异常商户识别方法技术

本申请涉及一种异常商户识别方法

【技术实现步骤摘要】
异常商户识别方法、装置、设备、存储介质和程序产品


[0001]本申请涉及计算机
，特别是涉及一种异常商户识别方法
、
装置
、
计算机设备
、
存储介质和计算机程序产品
。

技术介绍

[0002]随着计算机技术与互联网技术的迅速发展，在线支付成为人们日常的支付方式，商户是电子支付或在线支付中常见的一个概念，也称为商户编号
、
商户账号或商户号
。
在商家入驻支付平台时，经过对商家进行资质审核，支付平台将为商家分配一个唯一的数字标识，用于标识商家的身份和支付信息，可以保证电子支付或在线支付的合法性和安全性
。
[0003]随着电子支付技术的快速发展，许多异常违规行为也随之出现，这些违规行为以互联网为媒介
、
以网络技术为主要手段，为计算机信息系统安全和网络空间管理秩序带来了不良影响
。
[0004]相关技术中，多是根据商户交易行为构建二分类模型识别一个商户是否为异常商户，然而，该二分类模型对于交易记录稀少的异常商户识别无法取得较好的效果
。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种异常商户识别方法
、
装置
、
计算机设备
、
计算机可读存储介质和计算机程序产品，该方法能够在交易记录在较少的情况下提升对异常商户的识别效果
。
[0006]第一方面，本申请提供了一种异常商户识别方法，包括：
[0007]获取交易频次低于预设阈值的第一商户构成的第一商户集合；
[0008]获取所述第一商户集合中第一商户的交易记录，根据所述交易记录构建商户网络图；所述商户网络图中的连边所连接的两个第一商户之间存在共同交易用户，所述连边的边权重为所述两个第一商户之间的紧密程度；
[0009]基于所述边权重从所述商户网络图中确定商户网络子图；
[0010]根据所述商户网络子图的交易用户聚集程度
、
商户交易行为异常程度与商户信息异常程度，判断所述商户网络子图是否为异常商户网络子图；
[0011]若是，则将所述异常商户网络子图中的第一商户确定为异常商户
。
[0012]第二方面，本申请还提供了一种异常商户识别装置，包括：
[0013]第一商户集合获取模块，用于获取交易频次低于预设阈值的第一商户构成的第一商户集合；
[0014]商户网络图构建模块，用于获取所述第一商户集合中第一商户的交易记录，根据所述交易记录构建商户网络图；所述商户网络图中的连边所连接的两个第一商户之间存在共同交易用户，所述连边的边权重为所述两个第一商户之间的紧密程度；
[0015]商户网络子图确定模块，用于基于所述边权重从所述商户网络图中确定商户网络子图；
[0016]识别模块，用于根据所述商户网络子图的交易用户聚集程度
、
商户交易行为异常程度与商户信息异常程度，判断所述商户网络子图是否为异常商户网络子图，若是，则将所述异常商户网络子图中的第一商户确定为异常商户
。
[0017]在一个示例性的实施例中，所述装置还包括：
[0018]商户召回模块，用于获取注册商户的注册时长；筛选相应的注册时长达到预设时长阈值的注册商户；若筛选出的所述注册商户的月均交易量小于预设交易量阈值且大于零，则将所述注册商户判定为交易频次低于预设阈值的第一商户
。
[0019]在一个示例性的实施例中，所述商户网络图构建模块，还用于根据所述第一商户的交易记录提取所述第一商户的交易用户，所述交易用户与相应的第一商户之间存在交易记录；确定存在共同交易用户的两个第一商户；根据所述两个第一商户构建商户网络图，所述商户网络图为无向图
。
[0020]在一个示例性的实施例中，所述商户网络图构建模块，还用于确定所述两个第一商户各自的交易用户集与交易用户的数量；根据所述两个第一商户各自的交易用户集的交集，确定所述两个第一商户之间的共同交易用户的数量；根据所述两个第一商户各自的交易用户的数量
、
所述共同交易用户的数量，确定所述两个第一商户之间连边的边权重
。
[0021]在一个示例性的实施例中，所述商户网络子图确定模块，还用于将所述商户网络图中每个商户节点作为一个子图；遍历所述商户网络图中的每个商户节点，计算遍历的商户节点所在第一子图的第一子图质量指标，分别计算将所述商户节点划入所述商户节点的各邻居节点所在第二子图后所述第二子图的第二子图质量指标，若存在第二子图质量指标大于所述第一子图质量指标的划入方式，则将所述商户节点分配至所述划入方式所对应的目标邻居节点所在第二子图，若各第二子图质量指标均小于或等于所述第一子图质量指标，则保持所述商户节点位于所述第一子图；在完成对所述商户网络图中每个商户节点的遍历后，将属于同一个子图的商户节点进行合并，作为一个商户节点；返回所述将所述商户网络图中每个商户节点作为一个子图的步骤继续执行，直至所述商户网络图中每个商户节点所属的子图不再变化时停止执行，将得到的所述商户网络图中每个子图作为商户网络子图
。
[0022]在一个示例性的实施例中，所述识别模块，还用于确定所述商户网络子图对应交易用户聚集程度的多个第一类指标的指标评估结果，根据所述多个第一类指标中评估结果为高风险的指标占比，判定所述商户网络子图对应交易用户聚集程度的风险等级为高风险等级或低风险等级；确定所述商户网络子图对应商户交易行为异常程度的多个第二类指标的指标评估结果，根据所述多个第二类指标中评估结果为高风险的指标占比，判定所述商户网络子图对应商户交易行为异常程度的风险等级为高风险等级或低风险等级；确定所述商户网络子图对应商户信息异常程度的多个第三类指标的指标评估结果，根据所述多个第三类指标中评估结果为高风险的指标占比，判定所述商户网络子图对应商户信息异常程度的风险等级为高风险等级或低风险等级；若所述商户网络子图对应交易用户聚集程度的风险等级
、
对应商户交易行为异常程度的风险等级和对应商户信息异常程度的风险等级中存在至少两个高风险等级，则确定所述商户网络子图为异常商户网络子图
。
[0023]在一个示例性的实施例中，所述商户网络子图对应交易用户聚集程度的多个第一类指标包括如下数据中的至少一种：
[0024]所述商户网络子图中所有连边的边权重的均值；
[0025]所述商户网络子图中共同交易用户的总数量，所述共同交易用户的总数量是所述商户网络子图中两个商户之间的共同交易用户的数量之和；
[0026]所述商户网络子图中共同交易用户的总数量与交易用户的总数量之比，所述交易用户的总数量是所述商户网络子图中商户的交易用户的数量之和；
[0027]所述商户网络子图中商户的总数量与所述商户网络子图中共同交易用户的总数量之比；
[0028]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种异常商户识别方法，其特征在于，所述方法包括：获取交易频次低于预设阈值的第一商户构成的第一商户集合；获取所述第一商户集合中第一商户的交易记录，根据所述交易记录构建商户网络图；所述商户网络图中的连边所连接的两个第一商户之间存在共同交易用户，所述连边的边权重为所述两个第一商户之间的紧密程度；基于所述边权重从所述商户网络图中确定商户网络子图；根据所述商户网络子图的交易用户聚集程度
、
商户交易行为异常程度与商户信息异常程度，判断所述商户网络子图是否为异常商户网络子图；若是，则将所述异常商户网络子图中的第一商户确定为异常商户
。2.
根据权利要求1所述的方法，其特征在于，所述方法还包括：获取注册商户的注册时长；筛选相应的注册时长达到预设时长阈值的注册商户；若筛选出的所述注册商户的月均交易量小于预设交易量阈值且大于零，则将所述注册商户判定为交易频次低于预设阈值的第一商户
。3.
根据权利要求1所述的方法，其特征在于，所述根据所述交易记录构建商户网络图，包括：根据所述第一商户的交易记录提取所述第一商户的交易用户，所述交易用户与相应的第一商户之间存在交易记录；确定存在共同交易用户的两个第一商户；根据所述两个第一商户构建商户网络图，所述商户网络图为无向图
。4.
根据权利要求3所述的方法，其特征在于，所述方法还包括：确定所述两个第一商户各自的交易用户集与交易用户的数量；根据所述两个第一商户各自的交易用户集的交集，确定所述两个第一商户之间的共同交易用户的数量；根据所述两个第一商户各自的交易用户的数量
、
所述共同交易用户的数量，确定所述两个第一商户之间连边的边权重
。5.
根据权利要求1所述的方法，其特征在于，所述基于所述边权重从所述商户网络图中确定商户网络子图，包括：将所述商户网络图中每个商户节点作为一个子图；遍历所述商户网络图中的每个商户节点，计算遍历的商户节点所在第一子图的第一子图质量指标，分别计算将所述商户节点划入所述商户节点的各邻居节点所在第二子图后所述第二子图的第二子图质量指标，若存在第二子图质量指标大于所述第一子图质量指标的划入方式，则将所述商户节点分配至所述划入方式所对应的目标邻居节点所在第二子图，若各第二子图质量指标均小于或等于所述第一子图质量指标，则保持所述商户节点位于所述第一子图；在完成对所述商户网络图中每个商户节点的遍历后，将属于同一个子图的商户节点进行合并，作为一个商户节点；返回所述将所述商户网络图中每个商户节点作为一个子图的步骤继续执行，直至所述商户网络图中每个商户节点所属的子图不再变化时停止执行，将得到的所述商户网络图中
每个子图作为商户网络子图
。6.
根据权利要求1所述的方法，其特征在于，所述根据所述商户网络子图的交易用户聚集程度
、
商户交易行为异常程度与商户信息异常程度，判断所述商户网络子图是否为异常商户网络子图，包括：确定所述商户网络子图对应交易用户聚集程度的多个第一类指标的指标评估结果，根据所述多个第一类指标中评估结果为高风险的指标占比，判定所述商户网络子图对应交易用户聚集程度的风险等级为高风险等级或低风险等级；确定所述商户网络子图对应商户交易行为异常程度的多个第二类指标的指标评估结果，根据所述多个第二类指标中评估结果为高风险的指标占比，判定所述商户网络子图对应商户交易行为异常程度的风险等级为高风险等级或低风险等级；确定所述商户网络子图对应商户信息异常程度的多个第三类指标的指标评估结果，根据所述多个第三类指标中评估结果为高风险的指标占比，判定所述商户网络子图对应商户信息异常程度的风险等级为高风险等级或低风险等级；若所述商户网络子图对应交易用户聚集程度的风险等级...

【专利技术属性】
技术研发人员：梁俊豪，鲁娥妙，苏函晶，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：