用于高级速度简档准备和分析的系统和方法技术方案

提供一种系统。所述系统包括包含与至少一个存储器设备通信的至少一个处理器的计算设备。所述至少一个处理器被编程为接收多个数据点。所述至少一个处理器还被编程为将多个数据点排序为时间顺序。所述至少一个处理器还被编程为将多个数据点划分为多个子集。多个子集中的每个子集表示一时间段。此外，所述至少一个处理器被编程为处理每个子集以确定单个子集的速度值。此外，所述至少一个处理器被编程为组合多个速度值以确定最终速度值。组合多个速度值以确定最终速度值。组合多个速度值以确定最终速度值。

【技术实现步骤摘要】
【国外来华专利技术】用于高级速度简档准备和分析的系统和方法
[0001]相关申请的交叉引用
[0002]本申请要求2020年4月1日提交的美国专利申请No.16/837,673的优先权，该专利申请的内容通过引用针对所有目的并入本文中。


[0003]本申请一般涉及一种可以用于帮助准备和分析速度简档的技术，更具体地，涉及用于在准备为机器学习模型使用的速度简档中使用分布式处理的基于网络的系统和方法。

技术介绍

[0004]机器学习模型依赖一些种类的简档。例如，在支付网络处理中，普遍使用基于速度的简档。此外，为了改进欺诈处理和消息分析，定期对用于计算那些速度的不同值和维度进行实验。这些新的分析可以包括对商家、终端、账户范围、全部发行者以及理论上交易消息、衍生数据或外部数据上的字段的任何组合做简档。
[0005]许多分析模型，特别是实时建立和部署的模型，对在模型仿真的时间点上会存在的数据进行仿真。这些分析模型中的许多使用实时的基于速度的输入。基于速度的输入表示在特定时间段内发生的活动的量。然而，分析存在于所需时间点和之前的历史数据可能在时间和处理能力方面代价很大，特别是对于计算存在于该时间点的速度此。因此，需要更高效且可重复的用于计算速度的系统。

技术实现思路

[0006]在一个方面，提供一种系统。所述系统包括包含与至少一个存储器设备通信的至少一个处理器的计算设备。所述至少一个处理器被编程为接收多个数据点。所述至少一个处理器也被编程为将多个数据点排序为时间顺序。所述至少一个处理器还被编程为将多个数据点划分为多个子集。多个子集中的每个子集表示一时间段。此外，所述至少一个处理器被编程为处理每个子集以确定单个子集的速度值。此外，所述至少一个处理器被编程为组合多个速度值以确定最终速度值。
[0007]在另一个方面，提供一种用于分析多个速度值的方法。所述方法由包括与至少一个存储器设备通信的至少一个处理器的计算机设备实现。所述方法包括接收多个数据点。所述方法还包括将多个数据点排序为时间顺序。所述方法还包括将多个数据点划分为多个子集。多个子集中的每个子集表示一时间段。此外，所述方法包括处理每个子集以确定单个子集的速度值。此外，所述方法包括组合多个速度值以确定最终速度值。
[0008]在进一步的方面，提供一种在其上实施有计算机可执行指令的计算机可读存储介质。当由包括与存储器通信的至少一个处理器的速度分析计算设备执行时，所述计算机可读指令使速度分析计算设备接收多个数据点。所述计算机可读指令还使速度分析计算设备将多个数据点排序为时间顺序。所述计算机可读指令还使速度分析计算设备将多个数据点划分为多个子集。多个子集中的每个子集表示一时间段。此外，所述计算机可读指令使速度
分析计算设备处理每个子集以确定单个子集的速度值。此外，所述计算机可读指令使速度分析计算设备组合多个速度值以确定最终速度值。
附图说明
[0009]图1
‑
6显示了本文中说明的方法和系统的示例实施例。
[0010]图1是图示了按照本公开的一个实施例的用于实现用卡支付交易的示例多方支付卡系统的原理图。
[0011]图2是关于用于从(比如图1中所示的系统所提供的)历史数据中计算和分析速度的示例过程的框图。
[0012]图3是用于从(比如图1中所示的系统所提供的)历史数据中计算和分析速度的示例方法的流程图。
[0013]图4是按照本公开的一个示例实施例的用于从历史数据中计算和分析速度的计算机系统的示例实施例的扩展框图。
[0014]图5图示了图4中所示的客户端系统的示例配置。
[0015]图6图示了诸如图4的速度分析计算设备的服务器系统的示例配置。
[0016]尽管各个实施例的具体特征可能在一些附图中显示，而在其他附图中没有显示，但这只是为了方便。任何附图的任何特征都可以结合任何其他附图的任何特征被引用和/或要求。
具体实施方式
[0017]本文中说明的系统和方法针对检测要应用于实时监测系统的历史数据中的模式来实时地检测异常活动。在示例实施例中，速度分析计算设备接收多个数据点。速度分析计算机设备将多个数据点排序为时间顺序。速度分析计算机设备将多个数据点划分为多个子集。多个子集中的每个子集表示一时间段。速度分析计算机设备处理每个子集以确定单个子集的速度值。速度分析计算机设备组合多个速度值以确定最终速度值。
[0018]为了使欺诈和其他问题检测更容易，机器学习模型被用于检测行为的模式并确定可能导致这些行为的指示符(indicator)。此外，机器学习模型可以分析众多不同的变量和参数以确定用于检测不同事件的理想的参数。然而，对于模型要分析的每个不同时间点重复地分析历史数据会是非常昂贵且低效的。因此，本文中说明的系统和方法使用速度简档来提高机器学习模型的速度。此外，数据被划分以便并行处理，以提高生成速度简档的速度。这使得机器学习模型能够分析多个不同维度，比如但不限于，卡、商家、账户范围、顾客标识符或销售点国家。这些可以通过多个数据集来分析，比如从交易消息、衍生数据或外部数据的字段中。
[0019]机器学习模型可以跟踪活动的速度(即在特定时间段内发生的活动的量)。活动可以是，但不限于，交易的数量、花费的美元的总额、欺诈分数总和或基于对于商家的会计的不同指标。然而，为了能够计算这些速度简档，系统需要回溯历史数据并计算会存在于交易发生的每个时间点的速度。如果系统有大量的历史数据(即18个月)要分析，可能在所需的时间和处理能力方面代价非常大。然而，本文中说明的系统和方法显著降低了所需的努力。
[0020]可以检测的情况的例子包括，但不限于，检测银行挤兑。这可以通过ATM流量的异
常增加来检测。为了检测ATM流量的增加，需要随着时间推移对ATM流量做简档，以便系统知道什么是正常的ATM数据，而什么是极高的ATM流量。例如，如果对于一天的ATM交易的正常数量是100，而今天的数量更接近500，那么系统可能将该情形的出现标记为越界并应该需要进一步调查。本文中说明的系统和方法的一个优点是降低了确定对于一年中相关网络中每家银行的速度所需的时间和处理能力的量，以便能够对正常的ATM交易值进行适当建模。
[0021]本文中说明的实施例利用并行处理来高效地计算用于历史数据的分析的速度简档。这使得机器学习模型的训练能够确定行为的模式。机器学习模型可以使用模式来实时检测异常活动。
[0022]为了计算速度简档，速度分析计算机设备接收历史数据。在示例实施例中，历史数据存储在历史数据库中。在一些实施例中，历史数据库与支付网络和发行者中的一个或多个相关联。在示例实施例中，历史数据库包括对于在预先确定的时间段内(例如，在过去十五分钟内、在过去一小时内、在过去六小时内、在过去二十四小时内、在过去一周内、在过去28天内等)通过支付处理网络进行的多个支付交易的交易记录。例如，交易数据集可以包括对于在预先确定的时间段内与特定发行银行相关联的账户范围的所有交易记录。在其他实施例中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种系统，包括：包括与至少一个存储器设备通信的至少一个处理器的计算设备，其中至少一个处理器被编程为：接收多个数据点；将多个数据点排序为时间顺序；将多个数据点划分为多个子集，其中多个子集中的每个子集表示一时间段；处理每个子集以确定单个子集的速度值；以及组合多个速度值以确定最终速度值。2.按照权利要求1所述的系统，其中至少一个处理器还被编程为：接收一个或多个过滤准则；并基于一个或多个过滤准则过滤多个数据点。3.按照权利要求1所述的系统，其中多个数据点包括多个支付交易。4.按照权利要求1所述的系统，其中每个子集覆盖不同的时间段并包括在对应的时间段中发生的一个或多个交易。5.按照权利要求4所述的系统，其中每个子集覆盖相同的时间量。6.按照权利要求1所述的系统，还包括多个客户端系统，其中多个客户端系统中的每个客户端系统被编程为：接收包括开始时间和结束时间的子集；并基于结束时间确定接收的子集的速度值。7.按照权利要求6所述的系统，其中每个客户端系统还被编程为基于将接收的子集中的数据点的速度值衰减到结束时间来确定接收的子集的速度值。8.按照权利要求6所述的系统，其中至少一个处理器还被编程为：向多个客户端系统传输多个子集；并从多个客户端系统接收多个速度值。9.按照权利要求1所述的系统，其中至少一个处理器还被编程为：基于所需时间点衰减多个速度值；并组合多个衰减过的速度值以确定最终速度值。10.按照权利要求1所述的系统，其中至少一个处理器还被编程为使用最终速度值执行模型。11.一种用于分析多个速度值的方法，所述方法由包括与至少一个存储器设备通信的至少一个处理器的计算机设备实现，所述方法包括：接收多个数据点；将多个数...

【专利技术属性】
技术研发人员：J，
申请(专利权)人：万事达卡国际公司，
类型：发明
国别省市：