本申请公开了支付终端数据项自动配置方法、装置及存储介质，涉及支付安全技术领域。其中，方法通过获取支付终端所处的目标地区的支付数据，支付数据包括业务类型和业务场景，再基于目标地区对支付数据进行特征提取，得到业务类型初始特征、业务场景初始特征和地区特征数据，然后根据特征优先级进行特征选择，得到业务类型特征和业务场景特征，并将业务类型特征、业务场景特征和地区特征数据输入数据项预测模型预测，得到对应的预测数据项，最后根据预测数据项对支付终端进行数据项配置。而支付数据包括了对应地区的监管要求数据，因此可以针对不同的地区对支付终端进行自适应的自动配置，优化了配置流程，减少人工干预和时间成本。本。本。
【技术实现步骤摘要】
支付终端数据项自动配置方法、装置及存储介质
[0001]本申请涉及支付安全
，特别是涉及一种支付终端数据项自动配置方法、装置及存储介质。
技术介绍
[0002]POS机是一种常用的支付终端，全称为“Point of Sale”，即销售点终端，是一种用于完成电子支付的设备。POS机一般具有读取银行卡信息、输入消费金额、密码输入、确认支付等功能，需要连接网络进行通信，以完成支付过程。因此，POS机的支付行为涉及到用户的个人隐私和账户信息，对POS机配置监管的数据项对于支付安全性具有重要意义。
[0003]在量产和使用POS机时，需要针对不同的地区进行数据项配置，以确定该POS机被监管的数据项数据，从而保障支付行为的安全。但由于不同地区的监管要求不同，导致不同地区配置的数据项不同，相关技术中的数据项配置工作通常需要人工参与，过程繁琐，还存在配置错误或遗漏的情况，而且难以自适应配置和管理，导致耗费大量的时间和人力资源。
技术实现思路
[0004]本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请实施例提供了一种支付终端数据项自动配置方法、装置及存储介质，能够根据不同地区的特征自动配置支付终端的数据项，优化了配置流程，减少人工干预和时间成本。
[0005]第一方面，本申请实施例提供了一种支付终端数据项自动配置方法，包括：
[0006]获取所述支付终端所处的目标地区的支付数据；所述支付数据包含业务类型和业务场景；
[0007]基于所述目标地区对所述支付数据进行特征提取，得到业务类型初始特征、业务场景初始特征和地区特征数据；
[0008]根据特征优先级对所述业务类型初始特征和所述业务场景初始特征进行特征选择，得到业务类型特征和业务场景特征；
[0009]将所述业务类型特征、所述业务场景特征和所述地区特征数据输入数据项预测模型进行预测，得到至少一个预测数据项；
[0010]根据所述预测数据项对所述支付终端进行数据项配置。
[0011]在本申请的一些实施例中，所述基于所述目标地区对所述支付数据进行特征提取，得到业务类型初始特征、业务场景初始特征和地区特征数据，还包括：
[0012]对所述支付数据进行文本处理，获得支付文本信息；
[0013]基于所述目标地区，在所述支付文本信息中提取地域名称、业务类型和业务场景；
[0014]对所述地域名称进行向量化得到所述地区特征数据、对所述业务类型进行向量化得到所述业务类型初始特征，以及对所述业务场景进行向量化得到所述业务场景初始特征。
[0015]在本申请的一些实施例中，所述数据项预测模型为监督模型；所述将所述业务类
型特征、所述业务场景特征和所述地区特征数据输入数据项预测模型进行预测，得到至少一个预测数据项之前，还包括：
[0016]训练所述数据项预测模型，包括：
[0017]获取样本和所述样本的标签构成训练数据集，以及得到所述样本的标签向量；所述样本包括：历史地区特征数据、历史业务类型特征和历史业务场景特征；所述标签包括以下至少一种：补丁版本、设备IMEI信息、支付应用版本、安全SDK版本、设备地理位置、设备RTC时间、系统运行时间、已安装应用信息、权限应用信息、应用启动时间戳、客户应用包名、客户应用签名；
[0018]将所述样本输入初始数据项预测模型进行预测，得到数据项预测结果，所述数据项预测结果包括预测标签；
[0019]将所述预测标签转化为向量表示，得到预测向量；
[0020]根据所述预测向量和对应的所述标签向量计算评价指标，得到指标值；
[0021]根据指标阈值和所述指标值调整所述初始数据项预测模型的模型权重，直至满足迭代条件，得到所述数据项预测模型。
[0022]在本申请的一些实施例中，所述评价指标包括以下至少一种：精确率、召回率和F1值，所述根据所述预测向量和对应的所述标签向量计算评价指标，得到指标值，包括：
[0023]当所述评价指标为精确率时，所述指标值的计算公式为：P＝TP/(TP+FP)；
[0024]当所述评价指标为召回率时，所述指标值的计算公式为：R＝TP/(TP+FN)；
[0025]当所述评价指标为F1值时，所述指标值的计算公式为：F1＝2PR/(P+R)；
[0026]其中，TP表示真正例数，FP表示假正例数，FN表示假反例数。
[0027]在本申请的一些实施例中，所述根据所述预测数据项对所述支付终端进行数据项配置之后，还包括：
[0028]若所述支付数据满足预设变化条件，则获取所述目标地区的更新数据；
[0029]将所述更新数据输入数据项预测模型进行预测，得到更新预测数据项；
[0030]根据所述更新预测数据项对所述支付终端进行数据项配置更新。
[0031]在本申请的一些实施例中，所述若所述支付数据满足预设变化条件，包括：
[0032]每隔一个预设周期，获取新支付数据；
[0033]对比所述新支付数据与所述支付数据，得到差异度；
[0034]若所述差异度满足预设差异度，则所述支付数据满足所述预设变化条件。
[0035]在本申请的一些实施例中，所述根据所述预测数据项对所述支付终端进行数据项配置之后，还包括：
[0036]获取并保存各个所述预测数据项对应的数据项数据；
[0037]基于所述数据项数据和所述支付数据，得到数据变化信息；
[0038]根据所述数据变化信息和预训练的策略预测模型，得到所述预测数据项的上送策略；所述策略预测模型为无监督模型，用于自适应调整所述预测数据项的上送策略；
[0039]基于所述上送策略，选取所述支付终端中对应的所述预测数据项上送至目标平台。
[0040]在本申请的一些实施例中，所述根据所述预测数据项对所述支付终端进行数据项配置之后，还包括：
[0041]对所述预测数据项进行解释得到解释信息；
[0042]对所述解释信息进行可视化，得到可视化结果；
[0043]将所述可视化结果发送至目标对象；所述目标对象包括以下至少一个：银行、支付终端提供商和支付机构。
[0044]第二方面，本申请实施例还提供了一种支付终端数据项自动配置装置，应用如本申请第一方面实施例所述的支付终端数据项自动配置方法，包括：
[0045]数据获取模块，用于获取所述支付终端所处的目标地区的支付数据；所述支付数据包含业务类型和业务场景；
[0046]特征提取模型，用于基于所述目标地区对所述支付数据进行特征提取，得到业务类型初始特征、业务场景初始特征和地区特征数据；
[0047]特征选择模块，用于根据特征优先级对所述业务类型初始特征和所述业务场景初始特征进行特征选择得到业务类型特征和业务场景特征；
[0048]数据项预测模块，用于将所述业务类型特征、所述业务场景特征和所述地区特征数据输入数据项预测模型进行预测，得本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种支付终端数据项自动配置方法，其特征在于，包括：获取所述支付终端所处的目标地区的支付数据；所述支付数据包含业务类型和业务场景；基于所述目标地区对所述支付数据进行特征提取，得到业务类型初始特征、业务场景初始特征和地区特征数据；根据特征优先级对所述业务类型初始特征和所述业务场景初始特征进行特征选择，得到业务类型特征和业务场景特征；将所述业务类型特征、所述业务场景特征和所述地区特征数据输入数据项预测模型进行预测，得到至少一个预测数据项；根据所述预测数据项对所述支付终端进行数据项配置。2.根据权利要求1所述的支付终端数据项自动配置方法，其特征在于，所述基于所述目标地区对所述支付数据进行特征提取，得到业务类型初始特征、业务场景初始特征和地区特征数据，还包括：对所述支付数据进行文本处理，获得支付文本信息；基于所述目标地区，在所述支付文本信息中提取地域名称、业务类型和业务场景；对所述地域名称进行向量化得到所述地区特征数据、对所述业务类型进行向量化得到所述业务类型初始特征，以及对所述业务场景进行向量化得到所述业务场景初始特征。3.根据权利要求1所述的支付终端数据项自动配置方法，其特征在于，所述数据项预测模型为监督模型；所述将所述业务类型特征、所述业务场景特征和所述地区特征数据输入数据项预测模型进行预测，得到至少一个预测数据项之前，还包括：训练所述数据项预测模型，包括：获取样本和所述样本的标签构成训练数据集，以及得到所述样本的标签向量；所述样本包括：历史地区特征数据、历史业务类型特征和历史业务场景特征；所述标签包括以下至少一种：补丁版本、设备IMEI信息、支付应用版本、安全SDK版本、设备地理位置、设备RTC时间、系统运行时间、已安装应用信息、权限应用信息、应用启动时间戳、客户应用包名、客户应用签名；将所述样本输入初始数据项预测模型进行预测，得到数据项预测结果，所述数据项预测结果包括预测标签；将所述预测标签转化为向量表示，得到预测向量；根据所述预测向量和对应的所述标签向量计算评价指标，得到指标值；根据指标阈值和所述指标值调整所述初始数据项预测模型的模型权重，直至满足迭代条件，得到所述数据项预测模型。4.根据权利要求3所述的支付终端数据项自动配置方法，其特征在于，所述评价指标包括以下至少一种：精确率、召回率和F1值，所述根据所述预测向量和对应的所述标签向量计算评价指标，得到指标值，包括：当所述评价指标为精确率时，所述指标值的计算公式为：P＝TP/(TP+FP)；当所述评价指标为召回率时，所述指标值的计算公式为：R＝TP/(TP+FN)；当所述评价指标为F1值时，所述指标值的计算公式为：F...
【专利技术属性】
技术研发人员：颜悦，周晓鑫，林晖，
申请(专利权)人：深圳市新国都支付技术有限公司，
类型：发明
国别省市：
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。