CN109829776A - 商户风险评估方法、装置、计算机设备和存储介质 - Google Patents
商户风险评估方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109829776A CN109829776A CN201811534733.8A CN201811534733A CN109829776A CN 109829776 A CN109829776 A CN 109829776A CN 201811534733 A CN201811534733 A CN 201811534733A CN 109829776 A CN109829776 A CN 109829776A
- Authority
- CN
- China
- Prior art keywords
- trade company
- scoring
- weight
- item
- data
- 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.)
- Granted
Links
- 238000012502 risk assessment Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 23
- 238000012550 audit Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 19
- 230000001186 cumulative effect Effects 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 7
- 230000000875 corresponding effect Effects 0.000 description 73
- 238000004364 calculation method Methods 0.000 description 5
- 230000005484 gravity Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于大数据的商户风险评估方法、装置、计算机设备和存储介质。方法包括:从数据共享平台获取商户的注册档案信息,根据注册档案信息得到商户第一评分项的第一评分值,从交易平台获取商户的交易情况,根据交易情况得到商户第二评分项的第二评分值,确定商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重,根据第一评分值、第一权重、第二评分值和第二权重,加权得到商户的风险评分,将风险评分与预设阈值进行比较,得到商户的风险评估结果。该方法从相应的平台拉取数据自动计分,提高了商户风险评估的效率。
Description
技术领域
本申请涉及互联网技术领域,特别是涉及一种商户风险评估方法、装置、计算机设备和存储介质。
背景技术
随着移动支付的快速发展,支付平台接入的商户越来越多。而商户的风险管理,是银行卡受理市场健康发展的保障。对于支付平台而言,及时评估商户的欺诈风险并进行管控,能够防范金融风险。
传统的商户风险评估采用人工操作的方式,效率低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高评估效率的商户风险评估方法、装置、计算机设备和存储介质。
一种商户风险评估方法,所述方法包括:
从数据共享平台获取商户的注册档案信息,根据所述注册档案信息得到所述商户第一评分项的第一评分值;
从交易平台获取所述商户的交易情况,根据所述交易情况得到所述商户第二评分项的第二评分值;
确定所述商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重;
根据所述第一评分值、第一权重、第二评分值和第二权重,加权得到所述商户的风险评分;
将所述风险评分与预设阈值进行比较,得到所述商户的风险评估结果。
在其中一个实施例中,所述注册档案信息包括入网注册数据,入网审核数据和现场走坊数据;所述从数据共享平台获取商户的注册档案信息,根据所述注册档案信息得到所述商户第一评分项的第一评分值的步骤,包括:
根据商户标识,从数据共享平台获取商户的入网注册数据,入网审核数据和现场走坊数据;
获取各项数据的计分规则;
根据所述入网注册数据,入网审核数据和现场走坊数据及对应的计分规则,累加得到第一评分项的第一评分值。
在其中一个实施例中,所述从交易平台获取所述商户的交易情况,根据所述交易情况得到所述商户第二评分项的第二评分值的步骤,包括:
从交易平台获取交易异常的商户的交易信息;
获取所述交易信息对应的计分规则;
根据所述交易信息的计分规则和交易信息,得到所述商户的第二评分项的第二评分值。
在其中一个实施例中,所述交易信息包括历史欺诈交易、外部风险数据,经营流水和交易情况,所述获取所述交易信息对应的计分规则的步骤,包括:获取历史欺诈交易、外部风险数据,经营流水和交易情况的计算分规则;
根据所述交易信息的计分规则和交易信息,得到所述商户的第二评分项的第二评分值的步骤,包括:根据所述历史欺诈交易、外部风险数据,经营流水和交易情况及对应的计分规则,累加得到第二评分项的第二评分值。
在其中一个实施例中,所述确定所述商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重的步骤,包括:
获取所述商户的历史风险评估结果;
根据所述历史风险评估结果,确定所述商户的类别;
获取该类别预设的第一评分项对应的第一权重和第二评分项对应的第二权重。
在其中一个实施例中,所述确定所述商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重的步骤,包括:
获取所述商户的历史风险评估结果和经营规模;
根据所述商户的交易情况、所述历史风险评估结果和所述经营规模确定商户的类别;
获取该类别预设的第一评分项对应的第一权重和第二评分项对应的第二权重。
在其中一个实施例中,所述方法还包括:
获取标注了分类结果的商户信息,所述商户信息包括所述交易情况、所述历史风险评估结果和所述经营规模;
将所述商户信息输入神经网络模型进行训练,得到分类模型;
所述根据所述商户的交易情况、所述历史风险评估结果和所述经营规模确定商户的类别的步骤,包括:
将待评估的所述商户的交易情况、所述历史风险评估结果和所述经营规模输入所述分类模型,得到商户的类别。
一种商户风险评估装置,所述装置包括:
注册评分模块,用于从数据共享平台获取商户的注册档案信息,根据所述注册档案信息得到所述商户第一评分项的第一评分值;
交易评分模块,用于从交易平台获取所述商户的交易情况,根据所述交易情况得到所述商户第二评分项的第二评分值;
权重获取模块,用于确定所述商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重;
加权模块,用于根据所述第一评分值、第一权重、第二评分值和第二权重,加权得到所述商户的风险评分;
评估模块,用于将所述风险评分与预设阈值进行比较,得到所述商户的风险评估结果。
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各实施例的方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述各实施例的方法的步骤。
上述商户风险评估方法、装置、计算机设备和存储介质,通过与数据共享平台接入,获取注册档案信息计算第一评分项的第一评分值,根据实时交易情况,得到第二评分项的第二评分值,通过加权计算得到风险评分,根据风险评分得到风险评估结果。该方法从相应的平台拉取数据自动计分,提高了商户风险评估的效率。
附图说明
图1为一个实施例中商户风险评估方法的应用场景图;
图2为一个实施例中商户风险评估方法的流程示意图;
图3为一个实施例中商户风险评估装置的结构框图;
图4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。
本申请提供的商户风险评估方法,可以应用于如图1所示的应用环境中。其中,服务器102通过网络与数据共享平台104、交易平台106进行通信,服务器102还与终端108通过网络进行通信。服务器102从数据共享平台104和交易平台106拉取数据,对商户进行风险评估得到风险评估的结果。对于风险评估较高的商户,服务器还可将商户信息发送至终端108,由使用终端108的工作人员对商户进行管控。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,提供了一种商户风险评估方法,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,从数据共享平台获取商户的注册档案信息,根据注册档案信息得到商户第一评分项的第一评分值。
本实施例中的商户是指在交易平台进行注册,为用户提供线上/线下商品服务的用户。其中,数据共享平台是交易平台相关联的数据共享云存台。数据共享平台对接了多个平台,各平台之间通过数据共享平台实现数据共享。例如,交易平台、银行、保险和征信平台之间存在业务关联,这些平台之间的数据存储在数据共享云平台,通过数据共享云平台实现业务数据共享。
注册档案是指商户在数据共享平台注册时所填写的相关信息,包括在交易平台开户的注册档案,以及在银行、保险等平台的注册信息。注册档案信息用于计算第一评分项的第一评分值。
S204,从交易平台获取商户的交易情况,根据交易情况得到商户第二评分项的第二评分值。
交易情况是指商户通过交易平台的收款情况,包括一段时间内交易所产生的总的收款情况,也包括每一笔交易的收款情况。交易情况用于计算第二评分项的第二评分值。
其中,本实施例中的“第一”和“第二”用于区分评分项和评分值的类别。
S206,确定商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重。
本实施例中,预先通过一定的分类标准,将商户分为多个类别,每个类别的用户分别设置了第一评分项和第二评分项的权重。其中,第一权重用于调整注册档案信息在商户风险评估的比重,第二权重用于调整交易情况在商户风险评估中的比重。通过对不同类别的商户设置不同的比重,调整注册档案和交易情况对不同类别商户的风险评估的影响,能够有针对性的针对不同类别的商户在商户风险评估时侧重考虑不同的内容,避免一刀切式地评价所有商户而造成错评。例如对于优质商户,可设置较高的第一评分项的权重,设置较低的第二评分项的权重,以提高注册档案信息在商户评分的权重,降低交易情况在商户评分的权重,避免因优质商户因交易不佳而被错评,降低交易对于风险的评分。
S208,根据第一评分值、第一权重、第二评分值和第二权重,加权得到商户的风险评分。
具体地,加权计算商户的风险评分的公式为:
A=m*B+n*C
其中,A为商户的风险评分,B为第一评分值,C为第二评分值,m为第一权重,n为第二权重。
S210,将风险评分与预设阈值进行比较,得到商户的风险评估结果。
具体地,系统预先设置了阈值,用于划分商户的风险程度。通过加权计算得到商户的风险评分。风险评分与商户的风险程度关,可以为正相关也可以为负相关,与评分规则的设置有关,商户的风险程度决定了对不同商户的处理。通常风险程度低的商户为优质商户。通过将商户的风险评分与预设阈值进行比较,得到商户的风险程度。在实际的应用中,可以设置多个预设阈值,将商户风险程度划分为多个级别,对于不同风险级别的商户,系统可以采用不同的处理方式,例如,优质商户,系统调高商户的最高交易金额,对于风险较高的商户,系统对商户进行冻结处理等。
上述的商户风险评估方法,通过与数据共享平台接入,获取注册档案信息计算第一评分项的第一评分值,根据实时交易情况,得到第二评分项的第二评分值,通过加权计算得到风险评分,根据风险评分得到风险评估结果。该方法从相应的平台拉取数据自动计分,提高了商户风险评估的效率。
在另一个实施例中,注册档案信息包括入网注册数据,入网审核数据和现场走坊数据;从数据共享平台获取商户的注册档案信息,根据注册档案信息得到商户第一评分项的第一评分值的步骤,包括:根据商户标识,从数据共享平台获取商户的入网注册数据,入网审核数据和现场走坊数据,获取各项数据的计分规则,根据入网注册数据,入网审核数据和现场走坊数据及对应的计分规则,累加得到第一评分项的第一评分值。
具体地,商户标识包括商户注册号、商户手机号,商户设备号,商户IP地址,商户身份证号和商户银行卡号的至少任意一种,利用商户标识从数据共享平台抓取商户的入网注册数据,入网审核数据和现场走坊数据。其中,入网注册数据包括商户注册日期,商户经营范围,商户经营地址和商户法人信息。入网审核数据是各平台对注册信息的审核结果,如通过,不通过,黑名单,白名单等。现场走访数据是交易平台对商户现场状态的反馈,如是否真实,是否符合规范等。
对于每一项数据都有对应的计分规则,根据每一项数据与计分规则的匹配情况,累加得到第一评分项的第一评分值。
具体地,入网注册数据的计分规则,包括了多个项,每个项目满足一定要求时,得到对应的分数。一个实施例中,计分项包括:入网注册信息是否齐全,商户法人信息是否齐全,商户经营范围是否符合规则,商户经营地址是否与工商执照的注册地址一致。
入网审核数据对于在各平台的注册信息的审核结果设置了不同的分值,如通过为100分,不通过为0分。
现场走方数据的计分规则,包括了多个项,每个项目满足一定的要求时,得到相应的分数。一个实施例中,计分项包括:商户的经营范围是否与注册一致,商户的经营地址是否与注册一致,商户的规模是否与注册一致。
通过对入网注册数据,入网审核数据和现场走坊数据的每个计分项进行核算,得到每个计分项的分值,累加各分值,得到第一评分项的第一评分值。
在另一个实施例中,从交易平台获取商户的交易情况,根据交易情况得到商户第二评分项的第二评分值的步骤,包括:从交易平台获取交易异常的商户的交易信息,获取交易信息对应的计分规则,根据交易信息的计分规则和交易信息,得到商户的第二评分项的第二评分值。
具体地,交易异常可以预设一定的条件,当检测到商户的交易信息满足预设的条件时,触发对该商户的风险评估。一个实施例中,交易异常的预设条件可以包括:检测到在该商户进行交易的同一持卡人的多笔大额交易,检测到该商户的多笔交易失败等等。
具体地,对于交易信息的计分规则,包括了多个项,每个项目满足一定的要求时,得到相应的分数。对于不同类型的交易平台,可设置不同的计分项,如经营流水,历史经营情况,交易情况等等,每个项目满足一定的要求时,得到相应的分数。通过将每个计分项的分数累加,得到第二评分项的第二评分值。
具体地,交易信息包括历史欺诈交易、外部风险数据,经营流水和交易情况,获取交易信息对应的计分规则的步骤,包括:获取历史欺诈交易、外部风险数据,经营流水和交易情况的计算分规则。根据交易信息的计分规则和交易信息,得到商户的第二评分项的第二评分值的步骤,包括:根据历史欺诈交易、外部风险数据,经营流水和交易情况及对应的计分规则,累加得到第二评分项的第二评分值。
其中,历史欺诈交易是指一段时间内已认定的该商户的欺诈交易行为。历史欺诈交易的结果设置了不同的分值,如存在过历史欺诈交易行为为0分,不存在历史欺诈为100分。
外部风险数据包括商户被其它收单机构报送为欺诈商户,是否被发卡机构报送本行持卡人在该商户存在套现交易或伪卡交易,商户法人代理是否被公安,检察院,法院列入不可信人员名单。
对于外部风险数的计分规则,包括了多个项,每个项目满足一定要求时,得到对应的分数。一个实施例中,计分项包括:存在上述任一项的风险行为时,扣30分。
经营流水是交易流水,交易情况是每一笔交易的交易金额,交易状态(如成功或是失败),付款方卡号等。对于经营流水的计分规则,包括了多个项,每个项目满足一定要求时,得到对应的分数。一个实施例中,计分项包括:交易金额超过预设值,一段时间内的交易失败次数超过预设值,付款方卡号为异常状态等。存在上述任一项的风险行为时,扣相应的分数。
通过对历史欺诈交易、外部风险数据,经营流水和交易情况的每个计分项进行核算,得到每个计分项的分值,累加各分值,得到第二评分项的第二评分值。
在另一个实施例中,确定商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重的步骤,包括:获取商户的历史风险评估结果,根据历史风险评估结果,确定商户的类别,获取该类别预设的第一评分项对应的第一权重和第二评分项对应的第二权重。
本实施例中,根据商户的历史风险评估结果确定类别,并设置每个类别的各评分项的权重。具体地,对于商户的历史风险评估结果,若商户历史上被评为高风险,则将商户归为优质商户,若商户历史上均为低风险,则将商户归为风险商户。对于优质商户,可设置较高的第二评分项的权重,设置较低的第一评分项的权重,以提高交易信息在商户评分的权重,在商户风险评估时重点考虑商户的历史欺诈交易、外部风险数据,经营流水和交易情况等信息,提高实际交易在商户风险评估占比,提高对商户的要求,以降低风险因素。对于风险商户,可设置较高的第一评分项的权重,设置较低的第二评分项的权重,以提高注册档案信息在商户评分的权重,降低交易情况在商户评分的权重,避免因优质商户因交易不佳而被错评,降低交易对于风险的评分。
通过对不同类别的商户设置不同的比重,调整注册档案和交易情况对不同类别商户的风险评估的影响,能够有针对性的针对不同类别的商户在商户风险评估时侧重考虑不同的内容,避免一刀切式地评价所有商户而造成错评。
在另一个实施例中,确定商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重的步骤,包括:获取商户的历史风险评估结果和经营规模,根据商户的交易情况、历史风险评估结果和经营规模确定商户的类别,获取该类别预设的第一评分项对应的第一权重和第二评分项对应的第二权重。
具体地,商户的历史风险评估结果是指历史记录的商户的历次风险评估结果。经营规则是指商户的大小,可以按照商户的总资产、主营业务收入和/或从业人员数量来确定的。通常而言,经营规模与风险等级成反比,经营规模越大,风险评估等级越低,反之,经营规模越小,风险评估等级越高。
根据商户的交易情况、历史风险评估结果和经营规模确定商户的类别,从三个维度对商户的类别进行分类,并设置每个类别的各评分项的权重。
具体的,对于交易情况,历史风险评估结果和经营规模这三个维度,综合进行分类。一种实施方式中,三个维度分别设置了占比,根据每个维度的情况综合评分,评分越高,分类等级越高,即优质商户。评分越低,分类等级越低,即为风险商户。对于风险商户和优质商户的权重设置,与其它类别的分类方式相同,此处为再赘述。
通过对不同类别的商户设置不同的比重,调整注册档案和交易情况对不同类别商户的风险评估的影响,能够有针对性的针对不同类别的商户在商户风险评估时侧重考虑不同的内容,避免一刀切式地评价所有商户而造成错评。
具体地,可根据交易情况、历史风险评估结果、经营规模对企业进行分类建模,得到分类结果,并设置每个类别的各评分项的权重。该商户风险评估方法还包括分类模型的训练过程。该训练过程包括:获取标注了分类结果的商户信息,商户信息包括交易情况、历史风险评估结果和经营规模,将商户信息输入神经网络模型进行训练,得到分类模型。具体地,通过神经网络模型的预测结果与标注结果的差异,不断调整模型参数,直到达到结束条件,得到分类模型。
基于已训练的分类模型,将待评估的商户的交易情况、历史风险评估结果和经营规模输入分类模型,得到商户的类别。通过使用神经网络模型,利用大数据对商户进行分类,提高分类的准确度。
在实际的应用中,在模型训练以及预测的过程中,为提高模型分类的准确度,可预先对商户进行预处理,根据商户的各维度的信息进行评分,输入模型的数据为各维度信息及其评估,省去了模型处理时信息提取的过程,加快了模型的处理效率。
应该理解的是,虽然图2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3所示,提供了一种商户风险评估装置,包括:注册评分模块、交易评分模块、权重获取模块、加权模块和评估模块,其中:
注册评分模块302,用于从数据共享平台获取商户的注册档案信息,根据注册档案信息得到商户第一评分项的第一评分值。
交易评分模块304,用于从交易平台获取商户的交易情况,根据交易情况得到商户第二评分项的第二评分值。
权重获取模块306,用于确定商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重。
加权模块308,用于根据第一评分值、第一权重、第二评分值和第二权重,加权得到商户的风险评分。
评估模块310,用于将风险评分与预设阈值进行比较,得到商户的风险评估结果。
上述商户风险评估装置,通过与数据共享平台接入,获取注册档案信息计算第一评分项的第一评分值,根据实时交易情况,得到第二评分项的第二评分值,通过加权计算得到风险评分,根据风险评分得到风险评估结果。该方法从相应的平台拉取数据自动计分,提高了商户风险评估的效率。
在另一个实施例中,注册档案信息包括入网注册数据,入网审核数据和现场走坊数据;注册评分模块包括:
注册数据获取模块,用于根据商户标识,从数据共享平台获取商户的入网注册数据,入网审核数据和现场走坊数据。
第一规则匹配模块,用于获取各项数据的计分规则。
第一计算模块,用于根据入网注册数据,入网审核数据和现场走坊数据及对应的计分规则,累加得到第一评分项的第一评分值。
在另一个实施例中,交易评分模块包括:
交易信息获取模块,用于从交易平台获取交易异常的商户的交易信息。
第二规则匹配模块,用于获取交易信息对应的计分规则;
第二计算模块,用于根据交易信息的计分规则和交易信息,得到商户的第二评分项的第二评分值。
在另一个实施例中,交易信息包括历史欺诈交易、外部风险数据,经营流水和交易情况,第二规则匹配模块,用于获取历史欺诈交易、外部风险数据,经营流水和交易情况的计算分规则;
根据第二计算模块,用于根据历史欺诈交易、外部风险数据,经营流水和交易情况及对应的计分规则,累加得到第二评分项的第二评分值。
在另一个实施例中,权重获取模块,包括:
参数获取模块,用于获取商户的历史风险评估结果。
分类模块,用于根据历史风险评估结果,确定商户的类别。
权重查找模块,用于获取该类别预设的第一评分项对应的第一权重和第二评分项对应的第二权重。
在另一个实施例中,权重获取模块,包括:
参数获取模块,用于获取商户的历史风险评估结果和经营规模。
分类模块,用于根据商户的交易情况、历史风险评估结果和经营规模确定商户的类别。
权重查找模块,用于获取该类别预设的第一评分项对应的第一权重和第二评分项对应的第二权重。
在另一个实施例中,商户风险评估装置还包括:训练模块,用于获取标注了分类结果的商户信息,商户信息包括交易情况、历史风险评估结果和经营规模,将商户信息输入神经网络模型进行训练,得到分类模型。
分类模块,用于将待评估的商户的交易情况、历史风险评估结果和经营规模输入分类模型,得到商户的类别。
关于商户风险评估装置的具体限定可以参见上文中对于商户风险评估方法的限定,在此不再赘述。上述商户风险评估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4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。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和计算机程序。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商户风险评估方法。
本领域技术人员可以理解,图4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:
从数据共享平台获取商户的注册档案信息,根据注册档案信息得到商户第一评分项的第一评分值;
从交易平台获取商户的交易情况,根据交易情况得到商户第二评分项的第二评分值;
确定商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重;
根据第一评分值、第一权重、第二评分值和第二权重,加权得到商户的风险评分;
将风险评分与预设阈值进行比较,得到商户的风险评估结果。
在另一个实施例中,注册档案信息包括入网注册数据,入网审核数据和现场走坊数据;从数据共享平台获取商户的注册档案信息,根据注册档案信息得到商户第一评分项的第一评分值的步骤,包括:
根据商户标识,从数据共享平台获取商户的入网注册数据,入网审核数据和现场走坊数据;
获取各项数据的计分规则;
根据入网注册数据,入网审核数据和现场走坊数据及对应的计分规则,累加得到第一评分项的第一评分值。
在另一个实施例中,从交易平台获取商户的交易情况,根据交易情况得到商户第二评分项的第二评分值的步骤,包括:
从交易平台获取交易异常的商户的交易信息;
获取交易信息对应的计分规则;
根据交易信息的计分规则和交易信息,得到商户的第二评分项的第二评分值。
在另一个实施例中,交易信息包括历史欺诈交易、外部风险数据,经营流水和交易情况,获取交易信息对应的计分规则的步骤,包括:获取历史欺诈交易、外部风险数据,经营流水和交易情况的计算分规则;
根据交易信息的计分规则和交易信息,得到商户的第二评分项的第二评分值的步骤,包括:根据历史欺诈交易、外部风险数据,经营流水和交易情况及对应的计分规则,累加得到第二评分项的第二评分值。
在另一个实施例中,确定商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重的步骤,包括:
获取商户的历史风险评估结果;
根据历史风险评估结果,确定商户的类别;
获取该类别预设的第一评分项对应的第一权重和第二评分项对应的第二权重。
在另一个实施例中,确定商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重的步骤,包括:
获取商户的历史风险评估结果和经营规模;
根据商户的交易情况、历史风险评估结果和经营规模确定商户的类别;
获取该类别预设的第一评分项对应的第一权重和第二评分项对应的第二权重。
在另一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取标注了分类结果的商户信息,商户信息包括交易情况、历史风险评估结果和经营规模;
将商户信息输入神经网络模型进行训练,得到分类模型;
根据商户的交易情况、历史风险评估结果和经营规模确定商户的类别的步骤,包括:
将待评估的商户的交易情况、历史风险评估结果和经营规模输入分类模型,得到商户的类别。
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:
从数据共享平台获取商户的注册档案信息,根据注册档案信息得到商户第一评分项的第一评分值;
从交易平台获取商户的交易情况,根据交易情况得到商户第二评分项的第二评分值;
确定商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重;
根据第一评分值、第一权重、第二评分值和第二权重,加权得到商户的风险评分;
将风险评分与预设阈值进行比较,得到商户的风险评估结果。
在另一个实施例中,注册档案信息包括入网注册数据,入网审核数据和现场走坊数据;从数据共享平台获取商户的注册档案信息,根据注册档案信息得到商户第一评分项的第一评分值的步骤,包括:
根据商户标识,从数据共享平台获取商户的入网注册数据,入网审核数据和现场走坊数据;
获取各项数据的计分规则;
根据入网注册数据,入网审核数据和现场走坊数据及对应的计分规则,累加得到第一评分项的第一评分值。
在另一个实施例中,从交易平台获取商户的交易情况,根据交易情况得到商户第二评分项的第二评分值的步骤,包括:
从交易平台获取交易异常的商户的交易信息;
获取交易信息对应的计分规则;
根据交易信息的计分规则和交易信息,得到商户的第二评分项的第二评分值。
在另一个实施例中,交易信息包括历史欺诈交易、外部风险数据,经营流水和交易情况,获取交易信息对应的计分规则的步骤,包括:获取历史欺诈交易、外部风险数据,经营流水和交易情况的计算分规则;
根据交易信息的计分规则和交易信息,得到商户的第二评分项的第二评分值的步骤,包括:根据历史欺诈交易、外部风险数据,经营流水和交易情况及对应的计分规则,累加得到第二评分项的第二评分值。
在另一个实施例中,确定商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重的步骤,包括:
获取商户的历史风险评估结果;
根据历史风险评估结果,确定商户的类别;
获取该类别预设的第一评分项对应的第一权重和第二评分项对应的第二权重。
在另一个实施例中,确定商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重的步骤,包括:
获取商户的历史风险评估结果和经营规模;
根据商户的交易情况、历史风险评估结果和经营规模确定商户的类别;
获取该类别预设的第一评分项对应的第一权重和第二评分项对应的第二权重。
在另一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取标注了分类结果的商户信息,商户信息包括交易情况、历史风险评估结果和经营规模;
将商户信息输入神经网络模型进行训练,得到分类模型;
根据商户的交易情况、历史风险评估结果和经营规模确定商户的类别的步骤,包括:
将待评估的商户的交易情况、历史风险评估结果和经营规模输入分类模型,得到商户的类别。
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)
1.一种商户风险评估方法,所述方法包括:
从数据共享平台获取商户的注册档案信息,根据所述注册档案信息得到所述商户第一评分项的第一评分值;
从交易平台获取所述商户的交易情况,根据所述交易情况得到所述商户第二评分项的第二评分值;
确定所述商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重;
根据所述第一评分值、第一权重、第二评分值和第二权重,加权得到所述商户的风险评分;
将所述风险评分与预设阈值进行比较,得到所述商户的风险评估结果。
2.根据权利要求1所述的方法,其特征在于,所述注册档案信息包括入网注册数据,入网审核数据和现场走坊数据;所述从数据共享平台获取商户的注册档案信息,根据所述注册档案信息得到所述商户第一评分项的第一评分值的步骤,包括:
根据商户标识,从数据共享平台获取商户的入网注册数据,入网审核数据和现场走坊数据;
获取各项数据的计分规则;
根据所述入网注册数据,入网审核数据和现场走坊数据及对应的计分规则,累加得到第一评分项的第一评分值。
3.根据权利要求1所述的方法,其特征在于,所述从交易平台获取所述商户的交易情况,根据所述交易情况得到所述商户第二评分项的第二评分值的步骤,包括:
从交易平台获取交易异常的商户的交易信息;
获取所述交易信息对应的计分规则;
根据所述交易信息的计分规则和交易信息,得到所述商户的第二评分项的第二评分值。
4.根据权利要求3所述的方法,其特征在于,所述交易信息包括历史欺诈交易、外部风险数据,经营流水和交易情况,所述获取所述交易信息对应的计分规则的步骤,包括:获取历史欺诈交易、外部风险数据,经营流水和交易情况的计算分规则;
根据所述交易信息的计分规则和交易信息,得到所述商户的第二评分项的第二评分值的步骤,包括:根据所述历史欺诈交易、外部风险数据,经营流水和交易情况及对应的计分规则,累加得到第二评分项的第二评分值。
5.根据权利要求1所述的方法,其特征在于,所述确定所述商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重的步骤,包括:
获取所述商户的历史风险评估结果;
根据所述历史风险评估结果,确定所述商户的类别;
获取该类别预设的第一评分项对应的第一权重和第二评分项对应的第二权重。
6.根据权利要求1所述的方法,其特征在于,所述确定所述商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重的步骤,包括:
获取所述商户的历史风险评估结果和经营规模;
根据所述商户的交易情况、所述历史风险评估结果和所述经营规模确定商户的类别;
获取该类别预设的第一评分项对应的第一权重和第二评分项对应的第二权重。
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:
获取标注了分类结果的商户信息,所述商户信息包括所述交易情况、所述历史风险评估结果和所述经营规模;
将所述商户信息输入神经网络模型进行训练,得到分类模型;
所述根据所述商户的交易情况、所述历史风险评估结果和所述经营规模确定商户的类别的步骤,包括:
将待评估的所述商户的交易情况、所述历史风险评估结果和所述经营规模输入所述分类模型,得到商户的类别。
8.一种商户风险评估装置,其特征在于,所述装置包括:
注册评分模块,用于从数据共享平台获取商户的注册档案信息,根据所述注册档案信息得到所述商户第一评分项的第一评分值;
交易评分模块,用于从交易平台获取所述商户的交易情况,根据所述交易情况得到所述商户第二评分项的第二评分值;
权重获取模块,用于确定所述商户的类别,并得到该类别的第一评分项对应的第一权重和第二评分项对应的第二权重;
加权模块,用于根据所述第一评分值、第一权重、第二评分值和第二权重,加权得到所述商户的风险评分;
评估模块,用于将所述风险评分与预设阈值进行比较,得到所述商户的风险评估结果。
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811534733.8A CN109829776B (zh) | 2018-12-14 | 2018-12-14 | 商户风险评估方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811534733.8A CN109829776B (zh) | 2018-12-14 | 2018-12-14 | 商户风险评估方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109829776A true CN109829776A (zh) | 2019-05-31 |
CN109829776B CN109829776B (zh) | 2024-02-27 |
Family
ID=66858857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811534733.8A Active CN109829776B (zh) | 2018-12-14 | 2018-12-14 | 商户风险评估方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109829776B (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110310129A (zh) * | 2019-06-04 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 风险识别方法及其系统 |
CN110533536A (zh) * | 2019-08-30 | 2019-12-03 | 中国工商银行股份有限公司 | 交易风险评估方法、装置和计算机系统 |
CN110659961A (zh) * | 2019-09-12 | 2020-01-07 | 阿里巴巴集团控股有限公司 | 一种用于识别线下商户的方法和装置 |
CN110675029A (zh) * | 2019-08-30 | 2020-01-10 | 阿里巴巴集团控股有限公司 | 商户的动态管控方法、装置、服务器及可读存储介质 |
CN110689438A (zh) * | 2019-08-26 | 2020-01-14 | 深圳壹账通智能科技有限公司 | 企业类金融风险评分方法、装置、计算机设备及存储介质 |
CN110738401A (zh) * | 2019-09-25 | 2020-01-31 | 支付宝(杭州)信息技术有限公司 | 申诉处理方法、装置、电子设备 |
CN110874743A (zh) * | 2019-10-11 | 2020-03-10 | 支付宝(杭州)信息技术有限公司 | 用于确定账户交易风险的方法及装置 |
CN110992076A (zh) * | 2019-11-01 | 2020-04-10 | 北京三快在线科技有限公司 | 商家质量评价方法、装置、电子设备及可读存储介质 |
CN110992135A (zh) * | 2019-11-25 | 2020-04-10 | 拉扎斯网络科技(上海)有限公司 | 一种风险识别方法、装置、电子设备及存储介质 |
CN111062770A (zh) * | 2019-10-31 | 2020-04-24 | 支付宝(杭州)信息技术有限公司 | 商户识别方法、设备及计算机可读介质 |
CN111078880A (zh) * | 2019-12-12 | 2020-04-28 | 支付宝(杭州)信息技术有限公司 | 子应用的风险识别方法以及装置 |
CN111260468A (zh) * | 2020-01-08 | 2020-06-09 | 阿尔法云计算(深圳)有限公司 | 基于区块链的数据操作方法和相关设备及存储介质 |
CN111563747A (zh) * | 2020-05-09 | 2020-08-21 | 中国工商银行股份有限公司 | 针对商户授信的处理方法及装置 |
CN111586448A (zh) * | 2020-01-20 | 2020-08-25 | 全息空间(深圳)智能科技有限公司 | 直播平台主播预筛选方法、装置及存储介质 |
CN111598608A (zh) * | 2020-04-07 | 2020-08-28 | 北京达佳互联信息技术有限公司 | 一种电商商家评分方法、装置、电子设备及存储介质 |
CN111598421A (zh) * | 2020-04-30 | 2020-08-28 | 北京字节跳动网络技术有限公司 | 一种信息处理方法、装置和电子设备 |
CN111629235A (zh) * | 2020-01-20 | 2020-09-04 | 全息空间(深圳)智能科技有限公司 | 直播平台用户数据分析方法、装置及存储介质 |
CN112183152A (zh) * | 2019-07-01 | 2021-01-05 | 财付通支付科技有限公司 | 行业类别判断方法、装置、电子设备及存储介质 |
CN112529575A (zh) * | 2020-12-14 | 2021-03-19 | 深圳市快付通金融网络科技服务有限公司 | 风险预警方法、设备、存储介质及装置 |
CN112581271A (zh) * | 2020-12-21 | 2021-03-30 | 上海浦东发展银行股份有限公司 | 一种商户交易风险监测方法、装置、设备及存储介质 |
CN113762966A (zh) * | 2020-06-05 | 2021-12-07 | 网联清算有限公司 | 商户信息核验方法、装置、设备及存储介质 |
CN114580927A (zh) * | 2022-03-09 | 2022-06-03 | 中武(福建)跨境电子商务有限责任公司 | 一种用于大宗商品采销平台的风险控制方法 |
CN114693387A (zh) * | 2021-07-01 | 2022-07-01 | 山东浪潮爱购云链信息科技有限公司 | 一种核心企业的认证方法及设备 |
CN115099639A (zh) * | 2022-06-28 | 2022-09-23 | 中国工商银行股份有限公司 | 远程巡检方法、系统、设备、介质和程序产品 |
CN116308393A (zh) * | 2023-05-25 | 2023-06-23 | 青岛鑫晟汇科技有限公司 | 一种基于风控规则引擎的交易监管系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110238575A1 (en) * | 2010-03-23 | 2011-09-29 | Brad Nightengale | Merchant fraud risk score |
CN103577991A (zh) * | 2012-08-03 | 2014-02-12 | 阿里巴巴集团控股有限公司 | 一种用户的识别方法和装置 |
CN105590261A (zh) * | 2014-12-31 | 2016-05-18 | 中国银联股份有限公司 | 商户风险估算方法及系统 |
CN106447333A (zh) * | 2016-11-29 | 2017-02-22 | 中国银联股份有限公司 | 一种欺诈交易侦测方法及服务器 |
CN108876188A (zh) * | 2018-07-05 | 2018-11-23 | 阿里巴巴集团控股有限公司 | 一种间连服务商风险评估方法及装置 |
-
2018
- 2018-12-14 CN CN201811534733.8A patent/CN109829776B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110238575A1 (en) * | 2010-03-23 | 2011-09-29 | Brad Nightengale | Merchant fraud risk score |
CN103577991A (zh) * | 2012-08-03 | 2014-02-12 | 阿里巴巴集团控股有限公司 | 一种用户的识别方法和装置 |
CN105590261A (zh) * | 2014-12-31 | 2016-05-18 | 中国银联股份有限公司 | 商户风险估算方法及系统 |
CN106447333A (zh) * | 2016-11-29 | 2017-02-22 | 中国银联股份有限公司 | 一种欺诈交易侦测方法及服务器 |
CN108876188A (zh) * | 2018-07-05 | 2018-11-23 | 阿里巴巴集团控股有限公司 | 一种间连服务商风险评估方法及装置 |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110310129A (zh) * | 2019-06-04 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 风险识别方法及其系统 |
CN112183152A (zh) * | 2019-07-01 | 2021-01-05 | 财付通支付科技有限公司 | 行业类别判断方法、装置、电子设备及存储介质 |
CN110689438A (zh) * | 2019-08-26 | 2020-01-14 | 深圳壹账通智能科技有限公司 | 企业类金融风险评分方法、装置、计算机设备及存储介质 |
CN110533536A (zh) * | 2019-08-30 | 2019-12-03 | 中国工商银行股份有限公司 | 交易风险评估方法、装置和计算机系统 |
CN110675029A (zh) * | 2019-08-30 | 2020-01-10 | 阿里巴巴集团控股有限公司 | 商户的动态管控方法、装置、服务器及可读存储介质 |
CN110659961A (zh) * | 2019-09-12 | 2020-01-07 | 阿里巴巴集团控股有限公司 | 一种用于识别线下商户的方法和装置 |
CN110738401A (zh) * | 2019-09-25 | 2020-01-31 | 支付宝(杭州)信息技术有限公司 | 申诉处理方法、装置、电子设备 |
CN110874743B (zh) * | 2019-10-11 | 2023-04-07 | 支付宝(杭州)信息技术有限公司 | 用于确定账户交易风险的方法及装置 |
CN110874743A (zh) * | 2019-10-11 | 2020-03-10 | 支付宝(杭州)信息技术有限公司 | 用于确定账户交易风险的方法及装置 |
CN111062770A (zh) * | 2019-10-31 | 2020-04-24 | 支付宝(杭州)信息技术有限公司 | 商户识别方法、设备及计算机可读介质 |
CN110992076A (zh) * | 2019-11-01 | 2020-04-10 | 北京三快在线科技有限公司 | 商家质量评价方法、装置、电子设备及可读存储介质 |
CN110992135A (zh) * | 2019-11-25 | 2020-04-10 | 拉扎斯网络科技(上海)有限公司 | 一种风险识别方法、装置、电子设备及存储介质 |
CN110992135B (zh) * | 2019-11-25 | 2024-01-23 | 拉扎斯网络科技(上海)有限公司 | 一种风险识别方法、装置、电子设备及存储介质 |
CN111078880A (zh) * | 2019-12-12 | 2020-04-28 | 支付宝(杭州)信息技术有限公司 | 子应用的风险识别方法以及装置 |
CN111260468B (zh) * | 2020-01-08 | 2024-03-15 | 阿尔法云计算(深圳)有限公司 | 基于区块链的数据操作方法和相关设备及存储介质 |
CN111260468A (zh) * | 2020-01-08 | 2020-06-09 | 阿尔法云计算(深圳)有限公司 | 基于区块链的数据操作方法和相关设备及存储介质 |
CN111629235A (zh) * | 2020-01-20 | 2020-09-04 | 全息空间(深圳)智能科技有限公司 | 直播平台用户数据分析方法、装置及存储介质 |
CN111586448A (zh) * | 2020-01-20 | 2020-08-25 | 全息空间(深圳)智能科技有限公司 | 直播平台主播预筛选方法、装置及存储介质 |
CN111598608A (zh) * | 2020-04-07 | 2020-08-28 | 北京达佳互联信息技术有限公司 | 一种电商商家评分方法、装置、电子设备及存储介质 |
CN111598421A (zh) * | 2020-04-30 | 2020-08-28 | 北京字节跳动网络技术有限公司 | 一种信息处理方法、装置和电子设备 |
CN111563747A (zh) * | 2020-05-09 | 2020-08-21 | 中国工商银行股份有限公司 | 针对商户授信的处理方法及装置 |
CN111563747B (zh) * | 2020-05-09 | 2023-11-07 | 中国工商银行股份有限公司 | 针对商户授信的处理方法及装置 |
CN113762966A (zh) * | 2020-06-05 | 2021-12-07 | 网联清算有限公司 | 商户信息核验方法、装置、设备及存储介质 |
CN112529575A (zh) * | 2020-12-14 | 2021-03-19 | 深圳市快付通金融网络科技服务有限公司 | 风险预警方法、设备、存储介质及装置 |
CN112529575B (zh) * | 2020-12-14 | 2023-12-22 | 深圳市快付通金融网络科技服务有限公司 | 风险预警方法、设备、存储介质及装置 |
CN112581271A (zh) * | 2020-12-21 | 2021-03-30 | 上海浦东发展银行股份有限公司 | 一种商户交易风险监测方法、装置、设备及存储介质 |
CN112581271B (zh) * | 2020-12-21 | 2022-11-15 | 上海浦东发展银行股份有限公司 | 一种商户交易风险监测方法、装置、设备及存储介质 |
CN114693387A (zh) * | 2021-07-01 | 2022-07-01 | 山东浪潮爱购云链信息科技有限公司 | 一种核心企业的认证方法及设备 |
CN114693387B (zh) * | 2021-07-01 | 2024-04-30 | 山东浪潮爱购云链信息科技有限公司 | 一种核心企业的认证方法及设备 |
CN114580927A (zh) * | 2022-03-09 | 2022-06-03 | 中武(福建)跨境电子商务有限责任公司 | 一种用于大宗商品采销平台的风险控制方法 |
CN115099639A (zh) * | 2022-06-28 | 2022-09-23 | 中国工商银行股份有限公司 | 远程巡检方法、系统、设备、介质和程序产品 |
CN116308393B (zh) * | 2023-05-25 | 2024-01-19 | 青岛鑫晟汇科技有限公司 | 一种基于风控规则引擎的交易监管系统 |
CN116308393A (zh) * | 2023-05-25 | 2023-06-23 | 青岛鑫晟汇科技有限公司 | 一种基于风控规则引擎的交易监管系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109829776B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109829776A (zh) | 商户风险评估方法、装置、计算机设备和存储介质 | |
CN108133372B (zh) | 评估支付风险的方法及装置 | |
US11093908B2 (en) | Routing transactions to a priority processing network based on routing rules | |
CN110020786B (zh) | 业务处理、风控识别方法、装置及设备 | |
CN110264342B (zh) | 一种基于机器学习的业务审核方法及装置 | |
CN111192131A (zh) | 金融风险预测方法、装置和电子设备 | |
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 | |
US12034734B2 (en) | Systems and methods for identifying synthetic identities associated with network communications | |
CN109740869A (zh) | 数据审核方法、装置、计算机设备和存储介质 | |
CN112184239A (zh) | 一种安全支付方法、装置、设备和可读介质 | |
TW202004636A (zh) | 保險服務優化方法、系統及電腦程式產品 | |
US20170053278A1 (en) | Systems and Methods for Processing Charges for Disputed Transactions | |
CN109118376A (zh) | 医疗保险保费定价方法、装置、计算机设备和存储介质 | |
CA3168992A1 (en) | Machine-learning techniques to generate recommendations for risk mitigation | |
CN108765167A (zh) | 业务风险控制方法和装置 | |
CN111160695A (zh) | 计算机运行的风险账户的识别方法、系统、装置及存储介质 | |
CN110110970A (zh) | 虚拟资源风险评级方法、系统、计算机设备和存储介质 | |
Bagó | The potential of artificial intelligence in finance | |
KR20200068069A (ko) | 기계 학습 기반의 채무불이행 예측 장치 및 방법 | |
CN110147998A (zh) | 客户入网处理方法、装置、计算机设备及存储介质 | |
CN114240605A (zh) | 贷款测算方法、装置、计算机设备和存储介质 | |
KR101791236B1 (ko) | 크라우드 펀딩 운영 방법과, 시스템 및 이 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체 | |
US11915313B2 (en) | Using email history to estimate creditworthiness for applicants having insufficient credit history | |
US20230206320A1 (en) | Method and system for generating a financial infographic of a user through a financing platform | |
US20230145924A1 (en) | System and method for detecting a fraudulent activity on a digital platform |
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 |