CN111815331A - 一种未成年人支付行为的识别方法和装置 - Google Patents
一种未成年人支付行为的识别方法和装置 Download PDFInfo
- Publication number
- CN111815331A CN111815331A CN202010920463.5A CN202010920463A CN111815331A CN 111815331 A CN111815331 A CN 111815331A CN 202010920463 A CN202010920463 A CN 202010920463A CN 111815331 A CN111815331 A CN 111815331A
- Authority
- CN
- China
- Prior art keywords
- payment
- party
- user
- service
- recognition
- 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
Images
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
- G06Q20/38—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
- G06Q20/4014—Identity check for transactions
-
- 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
- G06Q20/3829—Payment protocols; Details thereof insuring higher security of transaction involving key management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Computer Security & Cryptography (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
说明书披露一种未成年人支付行为的识别方法和装置。一种未成年人支付行为的识别方法,基于业务方、支付方和协作方联合训练得到的识别模型实现对未成年人支付行为的识别,业务方部署有第一识别子模型,支付方部署有第二识别子模型,包括:响应于用户发起的支付请求,业务方获取用户的业务特征,并将业务特征输入所述第一识别子模型,得到业务识别结果;业务方将业务识别结果发送给协作方;响应于支付请求,支付方获取用户的支付特征,并将支付特征输入所述第二识别子模型,得到支付识别结果;支付方将支付识别结果发送给协作方;协作方根据业务识别结果和支付识别结果,确定用户的支付行为是否为未成年人支付行为。
Description
技术领域
本说明书涉及人工智能领域,特别涉及一种未成年人支付行为的识别方法和装置。
背景技术
随着游戏行业、数娱行业的不断发展,各种各样的活动、玩法层出不穷,一些未成年人可能会在这些活动中大量充值、消费,不利于自身的身心健康。在这种情况下,支付平台有必要对用户发起的支付行为进行识别,然而相关技术中往往无法准确地识别出支付行为是否为未成年人发起。
发明内容
有鉴于此,本说明书提供一种未成年人支付行为的识别方法和装置。
具体地,本说明书是通过如下技术方案实现的:
一种未成年人支付行为的识别方法,基于业务方、支付方和协作方联合训练得到的识别模型实现对未成年人支付行为的识别,其中,所述业务方部署有第一识别子模型,所述支付方部署有第二识别子模型,所述方法包括:
响应于用户发起的支付请求,业务方获取用户的业务特征,并将所述业务特征输入所述第一识别子模型,得到业务识别结果;
业务方将所述业务识别结果发送给协作方;
响应于所述支付请求,支付方获取用户的支付特征,并将所述支付特征输入所述第二识别子模型,得到支付识别结果;
支付方将所述支付识别结果发送给协作方;
协作方根据所述业务识别结果和所述支付识别结果,确定用户的支付行为是否为未成年人支付行为。
一种未成年人支付行为的识别方法,基于业务方、支付方和协作方联合训练得到的识别模型实现对未成年人支付行为的识别,其中,所述业务方部署有第一识别子模型,所述支付方部署有第二识别子模型,所述方法应用于支付方,所述方法包括:
响应于用户发起的支付请求,获取所述用户的支付特征;
将所述支付特征输入所述第二识别子模型中,得到支付识别结果;
将所述支付识别结果发送给协作方,以使协作方基于所述支付识别结果和所述业务方发送的业务识别结果,确定用户的支付行为是否为未成年人支付行为;
其中,所述业务识别结果为所述业务方响应于所述支付请求获取用户的业务特征,并将所述业务特征输入所述第一识别子模型得到。
一种未成年人支付行为的识别装置,基于业务方、支付方和协作方联合训练得到的识别模型实现对未成年人支付行为的识别,其中,所述业务方部署有第一识别子模型,所述支付方部署有第二识别子模型,所述装置应用于支付方,所述装置包括:
获取单元,响应于用户发起的支付请求,获取所述用户的支付特征;
输入单元,将所述支付特征输入所述第二识别子模型中,得到支付识别结果;
发送单元,将所述支付识别结果发送给协作方,以使协作方基于所述支付识别结果和所述业务方发送的业务识别结果,确定用户的支付行为是否为未成年人支付行为;
其中,所述业务识别结果为所述业务方响应于所述支付请求获取用户的业务特征,并将所述业务特征输入所述第一识别子模型得到。
一种未成年人支付行为的识别装置,基于业务方、支付方和协作方联合训练得到的识别模型实现对未成年人支付行为的识别,其中,所述业务方部署有第一识别子模型,所述支付方部署有第二识别子模型,所述装置应用于支付方,所述装置包括:
处理器;
用于存储机器可执行指令的存储器;
其中,通过读取并执行所述存储器存储的与未成年人支付行为的识别逻辑对应的机器可执行指令,所述处理器被促使:
响应于用户发起的支付请求,获取所述用户的支付特征;
将所述支付特征输入所述第二识别子模型中,得到支付识别结果;
将所述支付识别结果发送给协作方,以使协作方基于所述支付识别结果和所述业务方发送的业务识别结果,确定用户的支付行为是否为未成年人支付行为;
其中,所述业务识别结果为所述业务方响应于所述支付请求获取用户的业务特征,并将所述业务特征输入所述第一识别子模型得到。
本说明书一个实施例实现了,业务方可以响应于用户发起的支付请求,获取用户的业务特征并输入到第一识别子模型中,得到业务识别结果并发送给协作方;支付方可以响应于用户发起的支付请求,获取用户的支付特征并输入到第二识别子模型中,得到支付识别结果并发送给协作方。协作方可以基于业务识别结果、支付识别结果确定用户的支付性行为是否为未成年人支付行为。
采用上述方法,可以通过业务方、支付方的数据,协同协作方一起联合训练得到识别模型,并在接收到用户发起的支付请求后,基于识别模型来预测用户的支付行为是否为未成年人支付行为,解决了相关技术中无法识别未成年人支付行为,或者识别结果不准确的问题。
附图说明
图1是本说明书一示例性实施例示出的一种架构示意图;
图2是本说明书一示例性实施例示出的一种联合训练方法的示意图;
图3是本说明书一示例性实施例示出的一种未成年人支付行为的识别方法的示意图;
图4是本说明书一示例性实施例示出的一种页面示意图;
图5是本说明书一示例性实施例示出的另一种页面示意图;
图6是本说明书一示例性实施例示出的另一种页面示意图;
图7是本说明书一示例性实施例示出的另一种页面示意图;
图8是本说明书一示例性实施例示出的一种用于未成年人支付行为的识别装置的一结构示意图;
图9是本说明书一示例性实施例示出的一种未成年人支付行为的识别装置的框图。
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”。
随着技术的不断发展,人们可以通过终端设备实现各种各样的业务,比如可以用手机、平板电脑等看电影、打游戏、买车票、支付水电费等等,这些业务与支付之间的联系也越来越紧密。
在实际生活中,未成年人很可能会使用其父母的手机上网、玩游戏等,那么未成年人在使用手机的过程中,很可能会出现误操作导致发起不必要的支付请求,或者在玩游戏时过度充值、过度消费等情况。一方面,这会给其父母带来一定的经济损失;另一方面,沉迷游戏、过度消费的行为也不利于未成年人的身心健康。有必要对未成年人的支付行为进行识别。然而,相关技术中在对用户发起的支付行为进行识别时,其识别结果往往不准确。
以游戏行业为例,一般可以通过实名身份认证来判断玩家是否为未成年人。然而,并非所有的游戏商户都拥有用户的实名认证信息,并且,即便是拥有用户的实名认证信息,当未成年人使用其父母的手机玩游戏时,游戏账户很可能是基于父母的身份进行实名认证的,那么很可能会认为当前玩游戏的玩家为成年人,进而无法识别出游戏中的支付请求是否为未成年人发起的,导致识别结果不准确。
基于此,本说明书提供了一种未成年人支付行为的识别方法。
首先对本说明书中涉及的业务方、支付方和协作方进行说明。请参见图1,图1为本说明书一示例性实施例示出的一种架构示意图。
本说明书中的业务方可以是业务服务的提供方,业务方可以部署服务器或服务器集群作为服务端,并开发可装载在终端设备中的客户端软件,例如APP(Application,应用程序),用户可在客户端中执行业务操作,通过客户端和服务端的交互实现业务服务。为了便于理解,本说明书仅对业务方进行示意性的描述,如:游戏提供方、购票服务提供方等等,其具体的客户端、服务端及其之间的关系不作过多展开。
本说明书中的支付方可以是实现支付的一方,与业务方类似,本说明书也仅对业务方进行示意性地描述,如:第三方支付平台。
要对未成年人的支付行为进行识别,一种可行的方式是基于模型。业务方往往可以拥有用户的业务相关数据,比如用户的充值记录、消费记录和浏览记录等,但业务方可能并不知道用户是成年人还是未成年人,无法基于自身拥有的数据来训练模型。而支付方的用户很可能经过实名身份认证,可以知道用户是成年人还是未成年人,但是支付方往往只拥有用户的支付相关数据,比如支付金额、支付频率、支付成功率等等,这些数据和业务方的数据没有直接关系,支付方也无法基于自身拥有的支付相关数据来训练模型,以对用户在业务方的行为进行识别。在这种情况下,可以结合业务方的数据和支付方的数据一起训练模型。
然而,支付方和业务方很可能不希望在模型训练的过程中将自身的数据原封不动地透露给对方。在这种情况下,可以增加一个协作方。协作方可以认为是支付方、业务方都可信任的第三方。
可以利用支付方、业务方和协作方进行联合训练得到识别模型,利用该识别模型来对未成年人支付行为进行识别。训练完成后,可将业务方持有的模型称为第一识别子模型,将支付方持有的模型称为第二识别子模型。第一识别子模型和第二识别子模型的模型结构可以是相同的,并且可以分别拥有识别模型的一部分模型参数。
这样一来,在识别过程中,业务方可以将自身拥有的业务数据输入所述第一识别子模型,得到业务识别结果,并将所述业务识别结果发送给协作方(图1中的箭头1)。支付方可以将自身拥有的支付数据输入所述第二识别子模型,得到支付识别结果,并将所述业务识别结果发送给协作方(图1中的箭头2)。协作方可以对支付识别结果、业务识别结果进行汇总,然后根据汇总结果来识别未成年人支付行为。并且协作方还可以将识别结果返回给业务方和支付方(图1中的箭头3和箭头4)。采用这种方法,支付方和业务方就可以在***露自身数据的情况下,结合对方的数据来综合地对未成年人支付行为进行识别。
下面对本说明书中业务方、支付方和协作方联合训练的方法进行说明。
首先,业务方和服务方可以分别确定出用于训练识别模型的业务样本用户和支付样本用户。
当业务为游戏业务时,业务样本用户可以是游戏提供方拥有的所有玩家用户,也可以是一部分玩家用户,业务样本特征可以是用户的账号信息,例如账号ID、账号等级、账号的活跃度、账号的关联账户等,还可以是用户的行为信息,例如用户的浏览记录、历史参与的活动、历史充值记录等等。
支付样本用户可以为支付平台拥有的所有用户,也可以是一部分用户。支付样本特征可以为用户的支付信息,例如支付金额、支付频率、支付成功率、生物特征验证次数、是否存在未成年人生物特征验证记录和是否存在由生物特征验证切换为密码验证。其中,生物特征可以包括人脸、指纹、虹膜、声音、笔迹等等。当然,支付样本特征也可以包括用户的基础信息,例如用户的姓名、性别、年龄、地址等等。
并且,支付方还可以根据用户的实名认证信息来确定用户是成年人还是未成年人,也即支付方还可以拥有样本标签,比如,若用户为未成年人,那么样本标签为1;若用户为成年人,那么样本标签为0。
当然,上述例子仅仅为示意性的说明,在实际情况下也可以获取其它的业务样本特征和支付样本特征,本说明书对此不作特殊限制。
本实施例中,提取出用于训练的业务样本特征和支付样本特征后,为了***露这些数据,还可以对业务样本特征和支付样本特征进行加密,支付方和业务方之间仅交互加密数据,只有可信任的协作方可以处理解密后的数据。
可以采取非对称加密的方式对样本数据进行加密。协作方可以将自身的公钥分发给业务方和支付方,业务方可以利用所述公钥加密得到加密业务样本,并发送给协作方;支付方可以利用所述公钥加密得到加密支付样本,并发送给协作方。协作方接收到加密业务样本、加密支付样本后可以利用自身的私钥对其进行解密。
其中,加密算法可以采用RSA算法,具体可参照相关技术。
本实施例中,由于支付方和协作方拥有的用户群体很可能并不相同,它们可能存在一些双方都拥有的用户,也可能各自存在一些对方没有的用户。比如,某用户可能在支付平台上办理过业务,具有支付相关的业务数据。而该用户并没有在某游戏平台上玩过游戏,那么该用户不具备游戏相关的业务数据。在这种情况下,协作方接收到支付方和业务方发送的样本用户后,还可以进行样本对齐。所谓样本对齐,可以理解为提取出支付方和业务方双方共同拥有的、重叠的用户,剔除掉不重叠的用户。
可以由协作方进行样本对齐,比如,协作方可以根据用户的身份信息来提取出共有的用户。也可以由业务方和支付方两方进行样本对齐,具体请参照相关技术,本说明书在此不再一一说明。
样本对齐后即可利用这些样本训练模型。下面对联合训练识别模型的方法进行说明。
本实施例中的识别模型可以为逻辑回归模型,也可以为其它模型,本说明书对此不作特殊限制。
请参见图2,图2为本说明书一示例性实施例示出的一种联合训练方法的示意图,可以采取图2所示方法进行迭代训练,直到达到训练要求。
值得说明的是,图2所示实施例中,业务方和支付方彼此之间已执行样本对齐,那么在本实施例中所指的业务样本、支付样本均为双方共同拥有的用户对应的样本,并且这些样本都经过了加密处理。
在每次迭代训练的过程中,业务方和支付方可以分别选取出一部分样本,用于本次迭代训练。比如,业务方和支付方可以在每次迭代中选取同一时间段内的业务样本和支付样本进行训练,从而可以从同一时间段内分析用户的行为,提高模型预测的准确度。
下面以一次迭代训练为例进行说明。
所述联合训练的方法可以包括以下步骤:
步骤102,业务方基于加密业务样本训练第一识别子模型。
步骤104,业务方向支付方发送中间结果。
本实施例的最终目的是训练得到一个可以识别未成年人支付行为的识别模型,该识别模型是由支付方、协作方和业务方联合训练得到的,其中,业务方可以训练有第一识别子模型,支付方可以训练有第二识别子模型。这两个子模型可以理解为识别模型的“半模型”,分别用于训练得到识别模型的一部分模型参数,基于这两个子模型可以实现识别模型的预测功能。
本实施例中,业务方可以先利用自身拥有的加密业务样本训练第一识别子模型,然后向支付方发送中间结果。所述中间结果可以是本次迭代训练中第一识别子模型预测得到的结果。
步骤106,支付方基于接收到的中间结果和自身拥有的加密支付样本,训练第二识别子模型。
支付方可以将所述中间结果和加密支付样本输入到第二识别子模型中,以对第二识别子模型进行训练。
步骤108,支付方计算本次迭代中,第二识别子模型的梯度。
本实施例中,支付方可以基于损失函数计算本次迭代的损失值。并且还可以基于该损失函数计算本次迭代中第二识别子模型的梯度。具体的损失计算方法、梯度计算方法参照相关技术,本说明书在此不一一赘述。
步骤110,支付方向协作方发送第二识别子模型的梯度。
步骤112,支付方向业务方发送梯度因子。
步骤114,业务方基于所述梯度因子,计算本次迭代中,第一识别子模型的梯度。
步骤116,业务方向协作方发送第一识别子模型的梯度。
本实施例中,支付方可以向业务方发送梯度因子。梯度因子可以理解为辅助业务方计算第一识别子模型的梯度的公式。
业务方可以基于所述梯度因子,利用加密业务样本计算得到第一识别子模型在本次迭代中的梯度,并将所述梯度发送给协作方。
步骤118,协作方基于第一识别子模型的梯度、第二识别子模型的梯度,计算总梯度。
本实施例中,协作方接收到第一识别子模型的梯度、第二识别子模型的梯度后,可以基于这两个梯度计算得到总梯度。
其中,计算得到总梯度的方法与识别模型的类型有关,比如当识别模型为逻辑回归模型时,可以通过求和的方法计算得到总梯度。当然,在其它实施例中也可以采取其它方法,本说明书对此不作特殊限制。
步骤120,协作方向支付方发送总梯度。
步骤122,支付方基于总梯度更新第二识别模型的模型参数。
步骤124,协作方向业务方发送总梯度。
步骤126,业务方基于总梯度更新第一识别模型的模型参数。
本实施例中,协作方计算得到总梯度后,可以对总梯度进行解密,并且将解密后的总梯度分别发送给支付方和业务方,然后支付方和业务方可以基于解密后的总梯度来更新各自的模型参数。其中,更新模型参数的方法参照相关技术,在此不过多赘述。
至此完成本次迭代训练。
本实施例中,可以通过损失函数是否收敛来判断是否达到训练要求。
举例来说,可以在步骤108中,支付方计算得到本次迭代的损失值(此时的损失值是加密的)后,可以将损失值发送给协作方。协作方可以对该损失值解密,然后判断解密后的损失值是否小于阈值,若小于,则收敛,达到训练要求;反之,未达到训练要求。
当然,也可以采取其它的方法判断是否达到训练要求,比如判断迭代训练的次数是否达到次数阈值等,本说明书对此不作特殊限制。
阐明了支付方、业务方、协作方联合训练识别模型后,下面对本说明书提供的一种未成年人支付行为的识别方法进行说明。
请参见图3,图3为本说明书一示例性实施例示出的一种未成年人支付行为的识别方法的示意图。所述未成年人支付行为的识别方法可以包括以下步骤:
步骤202,业务方响应于用户发起的支付请求,获取用户的业务特征,并将所述业务特征输入所述第一识别子模型,得到业务识别结果;
步骤204,业务方向协作方发送所述业务识别结果;
步骤206,支付方响应于所述支付请求,获取用户的支付特征,并将所述支付特征输入所述第二识别子模型,得到支付识别结果;
步骤208,支付方向协作方发送所述支付识别结果;
步骤210,协作方根据所述业务识别结果和所述支付识别结果,确定用户的支付行为是否为未成年人支付行为;
下面对上述步骤进行详细说明。
本实施例中,用户可以发起支付请求,所述支付请求可以是充值请求、缴费请求、购物消费请求等等,本说明书对此不作特殊限制。
业务方接收到所述支付请求后,可以响应于所述支付请求,获取该用户的业务特征,然后将业务特征输入到业务方部署的第一识别子模型中,得到业务识别结果,并且将支付识别结果发送给协作方。
其中,业务特征的具体内容可以参照前述实施例,在此不再赘述。值得说明的是,由于在本实施例中,业务方获取的业务特征仅用于输入到本侧部署的第一识别子模型中,并不会被泄露给支付方,因此可以不必对业务特征进行加密,而是可以直接将原始的业务特征输入到第一识别子模型中。
本实施例中,支付方同样可以接收到支付请求,并响应于所述支付请求,获取该用户的支付特征,将支付特征输入到支付方侧部署的第二识别子模型中,得到支付识别结果,并且将支付识别结果发送给协作方。
其中,支付特征同样可以参照前述实施例,且基于与上述类似的理由,支付特征也可以不进行加密处理。
在实际情况下,支付方可能在同一时刻接收到大量的支付请求,有必要判断哪些支付请求需要进行未成年人行为识别、哪些请求不需要进行未成年人行为识别。在这种情况下,用户发起的支付请求中还可以携带业务方的标识,那么支付方可以判断支付请求中的标识是否匹配预设的标识,若匹配,说明该支付请求来自特定的业务方,如游戏平台,存在未成年人支付行为的可能性,需要对该请求进行未成年人行为识别,则获取该用户的支付特征;若不匹配,说明该请求是常规支付请求,例如用户发起的购物请求、还款请求等等,不需要进行未成年人行为识别,按照常规方法处理该支付请求。
本实施例中,支付方获取的支付特征和业务方获取的业务特征,还可以是属于同一时间段的。比如支付方可以获取该用户最近一个月的支付特征,业务方可以获取该用户最近一个月的业务特征。这样可以从相同的时间段的数据去分析用户的行为,进而得到更准确的识别结果。
本实施例中,协作方可以基于接收到的支付识别结果、业务识别结果,确定用户的支付行为是否为未成年人支付行为。
比如,假设识别模型为逻辑回归模型,那么协作方可以对支付识别结果、业务识别结果进行求和,基于求和的结果来确定用户的支付行为。此处的求和可以为直接求和,也可以为加权求和等,可以按照实际情况确定求和方法,本说明书对此不作特殊限制。
本实施例中,假设求和得到的结果为未成年人支付行为的分值,那么可以判断该分值是否大于分值阈值,若大于,说明是未成年人支付行为。如,假设预设的分值阈值为0.6,求和得到的分值为0.8,0.8大于0.6,说明当前用户的支付行为是未成年人支付行为。
当然,上述例子仅仅是示意性的说明,在实际情况下也可以采取其它方法,本说明书对此不作特殊限制。
值得说明的是,本实施例中步骤206-208在步骤202-204之后,在实际情况下,步骤206-208也可以在步骤202-204之前,或者也可以并行执行,本说明书对此不作特殊限制。
由以上描述可以看出,在本说明书的一个实施例中,业务方可以响应于用户发起的支付请求,获取用户的业务特征并输入到第一识别子模型中,得到业务识别结果并发送给协作方;支付方可以响应于用户发起的支付请求,获取用户的支付特征并输入到第二识别子模型中,得到支付识别结果并发送给协作方。协作方可以基于业务识别结果、支付识别结果确定用户的支付性行为是否为未成年人支付行为。
采用上述方法,可以通过业务方、支付方的数据,协同协作方一起联合训练得到识别模型,并在接收到用户发起的支付请求后,基于识别模型来预测用户的支付行为是否为未成年人支付行为,解决了相关技术中无法识别未成年人支付行为,或者识别结果结果不准确的问题。并且,采用上述方法可以利用多方的数据来训练识别模型,从而得到性能更优、预测结果更准确的模型,且联合训练的过程中也不会泄露支付方、业务方自身拥有的原始数据,保证了数据安全。
下面对本说明书提供的另一种未成年人支付行为的识别方法进行说明。
本实施例中,假设业务方为游戏提供方,支付方为第三方支付平台,下面结合游戏提供方的客户端页面示意图对所述未成年人支付行为的识别方法进行说明。
请参见图4,图4为本说明书一示例性实施例示出的一种页面示意图。
本实施例中,用户可以在游戏提供方开发的APP上打开“钱包”页面,该页面中可以显示玩家账户的金币余额,并且还可以显示若干个不同额度的“充值”按钮,如图4中“10金币 1.00元”、“60金币 6.00元”、“300金币 30.00元”。若用户想要发起充值,可以点击这些“充值”按钮。
假设用户点击了“60金币 6.00元”的按钮,一方面,游戏提供方可以接收到用户发起的支付请求,然后响应于所述支付请求,获取用户的业务特征,将所述业务特征输入到第一识别子模型中,得到业务识别结果,并将业务识别结果发送给协作方。具体可参照前述实施例。
另一方面,还可以在该页面的下方跳出支付页面。在支付页面中可以展示多种支付方式,如图4中的“第三方支付平台支付”、“网上银行支付”。用户可以选择其需要的支付方式进行充值。如图4所示,当前默认的支付方式为“第三方支付平台支付”,若用户确认无误,可点击下方的“确认支付”按钮。
用户点击该按钮后,可以向用户展示收银台页面,可参见图5。收银台页面中可以展示若干种不同的支付方式,如花呗支付、账户余额支付、银行卡支付。假设用户选择了银行卡支付,那么可以进一步向用户展示验证页面。
请参见图6,验证页面中可以提示用户输入密码,以密码验证的方式对用户的身份进行验证。当然,在其它实施例中也可以采取其它验证方式。
用户输入密码后,第三方支付平台可以接收到用户发起的支付请求,并且该支付请求中还可以包括游戏提供方的标识。第三方支付平台可以首先对密码进行验证,若验证不通过,则不执行下文后续的其它步骤,只有当验证通过时才会进一步执行后续步骤。
假设用户输入的密码通过验证,那么第三方支付平台可以进一步根据支付请求中携带的游戏提供方的标识,判断所述标识是否匹配预设的标识。若匹配,则获取支付特征,并将支付特征输入到第二识别子模型中,得到支付识别结果,然后将支付识别结果发送给协作方。具体可参照前述实施例。
类似的,游戏提供方在接收到用户发起的支付请求后,也可以获取用户的业务特征,然后将业务特征输入到第一识别子模型中,得到业务识别结果,并将业务识别结果发送给协作方。
协作方可以基于所述支付识别结果、业务识别结果,得到用户的支付行为是否为未成年人支付的结果,并将该结果返回给第三方支付平台,第三方支付平台可基于该结果执行不同的支付策略。本实施例中,假设存在3种支付策略,分别对应着3种不同的识别结果:
1、识别结果为成年人支付行为时,处理所述支付请求;
2、识别结果为未成年人支付行为时,提示用户进行生物特征校验,在验证通过的情况下处理所述支付请求;
3、识别结果为疑似未成年人支付行为时,处理所述支付请求,并输出提醒。
下面以一个具体的例子对上述3种支付策略进行说明。
本实施例中,假设协作方发送的识别结果为支付行为是未成年人支付的分值,且未成年人时分值为1;成年人时分值为0,可以设置以下3种分值区间:
分值为0~0.5时,为成年人支付;
分值为0.5~0.8时,为疑似未成年人支付;
分值为0.8~1.0时,为未成年人支付。
那么第三方支付平台接收到协作方返回的未成年人支付的分值后,可以将所述分值与上述区间进行比对,然后根据比对结果选择对应的支付策略。当然,在其它实施例中,也可以由协作方将分值与上述分值区间进行比对,并直接向第三方支付平台返回最终的识别结果。
在一种情况下,当比对结果为成年人支付时,第三方支付平台可以按照常规的方法执行该支付请求。
在另一种情况下,当比对结果为疑似未成年人支付时,可以按常规的方法执行该支付请求,并且还可以在该支付成功的页面中输出提醒,如图7中的“小氪怡情,大氪伤心”。当然,也可以输出其它提醒,如:“健康游戏,适度消费”(未图示)、“您充值的次数太频繁啦,停下来休息一下吧~”(未图示)。
当然,除了上述支付成功的页面外,也可以在其它页面上输出提醒,比如可以在前述验证页面、收银台页面等等,本说明书对此不作特殊限制。
在另一种情况下,当比对结果为未成年人支付时,还可以向用户展示生物特征校验页面,比如可以向用户展示人脸识别页面。若用户刷脸认证通过,则可以进一步执行后续的相关步骤以完成支付请求;若用户刷脸认证不通过,则不执行后续支付相关的步骤。
采用这种方法,若未成年人使用父母的手机在游戏上进行充值,而手机上的第三方支付平台绑定的是父母的账号,那么相应的只有父母的人脸图像可以通过刷脸认证。如果未成年人使用自己的人脸图像进行刷脸,就会导致认证不通过,不会执行后续的支付步骤,相当于从侧面拦截了未成年人发起的支付请求,避免了因未成年人因沉迷游戏进行大量充值的情况。并且,也可以避免掉一些未成年人误操作发起的支付请求。
当然,在其它实施例中,也可以采取其它生物特征验证方法,比如虹膜认证、语音认证、笔迹认证等等。
值得说明的是,本实施例所示的所有页面示意图,均为示意性的说明,在实际情况下也可以采取其它页面示意图,本说明书对此不作特殊限制。
由以上描述可以看出,在本说明书的一个实施例中,用户发起支付请求后,可以通过业务方、支付方联合训练得到的模型对支付请求是否为未成年人发起进行识别,提高识别结果的准确性。并且还可以根据识别结果采取不同的支付策略,从而可以做到对成年人的支付请求进行处理,对未成年人的支付请求做到拦截,可以在一定程度上防止未成年人因沉迷游戏导致的大量充值。
与前述未成年人支付行为的识别方法的实施例相对应,本说明书还提供了未成年人支付行为的识别装置的实施例。
本说明书未成年人支付行为的识别装置的实施例可以应用在支付方的服务器上。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,是通过其所在服务器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8所示,为本说明书未成年人支付行为的识别装置所在服务器的一种硬件结构图,除了图8所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的服务器通常根据该服务器的实际功能,还可以包括其他硬件,对此不再赘述。
图9是本说明书一示例性实施例示出的一种未成年人支付行为的识别装置的框图。
请参考图9,所述未成年人支付行为的识别装置900可以应用在前述图8所示的服务器中,包括有:获取单元910、输入单元920、发送单元930、接收单元940、执行单元950。
其中,获取单元910,响应于用户发起的支付请求,获取所述用户的支付特征;
输入单元920,将所述支付特征输入所述第二识别子模型中,得到支付识别结果;
发送单元930,将所述支付识别结果发送给协作方,以使协作方基于所述支付识别结果和所述业务方发送的业务识别结果,确定用户的支付行为是否为未成年人支付行为,
其中,所述业务识别结果为所述业务方响应于所述支付请求获取业务特征,并将所述业务特征输入所述第一识别子模型得到。
可选的,所述支付请求中携带业务方的标识,所述获取单元910:
判断所述业务方的标识是否匹配预设的标识;
若匹配,获取所述用户的支付特征。
可选的,所述装置还包括:
接收单元940,接收协作方返回的用户支付行为的识别结果;
执行单元950,基于所述识别结果,执行对应的支付策略。
可选的,所述执行单元950:
当所述识别结果为成年人支付行为时,处理所述支付请求;
当所述识别结果为未成年人支付行为时,提示用户进行生物特征校验,在验证通过的情况下处理所述支付请求;
当所述识别结果为疑似未成年人支付行为时,处理所述支付请求,并输出提醒。
可选的,所述业务特征和所述支付特征所属的时间段相同。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
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单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。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。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
与前述未成年人支付行为的识别方法的实施例相对应,本说明书还提供一种未成年人支付行为的识别装置,该装置包括:处理器以及用于存储机器可执行指令的存储器。其中,处理器和存储器通常借由内部总线相互连接。在其他可能的实现方式中,所述设备还可能包括外部接口,以能够与其他设备或者部件进行通信。
在本实施例中,通过读取并执行所述存储器存储的与未成年人支付行为的识别逻辑对应的机器可执行指令,所述处理器被促使:
响应于用户发起的支付请求,获取所述用户的支付特征;
将所述支付特征输入所述第二识别子模型中,得到支付识别结果;
将所述支付识别结果发送给协作方,以使协作方基于所述支付识别结果和所述业务方发送的业务识别结果,确定用户的支付行为是否为未成年人支付行为,
其中,所述业务识别结果为所述业务方响应于所述支付请求获取业务特征,并将所述业务特征输入所述第一识别子模型得到。
可选的,所述支付请求中携带业务方的标识,在获取所述用户的支付特征时,所述处理器被促使:
判断所述业务方的标识是否匹配预设的标识;
若匹配,获取所述用户的支付特征。
可选的,所述处理器还被促使:
接收协作方返回的用户支付行为的识别结果;
基于所述识别结果,执行对应的支付策略。
可选的,在基于所述识别结果,执行对应的支付策略时,所述处理器被促使:
当所述识别结果为成年人支付行为时,处理所述支付请求;
当所述识别结果为未成年人支付行为时,提示用户进行生物特征校验,在验证通过的情况下处理所述支付请求;
当所述识别结果为疑似未成年人支付行为时,处理所述支付请求,并输出提醒。
可选的,所述业务特征和所述支付特征所属的时间段相同。
可选的,
所述支付特征包括:支付金额、支付频率、支付成功率、历史生物特征验证次数、是否存在未成年人生物特征验证记录和是否存在由生物特征验证切换为密码验证;
所述业务特征包括:账号等级、账号活跃度、充值记录、消费记录和浏览记录。
与前述未成年人支付行为的识别方法的实施例相对应,本说明书还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现以下步骤:
响应于用户发起的支付请求,获取所述用户的支付特征;
将所述支付特征输入所述第二识别子模型中,得到支付识别结果;
将所述支付识别结果发送给协作方,以使协作方基于所述支付识别结果和所述业务方发送的业务识别结果,确定用户的支付行为是否为未成年人支付行为,
其中,所述业务识别结果为所述业务方响应于所述支付请求获取业务特征,并将所述业务特征输入所述第一识别子模型得到。
可选的,所述支付请求中携带业务方的标识,所述获取所述用户的支付特征,包括:
判断所述业务方的标识是否匹配预设的标识;
若匹配,获取所述用户的支付特征。
可选的,还包括:
接收协作方返回的用户支付行为的识别结果;
基于所述识别结果,执行对应的支付策略。
可选的,所述基于所述识别结果,执行对应的支付策略,包括:
当所述识别结果为成年人支付行为时,处理所述支付请求;
当所述识别结果为未成年人支付行为时,提示用户进行生物特征校验,在验证通过的情况下处理所述支付请求;
当所述识别结果为疑似未成年人支付行为时,处理所述支付请求,并输出提醒。
可选的,所述业务特征和所述支付特征所属的时间段相同。
可选的,
所述支付特征包括:支付金额、支付频率、支付成功率、历史生物特征验证次数、是否存在未成年人生物特征验证记录和是否存在由生物特征验证切换为密码验证;
所述业务特征包括:账号等级、账号活跃度、充值记录、消费记录和浏览记录。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
Claims (17)
1.一种未成年人支付行为的识别方法,基于业务方、支付方和协作方联合训练得到的识别模型实现对未成年人支付行为的识别,其中,所述业务方部署有第一识别子模型,所述支付方部署有第二识别子模型,所述方法包括:
响应于用户发起的支付请求,业务方获取用户的业务特征,并将所述业务特征输入所述第一识别子模型,得到业务识别结果;
业务方将所述业务识别结果发送给协作方;
响应于所述支付请求,支付方获取用户的支付特征,并将所述支付特征输入所述第二识别子模型,得到支付识别结果;
支付方将所述支付识别结果发送给协作方;
协作方根据所述业务识别结果和所述支付识别结果,确定用户的支付行为是否为未成年人支付行为。
2.根据权利要求1所述方法,所述支付请求中携带业务方的标识,所述支付方获取用户的支付特征,包括:
支付方判断所述业务方的标识是否匹配预设的标识;
若匹配,获取所述用户的支付特征。
3.根据权利要求1所述方法,所述方法还包括:
协作方将用户的支付行为的识别结果发送给支付方;
支付方基于所述识别结果,执行对应的支付策略。
4.根据权利要求3所述方法,所述支付方基于所述识别结果,执行对应的支付策略,包括:
当所述识别结果为成年人支付行为时,处理所述支付请求;
当所述识别结果为未成年人支付行为时,提示用户进行生物特征校验,在验证通过的情况下处理所述支付请求;
当所述识别结果为疑似未成年人支付行为时,处理所述支付请求,并输出提醒。
5.根据权利要求1所述方法,所述业务特征和所述支付特征所属的时间段相同。
6.根据权利要求1所述方法,
所述支付特征包括:支付金额、支付频率、支付成功率、历史生物特征验证次数、是否存在未成年人生物特征验证记录和是否存在由生物特征验证切换为密码验证;
所述业务特征包括:账号等级、账号活跃度、充值记录、消费记录和浏览记录。
7.一种未成年人支付行为的识别方法,基于业务方、支付方和协作方联合训练得到的识别模型实现对未成年人支付行为的识别,其中,所述业务方部署有第一识别子模型,所述支付方部署有第二识别子模型,所述方法应用于支付方,所述方法包括:
响应于用户发起的支付请求,获取所述用户的支付特征;
将所述支付特征输入所述第二识别子模型中,得到支付识别结果;
将所述支付识别结果发送给协作方,以使协作方基于所述支付识别结果和所述业务方发送的业务识别结果,确定用户的支付行为是否为未成年人支付行为;
其中,所述业务识别结果为所述业务方响应于所述支付请求获取用户的业务特征,并将所述业务特征输入所述第一识别子模型得到。
8.根据权利要求7所述方法,所述支付请求中携带业务方的标识,所述获取用户的支付特征,包括:
判断所述业务方的标识是否匹配预设的标识;
若匹配,获取所述用户的支付特征。
9.根据权利要求7所述方法,所述方法还包括:
接收协作方返回的用户支付行为的识别结果;
基于所述识别结果,执行对应的支付策略。
10.根据权利要求9所述方法,所述基于所述识别结果,执行对应的支付策略,包括:
当所述识别结果为成年人支付行为时,处理所述支付请求;
当所述识别结果为未成年人支付行为时,提示用户进行生物特征校验,在验证通过的情况下处理所述支付请求;
当所述识别结果为疑似未成年人支付行为时,处理所述支付请求,并输出提醒。
11.根据权利要求7所述方法,所述业务特征和所述支付特征所属的时间段相同。
12.一种未成年人支付行为的识别装置,基于业务方、支付方和协作方联合训练得到的识别模型实现对未成年人支付行为的识别,其中,所述业务方部署有第一识别子模型,所述支付方部署有第二识别子模型,所述装置应用于支付方,所述装置包括:
获取单元,响应于用户发起的支付请求,获取所述用户的支付特征;
输入单元,将所述支付特征输入所述第二识别子模型中,得到支付识别结果;
发送单元,将所述支付识别结果发送给协作方,以使协作方基于所述支付识别结果和所述业务方发送的业务识别结果,确定用户的支付行为是否为未成年人支付行为;
其中,所述业务识别结果为所述业务方响应于所述支付请求获取用户的业务特征,并将所述业务特征输入所述第一识别子模型得到。
13.根据权利要求12所述装置,所述支付请求中携带业务方的标识,所述获取单元:
判断所述业务方的标识是否匹配预设的标识;
若匹配,获取所述用户的支付特征。
14.根据权利要求12所述装置,所述装置还包括:
接收单元,接收协作方返回的用户支付行为的识别结果;
执行单元,基于所述识别结果,执行对应的支付策略。
15.根据权利要求14所述装置,所述执行单元:
当所述识别结果为成年人支付行为时,处理所述支付请求;
当所述识别结果为未成年人支付行为时,提示用户进行生物特征校验,在验证通过的情况下处理所述支付请求;
当所述识别结果为疑似未成年人支付行为时,处理所述支付请求,并输出提醒。
16.根据权利要求12所述装置,所述业务特征和所述支付特征所属的时间段相同。
17.一种未成年人支付行为的识别装置,基于业务方、支付方和协作方联合训练得到的识别模型实现对未成年人支付行为的识别,其中,所述业务方部署有第一识别子模型,所述支付方部署有第二识别子模型,所述装置应用于支付方,所述装置包括:
处理器;
用于存储机器可执行指令的存储器;
其中,通过读取并执行所述存储器存储的与未成年人支付行为的识别逻辑对应的机器可执行指令,所述处理器被促使:
响应于用户发起的支付请求,获取所述用户的支付特征;
将所述支付特征输入所述第二识别子模型中,得到支付识别结果;
将所述支付识别结果发送给协作方,以使协作方基于所述支付识别结果和所述业务方发送的业务识别结果,确定用户的支付行为是否为未成年人支付行为;
其中,所述业务识别结果为所述业务方响应于所述支付请求获取用户的业务特征,并将所述业务特征输入所述第一识别子模型得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010920463.5A CN111815331A (zh) | 2020-09-04 | 2020-09-04 | 一种未成年人支付行为的识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010920463.5A CN111815331A (zh) | 2020-09-04 | 2020-09-04 | 一种未成年人支付行为的识别方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111815331A true CN111815331A (zh) | 2020-10-23 |
Family
ID=72859959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010920463.5A Pending CN111815331A (zh) | 2020-09-04 | 2020-09-04 | 一种未成年人支付行为的识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111815331A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308568A (zh) * | 2020-11-18 | 2021-02-02 | 支付宝(杭州)信息技术有限公司 | 一种支付方法、装置、存储介质和计算机设备 |
CN112685774A (zh) * | 2020-12-30 | 2021-04-20 | 曹凤仙 | 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 |
CN113496395A (zh) * | 2021-05-25 | 2021-10-12 | 城家酒店管理有限公司 | 一种支付方法及*** |
CN115049395A (zh) * | 2022-08-15 | 2022-09-13 | 山东双仁信息技术有限公司 | 一种移动支付安全检测方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111144718A (zh) * | 2019-12-12 | 2020-05-12 | 支付宝(杭州)信息技术有限公司 | 基于私有数据保护的风险决策方法、装置、***及设备 |
CN111324862A (zh) * | 2020-02-10 | 2020-06-23 | 深圳华策辉弘科技有限公司 | 贷中行为监控的方法及*** |
CN111369260A (zh) * | 2020-03-10 | 2020-07-03 | 支付宝(杭州)信息技术有限公司 | 保护隐私的风险预测方法及装置 |
CN111383113A (zh) * | 2020-03-06 | 2020-07-07 | 深圳前海微众银行股份有限公司 | 可疑客户预测方法、装置、设备及可读存储介质 |
-
2020
- 2020-09-04 CN CN202010920463.5A patent/CN111815331A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111144718A (zh) * | 2019-12-12 | 2020-05-12 | 支付宝(杭州)信息技术有限公司 | 基于私有数据保护的风险决策方法、装置、***及设备 |
CN111324862A (zh) * | 2020-02-10 | 2020-06-23 | 深圳华策辉弘科技有限公司 | 贷中行为监控的方法及*** |
CN111383113A (zh) * | 2020-03-06 | 2020-07-07 | 深圳前海微众银行股份有限公司 | 可疑客户预测方法、装置、设备及可读存储介质 |
CN111369260A (zh) * | 2020-03-10 | 2020-07-03 | 支付宝(杭州)信息技术有限公司 | 保护隐私的风险预测方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308568A (zh) * | 2020-11-18 | 2021-02-02 | 支付宝(杭州)信息技术有限公司 | 一种支付方法、装置、存储介质和计算机设备 |
CN112685774A (zh) * | 2020-12-30 | 2021-04-20 | 曹凤仙 | 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 |
CN113496395A (zh) * | 2021-05-25 | 2021-10-12 | 城家酒店管理有限公司 | 一种支付方法及*** |
CN113496395B (zh) * | 2021-05-25 | 2022-09-09 | 城家酒店管理有限公司 | 一种支付方法及*** |
CN115049395A (zh) * | 2022-08-15 | 2022-09-13 | 山东双仁信息技术有限公司 | 一种移动支付安全检测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210279730A1 (en) | Machine learning engine for fraud detection during cross-location online transaction processing | |
CN113283883B (zh) | 业务实现方法和装置 | |
US20220122083A1 (en) | Machine learning engine using following link selection | |
CN111815331A (zh) | 一种未成年人支付行为的识别方法和装置 | |
US10055714B2 (en) | Digital currency (virtual payment cards) issued by central bank for mobile and wearable devices | |
US20190385165A1 (en) | System to enable contactless access to a transaction terminal using a process data network | |
US9372976B2 (en) | Automatic learning multi-modal fraud prevention (LMFP) system | |
US8380629B2 (en) | Seeding challenges for payment transactions | |
US20140316984A1 (en) | Mobile device transaction method and system | |
US11526886B1 (en) | Method, medium, and system for reducing fraud | |
CN109660501A (zh) | 用于提供基于区块链的多因素个人身份验证的***和方法 | |
CN108293054A (zh) | 用于使用社交网络的生物测定认证的***和方法 | |
CN109118053B (zh) | 一种盗卡风险交易的识别方法和装置 | |
EP3164841A1 (en) | Enhanced user authentication platform | |
CN105389488B (zh) | 身份认证方法及装置 | |
US20130159217A1 (en) | Environmentally-responsive behavioral fingerprinting | |
Garg et al. | Developing secured biometric payments model using tokenization | |
CN109493217A (zh) | 防止重复支付的方法、***、设备及计算机可读存储介质 | |
US20240211935A1 (en) | Secure Transactions Over Communications Sessions | |
CN107846393B (zh) | 实人认证方法及装置 | |
Sreekumar | Biometric authentication in mobile payments | |
CN113240401A (zh) | 基于区块链及5g消息的银行业务操作撤回方法及装置 | |
CN110581771B (zh) | 利用网络消息服务以处理费用拆分的方法、计算装置可读存储介质以及计算装置 | |
Goyal et al. | Design of improved algorithm for mobile payments using biometrics | |
Guerra-Casanova et al. | Architectures to implement in-air signature mobile authentication to increase the security of e-commerce applications and opinion of end users |
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 |