基于区块链的欺诈行为确定方法及装置、介质和电子设备与流程

本公开涉及区块链技术领域，具体而言，涉及一种基于区块链的欺诈行为确定方法、基于区块链的欺诈行为确定装置、存储介质和电子设备。

背景技术：

随着人们生活水平的提高，机动车辆变得越来越普及。当车辆出现事故时，可以通过机动车辆保险(简称车险)来挽回损失。车险是指对机动车辆由于自然灾害或意外事故所造成的人身伤亡或财产损失负赔偿责任的一种商业保险。当前，车险已成为中国财产保险业务中最重要的险种之一。

针对车险这个领域，欺诈、骗保事件频发，让车险公司损失惨重。目前，主要靠人工勘查的方式来发现车险理赔过程中是否存在欺诈行为。然而，人工识别效率较低，且成本高。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现要素：

本公开的目的在于提供一种基于区块链的欺诈行为确定方法、基于区块链的欺诈行为确定装置、存储介质和电子设备，进而至少在一定程度上克服由于人工对车险欺诈行为进行确认而导致识别效率较低且成本高的问题。

根据本公开的一个方面，提供一种基于区块链的欺诈行为确定方法，所述欺诈行为确定方法包括：通过区块链网络存储驾驶事故信息；其中，所述驾驶事故信息包含驾驶事故发生前的图像；对所述区块链网络存储的驾驶事故发生前的图像进行识别，以确定驾驶事故发生前的车辆行驶特征；根据所述车辆行驶特征确定车险理赔是否存在欺诈行为。

在本公开的一种示例性实施例中，所述区块链网络存储有车辆历史信息；其中，根据所述车辆行驶特征确定车险理赔是否存在欺诈行为包括：结合所述车辆历史信息和所述驾驶事故信息，根据所述车辆行驶特征确定车险理赔是否存在欺诈行为。

在本公开的一种示例性实施例中，结合所述车辆历史信息和所述驾驶事故信息，根据所述车辆行驶特征确定车险理赔是否存在欺诈行为包括：根据所述车辆历史信息确定历史行车特征向量；根据所述驾驶事故信息确定事故特征向量；确定所述历史行车特征向量与所述事故特征向量之间的相似度；结合所述相似度根据所述车辆行驶特征确定车险理赔是否存在欺诈行为。

在本公开的一种示例性实施例中，结合所述相似度根据所述车辆行驶特征确定车险理赔是否存在欺诈行为包括：根据所述车辆行驶特征确定用于评估欺诈行为的第一评估参数；将所述相似度作为用于评估欺诈行为的第二评估参数；根据所述第一评估参数与所述第二评估参数的加权结果确定车险理赔是否存在欺诈行为。

在本公开的一种示例性实施例中，结合所述相似度根据所述车辆行驶特征确定车险理赔是否存在欺诈行为包括：根据所述车辆行驶特征确定用于评估欺诈行为的第一评估参数；将所述相似度作为用于评估欺诈行为的第二评估参数；从所述车辆历史信息中确定车辆出险次数作为用于评估欺诈行为的第三评估参数；根据所述第一评估参数、所述第二评估参数和所述第三评估参数的加权结果确定车险理赔是否存在欺诈行为。

在本公开的一种示例性实施例中，通过区块链网络存储驾驶事故信息包括：通过车辆的行车记录仪和/或道路监控摄像头获取驾驶事故发生前的图像，并将所述驾驶事故发生前的图像存储至所述区块链网络。

在本公开的一种示例性实施例中，所述欺诈行为确定方法还包括：如果车险理赔存在欺诈行为，则向车险平台发送告警信息。

根据本公开的一个方面，提供一种基于区块链的欺诈行为确定装置，所述欺诈行为确定装置包括信息存储模块、特征确定模块和欺诈行为判断模块。

具体的，信息存储模块用于通过区块链网络存储驾驶事故信息；其中，所述驾驶事故信息包含驾驶事故发生前的图像；特征确定模块用于对所述区块链网络存储的驾驶事故发生前的图像进行识别，以确定驾驶事故发生前的车辆行驶特征；欺诈行为判断模块用于根据所述车辆行驶特征确定车险理赔是否存在欺诈行为。

在本公开的一种示例性实施例中，所述区块链网络存储有车辆历史信息；其中，欺诈行为判断模块被配置为用于结合所述车辆历史信息和所述驾驶事故信息，根据所述车辆行驶特征确定车险理赔是否存在欺诈行为。

在本公开的一种示例性实施例中，欺诈行为判断模块被配置为用于根据所述车辆历史信息确定历史行车特征向量；根据所述驾驶事故信息确定事故特征向量；确定所述历史行车特征向量与所述事故特征向量之间的相似度；结合所述相似度根据所述车辆行驶特征确定车险理赔是否存在欺诈行为。

在本公开的一种示例性实施例中，欺诈行为判断模块被配置为用于根据所述车辆行驶特征确定用于评估欺诈行为的第一评估参数；将所述相似度作为用于评估欺诈行为的第二评估参数；根据所述第一评估参数与所述第二评估参数的加权结果确定车险理赔是否存在欺诈行为。

在本公开的一种示例性实施例中，欺诈行为判断模块被配置为用于根据所述车辆行驶特征确定用于评估欺诈行为的第一评估参数；将所述相似度作为用于评估欺诈行为的第二评估参数；从所述车辆历史信息中确定车辆出险次数作为用于评估欺诈行为的第三评估参数；根据所述第一评估参数、所述第二评估参数和所述第三评估参数的加权结果确定车险理赔是否存在欺诈行为。

在本公开的一种示例性实施例中，信息存储模块包括图像存储单元。

具体的，图像存储单元用于通过车辆的行车记录仪和/或道路监控摄像头获取驾驶事故发生前的图像，并将所述驾驶事故发生前的图像存储至所述区块链网络。

在本公开的一种示例性实施例中，欺诈行为确定装置还包括告警发送模块。

具体的，告警发送模块用于如果车险理赔存在欺诈行为，则向车险平台发送告警信息。

根据本公开的一个方面，提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的基于区块链的欺诈行为确定方法。

根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的基于区块链的欺诈行为确定方法。

在本公开的一些实施例所提供的技术方案中，通过区块链网络存储包含驾驶事故发生前图像的驾驶事故信息，对驾驶事故发生前的图像进行识别，确定驾驶事故发生前的车辆行驶特征，并根据车辆行驶特征确定车险理赔是否存在欺诈行为。一方面，基于本公开的方案，可以有效地确定出车险理赔是否存在欺诈行为。如果存在欺诈行为，则可以将及时发出告警，以便采取措施，避免造成损失；另一方面，本公开通过在区块链网络中存储驾驶事故信息，使得能够通过区块链网络来保证驾驶事故信息不可篡改，并且能够基于区块链网络的存储来实现驾驶事故信息的可追溯处理，进而能够有效确保驾驶事故信息的安全共享；再一方面，本公开可以基于区块链网络中存储的驶事故信息来确定车险理赔是否存在欺诈行为，有助于促进区块链技术在车险理赔反欺诈管理方面的有效推广。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1示意性示出了根据本公开的示例性实施方式的基于区块链的欺诈行为确定方法的流程图；

图2示意性示出了根据本公开的示例性实施方式的在区块链网络中实现欺诈行为确定的系统的方框图；

图3示意性示出了根据本公开的示例性实施方式的基于区块链的欺诈行为确定装置的方框图；

图4示意性示出了根据本公开的示例性实施方式的信息存储模块的方框图；

图5示意性示出了根据本公开的另一示例性实施方式的基于区块链的欺诈行为确定装置的方框图；

图6示出了根据本公开的示例性实施方式的存储介质的示意图；以及

图7示意性示出了根据本公开的示例性实施方式的电子设备的方框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

随着社会的发展，诈骗的手段越来越多，骗保事件频发，尤其针对车险这个领域，骗保的手段层出不穷，花样繁多，让车险公司损失惨重。然而，目前并不具有一套高效防范措施，主要靠人为勘查发现欺诈行为，这种方式识别效率低，成本高。

鉴于此，本公开提供了一种新的欺诈行为确定方法。

下面描述的基于区块链的欺诈行为确定方法可以基于服务器来实现，在这种情况下，本公开的欺诈行为确定装置可以配置在该服务器内。然而，本公开的欺诈行为确定方法还可以由终端设备实现，本示例性实施方式中对此不做特殊限定。

图1示意性示出了本公开的示例性实施方式的基于区块链的欺诈行为确定方法的流程图。参考图1，所述基于区块链的欺诈行为确定方法可以包括以下步骤：

s12.通过区块链网络存储驾驶事故信息；其中，所述驾驶事故信息包含驾驶事故发生前的图像。

在本公开的示例性实施方式中，驾驶事故信息可以包括与车辆的驾驶事故相关的任何信息。例如，驾驶事故信息可以包含驾驶事故发生前的图像、事故发生地点、事故发生时间、事故发生时的车速、事故发生原因等。其中，驾驶事故发生前的图像可以为驾驶事故发生前预设时间段内的图像，例如，该预设时间段可以为10秒、20秒等，本公开对预设时间段的具体数值不做限制。另外，驾驶事故信息还可以包含与车辆维修的信息，例如，维修厂的类别(例如，4s店或非4s店)、车辆维修的内容(例如，钣金、补漆的车面等)，等等。

根据本公开的一些实施例，服务器可以获取驾驶事故信息，并将驾驶事故信息以区块的形式发送至区块链网络的各个节点。

针对获取驾驶事故发生前的图像。服务器可以从车辆的行车记录仪获取驾驶事故发生前的图像。在一个实施例中，可以人为从车辆的行车记录仪中拷贝出驾驶事故发生前的图像，并将该图像上传至服务器；在另一个实施例中，车辆的行车记录仪可以与服务器进行连接，以便服务器可以直接获取驾驶事故发生前的图像。接下来，服务器可以将驾驶事故发生前的图像存储至区块链网络。

另外，服务器可以从道路监控摄像头获取驾驶事故发生前的图像。在这种情况下，服务器可以与道路交管部门建立连接并获取信任。由此，服务器可以从道路交管部门获取道路监控摄像头拍摄的与驾驶事故相关的图像，并将图像存储至区块链网络。

为了避免图像被滥用，在本公开实施例所示的场景中，可以对图像进行加密传输。例如，首先，道路交管部门在接收到服务器发送的图像获取请求后，可以获取服务器的公钥，并基于服务器的公钥采用加密算法对图像进行加密处理；接下来，道路交管部门可以将经加密的驾驶事故相关的图像发送至服务器；随后，服务器可以基于自身对应的私钥进行解密，以得到驾驶事故相关的图像。

此外，服务器还可以在获取行车记录仪的图像的前提下，获取道路监控摄像头拍摄的图像，并将这些图像存储至区块链网络。

根据本公开的一些实施例，上述事故发生地点、事故发生时间、事故发生时的车速、事故发生原因等信息可以由事故驾驶员确定，并将事故驾驶员确定的这些信息存储至区块链网络。另外，服务器还可以通过对获取到的图像进行识别，基于识别的结果确定出这些信息。

本公开通过在区块链中存储驾驶事故信息，使得能够通过区块链网络来保证驾驶事故信息不可篡改，并且能够基于区块链网络的存储来实现驾驶事故信息的可追溯处理，进而能够有效确保驾驶事故信息的安全共享。

s14.对所述区块链网络存储的驾驶事故发生前的图像进行识别，以确定驾驶事故发生前的车辆行驶特征。

根据本公开的一些实施例，车辆行驶特征可以为车速变化程度。具体的，服务器可以对驾驶事故发生前的图像进行识别，以确定在驾驶事故发生前的车速变化程度。例如，首先，可以确定道路监控摄像头所能拍摄到的路段；接下来，在一时刻点的图像上确定涉事车辆的位置，在另一时刻点的图像上确定涉事车辆的位置；随后，通过两个时刻点之间的时间差以及车辆对应位置的距离，确定出车辆在该道路监控摄像头中行驶的速度。通过连续执行上述过程，即可确定出车速的变化程度。容易理解的是，还可以基于车辆中配置的行车记录仪记录图像，以确定车速的变化程度。

根据本公开的另一些实施例，车辆行驶特征可以为车辆行驶轨迹的变化程度。具体的，服务器可以对驾驶事故发生前的图像进行识别，以确定在驾驶事故发生前的车辆行驶轨迹的变化程度。例如，首先，可以确定道路监控摄像头在一时刻点拍摄的图像，并基于该图像确定该时刻车辆的位置；接下来，可以确定道路监控摄像头在另一时刻拍摄的图像，并确定在这一时刻车辆的位置。通过连续执行上述过程，即可确定出车辆行驶轨迹的变化程度。容易理解的是，还可以基于车辆中配置的行车记录仪记录图像，以确定车辆行驶轨迹的变化程度。

根据本公开的另一些实施例，车辆行驶特征可以包括车速变化程度和车辆行驶轨迹的变化程度。另外，本公开所述的车辆行驶特征不限于此，还可以包括其他特征，例如，制动程度和避险反应程度等。

s16.根据所述车辆行驶特征确定车险理赔是否存在欺诈行为。

根据本公开的一些实施例，在确定出车辆行驶特征后，服务器可以根据车辆行驶特征确定车险理赔是否存在欺诈行为。

以车辆行驶特征为车速变化程度为例，在驾驶事故发生前，如果车速没有降低或者车速提高，则可以确定基于该驾驶事故的车险理赔存在欺诈行为。例如，当涉事车辆靠近一障碍物时，车速提高，则可以确定车险理赔存在欺诈行为。

以车辆行驶特征为车辆行驶轨迹的变化程度为例，在驾驶事故发生前，车辆存在有意偏向危险源的轨迹移动，则可以确定基于该驾驶事故的车险理赔存在欺诈行为。例如，在河堤上行驶的车辆，在没有紧急情况发生时，车辆的行驶轨迹转向河中，则可以确定车险理赔存在欺诈行为。

另外，本公开还可以针对车堵变化程度和/或车辆行驶轨迹的变化程度分别设定阈值，如果确定出的车辆行驶特征达到所设定的阈值，则可以确定车险理赔存在欺诈行为。

在本公开的另一些实施例中，区块链网络中存储有车辆历史信息，其中，车辆历史信息可以包含历史上行车记录仪所记录的图像、车辆保养维护信息、车辆行驶信息等。另外，车辆历史信息还可以包含车险合同条款信息、驾驶员历史违规记录信息、驾驶员个人征信信息等。服务器还可以将有助于进一步确认相关车险理赔反欺诈管理活动的相关图片或视频上传至区块链网络。

在这种情况下，服务器可以结合车辆历史信息和驾驶事故信息，并根据车辆行驶特征确定车险是否存在欺诈行为。

根据本公开的一个实施例，首先，可以根据车辆历史信息确定历史行车特征向量。具体的，历史行车特征向量可以是由车辆历史信息中的多个特征组成的向量。例如，将历史行车特征向量记为h，则历史行车特征向量h＝{x1,x2,x3,x4}，其中，x1表示车辆高频行驶路段，x2表示车辆高频出行时间，x3表示车辆平均车速，x4表示历史维修厂类型(例如，用0表征4s店，用1表示非4s店)。然而，不限于此，本领域技术人员容易联想到车辆历史信息中的多个特征的其他组合方式，本示例性实施方式中对车辆特征向量不做特殊限定。

接下来，可以根据驾驶事故信息确定事故特征向量。具体的，事故特征向量可以由驾驶事故信息中的多个特征组成的向量。例如，将事故特征向量记为v，则事故特征向量v＝{y1,y2,y3,y4}，其中，y1表示事故发生地点，y2表示事故发生时间，y3表示车辆出事前车速，y4表示本次事故维修厂类型。应当注意的是，此处所述的事故特征向量v与上面的历史行车特征向量h对应。然而，容易理解的是，事故特征向量可以被表示为驾驶事故信息中的多个特征的其他组合方式，本示例性实施方式中对事故特征向量不做特殊限定。

随后，服务器可以确定历史行车特征向量与事故特征向量之间的相似度。具体的，可以计算历史行车特征向量h与事故特征向量v的欧氏距离，并以欧氏距离作为相似度的确定标准。具体的，历史行车特征向量h与事故特征向量v的欧氏距离d可以通过公式1来计算：

d＝[sum(xi-yi)^2]^(1/2),i＝1,2,3,4(公式1)

然而，应当理解的是，还可以采用其他方式表征历史行车特征向量与事故特征向量之间的相似度，例如，杰卡德距离、余弦距离等，本示例性实施方式中对此不做特殊限定。

然后，可以结合相似度并根据车辆行驶特征确定车险理赔是否存在欺诈行为。在这种情况下，可以根据车辆行驶特征确定用于评估欺诈行为的第一评估参数，将上述相似度作为用于评估欺诈行为的第二评估参数，根据第一评估参数与第二评估参数的加权结果确定车险理赔是否存在欺诈行为。具体的，可以建立风险评估模型，如公式2所示：

q1＝w1*q+w2*d(公式2)

其中，q1为在此实施例下的欺诈风险；q为第一评估参数，即上述仅基于车辆行驶特征确定出的欺诈风险；d为第二评估参数，即历史行车特征向量与事故特征向量之间的相似度；w1和w2为预设的权重。另外，可以预设w1的值比w2的值大，例如，将w1设置为0.8，将w2设置为0.5，然而，开发人员可以通过试验来拟合出w1和w2，本示例性实施方式中对此不做特殊限定。

另外，可以对上述参数进行归一化处理，以方便进行计算，本公开对此不做限制。

根据本公开的另一个实施例，可以从车辆历史信息中确定车辆出险次数作为用于评估欺诈行为的第三评估参数，并结合上述确定出的第一评估参数和第二评估参数确定车险理赔是否存在欺诈行为。具体的，可以建立另一风险评估模型，如公式3所示：

q2＝w1*q+w2*d+w3*n(公式3)

其中，q2为在此实施例下的欺诈风险；q为第一评估参数，即上述仅基于车辆行驶特征确定出的欺诈风险；d为第二评估参数，即历史行车特征向量与事故特征向量之间的相似度；n为车辆出现次数；w1、w2、w3为预设的权重。另外，类似地，开发人员可以通过试验来拟合出w1、w2、w3，本公开对实际的取值不做特殊限制。

无论q1还是q2，本公开还可以设置评估阈值来确定是否存在欺诈行为。具体的，针对欺诈风险为q1的情况，可以设置第一阈值，当q1大于该第一阈值时，可以确定车险理赔存在欺诈行为。另外，针对欺诈风险为q2的情况，可以设置第二阈值，当q2大于该第二阈值时，可以确定车险理赔存在欺诈行为。其中，第一阈值和第二阈值可以由开发人员人为设定，本公开对实际的取值不做特殊限制。

根据本公开的一些实施例，在确定出车险理赔存在欺诈行为的情况下，服务器可以向车险平台发送告警信息，以提示车险平台本次车险理赔的行为是骗保的行为，进而减少车险公司的损失。

下面将参考图2对本公开的示例性实施方式的在区块链网络中实现欺诈行为确定的系统进行说明。

参考图2，本公开的示例性实施方式的在区块链网络中实现欺诈行为确定的系统可以包括区块链网络构建子系统210、数据格式定义子系统220、车辆信息存储子系统230、欺诈行为确定子系统240和系统性能评估子系统250。

具体的，区块链网络构建子系统210用于区块链节点的构建、更新和维护机制以及区块链网络的构建、更新和维护。比如可以以保险公司基层营业机构为最小节点，并基于一个或多个保险集团/公司的参与来构建区块链网络。

数据格式定义子系统220可以根据预先定义的数据结构来存储本公开所涉及的信息，以保证信息存储和信息处理的高效率。其中，输入的车辆信息可以例如包括车险合同条款信息、车辆行驶信息、车辆保养维护记录信息、驾驶员历史违规记录信息、驾驶员个人征信信息、驾驶事故发生前的图像、事故发生地点、事故发生时间、事故发生时的车速、事故发生原因等。此外，输入的信息还可以包括有助于进一步确认相关车险理赔反欺诈的图片和/或视频等信息、相关人员的公开密钥和签字。输出可以是本公开所涉及的相关凭证材料的存放链接、自动识别车险理赔反欺诈(如故意开入水中、故意碰撞等)等的风险并向相关部门发出提醒、相关信息访问者的公开密钥(账户地址)等。

具体的，预先定义的数据结构可以如表1所示：

表1

在表1所示的数据结构中，由于车辆信息材料和其他材料通常会包含一些图像、文档等数据量比较大的信息，因此为了提高存储效率和解决区块信息过大的问题，在本发明的实施例中，可以将图像等比较大的材料以链接的形式存放在区块中，这个链接的值就是通过哈希函数对材料进行加密得到的哈希值，比如sha1等，这种通过哈希函数得到指针链接的方式能够保证内容不可篡改。而实际的材料既可以存放在区块链节点的局部存储设备中，又可以以云存储的方式存放。同时，为了保证材料存储的高可靠性，可以采用冗余编码的方式对材料进行存储，譬如采用rs编码(即reed-solomoncodes，是一种前向纠错的信道编码，对由校正过采样数据所产生的多项式有效)或ldpc(lowdensityparitycheckcode，低密度奇偶校验码)编码的方式等对材料进行冗余编码处理。

车辆信息存储子系统230用于存储车辆信息。具体的，每个车辆信息可以通过上述表1的格式上传至区块链网络中，以便车辆信息存储子系统230进行存储。

欺诈行为确定子系统240可以利用上述欺诈行为确定方法确定出车险理赔是否存在欺诈行为，在此不再赘述。

系统性能评估子系统250可以用于评估上述欺诈行为确定方法，进而评估车险理赔反欺诈管理的及时性、有效性和准确性，以便通过在区块链网络中有效实现车险理赔反欺诈管理，从而有助于促进区块链技术应用在车险理赔反欺诈管理方面的有效推广。

应当注意，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

进一步的，本示例实施方式中还提供了一种基于区块链的欺诈行为确定装置。

图3示意性示出了本公开的示例性实施方式的基于区块链的欺诈行为确定装置的方框图。参考图3，根据本公开的示例性实施方式的基于区块链的欺诈行为确定装置3可以包括信息存储模块31、特征确定模块33和欺诈行为判断模块35。

具体的，信息存储模块31可以用于通过区块链网络存储驾驶事故信息；其中，所述驾驶事故信息包含驾驶事故发生前的图像；特征确定模块33可以用于对所述区块链网络存储的驾驶事故发生前的图像进行识别，以确定驾驶事故发生前的车辆行驶特征；欺诈行为判断模块35可以用于根据所述车辆行驶特征确定车险理赔是否存在欺诈行为。

根据本公开示例性实施方式的基于区块链的欺诈行为确定装置，一方面，基于本公开的方案，可以有效地确定出车险理赔是否存在欺诈行为。如果存在欺诈行为，则可以将及时发出告警，以便采取措施，避免造成损失；另一方面，本公开通过在区块链网络中存储驾驶事故信息，使得能够通过区块链网络来保证驾驶事故信息不可篡改，并且能够基于区块链网络的存储来实现驾驶事故信息的可追溯处理，进而能够有效确保驾驶事故信息的安全共享；再一方面，本公开可以基于区块链网络中存储的驶事故信息来确定车险理赔是否存在欺诈行为，有助于促进区块链技术在车险理赔反欺诈管理方面的有效推广。

根据本公开的示例性实施例，所述区块链网络存储有车辆历史信息；其中，欺诈行为判断模块35可以被配置为用于结合所述车辆历史信息和所述驾驶事故信息，根据所述车辆行驶特征确定车险理赔是否存在欺诈行为。

根据本公开的示例性实施例，欺诈行为判断模块35可以被配置为用于根据所述车辆历史信息确定历史行车特征向量；根据所述驾驶事故信息确定事故特征向量；确定所述历史行车特征向量与所述事故特征向量之间的相似度；结合所述相似度根据所述车辆行驶特征确定车险理赔是否存在欺诈行为。

根据本公开的示例性实施例，欺诈行为判断模块35可以被配置为用于根据所述车辆行驶特征确定用于评估欺诈行为的第一评估参数；将所述相似度作为用于评估欺诈行为的第二评估参数；根据所述第一评估参数与所述第二评估参数的加权结果确定车险理赔是否存在欺诈行为。

根据本公开的示例性实施例，欺诈行为判断模块35可以被配置为用于根据所述车辆行驶特征确定用于评估欺诈行为的第一评估参数；将所述相似度作为用于评估欺诈行为的第二评估参数；从所述车辆历史信息中确定车辆出险次数作为用于评估欺诈行为的第三评估参数；根据所述第一评估参数、所述第二评估参数和所述第三评估参数的加权结果确定车险理赔是否存在欺诈行为。

根据本公开的示例性实施例，参考图4，信息存储模块31可以包括图像存储单元401。

具体的，图像存储单元401可以用于通过车辆的行车记录仪和/或道路监控摄像头获取驾驶事故发生前的图像，并将所述驾驶事故发生前的图像存储至所述区块链网络。

根据本公开的示例性实施例，参考图5，欺诈行为确定装置5相比于欺诈行为确定装置3，还可以包括告警发送模块51。

具体的，告警发送模块51可以用于如果车险理赔存在欺诈行为，则向车险平台发送告警信息。

由于本发明实施方式的程序运行性能分析装置的各个功能模块与上述方法发明实施方式中相同，因此在此不再赘述。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品600，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图7来描述根据本发明的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：上述至少一个处理单元710、上述至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730、显示单元740。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元710执行，使得所述处理单元710执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元710可以执行如图1中所示的步骤s12：通过区块链网络存储驾驶事故信息；其中，所述驾驶事故信息包含驾驶事故发生前的图像；步骤s14：对所述区块链网络存储的驾驶事故发生前的图像进行识别，以确定驾驶事故发生前的车辆行驶特征；步骤s16：根据所述车辆行驶特征确定车险理赔是否存在欺诈行为。

存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(rom)7203。

存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备700也可以与一个或多个外部设备800(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器760通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。