买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：维萨国际服务协会

摘要：能够采用清算延迟估计，所述清算延迟估计为发行方提供关于何时会清算交易的准确估计，由此为发行方提供更高透明度来更有效地管理资金。算法能够用于估计清算时序信息，并且将所述时序信息插入到与所述发行方或涉及支付装置的交易的其它方的通信中。能够使用与每个交易中涉及的特定实体的清算时序相关的历史数据，基于机器学习和其它人工智能技术来确定所述所估计清算时序信息。

主权项：1.一种使用包括托管人工智能引擎的处理器和存储器的服务器基于清算延迟估计来修改电子支付交易过程的计算机实施的方法，所述方法包括：存储对应于多个客户与多个商家之间的支付交易的数据集，每个支付交易包含清算延迟；从商家计算机系统的通信模块接收对应于第一商家处的购买交易的第一数据；基于由所述人工智能引擎对对应于所述购买交易的所述第一数据的分析而确定所述购买交易的清算延迟估计，其中所述确定包括将所述第一数据提供到机器学习架构，所述机器学习架构使对应于所述购买交易的所述第一数据与关联于数据集的已知结果相关；将所述清算延迟估计插入到支付网络系统和支付装置发行方系统之间的通信中，所述通信对应于所述购买交易的授权过程，并且所述支付装置发行方系统可通信地链接到所述商家计算机系统，其中所述授权过程包括：在某一时间段内汇总所述清算延迟估计，基于所汇总的清算延迟估计而确定所述时间段内的预期应付金额，以及批准或拒绝所述购买交易；通过分别当所述时间段内的所述预期应付金额高于或低于阈值应付金额时批准或拒绝所述购买交易而修改所述授权过程；以及响应于所述清算延迟估计满足阈值时间而自动调整可用于分发给第一商家的资金。

全文数据：消息延迟估计系统和方法背景技术“四方模式”描述由卡网络、发卡银行（“发行方”）、持卡人或客户、商家和收单方组成的信用卡商业模式。几乎所有电子卡支付在四方模式的背面上构建，因为四方模式用于保持整个系统共同工作。客户从发行方接收支付卡账户。账户可以是链接到支付装置的信用、借记或预付费类型账户。账户可以经由包含因特网、物理卡或移动装置的多个不同方法操作。典型交易分三个阶段进行：授权、清算和结算。在授权期间，持卡人或客户使用链接到发行方账户的支付装置选择其希望购买的商品和服务。商家的收单银行从商家接收交易并联系卡网络（例如，Diner'sClub、Discover等），以检查卡完全特征并将交易发送到持卡人银行进行审批。发行方批准交易以及卡网络并且回复商家银行。商家银行向商家发送批准并且持卡人完成交易并收到收据。在清算期间，商家银行将包含购买信息的清算消息发送到卡网络，所述卡网络验证购买信息并将购买信息发送到持卡人银行。清算过程协调进行交易的商家银行和持卡人银行。在结算时，持卡人银行将支付发送到卡网络，并且卡网络将支付发送到商家银行。商家银行随后向商家付款，并且持卡人银行向持卡人开账单。在当前的四方卡生态系统中，绝大部分支付卡交易使用双消息模型进行交易。在此模式中，在交易时出现授权消息，在由商家银行提交清算消息之前，结算资金转账的过程不会发起。此清算消息通常在一天结束时发生，但是在一些市场中可能超过30天。因为清算的时序可变（例如，不同卡网络和收单方基于商家类型、风险等级、卡类型等可以具有不同规范），因此发行方可能难以在任何给定日期预测其结算负债的范围。这种缺乏可见性使得难以优化结算账户的资金。在一些情况下，发行方可以采用更保守交易授权资料并拒绝边界风险交易，以便保存营运资本来确保足够资金可用于特定日期的不可预测结算总额。发明内容下文呈现对本公开的简化概述以便提供对本公开的一些方面的基本理解。此概述不是详尽的综述。并不预期识别本公开的关键或重要元件或界定本公开的范围。以下概述仅以简化形式提出一些概念，作为对以下提供的更详细描述的序言。本公开提供对估计支付装置交易的清算和结算阶段的延迟以优化结算账户的资金的技术问题的技术解决方案。在双重消息交易中，可以采用清算延迟估计，其为发行方提供关于何时会清算交易的准确估计，由此为发行方提供更高透明度来更有效地管理资金。基于清算消息延迟高于或低于阈值，可以拒绝或批准交易。双重消息交易通常需要物理或虚拟签名。当商家的卡处理系统接收授权消息时，所述卡处理系统通过称为“电子草拟捕获”（EDC）的内容创建所述授权的记录。随后将EDC以“批量”存储，直到商家发起通常每天至少发生一次的“批量处理”。然而，尽管大批量商家每天可以多次处理其批次，但是非常低数量的商家可以在不到一天的时间内进行批量处理。然而，无论频率如何，商家都在批量模式下将其授权交易提交给商家的收单方，而不作为个别交易。除了批准或拒绝之外，此批量时序可以用于确定清算估计延迟。卡网络可以更好地了解收单方的清算时序。通过大量可用的清算数据，卡网络可以为每个收单方开发简档，所述简档还说明影响清算时序的因素。例如，此数据集还可以包括与清算时序有关的信息，因为其涉及交易区域、当日时间、商家类型、每个特定商家、交易类型、商家和或持卡人类型等。使用此信息，卡网络可以在授权发生时（经由在授权请求中插入指示符，或使API可用）向发行方银行通知预期的清算时间帧。卡网络还可以累积，并向发行方报告用于相应地管理结算账户的预期结算义务渠道。在一些实施例中，系统和方法可以采用算法来估计清算时序信息，并且将时序信息插入与发行方或涉及支付装置的交易的其它方的通信中，如本文所描述。可以使用与每个交易中涉及的特定实体的清算时序相关的历史数据，基于机器学习和其它人工智能技术来确定所估计的清算时序信息，如本文所描述。这些技术可以应用于每个交易，以说明针对交易中涉及的每个特定实体、区域、交易类型、支付装置类型等中的每一个可能发生的广泛范围的历史延迟。在另外的实施例中，计算机实施的方法可以使用托管人工智能引擎的服务器和存储器将清算延迟估计并入到支付交易过程中。所述方法可以存储与多个客户与多个商家之间的支付交易对应的数据集。支付交易可以各自包括清算延迟的指示。所述方法还可以接收对应于商家处的购买交易的第一数据；以及基于由第一数据的人工智能引擎进行的分析而确定购买交易的清算延迟估计。所述方法随后可以响应于清算延迟估计高于阈值而修改购买交易的授权过程、清算过程和结算过程中的一个或多个。在另外的实施例中，可以总体使用清算延迟估计来优化购买交易的完成。例如，随时间推移，每个交易中交付的清算延迟估计可以定期汇总（每天），从而概括任何给定日期的预期应付账款。基于预期清算交易的当天低于预期应付账款，可以批准或拒绝给定购买交易。在又另外的实施例中，系统可以优化支付交易过程中的清算延迟。系统可以由托管人工智能（AI）引擎的处理器和存储器、数据库、输入处理器、清算延迟模块和修改模块组成。数据库可以耦合到处理器和存储器，并且存储对应于多个客户与多个商家之间的支付交易的数据集。支付交易可以各自包括清算延迟。耦合到处理器和存储器的输入处理器可以捕获对应于商家处的购买交易的第一数据。清算延迟模块可以耦合到AI引擎的输出，并且基于由第一数据的AI引擎进行的分析而确定购买交易的清算延迟估计。修改模块可以耦合到处理器和存储器，并且响应于清算延迟估计高于阈值而修改支付交易过程的一个或多个商家和或收单方实践、或其它可修改参数。附图说明通过参考结合附图考虑的详细描述可以更好地理解本发明。图中的组件不必按比例绘制，而是强调图示本发明的实施例。在图中，相同附图标号贯穿不同视图表示对应的部分。图1示出用于智能地估计涉及支付装置的交易的清算时间的示例性支付系统的图示；图2A示出用于图1的系统的示例性支付装置的第一视图；图2B示出用于图1的系统的示例性支付装置的第二视图；图3是用于图1的系统以估计涉及支付装置的交易的清算时间的机器学习架构的一个实施例的图示；图4是用于图1的系统以估计涉及支付装置的交易的清算时间的机器学习架构的另一实施例的图示；图5是作为交易过程的一部分确定清算延迟估计以及将清算延迟估计发送至图1的系统内的实体的方法的流程图；以及图6示出可以被物理地配置成执行方法并且包含本文所描述的各种组件的示例性计算装置。所属领域的一般技术人员将了解，为了简单和清晰起见而示出图中的元件，因此并未示出所有的连接和选项，以避免模糊本发明的各方面。例如，通常不描绘在商业上可行的实施例中有用或必要的常见但很好理解的元件，以便有助于不大受妨碍地查看本公开的这些各种实施例。应进一步了解，可以特定的发生次序描述或描绘某些动作和或步骤，而所属领域的技术人员应理解，实际上不要求此类有关顺序的特异性。还应理解，本文中所用的术语和表达相对于其对应的相应查询和研究领域来进行定义，除非本文中另外阐述了特定含义。具体实施方式现在将参考附图来更全面地描述本发明，附图形成本发明的一部分并且附图以说明的方式示出了通过其可以实践本发明的具体示例性实施例。呈现这些图解和示例性实施例，且应理解，本公开是一个或多个发明的原理的范例，且并非意在将任何一个发明限制于所示出的实施例。本发明可以许多不同形式体现，且不应被理解为限于本文中阐述的实施例；实际上，提供这些实施例以使本公开透彻和完整，且将使本发明的范围完全传达到所属领域的技术人员。此外，本发明可以实施为方法、系统、计算机可读介质、设备、组件或装置。因此，本发明可采取完全硬件实施例、完全软件实施例或组合软件和硬件方面的实施例的形式。因此，以下详细描述不应被视为具有限制性意义。图1通常示出用于完成例如支付和其它资金转账的交易的支付系统100的一个实施例，包括用于完成交易的清算时间的智能确定估计。系统100可以包含链接一个或多个系统以及计算机组件的计算机网络102。在一些实施例中，系统100包含用户计算机系统104、商家计算机系统106、支付网络系统108、清算延迟估计系统110，以及支付装置发行方系统111。网络102可以被不同地描述为通信链路、计算机网络、互联网连接等。系统100可以包含存储在有形存储器和专用硬件组件或模块上的各种软件或计算机可执行指令或组件，其采用软件和指令来通过监视用户与商家以及“四方模式”中的其它方之间的通信来估计交易的清算延迟，如本文所描述。各种模块可以实施为含有计算机可读指令（即，软件）的计算机可读存储装置存储器，用于由专用或唯一计算装置内的系统100的一个或多个处理器执行。模块可以执行各种任务、方法、模块等，如本文所描述。系统100还可以包含硬件和软件应用程序两者，以及用于在各种专用和唯一硬件和软件组件之间传送数据的各种数据通信信道。清算延迟估计系统110可以包含一个或多个指令模块，包含模块112，所述模块一般可以包含用于使清算延迟估计服务器116的处理器114经由网络102在功能上与多个其它计算机可执行步骤或子模块，例如子模块112A、112B、112C以及系统100的组件通信的指令。这些模块112A、112B、112C可以包含在加载到服务器存储器118中并且由一个或多个计算机处理器114执行时，确定可以由支付网络系统108处理的用于各种用户和或商家之间的支付交易的清算延迟估计119的指令。例如，子模块可以包含第一机器学习模块112A、第二机器学习模块112b、数据整合模块112C等。第一数据存储库122可以存储用于系统100的实体的交易数据122A。在一些实施例中，另外的数据存储库可以对应于不同类型的交易数据122A或交易数据122A的子组分（例如，交易区域、交易类型、当日时间、商家和或客户类型、支付装置类型、交易清算延迟、交易金额、持卡人姓名、持卡人账号，以及其它支付网络账户数据164A等）。各种其它数据124A可以由清算延迟估计系统110接收和或导出，并且存储在第二数据存储库124中且由如本文所描述的系统100使用。例如，第二数据存储库可以用于存储来自电子钱包系统，或电子或基于计算机支付的其它方法的电子钱包交易细节124A。商家计算机系统106可以包含计算装置，例如包含处理器130和存储器132的商家服务器129，所述商家服务器包含用于促进经由系统100的其它实体与用户计算机系统104的交易的组件。在一些实施例中，存储器132可以包含交易通信模块134。交易通信模块134可以包含用于将商家消息134A发送到系统100的其它实体（即，104、108、110、111）以指示已发起与用户计算机系统的交易的指令，所述指令包含支付装置数据以及本文所描述的其它数据。商家计算机系统106还可以包含交易存储库142以及用于将支付和其它交易数据142A存储在交易数据库142内的指令。在一些实施例中，商家计算机系统106可以将对应于支付装置200（图2）的支付数据143A发送到支付网络系统108或系统100的其它实体，或在用户计算机系统104与商家计算机系统106之间的基于电子钱包或其它基于计算机的交易中从用户计算机系统104接收支付数据143B。用户计算机系统104可以包含处理器145和存储器146。用户计算系统104可以包含服务器、移动计算装置、智能电话、平板计算机、Wi-Fi启用装置或能够进行无线或有线通信的其它个人计算装置、瘦客户端，或其它已知类型的计算装置。存储器可以包含各种模块，所述模块包含当由处理器145执行时一般控制用户计算机系统的功能以及具体而言将用户计算机系统104集成到系统100中的指令。例如，一些模块可以包含操作系统150A、浏览器模块150B、通信模块150C和电子钱包模块150D。在一些实施例中，电子钱包模块150D以及本文所描述的其功能可以并入作为用户计算机系统104的一个或多个模块。在其它实施例中，电子钱包模块150D以及本文所描述的其功能可以并入作为支付网络系统110的一个或多个子模块。支付网络系统108可以包含支付服务器156，所述支付服务器包含处理器158和存储器160。存储器可以包含支付网络模块162，所述支付网络模块包含用于使用支付系统100促进当事人（例如，一个或多个用户、商家等）之间的支付的指令。模块162可以通信地连接到账户持有人数据存储库164，包含支付网络账户数据164A。支付网络账户数据164A可以包含用于促进系统实体（即，104、106、110和111）之间的支付和其它资金转账的任何数据。例如，支付网络账户数据164A可以包含标识数据、账户历史数据、支付装置数据等。模块162还可以包含用于将支付消息166发送到系统100的其它实体和组件，以便完成用户和或商家之间的交易的指令。简要参考图2A和2B，示例性支付装置200可以采用各种形状和形式。在一些实施例中，支付装置200是例如借记卡或信用卡的传统卡。在其它实施例中，支付装置200可以是钥匙链上的挂扣、NFC可穿戴装置或其它装置。在其它实施例中，支付装置200可以是电子钱包，其中选择来自先前存储在钱包中的多个账户中的一个账户并且将所述账户传送到系统100以执行交易。只要支付装置200能够安全地与系统100以及其组件通信，支付装置200的形式可以不是特别重要并且可以是设计选择。例如，许多传统支付装置可能必须由磁条读取器读取，并且因此，支付装置200的尺寸可能必须适配磁性读卡器。在其它实例中，支付装置200可以通过近场通信来通信，并且支付装置200的形式几乎可以是任何形式。当然，基于卡的用途、正在使用的读卡器的类型等，其它形式也是可能的。在物理上，支付装置200可以是卡，并且卡可以具有多个层以包含构成支付装置200的各种元件。在一个实施例中，支付装置200可以具有基本上平坦的前表面202以及与前表面202相对的基本上平坦的后表面204。在逻辑上，在一些实施例中，表面202、204可以具有一些凸字（embossment）206或其它形式的清晰书写，包含个人账号（PAN）206A和卡验证号（CVN）206B。在一些实施例中，支付装置200可以包含对应于主账户持有人的数据，例如，账户持有人的支付网络账户数据164A。一般可以对存储器254以及具体而言对模块254A进行加密，使得与支付相关的所有数据对于不期望的第三方是安全的。通信接口256可以包含用于促进经由网络102将用于识别支付信息的例如支付有效载荷、支付令牌或其它数据的支付数据143B、143A发送到系统100的一个或多个组件的指令。支付装置发行方系统111还可以包含支付装置发行方服务器170，所述支付装置发行方服务器包含处理器172和存储器174。存储器可以包含支付装置发行方模块176，所述支付装置发行方模块包含用于促进使用支付系统100向商家计算机系统106支付的指令。模块176可以通信地连接到包含账户清算数据178A的清算数据存储库178。清算数据178A可以包含用于促进向自商家进行支付和其它资金转账的数据。例如，清算数据178A可以包含标识数据、账户历史数据、支付装置数据等。模块176还可以通信地连接到包含持卡人账户数据180A的持卡人账户数据存储库180。模块162还可以包含用于从支付网络系统108接收支付消息166的指令，并且可以包含清算延迟估计119，以便完成用户和或商家之间的交易并且更好地管理用户和商家资金账户余额来完成交易。参考图3，机器学习（ML）架构300可以根据本公开用于清算延迟估计系统110的第一机器学习模块112A和或第二机器学习模块112B中。在一些实施例中，清算延迟估计系统的第一机器学习模块112A和或第二机器学习模块112B可以包含用于在实施ML架构300的处理器114上执行的指令。ML架构300可以包含输入层302、隐藏层304和输出层306。输入层302可以包含耦合到数据整合模块112C的输入308A、308B等，并且表示在交易中从实际客户和商家数据观察到的那些输入。隐藏层304可以包含已针对正观察的交易进行训练的加权节点310。隐藏层304的每个节点310可以接收所有输入308A、308B等乘以对应权重的总和。输出层306可以基于输入值308A、308B等以及隐藏层304的加权而呈现各种结果312。正如可以训练用于自动驾驶汽车的机器学习系统以基于接收到的视觉输入来确定危险避免动作，可以训练机器学习架构300以基于前述客户商家交易的数千或甚至数百万观察结果来分析给定输入集合的可能结果。在机器学习架构300的训练期间，可以应用输入的数据集并且可以针对与所述数据集相关联的已知结果来调整隐藏层310的权重。随着应用更多数据集，加权准确度可以提高，使得结果预测不断地被改进成更准确结果。在这种情况下，包含用于系统100的实体的交易数据122A的第一数据存储库122可以提供用于机器学习架构300的初始训练和持续改进的数据集。机器学习架构300的附加训练可以包含将附加值提供到一个或多个可控输入316的人工智能引擎（AI引擎）314，使得可以观察到对交易数据122A或其它数据124A的特定改变的结果。选择的值可以表示不同数据类型，例如，应用于支付网络账户数据164A的选定加密方法、商家消息134A、发送的支付数据143A、接收到的支付数据143B，以及在交易过程中的各个点处呈现的其它替代数据，并且可以随机地或由伪随机过程生成。通过随时间将受控变量添加到交易过程，可以测量到影响并且将影响反馈到机器学习架构300加权中，以允许捕获对过程的所提议改变的影响，以便优化清算延迟估计119的确定。随时间推移，交易循环中的不同点处的各种不同数据的影响可以用于预测输入层302处的给定一组观察到的值的结果。在完成机器学习架构300的训练之后，可以将来自隐藏层的数据馈送到人工智能引擎314，以生成可控输入316的值来优化清算延迟估计119，或甚至减少清算过程的时间。类似地，来自输出层的数据可以被反馈到人工智能引擎314，使得在一些实施例中，人工智能引擎314可以迭代不同数据，以经由训练后的机器学习架构300确定第一商家或收单方实践或第二商家或收单方实践，和或数据传输和网络协议是否可以最有效地优化每个特定商家的清算延迟。参考图4，在其它实施例中，机器学习架构300和人工智能引擎314可以包含机器学习架构400的第二实例，和或可以使用附加节点层。在一些实施例中，清算延迟估计层402可以确定从观察到的输入404A、404B预测的清算延迟404。具有输出408A、408B等的交易建议层406可以用于生成到人工智能引擎412的交易建议410，进而可以修改支付网络账户数据164A、商家消息134A、发送的支付数据143A、接收到的支付数据143B，以及当经由合适SDK传送此数据时使用的其它替代数据和加密方法中的一个或多个。图5是用于确定清算延迟估计119以及将清算延迟估计119并入到通信中以使用系统100内的支付装置200完成交易的方法500的流程图。方法500的每个步骤可以在可以被物理地配置成执行方法的不同方面的服务器或其它计算装置上执行。在框502处，系统100可以在通信期间收集和存储数据集（例如，交易数据122A、钱包交易细节124A、商家消息134A、清算数据178A等），以完成系统100的实体（即，用户、商家、支付网络系统、发行方等）之间的支付交易。数据集可以包含用于多个个别客户交互以及与多个商家的交易的个别数据122A。数据122A可以包含交易的类型和金额、持卡人和或商家的区域、商家和持卡人的类型、交易类型等等。数据122A还可以包含结果数据，例如，购买的物品、购买量、购买价值、交易之间的时间等。例如，在框502处，数据122A可以存储在数据存储库122中。在实施例中，数据122A可以由AI引擎314用于推断清算延迟估计119。在框504处，数据122A可以用于训练第一或第二机器学习（ML）模块112A、112B，以确定清算延迟估计119。ML模块112A、112B的训练可以在两个步骤中进行。第一，可以从客户商家交易中收集“自然”数据122A。第二，可以从交易会话收集“测试”数据122A，其中一些数据可能有意地改变以优化清算延迟估计119或甚至减少清算过程的时间。在一些实施例中，不同网络设置、数据结构、第一和第二加密方法等可以被测试为可控输入316。测试数据集可以包含随机产生的变化，基于可疑影响的目标变化，或可以是这些或其它变化的组合。在框506处，方法500可以对对应于与客户交易中使用的支付装置200的交易数据122A和其它数据124A进行加密以及将所述交易数据和其它数据从商家计算机系统106传送到支付装置发行方系统111，并且发起客户商家交易。在一些实施例中，交易通信模块134可以执行指令，以经由商家消息134将交易数据122A和其它数据124A发送到系统100的一个或多个实体。如上所述，交易数据122A可以包含交易区域、交易类型、当日时间、商家和或客户类型、支付装置类型、对应于商家的过去交易清算延迟、交易金额、持卡人姓名、账号，以及存储在支付装置上的支付网络账户数据164A等。在框508处，方法500可以响应于接收到交易数据122A和其它数据124A而发起授权过程。通常，商家计算机系统106可以将交易数据122A和其它数据124A传递到支付网络系统108。支付网络系统108随后可以检查接收到的交易数据122A和其它数据124A的加密，确定对应于接收到的数据的支付网络账户数据164A，以及将所述支付网络账户数据发送到持卡人银行（即，支付装置发行方系统111）以进行审批。在一些实施例中，支付网络系统108还可以将交易数据122A和其它数据124A传递到清算延迟估计系统110。此处，模块112可以执行指令以确定清算延迟估计119。清算延迟估计119随后可以被传递给系统100的其它实体。例如，支付网络系统108可以将关于与支付装置发行方系统111、商家计算机系统106等中的一个或多个的交易的清算延迟估计119并入到通信中。在另外的实施例中，清算延迟估计119可以直接从清算延迟估计系统110发送到系统100的其它实体。在框509处，系统100的一个或多个实体可以基于清算延迟估计119修改某些功能。例如，数据整合模块112C可以包含对支付网络系统108、支付装置发行方系统111、商家计算机系统106等的指令，以修改加密方法、网络102的设置，以及本文所描述的其它度量。基于清算延迟估计119或清算延迟估计119的统计分析，付款人可以调整通常预测的金额来分发给收款人。例如，支付网络系统108和或商家计算机系统的支付网络模块162可能导致交易被拒绝，因为清算延迟估计119高于阈值时间限值。同样，支付装置发行方系统111可以基于更长或更短清算延迟估计而调整可用于分发给商家的资金。在框510处，在确定交易数据122A和其它数据124A内的交易金额和其它数据匹配与支付网络账户数据164A对应的持卡人账户数据180A的阈值时，支付装置发行方系统111可以批准交易数据122A和其它数据124A。在一些实施例中，支付装置发行方系统111可以将清算延迟估计119用作用于批准交易数据124A和其它数据124A的阈值中的一个阈值。例如，在框510处，如果清算延迟估计119过长，则系统111可能不批准交易，并且在框512处将对应拒绝消息发送到系统100的一个或多个实体，并且方法可能结束。相反，如果在框510处，清算延迟估计119低于阈值，则系统111可以批准交易并且在框514处将对应批准交易发送到系统100的一个或多个实体。在另外的实施例中，方法500可以在框510处总体使用清算延迟估计119以优化购买交易的完成。例如，随时间推移，每个交易中交付的清算延迟估计可以定期汇总（每天），从而概括任何给定日期的预期应付账款。随后，在框510处，方法500可以基于在预期清算交易的当天低于预期应付账款而批准或拒绝给定购买交易。在框516处，如果系统100作为单消息系统操作，则方法500可以继续到框518以执行交易的清算和结算并结束。在框520处，如果系统100作为双消息系统操作，则方法500可以从商家银行将另外的购买信息发送到支付网络系统108。在框522处，支付网络系统108可以验证接收到的另外购买信息并且将其发送到支付装置发行方系统111以准备持卡人的明细表。支付网络系统108还可以向商家的银行和支付装置发行方系统111两者提供全面的对账。在框524处，方法500可以使支付装置发行方模块176执行指令，以将支付发送到支付网络系统108或系统108的代理。在框526处，支付网络系统108可以将支付发送到商家的银行，以与商家计算机系统106对账。在框528处，方法500可以使支付装置发行方模块176将账单明细表发送到用户计算机系统104，并且结束。图6是用于系统100以及本文所描述的方法（例如，方法500）的实例计算环境900的高级框图。计算装置900可以包含服务器（例如，支付服务器156、商家服务器129、支付服务器156、清算延迟估计服务器116、移动计算装置（例如，用户计算系统104）、蜂窝电话、平板计算机、Wi-Fi启用装置或能够进行无线或有线通信的其它个人计算装置）、瘦客户端，或其它已知类型的计算装置。在逻辑上，各种服务器可以被设计和构建成具体地执行某些任务。例如，支付服务器156可以在短时间段内接收大量数据，这意味着支付服务器可以含有特殊的高速输入输出电路以处理大量数据。类似地，清算延迟估计服务器116可以执行处理器密集的机器学习算法，因此清算延迟估计服务器116可以具有特别适合于快速地执行机器学习算法的增加的处理功率。在又另一实例中，商家服务器129可能处于比清算延迟估计服务器116低的计算压力下，并且可以具有比清算延迟估计服务器低的处理功率。所属领域的普通技术人员将认识到，考虑到本公开以及本文中的教示，可以使用具有不同架构的其它类型的计算装置。与本文描述的实例系统和方法类似或相同的处理器系统可以用于实施和执行本文描述的实例系统和方法。尽管下文将实例系统100描述为包含多个外围设备、接口、芯片、存储器等，但这些元件中的一个或多个可以从用于实施和执行实例系统和方法的其它实例处理器系统中省略。而且，可以添加其它组件。如图6中所示，计算装置901包含耦合到互连总线的处理器902。处理器902包含寄存器组或寄存器空间904，其在图6中描绘为完全在芯片上，但其可以替代地完全或部分地位于芯片外，并且经由专用电连接和或经由互连总线直接耦合到处理器902。处理器902可以是任何合适的处理器、处理单元或微处理器。尽管图6中未示出，但是计算装置901可以是多处理器装置，因此可以包含与处理器902相同或类似并且以通信方式耦合到互连总线的一个或多个额外处理器。图6的处理器902耦合到芯片组906，所述芯片组包含存储器控制器908和外围输入输出（IO）控制器910。众所周知，芯片组通常提供IO和存储器管理功能，以及可由耦合到芯片组906的一个或多个处理器访问或使用的多个通用和或专用寄存器、定时器等。存储器控制器908执行使处理器902（或者如果有多个处理器，则为多个处理器）能够访问系统存储器912和大容量存储器914的功能，所述存储器可以包含存储器内高速缓存器（例如，存储器912内的高速缓存器）或磁盘上高速缓存器（例如，大容量存储器914内的高速缓存器）中的任一者或两者。系统存储器912可以包含任何所需类型的易失性和或非易失性存储器，例如，静态随机存取存储器（SRAM）、动态随机存取存储器（DRAM）、闪存存储器、只读存储器（ROM）等。大容量存储器914可以包含任何所需类型的大容量存储装置。例如，可以使用计算装置901来实施模块916（例如，本文描述的各个模块）。大容量存储器914可以包含硬盘驱动器、光盘驱动器、磁带存储装置、固态存储器（例如，闪存存储器、RAM存储器等）、磁存储器（例如，硬盘驱动器）或适合于大容量存储的任何其它存储器。如本文所用，术语模块、块、功能、操作、过程、例程、步骤和方法是指为本文描述的计算装置901、系统和方法提供指定功能的有形计算机程序逻辑或有形计算机可执行指令。因此，模块、块、功能、操作、过程、例程、步骤和方法可以在硬件、固件和或软件中实施。在一个实施例中，程序模块和例程存储在大容量存储器914中，加载到系统存储器912并且由处理器902执行，或可以从存储在有形计算机可读存储介质（例如，RAM、硬盘、光磁介质等）中的计算机程序产品提供。外围IO控制器910执行使处理器902能够经由外围IO总线与外围输入输出（IO）装置924、网络接口926、本地网络收发器928通信（经由网络接口926）的功能。IO装置924可以是任何所需类型的IO装置，例如键盘、显示器（例如，液晶显示器（LCD）、阴极射线管（CRT）显示器等）、导航装置（例如鼠标、轨迹球、电容触控板、操纵杆等）等等。IO装置924可以与模块916等一起用于从收发器928接收数据，将数据发送到系统100的组件，以及执行与本文描述的方法相关的任何操作。本地网络收发器928可以包含对Wi-Fi网络、蓝牙、红外线、蜂窝或其它无线数据传输协议的支持。在其它实施例中，一个元件可以同时支持由计算装置901采用的各种无线协议中的每一个。例如，软件定义无线电可以能够经由可下载指令支持多个协议。在操作中，计算装置901可以能够在周期性的基础上定期地轮询可见无线网络发射器（蜂窝网络和本地网络两者）。此种轮询可以是可能的，即使在计算装置901支持正常无线流量时。网络接口926可以是例如使系统100能够与具有至少关于系统100描述的元件的另一计算机系统通信的以太网装置、异步传输模式（ATM）装置、802.11无线接口装置、DSL调制解调器、电缆调制解调器、蜂窝调制解调器等。尽管存储器控制器908和IO控制器910在图6中描绘为芯片组906内的单独功能块，但是这些块执行的功能可以集成到单个集成电路内，或可以使用两个或更多个单独的集成电路实施。计算环境900也可以在远程计算装置930上实施模块916。远程计算装置930可以通过以太网链路932与计算装置901通信。在一些实施例中，模块916可以由计算装置901经由因特网936从云计算服务器934检索。当使用云计算服务器934时，检索的模块916可以与计算装置901以编程方式链接。模块916可以是各种软件平台的集合，包含人工智能软件和文档创建软件，或者也可以是在驻留于计算装置901或远程计算装置930中的Java®虚拟机（JVM）环境内执行的Java®小程序。模块916也可以是适于在位于计算装置901和930上的网页浏览器中执行的“插件”。在一些实施例中，模块916可以经由因特网936与后端组件938通信。系统900可以包含但不限于LAN、MAN、WAN、移动网络、有线网络或无线网络、专用网络或虚拟专用网络的任何组合。此外，尽管在图6中仅示出一个远程计算装置930以使说明书简化和清晰，但是应理解，任何数目的客户端计算机均得到支持并且可以在系统900内通信。另外，本文中将某些实施例描述为包含逻辑或许多组件、模块或机构。模块可以构成软件模块（例如，实施于机器可读介质上或者以传输信号实施的代码或指令，其中代码由处理器执行）或硬件模块。硬件模块是能够执行某些操作并可以某一方式配置或布置的有形单元。在实例实施例中，一个或多个计算机系统（例如，独立的客户端或服务器计算机系统）或计算机系统的一个或多个硬件模块（例如，处理器或一组处理器）可以由软件（例如，应用程序或应用程序部分）配置为硬件模块，所述硬件模块操作以执行如本文描述的某些操作。在各种实施例中，硬件模块可以用机械方式或用电子方式实施。例如，硬件模块可以包括专用电路或逻辑，其被永久性配置（例如，作为专用处理器，例如现场可编程门阵列（FPGA））或专用集成电路（ASIC）成执行某些操作。硬件模块还可以包括由软件暂时性地配置以执行某些操作的可编程逻辑或电路（例如，如涵盖在通用处理器或其它可编程处理器内）。应了解，可以由成本和时间考虑因素驱动以机械方式、在专用且永久性配置的电路中或在暂时性配置的电路（例如，由软件配置）中实施硬件模块的决策。因此，术语“硬件模块”应理解为涵盖有形实体，以物理方式构造、永久性配置（例如，硬接线）或暂时性配置（例如，编程）从而以某一方式操作或执行本文中所描述的某些操作的实体。如本文中所使用，“硬件实施的模块”指硬件模块。考虑到其中硬件模块进行暂时性配置（例如，编程）的实施例，无需在任一时刻处配置或实例化硬件模块中的每一个。例如，在硬件模块包括使用软件配置的通用处理器的情况下，通用处理器可以在不同时间配置为相应不同硬件模块。软件因此可以配置处理器，例如以在一个时刻构成特定硬件模块并且在不同时刻构成不同硬件模块。硬件模块可以将信息提供到其它硬件模块以及从其它硬件模块接收信息。因此，可以将所描述的硬件模块视为以通信方式耦合。在多个此类硬件模块同时存在的情况下，通信可以通过连接硬件模块的信号发射（例如，经由合适电路和总线）实现。在多个硬件模块在不同时间进行配置或初始化的实施例中，这些硬件模块之间的通信可以通过例如在多个硬件模块可访问的存储器结构中存储和检索信息来实现。例如，一个硬件模块可以执行一个操作且将所述操作的输出存储在存储器装置中，所述硬件模块以通信方式耦合到所述存储器装置。接着，另一硬件模块可以随后访问存储器装置以检索和处理所存储输出。硬件模块还可以发起与输入或输出装置的通信，并可以对资源（例如，信息的集合）操作。本文中描述的实例方法的各种操作可以至少部分地由一个或多个处理器执行，这些处理器进行暂时性配置（例如，由软件）或者永久性配置以执行相关操作。无论暂时性配置还是永久性配置，这些处理器可以构成操作用于执行一个或多个操作或功能的处理器实施的模块。在一些实例实施例中，本文提及的模块可以包括处理器实施的模块。类似地，本文所描述的方法或例程可以至少部分是处理器实施的。例如，方法的至少一些操作可以由一个或多个处理器或处理器实施的硬件模块执行。某些操作的性能可以分布在一个或多个处理器当中，不仅驻留在单个机器内，而且还跨越多个机器部署。在一些实例实施例中，一个或多个处理器可以位于单个位置中（例如，位于家庭环境、办公室环境或服务器群内），而在其它实施例中，处理器可以跨越多个位置分布。一个或多个处理器还可以操作用于支持“云计算”环境或作为“软件即服务”（SaaS）中的相关操作的性能。例如，至少一些操作可以由一组计算机（作为包含处理器的机器的实例）执行，这些操作可经由网络（例如，因特网）并经由一个或多个适当接口（例如，应用程序接口（API））访问。某些操作的性能可以分布在一个或多个处理器当中，不仅驻留在单个机器内，而且还跨越多个机器部署。在一些实例实施例中，一个或多个处理器或处理器实施的模块可以位于单个地理位置中（例如，在家庭环境、办公室环境内或服务器群内）。在其它实例实施例中，一个或多个处理器或处理器实施的模块可以跨越多个地理位置分布。根据存储为机器存储器（例如，计算机存储器）内的位或二进制数字信号的数据上的操作的算法或符号表示而呈现本说明书的一些部分。这些算法或符号表示是数据处理领域的一般技术人员用来向所属领域其它技术人员传达其工作的实质内容的技术的实例。如本文中所使用，“算法”是产生所需结果的操作或类似处理的自一致性序列。在此上下文中，算法和操作涉及对物理量的物理控制。通常但不一定，此类量可以呈电、磁或光学信号的形式，所述电、磁或光学信号能够由机器存储、访问、传送、组合、比较或以其它方式控制。主要出于常用的原因，有时使用例如“数据”、“内容”、“位”、“值”、“元素”、“符号”、“字符”、“条目”、“数目”、“数字”等词语来提及此类信号是很方便的。然而，这些词语仅为方便的标记并将与适当物理量相关联。除非另外特别指出，否则本文中使用例如“处理”、“计算”、“运算”、“确定”、“呈现”、“显示”等词进行的讨论可以指机器（例如，计算机）的动作或过程，所述机器控制或转换表示为一个或多个存储器（例如，易失性存储器、非易失性存储器或其组合）、寄存器或者接收、存储、传输或显示信息的其它机器组件内的物理（例如，电、磁或光）量的数据。如本文所使用，对“一些实施例”或“实施例”或“教示”的任何参考表示结合实施例所描述的特定元件、特征、结构或特性包含在至少一个实施例中。在本说明书的不同位置中出现短语“在一些实施例中”或“教示”未必都指同一个实施例。可以使用表达“耦合”和“连接”以及其衍生词来描述一些实施例。例如，可以使用术语“耦合”来描述一些实施例以指示两个或多于两个元件直接物理或电接触。然而，术语“耦合”还可以表示两个或多于两个元件并不彼此直接接触，但是仍然彼此协作或相互作用。实施例在此上下文中不受限制。此外，仅出于说明的目的，图式描绘优选实施例。所属领域技术人员将从下面的讨论中容易地认识到，在不脱离本文描述的原理的情况下，可以采用在本文中示出的结构和方法的替代实施例。在阅读本公开后，所属领域技术人员将通过本文公开的原理理解本文中描述的系统和方法的额外替代结构设计和功能设计。因此，尽管已经说明和描述了具体实施例和应用，但是应理解，所公开的实施例不限于在本文中公开的精确结构和组件。在不脱离任何所附权利要求书限定的精神和范围的情况下，可以对本文公开的系统和方法的布置、操作和细节做出各种修改、改变和变化，这对于所属领域技术人员而言是显而易见的。

权利要求：1.一种使用托管人工智能引擎的服务器和存储器将清算延迟估计并入到支付交易过程中的计算机实施的方法，所述方法包括：存储对应于多个客户与多个商家之间的支付交易的数据集，每个支付交易包含清算延迟；经由耦合到所述服务器和存储器的输入处理器接收对应于商家处的购买交易的第一数据；基于由所述第一数据的所述人工智能引擎进行的分析而确定所述购买交易的清算延迟估计；以及响应于所述清算延迟估计高于阈值而修改所述购买交易的授权过程、清算过程和结算过程中的一个或多个。2.根据权利要求1所述的方法，其中基于由所述第一数据的所述人工智能引擎进行的所述分析而确定所述购买交易的所述清算延迟估计包括：将所述数据集提供到机器学习架构，所述机器学习架构使所述第一数据与已知结果相关。3.根据权利要求1所述的方法，其中授权过程包含在某一时间段内汇总所述清算延迟估计，以及基于所述汇总的清算延迟估计而确定所述时间段内的预期应付金额。4.根据权利要求3所述的方法，其中响应于所述清算延迟估计而修改所述购买交易的所述授权过程、所述清算过程和所述结算过程中的一个或多个包含：当所述时间段内的所述预期应付金额低于阈值时，批准或拒绝所述购买交易。5.根据权利要求1所述的方法，还包括：响应于所述清算延迟估计高于阈值而调整预测用于分发的金额。6.根据权利要求1所述的方法，其中响应于所述清算延迟估计而修改所述购买交易的所述授权过程、所述清算过程和所述结算过程中的一个或多个包含：响应于所述清算延迟估计高于阈值而发送拒绝消息。7.根据权利要求1所述的方法，其中响应于所述清算延迟估计而修改所述购买交易的所述授权过程、所述清算过程和所述结算过程中的一个或多个包含：响应于所述清算延迟估计低于阈值而发送批准消息。8.根据权利要求1所述的方法，其中所述支付交易过程由双消息交易组成，并且响应于所述清算延迟估计而修改所述支付交易过程的所述授权过程、所述清算过程和所述结算过程中的一个或多个由修改所述清算过程或所述结算过程组成。9.根据权利要求1所述的方法，其中针对每个购买交易，所述数据集包含交易区域、交易类型、当日时间、商家类型、客户类型、支付装置类型、交易金额、持卡人姓名和持卡人账号中的一个或多个。10.一种用于优化支付交易过程中的清算延迟的系统，所述系统包括：托管人工智能（AI）引擎的处理器和存储器；数据库，所述数据库耦合到所述处理器和所述存储器，所述数据库存储对应于多个客户与多个商家之间的支付交易的数据集，每个支付交易包含清算延迟；输入处理器，所述输入处理器耦合到所述处理器和所述存储器，所述输入处理器捕获对应于商家处的购买交易的第一数据；清算延迟模块，所述清算延迟模块耦合到所述AI引擎的输出，所述清算延迟模块基于由所述第一数据的所述AI引擎进行的分析而确定所述购买交易的清算延迟估计；以及修改模块，所述修改模块耦合到所述处理器和存储器，所述修改模块响应于所述清算延迟估计高于阈值而修改所述支付交易过程的网络设置和加密方法中的一个或多个。11.根据权利要求10所述的系统，其中所述清算延迟模块还将所述数据集提供到机器学习架构，所述机器学习架构使所述第一数据与已知结果相关。12.根据权利要求10所述的系统，其中在所述输入处理器捕获所述第一数据之前，所述交易通信模式使用第一加密方法对所述第一数据进行加密。13.根据权利要求12所述的系统，其中所述修改模块使所述交易通信模块：在某一时间段内汇总所述清算延迟估计，基于所述汇总的清算延迟估计而确定所述时间段内的预期应付金额，以及当所述时间段内的所述预期应付金额低于阈值时，批准或拒绝所述购买交易。14.根据权利要求10所述的系统，其中所述修改模块响应于所述清算延迟估计高于阈值而调整预测用于分发的金额。15.根据权利要求10所述的系统，其中所述修改模块响应于所述清算延迟估计高于阈值而发送拒绝消息。16.根据权利要求10所述的系统，其中所述修改模块响应于所述清算延迟估计低于阈值而发送批准消息。17.根据权利要求10所述的系统，其中所述支付交易过程由单个消息交易组成，并且所述修改模块修改授权过程。18.根据权利要求10所述的系统，其中所述支付交易过程由双消息交易组成，并且所述修改模块修改清算过程或结算过程。19.根据权利要求10所述的系统，其中针对每个购买交易，所述数据集包含交易区域、交易类型、当日时间、商家类型、客户类型、支付装置类型、交易金额、持卡人姓名和持卡人账号中的一个或多个。

百度查询： 维萨国际服务协会 消息延迟估计系统和方法