大额积分兑换行为的处理方法和装置

技术领域

本申请涉及互联网技术领域，尤其涉及一种大额积分兑换行为的处理方法和装置。

背景技术

目前，许多企业平台开展了积分兑换服务，以积分为奖励方式，允许使用者兑换学习资源、商品等。具体的，可以包括：系统积分商城培训资源管理、用户权限管理、积分项目管理、积分规则管理、积分分配、积分获取扣减、积分兑换、数据统计、积分池管理、积分监控及清算等功能模块。

通过积分的引入，可以激励用户使用平台，从而提升平台的活跃度和用户黏度。然而，考虑到资金管控、积分分配、积分兑换等的问题，需要将积分兑换和获取的总量保持在一个相对均衡的范围。这就需要对大额积分兑换进行有效识别，以提升平台积分兑换的稳定性。

针对如何对大额积分兑换进行有效的预警识别，目前尚未提出有效的解决方案。

本部分旨在为权利要求书中陈述的本申请实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

发明内容

本申请实施例提供一种大额积分兑换行为的处理方法和装置，用以对大额积分兑换行为进行高效识别和处理，从而提升积分兑换平台的稳定性。

一方面，提供了一种大额积分兑换行为的处理方法，包括：

获取大额积分兑换行为的操作行为数据；

根据所述操作行为数据，确定发生大额积分兑换行为的时间分布规律、间隔时间和兑换前的用户行为规律，作为趋势分析依据；

根据所述趋势分析依据，确定下一大额积分兑换行为的交易时间点；

在下一大额交易时间点的预设时间范围内设置埋点，以对下一大额交易进行监控和处理。

在一个实施方式中，根据所述操作行为数据，确定发生大额积分兑换行为的时间分布规律、间隔时间和兑换前的用户行为规律，作为趋势分析依据，包括：

获取积分系统中积分输入输出的全平台交易数据记录，作为操作行为数据；

将所述全平台交易数据记录，形成历史时间轴中积分输入输出的合计对比图；

根据所述合计对比图，确定大额积分对应的时间分布规律和间隔时间段；

从所述合计对比图中识别出各大额积分兑换行为；

获取各大额积分兑换行为兑换前的行为数据；

根据对各大额积分兑换行为兑换前的行为数据进行聚类分析，确定出大额积分兑换行为兑换前的用户行为规律。

在一个实施方式中，根据对各大额积分兑换行为兑换前的行为数据进行聚类分析，确定出大额积分兑换行为兑换前的用户行为规律，包括：

获取产生大额积分兑换行为的用户的用户信息；

将所述用户信息，分别与积分获取行为、积分流动行为、积分兑换行为进行聚类，以确定大额积分兑换行为兑换前的用户行为规律。

在一个实施方式中，根据对各大额积分兑换行为兑换前的行为数据进行聚类分析，确定出大额积分兑换行为兑换前的用户行为规律，包括：

获取积分详情页、商品兑换页、兑换确认页面中大额积分兑换行为的用户操作时间和用户操作事件；

对积分详情页、商品兑换页、兑换确认页面中大额积分兑换行为的用户操作时间和用户操作事件，进行聚类，确定出大额积分兑换行为的时间聚集规律及大额积分的流动场景；

将确定出大额积分兑换行为的时间聚集规律及大额积分的流动场景，作为大额积分兑换行为兑换前的用户行为规律。

在一个实施方式中，在下一大额交易时间点的预设时间范围内设置埋点，以对下一大额交易进行监控和处理，包括：

通过预设的埋点，获取下一大额交易时间点预设时间范围内的积分兑换行为的兑换量；

确定所述兑换量是否超出兑换上限阈值；

在确定超出兑换上限阈值的情况下，确定当前行为为大额交易行为；

对所述大额交易行为进行回退处理。

另一方面，提供了一种大额积分兑换行为的处理装置，包括：

获取模块，用于获取大额积分兑换行为的操作行为数据；

第一确定模块，用于根据所述操作行为数据，确定发生大额积分兑换行为的时间分布规律、间隔时间和兑换前的用户行为规律，作为趋势分析依据；

第二确定模块，用于根据所述趋势分析依据，确定下一大额积分兑换行为的交易时间点；

处理模块，用于在下一大额交易时间点的预设时间范围内设置埋点，以对下一大额交易进行监控和处理。

在一个实施方式中，所述第一确定模块包括：

第一获取单元，用于获取积分系统中积分输入输出的全平台交易数据记录，作为操作行为数据；

图生成单元，用于将所述全平台交易数据记录，形成历史时间轴中积分输入输出的合计对比图；

第一确定单元，用于根据所述合计对比图，确定大额积分对应的时间分布规律和间隔时间段；

识别单元，用于从所述合计对比图中识别出各大额积分兑换行为；

第二获取单元，用于获取各大额积分兑换行为兑换前的行为数据；

第二确定单元，用于根据对各大额积分兑换行为兑换前的行为数据进行聚类分析，确定出大额积分兑换行为兑换前的用户行为规律。

又一方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。

又一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法。

又一方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述方法。

本申请实施例中，通过对大额积分兑换行为的操作行为数据进行聚类分析，确定出发生大额积分兑换行为的时间分布规律、间隔时间和兑换前的用户行为规律，作为趋势分析依据，从而可以预测出下一大额积分兑换行为的交易时间点，进而可以在下一大额交易时间点的预设时间范围内设置埋点，以对下一大额交易进行监控和处理。通过上述方案解决了现有的无法及时对大额积分交易行为进行准确识别，而导致的积分兑换平台稳定性较差的技术问题，达到了有效提升积分兑换平台的稳定性的技术效果。

附图说明

为了更清楚地说明本申请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申请的一些实施例，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。在附图中：

图1为本申请实施例中大额积分兑换行为的处理方法的一种实施例的方法流程图；

图2为本申请实施例中形成趋势分析依据的一种实施例的方法流程图；

图3为本申请实施例提供的一种大额积分兑换行为的处理方法的电子设备的硬件结构框图；

图4为本申请实施例提供的一种大额积分兑换行为的处理装置的结构框图；

图5为本申请实施例提供的一种第一确定模块的结构框图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本申请实施例做进一步详细说明。在此，本申请的示意性实施例及其说明用于解释本申请，但并不作为对本申请的限定。

考虑到对于积分兑换平台而言，如果出现大额积分交易操作，将影响积分交易平台的稳定性，为此，现有的积分兑换平台一般是采用对交易记录进行实时记录，然后再后续逐一进行分析确定和处理，这样势必无法满足实时性的需求。

图1是本申请提供的大额积分兑换行为的处理方法一种实施例的方法流程图。虽然本申请提供了如下述实施例或附图所示的方法操作步骤或装置结构，但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中，这些步骤的执行顺序或装置的模块结构不限于本申请实施例描述及附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置或终端产品应用时，可以按照实施例或者附图所示的方法或模块结构连接进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至分布式处理环境)。

具体的，如图1所示，上述的大额积分兑换行为的处理方法可以包括如下步骤：

步骤101：获取大额积分兑换行为的操作行为数据；

步骤102：根据所述操作行为数据，确定发生大额积分兑换行为的时间分布规律、间隔时间和兑换前的用户行为规律，作为趋势分析依据；

其中，根据所述操作行为数据，确定发生大额积分兑换行为的时间分布规律、间隔时间和兑换前的用户行为规律，作为趋势分析依据可以是从所述操作行为数据中提取出一级决策指标和二级决策指标，基于提取出的一级决策指标和二级决策指标形成趋势分析依据。例如，可以先对存在大额积分交易记录的用户的基础信息及行为数据进行记录，提取出一级决策指标，其中，一级决策指标可以包括：用户基本信息及积分获取/流动行为，在网络平台使用过程中，主要的用户行为可以分为学习行为和教学行为两大类，在学习行为下可以包含在线学习行为、内容创造行为、审查管理行为、贡献活跃度等行为。同样，在教学行为大类下可以包含：发布课程、举行直播、发布书籍等行为。积分流动可以包括：主题打赏、知识悬赏行为等。

然后，可以在积分查询、商品兑换、订单支付、积分池监控场景的关键操作处进行埋点统计，作为二级决策指标。具体的，可以对积分详情页、商品兑换页、兑换确认页面进行指标监控。

步骤103：根据所述趋势分析依据，确定下一大额积分兑换行为的交易时间点；

步骤104：在下一大额交易时间点的预设时间范围内设置埋点，以对下一大额交易进行监控和处理。

在上例中，通过对大额积分兑换行为的操作行为数据进行聚类分析，确定出发生大额积分兑换行为的时间分布规律、间隔时间和兑换前的用户行为规律，作为趋势分析依据，从而可以预测出下一大额积分兑换行为的交易时间点，进而可以在下一大额交易时间点的预设时间范围内设置埋点，以对下一大额交易进行监控和处理。通过上述方案解决了现有的无法及时对大额积分交易行为进行准确识别，而导致的积分兑换平台稳定性较差的技术问题，达到了有效提升积分兑换平台的稳定性的技术效果。

具体的，根据所述操作行为数据，确定发生大额积分兑换行为的时间分布规律、间隔时间和兑换前的用户行为规律，作为趋势分析依据，可以如图2所示，包括如下步骤：

步骤201：获取积分系统中积分输入输出的全平台交易数据记录，作为操作行为数据；

步骤202：将所述全平台交易数据记录，形成历史时间轴中积分输入输出的合计对比图；

步骤203：根据所述合计对比图，确定大额积分对应的时间分布规律和间隔时间段；

步骤204：从所述合计对比图中识别出各大额积分兑换行为；

步骤205：获取各大额积分兑换行为兑换前的行为数据；

步骤206：根据对各大额积分兑换行为兑换前的行为数据进行聚类分析，确定出大额积分兑换行为兑换前的用户行为规律。

在实现的时候，根据对各大额积分兑换行为兑换前的行为数据进行聚类分析，确定出大额积分兑换行为兑换前的用户行为规律，可以是包括：获取产生大额积分兑换行为的用户的用户信息；将所述用户信息，分别与积分获取行为、积分流动行为、积分兑换行为进行聚类，以确定大额积分兑换行为兑换前的用户行为规律。也可以是包括：获取积分详情页、商品兑换页、兑换确认页面中大额积分兑换行为的用户操作时间和用户操作事件；对积分详情页、商品兑换页、兑换确认页面中大额积分兑换行为的用户操作时间和用户操作事件，进行聚类，确定出大额积分兑换行为的时间聚集规律及大额积分的流动场景；将确定出大额积分兑换行为的时间聚集规律及大额积分的流动场景，作为大额积分兑换行为兑换前的用户行为规律。

在进行聚类分析的时候，可以通过隶属度来表示每个数据点属于某个聚类，以各聚类中心组合进行编码，采用实数编码。如果有c个聚类中心，且每个聚类中心是一个p维的实数向量，则编码长度为p×c，每个个体可以表示为：

p

其中，聚类的关键在于聚类中心的确定，为此，需要选取聚类中心作为种群中的个体，其初始值是一个p×c维的实数向量。所有的个体构成一个初始种群。如果样本对象所在区域周围的其他样本点密集程度越大，则该样本对象对分类情况的影响就越大，其分布密度值越大；反之，如果样本对象周围其他样本点密集程度越小，则表示该对象对于分类的影响就越小，其分布密度也越小。从边缘定位异常点，按照不同程度的需求，决定层数及异常点的个数。

具体的，可以依据大额交易概率及时间范围进行建模评估，从而预测出一段周期内的交易规律，以提升大额积分交易点的预测准确性。具体的，可以将用户个人信息与积分获取/流动/兑换行为进行聚类，区分几类用户的活跃度及大额积分行为聚类。针对积分详情页、商品兑换页、兑换确认页面等大额积分交易行为的用户操作(时间、事件)进行聚类，得出交易时间聚集规律及最多大额积分流动场景，并结合最优预埋点操作严格监测异常数据及预警，调控管理工具对用户身份审核校验及积分上限限制等。

在获得了待评估的积分交易基础信息和时间信息后，可以得到一级决策指标，即大额积分用户的个人异常行为，当未命中预设风险指标时，继续下一步二级决策指标判断，即对关键操作积分流向导致的兑换风险预测点集合，如果决策异常将立即通知管理员及用户本人确认，暂时冻结积分审核中，待管理员确认处理。根据分布时期进行规避并加强防控措施，并且评价实际场景是否与预估范围保持一致，不断去迭代优化模型进行更精确及时的预估判断。

具体的，在实现的时候，可以先对存在大额积分交易记录的用户的基础信息及行为数据进行记录，提取出一级决策指标，其中，一级决策指标可以包括：用户基本信息及积分获取/流动行为，在网络平台使用过程中，主要的用户行为可以分为学习行为和教学行为两大类，在学习行为下可以包含在线学习行为、内容创造行为、审查管理行为、贡献活跃度行为四类行为。同样，在教学行为大类下可以包含：发布课程、举行直播、发布书籍等行为。积分流动可以包括：主题打赏、知识悬赏行为等。

然后，可以在积分查询、商品兑换、订单支付、积分池监控场景的关键操作处进行埋点统计，作为二级决策指标。具体的，可以对积分详情页、商品兑换页、兑换确认页面进行指标监控。

基于此，在下一大额交易时间点的预设时间范围内设置埋点，以对下一大额交易进行监控和处理的时候，可以在预测的下一大额交易时间点的预设范围内的多个维度点进行埋点，其中，多个维度点可以包括：积分查询、商品兑换、订单支付、积分池监控场景等的关键操作处。通过预设的埋点，获取下一大额交易时间点预设时间范围内的积分兑换行为的兑换量；确定所述兑换量是否超出兑换上限阈值；在确定超出兑换上限阈值的情况下，确定当前行为为大额交易行为；对所述大额交易行为进行交易取消或积分回退处理。例如，预测到下一个大额交易时间点为12月30日凌晨1:00，那么可以从12月29日晚10:00开始进行检测。为了更为实时有效检测出大额交易行为，可以增加检测频率。

下面结合一个具体实施例对上述方法进行说明，然而，值得注意的是，该具体实施例仅是为了更好地说明本申请，并不构成对本申请的不当限定。

为了将积分获取和兑换可以相对均衡，以便对平台资金进行一定的掌控，在本例中，提供了一种然对积分兑换流程中大额兑换行为进行安全监控及风险预警的方式，具体的，基于日常积分商城所记录的兑换数据记录进行分析建模，运用模糊C均值聚类算法对大额交易概率及大额交易时间范围进行建模评估，从而预测出下一个大额交易发生的时间点。

针对现有的积分兑换大额交易预判反馈的速度和精确度不高的问题，提出了一种交易评估模型，通过获取大额积分用户的操作行为，来确定发生大额交易的时间分布规律，间隔时间段及大额交易前用户行为规律，从而预判出下一个大额交易时间点。具体的，可以统计获取积分系统中积分输入输出的全平台数据记录，形成历史时间轴中积分输入输出合计对比图，以及大额交易对应的时间分布规律、间隔时间段及大额交易前用户行为规律，从而进行大数据趋势分析预测，从而确定出下一个大额交易时间点，在预测出下一个大额交易时间点的情况下，可以把控用户的潜在风险，在预测的大额交易时间点埋点查看用户信息及数据是否正常，并设置需验证操作(本人及本设备)，在技术上可以支持对积分交易的回退操作。

考虑到用户在积分平台进行资源商品兑换后，消耗的积分与获取的积分之间的合计差值会维持在一个先对平衡的状态。因此，基于每个用户或机构的积分交易数据作为样本，使用具有自然地、非概率特性的模糊C均值建立统计模型，固定经验风险并最小化置信风险。其中，经验风险是对训练集中所有样本点损失函数的平均最小化，表示决策函数对训练数据集里样本的预测能力，经验风险越小说明模型f(X)对训练集的拟合程度越好。理想的模型(决策)函数应该是让所有的样本的损失函数最小的(也即期望风险最小化)，考虑到期望风险函数往往是不可得到的，因此，采用局部最小化代替全局最优。

具体的，可以先对存在大额积分交易记录的用户的基础信息及行为数据进行记录，以提取出一级决策指标，其中，一级决策指标可以包括：用户基本信息及积分获取/流动行为，在网络平台使用过程中，主要的用户行为分为学习行为和教学行为两大类，在学习行为下包含在线学习行为、内容创造行为、审查管理行为、贡献活跃度行为四类行为。同样，在教学行为大类下包含：发布课程、举行直播、发布书籍三类行为。积分流动包括：主题打赏、知识悬赏行为等。

然后，在积分查询、商品兑换、订单支付、积分池监控场景的关键操作进行埋点统计，作为二级决策指标。具体的，可以对积分详情页、商品兑换页、兑换确认页面进行指标监控，例如：

1)异常账户监控：设置个人每日积分获取上限，监测并管理超出上限的异常账户。

2)积分获取总量：依据平台积分管理模型，设置积分获取数量的阈值，在超出阈值时向管理者发出预警；

3)个人及组织积分流向及平衡：通过系统监测积分流动详细数据，包括流动时间、流出方和流入方、流动额度、流动附注等。

在实现的时候，可以将输入空间变换到一个高维度空间，求取最优线性分类面，以分离训练样本点，使得训练样本点与最优分离面距离最大化。即，将非线性数据转换到高维度空间，然后，在高维度空间中寻找一个合理的超平面将数据点分隔开来。根据统计学习理论依照结构风险最小化的原则提的，要求实现两个目的：1)两类问题能够分开，即，经验风险最小；2)margin最大化，即，风险上界最小。即，在保证风险最小的子集中选择经验风险最小的函数。

在预测出最优风险点范围(即，确定出下一大额交易时间点)后，可以开放无风险点的时段，在预测出的有风险点处增加交易检测密度和控制方法，以对异常行为即积分大额交易行为进行预测和处理。因为风险点与用户交易数据之间是随机的，因此，需要对样本数据进行统计分析，以获得数据之间的规律性。为此，可以基于测度(即，行为聚集特征的属性度量值等)之间的函数关系分析及样本数据统计分析，建立积分池监控管理评估模型。其中，测度就是“度量”集合“大小”的方式，是一种函数，可以理解为某个集合的测度，这时测度是一个非负实数，在概率论中，这个集合可以认为是样本空间，以某种方式来度量这个样本空间中某些子集的大小，构成的sigma代数，作用于一列两两不相交的集合上满足可加性，则其可以被称作为定义在这个sigma代数上的测度，在FCM算法中以行为样本对是否涉及大额积分操作行为隶属度进行度量。

具体的，聚类算法可以是通过隶属度来表示每个数据点属于某个聚类的程度的一种聚类算法，以各聚类中心组合进行编码，采用实数编码。如果有c个聚类中心，且每个聚类中心是一个p维的实数向量，则编码长度为p×c，每个个体可表示为：

p

其中，聚类的关键在于聚类中心的确定，因此，可以选取聚类中心作为种群中的个体，其初始值是一个p×c维的实数向量。所有的个体构成一个初始种群。如果样本对象所在区域周围的其他样本点密集程度越大，则该样本对象对分类情况的影响就越大，其分布密度值越大；反之，如果样本对象周围其他样本点密集程度越小，则表示该对象对于分类的影响就越小，其分布密度也越小。从边缘定位异常点，按照不同程度的需求，决定层数及异常点的个数。

在获得了待评估的积分交易基础信息和时间信息后，可以得到一级决策指标，即大额积分用户的个人异常行为，当未命中预设风险指标时，继续下一步二级决策指标判断，即对关键操作积分流向导致的兑换风险预测点集合，如果决策异常将立即通知管理员及用户本人确认，暂时冻结积分审核中，待管理员确认处理。根据分布时期进行规避并加强防控措施，并且评价实际场景是否与预估范围保持一致，不断去迭代优化模型进行更精确及时的预估判断。

在实现的时候，可以依据大额交易概率及时间范围进行建模评估，从而预测出一段周期内的交易规律，以提升大额积分交易点的预测准确性。具体的，可以将用户个人信息与积分获取/流动/兑换行为进行聚类，区分几类用户的活跃度及大额积分行为聚类。针对积分详情页、商品兑换页、兑换确认页面等大额积分交易行为的用户操作(时间、事件)进行聚类，得出交易时间聚集规律及最多大额积分流动场景，并结合最优预埋点操作严格监测异常数据及预警，调控管理工具对用户身份审核校验及积分上限限制等。

在上例中，基于用户历史积分交易数据进行预测，以预测出未来周期中大额积分交易点，并对预测出的大额积分交易点进行交易监控，以确定是否存在风险，如果存在风险，则进行风险管控。进一步的，对积分交易的评估模型进行不断迭代优化，以提升预测准确度。即，通过对大数据平台进行实时监控及行为分析，预测出大额积分交易点作为风险点，针对性地制定积分安全管理规则，减少异常兑换行为，以提升平台服务质量。

本申请上述实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在电子设备上为例，图3是本申请提供的一种大额积分兑换行为的处理方法的电子设备的硬件结构框图。如图3所示，电子设备10可以包括一个或多个(图中仅示出一个)处理器02(处理器02可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器04、以及用于通信功能的传输模块06。本领域普通技术人员可以理解，图3所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，电子设备10还可包括比图3中所示更多或者更少的组件，或者具有与图3所示不同的配置。

存储器04可用于存储应用软件的软件程序以及模块，如本申请实施例中的大额积分兑换行为的处理方法对应的程序指令/模块，处理器02通过运行存储在存储器04内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的大额积分兑换行为的处理方法。存储器04可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器04可进一步包括相对于处理器02远程设置的存储器，这些远程存储器可以通过网络连接至电子设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输模块06用于经由一个网络接收或者发送数据。上述的网络具体实例可包括电子设备10的通信供应商提供的无线网络。在一个实例中，传输模块06包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输模块06可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

在软件层面，上述大额积分兑换行为的处理装置可以如图4所示，包括：

获取模块401，用于获取大额积分兑换行为的操作行为数据；

第一确定模块402，用于根据所述操作行为数据，确定发生大额积分兑换行为的时间分布规律、间隔时间和兑换前的用户行为规律，作为趋势分析依据；

第二确定模块403，用于根据所述趋势分析依据，确定下一大额积分兑换行为的交易时间点；

处理模块404，用于在下一大额交易时间点的预设时间范围内设置埋点，以对下一大额交易进行监控和处理。

在一个实施方式中，上述第一确定模块402可以如图5所示，包括：第一获取单元501，用于获取积分系统中积分输入输出的全平台交易数据记录，作为操作行为数据；图生成单元502，用于将所述全平台交易数据记录，形成历史时间轴中积分输入输出的合计对比图；第一确定单元503，用于根据所述合计对比图，确定大额积分对应的时间分布规律和间隔时间段；识别单元504，用于从所述合计对比图中识别出各大额积分兑换行为；第二获取单元505，用于获取各大额积分兑换行为兑换前的行为数据；第二确定单元506，用于根据对各大额积分兑换行为兑换前的行为数据进行聚类分析，确定出大额积分兑换行为兑换前的用户行为规律。

在一个实施方式中，上述第二确定单元506具体可以用于获取产生大额积分兑换行为的用户的用户信息；将所述用户信息，分别与积分获取行为、积分流动行为、积分兑换行为进行聚类，以确定大额积分兑换行为兑换前的用户行为规律。

在一个实施方式中，上述第二确定单元506具体可以用于获取积分详情页、商品兑换页、兑换确认页面中大额积分兑换行为的用户操作时间和用户操作事件；对积分详情页、商品兑换页、兑换确认页面中大额积分兑换行为的用户操作时间和用户操作事件，进行聚类，确定出大额积分兑换行为的时间聚集规律及大额积分的流动场景；将确定出大额积分兑换行为的时间聚集规律及大额积分的流动场景，作为大额积分兑换行为兑换前的用户行为规律。

在一个实施方式中，上述处理模块404具体可以用于通过预设的埋点，获取下一大额交易时间点预设时间范围内的积分兑换行为的兑换量；确定所述兑换量是否超出兑换上限阈值；在确定超出兑换上限阈值的情况下，确定当前行为为大额交易行为；对所述大额交易行为进行回退处理。

本申请的实施例还提供能够实现上述实施例中的大额积分兑换行为的处理方法中全部步骤的一种电子设备的具体实施方式，所述电子设备具体包括如下内容：处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的计算机程序，所述处理器执行所述计算机程序时实现上述实施例中的大额积分兑换行为的处理方法中的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：

步骤1：获取大额积分兑换行为的操作行为数据；

步骤2：根据所述操作行为数据，确定发生大额积分兑换行为的时间分布规律、间隔时间和兑换前的用户行为规律，作为趋势分析依据；

步骤3：根据所述趋势分析依据，确定下一大额积分兑换行为的交易时间点；

步骤4：在下一大额交易时间点的预设时间范围内设置埋点，以对下一大额交易进行监控和处理。

本申请的实施例还提供能够实现上述实施例中的大额积分兑换行为的处理方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质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实施例中的大额积分兑换行为的处理方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：

步骤1：获取大额积分兑换行为的操作行为数据；

步骤2：根据所述操作行为数据，确定发生大额积分兑换行为的时间分布规律、间隔时间和兑换前的用户行为规律，作为趋势分析依据；

步骤3：根据所述趋势分析依据，确定下一大额积分兑换行为的交易时间点；

步骤4：在下一大额交易时间点的预设时间范围内设置埋点，以对下一大额交易进行监控和处理。

本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述大额积分兑换行为的处理方法。

本申请实施例中，通过对大额积分兑换行为的操作行为数据进行聚类分析，确定出发生大额积分兑换行为的时间分布规律、间隔时间和兑换前的用户行为规律，作为趋势分析依据，从而可以识别出下一大额积分兑换行为的交易时间点，进而可以在下一大额交易时间点的预设时间范围内设置埋点，以对下一大额交易进行监控和处理。通过上述方案解决了现有的无法及时对大额积分交易行为进行准确识别，而导致的积分兑换平台稳定性较差的技术问题，达到了有效提升积分兑换平台的稳定性的技术效果。

本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述的具体实施例，对本申请的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本申请的具体实施例而已，并不用于限定本申请的保护范围，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。