(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211212660.7 (22)申请日 2022.09.30 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 房立坤　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 李辉　王维宁 (51)Int.Cl. G06Q 40/08(2012.01) G06Q 40/02(2012.01) G06Q 20/40(2012.01) G06K 9/62(2022.01) (54)发明名称 应用于支付系统的风险识别方法及装置 (57)摘要 本发明公开了一种应用于支付系统的风险 识别方法及装置， 可用于金融领域或其他领域， 其中该方法包括： 从支付系统获取交易数据； 按 照预设的比例抽取风险交易的交易数据和非风 险交易的交易数据， 在已知风险交易和非风险交 易的情况下分析交易数据中的不同交易指标的 风险识别能力的强弱性， 并筛选出风险识别能力 强的N种交易指标； 根据筛选 出的N种交易指标生 成训练样 本； 根据所述训练样 本以及预设的机器 学习模型训练出风险识别工具； 将所述风险识别 工具接入所述支付系统， 以使所述支付系统根据 所述风险识别工具对实时处理的交易进行风险 识别。 本发 明能够在交易处理完成前完成风险识 别， 有助于减少风险交易。 权利要求书2页 说明书6页 附图3页 CN 115496616 A 2022.12.20 CN 115496616 A 1.一种应用于支付系统的风险识别方法， 其特 征在于， 包括： 从支付系统获取交易数据， 其中， 所述交易数据包括： 风险交易的交易数据以及非风险 交易的交易数据； 按照预设的比例抽取风险交易的交易数据和非风险交易的交易数据， 在已知风险交易 和非风险交易的情况下分析交易数据中的不同交易指标的风险识别能力的强弱性， 并筛选 出风险识别能力强的N种交易指标； 根据筛选出的N种交易指标、 风险交易的交易数据以及非风险交易的交易数据生成训 练样本； 根据所述训练样本以及预设的机器学习模型训练出风险识别工具； 将所述风险识别 工具接入所述支付系统， 以使所述支付系统根据 所述风险识别工具对 实时处理的交易进行风险识别。 2.如权利要求1所述的应用于支付系统的风险识别方法， 其特 征在于， 还 包括： 根据筛选出的N种交易指标、 风险交易的交易数据以及非风险交易的交易数据生成验 证样本。 3.如权利要求2所述的应用于支付系统 的风险识别方法， 其特征在于， 所述根据 所述训 练样本以及预设的机器学习模型训练出风险识别工具， 具体包括： 根据所述训练样本以及预设的多种机器学习模型训练出多个风险识别模型； 根据所述验证样本验证 每个所述风险识别模型的识别准确性； 将识别准确性 最高的风险识别模型确定为所述 风险识别工具。 4.如权利要求3所述的应用于支付系统 的风险识别方法， 其特征在于， 所述机器学习 模 型， 具体包括： 逻辑回归 模型、 K近临模型、 支持向量机模型以及决策树模型。 5.一种应用于支付系统的风险识别装置， 其特 征在于， 包括： 交易数据获取单元， 用于从支付系统获取交易数据， 其中， 所述交易数据包括： 风险交 易的交易数据以及非风险交易的交易数据； 交易指标筛选单元， 用于按照预设的比例抽取风险交易的交易数据和非风险交易的交 易数据， 在已知风险交易和非风险交易的情况下分析 交易数据中的不同交易指标的风险识 别能力的强弱性， 并筛 选出风险识别能力强的N种交易指标； 训练样本生成单元， 用于根据筛选出的N种交易指标、 风险交易的交易数据以及非风险 交易的交易数据生成训练样本； 风险识别 工具训练单元， 用于根据 所述训练样本以及预设的机器学习 模型训练出风险 识别工具； 工具接入单元， 用于将所述风险识别工具接入所述支付系统， 以使所述支付系统根据 所述风险识别工具对实时处 理的交易进行风险识别。 6.如权利要求5所述的应用于支付系统的风险识别装置， 其特 征在于， 还 包括： 验证样本生成单元， 用于根据筛选出的N种交易指标、 风险交易的交易数据以及非风险 交易的交易数据生成验证样本 。 7.如权利要求6所述的应用于支付系统 的风险识别装置， 其特征在于， 所述风险识别 工 具训练单 元， 具体包括： 风险识别模型训练模块， 用于根据 所述训练样本以及预设的多种机器学习模型训练出权　利　要　求　书 1/2 页 2 CN 115496616 A 2多个风险识别模型； 识别准确性确定模块， 用于根据所述验证样本验证每个所述风险识别模型的识别准确 性； 模型筛选模块， 用于将识别准确性 最高的风险识别模型确定为所述 风险识别工具。 8.如权利要求7所述的应用于支付系统 的风险识别装置， 其特征在于， 所述机器学习 模 型， 具体包括： 逻辑回归 模型、 K近临模型、 支持向量机模型以及决策树模型。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至4任一所述方 法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序被处 理器执行时实现权利要求1至4任一所述方法。 11.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机程序， 所述计 算机程序被处 理器执行时实现权利要求1至4任一所述方法。权　利　要　求　书 2/2 页 3 CN 115496616 A 3