CN109035021A - 一种交易指标的监控方法、装置及设备 - Google Patents

一种交易指标的监控方法、装置及设备 Download PDF

Info

Publication number
CN109035021A
CN109035021A CN201810786573.XA CN201810786573A CN109035021A CN 109035021 A CN109035021 A CN 109035021A CN 201810786573 A CN201810786573 A CN 201810786573A CN 109035021 A CN109035021 A CN 109035021A
Authority
CN
China
Prior art keywords
value
transaction
index
group
sample sequence
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
CN201810786573.XA
Other languages
English (en)
Other versions
CN109035021B (zh
Inventor
欧航
刘晓辉
郑江雨
肖裕洪
畅若寒
金成�
秦德超
周琦梦
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 CN201810786573.XA priority Critical patent/CN109035021B/zh
Publication of CN109035021A publication Critical patent/CN109035021A/zh
Priority to TW108115732A priority patent/TWI709932B/zh
Priority to PCT/CN2019/091027 priority patent/WO2020015483A1/zh
Priority to SG11202010378PA priority patent/SG11202010378PA/en
Application granted granted Critical
Publication of CN109035021B publication Critical patent/CN109035021B/zh
Priority to US17/085,951 priority patent/US11455640B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/20—Point-of-sale [POS] network systems
    • G06Q20/204—Point-of-sale [POS] network systems comprising interface for record bearing medium or carrier for electronic funds transfer or payment credit
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/409—Device specific authentication in transaction processing
    • G06Q20/4093—Monitoring of device authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Computer Security & Cryptography (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Technology Law (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本说明书实施例提供了一种交易指标的监控方法、装置及设备。其方法包括：在交易数据的多组交易维值下分别获取交易数据的交易指标的采样序列，每组交易维值分别对应一个采样序列，一个采样序列包括该交易指标在一组交易维值下、在设定数量的各采样点处的取值，交易指标在目标采样点处的取值为实际值；分别根据各个采样序列计算该交易指标在本采样序列中的目标采样点处的估计值；通过比较所述交易指标在各个采样序列中的目标采样点处的估计值与实际值判断所述交易指标在本采样序列对应的一组交易维值下、在目标采样点处是否异常；生成并发送异常提示信息，所述异常提示信息用于提示交易指标异常处的目标采样点和一组交易维值。

Description

一种交易指标的监控方法、装置及设备
技术领域
本说明书实施例涉及交易数据处理技术，尤其涉及一种交易指标的监控方法、装置及设备。
背景技术
在互联网金融业务中，交易指标(又称数据指标)是否平稳直接影响业务是否能够安全平稳地进行。尤其在其中的风控领域，如何监控交易指标是否异常，并且发现原因，对于能否及时处理起到至关重要的作用。
传统分析一般是数据分析师定义规则，交易指标的值超过某个阈值后定义为异常，通过人工写程序筛选出一些可能的原因，外加人工核查相关的每笔交易，最终定位真正原因。
发明内容
本说明书实施例提供一种交易指标的监控方法、装置及设备，以实现自动发现交易指标的异常并定位异常原因。
第一方面，本说明书实施例提供一种交易指标的监控方法，包括：
在交易数据的多组交易维值下分别获取所述交易数据的交易指标的采样序列，每组交易维值分别对应一个采样序列，一个采样序列包括所述交易指标在一组交易维值下、在设定数量的各采样点处的取值，所述交易指标在目标采样点处的取值为实际值；
针对每一采样序列，根据本采样序列计算所述交易指标在本采样序列中的目标采样点处的估计值；
针对每一采样序列，通过比较所述交易指标在本采样序列中的目标采样点处的估计值与实际值判断所述交易指标在本采样序列对应的一组交易维值下、在目标采样点处的取值是否异常，并进行异常提示。
第二方面，本说明书实施例提供一种交易指标的监控装置，包括：
采样序列获取模块，用于在交易数据的多组交易维值下分别获取所述交易数据的交易指标的采样序列，每组交易维值分别对应一个采样序列，一个采样序列包括所述交易指标在一组交易维值下、在设定数量的各采样点处的取值，所述交易指标在目标采样点处的取值为实际值；
估计值计算模块，用于针对每一采样序列，根据本采样序列计算所述交易指标在本采样序列中的目标采样点处的估计值；
异常监控模块，用于针对每一采样序列，通过比较所述交易指标在本采样序列中的目标采样点处的估计值与实际值判断所述交易指标在本采样序列对应的一组交易维值下、在目标采样点处的取值是否异常，并进行异常提示。
第三方面，本说明书实施例提供一种交易指标的监控设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现上述任意实施例所述方法的步骤。
第四方面，本说明书实施例提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述任意实施例所述方法的步骤。
本说明书实施例有益效果如下：
针对待监控的交易指标，分别获取其在多组交易维值下的采样序列，并计算交易指标在各采样序列中目标采样点处的估计值，通过比较目标采样点的估计值与实际值判断交易指标对应的一组交易维值下、目标采样点处的取值是否异常，即，判断在不同交易维值组合(即各种可能的异常原因)下，待监控的交易指标在目标采样点处是否出现异常，并进行异常提示。可见，采用本说明书实施例提供的技术方案，是基于各种可能的异常原因自动监控交易指标，若发现有异常原因对应的交易指标的取值异常，即监控到交易指标的异常，并定位了该异常的原因，其处理效率较高。
附图说明
图1为本说明书实施例的应用场景示意图；
图2为本说明书实施例第一方面的方法流程图；
图3为本说明书实施例提供的一种人机交互界面示意图；
图4为本说明书实施例提供的一种异常提示界面示意图；
图5为本说明书实施例提供的一种装置示意图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本说明书实施例的技术方案做详细的说明，应当理解本说明书实施例以及实施例中的具体特征是对本说明书实施例技术方案的详细的说明，而不是对本说明书技术方案的限定，在不冲突的情况下，本说明书实施例以及实施例中的技术特征可以相互组合。
本说明书实施例的典型应用场景如图1所示，交易用户使用交易客户端101通过互联网金融服务器102进行交易操作，互联网金融服务器102保存交易数据，需要监控交易指标的用户通过至少一个监控客户端103与互联网金融服务器102通信，设置监控条件，并获取监控结果。
其中，交易操作涉及到的技术载体，例如可以包括近场通信(Near FieldCommunication,NFC)、WIFI、3G/4G/5G、POS机刷卡技术、二维码扫码技术、条形码扫码技术、蓝牙、红外、短消息(Short Message Service,SMS)、多媒体消息(Multimedia MessageService,MMS)等。
其中，交易客户端101可以但不仅限于包括移动终端、掌上电脑、PC机、POS机等。互联网金融服务器102可以包括独立服务器，也可以包括多个服务器组成的服务器组。若包括多个服务器，其拓扑既可以包括集中式服务器组，也可以包括分布式服务器组(例如服务器集群、云服务器等)。监控客户端103可以但不仅限于包括移动终端、掌上电脑、PC机等等。
本说明书一个或多个实施例提供的方法可以在互联网金融服务器102上实现，也可以在监控客户端103上实现，还可以由互联网金融服务器102和监控客户端103配合实现，具体情况将在以下的具体实施例中详细说明。
其中，一个完整的交易数据包括多个交易维度，每个交易维度又包括至少一个交易维值。交易维度包括用于反映交易的支付与风控特征的字段，例如，“国家”，“业务类型”，“卡Bin(Bank Identification Number发卡行识别码)国”，“发卡行”，“是否被拒绝交易”，“是否经过3DS验证”，“3DS验证是否通过”等。
其中，交易指标用于反映交易数据的统计学特征，例如，“支付成功率”、“交易数量”、“交易金额”等。交易指标与时间、交易维度相关，统计交易指标，通常是在一定时间范围内、某个交易维度或某几个交易维度组合的具体交易维值下，统计交易数据的统计学特征。
第一方面，本说明书实施例提供一种交易指标的监控方法，请参考图2，包括：
步骤202、在交易数据的多组交易维值下分别获取交易数据的交易指标的采样序列，每组交易维值分别对应一个采样序列，一个采样序列包括该交易指标在一组交易维值下、在设定数量的各采样点处的取值，该交易指标在目标采样点处的取值为实际值。
其中，采样序列中采样点的时间间隔体现了监控的时间粒度。可以采用等时间间隔，也可以不等时间间隔。以等时间间隔为例，例如，若希望以“小时”为单位对交易指标进行监控，则采样点的时间间隔为1小时；若希望以“日”为单位对交易指标进行监控，则采样点的时间间隔为1日。
以“支付成功率”这一交易指标为例，假设设定的时间间隔为一天、设定数量为N(N为大于1的整数)，则“支付成功率”在“国家＝英国”、“3DS验证是否通过＝通过”这组交易维值下的采样序列为{a1，a2……aN}，其中，“支付成功率”在采样点ai(i＝1,2,......N)处的取值为第i天中“国家”为英国且3DS验证通过的交易数据的支付成功率的实际值。
步骤204、针对每一采样序列，根据本采样序列计算上述交易指标在本采样序列中的目标采样点处的估计值。
以其中一个采样序列为例，根据该采样序列计算交易指标在该采样序列中的目标采样点处的估计值。
步骤206、针对每一采样序列，通过比较上述交易指标在本采样序列中的目标采样点处的估计值与实际值判断该交易指标在本采样序列对应的一组交易维值下、在目标采样点处是否异常，并进行异常提示。
以其中一个采样序列为例，通过比较交易指标在该采样序列中目标采样点处的估计值与实际值判断交易指标在该采样序列对应的一组交易维值下、在目标采样点处是否异常。
假设“支付成功率”这一交易指标在“英国+3DS验证通过”这组交易维值下、在目标采样点处的取值异常，则异常提示信息用于提示“支付成功率”在目标采样点处的取值和“英国+3DS验证通过”这组交易维值(即异常原因)。
本说明书实施例中，可以提示全部的异常交易指标的取值及对应的一组交易维值，也可以仅提示部分异常交易指标的取值及对应的一组交易维值。
本说明书实施例提供的方法，针对待监控的交易指标，分别获取其在多组交易维值下的采样序列，并计算交易指标在各采样序列中目标采样点处的估计值，通过比较目标采样点的估计值与实际值判断交易指标对应的一组交易维值下、目标采样点处是否异常，即，判断在不同交易维值组合(即各种可能的异常原因)下，待监控的交易指标在目标采样点处的取值是否出现异常，进而生成并发送用于提示异常交易指标的取值和异常原因的异常提示信息。可见，采用本说明书实施例提供的技术方案，是基于各种可能的异常原因自动监控交易指标，若发现有异常原因对应的交易指标的取值异常，即监控到交易指标的异常，并定位了该异常的原因，其处理效率较高。
本说明书上述实施例中，交易指标可以由用户在每次监控前指定；也可以由用户在某次监控前指定，后续每次监控均依照该次指定确认待监控的交易指标，直至用户再次指定；还可以是程序的默认值，或者通过其他方式确定待监控的交易指标。上述的多组交易维值可以由用户在每次监控前指定；也可以由用户在某次监控前指定，后续每次监控均依照该次指定确认多组交易维值，直至用户再次指定；还可以将交易数据的全部维度或维度组合的各组交易维值作为上述多组交易维值。
若是用户指定，用户也可以仅指定交易维度和/或交易维度的组合，则遍历用户指定的交易维度和/或交易维度的组合的所有交易维值，得到多组交易维值。
若本说明书实施例提供的方法应用在金融业务服务器102上，则金融业务服务器102通过与监控客户端103通信，在监控客户端103上调用相应的人机交互界面，以通过人机交互界面获取用户指定的信息(交易指标、多组交易维值或交易维度)。作为举例而非限定，人机交互界面可以如图3所示，即在一个人机交互界面上完成相应信息的配置，以提高处理效率。在图3所示的人机交互界面上，用户不仅可以指定交易维度以及需要监控的交易指标，还可以指定需要监控的交易数据的范围(即指定交易数据集合)。
本说明书实施例中，若多组交易维值是指遍历设定数量的交易维度的各种组合(本说明书实施例中，单独交易维度也是一种交易维度的组合)下的所有交易维值得到的多组交易维值，进而在该多组维值下分别监控交易指标是否异常，即全量异常监控。假设3个交易维度，则交易维度组合的数量为7，假设每个交易维度对应2个交易维值，则共有26组交易维值。通过全量异常监控，借助计算机强大的处理能力，可以从各个可能的异常原因出发，监控交易指标是否异常，提高了异常监控的准确性以异常定位的精度。
为了保证交易安全，维护正常的交易秩序，需要及时发现交易指标的异常并定位异常原因，因此，可以配合监控的时间粒度，及时对交易指标在最新的采样点处的取值进行监控，相应的，上述目标采样点是指采样序列中的最后一个采样点。例如，以每个自然日为单位对“支付成功率”进行监控，则目标采样点为当日。
应当指出的是，若对异常交易指标监控的实时性要求不高，则不需要实时对最新的采样点处的取值进行监控，则上述目标采样点可以是采样序列中任意采样点。
本说明书实施例中，为了提高交易指标监控的准确性，上述交易指标在各采样序列中非目标采样点处的取值可以为平滑值，其中，平滑值由实际值经平滑处理得到。
以上述采样序列{a1，a2……aN}为例，假设当前的目标采样点为aN，且之前已经对交易指标在采样点aN-1处的取值进行过异常判断，则采样点a1～aN-2处的取值在之前已经过平滑处理，在对当前的目标采样点处的取值进行异常判断时，不需要再次进行平滑处理，可以直接使用之前计算得到的平滑值；对于采样点aN-1处的取值，既可以计算其平滑值，也可以将之前计算的估计值作为平滑值。通过这种处理方式，可以降低运算量，提高处理效率。
但为了提高运算精度，从而保证异常监控的准确性，可以在每次异常监控时均重新计算平滑值。相应的，上述步骤202的具体实现方式可以是：按照设定时间间隔，在多组交易维值中的每组交易维值下分别获取交易指标在设定数量的采样点处的一组实际值；分别对每组实际值中除目标采样点处之外的其他采样处的实际值进行平滑处理。
以“支付成功率”这一交易指标、“英国+3DS验证通过”这组交易维值为例，设定时间间隔为1日，设定数量为30日，则获取“英国+3DS验证通过”下，连续30日内，每日的支付成功率的实际值，并对前29日的支付成功率的实际值进行平滑处理。
本说明书实施例不对平滑处理的具体实现方式进行限定，一种实现方式中，对每组实际值中除目标采样点之外的其他采样点处的实际值，分别计算平滑值；将每组交易维值下所述交易指标在所述其他采样点处的差值与本组交易维值对应的第一阈值进行比较，所述其他采样点处的差值为所述交易指标在同一其他采样点处的实际值与平滑值的差值，每组交易维值对应的第一阈值是根据本组交易维值下所述交易指标在多个采样点处的取值确定的；将所述差值超过第一阈值的实际值替换为平滑值。另一种实现方式中，不进行阈值判断，直接将每个采样点处的实际值替换为对应的平滑值。
其中，平滑值的计算方式有多种，例如，可以采用moving average(滑动均值滤波算法)、moving median(中值滤波算法)等滤波算法计算平滑值。
其中，第一阈值具体可以根据Adaptive K Sigma Threshold(自适应Kσ阈值)算法确定。
在上述任意方法实施例基础上，上述步骤204的实现方式具体可以是：针对每一采样序列，根据所述交易指标在本采样序列中除目标采样点之外的其他采样点处的取值计算所述交易指标在本采样序列中目标采样点处的估计值。应当指出的是，在计算交易指标在目标采样点处的估计值时，也可以结合交易指标在目标采样点处的实际值进行计算。
其中，估计值的具体计算方式有多种，其中一种实现方式中，针对每一采样序列，计算所述交易指标在本采样序列中的历史均值，所述历史均值为所述交易指标在本采样序列中除目标采样点之外的其他采样点处取值的均值；将所述交易指标在各个采样序列中的历史均值分别确定为本采样序列所述交易指标在本采样序列中目标采样点处的估计值。
在上述任意方法实施例的基础上，可选的，上述步骤206的实现方式可以是：将本组交易维值下所述交易指标在目标采样点处的差值与本组交易维值对应的第二阈值进行比较，所述目标采样点处的差值为所述交易指标在所述目标采样点处的实际值与估计值的差值，每组交易维值对应的第二阈值是根据本组交易维值下所述交易指标在多个采样点处的取值确定的；分别根据各组交易维值下的比较结果判断所述交易指标在本组交易维值下、在目标采样点处是否异常。
其中，第二阈值具体可以根据自适应Kσ阈值算法确定。
本说明书实施例中，考虑到实际值可能大于估计值(或平滑值)，也可能小于估计值，即差值可能是正数、也可能是负数，因此，第二阈值(或第一阈值)可以包括上边界值和下边界值。相应的，所谓差值超过第二阈值(或第一阈值)，是指差值在上边界值以上或者下边界值以下。
本说明书实施例中，可以可视化地展示上述异常提示信息，作为举例而非限定，如图4所示，可以通过曲线反映交易指标在各个采样点处的取值，并对异常的取值进行标记，还可以使用自然语言展示异常原因及结果。其中，自然语言是相对于程序语言而言的，可以是文字，也可以是易于理解的字符串。采用本说明书提供的方法，可能存在这样的情况：交易指标在不止一组交易维值下均出现异常。例如，在“国家＝英国”、“国家＝英国”且“3DS验证通过”这两组交易维值下，当日的支付成功率均异常。此时，为了更准确地反映异常原因，可以按照异常置信度对不同的异常原因进行排序。相应的，计算异常交易指标的取值的异常置信度；生成并发送多条按照所述异常置信度排序的异常提示信息，每条异常提示信息对应一个异常交易指标的取值和交易维值。
其中，可以对全部异常结果进行置信度计算，但仅对前K个异常结果进行推送和展示。
在上述任意方法实施例的基础上，本说明书实施例提供的方法还可以根据用户的反馈调整异常提示信息的排序。相应的，获取所述异常提示信息的反馈信息，所述反馈信息用于指示所述异常提示信息是否准确；根据所述反馈信息修改所述异常提示信息的排序。其具体实现方式可以但不仅限于：对于准确的异常提示信息，提高相应的异常置信度，对应错误的异常提示信息，降低相应的异常置信度或删除该错误的异常提示信息。
为了及时向相关用户告知交易指标的异常，还可以设置第三阈值，当交易指标在某组交易维值下的取值超过第三阈值，则向目标接收方发出告警信号。相应的，可以将异常取值及异常原因携带在告警信号中。
第二方面，本说明书实施例提供一种交易指标的监控装置，如图5所示，包括：
采样序列获取模块501，用于在交易数据的多组交易维值下分别获取所述交易数据的交易指标的采样序列，每组交易维值分别对应一个采样序列，一个采样序列包括所述交易指标在一组交易维值下、在设定数量的各采样点处的取值，所述交易指标在目标采样点处的取值为实际值；
估计值计算模块502，用于针对每一采样序列，分别根据本采样序列计算所述交易指标在本采样序列中的目标采样点处的估计值；
异常监控模块503，用于针对每一采样序列，通过比较所述交易指标在本采样序列中的目标采样点处的估计值与实际值判断所述交易指标在本采样序列对应的一组交易维值下、在目标采样点处是否异常，并进行异常提示。
可选的，所述交易指标在各采样序列中非目标采样点处的取值为平滑值，所述平滑值由实际值经平滑处理得到。
可选的，所述采样序列获取模块用于：
按照设定时间间隔，在所述多组交易维值中的每组交易维值下分别获取所述交易指标在设定数量的采样点处的一组实际值；
分别对每组实际值中除目标采样点处之外的其他采样处的实际值进行平滑处理。
可选的，所述分别对每组实际值中除目标采样点处之外的其他采样处的实际值进行平滑处理时，所述采样处理模块用于：
对每组实际值中除目标采样点之外的其他采样点处的实际值，分别计算平滑值；
将每组交易维值下所述交易指标在所述其他采样点处的差值与本组交易维值对应的第一阈值进行比较，所述其他采样点处的差值为所述交易指标在同一其他采样点处的实际值与平滑值的差值，每组交易维值对应的第一阈值是根据本组交易维值下所述交易指标在多个采样点处的取值确定的；
将所述差值超过第一阈值的实际值替换为平滑值。
基于上述任意装置实施例，可选的，所述目标采样点为采样序列中的最后一个采样点。
可选的，所述估计值计算模块用于：针对每一采样序列，根据所述交易指标在本采样序列中除目标采样点之外的其他采样点处的取值计算所述交易指标在本采样序列中目标采样点处的估计值。
可选的，所述估计值计算模块用于：针对每一采样序列，计算所述交易指标在本采样序列中的历史均值，所述历史均值为所述交易指标在本采样序列中除目标采样点之外的其他采样点处取值的均值；将所述交易指标在各个采样序列中的历史均值分别确定为本采样序列所述交易指标在本采样序列中目标采样点处的估计值。
可选的，所述异常监控模块用于：将每组交易维值下所述交易指标在目标采样点处的差值与本组交易维值对应的第二阈值进行比较，所述目标采样点处的差值为所述交易指标在所述目标采样点处的实际值与估计值的差值，每组交易维值对应的第二阈值是根据本组交易维值下所述交易指标在多个采样点处的取值确定的；分别根据各组交易维值下的比较结果判断所述交易指标在本组交易维值下、在目标采样点处是否异常。
可选的，本说明书实施例提供的装置还包括置信度计算模块，用于计算交易指标异常处的异常置信度；所述异常监控模块用于：生成并发送多条按照所述异常置信度排序的异常提示信息，每条异常提示信息对应一个交易指标异常处的目标采样点和交易维值。
可选的，本说明书实施例提供的装置还包括修正模块，用于：获取所述异常提示信息的反馈信息，所述反馈信息用于指示所述异常提示信息是否正确；根据所述反馈信息修改所述异常提示信息的排序。
第三方面，本说明书实施例提供一种交易指标的监控设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现上述任意实施例所述方法的步骤。
第四方面，本说明书实施例提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述任意实施例所述方法的步骤。
本说明书是参照根据本说明书实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的设备。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令设备的制造品，该指令设备实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本说明书的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本说明书范围的所有变更和修改。
显然，本领域的技术人员可以对本说明书进行各种改动和变型而不脱离本说明书的精神和范围。这样，倘若本说明书的这些修改和变型属于本说明书权利要求及其等同技术的范围之内，则本说明书也意图包含这些改动和变型在内。

Claims (22)

1.一种交易指标的监控方法，其特征在于，包括：
在交易数据的多组交易维值下分别获取所述交易数据的交易指标的采样序列，每组交易维值分别对应一个采样序列，一个采样序列包括所述交易指标在一组交易维值下、在设定数量的各采样点处的取值，所述交易指标在目标采样点处的取值为实际值；
针对每一采样序列，根据本采样序列计算所述交易指标在本采样序列中的目标采样点处的估计值；
针对每一采样序列，通过比较所述交易指标在本采样序列中的目标采样点处的估计值与实际值判断所述交易指标在本采样序列对应的一组交易维值下、在目标采样点处的取值是否异常，并进行异常提示。
2.根据权利要求1所述的方法，其特征在于，所述交易指标在各采样序列中非目标采样点处的取值为平滑值，所述平滑值由实际值经平滑处理得到。
3.根据权利要求2所述的方法，其特征在于，所述在交易数据的多组交易维值下分别获取所述交易数据的交易指标的采样序列，包括：
按照设定时间间隔，在所述多组交易维值中的每组交易维值下分别获取所述交易指标在设定数量的采样点处的一组实际值；
分别对每组实际值中除目标采样点处之外的其他采样处的实际值进行平滑处理。
4.根据权利要求3所述的方法，其特征在于，所述分别对每组实际值中除目标采样点处之外的其他采样处的实际值进行平滑处理，包括：
对每组实际值中除目标采样点之外的其他采样点处的实际值，分别计算平滑值；
将每组交易维值下所述交易指标在所述其他采样点处的差值与本组交易维值对应的第一阈值进行比较，所述其他采样点处的差值为所述交易指标在同一其他采样点处的实际值与平滑值的差值，每组交易维值对应的第一阈值是根据本组交易维值下所述交易指标在多个采样点处的取值确定的；
将所述差值超过第一阈值的实际值替换为平滑值。
5.根据权利要求1～4任一项所述的方法，其特征在于，所述目标采样点为采样序列中的最后一个采样点。
6.根据权利要求5所述的方法，其特征在于，所述针对每一采样序列，根据本采样序列计算所述交易指标在本采样序列中的目标采样点处的估计值，包括：
针对每一采样序列，根据所述交易指标在本采样序列中除目标采样点之外的其他采样点处的取值计算所述交易指标在本采样序列中目标采样点处的估计值。
7.根据权利要求6所述的方法，其特征在于，所述针对每一采样序列，根据所述交易指标在本采样序列中除目标采样点之外的其他采样点处的取值计算所述交易指标在本采样序列中目标采样点处的估计值，包括：
针对每一采样序列，计算所述交易指标在本采样序列中的历史均值，所述历史均值为所述交易指标在本采样序列中除目标采样点之外的其他采样点处取值的均值；
针对每一采样序列，将所述交易指标在本采样序列中的历史均值确定为本采样序列所述交易指标在本采样序列中目标采样点处的估计值。
8.根据权利要求5所述的方法，其特征在于，所述针对每一采样序列，通过比较所述交易指标在本采样序列中的目标采样点处的估计值与实际值判断所述交易指标在本采样序列对应的一组交易维值下、在目标采样点处是否异常，包括：
将每组交易维值下所述交易指标在目标采样点处的差值与本组交易维值对应的第二阈值进行比较，所述目标采样点处的差值为所述交易指标在所述目标采样点处的实际值与估计值的差值，每组交易维值对应的第二阈值是根据本组交易维值下所述交易指标在多个采样点处的取值确定的；
分别根据每组交易维值下的比较结果判断所述交易指标在本组交易维值下、在目标采样点处的取值是否异常。
9.根据权利要求5所述的方法，其特征在于，所述进行异常提示之前，该方法还包括：
计算异常的交易指标的取值的异常置信度；
进行异常提示，包括：
生成并发送多条按照所述异常置信度排序的异常提示信息，每条异常提示信息对应一个异常的交易指标的取值和对应的一组交易维值。
10.根据权利要求9所述的方法，其特征在于，该方法还包括：
获取所述异常提示信息的反馈信息，所述反馈信息用于指示所述异常提示信息是否准确；
根据所述反馈信息修改所述异常提示信息的排序。
11.一种交易指标的监控装置，其特征在于，包括：
采样序列获取模块，用于在交易数据的多组交易维值下分别获取所述交易数据的交易指标的采样序列，每组交易维值分别对应一个采样序列，一个采样序列包括所述交易指标在一组交易维值下、在设定数量的各采样点处的取值，所述交易指标在目标采样点处的取值为实际值；
估计值计算模块，用于针对每一采样序列，根据本采样序列计算所述交易指标在本采样序列中的目标采样点处的估计值；
异常监控模块，用于针对每一采样序列，通过比较所述交易指标在本采样序列中的目标采样点处的估计值与实际值判断所述交易指标在本采样序列对应的一组交易维值下、在目标采样点处的取值是否异常，并进行异常提示。
12.根据权利要求11所述的装置，其特征在于，所述交易指标在各采样序列中非目标采样点处的取值为平滑值，所述平滑值由实际值经平滑处理得到。
13.根据权利要求12所述的装置，其特征在于，所述采样序列获取模块用于：
按照设定时间间隔，在所述多组交易维值中的每组交易维值下分别获取所述交易指标在设定数量的采样点处的一组实际值；
分别对每组实际值中除目标采样点处之外的其他采样处的实际值进行平滑处理。
14.根据权利要求13所述的装置，其特征在于，所述分别对每组实际值中除目标采样点处之外的其他采样处的实际值进行平滑处理时，所述采样处理模块用于：
对每组实际值中除目标采样点之外的其他采样点处的实际值，分别计算平滑值；
将每组交易维值下所述交易指标在所述其他采样点处的差值与本组交易维值对应的第一阈值进行比较，所述其他采样点处的差值为所述交易指标在同一其他采样点处的实际值与平滑值的差值，每组交易维值对应的第一阈值是根据本组交易维值下所述交易指标在多个采样点处的取值确定的；
将所述差值超过第一阈值的实际值替换为平滑值。
15.根据权利要求11～14任一项所述的装置，其特征在于，所述目标采样点为采样序列中的最后一个采样点。
16.根据权利要求15所述的装置，其特征在于，所述估计值计算模块用于：
针对每一采样序列，根据所述交易指标在本采样序列中除目标采样点之外的其他采样点处的取值计算所述交易指标在本采样序列中目标采样点处的估计值。
17.根据权利要求16所述的装置，其特征在于，所述估计值计算模块用于：
针对每一采样序列，计算所述交易指标在本采样序列中的历史均值，所述历史均值为所述交易指标在本采样序列中除目标采样点之外的其他采样点处取值的均值；
针对每一采样序列，将所述交易指标在本采样序列中的历史均值确定为本采样序列所述交易指标在本采样序列中目标采样点处的估计值。
18.根据权利要求15所述的装置，其特征在于，所述异常监控模块用于：
将每组交易维值下所述交易指标在目标采样点处的差值与本组交易维值对应的第二阈值进行比较，所述目标采样点处的差值为所述交易指标在所述目标采样点处的实际值与估计值的差值，每组交易维值对应的第二阈值是根据本组交易维值下所述交易指标在多个采样点处的取值确定的；
分别根据每组交易维值下的比较结果判断所述交易指标在本组交易维值下、在目标采样点处的取值是否异常。
19.根据权利要求15所述的装置，其特征在于，还包括置信度计算模块，用于计算异常的交易指标的取值的异常置信度；
所述异常监控模块用于：生成并发送多条按照所述异常置信度排序的异常提示信息，每条异常提示信息对应一个异常的交易指标的取值和对应的一组交易维值。
20.根据权利要求19所述的装置，其特征在于，还包括修正模块，用于：
获取所述异常提示信息的反馈信息，所述反馈信息用于指示所述异常提示信息是否正确；
根据所述反馈信息修改所述异常提示信息的排序。
21.一种交易指标的监控设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现权利要求1～10任一项所述方法的步骤。
22.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～10中任一项所述的方法的步骤。
CN201810786573.XA 2018-07-17 2018-07-17 一种交易指标的监控方法、装置及设备 Active CN109035021B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201810786573.XA CN109035021B (zh) 2018-07-17 2018-07-17 一种交易指标的监控方法、装置及设备
TW108115732A TWI709932B (zh) 2018-07-17 2019-05-07 交易指標的監控方法、裝置及設備
PCT/CN2019/091027 WO2020015483A1 (zh) 2018-07-17 2019-06-13 一种交易指标的监控方法、装置及设备
SG11202010378PA SG11202010378PA (en) 2018-07-17 2019-06-13 Transaction indicator monitoring methods, apparatuses, and devices
US17/085,951 US11455640B2 (en) 2018-07-17 2020-10-30 Transaction indicator monitoring methods, apparatuses, and devices

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810786573.XA CN109035021B (zh) 2018-07-17 2018-07-17 一种交易指标的监控方法、装置及设备

Publications (2)

Publication Number Publication Date
CN109035021A true CN109035021A (zh) 2018-12-18
CN109035021B CN109035021B (zh) 2020-06-09

Family

ID=64643702

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810786573.XA Active CN109035021B (zh) 2018-07-17 2018-07-17 一种交易指标的监控方法、装置及设备

Country Status (5)

Country Link
US (1) US11455640B2 (zh)
CN (1) CN109035021B (zh)
SG (1) SG11202010378PA (zh)
TW (1) TWI709932B (zh)
WO (1) WO2020015483A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110597860A (zh) * 2019-09-12 2019-12-20 中国工商银行股份有限公司 数据识别方法及其装置、电子设备和介质
CN110706016A (zh) * 2019-08-23 2020-01-17 阿里巴巴集团控股有限公司 业务异常检测方法、装置及计算机可读存储介质
WO2020015483A1 (zh) * 2018-07-17 2020-01-23 阿里巴巴集团控股有限公司 一种交易指标的监控方法、装置及设备
CN110880128A (zh) * 2019-10-31 2020-03-13 支付宝(杭州)信息技术有限公司 异常信息挖掘方法、装置、***及终端设备
CN112598342A (zh) * 2021-03-05 2021-04-02 北京每日优鲜电子商务有限公司 用于数据展示设备的报警控制方法、装置、设备和介质
CN115905319A (zh) * 2022-11-16 2023-04-04 国网山东省电力公司营销服务中心(计量中心) 一种海量用户电费异常的自动识别方法及***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120005749A1 (en) * 2006-09-18 2012-01-05 Fair Isaac Corporation Generic Fraud Detection Model
CN104283934A (zh) * 2013-07-12 2015-01-14 ***通信集团重庆有限公司 一种基于可靠性预测的web服务推送方法、装置及服务器
CN104933080A (zh) * 2014-03-21 2015-09-23 ***通信集团湖北有限公司 一种确定异常数据的方法及装置
CN107491970A (zh) * 2017-08-17 2017-12-19 北京三快在线科技有限公司 实时反作弊检测监控方法和***以及计算设备
CN108269189A (zh) * 2017-07-05 2018-07-10 中国中投证券有限责任公司 指标数据监控方法、装置、存储介质和计算机设备
CN108282533A (zh) * 2018-01-29 2018-07-13 百度在线网络技术（北京）有限公司 智能监测方法、装置、可穿戴设备及服务器

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8306891B1 (en) * 2000-07-13 2012-11-06 C4Cast.Com, Inc. Potential-based asset comparison
EP1408324A4 (en) * 2001-07-12 2011-01-26 Nippon Steel Corp METHOD FOR PREDICTING THE CORROSION STRENGTH OF WEATHERPROOF STEEL
US6804627B1 (en) * 2002-12-31 2004-10-12 Emc Corporation System and method for gathering and analyzing database performance statistics
US10510025B2 (en) * 2008-02-29 2019-12-17 Fair Isaac Corporation Adaptive fraud detection
US20090292568A1 (en) * 2008-05-22 2009-11-26 Reza Khosravani Adaptive Risk Variables
WO2010141375A2 (en) * 2009-06-01 2010-12-09 Phatak Dhananjay S System, method, and apparata for secure communications using an electrical grid network
CN104348650B (zh) * 2013-08-05 2019-07-16 腾讯科技（深圳）有限公司 网站的监控方法、业务装置及***
US20150081543A1 (en) * 2013-09-16 2015-03-19 International Business Machines Corporation Analytics driven assessment of transactional risk daily limit exceptions
US20160253672A1 (en) * 2014-12-23 2016-09-01 Palantir Technologies, Inc. System and methods for detecting fraudulent transactions
CN107943809B (zh) * 2016-10-13 2022-02-01 阿里巴巴集团控股有限公司 数据质量监控方法、装置及大数据计算平台
CN107480703B (zh) * 2017-07-21 2020-12-15 创新先进技术有限公司 交易故障检测方法及装置
CN109035021B (zh) * 2018-07-17 2020-06-09 阿里巴巴集团控股有限公司 一种交易指标的监控方法、装置及设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120005749A1 (en) * 2006-09-18 2012-01-05 Fair Isaac Corporation Generic Fraud Detection Model
CN104283934A (zh) * 2013-07-12 2015-01-14 ***通信集团重庆有限公司 一种基于可靠性预测的web服务推送方法、装置及服务器
CN104933080A (zh) * 2014-03-21 2015-09-23 ***通信集团湖北有限公司 一种确定异常数据的方法及装置
CN108269189A (zh) * 2017-07-05 2018-07-10 中国中投证券有限责任公司 指标数据监控方法、装置、存储介质和计算机设备
CN107491970A (zh) * 2017-08-17 2017-12-19 北京三快在线科技有限公司 实时反作弊检测监控方法和***以及计算设备
CN108282533A (zh) * 2018-01-29 2018-07-13 百度在线网络技术（北京）有限公司 智能监测方法、装置、可穿戴设备及服务器

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020015483A1 (zh) * 2018-07-17 2020-01-23 阿里巴巴集团控股有限公司 一种交易指标的监控方法、装置及设备
US11455640B2 (en) 2018-07-17 2022-09-27 Advanced New Technologies Co., Ltd. Transaction indicator monitoring methods, apparatuses, and devices
CN110706016A (zh) * 2019-08-23 2020-01-17 阿里巴巴集团控股有限公司 业务异常检测方法、装置及计算机可读存储介质
CN110597860A (zh) * 2019-09-12 2019-12-20 中国工商银行股份有限公司 数据识别方法及其装置、电子设备和介质
CN110880128A (zh) * 2019-10-31 2020-03-13 支付宝(杭州)信息技术有限公司 异常信息挖掘方法、装置、***及终端设备
CN112598342A (zh) * 2021-03-05 2021-04-02 北京每日优鲜电子商务有限公司 用于数据展示设备的报警控制方法、装置、设备和介质
CN115905319A (zh) * 2022-11-16 2023-04-04 国网山东省电力公司营销服务中心(计量中心) 一种海量用户电费异常的自动识别方法及***
CN115905319B (zh) * 2022-11-16 2024-04-19 国网山东省电力公司营销服务中心(计量中心) 一种海量用户电费异常的自动识别方法及***

Also Published As

Publication number Publication date
WO2020015483A1 (zh) 2020-01-23
US20210049609A1 (en) 2021-02-18
TWI709932B (zh) 2020-11-11
TW202006646A (zh) 2020-02-01
US11455640B2 (en) 2022-09-27
CN109035021B (zh) 2020-06-09
SG11202010378PA (en) 2020-11-27

Similar Documents

Publication Publication Date Title
CN109035021A (zh) 一种交易指标的监控方法、装置及设备
US11093908B2 (en) Routing transactions to a priority processing network based on routing rules
Xiu Hermite polynomial based expansion of European option prices
CN105740667B (zh) 一种基于用户行为的信息识别方法及装置
JP2020522774A (ja) サーバ、金融時系列データの処理方法及び記憶媒体
CN104680250B (zh) 一种位置预测***
CN109118224A (zh) 区块链网络的工作量证明方法、装置、介质及电子设备
CN109377389A (zh) 一种缴费提醒方法、服务器及计算机可读存储介质
CN110929799A (zh) 用于检测异常用户的方法、电子设备和计算机可读介质
CN112685774B (zh) 基于大数据和区块链金融的支付数据处理方法及云服务器
CN106503420A (zh) 医院多方对账评估与监管***及方法
CN109658643A (zh) 支付风险告警方法、服务器及智能pos
KR20190021406A (ko) 1차 지불 수단의 확대를 가능하게 하는 방법 및 디바이스
CN111539807A (zh) 转账方法及装置
CN114971893B (zh) 一种贷款抵扣方式灵活配置方法及***
CN111681044A (zh) 积分兑换作弊行为处理方法及装置
CN116228431A (zh) 一种异常交易账户确定方法、装置及电子设备
US20180276749A1 (en) Multi-disciplinary comprehensive real-time trading signal within a designated time frame
CN114925275A (zh) 产品推荐方法、装置、计算机设备及存储介质
CN110263803A (zh) 样本数据的处理方法、装置、服务器和存储介质
US12008586B2 (en) Systems for predicting activity distribution across mediums and methods thereof
CN111429257B (zh) 一种交易监控方法和装置
KR101505947B1 (ko) 금융상품의 벤치마크정보 생성서버 및 생성방법
CN113129003A (zh) 二维码支付控制方法及装置
EP3273399A1 (en) Point exchange system and point exchange method

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20200924

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

Patentee after: Innovative advanced technology Co.,Ltd.

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

Patentee before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200924

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

Patentee after: Advanced innovation technology Co.,Ltd.

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

Patentee before: Alibaba Group Holding Ltd.

TR01 Transfer of patent right