基于BP神經(jīng)網(wǎng)絡的生物識別技術(shù)支付風險預測

摘? 要：移動支付是數(shù)據(jù)化時代下的一個新的亮點，已成為人們?nèi)粘Ｉ钪兄Ц兜闹匾侄巍ｋS著生物識別技術(shù)的迅速發(fā)展，支付方式也在發(fā)生著改變。為了預測支付風險，文章以銀聯(lián)手機閃付為例，將各種風險分類，接著運用層次分析法建立各級指標體系并用內(nèi)容效度比進行指標檢驗，最后建立神經(jīng)網(wǎng)絡進行訓練驗證和風險預測，得到該支付手段具有低風險的結(jié)論。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡;手機閃付;風險預測

中圖分類號：TP391.41;TP183? ? ? 文獻標識碼：A 文章編號：2096-4706（2020）16-0165-03

Payment Risk Prediction of Biometric Technology Based on BP Neural Network

——Take UnionPay Mobile Phone Flash Payment as an Example

XU Bingqing

（Institute of Statistics and Applied Mathematics，Anhui University of Finance and Economics，Bengbu? 233030，China）

Abstract：Mobile payment is a new bright spot in the era of data. Nowadays，it has become an important means of payment in peoples daily life. With the rapid development of biometric technology，payment methods are also changing. In order to predict the payment risk，taking UnionPay mobile phone flash payment as an example，various risks are classified，and then AHP is used to establish the index system at all levels，and the content validity ratio is used to test the index. Finally，neural network is established for training verification and risk prediction，it is concluded that the means of payment has low risk.

Keywords：BP neural network;mobile phone flash payment;risk prediction

0? 引? 言

在安徽財經(jīng)大學統(tǒng)計與應用數(shù)學學院意在研究BP神經(jīng)網(wǎng)絡模型的預測能力的基礎下，本文是為了研究銀聯(lián)閃付支付風險程度而展開。移動支付是指用戶能夠利用移動設備識別身份從而可以在不用貨幣的情況下進行交易。目前我國的第三方移動支付發(fā)展具有良好勢頭，國家有關(guān)部門相繼出臺了《非銀行支付機構(gòu)網(wǎng)絡支付業(yè)務管理辦法》《非銀行支付機構(gòu)分類評級管理辦法》等政策來支持和監(jiān)管第三方移動支付。同時上網(wǎng)愛好者人數(shù)的迅速增長為移動電子支付企業(yè)提供了一個相當樂觀的市場。中國移動支付蓬勃發(fā)展，目前支付規(guī)模和影響力已達到全球第一，近年來在互聯(lián)網(wǎng)金融的推動下我國移動支付規(guī)模為美國的百倍。根據(jù)中國支付清算協(xié)會的數(shù)據(jù)顯示，近五年來我國移動支付規(guī)模的年復合增速高達117.6%。筆者查閱的近幾年資料表明中國現(xiàn)如今有將近二分之一的人在使用移動支付，所以在支付時使用者的信息安全保障是一個非常有價值的研究方向。

1? 國內(nèi)生物識別技術(shù)支付市場

截止到2020年3月，我國手機網(wǎng)民支付人數(shù)達到7.68億，移動支付方式已經(jīng)遍布中國餐飲、超市、購物、交通、醫(yī)療、外賣等日常生活消費中，成為最常用的支付技術(shù)手段之一。由于生物自身特征信息是先天的，很難改變，所以一般適用于識別應用，如考勤、訪問控制、實名、權(quán)限管理等。然而，因為不同類型的生物特征具備不同的特點，如人臉識別、聲控和指紋等，這些技術(shù)要求的隱私程度相對較低，而且比較容易收集，因此不適合單獨作為支付時的驗證依據(jù)。但是同時增加其他額外的驗證會延長支付時間，給用戶帶來不便，在應用場景敏感情況下的高頻度使用將會受到限制，這也是這類支付手段的一個尷尬局面。綜合國內(nèi)情況看，雖然中國在生物識別技術(shù)領域研究已處于世界先進水平，但目前應用規(guī)模和滲透率與歐美市場還有一部分差距，國內(nèi)未來將有較大發(fā)展空間。研究調(diào)查發(fā)現(xiàn)部分消費者還是存在著對支付手段風險的擔憂，政府應當完善法律法規(guī)保障消費者的使用權(quán)益、降低支付風險;產(chǎn)品開發(fā)者應當強化技術(shù)操作和軟件系統(tǒng)，在提高安全性的同時向國內(nèi)市場進軍。

2? 以中國銀聯(lián)為代表的手機閃付

在微信和支付寶兩大巨頭的壓力下，銀聯(lián)也另辟蹊徑推出了圍繞移動互聯(lián)網(wǎng)的一系列產(chǎn)品。其中主要產(chǎn)品是銀聯(lián)手機閃付，它的核心技術(shù)是非接支付，完成了手機、手表等移動電子設備的線下非接觸網(wǎng)絡支付，并支持通過二維碼和遠程在線支付。它使用了近場通信技術(shù)，開通銀聯(lián)手機閃付后在需要支付時，用戶無需解鎖，可在鎖屏情況下快速喚醒手機并靠近支持銀聯(lián)閃付終端的支付感應區(qū)付款，方便快捷、節(jié)約時間。用戶在使用這一功能時手機就相當于移動的銀行卡，這一功能成為出門忘帶現(xiàn)金的消費者的救星。銀聯(lián)閃付的迅速崛起和它產(chǎn)品的三大特點密切相關(guān)。一是銀聯(lián)閃付采用了五重安全級別保護，相比較市場上其他支付軟件安全管理級別要高，能更好地保障使用者的資金信息安全;二是它的售后服務更完備，具有完善的風險補償保障機制，就算使用者在使用過程中遇到風險導致?lián)p失，該機制會給予消費者一定的補償，做到了使用無憂;三是遍布范圍廣泛，雖然銀聯(lián)閃付發(fā)展時間短，但是它短時間內(nèi)迅速開拓業(yè)務，境內(nèi)境外通用，打開了出國旅游用戶的消費市場。

3? 移動支付風險識別分類

移動支付的風險分類是各種各樣的，其根據(jù)支付的分類而定。本文結(jié)合專家研究、文獻資料等多個角度，總結(jié)了以下四個風險類別。

政策法規(guī)風險：是指這些新型業(yè)務相關(guān)的法律和政策不完善或有漏洞，會造成損失。

網(wǎng)絡安全風險：是指某些不法分子使用網(wǎng)絡技術(shù)盜取網(wǎng)上用戶的個人信息甚至財產(chǎn)信息然后對用戶進行詐騙，給用戶造成損失。

技術(shù)與操作風險：指平臺由于自身問題而出現(xiàn)的系統(tǒng)故障給消費者帶來的損失。

信用風險：又稱違約風險，是因為信用活動中的不確定性可能會發(fā)生交易雙方中一方未能到期償還債務，帶來經(jīng)濟損失的風險。

4? 模型的構(gòu)建與求解

4.1? 構(gòu)建移動支付風險評價模型

BP網(wǎng)絡（Back-Propagation Network）又稱反向進行傳播神經(jīng)網(wǎng)絡，由輸入層、隱藏層和輸出層組成，其中可以是一個或多個層。該神經(jīng)網(wǎng)絡利用輸出后的誤差來估計輸出層前一層的誤差，再反過來用這層誤差來估計更前一層誤差，最終得到每一層誤差估計。我們就是通過該誤差來調(diào)整各層的連接權(quán)值，再用調(diào)整后的數(shù)值重新計算輸出誤差，直到輸出的誤差達到我們預期的期望值。我們首先運用層次分析法構(gòu)建第三方支付風險分析指標體系，該體系包括上述的四大類。其中A為四大類風險的成對比較矩陣，A1、A2、A3、A4為相對應的二級指標構(gòu)造的成對比較矩陣，如下：

A=

A1=

A2=

A3=

A4=

利用層次分析法賦值，得到各指標權(quán)重如表1所示。

以上矩陣均通過一致性檢驗，指標檢驗通常使用內(nèi)容效度比（CVR）：

CVR=

其中N表示評估總?cè)藬?shù)，Ne表示認同該體系的人數(shù)。為了提高科學性，本文采用專家調(diào)查法，線上請求九位該領域的專家對上面的體系進行評判，得到CVR=0.78，所以該風險指標的設置是合適的。

4.2? 利用神經(jīng)網(wǎng)絡對模型進行訓練驗證

根據(jù)得到的風險指標體系我們將風險程度分為四個等級：風險低（0.00，0.25]、風險較低（0.25，0.50]、風險較高（0.50，0.75]、風險高（0.75，1.00]。確定13個風險因素為輸入層神經(jīng)元，風險程度作為隱藏層神經(jīng)元，預測結(jié)果作為輸出層，網(wǎng)絡結(jié)構(gòu)示意圖如圖1所示。

選取市面上常見的五種產(chǎn)品，收取專家利用該體系進行評判的數(shù)據(jù)，在最大訓練次數(shù)為500次、訓練要求精度和學習速率為0.01的情況下該模型通過驗證。

4.3? 銀聯(lián)閃付風險預測

銀聯(lián)閃付憑借它簡單便捷的優(yōu)點得到很多第三方支付使用者的喜愛，因此我們選擇本文建立的模型對銀聯(lián)閃付這一支付手段進行風險預測，如表2所示。

經(jīng)網(wǎng)絡模型進行預測得到銀聯(lián)閃付的綜合風險評價處于（0.00，0.25）這一區(qū)間，所以該支付手段風險低。

4.4? 模型的不足

BP神經(jīng)網(wǎng)絡對模型樣本的選取要求嚴格，它的學習能力和樣本自身就有著很重要的聯(lián)系，但是從問題中選取一個典型樣本實例來組成訓練集的操作很難實現(xiàn);我們在選擇該模型結(jié)構(gòu)時的想法是不統(tǒng)一的，選擇結(jié)構(gòu)過大過小都會對我們的結(jié)論產(chǎn)生根本的影響。

5? 結(jié)? 論

本文分析得出銀聯(lián)閃付是一種低風險的支付方式，除此之外，以支付寶、微信等為代表的人臉和指紋識別支付等支付手段也是生物識別技術(shù)非常有使用價值的體現(xiàn)，這些驗證方式會讓支付變得更加安全可靠，也不會輕易出現(xiàn)信息泄露。但是任何事物都不是絕對的，移動支付是種新興且受廣大網(wǎng)民喜愛的支付方式，還有很大的發(fā)展空間，技術(shù)操作上難免會有疏漏。如央視“3·15”晚會上曝光閃付功能存在被隔空盜刷的風險，對此銀聯(lián)也迅速做出回應表示閃付便捷又安全，所謂“隔空盜刷”案件是極少數(shù)，即使發(fā)生欺詐，支持全款賠償，因此用戶使用時不必過度擔憂。

大數(shù)據(jù)時代下，生物識別技術(shù)惠及生活的各個細節(jié)，生物識別技術(shù)是近幾年發(fā)展起來的技術(shù)，其應用后風險很低，在方便快捷方面具有領先優(yōu)勢，同時也非常環(huán)保。因為在進行現(xiàn)金交易的過程中，會出現(xiàn)紙幣損耗，銀行需要把使用一定時間后的紙幣回收并銷毀，這也會對資源和環(huán)境造成破壞。移動支付大大改變了這種現(xiàn)象，起到改革的作用。我們還是應當抱著積極的態(tài)度去使用這些快捷支付方式，并期待這一技術(shù)的改進優(yōu)化可以促進各領域智能化發(fā)展。

參考文獻：

[1] 靳欣穎.第三方移動支付風險類型與防范 [J].全國流通經(jīng)濟，2018（14）：73-74.

[2] 周之順.基于BP神經(jīng)網(wǎng)絡的移動支付風險評價研究 [J].電子世界，2019（2）：28-29.

[3] 李穎，田敏.論第三方支付風險評估指標體系的構(gòu)建 [J].西安財經(jīng)學院學報，2013，26（5）：28-33.

[4] 孫乃聰.專家評分法在方案技術(shù)分析中的應用 [J].西安文理學院學報（自然科學版），2013，16（1）：125-128.

[5] 宋潔.縣級政府公共服務能力評價體系的構(gòu)建 [J].沈陽工業(yè)大學學報（社會科學版），2014，7（4）：356-362.

作者簡介：徐冰清（1999—），女，漢族，安徽六安人，就讀于數(shù)學專業(yè)17級，本科在讀，研究方向：數(shù)學。