CN109636578B - 信贷信息的风险检测方法、装置、设备及可读存储介质 - Google Patents

Abstract

本发明提供一种信贷信息的风险检测方法、装置、设备及可读存储介质，可通过预设模型智能识别贷款申请者提供的信号号码类型，方便贷款申请者提供贷款资料，也减少了风控人员的审核工作量；同时，以“关系”的方式将贷款申请者的信贷号码与其它信息进行整合和关联，有利于确定信贷号码与其它信息之间的联系；并结合染黑(或染灰)的处理逻辑对信贷号码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，提高了信贷分析的准确性，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

信贷信息的风险检测方法、装置、设备及可读存储介质

技术领域

本发明涉及金融信贷领域，尤其涉及一种信贷信息的风险检测方法、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；在风控分析过程中，往往会涉及贷款申请者提供各种信贷号码，如身份证号码、手机号码、邮箱号码等，信贷机构则对这些信贷号码进行分析，以确定其欺诈风险性。传统的分析方法，仅是对信贷号码进行单一的验真核对，这种方法忽略了证件与其它信贷信息之间的关联性，从而降低了信贷风险分析的准确性。

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信贷号码；

基于预设号码识别模型识别所述信贷号码的号码类型，并根据所述号码类型获取与所述信贷号码匹配的关联信息；

根据预设关系度公式计算所述信贷号码与所述关联信息之间的关系度；

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，则确定所述信贷号码为风险号码。

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信贷号码；

信息获取模块，用于基于预设号码识别模型识别所述信贷号码的号码类型，并根据所述号码类型获取与所述信贷号码匹配的关联信息；

关系度计算模块，用于根据预设关系度公式计算所述信贷号码与所述关联信息之间的关系度；

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，则确定所述信贷号码为风险号码。

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，本发明还提供一种可读存储介质，所述可读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。

本发明可通过预设模型智能识别贷款申请者提供的信号号码类型，方便贷款申请者提供贷款资料，也减少了风控人员的审核工作量；同时，以“关系”的方式将贷款申请者的信贷号码与其它信息进行整合和关联，有利于确定信贷号码与其它信息之间的联系；并结合染黑(或染灰)的处理逻辑对信贷号码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，提高了信贷分析的准确性，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信贷号码；

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；在风控分析过程中，往往会涉及贷款申请者提供各种信贷号码，如身份证号码、手机号码、邮箱号码等，信贷机构则对这些信贷号码进行分析，以确定其欺诈风险性。传统的分析方法，仅是对信贷号码进行单一的验真核对，这种方法忽略了证件与其它信贷信息之间的关联性，从而降低了信贷风险分析的准确性。对此，本实施例中提出一种信贷信息的风险检测方法，在进行信贷风险分析时，根据信贷申请者提供的信贷号码的号码类型，将该信贷号码与对应的其它信息之间建立关联关系，从而以大数据的方式对贷款申请者的信贷号码进行关联分析，提高信贷分析的准确性。

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检测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相关信贷号码，其中这些信贷号码可以包括手机号码、身份证号码、学位证号、护照号码、邮箱号码等。其中，对于这些信贷号码。对于该信贷号码的获取，可以是检测服务器在接收到该信贷请求时向贷款终端发送号码询问信息，以使贷款申请者根据该号码询问信息在贷款终端中手动录入对应的信贷号码并发送至检测服务器；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号码，由贷款终端将该信贷号码添加至信贷请求中一起发送至检测服务器。

当然，检测服务器在根据信贷请求获取信贷申请者的信贷号码的同时，还将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，还包括有检测服务器检测到的环境信息。对于个人信息，包括有家庭地址、工作地址、单位地址等，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检测服务器中。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(Internet Protocol 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检测服务器才可进行获取。在得到贷款申请者的基本信息时，检测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。

步骤S20，基于预设号码识别模型识别所述信贷号码的号码类型，并根据所述号码类型获取与所述信贷号码匹配的关联信息；

本实施例中，信贷申请者在提供其信贷号码，可以是通过无序的方式进行提供；而检测服务器在接收到信贷申请者提供的信贷号码时，首先将对信贷号码的号码类型进行识别，以根据号码类型进行相应的关联处理。其中，对应号码类型的识别，可以是基于预设的号码识别模型自动进行，无需贷款申请者在提供时进行标注或按要求输入，为贷款申请者提供了方便。

对于该预设的号码识别模型，可以包括有若干种号码类别对应的预设号码标准，该标准表示了不同号码类别的号码形式(规范)；在通过该预设号码识别模型进行号码识别时，首先将要对统计信贷号码的号码字符数，并确定各信贷号码中各号码字符的字符类型，该字符类型可以包括英文字符(如A、a、B、b)等、阿拉伯数字字符、运算字符(如加“+”、减“-”等)、特殊字符(如域标识符“@”、下划线“_”、井号“#”等)。对于上述的字符类型，可以是检测服务器中预先存储有相关的字符类型表；检测服务器在获取到信贷号码时，可将信贷号码的各号码字符分别与该字符类型表进行依次单独比对，从而确定各号码字符的字符类型。

检测服务器在确定信贷号码的号码字符数和各号码字符的字符类型时，即可将基于该号码字符数和字符类型代入至上述的预设号码标准中进行检验，判断该信贷号码符合哪一类的号码类型的预设号码标准，从而确定该信贷号码所属的号码类型。当然，若该信贷号码并不满足任何一类预设号码标准，则可认为该信贷号码的号码类型无法识别，此时检测服务器可向信贷终端返回相关的二次询问提示，以使信贷申请者根据该二次询问提示重新提供信贷号码。

可选地，信贷号码的号码类型包括有手机号码；对于手机号码的号码形式(规范)，一般是具有相同位数(11个)，且其号码字符均为阿拉伯数字的形式。根据这一号码形式(规范)，检测服务器在获取到信贷号码时，可统计该信贷号码的字符数，判断该号码字符数是否为11个，同时，检测服务器还将确定该信贷号码中个号码字符的字符类型，并判断各号码字符是否均为数字(条件b)；如果该信号号码的号码字符数为11个，而且各号码字符均为数字，则认为该信贷号码满足手机号码的号码形式(规范)，此时检测服务器可确定该信贷号码的号码类型为手机号码；否则，该信贷号码的号码类型不属于手机号码。

可选地，信贷号码的号码类型还包括有电子邮箱号码；对于电子邮箱号码，一般包括一个域标识符“@”、用户名和域名，用户名和域名之间用域标识符“@”进行分隔，例如邮箱号码“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，检测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)；然后，检测服务器会判断信贷号码中是否存在且仅存在一个域标识符“@”；若是，则检测服务器将通过域标识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，当然域名还可根据点“.”进行细分；在得到特征片段时，检测服务器可根据特征片段在信贷号码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，以判断特征片段的格式是否为有效邮箱格式；若所述特征片段的格式为有效邮箱格式，则认为该信贷号码满足电子邮箱号码的号码形式(规范)，此时检测服务器可确定该信贷号码的号码类型为电子邮箱号码。而如果信贷号码中不在域标识符“@”、或者是存在两个以上(此处“以上”包括本数，下同)的域标识符“@”、或者是特征片段的格式不是有效邮箱格式，则认为信贷号码的号码类型不属于电子邮箱号码。

当然，除了上述手机号码、电子邮箱号码的类型判断，预设号码识别模型中还可以包括有其它号码类型判断功能，例如身份证号码、房产证号、银行卡号等。

本实施例中，检测服务器在确定信贷号码的号码类型时，将根据号码类型的不同选择不同的信息获取流程，以获取与该信贷号码匹配的关联信息。其中，号码类型的不同，将影响信贷号码所涉及的关联信息的不同。例如，对手机号码而言，可涉及到手机号归属地，手机号借贷历史，与该手机号具有相同或相似社交特征的参考手机号等；又例如，对身份证而言，可涉及到身份证归属地，身份证借贷历史等；又例如，对于证件号，可涉及到证件号发证地，权利归属地址等。

可选地，当信号号码属于手机号码，其关联信息可以包括参考手机号，该参考手机号是与信贷号码(信贷手机号)具有相似社交特征信息的号码；对于该社交特征信息，可在一定程度上反映了贷款申请者的社交特征，如通话记录、短信记录和通信录等，即反映了贷款申请者的社交对象，也即是为了查找与贷款申请者具有相似社交特征的参考人(或参考信贷件)。具体的，检测服务器还将要获取与该信贷号码(信贷手机号)的第一社交特征信息，社交特征信息可以包括该信贷号码(信贷手机号)的通话记录、短信记录、通信录(联系人号码)等。而对于该社交特征信息的获得，可以是检测服务器在得到贷款申请者的授权后，通过安装在该信贷号码(信贷手机号)对应移动终端中的特征获取SDK(SoftwareDevelopment Kit，软件开发工具包)或其它技术、抓取移动终端中的相关第一社交特征信息；当然还可以是检测服务器在得到贷款申请者的授权后，从运营商处获取该信贷号码(信贷手机号)的社交特征信息，例如贷款申请者通过贷款终端进行信贷申请时，还将一同提供申请信贷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，并根据该手机号信息获取密钥从该数据系统中获取该信贷号码(信贷手机号)的第一社交特征信息。

检测服务器在得到该信贷号码(信贷手机号)的第一社交特征信息时，将根据该社交特征信息在预设号码库中查询与该信贷号码(信贷手机号)匹配的参考手机号作为关联信息。其中，该预设号码库存储有参考手机号码，该参考手机号码包括有历史借贷事件获得的历史手机号码，还包括有通过爬虫技术从网络上获取的网络手机号码；同时该预设号码库中还包括历史手机号码和网络手机号码的社交特征信息(可统称为“第二社交特征信息”)。检测服务器可将信贷号码(信贷手机号)的第一社交特征信息与某一参考手机号的第二社交特征信息进行比对，基于预设社交相似规则判断第一社交特征信息与第二社交特征信息的社交相似度是否大于预设相似阈值；若两者的社交相似度大于预设相似阈值，则确定该参考手机号与信贷号码匹配，并将两者进行关联。而对于该预设相似阈值，则可以是通过通话记录、短信记录、联系人等多种方式确定。例如，以通话记录为例，信贷号码为A，申请手机号A对应的通话记录集为A1，检测服务器从预设号码库获取到的参考手机号为B，参考手机号为B对应的通话记录集为B1；服务器将对通话记录集A1和通话记录集为B1进行比对，通过判断两者的相同通话对象数来衡量社交相似度，相同通话对象数越大，社交相似度越高；当然，服务器在通过相同通话对象数分析通话记录集A1和通话记录集为B1的社交相似度时，是统计预设时间段(如一年内)的相同通话对象数，根据该预设时间段两者的相同通话对象数判断所述社交相似度是否大于预设相似阈值。当然，在实际中，该社交相似度还可以是根据短信记录、联系人等其它方式确定。

可选地，当信贷号码属于电子邮箱号码时，其关联信息可以包括信贷号码(电子邮箱号码)的所属单位；对于该信贷申请者的电子邮箱号码，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的，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；当信贷号码属于电子邮箱号码时，检测服务器将对信贷号进行反向查询和确定其该信贷号码(即单位电子邮箱)的所属单位，该所属单位在后续描述中以“信贷单位”进行说明。

对于信贷单位查询的过程，可以检测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)，然后检测服务器再根据信贷码号查询到其归属的单位信息。具体的，检测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；检测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；检测服务器在获取到贷款申请者的信贷号码时，即可根据该信贷号码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，检测服务器从黄页站点(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；检测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，检测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)。

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，检测服务器在根据信贷号码查询所述已知单位库以获取匹配的已知单位邮箱时，可以是根据信贷号码中的信贷域名进行查询；当查询到与信贷号码具有相同域名的已知单位邮箱时，即可认为该具有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。而当检测服务器查找到匹配的已知单位邮箱时，即可根据已知单位邮箱对应的已知单位确定该信贷号码的所属单位。

在具体实施中，若检测服务器获取到的是两个以上的信贷号码，则将分别确定各信贷号码的号码类型，并分别获取与之匹配的关联信息，并进行后续的风险检测。

值得说明的是，对于本实施例中与信贷号码进行直接关联的关联信息，可称为一次关联信息；而在将信贷号码与一次关联信息进行关联之后，检测服务器还可以进一步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，此时二次关联信息与信贷号码之间可认为是间接关联，一次关联信息和二次关联信息可统称为关联信息。而对于与该一次关联信息具有联系的二次关联信息，可以是通过多种方式得到，例如对于手机号码，其关联的一次关联信息为参考手机号，检测服务器可获取参考手机号的所在地、月消费信息、开户时间等作为二次关联信息并进行关联；又例如对于电子邮箱号码，其关联的一次关联信息为所属单位，检测服务器可获取该所属单位的单位办公场所、单位股东信息、涉诉情况等作为二次关联信息并进行关联。依此类推，信贷号码还可以与三次关联信息、四次关联信息等进行关联，从而以信贷号码为起点，建立起信息关联网络。

步骤S30，根据预设关系度公式计算所述信贷号码与所述关联信息之间的关系度；

本实施例中，在得到与信贷号码匹配的关联信息时，服务器将根据预设关系度公式计算信贷号码与各关联信息之间的关系度。而对于信贷号码与关联信息之间的关系度，则可看作是信贷号码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为信贷号码与关联信息之间的关系度；

m为信贷号码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信贷号码和关联信息)，可根据信贷号码与关联信息之间的关联关系(或匹配关系)确定，且路径信息包括信贷号码和关联信息，m≥2；值得说明的是，当信贷号码所关联的关联包括一次关联信息、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信贷号码的关系度，则m＝2，若计算的是二次关联信息与信贷号码的关系度，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，可以是服务器中预先设置，如检测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，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，检测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；

k_i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＜k_i；k_i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d_i(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k_i与d_i呈负相关的关系，d_i越大，k_i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k_i＝d_i ^-1；

x_i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＜x_i；x_i与路径信息的信息类型有关；对于上述的信息系数表，还记录有类各路径信息所对应的x_i值，检测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x_i值；

u_i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＜u_i≤1；，u_i与路径信息的信息类型有关；对于上述的信息系数表，还记录有类各路径信息所对应的x_i值，检测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x_i值。

具体的，在计算信贷号码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；然后根据信贷号码与该关联信息的关联关系确定两者的计算关系路径，其中若信贷号码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(包括信贷号码与该关联信息)，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k_i、衰减因子系数u_i和关联强度系数x_i，再将各参数代入至上述公式中，即可计算出信贷号码与该关联信息的关系度。

步骤S40，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，服务器在得到信贷号码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)对信贷号码进行欺诈风险分析。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，服务器将判断信贷号码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信贷号码的风险性。

步骤S50，若所述关系度大于预设关系阈值，则确定所述信贷号码为风险号码。

本实施例中，若信贷号码与该黑名单关联信息之间的关系度大于预设阈值，则可认为信贷号码也是可疑的，并将该信贷号码确定为风险号码。

进一步的，在确定信贷号码为风险号码时，服务器还可以根据关系度给出相关的处理建议。例如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；当确定信贷号码为风险号码时(信贷号码与该黑名单关联信息之间的关系度大于预设阈值)，还将判断信贷号码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，若检测服务器获取到的是两个以上的信贷号码，则检测服务器还可分别对各信贷号码进行风险检测，并根据风险号码的数量确定信贷请求的处理方式。例如，当风险号码的数量为零时，检测服务器可输出暂未发现风险的提示；当风险号码的数量大于零且小于预设风险阈值时，可输出人工复核的建议；当风险号码的数量大于或等于预设风险阈值时，可直接输出拒绝放款的建议。

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信贷号码；基于预设号码识别模型识别所述信贷号码的号码类型，并根据所述号码类型获取与所述信贷号码匹配的关联信息；根据预设关系度公式计算所述信贷号码与所述关联信息之间的关系度；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，则确定所述信贷号码为风险号码。通过以上方式，本实施例可通过预设模型智能识别贷款申请者提供的信号号码类型，方便贷款申请者提供贷款资料，也减少了风控人员的审核工作量；同时，以“关系”的方式将贷款申请者的信贷号码与其它信息进行整合和关联，有利于确定信贷号码与其它信息之间的联系；并结合染黑(或染灰)的处理逻辑对信贷号码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，提高了信贷分析的准确性，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3，图3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信贷号码；

信息获取模块20，用于基于预设号码识别模型识别所述信贷号码的号码类型，并根据所述号码类型获取与所述信贷号码匹配的关联信息；

关系度计算模块30，用于根据预设关系度公式计算所述信贷号码与所述关联信息之间的关系度；

关系度判断模块40，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50，用于若所述关系度大于预设关系阈值，则确定所述信贷号码为风险号码。

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，可实现将信贷号码与多种信息进行整合和关联，并结合染黑(或染灰)的处理逻辑对信贷号码进行风险分析的功能。

进一步的，所述信息获取模块20包括：

第一确定单元，用于获取所述信贷号码的号码字符数，并确定所述信贷号码中各号码字符的字符类型；

第二确定单元，用于根据所述号码字符数、所述各号码字符的字符类型和预设号码标准确定所述信贷号码的号码类型。

进一步的，所述号码类型包括手机号码，

所述第二确定单元，具体用于判断所述号码字符数是否为11个且所述各号码字符均为数字；若所述号码字符数为11个且所述各号码字符均为数字，则确定所述信贷号码的号码类型为手机号码。

进一步的，所述号码类型包括手机号码，所述关联信息包括参考手机号，

所述信息获取模块20包括：

特征获取单元，用于若所述信贷号码的号码类型为手机号码，则获取所述信贷号码的第一社交特征信息，并在所述预设号码库中获取参考手机号及所述参考手机号的第二社交特征信息；

相似判断单元，用于基于预设社交相似规则判断所述第一社交特征信息与第二社交特征信息的社交相似度是否大于预设相似阈值；

第三确定单元，用于若所述社交相似度大于预设相似阈值，则确定所述参考手机号与所述信贷号码匹配。

进一步的，所述号码类型包括电子邮箱号码，

所述第二确定单元，具体用于判断所述信贷号码中是否仅存在一个域标识符；若所述信贷号码中仅存在一个域标识符，则根据所述域标识符对所述信贷号码进行分片，获得特征片段；根据所述特征片段在所述信贷号码的片段位置确定对应的邮箱字符校验规则，并根据所述邮箱字符校验规则对所述特征片段进行格式校验，以判断所述特征片段的格式是否有效邮箱格式；若所述特征片段的格式为有效邮箱格式，则所述信贷号码为电子邮箱号码。

进一步的，所述号码类型包括电子邮箱号码，所述关联信息包括所述信贷号码的所属单位，

所述信息获取模块20包括：

邮箱获取单元，用于若所述信贷号码为电子邮箱号码，则获取所述信贷号码的信贷域名，并根据所述信贷域名查询所述已知单位库，获取与所述信贷域名匹配的已知单位邮箱；

第四确定单元，用于根据所述已知单位邮箱对应的已知单位确定所述信贷号码的所属单位。

进一步的，所述预设关系度公式为：

其中，f为所述信贷号码与所述关联信息之间的关系度；

m为所述信贷号码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信贷号码和所述关联信息，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；

k_i为所述路径信息各自对应的关联距离系数，0＜k_i；

u_i为所述路径信息各自对应的衰减因子系数，0＜u_i≤1；

x_i为所述路径信息各自对应的关联强度系数，0＜x_i。

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可读存储介质。

本发明可读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信贷号码；

基于预设号码识别模型识别所述信贷号码的号码类型，并根据所述号码类型获取与所述信贷号码匹配的关联信息；

根据预设关系度公式计算所述信贷号码与所述关联信息之间的关系度；

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，则确定所述信贷号码为风险号码；

所述预设关系度公式为：

其中，

为所述信贷号码与所述关联信息之间的关系度；

为所述信贷号码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信贷号码和所述关联信息，所述/>

；

为与所述关联信息的信息类型对应的预设距离系数，/>

；

为与所述关联信息的信息类型对应的预设强度系数，/>

；

为所述路径信息各自对应的关联距离系数，/>

；

为所述路径信息各自对应的衰减因子系数，/>

；

为所述路径信息各自对应的关联强度系数，/>

。

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，所述基于预设号码识别模型识别所述信贷号码的号码类型的步骤包括：

获取所述信贷号码的号码字符数，并确定所述信贷号码中各号码字符的字符类型；

根据所述号码字符数、所述各号码字符的字符类型和预设号码标准确定所述信贷号码的号码类型。

3.如权利要求2所述的信贷信息的风险检测方法，其特征在于，所述号码类型包括手机号码，

所述根据所述号码字符数、所述各号码字符的字符类型和预设号码类型规范确定所述信贷号码的号码类型的步骤包括：

判断所述号码字符数是否为11个且所述各号码字符均为数字；

若所述号码字符数为11个且所述各号码字符均为数字，则确定所述信贷号码的号码类型为手机号码。

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，所述号码类型包括手机号码，所述关联信息包括参考手机号，

所述根据所述号码类型获取与所述信贷号码匹配的关联信息的步骤包括：

若所述信贷号码的号码类型为手机号码，则获取所述信贷号码的第一社交特征信息，并在预设号码库中获取参考手机号及所述参考手机号的第二社交特征信息；

基于预设社交相似规则判断所述第一社交特征信息与第二社交特征信息的社交相似度是否大于预设相似阈值；

若所述社交相似度大于预设相似阈值，则确定所述参考手机号与所述信贷号码匹配。

5.如权利要求2所述的信贷信息的风险检测方法，其特征在于，所述号码类型包括电子邮箱号码，

所述根据所述号码字符数、所述各号码字符的字符类型和预设号码模板确定所述信贷号码的号码类型的步骤包括：

判断所述信贷号码中是否仅存在一个域标识符；

若所述信贷号码中仅存在一个域标识符，则根据所述域标识符对所述信贷号码进行分片，获得特征片段；

根据所述特征片段在所述信贷号码的片段位置确定对应的邮箱字符校验规则，并根据所述邮箱字符校验规则对所述特征片段进行格式校验，以判断所述特征片段的格式是否有效邮箱格式；

若所述特征片段的格式为有效邮箱格式，则所述信贷号码为电子邮箱号码。

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，所述号码类型包括电子邮箱号码，所述关联信息包括所述信贷号码的所属单位，

所述根据所述号码类型获取与所述信贷号码匹配的关联信息的步骤包括：

若所述信贷号码为电子邮箱号码，则获取所述信贷号码的信贷域名，并根据所述信贷域名查询已知单位库，获取与所述信贷域名匹配的已知单位邮箱；

根据所述已知单位邮箱对应的已知单位确定所述信贷号码的所属单位。

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信贷号码；

信息获取模块，用于基于预设号码识别模型识别所述信贷号码的号码类型，并根据所述号码类型获取与所述信贷号码匹配的关联信息；

关系度计算模块，用于根据预设关系度公式计算所述信贷号码与所述关联信息之间的关系度；

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，则确定所述信贷号码为风险号码；

所述预设关系度公式为：

其中，

为所述信贷号码与所述关联信息之间的关系度；

为所述信贷号码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信贷号码和所述关联信息，所述/>

；

为与所述关联信息的信息类型对应的预设距离系数，/>

；

为与所述关联信息的信息类型对应的预设强度系数，/>

；

为所述路径信息各自对应的关联距离系数，/>

；

为所述路径信息各自对应的衰减因子系数，/>

；

为所述路径信息各自对应的关联强度系数，/>

。

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。

9.一种可读存储介质，其特征在于，所述可读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。

Images