CN113837617A - 一种防刷单的风险管理方法及装置 - Google Patents
一种防刷单的风险管理方法及装置 Download PDFInfo
- Publication number
- CN113837617A CN113837617A CN202111130113.XA CN202111130113A CN113837617A CN 113837617 A CN113837617 A CN 113837617A CN 202111130113 A CN202111130113 A CN 202111130113A CN 113837617 A CN113837617 A CN 113837617A
- Authority
- CN
- China
- Prior art keywords
- order
- information
- commerce
- orders
- receiving address
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 31
- 230000000875 corresponding effect Effects 0.000 claims description 9
- 238000011144 upstream manufacturing Methods 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 6
- 230000001680 brushing effect Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 description 20
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011010 flushing procedure Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005201 scrubbing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0609—Buyer or seller confidence or verification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种防刷单的风险管理方法及装置,通过解析电商订单,得到电商订单中包含的订单时间信息、身份信息以及收货地址信息,利用ElasticSearch将该电商订单在ElasticSearch数据库中的进行相关度的匹配,以订单时间信息为基准,索引第一预设时间段内具有相同身份信息但不同收货地址信息,且收货地址信息的相关度大于第一预设阈值但小于100%的第一相似订单,通过判断第一相似订单的数量来确定该电商订单以及第一相似订单之间是否存在有刷单的情况,从而进行风险标记,解决了现有的刷单情况中,通过相同身份证但相似收货地址进行刷单的问题。
Description
技术领域
本申请涉及订单分析技术领域,尤其涉及一种防刷单的风险管理方法及装置。
背景技术
随着电商平台的不断扩大,店铺的真实交易变得格外重要。电商的卖家们为了提高店铺的信誉度、排名、评分甚至商品评论数量等各维度的信息,会采用刷单这种具有欺诈风险的方式。
经过对现有的订单信息进行梳理后发现,存在着有相同身份证但收货地址不一致的多个订单,且多个订单之间的收货地址极其相似的情况,例如楼栋或者楼层或者门牌号存在细微区别。
因此,亟需本领域技术人员提供一种防刷单的风险管理方法及装置,以解决现有的刷单情况中,通过相同身份证但相似收货地址进行刷单的问题。
发明内容
本申请提供了一种防刷单的风险管理方法及装置,解决了现有的刷单情况中,通过相同身份证但相似收货地址进行刷单的问题。
有鉴于此,本申请第一方面提供了一种防刷单的风险管理方法,所述方法包括:
S101、接收上游订单***发送的电商订单;
S102、解析所述电商订单,获取所述电商订单中的订单时间信息、身份信息以及收货地址信息;
S103、根据所述订单时间信息、所述身份信息以及所述收货地址信息,通过ElasticSearch搜索ElasticSearch数据库中在基于所述订单时间信息的第一预设时间段内,与所述身份信息一致且与所述收货地址信息的相关度大于第一预设阈值但小于100%的第一相似订单的数量;
S104、若所述第一相似订单数量大于第二预设阈值,则将所述电商订单以及所述第一相似订单均标记为风险订单。
可选地,所述步骤S104之后还包括:
若所述第一相似订单数量小于第二预设阈值,则将所述电商订单中的身份信息以及收货地址信息关联保存至ElasticSearch数据库中。
可选地,所述步骤S102具体包括:
解析所述电商订单,获取所述电商订单中的订单号、订单时间信息、通过第一加密算法加密的身份信息、通过第二加密算法加密的联系方式信息以及收货地址信息。
可选地,所述步骤S103具体包括:
将所述订单时间信息、所述身份信息以及所述收货地址信息导入ElasticSearch数据库中;
基于所述订单时间信息以及所述身份信息,在所述ElasticSearch数据库中索引以所述订单时间信息对应的订单时间为终,第一预设时间段内历史电商订单中所述身份信息一致的历史电商订单的历史收货地址信息;
依次计算所述历史收货地址信息与所述收货地址信息的相关度;
若所述相关度大于第一预设阈值但小于100%,则将所述历史电商订单标记为第一相似订单;
统计所述第一相似订单的数量。
可选地,还包括:
解析所述电商订单,获取所述电商订单中的订单时间信息、联系方式信息以及收货地址信息;
根据所述订单时间信息、所述联系方式信息以及所述收货地址信息,通过ElasticSearch搜索ElasticSearch数据库中在基于所述订单时间信息的第二预设时间段内,与所述联系方式信息一致且与所述收货地址信息的相关度大于第三预设阈值但小于100%的第二相似订单的数量;
若所述第二相似订单数量大于第四预设阈值,则将所述电商订单以及所述第二相似订单均标记为风险订单。
本申请第二方面提供一种电商防刷单的风险管理装置,所述装置包括:
接收单元,用于接收上游订单***发送的电商订单;
第一解析单元,用于解析所述电商订单,获取所述电商订单中的订单时间信息、身份信息以及收货地址信息;
第一匹配单元,用于根据所述订单时间信息、所述身份信息以及所述收货地址信息,通过ElasticSearch搜索ElasticSearch数据库中在基于所述订单时间信息的第一预设时间段内,与所述身份信息一致且与所述收货地址信息的相关度大于第一预设阈值但小于100%的第一相似订单的数量;
第一标记单元,用于若所述第一相似订单数量大于第二预设阈值,则将所述电商订单以及所述第一相似订单均标记为风险订单。
可选地,还包括:
保存单元,用于若所述第一相似订单数量小于第二预设阈值,则将所述电商订单中的身份信息以及收货地址信息关联保存至ElasticSearch数据库中。
可选地,所述第一解析单元具体用于:
解析所述电商订单,获取所述电商订单中的订单号、订单时间信息、通过第一加密算法加密的身份信息、通过第二加密算法加密的联系方式信息以及收货地址信息。
可选地,所述第一匹配单元具体用于:
将所述订单时间信息、所述身份信息以及所述收货地址信息导入ElasticSearch数据库中;
基于所述订单时间信息以及所述身份信息,在所述ElasticSearch数据库中索引以所述订单时间信息对应的订单时间为终,第一预设时间段内历史电商订单中所述身份信息一致的历史电商订单的历史收货地址信息;
依次计算所述历史收货地址信息与所述收货地址信息的相关度;
若所述相关度大于第一预设阈值但小于100%,则将所述历史电商订单标记为第一相似订单;
统计所述第一相似订单的数量。
可选地,还包括:
第二解析单元,用于解析所述电商订单,获取所述电商订单中的订单时间信息、联系方式信息以及收货地址信息;
第二匹配单元,用于根据所述订单时间信息、所述联系方式信息以及所述收货地址信息,通过ElasticSearch搜索ElasticSearch数据库中在基于所述订单时间信息的第二预设时间段内,与所述联系方式信息一致且与所述收货地址信息的相关度大于第三预设阈值但小于100%的第二相似订单的数量;
第二标记单元,用于若所述第二相似订单数量大于第四预设阈值,则将所述电商订单以及所述第二相似订单均标记为风险订单。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请中,提供了一种防刷单的风险管理方法及装置,通过解析电商订单,得到电商订单中包含的订单时间信息、身份信息以及收货地址信息,利用ElasticSearch将该电商订单在ElasticSearch数据库中的进行相关度的匹配,以订单时间信息为基准,索引第一预设时间段内具有相同身份信息但不同收货地址信息,且收货地址信息的相关度大于第一预设阈值但小于100%的第一相似订单,通过判断第一相似订单的数量来确定该电商订单以及第一相似订单之间是否存在有刷单的情况,从而进行风险标记,解决了现有的刷单情况中,通过相同身份证但相似收货地址进行刷单的问题。
附图说明
图1为本申请实施例中一种防刷单的风险管理方法的方法流程图;
图2为本申请实施例中一种防刷单的风险管理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请设计了一种防刷单的风险管理方法及装置,解决了现有的刷单情况中,通过相同身份证但相似收货地址进行刷单的问题。
为了便于理解,请参阅图1,图1为本申请实施例中一种防刷单的风险管理方法的方法流程图,如图1所示,具体为:
S101、接收上游订单***发送的电商订单;
需要说明的是,上游订单***在创建了新的电商订单后,需要经过防刷单的风险管理检验。
S102、解析电商订单,获取电商订单中的订单时间信息、身份信息以及收货地址信息;
具体为:
解析电商订单,获取电商订单中的订单号、订单时间信息、通过第一加密算法加密的身份信息、通过第二加密算法加密的联系方式信息以及收货地址信息。
需要说明的是,通常一份电商订单将携带有多种信息,但在防刷单的风险管理之中,最主要获取的是该电商订单中的订单时间信息、身份信息以及收货地址信息,订单时间信息可以为电商订单创建时间,也可以为电商订单付款时间等,身份信息通常为电商订单的订购人的身份证信息,而收货地址信息则是该电商订单对应的收货地址。其中,身份信息以及联系方式信息均通过加密算法进行加密,加密算法可以为统一的加密算法,也可以分别选取不同的加密算法进行加密。
S103、根据订单时间信息、身份信息以及收货地址信息,通过ElasticSearch搜索ElasticSearch数据库中在基于订单时间信息的第一预设时间段内,与身份信息一致且与收货地址信息的相关度大于第一预设阈值但小于100%的第一相似订单的数量;
具体为:
将订单时间信息、身份信息以及收货地址信息导入ElasticSearch数据库中;
基于订单时间信息以及身份信息,在ElasticSearch数据库中索引以订单时间信息对应的订单时间为终,第一预设时间段内历史电商订单中身份信息一致的历史电商订单的历史收货地址信息;
依次计算历史收货地址信息与收货地址信息的相关度;
若相关度大于第一预设阈值但小于100%,则将历史电商订单标记为第一相似订单;
统计第一相似订单的数量。
需要说明的是,在解析电商订单获取到订单时间信息、身份信息以及收货地址信息后,需要通过ElasticSearch在ElasticSearch数据库中,基于订单时间信息,搜索ElasticSearch数据库中以相同身份信息提交的历史电商订单,并进一步地以该电商订单的收货地址信息为基准,计算与历史电商订单的收货地址信息之间的相关度,相关度大于第一预设阈值则说明历史电商订单的收货地址信息与高度相似,但相关度又不达到100%,说明历史电商订单与当前电商订单不是同一个收货地址信息,则可能存在刷单的风险。
S104、若第一相似订单数量大于第二预设阈值,则将电商订单以及第一相似订单均标记为风险订单。
需要说明的是,为了进一步地对电商订单是否存在刷单风险进行判断,需要统计第一相似订单的数量,若第一相似订单的数量累积超过第二预设阈值,例如第一相似订单的数量为4单,而第二预设阈值为3单,超过3单即可判定该身份信息被利用进行刷单。
可以理解的是,本申请提供的防刷单的风险管理方法在电商订单的各种信息维度中,不考虑电商订单所购买的商品,仅针对于订购人的身份信息、订单时间信息以及收货地址信息作为风险评判的维度,降低了风险评判的要求,同时提高了风险管理的效率,减少ElasticSearch数据库中的数据容量。
进一步地,步骤S104之后还包括:
若第一相似订单数量小于第二预设阈值,则将电商订单中的身份信息以及收货地址信息关联保存至ElasticSearch数据库中。
进一步地,还包括:
解析电商订单,获取电商订单中的订单时间信息、联系方式信息以及收货地址信息;
根据订单时间信息、联系方式信息以及收货地址信息,通过ElasticSearch搜索ElasticSearch数据库中在基于订单时间信息的第二预设时间段内,与联系方式信息一致且与收货地址信息的相关度大于第三预设阈值但小于100%的第二相似订单的数量;
若第二相似订单数量大于第四预设阈值,则将电商订单以及第二相似订单均标记为风险订单。
需要说明的是,除了考虑到相同身份信息、相似收货地址的刷单情况,本申请还可以以相同联系方式信息,相似收货地址为基准进行类似的刷单风险管理,避免相似的刷单情况的出现。
本申请提供的一种防刷单的风险管理方法还包括:
解析电商订单,获取电商订单中的订单时间信息、IP地址信息以及收货地址信息;
根据订单时间信息、IP地址信息以及收货地址信息,通过ElasticSearch搜索ElasticSearch数据库中在基于订单时间信息的第三预设时间段内,与IP地址信息一致且与收货地址信息的相关度大于第五预设阈值但小于100%的第三相似订单的数量;
若第三相似订单数量大于第六预设阈值,则将电商订单以及第二相似订单均标记为风险订单。
需要说明的是,除了考虑到相同身份信息、相似收货地址的刷单情况,本申请还可以以相同IP地址信息,相似收货地址为基准进行类似的刷单风险管理,避免相似的刷单情况的出现。
请参阅图2,图2为本申请实施例中一种防刷单的风险管理装置的结构示意图,如图2所示,具体为:
接收单元201,用于接收上游订单***发送的电商订单;
第一解析单元202,用于解析电商订单,获取电商订单中的订单时间信息、身份信息以及收货地址信息;
第一匹配单元203,用于根据订单时间信息、身份信息以及收货地址信息,通过ElasticSearch搜索ElasticSearch数据库中在基于订单时间信息的第一预设时间段内,与身份信息一致且与收货地址信息的相关度大于第一预设阈值但小于100%的第一相似订单的数量;
第一标记单元204,用于若第一相似订单数量大于第二预设阈值,则将电商订单以及第一相似订单均标记为风险订单。
进一步地,还包括:
保存单元,用于若第一相似订单数量小于第二预设阈值,则将电商订单中的身份信息以及收货地址信息关联保存至ElasticSearch数据库中。
进一步地,第一解析单元202具体用于:
解析电商订单,获取电商订单中的订单号、订单时间信息、通过第一加密算法加密的身份信息、通过第二加密算法加密的联系方式信息以及收货地址信息。
进一步地,第一匹配单元203具体用于:
将订单时间信息、身份信息以及收货地址信息导入ElasticSearch数据库中;
基于订单时间信息以及身份信息,在ElasticSearch数据库中索引以订单时间信息对应的订单时间为终,第一预设时间段内历史电商订单中身份信息一致的历史电商订单的历史收货地址信息;
依次计算历史收货地址信息与收货地址信息的相关度;
若相关度大于第一预设阈值但小于100%,则将历史电商订单标记为第一相似订单;
统计第一相似订单的数量。
进一步地,还包括:
第二解析单元,用于解析电商订单,获取电商订单中的订单时间信息、联系方式信息以及收货地址信息;
第二匹配单元,用于根据订单时间信息、联系方式信息以及收货地址信息,通过ElasticSearch搜索ElasticSearch数据库中在基于订单时间信息的第二预设时间段内,与联系方式信息一致且与收货地址信息的相关度大于第三预设阈值但小于100%的第二相似订单的数量;
第二标记单元,用于若第二相似订单数量大于第四预设阈值,则将电商订单以及第二相似订单均标记为风险订单。
本申请实施例中,提供了一种防刷单的风险管理方法及装置,通过解析电商订单,得到电商订单中包含的订单时间信息、身份信息以及收货地址信息,利用ElasticSearch将该电商订单在ElasticSearch数据库中的进行相关度的匹配,以订单时间信息为基准,索引第一预设时间段内具有相同身份信息但不同收货地址信息,且收货地址信息的相关度大于第一预设阈值但小于100%的第一相似订单,通过判断第一相似订单的数量来确定该电商订单以及第一相似订单之间是否存在有刷单的情况,从而进行风险标记,解决了现有的刷单情况中,通过相同身份证但相似收货地址进行刷单的问题。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种电商防刷单的风险管理方法,其特征在于,包括:
S101、接收上游订单***发送的电商订单;
S102、解析所述电商订单,获取所述电商订单中的订单时间信息、身份信息以及收货地址信息;
S103、根据所述订单时间信息、所述身份信息以及所述收货地址信息,通过ElasticSearch搜索ElasticSearch数据库中在基于所述订单时间信息的第一预设时间段内,与所述身份信息一致且与所述收货地址信息的相关度大于第一预设阈值但小于100%的第一相似订单的数量;
S104、若所述第一相似订单数量大于第二预设阈值,则将所述电商订单以及所述第一相似订单均标记为风险订单。
2.根据权利要求1所述的电商防刷单的风险管理方法,其特征在于,所述步骤S104之后还包括:
若所述第一相似订单数量小于第二预设阈值,则将所述电商订单中的身份信息以及收货地址信息关联保存至ElasticSearch数据库中。
3.根据权利要求1所述的电商防刷单的风险管理方法,其特征在于,所述步骤S102具体包括:
解析所述电商订单,获取所述电商订单中的订单号、订单时间信息、通过第一加密算法加密的身份信息、通过第二加密算法加密的联系方式信息以及收货地址信息。
4.根据权利要求1所述的电商防刷单的风险管理方法,其特征在于,所述步骤S103具体包括:
将所述订单时间信息、所述身份信息以及所述收货地址信息导入ElasticSearch数据库中;
基于所述订单时间信息以及所述身份信息,在所述ElasticSearch数据库中索引以所述订单时间信息对应的订单时间为终,第一预设时间段内历史电商订单中所述身份信息一致的历史电商订单的历史收货地址信息;
依次计算所述历史收货地址信息与所述收货地址信息的相关度;
若所述相关度大于第一预设阈值但小于100%,则将所述历史电商订单标记为第一相似订单;
统计所述第一相似订单的数量。
5.根据权利要求3所述的电商防刷单的风险管理方法,其特征在于,还包括:
解析所述电商订单,获取所述电商订单中的订单时间信息、联系方式信息以及收货地址信息;
根据所述订单时间信息、所述联系方式信息以及所述收货地址信息,通过ElasticSearch搜索ElasticSearch数据库中在基于所述订单时间信息的第二预设时间段内,与所述联系方式信息一致且与所述收货地址信息的相关度大于第三预设阈值但小于100%的第二相似订单的数量;
若所述第二相似订单数量大于第四预设阈值,则将所述电商订单以及所述第二相似订单均标记为风险订单。
6.一种电商防刷单的风险管理装置,其特征在于,包括:
接收单元,用于接收上游订单***发送的电商订单;
第一解析单元,用于解析所述电商订单,获取所述电商订单中的订单时间信息、身份信息以及收货地址信息;
第一匹配单元,用于根据所述订单时间信息、所述身份信息以及所述收货地址信息,通过ElasticSearch搜索ElasticSearch数据库中在基于所述订单时间信息的第一预设时间段内,与所述身份信息一致且与所述收货地址信息的相关度大于第一预设阈值但小于100%的第一相似订单的数量;
第一标记单元,用于若所述第一相似订单数量大于第二预设阈值,则将所述电商订单以及所述第一相似订单均标记为风险订单。
7.根据权利要求6所述的防刷单的风险管理装置,其特征在于,还包括:
保存单元,用于若所述第一相似订单数量小于第二预设阈值,则将所述电商订单中的身份信息以及收货地址信息关联保存至ElasticSearch数据库中。
8.根据权利要求6所述的防刷单的风险管理装置,其特征在于,所述第一解析单元具体用于:
解析所述电商订单,获取所述电商订单中的订单号、订单时间信息、通过第一加密算法加密的身份信息、通过第二加密算法加密的联系方式信息以及收货地址信息。
9.根据权利要求6所述的防刷单的风险管理装置,其特征在于,所述第一匹配单元具体用于:
将所述订单时间信息、所述身份信息以及所述收货地址信息导入ElasticSearch数据库中;
基于所述订单时间信息以及所述身份信息,在所述ElasticSearch数据库中索引以所述订单时间信息对应的订单时间为终,第一预设时间段内历史电商订单中所述身份信息一致的历史电商订单的历史收货地址信息;
依次计算所述历史收货地址信息与所述收货地址信息的相关度;
若所述相关度大于第一预设阈值但小于100%,则将所述历史电商订单标记为第一相似订单;
统计所述第一相似订单的数量。
10.根据权利要求8所述的防刷单的风险管理装置,其特征在于,还包括:
第二解析单元,用于解析所述电商订单,获取所述电商订单中的订单时间信息、联系方式信息以及收货地址信息;
第二匹配单元,用于根据所述订单时间信息、所述联系方式信息以及所述收货地址信息,通过ElasticSearch搜索ElasticSearch数据库中在基于所述订单时间信息的第二预设时间段内,与所述联系方式信息一致且与所述收货地址信息的相关度大于第三预设阈值但小于100%的第二相似订单的数量;
第二标记单元,用于若所述第二相似订单数量大于第四预设阈值,则将所述电商订单以及所述第二相似订单均标记为风险订单。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111130113.XA CN113837617A (zh) | 2021-09-26 | 2021-09-26 | 一种防刷单的风险管理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111130113.XA CN113837617A (zh) | 2021-09-26 | 2021-09-26 | 一种防刷单的风险管理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113837617A true CN113837617A (zh) | 2021-12-24 |
Family
ID=78970510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111130113.XA Pending CN113837617A (zh) | 2021-09-26 | 2021-09-26 | 一种防刷单的风险管理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113837617A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992135A (zh) * | 2019-11-25 | 2020-04-10 | 拉扎斯网络科技(上海)有限公司 | 一种风险识别方法、装置、电子设备及存储介质 |
CN116051130A (zh) * | 2023-03-28 | 2023-05-02 | 北京龙驹易行科技有限公司 | 多租户平台的切单行为识别方法、装置、设备和存储介质 |
CN117035945A (zh) * | 2023-09-08 | 2023-11-10 | 广东海洋大学 | 基于深度学习的电子信息管理方法及相关设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107203522A (zh) * | 2016-03-16 | 2017-09-26 | 北京京东尚科信息技术有限公司 | 一种恶意订单地址的判定方法和装置 |
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 |
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 |
CN113112323A (zh) * | 2021-03-16 | 2021-07-13 | 中国平安财产保险股份有限公司 | 基于数据分析的异常订单识别方法、装置、设备及介质 |
-
2021
- 2021-09-26 CN CN202111130113.XA patent/CN113837617A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107203522A (zh) * | 2016-03-16 | 2017-09-26 | 北京京东尚科信息技术有限公司 | 一种恶意订单地址的判定方法和装置 |
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 |
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 |
CN113112323A (zh) * | 2021-03-16 | 2021-07-13 | 中国平安财产保险股份有限公司 | 基于数据分析的异常订单识别方法、装置、设备及介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992135A (zh) * | 2019-11-25 | 2020-04-10 | 拉扎斯网络科技(上海)有限公司 | 一种风险识别方法、装置、电子设备及存储介质 |
CN110992135B (zh) * | 2019-11-25 | 2024-01-23 | 拉扎斯网络科技(上海)有限公司 | 一种风险识别方法、装置、电子设备及存储介质 |
CN116051130A (zh) * | 2023-03-28 | 2023-05-02 | 北京龙驹易行科技有限公司 | 多租户平台的切单行为识别方法、装置、设备和存储介质 |
CN117035945A (zh) * | 2023-09-08 | 2023-11-10 | 广东海洋大学 | 基于深度学习的电子信息管理方法及相关设备 |
CN117035945B (zh) * | 2023-09-08 | 2024-05-14 | 广东海洋大学 | 基于深度学习的电子信息管理方法及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113837617A (zh) | 一种防刷单的风险管理方法及装置 | |
CN109242261B (zh) | 基于大数据评估保全风险的方法及终端设备 | |
US8170998B2 (en) | Methods, systems, and computer program products for estimating accuracy of linking of customer relationships | |
CN108780479A (zh) | 用于对异常进行检测和评分的***和方法 | |
CN106384273A (zh) | 恶意刷单检测***及方法 | |
KR20160114724A (ko) | 구매 정보 활용 시스템 및 구매 정보 활용 방법 및 프로그램 | |
WO2010129563A2 (en) | Determining targeted incentives based on consumer transaction history | |
CN111143415A (zh) | 一种数据处理方法、装置和计算机可读存储介质 | |
CN106600341A (zh) | 商品销量统计方法 | |
CN109697454B (zh) | 一种基于隐私保护的跨设备个体识别方法及装置 | |
EP3543943A1 (en) | Purchase information utilization system, purchase information utilization method, and program | |
CN114116802A (zh) | Flink计算框架的数据处理方法、装置、设备和存储介质 | |
CN114331593A (zh) | 恶意订单的识别及处理方法、装置、设备及存储介质 | |
CN115545828A (zh) | 一种基于人工智能的电商数据推送分析*** | |
CN109450963B (zh) | 消息推送方法及终端设备 | |
CN114493361A (zh) | 一种商品推荐算法的有效性评估方法和装置 | |
CN112819476A (zh) | 风险识别方法、装置、非易失性存储介质和处理器 | |
CN113298550A (zh) | 商品价格的调整方法、装置和服务器 | |
CN106919609B (zh) | 产品信息推送方法和装置 | |
US10540682B1 (en) | Systems and methods for determining impact of high-affinity baskets | |
CN111445297A (zh) | 采购量的确定方法、装置、存储介质及电子设备 | |
CN113052673B (zh) | 对账清算方法、装置、计算机设备及存储介质 | |
CN113095939B (zh) | 一种区块链智能合约推荐方法及装置 | |
CN115049411A (zh) | 刷单用户检测方法、装置、设备及存储介质 | |
CN104484357A (zh) | 数据处理方法及装置和访问频次信息处理方法及装置 |
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: 20211224 |