本说明书属于大数据，尤其涉及交易数据处理方法、装置和服务器。
背景技术：
1、在金融业务场景中，交易机构常常需要对所接入的海量交易数据进行交易风险检测。
2、基于现有方法在进行风险检测时，大多是根据固定的权重值分析相应的指标数据，以确定出最终的交易风险。但是，上述方法具体实施时，往往无法较好适应突然出现的显著数据变化，导致交易风险检测过程中容易出现检测误差，影响风险检测精度。
3、针对上述问题，目前尚未提出有效的解决方案。
技术实现思路
1、本说明书提供了一种交易数据处理方法、装置和服务器，能够较好地适用于存在动态数据变化的交易风险检测场景，精准地实现交易风险的动态检测，有效地提高了交易风险的检测精度，减少检测误差。
2、本说明书提供了一种交易数据处理方法，包括：
3、获取目标交易数据；
4、根据目标交易数据，确定出相对应的目标可信因子的偏差参数；
5、根据目标可信因子的偏差参数，检测当前是否满足预设的异常偏差触发条件；
6、在确定当前满足预设的异常偏差触发条件的情况下，确定出目标可信因子的异常偏差持续时间；
7、通过利用预设的动态权重调整模型和预设的动态衰减模型分别处理目标可信因子的偏差参数和目标可信因子的异常偏差持续时间，确定出关于目标交易数据的目标风险检测结果；
8、根据目标风险检测结果，确定目标交易数据是否存在交易风险。
9、在一个实施例中，根据目标交易数据，确定出相对应的目标可信因子的偏差参数，包括：
10、根据目标交易数据，获取与目标交易数据相关的目标可信因子数据；
11、确定出与目标交易数据相匹配的目标可信模型；
12、根据目标可信模型和目标可信因子数据，确定出目标可信因子的偏差参数。
13、在一个实施例中，根据目标可信因子的偏差参数，检测当前是否满足预设的异常偏差触发条件，包括：
14、检测目标可信因子的偏差参数是否大于相对应的预设的异常偏差临界值；
15、在确定目标可信因子的偏差参数大于相对应的预设的异常偏差临界值的情况下，确定当前该目标可信因子满足预设的异常偏差触发条件。
16、在一个实施例中，确定出目标可信因子的异常偏差持续时间，包括：
17、获取与目标交易数据相关的目标历史交易记录；
18、查询目标历史交易记录，确定出目标可信因子的异常偏差持续时间。
19、在一个实施例中，通过利用预设的动态权重调整模型和预设的动态衰减模型分别处理目标可信因子的偏差参数和目标可信因子的异常偏差持续时间，确定出关于目标交易数据的目标风险检测结果，包括：
20、利用预设的动态权重调整模型处理目标可信因子的偏差参数，确定出目标可信因子的动态权重参数；利用预设的动态衰减模型处理目标可信因子的异常偏差持续时间，确定出目标可信因子的动态衰减系数；
21、根据目标可信因子的偏差参数、动态权重参数、动态衰减系数，计算出目标综合风险值；
22、根据目标综合风险值，确定出关于目标交易数据的目标风险检测结果。
23、在一个实施例中，所述预设的动态衰减模型包括基于高斯函数的算法模型。
24、在一个实施例中，根据目标交易数据，获取与目标交易数据相关的目标可信因子数据，包括：
25、根据目标交易数据，提取出相应的目标交易特征；其中，所述目标交易特征包括以下至少之一：目标交易数据的发起用户的用户标识、目标交易数据的接收用户的用户标识、目标交易数据的交易类型、目标交易数据的交易环境特征、目标交易数据的交易渠道类型；
26、从目标交易特征中确定出目标关键特征；并获取与目标关键特征相关的目标关联数据；
27、根据目标关联数据，提取出相应的目标关联特征；
28、组合所述目标关联特征和目标交易特征，得到与目标交易数据相关的目标可信因子数据。
29、在一个实施例中，确定出与目标交易数据相匹配的目标可信模型，包括：
30、根据目标关键特征，检索预设的可信模型库，确定出相匹配的预设的可信模型，作为所述目标可信模型；其中，预设的可信模型库存储有多个预设的可信模型。
31、在一个实施例中，所述方法还包括：
32、获取多个历史交易记录；
33、从所述多个历史交易记录中筛选出多个正样本交易记录；
34、根据多个正样本交易记录，获取多个正样本可信因子数据组；
35、根据所述多个正样本可信因子数据组，构建得到多个预设的可信模型。
36、在一个实施例中，在确定目标交易数据是否存在交易风险之后，所述方法还包括：
37、确定关于目标交易数据的交易风险的风险类型和风险等级；
38、根据所述风险类型和风险等级，查询预设的风险处理规则集，确定出相匹配的目标处理规则；
39、根据目标处理规则，进行与目标交易数据相关的风险处理。
40、在一个实施例中，所述方法还包括：
41、获取样本交易记录；
42、根据样本交易记录，获取并利用关于样本数据的可信因子数据，构建对应的样本训练数据；
43、根据神经系统模拟规则，构建初始的动态权重调整模型和初始的动态衰减模型；
44、利用所述样本训练数据，训练所述初始的动态权重调整模型和初始的动态衰减模型，以得到符合要求的预设的动态权重调整模型和预设的动态衰减模型。
45、本说明书还提供了一种交易数据处理装置，包括：
46、获取模块，用于获取目标交易数据；
47、第一确定模块，用于根据目标交易数据，确定出相对应的目标可信因子的偏差参数；
48、第二确定模块，用于根据目标可信因子的偏差参数，检测当前是否满足预设的异常偏差触发条件；
49、第三确定模块，用于在确定当前满足预设的异常偏差触发条件的情况下，确定出目标可信因子的异常偏差持续时间；
50、第四确定模块，用于通过利用预设的动态权重调整模型和预设的动态衰减模型分别处理目标可信因子的偏差参数和目标可信因子的异常偏差持续时间，确定出关于目标交易数据的目标风险检测结果；
51、第五确定模块，用于根据目标风险检测结果，确定目标交易数据是否存在交易风险。
52、本说明书还提供了一种服务器，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现所述交易数据处理方法的相关步骤。
53、本说明书还提供了一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现所述交易数据处理方法的步骤。
54、本说明书还提供了一种计算机程序产品，包含有计算机程序，所述计算机程序被处理器执行时实现所述交易数据处理方法的步骤。
55、基于本说明书提供的交易数据处理方法、装置和服务器，具体实施前，可以先根据神经系统模拟规则，利用样本训练数据，训练得到适配于交易风险检测场景、符合要求的预设的动态权重调整模型和预设的动态衰减模型。具体实施时，在获取目标交易数据后，可以先确定并根据目标可信因子的偏差参数，通过判断是否出现突发、显著的数据变化，检测当前是否满足预设的异常偏差触发条件；在确定当前满足预设的异常偏差触发条件的情况下，确定出目标可信因子的异常偏差持续时间；再通过利用预设的动态权重调整模型和预设的动态衰减模型分别处理目标可信因子的偏差参数和目标可信因子的异常偏差持续时间，确定出关于目标交易数据的目标风险检测结果；根据该目标风险检测结果，再确定该目标交易数据是否存在交易风险。从而可以通过同时引入和使用基于神经系统模拟规则构建得到的预设的动态权重调整模型和预设的动态衰减模型，能够较好地模拟并利用生物神经系统对外界环境变化的敏感性和适应性，适用于存在数据动态变化的交易风险检测场景，精准地实现交易风险的动态检测，有效地提高了交易风险的检测精度，减少检测误差。
1.一种交易数据处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据目标交易数据，确定出相对应的目标可信因子的偏差参数，包括：
3.根据权利要求1所述的方法，其特征在于，根据目标可信因子的偏差参数，检测当前是否满足预设的异常偏差触发条件，包括：
4.根据权利要求1所述的方法，其特征在于，确定出目标可信因子的异常偏差持续时间，包括：
5.根据权利要求1所述的方法，其特征在于，通过利用预设的动态权重调整模型和预设的动态衰减模型分别处理目标可信因子的偏差参数和目标可信因子的异常偏差持续时间，确定出关于目标交易数据的目标风险检测结果，包括：
6.根据权利要求5所述的方法，其特征在于，所述预设的动态衰减模型包括基于高斯函数的算法模型。
7.根据权利要求2所述的方法，其特征在于，根据目标交易数据，获取与目标交易数据相关的目标可信因子数据，包括：
8.根据权利要求7所述的方法，其特征在于，确定出与目标交易数据相匹配的目标可信模型，包括：
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
10.根据权利要求1所述的方法，其特征在于，在确定目标交易数据是否存在交易风险之后，所述方法还包括：
11.根据权利要求1所述的方法，其特征在于，所述方法还包括：
12.一种交易数据处理装置，其特征在于，包括：
13.一种服务器，其特征在于，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1至11中任一项所述方法的步骤。
14.一种计算机可读存储介质，其特征在于，其上存储有计算机指令，所述指令被处理器执行时实现权利要求1至11中任一项所述方法的步骤。
15.一种计算机程序产品，其特征在于，包含有计算机程序，所述计算机程序被处理器执行时实现权利要求1至11中任一项所述方法的步骤。
