CN108346088A - 品牌官方商城恶意抢购防控方法及*** - Google Patents
品牌官方商城恶意抢购防控方法及*** Download PDFInfo
- Publication number
- CN108346088A CN108346088A CN201810133552.8A CN201810133552A CN108346088A CN 108346088 A CN108346088 A CN 108346088A CN 201810133552 A CN201810133552 A CN 201810133552A CN 108346088 A CN108346088 A CN 108346088A
- Authority
- CN
- China
- Prior art keywords
- malice
- panic buying
- purchase
- panic
- buying
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
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
- 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种品牌官方商城恶意抢购防控方法及***，所述方法包括步骤：收集实时用户的业务数据，日志数据；通过恶意抢购规则引擎，基于恶意抢购识别规则识别运算数据，生成识别账号评分结果；根据评分结果和设定的分级阈值进行恶意抢购分级设定，将分级结果存入恶意抢购识别数据库；根据运营人员针对不同级别的恶意抢购设置的治理规则，决定用户在相应的业务操作时是放行还是阻拦。所述***包括数据收集模块、数据库、恶意抢购识别规则建立模块、恶意抢购识别模块、恶意抢购分级模块、恶意抢购识别数据库和恶意抢购治理模块。本发明可以精确识别并灵活限制恶意抢购用户在品牌官方商城的行为，让普通消费者获益，让品牌方达到营销活动的目标。
Description
技术领域
本发明涉及品牌官方商城线上交易数据分析技术领域，具体地说，涉及一种品牌官方商城恶意抢购防控方法及***。
背景技术
近年来我国电子商务发展迅猛，越来越多的品牌建立了自己的品牌官方商城，随着各品牌推出优惠券、限量款、秒杀等各种线上营销活动，让一批专业人士“恶意抢购者”嗅到了巨大的商机，目前国内逐渐形成了一个巨大的黑色产业链。“恶意抢购者”在品牌官方商城恶意抢购，严重破坏了活动的公平性，损害了品牌方和普通消费者的利益。站在品牌方和消费者的角度，亟需一种技术来识别恶意抢购用户，从而限制他们的行为，还品牌方和消费者一个公道。
专利文献CN105653944A，公开日2016.06.08，公开了一种作弊行为检测方法及装置，其中，所述作弊行为检测方法包括：响应于待检测终端触发的页面展示请求，向所述待检测终端发送用于提交数据的页面；监听所述页面的数据写入事件，以获得数据写入的监听结果；根据所述监听结果判断所述待检测终端是否存在作弊行为。该发明的技术方案能准确地实现对第三方通过计算机自动写入数据的作弊行为的检测，有效避免一般用户受到不公正待遇，提升用户体验。
专利文献CN105976230A，公开日2016.09.28，公开了一种购物请求处理方法及装置。该方法包括：接收购物请求；根据购物请求对应的购买操作记录，确定购物请求的合法性；响应于确定购物请求不合法，拒绝购物请求。该技术方案，在接收到购物请求时，根据该购物请求对应的待购买商品的购买操作记录，可以判断该购物请求的合法性，而当判定购物请求不合法时，说明该购买请求很可能来自恶意抢购等非法购买者，因而，可以直接拒绝该购物请求，以使恶意抢购等非法购买者无法抢购该待购买商品，从而确保只有普通合法用户才能正常购买该待购买商品，进而避免由于非法购买者抢购该待购买商品而对该商品的商家和普通合法用户造成不良影响。
然而，在品牌官方商城恶意抢购防控过程中，需要较高的精准度和更加灵活多变的处理方法，以精确识别可疑恶意抢购用户，并进行灵活处理，现有技术中缺乏能满足上述要求的恶意抢购防控技术。
发明内容
本发明的目的是针对现有技术中的不足，提供一种利用品牌官方商城线上数据，通过恶意抢购识别引擎分析，识别出可疑的恶意抢购用户，限制恶意抢购用户在品牌官方商城的行为的品牌官方商城恶意抢购防控方法及***。
一方面，本发明提供了一种品牌官方商城恶意抢购防控方法，包括以下步骤：
S1，数据收集：收集实时用户的业务数据，日志数据；
S2，恶意抢购识别：将实时收集到的数据放入恶意抢购规则引擎，所述的恶意抢购规则引擎基于恶意抢购识别规则进行识别运算，最终生成识别账号评分结果；
S3，恶意抢购分级：根据恶意抢购规则引擎的计算评分结果，和设定的分级阈值，进行恶意抢购分级设定，并将分级结果存入恶意抢购识别数据库；
S4，恶意抢购治理：根据运营人员针对不同级别的恶意抢购设置的治理规则，决定用户在相应的业务操作时是放行还是阻拦。
优选地，步骤S1和步骤S2之间还包括步骤：建立恶意抢购识别规则：恶意抢购规则引擎使用步骤S1收集到的数据，实时监控相同IP、相同客户端、相同登陆账号、相同支付账号、相同会话、相同手机号、相似收货地址、相似邮箱地址、IP来源、用户访问路径、用户访问频率的数据，发现异常恶意抢购用户的行为特征，从而确定所述的恶意抢购识别规则。
优选地，所述的步骤S1收集的数据包含实时用户的登录、注册、下单、支付、浏览历史数据。
优选地，所述的步骤S3恶意抢购分级的具体规则为：根据相同账号、手机号、收货地址、邮箱地址、IP来源在一个时间段内的下单次数，将恶意抢购分为三个或三个以上级别。
优选地，针对不同级别的恶意抢购采取不同的治理方式，包括：禁止访问；禁止下单；处于观察状态。
优选地，步骤S1中所述的业务数据通过数据库增量日志文件的方式获取，所述的日志数据通过实时访问日志文件的方式获取。
另一方面，本发明提供了一种品牌官方商城恶意抢购防控***，包括：
数据收集模块：用于收集实时用户的业务数据，日志数据；
数据库：包含实时用户的业务数据，日志数据；
恶意抢购识别模块：用于将实时收集到的数据放入恶意抢购规则引擎，所述的恶意抢购规则引擎基于恶意抢购识别规则进行识别运算，最终生成识别账号评分结果；
恶意抢购分级模块：用于根据恶意抢购规则引擎的计算评分结果，和设定的分级阈值，进行恶意抢购分级设定，并将分级结果存入恶意抢购识别数据库；
恶意抢购识别数据库：包含恶意抢购分级的信息；
恶意抢购治理模块：用于根据运营人员针对恶意抢购识别数据库中不同级别的恶意抢购设置的治理规则，决定用户在相应的业务操作时是放行还是阻拦。
优选地，所述的品牌官方商城恶意抢购防控***还包括恶意抢购识别规则建立模块，所述的恶意抢购识别规则建立模块中，恶意抢购规则引擎使用收集到的数据，实时监控相同IP、相同客户端、相同登陆账号、相同支付账号、相同会话、相同手机号、相似收货地址、相似邮箱地址、IP来源、用户访问路径、用户访问频率的数据，发现异常恶意抢购用户的行为特征，从而确定所述的恶意抢购识别规则。
优选地，所述的恶意抢购分级模块将恶意抢购分为三个或三个以上级别。
优选地，所述的恶意抢购治理模块针对不同级别的恶意抢购采取不同的治理方式，包括：禁止访问；禁止下单；处于观察状态。
本发明优点在于：
1、本发明是一种利用线上数据分析定位恶意抢购的技术，通过本发明的品牌官方商城恶意抢购防控***及方法可以识别出恶意抢购用户，进而限制恶意抢购在品牌官方商城的行为，从而提高品牌活动的公平性，让普通消费者获益，让品牌方达到营销活动的目标；
2、由于本发明是基于实时用户的登录、注册、下单等众多数据分析得出可疑的恶意抢购用户，因此可信度很高，通过本发明识别出来的恶意抢购用户可以直接用来作为限制其在品牌官方商城的行为的依据；
3、本发明对可疑的恶意抢购用户进行多等级分级，一方面对于可疑度高的恶意抢购用户进行严厉治理，另一方面对其他可疑度相对较低的恶意抢购用户采取相对较为宽松的治理方式，灵活多变，也减少了误判带来的不良影响；
4、本发明在一次品牌官方商城恶意抢购防控中，可以根据实时数据即时建立恶意抢购识别规则，即实现恶意抢购识别规则的不断的学习迭代与升级，能更好的应对恶意抢购用户复杂多变的策略。
附图说明
附图1是实施例1的品牌官方商城恶意抢购防控方法的逻辑图。
附图2是实施例2的品牌官方商城恶意抢购防控方法的流程图。
附图3是实施例4的品牌官方商城恶意抢购防控***的组成示意图。
附图4是实施例5的品牌官方商城恶意抢购防控***的组成示意图。
具体实施方式
下面结合附图对本发明提供的具体实施方式作详细说明。
附图中涉及的附图标记和组成部分如下所示：
1.数据收集模块 2.数据库
3.恶意抢购识别模块 4.恶意抢购分级模块
5.恶意抢购识别数据库 6.恶意抢购治理模块
7.恶意抢购识别规则建立模块
实施例1
请参见图1，图1是实施例1的品牌官方商城恶意抢购防控方法的逻辑图。所述的品牌官方商城恶意抢购防控方法包括以下步骤：
S1，数据收集：收集实时用户的登录、注册、下单、支付、浏览历史等一切可以利用的业务数据，日志数据；
S2，恶意抢购识别：将实时收集到的数据放入恶意抢购规则引擎，所述的恶意抢购规则引擎将基于恶意抢购识别规则进行识别运算，最终生成识别账号评分结果；
S3，恶意抢购分级：根据所述的恶意抢购识别引擎的计算评分结果，和设定的分级阈值，进行恶意抢购分级设定，并将分级结果存入恶意抢购识别数据库，比如相同账号24小时内下单数达到5次将该账号标识为C级恶意抢购，7 次将标识为B级恶意抢购，10次将标识为A级恶意抢购；
S4，恶意抢购治理：根据运营人员针对不同级别的恶意抢购设置的治理规则，决定用户在相应的业务操作时是放行还是阻拦，比如A级别的恶意抢购禁止访问，B级禁止下单，C级别的处于观察状态。
实施例2
请参见图2，图2是实施例2的品牌官方商城恶意抢购防控方法的流程图。所述的品牌官方商城恶意抢购防控方法包括以下步骤：
S1，数据收集：收集实时用户的登录、注册、下单、支付、浏览历史等一切可以利用的业务数据，日志数据；
S2，建立恶意抢购识别规则：这是所述的品牌官方商城恶意抢购防控方法的核心步骤。恶意抢购规则引擎将使用步骤S1收集到的数据，实时监控相同 IP、相同客户端、相同登陆账号、相同支付账号、相同会话、相同手机号、相似收货地址、相似邮箱地址、IP来源、用户访问路径、用户访问频率等等多维度的数据，发现异常恶意抢购用户的行为特征，从而确定恶意抢购识别规则，这个过程需要不断的进行学习和调整；
S3，恶意抢购识别：将实时收集到的数据放入恶意抢购规则引擎，恶意抢购规则引擎将基于识别规则进行识别运算，最终生成识别账号评分结果；
S4，恶意抢购分级：根据恶意抢购识别引擎的计算评分结果，和设定的分级阈值，进行恶意抢购分级设定，并将分级结果存入恶意抢购识别数据库，比如相同账号24小时内下单数达到5次将该账号标识为C级恶意抢购，7次将标识为B级恶意抢购，10次将标识为A级恶意抢购；
S5，恶意抢购治理：根据运营人员针对不同级别的恶意抢购设置的治理规则，决定用户在相应的业务操作时是放行还是阻拦，比如A级别的恶意抢购禁止访问，B级禁止下单，C级别的处于观察状态。
本实施例中，相比于实施例1增加了建立恶意抢购识别规则的步骤，即在一个具体的品牌官方商城恶意抢购防控中，恶意抢购识别规则可以是预先根据以往收集的业务数据、日志数据等设置好的固定规则，也可以是基于当前收集的数据即时建立的恶意抢购识别规则，并将该恶意抢购识别规则即时地用于恶意抢购识别和分级。在本次营销活动中即时建立的恶意抢购识别规则更具有实用性和可靠性。
实施例3
本实施例的品牌官方商城恶意抢购防控方法包括以下步骤：
S1，数据收集：收集实时用户的登录、注册、下单、支付、浏览历史等一切可以利用的业务数据，日志数据；业务数据可以通过数据库增量日志文件的方式获取，行为数据可以通过实时访问日志文件的方式获取；
S2，建立恶意抢购识别规则：这是所述的品牌官方商城恶意抢购防控方法的核心步骤。恶意抢购规则引擎将使用步骤S1收集到的数据，实时监控相同 IP、相同客户端、相同登陆账号、相同支付账号、相同会话、相同手机号、相似收货地址、相似邮箱地址、IP来源、用户访问路径、用户访问频率等等多维度的数据，通过统计分析后可以发现并总结出恶意抢购用户的典型行为特征，比如：固定频率的注册新的用户，使用相同的(或相似的)收件货人地址或电话进行下单等，从而逐渐确定站点的恶意抢购识别规则，由于恶意抢购会不断的变化其行为方式，所以恶意抢购识别规则也是要不断的进行学习迭代与升级；
S3，恶意抢购识别：将实时收集到的数据放入恶意抢购规则引擎，所述的恶意抢购规则引擎将基于识别规则进行识别运算，最终生成识别账号评分结果；
S4，恶意抢购分级：根据恶意抢购识别引擎的计算评分结果，和设定的分级阈值，进行恶意抢购分级设定，并将分级结果存入恶意抢购识别数据库，比如相同IP来源24小时内下单数达到5次将该账号标识为C级恶意抢购，7次将标识为B级恶意抢购，10次将标识为A级恶意抢购；
S5，恶意抢购治理：根据运营人员针对不同级别的恶意抢购设置的治理规则，决定用户在相应的业务操作时是放行还是阻拦，比如A级别的恶意抢购禁止访问，B级禁止下单，C级别的处于观察状态。
根据本实施例可知，恶意抢购分级规则是根据特定的数据分析结果而设定的，需适应不同营销活动的特点。
实施例4
请参见图3，图3是实施例4的品牌官方商城恶意抢购防控***的组成示意图。所述的品牌官方商城恶意抢购防控***包括：
数据收集模块1：用于收集包含用户的登录、注册、下单、支付、浏览历史等一切可以利用的业务数据，日志数据；
数据库2：包含用户的登录、注册、下单、支付、浏览历史等一切可以利用的业务数据，日志数据；
恶意抢购识别模块3：用于将实时收集到的数据放入恶意抢购规则引擎，所述的恶意抢购规则引擎将基于识别规则进行识别运算，最终生成识别账号评分结果；
恶意抢购分级模块4：用于根据恶意抢购识别引擎的计算评分结果，和设定的分级阈值，进行恶意抢购分级设定，并将分级结果存入恶意抢购识别数据库，比如相同账号24小时内下单数达到5次将该账号标识为C级恶意抢购，7 次将标识为B级恶意抢购，10次将标识为A级恶意抢购；
恶意抢购识别数据库5：包含恶意抢购分级的信息；
恶意抢购治理模块6：用于根据运营人员针对恶意抢购识别数据库中不同级别的恶意抢购设置的治理规则，决定用户在相应的业务操作时是放行还是阻拦，比如A级别的恶意抢购禁止访问，B级禁止下单，C级处于观察状态。
实施例5
请参见图4，图4是实施例5的品牌官方商城恶意抢购防控***的组成示意图。所述的品牌官方商城恶意抢购防控***包括：
数据收集模块1：用于收集包含用户的登录、注册、下单、支付、浏览历史等一切可以利用的业务数据，日志数据；
数据库2：包含用户的登录、注册、下单、支付、浏览历史等一切可以利用的业务数据，日志数据；
恶意抢购识别规则建立模块7：该模块中，恶意抢购规则引擎将使用收集到的数据，实时监控相同IP、相同客户端、相同登陆账号、相同支付账号、相同会话、相同手机号、相似收货地址、相似邮箱地址、IP来源、用户访问路径、用户访问频率等等多维度的数据，发现异常恶意抢购用户的行为特征，从而确定恶意抢购识别规则，这个过程需要不断的进行学习和调整；
恶意抢购识别模块3：用于将实时收集到的数据放入恶意抢购规则引擎，恶意抢购规则引擎将基于恶意抢购识别规则进行识别运算，最终生成识别账号评分结果；
恶意抢购分级模块4：用于根据恶意抢购识别引擎的计算评分结果，和设定的分级阈值，进行恶意抢购分级设定，并将分级结果存入恶意抢购识别数据库，比如相同账号24小时内下单数达到5次将该账号标识为C级恶意抢购，7 次将标识为B级恶意抢购，10次将标识为A级恶意抢购；
恶意抢购识别数据库5：包含恶意抢购分级的信息；
恶意抢购治理模块6：用于根据运营人员针对恶意抢购识别数据库中不同级别的恶意抢购设置的治理规则，决定用户在相应的业务操作时是放行还是阻拦，比如A级别的恶意抢购禁止访问，B级禁止下单，C级处于观察状态。
需要说明的是，通过本发明识别出来的恶意抢购用户，还可以直接用来作为限制其在品牌官方商城的行为的依据，通过限制恶意抢购的行为从而提高品牌活动的公平性，让普通消费者获益，让品牌方达到营销活动的目标。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明方法的前提下，还可以做出若干改进和补充，这些改进和补充也应视为本发明的保护范围。
Claims (10)
1.一种品牌官方商城恶意抢购防控方法，其特征在于，包括以下步骤：
S1，数据收集：收集实时用户的业务数据，日志数据；
S2，恶意抢购识别：将实时收集到的数据放入恶意抢购规则引擎，所述的恶意抢购规则引擎基于恶意抢购识别规则进行识别运算，最终生成识别账号评分结果；
S3，恶意抢购分级：根据恶意抢购规则引擎的计算评分结果，和设定的分级阈值，进行恶意抢购分级设定，并将分级结果存入恶意抢购识别数据库；
S4，恶意抢购治理：根据运营人员针对不同级别的恶意抢购设置的治理规则，决定用户在相应的业务操作时是放行还是阻拦。
2.根据权利要求1所述的品牌官方商城恶意抢购防控方法，其特征在于，步骤S1和步骤S2之间还包括步骤：建立恶意抢购识别规则：恶意抢购规则引擎使用步骤S1收集到的数据，实时监控相同IP、相同客户端、相同登陆账号、相同支付账号、相同会话、相同手机号、相似收货地址、相似邮箱地址、IP来源、用户访问路径、用户访问频率的数据，发现异常恶意抢购用户的行为特征，从而确定所述的恶意抢购识别规则。
3.根据权利要求1所述的品牌官方商城恶意抢购防控方法，其特征在于，所述的步骤S1收集的数据包含实时用户的登录、注册、下单、支付、浏览历史数据。
4.根据权利要求1所述的品牌官方商城恶意抢购防控方法，其特征在于，所述的步骤S3恶意抢购分级的具体规则为：根据相同账号、手机号、收货地址、邮箱地址、IP来源在一个时间段内的下单次数，将恶意抢购分为三个或三个以上级别。
5.根据权利要求4所述的品牌官方商城恶意抢购防控方法，其特征在于，针对不同级别的恶意抢购采取不同的治理方式，包括：禁止访问；禁止下单；处于观察状态。
6.根据权利要求1所述的品牌官方商城恶意抢购防控方法，其特征在于，步骤S1中所述的业务数据通过数据库增量日志文件的方式获取，所述的日志数据通过实时访问日志文件的方式获取。
7.一种品牌官方商城恶意抢购防控***，其特征在于，包括：
数据收集模块：用于收集实时用户的业务数据，日志数据；
数据库：包含实时用户的业务数据，日志数据；
恶意抢购识别模块：用于将实时收集到的数据放入恶意抢购规则引擎，所述的恶意抢购规则引擎基于恶意抢购识别规则进行识别运算，最终生成识别账号评分结果；
恶意抢购分级模块：用于根据恶意抢购规则引擎的计算评分结果，和设定的分级阈值，进行恶意抢购分级设定，并将分级结果存入恶意抢购识别数据库；
恶意抢购识别数据库：包含恶意抢购分级的信息；
恶意抢购治理模块：用于根据运营人员针对恶意抢购识别数据库中不同级别的恶意抢购设置的治理规则，决定用户在相应的业务操作时是放行还是阻拦。
8.根据权利要求7所述的品牌官方商城恶意抢购防控***，其特征在于，还包括恶意抢购识别规则建立模块，所述的恶意抢购识别规则建立模块中，恶意抢购规则引擎使用收集到的数据，实时监控相同IP、相同客户端、相同登陆账号、相同支付账号、相同会话、相同手机号、相似收货地址、相似邮箱地址、IP来源、用户访问路径、用户访问频率的数据，发现异常恶意抢购用户的行为特征，从而确定所述的恶意抢购识别规则。
9.根据权利要求7所述的品牌官方商城恶意抢购防控***，其特征在于，所述的恶意抢购分级模块将恶意抢购分为三个或三个以上级别。
10.根据权利要求8所述的品牌官方商城恶意抢购防控***，其特征在于，所述的恶意抢购治理模块针对不同级别的恶意抢购采取不同的治理方式，包括：禁止访问；禁止下单；处于观察状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810133552.8A CN108346088A (zh) | 2018-02-09 | 2018-02-09 | 品牌官方商城恶意抢购防控方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810133552.8A CN108346088A (zh) | 2018-02-09 | 2018-02-09 | 品牌官方商城恶意抢购防控方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108346088A true CN108346088A (zh) | 2018-07-31 |
Family
ID=62959288
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810133552.8A Pending CN108346088A (zh) | 2018-02-09 | 2018-02-09 | 品牌官方商城恶意抢购防控方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108346088A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110889745A (zh) * | 2019-11-22 | 2020-03-17 | 无线生活(北京)信息技术有限公司 | 一种智能识别抢购行为的方法及装置 |
| CN111507729A (zh) * | 2020-04-29 | 2020-08-07 | 广东所能网络有限公司 | 一种基于移动互联网的电子商务风险控制***及方法 |
| CN114881711A (zh) * | 2022-07-11 | 2022-08-09 | 荣耀终端有限公司 | 基于请求行为进行异常分析的方法及电子设备 |
| CN116433338A (zh) * | 2023-06-15 | 2023-07-14 | 青岛网信信息科技有限公司 | 一种产品营销库存保护方法、介质及*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105653944A (zh) * | 2015-12-25 | 2016-06-08 | 北京奇虎科技有限公司 | 作弊行为检测方法及装置 |
| CN105976230A (zh) * | 2016-05-23 | 2016-09-28 | 北京小米移动软件有限公司 | 购物请求处理方法及装置 |
| CN106453357A (zh) * | 2016-11-01 | 2017-02-22 | 北京红马传媒文化发展有限公司 | 一种网络购票异常行为的识别方法、***及设备 |
| CN107274075A (zh) * | 2017-05-26 | 2017-10-20 | 陈曦 | 一种hse风险数据分级方法 |
-
2018
- 2018-02-09 CN CN201810133552.8A patent/CN108346088A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105653944A (zh) * | 2015-12-25 | 2016-06-08 | 北京奇虎科技有限公司 | 作弊行为检测方法及装置 |
| CN105976230A (zh) * | 2016-05-23 | 2016-09-28 | 北京小米移动软件有限公司 | 购物请求处理方法及装置 |
| CN106453357A (zh) * | 2016-11-01 | 2017-02-22 | 北京红马传媒文化发展有限公司 | 一种网络购票异常行为的识别方法、***及设备 |
| CN107274075A (zh) * | 2017-05-26 | 2017-10-20 | 陈曦 | 一种hse风险数据分级方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110889745A (zh) * | 2019-11-22 | 2020-03-17 | 无线生活(北京)信息技术有限公司 | 一种智能识别抢购行为的方法及装置 |
| CN111507729A (zh) * | 2020-04-29 | 2020-08-07 | 广东所能网络有限公司 | 一种基于移动互联网的电子商务风险控制***及方法 |
| CN114881711A (zh) * | 2022-07-11 | 2022-08-09 | 荣耀终端有限公司 | 基于请求行为进行异常分析的方法及电子设备 |
| CN116433338A (zh) * | 2023-06-15 | 2023-07-14 | 青岛网信信息科技有限公司 | 一种产品营销库存保护方法、介质及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Van Wegberg et al. | Plug and prey? measuring the commoditization of cybercrime via online anonymous markets | |
| Abdallah et al. | Fraud detection system: A survey | |
| CA2821095C (en) | System and method for detecting fraudulent account access and transfers | |
| Krivko | A hybrid model for plastic card fraud detection systems | |
| US8458090B1 (en) | Detecting fraudulent mobile money transactions | |
| CN108346088A (zh) | 品牌官方商城恶意抢购防控方法及*** | |
| CN110689438A (zh) | 企业类金融风险评分方法、装置、计算机设备及存储介质 | |
| CN108564448A (zh) | 一种订单防刷的实现方法 | |
| CN102081774A (zh) | 养卡识别方法及*** | |
| Gupta et al. | Audit selection strategy for improving tax compliance: application of data mining techniques | |
| CN107798541A (zh) | 一种用于在线业务的监控方法及*** | |
| US20170109837A1 (en) | Know your customer alert systems and methods | |
| CN111369369A (zh) | 一种微盘交易平台监控***和方法 | |
| CN110659989A (zh) | 一种主动探索式合规反洗钱方法、装置、***及存储介质 | |
| CN108737138B (zh) | 服务提供方法及服务平台 | |
| CN111160695A (zh) | 计算机运行的风险账户的识别方法、***、装置及存储介质 | |
| CN110991650A (zh) | 训练养卡识别模型、识别养卡行为的方法及装置 | |
| WO2017032056A1 (zh) | 基于销售终端套现的确定方法及装置 | |
| CN110288488A (zh) | 医疗险欺诈预测方法、装置、设备和可读存储介质 | |
| CN111199473A (zh) | 基于交易记录信息的反作弊方法、装置和*** | |
| CN105956919A (zh) | 一种业务数据申请评估方法及装置 | |
| CN110210868A (zh) | 数值转移数据的处理方法及电子设备 | |
| CN110956445B (zh) | 用于生成风险文件的方法和装置 | |
| JP2005346730A (ja) | 履歴情報を用いたクレジットカードの不正利用の判定方法 | |
| Richhariya et al. | Evaluating and emerging payment card fraud challenges and resolution |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180731 |