本說明書實施例提供可信關系處理方法以及裝置，其中，所述可信關系處理方法包括：確定業務點在基于可信主體與可信客體構建的主客體關系對的業務特征數據；通過將所述主客體關系對的業務特征數據輸入可信預測模型，輸出所述主客體關系對的可信覆蓋率預測；根據所述可信覆蓋率預測、所述業務點的業務用戶在所述主客體關系對的用戶特征數據以及針對所述業務點的歷史業務數據進行標記獲得的正樣本和負樣本，確定所述主客體關系對的可信特征閾值；在所述業務用戶在所述主客體關系對的用戶特征數據不小于所述主客體關系對的可信特征閾值的情況下，將所述主客體關系對確定為對所述業務用戶提交的業務請求進行可信判定的可信關系對。

技術領域

本說明書實施例涉及數據處理技術領域，特別涉及一種可信關系處理方法、一種可信關系處理裝置、一種計算設備以及一種計算機可讀存儲介質。

背景技術

隨著互聯網技術的飛速發展，基于互聯網技術的移動支付的應用也越來越廣泛，但移動支付在為用戶提供方便的同時，其面臨的支付安全考驗也越來越嚴重。通常，用戶在支付過程中如果發現異常，會向當前進行支付的支付平臺進行申請報案處理，由支付平臺對用戶申請的線上交易進行風險核驗，并根據風險核驗結果進入相應的管控流程，對用戶申請的線上交易進行風險核驗主要是依賴用戶的歷史支付數據，對于新用戶或者歷史支付數據較少的用戶，風險核驗存在的難度較大。

發明內容

有鑒于此，本說明書實施例提供了一種可信關系處理方法，以解決現有技術中存在的技術缺陷。本說明書一個或者多個實施例同時提供了一種可信關系處理裝置，一種計算設備，以及一種計算機可讀存儲介質。

本說明書一個實施例提供一種可信關系處理方法，包括：

確定業務點在基于可信主體與可信客體構建的主客體關系對的業務特征數據；

通過將所述主客體關系對的業務特征數據輸入可信預測模型，輸出所述主客體關系對的可信覆蓋率預測；

根據所述可信覆蓋率預測、所述業務點的業務用戶在所述主客體關系對的用戶特征數據以及針對所述業務點的歷史業務數據進行標記獲得的正樣本和負樣本，確定所述主客體關系對的可信特征閾值；

在所述業務用戶在所述主客體關系對的用戶特征數據不小于所述主客體關系對的可信特征閾值的情況下，將所述主客體關系對確定為對所述業務用戶提交的業務請求進行可信判定的可信關系對。

可選的，所述在所述業務用戶在所述主客體關系對的用戶特征數據不小于所述主客體關系對的可信特征閾值的情況下，將所述主客體關系對確定為對所述業務用戶提交的業務請求進行可信判定的可信關系對步驟執行之后，包括：

將所述業務用戶的可信關系對部署在所述業務點；

在接收到所述業務用戶提交的業務請求的情況下，判斷所述業務用戶提交的業務請求攜帶的用戶特征數據是否滿足所述業務用戶的可信關系對；

若滿足，將所述業務用戶提交的業務請求確定為低風險請求，對所述業務請求進行第一校驗級別的風險校驗；

若不滿足，將所述業務用戶提交的業務請求確定為高風險請求，對所述業務請求進行第二風險級別的風險校驗；

其中，所述第一校驗級別的風險校驗強度小于所述第二校驗級別的風險校驗強度。

可選的，所述確定業務點在基于可信主體與可信客體構建的主客體關系對的業務特征數據，包括：

根據所述業務點的各個業務用戶在所述主客體關系對的用戶特征數據，計算所述業務點的各個業務用戶在所述主客體關系對的用戶特征數據的特征數據均值，作為所述業務點在所述主客體關系對的業務特征數據。

可選的，所述可信預測模型，采用如下方式訓練獲得：