[发明专利]非正常对象预警方法、装置、电子设备及存储介质在审

专利信息
申请号: 201910984943.5 申请日: 2019-10-16
公开(公告)号: CN110910198A 公开(公告)日: 2020-03-24
发明(设计)人: 王膂 申请(专利权)人: 支付宝(杭州)信息技术有限公司
主分类号: G06Q30/06 分类号: G06Q30/06;G06Q40/04
代理公司: 北京风雅颂专利代理有限公司 11403 代理人: 王刚
地址: 310000 浙江省杭州市*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 正常 对象 预警 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种非正常对象预警方法,其特征在于,包括:

获取交易数据,并根据所述交易数据确定对象和交易结果项;其中,所述对象包括:商户、用户和交易时段;

构建关于对象的交易结果项张量;

根据所述关于对象的交易结果项张量,获得对应于非正常对象的目标特征向量和对应于待测对象的待测特征向量;

对所述待测特征向量与所述目标特征向量进行相似度匹配,根据匹配结果确定疑似非正常对象;

根据所述疑似非正常对象生成非正常对象预警信息,输出所述非正常对象预警信息。

2.根据权利要求1所述的非正常对象预警方法,其特征在于,所述根据所述关于对象的交易结果项张量,获得对应于非正常对象的目标特征向量和对应于待测对象的待测特征向量,包括:

对所述关于对象的交易结果项张量进行张量分解,获得关于商户的子矩阵、关于用户的子矩阵和关于交易时段的子矩阵;

以及,以下步骤中的至少一步:

根据所述关于商户的子矩阵,获得对应非正常商户的目标特征向量和对应待测商户的待测特征向量;

根据所述关于用户的子矩阵,获得对应非正常用户的目标特征向量和对应待测用户的待测特征向量;

根据所述关于交易时段的子矩阵,获得对应非正常交易时段的目标特征向量和对应待测交易时段的待测特征向量。

3.根据权利要求2所述的非正常对象预警方法,其特征在于,所述对象还包括:交易地点;

所述根据所述关于对象的交易结果项张量,获得对应于非正常对象的目标特征向量和对应于待测对象的待测特征向量,还包括:

对所述关于对象的交易结果项张量进行张量分解,获得关于交易地点的子矩阵;

根据所述关于交易地点的子矩阵,获得对应非正常交易地点的目标特征向量和对应待测交易地点的待测特征向量。

4.根据权利要求1所述的非正常对象预警方法,其特征在于,所述获得对应于非正常对象的目标特征向量,包括:

对所述关于对象的交易结果项张量中包括的特征向量对应的对象进行黑标签检索,确定至少一个关联有黑标签的对象及其对应的特征向量;

将所述关联有黑标签的对象对应的特征向量确定为所述目标特征向量。

5.根据权利要求1所述的非正常对象预警方法,其特征在于,所述对所述待测特征向量与所述目标特征向量进行相似度匹配,根据匹配结果确定疑似非正常对象,包括:

对所述待测特征向量与所述目标特征向量进行归一化处理,获得归一化待测特征向量与归一化目标特征向量;

计算所述归一化待测特征向量与所述归一化目标特征向量的欧式距离;

判断所述欧式距离是否满足第一预设阈值,若是,则判定所述待测特征向量与所述目标特征向量匹配;

将与所述目标特征向量的匹配的所述待测特征向量对应的对象确定为所述疑似非正常对象。

6.根据权利要求1所述的非正常对象预警方法,其特征在于,所述对所述待测特征向量与所述目标特征向量进行相似度匹配,根据匹配结果确定疑似非正常对象,包括:

对所述待测特征向量与所述目标特征向量进行归一化处理,获得归一化待测特征向量与归一化目标特征向量;

确定所述归一化待测特征向量与所述归一化目标特征向量的夹角,并计算所述夹角的余弦值;

判断所述夹角的余弦值是否满足第二预设阈值,若是,则判定所述待测特征向量与所述目标特征向量匹配;

将与所述目标特征向量的匹配的所述待测特征向量对应的待测对象确定为所述疑似非正常对象。

7.根据权利要求1所述的非正常对象预警方法,其特征在于,所述输出所述非正常对象预警信息,包括如下操作中的至少一种:

显示所述非正常对象预警信息;

将所述非正常对象预警信息发送至预设的服务器;

将所述非正常对象预警信息发送至预设的终端设备。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于支付宝(杭州)信息技术有限公司,未经支付宝(杭州)信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910984943.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top