CN112001662A - 一种商户图像的风险检验方法、装置及设备 - Google Patents
一种商户图像的风险检验方法、装置及设备 Download PDFInfo
- Publication number
- CN112001662A CN112001662A CN202010963356.0A CN202010963356A CN112001662A CN 112001662 A CN112001662 A CN 112001662A CN 202010963356 A CN202010963356 A CN 202010963356A CN 112001662 A CN112001662 A CN 112001662A
- Authority
- CN
- China
- Prior art keywords
- risk
- image
- image processing
- merchant
- result
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000001514 detection method Methods 0.000 title claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 231
- 238000007689 inspection Methods 0.000 claims abstract description 44
- 238000012795 verification Methods 0.000 claims description 36
- 238000003860 storage Methods 0.000 claims description 34
- 238000012015 optical character recognition Methods 0.000 claims description 19
- 238000007781 pre-processing Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 238000004590 computer program Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 208000001613 Gambling Diseases 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/19007—Matching; Proximity measures
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Image Analysis (AREA)
Abstract
本说明书实施例公开了一种商户图像的风险检验方法、装置及设备。该方案可以应用于监管或者合规领域。该方案可以包括:在对商户图像进行风险检验时,预先采用预设图像处理操作对该商户图像进行处理以存储生成的图像处理结果,从而令风险检验规则可以直接对预存的图像处理结果进行检验,以得到图像风险检验结果。
Description
技术领域
本申请涉及合规检验技术领域,尤其涉及一种商户图像的风险检验方法、装置及设备。
背景技术
商户在运营过程中,通常会在商务平台或者其他网站处发布该商户的宣传信息,因此,在对商户进行合规检查时,需要对商户在各个商务平台或者网站处发布的相关信息进行检查,以识别商户在经营过程中是否存在使用风险宣传信息或者进行非法经营活动等问题。目前通常会先采集包含商户信息的待检验图像,再人工对图像中包含的商户信息进行风险检查。
基于此,需要更为高效的针对商户图像的风险检验方法。
发明内容
本说明书实施例提供一种商户图像的风险检验方法、装置及设备,以减少对商户图像进行风险检验时所需使用的资源量。
为解决上述技术问题,本说明书实施例是这样实现的:
本说明书实施例提供的一种商户图像的风险检验方法,应用于风险检验服务器,包括:
在对目标网站处的商户图像进行风险检验时,获取所述商户图像的标识信息;
根据预先设置的图像处理结果存储地址,获取与所述标识信息具有对应关系的图像处理结果;所述图像处理结果是预先采用预设图像处理操作对所述商户图像进行处理而得到的处理结果;所述预设图像处理操作为所述商户图像所属应用场景的预处理操作信息所指示的图像处理操作;所述预设图像处理操作至少包括光学字符识别操作与物体识别操作中的一种;
利用风险检验规则对所述图像处理结果进行检验,得到图像风险检验结果。
本说明书实施例提供的一种商户图像的风险检验装置,应用于风险检验服务器,包括:
第一获取模块,用于在对目标网站处的商户图像进行风险检验时,获取所述商户图像的标识信息;
第二获取模块,用于根据预先设置的图像处理结果存储地址,获取与所述标识信息具有对应关系的图像处理结果;所述图像处理结果是预先采用预设图像处理操作对所述商户图像进行处理而得到的处理结果;所述预设图像处理操作为所述商户图像所属应用场景的预处理操作信息所指示的图像处理操作;所述预设图像处理操作至少包括光学字符识别操作与物体识别操作中的一种;
检验模块,用于利用风险检验规则对所述图像处理结果进行检验,得到图像风险检验结果。
本说明书实施例提供的一种商户图像的风险检验设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
在对目标网站处的商户图像进行风险检验时,获取所述商户图像的标识信息;
根据预先设置的图像处理结果存储地址,获取与所述标识信息具有对应关系的图像处理结果;所述图像处理结果是预先采用预设图像处理操作对所述商户图像进行处理而得到的处理结果;所述预设图像处理操作为所述商户图像所属应用场景的预处理操作信息所指示的图像处理操作;所述预设图像处理操作至少包括光学字符识别操作与物体识别操作中的一种;
利用风险检验规则对所述图像处理结果进行检验,得到图像风险检验结果。
本说明书中提供的至少一个实施例能够实现以下有益效果:
在对商户图像进行风险检验时,可以预先采用预设图像处理操作对该商户图像进行处理以存储生成的图像处理结果,从而令风险检验规则可以直接对预存的图像处理结果进行检验,以自动生成图像风险检验结果。该方案无需人工进行审核,有利于减少对商户图像进行风险检验时所需消耗的人力资源。且由于各个风险检验规则可以直接调用预存的图像处理结果,而无需各个风险检验规则均去对商户图像进行一次预设图像处理操作,可以减少风险检验过程中所需执行的预设图像处理操作的次数,以减少对商户图像进行风险检验时所需消耗的设备资源。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书实施例提供的一种商户图像的风险检验方法的流程示意图;
图2为本说明书实施例中提供的一种待检验的商户图像的示意图;
图3为本说明书实施例中提供的另一种待检验的商户图像的示意图;
图4为本说明书实施例提供的对应于图1的一种商户图像的风险检验装置的结构示意图;
图5为本说明书实施例提供的对应于图1的一种商户图像的风险检验设备的结构示意图。
具体实施方式
为使本说明书一个或多个实施例的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书一个或多个实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书的一部分实施例,而不是全部的实施例。基于本说明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书一个或多个实施例保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
现有技术中,规则引擎(flagleader)由推理引擎发展而来,是一种嵌入在应用程序中的组件,可以实现将业务决策从应用程序代码中分离出来,并使用预定义的语义模块编写业务决策。规则引擎可以根据接收到的数据输入,解释业务规则,并根据业务规则做出业务决策。由于通过使用规则引擎可以降低实现复杂业务逻辑的组件的复杂性,并降低应用程序的维护和可扩展性成本,从而规则引擎正在日渐普及。
目前,人们在利用规则引擎设置对商户图像进行风险检验的业务规则时,通常需要预先针对每条业务规则设置对应的图像处理操作,从而在运行各条业务规则时,可以对输入图像进行指定的图像处理操作,进而基于处理得到的图像处理结果进行风险检验。可见,当需要采用十条业务规则分别对同一张图像进行风险检验时,若所述十条业务规则的预设图像处理操作均包括光学字符识别操作,则需要对同一张图像进行十次光学字符识别操作,由于针对该图像生成的十个字符识别结果的内容通常是一致的,从而容易导致设备资源的浪费。
为了解决现有技术中的缺陷,本方案给出了以下实施例:
图1为本说明书实施例提供的一种商户图像的风险检验方法的流程示意图。从程序角度而言,流程的执行主体可以为风险检验服务器或者该风险检验服务器种搭载的程序。
如图1所示,该流程可以包括以下步骤:
步骤102:在对目标网站处的商户图像进行风险检验时,获取所述商户图像的标识信息。
在本说明书实施例中,在对商户进行合规检查时,需对商户在各个目标网站处发布的信息进行风险检验,以确定该商户在经营过程中使用的信息是否存在不合规的问题。其中,目标网站可以包含商务平台(即电子商务平台)以及各类可以发布广告信息的网站。
商务平台通常指为企业或个人提供网上交易洽谈环境的平台。商务平台可以提供建立在英特网上的进行商务活动的虚拟网络空间和保障商务顺利运营的管理环境;是协调、整合信息流、货物流、资金流有序、关联、高效流动的重要场所。企业、商家可充分利用电子商务平台提供的网络基础设施、支付平台、安全平台、管理平台等共享资源有效地、低成本地开展自己的商业活动。由于商户通常需要在商务平台处进行经营活动,因此,可以从商务平台处的商户页面中截取包含商户使用的与经营活动相关的信息的图像,以得到待检验的商户图像。
而可以发布广告信息的网站可以包括但不限于娱乐网站、企业网站、政府网站、教育网站等。商户可以在这些网站处发布广告,而这些广告可以采用弹窗、页面窗口、滚动字幕等形式在这些网站的页面中进行展示,因此,可以通过对这些网页的页面进行截图,以得到包含商户信息的待检验的商户图像。本说明书实施例中,对于待检验的商户图像的获取来源及包含的商户信息不作具体限定。
步骤104:根据预先设置的图像处理结果存储地址,获取与所述标识信息具有对应关系的图像处理结果;所述图像处理结果是预先采用预设图像处理操作对所述商户图像进行处理而得到的处理结果;所述预设图像处理操作为所述商户图像所属应用场景的预处理操作信息所指示的图像处理操作;所述预设图像处理操作至少包括光学字符识别操作与物体识别操作中的一种。
在本说明书实施例中,可以根据实际需求,预先设置各个应用场景对应的预处理操作信息,该预处理操作信息可以指示对该应用场景中采集的商户图像所需执行的图像处理操作。例如,针对广告业务场景,由于采集的商户图像中通常包含宣传语以及宣传画,因此,需识别商户图像中包含的文本及物体图像是否存在风险,从而针对广告业务场景的预处理操作信息可以包括光学字符识别操作与物体识别操作。而针对交易业务场景,由于采集的商户图像中可以包含交易参数信息而不包含商品图像,因此,只需识别商户图像中包含的文本是否存在风险即可,从而针对支付业务场景的预处理操作信息可以仅包括光学字符识别操作。在本说明书实施例中,对于各个业务场景对应的预处理操作信息所指示的图像处理操作的种类不作具体限定。
在本说明书实施例中,光学字符识别操作可以基于光学字符识别技术OCR(Optical Character Recognition)实现。光学字符识别技术可以指利用电子设备通过检测图像上的暗、亮区域,以确定字符形状,然后用字符识别方法将形状翻译成计算机文字的过程;即采用光学的方式识别图像中的文字,并转换成文本格式的技术。
而物体识别操作则可以基于物体识别模型实现。物体识别模型通常需预先使用包含指定物体以及未包含指定物体的图像作为训练样本进行训练,以令该物体识别模型可以对输入图像进行分类,输出表示该输入图像中是否包含指定物体的识别结果。该物体识别模型可以采用现有的物体识别模型实现,如,可以采用支持向量机(Support VectorMachine,SVM)、MobileNet模型、极端梯度提升模型(eXtreme Gradient Boosting,XGBoost)等,或者,也可以根据实际需求自行搭建物体识别模型,如,基于卷积神经网络(Convolutional Neural Networks,CNN)去搭建物体识别模型等。本说明书实施例中,对于物体识别模型的模型结构不作具体限定。
在实际应用中,当从目标网站处获取到待处理的商户图像时,可以先确定该商户图像所属的应用场景,以采用该应用场景对应的预设图像处理操作对该商户图像进行相应处理,得到对该应用场景的商户图像进行风险检验时所需使用的各类图像处理结果,并存储该图像处理结果以便于后续各项风险检验规则直接调用。
因此,步骤104之前,还可以包括:
从所述目标网站处获取所述商户图像;所述商户图像具有标识信息。该商户图像的标识信息可以指该商户图像的唯一标识信息(Identity document,ID)。
根据所述商户图像所属应用场景的预处理操作信息,确定预设图像处理操作。
利用所述预设图像处理操作对所述商户图像进行处理,得到图像处理结果。
存储所述图像处理结果与所述标识信息之间的对应关系信息以及所述图像处理结果至分布式缓存;所述分布式缓存为与预先设置的图像处理结果存储地址所对应的缓存。
步骤106:利用风险检验规则对所述图像处理结果进行检验,得到图像风险检验结果。
在本说明书实施例中,针对不同应用场景中的待检验商户图像所需采用的风险检验规则可以并不完全一致。而针对从同一应用场景中的不同网站处采集的待检验商户图像所需采用的风险检验规则也可以并不完全一致。因此,需采用与待检验商户图像对应的风险检验规则进行风险检验。
从而,骤104之前,还可以包括:确定针对所述商户图像的风险检验规则。
在本说明书实施例中,可以将针对所述商户图像所属应用场景设置的风险检验规则,确定为针对所述商户图像的风险检验规则。或者,也可以从针对所述商户图像所属应用场景设置的风险检验规则中,确定与所述目标网站具有对应关系的风险检验规则。对此不作具体限定。
步骤106则可以利用确定出的针对所述商户图像的各项风险检验规则,对各项风险检验规则所需使用的图像处理结果进行检验,以得到图像风险检验结果。
应当理解,本说明书一个或多个实施例所述的方法其中部分步骤的顺序可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。
图1中的方法,通过令风险检验规则可以直接调用预存的图像处理结果,以对预先生成的图像处理结果进行检验,自动生成图像风险检验结果。该方案无需人工进行审核,有利于减少对商户图像进行风险检验时所需消耗的人力资源。且由于各个风险检验规则可以直接调用预存的图像处理结果,而无需各个风险检验规则均去对商户图像进行一次预设图像处理操作,可以减少风险检验过程中所需执行的预设图像处理操作的次数,以减少对商户图像进行风险检验时所需消耗的设备资源。
基于图1的方法,本说明书实施例还提供了该方法的一些具体实施方案,下面进行说明。
在本说明书实施例中,由于预设图像处理操作的类型可以包括光学字符识别操作、物体识别操作等多种,因此,预先生成并存储的图像处理结果的类型也可以有多种。但一条风险检验规则在执行时可能仅需使用一种类型的图像处理结果,因此,风险检验规则在执行时,可以仅调用所需使用的类型的图像处理结果即可,而无需调用其他类型的图像处理结果,以保证风险检验规则的正常运行。
从而,步骤104:根据预先设置的图像处理结果存储地址,获取与所述标识信息具有对应关系的图像处理结果,具体可以包括:
针对每条确定出的风险检验规则,确定所述风险检验规则所需使用的图像处理结果的标签,所述标签用于标识所述图像处理结果是采用指定图像处理操作对图像进行处理而得到的处理结果。该指定图像处理操作指预设图像处理操作中的一种或多种。
从预先设置的图像处理结果存储地址处,获取与所述标识信息具有对应关系且具有所述标签的图像处理结果。
在本说明书实施例中,利用不同的图像处理操作所得到的图像处理结果所具有的标签可以是不同的。在对图像处理结果进行存储时,可以存储携带对应标签的图像处理结果,以便于风险检验规则对所需使用的类型的图像处理结果进行调用。
在本说明书实施例中,所述利用风险检验规则对所述图像处理结果进行检验,得到图像风险检验结果,具体可以包括:
若获取到的与所述标识信息具有对应关系且具有所述标签的图像处理结果为字符识别结果,则利用所述风险检验规则检验所述字符识别结果中是否包含风险关键词,得到第一风险检验结果。
若获取到的与所述标识信息具有对应关系且具有所述标签的图像处理结果为物体识别结果,则利用所述风险检验规则检验所述物体识别结果中是否包含风险物体,得到第二风险检验结果。
在本说明书实施例中,由于字符识别结果中不仅可以包含从商户图像中识别出的文本信息,还可以包含识别出的文本信息中的各个词汇在商户图像中的位置信息(例如,坐标信息)等。而物体识别结果中不仅可以包含表示是否从商户图像中识别出了指定物体的信息,在识别出包含指定物体后,该物体识别结果中还可以包含识别出的物体在商户图像中的位置信息(例如,坐标信息)等。
因此,风险检验规则生成的第一风险检验结果可以包括:所述商户图像内包含的风险关键词,以及所述商户图像内包含的风险关键词在所述商户图像中的坐标信息。而第二风险检验结果可以包括:所述商户图像内包含的风险物体,以及所述商户图像内包含的风险物体在所述商户图像中的坐标信息。
为便于理解,对于风险检验规则的执行过程进行举例说明。
图2为本说明书实施例中提供的一种待检验的商户图像的示意图。如图2所示,商户图像中包含人手、金钱等物体,还包含“内部员工价,超值抢购!”等字符。若该商户图像对应的预设图像处理操作仅包含字符识别操作,则仅需对该商户图像进行光学字符识别处理即可,从而可以得到包含“内部员工价,超值抢购!”等字符的字符识别结果。
若一风险检验规则用于检验字符识别结果中是否包含“员工价”、“内部员工价”、“内部价”、“内部渠道价格”等风险关键词,则使用该风险检验规则对该字符识别结果进行风险检验,可以得到表示该字符识别结果中包含“员工价”及“内部员工价”等风险关键词的风险检验结果。
由于字符识别结果中还可以包含“员工价”及“内部员工价”在商户图像中的位置信息,例如,“内部员工价”一词的位置信息可以为:左上角坐标(0,50),右下角坐标(50,40),“员工价”一词的位置信息可以为:左上角坐标(20,50),右下角坐标(50,40)。则风险检验结果中还可以包含“员工价”及“内部员工价”在商户图像中的坐标信息。
图3为本说明书实施例中提供的另一种待检验的商户图像的示意图。如图3所示,商户图像中包含扑克牌、骰子等物体,还包含“小棋牌,大赢家,注册送现金!”等字符。若该商户图像对应的预设图像处理操作包含字符识别操作以及物体识别操作,则不仅需对该商户图像进行光学字符识别处理,以得到包含“小棋牌,大赢家,注册送现金!”等字符的字符识别结果。还需要使用一个或多个物体识别模型对该商户图像进行分类处理,以得到对应的物体识别结果。
若一风险检验规则用于检验字符识别结果中是否包含“棋牌”、“赌”、“赌博”、“以小博大”等风险关键词,则使用该风险检验规则对该字符识别结果进行风险检验,可以得到表示该字符识别结果中包含“棋牌”等风险关键词的风险检验结果,该风险检验结果中还可以包含该“棋牌”字符在商户图像中的坐标信息,对此不再赘述。
而在对该商户图像进行物体识别处理时,可以采用第一物体识别模型去识别该商户图像中是否包含与毒品相关的物体,并采用第二物体识别模型去识别该商户图像中是否包含与赌博相关的物体,从而基于第一物体识别模型及第二物体识别模型得到物体识别结果。具体的,在该示例中生成的物体识别结果可以表示该商户图像中包含与赌博相关的物体,或者,该物体识别结果可以表示该商户图像中包含扑克牌及骰子等物体。
其中,第一物体识别模型可以是采用包含与毒品相关的物体的图像以及未包含与毒品相关的物体的图像分别作为正负训练样本,对初始物体识别模型进行训练而得到的一个物体识别模型。而第二物体识别模型则可以是采用包含与赌博相关的物体的图像以及未包含与赌博相关的物体的图像作为正负训练样本,对初始物体识别模型进行训练而得到的另一个物体识别模型。上述物体识别模型既可以是二分类模型也可以是多分类模型,对此不作具体限定。
若一风险检验规则用于检验物体识别结果中是否包含“扑克牌”、“骰子”、“麻将”等风险物体,则使用该风险检验规则对该物体识别结果进行风险检验,可以得到表示该物体识别结果中包含“扑克牌”及“骰子”等风险物体的风险检验结果。
由于物体识别结果中还可以包含“扑克牌”及“骰子”在商户图像中的位置信息,例如,“扑克牌”这一物体的位置信息可以为:左上角坐标(25,60),右下角坐标(65,20);一个“骰子”的位置信息可以为:左上角坐标(0,40),右下角坐标(20,25);另一个“骰子”的位置信息可以为:左上角坐标(70,30),右下角坐标(90,10)等。则风险检验结果中还可以包含“扑克牌”及两个“骰子”在商户图像中的坐标信息。
在本说明书实施例中,还可以基于商户图像的图像风险检验结果,去生成风险提示信息,以便于风险监管方进行风险管控。
具体的,步骤106:利用风险检验规则对所述图像处理结果进行检验,得到图像风险检验结果之后,还可以包括:
根据所述第一风险检验结果及所述第二风险检验结果中的至少一种检验结果,生成风险提示信息;所述风险提示信息用于提示所述商户图像中存在的风险内容及所述风险内容在所述商户图像中的坐标信息。
在实际应用中,若仅生成了第一风险检验结果时,则风险提示信息所提示的风险内容,可以指商户图像中包含的风险关键词。而若仅生成了第二风险检验结果时,则风险提示信息所提示的风险内容,可以指商户图像中包含的风险物体。当既生成了第一风险检验结果,又生成了第二风险检验结果时,则风险提示信息所提示的风险内容可以既包括风险关键词又包括风险物体,对此不再赘述。
在本说明书实施例中,可以针对用于检验字符识别结果中包含的风险关键词的风险检验规则设置风险关键词词库,则所述利用所述风险检验规则检验所述字符识别结果中是否包含风险关键词,具体可以包括:
利用所述风险检验规则,检验所述字符识别结果中是否包含与所述风险检验规则对应的风险关键词词库中的风险关键词。
在实际应用中,还可以根据实际需求设置该风险关键词词库内包含的风险关键词,例如,对该风险关键词词库内包含的风险关键词进行新增、删除等操作,从而实现对风险检验规则的便捷管理。
在本说明书实施例中,还可以针对用于检验物体识别结果中包含的风险物体的风险检验规则设置风险物体库,则所述利用所述风险检验规则检验所述物体识别结果中是否包含风险物体,具体可以包括:
利用所述风险检验规则,检验所述物体识别结果中是否包含与所述风险检验规则对应的风险物体库中的风险物体。
在实际应用中,还可以根据实际需求,设置该风险物体库内包含的风险物体,例如,对该风险物体库内包含的风险物体进行新增、删除等操作,从而实现对风险检验规则的便捷管理。
由于在风险物体库中新增了风险物体后,还需使得在执行物体识别操作时,能够具有使用商户图像中是否包含新增的风险物体的能力,具体的,需令执行物体识别操作所使用的物体识别模型具有识别商户图像中是否包含该新增风险物体的能力。
从而,若所述风险物体库内新增风险物体,则可以利用与所述新增风险物体对应的训练样本,对初始物体识别模型进行训练,得到训练后物体识别模型。
其中,与所述新增风险物体对应的训练样本可以包括:包含该新增风险物体的图像以及未包含该新增风险物体的图像,从而得到训练出示物体识别模型的正负训练样本。
所述利用所述预设图像处理操作对所述商户图像进行处理,得到图像处理结果,具体可以包括:
若所述预设图像处理操作为所述物体识别操作,则利用所述训练后物体识别模型,对所述商户图像进行物体识别处理,得到表示所述商户图像中是否包含所述新增风险物体的物体识别结果。以及使用历史物体识别模型,对所述商户图像进行物体识别处理,得到表示所述商户图像中是否包含所述风险物体库内的其他风险物体的物体识别结果。
基于同样的思路,本说明书实施例还提供了上述方法对应的装置。图4为本说明书实施例提供的对应于图1的一种商户图像的风险检验装置的结构示意图,该装置可以应用于风险检验服务器。如图4所示,该装置可以包括:
第一获取模块402,用于在对目标网站处的商户图像进行风险检验时,获取所述商户图像的标识信息。
第二获取模块404,用于根据预先设置的图像处理结果存储地址,获取与所述标识信息具有对应关系的图像处理结果;所述图像处理结果是预先采用预设图像处理操作对所述商户图像进行处理而得到的处理结果;所述预设图像处理操作为所述商户图像所属应用场景的预处理操作信息所指示的图像处理操作;所述预设图像处理操作至少包括光学字符识别操作与物体识别操作中的一种。
检验模块406,用于利用风险检验规则对所述图像处理结果进行检验,得到图像风险检验结果。
基于图4的装置,本说明书实施例还提供了该方法的一些具体实施方案,下面进行说明。
可选的,图4中的装置,还可以包括:
第三获取模块,用于从所述目标网站处获取所述商户图像;所述商户图像具有标识信息。
第一确定模块,用于根据所述商户图像所属应用场景的预处理操作信息,确定预设图像处理操作。
处理模块,用于利用所述预设图像处理操作对所述商户图像进行处理,得到图像处理结果。
存储模块,用于存储所述图像处理结果与所述标识信息之间的对应关系信息以及所述图像处理结果至分布式缓存;所述分布式缓存为与预先设置的图像处理结果存储地址所对应的缓存。
可选的,图4中的装置,还可以包括:
第二确定模块,用于确定针对所述商户图像的风险检验规则。
所述第二获取模块402,具体可以用于:
针对每条所述风险检验规则,确定所述风险检验规则所需使用的图像处理结果的标签,所述标签用于标识所述图像处理结果是采用指定图像处理操作对图像进行处理而得到的处理结果。
从预先设置的图像处理结果存储地址处,获取与所述标识信息具有对应关系且具有所述标签的图像处理结果。
可选的,所述检验模块406,具体可以包括:
第一检验单元,用于若获取到的与所述标识信息具有对应关系且具有所述标签的图像处理结果为字符识别结果,则利用所述风险检验规则检验所述字符识别结果中是否包含风险关键词,得到第一风险检验结果。
第二检验单元,用于若获取到的与所述标识信息具有对应关系且具有所述标签的图像处理结果为物体识别结果,则利用所述风险检验规则检验所述物体识别结果中是否包含风险物体,得到第二风险检验结果。
可选的,所述第一风险检验结果可以包括:所述商户图像内包含的风险关键词,以及所述商户图像内包含的风险关键词在所述商户图像中的坐标信息。
所述第二风险检验结果可以包括:所述商户图像内包含的风险物体,以及所述商户图像内包含的风险物体在所述商户图像中的坐标信息。
可选的,图4中的装置,还可以包括:
提升信息生成模块,用于根据所述第一风险检验结果及所述第二风险检验结果中的至少一种检验结果,生成风险提示信息;所述风险提示信息用于提示所述商户图像中存在的风险内容及所述风险内容在所述商户图像中的坐标信息。
可选的,所述第二确定模块,具体可以用于:
确定针对所述商户图像所属应用场景设置的风险检验规则。
可选的,所述第二确定模块,具体可以用于:
从针对所述商户图像所属应用场景设置的风险检验规则中,确定与所述目标网站具有对应关系的风险检验规则。
可选的,所述第一检验单元,具体可以用于:
利用所述风险检验规则,检验所述字符识别结果中是否包含与所述风险检验规则对应的风险关键词词库中的风险关键词。
可选的,图4中的装置,还可以包括:
第一设置模块,用于设置所述风险关键词词库内包含的风险关键词。
可选的,所述第二检验单元,具体可以用于:
利用所述风险检验规则,检验所述物体识别结果中是否包含与所述风险检验规则对应的风险物体库中的风险物体。
可选的,图4中的装置,还可以包括:
第二设置模块,用于设置所述风险物体库内包含的风险物体。
可选的,图4中的装置,还可以包括:
模型训练单元,用于若所述风险物体库内新增风险物体,则利用与所述新增风险物体对应的训练样本,对初始物体识别模型进行训练,得到训练后物体识别模型。
所述处理模块,具体可以用于:
若所述预设图像处理操作为所述物体识别操作,则利用所述训练后物体识别模型,对所述商户图像进行物体识别处理,得到表示所述商户图像中是否包含所述新增风险物体的物体识别结果。
基于同样的思路,本说明书实施例还提供了上述方法对应的设备。
图5为本说明书实施例提供的对应于图1的一种商户图像的风险检验设备的结构示意图。如图5所示,设备500可以包括:
至少一个处理器510;以及,
与所述至少一个处理器通信连接的存储器530;其中,
所述存储器530存储有可被所述至少一个处理器510执行的指令520,所述指令被所述至少一个处理器510执行,以使所述至少一个处理器510能够:
在对目标网站处的商户图像进行风险检验时,获取所述商户图像的标识信息。
根据预先设置的图像处理结果存储地址,获取与所述标识信息具有对应关系的图像处理结果;所述图像处理结果是预先采用预设图像处理操作对所述商户图像进行处理而得到的处理结果;所述预设图像处理操作为所述商户图像所属应用场景的预处理操作信息所指示的图像处理操作;所述预设图像处理操作至少包括光学字符识别操作与物体识别操作中的一种。
利用风险检验规则对所述图像处理结果进行检验,得到图像风险检验结果。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于图5所示的商户信息的检验设备而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字符***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
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。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字符助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(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。
本发明是参照根据本发明实施例的方法、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装置。
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装置的制造品,该指令装置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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读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)、数字符多功能光盘(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。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、***或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(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。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (27)
1.一种商户图像的风险检验方法,应用于风险检验服务器,包括:
在对目标网站处的商户图像进行风险检验时,获取所述商户图像的标识信息;
根据预先设置的图像处理结果存储地址,获取与所述标识信息具有对应关系的图像处理结果;所述图像处理结果是预先采用预设图像处理操作对所述商户图像进行处理而得到的处理结果;所述预设图像处理操作为所述商户图像所属应用场景的预处理操作信息所指示的图像处理操作;所述预设图像处理操作至少包括光学字符识别操作与物体识别操作中的一种;
利用风险检验规则对所述图像处理结果进行检验,得到图像风险检验结果。
2.根据权利要求1所述的方法,所述获取与所述标识信息具有对应关系的图像处理结果之前,还包括:
从所述目标网站处获取所述商户图像;所述商户图像具有标识信息;
根据所述商户图像所属应用场景的预处理操作信息,确定预设图像处理操作;
利用所述预设图像处理操作对所述商户图像进行处理,得到图像处理结果;
存储所述图像处理结果与所述标识信息之间的对应关系信息以及所述图像处理结果至分布式缓存;所述分布式缓存为与预先设置的图像处理结果存储地址所对应的缓存。
3.根据权利要求2所述的方法,所述根据预先设置的图像处理结果存储地址,获取与所述标识信息具有对应关系的图像处理结果之前,还包括:
确定针对所述商户图像的风险检验规则;
所述根据预先设置的图像处理结果存储地址,获取与所述标识信息具有对应关系的图像处理结果,具体包括:
针对每条所述风险检验规则,确定所述风险检验规则所需使用的图像处理结果的标签,所述标签用于标识所述图像处理结果是采用指定图像处理操作对图像进行处理而得到的处理结果;
从预先设置的图像处理结果存储地址处,获取与所述标识信息具有对应关系且具有所述标签的图像处理结果。
4.根据权利要求3所述的方法,所述利用风险检验规则对所述图像处理结果进行检验,得到图像风险检验结果,具体包括:
若获取到的与所述标识信息具有对应关系且具有所述标签的图像处理结果为字符识别结果,则利用所述风险检验规则检验所述字符识别结果中是否包含风险关键词,得到第一风险检验结果。
若获取到的与所述标识信息具有对应关系且具有所述标签的图像处理结果为物体识别结果,则利用所述风险检验规则检验所述物体识别结果中是否包含风险物体,得到第二风险检验结果。
5.根据权利要求4所述的方法,所述第一风险检验结果包括:所述商户图像内包含的风险关键词,以及所述商户图像内包含的风险关键词在所述商户图像中的坐标信息;
所述第二风险检验结果包括:所述商户图像内包含的风险物体,以及所述商户图像内包含的风险物体在所述商户图像中的坐标信息。
6.根据权利要求5所述的方法,所述利用风险检验规则对所述图像处理结果进行检验,得到图像风险检验结果之后,还包括:
根据所述第一风险检验结果及所述第二风险检验结果中的至少一种检验结果,生成风险提示信息;所述风险提示信息用于提示所述商户图像中存在的风险内容及所述风险内容在所述商户图像中的坐标信息。
7.根据权利要求3所述的方法,所述确定针对所述商户图像的风险检验规则,具体包括:
确定针对所述商户图像所属应用场景设置的风险检验规则。
8.根据权利要求7所述的方法,所述确定针对所述商户图像的风险检验规则,具体包括:
从针对所述商户图像所属应用场景设置的风险检验规则中,确定与所述目标网站具有对应关系的风险检验规则。
9.根据权利要求4所述的方法,所述利用所述风险检验规则检验所述字符识别结果中是否包含风险关键词,具体包括:
利用所述风险检验规则,检验所述字符识别结果中是否包含与所述风险检验规则对应的风险关键词词库中的风险关键词。
10.根据权利要求9所述的方法,还包括:
设置所述风险关键词词库内包含的风险关键词。
11.根据权利要求4所述的方法,所述利用所述风险检验规则检验所述物体识别结果中是否包含风险物体,具体包括:
利用所述风险检验规则,检验所述物体识别结果中是否包含与所述风险检验规则对应的风险物体库中的风险物体。
12.根据权利要求11所述的方法,还包括:
设置所述风险物体库内包含的风险物体。
13.根据权利要求12所述的方法,还包括:
若所述风险物体库内新增风险物体,则利用与所述新增风险物体对应的训练样本,对初始物体识别模型进行训练,得到训练后物体识别模型;
所述利用所述预设图像处理操作对所述商户图像进行处理,得到图像处理结果,具体包括:
若所述预设图像处理操作为所述物体识别操作,则利用所述训练后物体识别模型,对所述商户图像进行物体识别处理,得到表示所述商户图像中是否包含所述新增风险物体的物体识别结果。
14.一种商户图像的风险检验装置,应用于风险检验服务器,包括:
第一获取模块,用于在对目标网站处的商户图像进行风险检验时,获取所述商户图像的标识信息;
第二获取模块,用于根据预先设置的图像处理结果存储地址,获取与所述标识信息具有对应关系的图像处理结果;所述图像处理结果是预先采用预设图像处理操作对所述商户图像进行处理而得到的处理结果;所述预设图像处理操作为所述商户图像所属应用场景的预处理操作信息所指示的图像处理操作;所述预设图像处理操作至少包括光学字符识别操作与物体识别操作中的一种;
检验模块,用于利用风险检验规则对所述图像处理结果进行检验,得到图像风险检验结果。
15.根据权利要求14所述的装置,还包括:
第三获取模块,用于从所述目标网站处获取所述商户图像;所述商户图像具有标识信息;
第一确定模块,用于根据所述商户图像所属应用场景的预处理操作信息,确定预设图像处理操作;
处理模块,用于利用所述预设图像处理操作对所述商户图像进行处理,得到图像处理结果;
存储模块,用于存储所述图像处理结果与所述标识信息之间的对应关系信息以及所述图像处理结果至分布式缓存;所述分布式缓存为与预先设置的图像处理结果存储地址所对应的缓存。
16.根据权利要求15所述的装置,还包括:
第二确定模块,用于确定针对所述商户图像的风险检验规则;
所述第二获取模块,具体用于:
针对每条所述风险检验规则,确定所述风险检验规则所需使用的图像处理结果的标签,所述标签用于标识所述图像处理结果是采用指定图像处理操作对图像进行处理而得到的处理结果;
从预先设置的图像处理结果存储地址处,获取与所述标识信息具有对应关系且具有所述标签的图像处理结果。
17.根据权利要求16所述的装置,所述检验模块,具体包括:
第一检验单元,用于若获取到的与所述标识信息具有对应关系且具有所述标签的图像处理结果为字符识别结果,则利用所述风险检验规则检验所述字符识别结果中是否包含风险关键词,得到第一风险检验结果;
第二检验单元,用于若获取到的与所述标识信息具有对应关系且具有所述标签的图像处理结果为物体识别结果,则利用所述风险检验规则检验所述物体识别结果中是否包含风险物体,得到第二风险检验结果。
18.根据权利要求17所述的装置,所述第一风险检验结果包括:所述商户图像内包含的风险关键词,以及所述商户图像内包含的风险关键词在所述商户图像中的坐标信息;
所述第二风险检验结果包括:所述商户图像内包含的风险物体,以及所述商户图像内包含的风险物体在所述商户图像中的坐标信息。
19.根据权利要求18所述的装置,还包括:
提升信息生成模块,用于根据所述第一风险检验结果及所述第二风险检验结果中的至少一种检验结果,生成风险提示信息;所述风险提示信息用于提示所述商户图像中存在的风险内容及所述风险内容在所述商户图像中的坐标信息。
20.根据权利要求16所述的装置,所述第二确定模块,具体用于:
确定针对所述商户图像所属应用场景设置的风险检验规则。
21.根据权利要求20所述的装置,所述第二确定模块,具体用于:
从针对所述商户图像所属应用场景设置的风险检验规则中,确定与所述目标网站具有对应关系的风险检验规则。
22.根据权利要求17所述的装置,所述第一检验单元,具体用于:
利用所述风险检验规则,检验所述字符识别结果中是否包含与所述风险检验规则对应的风险关键词词库中的风险关键词。
23.根据权利要求22所述的装置,还包括:
第一设置模块,用于设置所述风险关键词词库内包含的风险关键词。
24.根据权利要求17所述的装置,所述第二检验单元,具体用于:
利用所述风险检验规则,检验所述物体识别结果中是否包含与所述风险检验规则对应的风险物体库中的风险物体。
25.根据权利要求24所述的装置,还包括:
第二设置模块,用于设置所述风险物体库内包含的风险物体。
26.根据权利要求25所述的装置,还包括:
模型训练单元,用于若所述风险物体库内新增风险物体,则利用与所述新增风险物体对应的训练样本,对初始物体识别模型进行训练,得到训练后物体识别模型;
所述处理模块,具体用于:
若所述预设图像处理操作为所述物体识别操作,则利用所述训练后物体识别模型,对所述商户图像进行物体识别处理,得到表示所述商户图像中是否包含所述新增风险物体的物体识别结果。
27.一种商户图像的风险检验设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
在对目标网站处的商户图像进行风险检验时,获取所述商户图像的标识信息;
根据预先设置的图像处理结果存储地址,获取与所述标识信息具有对应关系的图像处理结果;所述图像处理结果是预先采用预设图像处理操作对所述商户图像进行处理而得到的处理结果;所述预设图像处理操作为所述商户图像所属应用场景的预处理操作信息所指示的图像处理操作;所述预设图像处理操作至少包括光学字符识别操作与物体识别操作中的一种;
利用风险检验规则对所述图像处理结果进行检验,得到图像风险检验结果。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211132148.1A CN115511278A (zh) | 2020-09-14 | 2020-09-14 | 一种商户图像的风险检验方法、装置及设备 |
CN202010963356.0A CN112001662B (zh) | 2020-09-14 | 2020-09-14 | 一种商户图像的风险检验方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010963356.0A CN112001662B (zh) | 2020-09-14 | 2020-09-14 | 一种商户图像的风险检验方法、装置及设备 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211132148.1A Division CN115511278A (zh) | 2020-09-14 | 2020-09-14 | 一种商户图像的风险检验方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112001662A true CN112001662A (zh) | 2020-11-27 |
CN112001662B CN112001662B (zh) | 2022-08-30 |
Family
ID=73468623
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010963356.0A Active CN112001662B (zh) | 2020-09-14 | 2020-09-14 | 一种商户图像的风险检验方法、装置及设备 |
CN202211132148.1A Pending CN115511278A (zh) | 2020-09-14 | 2020-09-14 | 一种商户图像的风险检验方法、装置及设备 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211132148.1A Pending CN115511278A (zh) | 2020-09-14 | 2020-09-14 | 一种商户图像的风险检验方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN112001662B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140307966A1 (en) * | 2013-04-12 | 2014-10-16 | Samsung Electronics Co., Ltd. | Method of managing image and electronic device thereof |
US20150268913A1 (en) * | 2014-03-19 | 2015-09-24 | Fuji Xerox Co., Ltd. | Image processing system, image processing device, and processing control device |
US20170256023A1 (en) * | 2016-03-02 | 2017-09-07 | Alibaba Group Holding Limited | Solid state storage local image processing system and method |
CN107292808A (zh) * | 2016-03-31 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 图像处理方法、装置及图像协处理器 |
CN108491825A (zh) * | 2018-03-30 | 2018-09-04 | 百度在线网络技术(北京)有限公司 | 信息生成方法和装置 |
CN109377240A (zh) * | 2018-08-21 | 2019-02-22 | 中国平安人寿保险股份有限公司 | 基于神经网络的商户管理方法、装置、计算机设备及存储介质 |
CN110163204A (zh) * | 2019-04-15 | 2019-08-23 | 平安国际智慧城市科技股份有限公司 | 基于图像识别的商家监管方法、装置及存储介质 |
CN110188717A (zh) * | 2019-06-03 | 2019-08-30 | 中国通信建设第四工程局有限公司 | 图像获取方法及装置 |
JP2019159629A (ja) * | 2018-03-12 | 2019-09-19 | 富士ゼロックス株式会社 | 情報処理システム、情報処理装置及び情報処理プログラム |
CN110472981A (zh) * | 2019-07-05 | 2019-11-19 | 中国平安人寿保险股份有限公司 | 风险订单识别方法、装置、计算机设备及存储介质 |
CN110543582A (zh) * | 2019-08-05 | 2019-12-06 | 百度在线网络技术(北京)有限公司 | 基于图像的查询方法和装置 |
CN111078900A (zh) * | 2019-11-19 | 2020-04-28 | 口碑(上海)信息技术有限公司 | 一种数据的风险识别方法及*** |
CN111241367A (zh) * | 2019-12-27 | 2020-06-05 | 航天信息股份有限公司 | 一种基于自定义规则对网络餐饮平台进行监管的方法及*** |
CN111539739A (zh) * | 2020-05-06 | 2020-08-14 | 支付宝(杭州)信息技术有限公司 | 一种风险检测方法、装置及设备 |
-
2020
- 2020-09-14 CN CN202010963356.0A patent/CN112001662B/zh active Active
- 2020-09-14 CN CN202211132148.1A patent/CN115511278A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140307966A1 (en) * | 2013-04-12 | 2014-10-16 | Samsung Electronics Co., Ltd. | Method of managing image and electronic device thereof |
US20150268913A1 (en) * | 2014-03-19 | 2015-09-24 | Fuji Xerox Co., Ltd. | Image processing system, image processing device, and processing control device |
US20170256023A1 (en) * | 2016-03-02 | 2017-09-07 | Alibaba Group Holding Limited | Solid state storage local image processing system and method |
CN107292808A (zh) * | 2016-03-31 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 图像处理方法、装置及图像协处理器 |
JP2019159629A (ja) * | 2018-03-12 | 2019-09-19 | 富士ゼロックス株式会社 | 情報処理システム、情報処理装置及び情報処理プログラム |
CN108491825A (zh) * | 2018-03-30 | 2018-09-04 | 百度在线网络技术(北京)有限公司 | 信息生成方法和装置 |
CN109377240A (zh) * | 2018-08-21 | 2019-02-22 | 中国平安人寿保险股份有限公司 | 基于神经网络的商户管理方法、装置、计算机设备及存储介质 |
CN110163204A (zh) * | 2019-04-15 | 2019-08-23 | 平安国际智慧城市科技股份有限公司 | 基于图像识别的商家监管方法、装置及存储介质 |
CN110188717A (zh) * | 2019-06-03 | 2019-08-30 | 中国通信建设第四工程局有限公司 | 图像获取方法及装置 |
CN110472981A (zh) * | 2019-07-05 | 2019-11-19 | 中国平安人寿保险股份有限公司 | 风险订单识别方法、装置、计算机设备及存储介质 |
CN110543582A (zh) * | 2019-08-05 | 2019-12-06 | 百度在线网络技术(北京)有限公司 | 基于图像的查询方法和装置 |
CN111078900A (zh) * | 2019-11-19 | 2020-04-28 | 口碑(上海)信息技术有限公司 | 一种数据的风险识别方法及*** |
CN111241367A (zh) * | 2019-12-27 | 2020-06-05 | 航天信息股份有限公司 | 一种基于自定义规则对网络餐饮平台进行监管的方法及*** |
CN111539739A (zh) * | 2020-05-06 | 2020-08-14 | 支付宝(杭州)信息技术有限公司 | 一种风险检测方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112001662B (zh) | 2022-08-30 |
CN115511278A (zh) | 2022-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113886584A (zh) | 一种应用程序的信息检测方法、装置及设备 | |
WO2021098327A1 (zh) | 基于隐私数据保护的异常采集行为识别方法和装置 | |
US20180349781A1 (en) | Method and device for judging news quality and storage medium | |
CN114648392B (zh) | 基于用户画像的产品推荐方法、装置、电子设备及介质 | |
CN110263161B (zh) | 一种信息的处理方法、装置及设备 | |
CN109408829B (zh) | 文章可读性确定方法、装置、设备和介质 | |
CN112257114A (zh) | 一种应用程序隐私合规检测方法、装置、设备和介质 | |
CN111353488B (zh) | 识别码图像中的风险的方法、装置以及设备 | |
CN110781925B (zh) | 软件页面的分类方法、装置、电子设备及存储介质 | |
CN110569502A (zh) | 一种违禁广告语的识别方法、装置、计算机设备及存储介质 | |
CN112015869A (zh) | 一种待发布文本的风险检测方法、装置及设备 | |
CN111324739A (zh) | 一种文本情感分析方法及*** | |
CN113222022A (zh) | 一种网页分类识别方法及装置 | |
CN115525750A (zh) | 机器人话术检测可视化方法、装置、电子设备及存储介质 | |
CN111985936A (zh) | 一种商户证件信息的检验方法、装置及设备 | |
CN112001662B (zh) | 一种商户图像的风险检验方法、装置及设备 | |
CN113837772A (zh) | 一种对营销信息进行审核的方法、装置及设备 | |
CN110717029A (zh) | 一种信息处理方法和*** | |
CN111046658B (zh) | 一种乱序文本识别方法、装置及设备 | |
CN111985935A (zh) | 一种商户信息的检验方法、装置及设备 | |
Zhao et al. | Multi-modal sarcasm generation: dataset and solution | |
CN113807339A (zh) | 数据处理方法、装置及设备 | |
CN113949887A (zh) | 对于网络直播数据的处理方法及装置 | |
Dugar et al. | From pixels to words: A scalable journey of text information from product images to retail catalog | |
Ali et al. | Mobile-UI-Repair: a deep learning based UI smell detection technique for mobile user interface |
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 |