CN118657600B 反跑分实时监测管控方法及系统 （北京榜样在线科技有限公司）

(19)国家知识产权局(12)发明专利室闫世尧李晴霏限公司50219GO6QGO6N3/0464(2023.01)本发明实施例提供一种反跑分实时监测管针对各个支付平台接口，获取该支付平台接口所对应的平台实时支付数据将各个平台实时支付数据进行数据预处理，并按照账户信息将各个经预处理的平台支付数据进行融合，以确定相应的账户跨平台实时支付数据针对各个账户跨平台实时支付数据，将该账户跨平台实时支付数据与相应账户信息在历史的预设时间段的账户跨平台历史支付数据集进行组合，以确定相应的账户支付时序数据基于各个账户支付时序数据，更新全局账户交易图将全局账户交易图网络输入至预设的跑分行为识别模型，以识别全局账户交易图网络中至少一个待进行账户管控的风险节点2针对各个支付平台接口，获取该支付平台接口所对应的平台将各个所述平台实时支付数据进行数据预处理，并按照账户信息针对各个所述账户跨平台实时支付数据，将该账户跨平台实基于各个所述账户支付时序数据，更新全局账户交易图网络；所述全局账户交易图网将所述全局账户交易图网络输入至预设的跑分行为识别模型，以识别所述全局账户交易图网络中至少一个待进行账户管控的风险节点；所述跑分行为识别模型采用增强型图注意力网络，所述增强型图注意力网络包含级联的时间编码层、深度图注意力层和异常检测所述时间编码层用于编码所述全局账户交易图网络中各个边连接中的时间信息所分所述深度图注意力层用于根据各个节点的初始节点特征和所所述异常检测层用于分别识别各个注意力节点特征的风险行为模式，以相应地从各个其中，所述时间编码层用于针对所述全局账户交易图网络度索引，p∈[1,d/2-1];TE(t,2p)和TE(t,2p+1)分别表示关联时间编码的偶数位置和奇数所述图注意力层用于计算所述全局账户交易图网络中的每一对相邻节点i和j之间的3其中，所述异常检测层用于采用孤立森林算法来计算各个注意力节点特征所分别对应本的真实标签，是模型预测为跑分的概率；P表示跑分行为和非跑分行为的实际概率分T表示样本所对应的时间序列的总长度，t表示时间序列中时间点的序号；表示在时间点t4的模型预测输出的跑分行为概率，Il+-表示在时间点t和t+1之间模型预测输出差异的欧几里得范数。2.根据权利要求1所述的方法，其中，所述将各个所述平台实时支付数据进行数据预处理，并按照账户信息将各个经预处理的平台支付数据进行融合，以确定相应的账户跨平台针对各个所述平台实时支付数据，确定所述平台支付数据所对应的目标数据加密格式，并基于所述目标数据加密格式查询支付格式区块链以得到对应的目标数据解密格式，并基于所述目标数据解密格式解密所述平台实时支付数据；所述支付格式区块链利用其网络中的节点来共同维护和验证包含数据加密格式及其对应数据解密格式的分布式账本；按照账户信息融合经解密的各个平台实时支付数据，以得到相应的账户跨平台实时支付数据。3.一种反跑分实时监测管控系统，用于实现如权利要求1或2所述的反跑分实时监测管数据获取单元，被配置成针对各个支付平台接口，获取该支付平台接口所对应的平台实时支付数据；所述平台实时支付数据均包含账户信息、交易金额、交易时间和交易对方账户信息；数据融合单元，被配置成将各个所述平台实时支付数据进行数据预处理，并按照账户信息将各个经预处理的平台支付数据进行融合，以确定相应的账户跨平台实时支付数据；时序数据确定单元，被配置成针对各个所述账户跨平台实时支付数据，将该账户跨平台实时支付数据与相应账户信息在历史的预设时间段的账户跨平台历史支付数据集进行组合，以确定相应的账户支付时序数据；图网络更新单元，被配置成基于各个所述账户支付时序数据，更新全局账户交易图网络；所述全局账户交易图网络中的每个节点分别用于表示相应的账户信息，每个边连接均为有向边，从付款方账户信息指向收款方账户信息；边连接属性包含：交易金额、交易时间和双方平均交易周期；节点属性包含：账户类型、账户注册时间、账户归属地和账户交易频跑分行为识别单元，被配置成将所述全局账户交易图网络输入至预设的跑分行为识别模型，以识别所述全局账户交易图网络中至少一个待进行账户管控的风险节点；所述跑分行为识别模型采用增强型图注意力网络，所述增强型图注意力网络包含级联的时间编码层、深度图注意力层和异常检测层；所述时间编码层用于编码所述全局账户交易图网络中各个边连接中的时间信息所分别对应的关联时间编码；所述深度图注意力层用于根据各个节点的初始节点特征和所述关联时间编码，计算所述全局账户交易图网络中各个节点与相邻节点之间的注意力系数，并根据所述注意力系数对相应的各个第一节点特征进行加权更新，以得到相应的各个注意力节点特征；所述异常检测层用于分别识别各个注意力节点特征的风险行为模式，以相应地从各个节点中筛选风险节点。4.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1或2所述方法的步骤。55.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1或2中任一项所述方法的步骤。6技术领域[0001]本发明涉及智能预警领域，尤其涉及一种反跑分实时监测管控方法及系统。背景技术[0002]随着数字经济的迅速发展，金融科技带来便捷的同时，也衍生了如洗钱跑分等违法行为。目前，虽有多种监管技术应用于防治洗钱，但依然存在漏洞，难以做到实时有效的监控与预警。[0003]“跑分”作为一种常见的金融违法行为，指利用信用卡或其他支付工具进行虚假交易以转移和清洗非法资金。尽管各国监管机构和金融机构已经部署了多种监测和防控系统，然而当前的监控系统多依赖于传统的规则匹配技术，缺乏动态适应性，难以应对多变的洗钱手段。具体地，大多数系统依靠预设的规则进行异常交易检测，不仅处理新型跑分手段时效率低下，而且对于复杂的金融产品和服务难以迅速适应。尤其是，跑分者不断变化手法或使用多个支付平台进行跑分，致使现有的规则引擎难以及时更新以捕获演化快速的跑分欺诈模式。[0004]针对上述问题，目前业界暂未提出较佳的技术解决方案。发明内容[0005]本发明提供一种反跑分实时监测管控方法及系统，用以至少解决目前相关技术中系统依靠预设规则难以有效捕获演化快速的跑分欺诈行为的问题。[0006]第一方面，本发明实施例提供一种反跑分实时监测管控方法，包括：针对各个支付平台接口，获取该支付平台接口所对应的平台实时支付数据；所述平台实时支付数据均包含账户信息、交易金额、交易时间和交易对方账户信息；将各个所述平台实时支付数据进行数据预处理，并按照账户信息将各个经预处理的平台支付数据进行融合，以确定相应的账户跨平台实时支付数据；针对各个所述账户跨平台实时支付数据，将该账户跨平台实时支付数据与相应账户信息在历史的预设时间段的账户跨平台历史支付数据集进行组合，以确定相应的账户支付时序数据；基于各个所述账户支付时序数据，更新全局账户交易图网络；所述全局账户图网络中的每个节点分别用于表示相应的账户信息，每个边连接均为有向边，从付款方账户信息指向收款方账户信息；边连接属性包含：交易金额、交易时间和双方述全局账户交易图网络输入至预设的跑分行为识别模型，以识别所述全局账户交易图网络中至少一个待进行账户管控的风险节点；所述跑分行为识别模型采用增强型图注意力网络，所述增强型图注意力网络包含级联的时间编码层、深度图注意力层和异常检测层；所述时间编码层用于编码所述全局账户交易图网络中各个边连接中的时间信息所分别对应的关联时间编码；所述深度图注意力层用于根据各个节点的初始节点特征和所述关联时间编码，计算所述全局账户交易图网络中各个节点与相邻节点之间的注意力系数，并根据所述注意力系数对相应的各个第一节点特征进行加权更新，以得到相应的各个注意力节点特7征；所述异常检测层用于分别识别各个注意力节点特征的风险行为模式，以相应地从各个节点中筛选风险节点。[0007]第二方面，本发明实施例提供一种反跑分实时监测管控系统，包括：数据获取单元，被配置成针对各个支付平台接口，获取该支付平台接口所对应的平台实时支付数据；所述平台实时支付数据均包含账户信息、交易金额、交易时间和交易对方账户信息；数据融合单元，被配置成将各个所述平台实时支付数据进行数据预处理，并按照账户信息将各个经预处理的平台支付数据进行融合，以确定相应的账户跨平台实时支付数据；时序数据确定单元，被配置成针对各个所述账户跨平台实时支付数据，将该账户跨平台实时支付数据与相应账户信息在历史的预设时间段的账户跨平台历史支付数据集进行组合，以确定相应的账户支付时序数据；图网络更新单元，被配置成基于各个所述账户支付时序数据，更新全局账户交易图网络；所述全局账户图网络中的每个节点分别用于表示相应的账户信息，每个边连接均为有向边，从付款方账户信息指向收款方账户信息；边连接属性包含：交易金额、交易时间和双方平均交易周期；节点属性包含：账户类型、账户注册时间、账户归属地和账户交易频率；跑分行为识别单元，被配置成将所述全局账户交易图网络输入至预设的跑分行为识别模型，以识别所述全局账户交易图网络中至少一个待进行账户管控的风险节点；所述跑分行为识别模型采用增强型图注意力网络，所述增强型图注意力网络包含级联的时间编码层、深度图注意力层和异常检测层；所述时间编码层用于编码所述全局账户交易图网络中各个边连接中的时间信息所分别对应的关联时间编码；所述深度图注意力层用于根据各个节点的初始节点特征和所述关联时间编码，计算所述全局账户交易图网络中各个节点与相邻节点之间的注意力系数，并根据所述注意力系数对相应的各个第一节点特征进行加权更新，以得到相应的各个注意力节点特征；所述异常检测层用于分别识别各个注意力节点特征的风险行为模式，以相应地从各个节点中筛选风险节点。[0008]第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的反跑分实时监测管控方法的步骤。[0009]第四方面，本发明实施例提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本发明任一实施例的反跑分实时监测管控方法的步骤。[0010]第五方面，本发明实施例提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现本发明任一实施例的反跑分实时监测管控方法的步骤。[0011]本发明实施例的有益效果在于：[0012](1)通过对多个支付平台的实时支付数据进行获取和预处理，并将其按账户信息进行融合，能够构建出跨平台的实时支付数据视图，不仅提高了对跑分活动的整体视野，可以反映出账户的实时交易行为模式，实现跨平台数据融合及动态监控，有助于更早发现潜在的异常或风险行为，从而实现更为有效的实时监控和预警。[0013](2)通过本技术方案提供的系统架构设计，允许轻松集成新的支付平台和账户信息，支持监控系统在扩展新市场或新产品时保持高效和有效。[0014](3)在本技术方案提供的通架构中，通过采用增强型图注意力网络，集成的时间编8码层和深度图注意力层，使模型不仅可以考虑节点的静态属性，还能动态地根据交易时间和频率等因素评估交易行为的异常程度，尤其是时间编码层通过编码交易发生的时间，使得模型对时间敏感的跑分行为有更好的识别效率，从而增强针对异常行为的识别能力。[0015](4)随着新的交易数据的不断输入，全局账户交易图网络会持续更新，使得监控系统能够动态地适应新的交易模式和潜在的跑分策略，提供了较强的适应性，能自适应对抗跑分者不断变化的手法。[0016](5)通过异常检测层，依据每个账户信息所对应的注意力节点特征进行行为模式分析，能够筛选出具有高风险潜质的风险节点和相应的风险账户信息，为进一步的针对风险账户的定向风控管理和评估提供了基础。[0017]通过本技术方案所提供的综合性的反跑分实时监测管控系统，可以显著提高对复杂金融产品和服务中跑分行为的监控能力，特别是在处理新型跑分手段和多变洗钱手法时，该方案展现出更高的效率和适应性，不仅符合监管需求，也增强了金融系统的整体安全性和信任度。附图说明[0018]为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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。[0019]图1示出了根据本发明实施例的反跑分实时监测管控方法的一示例的流程图；[0020]图2示出了根据本发明实施例的跑分行为识别模型的一示例的结构框图；[0021]图3示出了根据本发明实施例的反跑分实时监测管控系统的一示例的结构框图；[0022]图4为本发明的电子设备的一实施例的结构示意图。具体实施方式[0023]为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。[0025]图1示出了根据本发明实施例的反跑分实时监测管控方法的一示例的流程图。[0026]关于本发明实施例方法的执行主体，其可以是任意具有计算或处理能力的控制器或处理器，以实现针对当前金融监控系统中存在的问题，特别是对于跑分行为的实时有效监控与预警的不足，提出了一种创新的反跑分实时监测管控方法。更具体地，结合反跑分实时监测管控的业务服务场景来说，其执行主体可以是交易风险管控平台。通过综合利用多个支付平台的实时支付数据、构建全局账户交易图网络，并应用增强型图注意力网络，实现了对跑分行为的高效识别和预警。在一些示例中，其可以是通过软件、硬件或软硬件结合的方式被集成配置在电子设备或终端中，并且终端或电子设备的类型可以是多样化的，例如9手机、平板电脑或台式机等等。[0027]如图1所示，在步骤S110中，针对各个支付平台接口，获取该支付平台接口所对应的平台实时支付数据。[0028]更具体地，首先明确需要收集数据的金融支付平台种类，如银行系统、支付宝、微信支付等等，然后将各金融支付平台的API接口进行集成，确保可以实时获得交易数据。在一些实施方式中，系统通过API调用方式，从各个支付平台收集实时支付数据。平台实时支付数据均包含账户信息、交易金额、交易时间和交易对方账户信息。这些数据通过安全的传输协议(如SSL/TLS)保护，确保在收集过程中的数据安全和完整性。[0029]由此，通过收集各个平台的实时支付数据，有助于捕捉及时的跑分行为，能够大大提高后续分析的时效性和准确性。[0030]在步骤S120中，将各个平台实时支付数据进行数据预处理，并按照账户信息将各个经预处理的平台支付数据进行融合，以确定相应的账户跨平台实时支付数据。[0031]更具体地，对各个平台收集到的支付数据进行格式统一化处理，确保所有数据在融合前具有相同的数据格式和度量标准，例如，日期时间格式统一为ISO8601,货币单位统一等。此外，还需要对收集的平台实时支付数据进行清洗操作，剔除或修正各数据集中的不[0032]进一步地，通过文本匹配技术或聚类算法(能够处理可能的拼写错误、别名)将不同平台中相同用户的账户信息进行匹配，然后将匹配后的账户数据进行融合，形成单一的跨平台支付数据，避免数据重复和信息丢失。[0033]由此，通过数据的预处理和融合，提高了数据的可用性和一致性，使得后续的分析更加准确和有效。融合数据帮助揭示单个账户在不同平台间的交易行为和模式，对于识别复杂的跑分行为模式尤为重要。此外，通过本实施例提供的系统架构设计，允许轻松集成新的支付平台和账户信息，支持监控系统在扩展新市场或新产品时保持高效和有效。[0034]需说明的是，不同金融支付平台的数据格式或加密类型互不相通，因此在对各个平台实时支付数据进行数据预处理的过程中，还应注意将数据解密为统一数据类型，以便于后续的数据融合。[0035]在本发明实施例的一些示例中，针对各个平台实时支付数据，确定平台支付数据所对应的目标数据加密格式，并基于目标数据加密格式查询支付格式区块链以得到对应的目标数据解密格式，并基于目标数据解密格式解密平台实时支付数据。继而，按照账户信息融合经解密的各个平台实时支付数据，以得到相应的账户跨平台实时支付数据。[0036]在本发明实施例中，支付格式区块链利用其网络中的节点来共同维护和验证包含数据加密格式及其对应数据解密格式的分布式账本，通过将数据加密格式及其对应的解密格式存储在支付格式区块链上，确保解密过程的安全性和透明性。这样，利用区块链的不可篡改性，可以防止解密密钥和过程被未经授权的修改或访问。此外，利用区块链的共识机制，能够确保所有节点在存储的加密和解密格式上达成一致，从而保证了数据在解密过程中的一致性。由此，增强了支付系统的安全性和效率，也为支付服务提供者提供了强大的数据管理和合规工具，同时提升了服务的可靠性和用户的信任度。[0037]在步骤S130中，针对各个账户跨平台实时支付数据，将该账户跨平台实时支付数据与相应账户信息在历史的预设时间段的账户跨平台历史支付数据集进行组合，以确定相应的账户支付时序数据。或10天等等，并可根据业务需求而调整)内的历史支付数据进行组合，构建出账户支付时序数据，使其不仅关注最新的账户交易信息还重视账户的过往交易历史。[0039]由此，通过构建支付时序数据，使得模型能够利用历史行为模式来分析当前行为的异常性，基于时序分析能有效识别周期性的跑分模式和长期的异常行为趋势，增强了对潜在风险的预测能力。[0040]在步骤S140中，基于各个账户支付时序数据，更新全局账户交易图网络。[0041]这里，全局账户图网络中的每个节点分别用于表示相应的账户信息，每个边连接均为有向边，从付款方账户信息指向收款方账户信息；边连接属性包含：交易金额、交易时间和双方平均交易周期，节点属性包含：账户类型、账户注册时间、账户归属地和账户交易频率。[0042]需说明的是，全局账户交易图网络基于平台实时支付数据的输入而持续更新，以持续动态反映全局账户体系下最新的交易状态和账户关系，保证了信息的时效性。[0043]由此，通过构建全局账户交易图网络，为复杂网络分析提供了数据基础，使得使用图理论方法来识别潜在的风险节点和跑分模式成为可能。[0044]在步骤S150中，将全局账户交易图网络输入至预设的跑分行为识别模型，以识别全局账户交易图网络中至少一个待进行账户管控的风险节点。[0045]在一些实施方式中，跑分行为识别模型可以采用各种非限制性的深度学习模型，以自动从大量数据中学习和识别复杂的跑分模式，使其在处理全局账户交易图网络时，利用图注意力网络来分析每个账户的交易模式，并识别风险账户节点。由此，能自动高效地识别并标记出参与或可能参与跑分的账户，提高了监控系统的动态适应性，能够应对多变的洗钱手段，为金融机构提供了强有力的风险管理工具。[0046]图2示出了根据本发明实施例的跑分行为识别模型的一示例的结构框图。[0047]如图2所示，跑分行为识别模型200采用增强型图注意力网络，该增强型图注意力网络包含级联的时间编码层210、深度图注意力层220和异常检测层230。[0048]时间编码层210用于编码全局账户交易图网络中各个边连接中的时间信息所分别对应的关联时间编码。[0049]由于跑分行为往往在特定时间模式下更频繁或异常地发生(例如，夜间突然增加的交易频率),通过配置时间编码层210,模型能够有效捕捉和理解交易时间信息，能有效识别跑分行为。时间编码能够将这种时间动态映射为节点和边的特征，使得模型更容易理解和分析时间序列数据，有助于识别那些利用时间变化进行欺诈的复杂模式，如周期性跑分。[0050]深度图注意力层220用于根据各个节点的初始节点特征和关联时间编码，计算全局账户交易图网络中各个节点与相邻节点之间的注意力系数，并根据注意力系数对相应的各个第一节点特征进行加权更新，以得到相应的各个注意力节点特征。[0051]这里，深度图注意力层220可以采用多层结构，即利用多层级联的图注意力层。通过图注意力层，使模型不仅学习到节点的特征，还根据交易的重要性和时间上下文动态调整邻居节点的影响力。由此，可以精确地识别和强调重要的节点间关系，有利于揭示隐藏在庞大数据中的非显式关联尤。[0052]异常检测层230用于分别识别各个注意力节点特征的风险行为模式，以相应地从量维度索引，p∈[1,d/2-1];TE(t,2p)和TE(t,2p+1)分别表示关联时间编码的偶数位置和[0062]图注意力层用于计算全局账户交易图网络中的每一对相邻节点i和j之间的注意出h′可以作为下一层的输入特征h,通过层级结构设计，使得模型能够学习更复杂的节点Network,时间感知图注意力网络)不仅在注意力机制中考虑了节点间的静态关系，还引入[0084]L=μ·Ll1ass+3·Lanon+λ·Ltemp,式(第i个样本的真实标签，是模型预测为跑分的概率；P表示跑分行为和非跑分行为的实际中都保持良好的性能。尤其是，在标准分类损失项的基础上加入异常检测损失和时间连续性损失，使得模型不仅仅学习标签数据的表面特征，而是深入学习数据的内在结构和时间[0091]下面对本发明提供的反跑分实时监测管控系统进行描述，下文描述的反跑分实时监测管控系统与上文描述的反跑分实时监测管控方法可相互对应参照。[0092]图3示出了根据本发明实施例的反跑分实时监测管控系统的一示例的结构框图。[0093]如图3所示，反跑分实时监测管控系统300包含数据获取单元310、数据融合单元320、时序数据确定单元330、图网络更新单元340和跑分行为识别单元350。[0094]数据获取单元310被配置成针对各个支付平台接口，获取该支付平台接口所对应的平台实时支付数据；所述平台实时支付数据均包含账户信息、交易金额、交易时间和交易对方账户信息。[0095]数据融合单元320被配置成将各个所述平台实时支付数据进行数据预处理，并按照账户信息将各个经预处理的平台支付数据进行融合，以确定相应的账户跨平台实时支付[0096]时序数据确定单元330被配置成针对各个所述账户跨平台实时支付数据，将该账户跨平台实时支付数据与相应账户信息在历史的预设时间段的账户跨平台历史支付数据集进行组合，以确定相应的账户支付时序数据。[0097]图网络更新单元340被配置成基于各个所述账户支付时序数据，更新全局账户交易图网络；所述全局账户图网络中的每个节点分别用于表示相应的账户信息，每个边连接均为有向边，从付款方账户信息指向收款方账户信息；边连接属性包含：交易金额、交易时间和双方平均交易周期；节点属性包含：账户类型、账户注册时间、账户归属地和账户交易[0098]跑分行为识别单元350被配置成将所述全局账户交易图网络输入至预设的跑分行为识别模型，以识别所述全局账户交易图网络中至少一个待进行账户管控的风险节点。[0099]所述跑分行为识别模型采用增强型图注意力网络，所述增强型图注意力网络包含级联的时间编码层、深度图注意力层和异常检测层。[0100]所述时间编码层用于编码所述全局账户交易图网络中各个边连接中的时间信息所分别对应的关联时间编码。[0101]所述深度图注意力层用于根据各个节点的初始节点特征和所述关联时间编码，计算所述全局账户交易图网络中各个节点与相邻节点之间的注意力系数，并根据所述注意力系数对相应的各个第一节点特征进行加权更新，以得到相应的各个注意力节点特征。[0102]所述异常检测层用于分别识别各个注意力节点特征的风险行为模式，以相应地从各个节点中筛选风险节点。[0103]需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作合并，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，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，所涉及的动作和模块并不一定是本发明所必须的。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。[0104]图4是本发明另一实施例提供的执行反跑分实时监测管控方法的电子设备的硬件[0105]一个或多个处理器410以及存储器420,图4中以一个处理器410为例。[0106]执行反跑分实时监测管控方法的设备还可以包括：输入装置430和输出装置440。[0107]处理器410、存储器420、输入装置430和输出装置440可以通过总线或者其他方式[0108]存储器420作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的反跑分实时监测管控方法对应的程序指令/模块。处理器410通过运行存储在存储器420中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例反跑分实时监测管控方法。[0109]存储器420可以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、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器420可选包括相对于处理器410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[0110]输入装置430可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的信号。输出装置440可包括显示屏等显示设备。[0111]所述一个或者多个模块存储在所