CN109446772A - 授信额度计算方法、装置、计算机设备和存储介质 - Google Patents

授信额度计算方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN109446772A
CN109446772A CN201811021104.5A CN201811021104A CN109446772A CN 109446772 A CN109446772 A CN 109446772A CN 201811021104 A CN201811021104 A CN 201811021104A CN 109446772 A CN109446772 A CN 109446772A
Authority
CN
China
Prior art keywords
information
user
head portrait
terminal
vivo identification
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
Application number
CN201811021104.5A
Other languages
English (en)
Inventor
刘伟
陈琳
林少杰
吴玄关
周洪
吕昊晨
郭健
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.)
Ping An International Financial Leasing Co Ltd
Original Assignee
Ping An International Financial Leasing Co Ltd
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 Ping An International Financial Leasing Co Ltd filed Critical Ping An International Financial Leasing Co Ltd
Priority to CN201811021104.5A priority Critical patent/CN109446772A/zh
Publication of CN109446772A publication Critical patent/CN109446772A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2149—Restricted operating environment

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请涉及数据分析领域，尤其是涉及一种授信额度计算方法、装置、计算机设备和存储介质，包括：接收终端发送的授信额度计算请求，其携带有用户基本信息；根据用户基本信息判断用户是否为欺诈用户，若否，向终端发送活体识别指令，接收终端返回的与活体识别指令对应的活体识别信息；根据活体识别信息判断活体识别是否通过，若是，则从活体识别信息中提取第一头像，从数据库中获取第二头像，将第一头像与第二头像进行匹配；当匹配成功时，则向终端发送绑卡指令和信息完善指令，并接收终端返回的与绑卡指定对应的绑卡信息及与信息完善指令对应的补充信息；根据用户基本信息、绑卡信息以及补充信息生成授信额度，并将授信额度返回至终端。采用本方法能够提高授信额度准确性。

Description

授信额度计算方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种授信额度计算方法、装置、计算机设备和存储介质。
背景技术
随着智能终端的发展和网络应用的开发，用户通过终端上安装的各种应用客户端可以对各种网络应用进行访问，例如，社交类即时通信应用，购物类应用等。在访问过程中，往往需要对用户进行身份认证，以便在身份认证后，给出相关授信额度等。
传统技术中，一般在用户填写个人信息后，服务器会根据用户填写的个人信息给出授信额度，但是由于个人信息的真实性存在问题，因此会导致授信额度存在问题，从而给公司带来损失。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高授信额度准确性的授信额度计算方法、装置、计算机设备和存储介质。
一种授信额度计算方法，所述方法包括：
接收终端发送的授信额度计算请求，所述授信额度计算请求携带有用户基本信息；
根据所述用户基本信息判断用户是否为欺诈用户，若否，则向终端发送活体识别指令，并接收终端返回的与所述活体识别指令对应的活体识别信息；
根据所述活体识别信息判断活体识别是否通过，若是，则从所述活体识别信息中提取第一头像，并从数据库中获取预存的第二头像，将所述第一头像与所述第二头像进行匹配；
当所述第一头像与所述第二头像相匹配时，则向所述终端发送绑卡指令和信息完善指令，并接收所述终端返回的与所述绑卡指定对应的绑卡信息以及与所述信息完善指令对应的补充信息；
根据所述用户基本信息、所述绑卡信息以及所述补充信息生成授信额度，并将所述授信额度返回至所述终端。
在其中一个实施例中，所述从所述活体识别信息中提取第一头像，将所述第一头像与所述第二头像进行匹配，包括：
从所述活体识别信息中提取所占面积为第一面积的第一头像以及所占面积为第二面积的第三头像，所述第一面积大于所述第二面积；
从所述活体识别信息中提取身份证核发时间，并计算所述核发时间与当前系统时间的差值；
当所述差值大于预设值时，则降低匹配阈值；
将所述第一头像、第二头像以及第三头像进行匹配得到匹配值；
当所述匹配值大于所述匹配阈值时，则所述第一头像与所述第二头像匹配成功，否则，所述第一头像与所述第二头像匹配失败。
在其中一个实施例中，所述根据所述用户基本信息判断用户是否为欺诈用户，包括：
将所述用户基本信息与黑名单库中的黑名单信息进行匹配；
当所述用户基本信息与所述黑名单信息匹配成功时，则用户为欺诈用户，否则用户不为欺诈用户。
在其中一个实施例中，所述根据所述用户基本信息判断用户是否为欺诈用户，包括：
从所述用户基本信息中提取基本信息输入时间以及修改次数；
判断所述修改次数是否大于第一阈值；
当所述修改次数大于等于第一阈值时，则用户为欺诈用户；
当所述修改次数小于大于第一阈值时，则判断所述输入时间是否大于第二阈值；
当所述输入时间大于等于所述第二阈值时，则所述用户为欺诈用户；
当所述输入时间小于所述第二阈值时，则所述用户不为欺诈用户。
在其中一个实施例中，所述方法还包括：
当所述活体识别未通过时，则向所述终端发送照片采集指令，所述照片采集指令用于指示所述终端采集用户手持身份证的照片；
接收所述终端返回的照片，并从所述照片中提取第一头像，并继续从数据库中获取预存的第二头像。
在其中一个实施例中，所述根据所述用户基本信息、所述绑卡信息以及所述补充信息生成授信额度之前，还包括：
判断是否需要人工审核，当需要人工审核时，则将所述照片发送至目标审核终端；
接收所述审核终端返回的第二授信额度，并将所述第二授信额度返回至所述终端；
当不需要人工审核时，则继续根据所述用户基本信息、所述绑卡信息以及所述补充信息生成授信额度。
在其中一个实施例中，所述方法还包括：
查询当前在线的审批终端，并获取当前在线的审批终端的审批任务量；
选取审批任务量最少的当前在线的审批终端作为目标审批终端。
一种授信额度计算装置，所述装置包括：
接收模块，用于接收终端发送的授信额度计算请求，所述授信额度计算请求携带有用户基本信息；
欺诈用户判断模块，用于根据所述用户基本信息判断用户是否为欺诈用户，若否，则向终端发送活体识别指令，并接收终端返回的与所述活体识别指令对应的活体识别信息；
活体识别模块，用于根据所述活体识别信息判断活体识别是否通过，若是，则从所述活体识别信息中提取第一头像，并从数据库中获取预存的第二头像，将所述第一头像与所述第二头像进行匹配；
发送模块，用于当所述第一头像与所述第二头像相匹配时，则向所述终端发送绑卡指令和信息完善指令，并接收所述终端返回的与所述绑卡指定对应的绑卡信息以及与所述信息完善指令对应的补充信息；
授信额度生成模块，用于根据所述用户基本信息、所述绑卡信息以及所述补充信息生成授信额度，并将所述授信额度返回至所述终端。
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任一项所述方法的步骤。
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任一项所述的方法的步骤。
上述授信额度计算方法、装置、计算机设备和存储介质，首先根据用户接班信息判断用户是否为欺诈用户，当用户不为欺诈用户时，则进行活体识别，只有通过活体识别的用户，才会进行后续的头像验证，从而在头像验证成功后，则获取到绑卡信息和补充信息，从而可以根据用户基本信息、绑卡信息以及补充信息生成授信额度，准确性高。
附图说明
图1为一个实施例中授信额度计算方法的应用场景图；
图2为一个实施例中授信额度计算方法的流程示意图；
图3为图2所示实施例中步骤S206的流程示意图；
图4为另一个实施例中授信额度计算方法的流程示意图；
图5为一个实施例中授信额度计算装置的结构框图；
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。
本申请提供的授信额度计算方法，可以应用于如图1所示的应用环境中。其中，终端102与服务器104通过网络进行通信。其中终端102向服务器发送授信额度计算请求，服务器104接收到该请求后，首先根据用户基本信息判断用户是否为欺诈用户，如果不是欺诈用户，则继续进行活体识别，且在活体识别通过后，从活体识别信息中提取第一头像，并从数据库中获取预存的第二头像，将第一头像与第二头像进行匹配，即进行人脸识别，只有人脸识别通过，才会进行绑卡操作和信息完善操作，在信息完善后，服务器104根据用户基本信息、绑卡信息以及补充信息生成授信额度，并将授信额度返回至终端102，准确性高。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，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，提供了一种授信额度计算方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
S202：接收终端发送的授信额度计算请求，授信额度计算请求携带有用户基本信息。
具体地，授信额度计算请求是终端根据用户输入生成，用户可以在终端上进行操作，例如用户将基本信息输入至终端，然后终端根据用户基本信息生成授信额度计算请求，并将所生成的授信额度计算请求发送给服务器。其中用户基本信息可以包括用户的姓名、年龄、身份证号等信息。
S204：根据用户基本信息判断用户是否为欺诈用户，若否，则向终端发送活体识别指令，并接收终端返回的与活体识别指令对应的活体识别信息。
具体地，服务器在接收到用户基本信息后，可以根据用户基本信息判断用户是否为欺诈用户，例如可以根据预设的黑名单库进行判断，或者是根据其他预设的判断规则进行判断，如果用户为欺诈用户，则直接结束整个授信过程，如果用户不为欺诈用户，则继续活体识别。
具体地，活体识别指令是用于指示终端采集用户的活体识别信息的指令，该活体识别信息可以是用户的姿态信息，或者是用户的心跳信息等。例如可以让用户“摇摇头”“点点头”等，终端来采集用户的摇头或点头的活体识别信息，并将采集得到的活体识别信息发送到服务器。
S206：根据活体识别信息判断活体识别是否通过，若是，则从活体识别信息中提取第一头像，并从数据库中获取预存的第二头像，将第一头像与第二头像进行匹配。
具体地，服务器在接收到活体识别信息时，判断活体识别是否通过，例如服务器可以通过比较活体识别信息中的相邻两帧图像中的人脸位置是否发生改变，且改变的幅度是否大于预设值，如果是，则表示活体识别通过，否则活体识别未通过。
具体地，服务器在判定活体识别通过时，即是真实的用户在操作终端，则进行人脸识别，即从活体识别信息中提取第一头像，然后从数据库中获取预存的第二头像，例如联网公安部获取到用户预存的第二头像，其可以通用户的基本信息来进行匹配得到第二头像，最后服务器将第一头像和第二头像进行匹配，即比较第一头像和第二头像的相似度。
S208：当第一头像与第二头像相匹配时，则向终端发送绑卡指令和信息完善指令，并接收终端返回的与绑卡指定对应的绑卡信息以及与信息完善指令对应的补充信息。
具体地，当服务器判断出第一头像和第二头像匹配时，例如第一头像和第二头像的相似度达到了预设值，则表示人脸识别通过，可以继续授信判断，从而服务器可以向终端发送绑卡指令和信息完善指令，其中绑卡指令是用于指示终端完成银行卡的绑定的，终端接收到该绑卡指令后，输入银行卡信息，并将银行卡信息返回至服务器，服务器在接收到该银行卡信息后，可以对该银行卡信息进行验证，并在验证成功后保存该绑卡信息。信息完善指令是服务器根据授信额度计算所需要的参数对用户基本信息进行判断，如果还缺少一些补充信息，则根据缺少的补充信息生成信息完善指令，并将信息完善指令发送到终端，从而终端可以根据该信息完善指令对应补充所缺少的补充信息，并将补充的补充信息发送到服务器。
S210：根据用户基本信息、绑卡信息以及补充信息生成授信额度，并将授信额度返回至终端。
具体地，服务器在接收到绑卡信息和补充信息和，则根据用户基本信息、补充信息以及绑卡信息生成授信额度，例如首先根据用户基本信息、补充信息以及绑卡信息计算得到用户等级，然后根据用户等级获取到对应的授信额度，并将该授信额度返回至终端进行显示，以便于用户可以及时地获取到该授信额度。
上述授信金额计算方法，首先根据用户接班信息判断用户是否为欺诈用户，当用户不为欺诈用户时，则进行活体识别，只有通过活体识别的用户，才会进行后续的头像验证，从而在头像验证成功后，则获取到绑卡信息和补充信息，从而可以根据用户基本信息、绑卡信息以及补充信息生成授信额度，准确性高。
在其中一个实施例中，参阅图3，图3为图2所示实施例中的步骤S206的流程图，该步骤S206，即从活体识别信息中提取第一头像，将第一头像与第二头像进行匹配，可以包括：
S302：从活体识别信息中提取所占面积为第一面积的第一头像以及所占面积为第二面积的第三头像，第一面积大于第二面积。
具体地，为了减少拍照或者是手持终端进行脸部信息采集的次数，在活体识别的时候可以要求用户手持身份证进行拍照，这样服务器获取到活体识别信息后，可以从该活体识别信息中提取到多个头像，其中包括真实人脸对应的第一头像以及身份证上的人脸对应的第三头像，且一般地，真实人脸的第一头像的第一面积大于身份证上的第三头像对应的第二面积，因此服务器可以通过面积来判断哪一个是真实人脸，哪一个是身份证上的头像。
可选地，在上述从活体识别信息中提取第一头像时，可以是仅提取面积较大的第一头像，或者是两个头像均提取。
S304：从活体识别信息中提取身份证核发时间，并计算核发时间与当前系统时间的差值。
S306：当差值大于预设值时，则降低匹配阈值。
具体地，服务器在提取到第一头像和第三头像后，再从活体识别信息中提取身份证的位置，从而根据身份证的位置提取到身份证核发时间，计算核发时间与当前系统时间的差值，如果该差值大于预设值，即身份证是在很久以前进行签发的，则可以降低匹配阈值，即充分考虑到了用户随时时间的变化所带来的外观变化。
S308：将第一头像、第二头像以及第三头像进行匹配得到匹配值。
S310：当匹配值大于匹配阈值时，则第一头像与第二头像匹配成功，否则，第一头像与第二头像匹配失败。
具体地，在调整了匹配阈值后，服务器将第一头像、第二头像以及第三头像进行匹配得到匹配值，并将所得到的匹配值与匹配阈值进行比较，如果匹配值大于匹配阈值，则人脸识别通过，即第一头像和第二头像匹配成功，如果匹配值小于等于匹配阈值，则人脸识别不通过，即第一头像和第二头像匹配失败。
上述实施例中，当身份证核发时间与当前系统时间的差值较大时，则降低匹配阈值，从而可以提高人脸识别的匹配正确性。
在其中一个实施例中，根据用户基本信息判断用户是否为欺诈用户，可以包括：将用户基本信息与黑名单库中的黑名单信息进行匹配；当用户基本信息与黑名单信息匹配成功时，则用户为欺诈用户，否则用户不为欺诈用户。
在其中一个实施例中，根据用户基本信息判断用户是否为欺诈用户，可以包括：从用户基本信息中提取基本信息输入时间以及修改次数；判断修改次数是否大于第一阈值；当修改次数大于等于第一阈值时，则用户为欺诈用户；当修改次数小于大于第一阈值时，则判断输入时间是否大于第二阈值；当输入时间大于等于第二阈值时，则用户为欺诈用户；当输入时间小于第二阈值时，则用户不为欺诈用户。
其中服务器在判断用户是否为欺诈用户的时候可以分为几种方式，其中一种是服务器可以获取到用户基本信息，通过该用户基本信息与黑名单库中的用户的基本信息进行匹配，如果匹配成功，则表示用户是欺诈用户，则直接结束本次操作，匹配失败的话，则表示用户不为欺诈用户。
另外一种是终端所发送的用户的基本信息还包括用户输入时间和修改次数，服务器判断用户输入基本信息的修改次数是否大于第一阈值，当大于第一阈值时，则认为用户是欺诈用户，当未大于第一阈值时，则判断用户输入基本信息的输入时间，当大于第二阈值时，则认为用户是欺诈用户。这样是因为当时欺诈用户时，其一般不熟悉用户的基本信息，因此其输入的时间或修改的次数都与普通用户不一样，从而可以识别出欺诈用户。
上述实施例中，通过不同的方式来识别用户是否为欺诈用户，提高了欺诈用户识别的准确性。
在其中一个实施例中，上述授信额度计算方法还可以包括：当活体识别未通过时，则向终端发送照片采集指令，照片采集指令用于指示终端采集用户手持身份证的照片；接收终端返回的照片，并从照片中提取第一头像，并继续从数据库中获取预存的第二头像。
在其中一个实施例中，根据用户基本信息、绑卡信息以及补充信息生成授信额度之前，还可以包括：判断是否需要人工审核，当需要人工审核时，则将照片发送至目标审核终端；接收审核终端返回的第二授信额度，并将第二授信额度返回至终端；当不需要人工审核时，则继续根据用户基本信息、绑卡信息以及补充信息生成授信额度。
在其中一个实施例中，上述授信额度计算方法还可以包括：查询当前在线的审批终端，并获取当前在线的审批终端的审批任务量；选取审批任务量最少的当前在线的审批终端作为目标审批终端。
参阅图4，图4为另一实施例中的授信额度计算方法的流程图，在该实施例中，不仅包含图2所示的实施例的活体识别成功的分支，还包括下文中的活体识别失败的分支，当服务器根据该活体信息判断活体识别失败时，则服务器向终端发送照片采集指令，该照片采集指令用于指示终端采集用户手持身份证的照片，且服务器在接收到终端采集的手持身份证的照片后，则联网公安部进行人脸识别，即上述步骤S206的从数据库中获取预存的第二头像，将第一头像与所述第二头像进行匹配处继续执行。且在服务器接收到终端发送的绑卡信息和补充信息后，还包括判断是否需要人工审核，如果需要人工审核，即服务器根据该活体信息判断活体识别失败时，则进行人工审核，根据人工审核的结果给出授信额度，如果服务器根据该活体信息判断活体识别成功时，则不需要人工审核，自动给出授信额度。
具体地，服务器在进行人工审核的步骤之前，服务器可以首先获取到当前在线的审核终端，并获取到在线的审核终端的审核任务量，对该审核任务量进行排序，从而服务器可以选取到审核任务量最小的审核终端，并将该审核任务发送到该审核终端进行审核。
上述实施例中，保证了授信流程的准确性，从而保证了授信额度的准确性。
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，提供了一种授信额度计算装置，包括：第一接收模块100、欺诈用户判断模块200、活体识别模块300、发送模块400和授信额度生成模块500，其中：
第一接收模块100，用于接收终端发送的授信额度计算请求，授信额度计算请求携带有用户基本信息。
欺诈用户判断模块200，用于根据用户基本信息判断用户是否为欺诈用户，若否，则向终端发送活体识别指令，并接收终端返回的与活体识别指令对应的活体识别信息。
活体识别模块300，用于根据活体识别信息判断活体识别是否通过，若是，则从活体识别信息中提取第一头像，并从数据库中获取预存的第二头像，将第一头像与第二头像进行匹配。
发送模块400，用于当第一头像与第二头像相匹配时，则向终端发送绑卡指令和信息完善指令，并接收终端返回的与绑卡指定对应的绑卡信息以及与信息完善指令对应的补充信息。
授信额度生成模块500，用于根据用户基本信息、绑卡信息以及补充信息生成授信额度，并将授信额度返回至终端。
在其中一个实施例中，活体识别模块300可以包括：
第一提取单元，用于从活体识别信息中提取所占面积为第一面积的第一头像以及所占面积为第二面积的第三头像，第一面积大于第二面积。
差值计算单元，用于从活体识别信息中提取身份证核发时间，并计算核发时间与当前系统时间的差值。
阈值调整单元，用于当差值大于预设值时，则降低匹配阈值。
第一匹配单元，用于将第一头像、第二头像以及第三头像进行匹配得到匹配值；当匹配值大于匹配阈值时，则第一头像与第二头像匹配成功，否则，第一头像与第二头像匹配失败。
在其中一个实施例中，欺诈用户判断模块200可以包括：
第二匹配单元，用于将用户基本信息与黑名单库中的黑名单信息进行匹配；当用户基本信息与黑名单信息匹配成功时，则用户为欺诈用户，否则用户不为欺诈用户。
在其中一个实施例中，欺诈用户判断模块200可以包括：
第二提取单元，用于从用户基本信息中提取基本信息输入时间以及修改次数。
第一判断单元，用于判断修改次数是否大于第一阈值；当修改次数大于等于第一阈值时，则用户为欺诈用户。
第二判断单元，用于当修改次数小于大于第一阈值时，则判断输入时间是否大于第二阈值；当输入时间大于等于第二阈值时，则用户为欺诈用户；当输入时间小于第二阈值时，则用户不为欺诈用户。
在其中一个实施例中，装置还可以包括：
照片采集模块，用于当活体识别未通过时，则向终端发送照片采集指令，照片采集指令用于指示终端采集用户手持身份证的照片。
第二接收模块，用于接收终端返回的照片，并从照片中提取第一头像，并继续从数据库中获取预存的第二头像。
在其中一个实施例中，装置还可以包括：
审核判断模块，用于判断是否需要人工审核，当需要人工审核时，则将照片发送至目标审核终端。
第三接收模块，用于接收审核终端返回的第二授信额度，并将第二授信额度返回至终端；当不需要人工审核时，则继续根据用户基本信息、绑卡信息以及补充信息生成授信额度。
在其中一个实施例中，装置还可以包括：
查询模块，用于查询当前在线的审批终端，并获取当前在线的审批终端的审批任务量。
选取模块，用于选取审批任务量最少的当前在线的审批终端作为目标审批终端。
关于授信额度计算装置的具体限定可以参见上文中对于授信额度计算方法的限定，在此不再赘述。上述授信额度计算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黑名单库等。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授信额度计算方法。
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：接收终端发送的授信额度计算请求，授信额度计算请求携带有用户基本信息；根据用户基本信息判断用户是否为欺诈用户，若否，则向终端发送活体识别指令，并接收终端返回的与活体识别指令对应的活体识别信息；根据活体识别信息判断活体识别是否通过，若是，则从活体识别信息中提取第一头像，并从数据库中获取预存的第二头像，将第一头像与第二头像进行匹配；当第一头像与第二头像相匹配时，则向终端发送绑卡指令和信息完善指令，并接收终端返回的与绑卡指定对应的绑卡信息以及与信息完善指令对应的补充信息；根据用户基本信息、绑卡信息以及补充信息生成授信额度，并将授信额度返回至终端。
在一个实施例中，处理器执行计算机程序时所实现的从活体识别信息中提取第一头像，将第一头像与第二头像进行匹配，可以包括：从活体识别信息中提取所占面积为第一面积的第一头像以及所占面积为第二面积的第三头像，第一面积大于第二面积；从活体识别信息中提取身份证核发时间，并计算核发时间与当前系统时间的差值；当差值大于预设值时，则降低匹配阈值；将第一头像、第二头像以及第三头像进行匹配得到匹配值；当匹配值大于匹配阈值时，则第一头像与第二头像匹配成功，否则，第一头像与第二头像匹配失败。
在一个实施例中，处理器执行计算机程序时所实现的根据用户基本信息判断用户是否为欺诈用户，可以包括：将用户基本信息与黑名单库中的黑名单信息进行匹配；当用户基本信息与黑名单信息匹配成功时，则用户为欺诈用户，否则用户不为欺诈用户。
在一个实施例中，处理器执行计算机程序时所实现的根据用户基本信息判断用户是否为欺诈用户，可以包括：从用户基本信息中提取基本信息输入时间以及修改次数；判断修改次数是否大于第一阈值；当修改次数大于等于第一阈值时，则用户为欺诈用户；当修改次数小于大于第一阈值时，则判断输入时间是否大于第二阈值；当输入时间大于等于第二阈值时，则用户为欺诈用户；当输入时间小于第二阈值时，则用户不为欺诈用户。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：当活体识别未通过时，则向终端发送照片采集指令，照片采集指令用于指示终端采集用户手持身份证的照片；接收终端返回的照片，并从照片中提取第一头像，并继续从数据库中获取预存的第二头像。
在一个实施例中，处理器执行计算机程序时所实现的根据用户基本信息、绑卡信息以及补充信息生成授信额度之前，还可以包括：判断是否需要人工审核，当需要人工审核时，则将照片发送至目标审核终端；接收审核终端返回的第二授信额度，并将第二授信额度返回至终端；当不需要人工审核时，则继续根据用户基本信息、绑卡信息以及补充信息生成授信额度。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：查询当前在线的审批终端，并获取当前在线的审批终端的审批任务量；选取审批任务量最少的当前在线的审批终端作为目标审批终端。
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：接收终端发送的授信额度计算请求，授信额度计算请求携带有用户基本信息；根据用户基本信息判断用户是否为欺诈用户，若否，则向终端发送活体识别指令，并接收终端返回的与活体识别指令对应的活体识别信息；根据活体识别信息判断活体识别是否通过，若是，则从活体识别信息中提取第一头像，并从数据库中获取预存的第二头像，将第一头像与第二头像进行匹配；当第一头像与第二头像相匹配时，则向终端发送绑卡指令和信息完善指令，并接收终端返回的与绑卡指定对应的绑卡信息以及与信息完善指令对应的补充信息；根据用户基本信息、绑卡信息以及补充信息生成授信额度，并将授信额度返回至终端。
在一个实施例中，计算机程序被处理器执行时所实现的从活体识别信息中提取第一头像，将第一头像与第二头像进行匹配，可以包括：从活体识别信息中提取所占面积为第一面积的第一头像以及所占面积为第二面积的第三头像，第一面积大于第二面积；从活体识别信息中提取身份证核发时间，并计算核发时间与当前系统时间的差值；当差值大于预设值时，则降低匹配阈值；将第一头像、第二头像以及第三头像进行匹配得到匹配值；当匹配值大于匹配阈值时，则第一头像与第二头像匹配成功，否则，第一头像与第二头像匹配失败。
在一个实施例中，计算机程序被处理器执行时所实现的根据用户基本信息判断用户是否为欺诈用户，可以包括：将用户基本信息与黑名单库中的黑名单信息进行匹配；当用户基本信息与黑名单信息匹配成功时，则用户为欺诈用户，否则用户不为欺诈用户。
在一个实施例中，计算机程序被处理器执行时所实现的根据用户基本信息判断用户是否为欺诈用户，可以包括：从用户基本信息中提取基本信息输入时间以及修改次数；判断修改次数是否大于第一阈值；当修改次数大于等于第一阈值时，则用户为欺诈用户；当修改次数小于大于第一阈值时，则判断输入时间是否大于第二阈值；当输入时间大于等于第二阈值时，则用户为欺诈用户；当输入时间小于第二阈值时，则用户不为欺诈用户。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当活体识别未通过时，则向终端发送照片采集指令，照片采集指令用于指示终端采集用户手持身份证的照片；接收终端返回的照片，并从照片中提取第一头像，并继续从数据库中获取预存的第二头像。
在一个实施例中，计算机程序被处理器执行时所实现的根据用户基本信息、绑卡信息以及补充信息生成授信额度之前，还可以包括：判断是否需要人工审核，当需要人工审核时，则将照片发送至目标审核终端；接收审核终端返回的第二授信额度，并将第二授信额度返回至终端；当不需要人工审核时，则继续根据用户基本信息、绑卡信息以及补充信息生成授信额度。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：查询当前在线的审批终端，并获取当前在线的审批终端的审批任务量；选取审批任务量最少的当前在线的审批终端作为目标审批终端。
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)

1.一种授信额度计算方法，所述方法包括：
接收终端发送的授信额度计算请求，所述授信额度计算请求携带有用户基本信息；
根据所述用户基本信息判断用户是否为欺诈用户，若否，则向终端发送活体识别指令，并接收终端返回的与所述活体识别指令对应的活体识别信息；
根据所述活体识别信息判断活体识别是否通过，若是，则从所述活体识别信息中提取第一头像，并从数据库中获取预存的第二头像，将所述第一头像与所述第二头像进行匹配；
当所述第一头像与所述第二头像相匹配时，则向所述终端发送绑卡指令和信息完善指令，并接收所述终端返回的与所述绑卡指定对应的绑卡信息以及与所述信息完善指令对应的补充信息；
根据所述用户基本信息、所述绑卡信息以及所述补充信息生成授信额度，并将所述授信额度返回至所述终端。
2.根据权利要求1所述的方法，其特征在于，所述从所述活体识别信息中提取第一头像，将所述第一头像与所述第二头像进行匹配，包括：
从所述活体识别信息中提取所占面积为第一面积的第一头像以及所占面积为第二面积的第三头像，所述第一面积大于所述第二面积；
从所述活体识别信息中提取身份证核发时间，并计算所述核发时间与当前系统时间的差值；
当所述差值大于预设值时，则降低匹配阈值；
将所述第一头像、第二头像以及第三头像进行匹配得到匹配值；
当所述匹配值大于所述匹配阈值时，则所述第一头像与所述第二头像匹配成功，否则，所述第一头像与所述第二头像匹配失败。
3.根据权利要求1所述的方法，其特征在于，所述根据所述用户基本信息判断用户是否为欺诈用户，包括：
将所述用户基本信息与黑名单库中的黑名单信息进行匹配；
当所述用户基本信息与所述黑名单信息匹配成功时，则用户为欺诈用户，否则用户不为欺诈用户。
4.根据权利要求1所述的方法，其特征在于，所述根据所述用户基本信息判断用户是否为欺诈用户，包括：
从所述用户基本信息中提取基本信息输入时间以及修改次数；
判断所述修改次数是否大于第一阈值；
当所述修改次数大于等于第一阈值时，则用户为欺诈用户；
当所述修改次数小于大于第一阈值时，则判断所述输入时间是否大于第二阈值；
当所述输入时间大于等于所述第二阈值时，则所述用户为欺诈用户；
当所述输入时间小于所述第二阈值时，则所述用户不为欺诈用户。
5.根据权利要求1至4任意一项所述的方法，其特征在于，所述方法还包括：
当所述活体识别未通过时，则向所述终端发送照片采集指令，所述照片采集指令用于指示所述终端采集用户手持身份证的照片；
接收所述终端返回的照片，并从所述照片中提取第一头像，并继续从数据库中获取预存的第二头像。
6.根据权利要求5所述的方法，其特征在于，所述根据所述用户基本信息、所述绑卡信息以及所述补充信息生成授信额度之前，还包括：
判断是否需要人工审核，当需要人工审核时，则将所述照片发送至目标审核终端；
接收所述审核终端返回的第二授信额度，并将所述第二授信额度返回至所述终端；
当不需要人工审核时，则继续根据所述用户基本信息、所述绑卡信息以及所述补充信息生成授信额度。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
查询当前在线的审批终端，并获取当前在线的审批终端的审批任务量；
选取审批任务量最少的当前在线的审批终端作为目标审批终端。
8.一种授信额度计算装置，其特征在于，所述装置包括：
第一接收模块，用于接收终端发送的授信额度计算请求，所述授信额度计算请求携带有用户基本信息；
欺诈用户判断模块，用于根据所述用户基本信息判断用户是否为欺诈用户，若否，则向终端发送活体识别指令，并接收终端返回的与所述活体识别指令对应的活体识别信息；
活体识别模块，用于根据所述活体识别信息判断活体识别是否通过，若是，则从所述活体识别信息中提取第一头像，并从数据库中获取预存的第二头像，将所述第一头像与所述第二头像进行匹配；
发送模块，用于当所述第一头像与所述第二头像相匹配时，则向所述终端发送绑卡指令和信息完善指令，并接收所述终端返回的与所述绑卡指定对应的绑卡信息以及与所述信息完善指令对应的补充信息；
授信额度生成模块，用于根据所述用户基本信息、所述绑卡信息以及所述补充信息生成授信额度，并将所述授信额度返回至所述终端。
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7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7中任一项所述的方法的步骤。
CN201811021104.5A 2018-09-03 2018-09-03 授信额度计算方法、装置、计算机设备和存储介质 Pending CN109446772A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811021104.5A CN109446772A (zh) 2018-09-03 2018-09-03 授信额度计算方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811021104.5A CN109446772A (zh) 2018-09-03 2018-09-03 授信额度计算方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN109446772A true CN109446772A (zh) 2019-03-08

Family

ID=65533127

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811021104.5A Pending CN109446772A (zh) 2018-09-03 2018-09-03 授信额度计算方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN109446772A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109977152A (zh) * 2019-04-03 2019-07-05 翟红鹰 基于区块链技术的智能匹配方法、系统及存储介质
CN110349011A (zh) * 2019-07-12 2019-10-18 深圳众赢维融科技有限公司 金融产品匹配方法和装置
CN110489985A (zh) * 2019-08-21 2019-11-22 泰康保险集团股份有限公司 数据处理方法、装置、计算机可读存储介质及电子设备
CN110826921A (zh) * 2019-11-08 2020-02-21 腾讯科技（深圳）有限公司 数据处理方法、装置、计算机可读存储介质和计算机设备
CN112231669A (zh) * 2020-09-25 2021-01-15 上海淇毓信息科技有限公司 一种基于面部识别的页面展示方法、装置和电子设备
CN113988869A (zh) * 2021-10-25 2022-01-28 上海淇玥信息技术有限公司 一种轻资产全流程运行方法、装置和电子设备
CN114360085A (zh) * 2021-11-25 2022-04-15 中国人民人寿保险股份有限公司 一种识别出勤作弊行为的方法及其服务系统、终端设备

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020023051A1 (en) * 2000-03-31 2002-02-21 Kunzle Adrian E. System and method for recommending financial products to a customer based on customer needs and preferences
CN102254289A (zh) * 2011-08-02 2011-11-23 彭琛 一种快速审批信用卡的方法
CN102800017A (zh) * 2012-07-09 2012-11-28 高艳玲 基于人脸识别的身份核查系统
CN104123485A (zh) * 2014-07-18 2014-10-29 广州三星通信技术研究有限公司 实名制信息绑定的方法和装置
CN104915645A (zh) * 2015-05-30 2015-09-16 深圳市鑫通辉实业有限公司 一种数据处理方法及系统
CN105956578A (zh) * 2016-05-23 2016-09-21 深圳华中科技大学研究院 一种基于身份证件信息的人脸验证方法
CN106203553A (zh) * 2016-07-18 2016-12-07 北京红马传媒文化发展有限公司 一种证件识别方法、装置及一种设备
CN106447434A (zh) * 2016-09-14 2017-02-22 全联征信有限公司 个人信用生态平台
CN106651567A (zh) * 2016-12-26 2017-05-10 中国建设银行股份有限公司 贷记卡申请审批方法及系统
CN106778636A (zh) * 2016-12-22 2017-05-31 东软集团股份有限公司 身份验证方法及装置
CN107682339A (zh) * 2017-10-13 2018-02-09 唐利伟 住宿数据处理方法、装置、存储介质和计算机设备
CN107798596A (zh) * 2017-07-26 2018-03-13 平安科技（深圳）有限公司 信用卡制卡方法、装置、计算机设备及可读存储介质
CN107967649A (zh) * 2017-11-07 2018-04-27 深圳市天下房仓科技有限公司 一种旅游行业贷款审批方法、系统、终端及存储介质
CN108171032A (zh) * 2017-12-01 2018-06-15 平安科技（深圳）有限公司 一种身份鉴定方法、电子装置及计算机可读存储介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020023051A1 (en) * 2000-03-31 2002-02-21 Kunzle Adrian E. System and method for recommending financial products to a customer based on customer needs and preferences
CN102254289A (zh) * 2011-08-02 2011-11-23 彭琛 一种快速审批信用卡的方法
CN102800017A (zh) * 2012-07-09 2012-11-28 高艳玲 基于人脸识别的身份核查系统
CN104123485A (zh) * 2014-07-18 2014-10-29 广州三星通信技术研究有限公司 实名制信息绑定的方法和装置
CN104915645A (zh) * 2015-05-30 2015-09-16 深圳市鑫通辉实业有限公司 一种数据处理方法及系统
CN105956578A (zh) * 2016-05-23 2016-09-21 深圳华中科技大学研究院 一种基于身份证件信息的人脸验证方法
CN106203553A (zh) * 2016-07-18 2016-12-07 北京红马传媒文化发展有限公司 一种证件识别方法、装置及一种设备
CN106447434A (zh) * 2016-09-14 2017-02-22 全联征信有限公司 个人信用生态平台
CN106778636A (zh) * 2016-12-22 2017-05-31 东软集团股份有限公司 身份验证方法及装置
CN106651567A (zh) * 2016-12-26 2017-05-10 中国建设银行股份有限公司 贷记卡申请审批方法及系统
CN107798596A (zh) * 2017-07-26 2018-03-13 平安科技（深圳）有限公司 信用卡制卡方法、装置、计算机设备及可读存储介质
CN107682339A (zh) * 2017-10-13 2018-02-09 唐利伟 住宿数据处理方法、装置、存储介质和计算机设备
CN107967649A (zh) * 2017-11-07 2018-04-27 深圳市天下房仓科技有限公司 一种旅游行业贷款审批方法、系统、终端及存储介质
CN108171032A (zh) * 2017-12-01 2018-06-15 平安科技（深圳）有限公司 一种身份鉴定方法、电子装置及计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张远龙，王兢: "《跟我学做多媒体 精通Authorware 7.0》", 30 April 2004 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109977152A (zh) * 2019-04-03 2019-07-05 翟红鹰 基于区块链技术的智能匹配方法、系统及存储介质
CN110349011A (zh) * 2019-07-12 2019-10-18 深圳众赢维融科技有限公司 金融产品匹配方法和装置
CN110489985A (zh) * 2019-08-21 2019-11-22 泰康保险集团股份有限公司 数据处理方法、装置、计算机可读存储介质及电子设备
CN110826921A (zh) * 2019-11-08 2020-02-21 腾讯科技（深圳）有限公司 数据处理方法、装置、计算机可读存储介质和计算机设备
CN110826921B (zh) * 2019-11-08 2023-04-18 腾讯科技（深圳）有限公司 数据处理方法、装置、计算机可读存储介质和计算机设备
CN112231669A (zh) * 2020-09-25 2021-01-15 上海淇毓信息科技有限公司 一种基于面部识别的页面展示方法、装置和电子设备
CN113988869A (zh) * 2021-10-25 2022-01-28 上海淇玥信息技术有限公司 一种轻资产全流程运行方法、装置和电子设备
CN114360085A (zh) * 2021-11-25 2022-04-15 中国人民人寿保险股份有限公司 一种识别出勤作弊行为的方法及其服务系统、终端设备

Similar Documents

Publication Publication Date Title
CN109446772A (zh) 授信额度计算方法、装置、计算机设备和存储介质
CN108347441B (zh) 支付处理方法、装置、计算机设备和存储介质
CN109409657A (zh) 贷款申请处理方法、装置、计算机设备和存储介质
CN109492367A (zh) 电子合同签名处理方法、装置、计算机设备和存储介质
CN108038687B (zh) 基于语音识别的交易方法、服务器及计算机可读存储介质
CN109345374A (zh) 风险控制方法、装置、计算机设备和存储介质
CN108573371A (zh) 数据审批方法、装置、计算机设备和存储介质
CN108876133A (zh) 基于业务信息的风险评估处理方法、装置、服务器和介质
CN108846676A (zh) 生物特征辅助支付方法、装置、计算机设备及存储介质
CN109783338A (zh) 基于业务信息的录制处理方法、装置和计算机设备
CN109087208B (zh) 贷前数据处理方法、装置、计算机设备和存储介质
CN109543377A (zh) 身份验证方法、装置、计算机设备和存储介质
CN109815803A (zh) 面审风险控制方法、装置、计算机设备和存储介质
CN109815489A (zh) 催收信息生成方法、装置、计算机设备和存储介质
US11443307B2 (en) Cross-border resource transfer authenticity verification method, device and electronic equipment
CN109740869A (zh) 数据审核方法、装置、计算机设备和存储介质
CN109871445A (zh) 欺诈用户识别方法、装置、计算机设备和存储介质
CN111275448A (zh) 人脸数据处理方法、装置和计算机设备
CN109615336A (zh) 业务审批方法、装置、计算机设备和存储介质
CN107895155A (zh) 一种人脸识别方法及装置
CN109754218A (zh) 业务办理请求处理方法、装置、计算机设备和存储介质
CN109816200A (zh) 任务推送方法、装置、计算机设备和存储介质
CN108765175A (zh) 保单保全信息处理方法、装置、计算机设备和存储介质
CN109472577A (zh) 账户入账方法、装置、计算机设备和存储介质
CN110135943A (zh) 产品推荐方法、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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190308