识别关于消费凭证的交易风险的方法、计算设备和介质.pdf

《识别关于消费凭证的交易风险的方法、计算设备和介质.pdf》由会员分享，可在线阅读，更多相关《识别关于消费凭证的交易风险的方法、计算设备和介质.pdf（21页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202011029538.7 (22)申请日 2020.09.27 (71)申请人 南京吉拉福网络科技有限公司 地址 210005 江苏省南京市秦淮区洪武路 23号五层E09号 申请人 上海百福得网络科技有限公司 (72)发明人 成勇 (74)专利代理机构 北京市金杜律师事务所 11256 代理人 王茂华 (51)Int.Cl. G06Q 20/38(2012.01) G06Q 20/40(2012.01) G06Q 10/06(2012.01) G06K 9/62(2006.0。

2、1) (54)发明名称 识别关于消费凭证的交易风险的方法、 计算 设备和介质 (57)摘要 本公开涉及一种用于识别关于消费凭证的 交易风险的方法、 计算设备和存储介质。 该方法 包括： 获取当前交易的交易上下文； 响应于确认 用户标识信息和用户账户中的至少一个属于从 管理设备的缓存处获取的预定风险标识集合， 获 取与用户账户相关联的风险标识； 否则， 获取并 聚类在第一预定时间间隔内针对用户账号的历 史操作信息， 以提取账户注册信息、 与关联对象 的消费凭证进行绑定的绑定信息中的至少一项； 响应于确认至少一项预定条件满足， 将用户账号 与风险标识相关联并且加入至预定风险标识集 合； 基于风险标。

3、识所指示的风险等级， 针对当前 交易进行风险管控操作。 本公开能够有效识别交 易风险同时保证用户使用便捷性。 权利要求书2页 说明书11页 附图7页 CN 111932262 A 2020.11.13 CN 111932262 A 1.一种用于识别关于消费凭证的交易风险的方法， 包括： 在管理设备处， 获取当前交易的交易上下文， 所述交易上下文至少指示用户标识信息、 用户账户、 消费凭证信息； 响应于确认所述用户标识信息和用户账户中的至少一个属于获取自所述管理设备的 缓存处的预定风险标识集合， 获取与所述用户账户相关联的风险标识； 响应于确认所述用户标识信息和用户账户中均不属于所述预定风险标识。

4、集合， 获取在 第一预定时间间隔内针对所述用户账号的历史操作信息； 对所述历史操作信息进行聚类， 以用于提取所述历史操作信息中的账户注册信息、 与 关联对象的消费凭证进行绑定的绑定信息中的至少一项； 响应于确认至少一项预定条件满足， 将所述用户账号与风险标识相关联并且将所述用 户账号加入至所述预定风险标识集合， 所述预定条件包括： 所述用户账号所绑定的消费凭证的关联对象关联有预定标识； 所述用户账号与所绑定的消费凭证的关联对象的预定关联用户集合中的至少一个关 联用户相关联， 并且针对所述用户账号的历史操作信息满足预定操作条件； 以及 基于关于所述当前交易的用户账户的风险标识所指示的风险等级， 。

5、针对所述当前交易 进行风险管控操作。 2.根据权利要求1所述的方法， 还包括： 响应于确认所述用户账户存在关联的风险标识， 记录针对所述用户账号的历史操作信 息和交易信息； 基于所记录的、 存在关联的风险标识的多个用户账号的历史操作信息和交易信息， 生 成用于训练风险预测模型的多个样本数据， 所述风险预测模型是基于神经网络模型而构建 的； 以及 基于所述多个样本数据， 训练所述风险预测模型， 所述风险预测模型用于提取当前用 户针对用户账号的操作信息的特征， 以便基于所述操作信息的特征而预测关于所述当前用 户的风险概率。 3.根据权利要求2所述的方法， 还包括： 基于所述至少一项预定条件和经由所。

6、述风险预测模型所预测的风险概率， 确定所述用 户账号与风险标识的关联性。 4.根据权利要求1所述的方法， 其中响应于确认至少一项预定条件满足将所述用户账 号与风险标识相关联并且将所述用户账号加入至所述预定风险标识集合包括： 响应于确认至少一项预定条件满足， 确定所述用户账号是否属于预定第一账户集合； 以及 响应于确认所述用户账号不属于预定第一账户集合， 将所述用户账号与风险标识相关 联并且将所述用户账号加入至所述预定风险标识集合。 5.根据权利要求1所述的方法， 其中所述风险管控操作包括： 冻结所述用户账户、 限制 所述当前交易的交易额度、 拒绝支付所述当前交易的交易金额、 提高所述当前交易的。

7、交易 对象的价格、 禁止所述用户账户与待绑定的消费凭证进行绑定中的至少一项。 6.根据权利要求1所述的方法， 还包括： 确定所述风险标识所指示的风险等级， 所述风险等级与所述风险管控操作相对应。 权利要求书 1/2 页 2 CN 111932262 A 2 7.根据权利要求1所述的方法， 还包括： 基于所述注册信息， 计算在预定第三时间间隔内与所述用户标识信息相关联的注册频 率； 基于与关联对象的消费凭证进行绑定的绑定信息， 计算在预定第四时间间隔内与所述 用户标识信息相关联的已绑定的消费凭证的数量； 以及 响应于确定所述注册频率大于或者等于预定频率阈值， 或者所述已绑定的消费凭证的 数量大于。

8、或者等于预定数量阈值， 确定至少一项预定条件满足。 8.根据权利要求1所述的方法， 其中针对所述用户账号的历史操作信息满足预定操作 条件包括： 获取第二预定时间间隔内针对所述用户账号的历史操作信息； 提取所述历史操作信息 的操作特征； 以及 响应于确定所提取的操作特征符合预定操作条件， 确认针对所述用户账号的历史操作 信息满足预定操作条件。 9.根据权利要求1所述的方法， 还包括： 获取存在风险标识的所有用户账号、 以及关于与所述用户账号相关联的关联对象信 息、 消费凭证信息和交易对象信息； 分别针对所述用户账号信息、 以及与所述用户账号相关联的所述关联对象信息、 所述 消费凭证信息和所述交易。

9、对象信息进行聚类； 基于经聚类的所述用户账号信息、 所述关联对象信息和所述消费凭证信息， 形成风险 交易信息； 以及 响应于确认预定第三时间间隔到达， 将所述风险交易信息发送至与所述关联对象的计 算设备。 10.一种计算设备， 包括： 一个或多个处理器； 以及 存储装置， 用于存储一个或多个程序， 当所述一个或多个程序被所述一个或多个处理 器执行， 使得所述一个或多个处理器实现如权利要求1-9中任一项所述的方法。 11.一种计算机可读存储介质， 其上存储有计算机程序， 所述程序被处理器执行时实现 如权利要求1-9任一项所述的方法。 权利要求书 2/2 页 3 CN 111932262 A 3 。

10、识别关于消费凭证的交易风险的方法、 计算设备和介质 技术领域 0001 本公开总体上涉及交易安全技术， 具体地， 涉及用于识别关于消费凭证的交易风 险的方法、 计算设备和计算机可读存储介质。 背景技术 0002 随着互联网技术的发展， 人们不仅可以通过互联网购买商品， 而且可以通过互联 网平台来管理企业或者公司福利发放。 例如， 企业或者公司可以为员工发放消费卡 （消费凭 证） ， 以用于员工自主选择适合自己的福利产品 （例如： 电影、 商品、 旅游、 商品、 购买保险等 产品或者服务） ， 由此， 来满足员工关于福利产品的个性化需求和降低企业在福利发放中的 人力、 物力成本。 0003 不过。

11、， 传统的用于识别关于消费凭证的交易风险的方法例如是： 通过确认账户密 码是否通过验证来确认关于消费卡 （消费凭证） 的交易的合法性。 但是， 上述传统的用于识 别关于消费凭证的交易风险的方法无法甄别当前进行账户注册、 绑定消费凭证以及利用消 费凭证进行交易的是公司的员工， 还是利用消费凭证进行套利操作的黄牛党， 因此， 无法准 确识别黄牛党针对消费凭证的恶意操作， 进而给发放消费卡的公司和管理福利发放的互联 网平台带来经济损失和交易安全的隐患。 而如果参照传统的交易安全及风险管控方法， 增 加针对使用消费凭证的员工的生物信息认证 （例如人脸识别等） ， 虽然能够在一定程度上杜 绝黄牛党现象，。

12、 但是将明显增加管理福利发放的互联网平台在数据采集、 存储和计算资源 方面的负担， 而且也降低了福利发放的便捷性， 不利于合法用户的使用体验。 事实上， 就上 述传统的用于识别关于消费凭证的交易风险的方法而言， 不论是应用于管理福利发放场 景， 还是应用于其他场景， 均难以在提高用户使用便捷性和用户体验的同时避免黄牛党恶 意交易。 0004 综上， 传统的用于识别关于消费凭证的交易风险的方法难以同时保证用户的使用 便捷性以及识别关于消费凭证的交易风险。 发明内容 0005 本公开提供了一种用于识别关于消费凭证的交易风险的方法、 计算设备和计算机 可读存储介质， 不仅能够有效识别关于消费凭证的交。

13、易风险， 而且能够同时保证用户使用 的便捷性。 0006 根据本公开的第一方面， 提供了一种用于识别关于消费凭证的交易风险的方法， 该方法包括： 在管理设备处， 获取当前交易的交易上下文， 交易上下文至少指示用户标识信 息、 用户账户、 消费凭证信息； 响应于确认用户标识信息和用户账户中的至少一个属于获取 自管理设备的缓存处的预定风险标识集合， 获取与用户账户相关联的风险标识； 响应于确 认用户标识信息和用户账户中均不属于预定风险标识集合， 获取在第一预定时间间隔内针 对用户账号的历史操作信息； 对历史操作信息进行聚类， 以用于提取历史操作信息中的账 户注册信息、 与关联对象的消费凭证进行绑定。

14、的绑定信息中的至少一项； 响应于确认至少 说明书 1/11 页 4 CN 111932262 A 4 一项预定条件满足， 将用户账号与风险标识相关联并且将用户账号加入至预定风险标识集 合， 预定条件包括： 用户账号所绑定的消费凭证的关联对象关联有预定标识； 用户账号与所 绑定的消费凭证的关联对象的预定关联用户集合中的至少一个关联用户相关联， 并且针对 用户账号的历史操作信息符合预定条件； 以及基于关于当前交易的用户账户的风险标识所 指示的风险等级， 针对当前交易进行风险管控操作。 0007 根据本发明的第二方面， 还提供了一种计算设备， 该设备包括： 一个或多个处理 器； 以及存储装置， 用于。

15、存储一个或多个程序， 当一个或多个程序被一个或多个处理器执 行， 使得设备执行本公开的第一方面的方法。 0008 根据本公开的第三方面， 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， 计算机程序被处理器执行时实现本公开的第一方面的方法。 0009 在一些实施例中， 用于识别关于消费凭证的交易风险的方法还包括： 响应于确认 用户账户存在关联的风险标识， 记录针对用户账号的历史操作信息和交易信息； 基于所记 录的存在关联的风险标识的多个用户账号的历史操作信息和交易信息， 生成用于训练风险 预测模型的多个样本数据， 风险预测模型是基于神经网络模型而构建的； 基于多个样。

16、本数 据， 训练风险预测模型， 风险预测模型用于提取当前用户针对用户账号的操作信息的特征， 以便基于操作信息的特征而预测关于当前用户的风险概率。 0010 在一些实施例中， 用于识别关于消费凭证的交易风险的方法还包括： 基于至少一 项预定条件和经由风险预测模型所预测的风险概率， 确定用户账号与风险标识的关联性。 0011 在一些实施例中， 响应于确认至少一项预定条件满足将用户账号与风险标识相关 联并且将用户账号加入预定风险标识集合包括： 响应于确认至少一项预定条件满足， 确定 用户账号是否属于预定第一账户集合； 以及响应于确认用户账号不属于预定第一账户集 合， 将用户账号与风险标识相关联并且将。

17、用户账号加入预定风险标识集合。 0012 在一些实施例中， 风险管控操作包括： 冻结用户账户、 限制当前交易的交易额度、 拒绝支付当前交易的交易金额、 提高当前交易的交易对象的价格、 禁止用户账户与待绑定 的消费凭证进行绑定中的至少一项。 0013 在一些实施例中， 用于识别关于消费凭证的交易风险的方法还包括： 确定风险标 识所指示的风险等级， 风险等级与风险管控操作相对应。 0014 在一些实施例中， 用于识别关于消费凭证的交易风险的方法还包括： 基于注册信 息， 计算在预定第三时间间隔内与用户标识信息相关联的注册频率； 基于与关联对象的消 费凭证进行绑定的绑定信息， 计算在预定第四时间间隔。

18、内与用户标识信息相关联的已绑定 的消费凭证的数量； 响应于确定注册频率大于或者等于预定频率阈值， 或者已绑定的消费 凭证的数量大于或者等于预定数量阈值， 确定至少一项预定条件满足。 0015 在一些实施例中， 针对用户账号的历史操作信息满足预定操作条件包括： 获取第 二预定时间间隔内针对用户账号的历史操作信息； 提取历史操作信息的操作特征； 以及响 应于确定所提取的操作特征符合预定操作条件， 确认针对用户账号的历史操作信息满足预 定操作条件。 0016 在一些实施例中， 用于识别关于消费凭证的交易风险的方法还包括： 获取存在风 险标识的所有用户账号、 以及关于与用户账号相关联的关联对象信息、 。

19、消费凭证信息和交 易对象信息； 分别针对用户账号信息、 以及与用户账号相关联的关联对象信息、 消费凭证信 说明书 2/11 页 5 CN 111932262 A 5 息和交易对象信息进行聚类； 基于经聚类的用户账号信息、 关联对象信息和消费凭证信息， 形成风险交易信息； 以及响应于确认预定第三时间间隔到达， 将风险交易信息发送至与关 联对象的计算设备。 0017 提供发明内容部分是为了以简化的形式来介绍对概念的选择， 它们在下文的具体 实施方式中将被进一步描述。 发明内容部分无意标识本公开的关键特征或主要特征， 也无 意限制本公开的范围。 附图说明 0018 图1示出了根据本公开的实施例的用于。

20、实施识别关于消费凭证的交易风险的方法 的系统的示意图。 0019 图2示出了根据本公开的实施例的用于识别关于消费凭证的交易风险的方法的流 程图。 0020 图3示意性示出了根据本公开的实施例的用于预测关于当前用户的风险概率的方 法的流程图。 0021 图4示出了根据本公开的实施例的用于更新预定风险标识集合的方法的流程图。 0022 图5示出了根据本公开的实施例的用于确定预定条件满足的方法的流程图。 0023 图6示出了根据本公开的实施例的用于发送风险信息的方法的流程图。 0024 图7示意性示出了适于用来实现本公开的实施例的电子设备的框图。 0025 在各个附图中， 相同或对应的标号表示相同或。

21、对应的部分。 具体实施方式 0026 下面将参照附图更详细地描述本公开的优选实施例。 虽然附图中显示了本公开的 优选实施例， 然而应该理解， 可以以各种形式实现本公开而不应被这里阐述的实施例所限 制。 相反， 提供这些实施例是为了使本公开更加透彻和完整， 并且能够将本公开的范围完整 地传达给本领域的技术人员。 0027 在本文中使用的术语 “包括” 及其变形表示开放性包括， 即 “包括但不限于” 。 除非 特别申明， 术语 “或” 表示 “和/或” 。 术语 “基于” 表示 “至少部分地基于” 。 术语 “一个示例实施 例” 和 “一个实施例” 表示 “至少一个示例实施例” 。 术语 “另一实。

22、施例” 表示 “至少一个另外的 实施例” 。 术语 “第一” 、“第二” 等等可以指代不同的或相同的对象。 0028 如前文所描述， 在传统的识别关于消费凭证的交易风险的方法中， 通过确认账户 密码是否通过验证来确认关于消费凭证的交易的合法性， 其无法甄别进行当前操作的是公 司的员工， 还是利用消费凭证进行套利操作的黄牛党， 因此， 无法识别黄牛党针对消费凭证 的恶意操作。 而如果增加针对员工的生物信息认证以提高交易的安全性， 将明显增加管理 平台的在数据采集、 存储和计算资源方面的负担， 而且也明显降低了合法用户的使用体验。 因此， 传统的识别关于消费凭证的交易风险的方法存在难以同时兼顾提高。

23、用户使用的便捷 性和避免黄牛党恶意交易的不足之处。 0029 为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个， 本公开的示 例实施例提出了一种用于识别关于消费凭证的交易风险的方法。 该方案包括： 在管理设备 处， 获取当前交易的交易上下文， 交易上下文至少指示用户标识信息、 用户账户、 消费凭证 说明书 3/11 页 6 CN 111932262 A 6 信息； 响应于确认用户标识信息和用户账户中的至少一个属于获取自管理设备的缓存处的 预定风险标识集合， 获取与用户账户相关联的风险标识； 响应于确认用户标识信息和用户 账户中均不属于预定风险标识集合， 获取在第一预定时间间隔内针对用。

24、户账号的历史操作 信息； 对历史操作信息进行聚类， 以用于提取历史操作信息中的账户注册信息、 与关联对象 的消费凭证进行绑定的绑定信息中的至少一项； 响应于确认至少一项预定条件满足， 将用 户账号与风险标识相关联并且将用户账号加入至预定风险标识集合， 预定条件包括： 用户 账号所绑定的消费凭证的关联对象关联有预定标识； 用户账号与所绑定的消费凭证的关联 对象的预定关联用户集合中的至少一个关联用户相关联， 并且针对用户账号的历史操作信 息符合预定条件。 0030 在上述方案中， 本公开通过管理设备从缓存中获取预定风险标识集合， 并确认在 当前交易上下文中所提取的用户标识信息和用户账户中是否属于该。

25、预定风险标识集合， 本 公开能够快速识别已在册的风险用户 （例如黄牛党） 的账户； 并且， 本公开通过在确认当前 交易的用户标识信息和用户账户中均不属于预定风险标识集合时， 获取并聚类在第一预定 时间间隔内针对用户账号的历史操作信息， 以及基于经聚类的历史操作信息中提取账户注 册信息、 绑定信息， 并在确认预定条件满足时， 使用户账号与风险标识相关联并且更新预定 风险标识集合， 以及基于风险标识所指示的风险等级来针对当前交易进行风险管控操作。 因而， 本公开能够基于当前交易的关联账户的历史操作信息有效识别未记录在册的风险用 户， 并基于识别结果更新预定风险标识集合和对于当前交易进行与风险等级相。

26、匹配的风险 管控操作。 而无需针对一般的用户账号的操作再增加额外的认证或者鉴权的环节， 因此， 本 公开的方法对于一般用户的正常交易操作是无感的。 因而， 本公开不仅能够有效识别关于 消费凭证的交易风险， 而且能够同时保证用户使用的便捷性。 0031 图1示出了根据本公开的实施例的用于实施用于识别关于消费凭证的交易风险的 方法的系统100的示意图。 如图1所示， 系统100包括： 管理设备110、 多个用户终端130、 关联 对象的服务器140、 网络150和数据库160。 管理设备110例如至少包括： 当前交易上下文获取 单元114、 预定风险标识集合确定单元116、 历史操作信息获取单元1。

27、18、 历史操作信息聚类 与提取单元120、 预定条件判断单元122、 风险标识关联单元124和风险管控操作单元126。 0032 在一些实施例中， 当前交易上下文获取单元114、 预定风险标识集合确定单元116、 历史操作信息获取单元118、 历史操作信息聚类与提取单元120、 预定条件判断单元122、 风 险标识关联单元124和风险管控操作单元126可以配置在一个或者多个管理设备110上。 管 理设备110可以与数据库160进行数据交互， 并且管理设备110可以通过有线或者无线的方 式 （例如网络150） 与多个用户终端130、 关联对象的服务器140。 0033 关于用户终端130， 其。

28、用于使得用户经由用户终端130访问管理设备110所提供的 关于消费凭证的交易应用服务。 用户终端130可以配置有用于访问和进行关于消费凭证的 交易的应用程序。 用户终端130可以利用该应用程序进行用户账号的注册、 绑定与关联对象 （例如而不限于是用户所属的公司或者企业） 的消费凭证 （例如而不限于是消费卡） 、 以及利 用所绑定的消费凭证进行交易 （例如而不限于购买商品或者服务） 。 0034 关于管理设备110， 其用于获取当前交易的交易上下文， 以便确认与当前交易相关 联的用户标识信息和用户账户是否属于预定风险标识集合； 并且在确认不属于预定风险标 识集合时， 基于所获取的针对用户账号的历。

29、史操作信息提取账户注册信息和关于消费凭证 说明书 4/11 页 7 CN 111932262 A 7 的绑定信息， 以便在确认满足预定条件时， 建立用户账号与风险标识的关联； 以及基于关于 当前交易的风险标识所指示的风险等级， 针对当前交易进行风险管控操作。 在一些实施例 中， 管理设备110例如而不限于是管理多个关联对象 （例如多家企业或者公司） 福利发放的 系统或者平台。 管理设备110 （计算设备） 可以具有一个或多个处理单元， 包括诸如GPU、 FPGA 和ASIC等的专用处理单元以及诸如CPU的通用处理单元。 另外， 在每个管理设备上也可以运 行着一个或多个虚拟机。 在一些实施例中，。

30、 管理设备110可以支持关于消费凭证的兑现与交 换、 以及基于消费凭证购买商品或者服务的交易。 在一些实施例中， 管理设备110不仅可以 识别关于消费凭证的黄牛党交易风险行为， 而且可以识别活动作弊、 以及刷量和外挂等非 正常交易行为。 0035 关于当前交易上下文获取单元114， 其用于获取当前交易的交易上下文， 交易上下 文至少指示用户标识信息、 用户账户、 消费凭证信息。 0036 关于预定风险标识集合确定单元116， 其用于确认用户标识信息和用户账户中的 至少一个是否属于预定风险标识集合， 以及如果确认用户标识信息和用户账户中的至少一 个属于获取自管理设备的缓存处的预定风险标识集合， 。

31、获取与用户账户相关联的风险标 识。 0037 关于历史操作信息获取单元118， 其用于如果确认用户标识信息和用户账户中均 不属于预定风险标识集合， 获取在第一预定时间间隔内针对用户账号的历史操作信息。 0038 关于历史操作信息聚类与提取单元120， 其用于对历史操作信息进行聚类， 以用于 提取历史操作信息中的账户注册信息、 与关联对象的消费凭证进行绑定的绑定信息中的至 少一项。 0039 关于预定条件判断单元122， 其用于确认至少一项预定条件是否满足。 该预定条件 例如包括以下至少一项： 用户账号所绑定的消费凭证的关联对象关联有预定标识； 用户账 号与所绑定的消费凭证的关联对象的预定关联用。

32、户集合中的至少一个关联用户相关联， 并 且针对用户账号的历史操作信息符合预定条件。 0040 关于风险标识关联单元124， 其用于确认至少一项预定条件满足时， 将用户账号与 风险标识相关联并且将用户账号加入至预定风险标识集合。 0041 关于风险管控操作单元126， 其用于基于关于当前交易的用户账户的风险标识所 指示的风险等级， 针对当前交易进行风险管控操作。 0042 图2示出了根据本公开的实施例的用于识别关于消费凭证的交易风险的方法200 的流程图。 应当理解， 方法200例如可以在图7所描述的电子设备700处执行。 也可以在图1所 描述的管理设备110处执行。 应当理解， 方法200还可。

33、以包括未示出的附加动作和/或可以省 略所示出的动作， 本公开的范围在此方面不受限制。 0043 在步骤202处， 管理设备110获取当前交易的交易上下文， 交易上下文至少指示用 户标识信息、 用户账户、 消费凭证信息。 在一些实施例中， 交易上下文还包括当前交易所涉 及的交易对象 （例如商品或者服务） 、 交易金额、 积分和卡券信息等。 0044 关于用户标识信息， 其例如而不限于包括： 用户终端的标识 （例如用户的移动设备 的号码） 、 用户用于登录用户账号的网络地址、 或者用户的身份标识信息。 该用户标识信息 例如是用户在注册用户账号时输入的、 或者是用户在进行当前交易时所输入的。 004。

34、5 在步骤204处， 管理设备110确认用户标识信息和用户账户中的至少一个是否属于 说明书 5/11 页 8 CN 111932262 A 8 预定风险标识集合。 0046 在步骤206处， 如果管理设备110确认用户标识信息和用户账户中的至少一个属于 获取自管理设备的缓存处的预定风险标识集合， 获取与用户账户相关联的风险标识。 然后， 跳转至步骤216。 本公开通过将预定风险标识集合预先加载在管理设备110的缓存， 无需实 时从数据库获取预定风险标识集合， 有利于提高识别风险交易的快速性， 特别是对于高并 发、 海量的交易数据， 能够显著地提高识别风险交易的效率。 0047 在步骤208处，。

35、 如果管理设备110确认用户标识信息和用户账户中均不属于预定风 险标识集合， 获取在第一预定时间间隔内针对用户账号的历史操作信息。 0048 关于第一预定时间间隔， 其例如是近一个月、 近半年或者近一年等预先设定的时 间间隔。 0049 关于针对用户账号的历史操作信息， 其例如是当前交易的关联用户 （在第一预定 时间间隔内） 针对用户账户进行的注册、 登录、 绑定消费凭证、 下单、 支付等历史操作。 0050 在步骤210处， 对历史操作信息进行聚类， 以用于提取历史操作信息中的账户注册 信息、 与关联对象的消费凭证进行绑定的绑定信息中的至少一项。 用户某一时刻的操作行 为数据可能是很稀疏的，。

36、 如果基于该时刻的操作数据来识别交易风险， 容易遗漏或者错误 识别风险交易。 本公开通过获取第一预定时间间隔内的针对当前用户账号的历史操作数 据， 以及对该历史操作数据进行聚类， 有利于准确发现风险交易行为的行为特征。 另外， 针 对用户账号的历史操作信息可能涉及多种数据， 本公开主要提取账户注册信息、 与关联对 象的消费凭证的绑定信息， 其原因主要在于： 研究表明， 账户注册信息和绑定信息为发生黄 牛方式的风险交易的高风控点。 主要提取账户注册信息和绑定信息用于后续风险判断， 有 利于提高识别风险交易的快速性。 0051 在步骤212处， 管理设备110确认是否至少一项预定条件满足。 如果管。

37、理设备110确 认没有一项预定条件满足， 则例如跳转至步骤218， 以执行当前交易。 0052 关于预定条件， 其例如包括用户账号所绑定的消费凭证的关联对象关联有预定标 识。 例如， 如果消费卡的关联企业关联有风险标签， 则管理设备110确定预定条件满足。 预定 条件例如还包括用户账号与所绑定的消费凭证的关联对象的预定关联用户集合 （例如是预 定职工名单） 中的至少一个关联用户 （例如至少一个职工） 相关联， 并且针对用户账号的历 史操作信息符合预定条件。 例如， 如果当前用户的手机号与关联企业的职工名单中至少一 个职工相关联， 并且基于当前用户针对用户账号的历史操作信息所提取的操作特征与黄牛。

38、 用户的操作特征相匹配， 则管理设备110确定预定条件满足。 0053 关于针对用户账号的历史操作信息满足预定操作条件， 其例如包括： 管理设备110 获取第二预定时间间隔内针对用户账号的历史操作信息； 提取历史操作信息的操作特征； 以及响应于确定所提取的操作特征符合预定操作条件， 确认针对用户账号的历史操作信息 满足预定操作条件。 例如， 如果当前用户针对用户账户的账户注册信息和绑定信息表明， 其 注册完用户账户后在预定时间内迅速绑定超过的预定阈值的消费凭证， 则管理设备110确 认针对用户账号的历史操作信息满足预定操作条件。 0054 在步骤214处， 如果管理设备110确认至少一项预定条。

39、件满足， 将用户账号与风险 标识相关联并且将用户账号加入预定风险标识集合。 0055 在步骤216处， 管理设备110基于关于当前交易的用户账户的风险标识所指示的风 说明书 6/11 页 9 CN 111932262 A 9 险等级， 针对当前交易进行风险管控操作。 0056 在一些实施例中， 在步骤216之前还包括： 确定风险标识所指示的风险等级， 风险 等级与风险管控操作相对应。 0057 关于风险等级的确定方式， 其例如包括： 管理设备110基于风险交易的恶意程度来 确定风险标识所指示的风险等级。 例如， 如果管理设备110确定存在风险标识的用户账号所 绑定的消费凭证大于或者等于预定数目。

40、阈值， 则生成用于禁止绑定新的消费凭证的风险等 级。 如果管理设备110确定存在风险标识的用户账号交易的金额大于或者等于预定金额阈 值， 则生成用于提高交易对象价格的风险等级。 如果管理设备110确定存在风险标识的用户 标识信息所注册的用户账户数量大于或者等于预定账户数量阈值， 则生成用于禁止与用户 标识信息相关联的登录操作的风险等级。 预定账户数量阈值例如而不限于是数千个。 0058 关于风险管控操作， 其例如包括： 冻结用户账户、 限制当前交易的交易额度、 拒绝 支付当前交易的交易金额、 提高当前交易的交易对象的价格、 禁止用户账户与待绑定的消 费凭证进行绑定中的至少一项。 关于禁止用户账。

41、户与待绑定的消费凭证进行绑定这一风险 管控操作， 其例如是禁止存在风险标识的用户账户在未来预定时间间隔内绑定新的消费凭 证。 0059 在上述方案中， 本公开通过管理设备从缓存中获取预定风险标识集合， 并确认在 当前交易上下文中所提取的用户标识信息和用户账户中是否属于该预定风险标识集合， 本 公开能够快速识别已在册的风险用户 （例如黄牛党） 的账户； 并且， 本公开通过在确认当前 交易的用户标识信息和用户账户中均不属于预定风险标识集合时， 获取并聚类在第一预定 时间间隔内针对用户账号的历史操作信息， 以及基于经聚类的历史操作信息中提取账户注 册信息、 绑定信息， 并在确认预定条件满足时， 使用。

42、户账号与风险标识相关联并且更新预定 风险标识集合， 以及基于风险标识所指示的风险等级来针对当前交易进行风险管控操作。 因而， 本公开能够基于当前交易的关联账户的历史操作信息有效识别未记录在册的风险用 户， 并基于识别结果更新预定风险标识集合和对于当前交易进行与风险等级相匹配的风险 管控操作。 而无需针对一般的用户账号的操作再增加额外的认证或者鉴权的环节， 因此， 本 公开的方法对于一般用户的正常交易操作是无感的。 因而， 本公开不仅能够有效识别关于 消费凭证的交易风险， 而且能够同时保证用户使用的便捷性。 0060 图3示意性示出了根据本公开的实施例的用于预测关于当前用户的风险概率的方 法30。

43、0的流程图。 应当理解， 方法300例如可以在图7所描述的电子设备700处执行。 也可以在 图1所描述的管理设备110处执行。 0061 在步骤302处， 管理设备110确认用户账户是否存在关联的风险标识。 0062 在步骤304处， 如果管理设备110确认用户账户存在关联的风险标识， 记录针对用 户账号的历史操作信息和交易信息。 0063 在步骤306处， 管理设备110基于所记录的、 存在关联的风险标识的多个用户账号 的历史操作信息和交易信息， 生成用于训练风险预测模型的多个样本数据， 风险预测模型 是基于神经网络模型而构建的。 上述所记录的历史操作信息和交易信息能够反映黄牛用户 的风险交。

44、易的行为偏好或者行为特征。 0064 在步骤308处， 管理设备110基于多个样本数据， 训练风险预测模型， 风险预测模型 用于提取当前用户针对用户账号的操作信息的特征， 以便基于操作信息的特征而预测关于 说明书 7/11 页 10 CN 111932262 A 10 当前用户的风险概率。 0065 关于风险预测模型的输入数据， 其例如包括预定时间间隔内的关于存在风险标识 的用户账户的操作行为特征、 交易对象特征和关联对象特征和消费凭证特征。 操作行为特 征例如至少包括风险用户针对用户账户的注册特征、 登录特征、 绑卡特征、 下单操作特征、 交易金额特征。 交易对象特征例如包括针对多个交易对象。

45、的购买特征、 交易对象的价格特 征。 关联对象特征例如是与风险用户账号关联的关联对象标识特征、 关联对象数量特征。 交 易对象特征例如是与风险用户账号相关联的交易对象的标识特征、 交易对象类别特征、 交 易对象数量特征和价格特征。 由于风险预测模型的输入数据非常稀疏并且庞大， 如果直接 将所获取的数据输入至用于预测当前用户的风险概率的风险预测模型的模型中， 将难以有 足够数据去训练参数很多的网络。 因此， 可以增加嵌入层， 用以降低纬度输入数据的维度。 0066 关于生成输入数据的方式， 其例如包括： 管理设备110基于所记录的、 存在关联风 险标识的多个用户账号的历史操作信息和交易信息， 提。

46、取用户账户的操作行为信息、 交易 对象信息和关联对象信息和消费凭证信息， 以便分别生成操作行为特征、 交易对象特征和 关联对象特征和消费凭证特征。 然后将上述特征分别进行归一化处理。 再将经由归一化处 理的操作行为特征、 交易对象特征和关联对象特征和消费凭证特征进行拼接， 以便生成风 险预测模型的输入特征。 0067 关于风险预测模型， 其例如是基于DeepFM模型构建。 DeepFM模型主要包括： 稀疏特 征层、 稠密嵌入层、 FM部分和Deep部分和输出层。 在一些实施例中， 风险预测模型还可以基 于SVM、 深度置信神经网络 （Depp Belief Networks， DBN） 进行构。

47、建。 例如， DBNs的核心组件 就是RBM （限制玻尔兹曼机） ， 其含有一层随机隐藏单元和一层随机可见单元。 在一些实施例 中， 特别是用于识别交易风险的方法或者程序上线之初， 带有风险标识的用户账户的操作 数据可能存在不足， 因此可能导致样本数据不足， 以及提取的特征有限。 以至于导致缺乏大 量的、 高质量的样本数据训练风险预测模型。 如果基于DBN算法构建风险预测模型， 则可以 使用有限的数据进行训练， 通过多层神经网络 （RBM)的迭代进行多维度、 多层次的机器学 习， 进而快速增加学习所得到的特征数量。 0068 关于风险预测模型的输出数据， 其例如是所预测的关于当前用户的风险概率。

48、。 0069 在步骤310处， 管理设备110基于至少一项预定条件和经由风险预测模型所预测的 风险概率， 确定用户账号与风险标识的关联性。 0070 在上述方案中， 通过基于将存在风险标识的所有用户账户的历史操作信息和交易 信息形成多个用于指示黄牛党操作行为特点的样本， 以及基于经由多样本训练的风险预测 模型来预测关于当前交易的风险概率， 本公开可以识别关于消费凭证的非典型性风险交 易。 另外， 本公开通过综合预定条件和经由风险预测模型所预测的风险概率这两种识别手 段来确定用户账号是否存在风险， 能够实现基于规则引擎的识别结果与基于预测模型的预 测结果的相互校验， 因此能够更为全面和准确地识别。

49、关于消费凭证的风险交易。 0071 图4示出了根据本公开的实施例的用于更新预定风险标识集合的方法400的流程 图。 应当理解， 方法400例如可以在图7所描述的电子设备700处执行。 也可以在图1所描述的 管理设备110处执行。 0072 在步骤402处， 管理设备110确认是否至少一项预定条件满足。 0073 在步骤404处， 如果管理设备110确认至少一项预定条件满足， 确定用户账号是否 说明书 8/11 页 11 CN 111932262 A 11 属于预定第一账户集合。 0074 在步骤406处， 如果管理设备110确认用户账号不属于预定第一账户集合， 将用户 账号与风险标识相关联并且。

50、将用户账号加入预定风险标识集合。 0075 在步骤408处， 如果管理设备110确认用户账号属于预定第一账户集合， 不将用户 账号与风险标识相关联。 0076 由此， 本公开可以避免一些特殊用户针对消费凭证的管理操作被错误识别成的风 险交易。 例如， 避免管理福利发放的系统的管理人员在协助公司配置员工的消费凭证时被 错误地识别为风险交易用户。 0077 图5示出了根据本公开的实施例的用于确定预定条件满足的方法500的流程图。 应 当理解， 方法500例如可以在图7所描述的电子设备700处执行。 也可以在图1所描述的管理 设备110处执行。 0078 在步骤502处， 管理设备110基于注册信息。