交易异常识别方法、装置以及设备制造方法及图纸

本说明书实施例公开了交易异常识别方法、装置以及设备。方案包括：获取根据用户交易数据生成的交易网络，所述交易网络中的节点表示买家和卖家，边表示其连接的买家与卖家之间的信用卡交易；迭代地在所述交易网络中剔除节点及其连接的边，得到初筛选网络，所述初筛选网络中表示买家的各节点分别连接的边数不小于整数M，表示卖家的各节点分别连接的边数不小于整数N，M＜N；在所述初筛选网络中，判定参与通过拆分买家的单笔信用卡交易至多个卖家而套现的节点集合。

Trading anomaly identification methods, devices and equipment

The embodiment of this specification discloses a method, device and device for identifying transaction anomalies. The scheme includes: acquiring a transaction network generated from user transaction data, the nodes in the transaction network represent buyers and sellers, while representing credit card transactions between buyers and sellers connected to them; iteratively eliminating nodes and their connected edges in the transaction network to obtain a preliminary screening network, in which the number of edges connected by the nodes representing buyers in the preliminary screening network is not equal. In the initial screening network, a set of nodes participating in arbitrage by splitting a single credit card transaction from a buyer to multiple sellers is determined.

【技术实现步骤摘要】
交易异常识别方法、装置以及设备
本说明书涉及计算机软件
，尤其涉及交易异常识别方法、装置以及设备。
技术介绍
智能手机的使用普及给人们的生活带来了便利，通过使用智能手机上的各种应用，能够相应地进行各种业务。其中，电商业务是用户使用最为普遍和频繁的一类业务，用户通过电商业务能够便利进行各类交易，实现商品线上买卖。同时，在电商业务中，也存在很多交易异常现象，比如，信用卡套现、刷单等，通过这些异常，所参与的用户和商户能够非正常获利，却可能给其他方比如电商平台、银行、其他正常用户和正常商户的利益带来损失，因此，需要有效识别交易异常，以便防控。以信用卡套现为例，套现团伙往往以如下方式活动：控制多个商户(往往为虚假商户)账号，当某个用户需要套现时，团伙会使用分账技术，先拆分该用户刷的一笔信用卡交易为多笔小额信用卡交易，然后随机派发至其控制的多个商户账号中，最后根据后台记账系统，把该用户交易的至少部分金额通过中间人，回款给用户，会收取一定的手续费。在现有技术中，往往根据相同交易金额识别交易异常，若同一个用户在多个商家分别单笔消费了较小的相同金额，则可能会判定为交易异常。基于此，需要更为有效的交易异常识别方案。
技术实现思路
本说明书实施例提供交易异常识别方法、装置以及设备，用以解决如下技术问题：需要更为有效的交易异常识别方案。为解决上述技术问题，本说明书实施例是这样实现的：本说明书实施例提供的一种交易异常识别方法，包括：获取根据用户交易数据生成的交易网络，所述交易网络中的节点表示买家和卖家，边表示其连接的买家与卖家之间的信用卡交易；迭代地在所述交易网络中剔除节点及其连接的边，得到初筛选网络，所述初筛选网络中表示买家的各节点分别连接的边数不小于整数M，表示卖家的各节点分别连接的边数不小于整数N，M＜N；在所述初筛选网络中，判定参与通过拆分买家的单笔信用卡交易至多个卖家而套现的节点集合。本说明书实施例提供的另一种交易异常识别方法，包括：获取根据用户交易数据生成的交易网络，所述交易网络中的节点表示买家和卖家，边表示其连接的买家与卖家之间的交易；迭代地在所述交易网络中剔除节点及其连接的边，得到初筛选网络，所述初筛选网络中表示买家的各节点分别连接的边数不小于整数M，表示卖家的各节点分别连接的边数不小于整数N，M＜N；在所述初筛选网络中，判定参与通过拆分买家的单笔交易至多个卖家而非正常获利的节点集合。本说明书实施例提供的一种交易异常识别装置，包括：获取模块，获取根据用户交易数据生成的交易网络，所述交易网络中的节点表示买家和卖家，边表示其连接的买家与卖家之间的信用卡交易；剔除模块，迭代地在所述交易网络中剔除节点及其连接的边，得到初筛选网络，所述初筛选网络中表示买家的各节点分别连接的边数不小于整数M，表示卖家的各节点分别连接的边数不小于整数N，M＜N；判定模块，在所述初筛选网络中，判定参与通过拆分买家的单笔信用卡交易至多个卖家而套现的节点集合。本说明书实施例提供的另一种交易异常识别装置，包括：获取模块，获取根据用户交易数据生成的交易网络，所述交易网络中的节点表示买家和卖家，边表示其连接的买家与卖家之间的交易；剔除模块，迭代地在所述交易网络中剔除节点及其连接的边，得到初筛选网络，所述初筛选网络中表示买家的各节点分别连接的边数不小于整数M，表示卖家的各节点分别连接的边数不小于整数N，M＜N；判定模块，在所述初筛选网络中，判定参与通过拆分买家的单笔交易至多个卖家而非正常获利的节点集合。本说明书实施例提供的一种交易异常识别设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：获取根据用户交易数据生成的交易网络，所述交易网络中的节点表示买家和卖家，边表示其连接的买家与卖家之间的信用卡交易；迭代地在所述交易网络中剔除节点及其连接的边，得到初筛选网络，所述初筛选网络中表示买家的各节点分别连接的边数不小于整数M，表示卖家的各节点分别连接的边数不小于整数N，M＜N；在所述初筛选网络中，判定参与通过拆分买家的单笔信用卡交易至多个卖家而套现的节点集合。本说明书实施例提供的另一种交易异常识别设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：获取根据用户交易数据生成的交易网络，所述交易网络中的节点表示买家和卖家，边表示其连接的买家与卖家之间的交易；迭代地在所述交易网络中剔除节点及其连接的边，得到初筛选网络，所述初筛选网络中表示买家的各节点分别连接的边数不小于整数M，表示卖家的各节点分别连接的边数不小于整数N，M＜N；在所述初筛选网络中，判定参与通过拆分买家的单笔交易至多个卖家而非正常获利的节点集合。本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：克服了现有技术中孤立地识别交易异常，且过于依赖相同交易金额的缺陷，针对诸如信用卡套现等交易异常的操作特点，通过构建交易网络，并针对该操作特点，迭代地在交易网络中剔除节点及其连接的边，留下网络结构较为可疑的部分网络，以进行交易异常判定，从而有利于更为有效地识别交易异常。附图说明为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本说明书实施例提供的一种交易异常识别方法的流程示意图；图2为本说明书实施例提供的一个示例性的交易网络示意图；图3为本说明书实施例提供的另一个示例性的交易网络示意图；图4为本说明书实施例提供的上述交易异常识别方法的一种实际应用场景示意图；图5为本说明书实施例提供的在图4的场景下，上述交易异常识别方法的一种具体实施方案的流程示意图；图6为本说明书实施例提供的另一种交易异常识别方法的流程示意图；图7为本说明书实施例提供的对应于图1的一种交易异常识别装置的结构示意图；图8为本说明书实施例提供的对应于图6的一种交易异常识别装置的结构示意图。具体实施方式本说明书实施例提供交易异常识别方法、装置以及设备。为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。本说明书的方案能够用于识别一些交易异常，至少包括如下这类交易异常：通过拆分买家的单笔交易至多个卖家而非正常获利。具体场景比如信用卡套现、电商交易刷单等。图1为本说明书实施例提供的一种交易异常识别方法的流程示意图，该流程可以由一个设备执行或者多个设备配置执行，某些步骤也可以允许人工干预。图1中的流程可以包括以下步骤：S102：获取根据用户交易数据生成的交易网络，所述交易网络中的本文档来自技高网...

【技术保护点】
1.一种交易异常识别方法，包括：获取根据用户交易数据生成的交易网络，所述交易网络中的节点表示买家和卖家，边表示其连接的买家与卖家之间的信用卡交易；迭代地在所述交易网络中剔除节点及其连接的边，得到初筛选网络，所述初筛选网络中表示买家的各节点分别连接的边数不小于整数M，表示卖家的各节点分别连接的边数不小于整数N，M＜N；在所述初筛选网络中，判定参与通过拆分买家的单笔信用卡交易至多个卖家而套现的节点集合。

【技术特征摘要】
1.一种交易异常识别方法，包括：获取根据用户交易数据生成的交易网络，所述交易网络中的节点表示买家和卖家，边表示其连接的买家与卖家之间的信用卡交易；迭代地在所述交易网络中剔除节点及其连接的边，得到初筛选网络，所述初筛选网络中表示买家的各节点分别连接的边数不小于整数M，表示卖家的各节点分别连接的边数不小于整数N，M＜N；在所述初筛选网络中，判定参与通过拆分买家的单笔信用卡交易至多个卖家而套现的节点集合。2.如权利要求1所述的方法，根据用户交易数据，生成交易网络，具体包括：筛选符合指定条件的用户交易数据，所述指定条件包括以下至少一种：对应的交易发生在指定的短时间内、对应的卖家的指定属性相似或者相同；根据所筛选的用户交易数据，生成交易网络。3.如权利要求1所述的方法，所述迭代地在所述交易网络中剔除节点及其连接的边，得到初筛选网络，具体包括：在所述交易网络中，针对表示买家的各节点迭代执行M-1轮剔除操作，以及针对表示卖家的各节点迭代执行N-1轮剔除操作，得到初筛选网络；其中，第i轮剔除操作包括：在该轮所针对的各节点中，剔除连接的边数小于i+1的节点及其连接的边，i从1开始计数。4.如权利要求1所述的方法，所述在所述初筛选网络中，判定参与通过拆分买家的单笔信用卡交易至多个卖家而套现的节点集合，具体包括：在所述初筛选网络中，确定表示卖家的各节点分别连接的节点集合；计算所确定的各节点集合之间的相似度；确定相似性大于设定阈值的各节点集合中均包含的节点，和/或确定相似性大于设定阈值的各节点集合所对应的表示卖家的节点；将至少部分所确定的节点构成的节点集合判定为：参与通过拆分买家的单笔信用卡交易至多个卖家而套现的节点集合。5.如权利要求1所述的方法，所述在所述初筛选网络中，判定参与通过拆分买家的单笔信用卡交易至多个卖家而套现的节点集合，具体包括：利用无监督算法，对所述初筛选网络进行处理，得到各子网络；在所述各子网络中，筛选异常子网络；将至少部分所筛选的异常子网络包含的节点构成的节点集合判定为：参与通过拆分买家的单笔信用卡交易至多个卖家而套现的节点集合。6.一种交易异常识别方法，包括：获取根据用户交易数据生成的交易网络，所述交易网络中的节点表示买家和卖家，边表示其连接的买家与卖家之间的交易；迭代地在所述交易网络中剔除节点及其连接的边，得到初筛选网络，所述初筛选网络中表示买家的各节点分别连接的边数不小于整数M，表示卖家的各节点分别连接的边数不小于整数N，M＜N；在所述初筛选网络中，判定参与通过拆分买家的单笔交易至多个卖家而非正常获利的节点集合。7.一种交易异常识别装置，包括：获取模块，获取根据用户交易数据生成的交易网络，所述交易网络中的节点表示买家和卖家，边表示其连接的买家与卖家之间的信用卡交易；剔除模块，迭代地在所述交易网络中剔除节点及其连接的边，得到初筛选网络，所述初筛选网络中表示买家的各节点分别连接的边数不小于整数M，表示卖家的各节点分别连接的边数不小于整数N，M＜N；判定模块，在所述初筛选网络中，判定参与通过拆分买家的单笔信用卡交易至多个卖家而套现的节点集合。8.如权利要求7所述的装置，根据用户交易数据，生成交易网络，具体包括：所述获取模块筛选符合指定条件的用户交易数据，所述指定条件包括以下至少一种：对应的交易发生在指定的短时间内、对应的卖家的指定属性相似或者相同；根据所...

【专利技术属性】
技术研发人员：刘晓韵，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY