[发明专利]交易数据变化风险识别系统及方法

说明书

技术领域

本发明涉及网络交易风险监控领域，特别是指一种交易数据变化风险识别系统及方法。

背景技术

在电商的交易中，交易数据的准确性至关重要，轻则影响用户体验，重则造成重大资损，所以对交易数据的实时检查及风险监控至关重要。

现在市面上常见的交易数据的实时检查和风险监控只能比较交易数据是否一致，缺少交易数据的变化规则对比及交易数据之间的逻辑关系。对于交易数据的实时检查及风险监控并不能起到较好的效果。

发明内容

本发明提出一种交易数据变化风险识别系统及方法，解决了现有技术中交易数据的实时检查和风险监控只能比较交易数据是否一致，缺少交易数据的变化规则对比及交易数据之间的逻辑关系，对于交易数据的实时检查及风险监控并不能起到较好的效果的问题。

本发明的技术方案是这样实现的：

一种交易数据变化风险识别系统，包括数据收集组件、JDBC组件、数据对比组件、数据对比规则组件和异常处理组件；

所述数据收集组件用于收集每一交易从创建到修改全过程的交易变化前数据和交易变化后数据，将交易变化前数据和交易变化后数据进行数据转换后存储至所述JDBC组件；

所述数据对比组件用于根据某一交易的ID从所述JDBC组件中查询出所有的交易变化前数据和交易变化后数据，判断交易数据变化是否符合预先配置的变化规则，若符合，判断交易数据合法，否则不合法；

所述数据对比规则组件用于配置交易数据的变化规则；

所述异常处理组件用于将不同交易阶段的交易数据校验结果路由至相应的异常处理器。

进一步的，所述异常处理器至少包括下单异常处理器、支付异常处理器、退款异常处理器和运输异常处理器。

进一步的，所述预先配置的变化规则包括但不限于大于、小于、等于、不等于、非空、包含、集合比对、正则匹配、数据逻辑性和自定义比较表达式。

进一步的，所述数据收集组件将交易变化前数据和交易变化后数据进行数据转换指的是：将交易变化前数据和交易变化后数据的多个模型数据转换为单一平级map结构，为空的属性用空字符串填充。

进一步的，所述JDBC组件采用Hbase数据库。

一种交易数据变化风险识别方法，具体包括以下步骤：

步骤1，收集每一交易从创建到修改交易全过程的交易数据，交易数据包括交易变化前数据和交易变化后数据；

步骤2，对交易变化前数据和交易变化后数据进行数据转换后存储至JDBC组件；

步骤3，根据交易的ID获取相应的交易变化前数据和交易变化后数据，对获取的数据进行对比，得出交易数据的变化规则，

步骤4，判断交易数据的变化规则是否符合预先配置的变化规则，若是，交易数据合法，否则不合法；

步骤5，判断不合法交易数据的交易阶段，将交易数据对比结果路由至相应的异常处理器。

进一步的，所述异常处理器至少包括下单异常处理器、支付异常处理器、退款异常处理器和运输异常处理器。

进一步的，步骤4中预先配置的变化规则包括但不限于大于、小于、等于、不等于、非空、包含、集合比对、正则匹配、数据逻辑性和自定义比较表达式。

进一步的，步骤2中数据转换具体包括以下步骤：

将交易变化前数据和交易变化后数据的多个模型数据转换为单一平级map结构，为空的属性用空字符串填充。

进一步的，所述JDBC组件采用Hbase数据库存储交易数据。

本发明的有益效果在于：本发明的重点在于对交易数据的变化规则进行对比，并判断其是否合法，从而确定交易数据是否存在异常，与现有技术不同，解决了现有技术中交易数据的实时检查和风险监控只能比较交易数据是否一致，缺少交易数据的变化规则对比及交易数据之间的逻辑关系，对于交易数据的实时检查及风险监控并不能起到较好的效果的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明交易数据变化风险识别系统一个实施例的原理方框图；

图2为本发明交易数据变化风险识别方法一个实施例的流程图；

图3为交易数据变化流程图。