CN109636575B - 终端风险检测方法、装置、设备及可读存储介质 - Google Patents
终端风险检测方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN109636575B CN109636575B CN201811254448.0A CN201811254448A CN109636575B CN 109636575 B CN109636575 B CN 109636575B CN 201811254448 A CN201811254448 A CN 201811254448A CN 109636575 B CN109636575 B CN 109636575B
- Authority
- CN
- China
- Prior art keywords
- terminal
- loan
- preset
- relation
- feature
- 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
本发明提供一种终端风险检测方法、装置、设备及可读存储介质,根据贷款终端的终端特征信息、以“关系”的方式将贷款申请者的贷款终端与其它终端进行关联,从而可将孤立的贷款信息与其它信息进行整合,有利于确定贷款信息与其它信息之间的联系;并结合染黑(或染灰)的处理逻辑对贷款终端的风险性进行分析和检测,从而以大数据分析的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
本发明涉及金融信贷领域,尤其涉及一种终端风险检测方法、装置、设备及可读存储介质。
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,需要对贷款申请者进行风控分析,以确定其欺诈风险性。而在传统的分析过程中,一般是对贷款申请者所提供的资料信息进行单一的验真核对,并不涉及到对贷款申请者所用的贷款终端的风险检测,忽略了贷款终端本身的风险性,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终端风险检测方法、装置、设备及可读存储介质,旨在提高信贷风险分析的准确性。
为实现上述目的,本发明提供一种终端风险检测方法,所述终端风险检测方法包括:
在接收到信贷请求时,获取所述信贷请求对应贷款终端的第一终端特征信息;
基于预设相似模型和所述第一终端特征信息在预设历史库中查询与所述贷款终端匹配的参考终端,并在所述贷款终端与所述参考终端之间建立关联;
根据预设关系度公式计算所述贷款终端与所述参考终端之间的关系度,所述预设关系度公式为:
其中,f为所述贷款终端与所述参考终端之间的关系度;m为所述贷款终端与所述参考终端之间的关联路径上的路径终端数量,所述路径终端包括所述贷款终端和所述参考终端,所述m≥2,1≤j≤m;k0为与所述参考终端的终端类型对应的预设距离系数,0<k0;x0为与所述参考终端的终端类型对应的预设强度系数,0<x0;kj为所述路径终端各自对应的关联距离系数,0<kj;uj为所述路径终端各自对应的衰减因子系数,0<uj≤1;xj为所述路径终端各自对应的关联强度系数,0<xj;
当所述参考终端属于黑名单终端时,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,则确定所述贷款终端为风险终端。
可选地,所述基于预设相似模型和所述第一终端特征信息在预设历史库中查询与所述贷款终端匹配的参考终端,并在所述贷款终端与所述参考终端之间建立关联的步骤包括:
在所述预设历史库中获取参考终端及所述参考终端的第二终端特征信息;
根据预设特征相似规则计算所述第一终端特征信息与所述第二终端特征信息之间的特征相似度,并判断所述特征相似度是否大于预设相似阈值;
若所述特征相似度大于预设相似阈值,则确定所述贷款终端与所述参考匹配,并在所述贷款终端与所述参考终端之间建立关联。
可选地,所述根据预设特征相似规则计算所述第一终端特征信息与所述第二终端特征信息之间的特征相似度的步骤包括:
根据预设特征组标准将所述第一终端特征信息转换为第一特征组D1,将所述第二终端特征信息转换为第二特征组D2,并对所述第一特征组D1和所述第二特征组D2进行并集运算,获得对应的全特征组D;
根据所述全特征组D中各特征元素分别在所述第一特征组D1和第二特征组D2中的出现频率、确定第一特征组D1对应的第一频率组DD1和第二特征组D2对应第二频率组DD2;
根据预设特征相似度公式、所述第一频率组DD1和所述第二频率组DD2计算所述第一终端特征信息与所述第二终端特征信息之间的特征相似度,所述预设特征相似度公式为:
其中,sim(DD1,DD2)为所述第一终端特征信息与所述第二终端特征信息之间的特征相似度;
n为所述第一频率组DD1或所述第二频率组DD2的元素数量;
DD1i为所述第一频率组DD1第i个元素,DD2i所述第二频率组DD1第i个元素,0<i≤n,且i为整数。
可选地,所述第一终端特征信息包括第一特征获取时间,所述第二终端特征信息包括第二特征获取时间,
所述判断所述特征相似度是否大于预设相似阈值的步骤之前,还包括:
计算所述第一特征获取时间和第二特征获取时间的获取时间差,并基于所述获取时间差确定对应的预设相似阈值。
可选地,所述基于预设相似模型和所述第一终端特征信息在预设历史库中查询与所述贷款终端匹配的参考终端,并在所述贷款终端与所述参考终端之间建立关联的步骤包括:
根据所述第一终端特征信息和预设指纹算法生成所述贷款终端的第一终端指纹;
在所述预设历史库中获取参考终端及所述参考终端的第二终端特征信息,并根据所述第二终端特征信息和所述预设指纹算法生成所述参考终端的第二终端指纹;
判断所述第一终端指纹和所述第二终端指纹是否匹配;
若所述第一终端指纹和所述第二终端指纹匹配,则确定所述贷款终端与所述参考终端匹配,并在所述贷款终端与所述参考终端之间建立关联。
可选地,所述若所述关系度大于预设关系阈值,则确定所述贷款终端为风险终端的步骤之后,还包括:
根据所述信贷请求对应的信贷产品类型和/或根据所述关系度与预设复核阈值的大小关系输出对应的处理建议,其中所述预设符合阈值大于所述预设关系阈值。
此外,为实现上述目的,本发明还提供一种终端风险检测装置,所述终端风险检测装置包括:
请求接收模块,用于在接收到信贷请求时,获取所述信贷请求对应贷款终端的第一终端特征信息;
关联建立模块,用于基于预设相似模型和所述第一终端特征信息在预设历史库中查询与所述贷款终端匹配的参考终端,并在所述贷款终端与所述参考终端之间建立关联;
关系度计算模块,用于根据预设关系度公式计算所述贷款终端与所述参考终端之间的关系度,所述预设关系度公式为:
其中,f为所述贷款终端与所述参考终端之间的关系度;m为所述贷款终端与所述参考终端之间的关联路径上的路径终端数量,所述路径终端包括所述贷款终端和所述参考终端,所述m≥2,1≤j≤m;k0为与所述参考终端的终端类型对应的预设距离系数,0<k0;x0为与所述参考终端的终端类型对应的预设强度系数,0<x0;kj为所述路径终端各自对应的关联距离系数,0<kj;uj为所述路径终端各自对应的衰减因子系数,0<uj≤1;xj为所述路径终端各自对应的关联强度系数,0<xj;
关系度判断模块,用于当所述参考终端属于黑名单终端时,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,则确定所述贷款终端为风险终端。
此外,为实现上述目的,本发明还提供一种终端风险检测设备,所述终端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终端风险检测程序,其中所述终端风险检测程序被所述处理器执行时,实现如上述的终端风险检测方法的步骤。
此外,为实现上述目的,本发明还提供一种可读存储介质,所述可读存储介质上存储有终端风险检测程序,其中所述终端风险检测程序被处理器执行时,实现如上述的终端风险检测方法的步骤。
本发明根据贷款终端的终端特征信息、以“关系”的方式将贷款申请者的贷款终端与其它终端进行关联,从而可将孤立的贷款信息与其它信息进行整合,有利于确定贷款信息与其它信息之间的联系;并结合染黑(或染灰)的处理逻辑对贷款终端的风险性进行分析和检测,从而以大数据分析的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终端风险检测设备的硬件结构示意图;
图2为本发明终端风险检测方法第一实施例的流程示意图;
图3为本发明终端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终端风险检测方法主要应用于终端风险检测设备,该终端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终端风险检测设备的硬件结构示意图。本发明实施例中,终端风险检测设备可以包括处理器1001(例如中央处理器CentralProcessing 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、网络通信模块以及终端风险检测程序。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中存储的终端风险检测程序,并执行本发明实施例提供的终端风险检测方法。
本发明实施例提供了一种终端风险检测方法。
参照图2,图2为本发明终端风险检测方法第一实施例的流程示意图。
本实施例中,所述终端风险检测方法包括以下步骤:
步骤S10,在接收到信贷请求时,获取所述信贷请求对应贷款终端的第一终端特征信息;
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,需要对贷款申请者进行风控分析,以确定其欺诈风险性。而在传统的分析过程中,一般是对贷款申请者所提供的资料信息进行单一的验真核对,并不涉及到对贷款申请者所用的贷款终端的风险检测,忽略了贷款终端本身的风险性,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终端风险检测方法,在进行信贷风险分析时,根据贷款申请者的贷款终端的终端特征信息将贷款终端与其它信息之间建立关联关系,从而以大数据分析的方式对贷款申请者的贷款终端进行关联风险检测,提高信贷风险检测的准确性。
本实施例中的终端风险检测方法是由终端风险检测设备实现的,该终端风险检测设备以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检测服务器发送对应的信贷请求。检测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贷款终端的终端特征信息,为描述方法,贷款终端的终端特征信息后续以“第一终端特征信息”进行说明。对于该第一终端特征信息,可以包括终端操作系统类型、操作系统版本、终端品牌、终端型号、贷款终端IP地址(InternetProtocol Address,互联网协议地址)、终端平均日开机时长、应用安装数量、贷款APP安装数量、目标类型APP安装数量、通话记录总数、通讯录总数、短信数量、贷款短信数量、催收短信数量等。当然,对于上述第一终端特征信息的获取,可以是检测服务器在得到贷款申请者的授权后,通过安装在该贷款终端中的特征获取SDK(Software Development Kit,软件开发工具包)或其它技术、抓取贷款终端中的第一终端特征信息;还可以是检测服务器在得到贷款申请者的授权后,从运营商处获取该贷款终端的第一终端特征信息,例如贷款申请者通过贷款终端手机进行信贷申请时,还将一同提供申请手机号和手机号信息获取密钥(如密码等),检测服务器则可与运营商的数据系统连接,并根据该申请手机号信息获取密钥从该数据系统中获取该申请手机号(贷款终端)的第一终端特征信息。
当然,检测服务器在根据信贷请求获取第一终端特征的同时,还将获取贷款申请者的其它基本信息,例如包括有家庭地址、工作地址、单位地址、银行账户、身份证、常用联系人等,这些基本信息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检测服务器中。
步骤S20,基于预设相似模型和所述第一终端特征信息在预设历史库中查询与所述贷款终端匹配的参考终端,并在所述贷款终端与所述参考终端之间建立关联;
本实施例中,检测服务器在获取到贷款终端的第一终端特征信息后,将基于预设相似模型和第一终端特征信息查找与贷款终端匹配的参考终端。其中,该第一终端特征信息在一定程度上可看作是贷款申请者在使用贷款终端时所留下的使用痕迹,又或者是体现贷款终端的使用情况的数据;通过查询与第一终端特征信息匹配(相同或相似)的参考终端过程,可认为是查询具有相似使用痕迹的终端、又或是分析是否进行重复申请的过程。本实施例中,在查询匹配的参考终端时,是在预设历史库中进行查询,该预设历史库包括有参考终端和参考终端的第二特征信息,而这些参考终端又包括历史信贷件涉及的历史终端,也有从网络爬取得到的网络终端。而在查询匹配的参考终端时,由于终端特征信息的类别较多,为了提高查找的匹配性和准确性,可以检测服务器中预先设置相似模型,该预设相似模型与预设历史库具有通信连接,可与预设历史库进行数据交互;检测服务器在获取到贷款终端的第一终端特征信息后,可将该贷款终端输入至该预设相似模型,以根据预设相似模型的内置逻辑算法在查询预设历史库中查询与所述贷款终端匹配的参考终端;当查询到匹配的参考终端时,检测服务器将在贷款终端与参考终端之间建立关联。
在具体实施中,由于第一终端特征信息包括的信息类型较多,是从多个不同的维度表征贷款终端的属性,因此对于预设相似模型中的内置逻辑可以是多套的,在查询与贷款终端匹配的参考终端时,可以是以多种不同的方式进行查询。
可选地,在查询贷款终端匹配的参考终端时,可以是分析贷款终端的第一终端特征信息和参考终端的第二终端特征信息的特征相似度,通过特征相似度查询匹配的参考终端。具体的,检测服务器首先可在预设历史库中获取一参考终端、以及参考终端的第二终端特征信息;在得到第二终端特征信息时,可根据预设特征相似规则(如欧式距离、余弦相似度、聚类等)分析计算贷款终端的第一终端特征信息与该参考终端的第二终端特征信息之间的特征相似度,并判断该特征相似度是否大于预设相似阈值;如果该特征相似度大于一预设的相似阈值,则可认为贷款终端与该参考终端匹配,此时即可在贷款终端与该参考终端之间进行关联;而如果该特征相似度小于或等于该预设相似阈值,则可认为贷款终端与该参考终端不匹配,此时检测服务器可继续对另一贷款终端进行特征相似度的分析。
值得说明的是,在通过特征相似度的方式查询匹配的参考终端时,对于该预设相似阈值,可以是动态变化的。具体的,检测服务器中可以预先存储有多个可选的相似阈值的;而第一终端特征信息中包括第一特征获取时间,第二终端特征信息包括第二特征获取时间,检测服务器在得到第一终端特征信息和第二终端特征信息时,还可以计算该第一特征获取时间和第二特征获取时间的获取时间差,然后根据该获取时间差从多个可选的相似阈值中确定一个用以作为特征相似度的比较标准,例如获取时间差越大,则选择的预设相似阈值越小,也即贷款终端和参考终端的特征信息获取时间差越大,判断两者匹配的标准可越宽限;当然该预设相似阈值还可以是与获取时间差设置为一函数关系,根据该函数关系以及获取时间差确定预设相似阈值等。通过这种动态确定预设相似阈值的方式,从而可根据实际匹配情况对匹配标准进行动态、灵活的调控,有利于提高分析的可控性和准确性。
进一步的,对于该预设特征相似规则,可以先基于词袋模型(Bag of Words)的方式对特征信息进行转换为对应的特征组(或向量),再进行特征相似度的计算。具体的,检查服务器首先可根据一预设的特征组标准分别对第一终端特征信息和第二终端特征信息进行转换,分别得到对应第一特征组D1和第二特征组D2,对于特征组的形式可以为(操作系统类型、操作系统版本、终端品牌、贷款APP安装数量)等。其中该预设特征组标准中包括有一些特征信息的映射表,用以记录终端特征在特征组中的元素表现形式,例如安卓系统可以在特征组中以英文字符表示,也可以是映射为数字1;又例如贷款APP安装数量,若贷款APP安装数量在0或1,则在特征组中映射为数字1,若贷款APP安装数量在2-4(包括2至4),则在特征组中映射为数字2;当然特征组标准中的特征组形式和元素表现形式等内容也可以根据实际情况进行设置。在得到第一特征组D1和第二特征组D2时,检测服务器将对第一特征组D1和第二特征组D2进行并集运算得到全特征组D(该全特征组中不含有重复的特征元素)。随后,检测服务器将分别根据全字符组D的各特征在第一特征组D1和第二特征组D2中出现频率、确定对应的第一频率组DD1和第二频率组DD2。在得到第一频率组DD1和第二频率组DD2时,即可将第一频率组DD1和第二频率组DD2代入至预设特征相似度公式中计算第一终端特征信息与第二终端特征信息之间的特征相似度,该预设特征相似度公式为:
其中,sim(DD1,DD2)为所述第一终端特征信息与所述第二终端特征信息之间的特征相似度;n为所述第一频率组DD1或所述第二频率组DD2的元素数量;DD1i为所述第一频率组DD1第i个元素,DD2i所述第二频率组DD1第i个元素,0<i≤n,且i为整数。在计算完成时,若该特征相似度大于预设相似阈值,即可在贷款终端与该参考终端之间建立关联。进一步的,当贷款终端与该参考终端建立关联后,还可以根据特征相似度的大小定义其关联强度值,特征相似度越大,关联强度值越大。
可选地,在查询贷款终端匹配的参考终端时,还可以是根据终端特征信息得到对应的终端指纹,该设备指纹可认为该终端所唯一具有的独特终端标识,然后可根据该终端指纹的方式查询匹配的参考终端。具体的,检测服务器在获取到贷款终端的第一终端特征信息时,可通过一定的哈希算法(hash)对其进行计算,生成对应的第一终端指纹;例如可以是通过sha256算法生成指纹数据,sha256算法将最大长度不超过2^64bit的终端特征信息,按512-bit分组进行处理,生成256-bit的终端指纹,当然在实际中可以是通过其它的算法生成第一终端指纹。检测服务器在生成第一终端指纹时,还将在预设历史库中获取一参考终端、以及参考终端的第二终端特征信息;在得到第二终端特征信息时,可根据相同的指纹算法对第二终端特征信息进行计算,生成对应的第二终端指纹。然后,检测服务器可以将第一终端指纹和第二终端指纹进行比对,判断两者是否匹配(相同);若两者匹配,则可认为贷款终端与参考终端匹配(甚至可认为两者为同一台设备),并在贷款终端和参考终端之间建立关联。
值得说明的是,对于本实施例中与贷款终端进行直接关联的参考终端,还可称为一次参考终端;而在将贷款终端与匹配的一次参考终端进行关联之后,检测服务器还可以采用类似的方法查询与该一次参考终端也具有匹配关系的二次参考终端,然后在一次参考终端与二次参考终端之间也建立关联;也即与贷款终端直接关联的参考终端可称为一次参考终端,与一次参考终端直接关联的参考终端可称为二次参考终端(可看作与贷款终端间接关联);一次参考终端与二次参考终端统称为参考终端,参考终端与贷款终端均具有关联关系。依此类推,参考终端还可以与三次参考终端、四次参考终端等进行关联,从而以参考终端为起点,建立终端关联网络。
步骤S30,根据预设关系度公式计算所述贷款终端与所述参考终端之间的关系度;
本实施例中,在贷款终端与参考终端建立关联后,服务器将根据预设关系度公式计算贷款终端与参考终端之间的关系度。而对于贷款终端与参考终端之间的关系度,则可看作是贷款终端与参考终端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为所述贷款终端与所述参考终端之间的关系度;
m为所述贷款终端与所述参考终端之间的最短关联路径上的路径终端数量,且路径终端包括贷款终端和参考终端,m≥2,1≤j≤m;值得说明的是,当贷款终端所关联的参考终端包括一次参考终端、二次关联终端、三次关联终端等时,若计算的是一次参考终端与贷款终端的关系度,则m=2,若计算的是二次参考终端与贷款终端的关系度,则m=3;
k0为与参考终端的终端类型(如个人电脑PC、笔记本电脑、手机等)对应的预设距离系数,0<k0;
x0为与参考终端的终端类型(如个人电脑PC、笔记本电脑、手机等)对应的预设强度系数,0<x0;
kj为最短关联路径上各路径终端各自对应的关联距离系数,0<kj,贷款终端与各路径终端的关联距离(即关联的路径数)越大,kj越小;
xj为最短关联路径上各路径终端各自对应的关系强度系数,0<xj,与路径终端的终端类型有关,例如个人电脑PC的关系强度系数大于手机的关系强度系数;
uj为最短关联路径上各路径终端各自对应的衰减因子系数,0<uj≤1,与路径终端的信息类型有关,例如个人电脑PC的衰减因子系数小于手机的衰减因子系数;当然该关联强度系数还可以与建立关联时的关联方式有关,例如,对于路径终端与参考终端方向的相邻终端,若两者是通过终端指纹的方式关联,则0.7≤uj≤1,若两者是通过特征相似度方式关联,则0<uj<0.75,而通过特征相似度方式关联时,所计算得到的特征相似度越大,uj越大。
具体的,在进行计算贷款终端与某一关联的(匹配的)参考终端的关联度时,首先获取该参考终端的预设距离系数k0和预设强度系数x0;然后根据贷款终端与该参考终端的关联关系确定两者的计算关系路径,其中若贷款终端与该参考终端之间有多条关系路径(可以是通过直接关联的方式关联,也可以是通过间接关联的方式关联),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终端(包括贷款终端与该参考终端),并根据计算关系路径的关联距离、各路径终端的信息类型、关联强度等确定各路径终端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,即可计算出贷款终端与该参考终端的关系度。
步骤S40,当所述参考终端属于黑名单终端时,判断所述关系度是否大于预设关系阈值;
本实施例中,检测服务器在得到贷款终端与参考终端之间的关系度时,即可通过染黑逻辑(或染灰逻辑)对贷款终端进行欺诈风险分析。具体的,当某一参考终端属于黑名单终端(如参考终端曾有信贷历史并逾期,该参考终端在一定周期内多次进行申请,该参考终端被确定为黑产终端等)时,服务器将判断贷款终端与该参考终端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贷款终端的风险性。
步骤S50,若所述关系度大于预设关系阈值,则确定所述贷款终端为风险终端。
本实施例中,若贷款终端与该黑名单参考终端之间的关系度大于预设阈值,则可认为贷款终端也是可疑的,并将该贷款终端确定为风险终端。
进一步的,在确定贷款终端为风险终端时,检测服务器还可以该信贷请求对应的信贷产品类型给出处理建议。具体的,检测服务器所获取到的信贷请求中还包括有产品标识;检测服务器在接收到该信贷请求时,首先需要根据该信贷请求中包括的产品标识确定本次信贷请求所涉及的信贷产品,然后在预设产品库中获取与该信贷产品相关的产品信息,该产品信息包括风控准入等级,例如普通准入等级和高准入等级;当确定贷款终端为风险终端时(贷款终端与该黑名单参考终端之间的关系度大于预设阈值),若该信贷产品为高准入等级,则检测服务器将输出拒绝放款的建议;若该信贷产品为普通准入等级,则检测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,根据信贷产品的实际风控要求动态调整准入口径。
再进一步的,在确定贷款终端为风险终端时,检测服务器还可以根据关系度给出相关的处理建议。具体的,检测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;当确定贷款终端为风险终端时(贷款终端与该黑名单参考终端之间的关系度大于预设阈值),还将判断贷款终端与该黑名单参考终端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,则检测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,则检测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。
当然,在具体实施中,还可以是将上述两者处理方式结合使用,又或者是使用其它的处理规则进行处理。
再进一步的,服务器在对贷款终端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贷款终端与参考终端建立关联的建立过程(包括计算过程)、终端关联图、关系度计算和判断过程等,以供分析人员查看。
本实施例在接收到信贷请求时,获取所述信贷请求对应贷款终端的第一终端特征信息;基于预设相似模型和所述第一终端特征信息在预设历史库中查询与所述贷款终端匹配的参考终端,并在所述贷款终端与所述参考终端之间建立关联;根据预设关系度公式计算所述贷款终端与所述参考终端之间的关系度;当所述参考终端属于黑名单终端时,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,则确定所述贷款终端为风险终端。通过以上方式,本实施例根据贷款终端的终端特征信息、以“关系”的方式将贷款申请者的贷款终端与其它终端进行关联,从而可将孤立的贷款信息与其它信息进行整合,有利于确定贷款信息与其它信息之间的联系;并结合染黑(或染灰)的处理逻辑对贷款终端的风险性进行分析和检测,从而以大数据分析的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终端风险检测装置。
参照图3,图3为本发明终端风险检测装置第一实施例的功能模块示意图。
本实施例中,所述终端风险检测装置包括:
请求接收模块10,用于在接收到信贷请求时,获取所述信贷请求对应贷款终端的第一终端特征信息;
关联建立模块20,用于基于预设相似模型和所述第一终端特征信息在预设历史库中查询与所述贷款终端匹配的参考终端,并在所述贷款终端与所述参考终端之间建立关联;
关系度计算模块30,用于根据预设关系度公式计算所述贷款终端与所述参考终端之间的关系度,所述预设关系度公式为:
其中,f为所述贷款终端与所述参考终端之间的关系度;m为所述贷款终端与所述参考终端之间的关联路径上的路径终端数量,所述路径终端包括所述贷款终端和所述参考终端,所述m≥2,1≤j≤m;k0为与所述参考终端的终端类型对应的预设距离系数,0<k0;x0为与所述参考终端的终端类型对应的预设强度系数,0<x0;kj为所述路径终端各自对应的关联距离系数,0<kj;uj为所述路径终端各自对应的衰减因子系数,0<uj≤1;xj为所述路径终端各自对应的关联强度系数,0<xj;
关系度判断模块40,用于当所述参考终端属于黑名单终端时,判断所述关系度是否大于预设关系阈值;
风险确定模块50,用于若所述关系度大于预设关系阈值,则确定所述贷款终端为风险终端。
其中,上述终端风险检测装置的各虚拟功能模块存储于图1所示终端风险检测设备的存储器1005中,用于实现终端风险检测程序的所有功能;各模块被处理器1001执行时,可实现将贷款终端与参考终端进行关联,并结合染黑(或染灰)的处理逻辑对贷款终端进行风险检测的功能。
进一步的,所述关联建立模块20包括:
第一获取单元,用于在所述预设历史库中获取参考终端及所述参考终端的第二终端特征信息;
相似度判断单元,用于根据预设特征相似规则计算所述第一终端特征信息与所述第二终端特征信息之间的特征相似度,并判断所述特征相似度是否大于预设相似阈值;
第一关联单元,用于若所述特征相似度大于预设相似阈值,则确定所述贷款终端与所述参考匹配,并在所述贷款终端与所述参考终端之间建立关联。
进一步的,所述相似度判断单元包括:
相似度计算子单元,用于根据预设特征组标准将所述第一终端特征信息转换为第一特征组D1,将所述第二终端特征信息转换为第二特征组D2,并对所述第一特征组D1和所述第二特征组D2进行并集运算,获得对应的全特征组D;根据所述全特征组D中各特征元素分别在所述第一特征组D1和第二特征组D2中的出现频率、确定第一特征组D1对应的第一频率组DD1和第二特征组D2对应第二频率组DD2;根据预设特征相似度公式、所述第一频率组DD1和所述第二频率组DD2计算所述第一终端特征信息与所述第二终端特征信息之间的特征相似度,所述预设特征相似度公式为:
其中,sim(DD1,DD2)为所述第一终端特征信息与所述第二终端特征信息之间的特征相似度;n为所述第一频率组DD1或所述第二频率组DD2的元素数量;DD1i为所述第一频率组DD1第i个元素,DD2i所述第二频率组DD1第i个元素,0<i≤n,且i为整数。
进一步的,所述第一终端特征信息包括第一特征获取时间,所述第二终端特征信息包括第二特征获取时间,所述关联建立模块20还包括:
阈值确定单元,用于计算所述第一特征获取时间和第二特征获取时间的获取时间差,并基于所述获取时间差确定对应的预设相似阈值。
进一步的,所述关联建立模块20包括:
第一生成单元,用于根据所述第一终端特征信息和预设指纹算法生成所述贷款终端的第一终端指纹;
第二生成单元,用于在所述预设历史库中获取参考终端及所述参考终端的第二终端特征信息,并根据所述第二终端特征信息和所述预设指纹算法生成所述参考终端的第二终端指纹;
指纹判断单元,用于判断所述第一终端指纹和所述第二终端指纹是否匹配;
第二关联单元,用于若所述第一终端指纹和所述第二终端指纹匹配,则确定所述贷款终端与所述参考终端匹配,并在所述贷款终端与所述参考终端之间建立关联。
进一步的,所述终端风险检测装置,还包括:
建议输出模块,用于根据所述信贷请求对应的信贷产品类型和/或根据所述关系度与预设复核阈值的大小关系输出对应的处理建议,其中所述预设符合阈值大于所述预设关系阈值。
其中,上述终端风险检测装置中各个模块的功能实现与上述终端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可读存储介质。
本发明可读存储介质上存储有终端风险检测程序,其中所述终端风险检测程序被处理器执行时,实现如上述的终端风险检测分析方法的步骤。
其中,终端风险检测程序被执行时所实现的方法可参照本发明终端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)
1.一种终端风险检测方法,其特征在于,所述终端风险检测方法包括:
在接收到信贷请求时,获取所述信贷请求对应贷款终端的第一终端特征信息;
基于预设相似模型和所述第一终端特征信息在预设历史库中查询与所述贷款终端匹配的参考终端,并在所述贷款终端与所述参考终端之间建立关联;
根据预设关系度公式计算所述贷款终端与所述参考终端之间的关系度,所述预设关系度公式为:
其中,f为所述贷款终端与所述参考终端之间的关系度;m为所述贷款终端与所述参考终端之间的关联路径上的路径终端数量,所述路径终端包括所述贷款终端和所述参考终端,所述m≥2,1≤j≤m;k0为与所述参考终端的终端类型对应的预设距离系数,0<k0;x0为与所述参考终端的终端类型对应的预设强度系数,0<x0;kj为所述路径终端各自对应的关联距离系数,0<kj;uj为所述路径终端各自对应的衰减因子系数,0<uj≤1;xj为所述路径终端各自对应的关联强度系数,0<xj;
当所述参考终端属于黑名单终端时,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,则确定所述贷款终端为风险终端。
2.如权利要求1所述的终端风险检测方法,其特征在于,所述基于预设相似模型和所述第一终端特征信息在预设历史库中查询与所述贷款终端匹配的参考终端,并在所述贷款终端与所述参考终端之间建立关联的步骤包括:
在所述预设历史库中获取参考终端及所述参考终端的第二终端特征信息;
根据预设特征相似规则计算所述第一终端特征信息与所述第二终端特征信息之间的特征相似度,并判断所述特征相似度是否大于预设相似阈值;
若所述特征相似度大于预设相似阈值,则确定所述贷款终端与所述参考终端匹配,并在所述贷款终端与所述参考终端之间建立关联。
3.如权利要求2所述的终端风险检测方法,其特征在于,所述根据预设特征相似规则计算所述第一终端特征信息与所述第二终端特征信息之间的特征相似度的步骤包括:
根据预设特征组标准将所述第一终端特征信息转换为第一特征组D1,将所述第二终端特征信息转换为第二特征组D2,并对所述第一特征组D1和所述第二特征组D2进行并集运算,获得对应的全特征组D;
根据所述全特征组D中各特征元素分别在所述第一特征组D1和第二特征组D2中的出现频率、确定第一特征组D1对应的第一频率组DD1和第二特征组D2对应第二频率组DD2;
根据预设特征相似度公式、所述第一频率组DD1和所述第二频率组DD2计算所述第一终端特征信息与所述第二终端特征信息之间的特征相似度,所述预设特征相似度公式为:
其中,sim(DD1,DD2)为所述第一终端特征信息与所述第二终端特征信息之间的特征相似度;
n为所述第一频率组DD1或所述第二频率组DD2的元素数量;
DD1i为所述第一频率组DD1第i个元素,DD2i所述第二频率组DD1第i个元素,0<i≤n,且i为整数。
4.如权利要求2所述的终端风险检测方法,其特征在于,所述第一终端特征信息包括第一特征获取时间,所述第二终端特征信息包括第二特征获取时间,所述判断所述特征相似度是否大于预设相似阈值的步骤之前,还包括:
计算所述第一特征获取时间和第二特征获取时间的获取时间差,并基于所述获取时间差确定对应的预设相似阈值。
5.如权利要求1所述的终端风险检测方法,其特征在于,所述基于预设相似模型和所述第一终端特征信息在预设历史库中查询与所述贷款终端匹配的参考终端,并在所述贷款终端与所述参考终端之间建立关联的步骤包括:
根据所述第一终端特征信息和预设指纹算法生成所述贷款终端的第一终端指纹;
在所述预设历史库中获取参考终端及所述参考终端的第二终端特征信息,并根据所述第二终端特征信息和所述预设指纹算法生成所述参考终端的第二终端指纹;
判断所述第一终端指纹和所述第二终端指纹是否匹配;
若所述第一终端指纹和所述第二终端指纹匹配,则确定所述贷款终端与所述参考终端匹配,并在所述贷款终端与所述参考终端之间建立关联。
6.如权利要求1所述的终端风险检测方法,其特征在于,所述若所述关系度大于预设关系阈值,则确定所述贷款终端为风险终端的步骤之后,还包括:
根据所述信贷请求对应的信贷产品类型和/或根据所述关系度与预设复核阈值的大小关系输出对应的处理建议,其中所述预设复核阈值大于所述预设关系阈值。
7.一种终端风险检测装置,其特征在于,所述终端风险检测装置包括:
请求接收模块,用于在接收到信贷请求时,获取所述信贷请求对应贷款终端的第一终端特征信息;
关联建立模块,用于基于预设相似模型和所述第一终端特征信息在预设历史库中查询与所述贷款终端匹配的参考终端,并在所述贷款终端与所述参考终端之间建立关联;
关系度计算模块,用于根据预设关系度公式计算所述贷款终端与所述参考终端之间的关系度,所述预设关系度公式为:
其中,f为所述贷款终端与所述参考终端之间的关系度;m为所述贷款终端与所述参考终端之间的关联路径上的路径终端数量,所述路径终端包括所述贷款终端和所述参考终端,所述m≥2,1≤j≤m;k0为与所述参考终端的终端类型对应的预设距离系数,0<k0;x0为与所述参考终端的终端类型对应的预设强度系数,0<x0;kj为所述路径终端各自对应的关联距离系数,0<kj;uj为所述路径终端各自对应的衰减因子系数,0<uj≤1;xj为所述路径终端各自对应的关联强度系数,0<xj;
关系度判断模块,用于当所述参考终端属于黑名单终端时,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,则确定所述贷款终端为风险终端。
8.一种终端风险检测设备,其特征在于,所述终端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终端风险检测程序,其中所述终端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中任一项所述的终端风险检测方法的步骤。
9.一种可读存储介质,其特征在于,所述可读存储介质上存储有终端风险检测程序,其中所述终端风险检测程序被处理器执行时,实现如权利要求1至6中任一项所述的终端风险检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811254448.0A CN109636575B (zh) | 2018-10-25 | 2018-10-25 | 终端风险检测方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811254448.0A CN109636575B (zh) | 2018-10-25 | 2018-10-25 | 终端风险检测方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109636575A CN109636575A (zh) | 2019-04-16 |
CN109636575B true CN109636575B (zh) | 2023-04-25 |
Family
ID=66066552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811254448.0A Active CN109636575B (zh) | 2018-10-25 | 2018-10-25 | 终端风险检测方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109636575B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011971B (zh) * | 2021-03-31 | 2024-05-10 | 深圳前海微众银行股份有限公司 | 风险测度方法、装置、系统与计算机存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108053311A (zh) * | 2017-12-13 | 2018-05-18 | 平安科技(深圳)有限公司 | 审核贷款申请的方法、装置、设备及计算机可读存储介质 |
CN108335189A (zh) * | 2017-09-19 | 2018-07-27 | 平安普惠企业管理有限公司 | 线上贷款处理方法、服务器及可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150254767A1 (en) * | 2014-03-10 | 2015-09-10 | Bank Of America Corporation | Loan service request documentation system |
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 |
CN105869035A (zh) * | 2016-04-07 | 2016-08-17 | 中国联合网络通信集团有限公司 | 一种移动用户信用评估方法及装置 |
CN107871277B (zh) * | 2017-07-25 | 2021-04-13 | 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 |
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 CN201811254448.0A patent/CN109636575B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108335189A (zh) * | 2017-09-19 | 2018-07-27 | 平安普惠企业管理有限公司 | 线上贷款处理方法、服务器及可读存储介质 |
CN108053311A (zh) * | 2017-12-13 | 2018-05-18 | 平安科技(深圳)有限公司 | 审核贷款申请的方法、装置、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109636575A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020082559A1 (zh) | 基于关联图谱的风险检测方法、装置、设备及存储介质 | |
US9027134B2 (en) | Social threat scoring | |
US20140337973A1 (en) | Social risk management | |
WO2021098274A1 (zh) | 针对隐私数据泄漏的风险评估方法及装置 | |
US20200092164A1 (en) | Identification of Vulnerability to Social Phishing | |
CN109213781B (zh) | 风控数据查询方法及装置 | |
CN111027094B (zh) | 针对隐私数据泄漏的风险评估方法及装置 | |
CN110798488B (zh) | Web应用攻击检测方法 | |
CN109670931B (zh) | 贷款用户的行为检测方法、装置、设备及存储介质 | |
CN111477326B (zh) | 传染病毒携带者检测方法、系统、装置、设备和介质 | |
CN112699382A (zh) | 物联网网络安全风险的评估方法、装置及计算机存储介质 | |
WO2020082557A1 (zh) | 手机号的风险分析方法、装置、设备及可读存储介质 | |
CN111159115A (zh) | 相似文件检测方法、装置、设备及存储介质 | |
CN116150349A (zh) | 一种数据产品安全合规性检查方法、装置及服务器 | |
CN109636575B (zh) | 终端风险检测方法、装置、设备及可读存储介质 | |
CN111124421A (zh) | 区块链智能合约的异常合约数据检测方法和装置 | |
CN111125748A (zh) | 越权查询的判断方法、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 | |
CN109657900B (zh) | 工作单位信息的风险检测方法、装置、设备及存储介质 | |
CN110705603B (zh) | 动态判断用户请求数据相似度的方法及系统 | |
CN111414636A (zh) | 识别模型的更新方法、装置、设备及存储介质 | |
CN107995167B (zh) | 一种设备识别方法及服务器 | |
US10003464B1 (en) | Biometric identification system and associated methods | |
CN115599345A (zh) | 一种基于知识图谱的应用安全需求分析推荐方法 | |
CN109636574B (zh) | 信贷信息的风险检测方法、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 |