CN115689564A - 一种基于大数据的线上支付信息安全管理***及方法 - Google Patents
一种基于大数据的线上支付信息安全管理***及方法 Download PDFInfo
- Publication number
- CN115689564A CN115689564A CN202211321788.7A CN202211321788A CN115689564A CN 115689564 A CN115689564 A CN 115689564A CN 202211321788 A CN202211321788 A CN 202211321788A CN 115689564 A CN115689564 A CN 115689564A
- Authority
- CN
- China
- Prior art keywords
- online payment
- early warning
- payment
- online
- transaction record
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000013210 evaluation model Methods 0.000 claims abstract description 20
- 238000012795 verification Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 20
- 238000007726 management method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 abstract description 9
- 238000012544 monitoring process Methods 0.000 abstract 1
- 230000009471 action Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种基于大数据的线上支付信息安全管理***及方法,属于线上支付安全技术领域。通过获取授权的历史数据中线上支付的交易记录信息,其中交易记录信息包括线上支付金额和线上支付位置;考虑到不同用户的消费习惯各不相同,在金额和位置两个维度对用户的线上支付习惯进行分析,保证了分析数据的细分化和精确度;再根据线上支付的交易记录信息构建线上支付基础数据库,便于追溯线上支付的信息;同时根据线上支付基础数据库,建立线上支付预警评价模型;进而能够对线上支付的交易记录信息进行实时的安全风险监测,确保用户线上支付持续性的安全。
Description
技术领域
本发明涉及线上支付安全技术领域,具体为一种基于大数据的线上支付信息安全管理***及方法。
背景技术
随着技术的发展,线上支付已经成为人们日常生活必不可少的支付方式,而线上支付最大的问题就是隐私和财产安全性无法确保的问题;身份认证是保护人们隐私和财产安全的有效措施,也是目前安全研究的重点之一。目前主流的安全认证方法中,数字密码要求用户牢记一组数字,每次认证时需要主动输入,在用户交互方面不太友好。指纹识别和人脸识别等认证方法,易于引起隐私泄露问题。上述认证方法属于被动性认证,即在进行认证时需要用户主动发起认证操作,并且这些认证方法只对用户进行一次身份认证,无法持续性认证用户的身份是否合法,继而无法确保用户参与线上支付的安全。
发明内容
本发明的目的在于提供一种基于大数据的线上支付信息安全管理***及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:
一种基于大数据的线上支付信息安全管理方法,本方法包括以下步骤:
步骤S100:获取用户登录信息,根据用户登录信息获取用户授权的历史线上支付的交易记录信息;所述交易记录信息包括线上支付金额和线上支付位置;根据所述线上支付的交易记录信息构建线上支付基础数据库;
步骤S200:根据所述线上支付基础数据库,建立线上支付预警评价模型;
步骤S300:实时获取授权的线上支付的交易记录信息,根据线上支付预警评价模型判断线上支付是否存在安全风险;
步骤S400:若线上支付不存在安全风险,则对线上支付基础数据库进行更新;若线上支付存在安全风险,则对线上支付进行预警,并将线上支付的交易记录信息发送至用户终端。
进一步的,根据所述线上支付的交易记录信息构建线上支付基础数据库的具体实施过程包括:
步骤S101:获取授权的历史数据中线上支付的交易记录信息,所述交易记录信息根据线上支付交易账单来获取;同时提取线上支付的交易记录信息中的线上支付位置信息,所述线上支付位置信息为收款地址;并且对所述线上支付位置信息进行标记,记为Zi,其中i∈{1,2,…,u},u表示线上支付位置的总个数;
步骤S102:获取线上支付的交易信息中的线上支付金额,记为rj,j∈{1,2,…,v},v表示线上支付金额的总个数;
步骤S103:根据所述线上支付的交易记录信息构建线上支付基础数据库。
进一步的,根据所述线上支付基础数据库,建立线上支付预警模型的具体实施过程包括:
步骤S201:获取授权的历史数据中线上支付的交易记录信息中任意两个线上支付位置信息;获取所述任意两个线上支付位置信息之间的直线距离,并且将所述直线距离组成直线距离的集合{S1,S2,…,Sn},其中n表示序号,且获取直线距离集合中的任一直线距离,记为Sk,并且Sk∈{S1,S2,…,Sn},k∈{1,2,…,n};根据所述直线距离集合,获取任一直线距离的奇异值,具体计算公式如下:
提取所有线上支付金额,并且生成线上支付金额集合{r1,r2,…,rv};根据所述线上支付金额集合,获取任一线上支付金额的奇异值,具体计算公式如下:
根据上述方法,用户在线上支付过程中会产生大量的线上支付位置和线上支付金额数据,这些位置和金额之间的差距各不相同;有些位置比较集中在某些区域,有些位置比较分散,甚至这些位置可能发生在不同的城市之间;有些金额比较小,有些金额又特别大;这些差距很大的信息不利于数据分析,而直线距离奇异值公式和线上支付金额奇异值公式能够剔除那些分散的位置和差距较大的金额,并筛选出那些比较集中或者有规律的线上支付位置和金额,这些集中或者有规律的线上支付位置能够反应出用户正常的线上支付习惯,对这些集中或者有规律的数据进行分析,能够更好的筛查判断出用户异常的线上支付行为;
步骤S202:以所述直线距离平均值ΔS为半径,以任一线上支付位置Zi为圆心,构建平面圆;统计所述平面圆范围内的所有支付位置个数,记为计算所述平面圆范围内的除线上支付位置Zi外的各个其他线上支付位置到线上支付位置Zi的直线距离的和,记为获取线上支付第一预警指标值,具体计算公式如下:
其中,P1表示线上支付第一预警指标值;
根据所述线上支付金额的平均值,获取线上支付第二预警指标值,具体计算公式如下:
其中,P2表示线上支付第二预警指标值;
步骤S203:根据所述线上支付第一预警指标值和线上支付第二预警指标值,建立线上支付预警模型,记为P0=(P1,P2);
根据上述方法,线上支付预警模型由线上支付位置和线上支付金额两个维度进行综合分析,而且两个维度之间又是相互关联的,在某个位置进行线上支付同时也会相应产生一个金额,通过两个维度的综合分析,能够使数据更加细分和精确;
步骤S204:以授权的历史数据中线上支付的交易记录信息为总样本,以总样本的α部分为基础样本,以总样本的β部分为验证样本;根据所述线上支付预警模型,获取基础样本的线上支付预警指标特征,并生成基础样本线上支付预警指标特征集,提取基础样本线上支付预警指标特征集中任一线上支付预警指标特征,记为P0a,a表示序号;根据所述线上支付预警模型,获取验证样本的线上支付预警指标特征,并生成验证样本线上支付预警指标特征集,提取验证样本线上支付预警指标特征集中任一线上支付预警指标特征,记为P0b,b表示序号;根据所述基础样本线上支付预警指标特征集和所述验证样本线上支付预警指标特征集,获取线上支付预警评价模型,具体计算公式如下:
其中,L0表示线上支付预警评价值,P0b T表示线上支付预警指标特征P0b的转置,||P0a||和||P0b||分别表示线上支付预警指标特征P0a和P0b的模长,f和h分别表示基础样本的线上支付预警指标特征的总个数和验证样本的线上支付预警指标特征的总个数;
进一步的,根据线上支付预警评价模型判断线上支付是否存在安全风险的具体实施过程包括:
步骤S301:实时获取授权的线上支付的交易记录信息中的线上支付位置信息,以所述直线距离平均值ΔS为半径,以该次线上支付位置为圆心,构建平面圆;统计所述平面圆范围内的所有支付位置个数,记为g;计算所述平面圆范围内的除该次线上支付位置外的各个其他线上支付位置到该次线上支付位置的直线距离的和,记为S;获取该次线上支付第一预警指标值,具体计算公式如下:
其中,Px表示该次线上支付第一预警指标值;
实时获取授权的线上支付的交易记录信息中的线上支付金额,记为r,计算该次线上支付第二预警指标值,具体计算公式如下:
其中,Py表示该次线上支付第二预警指标值;
用户的不同线上支付位置,代表用户的一种线上支付习惯,以不同的位置为中心,对用户线上支付的习惯进行分析,能够确保分许数据的准确性,例如,以家为中心位置,代表用户的消费时间一般为周六、周日或者节假日,例如以工作地点为中心位置,代表用户的消费时间一般在早中晚的吃饭时间,再例如,以商场为中心位置,代表用户的消费金额往往大于其他位置的消费金额;同时,以不同的位置为中心也可以将用户的消费范围扩大到全国,例如网上购物时;进而,通过分析不同范围内的线上支付位置个数,以及不同位置之间的距离能够分析出用户的线上支付行为轨迹范围特点,刻画出用户的行为习惯特征;公式表示以某一个位置为中心时,该位置的安全程度,在该位置的安全范围内,用户的不同线上支付位置个数以及位置距离提供给安全程度不同维度之间相互关联的贡献程度;公式表示用户参与线上支付金额之间的关联贡献程度;在不同的位置下,用户的消费金额往往是不同的,例如在家进行网上购物,在商场或者饭店聚餐;综述,可见用户的线上支付金额和线上支付位置,两个维度之间是相互影响和紧密关联的;其中Px越小,表示以该线上支付位置为中心的圆区域是用户经常消费的场所范围,同时如果Py越小,表示该次线上支付的金额越接近用户的正常线上支付习惯,进而表示该次线上支付安全风险越低;
步骤S302:根据该次线上支付第一预警指标值和该次线上支付第二预警指标值,获取该次线上支付预警指标特征,记为P=(Px,Py);
步骤S303:根据该次线上支付预警指标特征和线上支付预警模型,获取该次线上支付预警评价值,具体计算公式如下:
其中,L表示实时获取的线上支付预警评价值,P0 T表示线上支付预警指标特征P0的转置,||P||和||P0||分别表示线上支付预警指标特征P和P0的模长;
如果L≥L0,则表示该次线上支付存在安全风险;如果L<L0,则表示该次线上支付不存在安全风险;
进一步的,所述对线上支付基础数据库进行更新的具体实施过程包括:
如果该次线上支付不存在安全风险,则将该次的线上交易记录信息存入构建的线上支付基础数据库;如果该次线上支付存在安全风险,则对线上支付进行预警,并将线上支付的交易记录信息发送至用户终端;
用户对用户终端收到的线上支付的交易记录信息进行核实,如果核实线上支付不是用户本人产生的支付,则用户使用用户终端进行一键预警;如果核实线上支付是用户本人产生的支付,则将该次的线上交易记录信息存入构建的线上支付基础数据库,同时对线上支付预警评价模型进行更新。
一种执行如一种基于大数据的线上支付信息安全管理方法的一种基于大数据的线上支付信息安全管理***,本***包括:基础数据库模块、数据采集模块、线上支付预警模块、线上支付预警评价模块和用户终端模块;
所述基础数据库模块,用于对线上支付的交易记录信息进行存储和更新;所述交易记录信息包括线上支付金额和线上支付位置;
所述数据采集模块,用于实时获取授权的线上支付的交易记录信息;用于调取线上支付基础数据库存储信息;用于对所述线上支付位置信息进行标记;用于对所述线上支付的交易信息中的线上支付金额;
所述线上支付预警模块,用于根据所述线上支付基础数据库,建立线上支付预警模型;用于获取线上支付第一预警指标值和线上支付第二预警指标值;
所述线上支付预警评价模块,用于获取授权的历史数据中线上支付的交易记录信息,记为总样本,以总样本的α部分为基础样本,以总样本的β部分为验证样本;用于根据所述线上支付预警模型、基础样本和验证样本,获取线上支付预警评价模型;
所述用户终端模块,用于获取预警信息,所述预警信息为线上支付的交易记录信息。
进一步的,所述线上支付预警模块还包括线上支付第一预警指标值获取单元和线上支付第二预警指标值获取单元;
所述线上支付第一预警指标值获取单元,用于获取授权的历史数据中线上支付的交易记录信息中任意两个线上支付位置信息之间的直线距离;用于根据所述直线距离,获取任一直线距离的奇异值;用于根据所述直线距离的奇异值,获取直线距离平均值;用于根据所述直线距离平均值,构建平面圆;用于根据所述平面圆,获取线上支付第一预警指标值;
所述线上支付第二预警指标值获取单元,用于根据授权的历史数据中线上支付的交易记录信息中所有线上支付金额,获取任一线上支付金额的奇异值;用于根据所述任一线上支付金额的奇异值,获取线上支付金额的平均值;用于根据所述线上支付金额的平均值,获取线上支付第二预警指标值。
进一步的,所述线上支付预警评价模块还包括基础样本线上支付预警指标特征获取单元和验证样本线上支付预警指标特征获取单元;
所述基础样本线上支付预警指标特征获取单元,用于根据所述线上支付预警模型,获取基础样本的线上支付预警指标特征;
所述验证样本线上支付预警指标特征获取单元,用于根据所述线上支付预警模型,获取验证样本的线上支付预警指标特征。
进一步的,所述用户终端模块还包括显示单元和报警单元;
所述显示单元,用于显示所述线上支付的交易记录信息;用于用户进行核对;
所述报警单元,用于用户进行一键报警。
与现有技术相比,本发明所达到的有益效果是:本发明提供的一种基于大数据的线上支付信息安全管理***及方法中,通过获取授权的历史数据中线上支付的交易记录信息,其中交易记录信息包括线上支付金额和线上支付位置;考虑到不同用户的消费习惯各不相同,在金额和位置两个维度对用户的线上支付习惯进行分析,保证了分析数据的细分化和精确度;再根据线上支付的交易记录信息构建线上支付基础数据库,便于追溯线上支付的信息;同时根据线上支付基础数据库,建立线上支付预警评价模型;进而能够对线上支付的交易记录信息进行实时的安全风险监测,确保用户线上支付持续性的安全。
附图说明
附图用来提供对本发明的进一步理解,并且且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并且不构成对本发明的限制。在附图中:
图1是本发明一种基于大数据的线上支付信息安全管理***的结构示意图;
图2是本发明一种基于大数据的线上支付信息安全管理方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-图2,本发明提供技术方案:
请参阅图1,在本实施例一中:提供一种基于大数据的线上支付信息安全管理***,该***包括:基础数据库模块、数据采集模块、线上支付预警模块、线上支付预警评价模块和用户终端模块;
基础数据库模块,用于对线上支付的交易记录信息进行存储和更新;其中交易记录信息包括线上支付金额和线上支付位置;
数据采集模块,用于实时获取授权的线上支付的交易记录信息;用于调取线上支付基础数据库存储信息;用于对线上支付位置信息进行标记;用于对线上支付的交易信息中的线上支付金额;
线上支付预警模块,用于根据线上支付基础数据库,建立线上支付预警模型;用于获取线上支付第一预警指标值和线上支付第二预警指标值;
线上支付预警评价模块,用于获取授权的历史数据中线上支付的交易记录信息,记为总样本,以总样本的α部分为基础样本,以总样本的β部分为验证样本,其中α=80%,表示总样本的80%,β=20%,表示总样本的20%,α+β=100%;用于根据线上支付预警模型、基础样本和验证样本,获取线上支付预警评价模型;
用户终端模块,用于获取预警信息,其中预警信息为线上支付的交易记录信息。
其中,线上支付预警模块还包括线上支付第一预警指标值获取单元和线上支付第二预警指标值获取单元;
线上支付第一预警指标值获取单元,用于获取授权的历史数据中线上支付的交易记录信息中任意两个线上支付位置信息之间的直线距离;用于根据直线距离,获取任一直线距离的奇异值;用于根据直线距离的奇异值,获取直线距离平均值;用于根据直线距离平均值,构建平面圆;用于根据平面圆,获取线上支付第一预警指标值;
线上支付第二预警指标值获取单元,用于根据授权的历史数据中线上支付的交易记录信息中所有线上支付金额,获取任一线上支付金额的奇异值;用于根据任一线上支付金额的奇异值,获取线上支付金额的平均值;用于根据线上支付金额的平均值,获取线上支付第二预警指标值。
其中,线上支付预警评价模块还包括基础样本线上支付预警指标特征获取单元和验证样本线上支付预警指标特征获取单元;
基础样本线上支付预警指标特征获取单元,用于根据线上支付预警模型,获取基础样本的线上支付预警指标特征;
验证样本线上支付预警指标特征获取单元,用于根据线上支付预警模型,获取验证样本的线上支付预警指标特征。
其中,用户终端模块还包括显示单元和报警单元;
显示单元,用于显示线上支付的交易记录信息;用于用户进行核对;
报警单元,用于用户进行一键报警。
请参阅图2,在本实施例二中:提供一种基于大数据的线上支付信息安全管理方法,该方法包括以下步骤:
步骤S100:获取用户登录信息,根据用户登录信息获取用户授权的历史线上支付的交易记录信息;所述交易记录信息包括线上支付金额和线上支付位置;根据所述线上支付的交易记录信息构建线上支付基础数据库;
步骤S200:根据线上支付基础数据库,建立线上支付预警评价模型;
步骤S300:实时获取授权的线上支付的交易记录信息,根据线上支付预警评价模型判断线上支付是否存在安全风险;
步骤S400:若线上支付不存在安全风险,则对线上支付基础数据库进行更新;若线上支付存在安全风险,则对线上支付进行预警,并将线上支付的交易记录信息发送至用户终端。
其中,根据线上支付的交易记录信息构建线上支付基础数据库的具体实施过程包括:
步骤S101:获取授权的历史数据中线上支付的交易记录信息,其中交易记录信息根据线上支付交易账单来获取;同时提取线上支付的交易记录信息中的线上支付位置信息,其中线上支付位置信息为收款地址;并且对线上支付位置信息进行标记,记为Zi,其中i∈{1,2,…,u},u表示线上支付位置的总个数;
步骤S102:获取线上支付的交易信息中的线上支付金额,记为rj,j∈{1,2,…,v},v表示线上支付金额的总个数;
步骤S103:根据线上支付的交易记录信息构建线上支付基础数据库。
其中,根据线上支付基础数据库,建立线上支付预警模型的具体实施过程包括:
步骤S201:获取授权的历史数据中线上支付的交易记录信息中任意两个线上支付位置信息;获取任意两个线上支付位置信息之间的直线距离,并且将直线距离组成直线距离的集合{S1,S2,…,Sn},其中n表示序号,且获取直线距离集合中的任一直线距离,记为Sk,并且Sk∈{S1,S2,…,Sn},k∈{1,2,…,n};根据直线距离集合,获取任一直线距离的奇异值,具体计算公式如下:
提取所有线上支付金额,并且生成线上支付金额集合{r1,r2,…,rv};根据线上支付金额集合,获取任一线上支付金额的奇异值,具体计算公式如下:
在上述方法,例如获取一组线上支付位置,这组位置相互之间的直线距离为{2,3,5,100};根据直线距离奇异值公式分别计算出这些直线距离的奇异值,为{3205,3138,3013,9346},则可以剔除直线距离为100的值;
步骤S202:以直线距离平均值ΔS为半径,以任一线上支付位置Zi为圆心,构建平面圆;统计平面圆范围内的所有支付位置个数,记为计算平面圆范围内的除线上支付位置Zi外的各个其他线上支付位置到线上支付位置Zi的直线距离的和,记为获取线上支付第一预警指标值,具体计算公式如下:
其中,P1表示线上支付第一预警指标值;
根据线上支付金额的平均值,获取线上支付第二预警指标值,具体计算公式如下:
其中,P2表示线上支付第二预警指标值;
步骤S203:根据线上支付第一预警指标值和线上支付第二预警指标值,建立线上支付预警模型,记为P0=(P1,P2);
在上述方法中,线上支付预警模型由线上支付位置和线上支付金额两个维度进行综合分析,而且两个维度之间又是相互关联的,在某个位置进行线上支付同时也会相应产生一个金额,通过两个维度的综合分析,能够使数据更加细分和精确;
步骤S204:以授权的历史数据中线上支付的交易记录信息为总样本,以总样本的α部分为基础样本,以总样本的β部分为验证样本,其中α=80%,表示总样本的80%,β=20%,表示总样本的20%,α+β=100%;根据线上支付预警模型,获取基础样本的线上支付预警指标特征,并生成基础样本线上支付预警指标特征集,提取基础样本线上支付预警指标特征集中任一线上支付预警指标特征,记为P0a,a表示序号;根据线上支付预警模型,获取验证样本的线上支付预警指标特征,并生成验证样本线上支付预警指标特征集,提取验证样本线上支付预警指标特征集中任一线上支付预警指标特征,记为P0b,b表示序号;根据基础样本线上支付预警指标特征集和验证样本线上支付预警指标特征集,获取线上支付预警评价模型,具体计算公式如下:
其中,L0表示线上支付预警评价值,P0b T表示线上支付预警指标特征P0b的转置,||P0a||和||P0b||分别表示线上支付预警指标特征P0a和P0b的模长,f和h分别表示基础样本的线上支付预警指标特征的总个数和验证样本的线上支付预警指标特征的总个数;
其中,根据线上支付预警评价模型判断线上支付是否存在安全风险的具体实施过程包括:
步骤S301:实时获取授权的线上支付的交易记录信息中的线上支付位置信息,以直线距离平均值ΔS为半径,以该次线上支付位置为圆心,构建平面圆;统计平面圆范围内的所有支付位置个数,记为g;计算平面圆范围内的除该次线上支付位置外的各个其他线上支付位置到该次线上支付位置的直线距离的和,记为S;获取该次线上支付第一预警指标值,具体计算公式如下:
其中,Px表示该次线上支付第一预警指标值;
实时获取授权的线上支付的交易记录信息中的线上支付金额,记为r,计算该次线上支付第二预警指标值,具体计算公式如下:
其中,Py表示该次线上支付第二预警指标值;
在上述方法中;公式表示以某一个位置为中心时,该位置的安全程度,在该位置的安全范围内,用户的不同线上支付位置个数以及位置距离提供给安全程度不同维度之间相互关联的贡献程度;公式表示用户参与线上支付金额之间的关联贡献程度;在不同的位置下,用户的消费金额往往是不同的,例如在家进行网上购物,在商场或者饭店聚餐;综述,可见用户的线上支付金额和线上支付位置,两个维度之间是相互影响和紧密关联的;其中Px越小,表示以该线上支付位置为中心的圆区域是用户经常消费的场所范围,同时如果Py越小,表示该次线上支付的金额越接近用户的正常线上支付***面圆,得到平面圆范围内的支付位置个数为5,平面圆范围内的除该次线上支付位置外的各个其他线上支付位置到该次线上支付位置的直线距离的和为80,则根据公式得到该次线上支付第一预警指标值为0.95,风险很大;例如,获取某个实时线上支付位置,构造平面圆,得到平面圆范围内的支付位置个数为10,平面圆范围内的除该次线上支付位置外的各个其他线上支付位置到该次线上支付位置的直线距离的和为10,则该次线上支付第一预警指标值为0.18,风险很小;
步骤S302:根据该次线上支付第一预警指标值和该次线上支付第二预警指标值,获取该次线上支付预警指标特征,记为P=(Px,Py);
步骤S303:根据该次线上支付预警指标特征和线上支付预警模型,获取该次线上支付预警评价值,具体计算公式如下:
其中,L表示实时获取的线上支付预警评价值,P0 T表示线上支付预警指标特征P0的转置,||P||和||P0||分别表示线上支付预警指标特征P和P0的模长;
如果L≥L0,则表示该次线上支付存在安全风险;如果L<L0,则表示该次线上支付不存在安全风险;
其中,对线上支付基础数据库进行更新的具体实施过程包括:
如果该次线上支付不存在安全风险,则将该次的线上交易记录信息存入构建的线上支付基础数据库;如果该次线上支付存在安全风险,则对线上支付进行预警,并将线上支付的交易记录信息发送至用户终端;
用户对用户终端收到的线上支付的交易记录信息进行核实,如果核实线上支付不是用户本人产生的支付,则用户使用用户终端进行一键预警;如果核实线上支付是用户本人产生的支付,则将该次的线上交易记录信息存入构建的线上支付基础数据库,同时对线上支付预警评价模型进行更新。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并且不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于大数据的线上支付信息安全管理方法,其特征在于,该方法包括以下步骤:
步骤S100:获取用户登录信息,根据用户登录信息获取用户授权的历史线上支付的交易记录信息;所述交易记录信息包括线上支付金额和线上支付位置;根据所述线上支付的交易记录信息构建线上支付基础数据库;
步骤S200:根据所述线上支付基础数据库,建立线上支付预警评价模型;
步骤S300:实时获取用户授权的线上支付的交易记录信息,根据线上支付预警评价模型判断线上支付是否存在安全风险;
步骤S400:若线上支付不存在安全风险,则对线上支付基础数据库进行更新;若线上支付存在安全风险,则对线上支付进行预警,并将线上支付的交易记录信息发送至用户终端。
2.根据权利要求1所述的一种基于大数据的线上支付信息安全管理方法,其特征在于,根据所述线上支付的交易记录信息构建线上支付基础数据库的具体实施过程包括:
步骤S101:获取授权的历史数据中线上支付的交易记录信息,所述交易记录信息根据线上支付交易账单来获取;同时提取线上支付的交易记录信息中的线上支付位置信息,所述线上支付位置信息为收款地址;并且对所述线上支付位置信息进行标记,记为Zi,其中i∈{1,2,…,u},u表示线上支付位置的总个数;
步骤S102:获取线上支付的交易信息中的线上支付金额,记为rj,j∈{1,2,…,v},v表示线上支付金额的总个数;
步骤S103:根据所述线上支付的交易记录信息构建线上支付基础数据库。
3.根据权利要求2所述的一种基于大数据的线上支付信息安全管理方法,其特征在于,根据所述线上支付基础数据库,建立线上支付预警模型的具体实施过程包括:
步骤S201:获取授权的历史数据中线上支付的交易记录信息中任意两个线上支付位置信息;获取所述任意两个线上支付位置信息之间的直线距离,并且将所述直线距离组成直线距离的集合{S1,S2,…,Sn},其中n表示序号,且获取直线距离集合中的任一直线距离,记为Sk,并且Sk∈{S1,S2,…,Sn},k∈{1,2,…,n};根据所述直线距离集合,获取任一直线距离的奇异值,具体计算公式如下:
提取所有线上支付金额,并且生成线上支付金额集合{r1,r2,…,rv};根据所述线上支付金额集合,获取任一线上支付金额的奇异值,具体计算公式如下:
步骤S202:以所述直线距离平均值ΔS为半径,以任一线上支付位置Zi为圆心,构建平面圆;统计所述平面圆范围内的所有支付位置个数,记为计算所述平面圆范围内的除线上支付位置Zi外的各个其他线上支付位置到线上支付位置Zi的直线距离的和,记为获取线上支付第一预警指标值,具体计算公式如下:
其中,P1表示线上支付第一预警指标值;
根据所述线上支付金额的平均值,获取线上支付第二预警指标值,具体计算公式如下:
其中,P2表示线上支付第二预警指标值;
步骤S203:根据所述线上支付第一预警指标值和线上支付第二预警指标值,建立线上支付预警模型,记为P0=(P1,P2);
步骤S204:以授权的历史数据中线上支付的交易记录信息为总样本,以总样本的α部分为基础样本,以总样本的β部分为验证样本;根据所述线上支付预警模型,获取基础样本的线上支付预警指标特征,并生成基础样本线上支付预警指标特征集,提取基础样本线上支付预警指标特征集中任一线上支付预警指标特征,记为P0a,a表示序号;根据所述线上支付预警模型,获取验证样本的线上支付预警指标特征,并生成验证样本线上支付预警指标特征集,提取验证样本线上支付预警指标特征集中任一线上支付预警指标特征,记为P0b,b表示序号;根据所述基础样本线上支付预警指标特征集和所述验证样本线上支付预警指标特征集,获取线上支付预警评价模型,具体计算公式如下:
其中,L0表示线上支付预警评价值,P0b T表示线上支付预警指标特征P0b的转置,||P0a||和||P0b||分别表示线上支付预警指标特征P0a和P0b的模长,f和h分别表示基础样本的线上支付预警指标特征的总个数和验证样本的线上支付预警指标特征的总个数。
4.根据权利要求3所述的一种基于大数据的线上支付信息安全管理方法,其特征在于,根据线上支付预警评价模型判断线上支付是否存在安全风险的具体实施过程包括:
步骤S301:实时获取授权的线上支付的交易记录信息中的线上支付位置信息,以所述直线距离平均值ΔS为半径,以该次线上支付位置为圆心,构建平面圆;统计所述平面圆范围内的所有支付位置个数,记为g;计算所述平面圆范围内的除该次线上支付位置外的各个其他线上支付位置到该次线上支付位置的直线距离的和,记为S;获取该次线上支付第一预警指标值,具体计算公式如下:
其中,Px表示该次线上支付第一预警指标值;
实时获取授权的线上支付的交易记录信息中的线上支付金额,记为r,计算该次线上支付第二预警指标值,具体计算公式如下:
其中,Py表示该次线上支付第二预警指标值;
步骤S302:根据该次线上支付第一预警指标值和该次线上支付第二预警指标值,获取该次线上支付预警指标特征,记为P=(Px,Py);
步骤S303:根据该次线上支付预警指标特征和线上支付预警模型,获取该次线上支付预警评价值,具体计算公式如下:
其中,L表示实时获取的线上支付预警评价值,P0 T表示线上支付预警指标特征P0的转置,||P||和||P0||分别表示线上支付预警指标特征P和P0的模长;
如果L≥L0,则表示该次线上支付存在安全风险;如果L<L0,则表示该次线上支付不存在安全风险。
5.根据权利要求4所述的一种基于大数据的线上支付信息安全管理方法,其特征在于,所述对线上支付基础数据库进行更新的具体实施过程包括:
如果该次线上支付不存在安全风险,则将该次的线上交易记录信息存入构建的线上支付基础数据库;如果该次线上支付存在安全风险,则对线上支付进行预警,并将线上支付的交易记录信息发送至用户终端;
用户对用户终端收到的线上支付的交易记录信息进行核实,如果核实线上支付不是用户本人产生的支付,则用户使用用户终端进行一键预警;如果核实线上支付是用户本人产生的支付,则将该次的线上交易记录信息存入构建的线上支付基础数据库,同时对线上支付预警评价模型进行更新。
6.一种执行如权利要求1-5中任一项的一种基于大数据的线上支付信息安全管理方法的一种基于大数据的线上支付信息安全管理***,其特征在于,所述***包括:基础数据库模块、数据采集模块、线上支付预警模块、线上支付预警评价模块和用户终端模块;
所述基础数据库模块,用于对线上支付的交易记录信息进行存储和更新;所述交易记录信息包括线上支付金额和线上支付位置;
所述数据采集模块,用于实时获取授权的线上支付的交易记录信息;用于调取线上支付基础数据库存储信息;用于对所述线上支付位置信息进行标记;用于对所述线上支付的交易信息中的线上支付金额;
所述线上支付预警模块,用于根据所述线上支付基础数据库,建立线上支付预警模型;用于获取线上支付第一预警指标值和线上支付第二预警指标值;
所述线上支付预警评价模块,用于获取授权的历史数据中线上支付的交易记录信息,记为总样本,以总样本的α部分为基础样本,以总样本的β部分为验证样本;用于根据所述线上支付预警模型、基础样本和验证样本,获取线上支付预警评价模型;
所述用户终端模块,用于获取预警信息,所述预警信息为线上支付的交易记录信息。
7.根据权利要求6所述的一种基于大数据的线上支付信息安全管理***,其特征在于:所述线上支付预警模块还包括线上支付第一预警指标值获取单元和线上支付第二预警指标值获取单元;
所述线上支付第一预警指标值获取单元,用于获取授权的历史数据中线上支付的交易记录信息中任意两个线上支付位置信息之间的直线距离;用于根据所述直线距离,获取任一直线距离的奇异值;用于根据所述直线距离的奇异值,获取直线距离平均值;用于根据所述直线距离平均值,构建平面圆;用于根据所述平面圆,获取线上支付第一预警指标值;
所述线上支付第二预警指标值获取单元,用于根据授权的历史数据中线上支付的交易记录信息中所有线上支付金额,获取任一线上支付金额的奇异值;用于根据所述任一线上支付金额的奇异值,获取线上支付金额的平均值;用于根据所述线上支付金额的平均值,获取线上支付第二预警指标值。
8.根据权利要求6所述的一种基于大数据的线上支付信息安全管理***,其特征在于:所述线上支付预警评价模块还包括基础样本线上支付预警指标特征获取单元和验证样本线上支付预警指标特征获取单元;
所述基础样本线上支付预警指标特征获取单元,用于根据所述线上支付预警模型,获取基础样本的线上支付预警指标特征;
所述验证样本线上支付预警指标特征获取单元,用于根据所述线上支付预警模型,获取验证样本的线上支付预警指标特征。
9.根据权利要求6所述的一种基于大数据的线上支付信息安全管理***,其特征在于:所述用户终端模块还包括显示单元和报警单元;
所述显示单元,用于显示所述线上支付的交易记录信息;用于用户进行核对;
所述报警单元,用于用户进行一键报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211321788.7A CN115689564A (zh) | 2022-10-27 | 2022-10-27 | 一种基于大数据的线上支付信息安全管理***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211321788.7A CN115689564A (zh) | 2022-10-27 | 2022-10-27 | 一种基于大数据的线上支付信息安全管理***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115689564A true CN115689564A (zh) | 2023-02-03 |
Family
ID=85098982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211321788.7A Withdrawn CN115689564A (zh) | 2022-10-27 | 2022-10-27 | 一种基于大数据的线上支付信息安全管理***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115689564A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116362756A (zh) * | 2023-05-30 | 2023-06-30 | 万联易达物流科技有限公司 | 一种自动支付的风控方法和*** |
-
2022
- 2022-10-27 CN CN202211321788.7A patent/CN115689564A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116362756A (zh) * | 2023-05-30 | 2023-06-30 | 万联易达物流科技有限公司 | 一种自动支付的风控方法和*** |
CN116362756B (zh) * | 2023-05-30 | 2023-08-01 | 万联易达物流科技有限公司 | 一种自动支付的风控方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11978064B2 (en) | Identifying false positive geolocation-based fraud alerts | |
US20180082368A1 (en) | System and method for detecting fraudulent account access and transfers | |
CN108062674B (zh) | 基于gps的订单欺诈识别方法、***、存储介质和电子设备 | |
CN106651603A (zh) | 基于位置服务的风险评估方法及装置 | |
US20160364427A1 (en) | System and method for assessing data accuracy | |
US20140244490A1 (en) | Bill paying systems and associated methods | |
US20130290119A1 (en) | Method for Providing Payment Card Security Using Registrationless Telecom Geolocation Capture | |
CN112199575A (zh) | 虚拟银行开户方法、装置、设备和计算机存储介质 | |
CN113989019A (zh) | 识别风险的方法、装置、设备及存储介质 | |
CN109685643A (zh) | 贷款审核中风险等级确定方法、装置、设备及存储介质 | |
CN115689564A (zh) | 一种基于大数据的线上支付信息安全管理***及方法 | |
CN114297447B (zh) | 基于防疫大数据的电子证件标记方法、***及可读存储介质 | |
CN117993919A (zh) | 一种基于多特征融合的银行反电诈数据模型构建方法 | |
CN118369885A (zh) | 用于改进的网络攻击检测的***和方法 | |
CN115564449A (zh) | 交易账户的风险管控方法、装置及电子设备 | |
CN112950359B (zh) | 一种用户识别方法和装置 | |
CN106779723A (zh) | 一种移动终端风险评估方法及装置 | |
CN110210868B (zh) | 数值转移数据的处理方法及电子设备 | |
CN117350854A (zh) | 资金追踪方法、装置、电子设备和存储介质 | |
CN111160681A (zh) | 基于用户收支数据评估用户收入级别的方法、装置及存储介质 | |
CN114529402A (zh) | 一种基于大数据风控的信贷管理方法、设备及介质 | |
CN114331463A (zh) | 基于线性回归模型的风险识别方法及其相关设备 | |
CN114116839A (zh) | 一种基于移动地图的商户闭环营销***及方法 | |
CN114723457A (zh) | 资源请求的监控方法、装置、计算机设备及存储介质 | |
CN112613753A (zh) | 一种基于神经网络模型的大数据智能交易风险管理*** |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230203 |
|
WW01 | Invention patent application withdrawn after publication |