[發(fā)明專利]在線支付反欺詐方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201710989427.2
• 申請(qǐng)日: 2017-10-20
• 公開（公告）號(hào): CN107767138A
• 公開（公告）日: 2018-03-06
• 發(fā)明（設(shè)計(jì)）人: 陳鵬;陳宇;熊偉;汪寧;蘆帥;謝偉良
• 申請(qǐng)（專利權(quán)）人: 杭州呯嘭智能技術(shù)有限公司
• 主分類號(hào): G06Q20/40
• 分類號(hào): G06Q20/40
• 代理公司: 上海漢聲知識(shí)產(chǎn)權(quán)代理有限公司31236
• 代理人: 王葉娟,胡晶

1.一種在線支付反欺詐方法，其特征在于，包括：

S1：獲取用戶當(dāng)前在線支付所發(fā)生的當(dāng)前支付數(shù)據(jù)；

S2：對(duì)所述當(dāng)前支付數(shù)據(jù)分別進(jìn)行以下判定分析：進(jìn)行黑灰名單過(guò)濾，得到第一分析結(jié)果；進(jìn)行基于通用支付特征的決策樹判定，得到第二分析結(jié)果；進(jìn)行基于數(shù)據(jù)的用戶行為判定，得到第三分析結(jié)果；

S3：綜合所述第一分析結(jié)果、第二分析結(jié)果和第三分析結(jié)果，判斷所述當(dāng)前支付數(shù)據(jù)為不可信交易或可信交易，拒絕不可信交易，放行可信交易。

2.如權(quán)利要求1所述的在線支付反欺詐方法，其特征在于，所述步驟S2中，進(jìn)行黑灰名單過(guò)濾，得到第一分析結(jié)果，包括：

交易發(fā)生時(shí)得到所述當(dāng)前支付數(shù)據(jù)后，判斷所述當(dāng)前支付數(shù)據(jù)是否包含在黑名單中，若是，則將該在線支付判定為欺詐交易，若否，則判斷所述當(dāng)前支付數(shù)據(jù)是否包含在灰名單中，若是，則將該在線支付判定為可疑交易；其中，預(yù)先將高危欺詐的支付數(shù)據(jù)加入黑名單中，將具有一定風(fēng)險(xiǎn)的支付數(shù)據(jù)加入灰名單中。

3.如權(quán)利要求2所述的在線支付反欺詐方法，其特征在于，

所述高危欺詐的支付數(shù)據(jù)是指支付時(shí)發(fā)生過(guò)欺詐交易且與用戶相關(guān)的支付數(shù)據(jù)，包括用戶的賬戶、和/或用戶的終端設(shè)備；

所述具有一定風(fēng)險(xiǎn)的支付數(shù)據(jù)是指發(fā)生過(guò)欺詐交易的通用數(shù)據(jù)，包括交易地點(diǎn)、交易時(shí)間、交易金額、交易頻次、收款賬戶、和/或刷卡設(shè)備。

4.如權(quán)利要求1所述的在線支付反欺詐方法，其特征在于，所述步驟S2中，進(jìn)行基于通用支付特征的決策樹判定，得到第二分析結(jié)果，包括：通過(guò)所述基于通用支付特征的決策樹對(duì)當(dāng)前支付數(shù)據(jù)進(jìn)行判定，確定該在線支付為可疑交易或正常交易；其中，所述基于通用支付特征的決策樹的構(gòu)建步驟包括：

根據(jù)先驗(yàn)知識(shí)，將具有以下支付特征的支付行為判定為高危欺詐交易：設(shè)定短時(shí)間內(nèi)發(fā)生的跨區(qū)域高頻交易、非正常時(shí)段的高頻大額交易、具有試湊行為特征的多筆交易；高頻交易指發(fā)生次數(shù)高于設(shè)定頻次的交易；

從所述高危欺詐交易中提取屬性特征并生成訓(xùn)練數(shù)據(jù)集，所述屬性特征包括高頻交易、非正常時(shí)段交易、跨區(qū)域交易、試湊行為、相鄰兩筆交易之間的時(shí)間間隔、大額交易；

計(jì)算訓(xùn)練數(shù)據(jù)集中包含的每個(gè)屬性特征的信息增益，根據(jù)該信息增益選擇最佳的分裂決策屬性作為節(jié)點(diǎn)構(gòu)造所述基于通用支付特征的決策樹。

5.如權(quán)利要求1所述的在線支付反欺詐方法，其特征在于，所述步驟S2中，進(jìn)行基于數(shù)據(jù)的用戶行為判定，得到第三分析結(jié)果，包括：對(duì)所述當(dāng)前支付數(shù)據(jù)進(jìn)行基于用戶個(gè)性化行為特征的決策樹判定，確定該在線支付為正常交易、可疑交易或欺詐交易。

6.如權(quán)利要求5所述的在線支付反欺詐方法，其特征在于，所述基于用戶個(gè)性化行為的決策樹的構(gòu)建步驟包括：

獲取當(dāng)前在線支付的用戶在各個(gè)渠道下的支付數(shù)據(jù)；

分析獲取的用戶在各個(gè)渠道下的支付數(shù)據(jù)，生成用戶行為庫(kù)；

從所述用戶行為庫(kù)的支付數(shù)據(jù)中提取屬性特征并生成訓(xùn)練數(shù)據(jù)集，所述屬性特征包括交易設(shè)備、交易對(duì)象、交易時(shí)間、交易地點(diǎn)、交易金額、用戶確認(rèn)信息；

計(jì)算訓(xùn)練數(shù)據(jù)集中包含的每個(gè)屬性特征的信息增益，根據(jù)該信息增益選出最佳的分裂決策屬性作為節(jié)點(diǎn)構(gòu)造所述基于用戶個(gè)性化行為的決策樹。

7.如權(quán)利要求1所述的在線支付反欺詐方法，其特征在于，所述步驟S3中，綜合判斷包括：

對(duì)第一分析結(jié)果進(jìn)行判斷，若當(dāng)前支付數(shù)據(jù)存在于黑名單中，則判定當(dāng)前交易為欺詐行為，拒絕當(dāng)前交易；

對(duì)第二分析結(jié)果和第三分析結(jié)果進(jìn)行判斷，若基于通用支付特征的決策樹判定及基于數(shù)據(jù)的用戶行為判定均為可疑交易，則拒絕當(dāng)前交易；

對(duì)第三分析結(jié)果進(jìn)行判斷，若基于數(shù)據(jù)的用戶行為判定為正常交易，則放行當(dāng)前交易；若基于數(shù)據(jù)的用戶行為判定為欺詐交易，則拒絕當(dāng)前交易；

對(duì)第一分析結(jié)果、第二分析結(jié)果和第三分析結(jié)果進(jìn)行判斷，若基于通用支付特征的決策樹判定為正常交易，且基于數(shù)據(jù)的用戶行為判定為可疑交易，同時(shí)若當(dāng)前交易存在于灰名單中，則先掛起該當(dāng)前交易，隨后向?qū)?yīng)用戶注冊(cè)手機(jī)號(hào)發(fā)送短信驗(yàn)證，若驗(yàn)證通過(guò)則放行當(dāng)前交易，若無(wú)回應(yīng)，則拒絕當(dāng)前交易；若交易不存在于黑名單和灰名單中，則放行當(dāng)前交易。