CN108769208A - 特定用户识别及信息推送方法和装置 - Google Patents

特定用户识别及信息推送方法和装置 Download PDF

Info

Publication number
CN108769208A
CN108769208A CN201810543071.4A CN201810543071A CN108769208A CN 108769208 A CN108769208 A CN 108769208A CN 201810543071 A CN201810543071 A CN 201810543071A CN 108769208 A CN108769208 A CN 108769208A
Authority
CN
China
Prior art keywords
user
specific user
specific
index
information
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.)
Granted
Application number
CN201810543071.4A
Other languages
English (en)
Other versions
CN108769208B (zh
Inventor
陈欢乐
王炳浩
杨路燕
李洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Alibaba Group Holding Ltd
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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201810543071.4A priority Critical patent/CN108769208B/zh
Publication of CN108769208A publication Critical patent/CN108769208A/zh
Application granted granted Critical
Publication of CN108769208B publication Critical patent/CN108769208B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services
    • 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
    • G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/12—Messaging; Mailboxes; Announcements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/12—Messaging; Mailboxes; Announcements
    • H04W4/14—Short messaging services, e.g. short message services [SMS] or unstructured supplementary service data [USSD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Computer Security & Cryptography (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本说明书实施例提供一种特定用户识别及信息推送方法和装置，综合采用表征用户照片属于特定用户的概率的第二指数，以及表征所述用户的用户特征属于特定用户的概率的第一指数，以识别用户是否为特定用户，从而能够使业务提供商根据识别结果为特定用户提供特定的运营业务，实现了精准运营，提高了运营效果。

Description

特定用户识别及信息推送方法和装置
技术领域
本说明书涉及数据处理技术领域，尤其涉及特定用户识别及信息推送方法和装置。
背景技术
随着无线通信的发展，采用各类移动支付工具(例如，支付宝、微信等)的用户群体越来越庞大。除了移动支付业务之外，许多移动支付工具往往还能够为用户群体提供其他类型的业务，以提高用户满意度。例如，有的移动支付工具可以提供网络诈骗预防业务，以提高用户的资产安全，降低用户损失。
发明内容
基于此，本说明书提供了特定用户识别及信息推送方法和装置。
根据本说明书实施例的第一方面，提供一种特定用户识别方法，所述方法包括：获取用户的用户照片；根据所述用户照片获取第二指数，所述第二指数用于表征用户照片属于特定用户的概率；根据所述第二指数和预先获取的第一指数识别所述用户是否为特定用户，所述第一指数用于表征所述用户的用户特征属于特定用户的概率。
可选地，根据所述第二指数和预先获取的第一指数识别所述用户是否为特定用户的步骤包括：计算所述第一指数和第二指数的加权平均值；根据所述加权平均值识别所述用户是否为特定用户。
可选地，所述用户特征包括以下至少任一：表征用户基本信息的用户特征、表征用户账户价值的用户特征、表征用户消费行为的用户特征、表征用户社交行为的用户特征、表征用户偏好习惯的用户特征和/或表征用户举报情况的用户特征。
可选地，所述表征用户基本信息的用户特征包括以下至少任一：性别、年龄、年龄段、社会角色、商家角色、婚姻状况、地域状况、房产信息、学历和/或使用手机类型；和/或所述表征用户账户价值的用户特征包括账户的以下至少任一：信用分值、绑定银行卡数量、注册时长、账户余额、理财产品购买情况和/或理财产品收益；和/或所述表征用户消费行为的用户特征包括以下至少任一：消费支出、消费类型、消费频率、购物类型、消费偏好类型和/或消费心理；和/或所述表征用户社交行为的用户特征包括以下至少任一：社交关系网中的用户数量、在社交网络的分享动态和/或添加好友的频率；和/或所述表征用户偏好习惯的用户特征包括以下至少任一：登录各类应用的时间偏好、使用各类应用的时间偏好、运动偏好、为各类应用支付的资产偏好和/或出行方式偏好；和/或所述表征用户举报情况的用户特征包括以下至少任一：历史举报次数、历史举报频率、历史被举报次数和/或历史被举报频率。
可选地，根据所述用户照片获取第二指数的步骤包括：将用户照片输入第二分类模型，获取第二指数，所述第二分类模型基于特定人群样本的用户照片和非特定人群样本的用户照片训练得到。
可选地，所述方法还包括：将所述用户的用户特征输入第一分类模型，获取第一指数，所述第一分类模型基于特定人群样本的用户特征和非特定人群样本的用户特征训练得到。
可选地，所述第一分类模型和/或第二分类模型为二分类模型。
可选地，所述特定用户为易受骗用户。
根据本说明书实施例的第二方面，提供一种信息推送方法，所述方法包括：向特定用户推送安全教育内容；其中，所述特定用户基于任意实施例的特定用户识别方法进行识别。
可选地，所述安全教育内容为安全教育游戏。
可选地，所述方法还包括：获取所述特定用户在即时通信工具上的交互信息；若所述交互信息中包括引导所述特定用户付款的内容，且在预设时间段内检测到所述特定用户发送的付款请求，向所述特定用户推送防诈骗提醒信息。
可选地，所述方法还包括：在检测到所述特定用户发送的付款请求时，向预先与所述特定用户的账户绑定的关联账户转发所述付款请求；若接收到所述关联账户发送的付款取消信息，向所述特定用户推送防诈骗提醒信息。
可选地，所述方法还包括：在检测到所述特定用户发送的付款请求时，向收款方发送收款信息获取请求；其中，所述收款信息获取请求用于获取作为收款凭证的收款信息；若未接收到收款方根据所述收款信息获取请求返回的收款信息，向所述特定用户推送防诈骗提醒信息。
可选地，所述方法还包括：在检测到所述特定用户发送的付款请求时，对收款账户进行检测；若所述收款账户为预先建立的诈骗黑名单中的账户，向所述特定用户推送防诈骗提醒信息。
可选地，所述安全教育内容中包括各类诈骗手法对应的受害者数量和/或诈骗金额。
可选地，所述方法还包括：向被举报次数达到预设阈值的用户推送诈骗警告信息。
根据本说明书实施例的第三方面，提供一种特定用户识别装置，所述装置包括：第一获取模块，用于获取用户的用户照片；第二获取模块，用于根据所述用户照片获取第二指数，所述第二指数用于表征用户照片属于特定用户的概率；识别模块，用于根据所述第二指数和预先获取的第一指数识别所述用户是否为特定用户，所述第一指数用于表征所述用户的用户特征属于特定用户的概率。
可选地，识别模块包括：计算单元，用于计算所述第一指数和第二指数的加权平均值；识别单元，用于根据所述加权平均值识别所述用户是否为特定用户。
可选地，所述用户特征包括以下至少任一：表征用户基本信息的用户特征、表征用户账户价值的用户特征、表征用户消费行为的用户特征、表征用户社交行为的用户特征、表征用户偏好习惯的用户特征和/或表征用户举报情况的用户特征。
可选地，所述表征用户基本信息的用户特征包括以下至少任一：性别、年龄、年龄段、社会角色、商家角色、婚姻状况、地域状况、房产信息、学历和/或使用手机类型；和/或所述表征用户账户价值的用户特征包括账户的以下至少任一：信用分值、绑定银行卡数量、注册时长、账户余额、理财产品购买情况和/或理财产品收益；和/或所述表征用户消费行为的用户特征包括以下至少任一：消费支出、消费类型、消费频率、购物类型、消费偏好类型和/或消费心理；和/或所述表征用户社交行为的用户特征包括以下至少任一：社交关系网中的用户数量、在社交网络的分享动态和/或添加好友的频率；和/或所述表征用户偏好习惯的用户特征包括以下至少任一：登录各类应用的时间偏好、使用各类应用的时间偏好、运动偏好、为各类应用支付的资产偏好和/或出行方式偏好；和/或所述表征用户举报情况的用户特征包括以下至少任一：历史举报次数、历史举报频率、历史被举报次数和/或历史被举报频率。
可选地，第一获取模块包括：第一获取单元，用于将用户照片输入第二分类模型，获取第二指数，所述第二分类模型基于特定人群样本的用户照片和非特定人群样本的用户照片训练得到。
可选地，所述装置还包括：第三获取模块，用于将所述用户的用户特征输入第一分类模型，获取第一指数，所述第一分类模型基于特定人群样本的用户特征和非特定人群样本的用户特征训练得到。
可选地，所述第一分类模型和/或第二分类模型为二分类模型。
可选地，所述特定用户为易受骗用户。
根据本说明书实施例的第四方面，提供一种信息推送装置，所述装置包括：第一推送模块，用于向特定用户推送安全教育内容；其中，所述特定用户基于任意实施例的特定用户识别方法进行识别。
可选地，所述安全教育内容为安全教育游戏。
可选地，所述装置还包括：获取模块，用于获取所述特定用户在即时通信工具上的交互信息；第二推送模块，用于若所述交互信息中包括引导所述特定用户付款的内容，且在预设时间段内检测到所述特定用户发送的付款请求，向所述特定用户推送防诈骗提醒信息。
可选地，所述装置还包括：转发模块，用于在检测到所述特定用户发送的付款请求时，向预先与所述特定用户的账户绑定的关联账户转发所述付款请求；第三推送模块，用于若接收到所述关联账户发送的付款取消信息，向所述特定用户推送防诈骗提醒信息。
可选地，所述装置还包括：请求模块，用于在检测到所述特定用户发送的付款请求时，向收款方发送收款信息获取请求；其中，所述收款信息获取请求用于获取作为收款凭证的收款信息；第四推送模块，用于若未接收到收款方根据所述收款信息获取请求返回的收款信息，向所述特定用户推送防诈骗提醒信息。
可选地，所述装置还包括：检测模块，用于在检测到所述特定用户发送的付款请求时，对收款账户进行检测；第五推送模块，用于若所述收款账户为预先建立的诈骗黑名单中的账户，向所述特定用户推送防诈骗提醒信息。
可选地，所述安全教育内容中包括各类诈骗手法对应的受害者数量和/或诈骗金额。
可选地，所述装置还包括：第六推送模块，用于向被举报次数达到预设阈值的用户推送诈骗警告信息。
根据本说明书实施例的第五方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任意实施例的方法。
根据本说明书实施例的第六方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任意实施例的方法。
应用本说明书实施例方案，根据用户照片获取表征用户照片属于特定用户的概率的第二指数，并结合第二指数与表征所述用户的用户特征属于特定用户的概率的第一指数，以识别出用户是否为特定用户，从而能够使业务提供商根据识别结果为特定用户提供特定的运营业务，实现了精准运营，提高了运营效果。
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和解释性的，并不能限制本说明书。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。
图1是本说明书一个实施例的应用场景示意图。
图2是本说明书一个实施例的特定用户识别方法流程图。
图3是本说明书一个实施例的用户易受骗程度示意图。
图4是本说明书一个实施例的信息推送方法流程图。
图5(A)至图5(C)是本说明书一个实施例的与关联账户的交互示意图。
图6(A)至图6(C)是本说明书一个实施例的协议转账的示意图。
图7是本说明书一个实施例的特定用户识别装置的结构框图。
图8是本说明书一个实施例的信息推送装置的结构框图。
图9是本说明书一个实施例的用于实施本说明书实施例方法的计算机设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，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说明书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、本说明书的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
如图1所示，是本说明书一个实施例的应用场景示意图，该实施例作为本说明书方法可以应用的一种应用场景的举例说明，而非作为对本说明书方案的限定。该应用场景可包括服务器102和客户端104，其中，服务器102可以是单个服务器设备，也可以是一组服务器设备的集群；客户端104的数量可以是一个或者多个，图中示出的是包括3个客户端104的场景。服务器102可以向客户端推送业务，该业务可以是网络诈骗预防业务。网络诈骗是指以非法占有为目的，利用互联网采用虚构事实或者隐瞒真相的方法，骗取数额较大的公私财物的行为。网络诈骗预防业务可以通过向客户端104推送常见的诈骗手段、防骗指南等信息来实现对网络诈骗的预防，以便保障用户账户安全，降低用户损失。为了提高业务运营效果，可以向特定用户群体推送特定业务。仍以网络诈骗预防业务为例，可以向易受骗的用户群体推送网络诈骗预防业务。
基于此，本说明书实施例提供一种特定用户识别方法，如图2所示，所述方法可包括：
步骤202，获取用户的用户照片；
步骤204，根据所述用户照片获取第二指数，所述第二指数用于表征用户照片属于特定用户的概率；
步骤206，根据所述第二指数和预先获取的第一指数识别所述用户是否为特定用户，所述第一指数用于表征所述用户的用户特征属于特定用户的概率。
其中，在步骤202中，用户照片可以是由用户输入到***中的照片。为了便于获取用户照片，可以提供一个用户界面，以便用户在该用户界面中输入用户照片。输入的用户照片可以是JPEG、PNG等格式的照片。优选地，输入的照片中包含用户人脸正面图像。
在步骤204中，可以将用户照片输入第二分类模型，获取第二指数，所述第二分类模型基于特定人群样本的用户照片和非特定人群样本的用户照片训练得到。第二分类模型通过对用户照片进行分析，输出第二指数，第二指数可以用于表征用户照片属于特定用户照片的概率大小。
在步骤206中，特定用户可以是推送业务的目标用户。通过对第一指数和第二指数进行综合分析评价，从而得出用户是否为特定用户的识别结果。通过综合考虑两个指数，提高了识别结果的准确性和稳定性。通过向特定用户推送业务，而非不加区分地向所有用户推送业务，提高了业务推送的准确度，同时减小了业务推送对用户的干扰。
在一个实施例中，可以将所述用户的用户特征输入第一分类模型，获取第一指数，所述第一分类模型基于特定人群样本的用户特征和非特定人群样本的用户特征训练得到。第一分类模型通过对用户特征进行分析，输出第一指数，第一指数可以用于表征用户特征属于特定用户特征的概率大小。特定人群样本的用户特征和用户照片可以直接在现有的数据库中采集，非特定人群样本的用户特征和用户照片可以从数据库以外的人群中随机采集。以网络诈骗预防业务场景为例，可以从风险案件数据库中采集易受骗人群样本(也称为黑样本)的用户特征，从未在风险案件数据库的用户群体中随机抽样相同量级的用户作为白样本。其中，风险案件数据库可以基于用户举报而建立，例如，用户受到网络诈骗后，可以进行举报，举报时可以上报自身的用户特征，用户上报的用户特征可用于建立风险案件数据库。由于未报案的人群中，有部分是被风控识别到有风险交易而被拦的用户，因此在白样本的选取过程中，还可以剔除被识别有风险交易的用户，以使结果更加准确。
识别结果可用于向用户推送业务，即，当用户为特定用户时，向该用户推送业务；反之，当用户不是特定用户时，不向该用户推送业务。这里推送的业务也可以是特定业务。仍以网络诈骗预防业务为例，特定用户可以是易受骗用户，当用户为易受骗用户时，向该用户推送网络诈骗预防业务；当用户不是易受骗用户时，不向该用户推送网络诈骗预防业务。
在一个实施例中，根据所述第一指数和第二指数识别所述用户是否为特定用户的步骤包括：计算所述第一指数和第二指数的加权平均值；根据所述加权平均值识别所述用户是否为特定用户。假设第一指数s1的权重为a，第二指数s2的权重为1-a，则第一指数和第二指数的加权平均值s为：
s＝a*s1+(1-a)*s2。
识别特定用户时，可以将加权平均值大于平均值阈值的用户识别为特定用户；将加权平均值小于或等于平均值阈值的用户识别为非特定用户。
在一个实施例中，所述用户特征可包括以下至少任一：表征用户基本信息的用户特征、表征用户账户价值的用户特征、表征用户消费行为的用户特征、表征用户社交行为的用户特征、表征用户偏好习惯的用户特征和/或表征用户举报情况的用户特征。
具体来说，所述表征用户基本信息的用户特征可包括以下至少任一：性别、年龄、年龄段、社会角色、商家角色、婚姻状况、地域状况、房产信息、学历和/或使用手机类型。其中，年龄例如是28岁、30岁等。年龄段可以是诸如20至30岁等范围。社会角色包括用户的职业(例如，工程师、医生)和/或家庭角色(例如，父亲、母亲)。商家角色用于表征用户是否为商家。地域状况可以是用户经常居住地或者户籍所在地。房产信息用于表征用户名下是否有房产。学历用于表征用户的最高受教育程度，例如，可以是硕士学历、本科学历等。使用手机类型可以是手机的操作***类型(如：安卓、IOS)，或者手机的品牌类型(例如，苹果，华为)。
具体来说，所述表征用户账户价值的用户特征可包括账户的以下至少任一：信用分值、绑定银行卡数量、注册时长、账户余额、理财产品购买情况和/或理财产品收益。信用分值可以是用户使用的移动支付工具的账户对应的信用分值，例如，支付宝的蚂蚁积分。绑定银行卡数量可以是用户使用的移动支付工具的账户绑定的银行卡的数量。注册时长可以是用户使用的移动支付工具的账户的注册时长。账户余额可以是用户使用的移动支付工具的账户的资产余额。理财产品购买情况可以是用户使用的移动支付工具的账户是否购买过理财产品(例如，余额宝)、以及购买理财产品的数量。理财产品收益可以是用户使用的移动支付工具的账户所购买的各种理财产品的总收益。
具体来说，所述表征用户消费行为的用户特征包括以下至少任一：消费支出、消费类型、消费频率、购物类型、消费偏好类型和/或消费心理。消费支出可以是用户使用移动支付工具支付的资产总和。消费类型可包括娱乐消费(如：看电影、就餐等)支出、公益捐赠支出、购物支出等。消费频率可以是用户使用移动支付工具进行支付的频率，用于表征消费的频繁程度。购物类型可以是购买物品的类型(如：服装、首饰、零食等)。消费偏好类型可以是占比较大的消费支出对应的消费类型。消费心理即用户进行消费活动时所表现出的心理特征与心理活动的过程，可以用于表征用户的消费倾向。例如，用户是倾向于购买质量好的商品，还是性价比高的商品；用户的消费价值是倾向于功能价值还是情感价值等。
具体来说，所述表征用户社交行为的用户特征可包括以下至少任一：社交关系网中的用户数量、在社交网络的分享动态和/或添加好友的频率。社交关系网中的用户数量可以是用户的亲朋好友的数量。在社交网络的分享动态可以是用户在社交工具(例如，微信，支付宝)中发布的个人动态(例如，朋友圈动态)。添加好友的频率可以是用户在社交工具中添加好友的频率。
具体来说，所述表征用户偏好习惯的用户特征包括以下至少任一：登录各类应用的时间偏好、使用各类应用的时间偏好、运动偏好、为各类应用支付的资产偏好和/或出行方式偏好。登录各类应用的时间偏好可以是用户登陆应用的时间点偏好，例如，用户一般会在每天的8：00及12:15登陆支付宝。使用各类应用的时间偏好可以是用户使用移动支付工具中各类应用的时间长度偏好，例如：使用支付宝中“蚂蚁森林”产品的时间长度、使用“饿了么”产品的时间长度。运动偏好可以是用户的行走步数偏好。为各类应用支付的资产偏好例如可以是为“饿了么”所支付资产的偏好。出行方式偏好可以是用户使用“滴滴出行”或者“共享单车”的偏好情况。
具体来说，所述表征用户举报情况的用户特征包括以下至少任一：历史举报次数、历史举报频率、历史被举报次数和/或历史被举报频率。历史举报次数和历史举报频率分别是指历史时间段内用户举报其他用户的次数和频率。历史被举报次数和历史被举报频率分别是指历史时间段内用户被其他用户举报的次数和频率。
在一个实施例中，所述特定用户为易受骗用户。相应地，第一指数和第二指数可以用于表征用户的易受骗程度。通过采用上述部分或者全部用户特征来获取第一指数，强化了数据驱动，弱化了人为经验，能够综合高抽象地刻画用户的易受骗程度。通过模型可以刻画出特定用户的聚类特征值，如90后低学历、近一个月内行为天数少且在社交圈中影响力低的女性受骗指标最高，可解释性强。同时，通过识别易受骗用户，可以从网络诈骗发生的源头上进行预防，降低用户损失。
在一个实施例中，所述第一分类模型可以是二分类模型，所述第二分类模型也可以是二分类模型。
在一个实施例中，第一指数和第二指数可以采用最高值为一百分的评分值，对第一指数和第二指数进行加权平均，从而得到一个最高值为一百分的评分值。可以根据评分值来确定用户为特定用户的概率。例如，将评分值大于第一阈值(例如80分)的用户识别为极有可能是特定用户的用户；将评分值大于第二阈值(例如60分)且小于或等于第一阈值的用户识别为有较大可能是特定用户的用户；将评分值大于第三阈值(例如40分)且小于或等于第二阈值的用户识别为有较小可能是特定用户的用户；将评分值大于第四阈值(例如20分)且小于或等于第三阈值的用户识别为有较大可能不是特定用户的用户；将评分制小于或等于第四阈值的用户识别为极有可能不是特定用户的用户。
以网络诈骗预防业务的场景为例，如图3所示，分数大于80分的用户为极易受骗的用户；分数大于60分且小于或等于80分的用户为较容易受骗的用户；分数大于40分且小于或等于60分的用户为不太容易受骗的用户；分数大于20分且小于或等于40分的用户为很不容易受骗的用户；分数低于20分的用户为极难受骗的用户。
如图4所示，本说明书实施例还提供一种信息推送方法，可包括以下步骤：
步骤402：向特定用户推送安全教育内容；其中，所述特定用户基于上述任意一实施例中的特定用户识别方法进行识别。
本实施例通过向特定用户推送安全教育内容实现了精准运营，提高了运营效果。
安全教育内容中可以包括目前最高危的欺诈手法。在一个实施例中，所述安全教育内容为安全教育游戏。通过游戏的方式来推送安全教育内容，提高了内容的趣味性，使用户更容易接受和参与，也提高了用户体验。
在一个实施例中，所述方法还包括：获取所述特定用户在即时通信工具上的交互信息；若所述交互信息中包括引导所述特定用户付款的内容，且在预设时间段内检测到所述特定用户发送的付款请求，向所述特定用户推送防诈骗提醒信息。其中，即时通信工具可以是微信、支付宝、短信软件、通话软件等应用，即时通信工具上的交互信息可以是聊天记录或者语音通话内容等。可以对交互信息进行语义识别，以获取具有特定含义的交互信息，该特定含义的交互信息可以是引导特定用户付款的内容，例如：“老同学，最近手头有点紧，借点钱吧”诸如此类的内容。预设时间段可以是接收到上述引导付款内容之后的预设时间段。在实际应用中，如果用户接收到此类内容后即执行移动支付操作，一般来说是响应上述引导付款内容而执行付款操作。因此，可以向特定用户推送防诈骗提醒信息，以防特定用户受骗上当。
在一个实施例中，所述方法还包括：在检测到所述特定用户发送的付款请求时，向预先与所述特定用户的账户绑定的关联账户转发所述付款请求；若接收到所述关联账户发送的付款取消信息，向所述特定用户推送防诈骗提醒信息。
关联账户可以是特定用户的亲戚或者朋友的账户，可以由特定用户自行设置关联账户。进一步地，关联账户可以是非特定用户的账户。以网络诈骗预防业务的场景为例，特定用户是易受骗用户，则关联账户可以是不易受骗用户的账户。如果接收到对付款请求的确认信息，则认为特定用户未受到网络诈骗；反之，若接收到所述关联账户发送的付款取消信息，则认为特定用户很可能受到网络诈骗，从而向所述特定用户推送防诈骗提醒信息。通过关联账户进行确认，一方面由于关联账户所属的用户与特定用户之间存在一定亲密关系，能够提高特定用户对提醒信息的重视程度和接受程度；另一方面，关联账户所属的用户为非特定用户，也提高了安全性。
一个实施例的与关联账户的交互示意图如图5(A)至图5(C)所示。在图5(A)中，特定用户通过点击客户端502上的支付控件502a发送支付请求，支付请求可以通过服务器，并经由网络转发给关联账户的客户端504，关联账户的客户端504收到支付请求后可以在显示界面上显示相应的信息，信息内容例如可包括“对方发起了支付请求，点击查看”。在图5(B)中，关联账户所属的用户可以点击客户端504上的取消付款控件504a，从而向特定用户的客户端502发送取消付款的信息，信息内容例如可包括“对方取消了本次付款，点击查看”。可选地，关联账户的客户端504还可以在取消付款的信息中添加取消付款的理由，例如：网络诈骗。如图5(C)所示，在接收到取消付款信息之后，特定用户点击客户端502可以在显示界面上推送防诈骗提醒信息。进一步地，防诈骗提醒信息中可包括安全教育内容，或者包括用于查看安全教育内容的链接。
在一个实施例中，所述方法还包括：在检测到所述特定用户发送的付款请求时，向收款方发送收款信息获取请求；其中，所述收款信息获取请求用于获取作为收款凭证的收款信息；若未接收到收款方根据所述收款信息获取请求返回的收款信息，向所述特定用户推送防诈骗提醒信息。这种方式可以简称为协议转账。其中，收款信息可以包括收款方的身份信息(例如，身份证正反面照片、指纹信息等)，还可包括担保信息(例如，担保人的身份信息)和/或表征付款目的的信息(例如，房租、借款)等。通过这种方式，能够提高付款安全性。如果接收到收款方返回的对应收款信息，可认为特定用户未受到网络诈骗；反之，如果未接收到收款方返回的对应收款信息，可认为特定用户有可能受到网络诈骗，从而向所述特定用户推送防诈骗提醒信息。一个实施例的协议转账的交互示意图如图6(A)至图6(C)所示。
如图6(A)所示，特定用户可以在客户端上选择协议转账方式，协议转账内容602中可包括转账目的(例如，借款、房租或者自定义目的)，以及所需对方提供的身份信息(例如，指纹、签名、身份证和/或视频验证)，还可包括担保信息和/或转账金额。然后将协议发送至收款方账户。如图6(B)所示，收款方账户可以根据要求提供收款信息，例如，录入指纹信息。如图6(C)所示，收款方客户端可根据身份信息生成转账协议或者合同，然后返回至特定用户的客户端。
在一个实施例中，所述方法还包括：在检测到所述特定用户发送的付款请求时，对收款账户进行检测；若所述收款账户为预先建立的诈骗黑名单中的账户，向所述特定用户推送防诈骗提醒信息。当收款账户为诈骗黑名单中的账号时，表明特定用户极有可能受到网络诈骗，因此，向所述特定用户推送防诈骗提醒信息，以对特定用户进行提醒。诈骗黑名单可以基于用户举报而建立，还可定期更新，以便使推送结果更加准确。
进一步地，还可以在付款金额大于预设金额阈值的时候执行向特定用户推送防诈骗提醒信息的步骤。金额阈值可以由特定用户自行设定。
在一个实施例中，所述安全教育内容中包括各类诈骗手法对应的受害者数量和/或诈骗金额。这种方式能够对特定用户起到一定的警示作用，尤其是当受害者数量较多和/或诈骗金额较大时，更加容易引起特定用户的注意。
在一个实施例中，所述方法还包括：向被举报次数达到预设阈值的用户推送诈骗警告信息。用户被举报，则说明该用户很有可能有意或者无意地卷入诈骗案件当中，向此类用户推送诈骗警告信息，以便及时提醒用户停止不当的行为。
以上实施例中的各种技术特征可以任意进行组合，只要特征之间的组合不存在冲突或矛盾，但是限于篇幅，未进行一一描述，因此上述实施方式中的各种技术特征的任意进行组合也属于本说明书公开的范围。
如图7所示，图7是本说明书一个实施例的特定用户识别装置的框图，所述装置可包括：
第一获取模块702，用于获取用户的用户照片；
第二获取模块704，用于根据所述用户照片获取第二指数，所述第二指数用于表征用户照片属于特定用户的概率；
识别模块706，用于根据所述第二指数和预先获取的第一指数识别所述用户是否为特定用户，所述第一指数用于表征所述用户的用户特征属于特定用户的概率。
上述装置中各个模块的功能和作用的实现过程具体详情见上述特定用户识别方法中对应步骤的实现过程，在此不再赘述。
如图8所示，图8是本说明书一个实施例的信息推送装置的框图，所述装置可包括：
第一推送模块802，用于向特定用户推送安全教育内容；
其中，所述特定用户基于上述任意实施例中的特定用户识别方法进行识别。
上述装置中各个模块的功能和作用的实现过程具体详情见上述信息推送方法中对应步骤的实现过程，在此不再赘述。
本说明书装置的实施例可以应用在计算机设备上，例如服务器或终端设备。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在文件处理的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图9所示，为本说明书装置所在计算机设备的一种硬件结构图，除了图9所示的处理器902、内存904、网络接口906、以及非易失性存储器908之外，实施例中装置所在的服务器或电子设备，通常根据该计算机设备的实际功能，还可以包括其他硬件，对此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
相应地，本说明书实施例还提供一种计算机存储介质，所述存储介质中存储有程序，所述程序被处理器执行时实现上述任一实施例中的方法。
相应地，本说明书实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一实施例中的方法。
本申请可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可用存储介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
本领域技术人员在考虑说明书及实践这里公开的说明书后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开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进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
以上所述仅为本公开的较佳实施例而已，并不用以限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开保护的范围之内。

Claims (20)

1.一种特定用户识别方法，所述方法包括：
获取用户的用户照片；
根据所述用户照片获取第二指数，所述第二指数用于表征用户照片属于特定用户的概率；
根据所述第二指数和预先获取的第一指数识别所述用户是否为特定用户，所述第一指数用于表征所述用户的用户特征属于特定用户的概率。
2.根据权利要求1所述的方法，根据所述第二指数和预先获取的第一指数识别所述用户是否为特定用户的步骤包括：
计算所述第一指数和第二指数的加权平均值；
根据所述加权平均值识别所述用户是否为特定用户。
3.根据权利要求1所述的方法，所述用户特征包括以下至少任一：表征用户基本信息的用户特征、表征用户账户价值的用户特征、表征用户消费行为的用户特征、表征用户社交行为的用户特征、表征用户偏好习惯的用户特征和/或表征用户举报情况的用户特征。
4.根据权利要求3所述的方法，所述表征用户基本信息的用户特征包括以下至少任一：性别、年龄、年龄段、社会角色、商家角色、婚姻状况、地域状况、房产信息、学历和/或使用手机类型；和/或
所述表征用户账户价值的用户特征包括账户的以下至少任一：信用分值、绑定银行卡数量、注册时长、账户余额、理财产品购买情况和/或理财产品收益；和/或
所述表征用户消费行为的用户特征包括以下至少任一：消费支出、消费类型、消费频率、购物类型、消费偏好类型和/或消费心理；和/或
所述表征用户社交行为的用户特征包括以下至少任一：社交关系网中的用户数量、在社交网络的分享动态和/或添加好友的频率；和/或
所述表征用户偏好习惯的用户特征包括以下至少任一：登录各类应用的时间偏好、使用各类应用的时间偏好、运动偏好、为各类应用支付的资产偏好和/或出行方式偏好；和/或
所述表征用户举报情况的用户特征包括以下至少任一：历史举报次数、历史举报频率、历史被举报次数和/或历史被举报频率。
5.根据权利要求1所述的方法，根据所述用户照片获取第二指数的步骤包括：
将用户照片输入第二分类模型，获取第二指数，所述第二分类模型基于特定人群样本的用户照片和非特定人群样本的用户照片训练得到。
6.根据权利要求1所述的方法，所述方法还包括：
将所述用户的用户特征输入第一分类模型，获取第一指数，所述第一分类模型基于特定人群样本的用户特征和非特定人群样本的用户特征训练得到。
7.根据权利要求1至6任意一项所述的方法，所述第一分类模型和/或第二分类模型为二分类模型。
8.根据权利要求1至6任意一项所述的方法，所述特定用户为易受骗用户。
9.一种信息推送方法，所述方法包括：
向特定用户推送安全教育内容；
其中，所述特定用户基于权利要求1至8任意一项所述的方法进行识别。
10.根据权利要求9所述的方法，所述安全教育内容为安全教育游戏。
11.根据权利要求9所述的方法，所述方法还包括：
获取所述特定用户在即时通信工具上的交互信息；
若所述交互信息中包括引导所述特定用户付款的内容，且在预设时间段内检测到所述特定用户发送的付款请求，向所述特定用户推送防诈骗提醒信息。
12.根据权利要求9所述的方法，所述方法还包括：
在检测到所述特定用户发送的付款请求时，向预先与所述特定用户的账户绑定的关联账户转发所述付款请求；
若接收到所述关联账户发送的付款取消信息，向所述特定用户推送防诈骗提醒信息。
13.根据权利要求9所述的方法，所述方法还包括：
在检测到所述特定用户发送的付款请求时，向收款方发送收款信息获取请求；其中，所述收款信息获取请求用于获取作为收款凭证的收款信息；
若未接收到收款方根据所述收款信息获取请求返回的收款信息，向所述特定用户推送防诈骗提醒信息。
14.根据权利要求9所述的方法，所述方法还包括：
在检测到所述特定用户发送的付款请求时，对收款账户进行检测；
若所述收款账户为预先建立的诈骗黑名单中的账户，向所述特定用户推送防诈骗提醒信息。
15.根据权利要求9至14任意一项所述的方法，所述安全教育内容中包括各类诈骗手法对应的受害者数量和/或诈骗金额。
16.根据权利要求9至14任意一项所述的方法，所述方法还包括：
向被举报次数达到预设阈值的用户推送诈骗警告信息。
17.一种特定用户识别装置，所述装置包括：
第一获取模块，用于获取用户的用户照片；
第二获取模块，用于根据所述用户照片获取第二指数，所述第二指数用于表征用户照片属于特定用户的概率；
识别模块，用于根据所述第二指数和预先获取的第一指数识别所述用户是否为特定用户，所述第一指数用于表征所述用户的用户特征属于特定用户的概率。
18.一种信息推送装置，所述装置包括：
第一推送模块，用于向特定用户推送安全教育内容；
其中，所述特定用户基于权利要求1至8任意一项所述的方法进行识别。
19.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1至16任意一项所述的方法。
20.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1至16任意一项所述的方法。
CN201810543071.4A 2018-05-30 2018-05-30 特定用户识别及信息推送方法和装置 Active CN108769208B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810543071.4A CN108769208B (zh) 2018-05-30 2018-05-30 特定用户识别及信息推送方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810543071.4A CN108769208B (zh) 2018-05-30 2018-05-30 特定用户识别及信息推送方法和装置

Publications (2)

Publication Number Publication Date
CN108769208A true CN108769208A (zh) 2018-11-06
CN108769208B CN108769208B (zh) 2022-04-22

Family

ID=64004552

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810543071.4A Active CN108769208B (zh) 2018-05-30 2018-05-30 特定用户识别及信息推送方法和装置

Country Status (1)

Country Link
CN (1) CN108769208B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109840778A (zh) * 2018-12-21 2019-06-04 上海拍拍贷金融信息服务有限公司 欺诈用户的识别方法及装置、可读存储介质
CN110062023A (zh) * 2019-03-12 2019-07-26 阿里巴巴集团控股有限公司 一种安全教育信息推送方法、装置及设备
CN110689664A (zh) * 2019-09-25 2020-01-14 浪潮金融信息技术有限公司 一种基于大数据技术的智能终端软件界面智能分布方法及***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106575327A (zh) * 2014-06-11 2017-04-19 索库里公司 分析面部识别数据和社交网络数据以供用户鉴别
CN106803168A (zh) * 2016-12-30 2017-06-06 ***股份有限公司 一种异常转账侦测方法和装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106575327A (zh) * 2014-06-11 2017-04-19 索库里公司 分析面部识别数据和社交网络数据以供用户鉴别
CN106803168A (zh) * 2016-12-30 2017-06-06 ***股份有限公司 一种异常转账侦测方法和装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109840778A (zh) * 2018-12-21 2019-06-04 上海拍拍贷金融信息服务有限公司 欺诈用户的识别方法及装置、可读存储介质
CN110062023A (zh) * 2019-03-12 2019-07-26 阿里巴巴集团控股有限公司 一种安全教育信息推送方法、装置及设备
CN110062023B (zh) * 2019-03-12 2021-08-31 创新先进技术有限公司 一种安全教育信息推送方法、装置及设备
CN110689664A (zh) * 2019-09-25 2020-01-14 浪潮金融信息技术有限公司 一种基于大数据技术的智能终端软件界面智能分布方法及***

Also Published As

Publication number Publication date
CN108769208B (zh) 2022-04-22

Similar Documents

Publication Publication Date Title
CN105389488B (zh) 身份认证方法及装置
US20160034914A1 (en) Process for crowd-sourced completion of investigative tasks
CN108604343A (zh) 用于确定终端位置的方法和***
CN110148000A (zh) 一种应用于支付平台的安全管控***和方法
Skinner ValueWeb: How fintech firms are using bitcoin blockchain and mobile technologies to create the Internet of value
CN107742217A (zh) 基于商家的业务控制方法和装置
US20150178749A1 (en) Methods, systems and computer readable media for predicting consumer purchase behavior
CN108769208A (zh) 特定用户识别及信息推送方法和装置
CN110033120A (zh) 用于为商户提供风险预测赋能服务的方法及装置
US20220398340A1 (en) Systems and Methods for Encrypting and Controlling Access to Encrypted Data Based Upon Immutable Ledgers
KR102005733B1 (ko) 온라인 빅데이터 분석을 통해 도출된 신용도 평가 결과를 이용한 블록체인 기반 p2p 금융 서비스 제공 시스템
CN108416684A (zh) 一种账号主体的可信程度评估方法、装置及服务器
CN111062770A (zh) 商户识别方法、设备及计算机可读介质
Saporta et al. Practical Fraud Prevention
KR102295053B1 (ko) 중고 휴대폰 거래 시스템
CN111488407B (zh) 数据处理方法、***及装置
CN112288460A (zh) 提示用户登录平台的方法、装置、设备及存储介质
Tucker The digital currency doppelganger: Regulatory challenge or harbinger of the new economy
Shadel et al. The psychology of consumer fraud
CN110009511A (zh) 套利行为识别方法、套利行为识别模型训练方法及***
CN109726315A (zh) 数据查询方法、装置、计算设备及存储介质
WO2023075848A1 (en) Systems and methods for monetization of time and activity on a digital ledger
Anshari et al. Islamic FinTech and artificial intelligence (AI) for assessing creditworthiness
Por et al. Successful crowdfunding: the effects of founder and project factors
Mukabi et al. Cryptocurrency as a Payment Method in the Retail Industry: An application of Diffusion of Innovation Theory (DOI) on the characteristics of Bitcoin: the case of Bitrefill

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200925

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200925

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

GR01 Patent grant
GR01 Patent grant