CN109389457A - 申请收款权限的入网方法、装置、设备及可读存储介质 - Google Patents

Abstract

本发明公开了一种申请收款权限的入网方法、装置、设备及可读存储介质，该方法包括步骤：当接收到申请收款权限对应的入网请求后，确定所述入网请求对应用户的商户类型；根据所述商户类型确定对应的评分模型，以及根据所述商户类型提取与所述入网请求对应的评分信息，并确定各个评分信息对应的评分分数；将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，根据所述入网分数确定入网结果。本发明提高了入网请求的审核效率，降低了用户等待时长，以及降低了入网方案合规的风险。

Description

申请收款权限的入网方法、装置、设备及可读存储介质

技术领域

本发明涉及计算机技术领域，尤其涉及一种申请收款权限的入网方法、装置、设备及可读存储介质。

背景技术

用户可通过二维码及POS(point of sales terminal)机服务，实现微信、支付宝和/或银联收款。若用户想实现微信、支付宝和/或银联收款，用户需要通过Web或者APP(Application，应用程序)端提交入网资料。目前，有两种入网方案，一种是用户在入网成功后，进行人工审核入网资料是否符合入网要求，该种入网方案合规风险高；另一种是先人工审核入网资料，当入网资料通过审核后，在允许该用户入网，授予该用户通过微信、支付宝和/或银联收款的权限。由此可知，此种入网方案入网审核效率低下，需要用户等待较长时间才能知道入网结果。

发明内容

本发明的主要目的在于提供一种申请收款权限的入网方法、装置、设备及可读存储介质，旨在解决现有的入网方案合规风险高，以及入网审核效率低下的技术问题。

为实现上述目的，本发明提供一种申请收款权限的入网方法，所述申请收款权限的入网方法包括步骤：

当接收到申请收款权限对应的入网请求后，确定所述入网请求对应用户的商户类型；

根据所述商户类型确定对应的评分模型，以及根据所述商户类型提取与所述入网请求对应的评分信息，并确定各个评分信息对应的评分分数；

将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，根据所述入网分数确定入网结果。

优选地，所述当接收到申请收款权限对应的入网请求后，确定所述入网请求对应用户的商户类型的步骤包括：

当接收到申请收款权限对应的入网请求后，提取所述入网请求对应用户的证照信息，并检测所述证照信息的真实性；

若检测到所述证照信息是真实的，则确定所述用户的商户类型。

优选地，所述将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，根据所述入网分数确定入网结果的步骤之后，还包括：

基于预设的入网分数和风险级别之间的映射关系，根据所述入网分数确定所述用户的风险级别，并根据所述风险级别确定所述用户入网后的使用权限。

优选地，所述将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，根据所述入网分数确定入网结果的步骤包括：

将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，判断所述入网分数所在区间；

若所述入网分数在第一区间范围内，则执行所述入网请求；

若所述入网分数在第二区间范围内，则采用人脸识别和验证码审核所述入网请求；

若所述入网分数在第三区间范围内，则启动人工审核入网请求的审核流程；

若所述入网分数在第四区间范围内，则禁止执行所述入网请求。

优选地，所述当接收到申请收款权限对应的入网请求后，确定所述入网请求对应用户的商户类型的步骤之后，还包括：

若确定所述用户为自然人商户，则检测所述自然人商户对应的身份信息是否在预存的失信黑名单中；

若检测到所述身份信息在所述失信黑名单中，则禁止执行所述入网请求。

优选地，若确定所述用户为个体工商户或者公司，则所述将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，根据所述入网分数确定入网结果的步骤包括：

将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，并获取所述用户的设备指纹信息；

根据所述设备指纹信息计算所述设备指纹分数，根据所述入网分数和所述设备指纹分数确定入网结果。

优选地，所述根据所述商户类型确定对应的评分模型的步骤包括：

若所述用户为个体工商户或者公司，则确定评分模型为：注册资本分数*A+历史交易数据分数*B+经营场所所在地分数*C+所属行业分数*D+各渠道黑名单分数*E，其中，A、B、C、D和E对应为所述注册资本、所述历史交易数据、所述经营场所所在地、所述所属行业和所述各渠道黑名单在所述评分模型中的权重；

若所述用户为自然人商户，则确定评分模型为：设备在网时长分数*H+学历背景分数*I+驾驶违章记录分数*G+银联黑名单分数*K，其中，H、I、J和K对应为所述设备在网时长、所述学历背景、所述驾驶违章记录和所述银联黑名单在所述评分模型中的权重。

此外，为实现上述目的，本发明还提供一种申请收款权限的入网装置，所述申请收款权限的入网装置包括：

确定模块，用于当接收到申请收款权限对应的入网请求后，确定所述入网请求对应用户的商户类型；

所述确定模块还用于根据所述商户类型确定对应的评分模型；

提取模块，用于根据所述商户类型提取与所述入网请求对应的评分信息；

所述确定模块还用于确定各个评分信息对应的评分分数；

输入模块，用于将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，根据所述入网分数确定入网结果。

此外，为实现上述目的，本发明还提供一种申请收款权限的入网设备，所述申请收款权限的入网设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的申请收款权限的入网程序，所述申请收款权限的入网程序被所述处理器执行时实现如上所述的申请收款权限的入网方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有申请收款权限的入网程序，所述申请收款权限的入网程序被处理器执行时实现如上所述的申请收款权限的入网方法的步骤。

本发明通过根据用户入网请求对应用户商户类型的不同，设置了不同的评分模型，通过评分模型和评分信息计算出入网分数，根据入网分数智能确定入网结果，提高了入网请求的审核效率，降低了用户等待时长，以及降低了入网方案合规的风险。

附图说明

图1为本发明申请收款权限的入网方法第一实施例的流程示意图；

图2为本发明实施例中当接收到申请收款权限对应的入网请求后，确定所述入网请求对应用户的商户类型的一种流程示意图；

图3为本发明申请收款权限的入网方法第三实施例的流程示意图；

图4为本发明实施例中将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，根据所述入网分数确定入网结果的一种流程示意图；

图5为本发明申请收款权限的入网装置较佳实施例的功能示意图模块图；

图6是本发明实施例方案涉及的硬件运行环境的结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种申请收款权限的入网方法，参照图1，图1为本发明申请收款权限的入网方法第一实施例的流程示意图。

本发明实施例提供了申请收款权限的入网方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

申请收款权限的入网方法可应用于终端或者服务器中，终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant，PDA)、等移动终端，以及诸如数字TV、台式计算机等固定终端。在申请收款权限的入网方法的各个实施例中，为了便于描述，省略执行主体进行阐述各个实施例。申请收款权限的入网方法包括：

步骤S10，当接收到申请收款权限对应的入网请求后，确定所述入网请求对应用户的商户类型。

当接收到用户通过其终端设备发送的申请收款权限对应的入网请求后，确定入网请求对应用户的商户类型。其中，入网请求为申请通过二维码或者POS机服务，实现微信、支付宝和/或银联收款的请求。当用户通过入网请求成功入网后，用户即可通过二维码或POS机服务，实现微信、支付宝和/或银联收款的功能。在本实施例中，有三种商户类型，分别为个体工商户、公司和自然人商户。具体地，入网请求中携带有类型标识，根据类型标识即可确定入网请求对应用户的商户类型。如若入网请求携带的类型标识为“a”，则表示入网请求对应用户的商户类型为个体工商户；若入网请求携带的类型标识为“b”，则表示入网请求对应用户的商户类型为公司；若入网请求携带的类型标识为“c”，则表示入网请求对应用户的商户类型为自然人商户。

步骤S20，根据所述商户类型确定对应的评分模型，以及根据所述商户类型提取与所述入网请求对应的评分信息，并确定各个评分信息对应的评分分数。

当确定入网请求对应用户的商户类型后，确定商户类型对应的评分模型。其中，自然人商户对应一种评分模型，个体工商户和公司对应一种评分模型中。在自然人商户对应的评分模型中，携带有自然人商户对应的类型标识；在个体工商户和公司对应的评分模型中，携带有个人工商户和/或公司对应的类型标识。因此，通过类型标识即可确定对应的评分模型。

当确定入网请求对应用户的商户类型后，根据商户类型提取与入网请求对应的评分信息，并确定各个评分信息对应的评分分数。个体工商户和公司对应的评分信息包括但不限于注册资本、历史交易数据、经营场所所在地、所属行业和命中的黑名单。其中，注册资本可在用户的营业执照中获取，所属行业可由营业执照中的经营范围确定，历史交易数据可从个体公商户和公司对应的商家中获取，黑名单包括但不限于银联黑名单、失信黑名单和预存的反洗钱名单，银联黑名单由对应的银联机构提供，失信黑名单可从法院官网或者对应的相关网站，或者外部供应商中获取。

自然人商户对应的评分信息包括但不限于设备在网时长、学历背景、驾驶违章记录和银联黑名单。其中，设备在网时长是自然人商户所持的终端设备在预设时间段内的在网时长，该预设时间段可为1天，3天，或者10天等。学历背景可从自然人商户在注册过程中所填写的资料中获取；驾驶违章记录可从公安交通管理局，或者交通违章记录查询等网站中获取。

需要说明的是，在本实施例中，预设设置好了各个评分信息与对应评分分数之间的映射关系。因此，当确定各个评分信息后，通过对应的映射关系即可确定对应的评分分数。

如注册资本与对应评分分数之间的映射关系可设置为：当注册资本大于0，小于或者等于50万时，对应评分分数为20分；当注册资本大于50万，小于或者等于100万时，对应评分分数为40分；当注册资本大于100万，小于或者等于200万时，对应评分分数为60分；当注册资本大于200万，小于或者等于500万时，对应评分分数为80分；当注册资本大于500万，对应评分分数为100分。

历史交易数据与评分分数之间的映射关系可设置为：当在预设时长内的交易金额大于0，小于或者等于50万时，对应评分分数为25分；当交易金额大于50万，小于或者等于100万时，对应评分分数为50分；当交易金额大于100万，小于或者等于200万时，对应评分分数为75分；当交易金额大于200万时，对应评分分数为100分。其中预设时长可根据具体需要而设置，如设置为100天，或者50天等。可以理解的是，历史交易数据为该个体工商户和公司在预设时长内的交易金额。进一步地，历史交易数据也可为个体工商户和公司在预设时长内的交易额，即交易的数量。

经营场所在地与评分分数之间的映射关系可设置为：经营场所在五线城市，对应评分分数为15分；经营场所在四线城市，对应评分分数为30分；经营场所在三线城市，对应评分分数为45分；经营场所在二线城市，对应评分分数为60分；经营场所在新一线城市，对应评分分数为80分；经营场所在一线城市，对应评分分数为100分。在本实施例中，已经预先存储了各个等级城市对应的名称。

所属行业与评分分数之间的映射关系可设置为：属于A类行业，对应评分分数为25分；属于B类行业，对应评分分数为50分；属于C类行业，对应评分分数为75分；属于D类行业，对应评分分数为100分。其中，A、B、C和D类行业是预先设置好的。在本实施例中，相对A、B、C类行业而言，D类行业更具有发展前景。

黑名单与评分分数之间的映射关系可设置为：命中法院失信黑名单和反洗钱名单，可以一票否决，即当命中法院失信黑名单和反洗钱名单时，直接禁止执行该入网请求；命中银联黑名单对应评分分数为50分，未命中任何黑名单对应评分分数为100分。当个体公商户与公司的名称和/或统一社会信用代码等信息在黑名单中，则确定为命中对应的黑名单，若不在黑名单中，则确定为未命中对应的黑名单。

设备在网时长与评分分数之间的映射关系可设置为(预设时长设置为1天)：若设备在网时长小于2小时，则对应的评分分数为20分；若设备在网时长大于或者等于2小时，小于4小时，则对应的评分分数为40分；若设备在网时长大于或者等于4小时，小于7小时，则对应的评分分数为60分；若设备在网时长大于或者等于7小时，小于10小时，则对应的评分分数为80分；若设备在网时长大于10小时，则对应的评分分数为100分。

学历背景与评分分数之间的映射关系可设置为：若用户的最高学历为高中，对应的评分分数为20分；若用户的最高学历为大专，对应的评分分数为40分；若用户的最高学历为本科，对应的评分分数为60分；若用户的最高学历为研究生，对应的评分分数为80分；若用户的最高学历为博士及以上，对应的评分分数为100分。

驾驶违章记录与评分分数之间的映射关系可设置为：若用户在一个季度内违章0次，对应的评分分数为100分；若用户在一个季度内违章次数为1次，对应的评分分数为70分；若用户在一个季度内的违章次数为2次，对应的评分分数为50分；若用户在一个季度内的违章次数为大于或者等于3次，对应的评分分数为20分。

需要说明的是，上述所描述的映射关系只是为了便于理解，并不限制本申请中各种评分信息与评分分数之间的映射关系，评分信息与评分分数之间的映射关系可根据具体需要而设置。

进一步地，为了使最终所得入网分数更符合用户的具体情况，还可获取个体工商户和公司对应管理团队的背景信息计算入网分数，管理团队的背景信息可从外部供应商中获取，管理团队的背景信息包括但不限于管理团队中每个人的学历和信用记录。还可获取自然人商户对应用户的年龄、社交信息和历史经营信息等。社交信息可通过爬虫技术从各个网站中获取，如从大众点评和美团中获取，历史经营信息可通过该商户历史的经营数据中获取，如从不同网站中所记录的销售数据，对应购买用户的评论中获取。

进一步地，根据所述商户类型确定对应的评分模型的步骤包括：

步骤a，若所述用户为个体工商户或者公司，则确定评分模型为：注册资本分数*A+历史交易数据分数*B+经营场所所在地分数*C+所属行业分数*D+各渠道黑名单分数*E，其中，A、B、C、D和E对应为所述注册资本、所述历史交易数据、所述经营场所所在地、所述所属行业和所述各渠道黑名单在所述评分模型中的权重。

进一步地，若确定用户为个体工商户或者公司，则确定评分模型为：注册资本分数*A+历史交易数据分数*B+经营场所所在地分数*C+所属行业分数*D+各渠道黑名单分数*E，其中，A为注册资本在评分模型中的权重，B为历史交易数据在评分模型中的权重，C为经营场所所在地在评分模型中的权重，D为所属行业在评分模型中的权重，E为黑名单在评分模型中的权重。该A、B、C、D和E对应的权重值可根据具体需要而设置，如可将A、B、C、D和E对应的值都设置为0.20，或者将A和B对应的值设置为0.3，将C对应的值设置为0.2，将D和E对应的值设置为0.1等。

步骤b，若所述用户为自然人商户，则确定评分模型为：设备在网时长分数*H+学历背景分数*I+驾驶违章记录分数*G+银联黑名单分数*K，其中，H、I、J和K对应为所述设备在网时长、所述学历背景、所述驾驶违章记录和所述银联黑名单在所述评分模型中的权重。

若确定用户为自然人商户，则对应的评分模型为：设备在网时长分数*H+学历背景分数*I+驾驶违章记录分数*G+银联黑名单分数*K，其中，H为设备在网时长在评分模型中的权重，I为学历背景在评分模型中的权重，J为驾驶违章记录在评分模型中对应的权重，K为银联黑名单在评分模型中的权重。H、I、J和K对应的值可根据具体需要而设置，如可将H、I、J和K对应的值都设置为0.25，或者将H对应的值设置为0.2，将I对应的值设置为0.3，将J对应的值设置为0.15，将K对应的值设置为0.1。

步骤S30，将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，根据所述入网分数确定入网结果。

当得到各个评分信息对应的评分分数后，将评分数据输入对应的评分模型中，得到入网请求对应的入网分数，并根据入网分数确定入网结果。其中，预先设置了不同入网分数对应的入网结果。在本实施例中，一共存在四种入网结果，分别为：①执行该入网请求，即同意授予用户收款权限；②采用人脸识别和验证码审核入网请求；③启动人工审核流程审核该入网请求；④禁止执行该入网请求，即禁止授予用户收款权限。

进一步地，步骤S30包括：

步骤c，将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，判断所述入网分数所在区间。

当得到各个评分信息对应的评分分数后，将评分分数输入对应的评分模型中，得到入网请求对应的入网分数，判断入网分数所在区间，即将个体工商户和公司对应的评分分数输入其对应的评分模型中，将自然人商户对应的评分分数输入其对应的评分模型中。在本实施例中，预先将入网分数设置成不同的区间。如将81-100分设置为第一区间，将61-80分设置为第二区间，将31-60分设置为第三区间，将0-30分设置为第四区间。

步骤d，若所述入网分数在第一区间范围内，则执行所述入网请求。

若计算得到的入网分数为落在第一区间范围内，则执行该入网请求，授予用户通过微信、支付宝和/或银联收款的权限。如当入网分数为85分时，可确定入网分数在第一区间范围内。

步骤e，若所述入网分数在第二区间范围内，则采用人脸识别和验证码审核所述入网请求。

若计算得到的入网分数在第二区间范围内，则采用人脸识别和验证码审核入网请求。具体地，获取用户的人脸图像，将所获取的人脸图像与用户注册过程中所提交的人脸图像进行对比，若两者的人脸图像一致，则确定通过人脸识别的审核；若两者的人脸图像不一致，则确定未通过认人脸识别的审核。需要说明的是，若用户为个体工商户或公司，则所获取的人脸图像为法定代表人的人脸图像；若用户为自然人商户，则所获取的人脸图像为该自然人对应用户的人脸图像。具体地，可发送提示信息给用户所持终端，通知用户拍摄含有人脸图像的视频。当接收到该视频后，在视频中提取人脸图像。

采用验证码验证的过程为：发送验证码给用户所持的终端设备，以供用户在终端的评分模型对应APP的显示界面中输入该验证码。当用户所输入的验证码和所发送的验证码一致时，确定通过验证码审核；当用户所输入的验证码和所发送的验证码不一致时，确定未通过验证码审核。用户所持的终端设备可为智能手机、个人计算机等。

当确定用户通过人脸识别和验证码的审核后，执行该入网请求，授予用户通过微信、支付宝和/或银联收款的权限；当确定用户未通过人脸识别和/或验证码的审核后，禁止执行该入网请求，不授予用户通过微信、支付宝和/或银联收款的权限。

步骤f，若所述入网分数在第三区间范围内，则启动人工审核入网请求的审核流程。

若确定入网分数在第三区间范围内，则启动人工审核流程，由对应的工作人员审核该入网请求，得到人工审核结果。审核结果包括通过审核和未通过审核。当确定用户通过人工审核后，执行该入网请求，授予用户通过微信、支付宝和/或银联收款的权限；当确定用户未通过人工审核后，禁止执行该入网请求，不授予用户通过微信、支付宝和/或银联收款的权限。具体地，工作人员可在申请收款权限的入网设备的显示界面点击“通过”或者“未通过”对应的按钮触发对应的审核结果。

步骤g，若所述入网分数在第四区间范围内，则禁止执行所述入网请求。

若确定入网分数在第四区间范围内，则禁止执行该入网请求，即不授予用户通过微信、支付宝和/或银联收款的权限。

本实施例通过根据用户入网请求对应用户商户类型的不同，设置了不同的评分模型，通过评分模型和评分信息计算出入网分数，根据入网分数智能确定入网结果。提高了入网请求的审核效率，降低了用户等待时长，以及降低了入网方案合规的风险。

进一步地，提出本发明申请收款权限的入网方法第二实施例。

所述申请收款权限的入网方法第二实施例与所述申请收款权限的入网方法第一实施例的区别在于，参照图2，步骤S10包括：

步骤S11，当接收到申请收款权限对应的入网请求后，提取所述入网请求对应用户的证照信息，并检测所述证照信息的真实性。

当接收到申请收款权限对应的入网请求后，提取入网请求对应用户的证照信息，并检测证照信息的真实性。其中，公司和个体工商户对应的证照信息包括但不限于营业执照和法定代表人的身份证号码，自然人商户的证照信息包括但不限于身份证号码、姓名和银行卡号码。在本实施例中，可通过摄像头拍摄用户的证照信息或者由用户在web、APP端中输入对应的证照图片，以获取到用户的证照图片。在得到证照图片后，通过OCR(OpticalCharacter Recognition，光学字符识别)技术提取证照图片中的证照信息。若证照图片是公司的，该证照图片为营业执照图片，在营业执照中提取营业执照中的注册名称、统一社会信用代码、法定代表人姓名和注册号；若证照图片是个体工商户的，该证照图片为营业执照图片，在营业执照中提取营业执照中的统一社会信用代码、注册号、注册名称和经营者姓名；若是自然人商户的，证照图片为身份证图片和银行卡图片，在身份证图片中提取身份证号码和姓名；在银行卡图片中获取其银行卡号(此时，自然人商户的结算账户为对私账户)。

若用户为个体工商户和公司，则检测证照信息真实性的过程为：调用国家企业信用信息公示系统的查询接口，或者其他可以查询统一社会信用代码真实性的查询接口进行查询，将在营业执照中提取的统一社会信用代码、注册名称、法定代表人姓名或经营者姓名和注册号与所查询的到信息进行对比，若证照信息与调用查询接口所查询到的信息都一致，则确定证照信息是真实的，否则，确定证照信息是虚假的，生成拒绝入网的提示信息，并将该提示信息发送给用户，以提示用户。即当证照信息是真实时，在调用查询接口时，应查询到与证照信息中一致的统一社会信用代码、注册名称、法定代表人姓名或经营者姓名和注册号。

若用户为自然人商户，则检测身份证号码和姓名真实性的过程为：在公安系统中查询到该用户身份证号码和对应的姓名，若该身份证号码与证照信息中的身份证号码一致，所查询的姓名与证照信息中的姓名一致，则确定身份证为真实的。检测银行卡号真实性的过程为：调用对应银行系统的查询接口查询银行卡号，若在银行系统所查询的银行卡号与证照信息中的银行卡号一致，则确定该银行卡号为真实的；若在银行系统所查询的银行卡号与证照信息中的银行卡号不一致，则确定银行卡号为虚假的。若确定身份证号码、姓名和银行卡号为真实的，则确定证照信息为真实的；若确定身份证号码、姓名或银行卡号为虚假的，则确定证照信息为虚假的。

进一步地，为了提高检验自然人商户证照信息的准确率，进一步将在银行系统所查询的与银行卡号对应的身份证号码与证照信息中的身份证号码进行对比，若在银行系统所查询的身份证号码和银行卡号与证照信息中的身份证号码和银行卡号一致，则确定该银行卡号为真实的；若在银行系统所查询的身份证号码与证照信息中的身份证号码不一致，和/或在银行系统所查询的银行卡号与证照信息中的银行卡号不一致，则确定银行卡号为虚假的。

步骤S12，若检测到所述证照信息是真实的，则确定所述用户的商户类型。

若检测到证照信息是真实的，则确定用户的商户类型。

本实施例通过在接收到入网请求后，检测证照信息的真实性，只有当检测到证照信息是真实的，才确定用户的商户类型。提高了入网的安全性，进一步地降低了入网方案合规的风险。

进一步地，提出本发明申请收款权限的入网方法第三实施例。

所述申请收款权限的入网方法第三实施例与所述申请收款权限的入网方法第一或第二实施例的区别在于，参照图3，申请收款权限的入网方法还包括：

步骤S40，基于预设的入网分数和风险级别之间的映射关系，根据所述入网分数确定所述用户的风险级别，并根据所述风险级别确定所述用户入网后的使用权限。

当得到入网分数后，基于预先设置的入网分数和风险级别之间的映射关系，根据入网分数确定用户的风险级别，根据该风险级别确定用户入网后的使用权限。在本实施例中，预先存储不同入网分数对应的风险级别，即入网分数和风险级别之间存在映射关系，该映射关系可根据具体需要而设置。如可设置为：当入网分数为0-20分时，对应的风险级别为高风险；当入网分数为21-40分时，对应的风险级别为中高风险；当入网分数为41-60分时，对应的风险级别为中风险；当入网分数为61-80分时，对应的风险级别为中低风险；当入网分数为81-100分时，对应的风险级别为低风险。

在本实施例中，不同的风险级别对应着不同的使用权限，风险级别和使用权限之间的对应关系可根据具体需要而设置。如可设置为当风险级别为高风险时，每日的提款限额为小于或者等于5000元；当风险级别为中高风险时，每日的提款限额为小于或者等于10000元；当风险级别为中风险时，每日的提款限额为小于或者等于50000元；当风险级别为中低风险时，每日的提款限额为小于或者等于200000元；当风险级别为低风险时，不限制用户每日的提款限额。

进一步地，还可以设置不同风险级别对应不同的授信额度和不同的退款功能等。

本实施例根据入网分数确定用户的风险级别，根据风险级别确定用户入网后的使用权限，提高了提供入网服务机构的安全性。

进一步地，提出本发明申请收款权限的入网方法第四实施例。

所述申请收款权限的入网方法第四实施例与所述申请收款权限的入网方法第一、第二和/或第三实施例的区别在于，申请收款权限的入网方法还包括：

步骤h，若确定所述用户为自然人商户，则检测所述自然人商户对应的身份信息是否在预存的失信黑名单中。

若确定用户为自然人商户，则检测自然人商户对应的身份信息是否在预先存储的失信黑名单中。其中，自然人商户对应的身份信息包括但不限于用户的身份证号码和电话号码。失信黑名单可从法院官网中获取。

步骤i，若检测到所述身份信息在所述失信黑名单中，则禁止执行所述入网请求。

当检测到自然人商户对应的身份信息在失信黑名单中，则禁止执行该入网请求。在本实施例中，当身份证号码或电话号码其中一者在法院失信黑名单中时，确定身份信息在失信黑名单中。进一步地，若检测到身份信息未在法院失信黑名单中，则根据商户类型确定对应的评分模型。

本实施例通过在确定用户为自然人商户时，在检测到该用户的身份信息在预先存储的失信黑名单中时，直接禁止执行该入网请求，提高了入网的安全性，进一步地降低了入网方案合规的风险。

进一步地，提出本发明申请收款权限的入网方法第五实施例。

所述申请收款权限的入网方法第五实施例与所述申请收款权限的入网方法第一、第二、第三和/或第四实施例的区别在于，图4，步骤S30包括：

步骤S31，将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，并获取所述用户的设备指纹信息。

当得到评分分数后，将评分分数输入至对应的评分模型中，得到该入网请求对应的入网分数。当得到入网分数后，获取用户的设备指纹信息。其中，设备指纹信息包括但不限于用户所持终端设备关联的ID账号数量和在网时长。需要说明的是，设备为用户触发入网请求的终端设备。该设备关联的ID账号为QQ账号、微信账号和百度账号等在不同APP或者网站中注册的账号。在网时长为设备在预设时长内的在网时长，预设时长可根据具体需要而设置，如预设时长可设置为1天或者5天等。

步骤S32，根据所述设备指纹信息计算所述设备指纹分数，根据所述入网分数和所述设备指纹分数确定入网结果。

当得到设备指纹信息后，根据设备指纹信息计算设备指纹分数，当得到设备指纹分数后，确定设备指纹分数和入网分数对应的权重，根据所确定的权重与对应的设备指纹分数和入网分数计算得到一个结果分数，根据结果分数确定入网结果。

计算设备指纹分数的过程为：设备指纹信息分数＝F*ID账号分数+G*在网时长分数。在本实施例中，预先存储了设备关联的不同ID账号数量对应的ID账号分数，以及不同在网时长对应的在网时长分数。如当设备关联的ID账号数量小于或者等于3时，对应的ID账号分数为30分；当设备关联的ID账号数量大于3，小于或者等于8时，对应的ID账号分数为60分；当设备关联的ID账号数量大于8，小于或者等于15时，对应的ID账号分数为80分；当设备关联的ID账号数量大于15时，对应的ID账号分数为100分。F和G为ID账号分数和在网时长分数之间的比重，该比重可根据具体需要而设置，如可将F设置为0.6，G设置为0.4。

计算结果分数的过程为：结果分数＝a*设备指纹分数+b*入网分数。其中，a和b分别为设备指纹分数和入网分数对应的权重，该权重可根据具体需要而设置，如可将a设置为0.3，b可设置为0.7。

需要说明的是，当得到结果分数后，根据结果分数确定入网结果与根据入网分数确定入网结果的过程类似，在此不再赘述。

本实施例在确定入网结果过程中，增加了设备指纹信息作为参考因子，进一步了入网方案合规的风险。

此外，本发明还提供一种申请收款权限的入网装置。如图5所示，图5为本发明申请收款权限的入网装置较佳实施例的功能示意图模块图。

申请收款权限的入网装置包括：

确定模块10，用于当接收到申请收款权限对应的入网请求后，确定所述入网请求对应用户的商户类型；

所述确定模块10还用于根据所述商户类型确定对应的评分模型；

提取模块20，用于根据所述商户类型提取与所述入网请求对应的评分信息；

所述确定模块10还用于确定各个评分信息对应的评分分数；

输入模块30，用于将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，根据所述入网分数确定入网结果。

进一步地，确定模块10包括：

提取单元，用于当接收到申请收款权限对应的入网请求后，提取所述入网请求对应用户的证照信息；

检测单元，用于检测所述证照信息的真实性；

确定单元，用于若检测到所述证照信息是真实的，则确定所述用户的商户类型。

进一步地，所述确定模块10还用于基于预设的入网分数和风险级别之间的映射关系，根据所述入网分数确定所述用户的风险级别，并根据所述风险级别确定所述用户入网后的使用权限。

进一步地，所述输入模块30包括：

输入单元，用于将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数；

判断单元，用于判断所述入网分数所在区间；

执行单元，用于若所述入网分数在第一区间范围内，则执行所述入网请求；

采用单元，用于若所述入网分数在第二区间范围内，则采用人脸识别和验证码审核所述入网请求；

启动单元，用于若所述入网分数在第三区间范围内，则启动人工审核入网请求的审核流程；

禁止单元，用于若所述入网分数在第四区间范围内，则禁止执行所述入网请求。

进一步地，申请收款权限的入网装置还包括：

检测模块，用于若确定所述用户为自然人商户，则检测所述自然人商户对应的身份信息是否在预存的失信黑名单中；

禁止模块好，用于若检测到所述身份信息在所述失信黑名单中，则禁止执行所述入网请求。

进一步地，输入模块30还包括：

获取单元，用于获取所述用户的设备指纹信息；

计算单元，用于根据所述设备指纹信息计算所述设备指纹分数，根据所述入网分数和所述设备指纹分数确定入网结果。

进一步地，所述确定模块20还用于若所述用户为个体工商户或者公司，则确定评分模型为：注册资本分数*A+历史交易数据分数*B+经营场所所在地分数*C+所属行业分数*D+各渠道黑名单分数*E，其中，A、B、C、D和E对应为所述注册资本、所述历史交易数据、所述经营场所所在地、所述所属行业和所述各渠道黑名单在所述评分模型中的权重；若所述用户为自然人商户，则确定评分模型为：设备在网时长分数*H+学历背景分数*I+驾驶违章记录分数*G+银联黑名单分数*K，其中，H、I、J和K对应为所述设备在网时长、所述学历背景、所述驾驶违章记录和所述银联黑名单在所述评分模型中的权重。

需要说明的是，申请收款权限的入网装置的各个实施例与上述申请收款权限的入网方法的各实施例基本相同，在此不再详细赘述。

此外，本发明还提供一种申请收款权限的入网设备。如图6所示，图6是本发明实施例方案涉及的硬件运行环境的结构示意图。

需要说明的是，图6即可为申请收款权限的入网设备的硬件运行环境的结构示意图。本发明实施例申请收款权限的入网设备可以是PC，便携计算机等终端设备。

如图6所示，该申请收款权限的入网设备可以包括：处理器1001，例如CPU，存储器1005，用户接口1003，网络接口1004，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

可选地，申请收款权限的入网设备还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。

本领域技术人员可以理解，图6中示出的申请收款权限的入网设备结构并不构成对申请收款权限的入网设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图6所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及申请收款权限的入网程序。其中，操作系统是管理和控制申请收款权限的入网设备硬件和软件资源的程序，支持申请收款权限的入网程序以及其它软件或程序的运行。

在图6所示的申请收款权限的入网设备中，用户接口1003主要用于与用户触发入网请求的设备连接，进行数据交互；网络接口1004主要用于与后台服务器交互，进行通信；处理器1001可以用于调用存储器1005中存储的申请收款权限的入网程序，并执行如上所述的申请收款权限的入网方法的步骤。

本发明申请收款权限的入网设备具体实施方式与上述申请收款权限的入网方法各实施例基本相同，在此不再赘述。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有申请收款权限的入网程序，所述申请收款权限的入网程序被处理器执行时实现如上所述的申请收款权限的入网方法的步骤。

本发明计算机可读存储介质具体实施方式与上述申请收款权限的入网方法各实施例基本相同，在此不再赘述。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种申请收款权限的入网方法，其特征在于，所述申请收款权限的入网方法包括以下步骤：

当接收到申请收款权限对应的入网请求后，确定所述入网请求对应用户的商户类型；

根据所述商户类型确定对应的评分模型，以及根据所述商户类型提取与所述入网请求对应的评分信息，并确定各个评分信息对应的评分分数；

将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，根据所述入网分数确定入网结果。

2.如权利要求1所述的申请收款权限的入网方法，其特征在于，所述当接收到申请收款权限对应的入网请求后，确定所述入网请求对应用户的商户类型的步骤包括：

当接收到申请收款权限对应的入网请求后，提取所述入网请求对应用户的证照信息，并检测所述证照信息的真实性；

若检测到所述证照信息是真实的，则确定所述用户的商户类型。

3.如权利要求1所述的申请收款权限的入网方法，其特征在于，所述将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，根据所述入网分数确定入网结果的步骤之后，还包括：

基于预设的入网分数和风险级别之间的映射关系，根据所述入网分数确定所述用户的风险级别，并根据所述风险级别确定所述用户入网后的使用权限。

4.如权利要求1所述的申请收款权限的入网方法，其特征在于，所述将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，根据所述入网分数确定入网结果的步骤包括：

将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，判断所述入网分数所在区间；

若所述入网分数在第一区间范围内，则执行所述入网请求；

若所述入网分数在第二区间范围内，则采用人脸识别和验证码审核所述入网请求；

若所述入网分数在第三区间范围内，则启动人工审核入网请求的审核流程；

若所述入网分数在第四区间范围内，则禁止执行所述入网请求。

5.如权利要求1所述的申请收款权限的入网方法，其特征在于，所述当接收到申请收款权限对应的入网请求后，确定所述入网请求对应用户的商户类型的步骤之后，还包括：

若确定所述用户为自然人商户，则检测所述自然人商户对应的身份信息是否在预存的失信黑名单中；

若检测到所述身份信息在所述失信黑名单中，则禁止执行所述入网请求。

6.如权利要求1所述的申请收款权限的入网方法，其特征在于，若确定所述用户为个体工商户或者公司，则所述将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，根据所述入网分数确定入网结果的步骤包括：

将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，并获取所述用户的设备指纹信息；

根据所述设备指纹信息计算所述设备指纹分数，根据所述入网分数和所述设备指纹分数确定入网结果。

7.如权利要求1至6任一项所述的申请收款权限的入网方法，其特征在于，所述根据所述商户类型确定对应的评分模型的步骤包括：

若所述用户为个体工商户或者公司，则确定评分模型为：注册资本分数*A+历史交易数据分数*B+经营场所所在地分数*C+所属行业分数*D+各渠道黑名单分数*E，其中，A、B、C、D和E对应为所述注册资本、所述历史交易数据、所述经营场所所在地、所述所属行业和所述各渠道黑名单在所述评分模型中的权重；

若所述用户为自然人商户，则确定评分模型为：设备在网时长分数*H+学历背景分数*I+驾驶违章记录分数*G+银联黑名单分数*K，其中，H、I、J和K对应为所述设备在网时长、所述学历背景、所述驾驶违章记录和所述银联黑名单在所述评分模型中的权重。

8.一种申请收款权限的入网装置，其特征在于，所述申请收款权限的入网装置包括：

确定模块，用于当接收到申请收款权限对应的入网请求后，确定所述入网请求对应用户的商户类型；

所述确定模块还用于根据所述商户类型确定对应的评分模型；

提取模块，用于根据所述商户类型提取与所述入网请求对应的评分信息；

所述确定模块还用于确定各个评分信息对应的评分分数；

输入模块，用于将所述评分分数输入所述评分模型中，得到所述入网请求对应的入网分数，根据所述入网分数确定入网结果。

9.一种申请收款权限的入网设备，其特征在于，所述申请收款权限的入网设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的申请收款权限的入网程序，所述申请收款权限的入网程序被所述处理器执行时实现如权利要求1至7中任一项所述的申请收款权限的入网方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有申请收款权限的入网程序，所述申请收款权限的入网程序被处理器执行时实现如权利要求1至7中任一项所述的申请收款权限的入网方法的步骤。