[发明专利]一种交易风险的检测方法、装置及设备

说明书

本说明书实施例公开了一种交易风险的检测方法、装置及设备，所述方法包括：获取待分析的交易数据；对所述交易数据进行特征提取，获取所述交易数据对应的低阶特征和高阶特征；将所述交易数据对应的低阶特征和高阶特征输入到风险分析模型中进行数据风险分析，确定所述交易数据对应的交易是否为存在预定风险，所述风险分析模型是采用元学习通过预定的低阶特征样本和高阶特征样本进行训练得到的模型。

技术领域

本说明书涉及计算机技术领域，尤其涉及一种交易风险的检测方法、装置及设备。

背景技术

随着终端技术和网络技术的不断发展，许多商户或用户会通过指定的金融应用或支付应用进行交易和日常资源转移活动，而这样就需要对各商户或用户可能存在的风险（具体如将非法渠道获取的资源转换为合法资源对应的风险（如洗钱风险等）、欺诈风险、赌博风险、套现风险等）进行防控。

通常，金融应用或支付应用的开发机构可以根据金融应用或支付应用的需求和通过该金融应用或支付应用进行交易的过程中可能出现的情况，设定或构建相应的风险检测机制。后续可以通过相应的交易数据对该交易数据对应的交易是否存在风险进行检测。然而，通过上述方式构建的风险检测机制仅仅适用于风险检测之前就已知的风险类型，而对于新增加的风险类型或某风险类型中新增加的实现手段则无法对其进行风险检测，因此，需要提供一种能够对新增加的风险类型或某风险类型中新增加的实现手段进行风险防控效果更好的技术方案。

发明内容

本说明书实施例的目的是提供一种交易风险的检测方法、装置及设备，以提供一种能够对新增加的风险类型或某风险类型中新增加的实现手段进行风险防控效果更好的技术方案。

为了实现上述技术方案，本说明书实施例是这样实现的：

本说明书实施例提供的一种交易风险的检测方法，所述方法包括：获取待分析的交易数据。对所述交易数据进行特征提取，获取所述交易数据对应的低阶特征和高阶特征。将所述交易数据对应的低阶特征和高阶特征输入到风险分析模型中进行数据风险分析，确定所述交易数据对应的交易是否为存在预定风险，所述风险分析模型是采用元学习通过预定的低阶特征样本和高阶特征样本进行训练得到的模型。

本说明书实施例提供的一种交易风险的检测装置，所述装置包括：交易数据获取模块，获取待分析的交易数据。特征提取模块，对所述交易数据进行特征提取，获取所述交易数据对应的低阶特征和高阶特征。风险分析模块，将所述交易数据对应的低阶特征和高阶特征输入到风险分析模型中进行数据风险分析，确定所述交易数据对应的交易是否为存在预定风险，所述风险分析模型是采用元学习通过预定的低阶特征样本和高阶特征样本进行训练得到的模型。

本说明书实施例提供的一种交易风险的检测设备，所述交易风险的检测设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：获取待分析的交易数据。对所述交易数据进行特征提取，获取所述交易数据对应的低阶特征和高阶特征。将所述交易数据对应的低阶特征和高阶特征输入到风险分析模型中进行数据风险分析，确定所述交易数据对应的交易是否为存在预定风险，所述风险分析模型是采用元学习通过预定的低阶特征样本和高阶特征样本进行训练得到的模型。

本说明书实施例提供一种交易风险的检测方法、装置即设备，通过对获取的待分析的交易数据进行特征提取，得到该交易数据对应的低阶特征和高阶特征，将该交易数据对应的低阶特征和高阶特征输入到风险分析模型中进行数据风险分析，确定该交易数据对应的交易是否为存在预定风险，该风险分析模型是采用元学习通过预定的低阶特征样本和高阶特征样本进行训练得到的模型，这样，采用元学习通过预定的低阶特征样本和高阶特征样本训练的模型对交易数据进行风险检测，由于元学习具有能够使用很少的样本数据即可得到较好效果的模型的特性，因此，上述训练的风险分析模型能够实现对新增加的风险类型或某风险类型中新增加的实现手段进行风险防控，并且能够得到较好的风险防控效果。

附图说明