一种异常交易账户的识别方法、装置及存储介质与流程

1.本技术涉及计算机技术领域，尤其涉及一种异常交易账户的识别方法、装置及存储介质。


背景技术：

2.随着消费观念的变化以及线上购物的发展，信用卡的使用越来越普及。由于信用卡的每次取现银行都需要收取一定的手续费(一般1％左右)，而通过销售终端(例如pos机)刷卡消费，只需要收取商家0.4％左右的手续费，由此产生的获利空间，让黑产对信用卡套现趋之若鹜，大额套现对银行造成很严重的利润损失。
3.一般，对于包含特定交易操作的账户的识别过程可以基于一些统计变量进行，即形成固定的识别规则来识别交易环节异常的刷卡行为。比如：若同一张卡的整数金额交易占比高于某个阈值，则可判定为套现行为。
4.但是，基于固定的识别规则的账户识别过程覆盖率低，具规则无法全面的覆盖到所有的交易账户，且容易被黑产人员规避，影响对于异常交易账户的识别的准确性。


技术实现要素：

5.有鉴于此，本技术提供一种异常交易账户的识别方法，可以有效提高异常交易账户的识别的准确性。
6.本技术第一方面提供一种异常交易账户的识别方法，可以应用于终端设备中包含异常交易账户的识别功能的系统或程序中，具体包括：
7.获取待识别交易信息源的交易流水数据，其中所述交易流水数据包括交易账户与商户之间的交易关系；
8.根据所述交易账户与商户之间的交易关系进行交易行为表示，以确定所述交易账户对应的商户交易向量；
9.调用所述交易流水数据中包含的目标标识对所述交易账户进行集群的标识匹配，以基于标识匹配结果划分得到种子集和候选集，所述种子集为包含所述目标标识的多个种子账户的集合，所述候选集为不包含所述目标标识的多个候选账户的集合，所述目标标识用于指示目标类型的账户；
10.对所述候选账户以及子账户对应的商户交易向量分别进行向量相似度分析处理，以确定所述候选账户对应的商户交易向量与所述种子账户对应的商户交易向量的相似度；
11.基于所述相似度与风险阈值的比较结果对所述候选集中的交易账户进行风险判定，以筛选得到所述待识别交易信息源中关于所述目标类型的异常交易账户。
12.可选的，在本技术一些可能的实现方式中，所述根据所述交易账户与商户之间的交易关系进行交易行为表示，以确定所述交易账户对应的商户交易向量，包括：
13.遍历所述交易账户与商户之间的交易关系中指示的交易行为，以确定所述交易流水数据中的商户列表以及账户列表；
14.若所述账户列表中的交易账户与所述商户列表中的各个商户之间存在交易行为，则确定所述交易账户的位置标识为第一字符；
15.若所述账户列表中的交易账户与所述商户列表中的各个商户之间不存在交易行为，则确定所述交易账户的位置标识为第二字符；
16.根据所述第一字符和所述第二字符的组合确定所述交易账户对应的商户交易向量。
17.可选的，在本技术一些可能的实现方式中，所述遍历所述交易账户与商户之间的交易关系中指示的交易行为，以确定所述交易流水数据中的商户列表以及账户列表，包括：
18.基于所述交易流水数据中的输入字段进行字段匹配，以整理得到数据表格；
19.响应于预设时段的设定，从所述数据表格中筛选得到处理数据；
20.按照预设字段对所述处理数据进行数据检索，以对所述处理数据进行标准化处理得到针对预设项目设定的目标表格；
21.根据所述目标表格确定所述商户列表以及所述账户列表。
22.可选的，在本技术一些可能的实现方式中，所述根据所述目标表格确定所述商户列表以及所述账户列表，包括：
23.根据所述目标表格确定交易商户序列；
24.基于所述交易流水数据中的输入字段进行字段匹配，以整理得到数据表格；
25.提取所述目标表格中的账户标识项并进行账户统计，以得到所述账户列表。
26.可选的，在本技术一些可能的实现方式中，所述方法还包括：
27.确定所述商户列表中各个商户对应的交易对象信息；
28.基于所述交易对象信息确定所述商户列表中各个商户的热度值；
29.根据所述热度值对商户进行阈值比较，以对所述商户列表进行更新。
30.可选的，在本技术一些可能的实现方式中，所述方法还包括：
31.提取所述目标表格中的交易金额项；
32.获取针对于目标类型设定的安全阈值；
33.基于所述安全阈值与所述交易金额项的大小关系对所述目标表格中的安全条目进行筛除，以对所述目标表格进行更新。
34.可选的，在本技术一些可能的实现方式中，所述调用所述交易流水数据中包含的目标标识对所述交易账户进行集群的标识匹配，以基于标识匹配结果划分得到种子集和候选集，包括：
35.对所述交易流水数据中的种子标识项进行项目识别，以确定所述交易流水数据中的种子标识项，所述种子标识项基于历史记录标记所得；
36.对所述种子标识项中的标识进行识别，以确定识别结果中包含所述目标标识的交易账户，并将包含所述目标标识的交易账户划分入所述种子集；
37.对所述种子标识项中的标识进行识别，以确定所述识别结果中不包含所述目标标识的交易账户，并将不包含所述目标标识的交易账户划分入所述候选集。
38.可选的，在本技术一些可能的实现方式中，所述方法还包括：
39.响应于标识设定操作的进行，对种子标识项进行标识设定，以得到标记后的所述种子标识项；
40.将所述标记后的所述种子标识项输入核验平台，以对进行所述标记后的所述种子标识项核验；
41.若标记后的所述种子标识项通过核验，则对所述种子集和所述候选集进行更新。
42.可选的，在本技术一些可能的实现方式中，所述对所述候选账户以及子账户对应的商户交易向量分别进行向量相似度分析处理，以确定所述候选账户对应的商户交易向量与所述种子账户对应的商户交易向量的相似度，包括：
43.响应于所述种子集的配置完成，调用预设公式；
44.对所述候选账户对应的商户交易向量与所述种子账户对应的商户交易向量基于所述预设公式依次进行配对，以对配对所得的对象进行交叉计算得到所述相似度。
45.可选的，在本技术一些可能的实现方式中，所述方法还包括：
46.确定所述候选账户对应的用户标识；
47.基于所述用户标识进行账户检索，以得到多个关联账户；
48.确定所述关联账户与所述种子集中账户的相似度；
49.根据所述关联账户与所述种子集中账户的相似度对所述用户标识进行基于所述目标类型的交易风险标记。
50.可选的，在本技术一些可能的实现方式中，所述根据所述关联账户与所述种子集中账户的相似度对所述用户标识进行基于所述目标类型的交易风险标记，包括：
51.确定多个所述关联账户对应的交易发生时序；
52.根据所述交易发生时序确定加权参数，以基于所述加权参数对所述关联账户与所述种子集中账户的相似度进行加权得到加权结果；
53.基于所述加权结果对所述用户标识进行基于所述目标类型的交易风险标记。
54.可选的，在本技术一些可能的实现方式中，所述交易流水数据为银行的信用卡交易流水数据，所述目标类型为存在信用卡套现风险的账户。
55.本技术第二方面提供一种异常交易账户的识别装置，包括：获取单元，用于获取待识别交易信息源的交易流水数据，其中所述交易流水数据包括交易账户与商户之间的交易关系；
56.确定单元，用于根据所述交易账户与商户之间的交易关系进行交易行为表示，以确定所述交易账户对应的商户交易向量；
57.划分单元，用于调用所述交易流水数据中包含的目标标识对所述交易账户进行集群的标识匹配，以基于标识匹配结果划分得到种子集和候选集，所述种子集为包含所述目标标识的多个种子账户的集合，所述候选集为不包含所述目标标识的多个候选账户的集合，所述目标标识用于指示目标类型的账户；
58.所述确定单元，还用于对所述候选账户以及子账户对应的商户交易向量分别进行向量相似度分析处理，以确定所述候选账户对应的商户交易向量与所述种子账户对应的商户交易向量的相似度；
59.识别单元，用于基于所述相似度与风险阈值的比较结果对所述候选集中的交易账户进行风险判定，以筛选得到所述待识别交易信息源中关于所述目标类型的异常交易账户。
60.可选的，在本技术一些可能的实现方式中，所述确定单元，具体用于遍历所述交易
账户与商户之间的交易关系中指示的交易行为，以确定所述交易流水数据中的商户列表以及账户列表；
61.所述确定单元，具体用于若所述账户列表中的交易账户与所述商户列表中的各个商户之间存在交易行为，则确定所述交易账户的位置标识为第一字符；
62.所述确定单元，具体用于若所述账户列表中的交易账户与所述商户列表中的各个商户之间不存在交易行为，则确定所述交易账户的位置标识为第二字符；
63.所述确定单元，具体用于根据所述第一字符和所述第二字符的组合确定所述交易账户对应的商户交易向量。
64.可选的，在本技术一些可能的实现方式中，所述确定单元，具体用于基于所述交易流水数据中的输入字段进行字段匹配，以整理得到数据表格；
65.所述确定单元，具体用于响应于预设时段的设定，从所述数据表格中筛选得到处理数据；
66.所述确定单元，具体用于按照预设字段对所述处理数据进行数据检索，以对所述处理数据进行标准化处理得到针对预设项目设定的目标表格；
67.所述确定单元，具体用于根据所述目标表格确定所述商户列表以及所述账户列表。
68.可选的，在本技术一些可能的实现方式中，所述确定单元，具体用于根据所述目标表格确定交易商户序列；
69.所述确定单元，具体用于基于所述交易流水数据中的输入字段进行字段匹配，以整理得到数据表格；
70.所述确定单元，具体用于提取所述目标表格中的账户标识项并进行账户统计，以得到所述账户列表。
71.可选的，在本技术一些可能的实现方式中，所述确定单元，具体用于确定所述商户列表中各个商户对应的交易对象信息；
72.所述确定单元，具体用于基于所述交易对象信息确定所述商户列表中各个商户的热度值；
73.所述确定单元，具体用于根据所述热度值对商户进行阈值比较，以对所述商户列表进行更新。
74.可选的，在本技术一些可能的实现方式中，所述确定单元，具体用于提取所述目标表格中的交易金额项；
75.所述确定单元，具体用于获取针对于目标类型设定的安全阈值；
76.所述确定单元，具体用于基于所述安全阈值与所述交易金额项的大小关系对所述目标表格中的安全条目进行筛除，以对所述目标表格进行更新。
77.可选的，在本技术一些可能的实现方式中，所述划分单元，具体用于对所述交易流水数据中的种子标识项进行项目识别，以确定所述交易流水数据中的种子标识项，所述种子标识项基于历史记录标记所得；
78.所述划分单元，具体用于对所述种子标识项中的标识进行识别，以确定识别结果中包含所述目标标识的交易账户，并将包含所述目标标识的交易账户划分入所述种子集；
79.所述划分单元，具体用于对所述种子标识项中的标识进行识别，以确定所述识别
结果中不包含所述目标标识的交易账户，并将不包含所述目标标识的交易账户划分入所述候选集。
80.可选的，在本技术一些可能的实现方式中，所述划分单元，具体用于响应于标识设定操作的进行，对种子标识项进行标识设定，以得到标记后的所述种子标识项；
81.所述划分单元，具体用于将所述标记后的所述种子标识项输入核验平台，以对进行所述标记后的所述种子标识项核验；
82.所述划分单元，具体用于若标记后的所述种子标识项通过核验，则对所述种子集和所述候选集进行更新。
83.可选的，在本技术一些可能的实现方式中，所述确定单元，具体用于响应于所述种子集的配置完成，调用预设公式；
84.所述确定单元，具体用于对所述候选账户对应的商户交易向量与所述种子账户对应的商户交易向量基于所述预设公式依次进行配对，以对配对所得的对象进行交叉计算得到所述相似度。
85.可选的，在本技术一些可能的实现方式中，所述识别单元，具体用于确定所述候选账户对应的用户标识；
86.所述识别单元，具体用于基于所述用户标识进行账户检索，以得到多个关联账户；
87.所述识别单元，具体用于确定所述关联账户与所述种子集中账户的相似度；
88.所述识别单元，具体用于根据所述关联账户与所述种子集中账户的相似度对所述用户标识进行基于所述目标类型的交易风险标记。
89.可选的，在本技术一些可能的实现方式中，所述识别单元，具体用于确定多个所述关联账户对应的交易发生时序；
90.所述识别单元，具体用于根据所述交易发生时序确定加权参数，以基于所述加权参数对所述关联账户与所述种子集中账户的相似度进行加权得到加权结果；
91.所述识别单元，具体用于基于所述加权结果对所述用户标识进行基于所述目标类型的交易风险标记。
92.本技术第三方面提供一种计算机设备，包括：存储器、处理器以及总线系统；所述存储器用于存储程序代码；所述处理器用于根据所述程序代码中的指令执行上述第一方面或第一方面任一项所述的异常交易账户的识别方法。
93.本技术第四方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面或第一方面任一项所述的异常交易账户的识别方法。
94.根据本技术的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述第一方面或者第一方面的各种可选实现方式中提供的异常交易账户的识别方法。
95.从以上技术方案可以看出，本技术实施例具有以下优点：
96.通过获取待识别交易信息源的交易流水数据；然后根据交易账户与商户之间的交易关系进行交易行为表示，以确定交易账户对应的商户交易向量；并调用交易流水数据中
包含的目标标识对交易账户进行集群的标识匹配，以基于标识匹配结果划分得到种子集和候选集，其中种子集为包含目标标识的多个种子账户的集合，候选集为不包含目标标识的多个候选账户的集合，目标标识用于指示目标类型的账户；进一步的确定候选账户对应的商户交易向量与种子账户对应的商户交易向量的相似度；进而基于相似度与风险阈值的比较结果对候选集中的交易账户进行风险判定，以筛选得到待识别交易信息源中关于目标类型的异常交易账户。从而实现基于种子集的协同过滤过程，由于种子集中的账户与候选集中的账户具有相似的交易商户，通过将交易商户向量化来确定与种子集账户相似的账户，提高了账户识别的覆盖率，保证了账户识别的准确性。
附图说明
97.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的实施例，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，还可以根据提供的附图获得其他的附图。
98.图1为异常交易账户的识别系统运行的网络架构图；
99.图2为本技术实施例提供的一种异常交易账户的识别的流程架构图；
100.图3为本技术实施例提供的一种异常交易账户的识别方法的流程图；
101.图4为本技术实施例提供的一种异常交易账户的识别方法的场景示意图；
102.图5为本技术实施例提供的另一种异常交易账户的识别方法的流程图；
103.图6为本技术实施例提供的另一种异常交易账户的识别方法的场景示意图；
104.图7为本技术实施例提供的另一种异常交易账户的识别方法的流程图；
105.图8为本技术实施例提供的另一种异常交易账户的识别方法的场景示意图；
106.图9为本技术实施例提供的一种异常交易账户的识别装置的结构示意图；
107.图10为本技术实施例提供的一种终端设备的结构示意图；
108.图11为本技术实施例提供的一种服务器的结构示意图；
109.图12a为本技术实施例提供的一种数据共享系统；
110.图12b为本技术实施例提供的一种区块链的组成；
111.图12c为本技术实施例提供的一种区块链节点的输入信息示意图。
具体实施方式
112.本技术实施例提供了一种异常交易账户的识别方法以及相关装置，可以应用于终端设备中包含异常交易账户的识别功能的系统或程序中，通过获取待识别交易信息源的交易流水数据；然后根据交易账户与商户之间的交易关系进行交易行为表示，以确定交易账户对应的商户交易向量；并调用交易流水数据中包含的目标标识对交易账户进行集群的标识匹配，以基于标识匹配结果划分得到种子集和候选集，其中种子集为包含目标标识的多个种子账户的集合，候选集为不包含目标标识的多个候选账户的集合，目标标识用于指示目标类型的账户；进一步的确定候选账户对应的商户交易向量与种子账户对应的商户交易向量的相似度；进而基于相似度与风险阈值的比较结果对候选集中的交易账户进行风险判定，以筛选得到待识别交易信息源中关于目标类型的异常交易账户。从而实现基于种子集
的协同过滤过程，由于种子集中的账户与候选集中的账户具有相似的交易商户，通过将交易商户向量化来确定与种子集账户相似的账户，提高了账户识别的覆盖率，保证了账户识别的准确性。
113.本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“对应于”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
114.首先，对本技术实施例中可能出现的一些名词进行解释。
115.套现：持卡人不通过正常合法手续(atm或柜台)提取现金，而通过其他手段将卡中信用额度内的资金以现金的方式套取，同时又不支付银行提现费用的行为。
116.长尾套现个体：在交易数据中分布零散但数量众多的套现个体，这是由于套现行为一般难以识别。
117.协同过滤：利用具有共同的交易特征来推荐该交易特征对应类型的交易信息。
118.应理解，本技术提供的异常交易账户的识别方法可以应用于终端设备中包含异常交易账户的识别功能的系统或程序中，例如金融安全平台，具体的，异常交易账户的识别系统可以运行于如图1所示的网络架构中，如图1所示，是异常交易账户的识别系统运行的网络架构图，如图可知，异常交易账户的识别系统可以提供与多个信息源的异常交易账户的识别过程，即通过终端侧的交易操作在服务器中进行统计，以得到交易流水数据，服务器根据统计得到的交易流水数据进行账户识别，从而得到目标类型的账户；可以理解的是，图1中示出了多种终端设备，终端设备可以为计算机设备，在实际场景中可以有更多或更少种类的终端设备参与到异常交易账户的识别的过程中，具体数量和种类因实际场景而定，此处不做限定，另外，图1中示出了一个服务器，但在实际场景中，也可以有多个服务器的参与，具体服务器数量因实际场景而定。
119.本实施例中，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，终端以及服务器可以连接组成区块链网络，本技术在此不做限制。
120.可以理解的是，上述异常交易账户的识别系统可以运行于个人移动终端，例如：作为金融安全平台这样的应用，也可以运行于服务器，还可以作为运行于第三方设备以提供异常交易账户的识别，以得到信息源的异常交易账户的识别处理结果；具体的异常交易账户的识别系统可以是以一种程序的形式在上述设备中运行，也可以作为上述设备中的系统部件进行运行，还可以作为云端服务程序的一种，具体运作模式因实际场景而定，此处不做限定。
121.随着消费观念的变化以及线上购物的发展，信用卡的使用越来越普及。由于信用
卡的每次取现银行都需要收取一定的手续费(一般1％左右)，而通过销售终端(例如pos机)刷卡消费，只需要收取商家0.4％左右的手续费，由此产生的获利空间，让黑产对信用卡套现趋之若鹜，大额套现对银行造成很严重的利润损失。
122.一般，可以采用基于人工智能的识别方式，人工智能(artificial intelligence,ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
123.人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
124.具体的，基于人工智能的账户识别即对于包含特定交易操作的账户的识别过程可以基于一些统计变量进行，即形成固定的识别规则来识别交易环节异常的刷卡行为。比如：若同一张卡的整数金额交易占比高于某个阈值，则可判定为套现行为。
125.但是，基于固定的识别规则的账户识别过程覆盖率低，具规则无法全面的覆盖到所有的交易账户，且容易被黑产人员规避，影响对于异常交易账户的识别的准确性。
126.为了解决上述问题，本技术提出了一种异常交易账户的识别方法，该方法应用于图2所示的异常交易账户的识别的流程框架中，如图2所示，为本技术实施例提供的一种异常交易账户的识别的流程架构图，用户通过终端进行交易操作，从而在服务器中产生相应的交易流水，该服务器可以是银行内的信用卡数据服务器，从而基于银行内的信用卡交易流水数据，采用协同过滤推荐思想，构建账户(用户或银行卡)的商户交易向量，并标记种子账户，通过计算候选集与种子集的账户向量相似度，从候选集中对套现长尾账户实施召回识别，从而打击信用卡套现行为。
127.可以理解的是，本技术所提供的方法可以为一种程序的写入，以作为硬件系统中的一种处理逻辑，也可以作为一种异常交易账户的识别装置，采用集成或外接的方式实现上述处理逻辑。作为一种实现方式，该异常交易账户的识别装置通过获取待识别交易信息源的交易流水数据；然后根据交易账户与商户之间的交易关系进行交易行为表示，以确定交易账户对应的商户交易向量；并调用交易流水数据中包含的目标标识对交易账户进行集群的标识匹配，以基于标识匹配结果划分得到种子集和候选集，其中种子集为包含目标标识的多个种子账户的集合，候选集为不包含目标标识的多个候选账户的集合，目标标识用于指示目标类型的账户；进一步的确定候选账户对应的商户交易向量与种子账户对应的商户交易向量的相似度；进而基于相似度与风险阈值的比较结果对候选集中的交易账户进行风险判定，以筛选得到待识别交易信息源中关于目标类型的异常交易账户。从而实现基于种子集的协同过滤过程，由于种子集中的账户与候选集中的账户具有相似的交易商户，通过将交易商户向量化来确定与种子集账户相似的账户，提高了账户识别的覆盖率，保证了账户识别的准确性。
128.结合上述流程架构，下面将对本技术中异常交易账户的识别方法进行介绍，请参
阅图3，图3为本技术实施例提供的一种异常交易账户的识别方法的流程图，该管理方法可以是由终端执行的，也可以是由服务器执行的，还可以是由终端和服务器共同执行的，本技术实施例至少包括以下步骤：
129.301、获取待识别交易信息源的交易流水数据。
130.本实施例中，待识别交易信息源可以是银行、网络支付平台等具有金融信息管理功能的信息源，即交易流水数据可以为银行的信用卡交易流水数据，也可以是其他具有金融统计功能的对象中的数据，例如：第三方支付平台交易数据。
131.另外，本实施例用户对账户进行是否为目标类型的识别，该目标类型可以为存在信用卡套现风险的账户，也可以为其他涉及相关交易特征的账户，例如洗钱账户等，此处以信用卡套现风险账户的识别为例进行说明，并不做限定。
132.302、根据交易账户与商户之间的交易关系进行交易行为表示，以确定交易账户对应的商户交易向量。
133.本实施例中，交易流水数据中包含了交易账户以及对应的商户，并记录了两者之间交易过程所涉及的账号、金额或时间等要素，其中，交易关系即为交易账户与商户之间是否进行了交易，即是否具有交易行为，从而确定交易账户对应的商户交易向量。
134.具体的，对于交易账户对应的商户交易向量的确定过程，可以首先确定交易流水数据中的商户列表以及账户列表；若账户列表中的交易账户与商户列表中的各个商户之间存在交易行为，则确定交易账户的位置标识为第一字符(例如1)；若账户列表中的交易账户与商户列表中的各个商户之间不存在交易行为，则确定交易账户的位置标识为第二字符(例如0)；然后根据第一字符和第二字符的组合确定交易账户对应的商户交易向量。
135.在一种可能的场景中，如图4所示，图4为本技术实施例提供的一种异常交易账户的识别方法的场景示意图。图中示出了账户1(c1)、账户2(c2)和账户3(c3)，可见账户1(c1)与商户2(m2)、商户3(m3)以及商户4(m4)存在交易行为，则m2、m3以及m4对应位置标识为1(第一字符)，而与m1不存在交易行为，则m1对应位置标识为0(第二字符)。故账户1(c1)的商户交易向量刻画为：
[0136][0137]
另外，账户2(c2)和账户3(c3)的交易商户向量分别刻画为：
[0138][0139]
通过上述交易账户对应的商户交易向量的确定，反应了账户与商户交易维度的关联性，以便于后续的协同过滤过程。
[0140]
可以理解的是，上述实施例中第一字符与第二字符的形式仅为示例，具体的字符表示因实际场景而定。
[0141]
可选的，由于输入银行原始交易流水，数据格式是非标准化的，为了便于数据的快速处理，故需要进行标准化处理的过程，即首先基于交易流水数据中的输入字段进行整理，以得到数据表格；然后响应于预设时段(例如最近3个月)的设定，从数据表格中筛选得到处理数据；基于处理数据进行标准化处理，以得到针对预设项目设定的目标表格；进而根据目标表格确定商户列表以及账户列表。
[0142]
在一种可能的场景中，数据表格包含的字段如表1所示。
[0143]
表1原始输入数据字段
[0144][0145]
然后基于交易时间，筛选出k个月(预设时段)的数据，并进行格式标准化得到表2(目标表格)，从而提升了数据的提取效率。
[0146]
表2标准化格式字段
[0147][0148]
可选的，在交易流水中，同一商户可能涉及多个对象的交易过程，此时只需统计一次即可，即对于商户列表的确定，为构建商户词典的过程，可以首先根据目标表格确定交易商户序列；然后对交易商户序列中的商户进行去重处理，以得到商户列表，从而减少数据处理量。
[0149]
可选的，为了进一步的减少数据处理量，对于可能判断为正常商户的数据可以进行剔除，即首先确定商户列表中各个商户对应的交易对象信息；然后基于交易对象信息确定商户列表中各个商户的热度值；进而根据热度值对商户进行筛选，以对商户列表进行更新。
[0150]
在一种可能的场景中，商户的热度值即为交易发生次数的表现，基于商户的热度值可以得到低热商户和高热商户；故可以对低热商户剔除，即剔除掉只有过一张信用卡交易的商户，即剔除长尾无交集的商户；也可以将高热商户剔除，即剔除掉有过n张信用卡交易过的商户，即剔除正常商户，从而减少数据处理量，提升识别效率。
[0151]
可选的，对于交易流水数据中的小额流水也可以进行剔除，即首先提取目标表格中的交易金额项；然后获取针对于目标类型设定的安全阈值；进而基于安全阈值与交易金额项的大小关系对目标表格中的安全条目进行筛除，以对目标表格进行更新。即剔除掉交易金额《＝m元的流水。比如：交易金额《＝100元的交易流水恶意程度低且流水量特别大，直接剔除可以大大降低计算量。
[0152]
可以理解的是，具体的筛除对象的设定可以是小于安全阈值的流水，例如小于100元的流水；也可以是大于安全阈值的流水，例如对于房产交易中心常涉及大额交易；还可以是位于一定范围内的流水，具体的筛除方式因实际场景而定。
[0153]
303、调用交易流水数据中包含的目标标识对交易账户进行集群的标识匹配，以基于标识匹配结果划分得到种子集和候选集。
[0154]
本实施例中，种子集为包含目标标识的多个种子账户的集合，候选集为不包含目标标识的多个候选账户的集合，目标标识用于指示目标类型的账户；其中，种子账户即为标记为当前存在套现行为或历史记录中存在套现行为的账户，通过种子账户与商户之间的交易网络协同过滤候选集中的账户，从而确定与种子账户相似的账户，由于交易的商户为同一范围内选定的，保证了相似过程的准确性以及可能性。
[0155]
具体的，对于候选集与种子集的划分过程，可以首先对交易流水数据中的种子标识项进行项目识别，以确定交易流水数据中的种子标识项，该种子标识项基于历史记录标记所得；然后对种子标识项中的标识进行识别，以确定识别结果中包含目标标识的交易账户，并将包含目标标识的交易账户划分入种子集；进而对种子标识项中的标识进行识别，以确定识别结果中不包含目标标识的交易账户，并将不包含目标标识的交易账户划分入候选集，由于种子标识项的可识别性，提高了集群划分的效率。
[0156]
在一种可能的场景中，在表2所示的目标表格中存在f4(套现种子标识)项，故基于套现种子标识字段，将用户(卡)划分为套现种子集和候选集。
[0157]
具体的，如表3所示，将账户划分成了种子集和候选集。
[0158]
表3交易账户划分情况
[0159]
账户套现标识划分类别c10候选集c21种子集c30候选集
[0160]
可选的，套现标识也可以是人工即时标记的，例如实时接收到的套现账户信息，然后对相应的账户进行标识设定操作，即响应于标识设定操作的进行，对种子标识项进行标记；然后将标记后的种子标识项输入核验平台，以对进行标记后的种子标识项核验；若标记后的种子标识项通过核验，则对种子集和候选集进行更新，从而实现实时划分的过程，保证了种子集的准确性。
[0161]
304、对候选账户以及子账户对应的商户交易向量分别进行向量相似度分析处理，以确定候选账户对应的商户交易向量与种子账户对应的商户交易向量的相似度。
[0162]
本实施例中，相似度的计算可以是基于预设公式进行的，该预设公式可以是余弦相似度公式，即首先响应于种子集的配置完成，调用预设公式；然后对候选账户对应的商户交易向量与种子账户对应的商户交易向量基于预设公式依次进行配对，以对配对所得的对象进行交叉计算得到相似度。
[0163]
具体的，余弦相似度公式如下所示：
[0164][0165]
其中，a表示候选账户对应的商户交易向量，b表示种子账户对应的商户交易向量。
[0166]
在如图4所示的场景中，基于表3划分好的种子集和候选集，计算c1和c2相似度计算过程如下：
[0167][0168]
对应的，相似度计算结果如表4所示。
[0169]
表4种子集和候选集之间的账户相似度计算结果
[0170][0171]
305、基于相似度与风险阈值的比较结果对候选集中的交易账户进行风险判定，以筛选得到待识别交易信息源中关于目标类型的异常交易账户。
[0172]
本实施例中，风险阈值即为符合目标类型的相似度阈值，例如基于表4得到的相似度结果，利用经验阈值，筛选出套现风险用户(卡)。比如：选择0.6作为相似度阈值进行风险判定，则表4案例中被判断为套现风险的只有c1。从而，c1作为被识别的套现个体输出，即c1为异常交易账户。
[0173]
通过上述比较过程，依次对候选集中的候选账户进行计算，从而得到套现个体的输出结果，即待识别交易信息源中关于目标类型的多个异常交易账户。
[0174]
在一种可能的场景中，若种子集中的种子账户由多个，则分别计算候选账户与每个种子账户的相似度，并取平均值，通过多个种子账户的设定，进一步提高了识别特征覆盖的全面性，从而保证了套现个体输出的准确性。
[0175]
结合上述实施例可知，通过获取待识别交易信息源的交易流水数据；然后根据交易账户与商户之间的交易关系进行交易行为表示，以确定交易账户对应的商户交易向量；并调用交易流水数据中包含的目标标识对交易账户进行集群的标识匹配，以基于标识匹配结果划分得到种子集和候选集，其中种子集为包含目标标识的多个种子账户的集合，候选集为不包含目标标识的多个候选账户的集合，目标标识用于指示目标类型的账户；进一步的确定候选账户对应的商户交易向量与种子账户对应的商户交易向量的相似度；进而基于相似度与风险阈值的比较结果对候选集中的交易账户进行风险判定，以筛选得到待识别交易信息源中关于目标类型的异常交易账户。从而实现基于种子集的协同过滤过程，由于种子集中的账户与候选集中的账户具有相似的交易商户，通过将交易商户向量化来确定与种子集账户相似的账户，提高了账户识别的覆盖率，保证了账户识别的准确性。
[0176]
下面结合信用卡套现识别的场景，对本技术的异常交易账户的识别过程进行说明。请参阅图5，图5为本技术实施例提供的另一种异常交易账户的识别方法的流程图，本技术实施例至少包括以下步骤：
[0177]
501、调用信用卡交易流水，并对信用卡交易流水格式标准化。
[0178]
本实施例中，信用卡交易流水可以来源于银行数据库，也可以来源于网络支付平
台的数据库，还可以是两者的结合，具体来源因实际场景而定。
[0179]
另外，对信用卡交易流水格式标准化的过程可以仅保留信用卡交易流水中卡号、商户名称、交易时间以及套现种子标识的项目，从而便于数据的调用。
[0180]
502、基于商户裁剪规则对信用卡交易流水中涉及的交易商户进行裁剪。
[0181]
本实施例中，商户裁剪规则可以是基于商户的热度值设定的，例如可以对低热商户剔除，即剔除掉只有过一张信用卡交易的商户，即剔除长尾无交集的商户；也可以将高热商户剔除，即剔除掉有过n张信用卡交易过的商户，即剔除正常商户，从而减少数据处理量，提升识别效率。
[0182]
503、基于流水裁剪规则对信用卡交易流水中涉及的交易流水进行裁剪。
[0183]
本实施例中，流水裁剪规则可以是基于不同的交易场景设定的，例如对于日常交易场景，流水裁剪规则可以是筛除交易金额《＝100元的流水，即交易金额《＝100元的流水为正常的交易操作，套现过程在该数值范围内进行的可能性较小。
[0184]
另外，对于大宗商品交易的场景，流水裁剪规则也可以是筛除交易金额在一种金额范围内的流水，例如1000-10000元金额范围内的流水，这是由于特定商品交易的数值具有范围性。
[0185]
504、根据裁剪后的信用卡交易流水构建商户词典。
[0186]
本实施例中，商户词典即为商户列表，在一种可能的场景中，裁剪后的商户去重得到商户词典。比如，3个持卡人分别与商户存在如图4所示的交易关系，假设只有这3个持卡人，则商户去重后得到商户词典为：
[0187][0188]
505、确定账户集合，并根据商户词典建立各个账户对应的交易商户向量。
[0189]
本实施例中，交易商户向量的确定过程可以是：若交易账户与商户词典中的商户a存在交易行为，则商户a对应的位置标识为1；反之，标识为0。
[0190]
在图4所示的场景中，账户1(c1)与商户2(m2)、商户3(m3)以及商户4(m4)存在交易行为，则m2、m3以及m4对应位置标识为1(第一字符)，而与m1不存在交易行为，则m1对应位置标识为0(第二字符)。故账户1(c1)的商户交易向量刻画为：
[0191][0192]
另外，账户2(c2)和账户3(c3)的交易商户向量分别刻画为：
[0193]
[0194]
506、对账户集合进行划分，以得到种子集和候选集。
[0195]
本实施例中，对账户集合进行划分的过程可以是基于格式标准化后的交易流水中的套现标识进行的，即套现标识为1的交易账户为种子集中的账户，套现标识为0的交易账户为候选集中的账户。
[0196]
507、对种子集和候选集中的各个账户进行交叉计算，以得到相似度结果。
[0197]
本实施例中，交叉计算的过程可以是余弦相似度的计算过程，对于上述步骤506中的向量表示结果，账户1(c1)和账户2(c2)的相似度计算过程如下：
[0198][0199]
508、根据相似度结果进行套现风险的的判断，并输出风险账户。
[0200]
本实施例中，对于相似度大于风险阈值的账户判断为风险账户，例如风险阈值为0.6，则上述账户1的相似度0.667＞0.6，故标记为风险账户。
[0201]
在图5所示的实施例中，各个步骤可以是划分到不同的功能模块中进行的，如图6所示的场景，图6为本技术实施例提供的另一种异常交易账户的识别方法的场景示意图。图中示出了银行的数据服务器会定期(例如每个月)将交易流水数据传输至风控服务器，而该风控服务器包括输入预处理模块、用户向量构建模块、用户相似度计算模块和风险输出模块，具体的上述模块的功能如表5所示，然后风控服务器即为输出当前交易流水数据所识别得到的套现账户。
[0202]
表5风控服务器的模块构成以及对应的功能
[0203][0204]
基于上述方法，能够补充识别银行专家规则难以识别的长尾套现个体，提高识别信用卡套现的覆盖率，同时该方法还能提高黑产绕过风控策略的成本。
[0205]
上述实施例介绍了交易账户维度的识别过程，但账户一般对应了用户，而一个用户可能关了了多个账户，故可以对这些关联账户进行进一步的套现行为判断。下面对该场景进行说明。请参阅图7，图7为本技术实施例提供的另一种异常交易账户的识别方法的流程图，本技术实施例至少包括以下步骤：
[0206]
701、确定候选账户对应的用户标识。
[0207]
本实施例中，候选账户即为当前交易流水数据中基于套现标识所划分得到的候选集中的账户，然后确定该账户对应的用户标识，例如：身份证号、护照号等具有唯一对应关系的字符。
[0208]
702、基于用户标识进行账户检索，以得到多个关联账户。
[0209]
本实施例中，账户检索的过程即在银行数据库或其他金融数据库中检索该用户是否还办理了其他信用卡，从而作为关联账户。
[0210]
703、确定关联账户与种子集中账户的相似度。
[0211]
本实施例中，确定关联账户与种子集中账户的相似度的过程即调用关联账户对应的交易流水，从交易流水中提取与种子集中账户对应的商户词典的商户的交易信息，进而确定商户交易向量并计算相似度，具体的计算过程可以参见图3所示实施例的步骤304，此处不做赘述。
[0212]
704、根据关联账户与种子集中账户的相似度对用户标识进行基于目标类型的交易风险标记。
[0213]
本实施例中，若该用户的多个关联账户均存在信用卡套现的行为，则对该用户进行标记，与该用户相关联的所用信用卡均会设定对应的套现标记，从而避免了该用户使用新的信用卡继续套现行为。
[0214]
可选的，考虑到用户行为的变化性，即避免对改正套现行为后的用户进行标记，故对于不同时段发生的套现行为可以进行加权计算，即确定多个关联账户对应的交易发生时序；然后根据交易发生时序对关联账户与种子集中账户的相似度进行加权，以得到加权结果；进而基于加权结果对用户标识进行基于目标类型的交易风险标记。例如对于1年以前的套现行为多对应的信用卡设定加权系数0.3；1一个以前的套现行为多对应的信用卡设定加权系数0.7，即时间越久远的套现行为权重越低，从而保证了交易风险标记的准确性。
[0215]
在一种可能的场景中，对于用户进行信用卡交易的场景，如图8所示，图8为本技术实施例提供的另一种异常交易账户的识别方法的场景示意图。图中示出了当用户在终端进行信用卡交易时，点击确定交易a1后即会触发服务器进行发生交易的账户(或用户)的套现标识的判定，若不具有套现标识则展示交易成功a2，本次交易正常进行；若具有套现标识则展示交易存在风险a3，本次交易被禁止。
[0216]
基于上述方法，能够从用户的维度补充识别银行专家规则难以识别的长尾套现用户，提高识别用户关联的信用卡套现的覆盖率，同时该方法还能提高黑产绕过风控策略的成本。
[0217]
为了更好的实施本技术实施例的上述方案，下面还提供用于实施上述方案的相关装置。请参阅图9，图9为本技术实施例提供的一种异常交易账户的识别装置的结构示意图，识别装置900包括：
[0218]
获取单元901，用于获取待识别交易信息源的交易流水数据，其中所述交易流水数据包括交易账户与商户之间的交易关系；
[0219]
确定单元902，用于根据所述交易账户与商户之间的交易关系进行交易行为表示，以确定所述交易账户对应的商户交易向量；
[0220]
划分单元903，用于调用所述交易流水数据中包含的目标标识对所述交易账户进行集群的标识匹配，以基于标识匹配结果划分得到种子集和候选集，所述种子集为包含所述目标标识的多个种子账户的集合，所述候选集为不包含所述目标标识的多个候选账户的集合，所述目标标识用于指示目标类型的账户；
[0221]
所述确定单元902，还用于对所述候选账户以及子账户对应的商户交易向量分别
进行向量相似度分析处理，以确定所述候选账户对应的商户交易向量与所述种子账户对应的商户交易向量的相似度；
[0222]
识别单元904，用于基于所述相似度与风险阈值的比较结果对所述候选集中的交易账户进行风险判定，以筛选得到所述待识别交易信息源中关于所述目标类型的异常交易账户。
[0223]
可选的，在本技术一些可能的实现方式中，所述确定单元902，具体用于遍历所述交易账户与商户之间的交易关系中指示的交易行为，以确定所述交易流水数据中的商户列表以及账户列表；
[0224]
所述确定单元902，具体用于若所述账户列表中的交易账户与所述商户列表中的各个商户之间存在交易行为，则确定所述交易账户的位置标识为第一字符；
[0225]
所述确定单元902，具体用于若所述账户列表中的交易账户与所述商户列表中的各个商户之间不存在交易行为，则确定所述交易账户的位置标识为第二字符；
[0226]
所述确定单元902，具体用于根据所述第一字符和所述第二字符的组合确定所述交易账户对应的商户交易向量。
[0227]
可选的，在本技术一些可能的实现方式中，所述确定单元902，具体用于基于所述交易流水数据中的输入字段进行字段匹配，以整理得到数据表格；
[0228]
所述确定单元902，具体用于响应于预设时段的设定，从所述数据表格中筛选得到处理数据；
[0229]
所述确定单元902，具体用于按照预设字段对所述处理数据进行数据检索，以对所述处理数据进行标准化处理得到针对预设项目设定的目标表格；
[0230]
所述确定单元902，具体用于根据所述目标表格确定所述商户列表以及所述账户列表。
[0231]
可选的，在本技术一些可能的实现方式中，所述确定单元902，具体用于根据所述目标表格确定交易商户序列；
[0232]
所述确定单元902，具体用于基于所述交易流水数据中的输入字段进行字段匹配，以整理得到数据表格；
[0233]
所述确定单元902，具体用于提取所述目标表格中的账户标识项并进行账户统计，以得到所述账户列表。
[0234]
可选的，在本技术一些可能的实现方式中，所述确定单元902，具体用于确定所述商户列表中各个商户对应的交易对象信息；
[0235]
所述确定单元902，具体用于基于所述交易对象信息确定所述商户列表中各个商户的热度值；
[0236]
所述确定单元902，具体用于根据所述热度值对商户进行阈值比较，以对所述商户列表进行更新。
[0237]
可选的，在本技术一些可能的实现方式中，所述确定单元902，具体用于提取所述目标表格中的交易金额项；
[0238]
所述确定单元902，具体用于获取针对于目标类型设定的安全阈值；
[0239]
所述确定单元902，具体用于基于所述安全阈值与所述交易金额项的大小关系对所述目标表格中的安全条目进行筛除，以对所述目标表格进行更新。
[0240]
可选的，在本技术一些可能的实现方式中，所述划分单元903，具体用于对所述交易流水数据中的种子标识项进行项目识别，以确定所述交易流水数据中的种子标识项，所述种子标识项基于历史记录标记所得；
[0241]
所述划分单元903，具体用于对所述种子标识项中的标识进行识别，以确定识别结果中包含所述目标标识的交易账户，并将包含所述目标标识的交易账户划分入所述种子集；
[0242]
所述划分单元903，具体用于对所述种子标识项中的标识进行识别，以确定所述识别结果中不包含所述目标标识的交易账户，并将不包含所述目标标识的交易账户划分入所述候选集。
[0243]
可选的，在本技术一些可能的实现方式中，所述划分单元903，具体用于响应于标识设定操作的进行，对种子标识项进行标识设定，以得到标记后的所述种子标识项；
[0244]
所述划分单元903，具体用于将所述标记后的所述种子标识项输入核验平台，以对进行所述标记后的所述种子标识项核验；
[0245]
所述划分单元903，具体用于若标记后的所述种子标识项通过核验，则对所述种子集和所述候选集进行更新。
[0246]
可选的，在本技术一些可能的实现方式中，所述确定单元902，具体用于响应于所述种子集的配置完成，调用预设公式；
[0247]
所述确定单元902，具体用于对所述候选账户对应的商户交易向量与所述种子账户对应的商户交易向量基于所述预设公式依次进行配对，以对配对所得的对象进行交叉计算得到所述相似度。
[0248]
可选的，在本技术一些可能的实现方式中，所述识别单元904，具体用于确定所述候选账户对应的用户标识；
[0249]
所述识别单元904，具体用于基于所述用户标识进行账户检索，以得到多个关联账户；
[0250]
所述识别单元904，具体用于确定所述关联账户与所述种子集中账户的相似度；
[0251]
所述识别单元904，具体用于根据所述关联账户与所述种子集中账户的相似度对所述用户标识进行基于所述目标类型的交易风险标记。
[0252]
可选的，在本技术一些可能的实现方式中，所述识别单元904，具体用于确定多个所述关联账户对应的交易发生时序；
[0253]
所述识别单元904，具体用于根据所述交易发生时序确定加权参数，以基于所述加权参数对所述关联账户与所述种子集中账户的相似度进行加权得到加权结果；
[0254]
所述识别单元904，具体用于基于所述加权结果对所述用户标识进行基于所述目标类型的交易风险标记。
[0255]
通过获取待识别交易信息源的交易流水数据；然后根据交易账户与商户之间的交易关系进行交易行为表示，以确定交易账户对应的商户交易向量；并调用交易流水数据中包含的目标标识对交易账户进行集群的标识匹配，以基于标识匹配结果划分得到种子集和候选集，其中种子集为包含目标标识的多个种子账户的集合，候选集为不包含目标标识的多个候选账户的集合，目标标识用于指示目标类型的账户；进一步的确定候选账户对应的商户交易向量与种子账户对应的商户交易向量的相似度；进而基于相似度与风险阈值的比
较结果对候选集中的交易账户进行风险判定，以筛选得到待识别交易信息源中关于目标类型的异常交易账户。从而实现基于种子集的协同过滤过程，由于种子集中的账户与候选集中的账户具有相似的交易商户，通过将交易商户向量化来确定与种子集账户相似的账户，提高了账户识别的覆盖率，保证了账户识别的准确性。
[0256]
本技术实施例还提供了一种终端设备，如图10所示，是本技术实施例提供的另一种终端设备的结构示意图，为了便于说明，仅示出了与本技术实施例相关的部分，具体技术细节未揭示的，请参照本技术实施例方法部分。该终端可以为包括手机、平板电脑、个人数字助理(personal digital assistant，pda)、销售终端(point of sales，pos)、车载电脑等任意终端设备，以终端为手机为例：
[0257]
图10示出的是与本技术实施例提供的终端相关的手机的部分结构的框图。参考图10，手机包括：射频(radio frequency，rf)电路1010、存储器1020、输入单元1030、显示单元1040、传感器1050、音频电路1060、无线保真(wireless fidelity，wifi)模块1070、处理器1080、以及电源1090等部件。本领域技术人员可以理解，图10中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0258]
下面结合图10对手机的各个构成部件进行具体的介绍：
[0259]
rf电路1010可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，给处理器1080处理；另外，将设计上行的数据发送给基站。通常，rf电路1010包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(low noise amplifier，lna)、双工器等。此外，rf电路1010还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(global system of mobile communication，gsm)、通用分组无线服务(general packet radio service，gprs)、码分多址(code division multiple access，cdma)、宽带码分多址(wideband code division multiple access,wcdma)、长期演进(long term evolution，lte)、电子邮件、短消息服务(short messaging service，sms)等。
[0260]
存储器1020可用于存储软件程序以及模块，处理器1080通过运行存储在存储器1020的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器1020可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器1020可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0261]
输入单元1030可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元1030可包括触控面板1031以及其他输入设备1032。触控面板1031，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1031上或在触控面板1031附近的操作，以及在触控面板1031上一定范围内的隔空触控操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板1031可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；
触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器1080，并能接收处理器1080发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1031。除了触控面板1031，输入单元1030还可以包括其他输入设备1032。具体地，其他输入设备1032可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
[0262]
显示单元1040可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元1040可包括显示面板1041，可选的，可以采用液晶显示器(liquid crystal display，lcd)、有机发光二极管(organic light-emitting diode，oled)等形式来配置显示面板1041。进一步的，触控面板1031可覆盖显示面板1041，当触控面板1031检测到在其上或附近的触摸操作后，传送给处理器1080以确定触摸事件的类型，随后处理器1080根据触摸事件的类型在显示面板1041上提供相应的视觉输出。虽然在图10中，触控面板1031与显示面板1041是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将触控面板1031与显示面板1041集成而实现手机的输入和输出功能。
[0263]
手机还可包括至少一种传感器1050，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1041的亮度，接近传感器可在手机移动到耳边时，关闭显示面板1041和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
[0264]
音频电路1060、扬声器1061，传声器1062可提供用户与手机之间的音频接口。音频电路1060可将接收到的音频数据转换后的电信号，传输到扬声器1061，由扬声器1061转换为声音信号输出；另一方面，传声器1062将收集的声音信号转换为电信号，由音频电路1060接收后转换为音频数据，再将音频数据输出处理器1080处理后，经rf电路1010以发送给比如另一手机，或者将音频数据输出至存储器1020以便进一步处理。
[0265]
wifi属于短距离无线传输技术，手机通过wifi模块1070可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图10示出了wifi模块1070，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
[0266]
处理器1080是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器1020内的软件程序和/或模块，以及调用存储在存储器1020内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器1080可包括一个或多个处理单元；可选的，处理器1080可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1080中。
[0267]
手机还包括给各个部件供电的电源1090(比如电池)，可选的，电源可以通过电源管理系统与处理器1080逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
[0268]
尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。
[0269]
在本技术实施例中，该终端所包括的处理器1080还具有执行如上述页面处理方法的各个步骤的功能。
[0270]
本技术实施例还提供了一种服务器，请参阅图11，图11是本技术实施例提供的一种服务器的结构示意图，该服务器1100可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，cpu)1122(例如，一个或一个以上处理器)和存储器1132，一个或一个以上存储应用程序1142或数据1144的存储介质1130(例如一个或一个以上海量存储设备)。其中，存储器1132和存储介质1130可以是短暂存储或持久存储。存储在存储介质1130的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器1122可以设置为与存储介质1130通信，在服务器1100上执行存储介质1130中的一系列指令操作。
[0271]
服务器1100还可以包括一个或一个以上电源1126，一个或一个以上有线或无线网络接口1150，一个或一个以上输入输出接口1158，和/或，一个或一个以上操作系统1141，例如windows servertm，mac os xtm，unixtm,linuxtm，freebsdtm等等。
[0272]
上述实施例中由管理装置所执行的步骤可以基于该图11所示的服务器结构。
[0273]
本技术实施例中还提供一种计算机可读存储介质，该计算机可读存储介质中存储有异常交易账户的识别指令，当其在计算机上运行时，使得计算机执行如前述图3至图8所示实施例描述的方法中异常交易账户的识别装置所执行的步骤。
[0274]
本技术实施例中还提供一种包括异常交易账户的识别指令的计算机程序产品，当其在计算机上运行时，使得计算机执行如前述图3至图8所示实施例描述的方法中异常交易账户的识别装置所执行的步骤。
[0275]
本技术实施例还提供了一种异常交易账户的识别系统，所述异常交易账户的识别系统可以包含图9所描述实施例中的异常交易账户的识别装置，或图10所描述实施例中的终端设备，或者图11所描述的服务器。
[0276]
在一种可能的场景中，本技术中的异常交易账户的识别方法应用于区块链设备中，即每个交易账户对应于区块链设备进行配置，且该区块链设备为区块链中的节点，下面结合附图进行说明；参见图12a所示的数据共享系统，数据共享系统1200是指用于进行节点与节点之间数据共享的系统，该数据共享系统中可以包括多个节点1201，多个节点1201可以是指数据共享系统中各个客户端。每个节点1201在进行正常工作可以接收到输入信息，并基于接收到的输入信息维护该数据共享系统内的共享数据。为了保证数据共享系统内的信息互通，数据共享系统中的每个节点之间可以存在信息连接，节点之间可以通过上述信息连接进行信息传输。例如，当数据共享系统中的任意节点接收到输入信息时，数据共享系统中的其他节点便根据共识算法获取该输入信息，将该输入信息作为共享数据中的数据进行存储，使得数据共享系统中全部节点上存储的数据均一致。
[0277]
对于数据共享系统中的每个节点，均具有与其对应的节点标识，而且数据共享系统中的每个节点均可以存储有数据共享系统中其他节点的节点标识，以便后续根据其他节点的节点标识，将生成的区块广播至数据共享系统中的其他节点。每个节点中可维护一个如下表所示的节点标识列表，将节点名称和节点标识对应存储至该节点标识列表中。其中，节点标识可为ip(internet protocol，网络之间互联的协议)地址以及其他任一种能够用于标识该节点的信息，表6中仅以ip地址为例进行说明。
[0278]
表6节点名称与节点标识的对应关系
[0279]
节点名称节点标识节点1117.114.151.174节点2117.116.189.145
……
节点n119.123.789.258
[0280]
数据共享系统中的每个节点均存储一条相同的区块链。区块链由多个区块组成，参见图12b，区块链由多个区块组成，创始块中包括区块头和区块主体，区块头中存储有输入信息特征值、版本号、时间戳和难度值，区块主体中存储有输入信息；创始块的下一区块以创始块为父区块，下一区块中同样包括区块头和区块主体，区块头中存储有当前区块的输入信息特征值、父区块的区块头特征值、版本号、时间戳和难度值，并以此类推，使得区块链中每个区块中存储的区块数据均与父区块中存储的区块数据存在关联，保证了区块中输入信息的安全性。
[0281]
在生成区块链中的各个区块时，参见图12c，区块链所在的节点在接收到输入信息时，对输入信息进行校验，完成校验后，将输入信息存储至内存池中，并更新其用于记录输入信息的哈希树；之后，将更新时间戳更新为接收到输入信息的时间，并尝试不同的随机数，多次进行特征值计算，使得计算得到的特征值可以满足下述公式：
[0282]
sha256(sha256(version+prev_hash+merkle_root+ntime+nbits+x))＜target
[0283]
其中，sha256为计算特征值所用的特征值算法；version(版本号)为区块链中相关区块协议的版本信息；prev_hash为当前区块的父区块的区块头特征值；merkle_root为输入信息的特征值；ntime为更新时间戳的更新时间；nbits为当前难度，在一段时间内为定值，并在超出固定时间段后再次进行确定；x为随机数；target为特征值阈值，该特征值阈值可以根据nbits确定得到。
[0284]
这样，当计算得到满足上述公式的随机数时，便可将信息对应存储，生成区块头和区块主体，得到当前区块。随后，区块链所在节点根据数据共享系统中其他节点的节点标识，将新生成的区块分别发送给其所在的数据共享系统中的其他节点，由其他节点对新生成的区块进行校验，并在完成校验后将新生成的区块添加至其存储的区块链中。
[0285]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0286]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0287]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0288]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0289]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，异常交易账户的识别装置，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0290]
以上所述，以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。