基于物流数据识别虚假交易的方法、装置及服务器与流程

1.本技术涉及互联网技术领域，尤其涉及一种基于物流数据识别虚假交易的方法、装置及服务器。


背景技术：

2.随着互联网技术的飞速发展，电子商务使人们的购物更为便捷。基于电商平台的商品提供商(店主或者卖家)在开店初期为了快速提高其账户信用积分和/或商品销量，通常会采用虚假交易的方式以提高其商品销售量及账户信用积分，当商品购买者(买家)参考卖家的账户信用积分或者商品销量时，由于上述参数并没有充分体现卖家的真实信息，因此妨害了买家的权益。此外，不真实的网上交易可以使非法卖家通过电商平台进行套现、洗钱等非法行为，从而给社会带来极为不利的影响。在现有技术的虚假交易识别过程中，电商平台提供商通过配备相关人员，以对卖家进行监督，从而规范卖家网上交易的行为，该种方式由于耗费大量的人力资源，给电商平台提供商带来了不必要的成本支出。


技术实现要素：

3.有鉴于此，本技术提供一种新的技术方案，可以解决网上交易时存在的虚假交易的技术问题。
4.为实现上述目的，本技术提供技术方案如下：
5.根据本发明的第一方面，提出了一种基于物流数据识别虚假交易的方法，所述方法包括：
6.获取网上交易关于交易商品的物流数据，所述物流数据包括所述交易商品的物流单号和所述交易商品的属性信息，其中，所述物流数据通过物流数据服务器获取得到；
7.根据所述物流单号确定所述交易商品对应的第一商品类型；
8.根据所述第一商品类型与所述交易商品的属性信息确定所述网上交易是否为虚假交易。
9.根据本发明的第二方面，提出了一种基于物流数据识别虚假交易的装置，所述装置包括：
10.获取模块，用于获取网上交易关于交易商品的物流数据，所述物流数据包括所述交易商品的物流单号和所述交易商品的属性信息，其中，所述物流数据通过物流数据服务器获取得到；
11.第一商品类型确定模块，用于根据所述获取模块获取到的所述物流单号确定所述交易商品对应的第一商品类型；
12.虚假交易确定模块，用于根据所述第一商品类型与所述交易商品的属性信息确定所述网上交易是否为虚假交易。
13.根据本发明的第三方面，提出了一种服务器，所述服务器包括：
14.处理器；用于存储所述处理器可执行指令的存储器；
15.其中，所述处理器，用于获取网上交易关于交易商品的物流数据，所述物流数据包括所述交易商品的物流单号和所述交易商品的属性信息，其中，所述物流数据通过物流数据服务器获取得到；根据所述物流单号确定所述交易商品对应的第一商品类型；根据所述第一商品类型与所述交易商品的属性信息确定所述网上交易是否为虚假交易。
16.由以上技术方案可见，本技术根据物流数据识别网上交易是否为虚假交易，由于物流数据是通过第三方的物流公司获取到的，从而可以确保数据来源的可靠性，可以避免网上交易的卖方与买方事先商量好进行虚假交易，制止了卖家通过虚假交易增加其账户信用积分或者商品销量，确保电商平台所展示的卖家信息是真实的信息，给买家在网上购物时提供真实的参考依据，从而确保买家在网上购物时的权益。此外，通过物流数据与交易信息识别网上交易是否真实，还可以禁止非法卖家通过电商平台进行套现、洗钱等非法行为，使网上交易行为更加规范。
附图说明
17.图1a示出了根据本发明的一示例性实施例的基于物流数据识别虚假交易的方法的流程示意图；
18.图1b示出了根据本发明的一示例性实施例的物流凭证信息的示意图；
19.图1c示出了根据本发明的一示例性实施例的交易商品的示意图；
20.图2示出了根据本发明的又一示例性实施例的基于物流数据识别虚假交易的方法的流程示意图；
21.图3示出了根据本发明的再一示例性实施例的基于物流数据识别虚假交易的方法的流程示意图；
22.图4示出了根据本发明的一示例性实施例的服务器的结构示意图；
23.图5示出了根据本发明的一示例性实施例的基于物流数据识别虚假交易的装置的结构示意图；
24.图6示出了根据本发明的又一示例性实施例的基于物流数据识别虚假交易的装置的结构示意图。
具体实施方式
25.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
26.在本技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术。在本技术和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
27.应当理解，尽管在本技术可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本技术范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第
一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
28.本技术通过与物流公司所提供的物流数据识别网上交易是否为虚假交易，由于物流数据是通过第三方的物流公司获取到的，因此可以确保数据来源的可靠性，避免了网上交易的卖方与买方事先商量好进行虚假交易，从而可以制止非法交易的行为。
29.为对本技术进行进一步说明，提供下列实施例：
30.请参考图1a，为根据本发明的一示例性实施例的基于物流数据识别虚假交易的方法的流程示意图，包括如下步骤：
31.步骤101，获取网上交易关于交易商品的物流数据，其中，物流数据包括网上交易的物流单号和交易商品的商品图片。
32.在一实施例中，可以通过将电商平台提供商的服务器与物流公司用于管理运送货物的物流数据的服务器进行通信连接，电商平台提供商的服务器可以从物流公司的服务器实时或者准实时地获取网上交易关于交易商品的物流数据。在一实施例中，商品图片可以为物流公司在收到交易商品时对交易商品拍摄的彩色图片，在另一实施例中，商品图片可以为物流公司在对交易商品进行安检时所拍摄的红外图片，通过彩色图片或者红外图片可以确定交易商品的图像特征。
33.步骤102，根据物流单号确定交易商品对应的第一商品类型。
34.在一实施例中，可以根据物流单号从电商平台提供商的服务器中查询本次网上交易的商品交易信息，请参见图1b，示出了本发明实施例中所述的商品交易信息，商品交易信息可以包括网上交易的物流单号和物流公司，还可以包括交易商品的商品类型、商品名称、商品重量、收货人信息、发货人信息、付款方式以及网上交易时间等信息，由此，通过商品交易信息可以确定交易商品的第一商品类型。例如，如图1b所示，可以根据物流单号从电商平台提供商的服务器中查询到本次网上交易的商品类型为“智能手机”，商品名称为“苹果(apple)iphone6 plus(a1524)16g银色移动联通电信4g手机”。
35.步骤103，根据商品图片确定交易商品对应的第二商品类型。
36.在一实施例中，可以通过图像检测技术计算商品图片的图片特征信息，根据图片特征信息确定交易商品的商品类型，参见图1c，示出了根据本发明的一示例性实施例的交易商品的示意图，该示意图以苹果手机10为例进行示例性说明，例如，通过图像检测技术得到交易商品的图片特征信息之后，可以根据图片特征信息来确定该交易商品的商品类型为智能手机。
37.步骤104，根据第一商品类型与第二商品类型确定网上交易是否为虚假交易。
38.例如，通过上述步骤102确定交易商品对应的第一商品类型为智能手机，通过上述步骤103确定交易商品的商品类型为智能手机，第一商品类型与第二商品类型相匹配，可以确定该次网上交易为真实交易；如果通过上述步骤102确定交易商品对应的第一商品类型为智能手机，但是卖家向买家发送了一包纸巾以顶替智能手机，那么通过交易商品的图片特征信息可以确定该次网上交易的第二商品类型为“纸品”，由于“智能手机”与“纸品”不匹配，可以认定本次交易为虚假交易。
39.由上述描述可知，本发明实施例根据物流数据识别网上交易是否为虚假交易，由于物流数据是通过第三方的物流公司获取到的，从而可以确保数据来源的可靠性，进而避
免网上交易的卖方与买方事先商量好进行虚假交易，制止了卖家通过虚假交易增加其账户信用积分或者商品销量，确保电商平台所展示的卖家信息是真实的信息，给买家在网上购物时提供真实的参考依据，确保了买家在网上购物时的合法权益。此外，通过物流数据识别网上交易是否真实，还可以禁止非法卖家通过电商平台进行套现、洗钱等非法行为，使网上交易行为更加规范。
40.请参见图2，为根据本发明的又一示例性实施例的基于物流数据识别虚假交易的方法的流程示意图，包括如下步骤：
41.步骤201，获取网上交易关于交易商品的物流数据，物流数据包括交易商品的物流单号和交易商品的商品图片。
42.步骤201的描述请参考上述步骤101的描述，在此不再详述。
43.步骤202，根据物流单号确定交易商品对应的第一商品类型。
44.步骤202的描述请参考上述步骤102的描述，在此不再详述。
45.步骤203，在特征模型库中确定与第一商品类型相对应的图片参考特征，其中，特征模型库中存储有在设定时间段内的销售量达到设定数的交易商品的图片参考特征。
46.在一实施例中，可以在电商平台提供商的服务器上设置一图片特征库，对任意商品在上线之后的销售量进行记录，当在设定时间段内的销售量达到一设定值时，可以认为该交易商品为热门商品，进而可以对该热门商品的图片参考特征与相应的商品型号进行记录。在一实施例中，通过将交易商品的图片特征信息与图片特征库中存储的图片参考特征进行比较，可以通过商品图片来确定交易商品的商品型号，从而更精确地识别交易商品。
47.步骤204，计算商品图片的图片特征信息。
48.在一实施例中，商品图片的图片特征信息可以通过图像识别技术来实现，本领域技术人员可以理解的是，不同商品的图片特征信息是不同的，例如，对于智能手机的图片特征信息与生活用户的图片特征信息是不相同的。
49.步骤205，确定商品图片的图片特征信息与图片参考特征是否相一致，如果相一致，执行步骤206，如果不相一致，执行步骤207。
50.步骤206，如果相一致，则确定网上交易为真实交易，并根据图片参考特征确定交易商品的商品型号。
51.例如，通过物流单号确定交易商品的第一商品类型为智能手机之后，从图片特征库中查找智能手机的图片参考特征，进而可以确定交易商品的商品型号为“苹果手机6plus”。
52.步骤207，如果不相一致，确定网上交易为虚假交易。
53.在具有上述图1a所示实施例的有益技术效果的基础上，本发明实施例根据商品图片识别网上交易是否为虚假交易，并能通过商品图片识别出交易商品的商品型号，从而实现了更精确地识别网上交易的虚假。
54.请参见图3，为根据本发明的再一示例性实施例的基于物流数据识别虚假交易的方法的流程示意图，包括如下步骤：
55.步骤301，获取网上交易关于交易商品的物流数据，物流数据包括商品重量和物流单号。
56.步骤301中关于获取物流数据的描述请参见上述步骤101的描述，在此不再详述。
在一实施例中，商品重量可以为物流公司对交易商品进行称重的重量信息。
57.步骤302，根据物流单号确定交易商品对应的商品重量，确定商品重量是否在该交易商品所在的正常重量范围内，如果商品重量在正常重量范围之内，执行步骤303，如果商品重量超出正常重量范围，执行步骤304。
58.在一实施例中，可以根据上述图1b所示的物流数据中确定交易商品的商品重量，确定该交易商品对应的正常重量范围，例如，通过物流单号确定交易商品对应的商品类型为“苹果手机”，如果物流公司对交易商品进行称重为484克，则484在苹果手机对应的正常重量范围【480
‑
10，480+10】之内，由此可以确定该次网上交易为真实交易，如果物流公司对交易商品进行称重的重量为54克，则商品重量已经超出正常重量范围。
59.步骤303，提示网上交易为真实交易。
60.步骤304，计算商品重量超出正常重量范围的差值与正常重量范围的百分比。
61.例如，如果物流公司对交易商品进行称重的重量为54克，则商品重量已经超出正常重量范围，计算商品重量超出正常重量范围的差值为480
‑
54＝426克，该差值与正常重量范围的百分比为426/480＝0.8875。
62.步骤305，确定百分比是否大于预设阈值，如果百分比大于预设阈值，执行步骤306，如果百分比小于预设阈值，执行步骤307。
63.在一实施例中，预设阈值可以根据电商平台对网上交易商品的监管力度来确定，当预设阈值较大时，说明允许存在较大的重量误差，当预设阈值较小时，说明不允许存在较大的重量误差，因此本发明实施例对预设阈值的具体大小不做限制。
64.步骤306，如果百分比大于预设阈值，提示网上交易为虚假交易。
65.步骤307，如果百分比小于预设阈值，提示网上交易为疑似虚假交易。
66.本实施例中，通过交易商品的商品重量对网上交易是否为虚假交易、疑似虚假交易进行提示，从而可以使电商平台提供商的监管人员对网上交易的监管等级进行划分，如果为真实交易，则放掉，如果为疑似虚假交易，则通过人工的方式再次确认，如果是虚假交易，直接将该次网上交易下放到相应的处罚部门，从而提高电商平台对网上交易的监管力度，避免网上交易的卖方与买方事先商量好进行虚假交易，规范网上交易的行为。
67.通过上述实施例，在虚假交易识别的过程中以物流公司提供的物流数据为依据，通过从物流公司的服务器获取到交易商品的商品图片和物流凭证信息等数据，利用上述实施例对电商平台上的各种商品交易行为进行识别，可以提高虚假交易识别的准确性。
68.对应于上述的基于物流数据识别虚假交易的方法，本技术还提出了图4所示的根据本技术的一示例性实施例的服务器的示意结构图。请参考图4，在硬件层面，该服务器包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成基于物流数据识别虚假交易的装置。当然，除了软件实现方式之外，本技术并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
69.请参考图5，在软件实施方式中，该基于物流数据识别虚假交易的装置可以包括：获取模块51、第一确定模块52、第二确定模块53、第三确定模块54。其中：
70.获取模块51，用于获取网上交易关于交易商品的物流数据，物流数据包括交易商
品的物流单号和交易商品的商品图片；
71.第一确定模块52，用于根据获取模块51获取到的物流单号确定交易商品对应的第一商品类型；
72.第二确定模块53，用于根据获取模块51获取到的商品图片确定交易商品的第二商品类型；
73.第三确定模块54，用于根据第一确定模块52确定的第一商品类型与第二确定模块53确定的第二商品类型确定网上交易是否为虚假交易。
74.请参考图6，在上述图5所示实施例的基础上，在一实施例中，第二确定模块53可包括：
75.第一计算单元531，用于计算获取模块51获取到的商品图片的图片特征信息；
76.第一确定单元532，用于根据第一计算单元531计算得到的图片特征信息确定交易商品的第二商品类型。
77.在一实施例中，第三确定模块54可包括：
78.第二确定单元541，用于确定第一确定模块52确定的第一商品类型是否与第二确定模块53确定的第二商品类型相匹配；
79.第三确定单元542，用于如果第二确定单元541确定相匹配，确定网上交易为真实交易；如果第二确定单元541确定不相匹配，确定网上交易为虚假交易。
80.在一实施例中，装置还可包括：
81.第四确定模块55，用于在特征模型库中确定与第一确定模块52确定的第一商品类型相对应的图片参考特征，其中，特征模型库中存储有在设定时间段内的销售量达到设定数的交易商品的图片参考特征；
82.第五确定模块56，用于确定商品图片与图片参考特征是否相一致；如果相一致，则根据图片参考特征确定交易商品的商品型号。
83.在一实施例中，获取模块51获取到的物流数据还包括交易商品的商品重量，装置还可包括：
84.第六确定模块57，用于确定所述交易商品对应的商品重量是否在所述交易商品所在的正常重量范围内；
85.提示模块58，用于根据物流单号确定交易商品的商品重量，确定商品重量是否超出第六确定模块57确定的正常重量范围对网上交易的真实性进行提示。
86.在一实施例中，提示模块58可包括：
87.第一提示单元581，用于如果商品重量在正常重量范围之内，提示确定网上交易为真实交易；
88.第二计算单元582，用于如果商品重量超出正常重量范围，计算商品重量超出正常重量范围的差值与正常重量范围的百分比；
89.第二提示单元583，用于如果第二计算单元582计算得到的百分比大于预设阈值，提示网上交易为虚假交易；
90.第三提示单元584，用于如果第二计算单元582计算得到的百分比小于预设阈值，提示网上交易为疑似虚假交易。
91.由上述实施例可见，在虚假交易识别的过程中以物流公司提供的物流数据为依
据，通过从物流公司的服务器获取到交易商品的商品重量和/或扫描的商品图片等数据，利用上述数据对电商平台上的各种商品交易行为进行识别，由于可以对各种类型的网上交易采用上述不同的物流数据进行识别，因此使虚假交易的识别更加全面，进而提高虚假交易识别的准确性。
92.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、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技术的一般性原理并包括本技术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，本技术的真正范围和精神由下面的权利要求指出。
93.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
94.以上所述仅为本技术的较佳实施例而已，并不用以限制本技术，凡在本技术的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本技术保护的范围之内。