CN110675252A - 风险评估方法、装置、电子设备及存储介质 - Google Patents

风险评估方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN110675252A
CN110675252A CN201910947628.5A CN201910947628A CN110675252A CN 110675252 A CN110675252 A CN 110675252A CN 201910947628 A CN201910947628 A CN 201910947628A CN 110675252 A CN110675252 A CN 110675252A
Authority
CN
China
Prior art keywords
user
behavior data
target
risk
risk assessment
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
Application number
CN201910947628.5A
Other languages
English (en)
Inventor
李艳民
王震
肖磊
闵旺华
钟细亚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sensetime Technology Development Co Ltd
Original Assignee
Beijing Sensetime Technology Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Sensetime Technology Development Co Ltd filed Critical Beijing Sensetime Technology Development Co Ltd
Priority to CN201910947628.5A priority Critical patent/CN110675252A/zh
Publication of CN110675252A publication Critical patent/CN110675252A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0609—Buyer or seller confidence or verification

Abstract

本申请实施例公开了一种风险评估方法、装置、电子设备及存储介质，其中方法包括：获取来自于多个渠道的历史用户行为数据；基于所述历史用户行为数据，确定至少一个风险用户；基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型；基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果。通过本申请实施例，可以准确的评估用户请求行为数据是否存在风险。

Description

风险评估方法、装置、电子设备及存储介质
技术领域
本申请涉及计算机技术领域，具体涉及一种风险评估方法、装置、电子设备及存储介质。
背景技术
用户欺诈风险评估是银行，信贷，支付，金融电子商务等领域的重点风控问题。用户在以上场景中可能出现欺诈行为，对用户进行欺诈可能性评估有利于降低因用户欺诈带来的损失。相关用户欺诈可能性评估方法由于数据有限以及冷启动等至少一种问题，导致评估准确性难以达到期望。
发明内容
本申请实施例提供了一种风险评估方法和装置、电子设备及存储介质。
本申请实施例第一方面提供一种风险评估方法，包括：
获取来自于多个渠道的历史用户行为数据；基于所述历史用户行为数据，确定至少一个风险用户；基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型；基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，所述基于所述历史用户行为数据，确定至少一个风险用户，包括：基于预设规则，提取所述历史用户行为数据中存在异常的第一历史用户行为数据；确定所述第一历史用户行为数据对应的至少一个用户为风险用户。
在一种可选的实施方式中，所述基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型，包括：将所述历史用户行为数据中包含的所述至少一个风险用户的第一历史用户行为数据作为负样本、将所述历史用户行为数据中除所述第一历史用户行为数据之外的第二历史用户行为数据中的至少一部分作为正样本，对初始风险评估模型进行迭代训练，得到目标风险评估模型。
在一种可选的实施方式中，所述基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型，包括：通过初始风险评估模型对所述风险用户的第一历史用户行为数据进行特征提取处理，得到风险用户特征数据；基于所述风险用户特征数据，通过所述初始风险评估模型得到所述风险用户的风险预测结果；基于所述风险用户的风险预测结果，调整所述初始风险评估模型的模型参数。
在一种可选的实施方式中，所述基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型包括：对所述多个渠道进行归类分组，得到多组渠道，其中，每组渠道包括所述多个渠道中至少一个渠道；将所述历史用户行为数据中每条用户行为数据和所述每条用户行为数据的渠道所属的分组作为样本数据，对初始风险评估模型进行训练，得到目标风险评估模型。
在一种可选的实施方式中，所述用户历史用户行为数据包括用户历史活体检测数据；所述用户历史活体检测数据包括下列中的一项或任意多项：用于历史活体检测的人脸图像、所述历史活体检测的检测结果和所述历史活体检测的伪造类型。
在一种可选的实施方式中，所述基于所述目标风险评估模型和目标用户的当前行为数据，得到所述目标用户的当前风险评估结果，包括：通过所述目标风险评估模型处理所述目标用户的当前行为数据，输出所述目标用户的当前风险评估结果。
在一种可选的实施方式中，所述基于所述目标风险评估模型和目标用户的当前行为数据，得到所述目标用户的当前风险评估结果，包括：基于所述目标风险评估模型、目标用户的当前行为数据以及所述目标用户的历史用户行为数据，得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，所述基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果，包括：基于预设规则对所述目标用户的当前行为数据进行分析，得到第一评估结果；通过所述目标风险评估模型对所述目标用户的当前行为数据进行预测，得到第二评估结果；基于所述第一评估结果和所述第二评估结果，得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，所述基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果，包括：确定所述当前行为数据的渠道所属的第一渠道分组；通过所述目标风险评估模型对所述当前行为数据以及所述当前行为数据的渠道和所述第一渠道分组的编号信息中的至少一项进行特征提取，得到目标用户特征数据；基于所述目标用户特征数据，通过所述目标风险评估模型得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，所述基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果，包括：若确定所述目标用户未曾被确定为风险用户，基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，所述方法还包括：若确定所述目标用户曾经被确定为风险用户，确定所述目标用户的当前风险评估结果为存在风险。
在一种可选的实施方式中，在基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型之后，所述方法还包括：获取在预设时间段内的新增用户行为数据；基于所述预设时间段内的新增用户行为数据，更新所述目标风险评估模型。
在一种可选的实施方式中，所述方法还包括：在基于所述目标用户的当前风险评估结果确定所述目标用户为风险用户的情况下，基于所述目标用户的用户行为数据对所述目标风险评估模型进行更新。
在一种可选的实施方式中，所述用户行为数据包括活体人脸数据、身份证、姓名、手机号、银行卡、互联网协议地址、安卓身份标识、行动热点多信道接入地址、设备的国际移动设备识别码或广告标识、位置坐标中的一项或多项。
第二方面，本申请实施例提供风险评估装置，包括通信单元和处理单元，其中，
所述处理单元用于：通过所述通信单元获取来自于多个渠道的历史用户行为数据；以及基于所述历史用户行为数据，确定至少一个风险用户；以及基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型；以及基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，在所述基于所述历史用户行为数据，确定至少一个风险用户方面，所述处理单元具体用于：基于预设规则，提取所述历史用户行为数据中存在异常的第一历史用户行为数据；以及确定所述第一历史用户行为数据对应的至少一个用户为风险用户。
在一种可选的实施方式中，在所述基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型方面，所述处理单元具体用于：将所述历史用户行为数据中包含的所述至少一个风险用户的第一历史用户行为数据作为负样本、将所述历史用户行为数据中除所述第一历史用户行为数据之外的第二历史用户行为数据中的至少一部分作为正样本，对初始风险评估模型进行迭代训练，得到目标风险评估模型。
在一种可选的实施方式中，在所述基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型方面，所述处理单元具体用于：通过初始风险评估模型对所述风险用户的第一历史用户行为数据进行特征提取处理，得到风险用户特征数据；以及基于所述风险用户特征数据，通过所述初始风险评估模型得到所述风险用户的风险预测结果；以及基于所述风险用户的风险预测结果，调整所述初始风险评估模型的模型参数。
在一种可选的实施方式中，在所述基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型方面，所述处理单元具体用于：对所述多个渠道进行归类分组，得到多组渠道，其中，每组渠道包括所述多个渠道中至少一个渠道；将所述历史用户行为数据中每条用户行为数据和所述每条用户行为数据的渠道所属的分组作为样本数据，对初始风险评估模型进行训练，得到目标风险评估模型。
在一种可选的实施方式中，所述用户历史用户行为数据包括用户历史活体检测数据；所述用户历史活体检测数据包括下列中的一项或任意多项：用于历史活体检测的人脸图像、所述历史活体检测的检测结果和所述历史活体检测的伪造类型。
在一种可选的实施方式中，在所述基于所述目标风险评估模型和目标用户的当前行为数据，得到所述目标用户的当前风险评估结果方面，所述处理单元具体用于：通过所述目标风险评估模型处理所述目标用户的当前行为数据，输出所述目标用户的当前风险评估结果。
在一种可选的实施方式中，在所述基于所述目标风险评估模型和目标用户的当前行为数据，得到所述目标用户的当前风险评估结果方面，所述处理单元具体用于：基于所述目标风险评估模型、目标用户的当前行为数据以及所述目标用户的历史用户行为数据，得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，在所述基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果方面，所述处理单元具体用于：基于预设规则对所述目标用户的当前行为数据进行分析，得到第一评估结果；通过所述目标风险评估模型对所述目标用户的当前行为数据进行预测，得到第二评估结果；基于所述第一评估结果和所述第二评估结果，得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，在所述基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果方面，所述处理单元具体用于：确定所述当前行为数据的渠道所属的第一渠道分组；通过所述目标风险评估模型对所述当前行为数据以及所述当前行为数据的渠道和所述第一渠道分组的编号信息中的至少一项进行特征提取，得到目标用户特征数据；基于所述目标用户特征数据，通过所述目标风险评估模型得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，在所述基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果方面，所述处理单元具体用于：若确定所述目标用户未曾被确定为风险用户，基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，所述处理单元还用于：若确定所述目标用户曾经被确定为风险用户，确定所述目标用户的当前风险评估结果为存在风险。
在一种可选的实施方式中，在基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型之后，所述处理单元还用于：获取在预设时间段内的新增用户行为数据；基于所述预设时间段内的新增用户行为数据，更新所述目标风险评估模型。
在一种可选的实施方式中，所述处理单元还用于：在基于所述目标用户的当前风险评估结果确定所述目标用户为风险用户的情况下，基于所述目标用户的用户行为数据对所述目标风险评估模型进行更新。在一种可选的实施方式中，所述用户行为数据包括活体人脸数据、身份证、姓名、手机号、银行卡、互联网协议地址、安卓身份标识、行动热点多信道接入地址、设备的国际移动设备识别码或广告标识、位置坐标中的一项或多项。
第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面任一方法中的步骤的指令。
第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。
第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可以看出，本申请实施例通过从多个渠道获取历史用户行为数据，然后根据历史用户行为数据中存在风险的历史用户行为数据确定存在风险的用户，并根据风险用户在各个渠道的历史用户行为数据，得到目标风险评估模型；然后使用目标风险评估模型对目标用户的当前行为数据的风险进行评估，能够提升风险评估的准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1是本申请实施例提供的一种风险评估系统的示意图；
图2a是本申请实施例公开的一种风险评估方法的流程示意图；
图2b是本申请实施例提供的一种风险评估框架示意图；
图3本申请实施例提供的一种电子设备的结构示意图；
图4本申请实施例提供的一种风险评估装置的功能单元组成框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请中的术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
如图1所示，图1为一个风险评估系统100的示意图，该风险评估系统100包括数据获取装置110、数据处理装置120，所述数据获取装置110连接所述数据处理装置120，数据获取装置110用于获取用户的行为数据(包括历史用户行为数据和当前行为数据)，并发给数据处理装置120进行处理，风险评估装置120用于对获取到的行为数据进行处理并输出处理结果，该风险评估系统100可以包括集成式单体设备或者多设备，为方便描述，本申请将风险评估系统100统称为电子设备。该电子设备可以包括终端设备或服务器或其它处理设备，具体实现中，上述终端设备可以是各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(UserEquipment，UE)，移动台(Mobile Station，MS)，终端设备(terminal device)等等。
目前的用户欺诈风险评估方法是对用户在自身平台上的请求行为进行建模，评估准确性难以达到期望。基于此，本申请实施例提出基于用户在多家平台(即多个渠道)的历史用户行为数据来综合判断用户本次行为存在欺诈的可能性，能够提高风险评估的准确性。下面对本申请实施例进行详细介绍。
请参阅图2a，图2a是本申请实施例提供了一种风险评估方法的流程示意图，应用于如图1所示的电子设备，如图所示，本风险评估方法包括：
201：获取来自于多个渠道的历史用户行为数据。
其中，所述行为数据可以是用户通过终端设备向系统或平台发起的各种请求和/或与该请求相关的数据。例如，可以是用户通过用户终端向互联网平台发起的借贷请求，则该借贷请求本身和/或与该借贷请求相关的数据(例如，用户基于该请求与平台之间的交互数据等)均可以属于所述行为数据。上述历史用户行为数据为在当前时间点之前已经产生的所有行为数据，或在当前时间点之前一段时间内产生的行为数据。
上述渠道是指行为数据的来源。例如，各种银行、信贷、支付以及电子商务的平台或系统等。用户行为数据可以包括但不限于活体人脸数据、身份证、姓名、手机号、银行卡、互联网协议地址、安卓身份标识、行动热点多信道接入地址、设备的国际移动设备识别码或广告标识、位置坐标中的一项或多项。
在一些可选的具体实现中，如图2b所示，可以将n个渠道集中在同一数据采集端口，然后通过该数据采集端口获取所述n个渠道的历史用户行为数据。并将获取到的数据进行清洗，得到清洗后的行为数据，最后通过获取到的历史用户行为数据进行建模，以便通过建立的模型对目标用户的当前行为数据，得到所述目标用户的当前风险评估结果。
202：基于所述历史用户行为数据，确定至少一个风险用户。
具体的，所述基于所述历史用户行为数据，确定至少一个风险用户具体可以包括：基于预设规则，提取所述历史用户行为数据中存在异常的第一历史用户行为数据；确定所述第一历史用户行为数据对应的至少一个用户为风险用户。
其中，所述第一历史用户行为数据是指所述历史用户行为数据中存在欺诈风险的行为数据和/或可能存在欺诈风险的行为数据。例如所述第一历史用户行为数据可以是用户A使用用户B的身份证号向借贷平台发起借贷请求的行为数据；又例如，用户A使用伪造的信用记录去申请借贷的行为数据等等。
在一种具体实现中，可以通过预设的规则来对所述历史数据中的第一历史用户行为数据进行提取。例如，对于借贷业务的行为数据，上述预设规则可以是在预设时间内，当检测到同一个身份标识ID或同一个用户的借贷请求次数(包括不同渠道的请求次数)超过阈值，则将该时间段内该ID或用户的借贷请求行为数据确定为第一历史用户行为数据。
在另一种具体实现中，还可以通过获取渠道对风险数据的标注数据来对所述历史数据中的风险行为数据进行提取。例如，各个渠道对存在风险的行为数据进行了标注，则当获取到所述历史用户行为数据后，向各个渠道请求获取标注存在风险的行为数据的标注信息，然后根据标注信息提取所述历史用户行为数据中存在风险的行为数据(即所述第一历史用户行为数据)。
可以理解的是，上述两种实现提取历史数据中第一历史用户行为数据的实施方式只是本申请实施提供的两种实现方式，本申请实施例不对如何提取历史数据中第一历史用户行为数据的具体实施方式进行限定。
在本申请实施例中，风险用户是指在用户的行为数据中存在有欺诈风险行为的数据，即所述第一历史用户行为数据对应的用户为所述风险用户。
在一种可选的实施方式中，所述行为数据中可以包括关联标识，所述关联标识为所述行为数据与用户身份之间的关联信息；即可以表征或与用户身份有联系的信息。因此，可以基于所述第一历史用户行为数据关联标识确定至少一个风险用户。
其中，所述关联标识可以包括但不限于活体人脸、身份证、姓名、手机号、银行卡、互联网协议(Internet Protocol Address，IP)地址、安卓身份标识(Androidid)、行动热点多信道接入地址(wifi-mac)、设备的国际移动设备识别码(Mobile Equipment Identity,IMEI)或广告标识(Identifier For Advertising，IDFA)等中的一项或多项。
在本申请实施例中，每条行为数据中包含至少一个关联标识。例如，一条借贷请求行为数据的管理标识可以包括用户的身份证号、用户的姓名、用户的手机号、银行卡号、用户设备的IMEI等，若该请求行为需要验证人脸验证时，则该借贷请求行为数据的关联标识还可以包括该用户的活体人脸数据户或人脸图像数据。因此，可以通过行为数据的关联标识中的一个或多个来确定与该行为数据对应的用户。例如，在上述借贷请求行为数据的例子中，可以通过身份证号唯一确定与该用户行为数据对应的用户，也可以通过姓名、手机号、银行卡号多个关联标识确定该行为数据的关联标识。因此，在确定历史用户行为数据中的第一历史用户行为数据之后，可以通过这些第一历史用户行为数据的关联标识确定出至少一个风险用户。
进一步的，可以通过所述历史用户行为数据中行为数据的关联标识，将所述历史用户行为数据中属于同一个用户的行为数据关联到一起，即的到用户在所述历史用户行为数据中的所有行为数据。
203：基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型。
其中，所述目标风险评估模型是基于历史行为数据对初始风险评估模型进行训练得到的。所述初始风险评估模型由各个渠道的风险用户的特征参数、风险用户的特征参数的权重、渠道特征以及渠道特征的权重等构成。可选的，所述初始风险评估模型还可以包括正常用户的特征参数以及正常用户的特征参数的权重。
在一些实施例中，目标风险评估模型通过深度神经网络来实现，或者通过其他机器学习模型来实现，本公开实施例对此不做限定。
在一种可选的实时方式中，所述基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型，具体可以包括：将所述历史用户行为数据中包含的所述至少一个风险用户的第一历史用户行为数据作为负样本、将所述历史用户行为数据中除所述第一历史用户行为数据之外的第二历史用户行为数据中的至少一部分作为正样本，对初始风险评估模型进行迭代训练，得到目标风险评估模型。
在一些实施例中，基于所述至少一个风险用于，对所述历史用户行为数据中的每条用户行为数据进行标注，例如，对于对应于所述至少一个风险用户的用户行为数据，可以标注存在风险或者所述风险用户对应的风险等级，而对于所述历史用户行为数据中对应于其他用户的用户行为数据，可以标注不存在风险或者相应的风险等级，等等，这样，基于具有标注的历史用户行为数据对初始风险评估模型进行训练，得到目标风险评估模型。
在一些可选的具体实现中，可以通过所述至少一个风险用户的关联标识从所述历史用户行为数据中提取出所述至少一个风险用户的第一历史行为数据。在搭建好所述初始风险评估模型，并初始化后，将所至少一个风险用户的第一历史用户行为数据作为负样本，将所述历史用户行为数据中除所述第一历史用户行为数据之外的第二历史用户行为数据中的至少一部分作为正样本，对初始风险评估模型中的参数进行迭代训练，得到目标风险评估模型。
进一步的，可以通过初始风险评估模型对所述至少一个风险用户的第一历史用户行为数据进行特征提取处理，得到风险用户特征数据；然后基于所述风险用户特征数据，通过所述初始风险评估模型得到所述风险用户的风险预测结果；基于所述风险用户的风险预测结果，调整所述初始风险评估模型的模型参数，以使所述初始风险评估模型的模型参数达到最优，从而得到所述目标风险评估模型。
在一些实施例中，还可以基于用户的历史活体检测数据来进行建模。
在一种可选的实时方式中，所述用户历史用户行为数据包括用户历史活体检测数据；所述用户历史活体检测数据包括下列中的一项或任意多项：用于历史活体检测的人脸图像、所述历史活体检测的检测结果和所述历史活体检测的伪造类型。
其中，所述活体检测是指在一些身份验证场景确定对象真实生理特征的方法，在人脸识别应用中，可以通过交互活体检测，例如眨眼、张嘴、摇头、点头等组合动作，或者通过单目、双目或三维静默活体检测，验证是否为真实人脸，从而有效抵御照片、换脸、面具、遮挡以及屏幕翻拍等攻击手段，帮助甄别欺诈行为。
在一些可选的具体实现中，可以对活体行为数据中的人脸特征进行提取，以及提取包含人脸的图像的背景进行提取(用于判断数据的真伪)，并根据提取的人脸特征提取人脸的表情。从而，可以得到所述活体特征数据。进一步的，在提取人脸特征时，可以分别对不同时间段来提取人脸特征，例如，可以分为近期人脸特征，远期人脸特征等；以使所述活体特征数据中可以包括近期和远期人脸的比对特征。
由于用户历史用户行为数据包括用户历史活体检测数据。因此，在所述对所述风险用户的第一历史用户行为数据进行特征提取处理，得到风险用户特征数据后，所述风险用户特征数据中包括用户的活体特征数据。进一步，使得所述目标风险评估模型中包括所述风险用户的活体特征。从而可以使得，在使用所述目标风险评估模型对用户的行为数据进行风险评估时，可以通过比对用户的活体特征来增加判断用户是否存在风险的依据。
在一种可选的实施方式中，所述基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型，具体可以包括：对所述多个渠道进行归类分组，得到多组渠道，其中，每组渠道包括所述多个渠道中至少一个渠道；将所述历史用户行为数据中每条用户行为数据和所述每条用户行为数据的渠道所属的分组作为样本数据，对初始风险评估模型进行训练，得到目标风险评估模型。
在一些可选的具体实现中，在前述的初始风险评估模型的基础上，可以是所述初始风险评估模型包括渠道分组的特征参数，并与其他特征参数一起构成所述初始风险评估模型，然后在使用训练样本对初始风险评估模型进行训练。具体的，可以基于渠道特征以及所述初始风险评估模型的渠道分组特征参数对所述多个渠道进行归类分组，得到多组渠道，然后将所述历史用户行为数据中每条用户行为数据和所述每条用户行为数据的渠道所属的分组作为样本数据，对初始风险评估模型进行训练，得到目标风险评估模型。
其中，可以通过渠道的特征来对所述多个渠道进行分组，所述渠道的特征可以包括但不限于渠道的用户活跃时间段、渠道的用户所在的区域、渠道类型、渠道的业务类型等一种或任意多种。
在一些实施例中，可以将每条用户行为数据的渠道、渠道所属的渠道分组以及用户行为数据一起输入到模型中进行训练，或者，也可以将渠道作为用户行为数据的一部分，本公开实施例对此不做限定。
204：基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果。
在一些可选的具体实现中，可以通过所述目标风险评估模型处理所述目标用户的当前行为数据，并输出所述目标用户的当前风险评估结果。
在一些实施例中，可以通过目标风险评估模型和预设规则分别对目标用户的当前行为数据进行风险评估，得到初始风险评估结果，并基于分别得到的初始风险评估结果，得到最终的风险评估结果。
具体的，在所述目标用户为新用户时，即所述目标用户不存在历史行为数据的情况下，可以通过所述目标风险评估模型处理所述目标用户的当前行为数据，并输出所述目标用户的当前风险评估结果。
可以看出，本申请实施例通过从多个渠道获取历史用户行为数据，然后根据历史用户行为数据中存在风险的历史用户行为数据确定存在风险的用户，并根据风险用户在各个渠道的历史用户行为数据，得到目标风险评估模型；然后使用目标风险评估模型对目标用户的当前行为数据的风险进行评估，能够提升风险评估的准确性。
在一种可选的实施方式中，还可以基于所述目标风险评估模型、目标用户的当前行为数据以及所述目标用户的历史用户行为数据，得到所述目标用户的当前风险评估结果。
具体的，当所述目标用户存在历史用户行为数据的情况下，可以通过所述目标风险评估模型度对所述目标用户的历史用户行为数据和当前行为数据进行处理，并输出所述目标用户的当前风险评估模型。
在另一种可选的实施方式中，所述基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果，包括：基于预设规则对所述目标用户的当前行为数据进行分析，得到第一评估结果；通过所述目标风险评估模型对所述目标用户的当前行为数据进行预测，得到第二评估结果；基于所述第一评估结果和所述第二评估结果，得到所述目标用户的当前风险评估结果。
具体的，可以先通过预设规则对所述目标用户的当前行为数据进行分析，确定所述当前行为数据是否存在异常，得到初步评估结果。然后通过所述目标风险评估模型对所述目标用户的当前行为数据进行预测，得到第二评估结果；最后基于所述第一评估结果和所述第二评估结果，得到所述目标用户的当前风险评估结果。
在又一种可选的实施方式中，所述基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果，包括：确定所述当前行为数据的渠道所属的第一渠道分组；通过所述目标风险评估模型对所述当前行为数据以及所述当前行为数据的渠道和所述第一渠道分组的编号信息中的至少一项进行特征提取，得到目标用户特征数据；基于所述目标用户特征数据，通过所述目标风险评估模型得到所述目标用户的当前风险评估结果。
具体的，可以通过所述当前行为数据的渠道标识来确定所述当前行为数据的渠道，然后通过所述当前行为数据的渠道确定所述当前行为数据归属的渠道分组；接着，通过所述目标风险评估模型对所述当前行为数据以及所述当前行为数据的渠道和所述第一渠道分组的编号信息中的至少一项进行特征提取，得到目标用户特征数据；最后，基于所述目标用户特征数据，通过所述目标风险评估模型得到所述目标用户的当前风险评估结果。
在又一种可选的实施方式中，所述基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果，具体可以包括：若确定所述目标用户未曾被确定为风险用户，基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果。
在一些可选的具体实现中，由于在创建所述目标风险评估模型的过程中，会通过预设规则提取所述历史用户行为数据中存在异常的第一历史用户行为数据；并确定所述第一历史用户行为数据对应的至少一个用户为风险用户；另外随着时间推移，可以通过所述目标风险评估模型的评估结果确定出一部分风险用户，并对风险用户进行标记。因此，在后续对用户当前行为数据进行风险评估时，可以先确定所述目标用户是否已经被确定为风险用户，若所述目标用户未曾被确定为风险用户，则基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果。
进一步的，若确定所述目标用户曾经被确定为风险用户，则确定所述目标用户的当前风险评估结果为存在风险。
在一种可选的实施方式中，在基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型之后，所述方法还包括：获取在预设时间段内的新增用户行为数据；基于所述预设时间段内的新增用户行为数据，更新所述目标风险评估模型。
在一些可选的具体实现中，由于随着时间的推移，会产生更多的历史行为数据。因此，我们可以通过新产生的历史行为数据来对所述目标风险评估模型的参数进行更新优化，以使的是风险评估模型能够更准确的评估用户是否存在风险。具体可以周期性的获取在预设时间段内的新增用户行为数据；然后基于所述预设时间段内的新增用户行为数据，更新所述目标风险评估模型。其具体更新过程可以和训练过程类似。
进一步的，由于所述目标风险评估模型主要是基于风险用户的用户行为数据建立并训练的；因此，可以在基于所述目标用户的当前风险评估结果确定所述目标用户为风险用户的情况下，基于所述目标用户的行为数据对所述目标风险评估模型进行更新，以使的是风险评估模型能够更准确的评估用户是否存在风险。
与上述图2a所示的实施例一致的，请参阅图3，图3是本申请实施例提供的一种电子设备300的结构示意图，如图所示，所述电子设备300包括应用处理器310、存储器320、通信接口330以及一个或多个程序321，其中，所述一个或多个程序321被存储在上述存储器320中，并且被配置由上述应用处理器310执行，所述一个或多个程序321包括用于执行以下步骤的指令；
所述处理单元用于：通过所述通信单元获取来自于多个渠道的历史用户行为数据；以及基于所述历史用户行为数据，确定至少一个风险用户；以及基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型；以及基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果。
可以看出，本申请实施例通过从多个渠道获取历史用户行为数据，然后根据历史用户行为数据中存在风险的历史用户行为数据确定存在风险的用户，并根据风险用户在各个渠道的历史用户行为数据，得到目标风险评估模型；然后使用目标风险评估模型对目标用户的当前行为数据的风险进行评估，能够提升风险评估的准确性。
在一种可选的实施方式中，在所述基于所述历史用户行为数据，确定至少一个风险用户方面，所述程序中的指令具体用于执行以下操作：基于预设规则，提取所述历史用户行为数据中存在异常的第一历史用户行为数据；以及确定所述第一历史用户行为数据对应的至少一个用户为风险用户。
在一种可选的实施方式中，在所述基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型方面，所述程序中的指令具体用于执行以下操作：将所述历史用户行为数据中包含的所述至少一个风险用户的第一历史用户行为数据作为负样本、将所述历史用户行为数据中除所述第一历史用户行为数据之外的第二历史用户行为数据中的至少一部分作为正样本，对初始风险评估模型进行迭代训练，得到目标风险评估模型。
在一种可选的实施方式中，在所述基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型方面，所述程序中的指令具体用于执行以下操作：通过初始风险评估模型对所述风险用户的第一历史用户行为数据进行特征提取处理，得到风险用户特征数据；以及基于所述风险用户特征数据，通过所述初始风险评估模型得到所述风险用户的风险预测结果；以及基于所述风险用户的风险预测结果，调整所述初始风险评估模型的模型参数。
在一种可选的实施方式中，在所述基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型方面，所述程序中的指令具体用于执行以下操作：对所述多个渠道进行归类分组，得到多组渠道，其中，每组渠道包括所述多个渠道中至少一个渠道；将所述历史用户行为数据中每条用户行为数据和所述每条用户行为数据的渠道所属的分组作为样本数据，对初始风险评估模型进行训练，得到目标风险评估模型。
在一种可选的实施方式中，所述用户历史用户行为数据包括用户历史活体检测数据；所述用户历史活体检测数据包括下列中的一项或任意多项：用于历史活体检测的人脸图像、所述历史活体检测的检测结果和所述历史活体检测的伪造类型。
在一种可选的实施方式中，在所述基于所述目标风险评估模型和目标用户的当前行为数据，得到所述目标用户的当前风险评估结果方面，所述程序中的指令具体用于执行以下操作：通过所述目标风险评估模型处理所述目标用户的当前行为数据，输出所述目标用户的当前风险评估结果。
在一种可选的实施方式中，在所述基于所述目标风险评估模型和目标用户的当前行为数据，得到所述目标用户的当前风险评估结果方面，所述程序中的指令具体用于执行以下操作：基于所述目标风险评估模型、目标用户的当前行为数据以及所述目标用户的历史用户行为数据，得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，在所述基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果方面，所述程序中的指令具体用于执行以下操作：基于预设规则对所述目标用户的当前行为数据进行分析，得到第一评估结果；通过所述目标风险评估模型对所述目标用户的当前行为数据进行预测，得到第二评估结果；基于所述第一评估结果和所述第二评估结果，得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，在所述基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果方面，所述程序中的指令具体用于执行以下操作：确定所述当前行为数据的渠道所属的第一渠道分组；通过所述目标风险评估模型对所述当前行为数据以及所述当前行为数据的渠道和所述第一渠道分组的编号信息中的至少一项进行特征提取，得到目标用户特征数据；基于所述目标用户特征数据，通过所述目标风险评估模型得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，在所述基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果方面，所述程序中的指令具体用于执行以下操作：若确定所述目标用户未曾被确定为风险用户，基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，所述程序中的指令还用于执行以下操作：若确定所述目标用户曾经被确定为风险用户，确定所述目标用户的当前风险评估结果为存在风险。
在一种可选的实施方式中，在基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型之后，所述程序中的指令还用于执行以下操作：获取在预设时间段内的新增用户行为数据；基于所述预设时间段内的新增用户行为数据，更新所述目标风险评估模型。
在一种可选的实施方式中，所述程序中的指令还用于执行以下操作：在基于所述目标用户的当前风险评估结果确定所述目标用户为风险用户的情况下，基于所述目标用户的用户行为数据对所述目标风险评估模型进行更新。
在一种可选的实施方式中，所述用户行为数据包括活体人脸数据、身份证、姓名、手机号、银行卡、互联网协议地址、安卓身份标识、行动热点多信道接入地址、设备的国际移动设备识别码或广告标识、位置坐标中的一项或多项。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，电子设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子设备进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
图4是本申请实施例中所涉及的风险评估装置400的功能单元组成框图。该风险评估装置400应用于电子设备，所述电子设备包括处理单元401和通信单元402，其中，
所述处理单元401用于：通过所述通信单元402获取来自于多个渠道的历史用户行为数据；
以及基于所述历史用户行为数据，确定至少一个风险用户；以及基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型；以及基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果。
其中，所述风险评估装置400还可以包括存储单元403，用于存储电子设备的程序代码和数据。所述处理单元401可以是处理器，所述通信单元402可以是内部通信接口，存储单元403可以是存储器。
可以看出，本申请实施例通过从多个渠道获取历史用户行为数据，然后根据历史用户行为数据中存在风险的历史用户行为数据确定存在风险的用户，并根据风险用户在各个渠道的历史用户行为数据，得到目标风险评估模型；然后使用目标风险评估模型对目标用户的当前行为数据的风险进行评估，能够提升风险评估的准确性。
在一种可选的实施方式中，在所述基于所述历史用户行为数据，确定至少一个风险用户方面，所述处理单元401具体用于：基于预设规则，提取所述历史用户行为数据中存在异常的第一历史用户行为数据；以及确定所述第一历史用户行为数据对应的至少一个用户为风险用户。
在一种可选的实施方式中，在所述基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型方面，所述处理单元401具体用于：将所述历史用户行为数据中包含的所述至少一个风险用户的第一历史用户行为数据作为负样本、将所述历史用户行为数据中除所述第一历史用户行为数据之外的第二历史用户行为数据中的至少一部分作为正样本，对初始风险评估模型进行迭代训练，得到目标风险评估模型。
在一种可选的实施方式中，在所述基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型方面，所述处理单元401具体用于：通过初始风险评估模型对所述风险用户的第一历史用户行为数据进行特征提取处理，得到风险用户特征数据；以及基于所述风险用户特征数据，通过所述初始风险评估模型得到所述风险用户的风险预测结果；以及基于所述风险用户的风险预测结果，调整所述初始风险评估模型的模型参数。
在一种可选的实施方式中，在所述基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型方面，所述处理单元401具体用于：对所述多个渠道进行归类分组，得到多组渠道，其中，每组渠道包括所述多个渠道中至少一个渠道；将所述历史用户行为数据中每条用户行为数据和所述每条用户行为数据的渠道所属的分组作为样本数据，对初始风险评估模型进行训练，得到目标风险评估模型。
在一种可选的实施方式中，所述用户历史用户行为数据包括用户历史活体检测数据；所述用户历史活体检测数据包括下列中的一项或任意多项：用于历史活体检测的人脸图像、所述历史活体检测的检测结果和所述历史活体检测的伪造类型。
在一种可选的实施方式中，在所述基于所述目标风险评估模型和目标用户的当前行为数据，得到所述目标用户的当前风险评估结果方面，所述处理单元401具体用于：通过所述目标风险评估模型处理所述目标用户的当前行为数据，输出所述目标用户的当前风险评估结果。
在一种可选的实施方式中，在所述基于所述目标风险评估模型和目标用户的当前行为数据，得到所述目标用户的当前风险评估结果方面，所述处理单元401具体用于：基于所述目标风险评估模型、目标用户的当前行为数据以及所述目标用户的历史用户行为数据，得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，在所述基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果方面，所述处理单元401具体用于：基于预设规则对所述目标用户的当前行为数据进行分析，得到第一评估结果；通过所述目标风险评估模型对所述目标用户的当前行为数据进行预测，得到第二评估结果；基于所述第一评估结果和所述第二评估结果，得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，在所述基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果方面，所述处理单元401具体用于：确定所述当前行为数据的渠道所属的第一渠道分组；通过所述目标风险评估模型对所述当前行为数据以及所述当前行为数据的渠道和所述第一渠道分组的编号信息中的至少一项进行特征提取，得到目标用户特征数据；基于所述目标用户特征数据，通过所述目标风险评估模型得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，在所述基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果方面，所述处理单元401具体用于：若确定所述目标用户未曾被确定为风险用户，基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果。
在一种可选的实施方式中，所述处理单元401还用于：若确定所述目标用户曾经被确定为风险用户，确定所述目标用户的当前风险评估结果为存在风险。
在一种可选的实施方式中，在基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型之后，所述处理单元401还用于：获取在预设时间段内的新增用户行为数据；基于所述预设时间段内的新增用户行为数据，更新所述目标风险评估模型。
在一种可选的实施方式中，所述处理单元401还用于：在基于所述目标用户的当前风险评估结果确定所述目标用户为风险用户的情况下，基于所述目标用户的用户行为数据对所述目标风险评估模型进行更新。
在一种可选的实施方式中，所述用户行为数据包括活体人脸数据、身份证、姓名、手机号、银行卡、互联网协议地址、安卓身份标识、行动热点多信道接入地址、设备的国际移动设备识别码或广告标识、位置坐标中的一项或多项。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
上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单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种风险评估方法，其特征在于，所述方法包括：
获取来自于多个渠道的历史用户行为数据；
基于所述历史用户行为数据，确定至少一个风险用户；
基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型；
基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果。
2.根据权利要求1所述的方法，其特征在于，所述基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型，包括：
将所述历史用户行为数据中包含的所述至少一个风险用户的第一历史用户行为数据作为负样本、将所述历史用户行为数据中除所述第一历史用户行为数据之外的第二历史用户行为数据中的至少一部分作为正样本，对初始风险评估模型进行迭代训练，得到目标风险评估模型。
3.根据权利要求1至2中任一项所述的方法，其特征在于，所述基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型，包括：
通过初始风险评估模型对所述至少一个风险用户的第一历史用户行为数据进行特征提取处理，得到风险用户特征数据；
基于所述风险用户特征数据，通过所述初始风险评估模型得到所述风险用户的风险预测结果；
基于所述风险用户的风险预测结果，调整所述初始风险评估模型的模型参数。
4.根据权利要求3所述的方法，其特征在于，所述基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型，包括：
对所述多个渠道进行归类分组，得到多组渠道，其中，每组渠道包括所述多个渠道中至少一个渠道；
将所述历史用户行为数据中每条用户行为数据和所述每条用户行为数据的渠道所属的分组作为样本数据，对初始风险评估模型进行训练，得到目标风险评估模型。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述基于所述目标风险评估模型和目标用户的当前行为数据，得到所述目标用户的当前风险评估结果，包括：
基于所述目标风险评估模型、目标用户的当前行为数据以及所述目标用户的历史用户行为数据，得到所述目标用户的当前风险评估结果。
6.根据权利要求5所述的方法，其特征在于，所述基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果，包括：
确定所述当前行为数据的渠道所属的第一渠道分组；
通过所述目标风险评估模型对所述当前行为数据以及所述当前行为数据的渠道和所述第一渠道分组的编号信息中的至少一项进行特征提取，得到目标用户特征数据；
基于所述目标用户特征数据，通过所述目标风险评估模型得到所述目标用户的当前风险评估结果。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果，包括：
若确定所述目标用户未曾被确定为风险用户，基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果。
8.一种风险评估装置，其特征在于，包括通信单元和处理单元，其中，
所述处理单元用于：通过所述通信单元获取来自于多个渠道的历史用户行为数据；
以及基于所述历史用户行为数据，确定至少一个风险用户；
以及基于所述历史用户行为数据和所述至少一个风险用户，得到目标风险评估模型；
以及基于所述目标风险评估模型、目标用户的当前行为数据，得到所述目标用户的当前风险评估结果。
9.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序被配置成由所述处理器执行，所述处理器用于执行如权利要求1-7任一项所述的方法。
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用于存储计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-7任一项所述的方法。
CN201910947628.5A 2019-09-29 2019-09-29 风险评估方法、装置、电子设备及存储介质 Pending CN110675252A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910947628.5A CN110675252A (zh) 2019-09-29 2019-09-29 风险评估方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910947628.5A CN110675252A (zh) 2019-09-29 2019-09-29 风险评估方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN110675252A true CN110675252A (zh) 2020-01-10

Family

ID=69080874

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910947628.5A Pending CN110675252A (zh) 2019-09-29 2019-09-29 风险评估方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN110675252A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111275445A (zh) * 2020-01-15 2020-06-12 支付宝实验室(新加坡)有限公司 一种数据的处理方法、装置及设备
CN111325580A (zh) * 2020-02-26 2020-06-23 支付宝(杭州)信息技术有限公司 用户账号管理方法、装置、设备及存储介质
CN112365265A (zh) * 2020-10-26 2021-02-12 建投数据科技（山东）有限公司 一种互联网金融智能风控系统
CN112784219A (zh) * 2021-02-08 2021-05-11 北京淇瑀信息科技有限公司 基于app指数的用户风险预测方法、装置及电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103714479A (zh) * 2012-10-09 2014-04-09 四川欧润特软件科技有限公司 银行个人业务欺诈行为实时智能化集中监控的方法和系统
CN107657357A (zh) * 2016-07-26 2018-02-02 阿里巴巴集团控股有限公司 数据的处理方法及装置
CN108596434A (zh) * 2018-03-23 2018-09-28 卫盈联信息技术（深圳）有限公司 欺诈检测和风险评估方法、系统、设备及存储介质
CN109063965A (zh) * 2018-06-29 2018-12-21 阿里巴巴集团控股有限公司 一种网络支付风险评估方法、装置及服务器
CN109214617A (zh) * 2017-06-29 2019-01-15 格局商学教育科技（深圳）有限公司 一种互联网金融风险定量评估审核系统
CN109389486A (zh) * 2018-08-27 2019-02-26 深圳壹账通智能科技有限公司 贷款风控规则调整方法、装置、设备及计算机存储介质
CN109409896A (zh) * 2018-10-17 2019-03-01 北京芯盾时代科技有限公司 银行欺诈识别模型训练方法、银行欺诈识别方法和装置
CN109472692A (zh) * 2018-10-31 2019-03-15 厦门市七星通联科技有限公司 一种基于反欺诈的分期任务审核系统以及方法
CN109583782A (zh) * 2018-12-07 2019-04-05 厦门铅笔头信息科技有限公司 支持多数据源的汽车金融风控模型
CN109919754A (zh) * 2019-01-24 2019-06-21 北京迈格威科技有限公司 一种数据获取方法、装置、终端及存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103714479A (zh) * 2012-10-09 2014-04-09 四川欧润特软件科技有限公司 银行个人业务欺诈行为实时智能化集中监控的方法和系统
CN107657357A (zh) * 2016-07-26 2018-02-02 阿里巴巴集团控股有限公司 数据的处理方法及装置
CN109214617A (zh) * 2017-06-29 2019-01-15 格局商学教育科技（深圳）有限公司 一种互联网金融风险定量评估审核系统
CN108596434A (zh) * 2018-03-23 2018-09-28 卫盈联信息技术（深圳）有限公司 欺诈检测和风险评估方法、系统、设备及存储介质
WO2019178914A1 (zh) * 2018-03-23 2019-09-26 卫盈联信息技术（深圳）有限公司 欺诈检测和风险评估方法、系统、设备及存储介质
CN109063965A (zh) * 2018-06-29 2018-12-21 阿里巴巴集团控股有限公司 一种网络支付风险评估方法、装置及服务器
CN109389486A (zh) * 2018-08-27 2019-02-26 深圳壹账通智能科技有限公司 贷款风控规则调整方法、装置、设备及计算机存储介质
CN109409896A (zh) * 2018-10-17 2019-03-01 北京芯盾时代科技有限公司 银行欺诈识别模型训练方法、银行欺诈识别方法和装置
CN109472692A (zh) * 2018-10-31 2019-03-15 厦门市七星通联科技有限公司 一种基于反欺诈的分期任务审核系统以及方法
CN109583782A (zh) * 2018-12-07 2019-04-05 厦门铅笔头信息科技有限公司 支持多数据源的汽车金融风控模型
CN109919754A (zh) * 2019-01-24 2019-06-21 北京迈格威科技有限公司 一种数据获取方法、装置、终端及存储介质

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111275445A (zh) * 2020-01-15 2020-06-12 支付宝实验室(新加坡)有限公司 一种数据的处理方法、装置及设备
CN111275445B (zh) * 2020-01-15 2023-08-22 支付宝实验室(新加坡)有限公司 一种数据的处理方法、装置及设备
CN111325580A (zh) * 2020-02-26 2020-06-23 支付宝(杭州)信息技术有限公司 用户账号管理方法、装置、设备及存储介质
CN111325580B (zh) * 2020-02-26 2022-11-08 支付宝(杭州)信息技术有限公司 用户账号管理方法、装置、设备及存储介质
CN112365265A (zh) * 2020-10-26 2021-02-12 建投数据科技（山东）有限公司 一种互联网金融智能风控系统
CN112365265B (zh) * 2020-10-26 2021-07-02 建投数据科技（山东）有限公司 一种互联网金融智能风控系统
CN112784219A (zh) * 2021-02-08 2021-05-11 北京淇瑀信息科技有限公司 基于app指数的用户风险预测方法、装置及电子设备
CN112784219B (zh) * 2021-02-08 2023-12-22 北京淇瑀信息科技有限公司 基于app指数的用户风险预测方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN110198310B (zh) 一种网络行为反作弊方法、装置及存储介质
CN110675252A (zh) 风险评估方法、装置、电子设备及存储介质
CN107423613B (zh) 依据相似度确定设备指纹的方法、装置及服务器
CN109410036A (zh) 一种欺诈检测模型训练方法和装置及欺诈检测方法和装置
CN107566358A (zh) 一种风险预警提示方法、装置、介质及设备
CN109600336A (zh) 存储设备、验证码应用方法和装置
CN111861240A (zh) 可疑用户识别方法、装置、设备及可读存储介质
CN112837069B (zh) 基于区块链与大数据的安全支付方法及云平台系统
CN111949702B (zh) 异常交易数据的识别方法、装置及设备
CN109194689B (zh) 异常行为识别方法、装置、服务器及存储介质
CN109903053B (zh) 一种基于传感器数据进行行为识别的反欺诈方法
CN110598982B (zh) 基于智能交互的主动风控方法和系统
CN110378698A (zh) 交易风险识别方法、装置和计算机系统
CN112329816A (zh) 数据分类方法、装置、电子设备和可读存储介质
CN112418167A (zh) 图像的聚类方法、装置、设备和存储介质
US10997609B1 (en) Biometric based user identity verification
CN105303442A (zh) 网上银行开户账号检测方法和装置
CN112669187A (zh) 身份识别方法、装置、电子设备及相关产品
CN110457601B (zh) 社交账号的识别方法和装置、存储介质及电子装置
CN112437034B (zh) 虚假终端检测方法和装置、存储介质及电子装置
CN112749973A (zh) 一种权限管理方法、装置和计算机可读存储介质
CN111784360B (zh) 一种基于网络链接回溯的反欺诈预测方法及系统
CN108777749A (zh) 一种诈骗电话识别方法及装置
CN109587248A (zh) 用户识别方法、装置、服务器及存储介质
CN110570301B (zh) 风险识别方法、装置、设备及介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200110