本发明属于应用
技术领域：
，具体涉及一种识别套现账户的方法、存储介质及电子设备。
背景技术：
：近年来，套现行为十分常见，特别是加油套现行为，例如加油站员工通过开通多个无卡加油账户模拟正常客户加油、相识员工串账户加油、与社会车辆串通加油等方式进行加油套现的行为，单纯靠加油频率、加油时间、加油地点或某些特定条件对套现的行为识别率低，容易出现误报。从加油套现的方式来看，加油套现可以分为直接套现和间接套现。直接套现为加油站员工在加油现场亲自持用户卡为现金客户加油套现的行为。间接套现为容留外部人员(非站内员工)在加油站内利用加油套现。加油套现的手段具有多样性，积分、优惠券、易捷币等虚拟资产都有套现的情况发生。目前，识别加油套现账户的方法为：对加油的基础流水数据进行分析，具体地，对加油账户在油站的加油日期、加油时间、加油油品、交易金额作分析，计算油站消费次数占比、油品消费次数占比、加油升数分布，然后，计算其熵值，最后，根据熵值挑出符合条件的加油套现行为。然而，以上识别加油套现账户的方法分析过程复杂，而且精度不足。现在亟须一种识别套现账户的方法、存储介质及电子设备。技术实现要素：本发明所要解决的技术问题是提高识别套现账户的精度、过滤掉正常客户卡，有效识别员工套现行为以及员工套现反作弊行为。针对上述问题，本发明提供了一种识别套现账户的方法、存储介质及电子设备。第一方面，本发明提供了一种识别套现账户的方法，包括以下步骤：获取目标账户的交易行为明细；基于似然函数模型确定所述交易行为明细中每一次交易行为对应的交易行为概率比；根据每一次交易行为对应的交易行为概率比的乘积确定目标账户的交易行为检测值，比较所述交易行为检测值与预设的阈值条件，根据比较结果确定所述目标账户属于套现账户还是正常账户。根据本发明的实施例，优选地，基于似然函数模型确定交易行为明细中每一次交易行为的交易行为概率比，包括以下步骤：对于交易行为明细中每一次交易行为，获取当前交易行为属于正常交易行为的概率以及套现交易行为的概率；基于似然函数模型，根据当前交易行为属于正常交易行为的概率以及套现交易行为的概率确定当前交易行为的交易行为概率比；其中，所述似然函数模型如下：lr＝(1-pr0)/(1-pr1)其中，lr为当前交易行为的交易行为概率比，pr0为当前交易行为属于正常交易行为的概率；pr1为当前交易行为属于套现交易行为的概率。根据本发明的实施例，优选地，当前交易行为属于正常账户行为的概率为在历史记录数据中存在当前交易行为的正常账户占所有正常账户的比值，当前交易行为属于套现交易行为的概率为在历史记录数据中存在当前交易行为的套现账户占所有套现账户的比值。根据本发明的实施例，优选地，比较所述交易行为检测值与预设的阈值条件，根据比较结果确定所述目标账户属于套现账户还是正常账户，包括：当所述交易行为检测值大于或等于预设的套现账户阈值时，判定所述目标账户为套现账户；当所述交易行为检测值小于或等于预设的正常账户阈值时，判定所述目标账户为正常账户。根据本发明的实施例，优选地，所述方法还包括：当所述交易行为检测值大于正常账户阈值且小于套现账户阈值时，等待下一次交易行为，并将下一次交易行为作为当前交易行为，重新计算其对应的目标账户的交易行为检测值，直到确定出所述目标账户属于套现账户还是正常账户为止。根据本发明的实施例，优选地，所述交易行为检测值等于每一次交易行为对应的交易行为概率比的乘积。根据本发明的实施例，优选地，所述方法还包括：根据确定为属于套现账户的所有账户以及确定为属于正常账户的所有账户分别建立账户的黑名单和白名单；查询所述黑名单或白名单中是否存在账户类型待确定的目标账户；当所述黑名单中存在账户类型待确定的目标账户时，确定所述目标账户为套现账户；当所述白名单中存在账户类型待确定的目标账户时，确定所述目标账户为正常账户。根据本发明的实施例，优选地，所述黑名单和所述白名单均包括：账户、账户注册人员信息以及交易行为明细。第二方面，本发明提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。第三方面，本发明提供了一种电子设备，其包括存储器和处理器，其特征在于，该存储器上存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：应用本发明的识别套现账户的方法，获取目标账户的交易行为明细；基于似然函数模型确定所述交易行为明细中每一次交易行为对应的交易行为概率比；根据每一次交易行为对应的交易行为概率比的乘积确定目标账户的交易行为检测值，比较所述交易行为检测值与预设的阈值条件，根据比较结果确定所述目标账户属于套现账户还是正常账户，能够根据目标账户的每一次交易行为对应的交易行为概率比的乘积得到的目标账户的交易行为检测值，判断目标账户为套现账户还是正常账户，提高识别套现账户的精度、过滤掉正常客户卡，有效识别员工套现行为以及员工套现反作弊行为。本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。附图说明附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：图1示出了本发明实施例一识别套现账户的方法的流程图；图2示出了本发明实施例二识别套现账户的方法的流程图。具体实施方式以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。本发明的理论基础是基于序贯概率比的一种假设检验。令h0表示假设该账户为正常账户。h1则表示假设该账户为套现账户。每次观察的结果都会在两种不同的假设下形成一个不同的似然比。令yi＝0表示正常消费，yi＝1表示套现消费，其中i＝1，2，…，n，标记每次与连接相关的随机事件。根据给定的假设条件hj，j＝0,1，这两类可能性事件有着具体的概率，对于每一个观测到的事件i＝1，2，…，n，检测更新的似然比可以定义为：随着每次观测到的事件i，这个似然比会相应地增加或减少。如果λ(y)>＝eta1，那么加油属于集合h1；如果λ(y)<＝eta0，则属于集合h0，其中，eta0和eta1是用于检测的临界值。这两个临界值的选择限定了检测的精度。通过测试数据已经验证，该理论基础仅需要较少数量的观测事件来成功地完成套现检测。实施例一为解决现有技术中存在的上述技术问题，本发明实施例提供了一种识别套现账户的方法。参照图1，本实施例的一种识别套现账户的方法，包括以下步骤：s110，根据确定为属于套现账户的所有账户以及确定为属于正常账户的所有账户分别建立账户的黑名单和白名单；s120，查询所述黑名单是否存在账户类型待确定的目标账户：若是，则确定所述目标账户为套现账户；若否，则执行步骤s130；s130，查询所述白名单是否存在账户类型待确定的目标账户：若是，则确定所述目标账户为正常账户；若否，则执行步骤s140；s140，获取目标账户的交易行为明细；s150，基于似然函数模型确定所述交易行为明细中每一次交易行为对应的交易行为概率比；s160，根据每一次交易行为对应的交易行为概率比的乘积确定目标账户的交易行为检测值，比较所述交易行为检测值与预设的阈值条件，根据比较结果确定所述目标账户属于套现账户还是正常账户。实施例二为解决现有技术中存在的上述技术问题，本发明实施例基于实施例一提供了一种识别套现账户的方法，其中，本发明实施例的识别套现账户的方法对实施例一中的步骤s150和步骤s160进行改进。参照图2，本实施例的一种识别套现账户的方法，包括以下步骤：s210，根据确定为属于套现账户的所有账户以及确定为属于正常账户的所有账户分别建立账户的黑名单和白名单；s220，查询所述黑名单是否存在账户类型待确定的目标账户：若是，则确定所述目标账户为套现账户；若否，则执行步骤s230；s230，查询所述白名单是否存在账户类型待确定的目标账户：若是，则确定所述目标账户为正常账户；若否，则执行步骤s240；s240，获取目标账户的交易行为明细；s251，对于交易行为明细中每一次交易行为，获取当前交易行为属于正常交易行为的概率以及套现交易行为的概率；s252，基于似然函数模型，根据当前交易行为属于正常交易行为的概率以及套现交易行为的概率确定当前交易行为的交易行为概率比；s261，根据每一次交易行为对应的交易行为概率比的乘积确定目标账户的交易行为检测值；s262，判断所述交易行为检测值是否大于或等于预设的套现账户阈值：若是，则判定所述目标账户为套现账户；若否，则执行步骤s263；s263，判断所述交易行为检测值是否小于或等于预设的正常账户阈值：若是，则判定所述目标账户为正常账户；若否，则等待下一次交易行为，并将下一次交易行为作为当前交易行为，返回步骤s251，重新计算其对应的目标账户的交易行为检测值，直到确定出所述目标账户属于套现账户还是正常账户为止。在步骤s210中，所述黑名单和所述白名单均包括：账户、账户注册人员信息以及交易行为明细。在步骤s251中，当前交易行为属于正常账户行为的概率为在历史记录数据中存在当前交易行为的正常账户占所有正常账户的比值，当前交易行为属于套现交易行为的概率为在历史记录数据中存在当前交易行为的套现账户占所有套现账户的比值。在步骤s252中，所述似然函数模型如下：lr＝(1-pr0)/(1-pr1)其中，lr为当前交易行为的交易行为概率比，pr0为当前交易行为属于正常交易行为的概率；pr1为当前交易行为属于套现交易行为的概率。在步骤s261中，所述交易行为检测值等于每一次交易行为对应的交易行为概率比的乘积，具体地，通过以下表达式，根据每一次交易行为对应的交易行为概率比的乘积确定目标账户的交易行为检测值：其中，λn为所述交易行为检测值，n为交易行为明细中交易行为的数量，lri为第i次交易行为对应的交易行为概率比。实施例三为解决现有技术中存在的上述技术问题，本发明实施例为将实施例二提供的识别套现账户的方法在加油中的应用场景。本实施例的识别套现账户的方法，包括以下步骤：第一步，构建特征yi先验函数。先验函数是历史事件中该事件(套现、正常)在正常账户中和套现账户中的事件占比(因涉及数据安全协议，如下数值为模拟值)。表1为示例的构建事件的详细情况如。表1事件行为正常账户中该事件占比pr0套现账户中该事件占比pr1更换油品2％34％近24小时复数加油1％23％整钱加油11％45％更换注册车牌信息6％34％自助加油14％2％更换加油站加油45％8％发生便利店消费13％1％构建先验函数的具体步骤：采集前一年交易数据明细，数据采集时间范围可以为1年，地区限制可以为北京区域。对交易数据明细中的每一个交易事件建立先验函数，先验函数是反映套现和正常事件的事件概率。以下为以更换油品为例，说明正常账户中该事件占比pr0和套现账户中该事件占比pr1的计算过程：计算正常账户中更换油品占比pr0＝使用大于等于两种油品的账户数/总正常账户数，约等于2％。计算套现账户中更换油品占比pr0＝使用大于等于两种油品的账户数/总套现账户数，约等于34％。第二步，配置白名单和黑名单，采集前一年核实的套现账户名单和正常账户名单，数据采集时间范围可以为1年，地区限制可以为北京区域，配置白名单和黑名单，其中，白名单和黑名单初始化时导入采集的核实的套现账户名单和正常账户名单作为默认值，后续，随检测结果而更新。白名单中存储已判断过或人工导入的正常账户；黑名单中存储已判断过或人工导入的套现账户及员工信息。第三步，对于每笔交易事件进行检测1)如果白名单或黑名单中存在该加油账户，则直接判断该加油账户为正常账户或套现账户。2)如果白名单或黑名单中不存在该加油账户，则判断从第一步中提取该当前交易事件的先验概率值pr。3)如果该笔交易事件为当年第一次交易，则该加油账户的似然函数λ(y)的计算表达式如下：λ(y)＝1*(1-pr0)/(1-pr1)如果该笔交易事件非第一次交易，则该加油账户的似然函数λ(y)的计算表达式如下：λn(y)＝λn-1(y)*(1-pr0)/(1-pr1)其中，λn(y)为截止到当前交易事件的似然函数，λn-1(y)为截止到上一笔交易事件的似然函数。4)如果加油账户的似然函数λ(y)的值超过eta1，则认为该加油账户为套现账户；λ(y)低于eta0，则认为该加油账户为正常账户。其中，eta1可以为99，eta0可以为0.01，当然，eta1和eta0还可以针对场景的严格程度进行调节。5)当满足4)中的条件时，即当该加油账户为套现账户时，将该加油账户记录进黑名单中，并将该黑名单的当年全部交易明细记录进黑名单交易明细历史表中，当该加油账户为正常账户时，将该加油账户记录进白名单中，并将该白名单的当年全部交易明细记录进白名单交易明细历史表中。6)当不满足4)中的条件时，即当该加油账户既不属于套现账户又不属于正常账户时，等待下一次交易，并循环到2)步骤，直至判断出该加油账户为正常账户还是套现账户为止。第四步，输出黑名单及黑名单交易明细历史表，供业务人员检查套现加油。黑名单包括账户、身份证、手机号、是否算法判定、是否人工核实、核实人、是否人工添加、添加人、当前卡状态(正常、停用、注销)。黑名单交易明细历史表包括账户、交易油站名称、交易油站代码、油品编号、油品类型、交易金额、实收金额、优惠金额、交易发生时间。第五步，输出白名单及白名单交易明细历史表，供业务人员自行修改或添加。白名单包括账户、身份证、手机号、是否算法判定、是否人工核实、核实人、是否人工添加、添加人、当前卡状态(正常、停用、注销)。白名单交易明细历史表包括账户、交易油站名称、交易油站代码、油品编号、油品类型、交易金额、实收金额、优惠金额、交易发生时间。本实施例通过先计算加油账户的交易行为明细中各交易事件在正常账户和套现账户的比率，即先验套现概率，结合序贯概率比对加油账户的交易行为明细进行判别该加油账户是否是套现账户。其中，序贯概率比公式为通过该叠乘公式及阈值条件判断加油账户是否为套现账户。本实施例能够通过计算加油账户为正常账户还是套现账户，有效的防止正常油账户的误识别，并提升套现账户的识别率。本实施例能够将生成的黑名单和白名单反馈给监管人员进行套现的监管，特别是黑名单中加油站员工的信息反馈给监管人员，以实时监测黑名单中加油站员工在换加油站工作时是否再次出现套现行为。实施例四为解决现有技术中存在的上述技术问题，本发明实施例还提供了一种存储介质。本实施例的存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例中识别套现账户的方法的步骤。实施例五为解决现有技术中存在的上述技术问题，本发明实施例还提供了一种电子设备。本实施例的电子设备，其包括存储器和处理器，该存储器上存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属
技术领域：
内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。当前第1页1 2 3
技术特征：1.一种识别套现账户的方法，其特征在于，包括以下步骤：
获取目标账户的交易行为明细；
基于似然函数模型确定所述交易行为明细中每一次交易行为对应的交易行为概率比；
根据每一次交易行为对应的交易行为概率比的乘积确定目标账户的交易行为检测值，比较所述交易行为检测值与预设的阈值条件，根据比较结果确定所述目标账户属于套现账户还是正常账户。
2.根据权利要求1所述的方法，其特征在于，基于似然函数模型确定交易行为明细中每一次交易行为的交易行为概率比，包括以下步骤：
对于交易行为明细中每一次交易行为，获取当前交易行为属于正常交易行为的概率以及套现交易行为的概率；
基于似然函数模型，根据当前交易行为属于正常交易行为的概率以及套现交易行为的概率确定当前交易行为的交易行为概率比；其中，
所述似然函数模型如下：
lr＝(1-pr0)/(1-pr1)
其中，lr为当前交易行为的交易行为概率比，pr0为当前交易行为属于正常交易行为的概率；pr1为当前交易行为属于套现交易行为的概率。
3.根据权利要求2所述的方法，其特征在于，当前交易行为属于正常账户行为的概率为在历史记录数据中存在当前交易行为的正常账户占所有正常账户的比值，当前交易行为属于套现交易行为的概率为在历史记录数据中存在当前交易行为的套现账户占所有套现账户的比值。
4.根据权利要求1所述的方法，其特征在于，比较所述交易行为检测值与预设的阈值条件，根据比较结果确定所述目标账户属于套现账户还是正常账户，包括：
当所述交易行为检测值大于或等于预设的套现账户阈值时，判定所述目标账户为套现账户；
当所述交易行为检测值小于或等于预设的正常账户阈值时，判定所述目标账户为正常账户。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
当所述交易行为检测值大于正常账户阈值且小于套现账户阈值时，等待下一次交易行为，并将下一次交易行为作为当前交易行为，重新计算其对应的目标账户的交易行为检测值，直到确定出所述目标账户属于套现账户还是正常账户为止。
6.根据权利要求1所述的方法，其特征在于，所述交易行为检测值等于每一次交易行为对应的交易行为概率比的乘积。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据确定为属于套现账户的所有账户以及确定为属于正常账户的所有账户分别建立账户的黑名单和白名单；
查询所述黑名单或白名单中是否存在账户类型待确定的目标账户；
当所述黑名单中存在账户类型待确定的目标账户时，确定所述目标账户为套现账户；
当所述白名单中存在账户类型待确定的目标账户时，确定所述目标账户为正常账户。
8.根据权利要求7所述的方法，其特征在于，
所述黑名单和所述白名单均包括：账户、账户注册人员信息以及交易行为明细。
9.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至8中任一项所述方法的步骤。
10.一种电子设备，其包括存储器和处理器，其特征在于，该存储器上存储有计算机程序，该计算机程序被处理器执行时实现如权利要求1至8中任一项所述方法的步骤。
技术总结本发明公开了一种识别套现账户的方法、存储介质及电子设备，所述方法包括以下步骤：获取目标账户的交易行为明细；基于似然函数模型确定所述交易行为明细中每一次交易行为对应的交易行为概率比；根据每一次交易行为对应的交易行为概率比的乘积确定目标账户的交易行为检测值，比较所述交易行为检测值与预设的阈值条件，根据比较结果确定所述目标账户属于套现账户还是正常账户。本发明能够根据目标账户的每一次交易行为对应的交易行为概率比的乘积得到的目标账户的交易行为检测值，以判断目标账户为套现账户还是正常账户，提高识别套现账户的精度、过滤掉正常客户卡，有效识别员工套现行为以及员工套现反作弊行为。
技术研发人员：宋凯华;索寒生;陈海龙;姜霄;杜夏洁;张小雪;苗泽
受保护的技术使用者：石化盈科信息技术有限责任公司
技术研发日：2020.01.07
技术公布日：2020.06.05
