一种基于大数据处理的反欺诈系统及方法技术方案

本发明专利技术公开了一种基于大数据处理的反欺诈系统及方法，包括图片背景数据存储模块、评论异常监测模块、异常图片检测模块、图片背景异常检测模块、异常成交量检测模块、评论晒图率检测模块、评论好评率检测模块、评论追评率检测模块、欺诈行为判定模块，本发明专利技术的有益效果在于：对评论进行监测，当监测到异常评论时，进而对异常评论的待上传图片与已上传图片、卖家展示图片进行比对，当待上传图片异常时，再对店铺的成交量进行检测，若成交量异常，再根据好评率异常评估值、晒图率异常评估值、追评率异常评估值计算欺诈行为评估值，从而判定商家是否存在欺诈行为，以减少网购平台的销售作假，保障买家和其他同行卖家利益。保障买家和其他同行卖家利益。保障买家和其他同行卖家利益。

【技术实现步骤摘要】
一种基于大数据处理的反欺诈系统及方法


[0001]本专利技术涉及计算机信息
，具体为一种基于大数据处理的反欺诈系统及方法。

技术介绍

[0002]电商指的是在互联网上销售产品而进行的商业活动，是将现实生活中的商业活动转移到虚拟的电商平台上进行，这种交易的方式非常的便利和快捷，打破了时间和空间的界限，相较于传统商业形式，这无疑是一个巨大的变革，目前电商在我国的经济中占有越来越重要的地位。
[0003]现在电商行业中普遍存在以下问题，卖家为了伪造其良好的信誉情况，包括好评和销量等，且为了在平台上获取更多流量入口和活动支持，会通过各种渠道进行刷单，刷单指的是虚拟店铺为了获得单品或店铺较好的搜索排名而采取的作弊行为，刷单的同时往往配合刷流量和快递发空包，刷单一般可分为单品刷销量为做爆款等做准备和刷信誉以提高店铺整体信誉度，方式一般为销售作假，这样一来，不仅会损害其他经营同类型商品店铺的利益，也会给买家造成误导，买家一般在虚拟电商平台购买商品时，会参考买家评价，由此可见，一个店铺或一个商品的评价的好评率对于一个店铺的重要性不言而喻，相应的，差评会影响店铺的整体动态评分和好评率，进而影响店铺排名，尤其对于中小卖家而言，差评很大程度上会影响买家判断，影响商品的转化率，在这样的背景下，由职业好评师和职业差评师组成的黑产团伙也就应运而生，一些不良商家通过黑产团伙给自家店铺刷销量以及好评率，反过来给竞争对手恶意差评，以提高自身在同类型商品中的竞争力，打压竞争对手，误导买家进行消费，以销售作假的方式损害买家及竞争对手利益，形成业内恶性竞争。
[0004]基于上述问题，亟待提出一种基于大数据处理的反欺诈系统及方法，通过对评论进行监测，当监测到异常评论时，进而获取异常评论所属评论板块下的所有买家已上传图片和对应卖家的展示图片，通过对异常评论的待上传图片与已上传图片和展示图片的比对，确定待上传图片是否异常，进而对一定时间段内店铺的成交量进行检测，当成交量异常时，再根据好评率异常评估值、晒图率异常评估值、追评率异常评估值计算欺诈行为评估值，进而对商家是否存在欺诈行为进行判定，从而减少网购平台的销售作假，保障买家和其他同行卖家利益。

技术实现思路

[0005]本专利技术的目的在于提供一种基于大数据处理的反欺诈系统及方法，以解决上述
技术介绍
中提出的问题。
[0006]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于大数据处理的反欺诈系统，所述反欺诈系统包括图片背景数据存储模块、评论异常监测模块、异常图片检测模块、图片背景异常检测模块、异常成交量检测模块、评论晒图率检测模块、评论好评率检测模块、评论追评率检测模块、欺诈行为判定模块，所
述图片背景数据存储模块预先存储有虚拟店铺的商品图背景数据，所述评论异常监测模块用于实时监测用户评论是否异常，所述异常图片检测模块对用户于评论板块上传的图片是否异常进行检测，所述图片背景异常检测模块用于对检测出异常的上传图片进行背景检测，所述异常成交量检测模块用于获取一定时间段内任一店铺的商品成交量，并根据商品成交量对一定时间段内的成交量异常进行监测，所述评论晒图率异常检测模块用于检测任一店铺内的任一商品下的评论板块的晒图率是否发生异常，并计算晒图率异常评估值，所述评论好评率检测模块用于检测任一店铺内的任一商品下的评论板块的好评率是否发生异常，并计算好评率异常评估值，所述评论追评率检测模块用于检测任一店铺内的任一商品下的评论板块的追评率是否发生异常，并计算追评率异常评估值，所述欺诈行为判定模块根据晒图率异常评估值、好评率异常评估值、追评率异常评估值对欺诈行为进行判定。
[0007]进一步的，所述评论异常监测模块对当前时刻用户通过移动终端在任一商品评论板块下进行评论时的评论异常情况进行监测，所述评论异常监测模块获取当前评论状态，所述评论状态为好评、中评或差评，若当前评论为好评，则所述评论异常监测模块获取用户评论字数以及上传图片数量，当评论字数大于等于第一预设值且图片数量大于等于第二预设值时，进一步根据评论字数与上传图片数量计算评论异常评估值，其中，为系数，为第一预设值，为第二预设值，在对异常评论进行监测时，需要考虑到当前评论是否为好评，这是针对恶意刷好评的第一步检测，一般恶意刷好评的评论都有大段文字和多图的特征，针对评论文字数量和图片数量对当前评论是否存在异常进行监测，先设置预设值，当评论文字数量和上传图片数量大于预设值的时候，对评论异常评估值进行计算，评论异常评估值可以反映该条评论的异常程度，进而根据异常程度进行下一步的判断，当评论异常评估值大于等于评论异常评估值阈值时，通过所述异常图片检测模块对用户于当前评论板块下上传的图片进行异常检测。
[0008]进一步的，所述异常图片检测模块获取所述任一商品评论板块下的所有的买家上传图片以及所述任一商品的卖家展示图片，其中，所述买家上传图片为第一参照图片，所述卖家展示图片为第二参照图片，所述异常图片检测模块对第一参照图片以及第二参照图片中的人物、物品轮廓进行提取，并进一步提取当前用户于评论板块下上传的待检测图片中的人物、物品轮廓，所述异常图片检测模块将所述待检测图片中的人物、物品轮廓分别与第一参照图片、第二参照图片中的人物、物品轮廓进行比对，所述图片异常检测模块在每次比对时将待检测图片的尺寸调整成与第一参照图片或第二参照图片一致，将待检测图片与第一参照图片或第二参照图片重合，进一步获取待检测图片与第一参照图片或第二参照图片的人物、物品轮廓重合部分占第一参照图片或第二参照图片人物、物品轮廓部分的重合比例，当所述重合比例大于等于重合比例阈值时，进一步通过图片背景异常检测模块对待检测图片中的图片背景进行异常检测，一般恶意刷好评的评论普遍存在多条不同用户的评论图片一致，或是评论图片与卖家展示图片一致，因为刷单会涉及到发空包，即卖家不会真正将货物邮递出去，故刷单的买家不会收到货物，所以一般刷单的图片都为卖家提供，或是刷单买家直接将卖家展示图片上传到评论，所以可以对待检测图片即待上传图片与买家上传
图片、卖家展示图片进行比对，判断是否存在相同图片，若是出现多个相同图片，那么存在恶意刷好评的几率提升。
[0009]进一步的，所述图片背景异常检测模块连接图片背景数据存储模块，所述图片背景异常检测模块进一步获取所述待检测图片中的图片背景、买家上传图片的图片背景、图片背景数据存储模块当中预先存储的对应虚拟店铺的商品图背景数据，其中，所述买家已上传图片的图片背景、商品图背景为第一图片背景，所述待检测图片中的图片背景为第二图片背景，所述图片背景异常检测模块将第二图片背景与第一图片背景进行一一比对，检测所述第二图片背景与任一第一图片背景是否一致，若是仅仅只是对图片当中的人物、物品轮廓进行检测，那么可能会出现误判的情况，所以进一步针对图片的背景，判断待上传图片的背景是否与商家展示图片、买家上传图片的背景一致。
[0010]进一步的，所述图片背景异常检测模块若检测到第二图片背景与任一第一图片背景一致时，进一步通过异常成交量检测模块对对应店铺一定时间段内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据处理的反欺诈系统，其特征在于：所述反欺诈系统包括图片背景数据存储模块、评论异常监测模块、异常图片检测模块、图片背景异常检测模块、异常成交量检测模块、评论晒图率检测模块、评论好评率检测模块、评论追评率检测模块、欺诈行为判定模块，所述图片背景数据存储模块预先存储有虚拟店铺的商品图背景数据，所述评论异常监测模块用于实时监测用户评论是否异常，所述异常图片检测模块对用户于评论板块上传的图片是否异常进行检测，所述图片背景异常检测模块用于对检测出异常的上传图片进行背景检测，所述异常成交量检测模块用于获取一定时间段内任一店铺的商品成交量，并根据商品成交量对一定时间段内的成交量异常进行监测，所述评论晒图率异常检测模块用于检测任一店铺内的任一商品下的评论板块的晒图率是否发生异常，并计算晒图率异常评估值，所述评论好评率检测模块用于检测任一店铺内的任一商品下的评论板块的好评率是否发生异常，并计算好评率异常评估值，所述评论追评率检测模块用于检测任一店铺内的任一商品下的评论板块的追评率是否发生异常，并计算追评率异常评估值，所述欺诈行为判定模块根据晒图率异常评估值、好评率异常评估值、追评率异常评估值对欺诈行为进行判定。2.根据权利要求1所述的一种基于大数据处理的反欺诈系统，其特征在于：所述评论异常监测模块对当前时刻用户通过移动终端在任一商品评论板块下进行评论时的评论异常情况进行监测，所述评论异常监测模块获取当前评论状态，所述评论状态为好评、中评或差评，若当前评论为好评，则所述评论异常监测模块获取用户评论字数以及上传图片数量，当评论字数大于等于第一预设值且图片数量大于等于第二预设值时，进一步根据评论字数与上传图片数量计算评论异常评估值，其中，为系数，为第一预设值，为第二预设值，当评论异常评估值大于等于评论异常评估值阈值时，通过所述异常图片检测模块对用户于当前评论板块下上传的图片进行异常检测。3.根据权利要求1或2所述的一种基于大数据处理的反欺诈系统，其特征在于：所述异常图片检测模块获取所述任一商品评论板块下的所有的买家上传图片以及所述任一商品的卖家展示图片，其中，所述买家上传图片为第一参照图片，所述卖家展示图片为第二参照图片，所述异常图片检测模块对第一参照图片以及第二参照图片中的人物、物品轮廓进行提取，并进一步提取当前用户于评论板块下上传的待检测图片中的人物、物品轮廓，所述异常图片检测模块将所述待检测图片中的人物、物品轮廓分别与第一参照图片、第二参照图片中的人物、物品轮廓进行比对，所述图片异常检测模块在每次比对时将待检测图片的尺寸调整成与第一参照图片或第二参照图片一致，将待检测图片与第一参照图片或第二参照图片重合，进一步获取待检测图片与第一参照图片或第二参照图片的人物、物品轮廓重合部分占第一参照图片或第二参照图片人物、物品轮廓部分的重合比例，当所述重合比例大于等于重合比例阈值时，进一步通过图片背景异常检测模块对待检测图片中的图片背景进行异常检测。4.根据权利要求3所述的一种基于大数据处理的反欺诈系统，其特征在于：所述图片背景异常检测模块连接图片背景数据存储模块，所述图片背景异常检测模块进一步获取所述
待检测图片中的图片背景、买家上传图片的图片背景、图片背景数据存储模块当中预先存储的对应虚拟店铺的商品图背景数据，其中，所述买家已上传图片的图片背景、商品图背景为第一图片背景，所述待检测图片中的图片背景为第二图片背景，所述图片背景异常检测模块将第二图片背景与第一图片背景进行一一比对，检测所述第二图片背景与任一第一图片背景是否一致。5.根据权利要求1或4所述的一种基于大数据处理的反欺诈系统，其特征在于：所述图片背景异常检测模块若检测到第二图片背景与任一第一图片背景一致时，进一步通过异常成交量检测模块对对应店铺一定时间段内的任一商品的订单成交量是否异常进行检测，所述异常成交量检测模块获取对应店铺一定时间段内的订单成交量，并将所述一定时间段分割成若干时段，与现在时刻最接近的时段为第一时段，与第一时段最接近的时段为第二时段，进一步获取除第一时段的其他时段的订单成交量，并计算除第一时段的其他时段的每两个相邻时段的订单成交量增长率，进一步根据相邻时段的订单成交量增长率和除第一时段外的时段数量计算成交量平均增长率，并计算第二时段至第一时段的订单成交量增长率，根据成交量平均增长率与订单成交量增长率计算成交量异常评估值，当成交量异常评估值大于等于成交量异常评估值阈值时，则对应商品于所述一定时间段内的成交量发生异常，进一步通过评论晒图率检测模块、评论好评率检测模块、评论追评率检测模块分别对对应商品下评论板块的晒图率、好评率以及追评率进行检测。6.根据权利要求5所述的一种基于大数据处理的反欺诈系统，其特征在于：所述评论好评率检测模块获取对应店铺发生成交量异常的商品下的评论板块，进一步获取所述一定时间段内的评论总数量以及好评数量，并将所述一定时间段分割成所述若干时段，根据每个时段内好评数量占评论总数量的比例计算所述若干时段内对应商品的好评率，计算除所述第一时段的其他时段的每两个相邻时段的好评率增长率，进一步根据相邻时段的好评率增长率和除第一时段外的时段数量计算好评率平均增长率，并计算所述第二时段至所述第一时段的好评率增长率，根据好评率平均增长率与好评率增长率计算好评率异常评估值。7.根据权利要求5所述的一种基于大数据处理的反欺诈系统，其特征在于：所述评论晒图率检测模块获取对应店铺发生成交量异常的商品下的评论板块，进一步获取所述一定时间段内的评论总数量以及晒图评论数量，并将所述一定时间段分割成所述若干时段，根据每个时段内的晒图评论数量占评论总数量的比例计算所述若干时段内对应商品的晒图率，计算除所述第一时段的其他时段的每两个相邻时段的晒图率增长率，进一步根据相邻时段的晒图率增长率和除第一时段外的时段数量计算晒图率平均增长率，并计算所述第二时段至所述第一时段的晒图率增长率，根据晒图率平均增长率与晒图率增长率计算晒图率异常评估值。8.根据权利要求5所述的一种基于大数据处理的反欺诈系统，其特征在于：所述评论追
评率检测模...

【专利技术属性】
技术研发人员：范杰，
申请(专利权)人：广州格鲁信息技术有限公司，
类型：发明
国别省市：