一种异常请求的识别方法、装置、电子设备及存储介质制造方法及图纸

本申请适用于大数据技术领域，提供了一种异常请求的识别方法、装置、电子设备及存储介质，方法包括：响应于对目标请求的识别指令，从交易数据库内获取与所述目标请求关联的历史请求；根据所述目标请求的交易信息，确定与所述交易信息对应的匹配条件组；分别为所述匹配条件组内的每个所述匹配条件配置关联的处理模块；通过所述处理模块对所述目标请求以及所有所述历史请求进行处理，得到所述处理模块关联的匹配条件的匹配识别结果；根据各个所述处理模块对应的所述匹配识别结果，生成所述目标请求的异常识别结果。采用上述方法能够在识别异常请求时减少了大量无效的条件匹配操作，从而提高了异常识别的效率。而提高了异常识别的效率。而提高了异常识别的效率。

【技术实现步骤摘要】
一种异常请求的识别方法、装置、电子设备及存储介质


[0001]本申请属于大数据
，尤其涉及一种异常请求的识别方法、装置、电子设备及存储介质。

技术介绍

[0002]随着电子技术的不断发展，越来越多的服务可以通过电子化的方式实现，如交易服务，可以通过线上支付、二维码支付以及电子银行转账等多种方式实现，大大提高了用户的便捷性。但在交易便捷性不断提高的同时，也容易衍生出交易时的安全隐患，如出现了大量的欺诈交易或高风险交易等，因此，如何能够快速高效地对上述类型的异常交易行为进行识别，则直接影响了电子交易的发展。
[0003]现有的异常请求的识别技术，一般采用条件匹配的方式进行识别，但由于交易场景数量较大，而且不同用户类型、不同支付方式需要对应不同的匹配条件，从而导致了在异常交易识别的过程中，交易请求需要依次与大量的条件进行匹配，从而大大增加了异常交易识别的耗时，进而容易导致交易过程超过预设的有效交易时长，从而使得交易失败，继而降低了正常交易的成功率。

技术实现思路

[0004]本申请实施例提供了一种异常请求的识别方法、装置、电子设备及存储介质，可以解决现有的异常请求的识别技术，需要依次与大量的条件进行匹配，从而大大增加了异常交易识别的耗时，进而容易导致交易过程超过预设的有效交易时长，从而使得交易失败，继而降低了正常交易的成功率的问题。
[0005]第一方面，本申请实施例提供了一种异常请求的识别方法，包括：
[0006]响应于对目标请求的识别指令，从交易数据库内获取与所述目标请求关联的历史请求；所述目标请求携带有交易信息；
[0007]根据所述目标请求的交易信息，确定与所述交易信息对应的匹配条件组；所述匹配条件组包含至少一个用于识别异常交易的匹配条件；
[0008]分别为所述匹配条件组内的每个所述匹配条件配置关联的处理模块；
[0009]通过所述处理模块对所述目标请求以及所有所述历史请求进行处理，得到所述处理模块关联的匹配条件的匹配识别结果；
[0010]根据各个所述处理模块对应的所述匹配识别结果，生成所述目标请求的异常识别结果。
[0011]在第一方面的一种可能的实现方式中，在所述根据所述目标请求的交易信息，确定与所述交易信息对应的匹配条件组之前，还包括：
[0012]分别确定预设的条件库内各个已有条件在多个关键维度的特征参量，生成所述已有条件的特征覆盖范围；
[0013]根据各个所述已有条件对应的所述特征覆盖范围，确定所有所述关键维度的特征
覆盖范围均不重叠的互斥条件对，以及确定任一关键维度的特征覆盖范围存在重叠的关联条件对；
[0014]根据所述互斥条件对以及所述关联条件对，对所述匹配条件进行划分，得到多个所述匹配条件组；
[0015]根据所述匹配条件组内各个所述已有条件中在所述任一关键维度的重叠特征范围，确定所述匹配条件组的关联信息。
[0016]在第一方面的一种可能的实现方式中，在所述分别确定预设的条件库内各个已有条件在多个关键维度的特征参量，生成所述已有条件的特征矩阵之前，还包括：
[0017]根据各个所述异常请求的异常交易数据，对已识别的多个异常请求进行聚类分析，确定基于多个所述异常请求对应的异常聚类中心；
[0018]分别计算各个所述异常请求与各个所述异常聚类中心之间的中心距离，并基于所述中心距离得到各个所述异常聚类中心对应的异常交易组；每个所述异常交易组内的所述异常请求与所述异常交易组对应的所述异常交易中心之间的所述中心距离小于预设的距离阈值；
[0019]分别提取所述异常交易组内各个所述异常请求在预设的候选维度对应的异常数值；
[0020]根据所述异常数值，计算所述异常交易组在各个所述候选维度对应的离散指标；所述离散指标具体为：
[0021][0022]其中，DispersedLv为所述异常交易组在第j个所述候选维度对应的所述离散指标；ErroQuest
ji
为所述异常交易组内第i个异常交易在第j个所述候选维度对应的异常数值；Core
j
为所述异常交易组的聚类中心在所述第j个所述候选维度对应的中心值；n为所述异常交易组对应的异常交易请求的个数；Weight
j
为第j个候选维度的加权系数；
[0023]若任一所述候选维度对应的所述离散指标小于预设的离散阈值，则识别所述候选维度为所述异常交易组的关键维度；
[0024]根据所述异常交易组的所述关键维度对应的离散指标以及所述异常交易组对应的所述异常聚类中心在所述关键维度对应的中心参量，生成关于所述异常聚类中心的所述已有条件。
[0025]在第一方面的一种可能的实现方式中，所述响应于对目标请求的识别指令，从交易数据库内获取与所述目标请求关联的历史请求，包括：
[0026]根据所述目标请求的所述交易信息中多个关键维度的交易标识，从所述交易数据库内选取与任一所述交易标识匹配的候选请求；
[0027]根据所述目标请求的第一交易内容以及所述候选请求的第二交易内容，计算所述目标请求与所述候选请求之间的交易关联度；所述交易关联度具体为：
[0028][0029]其中，MatchLv为所述目标请求与所述候选交易请求之间的交易关联度；Type
tar
为
所述目标请求的交易类型；AM
tar
为所述目标请求的交易金额；Time
tar
为所述目标请求的交易时间；Type
i
为第i个候选请求的交易类型；AM
i
为第i个候选请求的交易金额；Time
i
为第i个候选请求的交易时间；φ为预设的系数
[0030]选取与所述目标请求之间的所述交易关联度大于预设的关联阈值的所述候选请求作为所述历史请求。
[0031]在第一方面的一种可能的实现方式中，所述通过所述处理模块对所述目标请求以及所有所述历史请求进行处理，得到所述处理模块关联的匹配条件的匹配识别结果，包括：
[0032]根据所述目标请求的实时处理等级，确定与所述实时处理等级对应的多条并发处理线程；
[0033]若所述并发处理线程的线程个数大于或等于所述处理模块的模块个数，则分别为每个所述处理模块配置至少一条并发处理线程，并通过所述至少一个并发处理线程运行所述处理模块，以生成关于所述目标请求以及所有所述历史请求基于所述处理模块的匹配识别结果；
[0034]若所述并发处理线程的线程个数小于所述处理模块的模块个数，则将所有所述处理模块划分为至少两个模块组；每个所述模块组对应一个处理优先级；
[0035]根据所述处理优先级的次序，依次通过所述并发处理线程运行各个所述模块组，以生成关于所述目标请求以及所有所述历史请求基于所述模块组的匹配识别结果。
[0036]在第一方面的一种可能的实现方式中，所述交易信息包含有关于所述目标请求的请求类型、交易对象本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常请求的识别方法，其特征在于，包括：响应于对目标请求的识别指令，从交易数据库内获取与所述目标请求关联的历史请求；所述目标请求携带有交易信息；根据所述目标请求的交易信息，确定与所述交易信息对应的匹配条件组；所述匹配条件组包含至少一个用于识别异常交易的匹配条件；分别为所述匹配条件组内的每个所述匹配条件配置关联的处理模块；通过所述处理模块对所述目标请求以及所有所述历史请求进行处理，得到所述处理模块关联的匹配条件的匹配识别结果；根据各个所述处理模块对应的所述匹配识别结果，生成所述目标请求的异常识别结果。2.根据权利要求1所述的识别方法，其特征在于，在所述根据所述目标请求的交易信息，确定与所述交易信息对应的匹配条件组之前，还包括：分别确定预设的条件库内各个已有条件在多个关键维度的特征参量，生成所述已有条件的特征覆盖范围；根据各个所述已有条件对应的所述特征覆盖范围，确定所有所述关键维度的特征覆盖范围均不重叠的互斥条件对，以及确定任一关键维度的特征覆盖范围存在重叠的关联条件对；根据所述互斥条件对以及所述关联条件对，对所述匹配条件进行划分，得到多个所述匹配条件组；根据所述匹配条件组内各个所述已有条件中在所述任一关键维度的重叠特征范围，确定所述匹配条件组的关联信息。3.根据权利要求2所述的识别方法，其特征在于，在所述分别确定预设的条件库内各个已有条件在多个关键维度的特征参量，生成所述已有条件的特征矩阵之前，还包括：根据各个所述异常请求的异常交易数据，对已识别的多个异常请求进行聚类分析，确定基于多个所述异常请求对应的异常聚类中心；分别计算各个所述异常请求与各个所述异常聚类中心之间的中心距离，并基于所述中心距离得到各个所述异常聚类中心对应的异常交易组；每个所述异常交易组内的所述异常请求与所述异常交易组对应的所述异常交易中心之间的所述中心距离小于预设的距离阈值；分别提取所述异常交易组内各个所述异常请求在预设的候选维度对应的异常数值；根据所述异常数值，计算所述异常交易组在各个所述候选维度对应的离散指标；所述离散指标具体为：其中，DispersedLv为所述异常交易组在第j个所述候选维度对应的所述离散指标；ErroQuest
ji
为所述异常交易组内第i个异常交易在第j个所述候选维度对应的异常数值；Core
j
为所述异常交易组的聚类中心在所述第j个所述候选维度对应的中心值；n为所述异常交易组对应的异常交易请求的个数；Weight
j
为第j个候选维度的加权系数；
若任一所述候选维度对应的所述离散指标小于预设的离散阈值，则识别所述候选维度为所述异常交易组的关键维度；根据所述异常交易组的所述关键维度对应的离散指标以及所述异常交易组对应的所述异常聚类中心在所述关键维度对应的中心参量，生成关于所述异常聚类中心的所述已有条件。4.根据权利要求1所述的识别方法，其特征在于，所述响应于对目标请求的识别指令，从交易数据库内获取与所述目标请求关联的历史请求，包括：根据所述目标请求的所述交易信息中多个关键维度的交易标识，从所述交易数据库内选取与任一所述交易标识匹配的候选请求；根据所述目标请求的第一交易内容以及所述候选请求的第二交易内容，计算所述目标请求与所述候选请求之间的交易关联度；所述交易关联度具体为：其中，MatchLv为所述目标请求与所述候选交易请求之间的交易关联度；Type
tar
为所述目标请求的交易类型；AM
tar
为所述目标请求的交易金额；Time
tar
为所述目标请求的交易时间；Type

【专利技术属性】
技术研发人员：王雅各，
申请(专利权)人：平安消费金融有限公司，
类型：发明
国别省市：