CN110322139A - 策略推荐方法及装置 - Google Patents
策略推荐方法及装置 Download PDFInfo
- Publication number
- CN110322139A CN110322139A CN201910574689.1A CN201910574689A CN110322139A CN 110322139 A CN110322139 A CN 110322139A CN 201910574689 A CN201910574689 A CN 201910574689A CN 110322139 A CN110322139 A CN 110322139A
- Authority
- CN
- China
- Prior art keywords
- event
- risk case
- data
- checking
- similarity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 238000003860 storage Methods 0.000 claims description 36
- 230000002159 abnormal effect Effects 0.000 claims description 29
- 230000004048 modification Effects 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000010365 information processing Effects 0.000 description 5
- 230000002265 prevention Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种策略推荐方法及装置，其中方法包括：获取风险事件的数据和线上策略命中的稽核事件的数据；根据风险事件的数据和每个稽核事件的数据，计算风险事件与每个稽核事件的相似度；根据风险事件与每个稽核事件的相似度，并结合命中每个稽核事件的线上策略，在线上策略中确定与风险事件接近的推荐策略。本申请实施例提供了一种自动确定推荐策略的方式，大大的提高了确定推荐策略的效率和准确率，降低了人力成本。
Description
技术领域
本说明书涉及互联网信息处理技术领域，尤其涉及一种策略推荐方法及装置、设备和存储介质。
背景技术
在互联网信息处理平台中，需要大量的线上策略进行风险防控，即根据线上策略对用户产生的事件进行风险防控。在出现新的风险点时，为了能够对与新的风险点相关的风险事件进行风险防控，需要对线上策略进行调整，具体的，为了保证线上策略体系的清晰，减少冗余，降低风险防控的压力，大多采用对线上策略进行修改，以稽核与新的风险点相关的风险事件。
在对线上策略进行补充完善的过程中首先要在线上策略中确定出与风险事件接近的推荐策略，然后对推荐策略进行修改，以通过修改的推荐策略对风险事件进行稽核。目前，主要通过人工的方式在线上策略中确定推荐策略，即分析师根据经验人工定位推荐策略。
显然，在上述方式中，由于线上策略过多，通过人工方式很难快速确定推荐策略，确定推荐策略的效率低，人力成本高；另外，由于通过人工的方式，人为因素影响较大，导致确定推荐策略的准确率较低。
发明内容
本说明书一个或多个实施例的目的是提供一种策略推荐方法及装置、设备和存储介质，用以解决现有技术中确定推荐策略的效率低、准确率低、人力成本高的问题。
为解决上述技术问题，本说明书一个或多个实施例是这样实现的：
一方面，本说明书一个或多个实施例提供一种策略推荐方法，包括：
获取风险事件的数据和线上策略命中的稽核事件的数据；
根据所述风险事件的数据和每个所述稽核事件的数据，计算所述风险事件与每个所述稽核事件的相似度；
根据所述风险事件与每个所述稽核事件的相似度，并结合命中每个所述稽核事件的所述线上策略，在所述线上策略中确定与所述风险事件接近的推荐策略。
可选的，所述根据所述风险事件的数据和每个所述稽核事件的数据，计算所述风险事件与每个所述稽核事件的相似度包括：
根据所述风险事件的数据计算所述风险事件的特征向量；
根据每个所述稽核事件的数据分别计算每个所述稽核事件的特征向量；
根据所述风险事件的特征向量和每个所述稽核事件的特征向量，计算所述风险事件与每个所述稽核事件的相似度。
可选的，所述根据所述风险事件的特征向量和每个所述稽核事件的特征向量，计算所述风险事件与每个所述稽核事件的相似度包括：
根据所述风险事件的特征向量和每个所述稽核事件的特征向量并利用余弦相似度计算公式，计算所述风险事件与每个所述稽核事件的相似度。
可选的，所述根据所述风险事件与每个所述稽核事件的相似度，并结合命中每个所述稽核事件的所述线上策略，在所述线上策略中确定与所述风险事件接近的推荐策略包括：
按照所述风险事件与每个所述稽核事件的相似度由大到小的顺序，对所述稽核事件进行排序；
将排在前N的所述稽核事件确定为目标稽核事件，以及将命中所述目标稽核事件的所述线上策略确定为候选策略；
统计每个所述候选策略命中的所述目标稽核事件的数量；
根据每个所述候选策略命中的所述目标稽核事件的数量，在所述候选策略中确定与所述风险事件接近的推荐策略。
可选的，所述方法还包括：
将所述风险事件的数据与所述推荐策略中的规则进行比对，以获取所述风险事件的异常数据，其中，所述风险事件的异常数据为所述风险事件的数据中与所述推荐策略中的规则同维度且不匹配的数据；
根据所述风险事件的异常数据对所述推荐策略中对应维度的规则进行修改，以生成用于稽核所述风险事件的目标策略。
另一方面，本说明书一个或多个实施例提供一种策略推荐装置，包括：
获取模块，用于获取风险事件的数据和线上策略命中的稽核事件的数据；
计算模块，用于根据所述风险事件的数据和每个所述稽核事件的数据，计算所述风险事件与每个所述稽核事件的相似度；
确定模块，用于根据所述风险事件与每个所述稽核事件的相似度，并结合命中每个所述稽核事件的所述线上策略，在所述线上策略中确定与所述风险事件接近的推荐策略。
可选的，所述计算模块包括：
第一计算单元，用于根据所述风险事件的数据计算所述风险事件的特征向量；
第二计算单元，用于根据每个所述稽核事件的数据分别计算每个所述稽核事件的特征向量；
第三计算单元，用于根据所述风险事件的特征向量和每个所述稽核事件的特征向量，计算所述风险事件与每个所述稽核事件的相似度。
可选的，所述第三计算单元，具体用于根据所述风险事件的特征向量和每个所述稽核事件的特征向量并利用余弦相似度计算公式，计算所述风险事件与每个所述稽核事件的相似度。
可选的，所述确定模块包括：
排序单元，用于按照所述风险事件与每个所述稽核事件的相似度由大到小的顺序，对所述稽核事件进行排序；
第一确定单元，用于将排在前N的所述稽核事件确定为目标稽核事件，以及将命中所述目标稽核事件的所述线上策略确定为候选策略；
统计单元，用于统计每个所述候选策略命中的所述目标稽核事件的数量；
第二确定单元，用于根据每个所述候选策略命中的所述目标稽核事件的数量，在所述候选策略中确定与所述风险事件接近的推荐策略。
可选的，所述装置还包括：
比对模块，用于将所述风险事件的数据与所述推荐策略中的规则进行比对，以获取所述风险事件的异常数据，其中，所述风险事件的异常数据为所述风险事件的数据中与所述推荐策略中的规则同维度且不匹配的数据；
修改模块，用于根据所述风险事件的异常数据对所述推荐策略中对应维度的规则进行修改，以生成用于稽核所述风险事件的目标策略。
再一方面，本说明书一个或多个实施例提供一种策略推荐设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：
获取风险事件的数据和线上策略命中的稽核事件的数据；
根据所述风险事件的数据和每个所述稽核事件的数据，计算所述风险事件与每个所述稽核事件的相似度；
根据所述风险事件与每个所述稽核事件的相似度，并结合命中每个所述稽核事件的所述线上策略，在所述线上策略中确定与所述风险事件接近的推荐策略。
再一方面，本说明书一个或多个实施例提供一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现以下流程：
获取风险事件的数据和线上策略命中的稽核事件的数据；
根据所述风险事件的数据和每个所述稽核事件的数据，计算所述风险事件与每个所述稽核事件的相似度；
根据所述风险事件与每个所述稽核事件的相似度，并结合命中每个所述稽核事件的所述线上策略，在所述线上策略中确定与所述风险事件接近的推荐策略。
采用本说明书一个或多个实施例的技术方案，通过计算风险事件与线上策略命中的每个稽核事件的相似度，以及根据风险事件与每个稽核事件的相似度，并结合命中每个稽核事件的线上策略，在线上策略中确定与风险事件接近的推荐策略。一方面，提供了一种自动确定推荐策略的方式，大大的提高了确定推荐策略的效率，降低了人力成本；另一方面，相比于现有技术，由于无需人工参与，避免了人为因素的影响，提高了确定推荐策略的准确率；再一方面，由于仅通过计算风险事件与线上策略命中的每个稽核事件的相似度，以及根据计算的相似度和命中每个稽核事件的线上策略即可确定推荐策略，步骤简单，且易于执行。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书一个或多个实施例中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的策略推荐方法的流程示意图；
图2为本申请实施例提供的计算风险事件与每个稽核事件的相似度的流程示意图；
图3为本申请实施例提供的确定推荐策略的流程示意图；
图4为本申请实施例提供的对推荐策略进行修改的流程示意图；
图5为本申请实施例提供的策略推荐装置的组成示意图；
图6为本申请实施例提供的策略推荐设备的结构示意图。
具体实施方式
本说明书一个或多个实施例提供一种策略推荐方法及装置、设备和存储介质，用以解决现有技术中确定推荐策略的效率低、准确率低、人力成本高的问题。
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书一个或多个实施例保护的范围。
本申请实施例提供了一种策略推荐方法，图1为本申请实施例提供的策略推荐方法的流程示意图，该策略推荐方法的执行主体例如可以为终端设备或者服务器，其中，终端设备例如可以包括个人计算机等，服务器例如可以为独立的一个服务器，也可以为由多个服务器组成的服务器集群，本示例性实施例对此不做特殊限定。如图1所示，该方法可以包括以下步骤：
步骤S102、获取风险事件的数据和线上策略命中的稽核事件的数据。
在本申请实施例中，在互联网信息处理平台中，为了确定信息处理的安全性，需对每个用户产生的每个事件进行风险防控，即通过线上策略以及每个事件的数据对每个事件进行稽核，并将线上策略命中的事件确定为稽核事件，以及将线上策略和其命中的稽核事件的数据进行关联并保存在线上策略数据库中。需要说明的是，稽核事件的数据为稽核事件在发生的过程中产生的数据，例如，用户的操作数据、互联网信息处理平台响应于用户的操作数据所产生的数据等。
在出现新的风险点时，恶意用户会利用新的风险点不断常识各种手段对系统进行攻击，若恶意用户攻击成功，则本次攻击事件即为风险事件(即与新的风险点对应的风险事件)，将风险事件的数据保存在风险事件数据库中。例如，恶意用户对其他用户的账户进行攻击，以盗刷其他用户的资金，若恶意用户盗刷成功，则本次盗刷事件为风险事件。风险事件的数据为风险事件在发生的过程中产生的数据，例如，用户的操作数据、互联网信息处理平台响应于用户的操作数据所产生的数据等。
基于此，可以在线上策略数据库中获取每个线上策略命中的稽核事件的数据，需要说明的是，为了在保证准确性的基础上降低计算量，以提高计算效率，可以在线上策略数据库中获取每个线上策略近N天命中的稽核事件的数据，其中N的取值例如可以为7，还可以为8等，本示例性实施例对此不做特殊限定。
确定与风险事件接近的推荐策略的时机可以为在风险事件发生时，直接获取风险事件的数据，以根据风险事件的数据确定与风险事件接近的推荐策略，还可以按照一预设周期确定与每个预设周期内产生的风险事件接近的推荐策略，即在风险数据库中获取每个周期内产生的风险事件的数据，以及根据每个周期内产生的风险事件的数据确定与每个周期内产生的风险事件接近的推荐策略。例如，可以以一天为一个周期获取每天产生的每个风险事件的数据，以及根据每天产生的每个风险事件的数据确定与每天产生的每个风险事件接近的推荐策略。
步骤S104、根据风险事件的数据和每个稽核事件的数据，计算风险事件与每个稽核事件的相似度。
在本申请实施例中，图2为本申请实施例提供的计算风险事件与每个稽核事件的相似度的流程示意图，如图2所示，计算风险事件与每个稽核事件的相似度可以包括以下步骤：
步骤S202、根据风险事件的数据计算风险事件的特征向量。
在本申请实施例中，首先对风险事件的数据进行特征提取，以得到风险事件的关键特征，需要说明的是，在风险事件的数据中提取的关键特征的具体内容可以自行设置，本申请实施例对此不做特殊限定，例如，关键特征可以包括：是否修改密码、交易频率、注册时长、模型得分等，其中，模型得分为根据已有的模型结合风险事件的数据计算的风险事件的得分；然后，对风险事件的关键特征进行向量转化，生成风险事件的特征向量。
步骤S204、根据每个稽核事件的数据分别计算每个稽核事件的特征向量。
在本申请实施例中，首先对每个稽核事件的数据进行特征提取，以得到每个稽核事件的关键特征，需要说明的是，在稽核事件的数据中提取的关键特征的具体内容可以自行设置，本申请实施例对此不做特殊限定。例如，关键特征可以包括：是否修改密码、交易频率、注册时长、模型得分等，其中模型得分为根据已有的模型结合稽核事件的数据计算的稽核事件的得分；然后，对每个稽核事件的关键特征进行向量转化，以生成每个稽核事件的特征向量。
需要说明的是，对风险事件的关键特征进行向量转化的过程可以包括：根据风险事件的关键特征和每个稽核事件的关键特征获取风险事件和所有稽核事件的关键特征的最长公共子序列，然后，根据获取的关键特征的最长公共子序列对风险事件的关键特征进行向量转化，以生成风险事件的特征向量。
同理，对每个稽核事件的关键特征进行向量转化的过程可以包括：根据上述获取的关键特征的最长公共子序列对每个稽核事件的关键特征进行向量转换，以生成每个稽核事件的特征向量。
步骤S206、根据风险事件的特征向量和每个稽核事件的特征向量，计算风险事件与每个稽核事件的相似度。
在本申请实施例中，可以根据风险事件的特征向量和每个稽核事件的特征向量并利用余弦相似度计算公式，计算风险事件与每个稽核事件的相似度。还可以根据风险事件的特征向量和每个稽核事件的特征向量计算风险事件与每个稽核事件的欧几里得距离，以及根据风险事件与每个稽核事件的欧几里得距离确定风险事件与每个稽核事件的相似度。
需要说明的是，上述计算风险事件与每个稽核事件的相似度的方式仅为示例性的，并不用于限定本发明，即还可以通过其他相似度计算方式计算风险事件与每个稽核事件的相似度。
步骤S106、根据风险事件与每个稽核事件的相似度，并结合命中每个稽核事件的线上策略，在线上策略中确定与风险事件接近的推荐策略。
在本申请实施例中，可以通过以下方式确定与风险事件接近的推荐策略，其中：
方式一，根据风险事件与每个稽核事件的相似度由大到小的顺序，对稽核事件进行排序，将排在第一位的稽核事件确定为目标稽核事件，以及将命中目标稽核事件的线上策略确定为推荐策略。
方式二、为了进一步提高确定推荐策略的准确率，图3为本申请实施例提供的确定推荐策略的流程示意图，如图3所示，包括以下步骤：
步骤S302、按照风险事件与每个稽核事件的相似度由大到小的顺序，对稽核事件进行排序。
步骤S304、将排在前N的稽核事件确定为目标稽核事件，以及将命中目标稽核事件的线上策略确定为候选策略。其中，N的取值可以自行设置，例如可以为100，还可以为150等，本示例性实施例对此不做特殊限定。
步骤S306、统计每个候选策略命中的目标稽核事件的数量。具体的，根据命中每个目标稽核事件的候选策略统计每个候选策略命中的目标稽核事件的数量。
步骤S308、根据每个候选策略命中的目标稽核事件的数量，在候选策略中确定与风险事件接近的推荐策略。具体的，可以将命中目标稽核事件的数量最多的候选策略确定为与风险事件接近的推荐策略，还可以根据候选策略命中目标稽核事件的数量由大到小的顺序，对候选策略进行排序，将排在最前的3条或者4条(具体的数量可以根据需求进行确定)候选策略确定为与风险事件接近的推荐策略。
显然，在上述方式二中，在确定与风险事件接近的推荐策略时，结合了线上策略命中的稽核事件与风险事件的相似度以及线上策略命中的稽核事件的数量，提高了确定与风险事件接近的推荐策略的准确率。
需要说明的是，与风险事件接近的推荐策略可以为最有可能命中风险事件但没有命中风险事件的线上策略。
图4为本申请实施例提供的对推荐策略进行修改的流程示意图，如图4所示，可以包括以下步骤：
步骤S402、将风险事件的数据与推荐策略中的规则进行比对，以获取风险事件的异常数据，其中，风险事件的异常数据为风险事件的数据中与推荐策略中的规则同维度且不匹配的数据。
在本申请实施例中，首先，可以根据推荐策略中的每条规则的维度，在风险事件的数据中获取与每条规则同维度的数据；然后，将每条规则与风险事件的数据中同维度的数据进行比对，并将不符合同维度的规则的数据确定为风险事件的异常数据。
步骤S404、根据风险事件的异常数据对推荐策略中对应维度的规则进行修改，以生成用于稽核风险事件的目标策略。
下面，举例对推荐策略的修改进行说明。
若风险事件的数据包括：修改支付密码、一小时内盗刷48笔、盗刷总金额为2900元，推荐策略包括三条规则，依次为：修改支付密码，一小时内盗刷笔数大于50笔，盗刷总金额大于3000元。将上述风险事件的数据和推荐策略的每条规则进行比对，得到的风险事件的异常数据包括：一小时内盗刷48笔、盗刷总金额为2900元。根据风险事件的异常数据“一小时内盗刷48笔”对推荐策略中对应的规则“一小时内盗刷笔数大于50笔”进行修改，使推荐策略中的修改后的该条规则可以覆盖风险事件的该条异常数据，修改后的规则为“一小时内盗刷笔数大于47笔”，根据风险事件的异常数据“盗刷总金额为2900元”对推荐策略中对应的规则“盗刷总金额大于3000元”进行修改，以使推荐策略中的修改后的该条规则可以覆盖风险事件的该条异常数据，修改后的规则为“盗刷总金额大于2890元”，基于此，生成的用于稽核风险事件的目标策略包括三条规则，分别为：修改支付密码，一小时内盗刷笔数大于47笔、盗刷总金额大于2890元。最后，在线上策略数据库中用目标策略替换掉推荐策略。
综上所述，提供了一种自动确定推荐策略的方式，大大的提高了确定推荐策略的效率，降低了人力成本；另外，相比于现有技术，由于无需人工参与，避免了人为因素的影响，提高了确定推荐策略的准确率；此外，由于仅通过计算风险事件与线上策略命中的每个稽核事件的相似度，以及根据计算的相似度和命中每个稽核事件的线上策略即可确定推荐策略，步骤简单，且易于执行。
对应上述策略推荐方法，基于相同的技术构思，本申请实施例还提供了一种策略推荐装置，图5为本申请实施例提供的策略推荐装置的组成示意图，该装置用于执行上述策略推荐方法，如图5所示，该装置500可以包括：获取模块501、计算模块502、确定模块503，其中：
获取模块501，可以用于获取风险事件的数据和线上策略命中的稽核事件的数据；
计算模块502，可以用于根据所述风险事件的数据和每个所述稽核事件的数据，计算所述风险事件与每个所述稽核事件的相似度；
确定模块503，可以用于根据所述风险事件与每个所述稽核事件的相似度，并结合命中每个所述稽核事件的所述线上策略，在所述线上策略中确定与所述风险事件接近的推荐策略。
可选的，所述计算模块502可以包括：
第一计算单元，用于根据所述风险事件的数据计算所述风险事件的特征向量；
第二计算单元，用于根据每个所述稽核事件的数据分别计算每个所述稽核事件的特征向量；
第三计算单元，用于根据所述风险事件的特征向量和每个所述稽核事件的特征向量，计算所述风险事件与每个所述稽核事件的相似度。
可选的，所述第三计算单元，具体用于根据所述风险事件的特征向量和每个所述稽核事件的特征向量并利用余弦相似度计算公式，计算所述风险事件与每个所述稽核事件的相似度。
可选的，所述确定模块503可以包括：
排序单元，用于按照所述风险事件与每个所述稽核事件的相似度由大到小的顺序，对所述稽核事件进行排序；
第一确定单元，用于将排在前N的所述稽核事件确定为目标稽核事件，以及将命中所述目标稽核事件的所述线上策略确定为候选策略；
统计单元，用于统计每个所述候选策略命中的所述目标稽核事件的数量；
第二确定单元，用于根据每个所述候选策略命中的所述目标稽核事件的数量，在所述候选策略中确定与所述风险事件接近的推荐策略。
可选的，所述装置500还可以包括：
比对模块，用于将所述风险事件的数据与所述推荐策略中的规则进行比对，以获取所述风险事件的异常数据，其中，所述风险事件的异常数据为所述风险事件的数据中与所述推荐策略中的规则同维度且不匹配的数据；
修改模块，用于根据所述风险事件的异常数据对所述推荐策略中对应维度的规则进行修改，以生成用于稽核所述风险事件的目标策略。
本申请实施例中的策略推荐装置，提供了一种自动确定推荐策略的方式，大大的提高了确定推荐策略的效率，降低了人力成本；另外，相比于现有技术，由于无需人工参与，避免了人为因素的影响，提高了确定推荐策略的准确率；此外，由于仅通过计算风险事件与线上策略命中的每个稽核事件的相似度，以及根据计算的相似度和命中每个稽核事件的线上策略即可确定推荐策略，步骤简单，且易于执行。
应上述策略推荐方法，基于相同的技术构思，本申请实施例还提供了一种策略推荐设备，图6为本申请实施例提供的策略推荐设备的结构示意图，该设备用于执行上述的策略推荐方法。
如图6所示，策略推荐设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器601和存储器602，存储器602中可以存储有一个或一个以上存储应用程序或数据。其中，存储器602可以是短暂存储或持久存储。存储在存储器602的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对策略推荐设备中的一系列计算机可执行指令。更进一步地，处理器601可以设置为与存储器602通信，在策略推荐设备上执行存储器602中的一系列计算机可执行指令。策略推荐设备还可以包括一个或一个以上电源603，一个或一个以上有线或无线网络接口604，一个或一个以上输入输出接口605，一个或一个以上键盘606等。
在一个具体的实施例中，策略推荐设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对策略推荐设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
获取风险事件的数据和线上策略命中的稽核事件的数据；
根据所述风险事件的数据和每个所述稽核事件的数据，计算所述风险事件与每个所述稽核事件的相似度；
根据所述风险事件与每个所述稽核事件的相似度，并结合命中每个所述稽核事件的所述线上策略，在所述线上策略中确定与所述风险事件接近的推荐策略。
可选的，计算机可执行指令在被执行时，所述根据所述风险事件的数据和每个所述稽核事件的数据，计算所述风险事件与每个所述稽核事件的相似度包括：
根据所述风险事件的数据计算所述风险事件的特征向量；
根据每个所述稽核事件的数据分别计算每个所述稽核事件的特征向量；
根据所述风险事件的特征向量和每个所述稽核事件的特征向量，计算所述风险事件与每个所述稽核事件的相似度。
可选的，计算机可执行指令在被执行时，所述根据所述风险事件的特征向量和每个所述稽核事件的特征向量，计算所述风险事件与每个所述稽核事件的相似度包括：
根据所述风险事件的特征向量和每个所述稽核事件的特征向量并利用余弦相似度计算公式，计算所述风险事件与每个所述稽核事件的相似度。
可选的，计算机可执行指令在被执行时，所述根据所述风险事件与每个所述稽核事件的相似度，并结合命中每个所述稽核事件的所述线上策略，在所述线上策略中确定与所述风险事件接近的推荐策略包括：
按照所述风险事件与每个所述稽核事件的相似度由大到小的顺序，对所述稽核事件进行排序；
将排在前N的所述稽核事件确定为目标稽核事件，以及将命中所述目标稽核事件的所述线上策略确定为候选策略；
统计每个所述候选策略命中的所述目标稽核事件的数量；
根据每个所述候选策略命中的所述目标稽核事件的数量，在所述候选策略中确定与所述风险事件接近的推荐策略。
可选的，计算机可执行指令在被执行时，还包括：
将所述风险事件的数据与所述推荐策略中的规则进行比对，以获取所述风险事件的异常数据，其中，所述风险事件的异常数据为所述风险事件的数据中与所述推荐策略中的规则同维度且不匹配的数据；
根据所述风险事件的异常数据对所述推荐策略中对应维度的规则进行修改，以生成用于稽核所述风险事件的目标策略。
本申请实施例中的策略推荐设备，提供了一种自动确定推荐策略的方式，大大的提高了确定推荐策略的效率，降低了人力成本；另外，相比于现有技术，由于无需人工参与，避免了人为因素的影响，提高了确定推荐策略的准确率；此外，由于仅通过计算风险事件与线上策略命中的每个稽核事件的相似度，以及根据计算的相似度和命中每个稽核事件的线上策略即可确定推荐策略，步骤简单，且易于执行。
对应上述策略推荐方法，基于相同的技术构思，本申请实施例还提供了一种存储介质，用于存储计算机可执行指令，在一个具体的实施例中，该存储介质可以为U盘、光盘、硬盘等，该存储介质存储的计算机可执行指令在被处理器执行时，能实现以下流程：
获取风险事件的数据和线上策略命中的稽核事件的数据；
根据所述风险事件的数据和每个所述稽核事件的数据，计算所述风险事件与每个所述稽核事件的相似度；
根据所述风险事件与每个所述稽核事件的相似度，并结合命中每个所述稽核事件的所述线上策略，在所述线上策略中确定与所述风险事件接近的推荐策略。
可选的，该存储介质存储的计算机可执行指令在被处理器执行时，所述根据所述风险事件的数据和每个所述稽核事件的数据，计算所述风险事件与每个所述稽核事件的相似度包括：
根据所述风险事件的数据计算所述风险事件的特征向量；
根据每个所述稽核事件的数据分别计算每个所述稽核事件的特征向量；
根据所述风险事件的特征向量和每个所述稽核事件的特征向量，计算所述风险事件与每个所述稽核事件的相似度。
可选的，该存储介质存储的计算机可执行指令在被处理器执行时，所述根据所述风险事件的特征向量和每个所述稽核事件的特征向量，计算所述风险事件与每个所述稽核事件的相似度包括：
根据所述风险事件的特征向量和每个所述稽核事件的特征向量并利用余弦相似度计算公式，计算所述风险事件与每个所述稽核事件的相似度。
可选的，该存储介质存储的计算机可执行指令在被处理器执行时，所述根据所述风险事件与每个所述稽核事件的相似度，并结合命中每个所述稽核事件的所述线上策略，在所述线上策略中确定与所述风险事件接近的推荐策略包括：
按照所述风险事件与每个所述稽核事件的相似度由大到小的顺序，对所述稽核事件进行排序；
将排在前N的所述稽核事件确定为目标稽核事件，以及将命中所述目标稽核事件的所述线上策略确定为候选策略；
统计每个所述候选策略命中的所述目标稽核事件的数量；
根据每个所述候选策略命中的所述目标稽核事件的数量，在所述候选策略中确定与所述风险事件接近的推荐策略。
可选的，该存储介质存储的计算机可执行指令在被处理器执行时，还包括：
将所述风险事件的数据与所述推荐策略中的规则进行比对，以获取所述风险事件的异常数据，其中，所述风险事件的异常数据为所述风险事件的数据中与所述推荐策略中的规则同维度且不匹配的数据；
根据所述风险事件的异常数据对所述推荐策略中对应维度的规则进行修改，以生成用于稽核所述风险事件的目标策略。
本申请实施例中的存储介质存储的计算机可执行指令在被处理器执行时，提供了一种自动确定推荐策略的方式，大大的提高了确定推荐策略的效率，降低了人力成本；另外，相比于现有技术，由于无需人工参与，避免了人为因素的影响，提高了确定推荐策略的准确率；此外，由于仅通过计算风险事件与线上策略命中的每个稽核事件的相似度，以及根据计算的相似度和命中每个稽核事件的线上策略即可确定推荐策略，步骤简单，且易于执行。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
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。具体的，计算机例如可以为个人计算机、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何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
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，对于系统实施例而言，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。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (12)
1.一种策略推荐方法，其特征在于，包括：
获取风险事件的数据和线上策略命中的稽核事件的数据；
根据所述风险事件的数据和每个所述稽核事件的数据，计算所述风险事件与每个所述稽核事件的相似度；
根据所述风险事件与每个所述稽核事件的相似度，并结合命中每个所述稽核事件的所述线上策略，在所述线上策略中确定与所述风险事件接近的推荐策略。
2.根据权利要求1所述的策略推荐方法，其特征在于，所述根据所述风险事件的数据和每个所述稽核事件的数据，计算所述风险事件与每个所述稽核事件的相似度包括：
根据所述风险事件的数据计算所述风险事件的特征向量；
根据每个所述稽核事件的数据分别计算每个所述稽核事件的特征向量；
根据所述风险事件的特征向量和每个所述稽核事件的特征向量，计算所述风险事件与每个所述稽核事件的相似度。
3.根据权利要求2所述的策略推荐方法，其特征在于，所述根据所述风险事件的特征向量和每个所述稽核事件的特征向量，计算所述风险事件与每个所述稽核事件的相似度包括：
根据所述风险事件的特征向量和每个所述稽核事件的特征向量并利用余弦相似度计算公式，计算所述风险事件与每个所述稽核事件的相似度。
4.根据权利要求1所述的策略推荐方法，其特征在于，所述根据所述风险事件与每个所述稽核事件的相似度，并结合命中每个所述稽核事件的所述线上策略，在所述线上策略中确定与所述风险事件接近的推荐策略包括：
按照所述风险事件与每个所述稽核事件的相似度由大到小的顺序，对所述稽核事件进行排序；
将排在前N的所述稽核事件确定为目标稽核事件，以及将命中所述目标稽核事件的所述线上策略确定为候选策略；
统计每个所述候选策略命中的所述目标稽核事件的数量；
根据每个所述候选策略命中的所述目标稽核事件的数量，在所述候选策略中确定与所述风险事件接近的推荐策略。
5.根据权利要求1所述的策略推荐方法，其特征在于，所述方法还包括：
将所述风险事件的数据与所述推荐策略中的规则进行比对，以获取所述风险事件的异常数据，其中，所述风险事件的异常数据为所述风险事件的数据中与所述推荐策略中的规则同维度且不匹配的数据；
根据所述风险事件的异常数据对所述推荐策略中对应维度的规则进行修改，以生成用于稽核所述风险事件的目标策略。
6.一种策略推荐装置，其特征在于，包括：
获取模块，用于获取风险事件的数据和线上策略命中的稽核事件的数据；
计算模块，用于根据所述风险事件的数据和每个所述稽核事件的数据，计算所述风险事件与每个所述稽核事件的相似度；
确定模块，用于根据所述风险事件与每个所述稽核事件的相似度，并结合命中每个所述稽核事件的所述线上策略，在所述线上策略中确定与所述风险事件接近的推荐策略。
7.根据权利要求6所述的策略推荐装置，其特征在于，所述计算模块包括：
第一计算单元，用于根据所述风险事件的数据计算所述风险事件的特征向量；
第二计算单元，用于根据每个所述稽核事件的数据分别计算每个所述稽核事件的特征向量；
第三计算单元，用于根据所述风险事件的特征向量和每个所述稽核事件的特征向量，计算所述风险事件与每个所述稽核事件的相似度。
8.根据权利要求7所述的策略推荐装置，其特征在于，所述第三计算单元，具体用于根据所述风险事件的特征向量和每个所述稽核事件的特征向量并利用余弦相似度计算公式，计算所述风险事件与每个所述稽核事件的相似度。
9.根据权利要求6所述的策略推荐装置，其特征在于，所述确定模块包括：
排序单元，用于按照所述风险事件与每个所述稽核事件的相似度由大到小的顺序，对所述稽核事件进行排序；
第一确定单元，用于将排在前N的所述稽核事件确定为目标稽核事件，以及将命中所述目标稽核事件的所述线上策略确定为候选策略；
统计单元，用于统计每个所述候选策略命中的所述目标稽核事件的数量；
第二确定单元，用于根据每个所述候选策略命中的所述目标稽核事件的数量，在所述候选策略中确定与所述风险事件接近的推荐策略。
10.根据权利要求6所述的策略推荐装置，其特征在于，所述装置还包括：
比对模块，用于将所述风险事件的数据与所述推荐策略中的规则进行比对，以获取所述风险事件的异常数据，其中，所述风险事件的异常数据为所述风险事件的数据中与所述推荐策略中的规则同维度且不匹配的数据；
修改模块，用于根据所述风险事件的异常数据对所述推荐策略中对应维度的规则进行修改，以生成用于稽核所述风险事件的目标策略。
11.一种策略推荐设备，其特征在于，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：
获取风险事件的数据和线上策略命中的稽核事件的数据；
根据所述风险事件的数据和每个所述稽核事件的数据，计算所述风险事件与每个所述稽核事件的相似度；
根据所述风险事件与每个所述稽核事件的相似度，并结合命中每个所述稽核事件的所述线上策略，在所述线上策略中确定与所述风险事件接近的推荐策略。
12.一种存储介质，用于存储计算机可执行指令，其特征在于，所述计算机可执行指令在被执行时实现以下流程：
获取风险事件的数据和线上策略命中的稽核事件的数据；
根据所述风险事件的数据和每个所述稽核事件的数据，计算所述风险事件与每个所述稽核事件的相似度；
根据所述风险事件与每个所述稽核事件的相似度，并结合命中每个所述稽核事件的所述线上策略，在所述线上策略中确定与所述风险事件接近的推荐策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910574689.1A CN110322139B (zh) | 2019-06-28 | 2019-06-28 | 策略推荐方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910574689.1A CN110322139B (zh) | 2019-06-28 | 2019-06-28 | 策略推荐方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110322139A true CN110322139A (zh) | 2019-10-11 |
| CN110322139B CN110322139B (zh) | 2023-11-28 |
Family
ID=68121308
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910574689.1A Active CN110322139B (zh) | 2019-06-28 | 2019-06-28 | 策略推荐方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110322139B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112969184A (zh) * | 2021-02-07 | 2021-06-15 | 中国联合网络通信集团有限公司 | 6g网络的内生安全控制方法、电子设备及存储介质 |
| CN113807622A (zh) * | 2020-06-15 | 2021-12-17 | 海信集团有限公司 | 一种事件决策生成方法、装置、电子设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6530024B1 (en) * | 1998-11-20 | 2003-03-04 | Centrax Corporation | Adaptive feedback security system and method |
| US20070282778A1 (en) * | 2006-06-05 | 2007-12-06 | International Business Machines Corporation | Policy-based management system with automatic policy selection and creation capabilities by using singular value decomposition technique |
| US20120173562A1 (en) * | 2010-12-31 | 2012-07-05 | Alibaba Group Holding Limited | Recommendation of search keywords based on indication of user intention |
| CN107609198A (zh) * | 2017-10-20 | 2018-01-19 | 咪咕互动娱乐有限公司 | 一种推荐方法、装置及计算机可读存储介质 |
| US20180025322A1 (en) * | 2016-07-20 | 2018-01-25 | Linkedin Corporation | Skill-based recommendation of events to users |
| CN108460681A (zh) * | 2017-02-20 | 2018-08-28 | 阿里巴巴集团控股有限公司 | 一种风险管控方法及装置 |
| CN108665142A (zh) * | 2018-04-11 | 2018-10-16 | 阿里巴巴集团控股有限公司 | 一种规则的推荐方法、装置及设备 |
| CN108985559A (zh) * | 2018-06-08 | 2018-12-11 | 平安科技（深圳）有限公司 | 风控数据处理方法、装置、计算机设备及存储介质 |
| CN109254893A (zh) * | 2018-08-20 | 2019-01-22 | 彩讯科技股份有限公司 | 一种业务数据稽核方法、装置、服务器和存储介质 |
| WO2019051835A1 (zh) * | 2017-09-18 | 2019-03-21 | 华为技术有限公司 | 一种推荐方法及终端 |
-
2019
- 2019-06-28 CN CN201910574689.1A patent/CN110322139B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6530024B1 (en) * | 1998-11-20 | 2003-03-04 | Centrax Corporation | Adaptive feedback security system and method |
| US20070282778A1 (en) * | 2006-06-05 | 2007-12-06 | International Business Machines Corporation | Policy-based management system with automatic policy selection and creation capabilities by using singular value decomposition technique |
| US20120173562A1 (en) * | 2010-12-31 | 2012-07-05 | Alibaba Group Holding Limited | Recommendation of search keywords based on indication of user intention |
| US20180025322A1 (en) * | 2016-07-20 | 2018-01-25 | Linkedin Corporation | Skill-based recommendation of events to users |
| CN108460681A (zh) * | 2017-02-20 | 2018-08-28 | 阿里巴巴集团控股有限公司 | 一种风险管控方法及装置 |
| WO2019051835A1 (zh) * | 2017-09-18 | 2019-03-21 | 华为技术有限公司 | 一种推荐方法及终端 |
| CN107609198A (zh) * | 2017-10-20 | 2018-01-19 | 咪咕互动娱乐有限公司 | 一种推荐方法、装置及计算机可读存储介质 |
| CN108665142A (zh) * | 2018-04-11 | 2018-10-16 | 阿里巴巴集团控股有限公司 | 一种规则的推荐方法、装置及设备 |
| CN108985559A (zh) * | 2018-06-08 | 2018-12-11 | 平安科技（深圳）有限公司 | 风控数据处理方法、装置、计算机设备及存储介质 |
| CN109254893A (zh) * | 2018-08-20 | 2019-01-22 | 彩讯科技股份有限公司 | 一种业务数据稽核方法、装置、服务器和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| S. PAREDES, D. MENDES, T. ROCHA, P. CARVALHO, J. HENRIQUES, J. MORAIS；: "Strategies for personalized risk assessment for CVD management", 《2016 IEEE-EMBS INTERNATIONAL CONFERENCE ON BIOMEDICAL AND HEALTH INFORMATICS》, pages 344 - 347 * |
| 陈祖琴;苏新宁;: "基于情景划分的突发事件应急响应策略库构建方法", 图书情报工作, no. 19, pages 109 - 114 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113807622A (zh) * | 2020-06-15 | 2021-12-17 | 海信集团有限公司 | 一种事件决策生成方法、装置、电子设备及存储介质 |
| CN112969184A (zh) * | 2021-02-07 | 2021-06-15 | 中国联合网络通信集团有限公司 | 6g网络的内生安全控制方法、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110322139B (zh) | 2023-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107015882B (zh) | 一种区块数据校验方法和装置 | |
| TWI682304B (zh) | 基於圖結構模型的異常帳號防控方法、裝置以及設備 | |
| CN109919318B (zh) | 数据处理方法、装置和设备 | |
| CN108364223A (zh) | 一种数据审计的方法及装置 | |
| CN109934585A (zh) | 一种基于安全多方计算的签名方法、装置及系统 | |
| CN107196989A (zh) | 一种业务请求的处理方法及装置 | |
| CN109598611A (zh) | 一种交易的处理方法、交易网关、交易服务器及交易系统 | |
| CN108881120A (zh) | 一种基于区块链的数据处理方法及设备 | |
| CN109426732A (zh) | 一种数据处理方法及装置 | |
| CN110503435A (zh) | 基于区块链的交易预警方法、装置及设备 | |
| CN108022102A (zh) | 一种身份验证方法、装置及设备 | |
| CN109003071A (zh) | 支付方法、装置及设备 | |
| CN110020427A (zh) | 策略确定方法和装置 | |
| CN108960790A (zh) | 一种账单业务的处理方法、装置、服务器及系统 | |
| CN108460490A (zh) | 一种业务发生量的预测方法、装置及设备 | |
| CN109271587A (zh) | 一种页面生成方法和装置 | |
| CN109389412A (zh) | 一种训练模型的方法及装置 | |
| CN109726563A (zh) | 一种数据统计的方法、装置以及设备 | |
| CN110322139A (zh) | 策略推荐方法及装置 | |
| CN110378400A (zh) | 一种用于图像识别的模型训练方法及装置 | |
| WO2024113932A1 (zh) | 一种模型优化的方法、装置、设备及存储介质 | |
| CN107391537A (zh) | 数据关系模型的生成方法、装置及设备 | |
| CN110647687A (zh) | 服务推荐方法和装置 | |
| CN108830705A (zh) | 一种交易数据的汇总方法、装置及设备 | |
| CN107578338A (zh) | 一种业务发布方法、装置及设备 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200923 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands Applicant before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20200923 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British 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. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |