电子支付业务合法性的校验方法和装置制造方法及图纸

本申请提供一种电子支付业务合法性的校验方法和装置。该方法包括：获取电子支付业务的历史校验数据，所述历史校验数据包括历史业务数据、与所述历史业务数据对应的基准业务数据以及所述历史业务数据的校验结果；对所述历史业务数据和所述基准业务数据进行词对齐操作；根据词对齐结果对所述历史校验数据进行特征值提取，得到所述历史校验数据的特征矩阵；根据所述特征矩阵和所述校验结果训练校验模型；在接收到电子支付请求时，根据所述电子支付请求的真实业务数据和所述校验模型校验所述电子支付请求的合法性。本申请可通过词对齐操作实现对业务数据结构的考量，提高校验模型的灵活性和准确度，从而提高电子业务合法性校验的准确度。

Checkout method and device for legitimacy of electronic payment service

The application provides a checkout method and device for the legitimacy of electronic payment business. The method includes: obtaining historical check data of the electronic payment service, the historical check data including the historical business data, the reference service data corresponding to the historical business data and the verifying results of the historical business data, and the word alignment operation of the historical business data and the reference service data; According to the word alignment result, the characteristic value of the historical check data is extracted, the characteristic matrix of the historical checkout data is obtained; the checkout model is trained according to the characteristic matrix and the checkout result; when the electronic payment request is received, the real business data of the electronic payment request and the checkout model are corrected. The validity of the electronic payment request. This application can measure the business data structure by word alignment, improve the flexibility and accuracy of the checkout model, and improve the accuracy of the validation of the electronic business legitimacy.

【技术实现步骤摘要】
电子支付业务合法性的校验方法和装置
本申请涉及互联网
，尤其涉及一种电子支付业务合法性的校验方法和装置。
技术介绍
随着互联网技术的快速发展，电子支付业务兴起，用户可以通过互联网实现买单、转账等电子支付业务，给用户的生活带来了极大的便利。然而，不法分子也会利用电子支付业务进行违法操作，比如：洗钱、欺诈等。因此，对电子支付业务的合法性进行校验就显得极为重要。
技术实现思路
有鉴于此，本申请提供一种电子支付业务合法性的校验方法和装置。具体地，本申请是通过如下技术方案实现的：一种电子支付业务合法性的校验方法，所述方法包括：获取电子支付业务的历史校验数据，所述历史校验数据包括历史业务数据、与所述历史业务数据对应的基准业务数据以及所述历史业务数据的校验结果；对所述历史业务数据和所述基准业务数据进行词对齐操作；根据词对齐结果对所述历史校验数据进行特征值提取，得到所述历史校验数据的特征矩阵；根据所述特征矩阵和所述校验结果训练校验模型；在接收到电子支付请求时，根据所述电子支付请求的真实业务数据和所述校验模型校验所述电子支付请求的合法性。一种电子支付业务合法性的校验装置，所述装置包括：数据获取单元，获取电子支付业务的历史校验数据，所述历史校验数据包括历史业务数据、与所述历史业务数据对应的基准业务数据以及所述历史业务数据的校验结果；词对齐单元，对所述历史业务数据和所述基准业务数据进行词对齐操作；特征提取单元，根据词对齐结果对所述历史校验数据进行特征值提取，得到所述历史校验数据的特征矩阵；模型训练单元，根据所述特征矩阵和所述校验结果训练校验模型；业务校验单元，在接收到电子支付请求时，根据所述电子支付请求的真实业务数据和所述校验模型校验所述电子支付请求的合法性。由以上描述可以看出，本申请可以对业务数据进行词对齐操作，并可以根据词对齐结果提取历史校验数据的特征矩阵以进行校验模型的训练。在校验模型训练的整个过程中，通过词对齐操作实现对业务数据结构的考量，提高校验模型的灵活性和准确度，从而提高电子业务合法性校验的准确度。附图说明图1是本申请一示例性实施例示出的一种电子支付业务合法性的校验方法的流程示意图。图2是本申请一示例性实施例示出的一种校验模型训练方法的流程示意图。图3是本申请一示例性实施例示出的一种基于全局特征矩阵进行校验模型训练的流程示意图。图4是本申请一示例性实施例示出的一种基于局部特征矩阵进行校验模型训练的流程示意图。图5是本申请一示例性实施例示出的一种用于电子支付业务合法性的校验装置的结构框图。图6是本申请一示例性实施例示出的一种电子支付业务合法性的校验装置的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。相关技术中，在对电子支付业务的合法性进行校验时，可以提取电子支付业务的业务数据，比如：付款方用户的信息、收款方用户的信息等，然后可以判断所述业务数据是否命中黑名单，以确认电子支付业务的合法性。以提取电子支付业务的付款用户名为例，在判断付款用户是否命中黑名单时，通常将姓名作为一个整体，采用文本相似度算法计算付款用户名和黑名单中各用户名的相似度，当该相似度大于预设阈值时，可以确定付款用户命中黑名单。然而，目前的相似度算法仅关注字符本身的差异，无法顾及到姓名等业务数据的自身结构信息，可能会将非法的电子支付业务误判为合法等，导致合法性的判断结果的准确度较低。针对上述问题，本申请提供一种电子支付业务合法性的校验方法，请参考图1，所述校验方法可以应用在服务提供商部署的服务器或者服务器集群中，包括有以下步骤：步骤101，获取电子支付业务的历史校验数据，所述历史校验数据包括历史业务数据、与所述历史业务数据对应的基准业务数据以及所述历史业务数据的校验结果。步骤102，对所述历史业务数据和所述基准业务数据进行词对齐操作。步骤103，根据词对齐结果对所述历史校验数据进行特征值提取，得到所述历史校验数据的特征矩阵。步骤104，根据所述特征矩阵和所述校验结果训练校验模型。步骤105，在接收到电子支付请求时，根据所述电子支付请求的真实业务数据和所述校验模型校验所述电子支付请求的合法性。由以上描述可以看出，本申请可以对业务数据进行词对齐操作，并可以根据词对齐结果提取历史校验数据的特征矩阵以进行校验模型的训练。在校验模型训练的整个过程中，通过词对齐操作实现对业务数据结构的考量，提高校验模型的灵活性和准确度，从而提高电子业务合法性校验的准确度。下面结合校验模型的训练、电子支付业务合法性的校验两个方面来介绍本申请的具体实现过程。一、校验模型的训练图2是本申请一示例性实施例示出的一种校验模型训练方法的流程示意图。请参考图2，所述校验模型训练方法可以包括以下步骤：步骤201，获取电子支付业务的历史校验数据，所述历史校验数据包括历史业务数据、与所述历史业务数据对应的基准业务数据以及所述历史业务数据的校验结果。在本实施例中，所述电子支付业务可以为转账、购买理财产品等业务。所述电子支付业务的合法性包括：电子支付业务是否涉嫌洗钱，电子支付业务是否涉嫌欺诈等。所述历史校验数据为历史上对所述电子支付业务的合法性进行校验时所采用的数据以及校验结果，其中，所采用的数据通常可包括历史电子支付业务的真实业务数据、进行校验时的基准业务数据等，所述基准业务数据可为黑名单等。在本实施例中，后续以所述电子支付业务的合法性为电子支付业务是否涉嫌洗钱为例进行介绍。在本步骤中，所述历史校验数据中的历史业务数据可以为历史电子支付业务的付款方用户名、与所述历史业务数据对应的基准业务数据可以为涉嫌洗钱的黑名单中与所述付款方用户名进行比对的人名、所述历史业务数据的校验结果为匹配(对应电子支付业务涉嫌洗钱)或不匹配(对应电子支付业务不涉嫌洗钱)。当然，在实际应用中，所述历史业务数据也可以是历史电子支付业务的收款方用户名，除用户名之外，也可以采用地址等其他数据作为所述历史业务数据，本申请对此不作特殊限制。值得注意的是，本申请实施例中描述的用户名通常为业务对象在执行电子支付业务时留的名字，可以是真实姓名，也可以是假冒的名字。举例来说，以线上购物业务为例，所述历史业务数据可以为收货人的姓名；以申请信用卡业务为例，所述历史本文档来自技高网...

【技术保护点】
1.一种电子支付业务合法性的校验方法，其特征在于，所述方法包括：获取电子支付业务的历史校验数据，所述历史校验数据包括历史业务数据、与所述历史业务数据对应的基准业务数据以及所述历史业务数据的校验结果；对所述历史业务数据和所述基准业务数据进行词对齐操作；根据词对齐结果对所述历史校验数据进行特征值提取，得到所述历史校验数据的特征矩阵；根据所述特征矩阵和所述校验结果训练校验模型；在接收到电子支付请求时，根据所述电子支付请求的真实业务数据和所述校验模型校验所述电子支付请求的合法性。

【技术特征摘要】
1.一种电子支付业务合法性的校验方法，其特征在于，所述方法包括：获取电子支付业务的历史校验数据，所述历史校验数据包括历史业务数据、与所述历史业务数据对应的基准业务数据以及所述历史业务数据的校验结果；对所述历史业务数据和所述基准业务数据进行词对齐操作；根据词对齐结果对所述历史校验数据进行特征值提取，得到所述历史校验数据的特征矩阵；根据所述特征矩阵和所述校验结果训练校验模型；在接收到电子支付请求时，根据所述电子支付请求的真实业务数据和所述校验模型校验所述电子支付请求的合法性。2.根据权利要求1所述的方法，其特征在于，所述根据预设的算法对所述历史业务数据和所述基准业务数据进行词对齐操作，包括：对所述历史业务数据和其对应的基准业务数据进行分词操作；根据编辑距离算法对所述历史业务数据和其对应的基准业务数据进行词对齐操作。3.根据权利要求1所述的方法，其特征在于，所述根据词对齐结果对所述历史校验数据进行特征值提取，得到所述历史校验数据的特征矩阵，包括：根据词对齐结果和预设的全局特征对所述历史校验数据进行全局特征值提取，得到所述历史校验数据的全局特征矩阵，所述全局特征矩阵为一维矩阵，所述全局特征矩阵的任一元素为对应全局特征的取值。4.根据权利要求3所述的方法，其特征在于，所述预设的全局特征包括：所述历史业务数据的词数、所述基准业务数据的词数、所述历史业务数据的词数和所述基准业务数据的词数比例、对齐词数、对齐词数比例。5.根据权利要求3所述的方法，其特征在于，所述根据所述特征矩阵和所述校验结果训练校验模型，包括：将所述全局特征矩阵和所述历史业务数据的校验结果输入分类模型进行训练，得到校验模型。6.根据权利要求1所述的方法，其特征在于，所述根据词对齐结果对所述历史校验数据进行特征值提取，得到所述历史校验数据的特征矩阵，包括：根据预设的局部特征分别对所述历史校验数据的每组对齐的词进行局部特征值提取，得到所述历史校验数据的局部特征矩阵，所述局部特征矩阵的每一行元素表示对齐的一组词的各个局部特征的取值，每一列元素表示各组对齐的词在对应局部特征上的取值。7.根据权利要求6所述的方法，其特征在于，所述预设的局部特征包括：对齐的一组词中属于历史业务数据的词的长度、属于基准业务数据的词的长度、词长比例、对齐的一组词之间的最短编辑距离。8.根据权利要求6所述的方法，其特征在于，所述根据所述特征矩阵和所述校验结果训练校验模型，包括：将所述局部特征矩阵和所述历史业务数据的校验结果输入序列模型进行训练，得到校验模型。9.根据权利要求1所述的方法，其特征在于，所述电子支付业务合法性为电子支付业务是否涉嫌洗钱；所述历史业务数据为电子支付业务的付款方用户名和/或收款方用...

【专利技术属性】
技术研发人员：郭亚，
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