CN109670929A - 贷款预警的控制方法、装置、设备及计算机可读存储介质 - Google Patents
贷款预警的控制方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109670929A CN109670929A CN201811071244.3A CN201811071244A CN109670929A CN 109670929 A CN109670929 A CN 109670929A CN 201811071244 A CN201811071244 A CN 201811071244A CN 109670929 A CN109670929 A CN 109670929A
- Authority
- CN
- China
- Prior art keywords
- loan
- model
- user account
- early warning
- default
- 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 50
- 238000012544 monitoring process Methods 0.000 claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims abstract description 17
- 230000006399 behavior Effects 0.000 claims description 30
- 238000004891 communication Methods 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000012512 characterization method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000013178 mathematical model Methods 0.000 description 5
- 238000012550 audit Methods 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000013524 data verification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation 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
- 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
本发明公开一种贷款预警的控制方法、装置、设备及计算机可读存储介质,所述方法包括:当监测到用户账户的贷前操作时,读取贷前操作的贷前操作数据,并将贷前操作数据传输到预设模型中,生成贷前操作模型;若监测到用户账户的贷后操作,则读取贷后操作的贷后操作数据,并将贷后操作数据传输到预设模型中,生成贷后操作模型;将贷后操作模型和贷前操作模型对比,生成贷后操作模型和贷前操作模型的相似度数值,并根据相似度数值对用户账户的贷款操作进行预警。本方案将基于行为识别的贷前操作模型和贷后操作模型的相似性作为判断异常操作的依据,使贷款风险的判断更为准确;且避免从其他渠道获取用户的操作行为数据,降低了风控成本。
Description
技术领域
本发明主要涉及金融机构风控技术领域,具体地说,涉及一种贷款预警的控制方法、装置、设备及计算机可读存储介质。
背景技术
金融机构在运营过程中,对贷款所进行的风险控制,分为贷款前的资料审核阶段和贷款后的行为监控阶段;若贷款前的资料审核不通过,则不进行放款;或者贷款后监控到行为异常,则进行预警。同时贷款后的行为监控通常以大数据作为支撑,通过各种渠道收集反映用户操作习惯的操作行为数据,再根据收集的操作行为数据判断贷款后的操作行为是否存在风险;增加了收集操作行为数据的成本,且各种渠道因操作方式的差异性而导致所收集的操作行为数据不能准确体现用户的操作习惯,进行导致贷款后的风险判断不准确,给金融机构带来风险。
发明内容
本发明的主要目的是提供一种贷款预警的控制方法、装置、设备及计算机可读存储介质,旨在解决现有技术中因收集的操作行为数据不准确,导致风险判断的依据不准确的问题。
为实现上述目的,本发明提供一种贷款预警的控制方法,所述贷款预警的控制方法包括以下步骤:
当监测到用户账户的贷前操作时,读取所述贷前操作的贷前操作数据,并将所述贷前操作数据传输到预设模型中,生成贷前操作模型;
若监测到所述用户账户的贷后操作,则读取所述贷后操作的贷后操作数据,并将所述贷后操作数据传输到预设模型中,生成贷后操作模型;
将所述贷后操作模型和所述贷前操作模型对比,生成所述贷后操作模型和所述贷前操作模型的相似度数值,并根据所述相似度数值对所述用户账户的贷款操作进行预警。
优选地,所述根据所述相似度数值对所述用户账户的贷款操作进行预警的步骤包括:
将所述相似度数值和预设阈值进行对比,判断所述相似度数值是否大于预设阈值;
若所述相似度数值大于所述预设阈值,则判定所述贷前操作和所述贷后操作为正常操作,所述用户账户的贷款操作不存在风险;
若所述相似度数值小于或等于所述预设阈值,则判定所述贷前操作和所述贷后操作为异常操作,对所述用户账户的贷款操作进行预警。
优选地,所述判定所述贷前操作和所述贷后操作为正常操作,所述用户账户的贷款操作不存在风险的步骤包括:
在判定所述贷前操作和所述贷后操作为正常操作后,将所述贷后操作模型和预设贷后参考模型对比,判断所述贷后操作模型和预设贷后参考模型是否匹配;
若所述贷后操作模型和预设贷后参考模型匹配,则判定所述用户账户的贷款操作不存在风险;
若所述贷后操作模型和预设贷后参考模型不匹配,则判定所述用户账户的贷款操作风险,对所述用户账户的贷款操作进行预警。
优选地,所述生成贷前操作模型的步骤之后包括:
将所述贷前操作模型和预设贷前参考模型对比,判断所述贷前操作模型和所述预设贷前参考模型是否匹配;
若所述贷前操作模型和所述预设贷前参考模型匹配,对所述贷前操作模型进行保存,并将与所述贷前操作对应的贷前信息传输至审核流程,在所述贷前信息审核通过后进行用户账户的贷后操作监测。
优选地,所述判断所述贷前操作模型和所述预设贷前参考模型是否匹配的步骤之后包括:
若所述贷前操作模型和所述预设贷前参考模型不匹配,则读取所述用户账户的注册信息,并将所述注册信息传输到预设反欺诈平台,以供所述预设反欺诈平台对所述用户账户进行鉴定,生成鉴定信息并返回;
当接收到所述鉴定信息时,读取所述鉴定信息中的鉴定标识符,并根据所述鉴定标识符,确定所述用户账户是否为风险账户;
若所述用户账户为风险账户,则对所述用户账户的贷款操作进行拒绝,若所述用户账户为非风险账户,则对所述用户账户的贷款操作进行预警。
优选地,所述将所述贷前操作模型和预设贷前参考模型对比,判断所述贷前操作模型和所述预设贷前参考模型是否匹配的步骤包括:
读取所述贷前操作模型中用户账户录入各类信息的录入时间,以及查看各类信息的查看时间,并读取所述预设贷前参考模型中记录的录入各类信息的参考录入时间,以及查看各类信息的参考查看时间;
将各所述录入时间和对应的各所述参考录入时间对比,生成录入对比结果,并将各所述查看时间和对应的各所述参考查看时间对比,生成查看对比结果;
根据所述录入对比结果和所述查看对比结果,判断所述贷前参考模型和所述预设贷前参考模型是否匹配。
优选的,所述当监测到用户账户的贷前操作时的步骤之前包括:
读取多个历史用户账户的正常贷款操作的正常数据,并对各所述正常数据进行分类筛选,生成各贷前正常数据;
对各所述贷前正常数据设定权重,并将经设定权重的各所述贷前正常数据传输到预设模型中,生成预设贷前参考模型。
此外,为实现上述目的,本发明还提出一种贷款预警的控制装置,所述贷款预警的控制装置包括:
读取模块,用于当监测到用户账户的贷前操作时,读取所述贷前操作的贷前操作数据,并将所述贷前操作数据传输到预设模型中,生成贷前操作模型;
生成模块,用于若监测到所述用户账户的贷后操作,则读取所述贷后操作的贷后操作数据,并将所述贷后操作数据传输到预设模型中,生成贷后操作模型;
预警模块,用于将所述贷后操作模型和所述贷前操作模型对比,生成所述贷后操作模型和所述贷前操作模型的相似度数值,并根据所述相似度数值对所述用户账户的贷款操作进行预警。
此外,为实现上述目的,本发明还提出一种贷款预警的控制设备,所述贷款预警的控制设备包括:存储器、处理器、通信总线以及存储在所述存储器上的贷款预警的控制程序;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行所述贷款预警的控制程序,以实现以下步骤:
当监测到用户账户的贷前操作时,读取所述贷前操作的贷前操作数据,并将所述贷前操作数据传输到预设模型中,生成贷前操作模型;
若监测到所述用户账户的贷后操作,则读取所述贷后操作的贷后操作数据,并将所述贷后操作数据传输到预设模型中,生成贷后操作模型;
将所述贷后操作模型和所述贷前操作模型对比,生成所述贷后操作模型和所述贷前操作模型的相似度数值,并根据所述相似度数值对所述用户账户的贷款操作进行预警。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序可被一个或者一个以上的处理器执行以用于:
当监测到用户账户的贷前操作时,读取所述贷前操作的贷前操作数据,并将所述贷前操作数据传输到预设模型中,生成贷前操作模型;
若监测到所述用户账户的贷后操作,则读取所述贷后操作的贷后操作数据,并将所述贷后操作数据传输到预设模型中,生成贷后操作模型;
将所述贷后操作模型和所述贷前操作模型对比,生成所述贷后操作模型和所述贷前操作模型的相似度数值,并根据所述相似度数值对所述用户账户的贷款操作进行预警。
本实施例的贷款预警的控制方法,通过对用户账户在贷款前的贷前操作,以及在贷款后的贷后操作进行监控,分别读取贷前操作数据和贷后操作数据传输到预设模型中,生成贷前操作模型和贷后操作模型;并将贷前操作模型和贷后操作模型进行对比,确定两者之间的相似度值,进而根据相似度值对用户账户的贷款操作进行预警。因贷前操作和贷后操作均在金融机构的界面中进行操作,操作方式相同;对于同一用户,贷款前操作行为和贷款后的操作行为具有很高的相似性,从而将贷前操作模型和贷后操作模型的相似性作为判断异常操作的依据,可使贷款风险的判断更为准确;且避免从其他渠道获取用户的操作行为数据,便于金融机构准确判断贷款风险、及时作出预警的同时,降低了风控成本。
附图说明
图1是本发明的贷款预警的控制方法第一实施例的流程示意图;
图2是本发明的贷款预警的控制方法第二实施例的流程示意图;
图3是本发明的贷款预警的控制方法第三实施例的流程示意图;
图4是本发明的贷款预警的控制装置第一实施例的功能模块示意图;
图5是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
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。
本发明提供一种贷款预警的控制方法。
请参照图1,图1为本发明贷款预警的控制方法第一实施例的流程示意图。在本实施例中,所述贷款预警的控制方法包括:
步骤S10,当监测到用户账户的贷前操作时,读取所述贷前操作的贷前操作数据,并将所述贷前操作数据传输到预设模型中,生成贷前操作模型;
本发明贷款预警的控制方法应用于金融机构的服务器,适用于通过服务器实现对金融机构中贷款风险的识别及预警。金融机构将其推出的贷款产品放置到其网页、app(Application,应用程序)上,当用户有向金融机构申请贷款需求时,用户通过其持有终端设备(手机或电脑灯)上的网页或app向金融机构提出申请。具体地,用户先在金融机构的网页或app上注册用户账户,在用户账户注册成功后,通过用户账户登录到金融机构的网页或app,并选择网页或app上展示的用户所需求的产品进行贷款申请操作。因不同用户的操作习惯存在差异性,服务器对各用户的操作行为进行监测,以通过监测到的操作行为中的操作数据反映用户的特征。将金融机构放款前,用户通过用户账户对贷款进行申请过程的操作作为贷前操作;当监测到用户账户的贷前操作时,读取贷前操作的贷前操作数据;其中贷前操作包括对用户信息的录入、对展示的诸如贷款说明、贷款要求此类页面信息的查看等;对应此类贷前操作的贷前操作数据包括各类信息的录入时间、各展示信息的查看时间、各展示信息的查看顺序等。不同用户因操作习惯的不同,具有不同的录入时间、查看时间以及查看顺序,即具有不同的贷前操作数据。为了通过贷前操作数据表征用户的操作特性,本实施例预先设置有预设模型,预设模型其实质为数学模型。在数学模型中用字母、数字及其它数学符号建立起来的等式或不等式以及图表、图象、框图等描述客观事物的特征及其内在联系的数学结构表达式。将读取的贷前操作数据传输到数学模型中,作为数学模型中的字母、数字或其他数学符号,生成描述用户操作行为习惯的贷前操作模型。
步骤S20,若监测到所述用户账户的贷后操作,则读取所述贷后操作的贷后操作数据,并将所述贷后操作数据传输到预设模型中,生成贷后操作模型;
可理解地,在用户账户的贷款申请经金融机构审核通过后,金融机构向贷款申请的用户账户进行放款操作;将金融机构放款后,用户通过用户账户对放款的查看操作作为贷后操作。当监测到用户账户的贷后操作时,读取贷后操作的贷后操作数据;其中贷后操作包括对放款进度、放款额度、放款时间等查看操作等;对应此类贷后操作的贷后操作数据包括对展示的各放款信息的查看时间、查看顺序、查看次数等。不同用户因操作习惯的不同,具有不同的查看时间、查看顺序以及查看次数,即具有不同的贷后操作数据。为了通过贷后操作数据表征用户的操作特性,相应的将读取的贷后操作数据传输到数学模型中,作为数学模型中的字母、数字或其他数学符号,生成描述用户操作行为习惯的贷后操作模型。
步骤S30,将所述贷后操作模型和所述贷前操作模型对比,生成所述贷后操作模型和所述贷前操作模型的相似度数值,并根据所述相似度数值对所述用户账户的贷款操作进行预警。
进一步地,因贷前操作模型表征贷款前的用户操作习惯,而贷后操作模型表征贷款后的用户操作习惯;对于同一用户来说,操作习惯具有固定性,使得贷前操作模型和贷后操作模型具有相似性。从而为了判断在贷款前后是否由同一用户操作,将贷后操作模型和贷前操作模型中同一类型的数据进行对比,如贷款前后的查看顺序、查看时间等进行对比;并将对比结果生成贷后操作模型和贷前操作模型的相似度数值,此相似度数值表征贷后操作模型和贷前操作模型的相似程度。当对比结果中贷款前后对同一类型数据的操作接近一致的数量越多,如贷款前后查看顺序接近一致、查看时间接近一致等;则相似度数值越大,相似程度越高,贷款前后由同一用户操作的可能性越大,不存在贷款的欺诈风险;反之则可能贷款前后不由同一用户操作,可能存在贷款的欺诈风险,而需要对此贷款操作进行预警,即根据相似度数值对用户账户的贷款操作进行预警。
本实施例的贷款预警的控制方法,通过对用户账户在贷款前的贷前操作,以及在贷款后的贷后操作进行监控,分别读取贷前操作数据和贷后操作数据传输到预设模型中,生成贷前操作模型和贷后操作模型;并将贷前操作模型和贷后操作模型进行对比,确定两者之间的相似度值,进而根据相似度值对用户账户的贷款操作进行预警。因贷前操作和贷后操作均在金融机构的界面中进行操作,操作方式相同;对于同一用户,贷款前操作行为和贷款后的操作行为具有很高的相似性,从而将贷前操作模型和贷后操作模型的相似性作为判断异常操作的依据,可使贷款风险的判断更为准确;且避免从其他渠道获取用户的操作行为数据,便于金融机构准确判断贷款风险、及时作出预警的同时,降低了风控成本。
进一步地,在本发明贷款预警的控制方法另一实施例中,所述根据所述相似度数值对所述用户账户的贷款操作进行预警的步骤包括:
步骤S31,将所述相似度数值和预设阈值进行对比,判断所述相似度数值是否大于预设阈值;
为了表征贷后操作模型与贷前操作模型的相似度数值大小,预先设置有预设阈值,此预设阈值为通过多次试验或历史经验所设定的大小合适的数值;避免数值过大,而将用户的正常操作误差作为风险操作,而判定为贷款欺诈风险;或者数值过小,而将风险操作作为正常操作,判定为不存在贷款欺诈风险,导致贷款风险的判断不准确。将生成的相似度数值和预设阈值进行对比,判断相似度数值是否大于预设阈值;以确定贷后操作模型与贷前操作模型的相似程度,判定贷款前后是否由同一用户操作。
步骤S32,若所述相似度数值大于所述预设阈值,则判定所述贷前操作和所述贷后操作为正常操作,所述用户账户的贷款操作不存在风险;
进一步,当判断出相似度数值大于预设阈值时,则说明贷后操作模型与贷前操作模型的相似程度较高,贷款前的申请操作行为和贷款后的查看操作行为具有较高的相似性,贷前操作和贷后操作为同一用户的正常操作,用户账户的贷款操作不存在风险。考虑到贷款前后虽然由同一用户操作,但此用户本身可能为欺诈用户;欺诈用户对放款后的关注点和正常用户的关注点可能存在差异,如正常用户在查看放款信息时,关注点在放款进度和放款时间,且不会长时间多次查看;而欺诈用户在查看放款信息时,关注点则在放款额度,且存在多次频繁查看的情况。从而为了进一步避免贷款风险,判定贷前操作和贷后操作为正常操作,用户账户的贷款操作不存在风险的步骤包括:
步骤S321,在判定所述贷前操作和所述贷后操作为正常操作后,将所述贷后操作模型和预设贷后参考模型对比,判断所述贷后操作模型和预设贷后参考模型是否匹配;
本实施例为了确保贷款安全性,预先设置有预设贷后参考模型,此预设贷后参考模型由以往确定为正常贷款的用户账户所具有的贷后操作数据生成。即当确定某些用户账户的贷款为正常贷款,不存在风险后;将此类用户账户的贷后操作数据传输到预设模型中,生成用于贷后操作参考的预设贷后参考模型。因生成预设贷后参考模型的贷后操作数据来源于多个用户账户,而使得所生成的预设贷后参考模型可反映各正常账户的贷后操作,具有普适性。当判断出用户账户的贷前操作和贷后操作为正常操作后,将用户账户的贷后操作模型和此预设贷后参考模型对比,判断贷后操作模型和预设贷后参考模型是否匹配。通过两者的匹配程度,判定用户账户的贷后操作是否和其他正常账户的贷后操作一致,进而确定用户账户贷款的风险性。
步骤S322,若所述贷后操作模型和预设贷后参考模型匹配,则判定所述用户账户的贷款操作不存在风险;
进一步地,在将用户账户的贷后操作模型和预设贷后参考模型对比,判定出贷后操作模型和预设贷后参考模型匹配时,则说明用户账户的贷后操作和其他正常账户的贷后操作一致,用户账户的贷款操作不存在风险。需要说明的是,因不同用户的操作方式不一样,使得生成的贷后操作模型和预设贷后参考模型必然存在差异。从而在将两者对比,判断是否匹配时,设定匹配率,若两者对比的匹配率大于此设定的匹配率时,则可判定贷后操作模型和预设贷后参考模型匹配;否则不匹配。
步骤S323,若所述贷后操作模型和预设贷后参考模型不匹配,则判定所述用户账户的贷款操作风险,对所述用户账户的贷款操作进行预警。
而当贷后操作模型和预设贷后参考模型不匹配时,说明用户账户的贷后操作和其他正常账户的贷后操作不一致,用户账户的贷款操作为异常操作,可能存在风险,而对用户账户的贷款操作进行预警。预警可针对不同程度的贷款风险设置不同的预警等级,如一级预警和二级预警等,且一级预警所对应的贷款风险程度较二级预警高,预警措施也较二级预警严格。在判断出用户账户的贷后操作和其他正常账户的贷后操作不一致时,因对用户账户已经进行了放款操作,可能存在的贷款风险为逾期还款、拖欠还款或逃避还款等,此类贷款风险均会引起金融机构的损失;为了避免损失,对用户账户的贷后操作和其他正常账户的贷后操作不一致的异常操作,进行一级预警。通过一级预警提示对用户账户的贷款进行跟踪,取证确定用户账户的贷款是否存在风险;若存在风险,则启动与一级预警对应的控制措施,控制措施包括收回部分或全部贷款、提前催收贷款等。而当确认出用户账户对应用户只是在操作习惯上和其他正常用户的操作习惯存在较大差异,导致用户账户的贷后操作和其他正常账户的贷后操作不一致,用户账户的贷款并不存在风险,则无需对其启动控制措施。
步骤S33,若所述相似度数值小于或等于所述预设阈值,则判定所述贷前操作和所述贷后操作为异常操作,对所述用户账户的贷款操作进行预警。
更进一步地,当判断出相似度数值不大于预设阈值时,则说明贷后操作模型与贷前操作模型的相似程度较低,贷款前的申请操作行为和贷款后的查看操作行为相似性较低。即贷款后的操作行为相对于贷款前的操作行为发送较大变化,操作的用户发生变化,可能存在贷款的欺诈风险。为了避免风险,将此贷前操作和贷后操判断为非同一用户的异常操作,对用户账户的贷款操作进行预警。因与贷前操作和贷后操作的异常操作所对应的用户账户进行了放款操作,同样可能存在的贷款风险为逾期还款、拖欠还款或逃避还款等,此类贷款风险也均会引起金融机构的损失。为了避免损失,对用户账户的贷前操作和贷后操作的异常操作,进行一级预警。通过一级预警提示对用户账户的贷款进行跟踪,取证确定用户账户的贷款是否存在风险;若存在风险,则启动与一级预警对应的控制措施,控制措施包括收回部分或全部贷款、提前催收贷款等。而当确认出用户账户对应用户在贷款前后只是操作习惯发送了变化,用户账户的贷款并不存在风险时,则无需对其启动控制措施。
进一步地,请参照图2,在本发明贷款预警的控制方法第一实施例基础上,提出本发明贷款预警的控制方法第二实施例,在第二实施例中,所述生成贷前操作模型的步骤之后包括:
步骤S40,将所述贷前操作模型和预设贷前参考模型对比,判断所述贷前操作模型和所述预设贷前参考模型是否匹配;
可理解地,对于金融机构的贷款欺诈最好在放款之前进行识别,以在最大程度上避免金融机构的损失;而为了在放款前对贷款欺诈进行判断,本实施例预先设置有预设贷前参考模型。预设贷前参考模型由以往确定为正常贷款的用户账户所具有的贷前操作数据生成。即当确定某些用户账户的贷款为正常贷款,不存在风险后;将此类用户账户的贷前操作数据传输到预设模型中,生成用于贷前操作参考的预设贷前参考模型。因生成预设贷前参考模型的贷前操作数据来源于多个用户账户,而使得所生成的预设贷前参考模型可反映各正常账户的贷前操作,具有普适性。在将用户账户的贷前操作数据生成贷前操作模型后,调用预设贷前参考模型和所生成的贷前操作模型进行对比,判断贷前操作模型和预设贷前参考模型是否匹配。通过两者的匹配程度,判定用户账户的贷前操作是否和其他正常账户的贷前操作一致,进而确定用户账户贷前操作的风险性。具体地将贷前操作模型和预设贷前参考模型对比,判断贷前操作模型和预设贷前参考模型是否匹配的步骤包括:
步骤S41,读取所述贷前操作模型中用户账户录入各类信息的录入时间,以及查看各类信息的查看时间,并读取所述预设贷前参考模型中记录的录入各类信息的参考录入时间,以及查看各类信息的参考查看时间;
因贷前操作模型由贷前操作中的信息录入时间,信息查看时间等生成,而预设贷前参考模型由正常贷款的用户账户所具有的贷前操作数据生成,即由正常贷款的用户账户在贷前操作时的信息录入时间和信息查看时间生成,将预设贷前参考模型中的信息录入时间和信息查看时间分布作为参考录入时间和参考查看时间,以和贷前操作模型中的录入时间、查看时间进行区别。在将贷前操作模型和预设贷前参考模型对比时,分别读取贷前操作模型中用户账户录入各类信息的录入时间,以及用户账户查看各类信息的查看时间,以及预设贷前参考模型中所记录的正常贷款用户账户的参考录入时间和参考查看时间,以通过参考录入时间判断录入时间是否正常,以及参考查看时间判断查看时间是否正常。
步骤S42,将各所述录入时间和对应的各所述参考录入时间对比,生成录入对比结果,并将各所述查看时间和对应的各所述参考查看时间对比,生成查看对比结果;
进一步地,在读取到对各类信息的录入时间、查看时间以及参考录入时间和参考查看时间后,将各个录入时间和参考录入时间对比,生成录入对比结果;且在对比时,将相同信息的录入时间对比,以确保对信息录入时间对比的准确性。如录入时间中包括对信息A的录入时间a1,以及对信息B的录入时间b1;对应的参考录入时间中对信息A的参考录入时间为a2,对信息B的参考录入时间为b2;从而在对比时将a1和a2对比,将b1和b2进行对比。不同信息的录入时间由信息类型标识符区分,以将具有相同类型标识符的录入时间和参考录入时间对比,实现将各录入时间和对应的参考录入时间对比。因不同用户的操作习惯存在差异性,使得对于同一信息的录入时间不相同,即各类信息的录入时间和参考录入时间的对比结果不完全相同;设定表征对比结果相同的差异范围,当录入时间和对应参考录入时间之间的差值在此差异范围内,即可判定两者一致,直到所有类型的录入时间均判断完成,生成录入对比结果。如上述录入时间a1和a2之间的差异在差异范围内,则可判定用户账户对信息A与正常贷款的用户账户的操作一致,的录入属于正常的操作。同样的将各个查看时间和参考查看时间对比,生成查看对比结果;且对比方式与录入时间和参考时间之间的对比相同,在此不做赘述;在将各个类型的信息查看时间均和其对应参考查看时间对比完成后,生成查看对比结果。
步骤S43,根据所述录入对比结果和所述查看对比结果,判断所述贷前参考模型和所述预设贷前参考模型是否匹配。
可理解地,因录入时间和参考时间之间的对比,以及查看时间和参考查看时间之间的对比均涉及到多个信息的录入时间和查看时间的对比,只有在各个信息的录入时间和其对应参考录入时间之间的差值均在差异范围内,才说明用户账户所填写各类信息的时间均正常,所生成的录入对比结果正常。否则当某一项信息的录入时间和其对应参考录入时间之间的差值不在差异范围内,则说明用户账户填写此类信息的时间不正常,所生成的录入对比结果不正常。同样的在各个信息的查看时间和其对应参考查看时间之间的差值均在差异范围内,才说明用户账户所查看各类信息的时间均正常,所生成的查看对比结果正常。否则当某一项信息的查看时间和其对应参考查看时间之间的差值不在差异范围内,则说明用户账户查看此类信息的时间不正常,所生成的查看对比结果不正常。从而根据录入对比结果和查看对比结果的正常性,可判断贷前参考模型和预设贷前参考模型是否匹配;其中当录入对比结果和查看对比结果均正常时,说明用户对各信息的录入操作和对各信息的查看操作均正常,判定贷前参考模型和预设贷前参考模型匹配;而当录入对比结果和查看对比结果中任意一个不正常时,说明用户对各信息的录入操作和对各信息的查看操作中存在不正常操作,可能存在风险,而判定贷前参考模型和预设贷前参考模型不匹配。
步骤S50,若所述贷前操作模型和所述预设贷前参考模型匹配,对所述贷前操作模型进行保存,并将与所述贷前操作对应的贷前信息传输至审核流程,在所述贷前信息审核通过后进行用户账户的贷后操作监测。
进一步地,在将用户账户的贷前操作模型和预设贷前参考模型对比,判定出贷前操作模型和预设贷前参考模型匹配时,则说明用户账户的贷前操作和其他正常账户的贷前操作一致,用户账户的贷前操作不存在风险。此后,将所生成的贷前操作模型保存;并将用户账户在贷前操作中所录入的贷前信息,即与贷前操作所对应的贷前信息传输至审核流程;以启动审核流程对贷前信息进行审核,判断用户账户所录入的贷前信息是否满足贷款要求。在对贷前信息进行审核的审核结果为贷前信息满足贷款要求、审核通过,可进行放款后,则对用户账户进行贷后操作的监测,即监测放款后用户账户对放款的查看操作;并将查看操作的操作数据作为贷后操作数据,生成用于和贷前操作模型对比的贷后操作模型。考虑到金融机构所涉及到的用户众多,各个用户在贷款操作过程中均会生成贷前操作模型和贷后操作模型;为了进行区分,对同一用户账户的贷前操作模型和贷后操作模型分配相同的账户标识符。在生成贷后操作模型需要和贷前操作模型对比时,读取此贷后操作模型中携带的账户标识符,并将此读取的账户标识符和保存的贷前操作模型所携带的账户标识符逐一对比,确定与读取的账户标识符一致的账户标识符。具有此一致账户标识符的贷前操作模型与所生成的贷后操作模型属于同一用户账户,而将此两者进行对比;确保对比的贷前操作模型和贷后操作模型来源于同一用户账户,使贷款风险的判断更为准确。
进一步地,请参照图3,在本发明贷款预警的控制方法第二实施例基础上,提出本发明贷款预警的控制方法第三实施例,在第三实施例中,所述判断所述贷前操作模型和所述预设贷前参考模型是否匹配的步骤之后包括:
步骤S60,若所述贷前操作模型和所述预设贷前参考模型不匹配,则读取所述用户账户的注册信息,并将所述注册信息传输到预设反欺诈平台,以供所述预设反欺诈平台对所述用户账户进行鉴定,生成鉴定信息并返回;
更进一步地,当将用户账户的贷前操作模型和预设贷前参考模型对比,判断出贷前操作模型和预设贷前参考模型不匹配,说明用户账户的贷前操作和其他正常账户的贷前操作不一致,用户账户的贷前操作存在风险,可能为贷款欺诈。为了进一步确定贷前操作是否存在风险,本实施例设置有通过预设反欺诈平台进行二次确认的机制。预设反欺诈平台为金融机构中预先设置用于进行贷款欺诈控制的平台,其通过各种途径对各贷款类欺诈进行识别,并对识别为贷款欺诈的用户数据存储为黑名单信息;如识别的贷款欺诈中用户的身份证号、用户姓名、用户电话号码等。
在判定出用户账户的贷前操作和其他正常账户的贷前操作不一致后,读取用户账户的注册信息,注册信息为用户在注册用户账户时所填写的用户信息,包括用户姓名、性别、身份证号、居住地等各类信息。将此读取的注册信息传输到预设反欺诈平台中,由预设反欺诈平台对此用户账户进行鉴定。鉴定时先将注册信息和预设反欺诈平台中存储的黑名单进行对比,判断注册信息中是否有任一项信息存在于黑名单中;同时还针对注册信息结合人为取证鉴定,生成鉴定信息。具体地,当身份证号存在于黑名单中时,因身份证号为表征用户唯一性的信息,而不进行人为取证鉴定,直接生成用户账户为风险账户的鉴定信息;当姓名或电话号码存在于黑名单中,因姓名或电话号码容易出现重复或盗用的现象,而进行人为取证鉴定,根据人为取证鉴定的结果生成鉴定信息,以确保鉴定信息的准确性。而当注册信息中没有任一项信息存在于黑名单中,则说明注册信息对应的用户此前没有贷款欺诈行为;但为了确保安全,同样进行人为取证鉴定,并根据人为取证鉴定的结果生成鉴定信息。将此生成的鉴定信息上传到服务器,在服务器中根据鉴定信息所表征用户账户的风险性,确定用户账户的贷前操作是否存在风险。
步骤S70,当接收到所述鉴定信息时,读取所述鉴定信息中的鉴定标识符,并根据所述鉴定标识符,确定所述用户账户是否为风险账户;
可理解地,因鉴定信息包括用户账户是风险账户和不是风险账户两类,在生成鉴定信息时,为了对两者进行区分,对两类信息分配不同的鉴定标识符。当接收到鉴定信息时,读取鉴定信息中携带的鉴定标识符,此鉴定标识符为表征用户账户是风险账户还是非风险账户的标识符。根据此表征风险性的鉴定标识符,确定用户账户是否为风险账户。
步骤S80,若所述用户账户为风险账户,则对所述用户账户的贷款操作进行拒绝,若所述用户账户为非风险账户,则对所述用户账户的贷款操作进行预警。
进一步地,当鉴定标识符为表征用户账户为风险账户时,则说明贷前操作模型和预设贷前参考模型不匹配,用户账户的贷前操作和其他正常账户的贷前操作不一致的同时,再经预设反欺诈平台以及人为鉴定出进行贷前操作的用户账户存在风险;此用户账户贷前操作的风险性较大,从而对用户账户的贷款操作进行拒绝,以避免贷款欺诈导致金融机构损失。而当鉴定标识符为表征用户账户是非风险账户,即经预设反欺诈平台以及人为鉴定出进行贷前操作的用户账户不存在风险;但考虑到贷前操作模型和预设贷前参考模型不匹配,用户账户的贷前操作和其他正常账户的贷前操作存在不一致的现象;用户账户的此次贷款操作可能存在欺诈,而仍然对用户账户的此次贷款操作进行预警,以防止贷款欺诈风险。因贷前操作阶段尚未对用户账户进行放款操作,所预警的等级为二级预警。通过二级预警提示对用户账户的贷款申请进行严格审核,确定用户账户的贷款是否存在欺诈风险;若存在欺诈风险,则启动与二级预警对应的控制措施,控制措施包括延长审核期、拒绝放款等。而当确认出用户账户对应用户只是在操作习惯上和其他正常用户的操作习惯存在较大差异,导致用户账户的贷前操作和其他正常账户的贷前操作不一致,用户账户的贷款并不存在风险,则无需对其启动控制措施。同时将与贷前操作对应的贷前信息传输至审核流程,以启动审核流程对贷前信息进行审核,判断用户账户所录入的贷前信息是否满足贷款要求。
进一步地,在本发明贷款预警的控制方法另一实施例中,所述当监测到用户账户的贷前操作时的步骤之前包括:
q1,读取多个历史用户账户的正常贷款操作的正常数据,并对各所述正常数据进行分类筛选,生成各贷前正常数据;
更进一步地,为了将用户账户的贷前操作模型与用于贷前操作参考的预设贷前参考模型进行对比,本实施例设置有生成预设贷前参考模型的机制。具体地,因预设贷前参考模型用于反映各正常账户的贷前操作,使得生成此预设贷前参考模型的贷前操作数据必然来源于多个经确认为正常贷款的正常历史用户账户。从而读取多个历史用户账户的正常贷款操作的正常数据,此正常数据为多个历史用户账户在贷前操作中对各类信息的录入时间、各录入信息的更改次数、各展示信息的查看时间、各展示信息的查看顺序等。因读取的正常数据中可能包括其他对贷款风险判断没有作用的噪音数据,而需要对此正常数据进行分类筛选,将其中的噪音数据过滤掉。其中对正常数据的筛选可通过map-reduce方式进行,map-reduce是将具有大量数据的任务分成多个小的子任务(map)并行执行后,合并成结果(reduce)的方式。将此经过滤的正常数据作为各贷前正常数据,并通过贷前正常数据生成预设贷前参考模型。
q2,对各所述贷前正常数据设定权重,并将经设定权重的各所述贷前正常数据传输到预设模型中,生成预设贷前参考模型。
考虑到不同的贷前操作数据所反映的贷款风险程度不一样。如录入时间、更改次数对应的各信息录入操作,查看时间、查看顺序对应的各展示信息的查看操作,其中更改次数以及查看时间所反映的贷款风险程度较高;即如果用户账户对所录入的信息进行频繁更改,或者所展示的信息进行频繁查看,则说明此用户账户所存在的贷款风险较高。为了表征各贷前正常数据对贷款风险的影响,根据对各贷前正常数据的对贷款风险的影响程度,对各贷前正常数据设定权重;如对于更改次数设查看时间设定较高的权重,而对录入操作和查看顺序设定较低的权重。将经设定权重的各贷前正常数据传输到预设模型中,生成用于贷前操作参考的预设贷前参考模型。其中因各贷前正常数据来源于各历史用户账户,使得各贷前正常数据中同一类型的数据包括多个,如用户账户A的录入时间、用户账户B的录入时间等。在将各贷前正常数据传输到预设模型之前,将各贷前正常数据中同一类型的多个数据进行拟合归一化处理,得到表征此类数据中的归一数据。将各贷前正常数据中各类型数据经归一化处理的归一数据传输到预设模型中,生成预设贷前参考模型,使通过权重设定和归一化处理所生成的预设贷前参考模型更为准确的反映正常用户账户的贷款操作数据。
此外,请参照图4,本发明提供一种贷款预警的控制装置,在本发明贷款预警的控制装置第一实施例中,所述贷款预警的控制装置包括:
读取模块10,用于当监测到用户账户的贷前操作时,读取所述贷前操作的贷前操作数据,并将所述贷前操作数据传输到预设模型中,生成贷前操作模型;
生成模块20,用于若监测到所述用户账户的贷后操作,则读取所述贷后操作的贷后操作数据,并将所述贷后操作数据传输到预设模型中,生成贷后操作模型;
预警模块30,用于将所述贷后操作模型和所述贷前操作模型对比,生成所述贷后操作模型和所述贷前操作模型的相似度数值,并根据所述相似度数值对所述用户账户的贷款操作进行预警。
本实施例的贷款预警的控制装置,通过对用户账户在贷款前的贷前操作,以及在贷款后的贷后操作进行监控,读取模块10和生成模块20分别读取贷前操作数据和贷后操作数据传输到预设模型中,生成贷前操作模型和贷后操作模型;并通过预警模块30将贷前操作模型和贷后操作模型进行对比,确定两者之间的相似度值,进而根据相似度值对用户账户的贷款操作进行预警。因贷前操作和贷后操作均在金融机构的界面中进行操作,操作方式相同;对于同一用户,贷款前操作行为和贷款后的操作行为具有很高的相似性,从而将贷前操作模型和贷后操作模型的相似性作为判断异常操作的依据,可使贷款风险的判断更为准确;且避免从其他渠道获取用户的操作行为数据,便于金融机构准确判断贷款风险、及时作出预警的同时,降低了风控成本。
进一步地,在本发明贷款预警的控制装置另一实施例中,所述预警模块包括:
对比单元,用于将所述相似度数值和预设阈值进行对比,判断所述相似度数值是否大于预设阈值;
第一判断单元,用于若所述相似度数值大于所述预设阈值,则判定所述贷前操作和所述贷后操作为正常操作,所述用户账户的贷款操作不存在风险;
第二判断单元,用于若所述相似度数值小于或等于所述预设阈值,则判定所述贷前操作和所述贷后操作为异常操作,对所述用户账户的贷款操作进行预警。
进一步地,在本发明贷款预警的控制装置另一实施例中,所述第一判断单元还用于:
在判定所述贷前操作和所述贷后操作为正常操作后,将所述贷后操作模型和预设贷后参考模型对比,判断所述贷后操作模型和预设贷后参考模型是否匹配;
若所述贷后操作模型和预设贷后参考模型匹配,则判定所述用户账户的贷款操作不存在风险;
若所述贷后操作模型和预设贷后参考模型不匹配,则判定所述用户账户的贷款操作风险,对所述用户账户的贷款操作进行预警。
进一步地,在本发明贷款预警的控制装置另一实施例中,所述贷款预警的控制装置还包括:
对比模块,用于将所述贷前操作模型和预设贷前参考模型对比,判断所述贷前操作模型和所述预设贷前参考模型是否匹配;
存储模块,用于若所述贷前操作模型和所述预设贷前参考模型匹配,对所述贷前操作模型进行保存,并将与所述贷前操作对应的贷前信息传输至审核流程,在所述贷前信息审核通过后进行用户账户的贷后操作监测。
进一步地,在本发明贷款预警的控制装置另一实施例中,所述贷款预警的控制装置还包括:
传输模块,用于若所述贷前操作模型和所述预设贷前参考模型不匹配,则读取所述用户账户的注册信息,并将所述注册信息传输到预设反欺诈平台,以供所述预设反欺诈平台对所述用户账户进行鉴定,生成鉴定信息并返回;
确定模块,用于当接收到所述鉴定信息时,读取所述鉴定信息中的鉴定标识符,并根据所述鉴定标识符,确定所述用户账户是否为风险账户;
拒绝模块,用于若所述用户账户为风险账户,则对所述用户账户的贷款操作进行拒绝,若所述用户账户为非风险账户,则对所述用户账户的贷款操作进行预警。
进一步地,在本发明贷款预警的控制装置另一实施例中,所述对比模块还用于:
读取所述贷前操作模型中用户账户录入各类信息的录入时间,以及查看各类信息的查看时间,并读取所述预设贷前参考模型中记录的录入各类信息的参考录入时间,以及查看各类信息的参考查看时间;
将各所述录入时间和对应的各所述参考录入时间对比,生成录入对比结果,并将各所述查看时间和对应的各所述参考查看时间对比,生成查看对比结果;
根据所述录入对比结果和所述查看对比结果,判断所述贷前参考模型和所述预设贷前参考模型是否匹配。
进一步地,在本发明贷款预警的控制装置另一实施例中,所述贷款预警的控制装置还包括:
筛选模块,用于读取多个历史用户账户的正常贷款操作的正常数据,并对各所述正常数据进行分类筛选,生成各贷前正常数据;
设定模块,用于对各所述贷前正常数据设定权重,并将经设定权重的各所述贷前正常数据传输到预设模型中,生成预设贷前参考模型。
其中,上述贷款预警的控制装置的各虚拟功能模块存储于图5所示贷款预警的控制设备的存储器1005中,处理器1001执行贷款预警的控制程序时,实现图4所示实施例中各个模块的功能。
参照图5,图5是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
本发明实施例贷款预警的控制设备可以是PC(personal computer,个人计算机),也可以是智能手机、平板电脑、电子书阅读器、便携计算机等终端设备。
如图5所示,该贷款预警的控制设备可以包括:处理器1001,例如CPU(CentralProcessing Unit,中央处理器),存储器1005,通信总线1002。其中,通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM(random accessmemory,随机存取存储器),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。
可选地,该贷款预警的控制设备还可以包括用户接口、网络接口、摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi(Wireless Fidelity,无线宽带)模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解,图5中示出的贷款预警的控制设备结构并不构成对贷款预警的控制设备的限定,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。
如图5所示,作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块以及贷款预警的控制程序。操作系统是管理和控制贷款预警的控制设备硬件和软件资源的程序,支持贷款预警的控制程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信,以及与贷款预警的控制设备中其它硬件和软件之间通信。
在图5所示的贷款预警的控制设备中,处理器1001用于执行存储器1005中存储的贷款预警的控制程序,实现上述贷款预警的控制方法各实施例中的步骤。
本发明提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述贷款预警的控制方法各实施例中的步骤。
还需要说明的是,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。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、物品或者装置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计算机可读存储介质(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,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述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,凡是在本发明的构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种贷款预警的控制方法,其特征在于,所述贷款预警的控制方法包括以下步骤:
当监测到用户账户的贷前操作时,读取所述贷前操作的贷前操作数据,并将所述贷前操作数据传输到预设模型中,生成贷前操作模型;
若监测到所述用户账户的贷后操作,则读取所述贷后操作的贷后操作数据,并将所述贷后操作数据传输到预设模型中,生成贷后操作模型;
将所述贷后操作模型和所述贷前操作模型对比,生成所述贷后操作模型和所述贷前操作模型的相似度数值,并根据所述相似度数值对所述用户账户的贷款操作进行预警。
2.如权利要求1所述的贷款预警的控制方法,其特征在于,所述根据所述相似度数值对所述用户账户的贷款操作进行预警的步骤包括:
将所述相似度数值和预设阈值进行对比,判断所述相似度数值是否大于预设阈值;
若所述相似度数值大于所述预设阈值,则判定所述贷前操作和所述贷后操作为正常操作,所述用户账户的贷款操作不存在风险;
若所述相似度数值小于或等于所述预设阈值,则判定所述贷前操作和所述贷后操作为异常操作,对所述用户账户的贷款操作进行预警。
3.如权利要求2所述的贷款预警的控制方法,其特征在于,所述判定所述贷前操作和所述贷后操作为正常操作,所述用户账户的贷款操作不存在风险的步骤包括:
在判定所述贷前操作和所述贷后操作为正常操作后,将所述贷后操作模型和预设贷后参考模型对比,判断所述贷后操作模型和预设贷后参考模型是否匹配;
若所述贷后操作模型和预设贷后参考模型匹配,则判定所述用户账户的贷款操作不存在风险;
若所述贷后操作模型和预设贷后参考模型不匹配,则判定所述用户账户的贷款操作风险,对所述用户账户的贷款操作进行预警。
4.如权利要求1所述的贷款预警的控制方法,其特征在于,所述生成贷前操作模型的步骤之后包括:
将所述贷前操作模型和预设贷前参考模型对比,判断所述贷前操作模型和所述预设贷前参考模型是否匹配;
若所述贷前操作模型和所述预设贷前参考模型匹配,对所述贷前操作模型进行保存,并将与所述贷前操作对应的贷前信息传输至审核流程,在所述贷前信息审核通过后进行用户账户的贷后操作监测。
5.如权利要求4所述的贷款预警的控制方法,其特征在于,所述判断所述贷前操作模型和所述预设贷前参考模型是否匹配的步骤之后包括:
若所述贷前操作模型和所述预设贷前参考模型不匹配,则读取所述用户账户的注册信息,并将所述注册信息传输到预设反欺诈平台,以供所述预设反欺诈平台对所述用户账户进行鉴定,生成鉴定信息并返回;
当接收到所述鉴定信息时,读取所述鉴定信息中的鉴定标识符,并根据所述鉴定标识符,确定所述用户账户是否为风险账户;
若所述用户账户为风险账户,则对所述用户账户的贷款操作进行拒绝,若所述用户账户为非风险账户,则对所述用户账户的贷款操作进行预警。
6.如权利要求4所述的贷款预警的控制方法,其特征在于,所述将所述贷前操作模型和预设贷前参考模型对比,判断所述贷前操作模型和所述预设贷前参考模型是否匹配的步骤包括:
读取所述贷前操作模型中用户账户录入各类信息的录入时间,以及查看各类信息的查看时间,并读取所述预设贷前参考模型中记录的录入各类信息的参考录入时间,以及查看各类信息的参考查看时间;
将各所述录入时间和对应的各所述参考录入时间对比,生成录入对比结果,并将各所述查看时间和对应的各所述参考查看时间对比,生成查看对比结果;
根据所述录入对比结果和所述查看对比结果,判断所述贷前参考模型和所述预设贷前参考模型是否匹配。
7.如权利要求1-6任一项所述的贷款预警的控制方法,其特征在于,所述当监测到用户账户的贷前操作时的步骤之前包括:
读取多个历史用户账户的正常贷款操作的正常数据,并对各所述正常数据进行分类筛选,生成各贷前正常数据;
对各所述贷前正常数据设定权重,并将经设定权重的各所述贷前正常数据传输到预设模型中,生成预设贷前参考模型。
8.一种贷款预警的控制装置,其特征在于,所述贷款预警的控制装置包括:
读取模块,用于当监测到用户账户的贷前操作时,读取所述贷前操作的贷前操作数据,并将所述贷前操作数据传输到预设模型中,生成贷前操作模型;
生成模块,用于若监测到所述用户账户的贷后操作,则读取所述贷后操作的贷后操作数据,并将所述贷后操作数据传输到预设模型中,生成贷后操作模型;
预警模块,用于将所述贷后操作模型和所述贷前操作模型对比,生成所述贷后操作模型和所述贷前操作模型的相似度数值,并根据所述相似度数值对所述用户账户的贷款操作进行预警。
9.一种贷款预警的控制设备,其特征在于,所述贷款预警的控制设备包括:存储器、处理器、通信总线以及存储在所述存储器上的贷款预警的控制程序;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行所述贷款预警的控制程序,以实现如权利要求1-7中任一项所述的贷款预警的控制方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有贷款预警的控制程序,所述贷款预警的控制程序被处理器执行时实现如权利要求1-7中任一项所述的贷款预警的控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811071244.3A CN109670929A (zh) | 2018-09-13 | 2018-09-13 | 贷款预警的控制方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811071244.3A CN109670929A (zh) | 2018-09-13 | 2018-09-13 | 贷款预警的控制方法、装置、设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109670929A true CN109670929A (zh) | 2019-04-23 |
Family
ID=66142339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811071244.3A Pending CN109670929A (zh) | 2018-09-13 | 2018-09-13 | 贷款预警的控制方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109670929A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110322357A (zh) * | 2019-05-30 | 2019-10-11 | 深圳壹账通智能科技有限公司 | 数据的异常评估方法、装置、计算机设备和介质 |
CN112381640A (zh) * | 2020-11-17 | 2021-02-19 | 平安普惠企业管理有限公司 | 业务数据监控方法、装置、设备及存储介质 |
CN116308736A (zh) * | 2023-02-15 | 2023-06-23 | 广州市花都万穗小额贷款股份有限公司 | 一种贷款款项预警管理系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100106581A1 (en) * | 2007-04-17 | 2010-04-29 | American Express Travel Related Services Company Inc. | System and method for enabling registration, determination and distribution of positive behavior incentives |
CN103310333A (zh) * | 2013-03-22 | 2013-09-18 | 涂志敏 | 一种线下终端刷卡实现资金划至第三方支付平台的方法 |
US20140279379A1 (en) * | 2013-03-14 | 2014-09-18 | Rami Mahdi | First party fraud detection system |
CN104852883A (zh) * | 2014-02-14 | 2015-08-19 | 腾讯科技(深圳)有限公司 | 保护账号信息安全的方法和系统 |
CN105512938A (zh) * | 2016-02-03 | 2016-04-20 | 宜人恒业科技发展(北京)有限公司 | 一种基于用户长期使用行为的在线信用风险评估方法 |
CN106530078A (zh) * | 2016-11-29 | 2017-03-22 | 流量海科技成都有限公司 | 基于跨行业数据的贷款风险预警方法及系统 |
BR102015024720A2 (pt) * | 2015-09-25 | 2017-04-04 | Banco Original S A | método e sistema para inscrição de um usuário em uma instituição financeira de forma remota |
CN107886425A (zh) * | 2017-10-25 | 2018-04-06 | 上海壹账通金融科技有限公司 | 信贷评估方法、装置、设备及计算机可读存储介质 |
CN108363811A (zh) * | 2018-03-09 | 2018-08-03 | 北京京东金融科技控股有限公司 | 设备识别方法及装置、电子设备、存储介质 |
-
2018
- 2018-09-13 CN CN201811071244.3A patent/CN109670929A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100106581A1 (en) * | 2007-04-17 | 2010-04-29 | American Express Travel Related Services Company Inc. | System and method for enabling registration, determination and distribution of positive behavior incentives |
US20140279379A1 (en) * | 2013-03-14 | 2014-09-18 | Rami Mahdi | First party fraud detection system |
CN103310333A (zh) * | 2013-03-22 | 2013-09-18 | 涂志敏 | 一种线下终端刷卡实现资金划至第三方支付平台的方法 |
CN104852883A (zh) * | 2014-02-14 | 2015-08-19 | 腾讯科技(深圳)有限公司 | 保护账号信息安全的方法和系统 |
BR102015024720A2 (pt) * | 2015-09-25 | 2017-04-04 | Banco Original S A | método e sistema para inscrição de um usuário em uma instituição financeira de forma remota |
CN105512938A (zh) * | 2016-02-03 | 2016-04-20 | 宜人恒业科技发展(北京)有限公司 | 一种基于用户长期使用行为的在线信用风险评估方法 |
CN106530078A (zh) * | 2016-11-29 | 2017-03-22 | 流量海科技成都有限公司 | 基于跨行业数据的贷款风险预警方法及系统 |
CN107886425A (zh) * | 2017-10-25 | 2018-04-06 | 上海壹账通金融科技有限公司 | 信贷评估方法、装置、设备及计算机可读存储介质 |
CN108363811A (zh) * | 2018-03-09 | 2018-08-03 | 北京京东金融科技控股有限公司 | 设备识别方法及装置、电子设备、存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110322357A (zh) * | 2019-05-30 | 2019-10-11 | 深圳壹账通智能科技有限公司 | 数据的异常评估方法、装置、计算机设备和介质 |
CN112381640A (zh) * | 2020-11-17 | 2021-02-19 | 平安普惠企业管理有限公司 | 业务数据监控方法、装置、设备及存储介质 |
CN116308736A (zh) * | 2023-02-15 | 2023-06-23 | 广州市花都万穗小额贷款股份有限公司 | 一种贷款款项预警管理系统 |
CN116308736B (zh) * | 2023-02-15 | 2024-04-19 | 广州市花都万穗小额贷款股份有限公司 | 一种贷款款项预警管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106803168B (zh) | 一种异常转账侦测方法和装置 | |
WO2018090839A1 (zh) | 身份认证系统、方法、装置及账号认证方法 | |
CN106850346B (zh) | 用于监控节点变化及辅助识别黑名单的方法、装置及电子设备 | |
CA2990101A1 (en) | Systems and methods for detecting resources responsible for events | |
CN107657525A (zh) | 一种贷款审批方法及服务器 | |
CN110442712B (zh) | 风险的确定方法、装置、服务器和文本审理系统 | |
US20060107306A1 (en) | Tuning product policy using observed evidence of customer behavior | |
CN107220890A (zh) | 信贷额度确定方法及装置 | |
CN108876105B (zh) | 一种交易风险控制方法及装置 | |
CN109034583A (zh) | 异常交易识别方法、装置及电子设备 | |
CN108711101A (zh) | 一种贷款交易方法、装置、系统和电子设备 | |
CN112330355B (zh) | 消费券交易数据处理方法、装置、设备及存储介质 | |
CN109670929A (zh) | 贷款预警的控制方法、装置、设备及计算机可读存储介质 | |
CN110533521A (zh) | 动态贷后预警方法、装置、设备及可读存储介质 | |
CN109670933A (zh) | 识别用户角色的方法、用户设备、存储介质及装置 | |
CN109670931A (zh) | 贷款用户的行为检测方法、装置、设备及存储介质 | |
CN109559215A (zh) | 业务数据核算方法、装置、设备及计算机可读存储介质 | |
CN109461068A (zh) | 欺诈行为的判断方法、装置、设备及计算机可读存储介质 | |
CN109582668A (zh) | 业务数据管理方法、装置、设备及计算机可读存储介质 | |
CN111179066A (zh) | 业务数据的批量处理方法、装置、服务器和存储介质 | |
CN109685639A (zh) | 贷款审核方法、装置、设备及计算机可读存储介质 | |
CN112819611A (zh) | 欺诈识别方法、装置、电子设备和计算机可读存储介质 | |
CN109634950A (zh) | 业务数据管理方法、装置、设备及计算机可读存储介质 | |
CN107944871A (zh) | 身份认证方法、装置、计算机设备及计算机可读存储介质 | |
CN107679383A (zh) | 一种基于地理位置和触压面积的身份验证方法及装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190423 |
|
WD01 | Invention patent application deemed withdrawn after publication |