The application example relates to a transaction identification method and server operation, the method includes: a collection of attributes for trading operations; analyzing the attribute dependencies between each attribute in the feature set; according to the dependency, from the set of attributes in a read attribute feature dependency on. The properties of the attributes and attributes including the first second characters, and the second attribute depends on the attributes of the right to read each of; attribute dependence on, according to the preset training samples, conditional probability of the second attributes depends on the attributes of the value; according to the conditional probability value and the preset first type model, the identification of trading operations. As a result, we can accurately identify the type of transaction operation, which can effectively protect the object of the transaction operation.
【技术实现步骤摘要】
本申请涉及计算机
,尤其涉及一种交易操作的识别方法及服务器。
技术介绍
随着电子商务的飞速发展,越来越多的用户使用第三方支付平台进行互联网交易操作,尤其是进行支付交易操作。然而,在进行上述支付交易操作时,往往会存在盗卡和盗账户的风险。为了保证用户的交易操作的安全性,就有了对用户的交易操作的安全性进行分析的需求。在对交易操作的安全性进行分析时,由于盗卡交易操作可获取的信息量较少,难以提取有效特征,且非法用户通过正常账户进行盗卡交易操作,由此增加了盗卡交易操作识别的难度。现有技术中,主要是通过三种方法对盗卡交易操作进行识别:1)基于专家经验进行人工风险评分;2)基于黑环境、异常操作行为分析等策略0-1二值识别;3)基于朴素贝叶斯的线性识别方法。然而,第一种识别方法大多是基于定性和经验,往往主观意识较强,准确率难以得到保障,而且盗卡交易操作存在突发性,所以难以进行有效的安全性分析;第二种识别方法是基于离散化的判定准则,大多是0-1二值识别,难以进行深入有效的安全性分析;第三种识别方法也存在明显的缺陷,特别是对变量的相对独立过于苛刻,往往与实际不符。朴素贝叶斯识别方法可描述为:设a=[a1,a2…,am]为一个有m个属性的支付交易操作样本,则其安全性分析的模型可表示为:maxP(a1,a2…,am|cj)P(cj)(1)其中j∈(1,|C|)表示类别。因为朴素贝叶斯分类器基于一个简单 ...
【技术保护点】
一种交易操作的识别方法,其特征在于,该方法包括:获取交易操作的属性特征集合;分析所述属性特征集合中各个属性特征之间的依赖关系;根据所述依赖关系,从所述属性特征集合中读取有依赖关系的属性特征对,所述属性特征对包括第一属性特征和第二属性特征,且所述第二属性特征依赖于所述第一属性特征;对读取的每对有依赖关系的属性特征对,根据预设的训练样本,计算所述第二属性特征依赖于所述第一属性特征的条件概率值;根据所述条件概率值和预设的第一模型,识别所述交易操作的类型。
【技术特征摘要】
1.一种交易操作的识别方法,其特征在于,该方法包括:
获取交易操作的属性特征集合;
分析所述属性特征集合中各个属性特征之间的依赖关系;
根据所述依赖关系,从所述属性特征集合中读取有依赖关系的属性特征
对,所述属性特征对包括第一属性特征和第二属性特征,且所述第二属性特
征依赖于所述第一属性特征;
对读取的每对有依赖关系的属性特征对,根据预设的训练样本,计算所述
第二属性特征依赖于所述第一属性特征的条件概率值;
根据所述条件概率值和预设的第一模型,识别所述交易操作的类型。
2.根据权利要求1所述的方法,其特征在于,所述属性特征包括:交易
操作的静态属性、交易操作的关联信息、交易操作的环境变量和交易操作的
资金异常行为信息。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述依赖关
系,从所述属性特征集合中读取有依赖关系的属性特征对,包括:
根据所述依赖关系,创建呈树状结构的有向无环图,所述有向无环图包括
父节点和子节点,其中,每个节点对应所述属性特征集合中一个属性特征,
所述子节点对应的属性特征依赖于所述父节点对应的属性特征;
从所述有向无环图中读取父节点和子节点,将读取的父节点对应的属性特
征和子节点对应的属性特征作为有依赖关系的属性特征对。
4.根据权利要求1所述的方法,其特征在于,所述根据所述条件概率值
和预设的第一模型,识别所述交易操作的类型包括:
根据所述条件概率值和预设的第一模型,计算所述交易操作的安全度值;
当所述安全度值大于预设阈值时,则识别所述交易操作为不安全的交易操
作。
5.根据权利要求4所述的方法,其特征在于,所述根据所述条件概率值
\t和预设的第一模型,计算所述交易操作的安全度值包括:
根据如下公式计算所述交易操作的安全度值:
1-P(x1,x2,...,xm)=1-Πi=1mP(xi|Parents(xi))]]>其中,1-P(x1,x2,...,xm)为所述交易操作的安全度值,m为所述属性特征集合
中属性特征的个数,xi为所述第二属性特征,Parents(xi)为所述第一属性特征,
P(xi|Parents(xi))为所述第二属性特征依赖于所述第一属性特征的条件概率值。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述方法还包括:
当所述属性特征集合中属性特征的个数不是预先设定的个数时,对所述预
设的第一模型进行优化,得到第二模型;
所述根据所述条件概率值和预设的第一模型,识别所述交易操作的类型包
括:
根据所述条件概率值和所述第二模型,识别所述交易操作的类型。
7.一种服务器,其特征在于,所述...
【专利技术属性】
技术研发人员:祝志博,陈秋纯,张英,
申请(专利权)人:阿里巴巴集团控股有限公司,
类型:发明
国别省市:开曼群岛;KY
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。