一种支付风险识别方法、装置及设备与流程

技术特征：
1.一种支付风险识别方法，包括：若针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点，则利用深度兴趣网络模型，基于所述目标用户的历史支付交易数据和当前支付环境数据，确定所述目标用户的预测支付行为数据；利用预设风险识别模型并基于所述预测支付行为数据，对所述本次支付交易事件进行风险识别，得到相应的预测支付风险识别结果；在所述本次支付交易事件执行到所述支付处理链路中的第二预设处理节点时，获取在所述第二预设处理节点之前所产生的所述目标用户的真实支付行为数据；其中，所述第二预设处理节点晚于所述第一预设处理节点；基于所述预测支付行为数据、所述真实支付行为数据和所述预测支付风险识别结果，确定目标支付风险识别结果。2.根据权利要求1所述的方法，其中，所述预测支付行为数据包括：至少一种用户行为属性参数对应的预测参数值；在利用深度兴趣网络模型，基于所述目标用户的历史支付交易数据和当前支付环境数据，确定所述目标用户的预测支付行为数据之前，还包括：基于预设风险识别模型在风险识别过程中所需的模型输入数据的类别信息，确定所述至少一种用户行为属性参数；其中，所述用户行为属性参数包括：支付渠道信息、核身方式信息、支付金额量级中至少一项。3.根据权利要求2所述的方法，其中，所述获取在所述第二预设处理节点之前所产生的所述目标用户的真实支付行为数据，包括：基于在所述第二预设处理节点之前所产生的所述目标用户的真实支付交易数据，确定所述至少一种用户行为属性参数对应的真实参数值；将各所述用户行为属性参数对应的所述真实参数值的集合确定为所述目标用户的真实支付行为数据。4.根据权利要求2所述的方法，其中，所述历史支付交易数据包括：每笔历史支付交易事件下的历史支付行为数据和历史支付环境数据；所述利用深度兴趣网络模型基于所述目标用户的历史支付交易数据和当前支付环境数据，确定所述目标用户的预测支付行为数据，包括：针对每笔所述历史支付交易事件，确定该历史支付交易事件下的所述历史支付行为数据对应的第一特征向量和所述历史支付环境数据对应的第二特征向量；将所述当前支付环境数据对应的第三特征向量分别与所述第二特征向量进行交互处理，确定各所述历史支付交易事件对应的权重系数；其中，该权重系数的数值大小用于表征历史支付环境与当前支付环境之间的相似程度；基于各所述权重系数，分别对所述第一特征向量进行加权及融合处理，得到融合特征向量；基于所述目标用户的基本属性数据对应的特征向量、所述第三特征向量、所述用户行为属性参数下可选的多个目标参数值对应的特征向量、以及所述融合特征向量，确定所述目标用户的预测支付行为数据。5.根据权利要求4所述的方法，其中，所述将所述当前支付环境数据对应的第三特征向
量分别与所述第二特征向量进行交互处理，确定各所述历史支付交易事件对应的权重系数，包括：针对每笔所述历史支付交易事件，求解所述当前支付环境数据对应的第三特征向量与该历史支付交易事件对应的所述第二特征向量之间的外积，得到第四特征向量；将所述第二特征向量、所述第三特征向量和所述第四特征向量进行拼接处理，得到第五特征向量；将所述第五特征向量依次输入至激活层和线性层，得到所述历史支付交易事件对应的权重系数。6.根据权利要求4所述的方法，其中，所述基于所述目标用户的基本属性数据对应的特征向量、所述第三特征向量、所述用户行为属性参数下可选的多个目标参数值对应的特征向量、以及所述融合特征向量，确定所述目标用户的预测支付行为数据，包括：针对所述用户行为属性参数下可选的每个目标参数值，基于所述目标用户的基本属性数据对应的特征向量、所述第三特征向量、所述目标参数值对应的特征向量、以及所述融合特征向量，确定所述目标参数值对应的拼接特征向量；基于所述拼接特征向量，确定所述用户行为属性参数的真实参数值为所述目标参数值的预估概率；将概率值最大的所述预估概率对应的所述目标参数值，确定为所述用户行为属性参数对应的预测参数值。7.根据权利要求1所述的方法，其中，所述基于所述预测支付行为数据、所述真实支付行为数据和所述预测支付风险识别结果，确定目标支付风险识别结果，包括：将所述预测支付行为数据和所述真实支付行为数据进行比对，得到相应的行为数据比对结果；基于所述行为数据比对结果，判断所述深度兴趣网络模型的预测结果是否满足预设准确率约束条件；若是，则将所述预测支付风险识别结果确定为目标支付风险识别结果；若否，则利用所述预设风险识别模型，基于所述真实支付行为数据，对所述本次支付交易事件进行风险识别，得到目标支付风险识别结果。8.根据权利要求7所述的方法，其中，所述预测支付行为数据包括：多种用户行为属性参数对应的预测参数值；所述基于所述行为数据比对结果，判断所述深度兴趣网络模型的预测结果是否满足预设准确率约束条件，包括：基于各种所述用户行为属性参数对应的参数值比对结果，判断所述多种用户行为属性参数的预测参数值和真实参数值是否均匹配；若是，则确定所述深度兴趣网络模型的预测结果满足预设准确率约束条件；若否，则确定所述深度兴趣网络模型的预测结果不满足预设准确率约束条件。9.根据权利要求1至8任一项所述的方法，其中，在基于所述预测支付行为数据、所述真实支付行为数据和所述预测支付风险识别结果，确定目标支付风险识别结果之后，还包括：基于所述目标支付风险识别结果，对所述本次支付交易事件进行管控处理。10.一种支付风险识别方法，所述方法包括：
若针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点，则将所述目标用户的历史支付交易数据和当前支付环境数据提供给预设的区块链系统，以使所述区块链系统通过预先部署的智能合约利用深度兴趣网络模型，基于所述历史支付交易数据和所述当前支付环境数据，确定所述目标用户的预测支付行为数据；接收所述区块链系统发送的所述预测支付行为数据，并利用预设风险识别模型基于所述预测支付行为数据，对所述本次支付交易事件进行风险识别，得到相应的预测支付风险识别结果；在所述本次支付交易事件执行到所述支付处理链路中的第二预设处理节点时，获取在所述第二预设处理节点之前所产生的所述目标用户的真实支付行为数据；其中，所述第二预设处理节点晚于所述第一预设处理节点；将所述真实支付行为数据和所述预测支付风险识别结果提供给所述区块链系统，以使所述区块链系统通过预先部署的智能合约基于所述预测支付行为数据、所述真实支付行为数据和所述预测支付风险识别结果，确定目标支付风险识别结果。11.一种支付风险识别方法，应用于区块链系统，所述方法包括：接收支付风险识别设备发送的目标用户的第一支付相关数据；其中，所述第一支付相关数据包括：历史支付交易数据和当前支付环境数据，所述第一支付相关数据是在针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点时所发送的；通过预先部署的智能合约基于所述历史支付交易数据和所述当前支付环境数据，确定所述目标用户的预测支付行为数据；将所述预测支付行为数据发送至所述支付风险识别设备，以使所述支付风险识别设备利用预设风险识别模型基于所述预测支付行为数据，对所述本次支付交易事件进行风险识别，得到相应的预测支付风险识别结果；接收所述支付风险识别设备发送的第二支付相关数据；其中，所述第二支付相关数据包括：所述预测支付风险识别结果和在第二预设处理节点之前所产生的所述目标用户的真实支付行为数据，所述第二支付相关数据是在所述本次支付交易事件执行到所述支付处理链路中的第二预设处理节点时发送的；所述第二预设处理节点晚于所述第一预设处理节点；通过预先部署的智能合约基于所述预测支付行为数据、所述真实支付行为数据和所述预测支付风险识别结果，确定目标支付风险识别结果。12.根据权利要求11所述的方法，其中，所述通过预先部署的智能合约基于所述历史支付交易数据和所述当前支付环境数据，确定所述目标用户的预测支付行为数据，包括：基于预先部署的智能合约从所述区块链系统中获取预先训练的深度兴趣网络模型的索引信息，并基于所述索引信息获取所述深度兴趣网络模型；基于所述智能合约，将所述历史支付交易数据和所述当前支付环境数据输入至所述深度兴趣网络模型中，得到所述目标用户的预测支付行为数据。13.根据权利要求12所述的方法，其中，所述通过预先部署的智能合约基于所述预测支付行为数据、所述真实支付行为数据和所述预测支付风险识别结果，确定目标支付风险识别结果，包括：通过预先部署的智能合约基于所述预测支付行为数据和所述真实支付行为数据，判断
所述深度兴趣网络模型的预测结果是否满足预设准确率约束条件；其中，所述预先部署的智能合约包括所述预设准确率约束条件对应的智能合约；若是，则将所述预测支付风险识别结果确定为目标支付风险识别结果；若否，则向所述支付风险识别设备发送风险识别请求，以使所述支付风险识别设备利用所述预设风险识别模型，基于所述真实支付行为数据，对所述本次支付交易事件进行风险识别，得到目标支付风险识别结果。14.一种支付风险识别装置，包括：支付行为数据预测模块，其若针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点，则利用深度兴趣网络模型，基于所述目标用户的历史支付交易数据和当前支付环境数据，确定所述目标用户的预测支付行为数据；第一支付风险识别模块，其利用预设风险识别模型并基于所述预测支付行为数据，对所述本次支付交易事件进行风险识别，得到相应的预测支付风险识别结果；支付行为数据获取模块，其在所述本次支付交易事件执行到所述支付处理链路中的第二预设处理节点时，获取在所述第二预设处理节点之前所产生的所述目标用户的真实支付行为数据；其中，所述第二预设处理节点晚于所述第一预设处理节点；第二支付风险识别模块，其基于所述预测支付行为数据、所述真实支付行为数据和所述预测支付风险识别结果，确定目标支付风险识别结果。15.一种支付风险识别装置，包括：第一支付数据发送模块，其若针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点，则将所述目标用户的历史支付交易数据和当前支付环境数据提供给预设的区块链系统，以使所述区块链系统通过预先部署的智能合约利用深度兴趣网络模型，基于所述历史支付交易数据和所述当前支付环境数据，确定所述目标用户的预测支付行为数据；预测支付数据接收模块，其接收所述区块链系统发送的所述预测支付行为数据，并利用预设风险识别模型基于所述预测支付行为数据，对所述本次支付交易事件进行风险识别，得到相应的预测支付风险识别结果；支付行为数据获取模块，其在所述本次支付交易事件执行到所述支付处理链路中的第二预设处理节点时，获取在所述第二预设处理节点之前所产生的所述目标用户的真实支付行为数据；其中，所述第二预设处理节点晚于所述第一预设处理节点；第二支付数据发送模块，其将所述真实支付行为数据和所述预测支付风险识别结果提供给所述区块链系统，以使所述区块链系统通过预先部署的智能合约基于所述预测支付行为数据、所述真实支付行为数据和所述预测支付风险识别结果，确定目标支付风险识别结果。16.一种支付风险识别装置，所述装置为区块链系统中的装置，包括：第一支付数据接收模块，其接收支付风险识别设备发送的目标用户的第一支付相关数据；其中，所述第一支付相关数据包括：历史支付交易数据和当前支付环境数据，所述第一支付相关数据是在针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点时所发送的；支付行为数据预测模块，其通过预先部署的智能合约基于所述历史支付交易数据和所
述当前支付环境数据，确定所述目标用户的预测支付行为数据；支付行为数据发送模块，其将所述预测支付行为数据发送至所述支付风险识别设备，以使所述支付风险识别设备利用预设风险识别模型基于所述预测支付行为数据，对所述本次支付交易事件进行风险识别，得到相应的预测支付风险识别结果；第二支付数据接收模块，其接收所述支付风险识别设备发送的第二支付相关数据；其中，所述第二支付相关数据包括：所述预测支付风险识别结果和在第二预设处理节点之前所产生的所述目标用户的真实支付行为数据，所述第二支付相关数据是在所述本次支付交易事件执行到所述支付处理链路中的第二预设处理节点时发送的；所述第二预设处理节点晚于所述第一预设处理节点；支付风险识别模块，其通过预先部署的智能合约基于所述预测支付行为数据、所述真实支付行为数据和所述预测支付风险识别结果，确定目标支付风险识别结果。17.一种支付风险识别设备，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：若针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点，则利用深度兴趣网络模型，基于所述目标用户的历史支付交易数据和当前支付环境数据，确定所述目标用户的预测支付行为数据；利用预设风险识别模型并基于所述预测支付行为数据，对所述本次支付交易事件进行风险识别，得到相应的预测支付风险识别结果；在所述本次支付交易事件执行到所述支付处理链路中的第二预设处理节点时，获取在所述第二预设处理节点之前所产生的所述目标用户的真实支付行为数据；其中，所述第二预设处理节点晚于所述第一预设处理节点；基于所述预测支付行为数据、所述真实支付行为数据和所述预测支付风险识别结果，确定目标支付风险识别结果。18.一种支付风险识别设备，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：若针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点，则将所述目标用户的历史支付交易数据和当前支付环境数据提供给预设的区块链系统，以使所述区块链系统通过预先部署的智能合约利用深度兴趣网络模型，基于所述历史支付交易数据和所述当前支付环境数据，确定所述目标用户的预测支付行为数据；接收所述区块链系统发送的所述预测支付行为数据，并利用预设风险识别模型基于所述预测支付行为数据，对所述本次支付交易事件进行风险识别，得到相应的预测支付风险识别结果；在所述本次支付交易事件执行到所述支付处理链路中的第二预设处理节点时，获取在所述第二预设处理节点之前所产生的所述目标用户的真实支付行为数据；其中，所述第二预设处理节点晚于所述第一预设处理节点；
将所述真实支付行为数据和所述预测支付风险识别结果提供给所述区块链系统，以使所述区块链系统通过预先部署的智能合约基于所述预测支付行为数据、所述真实支付行为数据和所述预测支付风险识别结果，确定目标支付风险识别结果。19.一种支付风险识别设备，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：接收支付风险识别设备发送的目标用户的第一支付相关数据；其中，所述第一支付相关数据包括：历史支付交易数据和当前支付环境数据，所述第一支付相关数据是在针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点时所发送的；通过预先部署的智能合约基于所述历史支付交易数据和所述当前支付环境数据，确定所述目标用户的预测支付行为数据；将所述预测支付行为数据发送至所述支付风险识别设备，以使所述支付风险识别设备利用预设风险识别模型基于所述预测支付行为数据，对所述本次支付交易事件进行风险识别，得到相应的预测支付风险识别结果；接收所述支付风险识别设备发送的第二支付相关数据；其中，所述第二支付相关数据包括：所述预测支付风险识别结果和在所述第二预设处理节点之前所产生的所述目标用户的真实支付行为数据，所述第二支付相关数据是在所述本次支付交易事件执行到所述支付处理链路中的第二预设处理节点时发送的；所述第二预设处理节点晚于所述第一预设处理节点；通过预先部署的智能合约基于所述预测支付行为数据、所述真实支付行为数据和所述预测支付风险识别结果，确定目标支付风险识别结果。20.一种存储介质，用于存储计算机可执行指令，所述可执行指令在被处理器执行时实现以下方法：若针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点，则利用深度兴趣网络模型，基于所述目标用户的历史支付交易数据和当前支付环境数据，确定所述目标用户的预测支付行为数据；利用预设风险识别模型并基于所述预测支付行为数据，对所述本次支付交易事件进行风险识别，得到相应的预测支付风险识别结果；在所述本次支付交易事件执行到所述支付处理链路中的第二预设处理节点时，获取在所述第二预设处理节点之前所产生的所述目标用户的真实支付行为数据；其中，所述第二预设处理节点晚于所述第一预设处理节点；基于所述预测支付行为数据、所述真实支付行为数据和所述预测支付风险识别结果，确定目标支付风险识别结果。21.一种存储介质，用于存储计算机可执行指令，所述可执行指令在被处理器执行时实现以下方法：若针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点，则将所述目标用户的历史支付交易数据和当前支付环境数据提供给预设的区块链系统，以使所述区块链系统通过预先部署的智能合约利用深度兴趣网络模型，基于所述历史支付交易
数据和所述当前支付环境数据，确定所述目标用户的预测支付行为数据；接收所述区块链系统发送的所述预测支付行为数据，并利用预设风险识别模型基于所述预测支付行为数据，对所述本次支付交易事件进行风险识别，得到相应的预测支付风险识别结果；在所述本次支付交易事件执行到所述支付处理链路中的第二预设处理节点时，获取在所述第二预设处理节点之前所产生的所述目标用户的真实支付行为数据；其中，所述第二预设处理节点晚于所述第一预设处理节点；将所述真实支付行为数据和所述预测支付风险识别结果提供给所述区块链系统，以使所述区块链系统通过预先部署的智能合约基于所述预测支付行为数据、所述真实支付行为数据和所述预测支付风险识别结果，确定目标支付风险识别结果。22.一种存储介质，用于存储计算机可执行指令，所述可执行指令在被处理器执行时实现以下方法：接收支付风险识别设备发送的目标用户的第一支付相关数据；其中，所述第一支付相关数据包括：历史支付交易数据和当前支付环境数据，所述第一支付相关数据是在针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点时所发送的；通过预先部署的智能合约基于所述历史支付交易数据和所述当前支付环境数据，确定所述目标用户的预测支付行为数据；将所述预测支付行为数据发送至所述支付风险识别设备，以使所述支付风险识别设备利用预设风险识别模型基于所述预测支付行为数据，对所述本次支付交易事件进行风险识别，得到相应的预测支付风险识别结果；接收所述支付风险识别设备发送的第二支付相关数据；其中，所述第二支付相关数据包括：所述预测支付风险识别结果和在第二预设处理节点之前所产生的所述目标用户的真实支付行为数据，所述第二支付相关数据是在所述本次支付交易事件执行到所述支付处理链路中的第二预设处理节点时发送的；所述第二预设处理节点晚于所述第一预设处理节点；通过预先部署的智能合约基于所述预测支付行为数据、所述真实支付行为数据和所述预测支付风险识别结果，确定目标支付风险识别结果。

技术总结
本说明书一个或多个实施例提供了一种支付风险识别方法、装置及设备，该方法包括：若针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点，则利用深度兴趣网络模型，基于目标用户的历史支付交易数据和当前支付环境数据，确定目标用户的预测支付行为数据；利用预设风险识别模型并基于上述预测支付行为数据，对本次支付交易事件进行风险识别，得到相应的预测支付风险识别结果；在本次支付交易事件执行到第二预设处理节点时，获取在本次支付交易事件执行过程中所产生的目标用户的真实支付行为数据；基于上述预测支付行为数据、真实支付行为数据和预测支付风险识别结果，确定本次支付交易事件对应的目标支付风险识别结果。险识别结果。险识别结果。


技术研发人员：周璟 吕乐 傅幸 刘佳 杨阳 王维强 朱冠胤
受保护的技术使用者：支付宝（杭州）信息技术有限公司
技术研发日：2021.08.19
技术公布日：2021/10/19