"/>
  • 
    <ul id="o6k0g"></ul>
    <ul id="o6k0g"></ul>

    一種交易風險的檢測方法技術

    技術編號:39803681 閱讀:15 留言:0更新日期:2023-12-22 02:35
    本發明專利技術實施例提供了一種交易風險的檢測方法

    【技術實現步驟摘要】
    一種交易風險的檢測方法、系統、設備及存儲介質


    [0001]本專利技術涉及金融監管
    ,特別是涉及一種交易風險的檢測方法

    系統

    設備及存儲介質


    技術介紹

    [0002]隨著金融活動的愈發頻繁,金融欺詐的發生率也隨之升高

    為了防范消費交易過程中可能存在的金融欺詐陷阱,通常會通過交易口令

    短信驗證碼

    以及終端上傳身份驗證信息等方式,對當前交易進行交易風險檢測

    [0003]但是,現有的交易風險檢測方法多需要基于用戶端回復的驗證信息進行風險驗證,這就使得在用戶端存在欺詐陷阱,如用戶端被植入欺詐插件

    用戶端上傳信息為偽造信息

    用戶端被監聽等情況下,由于反饋的驗證信息是偽造信息,且現有的交易風險檢測方法只針對驗證信息進行核驗,導致現有的交易風險檢測方法的檢測準確度降低

    因此,如何提高對交易風險的檢測準確性,已成為亟待解決的問題


    技術實現思路

    [0004]本專利技術實施例的目的在于提供一種交易風險的檢測方法

    系統

    設備及存儲介質,以提高對交易風險的檢測準確性

    具體技術方案如下:
    [0005]一種交易風險的檢測方法,所述方法包括:
    [0006]獲得多個待檢測交易各自對應的交易參數對,其中,所述交易參數對包括所述待檢測交易的兩個交易參數,所述交易參數對中所述交易參數的類型包括自變量類型和因變量類型,各所述交易參數對的交易參數對類型相同;
    [0007]對各所述交易參數對:基于該交易參數對和業務擬合函數,通過求偏導運算獲得與該交易參數對對應的極值組,其中,所述業務擬合函數與所述交易參數對類型具有對應關系,所述極值組包括極大值和極小值;
    [0008]將各所述待檢測交易的序列號與所述待檢測交易的總數量輸入至線性度生成算法中,以使所述線性度生成算法輸出表征所述因變量類型的所述交易參數波動幅度的線性度參數,其中,所述線性度生成算法是基于極值集合中的最大值和最小值對初始線性度生成算法進行更新后獲得的算法,所述極值集合包括各所述交易參數對對應的所述極值組;
    [0009]將各所述交易參數對分別輸入至交易風險值生成算法中,以使所述交易風險值生成算法生成各所述交易參數對各自對應的交易風險值,并基于各所述交易風險值和預設閾值區間對各所述待檢測交易進行交易風險的檢測,其中,所述交易風險值生成算法是基于所述線性度參數和所述總數量對初始交易風險值生成算法更新后獲得的

    [0010]可選的,所述將各所述待檢測交易的序列號與所述待檢測交易的總數量輸入至線性度生成算法中,以使所述線性度生成算法輸出表征所述因變量類型的所述交易參數波動幅度的線性度參數,包括:
    [0011]對各所述待檢測交易:通過公式:
    [0012][0013]求得該待檢測交易對應的初始線性度參數
    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
    是所述待檢測交易的總數量,所述
    k
    是該待檢測交易的序列號;
    [0014]獲得各所述待檢測交易各自對應的所述初始線性度參數
    S
    k
    ,并通過公式:
    [0015][0016]求得所述線性度參數
    S
    ,其中,所述
    Δ
    t
    是獲得各所述待檢測交易的采集時段時長

    [0017]可選的,所述將各所述交易參數對分別輸入至交易風險值生成算法中,以使所述交易風險值生成算法生成各所述交易參數對各自對應的交易風險值,包括:
    [0018]對各所述交易參數對:通過公式:
    [0019][0020]求得該交易參數對
    d(x

    y)
    對應的所述交易風險值
    D(x

    y)
    ,其中,所述
    x
    是該交易參數對中所述自變量類型的所述交易參數,所述
    y
    是和該交易參數對中所述因變量類型的所述交易參數,所述
    L
    是將該交易參數對代入所述業務擬合函數,并映射至二維平面后對應的坐標點的橫坐標,所述
    W
    是將該交易參數對代入所述業務擬合函數,并映射至二維平面后對應的坐標點的縱坐標;
    [0021]通過公式:
    [0022][0023]求得所述
    f1(x+L
    ?1,
    W
    ?
    1)

    [0024]通過公式:
    [0025][0026]求得所述
    f2(S

    W)
    ,其中,所述是各所述交易參數對中所述因變量類型的所述交易參數的平均數,所述
    R
    是預設閾值

    [0027]可選的,所述基于該交易參數對和業務擬合函數,通過求偏導運算獲得與該交易參數對對應的極值組,包括:
    [0028]將該交易參數對導入所述業務擬合函數,以對所述業務擬合函數進行更新;
    [0029]對更新后的所述業務擬合函數進行所述求偏導運算,并將偏導值為0時所述業務擬合函數的解確定為該交易參數對應的所述極值組

    [0030]一種交易風險的檢測系統,所述系統包括:
    [0031]數據采集模塊,用于獲得多個待檢測交易各自對應的交易參數對,其中,所述交易參數對包括所述待檢測交易的兩個交易參數,所述交易參數對中所述交易參數的類型包括自變量類型和因變量類型,各所述交易參數對的交易參數對類型相同;
    [0032]數據預處理模塊,用于對各所述交易參數對:基于該交易參數對和業務擬合函數,通過求偏導運算獲得與該交易參數對對應的極值組,其中,所述業務擬合函數與所述交易參數對類型具有對應關系,所述極值組包括極大值和極小值;
    [0033]線性度生成模塊,用于將各所述待檢測交易的序列號與所述待檢測交易的總數量輸入至線性度生成算法中,以使所述線性度生成算法輸出表征所述因變量類型的所述交易參數波動幅度的線性度參數,其中,所述線性度生成算法是基于極值集合中的最大值和最小值對初始線性度生成算法進行更新后獲得的算法,所述極值集合包括各所述交易參數對對應的所述極值組;
    [0034]交易風險檢測模塊,用于將各所述交易參數對分別輸入至交易風險值生成算法中,以使所述交易風險值生成算法生成各所述交易參數對各自對應的交易風險值,并基于各所述交易風險值和預設閾值區間對各所述待檢測交易進行交易風險的檢測,其中,所述交易風險值生成算法是基于所述線性度參數和所述總數量對初始交易風險值生成算法更新后獲得的

    [0035]可選的,所述線性度生成模塊被設置為:
    [0036]對各所述待檢測交易:通過公式:本文檔來自技高網
    ...

    【技術保護點】

    【技術特征摘要】
    1.
    一種交易風險的檢測方法,其特征在于,所述方法包括:獲得多個待檢測交易各自對應的交易參數對,其中,所述交易參數對包括所述待檢測交易的兩個交易參數,所述交易參數對中所述交易參數的類型包括自變量類型和因變量類型,各所述交易參數對的交易參數對類型相同;對各所述交易參數對:基于該交易參數對和業務擬合函數,通過求偏導運算獲得與該交易參數對對應的極值組,其中,所述業務擬合函數與所述交易參數對類型具有對應關系,所述極值組包括極大值和極小值;將各所述待檢測交易的序列號與所述待檢測交易的總數量輸入至線性度生成算法中,以使所述線性度生成算法輸出表征所述因變量類型的所述交易參數波動幅度的線性度參數,其中,所述線性度生成算法是基于極值集合中的最大值和最小值對初始線性度生成算法進行更新后獲得的算法,所述極值集合包括各所述交易參數對對應的所述極值組;將各所述交易參數對分別輸入至交易風險值生成算法中,以使所述交易風險值生成算法生成各所述交易參數對各自對應的交易風險值,并基于各所述交易風險值和預設閾值區間對各所述待檢測交易進行交易風險的檢測,其中,所述交易風險值生成算法是基于所述線性度參數和所述總數量對初始交易風險值生成算法更新后獲得的
    。2.
    根據權利要求1所述的方法,其特征在于,所述將各所述待檢測交易的序列號與所述待檢測交易的總數量輸入至線性度生成算法中,以使所述線性度生成算法輸出表征所述因變量類型的所述交易參數波動幅度的線性度參數,包括:對各所述待檢測交易:通過公式:求得該待檢測交易對應的初始線性度參數
    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
    是所述待檢測交易的總數量,所述
    k
    是該待檢測交易的序列號;獲得各所述待檢測交易各自對應的所述初始線性度參數
    S
    k
    ,并通過公式:求得所述線性度參數
    S
    ,其中,所述
    Δ
    t
    是獲得各所述待檢測交易的采集時段時長
    。3.
    根據權利要求2所述的方法,其特征在于,所述將各所述交易參數對分別輸入至交易風險值生成算法中,以使所述交易風險值生成算法生成各所述交易參數對各自對應的交易風險值,包括:對各所述交易參數對:通過公式:求得該交易參數對
    d(x

    y)
    對應的所述交易風險值
    D(x

    y)
    ,其中,所述
    x
    是該交易參數對中所述自變量類型的所述交易參數,所述
    y
    是和該交易參數對中所述因變量類型的所述交易參數,所述
    L
    是將該交易參數對代入所述業務擬合函數,并映射至二維平面后對應的坐標點的橫坐標,所述
    W
    是將該交易參數對代入所述業務擬合函數,并映射至二維平面后對應的坐標點的縱坐標;通過公式:
    求得所述
    f1(x+L
    ?1,
    W
    ?
    1)
    ;通過公式:求得所述
    f2(S

    W)
    ,其中,所述
    y
    是各所述交易參數對中所述因變量類型的所述交易參數的平均數,所述
    R
    是預設閾值
    。4.
    根據權利要求1所述的方法,其特征在于,所述基于該交易參數對和業務擬合函數,通過求偏導運算獲得與該交易參數對對應的極值組,包括:將該交易參數對導入所述業務擬合函數,以對所述業務擬合函數進行更新;對更新后的所述業務擬合函數進行所述求偏導運算,并將偏導值為0時所述業務擬合函數的解確定為該交易參數對應的所述極值組
    。5.
    一種交易風險的檢測系統,其特征在于,所述系統包括:數據采集模塊,用于獲得多個待檢測交易各自對應的交易參...

    【專利技術屬性】
    技術研發人員:王公桃
    申請(專利權)人:中國銀行股份有限公司
    類型:發明
    國別省市:

    網友詢問留言 已有0條評論
    • 還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。

    1
    主站蜘蛛池模板: 成人免费无码大片A毛片抽搐色欲| 国产成人无码A区精油按摩| 久久人妻av无码中文专区| 人妻无码久久久久久久久久久| 中日精品无码一本二本三本| 精品人妻无码区二区三区| 日韩欧国产精品一区综合无码| 人妻丰满?V无码久久不卡| 中文无码不卡的岛国片| 四虎成人精品无码| 久久亚洲精品无码| 亚洲国产成人精品无码久久久久久综合 | 无码日韩精品一区二区免费| 中文字幕精品无码一区二区 | 无码人妻一区二区三区免费n鬼沢| 无码国产精成人午夜视频不卡| 特级无码毛片免费视频尤物| 五月丁香六月综合缴清无码| 亚洲日韩精品无码专区加勒比☆| 亚洲AV无码成人精品区狼人影院| 久久久无码中文字幕久...| 无码精品人妻一区二区三区影院| 无码中文在线二区免费| 精品国产一区二区三区无码| 无码少妇精品一区二区免费动态| 中文精品无码中文字幕无码专区 | 无码人妻丰满熟妇区五十路| 无码日韩精品一区二区免费暖暖 | 国产激情无码一区二区app| 亚洲爆乳精品无码一区二区三区| 亚洲成av人片不卡无码久久| 国产精品无码一区二区三区免费 | 丰满少妇人妻无码专区| 无码亚洲成a人在线观看| 亚洲av无码专区青青草原| 国产成人无码精品久久久小说| 日韩精品无码Av一区二区| 亚洲国产精品无码久久久久久曰| 亚洲AV无码一区二三区| 亚洲欧洲美洲无码精品VA| 久久精品aⅴ无码中文字字幕|