本發(fā)明涉及支付防護，更具體地說，本發(fā)明涉及一種異地支付安全防護系統(tǒng)。

背景技術(shù)：

1、申請公開號為cn110472966a的專利申請公開了一種手機支付安全防護系統(tǒng)，包括：權(quán)限設(shè)定設(shè)備，設(shè)置在智能手機上，用于根據(jù)用戶的操作，設(shè)置移動支付允許的支付地理范圍以及設(shè)置移動支付允許的支付時間段；電子支付設(shè)備，用于根據(jù)用戶的操作，啟動或關(guān)閉當(dāng)前電子支付項目；定位監(jiān)測設(shè)備，內(nèi)置有衛(wèi)星導(dǎo)航單元，用于提供智能手機的當(dāng)前導(dǎo)航數(shù)據(jù)；計時設(shè)備，用于提供智能手機的當(dāng)前時刻，由于基于電子支付設(shè)備的當(dāng)前數(shù)據(jù)處理速率自適應(yīng)調(diào)整自身以及相關(guān)設(shè)備的運行任務(wù)數(shù)量，進一步優(yōu)化了系統(tǒng)的整體性能，從而為手機支付提供雙重安全防護機制。

2、申請公開號為cn111192049a的專利申請公開了一種網(wǎng)絡(luò)安全支付防護方法及移動終端，包括：接收到支付時使用的短信驗證碼后，對短信驗證碼進行加密；接收短信驗證碼的解密指令，并判斷解密指令是否正確；若正確，則顯示短信驗證碼；若不正確，則顯示短信驗證碼未解密成功的提示信息，即使盜取短信驗證碼，也僅能看到加密形式的短信驗證碼，減少短信驗證碼在有效期內(nèi)被盜取且使用的風(fēng)險，從而保證財產(chǎn)人的財產(chǎn)安全。

3、但是現(xiàn)有的異地支付安全防護方面依然存在多方面的不足，首先，傳統(tǒng)系統(tǒng)難以全面、精準(zhǔn)地捕捉交易模式，往往只關(guān)注單一維度，忽視了多維度特征的綜合分析，導(dǎo)致異常交易檢測準(zhǔn)確性不高，使得一些精心偽裝的欺詐行為難以被識別，其次，缺乏動態(tài)調(diào)整能力，無法有效適應(yīng)不同場景下的交易模式變化，如節(jié)假日或特殊促銷期間的交易行為，容易造成大量誤報或漏報；再者，傳統(tǒng)防護方法往往局限于已知的欺詐模式，缺乏發(fā)現(xiàn)新型欺詐手段的能力，處于被動防御狀態(tài)，隨著欺詐技術(shù)的不斷演進，新型的欺詐手段層出不窮，而固有的檢測模型難以及時更新和適應(yīng)，使得在面對新型欺詐時常常措手不及，造成巨大的經(jīng)濟損失；此外，風(fēng)險評估方法較為粗糙，難以提供精細的結(jié)果，影響風(fēng)險管理決策的準(zhǔn)確性；導(dǎo)致風(fēng)險管理策略不夠精準(zhǔn)，可能對正常交易造成不必要的干擾，同時也可能對高風(fēng)險交易采取不足的防護措施；這些問題綜合導(dǎo)致異常交易的及時發(fā)現(xiàn)和阻止存在滯后性，在實際應(yīng)用中，系統(tǒng)可能需要較長時間才能識別出異常模式，或者在發(fā)現(xiàn)異常后難以快速做出響應(yīng)。

4、鑒于此，本發(fā)明提出一種異地支付安全防護系統(tǒng)以解決上述問題。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種異地支付安全防護系統(tǒng)，包括：數(shù)據(jù)采集模塊，用于獲取異地支付交易數(shù)據(jù)；

2、數(shù)據(jù)處理模塊，用于將異地支付交易數(shù)據(jù)進行預(yù)處理；得到交易特征數(shù)據(jù)；

3、聚類模塊，基于聚類算法對交易特征數(shù)據(jù)進行聚類，得到n個交易聚類；

4、異常評價模塊，用于利用蜻蜓算法從n個交易聚類中尋找異常交易簇；

5、異常關(guān)聯(lián)分析模塊，用于對異常交易簇中的交易特征數(shù)據(jù)，采用馬爾可夫鏈建模，計算得到對應(yīng)的異地支付交易數(shù)據(jù)的異常概率；

6、高風(fēng)險監(jiān)測模塊，用于預(yù)設(shè)異常閾值，將異常概率大于或等于異常閾值的異地支付交易數(shù)據(jù)作為高風(fēng)險交易；將高風(fēng)險交易采取安全防護措施；各個模塊之間通過有線和/或無線的方式進行連接。

7、進一步地，所述異地支付交易數(shù)據(jù)包括交易金額、交易時間、交易地點和交易設(shè)備信息。

8、進一步地，所述將異地支付交易數(shù)據(jù)進行預(yù)處理的方式包括:

9、將連續(xù)數(shù)值的數(shù)據(jù)進行標(biāo)準(zhǔn)化或歸一化處理，使不同量級的特征值在同一數(shù)值范圍內(nèi)；將類別型數(shù)據(jù)進行one-hot編碼，轉(zhuǎn)換為數(shù)值型特征；得到標(biāo)準(zhǔn)交易數(shù)據(jù)；

10、定義m個時間窗口，將標(biāo)準(zhǔn)交易數(shù)據(jù)按照交易的時間戳分配到相應(yīng)的時間窗口中；在每個時間窗口內(nèi)，計算時間窗口內(nèi)的交易頻率、交易金額統(tǒng)計量、交易地點分布、交易設(shè)備類型統(tǒng)計和交易金額變化率；將計算得到的交易頻率、交易金額統(tǒng)計量、交易地點分布、交易設(shè)備類型統(tǒng)計和交易金額變化率組合成一個特征向量，表示對應(yīng)時間窗口內(nèi)的交易特征數(shù)據(jù)。

11、進一步地，所述時間窗口的定義方式包括：

12、計算當(dāng)前的基礎(chǔ)交易頻率，其中，為預(yù)設(shè)的時間段，為交易的次數(shù)；

13、將基礎(chǔ)交易頻率進行平滑，得到平滑交易頻率；進行平滑的公式為：；其中，為時刻時平滑交易頻率，為時刻時的平滑因子，為時刻時平滑交易頻率，為趨勢影響參數(shù)，為季節(jié)性影響參數(shù)，為趨勢修正項，為季節(jié)性調(diào)整項；

14、；其中，預(yù)設(shè)的基礎(chǔ)平滑參數(shù)，為調(diào)節(jié)參數(shù)；

15、，其中，是跨度系數(shù)，為時刻時平滑交易頻率；

16、；其中，為時刻時的季節(jié)性因子，為平均季節(jié)性因子；

17、基于平滑交易頻率，計算時間窗口的大?。黄渲?，是偏差動態(tài)調(diào)整常數(shù)；是正數(shù)；

18、設(shè)置窗口大小限制區(qū)間；將時間窗口的大小限制在窗口大小限制區(qū)間內(nèi)；其中，和分別是允許的最小窗口大小和最大窗口大小；

19、定義一個目標(biāo)交易數(shù)；計算分配的時間窗口偏差，其中，為分配的時間窗口內(nèi)時間的標(biāo)準(zhǔn)交易數(shù)據(jù)的交易數(shù)；

20、則動態(tài)調(diào)整過后的偏差動態(tài)調(diào)整常數(shù)；其中，是調(diào)整速率；將頂替進行重新計算時間窗口的大小；即完成對于時間窗口的定義。

21、進一步地，所述對交易特征數(shù)據(jù)進行聚類的方式包括：

22、構(gòu)建聚類特征數(shù)據(jù)，其中，為第個交易的交易特征數(shù)據(jù)；構(gòu)建相似度矩陣，計算相似度矩陣中的元素；

23、；其中，是高斯核的帶寬參數(shù)，為第個交易的交易特征數(shù)據(jù)，為第個交易的時間戳，為第個交易的時間戳，為時間衰減參數(shù)，和為平衡參數(shù)，且；

24、基于相似度矩陣中的元素計算度矩陣，其中，為對角矩陣的運算符號；

25、基于度矩陣和相似度矩陣計算標(biāo)準(zhǔn)化拉普拉斯矩陣；

26、；其中，是單位矩陣；

27、基于標(biāo)準(zhǔn)化拉普拉斯矩陣求解廣義特征值，得到個非零特征值，個非零特征值進行升序排序，選擇前個非零特征值對應(yīng)的特征向量構(gòu)成非零特征值矩陣；

28、于非零特征值矩陣構(gòu)建新的特征矩陣，新的特征矩陣元素為非零特征值矩陣的行元素，即為非零特征值矩陣的第行；

29、對中的每一行進行歸一化，得到低維嵌入空間的特征矩陣，記作；基于，在低維嵌入空間進行聚類，得到個交易聚類。

30、進一步地，所述在低維嵌入空間進行聚類的方式包括：

31、初始化定義聚類的個中心點，聚類時選擇第一個中心點完全隨機，之后每個新的中心點都以概率被選擇，其中，是樣本到最近已選的中心點的距離；所有樣本到最近已選的中心點的距離；

32、對于每個樣本，計算到每個中心點的加權(quán)距離，加權(quán)距離的計算公式為：

33、；其中，是控制系數(shù)，是到第個聚類的密度函數(shù)，為第個聚類的中心點；

34、將分配到最小加權(quán)距離對應(yīng)的聚類，并更新聚類中心；更新聚類中心的方式為對于每個聚類，計算新的中心點；復(fù)將分配到最小加權(quán)距離對應(yīng)的聚類，并更新聚類中心直到中心點不再變化或達到預(yù)設(shè)的最大迭代次數(shù)；即得到個交易聚類。

35、進一步地，所述新的中心點的計算公式為：

36、；其中是的權(quán)重函數(shù)，為屬于第個聚類的樣本構(gòu)成的集合，為第個聚類的新的中心點；

37、；其中，為第個聚類未更新之前的中心點，為的自適應(yīng)參數(shù)；

38、；其中，為的局部密度估計，為到其所屬聚類的中心點的距離；

39、和均為調(diào)控參數(shù)。

40、進一步地，所述異常交易簇的尋找方式包括：

41、定義群體中有個蜻蜓個體，每個蜻蜓個體表示一個潛在的異常交易簇，用一個維向量表示；

42、定義異常適應(yīng)度函數(shù)，計算每個蜻蜓個體的異常適應(yīng)度函數(shù)的值，記作適應(yīng)度值；

43、；其中，、、和為權(quán)重系數(shù)；為密度偏差因子，為新穎性指數(shù)因子，為時間異常性因子，為交易額變異因子；

44、密度偏差因子，其中，為蜻蜓個體的密度，為所有蜻蜓個體的平均密度，為所有蜻蜓個體的最大密度；

45、新穎性指數(shù)因子；其中，是蜻蜓個體的大小，是最大蜻蜓個體的大小；

46、時間異常性因子；其中，為蜻蜓個體中交易時間的平均值，為全局的交易時間的平均值，為全局的交易時間的標(biāo)準(zhǔn)差；

47、交易額變異因子；其中；為蜻蜓個體中交易金額的標(biāo)準(zhǔn)差，為蜻蜓個體中交易金額的平均值；

48、對于每個蜻蜓個體，更新其位置，并計算每個蜻蜓個體新的位置的適應(yīng)度值，并更新全局最佳解和最差解；隨著迭代的進行直到達到預(yù)設(shè)的最大迭代次數(shù)；最終輸出的全局最佳解對應(yīng)的蜻蜓個體即為識別出的異常交易簇。

49、進一步地，所述對于每個蜻蜓個體，更新其位置的公式為：

50、；其中，是時間步時蜻蜓個體的位置變化量；為時間步時蜻蜓個體的位置，為時間步時蜻蜓個體的位置；

51、；其中和是權(quán)重系數(shù)，是慣性權(quán)重；為分離限制因子，為對齊限制因子，為內(nèi)聚限制因子，為向食物移動限制因子，為遠離敵人限制因子，為時間步時蜻蜓個體的位置變化量；

52、分離限制因子，其中，為時間步時蜻蜓個體的鄰近蜻蜓個體的位置；

53、對齊限制因子，其中為時間步時鄰近蜻蜓個體的速度，為鄰近蜻蜓個體的數(shù)量；

54、內(nèi)聚限制因子；

55、遠離敵人限制因子，其中為時間步時敵人的位置；

56、向食物移動限制因子；其中，為時間步時食物源的位置。

57、進一步地，所述異常概率的計算方式包括：

58、將異常交易簇中的交易特征數(shù)據(jù)離散化，定義為馬爾可夫鏈的不同狀態(tài)；基于歷史交易數(shù)據(jù)，統(tǒng)計不同狀態(tài)之間的轉(zhuǎn)移概率作為狀態(tài)轉(zhuǎn)移矩陣的元素，構(gòu)建狀態(tài)轉(zhuǎn)移矩陣p；

59、定義馬爾可夫鏈的初始狀態(tài)概率分布，將每個異常交易簇中的交易特征數(shù)據(jù)轉(zhuǎn)化為各自對應(yīng)的狀態(tài)序列，利用前向算法計算狀態(tài)序列的概率，記作序列概率；

60、基于計算得到的序列概率和預(yù)設(shè)的正常交易概率閾值，計算得到異常概率。

61、本發(fā)明一種異地支付安全防護系統(tǒng)的技術(shù)效果和優(yōu)點：

62、本發(fā)明能夠全面、精準(zhǔn)地捕捉交易的時序特征和行為模式，大幅提高了異常交易的檢測準(zhǔn)確性，通過動態(tài)調(diào)整的時間窗口和多維度的特征提取，可以更好地適應(yīng)不同場景下的交易模式變化，改進聚類有效提升了對高維非線性數(shù)據(jù)的處理能力，使得異常交易簇的識別更加準(zhǔn)確，蜻蜓算法具有優(yōu)秀的全局搜索能力，能夠有效發(fā)現(xiàn)新型的欺詐模式，基于馬爾可夫鏈的異常概率計算方法提供了更加精細和可解釋的風(fēng)險評估結(jié)果，形成了一個全面、精準(zhǔn)、自適應(yīng)的異地支付安全防護體系，顯著提高了異常交易的檢測和防護能力，不僅能夠及時發(fā)現(xiàn)和阻止高風(fēng)險交易，還能提供有價值的風(fēng)險洞察，優(yōu)化風(fēng)險管理策略；增強了異地支付的安全性，提升了用戶的支付體驗，同時節(jié)省了大量的人力和財務(wù)成本。