CN106910071A - 用户身份的验证方法及装置 - Google Patents

用户身份的验证方法及装置 Download PDF

Info

Publication number
CN106910071A
CN106910071A CN201710017662.3A CN201710017662A CN106910071A CN 106910071 A CN106910071 A CN 106910071A CN 201710017662 A CN201710017662 A CN 201710017662A CN 106910071 A CN106910071 A CN 106910071A
Authority
CN
China
Prior art keywords
transaction
risk class
sub
data
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN201710017662.3A
Other languages
English (en)
Inventor
杨杰
邓玉
廖敏飞
刘丽娟
梁志坚
许腾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Construction Bank Corp
Original Assignee
China Construction Bank Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Construction Bank Corp filed Critical China Construction Bank Corp
Priority to CN201710017662.3A priority Critical patent/CN106910071A/zh
Publication of CN106910071A publication Critical patent/CN106910071A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Computer Security & Cryptography (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了用户身份的验证方法及装置，其中，所述方法包括：基于交易数据计算用户所进行的交易的风险等级；识别与所述风险等级对应的验证手段；利用所述验证手段对所述用户的身份进行验证。在本发明中，基于交易数据计算交易的风险等级，避免了人为主观因素的影响，使得风险等级的确定更加客观、合理，从而提高了用户身份验证的可靠性以及交易的安全性。

Description

用户身份的验证方法及装置
技术领域
本发明涉及通信领域，更为具体而言，涉及用户身份的验证方法及装置。
背景技术
随着电子商务的不断发展，非现金的电子渠道已经成为用户资金交易的主要途径，资金交易的安全性是各个交易平台重点关注的内容。在现有技术当中，通常采用用户设置的方式来确定进行用户身份验证的验证手段(例如，静态密码、短信验证码、以及生物特征识别等)，即由用户自行设置针对某金额范围或某交易可以只使用静态密码或者短信验证码这样安全性较低但便捷的验证手段。然而，由于用户的安全意识参差不齐，因此用户可能会进行不当的设置，进而产生较大的安全隐患。
发明内容
为解决上述技术问题，本发明提供了用户身份的验证方法及装置。
一方面，本发明的实施方式提供了一种用户身份的验证方法，所述方法包括：
基于交易数据计算用户所进行的交易的风险等级；
识别与所述风险等级对应的验证手段；
利用所述验证手段对所述用户的身份进行验证。
另一方面，本发明的实施方式提供了一种用户身份的验证装置，所述装置包括：
计算模块，用于基于交易数据计算用户所进行的交易的风险等级；
识别模块，用于识别与所述风险等级对应的验证手段；
验证模块，用于利用所述验证手段对所述用户的身份进行验证。
在本发明实施方式中，基于交易数据计算交易的风险等级，避免了人为主观因素的影响，使得风险等级的确定更加客观、合理，从而提高了用户身份验证的可靠性以及交易的安全性。
附图说明
图1是根据本发明方法实施方式1的用户身份的验证方法的流程图；
图2示出了图1所示的处理S11的一种实施方式；
图3示出了图1所示的处理S11的另一种实施方式；
图4示出了图3所示的处理S114’的一种实施方式；
图5是根据本发明装置实施方式1的用户身份的验证装置的结构示意图；
图6示出了图5所示的计算模块11的一种实施方式；
图7示出了图5所示的计算模块11的另一种实施方式。
具体实施方式
以下结合附图和具体实施方式对本发明的各个方面进行详细阐述。其中，在本发明的各个具体实施方式中，众所周知的模块、单元及其相互之间的连接、链接、通信或操作没有示出或未作详细说明。
并且，所描述的特征、架构或功能可在一个或一个以上实施例中以任何方式组合。
此外，本领域技术人员应当理解，下述的各种实施方式只用于举例说明，而非用于限制本发明的保护范围。本领域的技术人员还可以容易理解，本文所述和附图所示的各实施方式中的模块或单元或步骤可以按多种不同配置进行组合和设计。
对于未在本说明书中进行具体说明的技术术语，除非另有特定说明，都应以本领域最宽泛的意思进行解释。
【方法实施方式1】
图1是根据本发明方法实施方式1的用户身份的验证方法的流程图。参见图1，在本实施方式中，所述方法包括：
S11：基于交易数据计算用户所进行的交易的风险等级。
S12：识别与所述风险等级对应的验证手段。
S13：利用所述验证手段对所述用户的身份进行验证。
其中，交易数据中的数据项(或者属性)例如包括但不限于：执行交易的终端设备的硬件信息、该终端设备的地理位置信息、交易时间信息、交易类型信息、交易对象信息、以及交易金额信息等。
此外，验证手段例如包括但不限于：静态密码、短信验证码、生物特征识别、以及数字证书等。
在本发明中，基于交易数据计算交易的风险等级，避免了人为主观因素的影响，使得风险等级的确定更加客观、合理，从而提高了用户身份验证的可靠性以及交易的安全性。
【方法实施方式2】
本实施方式所提供的方法包括了方法实施方式1中的全部内容，在此不再赘述。其中，在本实施方式中，处理S11通过下述处理实现：
将所述交易的交易数据输入到分类模型中以得到所述风险等级。
其中，所述分类模型又称为分类器，能够把数据映射到给定类别中的某一个，从而可以应用于数据预测，其中用到的算法包括决策树、逻辑回归、朴素贝叶斯、神经网络等。
下面对构造所述分类模型(分类器)的过程进行具体说明。
首先，从用户的历史交易数据中选定样本数据，对样本数据进行分类，标记每一条样本数据对应的类型，即添加分类标记，将添加分类标记后的样本数据分为训练集和验证集，其中，训练集和验证集的交集为空；然后执行下述处理：
1、选取一个分类算法，例如朴素贝叶斯算法，读取训练集数据从而计算出分类器中的各项参数，根据训练结果调整训练集或对分类器增加预设的输入参数；
2、在训练集的分类结果符合预期后(评估指标例如包括但不限于：鲁棒性、执行速度、算法的准确率和召回率以及F1值(准确率与召回率的调和平均))，对验证集数据进行分类，并将分类结果与分类标记进行对比，并得出分类模型的准确率等；
3、基于验证集分类结果的准确率判断是否采用此分类器，若是，则采用此分类器，若否，则返回处理1。
【方法实施方式3】
本实施方式所提供的方法包括了方法实施方式1中的全部内容，在此不再赘述。其中，如图2所示，在本实施方式中，处理S11包括下述处理：
S111：利用预测模型预测所述交易的预测交易数据。
S112：基于所述交易的实际交易数据和所述预测交易数据得到所述风险等级。
其中，类似于分类模型的构建过程，先利用训练集构建预测模型，其中，采用与分类模型相同的评估指标，再利用验证集对预测模型进行验证，但用于构建预测模型的训练集和验证集无需引入分类标记。
由于样本数据的具体数值可能存在离散程度较大的问题，因此，优选地，在本发明的一些其他实施方式中，可以根据实际情况对样本数据进行变换或归约，如数据的等比例缩小，或将数据进行泛化。
此外，在本发明的一些其他实施方式中，预测模型可以采用回归模型与时间序列模型的二维预测方式，在二维预测中对回归模型和时间序列模型给予不同的权重。
当然本发明的实施方式不限于此，本领域的技术人员可以根据实际需要合理选择其他多种数学模型以组成多维预测方式。例如，预测模型也可以采用回归模型、时间序列模型和灰色预测模型的三维预测方式。
【方法实施方式4】
本实施方式所提供的方法包括了方法实施方式1中的全部内容，在此不再赘述。其中，如图3所示，在本实施方式中，处理S11包括下述处理：
S111’：利用预测模型预测所述交易的预测交易数据。
S112’：基于所述交易的实际交易数据和所述预测交易数据得到所述交易的第一子风险等级。
S113’：将所述实际交易数据输入到分类模型中以得到所述交易的第二子风险等级。
S114’：依据所述第一子风险等级和所述第二子风险等级得到所述风险等级。
当然，本发明的实施方式不限于此，本领域的技术人员可以根据实际需要调整上述各处理的执行顺序，例如，可以先执行处理S113’再执行S111’至S112’。
【方法实施方式5】
本实施方式所提供的方法包括了方法实施方式4中的全部内容，在此不再赘述。其中，如图4所示，在本实施方式中，处理S114’包括下述处理：
S1141’：对所述第一子风险等级和所述第二子风险等级分别进行加权。
S1142’：依据经加权的所述第一子风险等级和经加权的所述第二子风险等级得到所述风险等级。
在本实施方式中，对所述第一子风险等级和所述第二子风险等级分别设置权重。因此可以通过调整权重来平衡第一子风险等级和第二子风险等级，从而能够更加合理地确定最终的风险等级。
为提高分类和预测的准确度，在本发明的一些其他实施方式中，可以对样本数据进行预处理。首先，由于用户的数据分散在各个服务的数据库中，且这些数据库中部分数据可能对于数据挖掘是冗余的，因此，需要预先定义样本数据的数据类型。根据定义创建数据库，将各个服务中的数据提取到建模中使用的数据库中。然后，再设定数据类型的取值范围，对缺失数据进行补充(用某个最常用的值代替或者根据统计用某个最可能的值代替)，并且剔除错误数据。
【装置实施方式1】
图5是根据本发明装置实施方式1的用户身份的验证装置的结构示意图。参见图5，装置1包括：计算模块11、识别模块12、以及验证模块13，具体地：
计算模块11用于基于交易数据计算用户所进行的交易的风险等级。
识别模块12用于识别与计算模块11计算出的风险等级对应的验证手段。
验证模块13用于利用识别模块12识别出的验证手段对所述用户的身份进行验证。
其中，交易数据中的数据项(或者属性)例如包括但不限于：执行交易的终端设备的硬件信息、该终端设备的地理位置信息、交易时间信息、交易类型信息、交易对象信息、以及交易金额信息等。
此外，验证手段例如包括但不限于：静态密码、短信验证码、生物特征识别、以及数字证书等。
在本发明中，基于交易数据计算交易的风险等级，避免了人为主观因素的影响，使得风险等级的确定更加客观、合理，从而提高了用户身份验证的可靠性以及交易的安全性。
【装置实施方式2】
本实施方式所提供的装置包括了装置实施方式1中的全部内容，在此不再赘述。其中，在本实施方式中，计算模块11包括用于将所述交易的交易数据输入到分类模型中以得到所述风险等级的计算单元。
其中，所述分类模型又称为分类器，能够把数据映射到给定类别中的某一个，从而可以应用于数据预测，其中用到的算法包括决策树、逻辑回归、朴素贝叶斯、神经网络等。
下面对构造所述分类模型(分类器)的过程进行具体说明。
首先，从用户的历史交易数据中选定样本数据，对样本数据进行分类，标记每一条样本数据对应的类型，即添加分类标记，将添加分类标记后的样本数据分为训练集和验证集，其中，训练集和验证集的交集为空；然后执行下述处理：
1、选取一个分类算法，例如朴素贝叶斯算法，读取训练集数据从而计算出分类器中的各项参数，根据训练结果调整训练集或对分类器增加预设的输入参数；
2、在训练集的分类结果符合预期后(评估指标例如包括但不限于：鲁棒性、执行速度、算法的准确率和召回率以及F1值(准确率与召回率的调和平均))，对验证集数据进行分类，并将分类结果与分类标记进行对比，并得出分类模型的准确率等；
3、基于验证集分类结果的准确率判断是否采用此分类器，若是，则采用此分类器，若否，则返回处理1。
【装置实施方式3】
本实施方式所提供的装置包括了装置实施方式1中的全部内容，在此不再赘述。其中，如图6所示，在本实施方式中，计算模块11包括：预测单元111和计算单元112，具体地：
预测单元111用于利用预测模型预测所述交易的预测交易数据。
计算单元112用于基于所述交易的实际交易数据和预测单元111预测出的预测交易数据得到所述风险等级。
其中，类似于分类模型的构建过程，先利用训练集构建预测模型，其中，采用与分类模型相同的评估指标，再利用验证集对预测模型进行验证，但用于构建预测模型的训练集和验证集无需引入分类标记。
由于样本数据的具体数值可能存在离散程度较大的问题，因此，优选地，在本发明的一些其他实施方式中，可以根据实际情况对样本数据进行变换或归约，如数据的等比例缩小，或将数据进行泛化。
此外，在本发明的一些其他实施方式中，预测模型可以采用回归模型与时间序列模型的二维预测方式，在二维预测中对回归模型和时间序列模型给予不同的权重。
当然本发明的实施方式不限于此，本领域的技术人员可以根据实际需要合理选择其他多种数学模型以组成多维预测方式。例如，预测模型也可以采用回归模型、时间序列模型和灰色预测模型的三维预测方式。
【装置实施方式4】
本实施方式所提供的装置包括了装置实施方式1中的全部内容，在此不再赘述。其中，如图7所示，在本实施方式中，计算模块11包括：预测单元111’、第一计算单元112’、第二计算单元113’、以及第三计算单元114’，具体地：
预测单元111’用于利用预测模型预测所述交易的预测交易数据。
第一计算单元112’用于基于所述交易的实际交易数据和预测单元111’预测出的预测交易数据得到所述交易的第一子风险等级。
第二计算单元113’用于将所述实际交易数据输入到分类模型中以得到所述交易的第二子风险等级。
第三计算单元114’用于依据第一计算单元112’得到的第一子风险等级和第二计算单元113’得到的第二子风险等级得到所述风险等级。
【装置实施方式5】
本实施方式所提供的装置包括了装置实施方式4中的全部内容，在此不再赘述。其中，在本实施方式中，第三计算单元114’包括加权组件以及计算组件，具体地：
加权组件用于对所述第一子风险等级和所述第二子风险等级分别进行加权。
计算组件用于依据经加权的所述第一子风险等级和经加权的所述第二子风险等级得到所述风险等级。
在本实施方式中，对所述第一子风险等级和所述第二子风险等级分别设置权重。因此可以通过调整权重来平衡第一子风险等级和第二子风险等级，从而能够更加合理地确定最终的风险等级。
本领域的技术人员可以清楚地了解到本发明可全部通过软件实现，也可借助软件结合硬件平台的方式来实现。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，所述计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，智能手机或者网络设备等)执行本发明各个实施方式或者实施方式的某些部分所述的方法。
本发明说明书中使用的术语和措辞仅仅为了举例说明，并不意味构成限定。本领域技术人员应当理解，在不脱离所公开的实施方式的基本原理的前提下，对上述实施方式中的各细节可进行各种变化。因此，本发明的范围只由权利要求确定，在权利要求中，除非另有说明，所有的术语应按最宽泛合理的意思进行理解。

Claims (10)

1.一种用户身份的验证方法，其特征在于，所述方法包括：
基于交易数据计算用户所进行的交易的风险等级；
识别与所述风险等级对应的验证手段；
利用所述验证手段对所述用户的身份进行验证。
2.如权利要求1所述的方法，其特征在于，所述基于交易数据计算用户所进行的交易的风险等级包括：
将所述交易的交易数据输入到分类模型中以得到所述风险等级。
3.如权利要求1所述的方法，其特征在于，所述基于交易数据计算用户所进行的交易的风险等级包括：
利用预测模型预测所述交易的预测交易数据；
基于所述交易的实际交易数据和所述预测交易数据得到所述风险等级。
4.如权利要求1所述的方法，其特征在于，所述基于交易数据计算用户所进行的交易的风险等级包括：
利用预测模型预测所述交易的预测交易数据；
基于所述交易的实际交易数据和所述预测交易数据得到所述交易的第一子风险等级；
将所述实际交易数据输入到分类模型中以得到所述交易的第二子风险等级；
依据所述第一子风险等级和所述第二子风险等级得到所述风险等级。
5.如权利要求4所述的方法，其特征在于，所述依据所述第一子风险等级和所述第二子风险等级得到所述风险等级包括：
对所述第一子风险等级和所述第二子风险等级分别进行加权；
依据经加权的所述第一子风险等级和经加权的所述第二子风险等级得到所述风险等级。
6.一种用户身份的验证装置，其特征在于，所述装置包括：
计算模块，用于基于交易数据计算用户所进行的交易的风险等级；
识别模块，用于识别与所述风险等级对应的验证手段；
验证模块，用于利用所述验证手段对所述用户的身份进行验证。
7.如权利要求6所述的装置，其特征在于，所述计算模块包括：
计算单元，用于将所述交易的交易数据输入到分类模型中以得到所述风险等级。
8.如权利要求6所述的装置，其特征在于，所述计算模块包括：
预测单元，用于利用预测模型预测所述交易的预测交易数据；
计算单元，用于基于所述交易的实际交易数据和所述预测交易数据得到所述风险等级。
9.如权利要求6所述的装置，其特征在于，所述计算模块包括：
预测单元，用于利用预测模型预测所述交易的预测交易数据；
第一计算单元，用于基于所述交易的实际交易数据和所述预测交易数据得到所述交易的第一子风险等级；
第二计算单元，用于将所述实际交易数据输入到分类模型中以得到所述交易的第二子风险等级；
第三计算单元，用于依据所述第一子风险等级和所述第二子风险等级得到所述风险等级。
10.如权利要求9所述的装置，其特征在于，所述第三计算单元包括：
加权组件，用于对所述第一子风险等级和所述第二子风险等级分别进行加权；
计算组件，用于依据经加权的所述第一子风险等级和经加权的所述第二子风险等级得到所述风险等级。
CN201710017662.3A 2017-01-11 2017-01-11 用户身份的验证方法及装置 Withdrawn CN106910071A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710017662.3A CN106910071A (zh) 2017-01-11 2017-01-11 用户身份的验证方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710017662.3A CN106910071A (zh) 2017-01-11 2017-01-11 用户身份的验证方法及装置

Publications (1)

Publication Number Publication Date
CN106910071A true CN106910071A (zh) 2017-06-30

Family

ID=59206453

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710017662.3A Withdrawn CN106910071A (zh) 2017-01-11 2017-01-11 用户身份的验证方法及装置

Country Status (1)

Country Link
CN (1) CN106910071A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109087091A (zh) * 2018-06-29 2018-12-25 北京东方英卡数字信息技术有限公司 一种账户交易安全系统和方法
CN109993538A (zh) * 2019-02-28 2019-07-09 同济大学 基于概率图模型的身份盗用检测方法
CN110795501A (zh) * 2019-10-11 2020-02-14 支付宝(杭州)信息技术有限公司 基于区块链的可验证声明的创建方法、装置、设备及系统
CN112767167A (zh) * 2021-02-07 2021-05-07 中国工商银行股份有限公司 一种基于集成学习的投资交易风险趋势预测方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102347929A (zh) * 2010-07-28 2012-02-08 阿里巴巴集团控股有限公司 一种用户身份的验证方法及装置
CN102696212A (zh) * 2009-10-23 2012-09-26 威斯科数据安全国际有限公司 具有交易风险等级批准能力的紧凑型安全装置
CN103886495A (zh) * 2013-09-30 2014-06-25 上海本家空调系统有限公司 一种基于网络交易的监控方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102696212A (zh) * 2009-10-23 2012-09-26 威斯科数据安全国际有限公司 具有交易风险等级批准能力的紧凑型安全装置
CN102347929A (zh) * 2010-07-28 2012-02-08 阿里巴巴集团控股有限公司 一种用户身份的验证方法及装置
CN103886495A (zh) * 2013-09-30 2014-06-25 上海本家空调系统有限公司 一种基于网络交易的监控方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109087091A (zh) * 2018-06-29 2018-12-25 北京东方英卡数字信息技术有限公司 一种账户交易安全系统和方法
CN109993538A (zh) * 2019-02-28 2019-07-09 同济大学 基于概率图模型的身份盗用检测方法
CN110795501A (zh) * 2019-10-11 2020-02-14 支付宝(杭州)信息技术有限公司 基于区块链的可验证声明的创建方法、装置、设备及系统
CN112767167A (zh) * 2021-02-07 2021-05-07 中国工商银行股份有限公司 一种基于集成学习的投资交易风险趋势预测方法及装置
CN112767167B (zh) * 2021-02-07 2024-04-19 中国工商银行股份有限公司 一种基于集成学习的投资交易风险趋势预测方法及装置

Similar Documents

Publication Publication Date Title
CN108846520B (zh) 贷款逾期预测方法、装置以及计算机可读存储介质
CN108171280A (zh) 一种分类器构建方法及预测分类的方法
CN109389486A (zh) 贷款风控规则调整方法、装置、设备及计算机存储介质
CN108399509A (zh) 确定业务请求事件的风险概率的方法及装置
CN106910071A (zh) 用户身份的验证方法及装置
CN112633962B (zh) 业务推荐方法、装置、计算机设备和存储介质
CN106611291A (zh) 信息推送方法和装置
CN112561685B (zh) 客户的分类方法和装置
US20190362354A1 (en) Real-time updating of predictive analytics engine
CN111178656A (zh) 信用模型训练方法、信用评分方法、装置及电子设备
CN116128627A (zh) 风险预测方法、装置、电子设备及存储介质
CN114139931A (zh) 企业数据评估方法、装置、计算机设备及存储介质
CN113011961B (zh) 公司关联信息风险监测方法、装置、设备及存储介质
CN109727116A (zh) 信贷分析方法、装置、设备及计算机可读存储介质
EP3301638A1 (en) Method for automatic property valuation
CN115545088B (zh) 模型构建方法、分类方法、装置和电子设备
KR101927317B1 (ko) 부채 관리 능력 평가 방법 및 장치
CN111984637B (zh) 数据建模中的缺失值处理方法和装置、设备及存储介质
CN113034134A (zh) 一种交易风险控制方法及装置
CN113781247A (zh) 协议数据推荐方法、装置、计算机设备及存储介质
CN113129003A (zh) 二维码支付控制方法及装置
CN111737319A (zh) 用户集群的预测方法、装置、计算机设备和存储介质
CN114462742A (zh) 风险提示方法、装置、设备及计算机存储介质
CN112529303A (zh) 基于模糊决策的风险预测方法、装置、设备和存储介质
CN110610378A (zh) 产品需求分析方法、装置、计算机设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20170630

WW01 Invention patent application withdrawn after publication