CN109063985B - 一种业务的风险决策方法及装置 - Google Patents

Abstract

本说明书公开一种业务的风险决策方法及装置，在接收到用户通过终端发送的业务请求后，可以获取该用户和该终端对应的实时性数据和历史数据，根据这些数据，从多个维度预测该业务请求的风险等级，并根据确定出的风险等级对业务请求进行风险决策。

Description

一种业务的风险决策方法及装置

技术领域

本说明书涉及计算机技术领域，尤其涉及一种业务的风险决策方法及装置。

背景技术

互联网发展至今，大多数业务均可以通过互联网实现，比如通过互联网进行购物、理财，办理注册登记业务、投资信贷业务等，从而为生产生活提供了很大便利。

随着终端和移动互联网的发展，越来越多的用户参与到互联网业务中，使得各种欺诈行为频发，比如虚假交易、信贷欺诈、冒充他人注册登记等，所以需要提供一种方案，较为准确地对互联网业务进行风险决策。

发明内容

本说明书实施例提供一种业务的风险决策方法，用于较为准确地对互联网业务进行风险决策。

本说明书实施例提供一种业务的风险决策装置，用于较为准确地对互联网业务进行风险决策。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例采用下述技术方案：

一种业务的风险决策方法，包括：

接收用户通过终端发送的业务请求；

获取所述用户和所述终端对应的实时性数据和历史数据；

根据所述实时性数据和所述历史数据，从多个维度确定所述业务请求的风险等级；

根据所述风险等级，对所述业务请求进行风险决策。

一种业务的风险决策装置，包括：接收单元、获取单元、确定单元，以及决策单元，其中，

所述获取单元，接收用户通过终端发送的业务请求；

所述获取单元，获取所述用户和所述终端对应的实时性数据和历史数据；

所述确定单元，根据所述实时性数据和所述历史数据，从多个维度确定所述业务请求的风险等级；

所述决策单元，根据所述风险等级，对所述业务请求进行风险决策。

由以上实施例提供的技术方案可见，在接收到用户通过终端发送的业务请求后，可以获取该用户和该终端对应的实时性数据和历史数据，根据这些数据，从多个维度预测该业务请求的风险等级，并根据确定出的风险等级对业务请求进行风险决策。也即，在接收到业务请求后，从实时性数据和历史数据两方面，利用多个维度对业务请求进行综合决策，从而可以较为准确地对互联网业务进行风险决策。

附图说明

为了更清楚地说明本说明书实施例或现有的技术方案，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中记载的一些实施例，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为本说明书实施例提供的业务的风险决策方法的流程示意图；

图2为本说明书实施例提供的业务的风险决策方法的示意图；

图3为本说明书实施例提供的业务的风险决策装置的结构示意图；

图4为本说明书实施例提供的信贷业务的风险决策方法的流程示意图；

图5为本说明书实施例提供的电子设备的结构示意图。

具体实施方式

为使本说明书的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本说明书的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。

以下结合附图，详细说明本说明书中各实施例提供的技术方案。

实施例1

如前所述，越来越多的用户参与到互联网业务中，使得各种欺诈行为频发，也即更多的业务存在欺诈风险，比如出现越来越多的虚假交易、信贷欺诈、冒充他人注册登记等欺诈行为，所以需要在接收到业务请求后，准确地对业务进行风险决策。本说明书实施例提供一种业务的风险决策方法，可以较为准确地对互联网业务进行风险决策。该方法的具体流程示意图如图1所示，包括：

步骤102：接收用户通过终端发送的业务请求。

随着互联网业务的发展，大部分业务可以由传统的线下办理转为线上办理，比如商品交易业务(或称购物业务)、个人注册登记业务，文件递交查询业务、金融产品交易业务等，所以当用户有业务需求时，可以通过终端发送对应的业务请求。

对于发送的方式，可以通过移动终端(手机、笔记本等)利用移动互联网进行发送，也可以通过固定终端(个人电脑，业务终端机等)利用互联网进行发送。而对于不同的业务请求，可以通过不同的应用程序发送，比如商品交易业务可以通过网上购物应用发送对应的交易业务请求；金融产品交易业务可以通过理财、股票等应用发送对应的交易业务请求等；信贷业务，可以通过网络支付应用发送对应的信贷申请业务、签约业务、以及支付业务等。在实际应用中，还可以通过浏览器应用发送业务请求。

步骤104：获取该用户和该终端对应的实时性数据和历史数据。

在实际的业务过程中，用户和终端对应的数据往往可能会体现出业务的风险，比如用户对应的实名数据较少时，通常情况下风险较高；用户的学历较低、年龄较低时，通常也存在较高的风险；而用户的收入较高、历史月均消费较为稳定时，通常出现欺诈行为的可能性较低。

所以，为了能够较为准确地对业务请求进行风险决策，在接收到用户通过终端发送的业务请求后，可以获取该用户和该终端对应的实时性数据和历史数据。在本步骤中，通常是获取该用户和该终端对于该业务请求对应的实时性数据和历史数据，比如可以是发送该业务请求时的时间、终端标识、用户状态等。

实时性数据可以是指用户在发送业务请求后，可以获取到的具有一定时效性的数据，比如实时性数据可以包括发送业务请求时的设备数据、环境数据、以及业务请求数据等。进一步地，设备数据可以包括发送业务请求时设备的标识、型号、操作系统(以及版本号)等，设备数据的实时性更好，时效性更强，所以能够更准确地对业务请求进行决策。环境数据可以包括发送业务请求时设备的IP(Internet Protocol，网络之间互连的协议)数据、位置数据、时间数据等。业务请求数据可以包括发送业务请求时的业务类型、业务对象、业务的特征等，比如转账业务、转账的对象、到账时间等。在实际应用中，不同类型的业务的请求，获取的实时性数据也不尽相同，比如对于购物业务请求和金融业务请求，出于不同实时性数据代表不同的风险，一般不相同。

历史数据可以是指用户在发送业务请求之前，可以获取到的历史行为数据，比如可以包括终端中的历史浏览记录，卸载安装应用记录等；又如可以包括在业务服务端中保存的用户的历史交易记录、个人信息的记录(如手机号、居住地、生日、收入信息等)、个人信息的修改记录(如修改密码、修改绑定信息等)、历史信用记录(如信用评分)等。还可以包括名单类数据，比如用户属于白名单或黑名单等。

而对于数据获取的方式，针对实时性数据而言，可以通过发送业务请求的应用中内嵌的软件开发工具包(Software Development Kit，SDK)进行获取，比如可以在接收到用户通过终端中的应用发送来的业务请求后，向终端发送采集指令，由该应用通过SDK采集用户和终端的实时性数据和历史数据。针对历史数据而言，也可以通过应用中内嵌的软件开发工具包，获取到应用中保存的各种历史记录。另外，还可以根据用户的唯一标识以及终端的唯一标识，从业务服务端中获取到包括各种历史记录的历史数据。

可见，实时性数据可以根据业务请求，从终端处获取，而历史数据除了可以从终端处获取，还可以从业务服务端获取。所以，在一种实施方式中，获取该用户和该终端对应的实时性数据和历史数据，可以包括：从终端中获取该用户和该终端对应的实时性数据和第一历史数据；从业务服务端中获取预存的、该用户和该终端对应的第二历史数据；根据实时性数据、第一历史数据、和第二历史数据，确定该用户和该终端对应的实时性数据和历史数据。具体地，第一历史数据就可以是指从终端中获取的一部分用户和终端对应的历史数据，而第二历史数据就可以是指从业务服务端中获取的另一部分用户和终端对应的历史数据。第一历史数据和第二历史数据的集合，就可以是较为完整的、用户和终端对应的历史数据。而在实际应用中，也可以预先设置用户在终端中的操作均可以上传到业务服务端中，比如浏览操作、登陆操作、交易操作等，从而可以直接在业务服务端中获取到用户和终端对应的实时性数据和历史数据。

步骤106：根据获取到的实时性数据和历史数据，从多个维度确定该业务请求的风险等级。

在前述步骤中，获取到的实时性数据和历史数据可以包括与用户和终端相关的大量数据，则在本步骤中，可以利用这些数据，通过多个不同的维度，确定出业务请求的风险等级，这里所说的风险等级可以是指用于评估业务请求可能出现欺诈行为的概率，比如可以是一个风险评分，分数的由高至低可以表征业务请求出现欺诈行为概率由高至低。

根据前述步骤介绍的实时性数据和历史数据，可以包括设备数据、环境数据、以及业务请求数据等，而历史数据可以包括终端中的历史浏览记录，卸载安装应用记录、服务端中的历史交易记录、个人信息的记录、个人信息修改记录、历史信用记录、用户属于白名单或黑名单的记录等。本步骤可以通过多个维度确定风险等级。比如可以根据上述实时性数据和历史数据构建出用户维度、设备维度、环境维度、行为维度、交易维度等，而不同的维度中可以包括不同的属性项。

具体地，用户维度可以包括信息泄露历史、收入统计、居住地、手机号等。比如，用户有过挂失、密码找回、账号申诉等行为时，可以认为有过信息泄露、而收入统计可以根据用户的授权，从工资银行账户中的获取和统计月均收入、年均收入等、居住地可以根据用户填写的确定，也可以根据用户的快递信息、收货地址、终端的在一段较长时间内的位置信息等确定。手机号可以根据通话记录、注册信息等确定。最终可以确定出用户维度：有过信息泄露、月均收入8000、居住地北京、手机号前三位138，等。

设备维度可以包括是否有多个用户操作相同设备的情况、是否为虚拟机、模拟器，设备型号、操作系统版本号等。比如，通过全部用户的历史数据以及本次业务请求时，实时性数据中的设备标识，可以确定出该设备是否被多个用户操作过，具体比如有多个用户在发送业务请求时，获取到的终端标识相同，则该终端就存在多个用户操作相同设备的情况。对于虚拟机、模拟器等，可以根据获取终端的标识，或操作系统版本号等进行确定。最终可以确定出设备维度：存在多个用户操作相同设备、不是虚拟机、设备型号iPhone8、操作系统版本号11.4，等。

环境维度可以包括IP数据和位置数据，其中，IP数据可以包括从用户或终端处获取的IP地址是否发生不合常理的变化，比如IP地址对应的网段在短时间内变化较大，或IP地址在黑名单中等。位置数据可以包括获取到的终端的位置信息，比如可以通过LBS(Location Based Service，基于位置服务)获取终端的位置信息，对于位置数据也可以确定是否在短时间出现较大变化，比如1分钟前根据业务请求获取到终端的位置数据属于北京地区，而本次业务请求时获取到终端的位置数据属于浙江，显然比较异常。最终可以确定出环境维度：IP地址白名单、IP地址无异常、位置无异常，等。

行为维度可以包括用户是否存在异常的修改密码行为，更换绑定信息(手机、账号)等行为。也即，行为维度可以用于对用户历史行为进行的风险评估。比如，账号在异地登录后修改密码的行为，频繁修改密码的行为等，频繁换绑手机号等，均可以确定为异常行为。最终可以确定出行为维度：有异常修改密码行为。

交易维度可以包括：历史的交易成功率、交易金额或交易商品与用户收入或职业的匹配程度，商品的更换率与购买频率是否与真实情况匹配等。比如，可以获取用户账号的交易次数，以及成功完成的次数，依次可以确定交易成功率、根据用户维度中的月均收入，与本次购物业务请求中商品的价格确定是否匹配。对于大家电、手机电脑等，通常更换频率较低，若出现较短时间内频繁购买，则可能与真实的购买频率和更换率不匹配等。最终可以确定出交易为维度：购买商品与用户收入不匹配、更换率与实际不匹配、购买频率过高，等。

介绍多个维度后，本步骤可以根据这些维度确定业务请求的风险等级，比如可以根据预设的风险识别模型，将多个维度以及各维度包括的属性项作为输入。比如前文介绍的用户维度：有信息泄露历史、月均收入8000、居住地北京、手机号前三位138，等属性项，以及其他维度，均输入到预设的风险识别模型中，从而可以输出风险等级，比如可以是针对不同维度的不同评分，还可以是一个综合评分。而在前文已经介绍，设备数据的实时性更好，时效性更强，从而能够更准确地对业务请求进行决策，所以，在一种实施方式中，根据获取到的实时性数据和历史数据，从多个维度确定该业务请求的风险等级，可以包括：根据包括设备数据的实时性数据和历史数据，从包括设备维度的多个维度确定该业务请求的风险等级。

而在实际应用中，还可以预设多个维度中的属性项组合与风险等级的对应关系，比如可以建立用户维度中手机号前三位134、设备维度中是虚拟机、环境维度中IP地址异常、行为维度中有异常修改密码行为、交易维度中购买频率过高的组合，与风险等级高的对应关系。则当根据业务请求确定出上述属性项的组合后，可以确定为风险高，类似地，还可以建立各种不同的属性项的组合，与各种不同风险等级的对应关系。

而在实际应用中，为了能够准确地、全面地确定业务请求的风险等级，还可以利用所有维度中的属性项确定风险等级。则在一种实施方式中，根据获取到的实时性数据和历史数据，从多个维度确定该业务请求的风险等级，可以包括：根据实时性数据和所述历史数据，构建用于确定风险等级的多个维度，多个维度中的各维度可以包括至少一个属性项；根据各维度中的属性项，利用预存的用户样本，分别确定出各维度的风险量化值；根据各维度的风险量化值，确定综合风险量化值；根据确定出的综合风险量化值，确定业务请求的风险等级。

具体地，可以如前文所述，根据实时性数据和所述历史数据，构建用于确定风险等级的多个维度，而每个维度中均可以包括至少一个属性项，比如用户维度中可以但不限于包括手机号前三位属性项、设备维度可以但不限于包括是否为虚拟机属性项、环境维度中可以但不限于包括IP地址是否异常属性项、行为维度中可以但不限于包括是否有异常修改密码行为属性项、交易维度中可以包括是否购买频率过高属性项。

进一步地，在得到多个维度后，可以根据各维度中的属性项，利用预存的用户样本，分别确定各维度的风险量化值。其中，预存的用户样本可以是指存储欺诈或非欺诈行为结果的、包括多种属性项的用户，比如可以有千万级的用户数量，每个用户均可以对应存储有上述多个维度、各维度中的多个属性项，以及一个欺诈结果，具体比如用户1，可以有多种历史数据，比如信息泄露历史、月均收入、居住地、手机号前三位、以及其他属性等，并对应一个欺诈行为结果，或非欺诈行为结果作为用户样本。而确定各维度的风险量化值可以通过WOE进行确定，WOE(Weight of Evidence)，也称为证据权重，是对原始自变量的一种编码形式。具体可以通过下述公式确定风险量化值：

其中，DistrGood可以是指用户样本中非欺诈行为的个数；相对地，DistrBad就可以是指用户样本中欺诈行为的个数；而i可以是指多个属性项组合后，第i个属性项。比如，对于用户维度而言，可以包括：有信息泄露历史、月均收入8000、居住地北京、手机号前三位138等四个属性项。那么i＝1就可以是指是否具有信息泄露历史这一属性项，i＝2就可以是指居住地这一属性项；而DistrGood₁可以表征具有信息泄露历史，但没有欺诈行为结果的用户个数，相对地，DistrBad₁就可以表征具有信息泄露历史，且具有欺诈行为结果的用户个数。而DistrGood₂可以表征月收入8000(或月收入在5000-10000这一等级)没有欺诈行为结果的用户个数，相对地，DistrBad₂就可以表征月收入8000具有欺诈行为结果的用户个数。

根据上述公式，可以分别确定出各维度的风险量化值，比如可以有5个维度对应的5个风险量化值，此时，可以根据各维度的风险量化值，确定综合风险量化值；根据确定出的综合风险量化值，确定业务请求的风险等级。具体地，该综合风险量化值，可以是5个风险量化值的直接代数和，也可以是根据预设的不同维度具有的不同权重，计算加权值，从而得到综合风险量化值。在确定出综合风险量化值后，可以根据与风险等级的分级对应关系，确定出风险等级，比如综合风险量化值在第一数值区间可以对应风险等级低，在第二数值区间可以对应风险等级中，等。而在实际应用中，也可以根据各维度的风险量化值，直接确定出业务请求的风险等级，比如可以根据各维度中最高的风险量化值，确定业务请求的风险等级。

步骤108：根据确定出的风险等级，对该业务请求进行风险决策。

在前述步骤中，已经确定出了业务请求的风险等级，则本步骤可以对该业务请求进行风险决策。具体地，风险决策可以包括拒绝和通过，比如对于金融业务请求而言，可以在确定出风险等级为中、或高时，拒绝该金融业务请求，从而使业务请求失败。

在实际应用中，若将风险等级分为三个等级：低、中、高时，对于风险等级为中的情况，也有可能是出于突发情况，比如证件丢失、终端丢失等，所以在一种实施方式中，根据确定出的风险等级，对该业务请求进行风险决策，可以包括：根据确定出的风险等级与预设的等级决策对应关系，对该业务请求执行通过、校验、拒绝中的一项决策。比如风险等级就可以分为低、中、高三等，当风险等级为低时，可以对该业务请求执行通过决策，当风险等级为中时，可以对该业务请求执行通过校验决策，比如可以进行密码校验、指纹校验、短信校验等；而当风险等级为高时，可以对该业务请求执行拒绝决策。比如对于金融业务请求中的信贷业务签约或交易，可以根据风险等级，执行通过、校验、拒绝中的一项决策。

在实际应用中，业务风险以及欺诈行为千变万化，所以确定业务请求的风险等级的维度也就可能出现缺失或多余，比如经过业务人员对业务中的欺诈结果进行人工分析，或通过数据分析，发现新的维度也对风险等级有着重要影响，则需要及时对风险等级的确定方式及时维护。所以在一种实施方式中，该方法还可以包括：根据业务中的欺诈结果，确定用于确定业务请求风险等级的附加维度；利用预存的用户样本，对原有的多个维度与附加维度的组合进行风险决策的性能评估；当评估通过后，将该附加维度添加至业务的风险决策方法中。则在步骤106中，根据获取到的实时性数据和历史数据，从多个维度确定该业务请求的风险等级，可以包括：根据获取到的实时性数据和历史数据，从包括附加维度的多个维度确定业务请求的风险等级。

具体地，根据业务中的欺诈结果，可以通过人工分析或数据挖掘的方式，确定出附加维度，该附加维度可以用于确定业务的请求风险等级，比如可以是时间维度、产品发布会维度等，而在确定出新的维度后，还可以进行性能评估，从而确定确定出的附加维度是否适用于确定风险等级。所以可以利用预存的用户样本，对原有的多个维度与附加维度的组合进行风险决策的性能评估。比如，在前文举例，可以预存有千万级的用户数量作为用户样本，所以可以利用该用户样本，对原有的5个维度与时间维度和产品发布会维度的组合，进行风险决策验证，从而进行性能评估，比如，在加入新的维度后，风险决策的正确率提高，则可以确定通过评估，当评估通过后，将该附加维度添加至业务的风险决策方法中。比如在此后进行风险等级确定时，可以使用包括原有的5个维度、以及时间维度、产品发布会维度这7个维度确定业务请求的风险等级。而在实际应用中，也可以通过线上测试的方式，对原有的多个维度与附加维度的组合进行风险决策的性能评估，通过申诉的涨幅降幅，确定是否通过评估。

在实际应用中，也可以发现现有的维度对于确定风险等级影响较小，或有负面影响，此时也需要及时对风险等级的确定方式及时维护。所以在一种实施方式中，该方法还可以包括：根据业务中的欺诈结果，变更多个维度；利用预存的用户样本，对变更后的多个维度进行风险决策的性能评估；当评估通过后，确定在风险决策方法中使用变更后的多个维度。则在步骤106中，根据获取到的实时性数据和历史数据，从多个维度确定该业务请求的风险等级，可以包括：根据获取到的实时性数据和历史数据，从变更后的多个维度确定业务请求的风险等级。也即，变更多个维度也就包括了增加维度和减少维度，比如可以包括确定出用于确定业务请求风险等级的附加维度，也可以包括从原有的多个维度中确定出待删除维度。

如图2所示，为本方法提供的业务的风险决策的示意图，如图2所示，当接收到业务请求后，也即业务请求发起后，可以从终端和业务服务端中获取用户和终端对应的实时性数据和历史数据，此后可以根据获取到的数据，从多个维度进行风险评估，确定出风险等级，并根据确定出的风险等级，进行风险决策，从而完成业务请求，完成的结果就至少包括拒绝或通过。此外，还可以根据业务过程中发生的欺诈结果，确定附加维度，并进行性能评估，当评估通过后，可以添加在原有的确定风险等级的方法中。由以上实施例提供的方法可见，在接收到用户通过终端发送的业务请求后，可以获取该用户和该终端对应的实时性数据和历史数据，根据这些数据，从多个维度预测该业务请求的风险等级，并根据确定出的风险等级对业务请求进行风险决策。也即，在接收到业务请求后，从实时性数据和历史数据两方面，利用多个维度对业务请求进行综合决策，从而可以较为准确地对互联网业务进行风险决策。

实施例2

基于相同的构思，本说明书实施例2提供了一种业务的风险决策装置，可以较为准确地对互联网业务进行风险决策。该装置的结构示意图如图3所示，包括：接收单元202、获取单元204、确定单元206，以及决策单元208，其中，

获取单元202，可以接收用户通过终端发送的业务请求；

获取单元204，可以获取用户和终端对应的实时性数据和历史数据；

确定单元206，可以根据实时性数据和历史数据，从多个维度确定业务请求的风险等级；

决策单元208，可以根据风险等级，对业务请求进行风险决策。

在一种实施方式中，装置还包括：确定子单元、评估子单元、以及添加子单元，其中，

确定子单元，可以根据业务中的欺诈结果，确定用于确定业务请求风险等级的附加维度；

评估子单元，可以利用预存的用户样本，对多个维度与附加维度的组合进行风险决策的性能评估；

添加子单，可以当评估通过后，将附加维度添加至方法中；则

确定单元206，可以根据实时性数据和历史数据，从包括附加维度的多个维度确定业务请求的风险等级。

在一种实施方式中，决策单元208，可以根据风险等级与预设的等级决策对应关系，对业务请求执行通过、校验、拒绝中的一项决策。

在一种实施方式中，实时性数据包括设备数据，则

确定单元206，可以根据包括设备数据的实时性数据和历史数据，从包括设备维度的多个维度确定业务请求的风险等级。

在一种实施方式中，确定单元206，可以

根据实时性数据和历史数据，构建用于确定风险等级的多个维度，多个维度中的各维度包括至少一个属性项；

根据各维度中的属性项，利用预存的用户样本，分别确定各维度的风险量化值；

根据各维度的风险量化值，确定综合风险量化值；

根据综合风险量化值，确定业务请求的风险等级。

在一种实施方式中，获取单元204，可以

从终端中获取用户和终端对应的实时性数据和第一历史数据；

从业务服务端中获取预存的、用户和终端对应的第二历史数据；

根据实时性数据、第一历史数据、和第二历史数据，确定用户和终端对应的实时性数据和历史数据。

在一种实施方式中，业务请求可以为金融业务请求。

由以上实施例提供的装置可见，在接收到用户通过终端发送的业务请求后，可以获取该用户和该终端对应的实时性数据和历史数据，根据这些数据，从多个维度预测该业务请求的风险等级，并根据确定出的风险等级对业务请求进行风险决策。也即，在接收到业务请求后，从实时性数据和历史数据两方面，利用多个维度对业务请求进行综合决策，从而可以较为准确地对互联网业务进行风险决策。

实施例3

在前述实施例中已经提到，业务请求可以包括金融业务请求，比如业务请求可以是信贷业务请求，所以本说明书实施例还可以提供一种信贷业务的风险决策方法，可以较为准确地对互联网信贷业务进行风险决策。该方法的具体流程示意图如图4所示，包括：

步骤302：接收用户通过终端发送的信贷业务请求。

步骤304：获取该用户和该终端对应的实时性数据和历史数据。

步骤306：根据获取到的实时性数据和历史数据，从多个维度确定信贷业务请求的风险等级。

步骤308：根据确定出的风险等级，对该信贷业务请求进行风险决策。

在一种实施方式中，本方法还可以包括：根据信贷业务中的欺诈结果，确定用于确定信贷业务请求风险等级的附加维度；

利用预存的用户样本，对该多个维度与附加维度的组合进行风险决策的性能评估；

当评估通过后，将该附加维度添加至信贷业务的风险决策方法中；则

步骤306，根据获取到的实时性数据和历史数据，从多个维度确定信贷业务请求的风险等级，可以包括：

根据实时性数据和历史数据，从包括附加维度的多个维度确定信贷业务请求的风险等级。

在一种实施方式中，步骤306根据获取到的实时性数据和历史数据，从多个维度确定信贷业务请求的风险等级，可以包括：

根据所述实时性数据和所述历史数据，构建用于确定风险等级的多个维度，所述多个维度中的各维度包括至少一个属性项；

根据所述各维度中的属性项，利用预存的用户样本，分别确定各维度的风险量化值；

根据所述各维度的风险量化值，确定综合风险量化值；

根据所述综合风险量化值，确定所述信贷业务请求的风险等级。

具体地的实施方式，可以与实施例1类似，比如，通过5个维度、以及通过WOE确定风险量化值等。

随着互联网业务的发展，各电商为了方便用户支付，开发了多种信贷业务，但随着用户数量扩大，信贷业务中出现更多的欺诈行为。所以本方法在接收到用户通过终端发送的信贷业务请求后，可以获取该用户和该终端对应的实时性数据和历史数据，根据这些数据，从多个维度预测该信贷业务请求的风险等级，并根据确定出的风险等级对信贷业务请求进行风险决策。也即，在接收到信贷业务请求后，从实时性数据和历史数据两方面，利用多个维度对信贷业务请求进行综合决策，从而可以较为准确地对互联网信贷业务进行风险决策。

图5是本说明书的一个实施例电子设备的结构示意图。在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成业务的风险决策装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：

接收用户通过终端发送的业务请求；

获取所述用户和所述终端对应的实时性数据和历史数据；

根据所述实时性数据和所述历史数据，从多个维度确定所述业务请求的风险等级；

根据所述风险等级，对所述业务请求进行风险决策。

上述如本说明书图3所示实施例提供的业务的风险决策装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central ProcessingUnit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

结合本说明书实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

该电子设备还可执行图3所示实施例提供的业务的风险决策装置在图5所示实施例的功能，本说明书实施例在此不再赘述。

本说明书实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图3所示实施例中业务的风险决策装置执行的方法，并具体用于执行：

接收用户通过终端发送的业务请求；

获取所述用户和所述终端对应的实时性数据和历史数据；

根据所述实时性数据和所述历史数据，从多个维度确定所述业务请求的风险等级；

根据所述风险等级，对所述业务请求进行风险决策。

上述实施例阐明的系统、装置、模块或单元，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。具体的，计算机例如可以为个人计算机、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何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书的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。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

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。

本领域技术人员应明白，本说明书的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。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

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，对于系统实施例而言，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。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (14)

1.一种业务的风险决策方法，包括：

接收用户通过终端发送的业务请求；

获取所述用户和所述终端对应的实时性数据和历史数据；

根据所述实时性数据和所述历史数据，从多个维度确定所述业务请求的风险等级；

根据所述风险等级，对所述业务请求进行风险决策；

所述根据所述实时性数据和所述历史数据，从多个维度确定所述业务请求的风险等级，包括：

根据所述实时性数据和所述历史数据，构建用于确定风险等级的多个维度，所述多个维度中的各维度包括至少一个属性项，所述属性项是基于与各所述维度对应的所述实时性数据和所述历史数据确定的，所述多个维度至少包括：设备维度；

基于各维度所包含的至少一个属性项，确定所述业务请求的风险等级。

2.如权利要求1所述的方法，所述方法还包括：

根据业务中的欺诈结果，确定用于确定业务请求风险等级的附加维度；

利用预存的用户样本，对所述多个维度与所述附加维度的组合进行风险决策的性能评估；

当评估通过后，将所述附加维度添加至所述方法中；则

根据所述实时性数据和所述历史数据，从多个维度确定所述业务请求的风险等级，包括：

根据所述实时性数据和所述历史数据，从包括所述附加维度的多个维度确定所述业务请求的风险等级。

3.如权利要求1所述的方法，根据所述风险等级，对所述业务请求进行风险决策，包括：

根据所述风险等级与预设的等级决策对应关系，对所述业务请求执行通过、校验、拒绝中的一项决策。

4.如权利要求1所述的方法，所述实时性数据包括设备数据，则

根据所述实时性数据和所述历史数据，从多个维度确定所述业务请求的风险等级，包括：

根据包括设备数据的实时性数据和所述历史数据，从包括设备维度的多个维度确定所述业务请求的风险等级。

5.如权利要求1所述的方法，根据所述实时性数据和所述历史数据，从多个维度确定所述业务请求的风险等级，包括：

根据所述实时性数据和所述历史数据，构建用于确定风险等级的多个维度，所述多个维度中的各维度包括至少一个属性项；

根据所述各维度中的属性项，利用预存的用户样本，分别确定各维度的风险量化值；

根据所述各维度的风险量化值，确定综合风险量化值；

根据所述综合风险量化值，确定所述业务请求的风险等级。

6.如权利要求1所述的方法，获取所述用户和所述终端对应的实时性数据和历史数据，包括：

从所述终端中获取所述用户和所述终端对应的实时性数据和第一历史数据；

从业务服务端中获取预存的、所述用户和所述终端对应的第二历史数据；

根据所述实时性数据、所述第一历史数据、和所述第二历史数据，确定所述用户和所述终端对应的实时性数据和历史数据。

7.一种业务的风险决策装置，包括：接收单元、获取单元、确定单元，以及决策单元，其中，

所述获取单元，接收用户通过终端发送的业务请求；

所述获取单元，获取所述用户和所述终端对应的实时性数据和历史数据；

所述确定单元，根据所述实时性数据和所述历史数据，从多个维度确定所述业务请求的风险等级；

所述决策单元，根据所述风险等级，对所述业务请求进行风险决策；

所述确定单元，根据所述实时性数据和所述历史数据，构建用于确定风险等级的多个维度，所述多个维度中的各维度包括至少一个属性项，所述属性项是基于与各所述维度对应的所述实时性数据和所述历史数据确定的，所述多个维度至少包括：设备维度；基于各维度所包含的至少一个属性项，确定所述业务请求的风险等级。

8.如权利要求7所述的装置，所述装置还包括：确定子单元、评估子单元、以及添加子单元，其中，

所述确定子单元，根据业务中的欺诈结果，确定用于确定业务请求风险等级的附加维度；

所述评估子单元，利用预存的用户样本，对所述多个维度与所述附加维度的组合进行风险决策的性能评估；

所述添加子单元，当评估通过后，将所述附加维度添加至所述装置中；则

所述确定单元，

根据所述实时性数据和所述历史数据，从包括所述附加维度的多个维度确定所述业务请求的风险等级。

9.如权利要求7所述的装置，所述确定单元，

根据所述实时性数据和所述历史数据，构建用于确定风险等级的多个维度，所述多个维度中的各维度包括至少一个属性项；

根据所述各维度中的属性项，利用预存的用户样本，分别确定各维度的风险量化值；

根据所述各维度的风险量化值，确定综合风险量化值；

根据所述综合风险量化值，确定所述业务请求的风险等级。

10.一种信贷业务的风险决策方法，包括：

接收用户通过终端发送的信贷业务请求；

获取所述用户和所述终端对应的实时性数据和历史数据；

根据所述实时性数据和所述历史数据，从多个维度确定所述信贷业务请求的风险等级；

根据所述风险等级，对所述信贷业务请求进行风险决策；

所述根据所述实时性数据和所述历史数据，从多个维度确定所述信贷业务请求的风险等级，包括：

根据所述实时性数据和所述历史数据，构建用于确定风险等级的多个维度，所述多个维度中的各维度包括至少一个属性项，所述属性项是基于与各所述维度对应的所述实时性数据和所述历史数据确定的，所述多个维度至少包括：设备维度；

基于各维度所包含的至少一个属性项，确定所述信贷业务请求的风险等级。

11.如权利要求10所述的方法，所述方法还包括：

根据信贷业务中的欺诈结果，确定用于确定信贷业务请求风险等级的附加维度；

利用预存的用户样本，对所述多个维度与所述附加维度的组合进行风险决策的性能评估；

当评估通过后，将所述附加维度添加至所述方法中；则

根据所述实时性数据和所述历史数据，从多个维度确定所述信贷业务请求的风险等级，包括：

根据所述实时性数据和所述历史数据，从包括所述附加维度的多个维度确定所述信贷业务请求的风险等级。

12.如权利要求10所述的方法，根据所述实时性数据和所述历史数据，从多个维度确定所述信贷业务请求的风险等级，包括：

根据所述实时性数据和所述历史数据，构建用于确定风险等级的多个维度，所述多个维度中的各维度包括至少一个属性项；

根据所述各维度中的属性项，利用预存的用户样本，分别确定各维度的风险量化值；

根据所述各维度的风险量化值，确定综合风险量化值；

根据所述综合风险量化值，确定所述信贷业务请求的风险等级。

13.一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：

接收用户通过终端发送的业务请求；

获取所述用户和所述终端对应的实时性数据和历史数据；

根据所述实时性数据和所述历史数据，从多个维度确定所述业务请求的风险等级；

根据所述风险等级，对所述业务请求进行风险决策；

所述根据所述实时性数据和所述历史数据，从多个维度确定所述业务请求的风险等级，包括：

根据所述实时性数据和所述历史数据，构建用于确定风险等级的多个维度，所述多个维度中的各维度包括至少一个属性项，所述属性项是基于与各所述维度对应的所述实时性数据和所述历史数据确定的，所述多个维度至少包括：设备维度；

基于各维度所包含的至少一个属性项，确定所述业务请求的风险等级。

14.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：

接收用户通过终端发送的业务请求；

获取所述用户和所述终端对应的实时性数据和历史数据；

根据所述实时性数据和所述历史数据，从多个维度确定所述业务请求的风险等级；

根据所述风险等级，对所述业务请求进行风险决策；

所述根据所述实时性数据和所述历史数据，从多个维度确定所述业务请求的风险等级，包括：

根据所述实时性数据和所述历史数据，构建用于确定风险等级的多个维度，所述多个维度中的各维度包括至少一个属性项，所述属性项是基于与各所述维度对应的所述实时性数据和所述历史数据确定的，所述多个维度至少包括：设备维度；

基于各维度所包含的至少一个属性项，确定所述业务请求的风险等级。

Images