CN109636574B - 信贷信息的风险检测方法、装置、设备及存储介质 - Google Patents
信贷信息的风险检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109636574B CN109636574B CN201811254447.6A CN201811254447A CN109636574B CN 109636574 B CN109636574 B CN 109636574B CN 201811254447 A CN201811254447 A CN 201811254447A CN 109636574 B CN109636574 B CN 109636574B
- Authority
- CN
- China
- Prior art keywords
- credit
- mailbox
- unit
- information
- unit electronic
- 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.)
- Active
Links
Images
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种信贷信息的风险检测方法、装置、设备及存储介质,以“关系”的方式将贷款申请者的单位电子邮箱与其它信息进行整合和关联,有利于确定单位电子邮箱与其它信息之间的联系;并结合染黑(或染灰)的处理逻辑对单位电子邮箱的风险性进行分析和检测,从而基于大数据关联分析处理方式对潜在信贷欺诈风险进行了有效预测,提高了信贷风险检测的准确性,能够更有效地对潜在风险进行预警,可尽早地发现并规避风险和降低贷款坏账率。
Description
技术领域
本发明涉及大数据领域,尤其涉及一种信贷信息的风险检测方法、装置、设备及存储介质。
背景技术
随着社会和金融行业的快速发展,信贷业务活跃于市场。信贷机构在向贷款申请者进行放款前,需要贷款申请者提供相关的贷款信息,用以进行风险分析和放贷时使用。其中,这些贷款信息中往往会包括贷款申请者的单位电子邮箱。在传统的信贷过程中,贷款申请者的单位电子邮箱一般是用于接收信贷机构所发送的通知邮件或者账单,而没有将邮箱号作为风险分析的其中一种有效因子,忽略邮箱号与其它信贷信息、以及信贷欺诈之间的关联性,从而降低了信贷风险检测的准确性。
发明内容
本发明的主要目的在于提供一种信贷信息的风险检测方法、装置、设备及存储介质,旨在提高信贷风险检测的准确性。
为实现上述目的,本发明提供一种信贷信息的风险检测方法,所述信贷信息的风险检测方法包括:
在接收到贷款终端发送的信贷请求时,获取所述信贷请求对应信贷申请者的单位电子邮箱的信贷邮箱号;
根据所述信贷邮箱号查询所述单位电子邮箱所属的信贷单位,并在所述单位电子邮箱与所述信贷单位之间建立关联;
根据所述信贷邮箱号在预设信贷记录库中查询匹配的历史信贷件,并在所述单位电子邮箱与所述历史信贷件之间建立关联;
根据预设关系度公式计算所述单位电子邮箱与各关联信息之间的关系度,其中所述各关联信息包括所述信贷单位和所述历史信贷件,所述预设关系度公式为:
其中,f为所述单位电子邮箱与所述关联信息之间的关系度,m为所述单位电子邮箱与所述关联信息之间的最短关联路径上的路径信息数量,所述路径信息包括所述单位电子邮箱和所述关联信息,所述m≥2,1≤i≤m,k0为与所述关联信息的信息类型对应的预设距离系数,0<k0;x0为与所述关联信息的信息类型对应的预设强度系数,0<x0,ki为所述路径信息各自对应的关联距离系数,0<ki;ui为所述路径信息各自对应的衰减因子系数,0<ui≤1,xi为所述路径信息各自对应的关联强度系数,0<xi;
当所述关联信息属于黑名单信息时,判断所述关系度是否大于预设关系阈值;
若所述关系度大于预设关系阈值,则确定所述单位电子邮箱为风险信息。
此外,为实现上述目的,本发明还提供一种信贷信息的风险检测装置,所述信贷信息的风险检测装置包括:
请求接收模块,用于在接收到贷款终端发送的信贷请求时,获取所述信贷请求对应信贷申请者的单位电子邮箱的信贷邮箱号;
第一关联模块,用于根据所述信贷邮箱号查询所述单位电子邮箱所属的信贷单位,并在所述单位电子邮箱与所述信贷单位之间建立关联;
第二关联模块,用于根据所述信贷邮箱号在预设信贷记录库中查询匹配的历史信贷件,并在所述单位电子邮箱与所述历史信贷件之间建立关联;
关系度计算模块,用于根据预设关系度公式计算所述单位电子邮箱与各关联信息之间的关系度,其中所述各关联信息包括所述信贷单位和所述历史信贷件,所述预设关系度公式为:
其中,f为所述单位电子邮箱与所述关联信息之间的关系度,m为所述单位电子邮箱与所述关联信息之间的最短关联路径上的路径信息数量,所述路径信息包括所述单位电子邮箱和所述关联信息,所述m≥2,1≤i≤m,k0为与所述关联信息的信息类型对应的预设距离系数,0<k0;x0为与所述关联信息的信息类型对应的预设强度系数,0<x0,ki为所述路径信息各自对应的关联距离系数,0<ki;ui为所述路径信息各自对应的衰减因子系数,0<ui≤1,xi为所述路径信息各自对应的关联强度系数,0<xi;
关系度判断模块,用于当所述关联信息属于黑名单信息时,判断所述关系度是否大于预设关系阈值;
风险确定模块,用于若所述关系度大于预设关系阈值,则确定所述单位电子邮箱为风险信息。
此外,为实现上述目的,本发明还提供一种信贷信息的风险检测设备,所述信贷信息的风险检测设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的风险检测程序,其中所述风险检测程序被所述处理器执行时,实现如上述的信贷信息的风险检测方法的步骤。
此外,为实现上述目的,本发明还提供一种存储介质,所述存储介质上存储有风险检测程序,其中所述风险检测程序被处理器执行时,实现如上述的信贷信息的风险检测方法的步骤。
本发明以“关系”的方式将贷款申请者提供的单位电子邮箱与其它信息进行整合和关联,有利于确定单位电子邮箱与其它信息之间的联系;并结合染黑(或染灰)的处理逻辑对单位电子邮箱的风险性进行分析和检测,从而基于大数据关联分析处理方式对潜在信贷欺诈风险进行了有效预测,提高了信贷风险检测的准确性,能够更有效地对潜在风险进行预警,可尽早地发现并规避风险和降低贷款坏账率。
附图说明
图1为本发明实施例方案中涉及的信贷信息的风险检测设备的硬件结构示意图;
图2为本发明信贷信息的风险检测方法第一实施例的流程示意图;
图3为图2所示实施例涉及的信息关联示意图;
图4为本发明信贷信息的风险检测装置第一实施例的功能模块示意图。
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。
本发明实施例涉及的信贷信息的风险检测方法主要应用于信贷信息的风险检测设备,该信贷信息的风险检测设备可以是个人计算机(personal computer,PC)、笔记本电脑、服务器等具有数据处理功能的设备。
参照图1,图1为本发明实施例方案中涉及的信贷信息的风险检测设备的硬件结构示意图。本发明实施例中,信贷信息的风险检测设备可以包括处理器1001(例如中央处理器Central Processing Unit,CPU),通信总线1002,用户接口1003,网络接口1004,存储器1005。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);网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity,WI-FI接口);存储器1005可以是高速随机存取存储器(random access memory,RAM),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。本领域技术人员可以理解,图1中示出的硬件结构并不构成对本发明的限定,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。
继续参照图1,图1中作为一种计算机可读存储介质的存储器1005可以包括操作系统、网络通信模块以及风险检测程序。在图1中,网络通信模块可用于连接贷款终端,与贷款终端进行数据通信;而处理器1001可以调用存储器1005中存储的风险检测程序,并执行本发明实施例提供的信贷信息的风险检测方法。
本发明实施例提供了一种信贷信息的风险检测方法。
参照图2,图2为本发明信贷信息的风险检测方法第一实施例的流程示意图。
本实施例中,所述信贷信息的风险检测方法包括以下步骤:
步骤S10,在接收到贷款终端发送的信贷请求时,获取所述信贷请求对应信贷申请者的单位电子邮箱的信贷邮箱号;
随着社会和金融行业的快速发展,信贷业务活跃于市场。信贷机构在向贷款申请者进行放款前,需要贷款申请者提供相关的贷款信息,用以进行风险分析和放贷时使用。其中,这些贷款信息中往往会包括贷款申请者的单位电子邮箱。在传统的信贷过程中,贷款申请者的单位电子邮箱一般是用于接收信贷机构所发送的通知邮件或者账单,而没有将邮箱作为风险分析的其中一种有效因子,忽略邮箱与其它信贷信息、以及信贷欺诈之间的关联性,从而降低了信贷风险检测的准确性。对此,本实施例中提出一种信贷信息的风险检测方法,基于大数据关联分析处理方式对潜在信贷欺诈风险进行了有效预测,提高了信贷风险检测的准确性,能够更有效地对潜在风险进行预警,可尽早地发现并规避风险和降低贷款坏账率。
本实施例中的信贷信息的风险检测方法是由信贷信息的风险检测设备实现的,该信贷信息的风险检测设备以分析服务器为例进行说明。本实施例中,贷款申请者在需要进行信贷申请时,可在贷款终端(如个人电脑PC、笔记本电脑、手机、平板电脑等)上进行信贷操作,贷款终端则根据贷款申请者的操作向分析服务器发送对应的信贷请求。分析服务器在接收到贷款终端发送的信贷请求时,首先要获取贷款申请者的单位电子邮箱的邮箱号,该邮箱号后续以“信贷邮箱号”进行说明;对于该信贷申请者的单位电子邮箱,可认为是信贷申请者在某一单位的工作证明,是由该单位进行统一分配;而信贷邮箱号,则是由贷款申请者提供的,例如可以是分析服务器在接收到该信贷请求时向贷款终端发送邮箱询问信息,以使贷款申请者根据该邮箱询问信息在贷款终端中手动录入的信贷邮箱号并发送至分析服务器;当然也可以是贷款申请者在通过贷款终端进行信贷操作时直接手动录入信贷邮箱号,由贷款终端将该信贷邮箱号添加至信贷请求中一起发送至分析服务器。
当然,分析服务器在根据信贷请求获取信贷申请者的单位电子邮箱的同时,还可以获取贷款申请者的其它基本信息,包括有贷款申请者在进行贷款申请时主动提供的个人信息,还包括有分析服务器检测到的环境信息。对于个人信息,包括有家庭地址、所在单位名称、单位地址、银行账户、手机号、常用联系人等,这些个人信息也可以是贷款申请者在通过贷款终端在网络上提出贷款申请时,自行录入至贷款终端,并由贷款终端发送至分析服务器中。对于环境信息,则包括有贷款终端的GPS地址、贷款终端的IP地址(InternetProtocol Address,互联网协议地址)等;当然这些环境信息可能是需要得到贷款申请者的授权后分析服务器才可进行获取。在得到贷款申请者的基本信息时,分析服务器将会根据这些基本信息获取到对应的基本地址,例如家庭地址、工作地址、IP地址所属地等。
进一步的,分析服务器在获取到信贷邮箱号时,还可以先对该信贷邮箱号进行有效性和真实性的校验;若该信贷邮箱号无效或者并不存在,可直接向贷款终端返回二次录入提示,以使贷款申请者根据该二次录入提示在贷款终端上重新提供信贷邮箱号;而若该信贷邮箱号有效且真实存在,则分析服务器才会进行后续的处理操作。通过以上方式,可及时检测出不符合要求的信贷邮箱号,避免后续进行无效分析。
可选地,在对信贷邮箱号的有效性进行校验时,可以是采用格式校验的方式。其中,对于电子邮箱号,一般包括用户名和域名两部分,用户名和域名之间用域标识符“@”进行分隔,例如邮箱号“xindai**@xxx.yy”,用户名为“xindai**”,域名为“xxx.yy”。而对于不同的部分,则具有不同的格式要求,例如:用户名部分,(“@”之前)且只能是字母(包括大小写)、数字、下划线(_)、减号(-)、点(.);域名部分,@和最后一个点(.)之间必须有内容且只能是字母(大小写)、数字、点(.)、减号(-),且两个点不能挨着;域名中最后一个点(.)之后必须有内容且内容只能是字母(大小写)、数字,且长度在2至6个字节之间。对此,分析服务器可先对信贷邮箱号的各字符进行识别,确定其中的特征字符(如域标识符“@”、点“.”等),并通过特征字符对信贷邮箱号进行分片,获得特征片段,如根据域标识符“@”分片得到用户名、域名,其中域名还可根据点“.”进行细分;在在得到特征片段时,分析服务器可根据特征片段在信贷邮箱号所处的片段位置确定对应的格式校验规则,并根据该格式校验规则对特征片段进行格式校验,以判断所述信贷邮箱号的格式是否有效。若该信贷邮箱号无效,分析服务器可直接向贷款终端返回二次录入提示,以使贷款申请者根据该二次录入提示在贷款终端上重新提供信贷邮箱号;而若该信贷邮箱号有效,则分析服务器才会进行后续的处理操作。
可选地,在对信贷邮箱号的真实性进行校验时,可以是采用服务器校验的方式。其中,对于电子邮箱号,若其真实存在,是会在网络服务器中留下相关的操作记录,因此信贷邮箱号的真实性可以此进行校验。具体的,分析服务器先要获取信贷邮箱号中的域名,对于该域名的获取可以是借助于域标识符“@”,也即分析服务器先识别出信贷邮箱号中的域标识符“@”,并将域标识符之后的字符作为信贷邮箱号的域名。在得到信贷邮箱号的域名时,分析服务器将检测网络中是否存在该域名的MX(Mail Exchanger,邮件交换)记录,该MX记录的检测可以是通过DNS(Domain Name System,域名系统)进行,例如通过一些公用的DNS、或者是该某些域名所专用的DNS;如果该地址域没有相应MX记录,则该邮箱号为无效的,而如果该地址域存在MX记录,则服务器将确定与存储该MX记录的邮件服务器并与之进行连接,然后分析服务器会与该邮件服务器进行相关的握手或问候等操作(如发送HELO、EHLO、MAIL FROM等命令);当完成握手或问候等操作时,分析服务器将向邮件服务器发送邮箱号检测命令(如RCPT TO命令),该命令中包括需要检测的信贷邮箱号),以检测该信贷邮箱号是否真实存在;在发送了RCPT TO命令后,可根据邮件服务器的反应确定邮箱号的真实有效性,当邮件服务器在一定时间内返回预设格式的字符串时,分析服务器即可根据该字符串的类型确定信贷邮箱号是否真实存在,进一步的,若该信贷邮箱号真实存在,则分析服务器才会进行后续的处理操作;而若邮件服务器无响应或是分析服务器未能在一定时间内收到邮件服务器的回复,即认为该信贷邮箱号的真实性无法确认,此时可要求信贷申请者重新通过信贷终端录入信贷邮箱号,或是通过其它方式进行校验。
值得说明的是,对于上述两种校验方式,在具体实施中可以是采用其中一种,也可以是两种结合使用,当两种校验均通过时,才进行下一步操作;当然还可以是采用其它的校验方式,或是不进行校验。
步骤S20,根据所述信贷邮箱号查询所述单位电子邮箱所属的信贷单位,并在所述单位电子邮箱与所述信贷单位之间建立关联;
在正常情况下,贷款申请者所提供的信贷邮箱号,是对应有一个真实存在的单位,该单位具有一系列的单位特征信息,包括单位名称、单位地址、单位类型、法人名单、股东名单等;对此,在获取到贷款申请者的信贷邮箱号时,分析服务器将对信贷邮箱号进行反向查询和确定其该信贷邮箱号(即单位电子邮箱)所属的单位,该所属的单位在后续描述中以“信贷工作单位”进行说明。
其中,对于信贷工作单位查询的过程,可以分析服务器通过爬虫技术或其它手段从相关的网页中爬取已知单位的单位邮箱,并预先建立已知单位邮箱库(该已知单位邮箱库中包括有单位名称及该单位对应的单位邮箱、地址、电话、类型等内容),然后分析服务器再根据步骤S10获取到的信贷邮箱号号查询到其归属的单位信息。具体的,分析服务器可预先向网络上的黄页站点、百科服务站点等发送获取请求(Request),等待站点服务器响应;如果站点服务器能正常响应,将向分析服务返回一个请求回复(Response),回复包括有已知单位邮箱;分析服务器若在该预设时间接收到了站点返回的请求回复,即可根据该请求回复得到已知单位邮箱,并形成已知单位邮箱库;分析服务器在获取到贷款申请者的信贷邮箱号时,即可根据该信贷邮箱号查询该已知单位邮箱库,查找到与之匹配的已知单位邮箱,并根据该已知单位邮箱的所属单位作为该信贷邮箱号(信贷申请者的单位电子邮箱)所属的信贷单位。值得说明的是,分析服务器从黄页站点(或百科站点等)爬取已知单位邮箱时,对于黄页站点所返回的请求回复,其回复格式可能包括多种类型,如超文本标记语言html、Json字符串、二进制数据(如图片)等类型;分析服务器在得到该请求回复时,首先需要对请求回复进行相应的解析,以获得其中的已知单位邮箱。具体的,分析服务器中可预先设置有不同回复类型所对应的解析规则,例如对于html格式,可以是通过正则表达式和/或网页解析库的方式进行解析;对于Json格式,则可以转化为Json对象解析,如通过eval函数、又或者通过JSON.parse()方法进行解析;对于二进制数据,则可以是直接进行存储(或是进行其它处理)。当然,也可以是分析服务器与相关邮箱管理系统连接,在获得单位电子邮箱时,直接向邮箱管理系统发送邮箱归属查询请求,以查询该信贷邮箱号对应的单位名称、单位地址、单位类型等。
进一步的,对于同一单位分配给各员工的邮箱,一般是具有一定格式的,例如邮箱的域名为相同的字符(如@xxx.yy),对此,分析服务器在根据信贷邮箱号查询所述已知单位库以获取匹配的已知单位邮箱时,可以是根据信贷邮箱号中的域名进行查询;当查询到与信贷邮箱号具有相同域名的已知单位邮箱时,即可认为该相同域名的已知单位邮箱匹配。当然,在具体实施中,还可以通过设置其它的查询规则进行已知单位邮箱的匹配查询。
本实施例中,分析服务器在确定信贷申请者的单位电子邮箱的信贷邮箱号所属信贷单位时,可在该单位电子邮箱与该信贷单位之间建立关联,从而将贷款申请者提供的单位邮箱信息与实体单位信息联系起来,形成关联网络,用以进行后续的风险检测。
进一步的,分析服务器在确定信贷申请者的单位电子邮箱的信贷邮箱号所属信贷单位时,还可以根据获取该信贷单位的公开的单位特征,例如公开单位地址、单位电话、单位类型等信息;同时,分析服务器还将获取信贷申请者在进行信贷申请时所提供的工作单位特征,例如单位地址、单位电话、单位类型等;然后,分析服务器会将公开单位特征与信贷申请者提供的工作单位特征进行比对,从而验证信贷申请者所提供的工作单位特征的真实性;若两者是相同的,则说明信贷申请者所提供的工作单位特征是真实的;而若两者不同,则说明信贷申请者所提供的工作单位特征和信贷邮箱号中,至少有一个是虚假信息,此时分析服务器输出相关的虚假信息提示。通过上述方式,可以交叉校验的方式对信贷申请者所提供的不同维度的信贷资料(信息)进行真实性校验,有利于检测出虚假信息、并发现信贷风险。
步骤S30,根据所述信贷邮箱号在预设信贷记录库中查询匹配的历史信贷件,并在所述单位电子邮箱与所述历史信贷件之间建立关联;
本实施例中,在将单位电子邮箱与信贷单位建立关联的同时,分析服务器还根据信贷邮箱号查询预设的信贷记录库,以确定是否曾有人以该信贷邮箱号、或者是与该信贷邮箱号类似的邮箱号进行过信贷申请;若有,则分析服务器将会获取与该信贷邮箱号匹配的历史信贷件,该历史信贷件中也可包括有包括电话号码、银行卡号、地址(包括多种地址)、证件号等历史信贷信息。其中,考虑到邮箱名的随机性的影响,可以是将域名这一具有稳定规律的部分作为匹配的主要因素,也即查询是否存在与该信贷邮箱号具有相同域名的历史邮箱;若有,则说明曾有同一单位的人进行过信贷申请。例如,分析服务器根据贷款申请人本次(18年3月)申请所提供的信贷邮箱号为“183****@xxx.yy”,其域名“为@xxx.yy”;据此,分析服务器查询到一时间为17年3月的历史信贷件的历史邮箱具有相同域名,其历史邮箱号为“173****@xxx.yy”,此时分析服务器将获取到该17年3月的历史信贷件,并在该单位电子邮箱与历史信贷件之间建立关联。
值得说明的,本实施例中单位电子邮箱与信贷单位的关联、单位电子邮箱与历史信贷件的关联,可以是建立在同一个关系网络中,以从多个维度将单位电子邮箱与其它信息进行关联和分析。
而在具体实施中,对于本实施例中与单位电子邮箱进行直接关联的信贷单位和历史信贷件,还可统称称为一次关联信息;在将单位电子邮箱与一次关联信息进行关联之后,还可通过多种方式查询与该一次关联信息具有联系的二次关联信息,然后在一次关联信息与二次关联信息之间也建立关联,此时可认为单位电子邮箱与二次关联信息间接关联,而一次关联信息与二次关联信息称为关联信息。而对于二次关联信息,可以是通过多种方式得到,例如对于信贷单位,可以是该信贷单位的地址、单位股东、信贷单位的类型、税务情况等;又例如对于历史信贷件,可以是历史信贷件涉及的历史贷款人的其它贷款信息(手机号、身份证号)、历史贷款金额、偿还情况等。依此类推,单位电子邮箱还可以与三次关联信息、四次关联信息等进行关联,从而以工作单位为起点,建立起信息关联网络。
步骤S40,根据预设关系度公式计算所述单位电子邮箱与各关联信息之间的关系度,其中所述各关联信息包括所述信贷单位和所述历史信贷件;
本实施例中,在单位电子邮箱与信贷单位、历史信贷件建立关联后,分析服务器将根据预设关系度公式计算单位电子邮箱与各关联信息之间的关系度,其中这些关联信息包括信贷单位和历史信贷件。而对于单位电子邮箱与关联信息之间的关系度,则可看作是单位电子邮箱与关联信息之间联系紧密的表征;关系度越大,两者的联系越紧密。其中预设关系度公式为:
其中f为单位电子邮箱与关联信息之间的关系度;
m为单位电子邮箱与关联信息之间的最短关联路径上的路径信息数量(或称为关系链上的信息数量,关系链的两个端点分别为单位电子邮箱和关联信息),可根据单位电子邮箱与关联信息之间的关联关系确定,且路径信息包括单位电子邮箱和关联信息,m≥2,1≤i≤m;值得说明的是,当单位电子邮箱所关联的关联信息包括一次关联信息、二次关联信息、三次关联信息等时,若计算的是一次关联信息与单位电子邮箱的关系度,则m=2,若计算的是二次关联信息与单位电子邮箱的关系度,则m=3,依此类推;
k0为与关联信息的信息类型对应的预设距离系数,0<k0;对于各类关联信息的k0,可以是分析服务器中预先设置,如分析服务器中预先存储有信息系数表,信息系数表中记录有类各关联信息所对应的k0值,分析服务器可根据要计算的关联信息的信息类型查询该信息系数表从而确定出k0值;
x0为与关联信息的信息类型对应的预设强度系数,0<x0;对于上述的信息系数表,还记录有类各关联信息所对应的x0值,分析服务器可根据要计算的关联信息的信息类型查询该信息系数表从而确定出x0值;
ki为最短关联路径上各路径信息各自对应的关联距离系数,0<ki;ki可根据路径信息与关联信息之间的最短关联路径的关联距离di(即最短关系链中的关系数)与预设关联距离公式确定,且在预设关联距离公式中ki与di呈负相关的关系,di越大,ki越小;当然预设关联距离公式可以是根据实际情况进行设置,例如ki=di -1;
xi为最短关联路径上各路径信息各自对应的关系强度系数,0<xi;xi与路径信息的信息类型有关,例如对于信贷单位,金融类单位的关系强度系数大于机械制造类单位的关系强度系数;对于上述的信息系数表,还记录有类各路径信息所对应的xi值,分析服务器可根据要计算的路径信息的信息类型查询该信息系数表从而确定出xi值;
ui为最短关联路径上各路径信息各自对应的衰减因子系数,0<ui≤1;,ui与路径信息的信息类型有关,例如历史信贷件的衰减因子系数小于金融类单位的衰减因子系数;对于上述的信息系数表,还记录有类各路径信息所对应的xi值,分析服务器可根据要计算的路径信息的信息类型查询该信息系数表从而确定出xi值。
具体的,在计算单位电子邮箱与某一关联信息的关联度时,首先根据要计算的关联信息的信息类型查询信息系数表,获取该关联信息的预设距离系数k0和预设强度系数x0;然后根据单位电子邮箱与该关联信息的关联关系确定两者的计算关系路径,其中若单位电子邮箱与该关联信息之间有多条关系路径,则选择关系数最少的一条作为计算关系路径(即最短关系路径);在确定计算关系路径时,将要确定该计算关系路径上的所有路径信息(包括单位电子邮箱与该关联信息),并根据计算关系路径的所有路径信息分别与关联信息的关联距离、各路径信息的信息类型、关联强度等确定各路径信息对应的关联距离系数ki、衰减因子系数ui和关联强度系数xi,再将各参数代入至上述公式中,即可计算出单位电子邮箱与该关联信息的关系度。分析服务器在计算得单位电子邮箱与该关联信息之间的关系度时,还可生成对应的信息关联图并标注关系度,如图3所示,图3中关联信息包括信贷单位(关系度73)、历史信贷件201712xx(关系度80)、历史信贷件201703xx(关系度58)。
步骤S50,当所述关联信息属于黑名单信息时,判断所述关系度是否大于预设关系阈值;
本实施例中,分析服务器在得到单位电子邮箱与该关联信息之间的关系度时,即可通过染黑逻辑(或染灰逻辑)对单位电子邮箱进行欺诈风险分析。具体的,当某一关联信息属于黑名单信息(或者该关联信息确认为虚假)时,如信贷单位被相关政府机构多次调查、历史信贷件逾期等,分析服务器将判断单位电子邮箱与该关联信息之间的关系度是否大于预设阈值,即通过两者之间的关系紧密程度关联分析单位电子邮箱的风险性。
步骤S60,若所述关系度大于预设关系阈值,则确定所述单位电子邮箱为风险信息。
本实施例中,若单位电子邮箱与该黑名单关联信息之间的关系度大于预设阈值,则可认为单位电子邮箱也是可疑的,并将该单位电子邮箱确定为风险信息。
进一步的,在确定单位电子邮箱为风险信息时,分析服务器还可以根据关系度给出相关的处理建议。例如分析服务器中设置有预设复核阈值,其中预设复核阈值大于预设关系阈值;当确定单位电子邮箱为风险号码时(单位电子邮箱与该黑名单关联信息之间的关系度大于预设阈值),还将判断单位电子邮箱与该黑名单关联信息之间的关系度是否大于预设复核阈值;若该关系度大于预设复核阈值,则分析服务器将输出拒绝放款的建议;若该关系度小于或等于预设复核阈值,则分析服务器将输出人工复核的建议。通过这样的方式,可在提高信贷风险分析的准确性的同时,降低误判率。
再进一步的,分析服务器在对单位电子邮箱的风险性进行分析之后,还可以生成对应的分析报告,分析报告的内容可以包括单位电子邮箱与其它信息建立关联的建立过程(包括计算过程)、信息关联图、关系度计算和判断过程等,以供分析人员查看。
本实施例中,在接收到贷款终端发送的信贷请求时,获取所述信贷请求对应信贷申请者的单位电子邮箱的信贷邮箱号;根据所述信贷邮箱号查询所述单位电子邮箱所属的信贷单位,并在所述单位电子邮箱与所述信贷单位之间建立关联;根据所述信贷邮箱号在预设信贷记录库中查询匹配的历史信贷件,并在所述单位电子邮箱与所述历史信贷件之间建立关联;根据预设关系度公式计算所述单位电子邮箱与各关联信息之间的关系度,其中所述各关联信息包括所述信贷单位和所述历史信贷件;当所述关联信息属于黑名单信息时,判断所述关系度是否大于预设关系阈值;若所述关系度大于预设关系阈值,则确定所述单位电子邮箱为风险信息。通过以上方式,本实施例以“关系”的方式将贷款申请者提供的单位电子邮箱与其它信息进行整合和关联,有利于确定单位电子邮箱与其它信息之间的联系;并结合染黑(或染灰)的处理逻辑对单位电子邮箱的风险性进行分析和检测,从而基于大数据关联分析处理方式对潜在信贷欺诈风险进行了有效预测,提高了信贷风险检测的准确性,能够更有效地对潜在风险进行预警,可尽早地发现并规避风险和降低贷款坏账率。
此外,本发明实施例还提供一种信贷信息的风险检测装置。
参照图4,图4为本发明信贷信息的风险检测装置第一实施例的功能模块示意图。
本实施例中,所述信贷信息的风险检测装置包括:
请求接收模块10,用于在接收到贷款终端发送的信贷请求时,获取所述信贷请求对应信贷申请者的单位电子邮箱的信贷邮箱号;
第一关联模块20,用于根据所述信贷邮箱号查询所述单位电子邮箱所属的信贷单位,并在所述单位电子邮箱与所述信贷单位之间建立关联;
第二关联模块30,用于根据所述信贷邮箱号在预设信贷记录库中查询匹配的历史信贷件,并在所述单位电子邮箱与所述历史信贷件之间建立关联;
关系度计算模块40,用于根据预设关系度公式计算所述单位电子邮箱与各关联信息之间的关系度,其中所述各关联信息包括所述信贷单位和所述历史信贷件;
关系度判断模块50,用于当所述关联信息属于黑名单信息时,判断所述关系度是否大于预设关系阈值;
风险确定模块60,用于若所述关系度大于预设关系阈值,则确定所述单位电子邮箱为风险信息。
其中,上述信贷信息的风险检测装置的各虚拟功能模块存储于图1所示信贷信息的风险检测设备的存储器1005中,用于实现风险检测程序的所有功能;各模块被处理器1001执行时,可实现将单位电子邮箱与多种信息进行整合和关联,并结合染黑(或染灰)的处理逻辑对单位电子邮箱进行风险分析的功能。
进一步的,所述信贷信息的风险检测装置还包括:
邮箱号分片模块,用于对所述信贷邮箱号的各字符进行识别,并根据所述信贷邮箱号的特征字符对所述信贷邮箱号进行分片,获得特征片段;
第一校验模块,用于根据所述特征片段在所述信贷邮箱号的片段位置确定对应的格式校验规则,并根据所述格式校验规则对所述特征片段进行格式校验,以判断所述信贷邮箱号的格式是否有效;
所述第一关联模块20,还用于若所述信贷邮箱号的格式有效,则执行步骤根据所述信贷邮箱号查询所述单位电子邮箱所属的信贷单位,并在所述单位电子邮箱与所述信贷单位之间建立关联。
进一步的,所述信贷信息的风险检测装置还包括:
域名获取模块,用于识别所述信贷邮箱号中的域标识符,并根据所述地址域标识字符获取所述信贷邮箱号的域名;
记录检测模块,用于通过域名系统DNS检测网络中是否存在所述地址域的邮件交换MX记录;
第二校验模块,用于若网络中存在所述地址域的MX记录,则确定存储所述MX记录的邮件服务器,以向所述邮件服务器发送包括所述信贷邮箱号的邮箱号检测命令,并根据所述邮件服务器返回的检查回复判断所述信贷邮箱号是否真实存在;
所述第一关联模块20,还用于若所述信贷邮箱号真实存在,则执行步骤根据所述信贷邮箱号查询所述单位电子邮箱所属的信贷单位,并在所述单位电子邮箱与所述信贷单位之间建立关联。
进一步的,所述信贷信息的风险检测装置还包括:
回复接收模块,用于向所述预设黄页站点发送单位邮箱获取请求,并接收所述预设黄页站点返回的请求回复;
特征库形成模块,用于根据所述请求回复的回复格式获取对应的解析规则,并根据所述解析规则对所述请求回复进行解析,得到已知单位邮箱,以形成已知单位邮箱库;
所述第一关联模块20包括:
单位确定单元,用于根据所述信贷邮箱号查询所述已知单位库,获取与所述信贷邮箱号匹配的已知单位邮箱,并根据所述匹配的已知单位邮箱的所属单位确定所述单位电子邮箱所属的信贷单位。
进一步的,所述单位确定单元还具体用于获取所述信贷邮箱号的域名,并根据所述信贷邮箱号的域名查询所述已知单位库,获取与所述信贷邮箱号匹配的已知单位邮箱。
进一步的,所述信贷信息的风险检测装置还包括:
特征获取模块,用于获取所述信贷单位的公开单位特征,并获取所述信贷申请者提供的工作单位特征;
特征比对模块,用于将所述公开单位特征与所述工作单位特征进行比对,以验证所述工作单位特征的真实性。
进一步的,所述预设关系度公式为:
其中,f为所述单位电子邮箱与所述关联信息之间的关系度;
m为所述单位电子邮箱与所述关联信息之间的最短关联路径上的路径信息数量,所述路径信息包括所述单位电子邮箱和所述关联信息,所述m≥2;
k0为与所述关联信息的信息类型对应的预设距离系数,0<k0;
x0为与所述关联信息的信息类型对应的预设强度系数,0<x0;
ki为所述路径信息各自对应的关联距离系数,0<ki;
ui为所述路径信息各自对应的衰减因子系数,0<ui≤1;
xi为所述路径信息各自对应的关联强度系数,0<xi。
其中,上述信贷信息的风险检测装置中各个模块的功能实现与上述信贷信息的风险检测方法实施例中各步骤相对应,其功能和实现过程在此处不再一一赘述。
此外,本发明实施例还提供一种存储介质。
本发明存储介质上存储有风险检测程序,其中所述风险检测程序被处理器执行时,实现如上述的信贷信息的风险检测方法的步骤。
其中,风险检测程序被执行时所实现的方法可参照本发明信贷信息的风险检测方法的各个实施例,此处不再赘述。
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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。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、物品或者系统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如上所述的一个存储介质(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 (9)
1.一种信贷信息的风险检测方法,其特征在于,所述信贷信息的风险检测方法包括:
在接收到贷款终端发送的信贷请求时,获取所述信贷请求对应信贷申请者的单位电子邮箱的信贷邮箱号;
根据所述信贷邮箱号查询所述单位电子邮箱所属的信贷单位,并在所述单位电子邮箱与所述信贷单位之间建立关联;
根据所述信贷邮箱号在预设信贷记录库中查询与所述信贷邮箱号具有相同域名的历史信贷件,并在所述单位电子邮箱与所述历史信贷件之间建立关联;
根据预设关系度公式计算所述单位电子邮箱与各关联信息之间的关系度,其中所述各关联信息包括所述信贷单位和所述历史信贷件,所述预设关系度公式为:
其中,f为所述单位电子邮箱与所述关联信息之间的关系度,m为所述单位电子邮箱与所述关联信息之间的最短关联路径上的路径信息数量,所述路径信息包括所述单位电子邮箱和所述关联信息,所述m≥2,1≤i≤m,k0为与所述关联信息的信息类型对应的预设距离系数,0<k0;x0为与所述关联信息的信息类型对应的预设强度系数,0<x0,ki为所述路径信息各自对应的关联距离系数,0<ki;ui为所述路径信息各自对应的衰减因子系数,0<ui≤1,xi为所述路径信息各自对应的关联强度系数,0<xi;
当所述关联信息属于黑名单信息时,判断所述关系度是否大于预设关系阈值;
若所述关系度大于预设关系阈值,则确定所述单位电子邮箱为风险信息。
2.如权利要求1所述的信贷信息的风险检测方法,其特征在于,所述在接收到贷款终端发送的信贷请求时,获取所述信贷请求对应信贷申请者的单位电子邮箱的信贷邮箱号的步骤之后,还包括:
对所述信贷邮箱号的各字符进行识别,并根据所述信贷邮箱号的特征字符对所述信贷邮箱号进行分片,获得特征片段;
根据所述特征片段在所述信贷邮箱号的片段位置确定对应的格式校验规则,并根据所述格式校验规则对所述特征片段进行格式校验,以判断所述信贷邮箱号的格式是否有效;
若所述信贷邮箱号的格式有效,则执行步骤根据所述信贷邮箱号查询所述单位电子邮箱所属的信贷单位,并在所述单位电子邮箱与所述信贷单位之间建立关联。
3.如权利要求1所述的信贷信息的风险检测方法,其特征在于,所述在接收到贷款终端发送的信贷请求时,获取所述信贷请求对应信贷申请者的单位电子邮箱的信贷邮箱号的步骤之后,还包括:
识别所述信贷邮箱号中的域标识符,并根据所述域标识符获取所述信贷邮箱号的域名;
通过域名系统DNS检测网络中是否存在所述域名的邮件交换MX记录;
若网络中存在所述域名的MX记录,则确定存储所述MX记录的邮件服务器,以向所述邮件服务器发送包括所述信贷邮箱号的邮箱号检测命令,并根据所述邮件服务器返回的检查回复判断所述信贷邮箱号是否真实存在;
若所述信贷邮箱号真实存在,则执行步骤根据所述信贷邮箱号查询所述单位电子邮箱所属的信贷单位,并在所述单位电子邮箱与所述信贷单位之间建立关联。
4.如权利要求1所述的信贷信息的风险检测方法,其特征在于,所述根据所述信贷邮箱号查询所述单位电子邮箱所属的信贷单位的步骤之前,还包括:
向预设黄页站点发送单位邮箱获取请求,并接收所述预设黄页站点返回的请求回复;
根据所述请求回复的回复格式获取对应的解析规则,并根据所述解析规则对所述请求回复进行解析,得到已知单位邮箱,以形成已知单位邮箱库;
所述根据所述信贷邮箱号查询所述单位电子邮箱所属的信贷单位的步骤包括:
根据所述信贷邮箱号查询所述已知单位邮箱库,获取与所述信贷邮箱号匹配的已知单位邮箱,并根据所述匹配的已知单位邮箱的所属单位确定所述单位电子邮箱所属的信贷单位。
5.如权利要求4所述的信贷信息的风险检测方法,其特征在于,所述根据所述信贷邮箱号查询所述已知单位邮箱库,获取与所述信贷邮箱号匹配的已知单位邮箱的步骤包括:
获取所述信贷邮箱号的域名,并根据所述信贷邮箱号的域名查询所述已知单位邮箱库,获取与所述信贷邮箱号匹配的已知单位邮箱。
6.如权利要求1所述的信贷信息的风险检测方法,其特征在于,所述根据所述信贷邮箱号查询所述单位电子邮箱所属的信贷单位的步骤之后,还包括:
获取所述信贷单位的公开单位特征,并获取所述信贷申请者提供的工作单位特征;
将所述公开单位特征与所述工作单位特征进行比对,以验证所述工作单位特征的真实性。
7.一种信贷信息的风险检测装置,其特征在于,所述信贷信息的风险检测装置包括:
请求接收模块,用于在接收到贷款终端发送的信贷请求时,获取所述信贷请求对应信贷申请者的单位电子邮箱的信贷邮箱号;
第一关联模块,用于根据所述信贷邮箱号查询所述单位电子邮箱所属的信贷单位,并在所述单位电子邮箱与所述信贷单位之间建立关联;
第二关联模块,用于根据所述信贷邮箱号在预设信贷记录库中查询与所述信贷邮箱号具有相同域名的历史信贷件,并在所述单位电子邮箱与所述历史信贷件之间建立关联;
关系度计算模块,用于根据预设关系度公式计算所述单位电子邮箱与各关联信息之间的关系度,其中所述各关联信息包括所述信贷单位和所述历史信贷件,所述预设关系度公式为:
其中,f为所述单位电子邮箱与所述关联信息之间的关系度,m为所述单位电子邮箱与所述关联信息之间的最短关联路径上的路径信息数量,所述路径信息包括所述单位电子邮箱和所述关联信息,所述m≥2,1≤i≤m,k0为与所述关联信息的信息类型对应的预设距离系数,0<k0;x0为与所述关联信息的信息类型对应的预设强度系数,0<x0,ki为所述路径信息各自对应的关联距离系数,0<ki;ui为所述路径信息各自对应的衰减因子系数,0<ui≤1,xi为所述路径信息各自对应的关联强度系数,0<xi;
关系度判断模块,用于当所述关联信息属于黑名单信息时,判断所述关系度是否大于预设关系阈值;
风险确定模块,用于若所述关系度大于预设关系阈值,则确定所述单位电子邮箱为风险信息。
8.一种信贷信息的风险检测设备,其特征在于,所述信贷信息的风险检测设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的风险检测程序,其中所述风险检测程序被所述处理器执行时,实现如权利要求1至6中任一项所述的信贷信息的风险检测方法的步骤。
9.一种存储介质,其特征在于,所述存储介质上存储有风险检测程序,其中所述风险检测程序被处理器执行时,实现如权利要求1至6中任一项所述的信贷信息的风险检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811254447.6A CN109636574B (zh) | 2018-10-25 | 2018-10-25 | 信贷信息的风险检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811254447.6A CN109636574B (zh) | 2018-10-25 | 2018-10-25 | 信贷信息的风险检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109636574A CN109636574A (zh) | 2019-04-16 |
CN109636574B true CN109636574B (zh) | 2023-05-23 |
Family
ID=66066485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811254447.6A Active CN109636574B (zh) | 2018-10-25 | 2018-10-25 | 信贷信息的风险检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109636574B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348998A (zh) * | 2019-06-27 | 2019-10-18 | 上海淇馥信息技术有限公司 | 基于黄页数据的用户欺诈风险预测的方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107871277A (zh) * | 2017-07-25 | 2018-04-03 | 平安普惠企业管理有限公司 | 服务器、客户关系挖掘的方法及计算机可读存储介质 |
CN108364224A (zh) * | 2018-01-12 | 2018-08-03 | 深圳壹账通智能科技有限公司 | 信贷风险联控方法、装置、设备及可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012033563A1 (en) * | 2010-09-10 | 2012-03-15 | Darren Gardner | System and method for providing a plurality of prioritised email domain names |
CN106033575A (zh) * | 2015-03-11 | 2016-10-19 | 阿里巴巴集团控股有限公司 | 风险账户识别方法及装置 |
CN107871278B (zh) * | 2017-08-04 | 2021-08-31 | 平安普惠企业管理有限公司 | 服务器、客户关系网络展示的方法及存储介质 |
CN108596638A (zh) * | 2018-04-27 | 2018-09-28 | 深圳市零度智控科技有限公司 | 基于大数据的反欺诈识别方法及系统、终端及存储介质 |
CN108564467A (zh) * | 2018-05-09 | 2018-09-21 | 平安普惠企业管理有限公司 | 一种用户风险等级的确定方法及设备 |
-
2018
- 2018-10-25 CN CN201811254447.6A patent/CN109636574B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107871277A (zh) * | 2017-07-25 | 2018-04-03 | 平安普惠企业管理有限公司 | 服务器、客户关系挖掘的方法及计算机可读存储介质 |
CN108364224A (zh) * | 2018-01-12 | 2018-08-03 | 深圳壹账通智能科技有限公司 | 信贷风险联控方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109636574A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200042696A1 (en) | Dynamic page similarity measurement | |
CN106384273B (zh) | 恶意刷单检测系统及方法 | |
CN101730903B (zh) | 多维声誉评分 | |
EP2805286B1 (en) | Online fraud detection dynamic scoring aggregation systems and methods | |
US20060168066A1 (en) | Email anti-phishing inspector | |
CN110851872B (zh) | 针对隐私数据泄漏的风险评估方法及装置 | |
CN109831459B (zh) | 安全访问的方法、装置、存储介质和终端设备 | |
CN111027094B (zh) | 针对隐私数据泄漏的风险评估方法及装置 | |
US11868979B2 (en) | System and process for electronic payments | |
CN106549959B (zh) | 一种代理网际协议ip地址的识别方法及装置 | |
CN107277036A (zh) | 基于多站点数据的登录验证方法、验证设备及存储介质 | |
CN108259680B (zh) | 诈骗电话识别方法、装置以及用于识别诈骗电话的服务器 | |
WO2022002246A1 (zh) | 电子设备投保的校验方法和装置 | |
CN110909384B (zh) | 确定泄露用户信息的业务方的方法及装置 | |
WO2020048056A1 (zh) | 一种风险决策方法和装置 | |
US20080215346A1 (en) | Systems and methods for identity verification | |
WO2020082557A1 (zh) | 手机号的风险分析方法、装置、设备及可读存储介质 | |
CN111489175B (zh) | 在线身份认证方法、装置、系统及存储介质 | |
CN112632409A (zh) | 同一用户识别方法、装置、计算机设备和存储介质 | |
CN109636578B (zh) | 信贷信息的风险检测方法、装置、设备及可读存储介质 | |
CN106657096B (zh) | Web漏洞检测方法、装置及系统 | |
CN109657900B (zh) | 工作单位信息的风险检测方法、装置、设备及存储介质 | |
CN109636574B (zh) | 信贷信息的风险检测方法、装置、设备及存储介质 | |
CN108573004B (zh) | 基于保险业务信息处理方法与装置 | |
CN109636568A (zh) | 电话号码的风险检测方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |