CN110555589A - 风险订单识别方法及装置 - Google Patents
风险订单识别方法及装置 Download PDFInfo
- Publication number
- CN110555589A CN110555589A CN201910700277.8A CN201910700277A CN110555589A CN 110555589 A CN110555589 A CN 110555589A CN 201910700277 A CN201910700277 A CN 201910700277A CN 110555589 A CN110555589 A CN 110555589A
- Authority
- CN
- China
- Prior art keywords
- order
- person
- transaction order
- transaction
- rule
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000003672 processing method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 abstract description 16
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001680 brushing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Security & Cryptography (AREA)
- Educational Administration (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开一种风险订单识别方法及装置，涉及订单识别技术领域，能够准确、高效的识别出内部员工恶意刷单行为。该方法包括：统计团队中每个员工的个体信息及关联的亲朋信息，信息包括姓名、手机号、常住地址、身份证号、银行***、会员账户、电子支付账号中的一种或多种；获取订单交易数据，基于每笔交易订单的下单人信息和收货人信息，判断该笔交易订单的所属人；当判断结果中所属人为员工或者员工关联的亲朋，且累计交易订单数量超过阈值时则认为该员工存在风险订单交易行为。该装置应用有上述方案所提的方法。
Description
技术领域
本发明涉及订单识别技术领域，尤其涉及一种风险订单识别方法及装置。
背景技术
企业在日常经营中，其面临的风险既有外部风险也有内部风险，其中内部风险常见形式有内部成员出现舞弊行为，所谓的舞弊行为指利用所掌握的权力、业务知识、操作技术及内部管理制度的漏洞，通过不履行或不正确履行职务而给公司造成重大资金损失的行为，如电商平台内部员工的恶意刷单行为。
对于内部员工恶意刷单的违规事件，不仅给公司带来了巨大的经济损失，也严重损害了公司的信誉和社会形象，因此，如何有效、准确的识别内部员工的订单交易风险行为，是杜绝此类事件发生的先行条件，传统的风险订单识别方法主要依靠人工识别，具有识别效率低和准确率低的缺陷。
发明内容
本发明的目的在于提供一种风险订单识别方法，能够准确、高效的识别出内部员工恶意刷单行为。
为了实现上述目的，本发明的一方面提供一种风险订单识别方法，包括：
统计团队中每个员工的个体信息及关联的亲朋信息，所述信息包括姓名、手机号、常住地址、身份证号、银行***、会员账户、电子支付账号中的一种或多种；
获取订单交易数据，基于每笔交易订单的下单人信息和收货人信息，判断该笔交易订单的所属人；
当判断结果中所属人为员工或者员工关联的亲朋，且累计交易订单数量超过阈值时则认为该员工存在风险订单交易行为。
优选地，在获取订单交易数据，基于每笔交易订单的下单人信息和收货人信息，判断该笔交易订单的所属人之前还包括：
预设判断所属人的链路规则及各链路规则对应的所属分值。
较佳地，所述链路规则包括：
基于姓名规则，判定交易订单中下单会员账户的所属人姓名和收货人姓名是否一致，若一致则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于常住地址规则，判定交易订单中下单会员账户的所属人常住地址和收货人常住地址是否一致，若一致则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于手机号规则，判定交易订单中下单会员账户所属手机号实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于身份证号规则，判定交易订单中下单会员账户所属身份证号实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于银行***规则，判定交易订单中下单会员账户所属银行***实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于电子支付账号规则，判定交易订单中下单会员账户绑定的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人。
较佳地，链路规则对应的所属分值包括：
基于身份证号规则和银行***规则的判断维度为完全可信维度，对应所属分值为1000000；
基于手机号规则的判断维度为高可信维度，对应所属分值为1000；
基于电子支付账号规则的判断维度为中可信维度，对应所属分值为1；
基于姓名规则和常住地址规则的判断维度为低可信维度，对应所属分值为0.001。
进一步地，基于每笔交易订单的下单人信息和收货人信息，判断该笔交易订单的所属人的方法包括：
基于每笔交易订单的下单人信息和收货人信息，采用并行处理方法分别对每种链路规则的交易订单进行判断，对应得到多组所属分值；
统计每组下单人和收货人的判断结果，分别汇总下单人和收货人在各组的得分值；
当下单人的汇总得分值大于收货人的汇总得分值，则判断结果为该笔交易订单的所属人为下单人，否则判断结果为该笔交易订单的所属人为收货人。
与现有技术相比，本发明提供的风险订单识别方法具有以下有益效果：
本发明提供的风险订单识别方法中，通过预先采集团队中每个员工的个体信息以及关联的亲朋信息，然后基于每笔交易订单的下单人信息和收货人信息，判断该笔交易订单的所属人，并在判断结果中所属人为员工或者员工关联的亲朋，且累计交易订单数量超过阈值时则认为该员工存在风险订单交易行为，也即该员工疑似存在刷单行为，由于上述信息包括有与身份相关的姓名、手机号、常住地址、身份证号、银行***、会员账户、电子支付账号共计7个维度的数据，因此在数据统计分析的过程中，可以高效获得精确的风险识别结果。
本发明的另一方面提供一种风险订单识别装置，应用有上述技术方案提到的风险订单识别方法，该装置包括:
信息统计单元，用于统计团队中每个员工的个体信息及关联的亲朋信息，所述信息包括姓名、手机号、常住地址、身份证号、银行***、会员账户、电子支付账号中的一种或多种；
判断单元，用于获取订单交易数据，基于每笔交易订单的下单人信息和收货人信息，判断该笔交易订单的所属人；
风险识别单元，用于当判断结果中所属人为员工或者员工关联的亲朋，且累计交易订单数量超过阈值时则认为该员工存在风险订单交易行为。
优选地，在信息统计单元和判断单元之间还包括：
设置单元，用于预设判断所属人的链路规则及各链路规则对应的所属分值。
较佳地，所述设置单元包括规则设置模块和分值设置模块：
所述规则模块设置的链路规则为：
基于姓名规则，判定交易订单中下单会员账户的所属人姓名和收货人姓名是否一致，若一致则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于常住地址规则，判定交易订单中下单会员账户的所属人常住地址和收货人常住地址是否一致，若一致则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于手机号规则，判定交易订单中下单会员账户所属手机号实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于身份证号规则，判定交易订单中下单会员账户所属身份证号实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于银行***规则，判定交易订单中下单会员账户所属银行***实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于电子支付账号规则，判定交易订单中下单会员账户绑定的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；
所述分值设置模块基于链路规则设置的对应所属分值为：
基于身份证号规则和银行***规则的判断维度为完全可信维度，对应所属分值为1000000；
基于手机号规则的判断维度为高可信维度，对应所属分值为1000；
基于电子支付账号规则的判断维度为中可信维度，对应所属分值为1；
基于姓名规则和常住地址规则的判断维度为低可信维度，对应所属分值为0.001。
优选地，所述判断单元包括：
并行处理模块，用于基于每笔交易订单的下单人信息和收货人信息，采用并行处理方法分别对每种链路规则的交易订单进行判断，对应得到多组所属分值；
统计汇总模块，用于统计每组下单人和收货人的判断结果，分别汇总下单人和收货人在各组的得分值；
结果判断模块，用于当下单人的汇总得分值大于收货人的汇总得分值，则判断结果为该笔交易订单的所属人为下单人，否则判断结果为该笔交易订单的所属人为收货人。
与现有技术相比，本发明提供的风险订单识别装置的有益效果与上述技术方案提供的风险订单识别方法的有益效果相同，在此不做赘述。
本发明的第三方面提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述风险订单识别方法的步骤。
与现有技术相比，本发明提供的计算机可读存储介质的有益效果与上述技术方案提供的风险订单识别方法的有益效果相同，在此不做赘述。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例一中风险订单识别方法的流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，均属于本发明保护的范围。
实施例一
请参阅图1，本实施例提供一种风险订单识别方法，统计团队中每个员工的个体信息及关联的亲朋信息，上述信息包括姓名、手机号、常住地址、身份证号、银行***、会员账户、电子支付账号中的一种或多种；获取订单交易数据，基于每笔交易订单的下单人信息和收货人信息，判断该笔交易订单的所属人；当判断结果中所属人为员工或者员工关联的亲朋，且累计交易订单数量超过阈值时则认为该员工存在风险订单交易行为。
本实施例提供的风险订单识别方法中，通过预先采集团队中每个员工的个体信息以及关联的亲朋信息，然后基于每笔交易订单的下单人信息和收货人信息，判断该笔交易订单的所属人，并在判断结果中所属人为员工或者员工关联的亲朋，且累计交易订单数量超过阈值时则认为该员工存在风险订单交易行为，也即该员工疑似存在刷单行为，由于上述信息包括有与身份相关的姓名、手机号、常住地址、身份证号、银行***、会员账户、电子支付账号共计7个维度的数据，因此在数据统计分析的过程中，可以高效获得精确的风险识别结果。
需要说明的是，本实施例不对上述维度信息的应用数量进行限制，实际使用中用户可根据需求适当增减与自身需求匹配的维度信息。
请继续参阅图1，上述实施例中在获取订单交易数据，基于每笔交易订单的下单人信息和收货人信息，判断该笔交易订单的所属人之前还包括：
预设判断所属人的链路规则及各链路规则对应的所属分值。
其中，链路规则包括：
基于姓名规则，判定交易订单中下单会员账户的所属人姓名和收货人姓名是否一致，若一致则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，基于常住地址规则，判定交易订单中下单会员账户的所属人常住地址和收货人常住地址是否一致，若一致则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，基于手机号规则，判定交易订单中下单会员账户所属手机号实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，基于身份证号规则，判定交易订单中下单会员账户所属身份证号实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，基于银行***规则，判定交易订单中下单会员账户所属银行***实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，基于电子支付账号规则，判定交易订单中下单会员账户绑定的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人。
链路规则对应的所属分值包括：
基于身份证号规则和银行***规则的判断维度为完全可信维度，对应所属分值为1000000；基于手机号规则的判断维度为高可信维度，对应所属分值为1000；基于电子支付账号规则的判断维度为中可信维度，对应所属分值为1；基于姓名规则和常住地址规则的判断维度为低可信维度，对应所属分值为0.001。可以理解的是，上述所属分值相当于链路规则的对应得分权重，实际应用时，可根据确认身份信息的难易程度自由设置对应分值，本实施对此不做赘述。例如，身份证号具有身份识别的唯一性，能够准确识别出身份信息，故对应所属分值最高为1000000，而常住地址可以随意设置灵活变换，不能够准确的识别出身份信息，故对应所属分值最小为0.001。
上述实施例中基于每笔交易订单的下单人信息和收货人信息，判断该笔交易订单的所属人的方法包括：
基于每笔交易订单的下单人信息和收货人信息，采用并行处理方法分别对每种链路规则的交易订单进行判断，对应得到多组所属分值；统计每组下单人和收货人的判断结果，分别汇总下单人和收货人在各组的得分值；当下单人的汇总得分值大于收货人的汇总得分值，则判断结果为该笔交易订单的所属人为下单人，否则判断结果为该笔交易订单的所属人为收货人。
为了便于理解，现对上述规则应用场景做示例性说明：
员工A(会员编码1)使用员工B(会员编码2)的会员账户下了一个订单，订单交易数据包含：订单号、会员账户(会员编码2的会员账户)，收货人电话(员工A的手机号)，收货地址(员工A的常住地址)，电子支付账号信息(员工A的电子支付账号)，付款银行卡信息(员工A的银行***)。
基于姓名规则，由于收货人为员工A的姓名，故判定该笔交易订单的所属人为员工A，判断维度为低可信维度，对应所属分值为0.001；
基于手机号规则，由于收货人电话为员工A的手机号，故判定该笔交易订单的所属人为员工A，判断维度为高可信维度，对应所属分值为10000；
基于电子支付账号规则，由于电子支付账号信息为员工A的电子支付账号，故判定该笔交易订单的所属人为员工A，判断维度为中可信维度，对应所属分值为1；
基于银行***规则，由于付款银行卡信息为员工A的银行***，故判定该笔交易订单的所属人为员工A，判断维度为完全可信维度，对应所属分值为1000000；
基于常住地址规则，由于收货地址为员工A的常住地址，故判定该笔交易订单的所属人为员工A，判断维度为低可信维度，对应所属分值为0.001；
基于身份证号规则，由于会员账户对应的开户身份证号为员工B的身份证号，故判定该笔交易订单的所属人为员工B，判断维度为完全可信维度，对应所属分值为1000000。
综上，员工A的累计得分大于员工B的累计得分，故判定该笔交易订单的所属人为员工A。
实施例二
本实施例提供一种风险订单识别装置，包括：
信息统计单元，用于统计团队中每个员工的个体信息及关联的亲朋信息，信息包括姓名、手机号、常住地址、身份证号、银行***、会员账户、电子支付账号中的一种或多种；
判断单元，用于获取订单交易数据，基于每笔交易订单的下单人信息和收货人信息，判断该笔交易订单的所属人；
风险识别单元，用于当判断结果中所属人为员工或者员工关联的亲朋，且累计交易订单数量超过阈值时则认为该员工存在风险订单交易行为。
在信息统计单元和判断单元之间还包括：
设置单元，用于预设判断所属人的链路规则及各链路规则对应的所属分值。
设置单元包括规则设置模块和分值设置模块：
规则模块设置的链路规则为：
基于姓名规则，判定交易订单中下单会员账户的所属人姓名和收货人姓名是否一致，若一致则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于常住地址规则，判定交易订单中下单会员账户的所属人常住地址和收货人常住地址是否一致，若一致则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于手机号规则，判定交易订单中下单会员账户所属手机号实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于身份证号规则，判定交易订单中下单会员账户所属身份证号实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于银行***规则，判定交易订单中下单会员账户所属银行***实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于电子支付账号规则，判定交易订单中下单会员账户绑定的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；
分值设置模块基于链路规则设置的对应所属分值为：
基于身份证号规则和银行***规则的判断维度为完全可信维度，对应所属分值为1000000；
基于手机号规则的判断维度为高可信维度，对应所属分值为1000；
基于电子支付账号规则的判断维度为中可信维度，对应所属分值为1；
基于姓名规则和常住地址规则的判断维度为低可信维度，对应所属分值为0.001。
与现有技术相比，本发明实施例提供的风险订单识别装置的有益效果与上述实施例一提供的风险订单识别方法的有益效果相同，在此不做赘述。
实施例三
本实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述风险订单识别方法的步骤。
与现有技术相比，本实施例提供的计算机可读存储介质的有益效果与上述技术方案提供的风险订单识别方法的有益效果相同，在此不做赘述。
本领域普通技术人员可以理解，实现上述发明方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，上述程序可以存储于计算机可读取存储介质中，该程序在执行时，包括上述实施例方法的各步骤，而的存储介质可以是：ROM/RAM、磁碟、光盘、存储卡等。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种风险订单识别方法，其特征在于，包括：
统计团队中每个员工的个体信息及关联的亲朋信息，所述信息包括姓名、手机号、常住地址、身份证号、银行***、会员账户、电子支付账号中的一种或多种；
获取订单交易数据，基于每笔交易订单的下单人信息和收货人信息，判断该笔交易订单的所属人；
当判断结果中所属人为员工或者员工关联的亲朋，且累计交易订单数量超过阈值时则认为该员工存在风险订单交易行为。
2.根据权利要求1所述的风险订单识别方法，其特征在于，在获取订单交易数据，基于每笔交易订单的下单人信息和收货人信息，判断该笔交易订单的所属人之前还包括：
预设判断所属人的链路规则及各链路规则对应的所属分值。
3.根据权利要求2所述的风险订单识别方法，其特征在于，所述链路规则包括：
基于姓名规则，判定交易订单中下单会员账户的所属人姓名和收货人姓名是否一致，若一致则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于常住地址规则，判定交易订单中下单会员账户的所属人常住地址和收货人常住地址是否一致，若一致则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于手机号规则，判定交易订单中下单会员账户所属手机号实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于身份证号规则，判定交易订单中下单会员账户所属身份证号实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于银行***规则，判定交易订单中下单会员账户所属银行***实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于电子支付账号规则，判定交易订单中下单会员账户绑定的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人。
4.根据权利要求3所述的风险订单识别方法，其特征在于，链路规则对应的所属分值包括：
基于身份证号规则和银行***规则的判断维度为完全可信维度，对应所属分值为1000000；
基于手机号规则的判断维度为高可信维度，对应所属分值为1000；
基于电子支付账号规则的判断维度为中可信维度，对应所属分值为1；
基于姓名规则和常住地址规则的判断维度为低可信维度，对应所属分值为0.001。
5.根据权利要求4所述的风险订单识别方法，其特征在于，基于每笔交易订单的下单人信息和收货人信息，判断该笔交易订单的所属人的方法包括：
基于每笔交易订单的下单人信息和收货人信息，采用并行处理方法分别对每种链路规则的交易订单进行判断，对应得到多组所属分值；
统计每组下单人和收货人的判断结果，分别汇总下单人和收货人在各组的得分值；
当下单人的汇总得分值大于收货人的汇总得分值，则判断结果为该笔交易订单的所属人为下单人，否则判断结果为该笔交易订单的所属人为收货人。
6.一种风险订单识别装置，其特征在于，包括：
信息统计单元，用于统计团队中每个员工的个体信息及关联的亲朋信息，所述信息包括姓名、手机号、常住地址、身份证号、银行***、会员账户、电子支付账号中的一种或多种；
判断单元，用于获取订单交易数据，基于每笔交易订单的下单人信息和收货人信息，判断该笔交易订单的所属人；
风险识别单元，用于当判断结果中所属人为员工或者员工关联的亲朋，且累计交易订单数量超过阈值时则认为该员工存在风险订单交易行为。
7.根据权利要求6所述的风险订单识别装置，其特征在于，在信息统计单元和判断单元之间还包括：
设置单元，用于预设判断所属人的链路规则及各链路规则对应的所属分值。
8.根据权利要求7所述的风险订单识别装置，其特征在于，所述设置单元包括规则设置模块和分值设置模块：
所述规则模块设置的链路规则为：
基于姓名规则，判定交易订单中下单会员账户的所属人姓名和收货人姓名是否一致，若一致则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于常住地址规则，判定交易订单中下单会员账户的所属人常住地址和收货人常住地址是否一致，若一致则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于手机号规则，判定交易订单中下单会员账户所属手机号实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于身份证号规则，判定交易订单中下单会员账户所属身份证号实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于银行***规则，判定交易订单中下单会员账户所属银行***实名的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；和/或，
基于电子支付账号规则，判定交易订单中下单会员账户绑定的电子支付账号是否对应支付了该笔交易订单，若结果为是则认为下单人为该笔交易订单的所属人，否则认为收货人为该笔交易订单的所属人；
所述分值设置模块基于链路规则设置的对应所属分值为：
基于身份证号规则和银行***规则的判断维度为完全可信维度，对应所属分值为1000000；
基于手机号规则的判断维度为高可信维度，对应所属分值为1000；
基于电子支付账号规则的判断维度为中可信维度，对应所属分值为1；
基于姓名规则和常住地址规则的判断维度为低可信维度，对应所属分值为0.001。
9.根据权利要求8所述的风险订单识别装置，其特征在于，所述判断单元包括：
并行处理模块，用于基于每笔交易订单的下单人信息和收货人信息，采用并行处理方法分别对每种链路规则的交易订单进行判断，对应得到多组所属分值；
统计汇总模块，用于统计每组下单人和收货人的判断结果，分别汇总下单人和收货人在各组的得分值；
结果判断模块，用于当下单人的汇总得分值大于收货人的汇总得分值，则判断结果为该笔交易订单的所属人为下单人，否则判断结果为该笔交易订单的所属人为收货人。
10.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，计算机程序被处理器运行时执行上述权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910700277.8A CN110555589A (zh) | 2019-07-31 | 2019-07-31 | 风险订单识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910700277.8A CN110555589A (zh) | 2019-07-31 | 2019-07-31 | 风险订单识别方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110555589A true CN110555589A (zh) | 2019-12-10 |
Family
ID=68736921
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910700277.8A Pending CN110555589A (zh) | 2019-07-31 | 2019-07-31 | 风险订单识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110555589A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111985907A (zh) * | 2020-09-03 | 2020-11-24 | 广州星程信息技术有限公司 | 旅业快速入住识别判断*** |
| CN112116284A (zh) * | 2020-03-27 | 2020-12-22 | 上海寻梦信息技术有限公司 | 虚假运单的识别方法、***、电子设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060229996A1 (en) * | 2005-04-11 | 2006-10-12 | I4 Licensing Llc | Consumer processing system and method |
| CN107305665A (zh) * | 2016-04-19 | 2017-10-31 | 李辉 | 一种鉴别虚假交易、防止刷单的方法及装置 |
| CN107492021A (zh) * | 2017-08-28 | 2017-12-19 | 武汉奇米网络科技有限公司 | 订单来源分析方法及装置 |
| CN107506921A (zh) * | 2017-08-14 | 2017-12-22 | 上海携程商务有限公司 | 订单风险识别方法、***、存储介质和电子设备 |
| CN107958382A (zh) * | 2017-12-06 | 2018-04-24 | 北京小度信息科技有限公司 | 异常行为识别方法、装置、电子设备及存储介质 |
| CN108564448A (zh) * | 2018-04-23 | 2018-09-21 | 广东奥园奥买家电子商务有限公司 | 一种订单防刷的实现方法 |
| CN109308665A (zh) * | 2018-09-14 | 2019-02-05 | 上海陌远网络科技有限公司 | 一种基于大数据分析的电子商务金融平台 |
| CN109446276A (zh) * | 2018-09-19 | 2019-03-08 | 平安科技（深圳）有限公司 | 基于关系数据模型的订单拦截方法、装置、设备及介质 |
| CN109636413A (zh) * | 2018-11-23 | 2019-04-16 | 杭州优行科技有限公司 | 一种存储介质、服务器、刷单行为识别方法及装置 |
| CN109978538A (zh) * | 2017-12-28 | 2019-07-05 | 阿里巴巴集团控股有限公司 | 确定欺诈用户、训练模型、识别欺诈风险的方法及装置 |
-
2019
- 2019-07-31 CN CN201910700277.8A patent/CN110555589A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060229996A1 (en) * | 2005-04-11 | 2006-10-12 | I4 Licensing Llc | Consumer processing system and method |
| CN107305665A (zh) * | 2016-04-19 | 2017-10-31 | 李辉 | 一种鉴别虚假交易、防止刷单的方法及装置 |
| CN107506921A (zh) * | 2017-08-14 | 2017-12-22 | 上海携程商务有限公司 | 订单风险识别方法、***、存储介质和电子设备 |
| CN107492021A (zh) * | 2017-08-28 | 2017-12-19 | 武汉奇米网络科技有限公司 | 订单来源分析方法及装置 |
| CN107958382A (zh) * | 2017-12-06 | 2018-04-24 | 北京小度信息科技有限公司 | 异常行为识别方法、装置、电子设备及存储介质 |
| CN109978538A (zh) * | 2017-12-28 | 2019-07-05 | 阿里巴巴集团控股有限公司 | 确定欺诈用户、训练模型、识别欺诈风险的方法及装置 |
| CN108564448A (zh) * | 2018-04-23 | 2018-09-21 | 广东奥园奥买家电子商务有限公司 | 一种订单防刷的实现方法 |
| CN109308665A (zh) * | 2018-09-14 | 2019-02-05 | 上海陌远网络科技有限公司 | 一种基于大数据分析的电子商务金融平台 |
| CN109446276A (zh) * | 2018-09-19 | 2019-03-08 | 平安科技（深圳）有限公司 | 基于关系数据模型的订单拦截方法、装置、设备及介质 |
| CN109636413A (zh) * | 2018-11-23 | 2019-04-16 | 杭州优行科技有限公司 | 一种存储介质、服务器、刷单行为识别方法及装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112116284A (zh) * | 2020-03-27 | 2020-12-22 | 上海寻梦信息技术有限公司 | 虚假运单的识别方法、***、电子设备及存储介质 |
| CN112116284B (zh) * | 2020-03-27 | 2021-04-13 | 上海寻梦信息技术有限公司 | 虚假运单的识别方法、***、电子设备及存储介质 |
| CN111985907A (zh) * | 2020-09-03 | 2020-11-24 | 广州星程信息技术有限公司 | 旅业快速入住识别判断*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109242261B (zh) | 基于大数据评估保全风险的方法及终端设备 | |
| CN112507936B (zh) | 图像信息审核方法、装置、电子设备及可读存储介质 | |
| CN109345417B (zh) | 基于身份认证的业务人员的在线考核方法及终端设备 | |
| CN109034583A (zh) | 异常交易识别方法、装置及电子设备 | |
| CN109087187A (zh) | 一种企业财务移动无纸化报销管理*** | |
| CN113989019A (zh) | 识别风险的方法、装置、设备及存储介质 | |
| CN110766278A (zh) | 一种自动化招标方法、装置及终端设备 | |
| CN110555589A (zh) | 风险订单识别方法及装置 | |
| CN108737138B (zh) | 服务提供方法及服务平台 | |
| CN109450963B (zh) | 消息推送方法及终端设备 | |
| Wu et al. | Early warning of risks in cross-border mobile payments | |
| CN111126844A (zh) | 涉众型风险企业的评估方法、装置、设备及存储介质 | |
| CN110991650A (zh) | 训练养卡识别模型、识别养卡行为的方法及装置 | |
| CN113888278A (zh) | 基于企业信用额度分析模型的数据分析方法及装置 | |
| CN110020795A (zh) | 用于基金收益发放风险控制的方法及装置 | |
| Parker | Computer abuse perpetrators and vulnerabilities of computer systems | |
| CN110348983B (zh) | 交易信息管理方法及装置、电子设备和非暂态存储介质 | |
| Chen et al. | Online deception investigation: Content analysis and cross-cultural comparison | |
| CN110322251A (zh) | 电子商务平台认证方法、装置、计算机设备及存储介质 | |
| CN116342305A (zh) | 一种差旅费报销方法、装置、计算机设备及存储介质 | |
| CN109919414A (zh) | P2p网络借贷平台风险分析方法、装置及存储介质 | |
| CN105354740A (zh) | 建立个人信用信息数据库的方法及装置 | |
| CN110570301B (zh) | 风险识别方法、装置、设备及介质 | |
| CN114281867A (zh) | 数据关联方法、设备、存储介质及程序产品 | |
| Huang et al. | Fraud payment research: payment through credit car |
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: 20191210 |