CN110310007A - 风险识别方法、装置、设备和存储介质 - Google Patents

Abstract

本申请实施例提供了一种风险识别方法、装置、设备和存储介质，以减少恶意抢占物流对象提供设备的资源。所述方法包括：接收物流对象管理设备发送的风险验证请求，所述风险验证请求用于验证存放行为的风险；从所述风险验证请求中获取验证参数，调用风险识别策略对所述验证参数进行验证；依据验证结果生成对应的风险验证响应并返回，以便所述物流对象管理设备依据所述风险验证响应确定存取结果。能够在靠近物流对象管理设备端进行风险识别，识别的实时性、效率较高，且可基于该风险验证响应确定是否允许要用户存放，实现弱网环境下的实时风险防控。

Description

风险识别方法、装置、设备和存储介质

技术领域

本申请涉及计算机技术领域，特别是涉及一种风险识别方法和装置、一种电子设备和一种存储介质。

背景技术

随着电子商务的发展，越来越多的用户在网上进行购物，网上购物可通过快递等物流进行商品配送，使得用户在家就可收到购买的商品。

但是，在物流配送的过程中，送货上门是比较耗时的一环，如果用户有不在家等不方便取货的情况，则配送可能延迟。因此产生了快递自提柜等物流对象管理设备，在出现用户不在家等不方便取货的情况时可以将商品存放在快递自提柜中，用户可在方便时获取存放的商品。

目前，有多家快递自提柜提供商在小区、社区等地提供快递自提柜服务，各个快递自提柜提供商为抢占市场，往往会提供免费使用、低价使用等营销手段，但快递自提柜在每个小区、社区等仍然属于比较稀缺、有限的资源。因此，就出现了大量小件员使用虚假包裹恶意占用快递自提柜的现象，浪费了快递自提柜的资源，而有需要的用户却无法使用快递自提柜。

发明内容

本申请实施例提供了一种风险识别方法，以减少恶意抢占物流对象提供设备的资源。

相应的，本申请实施例还提供了一种风险识别装置、一种电子设备和一种存储介质，用以保证上述方法的实现及应用。

为了解决上述问题，本申请实施例公开了一种风险识别方法，应用于物流对象管理系统的边缘服务器，所述方法包括：接收物流对象管理设备发送的风险验证请求，所述风险验证请求用于验证存放行为的风险；从所述风险验证请求中获取验证参数，调用风险识别策略对所述验证参数进行验证；依据验证结果生成对应的风险验证响应并返回，以便所述物流对象管理设备依据所述风险验证响应确定存取结果。

可选的，所述验证参数包括：标识信息，所述调用风险识别策略对所述验证参数进行验证，包括以下至少一种：采用异常行为名单对标识信息进行验证；统计所述标识信息对应的请求频次，依据高频行为策略对所述请求频次进行验证。

可选的，所述调用风险识别策略对所述验证参数进行验证，包括：通过多维度的风险识别策略对对应的验证参数进行验证，得到多个维度对应的风险分值作为验证结果。

可选的，所述依据验证结果生成对应的风险验证响应，包括：将多个维度对应的风险分值和对应维度的权重进行加权计算，得到对应的加权结果；依据所述加权结果生成对应的风险验证响应。

可选的，还包括：采集用户对于物流对象管理设备的使用行为信息；上传所述使用行为信息给中心服务器，以使所述中心服务器基于所述使用信息更新风险识别策略。

本申请实施例还公开了一种风险识别装置，应用于物流对象管理系统的边缘服务器，所述装置包括：接收模块，用于接收物流对象管理设备发送的风险验证请求，所述风险验证请求用于验证存放行为的风险；验证模块，用于从所述风险验证请求中获取验证参数，调用风险识别策略对所述验证参数进行验证；响应模块，用于依据验证结果生成对应的风险验证响应并返回，以便所述物流对象管理设备依据所述风险验证响应确定存取结果。

可选的，所述验证参数包括：标识信息，所述验证模块，用于采用异常行为名单对标识信息进行验证；和/或，统计所述标识信息对应的请求频次，依据高频行为策略对所述请求频次进行验证。

可选的，所述验证模块，用于通过多维度的风险识别策略对对应的验证参数进行验证，得到多个维度对应的风险分值作为验证结果。

可选的，所述响应模块，用于将多个维度对应的风险分值和对应维度的权重进行加权计算，得到对应的加权结果；依据所述加权结果生成对应的风险验证响应。

可选的，还包括：采集更新模块，用于采集用户对于物流对象管理设备的使用行为信息；上传所述使用行为信息给中心服务器，以使所述中心服务器基于所述使用信息更新风险识别策略。

本申请实施例还公开了一种电子设备，包括：处理器；和存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如本申请实施例中一个或多个所述的风险识别方法。

本申请实施例还公开了一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被执行时，使得处理器执行如本申请实施例中一个或多个所述的风险识别方法。

与现有技术相比，本申请实施例包括以下优点：

在本申请实施例中，物流对象管理设备可发送风险验证请求给物流对象管理系统的边缘服务器，该边缘服务器可基于请求中的验证参数，调用风险识别策略进行风险验证，从而能够在靠近物流对象管理设备端进行风险识别，识别的实时性、效率较高，依据风险验证的结果可以生成风险验证响应并返回给物流对象管理设备，从而可基于该风险验证响应确定是否允许要用户存放，实现弱网环境下的实时风险防控。

附图说明

图1是本申请实施例的一种物理对象管理系统的示意图；

图2是本申请的一种风险识别方法实施例的步骤流程图；

图3是本申请的另一种风险识别方法实施例的步骤流程图；

图4是本申请的又一种风险识别方法实施例的步骤流程图；

图5是本申请的另一种风险识别装置实施例的结构框图；

图6是本申请的另一种风险识别装置实施例的结构框图；

图7是本申请一实施例提供的装置的结构示意图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

本申请实施例可应用于物流对象管理系统，该物流对象管理系统可包括服务器和物流对象管理设备。其中，该物流对象管理系统是一种分布式系统，可提供云计算服务，服务器包括中心服务器和边缘服务器，从而设备可就近使用边缘服务器的资源，提高处理的效率。

如图1所示的一种物理对象管理系统的示例中，该物流对象管理系统包括中心服务器10、边缘服务器20和物流对象管理设备30，其中，边缘服务器20包括边缘服务器201、边缘服务器202、……边缘服务器20n，物流对象管理设备30包括物流对象管理设备301、物流对象管理设备302、……物流对象管理设备30n，其中，n为大于2的正整数。本示例中物流对象管理设备和边缘服务器为一对一的关系，实际处理中，一个边缘服务器也可对应多个物流对象管理设备，如一个边缘服务器对应一定区域内的设备等，例如在一个小区内设置一个边缘服务器，则该小区的物流对象管理设备可共享一个边缘服务器的服务。本申请实施例中，边缘服务器可是一个单独的物理服务器设备，也可为设置在物流对象管理设备内的软件系统、模块、装置、虚拟服务器等，具体可依据需求设置。

其中，物流对象管理设备指的是能够进行物流对象等物品存取、管理的设备，物流对象管理设备通过包括储藏物流对象等物品的柜体，以及控制终端，该柜体包括物流对象的存储空间，该控制终端可包括主控芯片、显示器等组件，从而便于基于该控制终端控制、管理物流对象等物品的存储以及取出。物流对象管理设备包括快递自提柜等，从而通过快递自提柜可进行快递的寄送和收取。物流对象指的是物流系统中处理的对象如包裹、货物、商品等。

本申请实施例在服务器中设置有风险识别装置，该风险识别装置可用于业务上恶意行为的风险防控，例如对物流对象管理设备的存储资源进行恶意占用等行为的风险识别以及处理，其中可包括各种风险识别策略。其中，为便于快速的进行风险识别，可在中心服务器和边缘服务器中分别设置风险识别装置，其中，边缘服务器中的风险识别装置能够基于风险识别策略进行风险识别，中心服务器的风险识别装置可包括较为复杂的风险识别模型和风险识别策略等，并可对风险识别策略进行管理。

通过在边缘服务器中设置风险识别装置，可基于边缘计算技术给物流对象管理设备提供风险识别服务，从而通过边缘服务器在物流对象管理设备的本地或近端，实现弱网环境下的实时风险防控。其中，边缘计算(Edge computing)是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放系统，就近提供前端服务，其应用程序在边缘侧发起，将运算分散在靠近数据源的近端设备处理，分担中心服务器的工作量，而不再需要大老远把数据回传中心服务器处理，实时性更好、效率更高、延迟最短，甚至在没有网络、无法接入中心服务器等极端情况下，也不会妨碍边缘设备的“贴地”计算，可将边缘计算理解为一种在物理上靠近数据生成的位置处理数据的技术。

参照图2，示出了本申请的一种风险识别方法实施例的步骤流程图。

步骤202，接收物流对象管理设备发送的风险验证请求，所述风险验证请求用于验证存放行为的风险。

用户需要在物流对象管理设备上存放物品时，可操作物流对象管理设备或其他外部设备，从而物流对象管理设备可接收到存放请求，确定需要存放物流对象到该物流对象管理设备中。通常在存放物流对象时需要在物流对象管理设备上登录，从而物流对象管理设备可获取到登录用户的用户名、用户标识、所属物流服务商的名称、物流服务商标识等，若为批量存储也可获取需要物流对象存储空间的空间数量等。

本申请实施例可对所有用户进行恶意占用资源的风险识别，也可对部分用户进行恶意占用资源的风险识别，例如物流服务商的物流配送人员等。在物流对象管理设备接收到存放请求后，可基于存放请求生成风险验证请求，或者将该存放请求作为风险验证请求，发送风险验证请求给该物流对象管理设备的边缘服务器。则所述风险验证请求中的验证参数包括标识信息，该标识信息可为用户标识和/或物流服务商标识，验证参数还可包括请求的空间数量等其他参数，具体可依据风险识别策略确定。

步骤204，从所述风险验证请求中获取验证参数，调用风险识别策略对所述验证参数进行验证。

边缘服务器中的风险识别装置可从中心服务器的风险识别装置中获取风险识别策略，该风险识别策略可以理解为一种识别物流对象存储的恶意行为的方案集合，风险识别策略可从多个维度进行恶意行为的识别。从而可以从风险验证请求中获取验证参数，然后风险识别装置可调用存储的风险识别策略对所述验证参数进行验证，确认是否通过验证。

其中，风险识别策略可包括异常行为名单、高频行为策略。该异常行为名单可以看作是一种黑名单，存储有经常进行恶意行为如恶意占用存储资源等行为的用户的名单，该名单中可以存储用户标识和/或物流服务商标识等，从而对于名单中的用户可确认为存在风险等。高频行为策略是依据异常行为的频次指定的策略，可依据一定时间内使用物流对象管理设备的存储资源的频次确定，如该高频行为策略可设置频次阈值如累计频次阈值等，进行恶意行为的识别。例如，通过检测每个物流配送用户如小件员等，在某一个时间段自行取回多少个包裹的相位可确定该用户存在异常行为。

所述调用风险识别策略对所述验证参数进行验证，包括以下至少一种：采用异常行为名单对标识信息进行验证；统计所述标识信息对应的请求频次，依据高频行为策略对所述请求频次进行验证。

对于异常行为名单的验证，该异常行为名单中可存储有已识别出恶意行为的用户的标识信息，如包括用户标识，或者，所属物流服务商的物流服务商标识和用户标识等能够唯一识别一个用户的标识信息。可以采用验证参数中的标识信息查询异常行为名单，若标识信息在该异常行为名单中，则确定相应的验证结果，如不通过的验证结果或者在异常行为名单中的验证结果等。若标识信息不在该异常行为名单中，则可确定相应的验证结果，如通过的验证结果或不在异常行为名单中等。

对于高频行为策略的验证，边缘服务器可依据标识信息统计该用户请求的频次，如基于用户标识，或，基于物流服务商标识和用户标识进行频次统计。其中，在统计请求频次时可统计一段时间内相应的频次，如24小时内，一周内等。例如可统计在一段时间内该用户占用存储空间数量超过数量阈值的次数或频率，又如对于提供进行批量存储功能的物流对象管理设备，可统计该用户在一段时间内使用批量存储功能的次数或频率等，从而得到对应的请求频次，在依据该高频行为策略对所述请求频次进行验证，确定该请求频次是否超出高频行为策略中的频次阈值，若请求频次超过频次阈值，则可生成对应的验证结果如不通过等，若请求频次未超过频次阈值，则可生成通过等验证结果。

本申请实施例中，采用上述不同维度的风险识别策略进行风险识别时，任一维度的风险识别未通过，则可确定存在恶意行为的风险。或者设置不同维度的权重，将不同维度风险识别的风险分值作为该维度的验证结果，然后将各风险分值按照对应权重进行加权计算来确定恶意行为的风险等，具体可依据需求设定。

在边缘服务器的风险识别装置中存储对于实时性要求较高的风险识别策略，对于物流对象管理设备的风险识别请求，边缘服务器可发送给风险识别装置，从而基于风险识别策略进行风险识别，进行恶意行为快速防控。

本申请另外一些实施例中，在中心服务器中也设置有风险识别装置，该风险识别装置可进行风险识别策略的管理，并且可执行逻辑复杂和/或对实时性要求不高的风险识别处理。则边缘服务器可在风险识别的过程中采集数据，然后上报给中心服务器，使得中心服务器的风险识别装置可基于采集的数据进行复杂的恶意行为的识别，以及风险识别策略的更新、优化管理等。其中，边缘服务器可采集用户对于物流对象管理设备的使用行为信息；上传所述使用行为信息给中心服务器，以使所述中心服务器基于所述使用信息更新风险识别策略。

边缘服务器可采集用户对于物流对象管理设备的使用行为信息，该使用行为信息可包括用户标识、物流服务商标识、设定时间段内对于物流存储空间的使用次数、使用数量等行为信息，如一小时内使用存储空间的次数和数量，或者对于支持批量存储功能的物流对象管理设备，使用批量存储功能的次数和每次的数量等。

从而中心服务器的风险识别装置可基于该使用行为信息更新风险识别策略，其中，中心服务器的风险识别装置可采用较为复杂的防控策略进行风险识别，然后更新风险识别策略，也可将相应的结果反馈给边缘服务器。中心服务器的风险识别装置还可基于风险识别模型对使用行为信息进行计算，识别出严重或复杂的恶意占柜行为用户等结果，然后可更新风险识别策略，如更新异常行为名单等，从而可将更新的风险识别策略下发给各边缘服务器。从而便于边缘服务器能够基于异常行为名单快速识别出恶意用户，在其使用物流对象管理设备时基于对名单的命中进行拦截，提高识别效率。

步骤206，依据验证结果生成对应的风险验证响应并返回，以便所述物流对象管理设备依据所述风险验证响应确定存取结果。

依据验证结果可生成对应的风险验证响应，例如基于通过或不通过的验证结果可生成允许或拦截对物流对象管理设备的使用的风险验证响应。又如可基于各维度验证结果的风险分值按照对应权重进行加权计算，得到的加权结果来确定允许或拦截对物流对象管理设备的使用的风险验证响应。

物流对象管理设备接收的风险验证响应后，可根据该风险验证响应确定是否允许该用户使用物流对象管理设备的存储资源，从而能够识别出恶意行为，减少恶意占用的行为。

综上，物流对象管理设备可发送风险验证请求给物流对象管理系统的边缘服务器，该边缘服务器可基于请求中的验证参数，调用风险识别策略进行风险验证，从而能够在靠近物流对象管理设备端进行风险识别，识别的实时性、效率较高，依据风险验证的结果可以生成风险验证响应并返回给物流对象管理设备，从而可基于该风险验证响应确定是否允许要用户存放，实现弱网环境下的实时风险防控。

在一些现有技术中，对于物流对象管理设备的资源进行风险识别时，物流对象管理设备将请求发送给中心服务器，中心服务器再调用风控服务器进行风险值的计算，然后将计算得到的风险值发送给中心服务器，中心服务器再下发给对应的物流对象管理设备，需要经过多个设备的转发，处理的路径比较长，影响识别效率。与之相比，本申请实施例中物流对象管理设备可直接调用边缘服务器的风险识别装置进行风险识别，路径比较短，识别效率较高。

并且，物流对象管理设备通常是使用WIFI(WIreless-Fidelity，无线保真)技术或4G等无线通信技术联网。对于使用中心服务器转发风控服务器进行风险识别的方案中，常常可能会由于网络的问题导致风险识别处理和结果的延迟，出现防控不及时，风险遗漏问题。而针对这类问题，本申请实施例基于边缘计算技术，采用边缘服务器就近为物流对象管理设备提供风险识别，能够有效减少网络延迟，提高处理效率，及时进行防控，减少风险遗漏。

在上述实施例的基础上，本申请实施例还提供了一种风险识别方法，能够提高风险识别的准确性和效率。

参照图3，示出了本申请的另一种风险识别方法实施例的步骤流程图。

步骤302，接收物流对象管理设备发送的风险验证请求，所述风险验证请求用于验证存放行为的风险。

步骤304，从所述风险验证请求中获取验证参数。

步骤306，采用异常行为名单对标识信息进行验证。

步骤308，统计所述标识信息对应的请求频次，依据高频行为策略对所述请求频次进行验证。

步骤310，依据验证结果生成对应的风险验证响应。

步骤312，发送风险验证响应给物流对象管理设备，以便所述物流对象管理设备依据所述风险验证响应确定存取结果。

步骤314，采集用户对于物流对象管理设备的使用行为信息。

步骤316，上传所述使用行为信息给中心服务器，以使所述中心服务器基于所述使用信息更新风险识别策略。

从而可减少因弱网环境下的数据传输、风险返回延时等造成的风险防控遗漏或延时的问题，实现对于风险的实时防控。

在上述实施例的基础上，本申请实施例还提供了一种风险识别方法，能够提高风险识别的准确性和效率。

参照图4，示出了本申请的又一种风险识别方法实施例的步骤流程图。

步骤402，接收物流对象管理设备发送的风险验证请求，所述风险验证请求用于验证存放行为的风险。

步骤404，从所述风险验证请求中获取验证参数。

步骤406，通过多维度的风险识别策略对对应的验证参数进行验证，得到多个维度对应的风险分值作为验证结果。

步骤408，将多个维度对应的风险分值和对应维度的权重进行加权计算，得到对应的加权结果。

步骤410，依据所述加权结果生成对应的风险验证响应。

步骤412，发送风险验证响应给物流对象管理设备，以便所述物流对象管理设备依据所述风险验证响应确定存取结果。

步骤414，采集用户对于物流对象管理设备的使用行为信息。

步骤416，上传所述使用行为信息给中心服务器，以使所述中心服务器基于所述使用信息更新风险识别策略。

可减少因弱网环境下的数据传输、风险返回延时等造成的风险防控遗漏或延时的问题，实现对于风险的实时防控。并且能够基于多维度的策略进行风险防控，提高防控的准确性。

本申请实施例为物流对象管理设备部署边缘服务器，并且将风险识别的一部分高危、高频策略、逻辑较为简单的指标结算策略等风险识别策略部署在边缘服务器上，能够减少因弱网环境下的数据传输、风险返回延时等造成的风险防控遗漏或延时的问题。并且边缘服务器还可采用用户行为等数据传至中心服务器进行复杂模型和风险策略加工，识别出严重恶意高危用户名单推送至边缘服务器上存储，达到弱网环境下的实时风险防控。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。

在上述实施例的基础上，本实施例还提供了一种风险识别装置，应用于物流对象管理系统的边缘服务器等电子设备中。

参照图5，示出了本申请的一种风险识别装置实施例的结构框图，具体可以包括如下模块：

接收模块502，用于接收物流对象管理设备发送的风险验证请求，所述风险验证请求用于验证存放行为的风险。

验证模块504，用于从所述风险验证请求中获取验证参数，调用风险识别策略对所述验证参数进行验证。

响应模块506，用于依据验证结果生成对应的风险验证响应并返回，以便所述物流对象管理设备依据所述风险验证响应确定存取结果。

综上，物流对象管理设备可发送风险验证请求给物流对象管理系统的边缘服务器，该边缘服务器可基于请求中的验证参数，调用风险识别策略进行风险验证，从而能够在靠近物流对象管理设备端进行风险识别，识别的实时性、效率较高，依据风险验证的结果可以生成风险验证响应并返回给物流对象管理设备，从而可基于该风险验证响应确定是否允许要用户存放，实现弱网环境下的实时风险防控。

参照图6，示出了本申请的另一种风险识别装置实施例的结构框图，具体可以包括如下模块：

接收模块502，用于接收物流对象管理设备发送的风险验证请求，所述风险验证请求用于验证存放行为的风险。

验证模块504，用于从所述风险验证请求中获取验证参数，调用风险识别策略对所述验证参数进行验证。

响应模块506，用于依据验证结果生成对应的风险验证响应并返回，以便所述物流对象管理设备依据所述风险验证响应确定存取结果。

采集更新模块508，用于采集用户对于物流对象管理设备的使用行为信息；上传所述使用行为信息给中心服务器，以使所述中心服务器基于所述使用信息更新风险识别策略。

一个可选实施例中，所述验证参数包括：标识信息，所述验证模块504，用于采用异常行为名单对标识信息进行验证；和/或，统计所述标识信息对应的请求频次，依据高频行为策略对所述请求频次进行验证。

所述验证模块504，用于通过多维度的风险识别策略对对应的验证参数进行验证，得到多个维度对应的风险分值作为验证结果。

所述响应模块506，用于将多个维度对应的风险分值和对应维度的权重进行加权计算，得到对应的加权结果；依据所述加权结果生成对应的风险验证响应。

本申请实施例相对于现有技术，物流对象管理设备可直接调用边缘服务器的风险识别装置进行风险识别，路径比较短，识别效率较高。并且基于边缘计算技术，采用边缘服务器就近为物流对象管理设备提供风险识别，能够有效减少网络延迟，提高处理效率，及时进行防控，减少风险遗漏。

本申请实施例为物流对象管理设备部署边缘服务器，并且将风险识别的一部分高危、高频策略、逻辑较为简单的指标结算策略等风险识别策略部署在边缘服务器上，能够减少因弱网环境下的数据传输、风险返回延时等造成的风险防控遗漏或延时的问题。并且边缘服务器还可采用用户行为等数据传至中心服务器进行复杂模型和风险策略加工，识别出严重恶意高危用户名单推送至边缘服务器上存储，达到弱网环境下的实时风险防控。

本申请实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本申请实施例中各方法步骤的指令(instructions)。

本申请实施例提供了一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个所述的方法。本申请实施例中，所述电子设备包括手持终端、手机、平板电脑等用户的终端设备、服务器(集群)等各类型的设备。

本公开的实施例可被实现为使用任意适当的硬件，固件，软件，或及其任意组合进行想要的配置的装置，该装置可包括终端设备、服务器(集群)等电子设备。图7示意性地示出了可被用于实现本申请中所述的各个实施例的示例性装置700。

对于一个实施例，图7示出了示例性装置700，该装置具有一个或多个处理器702、被耦合到(一个或多个)处理器702中的至少一个的控制模块(芯片组)704、被耦合到控制模块704的存储器706、被耦合到控制模块704的非易失性存储器(NVM)/存储设备708、被耦合到控制模块704的一个或多个输入/输出设备710，以及被耦合到控制模块704的网络接口712。

处理器702可包括一个或多个单核或多核处理器，处理器702可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中，装置700能够作为本申请实施例中所述终端设备、服务器(集群)等设备。

在一些实施例中，装置700可包括具有指令714的一个或多个计算机可读介质(例如，存储器706或NVM/存储设备708)以及与该一个或多个计算机可读介质相合并被配置为执行指令714以实现模块从而执行本公开中所述的动作的一个或多个处理器702。

对于一个实施例，控制模块704可包括任意适当的接口控制器，以向(一个或多个)处理器702中的至少一个和/或与控制模块704通信的任意适当的设备或组件提供任意适当的接口。

控制模块704可包括存储器控制器模块，以向存储器706提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。

存储器706可被用于例如为装置700加载和存储数据和/或指令714。对于一个实施例，存储器706可包括任意适当的易失性存储器，例如，适当的DRAM。在一些实施例中，存储器706可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。

对于一个实施例，控制模块704可包括一个或多个输入/输出控制器，以向NVM/存储设备708及(一个或多个)输入/输出设备710提供接口。

例如，NVM/存储设备708可被用于存储数据和/或指令714。NVM/存储设备708可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。

NVM/存储设备708可包括在物理上作为装置700被安装在其上的设备的一部分的存储资源，或者其可被该设备访问可不必作为该设备的一部分。例如，NVM/存储设备708可通过网络经由(一个或多个)输入/输出设备710进行访问。

(一个或多个)输入/输出设备710可为装置700提供接口以与任意其他适当的设备通信，输入/输出设备710可以包括通信组件、音频组件、传感器组件等。网络接口712可为装置700提供接口以通过一个或多个网络通信，装置700可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信，例如接入基于通信标准的无线网络，如WiFi、2G、3G、4G、5G等，或它们的组合进行无线通信。

对于一个实施例，(一个或多个)处理器702中的至少一个可与控制模块704的一个或多个控制器(例如，存储器控制器模块)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器702中的至少一个可与控制模块704的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例，(一个或多个)处理器702中的至少一个可与控制模块704的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器702中的至少一个可与控制模块704的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。

在各个实施例中，装置700可以但不限于是：服务器、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中，装置700可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，装置700包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。

其中，检测装置中可采用主控芯片作为处理器或控制模块，传感器数据、位置信息等存储到存储器或NVM/存储设备中，传感器组可作为输入/输出设备，通信接口可包括包括网络接口。

本申请实施例还提供了一种电子设备，包括：处理器；和存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如本申请实施例中一个或多个所述的风险识别方法。

本申请实施例还提供了一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被执行时，使得处理器执行如本申请实施例中一个或多个所述的风险识别方法。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本申请实施例是参照根据本申请实施例的方法、终端设备(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终端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终端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终端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终端设备上，使得在计算机或其他可编程终端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终端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。

尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做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申请实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本申请所提供的一种风险识别方法和装置，一种电子设备和一种存储介质，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (12)

1.一种风险识别方法，其特征在于，应用于物流对象管理系统的边缘服务器，所述方法包括：

接收物流对象管理设备发送的风险验证请求，所述风险验证请求用于验证存放行为的风险；

从所述风险验证请求中获取验证参数，调用风险识别策略对所述验证参数进行验证；

依据验证结果生成对应的风险验证响应并返回，以便所述物流对象管理设备依据所述风险验证响应确定存取结果。

2.根据权利要求1所述的方法，其特征在于，所述验证参数包括：标识信息，所述调用风险识别策略对所述验证参数进行验证，包括以下至少一种：

采用异常行为名单对标识信息进行验证；

统计所述标识信息对应的请求频次，依据高频行为策略对所述请求频次进行验证。

3.根据权利要求1所述的方法，其特征在于，所述调用风险识别策略对所述验证参数进行验证，包括：

通过多维度的风险识别策略对对应的验证参数进行验证，得到多个维度对应的风险分值作为验证结果。

4.根据权利要求3所述的方法，其特征在于，所述依据验证结果生成对应的风险验证响应，包括：

将多个维度对应的风险分值和对应维度的权重进行加权计算，得到对应的加权结果；

依据所述加权结果生成对应的风险验证响应。

5.根据权利要求1所述的方法，其特征在于，还包括：

采集用户对于物流对象管理设备的使用行为信息；

上传所述使用行为信息给中心服务器，以使所述中心服务器基于所述使用信息更新风险识别策略。

6.一种风险识别装置，其特征在于，应用于物流对象管理系统的边缘服务器，所述装置包括：

接收模块，用于接收物流对象管理设备发送的风险验证请求，所述风险验证请求用于验证存放行为的风险；

验证模块，用于从所述风险验证请求中获取验证参数，调用风险识别策略对所述验证参数进行验证；

响应模块，用于依据验证结果生成对应的风险验证响应并返回，以便所述物流对象管理设备依据所述风险验证响应确定存取结果。

7.根据权利要求6所述的装置，其特征在于，所述验证参数包括：标识信息，

所述验证模块，用于采用异常行为名单对标识信息进行验证；和/或，统计所述标识信息对应的请求频次，依据高频行为策略对所述请求频次进行验证。

8.根据权利要求6所述的装置，其特征在于，

所述验证模块，用于通过多维度的风险识别策略对对应的验证参数进行验证，得到多个维度对应的风险分值作为验证结果。

9.根据权利要求8所述的装置，其特征在于，

所述响应模块，用于将多个维度对应的风险分值和对应维度的权重进行加权计算，得到对应的加权结果；依据所述加权结果生成对应的风险验证响应。

10.根据权利要求6所述的装置，其特征在于，还包括：

采集更新模块，用于采集用户对于物流对象管理设备的使用行为信息；上传所述使用行为信息给中心服务器，以使所述中心服务器基于所述使用信息更新风险识别策略。

11.一种电子设备，其特征在于，包括：处理器；和

存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如权利要求1-5中一个或多个所述的风险识别方法。

12.一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被执行时，使得处理器执行如权利要求1-5中一个或多个所述的风险识别方法。