CN110059479A - 风险信息识别方法及装置和电子设备 - Google Patents
风险信息识别方法及装置和电子设备 Download PDFInfo
- Publication number
- CN110059479A CN110059479A CN201910084006.4A CN201910084006A CN110059479A CN 110059479 A CN110059479 A CN 110059479A CN 201910084006 A CN201910084006 A CN 201910084006A CN 110059479 A CN110059479 A CN 110059479A
- Authority
- CN
- China
- Prior art keywords
- risk
- information
- label
- recognition
- rule
- 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 37
- 238000002372 labelling Methods 0.000 claims description 10
- 238000012986 modification Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 208000001613 Gambling Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
- G06F21/552—Detecting local intrusion or implementing counter-measures involving long-term monitoring or reporting
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本说明书实施例提供一种风险信息识别方法及装置和电子设备，所述方法应用在人工审理系统，所述方法包括：在接收到风控系统输入的所述风控平台无法识别是否存在风险的信息后，获取由审核人员人工标注所述信息的风险标签；其中，所述风险标签与不同业务场景下的不同风险类型之间具有一一对应的关系；根据所述审核人员标注的风险标签，获取所述风险标签对应的识别规则；根据所述识别规则对所述信息进行识别，得到识别结果。
Description
技术领域
本说明书实施例涉及互联网技术领域，尤其涉及一种风险信息识别方法及装置和电子设备。
背景技术
为了应对越来越多互联网中不良信息的传播，各大网络运营商、监管机构、互联网公司都相应设置了风控系统。
互联网中分布的信息或者传输的信息，首先需要由风控系统进行初步的风险识别。通常，该风控系统可以自动对待识别信息进行简单的风险识别，从而将其中容易判断是否存在风险的信息筛选出来；并进行相应处理，例如没有风险的信息才可以允许发布或传输；存在风险的信息直接进行安全处理(例如删除、屏蔽等)。对于一些风控系统无法判断是否存在风险的信息，这样的信息通常可以交由人工审理系统进行人工识别。
人工审理顾名思义，就是由真实的一个个审核人员对信息进行风险识别。然而，由于风险是一个非常广泛的概念，不同业务场景对风险的标准不同；为此，审核人员需要预先记忆不同业务场景之间差异性较大的标准；风险识别时，首先需要判断信息是属于哪一种业务场景，进而才可以根据业务场景的审核标准对信息进行风险识别。可见，审核人员记忆这些差异性的审核标准难度较大，进而可能导致识别结果存在较大误差、整体风险识别效率不高。
需要提供一种适用于人工审理系统，并且可以提升识别效率的方案。
发明内容
本说明书实施例提供的一种风险信息识别方法及装置和电子设备：
根据本说明书实施例的第一方面，提供一种风险信息识别方法，所述方法应用在人工审理系统，所述方法包括：
在接收到风控系统输入的所述风控平台无法识别是否存在风险的信息后，获取由审核人员人工标注所述信息的风险标签；其中，所述风险标签与不同业务场景下的不同风险类型之间具有一一对应的关系；
根据所述审核人员标注的风险标签，获取所述风险标签对应的识别规则；
根据所述识别规则对所述信息进行识别，得到识别结果。
可选的，所述方法还包括：
在任意场景类型的识别规则改变时，回溯已识别的历史信息；
根据修改后的识别规则对所述历史信息进行识别；
根据识别结果对历史信息的识别标签进行修改。
可选的，所述人工审理系统支持自定义识别规则配置；
所述识别规则配置的变量包括以下任意组合方式：
业务场景、任务类型、时间范围、数据来源、风险标签、白名单。
可选的，所述识别结果为0或1；
如果识别结果为0，表示所述信息为正常信息；
如果识别结果为1，表示所述信息为风险信息。
可选的，所述方法还包括：
将识别结果返回给所述风控平台，以使所述风控平台根据识别结果对所述信息进行相应处理。
根据本说明书实施例的第二方面，提供一种风险信息识别装置，所述装置应用在人工审理系统，所述装置包括：
标签标注单元，在接收到风控系统输入的所述风控平台无法识别是否存在风险的信息后，获取由审核人员人工标注所述信息的风险标签；其中，所述风险标签与不同业务场景下的不同风险类型之间具有一一对应的关系；
规则获取单元，根据所述审核人员标注的风险标签，获取所述风险标签对应的识别规则；
风险识别单元，根据所述识别规则对所述信息进行识别，得到识别结果。
可选的，所述装置还包括：
回溯修正单元，在任意场景类型的识别规则改变时，回溯已识别的历史信息；以及，根据修改后的识别规则对所述历史信息进行识别；并根据识别结果对历史信息的识别标签进行修改。
可选的，所述人工审理系统支持自定义识别规则配置；
所述识别规则配置的变量包括以下任意组合方式：
业务场景、任务类型、时间范围、数据来源、风险标签、白名单。
可选的，所述识别结果为0或1；
如果识别结果为0，表示所述信息为正常信息；
如果识别结果为1，表示所述信息为风险信息。
可选的，所述装置还包括：
返回单元，将识别结果返回给所述风控平台，以使所述风控平台根据识别结果对所述信息进行相应处理。
根据本说明书实施例的第五方面，提供一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为上述任一项风险信息识别方法。
本说明书实施例，提供了一种风险信息识别方案，通过建立不同业务场景的不同风险类型唯一对应的风险标签；为不同风险标签制定对应的识别规则；在人工审理系统接收到待识别的信息后，审核人员仅需标注信息对应的风险标签即可，然后系统可以自动获取该风险标签对应配置的识别规则，基于识别规则识别信息是否存在风险。如此，审核人员无需记忆不同业务场景下数量众多的识别规则，仅需要判断信息属于哪种业务场景下风险类型即可。而具体风险识别则交由系统自动完成，有效降低了人工识别出错的风险，提升了风险识别的效率。
附图说明
图1是本说明书一实施例提供的风险信息识别方法的流程图；
图2是本说明书一实施例提供的风险信息识别装置的硬件结构图；
图3是本说明书一实施例提供的风险信息识别装置的模块示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
如前所述，为了应对越来越多互联网中不良信息的传播，各大网络运营商、监管机构、互联网公司都相应设置了风控系统。
互联网中分布的信息或者传输的信息，首先需要由风控系统进行初步的风险识别。通常，该风控系统可以自动对待识别信息进行简单的风险识别，从而将其中容易判断是否存在风险的信息筛选出来；并进行相应处理，例如没有风险的信息才可以允许发布或传输；存在风险的信息直接进行安全处理(例如删除、屏蔽等)。对于一些风控系统无法判断是否存在风险的信息，这样的信息通常可以交由人工审理系统进行人工识别。
人工审理顾名思义，就是由真实的一个个审核人员对信息进行风险识别。然而，由于风险是一个非常广泛的概念，不同业务场景对风险的标准不同；为此，审核人员需要预先记忆不同业务场景之间差异性较大的标准；风险识别时，首先需要判断信息是属于哪一种业务场景，进而才可以根据业务场景的审核标准对信息进行风险识别。可见，审核人员记忆这些差异性的审核标准难度较大，进而可能导致识别结果存在较大误差、整体风险识别效率不高。
需要提供一种适用于人工审理系统，并且可以提升识别效率的方案
为此，本说明书提供了一种风险信息识别方法，以下可以参考图1所示的例子介绍，该方法可以应用于人工审理系统，所述方法可以包括以下步骤：
步骤210：在接收到风控系统输入的所述风控平台无法识别是否存在风险的信息后，获取由审核人员人工标注所述信息的风险标签；其中，所述风险标签与不同业务场景下的不同风险类型之间具有一一对应的关系；
步骤220：根据所述审核人员标注的风险标签，获取所述风险标签对应的识别规则；
步骤230：根据所述识别规则对所述信息进行识别，得到识别结果
本说明书中，所述信息可以包括任意可以在互联网上进行发布或传输的数据，例如可以包括图片(包括静态图片、动态图片)、视频、音频、文字、字符等。
所述人工审理系统如前所述是一种人工介入判断信息是否为风险信息的服务器、服务器集群或者由服务器集群构建的云平台。审理人员通过人工审核系统的客户端入口进入系统，并对分配到的信息进行操作。
在一实施例中，人工审理系统可以分为风险标签标注模块、规则模块和结果反馈模块。
其中，风险标签标注模块用于获取由审核人员人工标注所述信息的风险标签。
所述风险标签标注模块中可以预先将不同业务场景对风险的标准抽象称为通用的风险标签。例如，色情、广告、违规、违禁等不同的风险标签。
如前所述，所述风险标签与不同业务场景下的不同风险类型之间具有一一对应的关系。也就是说，所述风险标签具备全局唯一性；通过任意一个风险标签都可以查找到唯一对应的目标业务场景下的目标风险类型。
以下例举几个业务场景，并举例业务场景下的风险标签：
针对欺诈案件的业务场景，风险标签可以包括：电信诈骗、保险骗保、信用卡诈骗等风险标签。
针对暴恐案件的业务场景，风险标签可以包括：枪支、管制刀具、弓弩、炸药或相关的原材料等风险标签。
针对黄赌毒等业务场景，风险标签可以包括色情、毒品、赌博等风险标签。
通常，风险标签可以根据相关规定、规则的变动灵活进行调整，以实现更好的风险识别效果。
对于人工审理系统来说，其在接收到风控系统输入的未识别信息后，可以将该未识别的信息传输给风险标签标注模块。
审理人员登录人工审理系统后，实际位于风险标签标注模块，并由风险标签标注模块分配每个审理人员审理的待识别信息。
审理人员需要对分配到的待识别信息进行风险标签的标注；例如审理人员查看待识别信息后，人为该信息属于色情信息，则相应为其标注色情风险标签。
值得一提的是，有些信息可能同时涉及多种风险类型，为此审理人员可以同时标注多个风险标签。例如有的信息同时涉及色情和广告，那么相应可以同时标注广告的风险标签，以及色情的风险标签。
待审理人员提交标注的风险标签后，风险标签标注模块可以将标注了风险标签的待识别信息传输给规则模块。
其中，所述规则模块用于根据接收到的风险标签，查询该风险标签对应的识别规则，并根据识别规则对信息进行识别，得到识别结果。
在一实施例中，所述规则模块可以支持自定义识别规则配置；
所述识别规则配置的变量包括以下任意组合方式：
业务场景、任务类型、时间范围、数据来源、风险标签、白名单等。
通过自定义规则配置，审核人员可以灵活根据业务场景标准配置相应合理的识别规则。
通常，风险标签与识别规则之间存在对应关系。一种风险标签可以对应有多个识别规则。
一般的，识别规则可以是指用于判断信息是否属于风险信息的公式。
在一实施例中，通过设置合理的函数，可以借助已有的大数据处理技术从这些大数据中找出规律。例如逻辑回归(logistic回归)，GBDT(Gradient Boosting DecisionTree)，甚至深度学习等机器学习方法，都可以被用于针对这些大数据进行建模，从而得出函数中各个参数的系数，进而可以得到统一的方程或者计算公式。
例如，得到统一的方程如下：
Y_风险＝a*X_识别规则1+b*X_识别规则2+c*X_识别规则3公式1
并且，上述a，b，c等即为函数中各个参数的系数。
这样，规则模块在获取到待识别的信息后，可以利用上述公式1计算所述信息的风险结果(将信息代入公式1，从而计算得到Y_风险)。
值得一提的是，计算得到的风险结果通常为0或1；
如果识别结果为0，表示所述信息为正常信息；
如果识别结果为1，表示所述信息为风险信息。
在实际应用中，随着识别规则的变化，可能会对历史已识别的信息的识别结果产生影响。在现有技术中，如果业务场景的风险标准变化后，由于信息是由人工识别的，无法自动批量对历史信息重新识别，而由人工重新识别又费时又费力。
而本说明中，基于风险标签的风险识别由系统自动进行；因此，当风险标签或者识别规则变化后，可以实现对历史信息的回溯，并批量修改有变化的风险标签，或者有变化的识别规则相关历史信息的识别结果。
在一实施例中，在任意场景类型的识别规则改变时，回溯已识别的历史信息；
根据修改后的识别规则对所述历史信息进行识别；
根据识别结果对历史信息的识别标签进行修改。
本说明书实施例，在业务场景对风险的标准变化后，通过修改识别规则，就可以对历史信息进行批量修改，节省了大量人力成本，自动化效率高。
在一实施例中，所述规则模块可以将识别结果传输给结果反馈模块。
所述结果反馈模块可以将识别结果返回给所述风控平台，以使所述风控平台根据识别结果对所述信息进行相应处理。
例如没有风险的信息才可以允许发布或传输；存在风险的信息直接进行安全处理(例如删除、屏蔽等)。
本说明书实施例，提供了一种风险信息识别方案，通过建立不同业务场景的不同风险类型唯一对应的风险标签；为不同风险标签制定对应的识别规则；在人工审理系统接收到待识别的信息后，审核人员仅需标注信息对应的风险标签即可，然后系统可以自动获取该风险标签对应配置的识别规则，基于识别规则识别信息是否存在风险。如此，审核人员无需记忆不同业务场景下数量众多的识别规则，仅需要判断信息属于哪种业务场景下风险类型即可。而具体风险识别则交由系统自动完成，有效降低了人工识别出错的风险，提升了风险识别的效率。
与前述风险信息识别方法实施例相对应，本说明书还提供了风险信息识别装置的实施例。所述装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的处理器将非易失性存储器中对应的计算机业务程序指令读取到内存中运行形成的。从硬件层面而言，如图2所示，为本说明书风险信息识别装置所在设备的一种硬件结构图，除了图2所示的处理器、网络接口、内存以及非易失性存储器之外，实施例中装置所在的设备通常根据风险信息识别实际功能，还可以包括其他硬件，对此不再赘述。
请参见图3，为本说明书一实施例提供的风险信息识别装置的模块图，所述装置对应了图1所示实施例，所述装置应用在人工审理系统，所述装置包括：
标签标注单元310，在接收到风控系统输入的所述风控平台无法识别是否存在风险的信息后，获取由审核人员人工标注所述信息的风险标签；其中，所述风险标签与不同业务场景下的不同风险类型之间具有一一对应的关系；
规则获取单元320，根据所述审核人员标注的风险标签，获取所述风险标签对应的识别规则；
风险识别单元330，根据所述识别规则对所述信息进行识别，得到识别结果。
可选的，所述装置还包括：
回溯修正单元，在任意场景类型的识别规则改变时，回溯已识别的历史信息；以及，根据修改后的识别规则对所述历史信息进行识别；并根据识别结果对历史信息的识别标签进行修改。
可选的，所述人工审理系统支持自定义识别规则配置；
所述识别规则配置的变量包括以下任意组合方式：
业务场景、任务类型、时间范围、数据来源、风险标签、白名单。
可选的，所述识别结果为0或1；
如果识别结果为0，表示所述信息为正常信息；
如果识别结果为1，表示所述信息为风险信息。
可选的，所述装置还包括：
返回单元，将识别结果返回给所述风控平台，以使所述风控平台根据识别结果对所述信息进行相应处理。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上图3描述了风险信息识别装置的内部功能模块和结构示意，其实质上的执行主体可以为一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
在接收到风控系统输入的所述风控平台无法识别是否存在风险的信息后，获取由审核人员人工标注所述信息的风险标签；其中，所述风险标签与不同业务场景下的不同风险类型之间具有一一对应的关系；
根据所述审核人员标注的风险标签，获取所述风险标签对应的识别规则；
根据所述识别规则对所述信息进行识别，得到识别结果。
可选的，所述方法还包括：
在任意场景类型的识别规则改变时，回溯已识别的历史信息；
根据修改后的识别规则对所述历史信息进行识别；
根据识别结果对历史信息的识别标签进行修改。
可选的，所述人工审理系统支持自定义识别规则配置；
所述识别规则配置的变量包括以下任意组合方式：
业务场景、任务类型、时间范围、数据来源、风险标签、白名单。
可选的，所述识别结果为0或1；
如果识别结果为0，表示所述信息为正常信息；
如果识别结果为1，表示所述信息为风险信息。
可选的，还包括：
将识别结果返回给所述风控平台，以使所述风控平台根据识别结果对所述信息进行相应处理。
在上述电子设备的实施例中，应理解，该处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，而前述的存储器可以是只读存储器(英文：read-only memory，缩写：ROM)、随机存取存储器(英文：random access memory，简称：RAM)、快闪存储器、硬盘或者固态硬盘。结合本发明实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于电子设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本说明书的真正范围和精神由下面的权利要求指出。
应当理解的是，本说明书并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
Claims (9)
1.一种风险信息识别方法，所述方法应用在人工审理系统，所述方法包括：
在接收到风控系统输入的所述风控平台无法识别是否存在风险的信息后，获取由审核人员人工标注所述信息的风险标签；其中，所述风险标签与不同业务场景下的不同风险类型之间具有一一对应的关系；
根据所述审核人员标注的风险标签，获取所述风险标签对应的识别规则；
根据所述识别规则对所述信息进行识别，得到识别结果。
2.根据权利要求1所述的方法，所述方法还包括：
在任意场景类型的识别规则改变时，回溯已识别的历史信息；
根据修改后的识别规则对所述历史信息进行识别；
根据识别结果对历史信息的识别标签进行修改。
3.根据权利要求1所述的方法，所述人工审理系统支持自定义识别规则配置；
所述识别规则配置的变量包括以下任意组合方式：
业务场景、任务类型、时间范围、数据来源、风险标签、白名单。
4.根据权利要求1所述的方法，所述方法还包括：
将识别结果返回给所述风控平台，以使所述风控平台根据识别结果对所述信息进行相应处理。
5.一种风险信息识别装置，所述装置应用在人工审理系统，所述装置包括：
标签标注单元，在接收到风控系统输入的所述风控平台无法识别是否存在风险的信息后，获取由审核人员人工标注所述信息的风险标签；其中，所述风险标签与不同业务场景下的不同风险类型之间具有一一对应的关系；
规则获取单元，根据所述审核人员标注的风险标签，获取所述风险标签对应的识别规则；
风险识别单元，根据所述识别规则对所述信息进行识别，得到识别结果。
6.根据权利要求5所述的装置，所述装置还包括：
回溯修正单元，在任意场景类型的识别规则改变时，回溯已识别的历史信息；以及，根据修改后的识别规则对所述历史信息进行识别；并根据识别结果对历史信息的识别标签进行修改。
7.根据权利要求5所述的装置，所述人工审理系统支持自定义识别规则配置；
所述识别规则配置的变量包括以下任意组合方式：
业务场景、任务类型、时间范围、数据来源、风险标签、白名单。
8.根据权利要求5所述的装置，所述装置还包括：
返回单元，将识别结果返回给所述风控平台，以使所述风控平台根据识别结果对所述信息进行相应处理。
9.一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为上述权利要求1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910084006.4A CN110059479A (zh) | 2019-01-29 | 2019-01-29 | 风险信息识别方法及装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910084006.4A CN110059479A (zh) | 2019-01-29 | 2019-01-29 | 风险信息识别方法及装置和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110059479A true CN110059479A (zh) | 2019-07-26 |
Family
ID=67316482
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910084006.4A Pending CN110059479A (zh) | 2019-01-29 | 2019-01-29 | 风险信息识别方法及装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110059479A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111489098A (zh) * | 2020-04-17 | 2020-08-04 | 支付宝(杭州)信息技术有限公司 | 疑似风险业务的决策方法、装置及处理设备 |
| CN112182502A (zh) * | 2020-09-07 | 2021-01-05 | 支付宝(杭州)信息技术有限公司 | 合规审核方法、装置和设备 |
| CN112613501A (zh) * | 2020-12-21 | 2021-04-06 | 深圳壹账通智能科技有限公司 | 信息审核分类模型的构建方法和信息审核方法 |
| CN114091899A (zh) * | 2021-11-22 | 2022-02-25 | 支付宝(杭州)信息技术有限公司 | 风险特征识别方法以及装置 |
| CN114677116A (zh) * | 2022-03-29 | 2022-06-28 | 中国建设银行股份有限公司 | 一种项目风险闭环处理方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107291737A (zh) * | 2016-04-01 | 2017-10-24 | 腾讯科技（深圳）有限公司 | 敏感图像识别方法及装置 |
| US20180248918A1 (en) * | 2015-11-02 | 2018-08-30 | Alibaba Group Holding Limited | Service processing method and apparatus |
| CN109086961A (zh) * | 2018-06-26 | 2018-12-25 | 阿里巴巴集团控股有限公司 | 一种信息风险监测方法及装置 |
-
2019
- 2019-01-29 CN CN201910084006.4A patent/CN110059479A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180248918A1 (en) * | 2015-11-02 | 2018-08-30 | Alibaba Group Holding Limited | Service processing method and apparatus |
| CN107291737A (zh) * | 2016-04-01 | 2017-10-24 | 腾讯科技（深圳）有限公司 | 敏感图像识别方法及装置 |
| CN109086961A (zh) * | 2018-06-26 | 2018-12-25 | 阿里巴巴集团控股有限公司 | 一种信息风险监测方法及装置 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111489098A (zh) * | 2020-04-17 | 2020-08-04 | 支付宝(杭州)信息技术有限公司 | 疑似风险业务的决策方法、装置及处理设备 |
| CN111489098B (zh) * | 2020-04-17 | 2022-10-25 | 支付宝(杭州)信息技术有限公司 | 疑似风险业务的决策方法、装置及处理设备 |
| CN112182502A (zh) * | 2020-09-07 | 2021-01-05 | 支付宝(杭州)信息技术有限公司 | 合规审核方法、装置和设备 |
| CN112613501A (zh) * | 2020-12-21 | 2021-04-06 | 深圳壹账通智能科技有限公司 | 信息审核分类模型的构建方法和信息审核方法 |
| WO2022134588A1 (zh) * | 2020-12-21 | 2022-06-30 | 深圳壹账通智能科技有限公司 | 信息审核分类模型的构建方法和信息审核方法 |
| CN114091899A (zh) * | 2021-11-22 | 2022-02-25 | 支付宝(杭州)信息技术有限公司 | 风险特征识别方法以及装置 |
| CN114677116A (zh) * | 2022-03-29 | 2022-06-28 | 中国建设银行股份有限公司 | 一种项目风险闭环处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110059479A (zh) | 风险信息识别方法及装置和电子设备 | |
| US10868827B2 (en) | Browser extension for contemporaneous in-browser tagging and harvesting of internet content | |
| US11489943B2 (en) | Automatic version routing among multiple instances of an application | |
| CN109088909B (zh) | 一种基于商户类型的服务灰度发布方法及设备 | |
| CN108256006B (zh) | 一种直播间徽章图片加载方法及系统 | |
| CN109614238A (zh) | 一种目标对象识别方法、装置、系统及可读存储介质 | |
| EP3822906A2 (en) | Genuine-product certification content creation device and integrated certification system using the same | |
| CN111783812B (zh) | 违禁图像识别方法、装置和计算机可读存储介质 | |
| CN109670963A (zh) | 资产信息筛选方法、装置、设备及存储介质 | |
| CN110276060A (zh) | 数据处理的方法以及装置 | |
| CN107886373A (zh) | 基于关键词的广告推送方法、广告推送装置及电子终端 | |
| CN107748772B (zh) | 一种商标识别方法及装置 | |
| CN113723926A (zh) | 结合rpa和ai的银行流水处理方法、装置及电子设备 | |
| CN114817340A (zh) | 数据追溯方法、装置、计算机设备及储存介质 | |
| CN114422421A (zh) | 一种路由匹配方法、装置、计算机设备和存储介质 | |
| CN110275913A (zh) | 数据供应方法、装置、及存储介质和电子装置 | |
| CN106776348B (zh) | 测试用例管理方法和装置 | |
| US9680697B2 (en) | Dynamic product installation based on user feedback | |
| US8918406B2 (en) | Intelligent analysis queue construction | |
| CN105162799A (zh) | 检验客户端是否为合法移动终端的方法以及服务器 | |
| CN115563942A (zh) | 一种合同生成方法、装置、电子设备及计算机可读介质 | |
| CN103220327B (zh) | 用户信息存储方法及装置 | |
| US20220084048A1 (en) | Server apparatus, method of controlling server apparatus, computer-readable medium, genuine product determining system, and method of controlling genuine product determining system | |
| CN109617987A (zh) | 应用程序图片发布方法、客户端和电子设备 | |
| CN107592217A (zh) | 一种用户识别方法和装置 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200922 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20200922 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Advanced innovation technology Co.,Ltd. Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Applicant before: Alibaba Group Holding Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190726 |
|
| RJ01 | Rejection of invention patent application after publication |