用于确定欺诈的系统、方法和计算机程序产品与流程

技术特征：
1.一种确定欺诈的方法，包括：从商家系统并且使用至少一个处理器接收与商家与用户之间的第一支付交易相关联的交易请求；使用至少一个处理器基于所述交易请求和在所述交易请求之前接收到的第一组交易数据生成第一风险评分；基于所述第一风险评分不满足第一阈值，使用至少一个处理器处理交易请求批准；使用至少一个处理器并且从所述商家系统或单独的商家系统接收与所述第一支付交易相关联的风险评分请求，其中在所述交易请求已被批准之后接收所述风险评分请求；使用至少一个处理器基于在确定所述第一风险评分之后接收到的第二组交易数据生成第二风险评分；以及响应于确定所述第二风险评分满足第二阈值，使用至少一个处理器将所述第一支付交易自动分类为潜在欺诈性的。2.根据权利要求1所述的方法，其中所述第二风险评分是基于将所述第一组交易数据和所述第二组交易数据输入到机器学习模型中而生成的。3.根据权利要求2所述的方法，其中所述机器学习模型包括双向递归神经网络。4.根据权利要求3所述的方法，其中所述双向递归神经网络包括长短期记忆或门控递归单位单元。5.根据权利要求1所述的方法，其中所述第一组交易数据包括与在发起所述第一支付交易之前处理的所述用户的交易相关联的交易数据。6.根据权利要求1所述的方法，其中所述第二组交易数据包括与在发起所述第一支付交易之后处理的所述用户的交易相关联的交易数据。7.根据权利要求1所述的方法，其中在商家履行所述第一支付交易之前接收所述风险评分请求。8.根据权利要求1所述的方法，还包括：响应于将所述第一支付交易分类为潜在欺诈性的，自动地使所述第一支付交易被取消。9.根据权利要求1所述的方法，还包括：响应于将所述第一支付交易分类为潜在欺诈性的，自动地使与所述第一支付交易相关联的产品或服务的履行被延迟和/或撤销。10.根据权利要求1所述的方法，还包括：响应于将所述第一支付交易分类为潜在欺诈性的，将验证请求自动传送到与所述用户相关联的装置以使所述用户指示所述第一支付交易是否为欺诈性的。11.一种用于确定欺诈的系统，包括至少一个处理器，所述至少一个处理器被编程或配置成：从商家系统接收与商家与用户之间的第一支付交易相关联的交易请求；基于所述交易请求和在所述交易请求之前接收到的第一组交易数据生成第一风险评分；基于所述第一风险评分不满足第一阈值而处理交易请求批准；从所述商家系统或单独的商家系统接收与所述第一支付交易相关联的风险评分请求，
其中在所述交易请求已被批准之后接收所述风险评分请求；基于在确定所述第一风险评分之后接收到的第二组交易数据生成第二风险评分；并且响应于确定所述第二风险评分满足第二阈值而自动地将所述第一支付交易分类为潜在欺诈性的。12.根据权利要求11所述的系统，其中所述第二风险评分是基于将所述第一组交易数据和所述第二组交易数据输入到机器学习模型中而生成的。13.根据权利要求12所述的系统，其中所述机器学习模型包括双向递归神经网络。14.根据权利要求13所述的系统，其中所述双向递归神经网络包括长短期记忆或门控递归单位单元。15.根据权利要求11所述的系统，其中所述第一组交易数据包括与在发起所述第一支付交易之前处理的所述用户的交易相关联的交易数据。16.根据权利要求11所述的系统，其中所述第二组交易数据包括与在发起所述第一支付交易之后处理的所述用户的交易相关联的交易数据。17.根据权利要求11所述的系统，其中在商家履行所述第一支付交易之前接收所述风险评分请求。18.根据权利要求11所述的系统，其中所述至少一个处理器被编程或配置成：响应于将所述第一支付交易分类为潜在欺诈性的，自动地使所述第一支付交易被取消。19.根据权利要求11所述的系统，其中所述至少一个处理器被编程或配置成：响应于将所述第一支付交易分类为潜在欺诈性的，自动地使与所述第一支付交易相关联的产品或服务的履行被延迟和/或撤销。20.根据权利要求11所述的系统，其中所述至少一个处理器被编程或配置成：响应于将所述第一支付交易分类为潜在欺诈性的，将验证请求自动传送到与所述用户相关联的装置以使所述用户指示所述第一支付交易是否为欺诈性的。21.一种用于确定欺诈的计算机程序产品，包括至少一个非瞬态计算机可读介质，所述至少一个非瞬态计算机可读介质包括程序指令，所述程序指令在由至少一个处理器执行时使所述至少一个处理器：从商家系统接收与商家与用户之间的第一支付交易相关联的交易请求；基于所述交易请求和在所述交易请求之前接收到的第一组交易数据生成第一风险评分；基于所述第一风险评分不满足第一阈值而处理交易请求批准；从所述商家系统或单独的商家系统接收与所述第一支付交易相关联的风险评分请求，其中在所述交易请求已被批准之后接收所述风险评分请求；基于在确定所述第一风险评分之后接收到的第二组交易数据生成第二风险评分；并且响应于确定所述第二风险评分满足第二阈值而自动地将所述第一支付交易分类为潜在欺诈性的。22.根据权利要求21所述的计算机程序产品，其中所述第二风险评分是基于将所述第一组交易数据和所述第二组交易数据输入到机器学习模型中而生成的。23.根据权利要求22所述的计算机程序产品，其中所述机器学习模型包括双向递归神
经网络。24.根据权利要求23所述的计算机程序产品，其中所述双向递归神经网络包括长短期记忆或门控递归单位单元。25.根据权利要求21所述的计算机程序产品，其中所述第一组交易数据包括与在发起所述第一支付交易之前处理的所述用户的交易相关联的交易数据。26.根据权利要求21所述的计算机程序产品，其中所述第二组交易数据包括与在发起所述第一支付交易之后处理的所述用户的交易相关联的交易数据。27.根据权利要求21所述的计算机程序产品，其中在商家履行所述第一支付交易之前接收所述风险评分请求。28.根据权利要求21所述的计算机程序产品，其中所述程序指令在由至少一个处理器执行时使所述至少一个处理器：响应于将所述第一支付交易分类为潜在欺诈性的，自动地使所述第一支付交易被取消。29.根据权利要求21所述的计算机程序产品，其中所述程序指令在由至少一个处理器执行时使所述至少一个处理器：响应于将所述第一支付交易分类为潜在欺诈性的，自动地使与所述第一支付交易相关联的产品或服务的履行被延迟和/或撤销。30.根据权利要求21所述的计算机程序产品，其中所述程序指令在由至少一个处理器执行时使所述至少一个处理器：响应于将所述第一支付交易分类为潜在欺诈性的，将验证请求自动传送到与所述用户相关联的装置以使所述用户指示所述第一支付交易是否为欺诈性的。

技术总结
一种确定欺诈的方法，包括：从商家系统接收与商家与用户之间的第一支付交易相关联的交易请求；基于所述交易请求和在所述交易请求之前接收到的第一组交易数据生成第一风险评分；基于所述第一风险评分不满足第一阈值而处理交易请求批准；接收与所述第一支付交易相关联的风险评分请求，其中在所述交易请求已被批准之后接收所述风险评分请求；基于在确定所述第一风险评分之后接收到的第二组交易数据生成第二风险评分；以及响应于确定所述第二风险评分满足第二阈值而自动地将所述第一支付交易分类为潜在欺诈性的。易分类为潜在欺诈性的。易分类为潜在欺诈性的。


技术研发人员：D
受保护的技术使用者：维萨国际服务协会
技术研发日：2021.11.05
技术公布日：2022/8/19