CN107609972A - 一种风险业务识别方法和装置 - Google Patents
一种风险业务识别方法和装置 Download PDFInfo
- Publication number
- CN107609972A CN107609972A CN201710640562.6A CN201710640562A CN107609972A CN 107609972 A CN107609972 A CN 107609972A CN 201710640562 A CN201710640562 A CN 201710640562A CN 107609972 A CN107609972 A CN 107609972A
- Authority
- CN
- China
- Prior art keywords
- business
- variable
- application
- risk
- characteristic information
- 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.)
- Pending
Links
Abstract
本说明书实施例提供一种风险业务识别方法和装置。其中,获取本次业务申请的申请特征信息,并按照预先获得的变量配置信息,对申请特征信息进行实时累计,得到对应的变量,该变量配置信息由业务方配置且用于定义变量如何获取;最后可以根据得到的变量,执行识别本次业务申请的风险性的处理。
Description
技术领域
本公开涉及计算机技术领域,特别涉及一种风险业务识别方法和装置。
背景技术
随着互联网金融的蓬勃发展,很多金融机构开通了网上申请业务的服务通道,如银行的信用卡申请、小额贷款申请等。这些业务仅需申请人在网上填写个人信息,就可以申请相关业务,无需本人前往柜面做身份和资料的核实。但是,网上申请金融业务,在给用户带来便利的同时,金融商户(例如,银行)也面临着各种风险,例如,虚假申请、伪冒申请等具有风险性的业务申请。
发明内容
有鉴于此,本说明书一个或多个实施例提供一种风险业务识别方法和装置,以提高对具有风险的业务申请的鉴别能力。
具体地,本说明书一个或多个实施例是通过如下技术方案实现的:
第一方面,提供一种风险业务识别方法,所述方法包括:。
获取本次业务申请的申请特征信息,所述业务申请用于申请业务方办理对应的业务;
按照预先获得的变量配置信息,根据所述申请特征信息进行实时累计,得到对应的变量,所述变量配置信息由所述业务方配置且用于定义所述变量;
根据所述变量,执行识别本次业务申请的风险性的处理。
第二方面,提供一种风险业务识别装置,所述装置包括:
信息获取模块,用于获取本次业务申请的申请特征信息,所述业务申请用于申请业务方办理对应的业务;
变量累计模块,用于按照预先获得的变量配置信息,根据所述申请特征信息进行实时累计,得到对应的变量,所述变量配置信息由所述业务方配置且用于定义所述变量;
识别处理模块,用于根据变量,执行识别本次业务申请的风险性的处理。
第三方面,提供一种风险业务识别设备,所述设备包括存储器、处理器,以及存储在存储器上并可在处理器上运行的计算机指令,所述处理器执行指令时实现以下步骤:
获取本次业务申请的申请特征信息,所述业务申请用于申请业务方办理对应的业务;
按照预先获得的变量配置信息,根据所述申请特征信息进行实时累计,得到对应的变量,所述变量配置信息由所述业务方配置且用于定义所述变量;
根据所述变量,执行识别本次业务申请的风险性的处理。
本说明书一个或多个实施例的风险业务识别方法和装置,通过。
附图说明
为了更清楚地说明本说明书一个或多个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简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书一个或多个实施例中的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例的应用系统架构图;
图2为本说明书一个或多个实施例的风险业务识别方法的流程图;
图3为本说明书一个或多个实施例的风险业务识别装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是一部分实施例,而不是全部的实施例。基于本说明书一个或多个实施例,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,都应当属于本公开保护的范围。
图1示例了本说明书一个或多个实施例的应用系统架构,如图1所示,各个金融商户(例如,商户11、商户12等)可以接入业务处理平台13,该业务处理平台13可以为各个金融商户的金融业务提供业务支持,比如,可以辅助金融商户进行风险控制。其中,金融商户例如可以是银行,所述的风险控制例如可以是鉴别网上贷款申请是否是风险申请,业务处理平台13例如可以通过风险业务识别设备14进行对风险业务申请识别的相关处理。图1所示仅是一个例子,实际的系统架构并不局限于此,比如,金融商户的数量和类型可以更多,业务处理平台包括的风险业务识别设备的数量也可以更多,且平台还可以包括其他设备。
示例一个通过图1所示的应用系统进行风险业务识别的例子:以金融商户12为例,并假设该商户是银行,用户15要在该银行申请小额贷款。用户15可以通过终端设备填写网上申请的个人信息,比如可以填写身份证、手机号、姓名等相关资料,以向银行申请贷款业务,这些网上填写的信息可以传输至金融商户12。其中,申请使用的终端设备例如可以是智能手机16或者电脑17。金融商户12可以与业务处理平台的风险业务识别设备14配合,对本次业务申请进行鉴别,是否是具有风险的申请,进而决定是否放贷。
如下的本说明书一个或多个实施例的风险业务识别方法,将描述风险业务识别设备14如何配合金融商户进行风险业务识别。其中,下面的描述中,将以风险业务是聚集性申请或者多头申请为例,例如,多头申请可以是同一个用户在多个商户申请过贷款,聚集性申请可以是多个用户使用同一台终端设备申请过贷款。
风险业务的识别,可以依据本次业务申请的一些参数进行判别。例如,以聚集性申请和多头申请为例,可以对一个用户申请过的商户数进行统计,或者可以对在某一台终端设备上申请过的用户数进行统计,那么这些统计可以使用到用户标识、设备标识、商户标识。本例子中,可以将上述在风险业务识别中所依据的参数都称为申请特征信息。
在一个例子中,申请特征信息可以包括:发送业务申请使用的网络环境设备的设备标识,比如图1中示例的智能手机16或者电脑17的设备标识,该标识可以是IP地址、MAC地址、IMEI等。又例如,申请特征信息还可以包括本次业务申请的申请主体的主体标识,比如图1中示例的用户15的标识,该标识可以是用户的手机号码、或者身份证号码。再例如,申请特征信息还可以包括本次业务申请对应的业务方信息,比如可以是金融商户的商户标识和所属类型。
再一方面,在采集获取上述示例的商户标识、用户标识、设备标识等参数的基础上,风险业务的识别可以根据这些参数得到一些变量,依据变量进行判别。比如,一段时间内,同一个IP地址和同一个身份证在银行类商户出现的次数,该次数即为一个变量,并且是根据IP地址、身份证号等参数得到。
示例性的,上述变量的获取,可以是统计申请特征信息中的至少一个特征参数在预定统计周期时长内的累计量。
例如,申请特征信息包括的参数可以表示如下:
Envirotity={IP、MAC、IMEI};
网络环境设备的信息Envirotity,例如可以包括IP地址、MAC地址、IMEI。
Application={certno、mobile};
申请主体的信息Application,例如可以包括身份证certno,手机号mobile。
Merchant_Type={BANK,cash_loan,consumer_finance,other};
金融商户类型Merchan_Type,例如可以包括银行bank等。
上述的IP地址、身份证、银行类型等,都是申请特征信息中包括的特征参数。还可以设置预定统计周期时长Datewindow,例如,
Datewindow={1d,7d,30d,90d}
如上,在一个例子中,周期时长例如可以是1天、7天、一个月,三个月。
在实际统计时,可以将申请特征信息中的至少一个特征参数,在统计周期时长内进行一元或二元累计,得到所需的变量。例如:
Statistical_Dimension,定义了统计维度,例如,所要统计的变量可以是商户的数量Merchant_number,也可以是IP地址出现的次数IP_count,等。
示例一个一元累计的例子:
∑Statistical_Dimensionk=(Envirotityior Applicationj+Datewindowk)
....................(1)
在公式(1)中,若Statistical_Dimensionk=Merchant_number,Envirotityi=IP,Datewindowk=1d,则表示要统计1天内,同一个IP出现的商户数,即这个IP地址在几个商户申请过业务。∑Statistical_Dimensionk即为要得到的变量。
再示例一个一元条件累计的例子,在累计时增加了条件,比如可以是在公式(1)的基础上,增加了商户类型的条件:
∑Statistical_Dimensionk=(Envirotityior Applicationj+Datewindowk)
condition on Merchant_Typen
....................(2)
在公式(2)中,若Statistical_Dimensionk=Merchant_number,Envirotityi=IP,Datewindowk=1d,Merchant_Typen=BANK,则表示统计1天内,同一个IP在银行类商户出现的次数。∑Statistical_Dimensionk即为要得到的变量。
又示例一个二元累计的例子:
∑Statistical_Dimensionk=Envirotityi+Applicationj+Datewindowk
....................(3)
在公式(3)中,若Statistical_Dimensionk=Merchant_number,Envirotityi=IP,Applicationj=certno,Datewindowk=1d,则表示要统计1天内,同一个IP和同一个身份证出现的商户数。
又示例一个二元条件累计的例子,在累计时增加了条件,比如可以是在公式(3)的基础上,增加了商户类型的条件,∑Statistical_Dimensionk公式如下:
(Envirotityi+Applicationj+Datewindowk)Merchant_Typen
....................(4)
表示统计1天内,同一个IP和同一个身份证在银行类商户出现的次数。
具体实施例中并不局限于上述的变量统计例子,比如,还可以依据三元统计,依据的网络环境设备的信息中的参数也可以不是IP地址而是MAC地址,或者,依据的申请主体信息中的参数也可以是手机号,或者,统计周期时长也可以不是1天而是三个月,等。
实际实施中,变量的设定,可以由业务方决定。比如,在业务处理平台对接银行时,可以由银行确定所要使用的变量。在一个例子中,银行人员可以通过人机交互界面,选择使用的统计方式,比如一元累计、或者二元累计、或者二元条件累计;还可以由银行人员选择累计时使用的参数,比如可以选择公式(1)中的Envirotityi使用IP地址还是MAC地址,或者可以选择统计维度是商户数量或者其他。银行人员还可以选择统计周期时长是1天还是三个月,等。银行人员可以便利的对所需要的变量进行配置,本例子可以将上述的业务方选择配置的用于定义变量的信息称为变量配置信息,比如,该变量配置信息包括上述举例中提到的对于Envirotityi等参数的选择,以及一元累计、或者二元累计等累计方式的选择。
业务方在确定好变量配置信息后,业务处理平台可以存储该信息。在实时的业务申请过程中,业务方可以将采集到的申请特征信息传输至业务处理平台,由业务处理平台根据该变量配置信息进行实时的累计,得到所需变量。由图1可以看到,业务处理平台可以接入多个金融商户,所以平台可以获取到各个商户的数据,并根据这些数据进行上述变量所需的累计。
参见图2所示的处理流程,示例了平台的风险业务识别设备执行的处理:
在步骤200中,获取本次业务申请的申请特征信息;
所述的业务申请可以是用于申请业务方办理对应的业务,比如,用户向银行申请小额贷款。例如,业务方(如,银行)在获取到用户网上申请的业务请求后,可以采集到相关的申请特征信息,比如,用户使用的设备的IP地址,用户的身份证等。业务方可以将这些信息传输至业务处理平台。
步骤202,根据预先获得的变量配置信息,对所述申请特征信息进行实时累计,得到对应的变量;
例如,假设银行当预定义的变量配置信息是如公式(4)所示的二元条件累计,且选择的参数是Envirotityi=IP,Applicationj=certno,Datewindowk=1d,Merchant_Typen=BANK,则平台将据此统计1天内,同一个IP和同一个身份证在银行类商户出现的次数。
例如,如下的三个表格,示例了平台侧统计得到的36个变量。
步骤204中,根据所述变量,执行识别本次业务申请的风险性的处理。
本步骤可以将步骤202得到的变量,应用于风险业务的识别。
在本步骤中,又可以包括两种情况:
一种情况是,业务处理平台可以将变量发送至业务方,由业务方根据变量进行风险识别处理。例如,平台可以将上述举例的36个变量发送至银行方,银行方可以根据这些变量进行风险业务识别,识别中使用到的模型或者识别规则可以由银行方自己设定。比如,可以设定当使用同一个手机申请过的用户数大于3时,可以直接拒绝本次业务申请,此时的申请可能是聚集性申请。
另一种情况是,平台可以在本地进行识别,可以将变量作为风险识别模型的输入量,根据所述风险识别模型的输出量、以及风险控制规则,得到风险识别结果,并将风险识别结果发送至业务方。其中,风险控制规则也可以是由业务方配置,并传输至平台。
例如,以上述的36个变量为例,银行方可以设定如下风险控制规则,若V_count_cert_on_own_1d>=5,则直接进入人工审核;或者,若V_count_phone_on_own_1d>=3,则直接拒绝本次业务申请。银行方可以配置上述的风险控制规则,并传输至平台。
在一个例子中,平台可以使用风险识别模型,将这36个变量加入到随机森林模型中,进行风险打分,打分的分值在[0,100]之间。具体的策略可以是:小于等于40分,直接拒绝;大于40,小于等于80,人工审核;大于80分,直接进入额度审核阶段。并且还可以结合上述的风险控制规则,得到识别结果。
本例子的方法,可以由业务方进行识别所需变量的定义配置,这种便利的变量配置方式,有助于快速调整识别方法。比如,当风险业务识别的规则被不法分子突破后,可以通过配置,快速调整识别所用变量或者规则,变化识别方案,即使未被突破,也可以定期变换识别方案,有助于提高不法分子的作弊成本,不法分子若要突破规则,需要不停的变化设备、网络环境等参数。本方法通过提供灵活便利的风险变量设置功能,实现一元、二元等多样化的统计维度,使得风险业务得到有效的遏制,能够快速应对层出不穷的业务风险,当通过风险分析确定风险业务突破方式变化时,也可以通过本说明书一个或多个实施例的方法快速调整识别方案,比如可以变化使用的参数,变换使用的变量,或者变换使用的规则,从而提高了对具有风险的业务申请的遏制能力。
为了实现本说明书一个或多个实施例的风险业务识别方法,本说明书一个或多个实施例还提供了一种风险业务识别装置,该装置可以应用于风险业务识别设备,以使得可以执行本说明书一个或多个实施例的方法。如图3所示,该装置可以包括:信息获取模块31、变量累计模块32和识别处理模块33。
信息获取模块31,用于获取本次业务申请的申请特征信息,所述业务申请用于申请业务方办理对应的业务;
变量累计模块32,用于按照预先获得的变量配置信息,根据所述申请特征信息进行实时累计,得到对应的变量,所述变量配置信息由所述业务方配置且用于定义所述变量;
识别处理模块33,用于根据变量,执行识别本次业务申请的风险性的处理。
在一个例子中,变量累计模块32,具体用于:按照所述变量配置信息中包括的统计周期时长、以及待统计的申请特征信息,统计所述申请特征信息的至少一个特征参数在所述统计周期时长内的累计量,得到所述变量。
在一个例子中,识别处理模块33,具体用于将所述变量发送至所述业务方,以使得业务方根据变量进行风险识别处理。
在一个例子中,识别处理模块33,具体用于将所述变量作为风险识别模型的输入量,根据所述风险识别模型的输出量、以及风险控制规则,得到风险识别结果;将所述风险识别结果发送至所述业务方。
上述实施例阐明的装置或模块,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
此外,上述图2所示流程中的各个步骤,其执行顺序不限制于流程图中的顺序。此外,各个步骤的描述,可以实现为软件、硬件或者其结合的形式,例如,本领域技术人员可以将其实现为软件代码的形式,可以为能够实现所述步骤对应的逻辑功能的计算机可执行指令。当其以软件的方式实现时,所述的可执行指令可以存储在存储器中,并被设备中的处理器执行。
例如,对应于上述方法,本说明书一个或多个实施例同时提供一种风险业务识别设备,该设备可以包括处理器、存储器、以及存储在存储器上并可在处理器上运行的计算机指令,所述处理器通过执行所述指令,用于实现如下步骤:获取本次业务申请的申请特征信息,所述业务申请用于申请业务方办理对应的业务;按照预先获得的变量配置信息,根据所述申请特征信息进行实时累计,得到对应的变量,所述变量配置信息由所述业务方配置且用于定义所述变量;根据所述变量,执行识别本次业务申请的风险性的处理。
本领域内的技术人员应明白,本说明书一个或多个实施例可提供为方法、系统、或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
还需要说明的是,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、商品或者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、商品或者设备所固有的要素。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、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于风险业务识别设备实施例而言,由于其基本相似于方法实施例,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。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书一个或多个实施例的较佳实施例而已,并不用以限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开保护的范围之内。
Claims (12)
1.一种风险业务识别方法,所述方法包括:
获取本次业务申请的申请特征信息,所述业务申请用于申请业务方办理对应的业务;
按照预先获得的变量配置信息,根据所述申请特征信息进行实时累计,得到对应的变量,所述变量配置信息由所述业务方配置且用于定义所述变量;
根据所述变量,执行识别本次业务申请的风险性的处理。
2.根据权利要求1所述的方法,所述申请特征信息,包括:
发送所述业务申请使用的网络环境设备的设备标识;
本次业务申请的申请主体的主体标识;
业务对应的业务方信息。
3.根据权利要求1所述的方法,所述获取本次业务申请的申请特征信息,包括:接收业务方传输的所述申请特征信息,所述申请特征信息由业务方获得。
4.根据权利要求1所述的方法,所述按照预先获得的变量配置信息,根据所述申请特征信息进行实时累计,得到对应的变量,包括:
按照所述变量配置信息中包括的统计周期时长、以及待统计的申请特征信息,统计所述申请特征信息的至少一个特征参数在所述统计周期时长内的累计量,得到所述变量。
5.根据权利要求1所述的方法,所述根据所述变量,执行识别本次业务申请的风险性的处理,包括:
将所述变量发送至所述业务方,以使得业务方根据变量进行风险识别处理。
6.根据权利要求1所述的方法,所述根据所述变量,执行识别本次业务申请的风险性的处理,包括:
将所述变量作为风险识别模型的输入量,根据所述风险识别模型的输出量、以及风险控制规则,得到风险识别结果;
将所述风险识别结果发送至所述业务方。
7.根据权利要求6所述的方法,所述方法还包括:接收所述业务方传输的所述风险控制规则,所述风险控制规则由所述业务方配置。
8.一种风险业务识别装置,所述装置包括:
信息获取模块,用于获取本次业务申请的申请特征信息,所述业务申请用于申请业务方办理对应的业务;
变量累计模块,用于按照预先获得的变量配置信息,根据所述申请特征信息进行实时累计,得到对应的变量,所述变量配置信息由所述业务方配置且用于定义所述变量;
识别处理模块,用于根据变量,执行识别本次业务申请的风险性的处理。
9.根据权利要求8所述的装置,
所述变量累计模块,具体用于:按照所述变量配置信息中包括的统计周期时长、以及待统计的申请特征信息,统计所述申请特征信息的至少一个特征参数在所述统计周期时长内的累计量,得到所述变量。
10.根据权利要求8所述的装置,
所述识别处理模块,具体用于将所述变量发送至所述业务方,以使得业务方根据变量进行风险识别处理。
11.根据权利要求8所述的装置,
所述识别处理模块,具体用于将所述变量作为风险识别模型的输入量,根据所述风险识别模型的输出量、以及风险控制规则,得到风险识别结果;将所述风险识别结果发送至所述业务方。
12.一种风险业务识别设备,所述设备包括存储器、处理器,以及存储在存储器上并可在处理器上运行的计算机指令,所述处理器执行指令时实现以下步骤:
获取本次业务申请的申请特征信息,所述业务申请用于申请业务方办理对应的业务;
按照预先获得的变量配置信息,根据所述申请特征信息进行实时累计,得到对应的变量,所述变量配置信息由所述业务方配置且用于定义所述变量;根据所述变量,执行识别本次业务申请的风险性的处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710640562.6A CN107609972A (zh) | 2017-07-31 | 2017-07-31 | 一种风险业务识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710640562.6A CN107609972A (zh) | 2017-07-31 | 2017-07-31 | 一种风险业务识别方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107609972A true CN107609972A (zh) | 2018-01-19 |
Family
ID=61064132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710640562.6A Pending CN107609972A (zh) | 2017-07-31 | 2017-07-31 | 一种风险业务识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107609972A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784934A (zh) * | 2019-03-14 | 2019-05-21 | 浙江鲸腾网络科技有限公司 | 一种交易风险控制方法、装置以及相关设备和介质 |
CN110020786A (zh) * | 2019-03-11 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 业务处理、风控识别方法、装置及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503562A (zh) * | 2015-09-06 | 2017-03-15 | 阿里巴巴集团控股有限公司 | 一种风险识别方法及装置 |
CN106656932A (zh) * | 2015-11-02 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 一种业务处理方法及装置 |
-
2017
- 2017-07-31 CN CN201710640562.6A patent/CN107609972A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503562A (zh) * | 2015-09-06 | 2017-03-15 | 阿里巴巴集团控股有限公司 | 一种风险识别方法及装置 |
CN106656932A (zh) * | 2015-11-02 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 一种业务处理方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020786A (zh) * | 2019-03-11 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 业务处理、风控识别方法、装置及设备 |
CN110020786B (zh) * | 2019-03-11 | 2023-10-31 | 创新先进技术有限公司 | 业务处理、风控识别方法、装置及设备 |
CN109784934A (zh) * | 2019-03-14 | 2019-05-21 | 浙江鲸腾网络科技有限公司 | 一种交易风险控制方法、装置以及相关设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10691494B2 (en) | Method and device for virtual resource allocation, modeling, and data prediction | |
CN109063985A (zh) | 一种业务的风险决策方法及装置 | |
CN109711200A (zh) | 基于区块链的精准扶贫方法、装置、设备及介质 | |
CN113093958B (zh) | 数据处理方法、装置和服务器 | |
CN104982002B (zh) | 视频签名系统及方法 | |
CN110225104A (zh) | 数据获取方法、装置及终端设备 | |
Kshetri et al. | Big data and cloud computing for development: Lessons from key industries and economies in the global south | |
Dell | Regression, Critical Thinking, and the Valuation Problem Today. | |
CN112465627A (zh) | 基于区块链和机器学习的金融借贷审核方法及系统 | |
CN108400868A (zh) | 种子密钥的存储方法、装置及移动终端 | |
CN107403311A (zh) | 账户用途的识别方法及装置 | |
CN112529477A (zh) | 信用评估变量筛选方法、装置、计算机设备及存储介质 | |
CN112801800A (zh) | 行为资金分析系统、方法、计算机设备及存储介质 | |
CN113095408A (zh) | 风险的确定方法、装置和服务器 | |
CN107609972A (zh) | 一种风险业务识别方法和装置 | |
CN111899111A (zh) | 一种资金撮合方法、装置、服务器及存储介质 | |
CN111353891A (zh) | 资金交易数据中可疑团伙的识别辅助方法及装置 | |
CN107957945B (zh) | 货币基金系统自动性能测试方法、装置、设备及存储介质 | |
CN112910953B (zh) | 业务数据的推送方法、装置和服务器 | |
Awa et al. | Studying enterprise systems’ acceptance using integrated unified theory of acceptance and use of technology (UTAUT) | |
CN108428092B (zh) | 一种业务流程展示方法、装置及设备 | |
CN110009487A (zh) | 一种金融借贷风险评估方法及系统 | |
CN110188976A (zh) | 基于数据分析的等级评估方法、装置、设备及存储介质 | |
CN107944871A (zh) | 身份认证方法、装置、计算机设备及计算机可读存储介质 | |
CN108156273A (zh) | 一种匿名用户id生成方法、装置及电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180119 |
|
RJ01 | Rejection of invention patent application after publication |