基于数据分析的POS机交易风险识别方法及系统与流程

本发明属于pos机交易风险识别，具体是基于数据分析的pos机交易风险识别方法及系统。

背景技术：

1、随着电子商务和移动支付技术的快速发展，pos机已成为商户日常经营中不可或缺的支付工具。然而，随着交易量的增加，交易风险也相应提升，给商户和消费者带来了潜在的经济损失和安全风险。

2、目前，市面上的pos机虽然具备基本的支付功能，但在交易风险识别方面仍存在一定的局限性。传统的交易风险识别方法大多依赖于人工审核和简单规则判断，这种方式不仅效率低下，而且容易遗漏风险交易。同时，随着交易数据的不断增长，传统方法在处理大数据方面的能力也显得力不从心。

3、基于此，本发明提供了基于数据分析的pos机交易风险识别方法及系统。

技术实现思路

1、为了解决上述方案存在的问题，本发明提供了基于数据分析的pos机交易风险识别方法及系统。

2、本发明的目的可以通过以下技术方案实现：

3、基于数据分析的pos机交易风险识别系统，包括生物识别模块和记录分析模块；

4、所述生物识别模块用于当用户支付时进行生物信息识别，当需要进行支付时，进行客户的生物信息采集，将采集的生物信息输入到预设的生物信息库中进行匹配验证，根据验证结果进行相应的支付处理。

5、进一步地，生物信息库的设置方法包括：

6、设置信息端，所述信息端用于用户通过手机进行访问使用；

7、建立数据储存库，将已有的各客户的生物信息储存到数据储存库中，将当前的数据储存库标记为生物信息库；

8、实时获取客户的生物信息在生物信息库中的匹配结果，当根据匹配结果确定生物信息库没有储存客户的生物信息时，生成访问链接提示信息，客户根据访问链接提示信息访问信息端；在信息端内对客户进行身份验证，当身份验证通过后，将对应采集的生物信息发送到生物信息库中进行储存。

9、进一步地，储存到数据储存库中生物信息的积累方法包括：

10、确定各待选渠道，获取各待选渠道的信息成本、信息量和信息范围图谱，对各待选渠道进行筛选，获得目标渠道；

11、通过目标渠道向目标渠道储存的各生物信息的客户发送转化请求以及相应的转化请求说明；

12、识别客户对于转化请求的授权结果，将客户允许授权的生物信息进行转化记录积累。

13、进一步地，对各待选渠道进行筛选的方法包括：

14、获取需求范围图，识别各待选渠道对应的信息范围图谱，根据信息范围图谱和需求范围图设置各待选区域对应的单元信息图；

15、根据单元信息图和信息成本计算对应待选渠道的渠道优先值；选择优先值最大的待选渠道为目标渠道。

16、进一步地，单元信息图的设置方法包括：

17、在需求范围图上标记各单元区域；根据需求范围图对信息范围图谱进行等同标记，识别信息范围图谱中的各单元区域；根据各单元区域在初始图中标记各辐射区域；

18、在初始图中标记各单元区域和辐射区域对应的信息量，将单元区域和辐射区域对应的信息量标记为单一值；

19、设置区域特征模板；根据区域特征模板对各单元区域和辅助区域进行特征提取，获得各单元区域和辅助区域分别对应的单元区域特征和辅助区域特征；根据各单元区域特征建立参照库；

20、根据辅助区域特征和参照库中计算各单元区域和辅助区域对应的优化调整值；

21、将各辅助区域和单元区域对应的优化调整值标记在初始图中，将当前的初始图标记为单元信息图。

22、进一步地，优化调整值的计算方法包括：

23、计算辅助区域特征与参照库中各单元区域特征之间的相似度，将最大的相似度标记为辅助区域的参照值；

24、根据公式λ＝ecz-1-0.3计算各辅助区域的调整系数；

25、式中：λ为调整系数；e为常数；cz为参照值；

26、将单元区域的调整系数标记为1；

27、根据各辅助区域和单元区域的调整系数对相应的单一值进行调整，获得各辅助区域和单元区域的优化调整值。

28、进一步地，优化调整值的计算公式为：

29、yz＝λ×dz；

30、式中：yz为优化调整值；λ为调整系数；dz为单一值。

31、进一步地，渠道优先值的计算方法包括：

32、将单元信息图中的单元区域和辅助区域统一标记为分析区域，将分析区域标记为i，i＝1、2、……、n，n为正整数；识别各分析区域对应的优化调整值；将优化调整值标记为yzi；

33、去除量纲取其数值计算，根据公式计算对应的渠道优先值；

34、式中：qp为渠道优先值；b1、b2均为比例系数，取值范围为0<b1≤1，0<b2≤1；cb为信息成本；yzi为对应分析区域的优化调整值。

35、所述记录分析模块用于对pos机储存的支付记录进行分析，获取历史交易数据，根据历史交易数据建立异常识别模型，异常识别模型的表达式为x为输入数据；输出数据为异常值，异常值为1或0；

36、建立风险监测表，风险监测表用于统计各风险目标以及风险特征；

37、根据风险监测表和历史交易数据建立交易行为模型；

38、识别支付记录中的信用支付信息，通过异常识别模型对信用支付信息进行识别分析，获得各信用支付信息对应的异常值；将异常值为1的信用支付信息标记为异常分析数据；通过交易行为模型对异常分析数据进行分析，获得对应的风险目标，根据获得的风险目标按照预设处理方式进行处理。

39、基于数据分析的pos机交易风险识别方法，方法包括：

40、应用pos进行交易时，采集客户的生物信息，将采集的生物信息输入到预设的生物信息库中进行匹配验证，根据验证结果进行相应的支付处理；将对应的支付记录进行储存；

41、识别支付记录中的信用支付信息，通过预设的异常识别模型对信用支付信息进行识别分析，获得各信用支付信息对应的异常值；将异常值为1的信用支付信息标记为异常分析数据；通过预设的交易行为模型对异常分析数据进行分析，获得对应的风险目标，根据获得的风险目标按照预设处理方式进行处理。

42、与现有技术相比，本发明的有益效果是：

43、通过生物识别模块和记录分析模块之间的相互配合，实现对pos机的交易进行实时风险分析，及时发现潜在风险，如非正常营业时间的大额交易、频繁快速的连续交易或与商户常规业务不符的交易类型，系统会立即发出预警，这些预警信息可以帮助商户及时采取措施，防范潜在的交易风险；同时支持生物识别，解决现有很多pos商家难以建立全面的生物信息库的问题；提高用户的使用体验。

技术特征：

1.基于数据分析的pos机交易风险识别系统，其特征在于，包括生物识别模块和记录分析模块；

2.根据权利要求1所述的基于数据分析的pos机交易风险识别系统，其特征在于，生物信息库的设置方法包括：

3.根据权利要求2所述的基于数据分析的pos机交易风险识别系统，其特征在于，储存到数据储存库中生物信息的积累方法包括：

4.根据权利要求3所述的基于数据分析的pos机交易风险识别系统，其特征在于，对各待选渠道进行筛选的方法包括：

5.根据权利要求4所述的基于数据分析的pos机交易风险识别系统，其特征在于，单元信息图的设置方法包括：

6.根据权利要求5所述的基于数据分析的pos机交易风险识别系统，其特征在于，优化调整值的计算方法包括：

7.根据权利要求6所述的基于数据分析的pos机交易风险识别系统，其特征在于，优化调整值的计算公式为：

8.根据权利要求4所述的基于数据分析的pos机交易风险识别系统，其特征在于，渠道优先值的计算方法包括：

9.基于数据分析的pos机交易风险识别方法，其特征在于，应用于如权利要求1至8中任一项所述的基于数据分析的pos机交易风险识别系统，方法包括：

技术总结本发明公开了基于数据分析的POS机交易风险识别方法及系统，属于POS机交易风险识别技术领域，应用POS进行交易时，采集客户的生物信息，将采集的生物信息输入到预设的生物信息库中进行匹配验证，根据验证结果进行相应的支付处理；将对应的支付记录进行储存；识别支付记录中的信用支付信息，通过预设的异常识别模型对信用支付信息进行识别分析，获得各信用支付信息对应的异常值；将异常值为1的信用支付信息标记为异常分析数据；通过预设的交易行为模型对异常分析数据进行分析，获得对应的风险目标，根据获得的风险目标按照预设处理方式进行处理；通过生物识别模块和记录分析模块之间的相互配合，实现对POS机的交易进行实时风险分析。技术研发人员：陈治福,杨志洪受保护的技术使用者：赛晶（江苏）视觉技术有限公司技术研发日：技术公布日：2024/7/29