CN115358876A - 一种交易风险控制方法、装置、计算机设备及存储介质 - Google Patents
一种交易风险控制方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN115358876A CN115358876A CN202211026046.1A CN202211026046A CN115358876A CN 115358876 A CN115358876 A CN 115358876A CN 202211026046 A CN202211026046 A CN 202211026046A CN 115358876 A CN115358876 A CN 115358876A
- Authority
- CN
- China
- Prior art keywords
- transaction
- user
- information
- time
- matching
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本文涉及风控领域,提供了一种交易风险控制方法、装置、计算机设备及存储介质,其中,方法包括:接收到用户当前交易请求后,根据所述用户最近第一预定时间段内的交易请求计算用户实时交易画像;将用户当前交易请求中的收款方信息与标签数据库中的信息进行第一次匹配,标签数据库用于记录具有纠纷风险的收款方信息;若第一次匹配成功,将用户实时交易画像与行为数据库中用户的交易行为模型进行第二次匹配,用户的交易行为模型用于记录历史用户的标准交易画像;若第一次匹配失败或第二次匹配失败,则响应用户当前交易请求,若第二次匹配成功,则发出风险提示信息。本文能够识别及制止非正常交易行为,进而减少纠纷。
Description
技术领域
本文涉及风控领域,尤其涉及一种交易风险控制方法、装置、计算机设备及存储介质。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
现有技术中,存在未成年人未经监护人允许擅自给主播打款或购买大额游戏装备的情况,老年人被保健品公司推销购买大量商品等。对于现有的这些情况,通常是普遍简单提示的方式提醒用户存在纠纷风险,该种方法无法防止风险行为的发生,且无法确认是否存在纠纷风险。
发明内容
本文用于解决现有技术中无法识别老年人及未成年人等非正常交易行为,且无法控制非正常交易行为的发生的问题。
为了解决上述技术问题,本文一方面提供一种交易风险控制方法,包括:
接收到用户当前交易请求后,根据所述用户最近第一预定时间段内的交易请求计算用户实时交易画像,其中,所述交易请求包括收款方信息、交易额信息、交易时间信息及用户信息;
将所述用户当前交易请求中的收款方信息与标签数据库中的信息进行第一次匹配,标签数据库用于记录具有纠纷风险的收款方信息;
若第一次匹配成功,将所述用户实时交易画像与行为数据库中所述用户的交易行为模型进行第二次匹配,用户的交易行为模型用于记录历史用户的标准交易画像;
若第一次匹配失败或第二次匹配失败,则响应所述用户当前交易请求,若第二次匹配成功,则发出风险提示信息。
作为本案进一步实施例中,实时交易画像包括:实时交易频率、实时交易额信息及实时收款方信息;
根据所述用户最近第一预定时间段内的交易请求计算用户实时交易画像,包括:
根据所述用户最近第一预定时间段内交易请求中的交易时间信息,计算用户实时交易频率;
将所述用户当前交易请求中的交易额信息作为用户实时交易额信息;
将所述用户当前交易请求中的收款方信息作为用户实时收款方信息。
作为本案进一步实施例中,所述标签数据库中还记录有所述具有纠纷风险的收款方的纠纷风险程度;
将所述用户实时交易画像与行为数据库中所述用户的交易行为模型进行第二次匹配包括:
根据所述用户当前交易请求中的收款方信息从标签数据库中确定收款方的纠纷风险程度;
根据收款方的纠纷风险程度,修正行为数据库中所述用户的交易行为模型;
将所述用户实时交易画像与修正后的交易行为模型进行第二次匹配。
作为本案进一步实施例中,所述标准交易画像包括:交易频率上限、交易金额上限及收款方分布信息;
所述行为数据库建立过程包括:
获取各用户最近第二预定时间段内的历史交易账单信息,其中,所述历史交易账单信息包括收款方信息、交易额信息、交易时间信息及用户信息;
根据各用户历史交易账单信息中的交易时间信息,计算各用户的历史交易频率;
根据各用户历史交易账单信息中的交易额信息,计算各用户的历史最大交易额度;
根据各用户历史交易账单信息中的收款方信息,计算各用户的收款方分布信息;
对各用户的历史交易频率及历史最大交易额度按照修正系数进行缩放处理,得到各用户的交易频率上限及交易额度上限,修正系数根据收款方的纠纷风险程度确定;
由各用户的交易频率上限、交易额度上限及收款方分布信息,构成各用户的交易行为模型;
由各用户的交易行为模型构成行为数据库。
作为本案进一步实施例中,所述标签数据库建立过程包括:
获取最近第三预定时间段内历史收款账户的相关信息,其中,所述历史收款账户的相关信息包括:收款账户,账户所属用户的名称、经营范围、行业分类、CRR风险评级、新闻信息及征信信息;
对所述账户所属用户的名称及经营范围进行关键字提取,将提取的关键字与关键字词库中的关键字进行匹配,若匹配成功,则对收款账户进行打标处理,关键字词库中包括具有纠纷风险的关键字;
判断所述行业分类是否属于预定行业,若是,则对收款账户进行打标处理;
判断所述CRR风险评级是否高于预设风险评级,若是,则对收款账户进行打标处理;
判断所述新闻信息中是否包含多条经济纠纷信息,若是,则对收款账户进行打标处理;
判断征信信息是否存在违约信息,若是,则对收款账户进行打标处理。作为本案进一步实施例中,所述发出风险提示信息包括:
发出抓拍交易场景指令至用户终端:
接收用户终端发送的交易场景图像;
对交易场景图像进行人体检测,并根据人体检测结果提取用户特征信息;
根据人体检测结果及用户特征信息确定交易场景是否存在风险;
当交易场景存在风险时,发出5G提醒信息至用户关联的监督人,其中,5G提醒信息中包括交互控件,用于供监督人确认是否同意交易;
接收监督人发送的确认结果,确认结果通过后响应交易请求。
作为本案进一步实施例中,根据人体检测结果及用户特征信息确定交易场景是否存在风险,包括:
根据人体检测结果确定交易场景中的人数;
比较提取的用户特征信息与用户的标准特征信息,其中,所述用户的标准特征信息由用户预留的图像确定;
若比较结果不一致或交易场景中的人数大于1,则确定交易场景存在风险。
本文另一方面提供一种交易风险控制装置,包括:
计算单元,用于接收到用户当前交易请求后,根据所述用户最近第一预定时间段内的交易请求计算用户实时交易画像,其中,所述交易请求包括收款方信息、交易额信息、交易时间信息及用户信息;
第一匹配单元,用于将所述用户当前交易请求中的收款方信息与标签数据库中的信息进行第一次匹配,标签数据库用于记录具有纠纷风险的收款方信息;
第二匹配单元,用于若第一次匹配成功,将所述用户实时交易画像与行为数据库中所述用户的交易行为模型进行第二次匹配,用户的交易行为模型用于记录历史用户的标准交易画像;
响应单元,用于若第一次匹配失败或第二次匹配失败,则响应所述用户当前交易请求,若第二次匹配成功,则发出风险提示信息。
本文第三方面提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现前述任一实施例所述方法。
本文第四方面提供一种计算机存储介质,其上存储有计算机程序,所述计算机程序被计算机设备的处理器运行时,执行根据前述任一实施例所述方法的指令。
本文第五方面提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现前述任一实施例所述方法。
本文提供的交易风险控制方法及装置通过在接收到交易请求后,增加如下流程:根据用户最近第一预定时间段内的交易请求计算用户实时交易画像,其中,交易请求包括收款方信息、交易额信息、交易时间信息及用户信息;将用户当前交易请求中的收款方信息与标签数据库中的信息进行第一次匹配,标签数据库用于记录具有纠纷风险的收款方信息;若第一次匹配成功,将用户实时交易画像与行为数据库中用户的交易行为模型进行第二次匹配,用户的交易行为模型用于记录历史用户的标准交易画像;若第一次匹配失败或第二次匹配失败,则响应用户当前交易请求,若第二次匹配成功,则发出风险提示信息,通过第一次匹配能够识别出风险交易的可能性,通过第二次匹配能够识别出非正常交易行为,通过发出风险提示信息的方式能够控制非正常交易行为的发生,并进一步确定是否存在老年人及未成年人等非正常交易行为。
为让本文的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
附图说明
为了更清楚地说明本文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文的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本文实施例交易风险控制***的结构图;
图2示出了本文实施例交易风险控制方法的流程图;
图3示出了本文实施例用户实时交易画像计算过程的流程图;
图4示出了本文实施例第二次匹配过程的流程图;
图5示出了本文实施例行为数据库建立过程的流程图;
图6示出了本文实施例标签数据库建立过程的流程图;
图7示出了本文实施例风险提示过程的流程图;
图8示出了本文实施例交易风险控制装置的结构图;
图9示出了本文实施例计算机设备的结构图。
附图符号说明:
110、客户端;
120、服务端;
801、计算单元;
802、第一匹配单元;
803、第二匹配单元;
804、响应单元;
902、计算机设备;
904、处理器;
906、存储器;
908、驱动机构;
910、输入/输出模块;
912、输入设备;
914、输出设备;
916、呈现设备;
918、图形用户接口;
920、网络接口;
922、通信链路;
924、通信总线。
具体实施方式
下面将结合本文实施例中的附图,对本文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文一部分实施例,而不是全部的实施例。基于本文中的实施例,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,都属于本文保护的范围。
需要说明的是,本文的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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,以便这里描述的本文的实施例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、装置、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。
本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的***或装置产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行。
需要说明的是,本申请所涉及的交易请求(包括但不限于收款方信息、交易额信息、交易时间信息及用户信息等)和交易画像,均为经用户授权或者经过各方充分授权的信息和数据。
本文一实施例中,提供一种交易风险控制***,用于解决现有技术中无法识别老年人及未成年人等非正常交易行为,且无法控制非正常交易行为的发生的问题。具体的,如图1所示,交易风险控制***包括客户端110及服务端120。
客户端110可以为台式电脑、平板电脑、笔记本电脑、智能手机、数字助理、智能可穿戴设备等。其中,智能可穿戴设备可以包括智能手环、智能手表、智能眼镜、智能头盔等。当然,所述客户端并不限于上述具有一定实体的电子设备,其还可以为运行于上述电子设备中的软件。客户端110可由用户操作发出交易请求。
服务端120可以为服务器,用于接收到用户当前交易请求后,根据用户最近第一预定时间段内的交易请求计算用户实时交易画像,其中,交易请求包括收款方信息、交易额信息、交易时间信息及用户信息;将用户当前交易请求中的收款方信息与标签数据库中的信息进行第一次匹配,标签数据库用于记录具有纠纷风险的收款方信息;若第一次匹配成功,将用户实时交易画像与行为数据库中用户的交易行为模型进行第二次匹配,用户的交易行为模型用于记录历史用户的标准交易画像;若第一次匹配失败或第二次匹配失败,则响应用户当前交易请求,若第二次匹配成功,则发出风险提示信息。
详细的说,本文申请人发现用户的交易金额、交易频率、收款人等特征可能反映交易的风险。例如,当存在欺诈行为(例如老年人被保健品公司推销)时,交易金额、交易频率可能比较大;当收款人为视频主播、游戏公司等时,可能存在未成年人未经监护人允许擅自给主播打款或购买大额游戏装备的情况。
交易请求中的用户信息包括付款方信息,例如为用户名、身份证号、用户标识等,通过用户信息可实现对用户交易画像的分析。
用户实时交易画像包括实时交易频率、实时交易额信息及实时收款方信息。用户实施交易画像通过用户最近第一预定时间段内的交易请求计算得到。
行为数据库中用户的标准交易画像包括交易频率上限、交易金额上限及收款方分布信息。用户的标准交易画像通过用户第二预定时间段内历史交易账单信息计算得到,其中,历史交易账单信息包括收款方信息、交易额信息、交易时间信息及用户信息。第二预定时间段例如为最近半年、一年等。第一预定时间段小于第二预定时间段,例如为最近一周。
具体实施时,实时交易频率及交易频率上限可根据固定周期划分为多个实时交易子频率及交易频率子上限。固定周期例如为工作日、休息日等。实时交易子频率指的是固定周期内平均交易次数,交易频率子上限指的是固定周期内最大交易次数。
本实施例通过第一次匹配能够识别出风险交易的可能性,通过第二次匹配能够识别出非正常交易行为,通过发出风险提示信息的方式能够控制非正常交易行为的发生,并进一步确定是否存在老年人及未成年人等非正常交易行为。其中,本文所述的非正常行为包括但不限于如下两种情况:未成年人未经监护人允许擅自给主播打款或购买大额游戏装备的行为;老年人被保健品公司推销购买大量商品等。
本文一实施例中,如图2所示,交易风险控制方法包括:
步骤201,接收到用户当前交易请求后,根据用户最近第一预定时间段内的交易请求计算用户实时交易画像,其中,所述交易请求包括收款方信息、交易额信息、交易时间信息及用户信息。
步骤202,将用户当前交易请求中的收款方信息与标签数据库中的信息进行第一次匹配,标签数据库用于记录具有纠纷风险的收款方信息,若第一次匹配成功,说明交易存在风险,则执行步骤203,若第一次匹配失败,说明不存在非正常交易风险,则执行步骤205。
具有纠纷风险的收款方信息可采用人工分析历史收款方账户的相关信息的方式确定,其中,历史收款方账户的相关信息包括但不限于收款账户,账户所属用户的名称、经营范围、行业分类、CRR(Credit Risk Rating,信用风险等级评定)风险评级、新闻信息及征信信息。其中,收款账户为是收款方账号。当用户为个人时,账户所属用户的名称为人名,当用户为企业时,账户所属用户的名称为企业名称。账户所属用户的经营范围可从本地服务器获取,还可从工商注册中心(例如工商局、企查查等)获取。行业分类也可以从工商注册中心确认,或根据经营范围确定,包括有行业分类中的大类及小类,大类例如为娱乐业,小类例如为歌舞厅娱乐活动、电子游艺厅娱乐活动、网吧活动、文化娱乐经纪人。CRR风险评级即为反洗钱风险评级,可由反洗钱***计算。新闻信息可从互联网上记录用户相关新闻的网站获取。征信信息可从征信***获取。
为了提高分析效率,避免人工分析误差,还可由数据分析历史收款方账户的相关信息的方式确定,具体参见后续实施例。
本步骤通过第一次匹配能够识别出风险交易的可能性。
步骤203,将用户实时交易画像与行为数据库中用户的交易行为模型进行第二次匹配,用户的交易行为模型用于记录历史用户的标准交易画像,若第二次匹配失败,则说明与用户历史行为一致,属于正常交易,则执行步骤204,若第二次匹配成功,则执行步骤205。
本步骤通过第二次匹配能够识别出非正常交易行为。
步骤204,响应用户当前交易请求。
步骤205,发出风险提示信息。
本步骤通过发出风险提示信息的方式能够控制非正常交易行为的发生,并进一步确定是否存在老年人及未成年人等非正常交易行为。
本文一实施例中,实时交易画像包括:实时交易频率、实时交易额信息及实时收款方信息。如图3所示,上述步骤301根据用户最近第一预定时间段内的交易请求计算用户实时交易画像,包括:
步骤301,根据用户最近第一预定时间段内交易请求中的交易时间信息,计算用户实时交易频率。
步骤302,将用户当前交易请求中的交易额信息作为用户实时交易额信息。
步骤303,将用户当前交易请求中的收款方信息作为用户实时收款方信息。
本文一实施例中,标签数据库中记录有具有纠纷风险的收款方信息及其纠纷风险程度。纠纷风险程度可根据收款方产生纠纷的次数及频次确定。纠纷次数及频次越高,对应的纠纷风险程度值越大。
进一步的,如图4所示,上述步骤203将用户实时交易画像与行为数据库中用户的交易行为模型进行第二次匹配包括:
步骤401,根据用户当前交易请求中的收款方信息从标签数据库中确定收款方的纠纷风险程度。
步骤402,根据收款方的纠纷风险程度,修正行为数据库中用户的交易行为模型。
具体的,交易行为模型用于记录历史用户的标准交易画像,标准交易画像包括:交易频率上限、交易金额上限及收款方分布信息,其中,交易频率上限、交易金额上限为修正系数的函数。
本步骤实施时,可根据收款方的纠纷风险程度、纠纷风险程度与修正系数的关联关系确定收款方的修正系数,纠纷风险程度越高,对应的修正系数越小;将修正系数输入至交易行为模型中,计算得到修正后交易行为模型。
步骤403,将用户实时交易画像与修正后的交易行为模型进行第二次匹配。
本文一实施例中,如图5所示,行为数据库建立过程包括:
步骤501,获取各用户第二预定时间段内的历史交易账单信息,其中,历史交易账单信息包括收款方信息、交易额信息、交易时间信息及用户信息。
步骤502,根据各用户历史交易账单信息中的交易时间信息,计算各用户的历史交易频率。
步骤503,根据各用户历史交易账单信息中的交易额信息,计算各用户的历史最大交易额度。
步骤504,根据各用户历史交易账单信息中的收款方信息,计算各用户的收款方分布信息。
详细的说,收款方分布信息为各收款方的交易次数分,能够反映用户的消费习惯。
步骤505,对各用户的历史交易频率及历史最大交易额度按照修正系数进行缩放处理,得到各用户的交易频率上限及交易额度上限,修正系数根据收款方的纠纷风险程度确定。
本步骤实施时,还可由用户指定敏感系数,例如70%,用于限定日常消费最大额度。由敏感系数乘以修正系数乘以各用户的历史交易频率及历史最大交易额度,得到各用户的交易频率上限及交易额度上限。
步骤506,由各用户的交易频率上限、交易额度上限及收款方分布信息,构成各用户的交易行为模型。
步骤507,由各用户的交易行为模型构成行为数据库。
本实施例实施时,为了更加准确地反映用户的交易行为,可对行为数据库进行周期性更新,例如每隔一天/一周更新一次。
本文一实施例中,如图6所示,标签数据库建立过程包括:
步骤601,获取最近第三预定时间段内历史收款账户的相关信息,其中,所述历史收款账户的相关信息包括:收款账户,账户所属用户的名称、经营范围、行业分类、CRR风险评级、新闻信息及征信信息。
步骤602,对账户所属用户的名称及经营范围进行关键字提取,将提取的关键字与关键字词库中的关键字进行匹配,若匹配成功,则对收款账户进行打标处理,关键字词库中包括具有纠纷风险的关键字。
步骤603,判断行业分类是否属于预定行业,若是,则对收款账户进行打标处理。
本实施例中,预定行业为存在纠纷风险的行业,包括但不限于娱乐业(歌舞厅娱乐活动、电子游艺厅娱乐活动、网吧活动、文化娱乐经纪人等)、p2p领域、保健医疗业(例如保健食品、保健辅助等)。
步骤604,判断CRR风险评级是否高于预设风险评级,若是,则对收款账户进行打标处理。
步骤605,判断新闻信息中是否包含多条经济纠纷信息,若是,则对收款账户进行打标处理。
步骤606,判断征信信息是否存在违约信息,若是,则对收款账户进行打标处理。
本实施例实施时,不对上述步骤602至步骤606的实施顺序进行限定。
本文一实施例中,如图7所示,上述步骤205发出风险提示信息包括:
步骤701,发出抓拍交易场景指令至用户终端。用户终端接收到抓拍交易以场景指令后,自动启动用户终端中的摄像头采集交易场景图像。该过程为用户办理交易业务时授权的行为,符合合规性要求。
步骤702,接收用户终端发送的交易场景图像。
步骤703,对交易场景图像进行人体检测,并根据人体检测结果提取用户特征信息。
本步骤具体实施时,可采用现有算法进行人体检测及用户特征提取,本文对人体检测及用户特征提取过程不做限定。
步骤704,根据人体检测结果及用户特征信息确定交易场景是否存在风险。
本步骤实施时,先根据人体检测结果确定交易场景中的人数;比较提取的用户特征信息与用户的标准特征信息,其中,用户的标准特征信息由用户预留的图像确定;若比较结果不一致或交易场景中的人数大于1,则确定交易场景存在风险。
当比较结果不一致说明疑似存在成年人未经监护人允许擅自交易的行为(例如给主播打款或购买大额游戏装备等)。当交易场景中的人数大于1说明疑似存在老年人被推销购买商品的行为(例如保健品公司推销购买保健品)。
步骤705,当交易场景存在风险时,发出5G提醒信息至用户关联的监督人,其中,5G提醒信息中包括交互控件,用于供监督人确认是否同意交易。
详细的说,用户关联的监督人可由用户办理业务时由用户设定,本文对监督人具体为谁不做限定。
本实施例通过5G消息能够提高提醒下信息的可信度,同时还提高用户的交互性,便于监督人参与到交易监控中。
步骤706,接收监督人发送的确认结果,确认结果通过后响应交易请求,确认结果为不通过,则拒绝响应交易请求,交易失败。
本实施例能够精确地的识别及直至非正常交易行为,避免用户产生纠纷风险。
基于同一发明构思,本文还提供一种交易风险控制装置,如下面的实施例所述。由于交易风险控制装置解决问题的原理与交易风险控制方法相似,因此,交易风险控制装置的实施可以参见交易风险控制方法,重复之处不再赘述。
具体的,如图8所示,交易风险控制装置包括:
计算单元801,用于接收到用户当前交易请求后,根据所述用户最近第一预定时间段内的交易请求计算用户实时交易画像,其中,所述交易请求包括收款方信息、交易额信息、交易时间信息及用户信息。
第一匹配单元802,用于将所述用户当前交易请求中的收款方信息与标签数据库中的信息进行第一次匹配,标签数据库用于记录具有纠纷风险的收款方信息。
第二匹配单元803,用于若第一次匹配成功,将所述用户实时交易画像与行为数据库中所述用户的交易行为模型进行第二次匹配,用户的交易行为模型用于记录历史用户的标准交易画像。
响应单元804,用于若第一次匹配失败或第二次匹配失败,则响应所述用户当前交易请求,若第二次匹配成功,则发出风险提示信息。
本实施例通过第一次匹配能够识别出风险交易的可能性,通过第二次匹配能够识别出非正常交易行为,通过发出风险提示信息的方式能够控制非正常交易行为的发生,并进一步确定是否存在老年人及未成年人等非正常交易行为。
本文一实施例中,还提供一种计算机设备,如图9所示,计算机设备902包括存储器906、处理器904及存储在存储器906上并可在处理器904上运行的计算机程序,处理器904执行计算机程序时实现前述任一实施例所述方法。具体的,处理器904为一个或多个中央处理单元(CPU),每个处理单元可以实现一个或多个硬件线程。存储器906用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的,比如,存储器906可以包括以下任一项或多种组合:任何类型的RAM,任何类型的ROM,闪存设备,硬盘,光盘等。更一般地,任何存储器都可以使用任何技术来存储信息。进一步地,任何存储器可以提供信息的易失性或非易失性保留。进一步地,任何存储器可以表示计算机设备902的固定或可移除部件。在一种情况下,当处理器904执行被存储在任何存储器或存储器的组合中的相关联的指令时,计算机设备902可以执行相关联指令的任一操作。计算机设备902还包括用于与任何存储器交互的一个或多个驱动机构908,诸如硬盘驱动机构、光盘驱动机构等。
计算机设备902还可以包括输入/输出模块910(I/O),其用于接收各种输入(经由输入设备912)和用于提供各种输出(经由输出设备914)。一个具体输出机构可以包括呈现设备916和相关联的图形用户接口918(GUI)。在其他实施例中,还可以不包括输入/输出模块910(I/O)、输入设备912以及输出设备914,仅作为网络中的一台计算机设备。计算机设备902还可以包括一个或多个网络接口920,其用于经由一个或多个通信链路922与其他设备交换数据。一个或多个通信总线924将上文所描述的部件耦合在一起。
通信链路922可以以任何方式实现,例如,通过局域网、广域网(例如,因特网)、点对点连接等、或其任何组合。通信链路922可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
对应于图2至图7中的方法,本文实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法的步骤。
本文实施例还提供一种计算机可读指令,其中当处理器执行所述指令时,其中的程序使得处理器执行如图2至图7所示的方法。
应理解,在本文的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本文实施例的实施过程构成任何限定。
还应理解,在本文实施例中,术语“和/或”仅仅是一种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:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本文的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,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。
在本文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。另外,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,也可以是电的,机械的或其它的形式连接。
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文实施例方案的目的。
另外,在本文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,也可以是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,本文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)执行本文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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本文中应用了具体实施例对本文的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本文的方法及其核心思想;同时,对于本领域的一般技术人员,依据本文的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本文的限制。
Claims (11)
1.一种交易风险控制方法,其特征在于,包括:
接收到用户当前交易请求后,根据所述用户最近第一预定时间段内的交易请求计算用户实时交易画像,其中,所述交易请求包括收款方信息、交易额信息、交易时间信息及用户信息;
将所述用户当前交易请求中的收款方信息与标签数据库中的信息进行第一次匹配,标签数据库用于记录具有纠纷风险的收款方信息;
若第一次匹配成功,将所述用户实时交易画像与行为数据库中所述用户的交易行为模型进行第二次匹配,用户的交易行为模型用于记录历史用户的标准交易画像;
若第一次匹配失败或第二次匹配失败,则响应所述用户当前交易请求,若第二次匹配成功,则发出风险提示信息。
2.如权利要求1所述的方法,其特征在于,实时交易画像包括:实时交易频率、实时交易额信息及实时收款方信息;
根据所述用户最近第一预定时间段内的交易请求计算用户实时交易画像,包括:
根据所述用户最近第一预定时间段内交易请求中的交易时间信息,计算用户实时交易频率;
将所述用户当前交易请求中的交易额信息作为用户实时交易额信息;
将所述用户当前交易请求中的收款方信息作为用户实时收款方信息。
3.如权利要求1所述的方法,其特征在于,所述标签数据库中还记录有所述具有纠纷风险的收款方的纠纷风险程度;
将所述用户实时交易画像与行为数据库中所述用户的交易行为模型进行第二次匹配包括:
根据所述用户当前交易请求中的收款方信息从标签数据库中确定收款方的纠纷风险程度;
根据收款方的纠纷风险程度,修正行为数据库中所述用户的交易行为模型;
将所述用户实时交易画像与修正后的交易行为模型进行第二次匹配。
4.如权利要求3所述的方法,其特征在于,所述标准交易画像包括:交易频率上限、交易金额上限及收款方分布信息;
所述行为数据库的建立过程包括:
获取各用户第二预定时间段内的历史交易账单信息,其中,所述历史交易账单信息包括收款方信息、交易额信息、交易时间信息及用户信息;
根据各用户历史交易账单信息中的交易时间信息,计算各用户的历史交易频率;
根据各用户历史交易账单信息中的交易额信息,计算各用户的历史最大交易额度;
根据各用户历史交易账单信息中的收款方信息,计算各用户的收款方分布信息;
对各用户的历史交易频率及历史最大交易额度按照修正系数进行缩放处理,得到各用户的交易频率上限及交易额度上限,修正系数根据收款方的纠纷风险程度确定;
由各用户的交易频率上限、交易额度上限及收款方分布信息,构成各用户的交易行为模型;
由各用户的交易行为模型构成行为数据库。
5.如权利要求1所述的方法,其特征在于,所述标签数据库的建立过程包括:
获取最近第三预定时间段内历史收款账户的相关信息,其中,所述历史收款账户的相关信息包括:收款账户,账户所属用户的名称、经营范围、行业分类、CRR风险评级、新闻信息及征信信息;
对所述账户所属用户的名称及经营范围进行关键字提取,将提取的关键字与关键字词库中的关键字进行匹配,若匹配成功,则对收款账户进行打标处理,关键字词库中包括具有纠纷风险的关键字;
判断所述行业分类是否属于预定行业,若是,则对收款账户进行打标处理;
判断所述CRR风险评级是否高于预设风险评级,若是,则对收款账户进行打标处理;
判断所述新闻信息中是否包含多条经济纠纷信息,若是,则对收款账户进行打标处理;
判断征信信息是否存在违约信息,若是,则对收款账户进行打标处理。
6.如权利要求1所述的方法,其特征在于,所述发出风险提示信息包括:
发出抓拍交易场景指令至用户终端:
接收用户终端发送的交易场景图像;
对交易场景图像进行人体检测,并根据人体检测结果提取用户特征信息;
根据人体检测结果及用户特征信息确定交易场景是否存在风险;
当交易场景存在风险时,发出5G提醒信息至用户关联的监督人,其中,5G提醒信息中包括交互控件,用于供监督人确认是否同意交易;
接收监督人发送的确认结果,确认结果通过后响应交易请求。
7.如权利要求6所述的方法,其特征在于,根据人体检测结果及用户特征信息确定交易场景是否存在风险,包括:
根据人体检测结果确定交易场景中的人数;
比较提取的用户特征信息与用户的标准特征信息,其中,所述用户的标准特征信息由用户预留的图像确定;
若比较结果不一致或交易场景中的人数大于1,则确定交易场景存在风险。
8.一种交易风险控制装置,其特征在于,包括:
计算单元,用于接收到用户当前交易请求后,根据所述用户最近第一预定时间段内的交易请求计算用户实时交易画像,其中,所述交易请求包括收款方信息、交易额信息、交易时间信息及用户信息;
第一匹配单元,用于将所述用户当前交易请求中的收款方信息与标签数据库中的信息进行第一次匹配,标签数据库用于记录具有纠纷风险的收款方信息;
第二匹配单元,用于若第一次匹配成功,将所述用户实时交易画像与行为数据库中所述用户的交易行为模型进行第二次匹配,用户的交易行为模型用于记录历史用户的标准交易画像;
响应单元,用于若第一次匹配失败或第二次匹配失败,则响应所述用户当前交易请求,若第二次匹配成功,则发出风险提示信息。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任意一项所述方法。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被计算机设备的处理器运行时,执行根据权利要求1至7任意一项所述方法的指令。
11.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1至7任意一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211026046.1A CN115358876A (zh) | 2022-08-25 | 2022-08-25 | 一种交易风险控制方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211026046.1A CN115358876A (zh) | 2022-08-25 | 2022-08-25 | 一种交易风险控制方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115358876A true CN115358876A (zh) | 2022-11-18 |
Family
ID=84004949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211026046.1A Pending CN115358876A (zh) | 2022-08-25 | 2022-08-25 | 一种交易风险控制方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115358876A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078421A (zh) * | 2023-08-23 | 2023-11-17 | 江苏中创供应链服务有限公司 | 一种针对交易场景的用户大数据画像生成方法及装置 |
-
2022
- 2022-08-25 CN CN202211026046.1A patent/CN115358876A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078421A (zh) * | 2023-08-23 | 2023-11-17 | 江苏中创供应链服务有限公司 | 一种针对交易场景的用户大数据画像生成方法及装置 |
CN117078421B (zh) * | 2023-08-23 | 2024-04-09 | 江苏中创供应链服务有限公司 | 一种针对交易场景的用户大数据画像生成方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9646058B2 (en) | Methods, systems, and computer program products for generating data quality indicators for relationships in a database | |
US7720757B2 (en) | System and method for providing a credit account for debt recovery | |
US10902365B2 (en) | Identifying recurring series from transactional data | |
JP2022520824A (ja) | インテリジェント警告システム | |
US20180330384A1 (en) | Systems and methods for processing customer purchase transactions using biometric data | |
KR101794221B1 (ko) | 온라인 판매자의 정산 서비스를 위한 시스템 및 방법 | |
JP6368446B1 (ja) | 決済制御装置、決済システムおよび決済制御装置の制御プログラム | |
KR20140120259A (ko) | 구매 행위에 대한 리워드 제공 방법 및 그 장치 | |
US10515354B1 (en) | Discounted card not present rates following failed card present attempts | |
WO2022113058A1 (en) | Method for generating transferable tranches | |
CN115358876A (zh) | 一种交易风险控制方法、装置、计算机设备及存储介质 | |
US9721289B2 (en) | System and methods thereof for financing a purchase order over the web | |
US20150066773A1 (en) | Claim rate black box | |
CN111582878A (zh) | 一种交易风险预测方法、装置及*** | |
US20150348081A1 (en) | System and method for managing deposit account rewards based on customizable payment card transaction details | |
US20160063404A1 (en) | Universal back office workflow | |
US20220084035A1 (en) | System and method for facilitating direct trading of electronic transactions | |
WO2022136692A1 (en) | Method for calculating at least one score representative of a probable activity breakage of a merchant, system, apparatus and corresponding computer program | |
CN115526640A (zh) | 用于检测共谋交易欺诈的计算机实施的方法、***和计算机程序产品 | |
JP5292138B2 (ja) | 外国為替取引システム及びビッド/オファーフィルタリング方法 | |
JP2005346730A (ja) | 履歴情報を用いたクレジットカードの不正利用の判定方法 | |
US20150379415A1 (en) | System and method for processing a transaction | |
JP4048915B2 (ja) | 証券売買システム及びその方法 | |
JP5931836B2 (ja) | 金融サービスに関する電子記録債権の情報を管理するシステムおよび方法 | |
US20240143816A1 (en) | Information Acquisition, Filtering and Analyzing System and Method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |