一种信息处理的方法及装置

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种信息处理的方法及装置。

背景技术

信用卡异常使用能使持卡人在短期内获取高额资金，在高收益的诱惑下，异常使用行为屡禁不止，增大了发卡银行的风险，也增加了我国金融秩序的不稳定因素。如何能够从持卡人的交易数据入手，精准识别异常数据，深入挖掘客户的消费还款能力、信用程度，更好地提供发卡服务，获得更多的盈利点；以及打击大规模异常使用的虚假商户、机构，净化支付环境，成为了各大银行和银联的一大新关注点。但是商业银行之间数据壁垒高筑，各为消息孤岛，仅能根据本行交易数据特征识别异常使用行为，存在无法追踪跨行交易的资金去向，无法覆盖一人多卡、多人多卡的异常使用场景的问题。

发明内容

本发明实施例提供一种信息处理的方法及装置，用以提高信息处理的精准度和覆盖面。

第一方面，本发明实施例提供一种信息处理的方法，包括：

获取预设时段内的所有持卡人的交易数据；

对所述预设时段内的所有持卡人的交易数据进行分析，确定出多个持卡人关系网络社区；

针对每个持卡人关系网络社区，确定出所述持卡人关系网络社区中的信用卡消费交易数据和借记卡代付交易数据；根据所述信用卡消费交易数据和所述借记卡代付交易数据，确定出所述持卡人关系网络社区中的异常数据。

上述技术方案中，通获取预设时段内各商业银行所有持卡人的交易数据，并对各交易数据基于图计算进行社区划分，得到属于同一社区的交易数据，然后再对同一社区的交易数据进行异常数据侦测，可以提高异常数据侦测的准确度和覆盖面，同时可以提高系统异常数据侦测的效率，降低系统功耗。

可选的，所述对所述预设时段内的所有持卡人的交易数据进行分析，确定出多个持卡人关系网络社区，包括：

获取所述预设时段内的所有持卡人的交易数据；所述交易数据包括银行卡号、手机号、身份证号、设备号和应用程序用户号；

将所述交易数据中的银行卡号、手机号、身份证号、设备号和应用程序用户号作为顶点，以及将位于同一交易数据中的手机号、身份证号、设备号和应用程序用户号与所述银行卡号进行连边，得到持卡人关系网络图；

对所述持卡人关系网络图进行社区划分，得到多个持卡人关系网络社区。

可选的，所述对所述持卡人关系网络图进行社区划分，得到多个持卡人关系网络社区，包括：

根据所述持卡人关系网络图，遍历每个顶点，确定出多个存在连接边的持卡人关系网络图并设置每个顶点的社区初始属性值；

对每个存在连接边的持卡人关系网络图中每个顶点的社区初始属性值进行迭代更新，直到将所述每个存在连接边的持卡人关系网络图中的所有顶点的社区属性值变更为所述每个存在连接边的持卡人关系网络图中最小的社区属性值为止，并将所述最小的社区属性值确定为所述每个存在连接边的持卡人关系网络图的社区ID；其中，每次迭代更新为将顶点的社区属性值更新为所有一阶邻居顶点的社区属性值和自身的社区属性值中的最小值；

将所述社区ID与所述每个存在连接边的持卡人关系网络图中各顶点的交易数据进行关联，得到所述多个持卡人关系网络社区。

可选的，所述对每个存在连接边的持卡人关系网络图中每个顶点的社区初始属性值进行迭代更新，包括：

统计每个顶点的一阶邻居顶点的数量；

若所述一阶邻居顶点的数量小于预设数据处理阈值，则将所述每个顶点的一阶邻居顶点记录在第一集合中进行社区初始属性值的迭代更新；否则，将所述每个顶点的一阶邻居顶点记录在第二集合中，且初始化到驱动端(driver)；并将所述第二集合中的顶点广播到其它线程池(executor)中，以使所述其它executor从所述第二集合中获取顶点进行所述社区初始属性值的迭代更新。

可选的，所述根据所述信用卡消费交易数据和所述借记卡代付交易数据，确定出所述持卡人关系网络社区中的异常数据，包括：

从所述持卡人关系网络社区中的信用卡消费交易数据和借记卡代付交易数据中确定出金额差的百分比小于第一阈值且交易时间差的绝对值小于第二阈值的信用卡消费交易数据和借记卡代付交易数据，将所述金额差的百分比小于第一阈值且交易时间差的绝对值小于第二阈值的信用卡消费交易数据和借记卡代付交易数据确定为所述持卡人关系网络社区中的异常数据；

将所述金额差的百分比小于第一阈值且交易时间差的绝对值小于第二阈值的信用卡消费交易数据和借记卡代付交易数据从所述持卡人关系网络社区中的信用卡消费交易数据和借记卡代付交易数据中剔除后，遍历每一笔代付交易数据，得到其对应的社区ID以及代付金额和代付时间；

遍历所述社区ID下的每张信用卡的消费交易数据，得到交易集合；

从所述交易集合中确定出交易金额之和与所述代付金额的差值的绝对值最小的交易集合子集；

若所述交易集合子集的交易金额之和与所述代付金额的差值的绝对值的百分比小于所述第一阈值且所述交易集合子集中交易时间与代付时间的差值小于所述第二阈值，则将所述交易集合子集中的信用卡的消费交易数据和所述遍历的代付交易数据确定为所述持卡人关系网络社区中的异常数据。

第二方面，本发明实施例提供一种信息处理的装置，包括：

获取单元，用于获取预设时段内的所有持卡人的交易数据；

处理单元，用于对所述预设时段内的所有持卡人的交易数据进行分析，确定出多个持卡人关系网络社区；针对每个持卡人关系网络社区，确定出所述持卡人关系网络社区中的信用卡消费交易数据和借记卡代付交易数据；根据所述信用卡消费交易数据和所述借记卡代付交易数据，确定出所述持卡人关系网络社区中的异常数据。

可选的，所述处理单元具体用于：

获取所述预设时段内的所有持卡人的交易数据；所述交易数据包括银行卡号、手机号、身份证号、设备号和应用程序用户号；

将所述交易数据中的银行卡号、手机号、身份证号、设备号和应用程序用户号作为顶点，以及将位于同一交易数据中的手机号、身份证号、设备号和应用程序用户号与所述银行卡号进行连边，得到持卡人关系网络图；

对所述持卡人关系网络图进行社区划分，得到多个持卡人关系网络社区。

可选的，所述处理单元具体用于：

根据所述持卡人关系网络图，遍历每个顶点，确定出多个存在连接边的持卡人关系网络图并设置每个顶点的社区初始属性值；

对每个存在连接边的持卡人关系网络图中每个顶点的社区初始属性值进行迭代更新，直到将所述每个存在连接边的持卡人关系网络图中的所有顶点的社区属性值变更为所述每个存在连接边的持卡人关系网络图中最小的社区属性值为止，并将所述最小的社区属性值确定为所述每个存在连接边的持卡人关系网络图的社区ID；其中，每次迭代更新为将顶点的社区属性值更新为所有一阶邻居顶点的社区属性值和自身的社区属性值中的最小值；

将所述社区ID与所述每个存在连接边的持卡人关系网络图中各顶点的交易数据进行关联，得到所述多个持卡人关系网络社区。

可选的，所述处理单元具体用于：

统计每个顶点的一阶邻居顶点的数量；

若所述一阶邻居顶点的数量小于预设数据处理阈值，则将所述每个顶点的一阶邻居顶点记录在第一集合中进行社区初始属性值的迭代更新；否则，将所述每个顶点的一阶邻居顶点记录在第二集合中，且初始化到driver；并将所述第二集合中的顶点广播到其它executor中，以使所述其它executor从所述第二集合中获取顶点进行所述社区初始属性值的迭代更新。

可选的，所述处理单元具体用于：

从所述持卡人关系网络社区中的信用卡消费交易数据和借记卡代付交易数据中确定出金额差的百分比小于第一阈值且交易时间差的绝对值小于第二阈值的信用卡消费交易数据和借记卡代付交易数据，将所述金额差的百分比小于第一阈值且交易时间差的绝对值小于第二阈值的信用卡消费交易数据和借记卡代付交易数据确定为所述持卡人关系网络社区中的异常数据；

将所述金额差的百分比小于第一阈值且交易时间差的绝对值小于第二阈值的信用卡消费交易数据和借记卡代付交易数据从所述持卡人关系网络社区中的信用卡消费交易数据和借记卡代付交易数据中剔除后，遍历每一笔代付交易数据，得到其对应的社区ID以及代付金额和代付时间；

遍历所述社区ID下的每张信用卡的消费交易数据，得到交易集合；

从所述交易集合中确定出交易金额之和与所述代付金额的差值的绝对值最小的交易集合子集；

若所述交易集合子集的交易金额之和与所述代付金额的差值的绝对值的百分比小于所述第一阈值且所述交易集合子集中交易时间与代付时间的差值小于所述第二阈值，则将所述交易集合子集中的信用卡的消费交易数据和所述遍历的代付交易数据确定为所述持卡人关系网络社区中的异常数据。

第三方面，本发明实施例还提供一种计算设备，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述信息处理的方法。

第四方面，本发明实施例还提供一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述信息处理的方法。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，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为本发明实施例提供的一种系统架构的示意图；

图2为本发明实施例提供的一种信息处理的方法的流程示意图；

图3为本发明实施例提供的一种持卡人关系网络的示意图；

图4为本发明实施例提供的一种社区属性值迭代更新的示意图；

图5为本发明实施例提供的一种社区属性值迭代更新的示意图；

图6为本发明实施例提供的一种信息处理的装置的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

图1示例性的示出了本发明实施例所适用的一种系统架构，该系统架构可以为服务器100，该服务器100可以包括处理器110、通信接口120和存储器130。

其中，通信接口120用于与各大商业银行的服务器进行通信，收发各大商业银行的服务器传输的数据，实现通信。

处理器110是服务器100的控制中心，利用各种接口和路线连接整个服务器100的各个部分，通过运行或执行存储在存储器130内的软件程序/或模块，以及调用存储在存储器130内的数据，执行服务器100的各种功能和处理数据。可选地，处理器110可以包括一个或多个处理单元。

存储器130可用于存储软件程序以及模块，处理器110通过运行存储在存储器130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。存储器130可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据业务处理所创建的数据等。此外，存储器130可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

需要说明的是，上述图1所示的结构仅是一种示例，本发明实施例对此不做限定。

基于上述描述，图2详细的示出了本发明实施例提供的一种信息处理的方法的流程，该流程可以由信息处理的装置执行，该装置可以位于上述服务器100中，也可以是该服务器100。

如图2所示，该流程具体包括：

步骤201，获取预设时段内的所有持卡人的交易数据。

在本发明实施例中，可以获取各商业银行的所有持卡人的交易数据，其中，交易数据可以包括银行卡号、手机号、身份证号、设备号和应用程序用户号，其中应用程序用户号可以为云闪付用户号。

中国银联是中国银行卡联合组织，通过银联跨行交易清算系统，实现商业银行系统间的互联互通和资源共享，保证银行卡跨行、跨地区和跨境的使用。中国银联拥有大量持卡人交易消费数据，尤其是跨行交易数据上有着大量的累积，如此庞大的数据可以打破商业银行之间信息孤岛现状。

通过各种通信接口可以将银联各大交易系统的包括全渠道绑卡、全渠道商户绑卡、云闪付APP注册绑卡、手机闪付注册绑卡、统一用户、泛用户数据中的持卡人相关信息去重后整合成一张持卡人关系表，字段包含：银行卡号、手机号、身份证、设备号、云闪付用户号。

其中，预设时段可以依据经验设置，例如可以是一周、一个月、一个季度等。

步骤202，对所述预设时段内的所有持卡人的交易数据进行分析，确定出多个持卡人关系网络社区。

具体的，在得到多个持卡人关系网络社区时，可以先将交易数据中的银行卡号、手机号、身份证号、设备号和应用程序用户号作为顶点，以及将位于同一交易数据中的手机号、身份证号、设备号和应用程序用户号与银行卡号进行连边，得到持卡人关系网络图。然后对持卡人关系网络图进行社区划分，得到多个持卡人关系网络社区。其中，进行社区划分时，需要根据持卡人关系网络图，遍历每个顶点，确定出多个存在连接边的持卡人关系网络图并设置每个顶点的社区初始属性值，然后对每个存在连接边的持卡人关系网络图中每个顶点的社区初始属性值进行迭代更新，直到将每个存在连接边的持卡人关系网络图中的所有顶点的社区属性值变更为所述每个存在连接边的持卡人关系网络图中最小的社区属性值为止，并将最小的社区属性值确定为每个存在连接边的持卡人关系网络图的社区ID。最后将社区ID与每个存在连接边的持卡人关系网络图中各顶点的交易数据进行关联，得到多个持卡人关系网络社区。

举例来说，将上述持卡人关系表中所有字段作为顶点，出现在同一条记录中的字段均和卡号连边，采用spark graphx技术构建了包数亿顶点，数亿边的持卡人关系网络图(例如图3所示)，可以每月全量更新一次。

然后基于图3所示的持卡人关系网络图，可以采用连通分量算法和Louvain算法进行社区划分，具体步骤如下：

采用spark graphx技术计算全图的连通体，初始时每个顶点的社区初始属性值都有一个唯一整型id值，每个点只考虑自己和所有存在连接边的邻居的值，每次迭代更新自身的值为自身id值和所有一阶邻居的id值中的最小值，计算过程可以如图4所示。迭代收敛后，同一个社区所有顶点的社区属性值都将变成社区内顶点的最小id值，并以此作为持卡人关系网络社区的社区ID。

其中，由于数据量比较庞大，在计算过程中用以出现内存溢出的问题，为了解决该技术问题，在进行社区初始属性值迭代更新时，具体可以为先统计每个顶点的一阶邻居顶点的数量。然后判断一阶邻居顶点的数量是否小于预设数据处理阈值，若是，则将每个顶点的一阶邻居顶点记录在第一集合中进行社区初始属性值的迭代更新；否则，将每个顶点的一阶邻居顶点记录在第二集合中，且初始化到驱动端(driver)；并将第二集合中的顶点广播到其它线程池(executor)中，以使其它executor从第二集合中获取顶点进行社区初始属性值的迭代更新。预设数据处理阈值可以依据线程池的内存来确定。

举例来说，如图5所示，进行迭代更新时可以进行下述步骤：

1、统计每个顶点D(Data)的一阶邻居顶点数量cnt[D]。

2、根据executor(线程池)的内存大小预估数据处理阈值N。

3、如果cnt[D]＝N，记录在集合B中。

4、集合A中的顶点通过边传递更新值；集合B中的顶点以及值通过sc.broadcast(广播变量)初始化到driver(驱动)端，并广播到各个Executor中，这样每个Executor中都只需要从内存中获取B中顶点的值去更新即可。

5、检查被更新的顶点数量记做check；

6、如果check>0，重复1～5步骤；否则迭代结束，输出结果。

spark在计算过程中如果遇到内存资源问题，会通过清除较旧的未持久化的内存数据来保证正常计算过程。在大数据量计算过程中，由于内存资源限制，部分有用的临时数据被错误清除需要重新计算，因此每次迭代都对全图数据做一次checkpoint，保证数据质量，加快计算速度。

通过以上策略，大数据量下的连通分量算法时间比graphX中的自带的算法降低了50％到70％，同时在网络传输和内存消耗方面也有一定程度降低。

将上述步骤得到社区ID导入持卡人关系网络图库中，生成一张持卡人社区表(即为持卡人关系网络社区)，包含属性值、属性类型、社区ID三个字段，支持任意一张银行卡、手机号、身份证、设备、云闪付APP用户号的社区ID查询。其中，属性值为属性类型对应的值，例如，属性类型为银行卡，则属性值为银行卡号，属性类型为身份证，则属性值为身份证号。

上述社区划分方法在3小时内可将25亿顶点、60亿边的关系网络剖分成3.9亿个社区。存在同一个社区内的所有元素被看成是一个利益共同体，包含个人、亲友的信息。

步骤203，针对每个持卡人关系网络社区，确定出所述持卡人关系网络社区中的信用卡消费交易数据和借记卡代付交易数据；根据所述信用卡消费交易数据和所述借记卡代付交易数据，确定出所述持卡人关系网络社区中的异常数据。

该异常数据即为信用卡异常使用产生的数据。

针对每个持卡人关系网络社区，可以进行一对一的交易匹配和多对一的交易匹配，具体的如下：

一对一的交易匹配：

从持卡人关系网络社区中的信用卡消费交易数据和借记卡代付交易数据中确定出金额差的百分比小于第一阈值且交易时间差的绝对值小于第二阈值的信用卡消费交易数据和借记卡代付交易数据，将金额差的百分比小于第一阈值且交易时间差的绝对值小于第二阈值的信用卡消费交易数据和借记卡代付交易数据确定为持卡人关系网络社区中的异常数据。

多对一的交易匹配：

将金额差的百分比小于第一阈值且交易时间差的绝对值小于第二阈值的信用卡消费交易数据和借记卡代付交易数据从持卡人关系网络社区中的信用卡消费交易数据和借记卡代付交易数据中剔除后，遍历每一笔代付交易数据，得到其对应的社区ID以及代付金额和代付时间。

遍历社区ID下的每张信用卡的消费交易数据，得到交易集合；从交易集合中确定出交易金额之和与代付金额的差值的绝对值最小的交易集合子集；若交易集合子集的交易金额之和与代付金额的差值的绝对值的百分比小于第一阈值且交易集合子集中交易时间与代付时间的差值小于第二阈值，则将交易集合子集中的信用卡的消费交易数据和遍历的代付交易数据确定为持卡人关系网络社区中的异常数据。

上述第一阈值和第二阈值可以依据经验设置。

具体的，基于“同一个社区的不同的卡，短时间内在不同的商户进行先消费后代付的交易，且交易金额相近”的业务特征，可以进行信息处理，具体的：

从持卡人关系网络社区中确定出信用卡消费交易数据和借记卡代付交易数据。

一对一匹配：遍历同一个社区下的信用卡消费交易和借记卡代付交易，如果两笔交易的金额相差百分比小于阈值r(第一阈值)，交易时间差的绝对值小于阈值T(第二阈值)，则将这两笔交易标记为一对一异常使用配对交易。

多对一匹配：

将一对一匹配中侦测出的消费交易和代付交易从持卡人关系网络社区中剔除，随后遍历每一笔代付交易trans1，获得其社区ID以及代付金额trans_at1，代付时间time1；遍历该社区ID下的每一张信用卡，并记该信用卡发生的所有消费交易组成的集合为trans_set2，采用回溯+限界的方法在trans_set2筛选出一个子集trans_set2_sub使得trans_set2_sub中交易金额之和同trans_at1差的绝对值达到最小，记trans_at_set2_sub为trans_set2_sub中所有交易金额组成的集合。

如果满足以下两个条件：

①、|sum(trans_at_set2_sub)-trans_at1|/sum(trans_at_set2_sub)

②、trans_at_set2_sub、trans1中两笔交易时间差的最大值

则match＝(trans_at_set2_sub,trans1)为多对一的异常使用配对交易。

由于不存在多项式时间的算法，本发明实施例通过采用回溯+限界的方法，控制递归次数在10亿次。整个算法采用MR实现，能够在2小时内完成一周约30亿条交易数据的异常数据侦测。以2019年6月XX日到6月XX日为例，侦测结果如下：疑似异常使用376家收单总行、4959103家商户、7028480个社区；疑似异常数据的消费交易23685132笔、金额达1000亿元；疑似异常使用的代付交易25736050笔、金额达1100亿元，模型结果已被业务运营中心所认可。

上述实施例表明，获取预设时段内的所有持卡人的交易数据，对预设时段内的所有持卡人的交易数据进行分析，确定出多个持卡人关系网络社区，针对每个持卡人关系网络社区，确定出持卡人关系网络社区中的信用卡消费交易数据和借记卡代付交易数据，根据信用卡消费交易数据和借记卡代付交易数据，确定出持卡人关系网络社区中的异常数据。通过获取预设时段内各商业银行所有持卡人的交易数据，并对各交易数据基于图计算进行社区划分，得到属于同一社区的交易数据，然后再对同一社区的交易数据进行异常数据侦测，可以提高异常数据侦测的准确度和覆盖面，同时可以提高系统异常数据侦测的效率，降低系统功耗。

基于相同的技术构思，图6示例性的示出了本发明实施例提供的一种信息处理的装置的结构，该装置可以执行信息处理的流程，该装置可以为图1中所示的服务器100，也可以为该服务器100中。

如图6所示，该装置具体包括：

获取单元601，用于获取预设时段内的所有持卡人的交易数据；

处理单元602，用于对所述预设时段内的所有持卡人的交易数据进行分析，确定出多个持卡人关系网络社区；针对每个持卡人关系网络社区，确定出所述持卡人关系网络社区中的信用卡消费交易数据和借记卡代付交易数据；根据所述信用卡消费交易数据和所述借记卡代付交易数据，确定出所述持卡人关系网络社区中的异常数据。

可选的，所述处理单元602具体用于：

获取所述预设时段内的所有持卡人的交易数据；所述交易数据包括银行卡号、手机号、身份证号、设备号和应用程序用户号；

将所述交易数据中的银行卡号、手机号、身份证号、设备号和应用程序用户号作为顶点，以及将位于同一交易数据中的手机号、身份证号、设备号和应用程序用户号与所述银行卡号进行连边，得到持卡人关系网络图；

对所述持卡人关系网络图进行社区划分，得到多个持卡人关系网络社区。

可选的，所述处理单元602具体用于：

根据所述持卡人关系网络图，遍历每个顶点，确定出多个存在连接边的持卡人关系网络图并设置每个顶点的社区初始属性值；

对每个存在连接边的持卡人关系网络图中每个顶点的社区初始属性值进行迭代更新，直到将所述每个存在连接边的持卡人关系网络图中的所有顶点的社区属性值变更为所述每个存在连接边的持卡人关系网络图中最小的社区属性值为止，并将所述最小的社区属性值确定为所述每个存在连接边的持卡人关系网络图的社区ID；其中，每次迭代更新为将顶点的社区属性值更新为所有一阶邻居顶点的社区属性值和自身的社区属性值中的最小值；

将所述社区ID与所述每个存在连接边的持卡人关系网络图中各顶点的交易数据进行关联，得到所述多个持卡人关系网络社区。

可选的，所述处理单元602具体用于：

统计每个顶点的一阶邻居顶点的数量；

若所述一阶邻居顶点的数量小于预设数据处理阈值，则将所述每个顶点的一阶邻居顶点记录在第一集合中进行社区初始属性值的迭代更新；否则，将所述每个顶点的一阶邻居顶点记录在第二集合中，且初始化到驱动端driver；并将所述第二集合中的顶点广播到其它线程池executor中，以使所述其它executor从所述第二集合中获取顶点进行所述社区初始属性值的迭代更新。

可选的，所述处理单元602具体用于：

从所述持卡人关系网络社区中的信用卡消费交易数据和借记卡代付交易数据中确定出金额差的百分比小于第一阈值且交易时间差的绝对值小于第二阈值的信用卡消费交易数据和借记卡代付交易数据，将所述金额差的百分比小于第一阈值且交易时间差的绝对值小于第二阈值的信用卡消费交易数据和借记卡代付交易数据确定为所述持卡人关系网络社区中的异常数据；

将所述金额差的百分比小于第一阈值且交易时间差的绝对值小于第二阈值的信用卡消费交易数据和借记卡代付交易数据从所述持卡人关系网络社区中的信用卡消费交易数据和借记卡代付交易数据中剔除后，遍历每一笔代付交易数据，得到其对应的社区ID以及代付金额和代付时间；

遍历所述社区ID下的每张信用卡的消费交易数据，得到交易集合；

从所述交易集合中确定出交易金额之和与所述代付金额的差值的绝对值最小的交易集合子集；

若所述交易集合子集的交易金额之和与所述代付金额的差值的绝对值的百分比小于所述第一阈值且所述交易集合子集中交易时间与代付时间的差值小于所述第二阈值，则将所述交易集合子集中的信用卡的消费交易数据和所述遍历的代付交易数据确定为所述持卡人关系网络社区中的异常数据。

基于相同的技术构思，本发明实施例还提供了一种计算设备，包括：

存储器，用于存储程序指令；

处理器，用于调用存储器中存储的程序指令，按照获得的程序执行上述信息处理的方法。

基于相同的技术构思，本发明实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行计算机可读指令时，使得计算机执行上述信息处理的方法。

本发明是参照根据本发明实施例的方法、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。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。