[发明专利]通过RDS实现支付风险智能判断和控制的系统及方法

说明书

本发明公开了一种通过RDS实现支付风险智能判断和控制的系统及方法，旨在依托RDS海量大数据方式多维度收集用户数据，运用数据挖掘、机器学习能力等构建用户模型，并利用实时流计算技术持续完善建立精准的风控模型和策略来识别交易风险特征，实现风险的事前预警和事中实时处理，从而最大限度的保护用户的资金安全。

技术领域

本发明涉及移动通信技术，特别涉及一种通过RDS实现支付风险智能判断和控制的系统及方法。

背景技术

随着互联网的推广与普及，网上支付由于具有方便、快捷和高效的优点，逐渐成为人们从事经济生活的新模式。但是，由于网络的开放性，人们在进行网络支付时，由于病毒或黑客的存在，存在支付账号和支付密码被盗的情况，从而为账号持有者造成经济损失。网络支付的安全问题已成为制约网络交易的重要因素，如何降低网络支付的风险性，对于规范网络支付市场，提高人们选择网上交易的积极性具有重要意义。

传统支付体系单一的风控纬度和实时性较低的处理速度已经不能满足新形势下风险控制要求。如何提高支付风控系统的多样性和智能性，如何增强支付风控系统的实时对抗性，如何完善自身系统机器学习能力，已成为支付风险管理领域的主要研究方向。

发明内容

本发明提出了一种通过RDS实现支付风险智能判断和控制的系统及方法，旨在依托RDS海量大数据方式多维度收集用户数据，运用数据挖掘、机器学习能力等构建用户模型，并利用实时流计算技术持续完善建立精准的风控模型和策略来识别交易风险特征，实现风险的事前预警和事中实时处理，从而最大限度的保护用户的资金安全。RDS，Relational Database Service，关系型数据库服务的简称，是一种即开即用、稳定可靠、可弹性伸缩的在线数据库服务，具有多重安全防护措施和完善的性能监控体系，并提供专业的数据库备份、恢复及优化方案。

本发明提出的通过RDS实现支付风险智能判断和控制的系统，其包括数据分析中心、实时流计算中心和风控决策引擎中心。

优选地，所述数据分析中心的用途是依托RDS海量数据进行计算分析并输出标准用户模型，标准用户模型主要包含用户行为习惯信息、用户社交关系网络信息和交易风险特征信息等，所述标准用户模型是风控过程中风险事件的参照依据。所述数据分析中心主要包含三个模块：数据收集模块、数据存储模块和数据建模模块。

优选地，所述数据收集模块用于通过各种渠道日常收集用户信息，所述数据存储模块用于存储用户信息，所述用户信息包含身份信息、行为习惯信息、设备信息、征信信息、财富信息等数据。数据存储模块的主要存储方式分为两种，其设置有RDS分布存储器和内存存储器。RDS分布式存储器用于存储全量的用户信息，内存存储器用于存储高频访问的用户信息。

优选地，所述数据建模模块根据统计建模、机器学习以及特征工程等科学的方法进行计算分析并输出标准用户模型。统计建模是以计算机统计分析软件为工具，利用各种统计分析方法对批量数据建立统计模型和探索处理的过程，用于揭示数据背后的因素，诠释社会经济现象，或对经济和社会发展作出预测或判断。机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度等多门学科，其专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。特征工程本质是一项工程活动，目的是最大限度地从原始数据中提取特征以供算法和模型使用。

优选地，所述实时流计算中心的用途是计算处理用户支付业务交易过程中的数据流，使所述标准用户模型结合其最新计算处理的数据流瞬时建模，并输出实时用户模型，所述数据流为用户支付业务交易过程中产生的大量、快速、时变的数据。在用户持久性建模不满足现状的情况下，以最新数据流瞬时建模，以热数据形式秒级反馈给业务，热数据指即时的位置状态、交易和浏览行为。