
  • the apparatus 100 may be the aforementioned electronic device.
  • the device 100 may include one or more of the following components: a processing component 102, a memory 104, a power supply component 106, a multimedia component 108, an audio component 110, a sensor component 114, and a communication component 116.
  • the processing component 102 generally controls the overall operations of the device 100, such as operations associated with display, telephone calls, data communications, camera operations, and recording operations.
  • the processing component 102 may include one or more processors 118 to execute instructions to complete all or part of the steps of the following method.
  • the processing component 102 may include one or more modules to facilitate the interaction between the processing component 102 and other components.
  • the processing component 102 may include a multimedia module to facilitate the interaction between the multimedia component 108 and the processing component 102.
  • the memory 104 is configured to store various types of data to support operations in the device 100. Examples of these data include instructions for any application or method operating on the device 100.
  • the memory 104 can be implemented by any type of volatile or non-volatile storage device or a combination thereof, such as static random access memory (Static Random Access Memory, SRAM for short), electrically erasable programmable read-only memory (Electrically Erasable Programmable Read-Only Memory) Erasable Programmable Read-Only Memory (EEPROM for short), Erasable Programmable Read-Only Memory (EPROM for short), Programmable Red-Only Memory (PROM for short), Read-only memory ( Read-Only Memory, ROM for short), magnetic storage, flash memory, magnetic disk or optical disk.
  • the memory 104 also stores one or more modules, and the one or more modules are configured to be executed by the one or more processors 118 to complete all or part of the steps in the method shown below.
  • the power supply component 106 provides power to various components of the device 100.
  • the power supply component 106 may include a power management system, one or more power supplies, and other components associated with generating, managing, and distributing power for the device 100.
  • the multimedia component 108 includes a screen that provides an output interface between the device 100 and the user.
  • the screen may include a liquid crystal display (Liquid Crystal Display, LCD for short) and a touch panel. If the screen includes a touch panel, the screen may be implemented as a touch screen to receive input signals from the user.
  • the touch panel includes one or more touch sensors to sense touch, sliding, and gestures on the touch panel. The touch sensor can not only sense the boundary of the touch or slide action, but also detect the duration and pressure related to the touch or slide operation.
  • the screen may also include an organic light emitting display (Organic Light Emitting Display, OLED for short).
  • the audio component 110 is configured to output and/or input audio signals.
  • the audio component 110 includes a microphone (Microphone, MIC for short).
  • the microphone is configured to receive external audio signals.
  • the received audio signal can be further stored in the memory 104 or sent via the communication component 116.
  • the audio component 110 further includes a speaker for outputting audio signals.
  • the sensor component 114 includes one or more sensors for providing the device 100 with various aspects of state evaluation.
  • the sensor component 114 can detect the open/close state of the device 100 and the relative positioning of components.
  • the sensor component 114 can also detect the position change of the device 100 or a component of the device 100 and the temperature change of the device 100.
  • the sensor component 114 may also include a magnetic sensor, a pressure sensor or a temperature sensor.
  • the communication component 116 is configured to facilitate wired or wireless communication between the apparatus 100 and other devices.
  • the device 100 can access a wireless network based on a communication standard, such as WiFi (Wireless-Fidelity, wireless fidelity).
  • the communication component 116 receives broadcast signals or broadcast-related information from an external broadcast management system via a broadcast channel.
  • the communication component 116 further includes a Near Field Communication (NFC) module for facilitating short-range communication.
  • NFC Near Field Communication
  • the NFC module can be based on Radio Frequency Identification (RFID) technology, Infrared Data Association (Infrared Data Association, IrDA) technology, Ultra Wideband (UWB) technology, Bluetooth technology and other technologies. .
  • RFID Radio Frequency Identification
  • IrDA Infrared Data Association
  • UWB Ultra Wideband
  • the apparatus 100 may be implemented by one or more Application Specific Integrated Circuits (ASIC for short), digital signal processors, digital signal processing equipment, programmable logic devices, field programmable gate arrays, The controller, microcontroller, microprocessor or other electronic components are implemented to perform the following methods.
  • ASIC Application Specific Integrated Circuits
  • digital signal processors digital signal processing equipment
  • programmable logic devices programmable logic devices
  • field programmable gate arrays The controller, microcontroller, microprocessor or other electronic components are implemented to perform the following methods.
  • FIG. 2 is a schematic flowchart of a cash out risk detection method for an aggregate payment merchant disclosed in an embodiment of the present application.
  • the cash-out risk detection method of the aggregate payment merchant is applicable to the cash-out risk detection device of the aggregate payment merchant.
  • the cash-out risk detection device of the aggregate payment merchant may be an electronic device such as a smart phone, a tablet computer, and a desktop computer.
  • the embodiments of this application are described with electronic devices as the execution subject, and it should be understood that this application should not constitute any limitation.
  • the cash out risk detection method of the aggregate payment merchant may include the following steps:
  • the electronic device obtains a first preset rule corresponding to the business type of the aggregate payment merchant, where the first preset rule includes a number of first restriction conditions for restricting the account of the aggregate payment merchant.
  • the business types can be specifically classified into individuals, individual industrial and commercial households, or enterprises.
  • the electronic device may configure different first preset rules in advance according to the business type of the aggregate payment merchant.
  • a certain entry restriction condition in the corresponding first preset rule is "the number of affiliated sub-merchants cannot exceed A, and A is a positive integer ";
  • the corresponding entry restriction condition is "the number of affiliated sub-merchants cannot exceed B, and B is a positive integer”.
  • A is not equal to B, and under normal circumstances, A is less than B, but the special case where A is greater than B is not excluded.
  • the electronic device obtains the transaction data of the aggregate payment merchant in real time.
  • the transaction data is specifically consumption data, regional data, bank data, demographic data, credit information data, social network data, and communication data related to transaction records.
  • step 201 can be performed first and then step 202; and in other possible embodiments, step 201 and step 202 can be performed simultaneously; It is also possible to perform step 202 first, and then perform step 201.
  • an aggregate payment management platform can be built, and the aggregate payment management platform includes a merchant client, a service provider client, and a server.
  • the merchant client is used for aggregate payment merchants to log in to the aggregate payment management platform for account registration or setting management
  • the service provider client is used for aggregate payment service providers to log in to the aggregate payment management platform to perform the first preset rule Configuration
  • the server is used to manage the accounts of aggregate payment merchants. It can be understood that the server may specifically be an electronic device.
  • the server When an aggregate payment merchant performs account login on the merchant client, the server performs fingerprint input or facial recognition verification on the aggregate payment merchant to obtain the verification result. Based on this, before performing step 202, the electronic device may send a query request to the service device to query the foregoing verification result. If the verification result is used to describe the verification is successful, go to step 202; otherwise, end this process.
  • the implementation of the foregoing embodiments can improve security by identifying whether the verification is successful when the aggregate payment merchant logs in before the transaction data of the aggregate payment merchant is obtained in real time.
  • the electronic device uses the first rule engine corresponding to the first preset rule to analyze the transaction data to obtain the cash out risk value of the aggregate payment merchant.
  • the electronic device obtains the transaction data sample of the aggregate payment merchant sample of the same business type as the aggregate payment merchant from the preset database.
  • the electronic device performs cluster analysis according to the transaction data and the transaction data sample, and obtains the clustering result of the aggregate payment merchant.
  • the electronic device corrects the cash-out risk value according to the clustering result to obtain the target cash-out risk value.
  • the electronic device issues a warning message and processes the account of the aggregate payment merchant; among them, the warning information is used to describe the aggregate payment merchant's existing behavior.
  • Issuing warning messages and processing the accounts of aggregate payment merchants can identify the behavior of aggregate payment merchants in a timely manner, reduce manual intervention, improve the risk control efficiency of aggregate payment service providers in the process of aggregate payment services, and reduce the cash out of aggregate payment merchants risk.
  • FIG. 3 is a schematic flowchart of another cash-out risk detection method for an aggregate payment merchant disclosed in an embodiment of the present application.
  • the cash out risk detection method of the aggregate payment merchant may include the following steps:
  • the electronic device retrieves the industrial and commercial credit information of the aggregate payment merchant from the credit data interface.
  • the business credit information may specifically include one or more of the business name, legal person information, business license information, and equity allocation.
  • the electronic device obtains the business type of the aggregate payment merchant based on the industrial and commercial credit information.
  • steps 303 to 304 are the same as steps 201 to 202 in the second embodiment, which will not be repeated in this embodiment of the application.
  • the electronic device inputs the user attribute information of the aggregate payment merchant into the preset risk layering model to obtain the credit score value of the aggregate payment merchant.
  • the preset risk stratification model may be a risk stratification model obtained by training based on user attribute information samples of a plurality of aggregate payment merchant samples collected as training data.
  • the user attribute information may be one or more of credit records, repayment habits, overdue records, payment capabilities, and social network data.
  • the implementation of this implementation method can improve the accuracy of the credit score value, and can also use social network data to score the credit scoring of aggregate payment merchants, and improve the comprehensiveness of the evaluation of aggregate payment merchants.
  • the electronic device judges whether the credit score value reaches a preset score threshold. If not, perform steps 307 and 310; otherwise, perform steps 308-310.
  • the electronic device uses the first rule engine corresponding to the first preset rule to analyze the transaction data to obtain the cash out risk value of the aggregate payment merchant.
  • the electronic device optimizes the first preset rule to obtain a second preset rule; where the second preset rule includes a number of second restriction conditions for restricting the account of the aggregate payment merchant, and the second restriction condition corresponds to The restriction strength is less than the restriction strength corresponding to the first restriction condition.
  • step 308 may specifically be: the electronic device adjusts the value corresponding to each first restriction condition in the first preset rule to obtain the second preset rule.
  • each first restriction condition in the first preset rule corresponds to each second restriction condition in the second preset rule, and the content of the first restriction condition and the second restriction condition corresponding to each other are the same , The value is different.
  • a certain first restriction condition in the first preset rule corresponding to a certain business type is: "The credit card consumption in the transaction data received by the payment account of the same aggregate payment merchant cannot exceed C%, and C is positive “Integer”, and if the credit score value of the aggregate payment merchant reaches the preset score threshold, after optimizing the first restriction condition, the corresponding second restriction condition is "in the transaction data received by the payment account of the same aggregate payment merchant Credit card spending cannot exceed D%, D is a positive integer", where C is less than D.
  • the restriction strength of the second restriction condition is less than the restriction strength of the first restriction condition, that is, the second restriction condition is lower than the first restriction condition.
  • the electronic device uses the second rule engine corresponding to the second preset rule to analyze the transaction data to obtain the cash out risk value of the aggregate payment merchant.
  • steps 310 to 313 are the same as steps 204 to 207 described in the second embodiment, which are not repeated in this embodiment of the application.
  • the electronic device in step 313 processing the account of the aggregate payment merchant may include the following steps: the electronic device determines whether the difference between the target cash out risk value and the preset risk threshold reaches the preset difference threshold. If it reaches, the electronic device performs account closure processing on the account of the aggregate payment merchant; if it does not reach, the electronic device performs fund freezing processing on the account of the aggregate payment merchant.
  • the difference reaches the preset difference threshold, it can be determined that the target cash out risk value exceeds the preset risk threshold to a greater extent, and the cash out risk level of aggregate payment merchants is higher, so the account closure is more stringent. Treatment measures. In the same way, if it is not reached, the relatively loose measures such as freezing funds will be adopted.
  • the electronic device can also send a prompt message, which is used to prompt the user to check the transaction record of the aggregate payment merchant’s account at a preset time; If the user’s input for the unfreezing of funds for the aggregate payment merchant’s account is received within the time period, the unfreezing of funds for the aggregate payment merchant’s account will be processed; if the user’s input for the aggregate payment merchant is received within the preset time
  • the account closure instruction is to perform account closure processing on the account of the aggregate payment merchant.
  • the degree of risk threshold is set to identify the cash out risk level of aggregate payment merchants, and according to different cash out risk levels, the accounts of aggregate payment merchants are processed differently, which can improve the risk control of aggregate payment service providers in the process of aggregate payment services Efficiency, thereby reducing the risk of cashing out by aggregate payment merchants.
  • the target cash-out risk value when it is detected that the target cash-out risk value reaches the preset risk threshold, it can identify whether the target cash-out risk value exceeds the preset risk by judging whether the difference between the target cash-out risk value and the preset risk threshold reaches the preset difference threshold.
  • the threshold level is used to identify the cash-out risk level of aggregate payment merchants, and according to different cash-out risk levels, the accounts of aggregate payment merchants are processed differently, which can improve the risk control efficiency of aggregate payment service providers in the process of aggregate payment services. This will reduce the risk of cashing out by merchants of aggregate payment.
  • FIG. 4 is a schematic flow diagram of another method for detecting cash out risk of an aggregate payment merchant disclosed in an embodiment of the present application.
  • the cash out risk detection method of the aggregate payment merchant may include the following steps:
  • steps 401 to 402 are the same as steps 201 to 202 in the second embodiment, which are not repeated in this embodiment of the application.
  • the electronic device caches the transaction data locally on the rule engine server for the user to view.
  • rules engine used to analyze the transaction data of the aggregate payment merchants can be modified and edited at any time to optimize the rules.
  • the electronic device receives the rule modification instruction sent by the user.
  • the electronic device sends a call request corresponding to the rule modification instruction to the rule engine server, so that the rule engine server obtains the editable parameters of the first rule engine corresponding to the first preset rule according to the call request.
  • the editable parameters can include one or more parameters.
  • the electronic device receives the first value corresponding to the editable parameter input by the user.
  • step 406 may specifically include: the electronic device receives the first value corresponding to the editable parameter input by the user through the editable parameter file; wherein the editable parameter file is used for the user to directly modify the editable parameter and Edit; where, optionally, if the editable parameter includes multiple parameters, the editable parameter file is displayed in the form of a list.
  • the electronic device receives the first value corresponding to the editable parameter input by the user through the editable parameter file; wherein the editable parameter file is used for the user to directly modify the editable parameter and Edit; where, optionally, if the editable parameter includes multiple parameters, the editable parameter file is displayed in the form of a list.
  • the electronic device can determine whether the first value is consistent with the original value of the editable parameter; if so, perform step 407; otherwise, end this process.
  • the electronic device queries the position information of the editable parameter from the code of the first rule engine.
  • the electronic device replaces the original value at the location corresponding to the location information with the first value to generate a third rule engine.
  • the electronic device uses the third rule engine to analyze the transaction data to obtain the cash out risk value of the aggregate payment merchant.
  • steps 410 to 413 are the same as steps 204 to 207 described in the second embodiment, which are not repeated in this embodiment of the application.
  • the editable parameter file allows the user to directly modify and edit the editable parameters.
  • the editing operation is simple, efficient, and time-saving and labor-saving.
  • editable parameter files can also be displayed in the form of a list, which makes the editing interface of the rule engine more intuitive and easier to edit.
  • FIG. 5 is a schematic structural diagram of another cash-out risk detection device for an aggregate payment merchant disclosed in an embodiment of the present application.
  • the cash-out risk detection device of the aggregate payment merchant may include: a rule acquisition unit 501, a data acquisition unit 502, an analysis unit 503, and a processing unit 504.
  • the cash-out risk detection device of an aggregate payment merchant shown in FIG. 5 may further include a query unit not shown in the figure, which is used to provide the data acquisition unit 502 with the transaction data of the aggregate payment merchant in real time.
  • the service device sends a query request to query the verification result; the verification result is used to describe whether the aggregate payment merchant performs fingerprint input or facial recognition verification when the account is logged in.
  • the aforementioned data acquisition unit 502 is also used to acquire transaction data of the aggregate payment merchant in real time when the verification result is used to describe the successful verification.
  • the implementation of the foregoing embodiments can improve security by identifying whether the verification is successful when the aggregate payment merchant logs in before the transaction data of the aggregate payment merchant is obtained in real time.
  • Issuing warning messages and processing the accounts of aggregate payment merchants can identify the behavior of aggregate payment merchants in a timely manner, reduce manual intervention, improve the risk control efficiency of aggregate payment service providers in the process of aggregate payment services, and reduce the cash out of aggregate payment merchants risk.
  • FIG. 6 is a schematic structural diagram of another cash-out risk detection device of a polymerized payment merchant disclosed in an embodiment of the present application.
  • the cash out risk detection device of the aggregate payment merchant shown in FIG. 6 is optimized by the cash out risk detection device of the aggregate payment merchant shown in FIG. 5.
  • the cash-out risk detection device of the aggregate payment merchant shown in FIG. 6 may further include: a retrieval unit 508, a first acquisition unit 509, and a second acquisition unit 510 ⁇ Configuration unit 511.
  • the processing unit 507 is configured to process the account of the aggregate payment merchant.
  • the cash-out risk detection device of an aggregate payment merchant shown in FIG. 6 may further include a modeling unit not shown in the figure, which is used as a sample of user attribute information collected from a plurality of aggregate payment merchant samples. Train the training data to obtain the risk stratification model.
  • each module in the cash-out risk detection device of the above-mentioned aggregate payment merchant corresponds to the steps in the embodiment of the cash-out risk detection method of the above-mentioned aggregate payment merchant, and its functions and implementation processes will not be repeated here.
  • the implementation of this implementation method can improve the accuracy of the credit score value, and can also use social network data to score the credit scoring of aggregate payment merchants, and improve the comprehensiveness of the evaluation of aggregate payment merchants.
  • the implementation of the device shown in Figure 6 can timely identify the behavior of aggregate payment merchants, reduce manual intervention, improve the risk control efficiency of aggregate payment service providers in the process of aggregate payment services, and reduce the risk of aggregate payment merchants cashing out.
  • the target cash-out risk value when it is detected that the target cash-out risk value reaches the preset risk threshold, it can identify whether the target cash-out risk value exceeds the preset risk by judging whether the difference between the target cash-out risk value and the preset risk threshold reaches the preset difference threshold.
  • the level of the threshold is used to identify the cash-out risk level of aggregate payment merchants, and according to different cash-out risk levels, the accounts of aggregate payment merchants are processed differently, which can improve the risk control efficiency of aggregate payment service providers in the process of aggregate payment services. This will reduce the risk of cashing out by merchants of aggregate payment.
  • FIG. 7 is a schematic structural diagram of another cash-out risk detection device for an aggregate payment merchant disclosed in an embodiment of the present application.
  • the cash out risk detection device of the aggregate payment merchant shown in FIG. 7 is optimized by the cash out risk detection device of the aggregate payment merchant shown in FIG. 6.
  • the cash out risk detection device of the aggregate payment merchant shown in FIG. 7 may further include a cache unit 512, a receiving unit 513 and an editing unit 514.
  • the above-mentioned analysis unit 503 is configured to use the first rule engine corresponding to the first preset rule to analyze the transaction data, and the specific method for obtaining the cash out risk value of the aggregate payment merchant is as follows:
  • the aforementioned analysis unit 503 is used to analyze the transaction data by using the third rule engine to obtain the cash out risk value of the aggregate payment merchant.
  • the foregoing editing unit 514 may include: a sending subunit 5141, a receiving subunit 5142, and an updating subunit 5143.
  • the cash-out risk detection device of an aggregate payment merchant shown in FIG. 7 may further include a sending unit (not shown) for sending prompt information describing the processing result of generating the third rule engine to the user.
  • the above-mentioned update subunit 5143 may include the following modules not shown in the figure: a query module and a replacement module.
  • the receiving subunit 5142 receives the first value corresponding to the editable parameter input by the user.
  • the function realization of each module in the cash-out risk detection device of the above-mentioned aggregate payment merchant corresponds to the steps in the embodiment of the cash-out risk detection method of the above-mentioned aggregate payment merchant, and its functions and implementation processes will not be repeated here.
  • the implementation of this embodiment can make the editing interface of the rule engine more intuitive and easier to edit.
  • the implementation of the device shown in Figure 7 can identify the behavior of aggregate payment merchants in time, reduce manual intervention, improve the risk control efficiency of aggregate payment service providers in the process of aggregate payment services, and reduce the risk of aggregate payment merchants cashing out.
  • the editable parameter file allows users to directly modify and edit the editable parameters.
  • the editing operation is simple, efficient, and saves time and effort.
  • the editable parameter files can also be displayed in the form of a list, which makes the editing interface of the rule engine more intuitive and easier to edit.
  • This application also provides an electronic device, which includes:
  • Processor memory, the memory is stored with computer-readable instructions, when the computer-readable instructions are executed by the processor, realize the cash out risk detection method of the aggregate payment merchant as shown above.
  • the electronic device may be the apparatus 100 shown in FIG. 1.
  • the present application also provides a computer-readable storage medium on which a computer program is stored.
  • the computer program is executed by a processor, the cash out risk detection method for the aggregate payment merchant as shown above is realized .

Abstract

本申请涉及大数据领域，提出聚合支付商户的套现风险检测方法及装置、电子设备。方法包括：利用聚合支付商户的经营类型所对应的第一预设规则对应的第一规则引擎，对实时获取的聚合支付商户的交易数据进行分析获得套现风险值；获取与上述的经营类型相同的聚合支付商户样本的交易数据样本；根据交易数据与交易数据样本进行聚类分析所获得的聚类结果对套现风险值进行修正，获得目标套现风险值；当目标套现风险值达到预设风险阈值时，发出警告信息并对聚合支付商户的账户进行处理。本申请通过对聚合支付商户的交易数据进行分析，能够及时识别聚合支付商户的套现行为，提高聚合支付服务商在聚合支付服务过程中的风险控制效率，进而降低聚合支付商户套现的风险。

Description

聚合支付商户的套现风险检测方法及装置、电子设备 技术领域
本申请要求于2019年5月28日提交中国专利局，申请号为201910450407.7、发明名称为“聚合支付商户的套现风险检测方法及装置、电子设备”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
本申请涉及大数据的数据分析技术领域，特别涉及一种聚合支付商户的套现风险检测方法及装置、电子设备。
背景技术
随着全球经济的快速发展，人们的消费水平也在不断提高，各种各样的线上支付渠道也越来越多，比如微信支付，支付宝支付等。因此，商户需要摆放各种线上支付渠道对应的收款二维码以供消费者扫码支付，较为不便。然而，聚合支付服务商通过聚合支付将多种线上支付渠道聚合起来，只需要一个收款二维码就能供消费者以任意一种线上支付渠道进行扫码支付，可以适应不同场景下的支付需求，方便商户的同时也沉淀并整合商户在不同渠道间的交易数据。
但是，在实践中发现，聚合支付也存在一些安全隐患。比如商户利用聚合支付的账户给信用额度持有人提供套现途径，以赚取私利，从而促进了信用卡或电子信用消费套现行为。其中，信用卡消费套现行为是指信用卡持有人不是通过正常合法手续提取现金，而通过聚合支付将卡中信用额度内的资金以现金的方式套取，同时又不支付银行提现费用的行为。商户利用聚合支付的账号给信用额度持有人提供套现途径的行为会增加金融风险，不利用金融秩序的稳定，且给聚合支付服务商带来极大风险。然而，发明人意识到，现有技术中往往依赖业务人员人工监控聚合支付商户的套现行为，无法及时发现并处理聚合支付商户的套现行为，导致风险控制效率较低。
发明概述
技术问题
综上，目前亟需一种技术手段，用于及时识别商户的套现行为，减少人工干预 ，提高聚合支付服务商在聚合支付服务过程中的风险控制效率，进而降低商户套现的风险。
问题的解决方案
技术解决方案
根据本申请公开的各种实施例，提供一种聚合支付商户的套现风险检测方法及装置、电子设备。
一种聚合支付商户的套现风险检测方法，所述方法包括：
获取聚合支付商户的经营类型所对应的第一预设规则，所述第一预设规则若干个用于限制所述聚合支付商户的账户的第一限制条件；
实时获取所述聚合支付商户的交易数据；
利用所述第一预设规则对应的第一规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值；
从预设数据库中获取与所述聚合支付商户的经营类型相同的聚合支付商户样本的交易数据样本；
根据所述交易数据与所述交易数据样本进行聚类分析，获得所述聚合支付商户的聚类结果；
根据所述聚类结果，对所述套现风险值进行修正，获得目标套现风险值；
当所述目标套现风险值达到预设风险阈值时，发出警告信息，并对所述聚合支付商户的账户进行处理；其中，所述警告信息用于描述所述聚合支付商户存在套现行为。
一种聚合支付商户的套现风险检测装置，所述装置包括：
规则获取单元，用于获取聚合支付商户的经营类型所对应的第一预设规则，所述第一预设规则包括若干个用于限制所述聚合支付商户的账户的第一限制条件；
数据获取单元，用于实时获取所述聚合支付商户的交易数据；
分析单元，用于利用所述第一预设规则对应的第一规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值；
样本获取单元，用于从预设数据库中获取与所述聚合支付商户的经营类型相同 的聚合支付商户样本的交易数据样本；
聚类单元，用于根据所述交易数据与所述交易数据样本进行聚类分析，获得所述聚合支付商户的聚类结果；
修正单元，用于根据所述聚类结果，对所述套现风险值进行修正，获得目标套现风险值；
处理单元，用于在所述目标套现风险值达到预设风险阈值时，发出警告信息，并对所述聚合支付商户的账户进行处理；其中，所述警告信息用于描述所述聚合支付商户存在套现行为。
一种电子设备，所述电子设备包括：
处理器；
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如下方法步骤：
获取聚合支付商户的经营类型所对应的第一预设规则，所述第一预设规则若干个用于限制所述聚合支付商户的账户的第一限制条件；
实时获取所述聚合支付商户的交易数据；
利用所述第一预设规则对应的第一规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值；
从预设数据库中获取与所述聚合支付商户的经营类型相同的聚合支付商户样本的交易数据样本；
根据所述交易数据与所述交易数据样本进行聚类分析，获得所述聚合支付商户的聚类结果；
根据所述聚类结果，对所述套现风险值进行修正，获得目标套现风险值；
当所述目标套现风险值达到预设风险阈值时，发出警告信息，并对所述聚合支付商户的账户进行处理；其中，所述警告信息用于描述所述聚合支付商户存在套现行为。
一种计算机可读存储介质，其存储计算机程序，所述计算机程序使得计算机执行如下的方法步骤：
获取聚合支付商户的经营类型所对应的第一预设规则，所述第一预设规则若干 个用于限制所述聚合支付商户的账户的第一限制条件；
实时获取所述聚合支付商户的交易数据；
利用所述第一预设规则对应的第一规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值；
从预设数据库中获取与所述聚合支付商户的经营类型相同的聚合支付商户样本的交易数据样本；
根据所述交易数据与所述交易数据样本进行聚类分析，获得所述聚合支付商户的聚类结果；
根据所述聚类结果，对所述套现风险值进行修正，获得目标套现风险值；
当所述目标套现风险值达到预设风险阈值时，发出警告信息，并对所述聚合支付商户的账户进行处理；其中，所述警告信息用于描述所述聚合支付商户存在套现行为。
本申请的一个或多个实施例的细节在下面的附图和描述中提出。本申请的其它特征和优点将从说明书、附图以及权利要求书变得明显。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本申请。
发明的有益效果
对附图的简要说明
附图说明
图1是本申请实施例公开的一种聚合支付商户的套现风险检测装置的结构示意图；
图2是本申请实施例公开的一种聚合支付商户的套现风险检测方法的流程示意图；
图3是本申请实施例公开的另一种聚合支付商户的套现风险检测方法的流程示意图；
图4是本申请实施例公开的又一种聚合支付商户的套现风险检测方法的流程示意图；
图5是本申请实施例公开的另一种聚合支付商户的套现风险检测装置的结构示 意图；
图6是本申请实施例公开的另一种聚合支付商户的套现风险检测装置的结构示意图；
图7是本申请实施例公开的又一种聚合支付商户的套现风险检测装置的结构示意图。
发明实施例
本发明的实施方式
这里将详细地对示例性实施例执行说明，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。
实施例一
本申请的实施环境可以是电子设备，例如智能手机、平板电脑、台式电脑。
图1是本申请实施例公开的一种聚合支付商户的套现风险检测装置的结构示意图。装置100可以是上述电子设备。如图1所示，装置100可以包括以下一个或多个组件：处理组件102，存储器104，电源组件106，多媒体组件108，音频组件110，传感器组件114以及通信组件116。
处理组件102通常控制装置100的整体操作，诸如与显示，电话呼叫，数据通信，相机操作以及记录操作相关联的操作等。处理组件102可以包括一个或多个处理器118来执行指令，以完成下述的方法的全部或部分步骤。此外，处理组件102可以包括一个或多个模块，用于便于处理组件102和其他组件之间的交互。例如，处理组件102可以包括多媒体模块，用于以方便多媒体组件108和处理组件102之间的交互。
存储器104被配置为存储各种类型的数据以支持在装置100的操作。这些数据的示例包括用于在装置100上操作的任何应用程序或方法的指令。存储器104可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读 存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read Only Memory，简称EPROM)，可编程只读存储器(Programmable Red-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。存储器104中还存储有一个或多个模块，用于该一个或多个模块被配置成由该一个或多个处理器118执行，以完成如下所示方法中的全部或者部分步骤。
电源组件106为装置100的各种组件提供电力。电源组件106可以包括电源管理系统，一个或多个电源，及其他与为装置100生成、管理和分配电力相关联的组件。
多媒体组件108包括在装置100和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(Liquid Crystal Display，简称LCD)和触摸面板。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。屏幕还可以包括有机电致发光显示器(Organic Light Emitting Display，简称OLED)。
音频组件110被配置为输出和/或输入音频信号。例如，音频组件110包括一个麦克风(Microphone，简称MIC)，当装置100处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器104或经由通信组件116发送。在一些实施例中，音频组件110还包括一个扬声器，用于输出音频信号。
传感器组件114包括一个或多个传感器，用于为装置100提供各个方面的状态评估。例如，传感器组件114可以检测到装置100的打开/关闭状态，组件的相对定位，传感器组件114还可以检测装置100或装置100一个组件的位置改变以及装置100的温度变化。在一些实施例中，该传感器组件114还可以包括磁传感器，压力传感器或温度传感器。
通信组件116被配置为便于装置100和其他设备之间有线或无线方式的通信。装 置100可以接入基于通信标准的无线网络，如WiFi(Wireless-Fidelity，无线保真)。在本申请实施例中，通信组件116经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在本申请实施例中，通信组件116还包括近场通信(Near Field Communication，简称NFC)模块，用于以促进短程通信。例如，在NFC模块可基于射频识别(Radio Frequency Identification，简称RFID)技术，红外数据协会(Infrared Data Association，简称IrDA)技术，超宽带(Ultra Wideband，简称UWB)技术，蓝牙技术和其他技术来实现。
在示例性实施例中，装置100可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器、数字信号处理设备、可编程逻辑器件、现场可编程门阵列、控制器、微控制器、微处理器或其他电子元件实现，用于执行下述方法。
实施例二
请参阅图2，图2是本申请实施例公开的一种聚合支付商户的套现风险检测方法的流程示意图。其中，该聚合支付商户的套现风险检测方法适用于聚合支付商户的套现风险检测装置。其中，聚合支付商户的套现风险检测装置可以为智能手机、平板电脑、台式电脑等电子设备。为方便示例，本申请实施例以电子设备为执行主体进行描述，应理解，不应对本申请构成任何限定。如图2所示该聚合支付商户的套现风险检测方法可以包括以下步骤：
201、电子设备获取聚合支付商户的经营类型所对应的第一预设规则，第一预设规则包括若干个用于限制聚合支付商户的账户的第一限制条件。
需要说明的是，本申请实施例中，经营类型具体可以分为个人、个体工商户或企业等。其中，电子设备可以预先根据聚合支付商户的经营类型，配置不同的第一预设规则。
举例来说，假设某一个聚合支付商户的经营类型为个体工商户，那么对应的第一预设规则中的某一入户限制条件为“附属子商户个数不能超过A个，A为正整数”；假设某一个聚合支付商户的经营类型为企业，那么对应的该入户限制条件为“附属子商户个数不能超过B个，B为正整数”。其中，A不等于B，且在正常情况 下，A小于B，但不排除A大于B的特殊情况。
202、电子设备实时获取聚合支付商户的交易数据。
其中，交易数据具体为交易记录相关的消费数据、地区数据、银行数据、人口属性数据、征信数据、社交网络数据和通信数据等。
可以理解，步骤201与步骤202没有顺序先后之分，在本申请实施例中，可以先执行步骤201再执行步骤202；而在另一些可能的实施例中，可以同时执行步骤201与步骤202；也可以先执行步骤202，再执行步骤201。
作为一种可选的实施方式，可以搭建聚合支付管理平台，该聚合支付管理平台包括商户客户端、服务商客户端和服务端。其中，商户客户端用于供聚合支付商户登录该聚合支付管理平台以进行账号注册或设置管理，服务商客户端用于供聚合支付服务商登录该聚合支付管理平台以进行第一预设规则的配置，服务端用于对聚合支付商户的账户进行管理。可以理解，服务端具体可以为电子设备。
当聚合支付商户在商户客户端进行账户登录时，服务端对聚合支付商户进行指纹输入或人脸识别验证，获得验证结果。基于此，电子设备在执行步骤202之前，可以向服务设备发送查询请求，以查询上述的验证结果。若验证结果用于描述验证成功，执行步骤202；反之，结束本流程。
实施上述实施方式，通过在实时获取聚合支付商户的交易数据之前，识别聚合支付商户进行登录时是否验证成功，能够提高安全性。
203、电子设备利用第一预设规则对应的第一规则引擎，对交易数据进行分析，获得聚合支付商户的套现风险值。
204、电子设备从预设数据库中获取与聚合支付商户的经营类型相同的聚合支付商户样本的交易数据样本。
205、电子设备根据交易数据与交易数据样本进行聚类分析，获得聚合支付商户的聚类结果。
206、电子设备根据聚类结果，对套现风险值进行修正，获得目标套现风险值。
207、当目标套现风险值达到预设风险阈值时，电子设备发出警告信息，并对 聚合支付商户的账户进行处理；其中，警告信息用于描述聚合支付商户存在套现行为。
实施图2所描述的方法，通过给不同经营类型的聚合支付商户，配置不同的第一预设规则，利用第一预设规则对应的第一规则引擎，对实时获取到的聚合支付商户的交易数据进行分析，获得聚合支付商户的套现风险值，以及，从预设数据库中获取与聚合支付商户的经营类型相同的聚合支付商户样本的交易数据样本，并根据交易数据与交易数据样本进行聚类分析所获得的聚合支付商户的聚类结果，对套现风险值进行修正，获得目标套现风险值，基于此，可以通过检测该目标套现风险值，当该目标套现风险值达到预设风险阈值时，发出警告信息并对聚合支付商户的账户进行处理，能够及时识别聚合支付商户的套现行为，减少人工干预，提高聚合支付服务商在聚合支付服务过程中的风险控制效率，进而降低聚合支付商户套现的风险。
实施例三
请参阅图3，图3是本申请实施例公开的另一种聚合支付商户的套现风险检测方法的流程示意图。如图3所示，该聚合支付商户的套现风险检测方法可以包括以下步骤：
301、电子设备从信用数据接口调取聚合支付商户的工商信用信息。
其中，工商信用信息具体可以包括工商姓名、法人信息、营业执照信息和股权分配中的一种或多种信息。
302、电子设备根据工商信用信息，获得聚合支付商户的经营类型。
303～304。其中，步骤303～304与实施例二中的步骤201～202相同，本申请实施例不再赘述。
305、电子设备将聚合支付商户的用户属性信息输入预设的风险分层模型，获得聚合支付商户的信用评分值。
其中，预设的风险分层模型可以是根据收集的多个聚合支付商户样本的用户属性信息样本作为训练数据进行训练所获得的风险分层模型。其中，用户属性信息可以是征信记录、还款习惯、逾期记录、支付能力和社交网络数据中的一种或多种信息。
实施该实施方式，能够提高信用评分值的准确率，还能够利用社交网络数据，对聚合支付商户进行信用评分，提高对聚合支付商户进行评估的全面性。
306、电子设备判断信用评分值是否达到预设评分阈值。若否，执行步骤307和步骤310；反之，执行步骤308～310。
307、电子设备利用第一预设规则对应的第一规则引擎，对交易数据进行分析，获得聚合支付商户的套现风险值。
308、电子设备对第一预设规则进行优化，获得第二预设规则；其中，第二预设规则包括若干个用于限制聚合支付商户的账户的第二限制条件，第二限制条件对应的限制力度小于第一限制条件对应的限制力度。
本申请实施例中，步骤308的实施方式具体可以是：电子设备对第一预设规则中的各个第一限制条件对应的数值进行调整，获得第二预设规则。
需要说明的是，第一预设规则中的各个第一限制条件与第二预设规则中的各个第二限制条件一一对应，且互相对应的第一限制条件和第二限制条件的内容相同，数值不同。举例来说，假设某一个经营类型对应的第一预设规则中某一个第一限制条件为：“同个聚合支付商户的支付账号所接收的交易数据中信用卡消费不能超过C％，C为正整数”，而如果该聚合支付商户的信用评分值达到预设评分阈值，对第一限制条件进行优化后，对应的第二限制条件为“同个聚合支付商户的支付账号所接收的交易数据中信用卡消费不能超过D％，D为正整数”，其中C小于D。可见，针对同个聚合支付商户而言，第二限制条件的限制力度小于第一限制条件的限制力度，即是说，第二限制条件低于第一限制条件。
实施上述步骤305～308，通过对同一种经营类型的聚合支付商户进行信用评分，当其信用评分值达到预设评分阈值时，为其匹配更加优化的预设规则，能够提高风险控制效率。
309、电子设备利用第二预设规则对应的第二规则引擎，对交易数据进行分析，获得聚合支付商户的套现风险值。
310～313。其中，步骤310～313与实施例二中所描述的步骤204～207相同，本申请实施例在此不再赘述。
本申请实施例中，步骤313中的电子设备对聚合支付商户的账户进行处理可以 包括以下步骤：电子设备判断目标套现风险值与预设风险阈值的差值是否达到预设差值阈值。若达到，电子设备对聚合支付商户的账户进行账户关停处理；若未达到，电子设备对聚合支付商户的账户进行资金冻结处理。
其中，可以理解，若差值达到预设差值阈值，可以判定目标套现风险值超出预设风险阈值的程度较大，聚合支付商户的套现风险等级较高，因此采取账户关停此等较为严格的处理措施。同理，若未达到，采取资金冻结此等较为宽松的处理措施。其中，电子设备对聚合支付商户的账户进行资金冻结处理之后，电子设备还可以发出提示信息，该提示信息用于提示用户在预设时间内核查聚合支付商户的账户的交易流水账；若在预设时间内接收到用户输入的针对该聚合支付商户的账户的解除资金冻结指令，对该聚合支付商户的账户进行解除资金冻结处理；若在预设时间内接收到用户输入的针对该聚合支付商户的账户关停指令，对聚合支付商户的账户进行账户关停处理。
实施该实施方式，能够在检测到目标套现风险值达到预设风险阈值时，通过判断目标套现风险值与预设风险阈值的差值是否达到预设差值阈值，能够识别目标套现风险值超出预设风险阈值的程度，以识别聚合支付商户的套现风险等级，并根据不同的套现风险等级，对聚合支付商户的账户进行不同的处理，能够提高聚合支付服务商在聚合支付服务过程中的风险控制效率，进而降低聚合支付商户套现的风险。
可见，实施图3所描述的方法，能够及时识别聚合支付商户的套现行为，减少人工干预，提高聚合支付服务商在聚合支付服务过程中的风险控制效率，进而降低聚合支付商户套现的风险。
除此之外，通过对同一种经营类型的聚合支付商户进行信用评分，当其信用评分值达到预设评分阈值时，为其匹配更加优化的预设规则，能够提高风险控制效率。
此外，还能够在检测到目标套现风险值达到预设风险阈值时，通过判断目标套现风险值与预设风险阈值的差值是否达到预设差值阈值，能够识别目标套现风险值超出预设风险阈值的程度，以识别聚合支付商户的套现风险等级，并根据不同的套现风险等级，对聚合支付商户的账户进行不同的处理，能够提高聚合 支付服务商在聚合支付服务过程中的风险控制效率，进而降低聚合支付商户套现的风险。
实施例四
请参阅图4，图4是本申请实施例公开的又一种聚合支付商户的套现风险检测方法的流程示意图。如图4所示该聚合支付商户的套现风险检测方法可以包括以下步骤：
401～402。其中，步骤401～402与实施例二中的步骤201～202相同，本申请实施例不再赘述。
403、电子设备将交易数据缓存至规则引擎服务器本地，以供用户查看。
可以理解，用于对聚合支付商户的交易数据进行分析的规则引擎可随时修改和编辑，以优化规则。
404、电子设备接收用户发送的规则修改指令。
405、电子设备将规则修改指令对应的调用请求发送至规则引擎服务器，以使规则引擎服务器根据调用请求获取第一预设规则对应的第一规则引擎的可编辑参数。其中，可编辑参数可以包括一个或多个参数。
406、电子设备接收用户输入的可编辑参数对应的第一数值。
本申请实施例中，步骤406具体可以包括：电子设备通过可编辑参数文件接收用户输入的可编辑参数对应的第一数值；其中，可编辑参数文件用于供用户直接对可编辑参数进行修改和编辑；其中，可选地，若可编辑参数包括多个参数，将可编辑参数文件以列表形式进行显示。实施该实施方式，可以使规则引擎的编辑界面更加直观，编辑操作更简单。
可选地，执行步骤406之后，电子设备可以判断第一数值与可编辑参数的原数值是否一致；若是，执行步骤407；反之，结束本流程。
407、电子设备从第一规则引擎的代码中查询可编辑参数的位置信息。
408、电子设备将位置信息对应的位置上的原数值替换为第一数值，以生成第三规则引擎。
实施上述步骤403～408，可以方便用户随时修改和编辑用于对聚合支付商户的交易数据进行分析的规则引擎，以优化规则。而且，在对规则引擎进行编辑时 不需要重新开发，通过可编辑参数文件供用户直接对可编辑参数进行修改和编辑，编辑操作简单，效率高，省时省力。
409、电子设备利用第三规则引擎，对交易数据进行分析，获得聚合支付商户的套现风险值。
410～413。其中，步骤410～413与实施例二中所描述的步骤204～207相同，本申请实施例在此不再赘述。
可见，实施图4所描述的方法，能够及时识别聚合支付商户的套现行为，减少人工干预，提高聚合支付服务商在聚合支付服务过程中的风险控制效率，进而降低聚合支付商户套现的风险。
除此之外，可以方便用户随时修改和编辑用于对聚合支付商户的交易数据进行分析的规则引擎，以优化规则。而且，在对规则引擎进行编辑时不需要重新开发，通过可编辑参数文件供用户直接对可编辑参数进行修改和编辑，编辑操作简单，效率高，省时省力。
此外，还可以将可编辑参数文件以列表形式进行显示，使规则引擎的编辑界面更加直观，编辑操作更简单。
实施例五
请参阅图5，图5是本申请实施例公开的另一种聚合支付商户的套现风险检测装置的结构示意图。如图5所示，该聚合支付商户的套现风险检测装置可以包括：规则获取单元501、数据获取单元502、分析单元503以及处理单元504。
作为一种可选的实施方式，图5所示的聚合支付商户的套现风险检测装置还可以包括未图示的查询单元，用于在数据获取单元502实时获取聚合支付商户的交易数据之前，向服务设备发送查询请求，以查询验证结果；其中验证结果用于描述聚合支付商户在账户登录时进行指纹输入或人脸识别验证是否成功。
相应地，上述的数据获取单元502，还用于在验证结果用于描述验证成功时，实时获取聚合支付商户的交易数据。
实施上述实施方式，通过在实时获取聚合支付商户的交易数据之前，识别聚合支付商户进行登录时是否验证成功，能够提高安全性。
实施图5所示的装置，通过给不同经营类型的聚合支付商户，配置不同的第一 预设规则，利用第一预设规则对应的第一规则引擎，对实时获取到的聚合支付商户的交易数据进行分析，获得聚合支付商户的套现风险值，以及，从预设数据库中获取与聚合支付商户的经营类型相同的聚合支付商户样本的交易数据样本，并根据交易数据与交易数据样本进行聚类分析所获得的聚合支付商户的聚类结果，对套现风险值进行修正，获得目标套现风险值，基于此，可以通过检测该目标套现风险值，当该目标套现风险值达到预设风险阈值时，发出警告信息并对聚合支付商户的账户进行处理，能够及时识别聚合支付商户的套现行为，减少人工干预，提高聚合支付服务商在聚合支付服务过程中的风险控制效率，进而降低聚合支付商户套现的风险。
实施例六
请参阅图6，图6是本申请实施例公开的另一种聚合支付商户的套现风险检测装置的结构示意图。图6所示的聚合支付商户的套现风险检测装置是由图5所示的聚合支付商户的套现风险检测装置进行优化得到的。与图5所示的聚合支付商户的套现风险检测装置相比较，图6所示的聚合支付商户的套现风险检测装置还可以包括：调取单元508、第一获取单元509、第二获取单元510和配置单元511。
作为一种可选的实施方式，处理单元507用于对聚合支付商户的账户进行处理。
作为一种可选的实施方式，图6所示的聚合支付商户的套现风险检测装置还可以包括未图示的建模单元，用于根据收集的多个聚合支付商户样本的用户属性信息样本作为训练数据进行训练，获得风险分层模型。
其中，上述聚合支付商户的套现风险检测装置中各个模块的功能实现与上述聚合支付商户的套现风险检测方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
实施该实施方式，能够提高信用评分值的准确率，还能够利用社交网络数据，对聚合支付商户进行信用评分，提高对聚合支付商户进行评估的全面性。
可见，实施图6所示的装置，能够及时识别聚合支付商户的套现行为，减少人工干预，提高聚合支付服务商在聚合支付服务过程中的风险控制效率，进而降低聚合支付商户套现的风险。
除此之外，通过对同一种经营类型的聚合支付商户进行信用评分，当其信用评分值达到预设评分阈值时，为其匹配更加优化的预设规则，能够提高风险控制效率。
此外，还能够在检测到目标套现风险值达到预设风险阈值时，通过判断目标套现风险值与预设风险阈值的差值是否达到预设差值阈值，能够识别目标套现风险值超出预设风险阈值的程度，以识别聚合支付商户的套现风险等级，并根据不同的套现风险等级，对聚合支付商户的账户进行不同的处理，能够提高聚合支付服务商在聚合支付服务过程中的风险控制效率，进而降低聚合支付商户套现的风险。
实施例七
请参阅图7，图7是本申请实施例公开的又一种聚合支付商户的套现风险检测装置的结构示意图。图7所示的聚合支付商户的套现风险检测装置是由图6所示的聚合支付商户的套现风险检测装置进行优化得到的。与图6所示的聚合支付商户的套现风险检测装置相比较，图7所示的聚合支付商户的套现风险检测装置还可以包括：缓存单元512、接收单元513和编辑单元514。
上述的分析单元503用于利用第一预设规则对应的第一规则引擎，对交易数据进行分析，获得聚合支付商户的套现风险值的方式具体为：
上述的分析单元503，用于利用第三规则引擎，对交易数据进行分析，获得聚合支付商户的套现风险值。
作为一种可选的实施方式，上述的编辑单元514可以包括：发送子单元5141，接收子单元5142，更新子单元5143。
以及，图7所示的聚合支付商户的套现风险检测装置还可以包括未图示的发送单元，用于向用户发送用于描述生成第三规则引擎的处理结果的提示信息。
上述的更新子单元5143可以包括以下未图示的模块：查询模块，替换模块。
作为一种可选的实施方式，接收子单元5142接收用户输入的可编辑参数对应的第一数值的方式。其中，上述聚合支付商户的套现风险检测装置中各个模块的功能实现与上述聚合支付商户的套现风险检测方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
实施该实施方式，可以使规则引擎的编辑界面更加直观，编辑操作更简单。
可见，实施图7所示的装置，能够及时识别聚合支付商户的套现行为，减少人工干预，提高聚合支付服务商在聚合支付服务过程中的风险控制效率，进而降低聚合支付商户套现的风险。
除此之外，可以方便用户随时修改和编辑用于对聚合支付商户的交易数据进行分析的规则引擎，以优化规则。而且，在对规则引擎进行编辑时不需要重新开发，通过可编辑参数文件供用户直接对可编辑参数进行修改和编辑，编辑操作简单，效率高，省时省力。此外，还可以将可编辑参数文件以列表形式进行显示，使规则引擎的编辑界面更加直观，编辑操作更简单。
本申请还提供一种电子设备，该电子设备包括：
处理器；存储器，该存储器上存储有计算机可读指令，该计算机可读指令被处理器执行时，实现如前所示的聚合支付商户的套现风险检测方法。
该电子设备可以是图1所示装置100。
在一示例性实施例中，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如前所示的聚合支付商户的套现风险检测方法。
应当理解的是，本申请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执行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (20)

  1. 一种聚合支付商户的套现风险检测方法，所述方法包括：
    获取聚合支付商户的经营类型所对应的第一预设规则，所述第一预设规则包括若干个用于限制所述聚合支付商户的账户的第一限制条件；
    实时获取所述聚合支付商户的交易数据；
    利用所述第一预设规则对应的第一规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值；
    从预设数据库中获取与所述聚合支付商户的经营类型相同的聚合支付商户样本的交易数据样本；
    根据所述交易数据与所述交易数据样本进行聚类分析，获得所述聚合支付商户的聚类结果；
    根据所述聚类结果，对所述套现风险值进行修正，获得目标套现风险值；
    当所述目标套现风险值达到预设风险阈值时，发出警告信息，并对所述聚合支付商户的账户进行处理；其中，所述警告信息用于描述所述聚合支付商户存在套现行为。
  2. 根据权利要求1所述的方法，其中，所述获取聚合支付商户的经营类型所对应的第一预设规则之前，所述方法还包括：
    从信用数据接口调取聚合支付商户的工商信用信息，所述工商信用信息包括工商姓名、法人信息、营业执照信息和股权分配中的一种或多种信息；
    根据所述工商信用信息，获得所述聚合支付商户的经营类型，所述经营类型包括个人、个体工商户或企业。
  3. 根据权利要求1或2所述的方法，其中，所述获取聚合支付商户的经营类型所对应的第一预设规则之后，所述方法还包括：
    将所述聚合支付商户的用户属性信息输入预设的风险分层模型，获得所述聚合支付商户的信用评分值，所述用户属性信息包括征 信记录、还款习惯、逾期记录、支付能力和社交网络数据中的一种或多种信息；
    当所述信用评分值达到预设评分阈值时，对所述第一预设规则进行优化，获得第二预设规则；其中，所述第二预设规则包括若干个用于限制所述聚合支付商户的账户的第二限制条件，所述第二限制条件对应的限制力度小于所述第一限制条件对应的限制力度；
    以及，所述利用所述第一预设规则对应的第一规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值，包括：
    利用所述第二预设规则对应的第二规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值。
  4. 根据权利要求1所述的方法，其中，所述实时获取所述聚合支付商户的交易数据之后，所述方法还包括：
    将所述交易数据缓存至规则引擎服务器本地，以供用户查看；
    接收所述用户发送的规则修改指令；
    根据所述规则修改指令，对所述第一预设规则对应的第一规则引擎进行编辑，以生成第三规则引擎；
    以及，所述利用所述第一预设规则对应的第一规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值，包括：
    利用所述第三规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值。
  5. 根据权利要求4所述的方法，其中，所述根据所述规则修改指令，对所述第一预设规则对应的第一规则引擎进行编辑，以生成第三规则引擎，包括：
    将所述规则修改指令对应的调用请求发送至所述规则引擎服务器，以使所述规则引擎服务器根据所述调用请求获取所述第一预设 规则对应的第一规则引擎的可编辑参数；
    接收所述用户输入的所述可编辑参数对应的第一数值；
    根据所述第一数值对所述可编辑参数进行更新，以生成第三规则引擎；
    以及，所述方法还包括：
    向所述用户发送用于描述生成所述第三规则引擎的处理结果的提示信息。
  6. 根据权利要求5所述的方法，其中，所述根据所述第一数值对所述可编辑参数进行更新，以生成第三规则引擎，包括：
    从所述第一规则引擎的代码中查询所述可编辑参数的位置信息；
    将所述位置信息对应的位置上的原数值替换为所述第一数值，以生成第三规则引擎。
  7. 根据权利要求1、4、5或6所述的方法，其中，所述对所述聚合支付商户的账户进行处理，包括：
    判断所述目标套现风险值与所述预设风险阈值的差值是否达到预设差值阈值；
    若达到，对所述聚合支付商户的账户进行账户关停处理；
    若未达到，对所述聚合支付商户的账户进行资金冻结处理。
  8. 一种聚合支付商户的套现风险检测装置，所述装置包括：
    规则获取单元，用于获取聚合支付商户的经营类型所对应的第一预设规则，所述第一预设规则包括若干个用于限制所述聚合支付商户的账户的第一限制条件；
    数据获取单元，用于实时获取所述聚合支付商户的交易数据；
    分析单元，用于利用所述第一预设规则对应的第一规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值；
    样本获取单元，用于从预设数据库中获取与所述聚合支付商户的经营类型相同的聚合支付商户样本的交易数据样本；
    聚类单元，用于根据所述交易数据与所述交易数据样本进行聚类 分析，获得所述聚合支付商户的聚类结果；
    修正单元，用于根据所述聚类结果，对所述套现风险值进行修正，获得目标套现风险值；
    处理单元，用于在所述目标套现风险值达到预设风险阈值时，发出警告信息，并对所述聚合支付商户的账户进行处理；其中，所述警告信息用于描述所述聚合支付商户存在套现行为。
  9. 一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下方法的步骤：
    获取聚合支付商户的经营类型所对应的第一预设规则，所述第一预设规则包括若干个用于限制所述聚合支付商户的账户的第一限制条件；
    实时获取所述聚合支付商户的交易数据；
    利用所述第一预设规则对应的第一规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值；
    从预设数据库中获取与所述聚合支付商户的经营类型相同的聚合支付商户样本的交易数据样本；
    根据所述交易数据与所述交易数据样本进行聚类分析，获得所述聚合支付商户的聚类结果；
    根据所述聚类结果，对所述套现风险值进行修正，获得目标套现风险值；
    当所述目标套现风险值达到预设风险阈值时，发出警告信息，并对所述聚合支付商户的账户进行处理；其中，所述警告信息用于描述所述聚合支付商户存在套现行为。
  10. 根据权利要求9所述的电子设备，其中，所述获取聚合支付商户的经营类型所对应的第一预设规则之前，所述方法还包括：
    从信用数据接口调取聚合支付商户的工商信用信息，所述工商信用信息包括工商姓名、法人信息、营业执照信息和股权分配中的一种或多种信息；
    根据所述工商信用信息，获得所述聚合支付商户的经营类型，所述经营类型包括个人、个体工商户或企业。
  11. 根据权利要求9或10所述的电子设备，其中，所述获取聚合支付商户的经营类型所对应的第一预设规则之后，所述方法还包括：
    将所述聚合支付商户的用户属性信息输入预设的风险分层模型，获得所述聚合支付商户的信用评分值，所述用户属性信息包括征信记录、还款习惯、逾期记录、支付能力和社交网络数据中的一种或多种信息；
    当所述信用评分值达到预设评分阈值时，对所述第一预设规则进行优化，获得第二预设规则；其中，所述第二预设规则包括若干个用于限制所述聚合支付商户的账户的第二限制条件，所述第二限制条件对应的限制力度小于所述第一限制条件对应的限制力度；
    以及，所述利用所述第一预设规则对应的第一规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值，包括：
    利用所述第二预设规则对应的第二规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值。
  12. 根据权利要求9所述的电子设备，其中，所述实时获取所述聚合支付商户的交易数据之后，所述方法还包括：
    将所述交易数据缓存至规则引擎服务器本地，以供用户查看；
    接收所述用户发送的规则修改指令；
    根据所述规则修改指令，对所述第一预设规则对应的第一规则引擎进行编辑，以生成第三规则引擎；
    以及，所述利用所述第一预设规则对应的第一规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值，包括：
    利用所述第三规则引擎，对所述交易数据进行分析，获得所述聚 合支付商户的套现风险值。
  13. 根据权利要求12所述的电子设备，其中，所述根据所述规则修改指令，对所述第一预设规则对应的第一规则引擎进行编辑，以生成第三规则引擎，包括：
    将所述规则修改指令对应的调用请求发送至所述规则引擎服务器，以使所述规则引擎服务器根据所述调用请求获取所述第一预设规则对应的第一规则引擎的可编辑参数；
    接收所述用户输入的所述可编辑参数对应的第一数值；
    根据所述第一数值对所述可编辑参数进行更新，以生成第三规则引擎；
    以及，所述方法还包括：
    向所述用户发送用于描述生成所述第三规则引擎的处理结果的提示信息。
  14. 根据权利要求13所述的电子设备，其中，所述根据所述第一数值对所述可编辑参数进行更新，以生成第三规则引擎，包括：
    从所述第一规则引擎的代码中查询所述可编辑参数的位置信息；
    将所述位置信息对应的位置上的原数值替换为所述第一数值，以生成第三规则引擎。
  15. 根据权利要求9、12、13或14所述的电子设备，其中，所述对所述聚合支付商户的账户进行处理，包括：
    判断所述目标套现风险值与所述预设风险阈值的差值是否达到预设差值阈值；
    若达到，对所述聚合支付商户的账户进行账户关停处理；
    若未达到，对所述聚合支付商户的账户进行资金冻结处理。
  16. 一种计算机可读存储介质，其存储计算机程序，所述计算机程序使得计算机执行以下方法步骤：
    获取聚合支付商户的经营类型所对应的第一预设规则，所述第一预设规则包括若干个用于限制所述聚合支付商户的账户的第一限 制条件；
    实时获取所述聚合支付商户的交易数据；
    利用所述第一预设规则对应的第一规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值；
    从预设数据库中获取与所述聚合支付商户的经营类型相同的聚合支付商户样本的交易数据样本；
    根据所述交易数据与所述交易数据样本进行聚类分析，获得所述聚合支付商户的聚类结果；
    根据所述聚类结果，对所述套现风险值进行修正，获得目标套现风险值；
    当所述目标套现风险值达到预设风险阈值时，发出警告信息，并对所述聚合支付商户的账户进行处理；其中，所述警告信息用于描述所述聚合支付商户存在套现行为。
  17. 根据权利要求16所述存储介质，其中，所述获取聚合支付商户的经营类型所对应的第一预设规则之前，所述方法还包括：
    从信用数据接口调取聚合支付商户的工商信用信息，所述工商信用信息包括工商姓名、法人信息、营业执照信息和股权分配中的一种或多种信息；
    根据所述工商信用信息，获得所述聚合支付商户的经营类型，所述经营类型包括个人、个体工商户或企业。
  18. 根据权利要求16或17所述存储介质，其中，所述获取聚合支付商户的经营类型所对应的第一预设规则之后，所述方法还包括：
    将所述聚合支付商户的用户属性信息输入预设的风险分层模型，获得所述聚合支付商户的信用评分值，所述用户属性信息包括征信记录、还款习惯、逾期记录、支付能力和社交网络数据中的一种或多种信息；
    当所述信用评分值达到预设评分阈值时，对所述第一预设规则进行优化，获得第二预设规则；其中，所述第二预设规则包括若干 个用于限制所述聚合支付商户的账户的第二限制条件，所述第二限制条件对应的限制力度小于所述第一限制条件对应的限制力度；
    以及，所述利用所述第一预设规则对应的第一规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值，包括：
    利用所述第二预设规则对应的第二规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值。
  19. 根据权利要求18所述存储介质，其中，所述实时获取所述聚合支付商户的交易数据之后，所述方法还包括：
    将所述交易数据缓存至规则引擎服务器本地，以供用户查看；
    接收所述用户发送的规则修改指令；
    根据所述规则修改指令，对所述第一预设规则对应的第一规则引擎进行编辑，以生成第三规则引擎；
    以及，所述利用所述第一预设规则对应的第一规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值，包括：
    利用所述第三规则引擎，对所述交易数据进行分析，获得所述聚合支付商户的套现风险值。
  20. 根据权利要求19所述存储介质，其中，所述根据所述规则修改指令，对所述第一预设规则对应的第一规则引擎进行编辑，以生成第三规则引擎，包括：
    将所述规则修改指令对应的调用请求发送至所述规则引擎服务器，以使所述规则引擎服务器根据所述调用请求获取所述第一预设规则对应的第一规则引擎的可编辑参数；
    接收所述用户输入的所述可编辑参数对应的第一数值；
    根据所述第一数值对所述可编辑参数进行更新，以生成第三规则引擎；
    以及，所述方法还包括：
    向所述用户发送用于描述生成所述第三规则引擎的处理结果的提示信息。
PCT/CN2020/087476 2019-05-28 2020-04-28 聚合支付商户的套现风险检测方法及装置、电子设备 WO2020238535A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910450407.7 2019-05-28
CN201910450407.7A CN110348850A (zh) 2019-05-28 2019-05-28 聚合支付商户的套现风险检测方法及装置、电子设备

Publications (1)

Publication Number Publication Date
WO2020238535A1 true WO2020238535A1 (zh) 2020-12-03

Family

ID=68174105

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/087476 WO2020238535A1 (zh) 2019-05-28 2020-04-28 聚合支付商户的套现风险检测方法及装置、电子设备

Country Status (2)

Country Link
CN (1) CN110348850A (zh)
WO (1) WO2020238535A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112819476A (zh) * 2021-02-25 2021-05-18 北京互金新融科技有限公司 风险识别方法、装置、非易失性存储介质和处理器
CN112926991A (zh) * 2021-03-30 2021-06-08 顶象科技有限公司 一种套现团伙严重等级划分方法及系统
CN113743945A (zh) * 2021-09-03 2021-12-03 深圳刷宝科技有限公司 基于风险切换支付验证方式的方法和装置
CN115760119A (zh) * 2022-11-28 2023-03-07 海口春帆网络科技有限公司 基于数据处理和特征识别的金融支付监管系统及方法
CN116152001A (zh) * 2023-04-21 2023-05-23 深圳市享多多网络技术有限公司 一种基于账务数据分析的聚合支付监管系统
CN112926991B (zh) * 2021-03-30 2024-04-30 中国银联股份有限公司 一种套现团伙严重等级划分方法及系统

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110348850A (zh) * 2019-05-28 2019-10-18 深圳壹账通智能科技有限公司 聚合支付商户的套现风险检测方法及装置、电子设备
CN110827026B (zh) * 2019-11-05 2023-09-08 武汉快马金云信息技术有限公司 一种聚合支付中基于规则链的热部署动态风控处理系统
CN111242632A (zh) * 2020-01-07 2020-06-05 石化盈科信息技术有限责任公司 一种识别套现账户的方法、存储介质及电子设备
CN111523875A (zh) * 2020-03-03 2020-08-11 支付宝实验室(新加坡)有限公司 跨境支付方法、装置、设备及系统
CN111626842A (zh) * 2020-04-22 2020-09-04 北京芯盾时代科技有限公司 一种消费行为数据的分析方法和装置
CN112017029B (zh) * 2020-08-31 2023-09-08 中国银行股份有限公司 信息提示方法及装置
CN112581271B (zh) * 2020-12-21 2022-11-15 上海浦东发展银行股份有限公司 一种商户交易风险监测方法、装置、设备及存储介质
CN112785313A (zh) * 2021-02-08 2021-05-11 中国工商银行股份有限公司 企业客户支付场景下内部风险控制方法、装置及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101551894A (zh) * 2009-05-21 2009-10-07 候万春 监控信用卡套现的系统及方法
US8452708B1 (en) * 2011-09-03 2013-05-28 Arnold N Birenbaum Universal payment processing
CN107545422A (zh) * 2017-08-02 2018-01-05 中国银联股份有限公司 一种套现检测方法及装置
CN110348850A (zh) * 2019-05-28 2019-10-18 深圳壹账通智能科技有限公司 聚合支付商户的套现风险检测方法及装置、电子设备

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180365696A1 (en) * 2017-06-19 2018-12-20 Nec Laboratories America, Inc. Financial fraud detection using user group behavior analysis
CN109460889B (zh) * 2018-09-14 2022-02-01 创新先进技术有限公司 风险管控方法、系统、服务器及计算机可读存储介质
CN109558416A (zh) * 2018-11-07 2019-04-02 北京先进数通信息技术股份公司 一种异常交易的检测方法、装置及存储介质
CN109769218A (zh) * 2018-12-26 2019-05-17 中国银联股份有限公司 一种交易通知方法、装置、终端设备和介质
CN109801077A (zh) * 2019-01-21 2019-05-24 北京邮电大学 一种套现用户检测方法、装置及设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101551894A (zh) * 2009-05-21 2009-10-07 候万春 监控信用卡套现的系统及方法
US8452708B1 (en) * 2011-09-03 2013-05-28 Arnold N Birenbaum Universal payment processing
CN107545422A (zh) * 2017-08-02 2018-01-05 中国银联股份有限公司 一种套现检测方法及装置
CN110348850A (zh) * 2019-05-28 2019-10-18 深圳壹账通智能科技有限公司 聚合支付商户的套现风险检测方法及装置、电子设备

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112819476A (zh) * 2021-02-25 2021-05-18 北京互金新融科技有限公司 风险识别方法、装置、非易失性存储介质和处理器
CN112926991A (zh) * 2021-03-30 2021-06-08 顶象科技有限公司 一种套现团伙严重等级划分方法及系统
CN112926991B (zh) * 2021-03-30 2024-04-30 中国银联股份有限公司 一种套现团伙严重等级划分方法及系统
CN113743945A (zh) * 2021-09-03 2021-12-03 深圳刷宝科技有限公司 基于风险切换支付验证方式的方法和装置
CN113743945B (zh) * 2021-09-03 2023-06-30 深圳刷宝科技有限公司 基于风险切换支付验证方式的方法和装置
CN115760119A (zh) * 2022-11-28 2023-03-07 海口春帆网络科技有限公司 基于数据处理和特征识别的金融支付监管系统及方法
CN115760119B (zh) * 2022-11-28 2024-03-12 西安乐刷宝网络科技有限公司 基于数据处理和特征识别的金融支付监管系统及方法
CN116152001A (zh) * 2023-04-21 2023-05-23 深圳市享多多网络技术有限公司 一种基于账务数据分析的聚合支付监管系统

Also Published As

Publication number Publication date
CN110348850A (zh) 2019-10-18

Similar Documents

Publication Publication Date Title
WO2020238535A1 (zh) 聚合支付商户的套现风险检测方法及装置、电子设备
CN110197315B (zh) 风险评估方法、装置及其存储介质
US9940668B2 (en) Switching between data aggregator servers
US7853493B2 (en) Personal finance integration system and method
US10069891B2 (en) Channel accessible single function micro service data collection process for light analytics
US11915195B2 (en) Systems and methods for intelligent field matching and anomaly detection
US10839454B2 (en) System and platform for execution of consolidated resource-based action
US20210133706A1 (en) Automatic generation and population of digital interfaces based on adaptively processed image data
US11842354B1 (en) Risk detection of false customer information
US20140279303A1 (en) Image capture and processing for financial transactions
US11699139B2 (en) Interactive mobile sessions based on point-of-sale and network transactions
US10755344B2 (en) System framework processor for channel contacts
US9697524B1 (en) Enterprise fulfillment system with dynamic prefetching capabilities
US11601390B2 (en) System and method for tagging data
US20170091050A1 (en) System for aggregation and transformation of real-time data
US20170091859A1 (en) System for real-time data structuring and storage
US20220245651A1 (en) Systems and methods for enhanced resource protection and automated response
US20210390544A1 (en) Systems and methods for selecting transaction recipients and sending b2b payments to recipients
RU2702275C1 (ru) Способ и система маркировки действий пользователя для последующего анализа и накопления
CA3081893C (en) System and method for tagging data
US11972018B2 (en) Data categories for purpose-based processing of personal data
US20220188814A1 (en) Appending local contextual information to a record of a remotely generated record log
US11004004B1 (en) Methods and systems for customizing recommendations based on user actions
US20230237180A1 (en) Systems and methods for linking a screen capture to a user support session
US20230237189A1 (en) Data categories for purpose-based processing of personal data

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20813046

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20813046

Country of ref document: EP

Kind code of ref document: A1