一种交易风险的检测方法技术

本发明专利技术实施例提供了一种交易风险的检测方法

【技术实现步骤摘要】
一种交易风险的检测方法、系统、设备及存储介质


[0001]本专利技术涉及金融监管
，特别是涉及一种交易风险的检测方法
、
系统
、
设备及存储介质
。

技术介绍

[0002]随着金融活动的愈发频繁，金融欺诈的发生率也随之升高
。
为了防范消费交易过程中可能存在的金融欺诈陷阱，通常会通过交易口令
、
短信验证码
、
以及终端上传身份验证信息等方式，对当前交易进行交易风险检测
。
[0003]但是，现有的交易风险检测方法多需要基于用户端回复的验证信息进行风险验证，这就使得在用户端存在欺诈陷阱，如用户端被植入欺诈插件
、
用户端上传信息为伪造信息
、
用户端被监听等情况下，由于反馈的验证信息是伪造信息，且现有的交易风险检测方法只针对验证信息进行核验，导致现有的交易风险检测方法的检测准确度降低
。
因此，如何提高对交易风险的检测准确性，已成为亟待解决的问题
。

技术实现思路

[0004]本专利技术实施例的目的在于提供一种交易风险的检测方法
、
系统
、
设备及存储介质，以提高对交易风险的检测准确性
。
具体技术方案如下：
[0005]一种交易风险的检测方法，所述方法包括：
[0006]获得多个待检测交易各自对应的交易参数对，其中，所述交易参数对包括所述待检测交易的两个交易参数，所述交易参数对中所述交易参数的类型包括自变量类型和因变量类型，各所述交易参数对的交易参数对类型相同；
[0007]对各所述交易参数对：基于该交易参数对和业务拟合函数，通过求偏导运算获得与该交易参数对对应的极值组，其中，所述业务拟合函数与所述交易参数对类型具有对应关系，所述极值组包括极大值和极小值；
[0008]将各所述待检测交易的序列号与所述待检测交易的总数量输入至线性度生成算法中，以使所述线性度生成算法输出表征所述因变量类型的所述交易参数波动幅度的线性度参数，其中，所述线性度生成算法是基于极值集合中的最大值和最小值对初始线性度生成算法进行更新后获得的算法，所述极值集合包括各所述交易参数对对应的所述极值组；
[0009]将各所述交易参数对分别输入至交易风险值生成算法中，以使所述交易风险值生成算法生成各所述交易参数对各自对应的交易风险值，并基于各所述交易风险值和预设阈值区间对各所述待检测交易进行交易风险的检测，其中，所述交易风险值生成算法是基于所述线性度参数和所述总数量对初始交易风险值生成算法更新后获得的
。
[0010]可选的，所述将各所述待检测交易的序列号与所述待检测交易的总数量输入至线性度生成算法中，以使所述线性度生成算法输出表征所述因变量类型的所述交易参数波动幅度的线性度参数，包括：
[0011]对各所述待检测交易：通过公式：
[0012][0013]求得该待检测交易对应的初始线性度参数
S
k
，其中，所述
S
min
是所述最小值，所述
S
max
是所述最大值，所述
Ω
是所述待检测交易的总数量，所述
k
是该待检测交易的序列号；
[0014]获得各所述待检测交易各自对应的所述初始线性度参数
S
k
，并通过公式：
[0015][0016]求得所述线性度参数
S
，其中，所述
Δ
t
是获得各所述待检测交易的采集时段时长
。
[0017]可选的，所述将各所述交易参数对分别输入至交易风险值生成算法中，以使所述交易风险值生成算法生成各所述交易参数对各自对应的交易风险值，包括：
[0018]对各所述交易参数对：通过公式：
[0019][0020]求得该交易参数对
d(x
，
y)
对应的所述交易风险值
D(x
，
y)
，其中，所述
x
是该交易参数对中所述自变量类型的所述交易参数，所述
y
是和该交易参数对中所述因变量类型的所述交易参数，所述
L
是将该交易参数对代入所述业务拟合函数，并映射至二维平面后对应的坐标点的横坐标，所述
W
是将该交易参数对代入所述业务拟合函数，并映射至二维平面后对应的坐标点的纵坐标；
[0021]通过公式：
[0022][0023]求得所述
f1(x+L
‑1，
W
‑
1)
；
[0024]通过公式：
[0025][0026]求得所述
f2(S
，
W)
，其中，所述是各所述交易参数对中所述因变量类型的所述交易参数的平均数，所述
R
是预设阈值
。
[0027]可选的，所述基于该交易参数对和业务拟合函数，通过求偏导运算获得与该交易参数对对应的极值组，包括：
[0028]将该交易参数对导入所述业务拟合函数，以对所述业务拟合函数进行更新；
[0029]对更新后的所述业务拟合函数进行所述求偏导运算，并将偏导值为0时所述业务拟合函数的解确定为该交易参数对应的所述极值组
。
[0030]一种交易风险的检测系统，所述系统包括：
[0031]数据采集模块，用于获得多个待检测交易各自对应的交易参数对，其中，所述交易参数对包括所述待检测交易的两个交易参数，所述交易参数对中所述交易参数的类型包括自变量类型和因变量类型，各所述交易参数对的交易参数对类型相同；
[0032]数据预处理模块，用于对各所述交易参数对：基于该交易参数对和业务拟合函数，通过求偏导运算获得与该交易参数对对应的极值组，其中，所述业务拟合函数与所述交易参数对类型具有对应关系，所述极值组包括极大值和极小值；
[0033]线性度生成模块，用于将各所述待检测交易的序列号与所述待检测交易的总数量输入至线性度生成算法中，以使所述线性度生成算法输出表征所述因变量类型的所述交易参数波动幅度的线性度参数，其中，所述线性度生成算法是基于极值集合中的最大值和最小值对初始线性度生成算法进行更新后获得的算法，所述极值集合包括各所述交易参数对对应的所述极值组；
[0034]交易风险检测模块，用于将各所述交易参数对分别输入至交易风险值生成算法中，以使所述交易风险值生成算法生成各所述交易参数对各自对应的交易风险值，并基于各所述交易风险值和预设阈值区间对各所述待检测交易进行交易风险的检测，其中，所述交易风险值生成算法是基于所述线性度参数和所述总数量对初始交易风险值生成算法更新后获得的
。
[0035]可选的，所述线性度生成模块被设置为：
[0036]对各所述待检测交易：通过公式：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种交易风险的检测方法，其特征在于，所述方法包括：获得多个待检测交易各自对应的交易参数对，其中，所述交易参数对包括所述待检测交易的两个交易参数，所述交易参数对中所述交易参数的类型包括自变量类型和因变量类型，各所述交易参数对的交易参数对类型相同；对各所述交易参数对：基于该交易参数对和业务拟合函数，通过求偏导运算获得与该交易参数对对应的极值组，其中，所述业务拟合函数与所述交易参数对类型具有对应关系，所述极值组包括极大值和极小值；将各所述待检测交易的序列号与所述待检测交易的总数量输入至线性度生成算法中，以使所述线性度生成算法输出表征所述因变量类型的所述交易参数波动幅度的线性度参数，其中，所述线性度生成算法是基于极值集合中的最大值和最小值对初始线性度生成算法进行更新后获得的算法，所述极值集合包括各所述交易参数对对应的所述极值组；将各所述交易参数对分别输入至交易风险值生成算法中，以使所述交易风险值生成算法生成各所述交易参数对各自对应的交易风险值，并基于各所述交易风险值和预设阈值区间对各所述待检测交易进行交易风险的检测，其中，所述交易风险值生成算法是基于所述线性度参数和所述总数量对初始交易风险值生成算法更新后获得的
。2.
根据权利要求1所述的方法，其特征在于，所述将各所述待检测交易的序列号与所述待检测交易的总数量输入至线性度生成算法中，以使所述线性度生成算法输出表征所述因变量类型的所述交易参数波动幅度的线性度参数，包括：对各所述待检测交易：通过公式：求得该待检测交易对应的初始线性度参数
S
k
，其中，所述
S
min
是所述最小值，所述
S
max
是所述最大值，所述
Ω
是所述待检测交易的总数量，所述
k
是该待检测交易的序列号；获得各所述待检测交易各自对应的所述初始线性度参数
S
k
，并通过公式：求得所述线性度参数
S
，其中，所述
Δ
t
是获得各所述待检测交易的采集时段时长
。3.
根据权利要求2所述的方法，其特征在于，所述将各所述交易参数对分别输入至交易风险值生成算法中，以使所述交易风险值生成算法生成各所述交易参数对各自对应的交易风险值，包括：对各所述交易参数对：通过公式：求得该交易参数对
d(x
，
y)
对应的所述交易风险值
D(x
，
y)
，其中，所述
x
是该交易参数对中所述自变量类型的所述交易参数，所述
y
是和该交易参数对中所述因变量类型的所述交易参数，所述
L
是将该交易参数对代入所述业务拟合函数，并映射至二维平面后对应的坐标点的横坐标，所述
W
是将该交易参数对代入所述业务拟合函数，并映射至二维平面后对应的坐标点的纵坐标；通过公式：
求得所述
f1(x+L
‑1，
W
‑
1)
；通过公式：求得所述
f2(S
，
W)
，其中，所述
y
是各所述交易参数对中所述因变量类型的所述交易参数的平均数，所述
R
是预设阈值
。4.
根据权利要求1所述的方法，其特征在于，所述基于该交易参数对和业务拟合函数，通过求偏导运算获得与该交易参数对对应的极值组，包括：将该交易参数对导入所述业务拟合函数，以对所述业务拟合函数进行更新；对更新后的所述业务拟合函数进行所述求偏导运算，并将偏导值为0时所述业务拟合函数的解确定为该交易参数对应的所述极值组
。5.
一种交易风险的检测系统，其特征在于，所述系统包括：数据采集模块，用于获得多个待检测交易各自对应的交易参...

【专利技术属性】
技术研发人员：王公桃，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：