CN109409641A - 风险评价方法、装置、计算机设备和存储介质 - Google Patents
风险评价方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109409641A CN109409641A CN201811020557.6A CN201811020557A CN109409641A CN 109409641 A CN109409641 A CN 109409641A CN 201811020557 A CN201811020557 A CN 201811020557A CN 109409641 A CN109409641 A CN 109409641A
- Authority
- CN
- China
- Prior art keywords
- score
- event
- evaluated
- weight
- risk
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000013210 evaluation model Methods 0.000 claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000012549 training Methods 0.000 claims abstract description 30
- 238000004590 computer program Methods 0.000 claims description 27
- 238000000605 extraction Methods 0.000 claims description 25
- 238000012502 risk assessment Methods 0.000 claims description 20
- 238000012795 verification Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 abstract description 40
- 239000000284 extract Substances 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 5
- 230000005484 gravity Effects 0.000 description 5
- 239000000203 mixture Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 206010070834 Sensitisation Diseases 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008313 sensitization Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002073 mitogenetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
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
- 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及信息安全领域中的安全防护，特别设计业务安全中的风险评估模型，也即涉及一种风险评价方法、装置、计算机设备和存储介质。方法包括：获取待评价事件，查询待评价事件所对应的评分规则，根据评分规则计算待评价事件的第一得分；采用训练得到的风险评估模型计算待评价事件的第二得分；获取与第一得分对应的第一权重以及与第二得分对应的第二权重；根据第一得分、第一权重、第二得分与第二权重计算待评价事件的最终得分；查询与最终得分对应的风险等级作为待评价事件的风险等级。采用本方法采用综合得分的方式确定待评价事件的风险等级，能够提高对待评价事件评价的准确性。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种风险评价方法、装置、计算机设备和存储介质。
背景技术
随着互联网使用的范围越来越广泛，用户越来越多的行为可以通过计算机实现，因此，对于一些企业来说，则需要对相应的事件进行风险评估。
传统地，对事件进行风险评估都需要人工按照经验进行评估，而按照经验评估，则需要人工对每一个待评价事件进行分析，而人工对待评价事件按照经验分析则经常会出现误判等情况，从而导致对待评价事件进行风险评估的准确性不高。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高风险评价的准确性的风险评价方法、装置、计算机设备和存储介质。
一种风险评价方法，所述方法包括：
获取待评价事件，查询所述待评价事件所对应的评分规则，根据所述评分规则计算所述待评价事件的第一得分；
采用训练得到的风险评估模型计算所述待评价事件的第二得分；
获取与所述第一得分对应的第一权重以及与所述第二得分对应的第二权重；
根据所述第一得分、所述第一权重、所述第二得分与所述第二权重计算所述待评价事件的最终得分；
查询与所述最终得分对应的风险等级作为所述待评价事件的风险等级。
在其中一个实施例中，所述查询所述待评价事件所对应的评分规则，根据所述评分逻辑计算所述待评价事件的第一得分，包括：
获取规则存储库；
从所述规则存储库中获取与所述待评价事件对应的评分规则的规则得分；
获取与所述规则得分对应的得分权重；
根据所述规则得分与所述得分权重计算得到第一得分。
在其中一个实施例中，所述采用训练得到的风险评估模型计算所述待评价事件的第二得分，包括：
获取与所述待评价事件对应的特征提取规则；
根据所述特征提取规则提取对应的特征值；
将所述特征值进行标准化处理得到标准化特征值；
将所述标准化特征值输入至训练得到的风险评估模型得到与所述待评价事件对应的第二得分。
在其中一个实施例中，所述第一权重与第二权重的生成方式，包括：
获取样本事件；
查询所述样本事件所对应的样本评分规则，根据所述样本评分规则计算所述样本事件的第一样本得分；
采用所述风险评估模型计算所述样本事件的第二样本得分；
获取所述样本事件的实际风险得分，并根据所述实际风险得分、第一样本得分与第二样本得分得到所述第一权重与所述第二权重。
在其中一个实施例中，所述根据所述第一得分、第一权重、第二得分与第二权重计算所述待评价事件的最终得分之后，还包括：
计算所述最终得分与所述第一得分的第一差值以及所述最终得分与所述第二得分的第二差值；
当所述第一差值与所述第二差值中至少一项超过查询预设值时，则对所述待评价事件添加查询标识；
根据添加了所述查询标识的所述待评价事件的所述最终得分生成验证提示信息，并输出所述验证提示信息。
在其中一个实施例中，所述查询与所述最终得分对应的风险等级作为所述待评价事件的风险等级之后，包括：
当所述风险等级大于预设等级时，则查询所述待评价事件对应的身份信息；
获取所述身份信息关联的已评价事件，并获取所述已评价事件对应的风险等级大于预设等级的事件数量；
当所述事件数量超过数量预设值时，则将所述身份信息存储至黑名单存储库。
一种风险评价装置，所述装置包括：
第一得分计算模块，用于获取待评价事件，查询所述待评价事件所对应的评分规则，根据所述评分规则计算所述待评价事件的第一得分；
第二得分计算模块，用于采用训练得到的风险评估模型计算所述待评价事件的第二得分；
权重获取模块，用于获取与所述第一得分对应的第一权重以及与所述第二得分对应的第二权重；
最终得分计算模块，用于根据所述第一得分、所述第一权重、所述第二得分与所述第二权重计算所述待评价事件的最终得分；
风险等级查询模块，用于查询与所述最终得分对应的风险等级作为所述待评价事件的风险等级。
在其中一个实施例中，所述第一得分计算模块包括：
规则存储库获取单元，用于获取规则存储库；
规则得分获取单元，用于从所述规则存储库中获取与所述待评价事件对应的评分规则的规则得分；
得分权重获取单元，用于获取与所述规则得分对应的得分权重；
第一得分计算单元，用于根据所述规则得分与所述得分权重计算得到第一得分。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
上述风险评价方法、装置、计算机设备和存储介质，并非是通过人工采用经验对待评价事件进行判断，而是先根据评分规则进行计算得到第一得分，采用训练得到的风险评估模型计算待评价事件的第二得分，进而根据第一得分所对应的第一权重，以及第二得分所对应的第二权重，计算得到最终得分，进而根据最终得分查询与最终得分所对应的风险等级，从而采用综合得分的方式确定待评价事件的风险等级，提高对待评价事件评价的准确性。
附图说明
图1为一个实施例中风险评价方法的应用场景图；
图2为一个实施例中风险评价方法的流程示意图；
图3为一个实施例中第一评分计算步骤的流程示意图；
图4为一个实施例中第二评分计算步骤的流程示意图；
图5为一个实施例中风险评价装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的风险评价方法，可以应用于如图1所示的应用环境中。其中，评价平台102通过网络与服务器104进行通信。评估平台102从服务器104获取到待评价事件，根据待评价事件查询到对应的待评价事件对应的评分规则，根据评分规则计算得到待评价事件的第一得分，进而采用训练得到的风险评估模型计算待评价事件的第二得分，并获取第一得分对应的第一权重，第二得分对应的第二权重，根据第一得分、第二得分、第一权重以及第二权重计算待评价时间的最终得分，并查询与最终得分对应的风险等级作为待评价事件的风险等级。其中，评价平台102可以用独立的服务器或者是多个服务器组成的服务器集群来实现，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种风险评价方法，以该方法应用于图1中的评估平台为例进行说明，包括以下步骤：
S202：获取待评价事件，查询待评价事件所对应的评分规则，根据评分规则计算待评价事件的第一得分。
具体地，待评价事件是指在企业的业务工作中需要评价风险等级的事件，根据得到的风险等级，从而判断事件是否需要进行拦截等操作，例如，待评价事件可以是信用卡还款，从而判断信用卡还卡是否为恶意卡还款，也即判断信用卡还款的风险等级从而判断是否为恶意卡还款，待评价事件也可以是判断网站用户是否恶意获取奖励等。评分规则是指对待评价事件进行风险评价时采用的对应评分逻辑，也即设置有不同的评分项，例如，在判断是否为恶意卡进行还款时，则评分规则可以是是否在敏感时间段进行还款，还款时的网络地址对应的省份与真实的网络地址对应的省份不匹配等。第一得分是指根据待评价事件命中的评分规则对应的得分，计算得到的待评价事件的风险评分。具体地，评价平台从服务器获取到待评价事件，根据待评价事件查询到对应的评分规则，根据获取到的评分规则，查询待评价事件所命中的评分规则对应的分数，根据对应的分数计算待评价事件的第一得分，其中查询待评价时间所对应的评分规则可以是根据待评价事件中的关键字，查询相应的评分规则从而作为待评价事件的评分规则。例如，评价平台从服务器获取到待评价事件是判断信用卡是否为恶意卡还款，且该待评价事件中包含有对应的待查询信息，如信用卡的还款事件、还款采用的网络地址等，进而根据关键字“信用卡还款”查询到对应的评分规则，进而查询待查询信息是否命中相应的评分规则，如还款时间为敏感时间，使用的网络地址所在的省份是否是真实的省份等，当待评价事件命中有相应的评分规则，则查询命中的评分规则所对应的得分，根据对应的得分即可计算第一得分。
S204：采用训练得到的风险评估模型计算待评价事件的第二得分。
具体地，风险评估模型是指根据风险评估的特征值进行训练，得到的可以直接计算待评价事件的风险得分的模型，也即风险评估模型是表示风险评估的特征值与第二得分之间的关系的模型。第二得分是指根据风险评估模型直接得到的风险评分。具体地，评价平台可以获取到训练完成的风险评估模型，将提取待评价事件中对应的特征值，将特征值输入到风险评估模型中，从而计算得到待评价事件的第二得分。例如，评价平台获取到的待评价事件为信用卡还款，从而对应的特征值可以是相应的还款时间，还款服务器的代码，还款使用网络的网络地址对应的标识等，从而将特征值输入到风险评估模型中，直接得到待评价事件的第二得分。
S206：获取与第一得分对应的第一权重以及与第二得分对应的第二权重。
具体地，第一权重是指在对待评价事件的评价过程中，得到的第一得分在计算最终得分从而得到风险等级时所占的比重。第二权重是指在对待评价事件的评价过程中，通过风险评估模型得到的第二得分在计算最终得分从而得到风险等级是所占的比重。当得到第一得分与第二得分时，则评价平台可以根据待评价事件的关键字，查询预存储的第一得分对应的权重，进而根据待评价事件的关键字，查询预存储的第二得分对应的权重，从而获取到预设的第一得分对应的第一权重以及第二得分对应的第二权重。
S208：根据第一得分、第一权重、第二得分与第二权重计算待评价事件的最终得分。
具体地，最终得分是指根据待评价事件的第一得分与第二得分，计算得到的最终风险评分，根据该最终风险评分即可得到待评价事件是否为风险等级大于预设等级的事件。当得到第一得分以及第二得分时，由于待评价事件的不同，则预设有不同的比重，从而将第一得分与第二得分按照不同的比重，计算最终得分，从而保证计算的最终得分准确，进而保证对待评价事件的风险等级评价准确。也即当得到第一得分以及第一得分对应的第一权重，得到第二得分以及第二得分对应的第二权重，则计算待评价事件的最终得分，也即可以是计算第一得分与第一权重的乘积作为第一乘积，进而计算第二得分与第二权重的乘积作为第二乘积，将第一乘积与第二乘积求和得到待评价事件的最终得分。
S210：查询与最终得分对应的风险等级作为待评价事件的风险等级。
具体地，风险等级可以评价事件是否具有风险，风险等级可以从低到高设置，如最低为1级，最高为3级，当待评价事件对应的级别从低到高时则表明该事件的风险等级从低到高，也即当风险等级为1时，则该事件为安全，当风险等级为2级时，则该事件为需要进行监控的事件，当风险等级为3时，则该事件为风险等级高的事件，且风险等级对应有不同的得分范围，根据待评价事件对应的得分，即可得到对应的风险等级。当服务器计算得到最终得分时，则获取到预存储的风险等级，从而根据最终得分得到待评价事件的风险等级，可以是，当服务器计算得到最终得分时，则查询预存储的风险等级，进而获取到风险等级对应的打分范围，查询最终得分的得分范围，进而得分范围所对应的风险等级即为待评价时间的风险等级。
本实施例中，并非通过人工采用经验对待评价事件进行判断，而是根据评分规则计算得到的第一得分以及风险评估模型计算得到的第二得分，以及不同得分的不同占比计算得到的最终得分，从而得到待评价事件的风险等级，从而提高对待评价事件评价的准确性。
在其中一个实施例中，请参见图3，提供一第一评分计算步骤的流程示意图，第一评分计算步骤，也即查询待评价事件所对应的评分规则，根据评分逻辑计算待评价事件的第一得分，包括：获取规则存储库；从规则存储库中获取与待评价事件对应的评分规则的规则得分；获取与规则得分对应的得分权重；根据规则得分与得分权重计算得到第一得分。
具体地，规则存储库是存储有对待评价事件进行评分的评分规则的数据库，且规则存储库中存储的评分规则有对应的分类字段，从而可以根据分类字段直接查询到待评价事件的评分规则。得分权重是指不同的评分规则所对应的比重。具体地，评价平台在计算第一得分时，则获取预存储在评价平台中的规则存储库，进而提取待评价事件中包含的关键字，根据待评价事件中包含的关键字，与规则存储库中存储的评分规则对应的分类字段进行匹配，当匹配成功时，则该分类字段对应的评分规则即可用于计算待评价事件的第一得分，进而评价平台查询待评价事件是否命中有相应的评分规则，进而提取命中的评分规则所对应的规则得分，进而查询到规则得分所对应的得分权重，计算规则得分与相应的得分权重的乘积，并将不同的规则得分以及不同的规则得分对应的得分权重的乘积进行求和，得到第一得分。
另外，在计算第一得分时，还可以是，获取规则存储库，从规则存储库中获取与待评价时间对应的评分规则的规则得分，查询待评价事件所命中的评分规则，进而获取评分规则所对应的规则得分，查询规则得分对应的得分权重，当未查询到规则得分对应的得分权重时，则查询待评价事件所命中的评分规则中的最高的规则得分，进而将最高的规则得分作为第一得分。
本实施例中，在计算第一得分时，是从规则存储库中获取到相应的规则，进而根据所对应的平分规则的规则得分以及得分权重进行计算得到第一得分，计算方式简单，且不同的规则得分对应有不同的权重，从而保证在第一得分中重要的评分规则所占比重高，保证计算第一得分的准确性。
在其中一个实施例中，请参见图4，提供一计算第二得分步骤的流程示意图，计算第二得分步骤，也即采用训练得到的风险评估模型计算所述待评价事件的第二得分，包括：获取与待评价事件对应的特征提取规则；根据特征提取规则提取对应的特征值；将特征值进行标准化处理得到标准化特征值；将标准化特征值输入至训练得到的风险评估模型得到与待评价事件对应的第二得分。
具体地，特征提取规则是指对不同的待评价事件进行风险评价时，用于将与待评价事件所对应的特征值进行提取的逻辑，也即是提取评价待评价事件中用于输入风险评估模型，从而得到第二得分所需的特征值的提取逻辑。具体地，评价平台查询待评价事件的关键字，根据待评价事件的关键字，查询到特征提取规则，进而评价平台根据特征值提取规则，将包含在待评价事件中的待评价所采用的需要将用于评价的特征值进行提取，也即将风险评估模型在计算第二得分时所需的特征值进行提取，评价平台提取到相应的特征值时，由于风险评估模型可能无法直接使用，则需要对提取到的特征值进行标准化处理，可以是对得到的特征值进行格式标准化处理，或对得到的特征值按照风险评估模型中所需的数据进行替换等，从而得到标准化特征值，当得到标准化特征值时，则将标准化特征值输入至训练得到的风险评估模型中，风险评估模型根据标准化特征值得到第二得分，该第二得分则为待评价事件的第二得分。
例如，待评价事件是个人贷款信用评估，则根据待评价事件的关键字为“个人贷款”，从而查询到特征提取规则为提取个人月收入、月花费或年龄等，进而根据特征提取规则，将特征进行提取，当提取到对应的特征时，查询不同的特征值是否为标准特征值，如月收入、月花费以及年龄是否为标准显示格式，以及月收入与月花费在采用风险评估模型进行计算第二得分时，需要采用整数信息进行替换，从而将提取得到的特征值进行标准化处理得到标准化特征值，也即得到标准化月收入、标准化月花费以及标准化年龄等，从而将得到的标准化特征值输入到经过训练得到的风险评估模型，得到第二得分。
本实施例中，风险评估模型的训练方式，可以包括，获取样本事件，且将样本事件分为训练事件与检测事件，进而从训练事件中提取到所需的特征值，为了方便训练，则将提取到的特征值进行标准化处理得到标准化特征值，将标准化特征值输入至初始风险评估模型输入相应的得分数据，其中，初始风险评估模型可以是逻辑回归模型，当得分数据与期望数据相同时，则将该初始评估模型作为待验证评估模型，进而将检测事件中的特征值进行提取，并进行标准化处理，将进行标准化处理得到的检测事件中的特征值输入到待验证评估模型进行校验，当检验完成时，则待验证评估模型作为风险评估模型。
本实施例中，在计算第二得分时，可以采用训练完成的风险评估模型进行计算，从而保证计算简单。
在其中一个实施例中，第一权重与第二权重的生成方式，包括：获取样本事件；查询样本事件所对应的样本评分规则，根据样本评分规则计算样本事件的第一样本得分；采用风险评估模型计算样本事件的第二样本得分；获取样本事件的实际风险得分，并根据实际风险得分、第一样本得分与第二样本得分得到第一权重与第二权重。
具体地，样本事件是指在训练风险评估模型以及计算第一权重、第二权重时采用的已有风险得分的事件，且样本事件中可以包含有风险得分较高的事件，也即包含风险较高的事件，还可以包含有风险得分较低的事件，也即包含风险较低的事件。样本评分规则是指计算样本事件的第一样本得分时采用的评分逻辑，也即设置有不同的评分项从而对样本事件进行打分。实际风险得分是指样本事件对应的实际风险得分，也即时标准评分值。具体地，在生成第一权重与第二权重时，评价平台可以获取到样本事件，由于为了保证得到的第一权重与第二权重可以准确使用，获取的样本事件中既包括风险等级高的事件，又包括风险等级低的事件，评价平台根据样本事件中包含的关键则，查询到对应的样本评分规则，进而根据不同的样本事件获取到的样本评分规则计算第一样本得分，也即分别查询不同的样本事件命中的样本评分规则，进而查询命中的样本评分规则对应的得分，获取到不同的得分所对应的样本得分权重，采用命中的样本评分规则对应的得分与样本得分权重计算乘积，将计算的不同乘积求和，从而将该求和值作为第一样本得分，进而分别查询不同的样本事件所对应的样本特征值提取规则，根据特征值提取规则将样本事件中包含的可以用于计算第二样本得分的特征值进行提取，进而将提取出的用于计算第二样本得分的特征值进行标准化处理，将进行了标准化处理的用于计算第二样本得分的特征值输入至风险评估模型中，从而计算得到第二样本得分，评价平台进而获取到不同的样本事件所对应的实际风险得分，采用第一样本得分、第二样本得分以及实际风险得分进行计算，得到第一权重与第二权重，也即在计算的过程中，可以是，采用训练完成的权重评估模型，如相应的现行回归模型，层次分析算法等计算得到第一权重和第二权重。
本实施例中，在计算第一权重与第二权重时，可以根据样本事件的第一样本得分、第二样本得分以及实际风险得分进行计算，从而得到第一权重与第二权重，保证得到的第一权重与第二权重的准确性。
在其中一个实施例中，所述根据所述第一得分、第一权重、第二得分与第二权重计算所述待评价事件的最终得分之后，还包括：计算所述最终得分与所述第一得分的第一差值以及所述最终得分与所述第二得分的第二差值；当所述第一差值与所述第二差值中至少一项超过查询预设值时，则对所述待评价事件添加查询标识；根据添加了所述查询标识的所述待评价事件的所述最终得分生成验证提示信息，并输出所述验证提示信息。
具体地，查询预设值是指评判得到的最终得分是否合理的阈值，也即当最终得分与第一得分的差值，或者最终得分与第二得分的差值任一项差值超过查询预设值时，则此时需要对最终得分进行进一步验证。查询标识是指需要对待评价事件的最终得分进行进一步验证的标志。验证提示信息是指评价平台输出的对待评价时间的最终得分进一步验证的提示信息，该提示信息可以是文字信息，如，“最终得分可能出现偏差，请人工验证”等。具体地，在评价平台得到待评价事件的最终得分时，可以对最终得分进行验证，也即可以验证最终得分是否与第一得分或第二得分相差较大，当相差较大时，则为了避免直接采用最终得分而出现对待评价事件的风险等级进行的误判，则可以输出相应的提示信息，从而用户可以根据相应的提示信息进行进一步验证。也即评价平台计算第一得分与最终得分的第一差值，进而计算第二得分与最终得分的第二差值，并获取到查询预设值，评价平台分别比较第一差值与查询预设值，以及第二差值与查询预设值，当任意一项超过查询预设值时，则此时最终评分与对应的得分相差较大，则对待评价事件添加有查询标识，进而评价平台根据添加了查询标识的待评价事件，生成对添加了查询标识的待评价事件的最终得分进行验证的验证提示信息，并将该验证提示信息进行输出，用户查看到该提示信息，可以对最终得分进行人工核查，且还可以对计算第一得分的评分规则核查，计算第二得分的风险评估模型进行核查，以及第一权重与第二权重进行核查等。
本实施例中，当评价平台得到最终得分时，需要验证最终得分是否可以直接采用，也即需要验证是否与第一得分以及第二得分的偏差过大，当过大时，则输出相应的验证提示信息，保证得到的最终得分可以准确得到待评价事件的风险等级。
在其中一个实施例中，所述查询与所述最终得分对应的风险等级作为所述待评价事件的风险等级之后，包括：当所述风险等级大于预设等级时，则查询所述待评价事件对应的身份信息；获取所述身份信息关联的已评价事件，并获取所述已评价事件对应的风险等级大于预设等级的事件数量；当所述事件数量超过数量预设值时，则将所述身份信息存储至黑名单存储库。
具体地，身份信息是指包含在待评价事件中涉及的用户的详细信息，身份信息可以是用户对应的姓名、身份证号码、联系方式等。黑名单存储库是指存储有可疑身份信息，也即存储的身份信息所对应的用户无法发起其他的事件。具体地，当评价平台查询到待评价事件为风险等级高的事件，也即当前的风险事件为需要拦截的事件时，则可以查询关联的身份信息是否有其他的风险等级高的事件，当具有其他的风险等级高的事件，则查询具有其他风险等级高的事件的数量，当该数量超过数量预设值时在，则该用户多次发起风险等级高的事件，则将该用户的身份信息存储至黑名单存储库。也即评价平台当根据待评价事件对应的最终得分获取到的风险等级大于预设等级时，则当前待评价事件为风险等级高的事件，进而查询到该待评价事件中包含的身份信息，采用该身份信息进行匹配不同的已评价事件中的身份信息，查询所有的匹配成功的已评价事件所对应的风险等级，当匹配成功的已评价事件所对应的风险等级高于预设等级时，则对该已评价事件添加统计标记，进而统计所有的添加统计标记的已评价事件的事件数量，并将事件数量与数量预设值进行比较，当事件数量超过数量预设值时，则该身份信息为可疑身份信息，也即该身份信息多次发起风险等级大于预设等级的事件，则将该身份信息添加至黑名单存储库，从而禁止该身份信息对应的用户发起不同的事件。
本实施例中，采用待评价事件为风险等级大于预设等级的事件中的身份信息查询不同的已评价事件，进而判断已评价事件中风险等级大于预设等级的事件，并统计已评价事件中风险等级大于预设等级的事件的数量，当数量超过数量预设值时，则将该身份信息存储至黑名单存储库，则该身份信息无法继续发起相应的事件，从而提高安全性。
应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种风险评价装置500，包括：第一得分计算模块510、第二得分计算模块520、权重获取模块530、最终得分计算模块540和风险等级查询模块550，其中：
第一得分计算模块510，用于获取待评价事件，查询待评价事件所对应的评分规则，根据评分规则计算待评价事件的第一得分。
第二得分计算模块520，用于采用训练得到的风险评估模型计算待评价事件的第二得分。
权重获取模块530，用于获取与第一得分对应的第一权重以及与第二得分对应的第二权重。
最终得分计算模块540，用于根据第一得分、第一权重、第二得分与第二权重计算待评价事件的最终得分。
风险等级查询模块550，用于查询与最终得分对应的风险等级作为待评价事件的风险等级。
在其中一个实施例中，第一得分计算模块510，包括：
规则存储库获取单元，用于获取规则存储库。
规则得分获取单元，用于从规则存储库中获取与待评价事件对应的评分规则的规则得分。
得分权重获取单元，用于获取与规则得分对应的得分权重。
第一得分计算单元，用于根据规则得分与得分权重计算得到第一得分。
在其中一个实施例中，第二得分计算模块520，包括：
特征提取规则获取单元，用于获取与待评价事件对应的特征提取规则。
特征值提取单元，用于根据特征提取规则提取对应的特征值。
处理单元，用于将特征值进行标准化处理得到标准化特征值。
输入单元，用于将标准化特征值输入至训练得到的风险评估模型得到与待评价事件对应的第二得分。
在其中一个实施例中，风险评价装置400，可以包括：
样本事件获取模块，用于获取样本事件。
第一样本得分计算模块，用于查询样本事件所对应的样本评分规则，根据样本评分规则计算样本事件的第一样本得分。
第二样本得分计算模块，用于采用风险评估模型计算样本事件的第二样本得分。
权重生成模块，用于获取样本事件的实际风险得分，并根据实际风险得分、第一样本得分与第二样本得分得到第一权重与第二权重。
在其中一个实施例中，风险评价装置400，还可以包括：
差值计算模块，用于计算最终得分与第一得分的第一差值以及最终得分与第二得分的第二差值。
添加模块，用于当第一差值与第二差值中至少一项超过查询预设值时，则对待评价事件添加查询标识。
验证提示信息输出模块，用于根据添加了查询标识的待评价事件的最终得分生成验证提示信息，并输出验证提示信息。
在其中一个实施例中，风险等级查询模块，可以包括：
身份信息查询单元，用于当风险等级大于预设等级时，则查询待评价事件对应的身份信息。
事件数量获取单元，用于获取身份信息关联的已评价事件，并获取已评价事件对应的风险等级大于预设等级的事件数量。
存储单元，用于当事件数量超过数量预设值时，则将身份信息存储至黑名单存储库。
关于风险评价装置的具体限定可以参见上文中对于风险评价方法的限定，在此不再赘述。上述风险评价装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储风险评价数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种风险评价方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取待评价事件，查询待评价事件所对应的评分规则，根据评分规则计算待评价事件的第一得分。采用训练得到的风险评估模型计算待评价事件的第二得分。获取与第一得分对应的第一权重以及与第二得分对应的第二权重。根据第一得分、第一权重、第二得分与第二权重计算待评价事件的最终得分。查询与最终得分对应的风险等级作为待评价事件的风险等级。
在其中一个实施例中，处理器执行计算机程序时实现查询待评价事件所对应的评分规则，根据评分逻辑计算待评价事件的第一得分，包括：获取规则存储库。从规则存储库中获取与待评价事件对应的评分规则的规则得分。获取与规则得分对应的得分权重。根据规则得分与得分权重计算得到第一得分。
在其中一个实施例中，处理器执行计算机程序时实现采用训练得到的风险评估模型计算待评价事件的第二得分，包括：获取与待评价事件对应的特征提取规则。根据特征提取规则提取对应的特征值。将特征值进行标准化处理得到标准化特征值。将标准化特征值输入至训练得到的风险评估模型得到与待评价事件对应的第二得分。
在其中一个实施例中，处理器执行计算机程序时实现第一权重与第二权重的生成方式，包括：获取样本事件。查询样本事件所对应的样本评分规则，根据样本评分规则计算样本事件的第一样本得分。采用风险评估模型计算样本事件的第二样本得分。获取样本事件的实际风险得分，并根据实际风险得分、第一样本得分与第二样本得分得到第一权重与第二权重。
在其中一个实施例中，处理器执行计算机程序时实现根据第一得分、第一权重、第二得分与第二权重计算待评价事件的最终得分之后，还包括：计算最终得分与第一得分的第一差值以及最终得分与第二得分的第二差值。当第一差值与第二差值中至少一项超过查询预设值时，则对待评价事件添加查询标识。根据添加了查询标识的待评价事件的最终得分生成验证提示信息，并输出验证提示信息。
在其中一个实施例中，处理器执行计算机程序时实现查询与最终得分对应的风险等级作为待评价事件的风险等级之后，包括：当风险等级大于预设等级时，则查询待评价事件对应的身份信息。获取身份信息关联的已评价事件，并获取已评价事件对应的风险等级大于预设等级的事件数量。当事件数量超过数量预设值时，则将身份信息存储至黑名单存储库。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取待评价事件，查询待评价事件所对应的评分规则，根据评分规则计算待评价事件的第一得分。采用训练得到的风险评估模型计算待评价事件的第二得分。获取与第一得分对应的第一权重以及与第二得分对应的第二权重。根据第一得分、第一权重、第二得分与第二权重计算待评价事件的最终得分。查询与最终得分对应的风险等级作为待评价事件的风险等级。
在其中一个实施例中，计算机程序被处理器执行时实现查询待评价事件所对应的评分规则，根据评分逻辑计算待评价事件的第一得分，包括：获取规则存储库。从规则存储库中获取与待评价事件对应的评分规则的规则得分。获取与规则得分对应的得分权重。根据规则得分与得分权重计算得到第一得分。
在其中一个实施例中，计算机程序被处理器执行时实现采用训练得到的风险评估模型计算待评价事件的第二得分，包括：获取与待评价事件对应的特征提取规则。根据特征提取规则提取对应的特征值。将特征值进行标准化处理得到标准化特征值。将标准化特征值输入至训练得到的风险评估模型得到与待评价事件对应的第二得分。
在其中一个实施例中，计算机程序被处理器执行时实现第一权重与第二权重的生成方式，包括：获取样本事件。查询样本事件所对应的样本评分规则，根据样本评分规则计算样本事件的第一样本得分。采用风险评估模型计算样本事件的第二样本得分。获取样本事件的实际风险得分，并根据实际风险得分、第一样本得分与第二样本得分得到第一权重与第二权重。
在其中一个实施例中，计算机程序被处理器执行时实现根据第一得分、第一权重、第二得分与第二权重计算待评价事件的最终得分之后，还包括：计算最终得分与第一得分的第一差值以及最终得分与第二得分的第二差值。当第一差值与第二差值中至少一项超过查询预设值时，则对待评价事件添加查询标识。根据添加了查询标识的待评价事件的最终得分生成验证提示信息，并输出验证提示信息。
在其中一个实施例中，计算机程序被处理器执行时实现查询与最终得分对应的风险等级作为待评价事件的风险等级之后，包括：当风险等级大于预设等级时，则查询待评价事件对应的身份信息。获取身份信息关联的已评价事件，并获取已评价事件对应的风险等级大于预设等级的事件数量。当事件数量超过数量预设值时，则将身份信息存储至黑名单存储库。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种风险评价方法，所述方法包括：
获取待评价事件，查询所述待评价事件所对应的评分规则，根据所述评分规则计算所述待评价事件的第一得分；
采用训练得到的风险评估模型计算所述待评价事件的第二得分；
获取与所述第一得分对应的第一权重以及与所述第二得分对应的第二权重；
根据所述第一得分、所述第一权重、所述第二得分与所述第二权重计算所述待评价事件的最终得分；
查询与所述最终得分对应的风险等级作为所述待评价事件的风险等级。
2.根据权利要求1所述的方法，其特征在于，所述查询所述待评价事件所对应的评分规则，根据所述评分逻辑计算所述待评价事件的第一得分，包括：
获取规则存储库；
从所述规则存储库中获取与所述待评价事件对应的评分规则的规则得分；
获取与所述规则得分对应的得分权重；
根据所述规则得分与所述得分权重计算得到第一得分。
3.根据权利要求1所述的方法，其特征在于，所述采用训练得到的风险评估模型计算所述待评价事件的第二得分，包括：
获取与所述待评价事件对应的特征提取规则；
根据所述特征提取规则提取对应的特征值；
将所述特征值进行标准化处理得到标准化特征值；
将所述标准化特征值输入至训练得到的风险评估模型得到与所述待评价事件对应的第二得分。
4.根据权利要求1所述的方法，其特征在于，所述第一权重与第二权重的生成方式，包括：
获取样本事件；
查询所述样本事件所对应的样本评分规则，根据所述样本评分规则计算所述样本事件的第一样本得分；
采用所述风险评估模型计算所述样本事件的第二样本得分；
获取所述样本事件的实际风险得分，并根据所述实际风险得分、第一样本得分与第二样本得分得到所述第一权重与所述第二权重。
5.根据权利按要求1所述的方法，其特征在于，所述根据所述第一得分、第一权重、第二得分与第二权重计算所述待评价事件的最终得分之后，还包括：
计算所述最终得分与所述第一得分的第一差值以及所述最终得分与所述第二得分的第二差值；
当所述第一差值与所述第二差值中至少一项超过查询预设值时，则对所述待评价事件添加查询标识；
根据添加了所述查询标识的所述待评价事件的所述最终得分生成验证提示信息，并输出所述验证提示信息。
6.根据权利要求1所述的方法，其特征在于，所述查询与所述最终得分对应的风险等级作为所述待评价事件的风险等级之后，包括：
当所述风险等级大于预设等级时，则查询所述待评价事件对应的身份信息；
获取所述身份信息关联的已评价事件，并获取所述已评价事件对应的风险等级大于预设等级的事件数量；
当所述事件数量超过数量预设值时，则将所述身份信息存储至黑名单存储库。
7.一种风险评价装置，其特征在于，所述装置包括：
第一得分计算模块，用于获取待评价事件，查询所述待评价事件所对应的评分规则，根据所述评分规则计算所述待评价事件的第一得分；
第二得分计算模块，用于采用训练得到的风险评估模型计算所述待评价事件的第二得分；
权重获取模块，用于获取与所述第一得分对应的第一权重以及与所述第二得分对应的第二权重；
最终得分计算模块，用于根据所述第一得分、所述第一权重、所述第二得分与所述第二权重计算所述待评价事件的最终得分；
风险等级查询模块，用于查询与所述最终得分对应的风险等级作为所述待评价事件的风险等级。
8.根据权利要求7所述的装置，其特征在于，所述第一得分计算模块包括：
规则存储库获取单元，用于获取规则存储库；
规则得分获取单元，用于从所述规则存储库中获取与所述待评价事件对应的评分规则的规则得分；
得分权重获取单元，用于获取与所述规则得分对应的得分权重；
第一得分计算单元，用于根据所述规则得分与所述得分权重计算得到第一得分。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811020557.6A CN109409641A (zh) | 2018-09-03 | 2018-09-03 | 风险评价方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811020557.6A CN109409641A (zh) | 2018-09-03 | 2018-09-03 | 风险评价方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109409641A true CN109409641A (zh) | 2019-03-01 |
Family
ID=65463921
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811020557.6A Pending CN109409641A (zh) | 2018-09-03 | 2018-09-03 | 风险评价方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109409641A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109873836A (zh) * | 2019-03-29 | 2019-06-11 | 上海上湖信息技术有限公司 | 一种数据的风险评估方法及装置 |
| CN110020531A (zh) * | 2019-03-20 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 物联网设备风险检测方法及装置 |
| CN110084468A (zh) * | 2019-03-14 | 2019-08-02 | 阿里巴巴集团控股有限公司 | 一种风险识别方法及装置 |
| CN110189000A (zh) * | 2019-05-16 | 2019-08-30 | 北京字节跳动网络技术有限公司 | 一种评分统一方法、装置及存储介质 |
| CN110443441A (zh) * | 2019-06-20 | 2019-11-12 | 中国平安财产保险股份有限公司 | 规则效能监测方法、装置、计算机设备及存储介质 |
| CN110955395A (zh) * | 2019-12-17 | 2020-04-03 | 珠海格力电器股份有限公司 | 打印系统的风险评估方法、装置及存储介质 |
| CN111626881A (zh) * | 2020-05-28 | 2020-09-04 | 泰康保险集团股份有限公司 | 年金组合风险管理系统、方法、服务器及存储介质 |
| CN111866284A (zh) * | 2019-05-09 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种用户请求响应处理方法及装置 |
| CN111967744A (zh) * | 2020-08-05 | 2020-11-20 | 广东卓维网络有限公司 | 一种法律事务管理系统 |
| CN112613756A (zh) * | 2020-12-25 | 2021-04-06 | 北京知因智慧科技有限公司 | 一种异常企业的检测方法、检测装置及电子设备 |
| CN112749742A (zh) * | 2020-12-30 | 2021-05-04 | 北京知因智慧科技有限公司 | 源发风险分值的量化方法、量化装置及电子设备 |
| CN112800437A (zh) * | 2021-04-08 | 2021-05-14 | 国家信息中心 | 信息安全风险评价系统 |
| CN113506173A (zh) * | 2021-08-06 | 2021-10-15 | 国网电子商务有限公司 | 一种信用风险评估方法及其相关设备 |
| CN117390602A (zh) * | 2023-12-11 | 2024-01-12 | 深圳市瑞迅通信息技术有限公司 | 一种信息安全风险评价方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106408423A (zh) * | 2016-11-25 | 2017-02-15 | 泰康保险集团股份有限公司 | 用于风险评估的方法、系统及构建风险评估系统的方法 |
| CN107871203A (zh) * | 2017-09-30 | 2018-04-03 | 平安科技（深圳）有限公司 | 业务员行为风险甄别管理方法、应用服务器及计算机可读存储介质 |
| CN107886430A (zh) * | 2017-11-29 | 2018-04-06 | 南京甄视智能科技有限公司 | 贷后风险控制方法和系统 |
-
2018
- 2018-09-03 CN CN201811020557.6A patent/CN109409641A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106408423A (zh) * | 2016-11-25 | 2017-02-15 | 泰康保险集团股份有限公司 | 用于风险评估的方法、系统及构建风险评估系统的方法 |
| CN107871203A (zh) * | 2017-09-30 | 2018-04-03 | 平安科技（深圳）有限公司 | 业务员行为风险甄别管理方法、应用服务器及计算机可读存储介质 |
| CN107886430A (zh) * | 2017-11-29 | 2018-04-06 | 南京甄视智能科技有限公司 | 贷后风险控制方法和系统 |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110084468A (zh) * | 2019-03-14 | 2019-08-02 | 阿里巴巴集团控股有限公司 | 一种风险识别方法及装置 |
| CN110020531A (zh) * | 2019-03-20 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 物联网设备风险检测方法及装置 |
| CN109873836A (zh) * | 2019-03-29 | 2019-06-11 | 上海上湖信息技术有限公司 | 一种数据的风险评估方法及装置 |
| CN111866284B (zh) * | 2019-05-09 | 2021-08-10 | 北京嘀嘀无限科技发展有限公司 | 一种用户请求响应处理方法及装置 |
| CN111866284A (zh) * | 2019-05-09 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种用户请求响应处理方法及装置 |
| CN110189000A (zh) * | 2019-05-16 | 2019-08-30 | 北京字节跳动网络技术有限公司 | 一种评分统一方法、装置及存储介质 |
| CN110189000B (zh) * | 2019-05-16 | 2022-05-31 | 北京字节跳动网络技术有限公司 | 一种评分统一方法、装置及存储介质 |
| CN110443441A (zh) * | 2019-06-20 | 2019-11-12 | 中国平安财产保险股份有限公司 | 规则效能监测方法、装置、计算机设备及存储介质 |
| CN110443441B (zh) * | 2019-06-20 | 2023-08-22 | 中国平安财产保险股份有限公司 | 规则效能监测方法、装置、计算机设备及存储介质 |
| CN110955395A (zh) * | 2019-12-17 | 2020-04-03 | 珠海格力电器股份有限公司 | 打印系统的风险评估方法、装置及存储介质 |
| CN111626881A (zh) * | 2020-05-28 | 2020-09-04 | 泰康保险集团股份有限公司 | 年金组合风险管理系统、方法、服务器及存储介质 |
| CN111967744A (zh) * | 2020-08-05 | 2020-11-20 | 广东卓维网络有限公司 | 一种法律事务管理系统 |
| CN112613756A (zh) * | 2020-12-25 | 2021-04-06 | 北京知因智慧科技有限公司 | 一种异常企业的检测方法、检测装置及电子设备 |
| CN112613756B (zh) * | 2020-12-25 | 2024-04-02 | 北京知因智慧科技有限公司 | 一种异常企业的检测方法、检测装置及电子设备 |
| CN112749742A (zh) * | 2020-12-30 | 2021-05-04 | 北京知因智慧科技有限公司 | 源发风险分值的量化方法、量化装置及电子设备 |
| CN112800437A (zh) * | 2021-04-08 | 2021-05-14 | 国家信息中心 | 信息安全风险评价系统 |
| CN112800437B (zh) * | 2021-04-08 | 2021-07-27 | 国家信息中心 | 信息安全风险评价系统 |
| CN113506173A (zh) * | 2021-08-06 | 2021-10-15 | 国网电子商务有限公司 | 一种信用风险评估方法及其相关设备 |
| CN117390602A (zh) * | 2023-12-11 | 2024-01-12 | 深圳市瑞迅通信息技术有限公司 | 一种信息安全风险评价方法及系统 |
| CN117390602B (zh) * | 2023-12-11 | 2024-03-29 | 深圳市瑞迅通信息技术有限公司 | 一种信息安全风险评价方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109409641A (zh) | 风险评价方法、装置、计算机设备和存储介质 | |
| CN109829776B (zh) | 商户风险评估方法、装置、计算机设备和存储介质 | |
| CN109740869A (zh) | 数据审核方法、装置、计算机设备和存储介质 | |
| CN109636607A (zh) | 基于模型部署的业务数据处理方法、装置和计算机设备 | |
| US20200090268A1 (en) | Method and apparatus for determining level of risk of user, and computer device | |
| CN108717638A (zh) | 欺诈交易判断方法、装置、计算机设备和存储介质 | |
| CN109508903A (zh) | 风险评估方法、装置、计算机设备和存储介质 | |
| CN107423613A (zh) | 依据相似度确定设备指纹的方法、装置及服务器 | |
| CN109785116A (zh) | 资信审核方法、装置、计算机设备及存储介质 | |
| US20140181007A1 (en) | Trademark reservation system | |
| CN111160783B (zh) | 数字资产价值的评价方法、系统及电子设备 | |
| CN109509087A (zh) | 智能化的贷款审核方法、装置、设备及介质 | |
| CN110737818A (zh) | 网络发布数据处理方法、装置、计算机设备和存储介质 | |
| CN108876105A (zh) | 一种交易风险控制方法及装置 | |
| CN109840680A (zh) | 业务请求处理方法、装置、计算机设备和存储介质 | |
| CN113468520A (zh) | 应用于区块链业务的数据入侵检测方法及大数据服务器 | |
| CN108959507A (zh) | 合同审阅方法及设备、计算机可读存储介质 | |
| CN112529575A (zh) | 风险预警方法、设备、存储介质及装置 | |
| CN112990989B (zh) | 价值预测模型输入数据生成方法、装置、设备和介质 | |
| CN108038667B (zh) | 保单生成方法、装置及设备 | |
| CN112598326A (zh) | 模型迭代方法、装置、电子设备及存储介质 | |
| CN116957828A (zh) | 报账审核方法、设备、存储介质及装置 | |
| CN116955148A (zh) | 业务系统测试方法、装置、设备、存储介质及产品 | |
| CN110570301B (zh) | 风险识别方法、装置、设备及介质 | |
| CN113254352A (zh) | 测试案例的测试方法、装置、设备及存储介质 |
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 |