订单抽样检测方法、装置、电子设备和存储介质

技术领域

本发明实施例涉及互联网技术领域，尤其涉及一种订单抽样检测方法、装置、电子设备和存储介质。

背景技术

在供应链金融借贷业务中，需要参考借贷商户的实际订单的真实性来确定借贷的准入与否和放款金额。不同的商户有不同规模的订单业务，因此一个单位周期内的订单数量也不一样。为了达到风险控制的目的，需要根据商户的订单数据来确定订单的真实性，去伪存真，将有效的真实订单纳入借贷的参考范围。

若对借贷商户的所有订单进行真实性检测会带来巨大的工作量，因此常用的方法是从借贷商户的所有订单中随机抽取若干个订单进行检测，根据该抽取的若干个订单的检测结果确定订单整体的真实性。因此随机抽取的订单数量决定了对订单整体抽检的准确性和效率。

但是由于不同借贷商户的订单规模不一样，若采用同一标准对不同借贷商户进行随机抽取会造成对商户订单的检测不准确，影响最终的借贷准入决定正确性。

发明内容

本发明实施例提供一种订单抽样检测方法、装置、电子设备和存储介质，在降低对订单样本群抽检的检测成本的同时保证对订单样本群抽样检测的准确度。

第一方面，本发明实施例提供了一种订单抽样检测方法，包括：

获取待检测商户的订单样本群；

从所述订单样本群中随机抽取预设数量的抽样订单进行检测；其中，所述预设数量是采用抽样检测模型确定，所述抽样检测模型是基于商户的历史订单确定；

根据所述抽样订单的检测结果确定所述订单样本群的真实性。

第二方面，本发明实施例还提供了一种订单抽样检测装置，包括：

订单获取模块，用于获取待检测商户的订单样本群；

抽样订单抽取模块，用于从所述订单样本群中随机抽取预设数量的抽样订单进行检测；其中，所述预设数量是采用抽样检测模型确定，所述抽样检测模型是基于商户的历史订单确定；

订单真实性确定模块，用于根据所述抽样订单的检测结果确定所述订单样本群的真实性。

第三方面，本发明实施例还提供了一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例所述的订单抽样检测方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例所述的订单抽样检测方法。

本发明实施例基于获取到的待检测商户的订单样本群；从订单样本群中随机抽取预设数量的抽样订单进行检测；根据所述抽样订单的检测结果确定所述订单样本群的真实性，对于其中抽样订单的预设数量值是通过抽样检测模型确定，抽样检测模型是基于商户的历史订单确定。从而实现了在降低对订单样本群抽检的检测成本的同时保证对订单样本群抽样检测的准确度，使得在抽检的预设数量为最少的情况下保证根据抽样订单的真实性确定整体订单样本群真实性的准确度，进而提高依据订单样本群的真实性确定待检测商家的贷款准入结果的准确性。

附图说明

图1是本发明实施例一中的订单抽样检测方法的流程图；

图2是本发明实施例二中的订单抽样检测方法的流程图；

图3是本发明实施例提供的一种订单抽样检测系统的结构示意图；

图4是本发明实施例三中的订单抽样检测装置的结构示意图；

图5是本发明实施例四中的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1是本发明实施例一中的订单抽样检测方法的流程图，本实施例可适用于从订单样本群中随机抽取部分抽样订单进行检测，根据抽样订单的检测结果确定整体订单样本群的检测结果的。该方法可以由订单抽样检测装置来执行，该装置可以采用软件和/或硬件的方式实现，并可配置在电子设备中，例如电子设备可以是后台服务器等具有通信和计算能力的设备。如图1所示，该方法具体包括：

步骤101、获取待检测商户的订单样本群。

其中，待检测商户是指提交贷款申请的商户，为了对商户进行贷款准入判断，需要对该商户销售的订单的真实性进行检测。订单样本群是指在预设时间范围内，待检测商户在所有销售平台上已经完成的订单信息，其中，预设时间范围一般设置为近期，如一个月、三个月或半年等。预设时间范围越近，越可以反映该商户目前的营业状况，更具有真实性、时效性。

具体的，根据待检测商户的信息确定该商户在所有电商平台中的销售订单信息，根据预设时间段条件，筛选出在该时间段内的目标订单数据，作为订单样本群。示例性的，得到待检测商户在各平台上的订单样本群后，执行对订单样本群的清洗、归集操作。例如提取订单样本群中各订单的重点关注信息，并按照预设格式进行存储。重点关注信息包括收件人信息、发件人信息、收件人地址、发件人地址、物流公司名称、物流单号及发货和到货时间等。示例性的，根据提供物流单验证服务平台的要求进行清洗源订单数据，将清洗后的订单数据作为该商户待检测的订单样本群。

步骤102、从订单样本群中随机抽取预设数量的抽样订单进行检测；其中，预设数量是采用抽样检测模型确定，抽样检测模型是基于商户的历史订单确定。

由于每个商户的经营情况各不相同，存在部分商户真实经营，其订单全部为真实订单，而部分商户为提高用户的信任度，对其订单销售数据进行造假，制造了大量虚假订单，如进行刷单等。如果对待检测商户的每个订单都进行逐一检测，那么将耗费大量的检测人力、物力及时间，对于需要借贷的商户而言，会出现等待时间过长等问题，从而影响经营情况。

因此，建立抽样检测模型，设定一个时间范围，这个时间早于待检测的订单的时间，根据符合该时间的历史订单数据确定抽样检测模型。以实现根据抽样检测模型可以确定从该待检测商户的订单样本群中的抽样检测的样本预设数量，以保证根据该预设数量的抽样订单的检测结果即可确定整个订单样本群的检测结果。

具体的，依据抽样检测模型确定该待检测商家所需随机抽取抽样订单的预设数量，在待检测的订单样本群中，进行随机抽取预设数量的订单，并进行检测。通过抽样检测模型确定抽样订单的预设数量一方面大幅度减少需要检测的样本数量，从而减少检测的人力和时间开支，提高企业对商家的借贷请求处理速度与工作效率，另一方面保证了根据抽样订单的检测结果确定订单样本群的检测结果的准确性。

对抽样订单进行检测，是依据是订单中的物流真实性进行检测。对于进行订单数据造假的商户来说，一般是采用刷单的技术进行，难以保证刷单订单中物流的真实性。具体的，对抽样出来的订单进行检测真实性，可以与第三方物流单验证服务平台进行通讯，将所需验证的订单的信息输入到物流单验证服务平台上，包括收件人信息、发件人信息、收件人地址、发件人地址、物流公司名称、物流单号及发货和到货时间等信息，进行查询与比对，若订单信息与第三方物流单验证服务平台上所查到的信息一致，则认为该订单为真实订单。

步骤103、根据抽样订单的检测结果确定订单样本群的真实性。

对所有的抽样订单检测后，根据抽样订单的检测结果确定订单样本群的真实性。若抽样订单的检测结果为全部真实，则确定订单样本群为真实订单样本群；若在对抽样订单的检测过程中出现任一抽样订单的检测结果为虚假订单，则立刻停止对后续抽样订单的检测，即可确定该订单样本群为虚假订单样本群。

在一个可行的实施例中，步骤103，包括：

若抽样订单的检测结果为全部真实，则确定订单样本群为真实订单样本群。

对随机抽取出来的抽样订单进行检测后，对抽样订单的检测结果进行统计，如果抽样订单的检测结果全都是真实订单，则认为该订单样本群为真实订单样本群。这是依据抽样检测模型确定预设数量的原理所决定的。

示例性的，某一需要借贷的待检测商户，根据抽样检测模型确定其抽样订单的预设数量为100个，对这100个抽样订单逐一进行检测，若这100个抽样订单全部检测为真实订单，则确定该订单样本群为真实订单样本群。若这100个抽样订单中出现一个虚假订单，则直接确定该订单样本群为虚假订单样本群。

在一个可行的实施例中，在步骤102之前，还包括：

按照预先设置的单个批次中的订单量对订单样本群进行划分，得到至少两个批次订单；

相应的，从订单样本群中随机抽取预设数量的抽样订单进行检测，根据抽样订单的检测结果确定订单样本群的真实性，包括：

依次从各批次订单中随机抽取预设数量的抽样订单进行检测，根据抽样订单的检测结果确定各批次订单的真实性，以得到真实订单样本群。

若直接从该检测商户的所有订单样本群中进行随机抽取预设数量的抽样订单，则当出现检测失误时，会导致整个订单样本群需要重新进行检测，造成人力资源浪费。因此在本发明实施例中，对订单样本群进行划分，得到至少两个批次订单，其中每个批次订单中的数量的预先设置的单个批次中的订单数量，该数量可以根据实际订单样本群以及抽样检测模型中的设置进行确定，在此不作限制。示例性的，将订单样本群按预先设置的单个批次中的订单量M为单位，划分为N/M个批次，最后一个批次可能少于M个。分别对每个批次订单进行抽取检测，即使某个批次订单中出现检测失误，也只需对该批次订单进行重新检测，大大减少返工的工作量。

具体的，对订单样本群进行批次划分，分成多个小的批次订单，对每个划分后的批次订单进行单独的抽取订单并进行检测，根据每个批次订单中的抽样订单的检测结果，来确定每个批次订单的真实性，统计真实批次订单结果和虚假批次订单结果。

在一个可行的实施例中，在步骤103之后，还包括：

基于预先设置的风控模型，根据待检测商户的订单样本群的真实性结果确定待检测商户的风控结果，以根据风控结果确定待检测商户的贷款准入结果。

风控模型是指对商户进行借贷准入的风险评估系统模型，可以根据资金提供方的要求进行构建，在此不作限制。首先根据抽样检测模型，对待检测商户待检测的抽样订单进行检测后得到订单样本群的真实性结果，将检测的真实性结果输入到风控模型中，风控模型根据订单样本群检测真实性的结果进行统计与计算，评估出当前待检测商户的经营状况和诚信程度等，根据预先设置的风险控制模型，计算出该待检测商户的借贷结果，包括可借贷的金额、风险度等其他参数，具体以实际需求为准，这里不做限制。

本发明实施例基于获取到的待检测商户的订单样本群；从订单样本群中随机抽取预设数量的抽样订单进行检测；根据所述抽样订单的检测结果确定所述订单样本群的真实性，对于其中抽样订单的预设数量值是通过抽样检测模型确定，抽样检测模型是基于商户的历史订单确定。从而实现了在降低对订单样本群抽检的检测成本的同时保证对订单样本群抽样检测的准确度，使得在抽检的预设数量为最少的情况下保证根据抽样订单的真实性确定整体订单样本群真实性的准确度，进而提高依据订单样本群的真实性确定待检测商家的贷款准入结果的准确性。

实施例二

图2是本发明实施例二中的抽样检测模型的构建方法的流程图，本实施例可适用于确定从订单样本群中随机抽取部分抽样订单进行检测的抽样订单数量的情况，本实施例二在实施例一的基础上，对实施例一中的抽样检测模型的构建步骤进行详细说明。如图2所示，该方法包括：

步骤201、获取商户的历史订单验证数据。

历史订单验证数据是指发生在生成待检测订单之前的一段时间内的订单数据。历史订单验证数据距离待检测订单数据的生成时间较近，可有效反映当前商户的经营状况，具有一定的时效性和准确性。这里的时间不做限制，可根据实际的商户经营时间、业务量、历史因素等进行确定。

具体的，设置历史订单验证数据的筛选时间段，从商户所在的电商平台数据库中，导出商户的在该时间段内的所有历史订单验证数据。对于这里的商户可以是待检测商户，或者是与待检测商户同等级、同类型的商户。

步骤202、根据历史订单验证数据确定其中的真实批次订单概率、虚假批次订单概率、真实批次订单中虚假订单的比例和虚假批次订单中虚假订单的比例；其中，真实批次订单概率和虚假批次订单概率之和为1。

对历史订单验证数据进行分批次检测，每个批次的订单数量可以通过预先设置，在此不作限制，对每个批次中的每个订单进行真实性检测，得到每个批次最终的检测结果，即该批次为真实批次或虚假批次。其中，真实批次的个数占总批次个数的比例为真实批次订单概率，设为P

根据商户的历史订单验证数据，求取抽样检测模型的真实批次订单概率、虚假批次订单概率、真实批次订单中虚假订单的比例和虚假批次订单中虚假订单的比例，作为评估该商户抽样检测模型的先验知识，对待检测的订单样本进行检测，具有一定的合理性和准确性。

步骤203、基于预先设置的单个批次中的订单量以及抽样检测置信度，根据真实批次订单概率、虚假批次订单概率、真实批次订单中虚假订单的比例和虚假批次订单中虚假订单的比例，确定在预设事件发生时满足待检测批次订单为真实批次订单的概率大于抽样检测置信度条件下的抽样订单的数量，为预设数量。

其中，预设事件为从待检测批次订单中随机抽取部分抽样订单，部分抽样订单均为真实订单。

根据商户的历史交易订单信息及风险控制模型的具体要求，合理设置单个批次的订单量和抽样检测置信度，其中，抽样检测置信度是指在当前批次订单样本中抽取到一定数量的订单都为真实订单的情况下，所设置的当前该批次订单样本为真实批次订单样本的最低概率。

示例性的，设置单个批次的订单量为M，这里设置为200个，抽样检测置信度为90％，且根据商户的历史订单验证数据已经获取到真实批次订单概率、虚假批次订单概率、真实批次订单中虚假订单的比例和虚假批次订单中虚假订单的比例。

对每一批次的200个订单，进行随机抽取样本依次进行验证；在抽取过程中，每增加一个抽取样本时，即根据贝叶斯公式，求解在当前批次下抽取的待检订单样本均为真实订单样本的情况下，当前批次订单为真实批次订单的概率；若确定该概率大于等于抽样检测置信度时，即确定该概率对应的抽取样本的数量即为所需求解的预设数量。若在随机抽样检测过程中，在当前批次下抽取的待检订单样本均为真实订单样本的情况下，当前批次订单为真实批次订单的概率未达到抽样检测置信度时，在抽样订单中出现了虚假订单，则停止检测。

在一个可行的实施例中，步骤203，包括：

基于遍历算法，确定如下公式中的预设数量：

其中，K表示从待检测批次订单中随机抽取部分抽样订单的订单数量；P(真实批次|A)表示在预设事件发生时待检测批次订单为真实批次订单的概率；a(K)为在待检测批次订单为真实批次订单下，从待检测批次订单中随机抽取K个订单，K个订单均为真实订单发生的概率，即

具体的，假设待检测批次订单中随机抽取部分抽样订单的订单数量为K，a(K)为在待检测批次订单为真实批次订单下，从待检测批次订单中随机抽取K个订单，K个订单均为真实订单发生的概率，

在一个可行的实施例中，在实施例一中根据本实施例构建的抽样检测模型确定预设数量的基础上，在根据抽样订单的检测结果确定订单样本群的真实性之后，还包括：

根据订单样本群的真实性对真实批次订单概率、虚假批次订单概率、真实批次订单中虚假订单的比例和虚假批次订单中虚假订单的比例进行更新，以实现对抽样检测模型的更新。

由于抽样检测模型的确定是依据历史订单验证数据进行确定的，因此在根据抽样订单的检测结果确定订单样本群的真实性之后，该订单样本群的真实性结果也属于历史订单验证数据，利用该订单样本群的真实性结果实现对确定抽样检测模型的真实批次订单概率、虚假批次订单概率、真实批次订单中虚假订单的比例和虚假批次订单中虚假订单的比例的更新，以保证先验知识的准确性和时效性。以避免商户出现经营情况变更导致结果不准确。例如某商户在去年的时候提交了借贷的需求，且商户在运营过程中一直诚信经营，订单全部为真实订单，没有虚假订单，系统根据此前的历史订单及待检测订单进行评估与判断得到该商户运营状况良好，具有一定的信用，因此通过了风险评估系统并对商户进行了借贷。而今年该商户为了进一步提升产品竞争力，弄虚作假，制造了很多的虚假订单进行充量，且也提出了借贷的需求，若系统中还是根据以前的数据进行判断，则会造成结果判断失误，此时再进行借贷则有较大的风险。

因此根据订单样本群的真实性对真实批次订单概率、虚假批次订单概率、真实批次订单中虚假订单的比例和虚假批次订单中虚假订单的比例进行更新，以实现对抽样检测模型的更新，保证商户的评估信息的时效性、准确性。

本发明实施例基于对抽样检测模型的构建实现对从订单样本群中确定抽样订单的数量的确定。从而实现了在降低对订单样本群抽检的检测成本的同时保证对订单样本群抽样检测的准确度，使得在抽检的预设数量为最少的情况下保证根据抽样订单的真实性确定整体订单样本群真实性的准确度，进而提高依据订单样本群的真实性确定待检测商家的贷款准入结果的准确性。

图3是本发明实施例提供的一种订单抽样检测系统的结构示意图，如图3中所示，订单抽样检测系统中包括源数据接入模块、大数据平台处理模块、抽样算法求解模块、订单验证模块以及风控流程模块。在源数据接入模块中，获取的商户的电商平台订单数据以及EPR系统(electronic public relationsystem，网络公关系统)订单数据，并同步至大数据平台处理模块中的数据存储平台中，对数据存储平台中的订单源数据进行清洗，归集目标订单数据，接着对清洗归集后的订单样本群进行分批次随机抽样。对每个批次中随机抽取的预设数量K的大小根据抽样算法求解模块中的预先设置的抽样检测模型进行确定，抽样检测模型是基于历史验证记录进行构建的。

对每个批次中随机抽取的K个抽样订单调用订单验证模块中的物流单验证服务进行验证，得到真实性验证结果后进行标记结果，并存储到历史验证记录中，该历史验证记录一方面可以用于确定风控流程模块中的风控模型的计算结果，以确定该商户的贷款准入结果；另一方面可以实现对抽样算法求解中的历史验证记录进行更新，以实现对统计参数的更新，进而实现对抽样检测模型的更新。在确定该批次订单中各抽样订单的真实性结果时，若出现任一虚假订单，则结束对该批次订单的检测，即确定该批次订单为虚假批次订单；若该批次中随机抽取的K个抽样订单均为真实订单，则确定该批次订单为真实批次订单。

实施例三

图4是本发明实施例三中的订单抽样检测装置的结构示意图，本实施例可适用于从订单样本群中随机抽取部分抽样订单进行检测，根据抽样订单的检测结果确定整体订单样本群的检测结果的情况。如图4所示，该装置包括：

订单获取模块310，用于获取待检测商户的订单样本群；

抽样订单抽取模块320，用于从所述订单样本群中随机抽取预设数量的抽样订单进行检测；其中，所述预设数量是采用抽样检测模型确定，所述抽样检测模型是基于商户的历史订单确定；

订单真实性确定模块330，用于根据所述抽样订单的检测结果确定所述订单样本群的真实性。

本发明实施例基于获取到的待检测商户的订单样本群；从订单样本群中随机抽取预设数量的抽样订单进行检测；根据所述抽样订单的检测结果确定所述订单样本群的真实性，对于其中抽样订单的预设数量值是通过抽样检测模型确定，抽样检测模型是基于商户的历史订单确定。从而实现了在降低对订单样本群抽检的检测成本的同时保证对订单样本群抽样检测的准确度，使得在抽检的预设数量为最少的情况下保证根据抽样订单的真实性确定整体订单样本群真实性的准确度，进而提高依据订单样本群的真实性确定待检测商家的贷款准入结果的准确性。

可选的，所述装置还包括抽样检测模型构建模块，包括：

历史订单获取单元，用于获取商户的历史订单验证数据；

历史概率确定单元，用于根据所述历史订单验证数据确定其中的真实批次订单概率、虚假批次订单概率、真实批次订单中虚假订单的比例和虚假批次订单中虚假订单的比例；其中，所述真实批次订单概率和所述虚假批次订单概率之和为1；

预设数量确定单元，用于基于预先设置的单个批次中的订单量以及抽样检测置信度，根据所述真实批次订单概率、虚假批次订单概率、真实批次订单中虚假订单的比例和虚假批次订单中虚假订单的比例，确定在预设事件发生时满足待检测批次订单为真实批次订单的概率大于抽样检测置信度条件下的抽样订单的数量，为预设数量；

其中，预设事件为从所述待检测批次订单中随机抽取部分抽样订单，所述部分抽样订单均为真实订单。

可选的，预设数量确定单元，具体用于：

基于遍历算法，确定如下公式中的预设数量：

其中，K表示从所述待检测批次订单中随机抽取部分抽样订单的订单数量；P(真实批次|A)表示在预设事件发生时待检测批次订单为真实批次订单的概率；a(K)为在待检测批次订单为真实批次订单下，从所述待检测批次订单中随机抽取K个订单，所述K个订单均为真实订单发生的概率，即

可选的，所述装置还包括模型更新模块，用于在根据所述抽样订单的检测结果确定所述订单样本群的真实性之后，

根据所述订单样本群的真实性对所述真实批次订单概率、虚假批次订单概率、真实批次订单中虚假订单的比例和虚假批次订单中虚假订单的比例进行更新，以实现对抽样检测模型的更新。

可选的，订单真实性确定模块，具体用于：

若所述抽样订单的检测结果为全部真实，则确定所述订单样本群为真实订单样本群。

可选的，所述装置还包括订单划分模块，用于在从所述订单样本群中随机抽取预设数量的抽样订单进行检测之前，按照预先设置的单个批次中的订单量对所述订单样本群进行划分，得到至少两个批次订单；

相应的，抽样订单抽取模块和订单真实性确定模块，具体用于：

依次从各批次订单中随机抽取预设数量的抽样订单进行检测；

根据所述抽样订单的检测结果确定所述各批次订单的真实性，以得到真实订单样本群。

可选的所述装置还包括风控结果确定模块，用于，在根据所述抽样订单的检测结果确定所述订单样本群的真实性之后，基于预先设置的风控模型，根据所述待检测商户的订单样本群的真实性结果确定所述待检测商户的风控结果，以根据所述风控结果确定所述待检测商户的贷款准入结果。

本发明实施例所提供的订单抽样检测装置可执行本发明任意实施例所提供的订单抽样检测方法，具备执行订单抽样检测方法相应的功能模块和有益效果。

实施例四

图5是本发明实施例四提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图5显示的电子设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储装置28，连接不同系统组件(包括系统存储装置28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储装置总线或者存储装置控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储装置28可以包括易失性存储装置形式的计算机系统可读介质，例如随机存取存储装置(RAM)30和/或高速缓存存储装置32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储装置28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储装置28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图5中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储装置28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的订单抽样检测方法，包括：

获取待检测商户的订单样本群；

从所述订单样本群中随机抽取预设数量的抽样订单进行检测；其中，所述预设数量是采用抽样检测模型确定，所述抽样检测模型是基于商户的历史订单确定；

根据所述抽样订单的检测结果确定所述订单样本群的真实性。

实施例五

本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的订单抽样检测方法，包括：

获取待检测商户的订单样本群；

从所述订单样本群中随机抽取预设数量的抽样订单进行检测；其中，所述预设数量是采用抽样检测模型确定，所述抽样检测模型是基于商户的历史订单确定；

根据所述抽样订单的检测结果确定所述订单样本群的真实性。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。