数据处理方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种数据处理方法，可用于计算机领域、金融领域或其他领域。该方法包括：响应于触发积分采集事件，获取与上述积分采集事件关联的用户的历史行为数据；基于预设筛选条件对上述历史行为数据进行处理，得到测试事实；以及将上述测试事实输入风险识别网络中，输出得到识别结果。此外，本公开还提供了一种数据处理装置、一种电子设备、一种可读存储介质和一种计算机程序产品。质和一种计算机程序产品。质和一种计算机程序产品。

【技术实现步骤摘要】
数据处理方法、装置、电子设备及存储介质


[0001]本公开涉及计算机领域和金融领域，更具体地，涉及一种数据处理方法、装置、设备、介质和程序产品。

技术介绍

[0002]用户积分是互联网时代企业拓客、获客、黏客的重要手段。但在实际应用过程中，容易出现套取积分获利的恶意行为，面对该行为一般在用户进行积分兑换时，分析该积分兑换行为是否为“套积分行为”。
[0003]在实现本公开专利技术构思的过程中，专利技术人发现相关技术中至少存在如下问题：对积分兑换行为进行分析需要对用户的大量历史交易、关联信息等进行分析，其需要一定的分析时间，而在积分兑换的场景下，又需要保证积分兑换的效率，因而存在用户行为分析时效性较差的技术问题。

技术实现思路

[0004]有鉴于此，本公开提供了一种数据处理方法、装置、设备、介质和程序产品。
[0005]本公开的第一个方面，提供了一种数据处理方法，包括：
[0006]响应于触发积分采集事件，获取与所述积分采集事件关联的用户的历史行为数据；
[0007]基于预设筛选条件对所述历史行为数据进行处理，得到测试事实；以及
[0008]将所述测试事实输入风险识别网络中，输出得到识别结果。
[0009]根据本公开的实施例，该数据处理方法还包括：
[0010]获取所述积分采集事件中携带的积分数值；
[0011]判断所述积分数值是否超过预设阈值；
[0012]在所述积分数值超过预设阈值的情况下，获取与所述积分采集事件关联的所述用户的所述历史行为数据；以及
[0013]在所述积分数值未超过预设阈值的情况下，结束对所述积分采集事件的处理。
[0014]根据本公开的实施例，该数据处理方法还包括：
[0015]采用模式匹配算法基于预设规则集生成所述风险识别网络，其中，所述预设规则集中包括多条预设规则，所述预设规则与所述预设筛选条件具有对应关系。
[0016]根据本公开的实施例，所述采用模式匹配算法基于预设规则集生成所述风险识别网络，包括：
[0017]获取初始网络，其中，所述初始网络包括根节点；
[0018]基于所述预设规则集创建M个第一节点和N个第二节点，其中，每一个所述第一节点与一条所述预设规则相对应，每一个所述第二节点与至少两条所述预设规则的组合相对应，其中，所述M和所述N大于1；以及
[0019]根据所述模式匹配算法，将所述M个第一节点和所述N个第二节点加入所述初始网
络的根节点下方，以构建得到所述风险识别网络。
[0020]根据本公开的实施例，该数据处理方法所述第一节点具有第一内存区，所述第二节点具有第二内存区；
[0021]所述数据处理方法还包括：
[0022]在所述测试事实沿所述风险识别网络到达所述第一节点或所述第二节点，并与所述第一节点或所述第二节点对应的预设规则或预设规则的组合匹配的情况下，使用所述第一内存区或所述第二内存区记录所述测试事实。
[0023]根据本公开的实施例，所述N个第二节点中包括至少一个第三节点，每一个所述第三节点与至少预设数目的所述预设规则的组合相对应；其中，每一个所述第三节点连接有叶节点；
[0024]其中，所述将所述测试事实输入风险识别网络中，输出得到识别结果，包括：
[0025]在所述测试事实沿所述风险识别网络到达所述叶节点的情况下，输出表征所述用户具有较高风险级别的第一识别结果；以及
[0026]在所述测试事实沿所述风险识别网络未到达所述叶节点的情况下，输出表征所述用户具有较低风险级别的第二识别结果。
[0027]根据本公开的实施例，该数据处理还包括：
[0028]基于所述识别结果控制所述用户的积分消费权限；
[0029]在所述识别结果为所述第一识别结果的情况下，冻结所述用户的积分消费权限，并向所述用户发送积分冻结的反馈信息；
[0030]在所述识别结果为所述第二识别结果的情况下，维持所述用户的积分消费权限不变。
[0031]根据本公开的实施例，所述预设规则集中至少包括如下预设规则：
[0032]所述用户的基本信息与预设风险用户名单中记载的用户的基本信息匹配；
[0033]所述用户在第一预设时间范围内采集的积分数值大于第一预设值；
[0034]所述用户在预设商户处存在异常消费记录；
[0035]所述用户的单笔消费数值大于第二预设值；
[0036]所述用户在第二预设时间范围内，在同一商户的累计消费次数大于第三预设值；
[0037]所述用户在第三预设时间范围内，在同一商户的累计消费数值大于第四预设值。
[0038]本公开的第二方面提供了一种数据处理装置，包括：
[0039]第一获取模块，用于响应于触发积分采集事件，获取与所述积分采集事件关联的用户的历史行为数据；
[0040]处理模块，用于基于预设筛选条件对所述历史行为数据进行处理，得到测试事实；以及
[0041]识别模块，用于将所述测试事实输入风险识别网络中，输出得到识别结果。
[0042]本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个指令，其中，当所述一个或多个指令被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上所述的方法。
[0043]本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
[0044]本公开的另一方面提供了一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
[0045]根据本公开的实施例，通过用户在触发积分采集事件时，获取与积分采集事件关联的用户的历史行为数据，利用预设筛选条件对历史行为数据筛选后得到测试事实，利用风险识别网络对测试事实识别，以判定用户积分采集的行为是否具有恶意。因为采用了上述技术手段，利用积分采集到积分兑换之间的时间差，将“积分兑换的事前拦截”修改为了“积分采集的事后拦截”，所以至少部分地克服了积分兑换时再做用户行为分析的时效性问题，另外通过利用风险识别网络，提高了用户行为的识别效率。
附图说明
[0046]通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
[0047]图1示意性示出了RETE算法的规则判别网路示意图；
[0048]图2示意性示出了根据本公开实施例的可以应用数据处理方法的示例性系统架构；
[0049]图3示意性示出了根据本公开实施例的数据处理方法的流程图；
[0050]图4示意性示出了根据本公开另一实施例的数据处理方法的流程图；
[0051]图5示意性示出了其中一个实施例的风险识别网络示意图；
[0052]图6示意性示出了根据本公开的实施例的数据处理装置的结构框图；以及
[0053]图7本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，包括：响应于触发积分采集事件，获取与所述积分采集事件关联的用户的历史行为数据；基于预设筛选条件对所述历史行为数据进行处理，得到测试事实；以及将所述测试事实输入风险识别网络中，输出得到识别结果。2.根据权利要求1所述的方法，还包括：获取所述积分采集事件中携带的积分数值；判断所述积分数值是否超过预设阈值；在所述积分数值超过预设阈值的情况下，获取与所述积分采集事件关联的所述用户的所述历史行为数据；以及在所述积分数值未超过预设阈值的情况下，结束对所述积分采集事件的处理。3.根据权利要求1所述的方法，还包括：采用模式匹配算法基于预设规则集生成所述风险识别网络，其中，所述预设规则集中包括多条预设规则，所述预设规则与所述预设筛选条件具有对应关系。4.根据权利要求3所述的方法，其中，所述采用模式匹配算法基于预设规则集生成所述风险识别网络，包括：获取初始网络，其中，所述初始网络包括根节点；基于所述预设规则集创建M个第一节点和N个第二节点，其中，每一个所述第一节点与一条所述预设规则相对应，每一个所述第二节点与至少两条所述预设规则的组合相对应，其中，所述M和所述N大于1；以及根据所述模式匹配算法，将所述M个第一节点和所述N个第二节点加入所述初始网络的根节点下方，以构建得到所述风险识别网络。5.根据权利要求4所述的方法，其中，所述第一节点具有第一内存区，所述第二节点具有第二内存区；所述方法还包括：在所述测试事实沿所述风险识别网络到达所述第一节点或所述第二节点，并与所述第一节点或所述第二节点对应的预设规则或预设规则的组合匹配的情况下，使用所述第一内存区或所述第二内存区记录所述测试事实。6.根据权利要求4所述的方法，其中，所述N个第二节点中包括至少一个第三节点，每一个所述第三节点与至少预设数目的所述预设规则的组合相对应；其中，每一个所述第三节点连接有叶节点；其中，所述将所述测试事实输入风险识别网络中，输出得到识别结果，...

【专利技术属性】
技术研发人员：周黄鹤，杨惠宝，毛婷，刘文峰，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：