CN110708326A - 业务请求异常概率的确定方法和装置 - Google Patents
业务请求异常概率的确定方法和装置 Download PDFInfo
- Publication number
- CN110708326A CN110708326A CN201910975216.2A CN201910975216A CN110708326A CN 110708326 A CN110708326 A CN 110708326A CN 201910975216 A CN201910975216 A CN 201910975216A CN 110708326 A CN110708326 A CN 110708326A
- Authority
- CN
- China
- Prior art keywords
- information
- answer
- determining
- service request
- result
- 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 111
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 70
- 238000011156 evaluation Methods 0.000 claims description 41
- 230000004044 response Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000003825 pressing Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000008921 facial expression Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
- H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1433—Vulnerability analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供了业务请求异常概率的确定方法和装置,涉及金融领域。本申请所提供的业务请求异常概率的确定方法包括:获取业务终端所发出的业务请求;业务请求中携带有作业人的身份信息;根据身份信息确定与作业人相对应的问答题目;通过业务终端输出确定的问答题目,以使业务终端记录针对问答题目的回答信息;回答信息包括回答过程信息和回答结果信息;最后,根据回答过程信息和回答结果信息确定业务请求的异常概率。可见,本申请所提供的方法在确定业务请求的异常概率的时候,使用了提问的方式让操作人进行回答,同时根据回答的结果和回答的过程来综合判断业务请求的异常情况,这种方式的准确率较高。
Description
技术领域
本申请涉及金融领域,具体而言,涉及业务请求异常概率的确定方法和装置。
背景技术
随着移动互联网的普及,越来越多的金融机构开发了移动app并将诸多服务嵌入其中,使得客户可以足不出户就可以通过移动app办理业务。这种服务模式省去了客户在网点的等待时间,提升了客户体验,分流了网点的压力和运营成本。
客户在网点内直接办理业务的时候,通常会由专业的人员引导和核验用户的办理过程,但客户在移动app中办理业务的时候引导和核验的机制相对较为简单,这导致在移动app中办理业务时存在较大的安全隐患。
发明内容
本申请的目的在于提供业务请求异常概率的确定方法和装置。
在一些实施例中,一种业务请求异常概率的确定方法,包括:
获取业务终端所发出的业务请求;业务请求中携带有作业人的身份信息;
根据身份信息确定与作业人相对应的问答题目;
通过业务终端输出确定的问答题目,以使业务终端记录针对问答题目的回答信息;回答信息包括回答过程信息和回答结果信息;
根据回答过程信息和回答结果信息确定业务请求的异常概率。
在一些实施例中,根据身份信息确定与作业人相对应的问答题目,包括:
根据身份信息确定作业人的属性信息;
根据属性信息确定问答题目。
在一些实施例中,属性信息包括以下的任意一种或多种:
身份信息、业务信息、工作信息、出行信息、生活设施信息。
在一些实施例中,根据回答过程信息和回答结果信息确定业务请求的异常概率,包括:
根据回答结果信息和参考结果的相似度确定第一评价信息;参考结果是根据作业人的属性信息确定的;
根据回答过程信息确定第二评价信息;第二评价信息用于表征业务终端记录回答结果信息的过程的合理程度;
根据第一评价信息和第二评价信息确定业务请求的异常概率。
在一些实施例中,回答过程信息包括以下至少一种信息:
声音信息、视觉信息和输入过程信息;输入过程信息用于表征接收回答结果的过程。
在一些实施例中,输入过程信息包括以下任意一种或多种信息:
用于生成回答结果的触屏操作的按压力度、用于生成回答结果的触屏操作的触屏面积、用于生成回答结果的触屏操作的停顿时长、用于生成回答结果的触屏操作的停顿频率、用于生成回答结果的触屏操作的输入时长、浏览提示信息的速度。
在一些实施例中,若回答结果信息为语音回答信息,则步骤根据回答结果信息和参考结果的相似度确定第一评价信息,包括:
对语音回答信息进行声纹分析,以确定语音回答信息所对应的实际声纹特征;
根据作业人的身份信息确定标准声纹特征;
对语音回答信息进行语音识别,以确定语音回答信息所对应的实际文字答案;
根据标准声纹特征和实际声纹特征的相似度,以及实际文字答案和参考结果的相似度确定第一评价信息。
在一些实施例中,若回答结果信息为语音回答信息,则步骤根据回答结果信息和参考结果的相似度确定第一评价信息,包括:
对语音回答信息进行声纹分析,以确定语音回答信息所对应的实际声纹特征;
在数据库中查找与实际声纹特征的相似度超过预定阈值的候选声纹信息;每个候选声纹信息均对应一次业务请求;
对语音回答信息进行语音识别,以确定语音回答信息所对应的实际文字答案;
根据标准声纹特征和实际声纹特征的相似度,以及查找到的候选声纹信息所对应的身份信息的种类数量确定第一评价信息。
在一些实施例中,该方法还包括:
若异常概率超过第一阈值,则终止当前流程;
若异常概率超过第二阈值,且不超过第一阈值,则生成柜台办理提示信息;第一阈值大于第二阈值。
在一些实施例中,一种业务请求识别装置,包括:
获取模块,用于获取业务终端所发出的业务请求;业务请求中携带有作业人的身份信息;
第一确定模块,用于根据身份信息确定与作业人相对应的问答题目;
输出模块,用于通过业务终端输出确定的问答题目,以使业务终端记录针对问答题目的回答信息;回答信息包括回答过程信息和回答结果信息;
第二确定模块,用于根据回答过程信息和回答结果信息确定业务请求的异常概率。
本申请所提供的一种业务请求异常概率的确定方法包括:获取业务终端所发出的业务请求;业务请求中携带有作业人的身份信息;根据身份信息确定与作业人相对应的问答题目;通过业务终端输出确定的问答题目,以使业务终端记录针对问答题目的回答信息;回答信息包括回答过程信息和回答结果信息;最后,根据回答过程信息和回答结果信息确定业务请求的异常概率。可见,本申请所提供的方法在确定业务请求的异常概率的时候,使用了提问的方式让操作人进行回答,同时根据回答的结果和回答的过程来综合判断业务请求的异常情况,这种方式的准确率较高。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的业务请求异常概率的确定方法的基本流程图;
图2示出了本申请实施例所提供的业务请求异常概率的确定方法的第一个细节优化流程图;
图3示出了本申请实施例所提供的业务请求异常概率的确定方法的第二个细节优化流程图;
图4示出了本申请实施例所提供的电子设备的示意图。
具体实施方式
下面将结合本申请实施例中附图,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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的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。
在移动app中办理金融业务的时候存在冒充办理业务的风险,如冒充人在取得客户的账号密码之后冒充客户使用app进行金融操作。为了识别出他人冒充客户进行金融操作的情况,相关技术人员在移动app内增加了人脸识别技术,也就是,在进行金融操作之前会通过手机拍摄当前进行金融操作的作业人的头像,并采用人脸识别技术来判断当前进行金融操作的作业人是否是本人,如果是本人才会正常进行后续流程。某些技术中还会通过手机拍摄一段视频,并在拍摄视频的过程中要求作业人做出一些动作,如眨眼、点头、张嘴等,用于判断是摄像头前是真人而不是照片或面具。
上述识别方式具有一定的合理性,但只能识别出少部分的冒充行为。针对相关技术中存在的他人冒充客户进行金融操作的情况,本申请提供了业务请求异常概率的确定方法,如图1所示,包括如下步骤:
S101,获取业务终端所发出的业务请求;业务请求中携带有作业人的身份信息;
S102,根据身份信息确定与作业人相对应的问答题目;
S103,通过业务终端输出确定的问答题目,以使业务终端记录针对问答题目的回答信息;回答信息包括回答过程信息和回答结果信息;
S104,根据回答过程信息和回答结果信息确定业务请求的异常概率。
步骤S101中,业务终端通常是指业务发起人所持有的移动终端(如手机、平板电脑、PC),该业务终端也可以是指相对固定设置在某些场所内的终端(如设置在某些营业网点中的柜员机)。
具体实现时,业务终端通常不会主动发出业务请求,而是会在操作人(实际与业务终端进行交互的人,可能是步骤S101中的作业人)下达一定的控制指令之后发出该业务请求。由于发出该业务请求的目的是办理某项业务,因此业务请求中通常携带有作业人的身份信息和具体的业务内容。此处,业务请求反映了作业人需要按照该业务内容进行某种业务。
进而,步骤S101反映了后台系统(与业务终端相对立的处理设备)接收到业务终端所发出的业务请求的过程。
步骤S102中,问答题目主要是根据身份信息确定的,此处的问答题目主要是为了验证作业人的真伪,因此,问答题目应当是作业人可以知晓答案的题目。常见的问答题目如回答作业人的年龄、身高等信息。通常,这些问答题目的答案通常是通过某些方式(如作业人的档案,或作业人在开户的时候亲自录入的)能够查询到的,并且和作业人的关系不够亲密的人是无法得知的。
步骤S103中,后台系统将确定好的问答题目发送给了业务终端,以使业务终端输出步骤S102中所确定的问答题目,业务终端在输出问答题目之后还要同时记录操作人(实际与业务终端进行交互的人,可能是步骤S101中的作业人)的反馈,该反馈也就是针对问答题目的回答信息。其中,回答信息包括回答过程信息和回答结果信息回答过程信息表征了操作人在输入回答结果信息的时候的过程,通过该过程可以一定程度上分析出操作人对答案的熟知程度,进而通过该数值程度就可以确定出操作人是作业人的概率。回答结果信息直接表征了操作人针对问答题目所输入的回复内容。通过回答结果信息的准确程度也可以判断出操作人是作业人的概率。
最后,步骤S104中,可以直接根据回答过程信息和回答结果信息确定业务请求的异常概率,该异常概率一定程度上就表明了操作人是作业人的概率。通常情况下,回答结果信息越准确,回答过程信息越平稳,则业务请求的异常概率越低。
进一步,如果业务请求的异常概率过高就应当终止当前流程,如果业务请求的异常概率没有过高就可以正常进行业务。
在具体实现的时候,除了终止当前流程和正常进行业务以外,还可以按照如下方式进行处理,也就是本申请所提供的方法还包括如下步骤:
若异常概率超过第一阈值,则终止当前流程;
若异常概率超过第二阈值,且不超过第一阈值,则生成柜台办理提示信息;第一阈值大于第二阈值;
若异常概率不超过第二阈值,则根据业务请求进行后续操作。
此处,生成的柜台办理提示信息主要是提示用户到柜台办理业务请求所对应的业务,这主要是考虑到柜台能够进行的验证足够丰富,可以更好的规避掉办理业务时的风险。
传统方案中虽然能够通过图像识别的方式来确定操作人是否为作业人,但这种外貌上的识别方式依然有可能会被找到技术漏洞,并且,对于年轻人,外貌变化的可能比较快,如果单纯使用对外貌进行图像识别,则有可能导致是被错误。进而,考虑到用户在办理业务的时候意识应当是清醒的,进而通过上述步骤S101-S104这种问答的方式能够更加准确的确定出操作人是作业人的。
步骤S102在具体实现时,主要是根据作业人的属性信息来确定问答题目的,这主要是考虑到作业人对自己的属性信息最为了解,而仿冒者却未必了解。因此,在生成问答题目的时候,应当主要考虑到作业人的属性信息。也就是,如图2所示,步骤S102可以按照如下方式实现:
S1021,根据身份信息确定作业人的属性信息;
S1022,根据属性信息确定问答题目。
其中,属性信息大致可以分为如下几种:
身份信息、业务信息、工作信息、出行信息、生活设施信息。
在确定问答题目的时候,上述几种属性信息可以全部使用也可以部分使用。通常来说,每种属性信息只能确定出一个问题,但某些情况下,不同的属性信息也可以组合起来确定出一个问题。
上述身份信息主要是指作业人自身的履历信息,具体来说身份信息可以有:年龄、学历、婚姻与家庭状况、工作与收入状况、手机号码、手机号码归属地、身份证编号、曾经读过的学校和就职过的企业等相关信息。
上述业务信息主要是指作业人所持有的和业务相关的卡片的使用信息,如持有的借记卡(也可以是其他类型的卡)的数量、曾经挂失的次数、某张卡的余额、某一次消费的消费记录等。
上述工作信息主要是指和作业人的工作经历相关的信息,如工作单位的账户开户行、所在工作单位的董事长姓名、工作单位地址、公司愿景使命价值观、公司成立时间、所在行业技能要求、在某一个公司的就职时间长度等。
上述出行信息主要是指和作业人的出行情况相关的信息,如:作业人从家到工作单位的距离、所乘坐的车辆编号、上班所需时长、中转站的名称等。
上述生活设施信息主要是指和作业人的日常生活相关的信息(主要是居住地周围设施的信息),如作业人所在小区的平均房价,作业人所在小区根据划片入学原则所对应的小学,作业人所在小区周围的公交站/地铁站/大型超市/银行的名称等。
通过上述说明,可见每种属性信息都是围绕着作业人所熟悉的信息确定的,因此作业人通常是较为清楚的。在确定问答题目的同时,通常还要确定出对应的参考结果,以便在操作人回复之后根据参考结果确定操作人回复的是否正确。
具体来说,形成的问答题目可以是:目前所就职的公司名称是什么?对应的参考结果可以是:A公司。
此处,问答题目主要有两种存在形式,分别是填空题和选择题。根据具体的操作经验来看,如果操作人可能回复的结果较少,应当使用选择题的形式形成问答题目,如果操作人可能回复的结果之间的相似度较高(如A商场和B商场的名字较为接近),则应当使用选择题的形式,以免由于操作人的输入失误导致误判。
考虑到数据的精准程度和更新可能不及时的问题,某些问题可能不容易确定出足够正确的参考结果,比如,如果作业人所在城市的交通十分发到,那么作业人从居住地到公司的路线就有很多种选择,在这种情况下,如果单纯的询问作业人从家到工作单位的距离或时间就是不够理想的,因为无法合理的提供一个参考结果,这样会导致作业人即使做出了正确的回答,后台系统也可能认为这回答是错误。针对这种情况,本申请提供了如下解决方案,也就是本申请所提供的方法中,步骤S1022,根据属性信息确定问答题目可以按照如下方式实现:
步骤10221,根据属性信息确定问答题目和与该问答题目相对应的参考结果;
步骤10222,若与该问答题目相对应的参考结果的数量超过预定数值,则删除该问答题目;若与该问答题目相对应的参考结果的数量未超过预定数值则保留该问答题目。
上述步骤10221中,某个问答题目的参考结果可能是有很多个,比如当问题是作业人从家到工作单位的距离是多少时,如果作业人从家到工作单位有多条交通线路可以选择,并且每条交通线路的距离又差别较大,那么从家到工作单位的距离的参考结果可能就会是多个,此时如果直接询问从家到工作单位的距离,就有可能导致后续判断回答结果信息是否准确是有误的。
步骤10222中,如果删除了问答题目,则该问答题目就不会通过业务终端输出,反之,如果保留了该问答题目,该问答题目就会通过业务终端输出(如果确定的问答题目过多,则业务终端可以选择一部分的问答题目输出)。
进一步,为了更加准确的确定是否应当将问答题目删除,可以引入方差的识别方式。具体来说,可以不采用步骤10222的处理方式,而是在步骤10221之后,进行如下操作:
计算与该问答题目相对应的全部参考结果的方差值;若该方差值小于预定的数值,则保留该问答题目;若该方差值不小于预定的数值,则删除该问答题目。
在具体计算的时候,考虑到作业人通常只会选择距离最近或者时间最优的路线作为上班路线,因此,在计算方差值之前,可以先对全部参考结果进行排序,并且根据排序结果靠前的参考结果确定方差值(根据数值最小的几个参考结果确定方差值)。
如前文中所说,问答题目主要有两种存在形式,分别是填空题和选择题。当采用选择题的形式来输出问答题目的时候,可以采用设置干扰项的方式来增加难度。比如,在根据作业人的属性信息确定了参考结果之后,可以同时根据参考结果生成关联的干扰结果,此处干扰结果通常是与参考结果类型相同的结果。比如,参考结果的A超市,那干扰结果就可以是B超市和C超市。应当注意的是,B超市和C超市应当距离A超市较远,以免发生误选的情况,但参考结果和干扰项应当仍然属于同一个地区(如同一个城市、同一个小区),否则便失去了干扰的意义,即根据常识就能判断哪个是参考结果,而不是只有根据作业人的经验才能识别出哪个是参考结果。在确定的参考结果和干扰结果之后,业务终端在输出参考结果的时候,可以一并输出干扰结果,以让操作人进行选择。
如前文中所说,业务请求的异常概率是根据回答过程信息和回答结果信息确定的,下面对确定的具体过程进行说明,也就是,如图3所示,步骤S104可以按照如下方式实现:
S1041,根据回答结果信息和参考结果的相似度确定第一评价信息;参考结果是根据作业人的属性信息确定的;
S1042,根据回答过程信息确定第二评价信息;第二评价信息用于表征业务终端记录回答结果信息的过程的合理程度;
S1043,根据第一评价信息和第二评价信息确定业务请求的异常概率。
步骤S1041中,回答结果信息反映了操作人针对问答题目所输入的结果,参考结果通常是后台系统在确定问答题目的时候一并确定的,或者说参考结果也是根据作业人的属性信息确定的。回答结果信息与参考结果的相似度决定了操作人回复的准确程度,因此可以用来确定操作人是作业人的概率。一般来说,回答结果信息和参考结果的相似度越高,则说明操作人所输入的回答结果就越正确,则步骤S1043中所确定的异常概率就应当越低。
步骤S1042中,业务终端记录回答结果信息的过程的合理程度也就是操作人输入回答结果信息的过程的合理程度。具体来说,回答过程信息主要是反映了操作人输入回答结果的过程,比如,操作人在输入回答结果的过程中经常出现查阅消息,那么应当认为步骤S1042中所确定的第二评价信息所表征的合理程度是较低的,进而最终确定的异常概率就应当是较高的;又比如,操作人在输入回答结果的过程中经出现停顿和思考,那么应当认为步骤S1042中所确定的第二评价信息所表征的合理程度是较低的,那么异常概率也应当是较高的。
最后,步骤S1043中,可以直接根据第一评价信息和第二评价信息来确定业务请求的异常概率。
为了保证确定异常概率的准确性,优选分别通过不同角度的信息来反映回答过程信息,具体来说,回答过程信息可以包括以下至少一种信息:
声音信息、视觉信息和输入过程信息;输入过程信息用于表征接收回答结果的过程。
其中,声音信息通常是业务终端在输出问答题目之后,通过录音方式所获取到的声音信息。此处的声音信息主要是用于反映操作人所发出的声音。
视觉信息通常是业务终端在输出问答题目之后,通过摄像头拍摄的方式所获取到的影像信息。此处的影像信息主要是用于反映操作人的面部表情和肢体动作。
输入过程信息主要是反映操作人输入回答结果时,和业务终端实际接触的情况。具体来说,输入过程信息可以包括以下任意一种或多种信息:
用于生成回答结果的触屏操作的按压力度、用于生成回答结果的触屏操作的触屏面积、用于生成回答结果的触屏操作的停顿时长、用于生成回答结果的触屏操作的停顿频率、用于生成回答结果的触屏操作的输入时长、浏览提示信息的速度。
一般来说,声音信息中的杂音越少,则业务请求的异常概率越低;声音信息中的声纹信息的特征与预先获取到的作业人的标准声纹特征越相似,则异常概率越低。
视觉信息中采用人脸识别技术识别到的操作人的面部特征信息与作业人的面部特征信息一致程度越高,则异常概率越低;操作人的面部表情越自然,则异常概率越低;操作人的肢体动作越简单,则异常概率越低。
输入过程信息反映操作人的输入越连贯、动作越自然、按压力度越均衡、触屏面积越符合一般操作、输入时长越短,则异常概率越低。此处,通常情况下,浏览提示信息的速度越慢说明操作人阅读的越认真,对应的异常概率也应当越低,但某些操作人习惯性快速阅读提示信息,因此,也可以结合作业人历史上阅读提示信息的速度来确定本次的浏览提示信息的速度是否合理。
在具体实现时,为了提高识别的准确度,可以使用声纹识别技术,具体来说就是当回答结果信息为语音回答信息时,可以采用声纹比对的方式来实现本方案。考虑到具体的使用场景,本申请提供了两种在步骤S1041中应用声纹识别技术的方式。
第一种在步骤S1041中应用声纹识别技术的方式,步骤S1041可以按照如下方式实现:
步骤10411,对语音回答信息进行声纹分析,以确定语音回答信息所对应的实际声纹特征;
步骤10412,根据作业人的身份信息确定标准声纹特征;
步骤10413,对语音回答信息进行语音识别,以确定语音回答信息所对应的实际文字答案;
步骤10414,根据标准声纹特征和实际声纹特征的相似度,以及实际文字答案和参考结果的相似度确定第一评价信息。
步骤10411中,可以直接对语音回答信息进行声纹识别,以确定其实际声纹特征;而后,步骤10412中,可以依据作业人的身份信息确定其预存在数据库中的声纹特征。同时,在步骤10413中,通过对语音回答信息进行语音识别,进而确定操作人实际回答的实际文字答案。
最后,在步骤10414中,可以进行两次识别,第一次识别是识别实际文字答案和参考结果的相似度,由于实际文字答案和参考结果均是文字形式的,因此,可以直接使用语义识别技术来确定语义识别结果(用于表征操作人回答内容的准确度,也可以是直接比较两个文字是否完全相同,而不采用语义识别的方式来比较)。第二次识别是进行声纹特征的识别,也就是,比较标准声纹特征和实际声纹特征的相似度(该相似度即是声纹特征识别结果);最后可以根据语义识别结果和声纹特征识别结果来综合确定第一评价信息。步骤10412中通常是数据库中预存有作业人的身份信息和对应的标准声纹特征,该标准声纹特征可以是作业人曾经进行某项业务的时候录入的,也可以是作业人在首次办理业务的时候录入的。
此处,在确定第一评价信息的时候,声纹特征识别结果的权重通常是大于语义识别结果的权重的,这主要是考虑到作业人在回复的时候,声纹特征通常是不会发生变化的,但由于记忆出现偏差,可能语义识别结果可能存在偏差。因此,在具体实现步骤10414时,可以是先判断标准声纹特征和实际声纹特征的相似度是否足够高,如果足够高,才根据实际文字答案和参考结果的相似度确定第一评价信息;如果不足够高,则终止当前流程。
第二种在步骤S1041中应用声纹识别技术的方式,步骤S1041可以按照如下方式实现:
步骤10415,对语音回答信息进行声纹分析,以确定语音回答信息所对应的实际声纹特征;
步骤10416,在数据库中查找与实际声纹特征的相似度超过预定阈值的候选声纹信息;每个候选声纹信息均对应一次业务请求;
步骤10417,对语音回答信息进行语音识别,以确定语音回答信息所对应的实际文字答案;
步骤10418,根据标准声纹特征和实际声纹特征的相似度,以及查找到的候选声纹信息所对应的身份信息的种类数量确定第一评价信息。
其中,步骤10415的实现方式与步骤10411相同,步骤10417的实现方式与步骤10413相同,此处不再重复说明。步骤10416中,是直接使用实际声纹特征在数据库中查找相似度超过预定阈值的候选声纹特征;此处中实现方式下,应当保证的是,用户每进行一次业务都应当记录用户的声纹信息,通过这种方式就可以在用户后续再次办理业务(操作某个业务终端发出业务请求)的时候,判断该用户的声纹特征是否对应了不同的身份(每办理一次业务都应当记录一次用户的身份信息和办理该次业务所使用的声纹特征),如果某个用户的声纹特征对应了两个或以上的身份(说明有两个不同的人使用同一个身份信息办理的业务),则该用户就应当被认为是异常用户,进而该用户所进行的业务操作的异常概率也就是较高的。此处的身份信息可以是如身份证号、手机号等能够唯一标识出一个用户身份的信息。
进而,当候选声纹信息对应了多种身份信息的时候,也就说明该业务请求是异常的。进而,在步骤10418中,当查找到的候选声纹信息所对应的身份信息的种类数量大于或等于2的时候,就应当通过第一评价信息反映出本次业务请求的异常概率是较高的。或者是说,只有当查找到的候选声纹信息所对应的身份信息的种类数量为1的时候,才会根据标准声纹特征和实际声纹特征的相似度确定第一评价信息。
上述两种步骤S1041的实现方式相比,第一种是比较常规的实现方式,第二种在具体实现的时候顾及到了历史使用情况,因而,针对性更强。
与上述方法相对应的,本申请还提供了一种业务请求识别装置,包括:
获取模块,用于获取业务终端所发出的业务请求;业务请求中携带有作业人的身份信息;
第一确定模块,用于根据身份信息确定与作业人相对应的问答题目;
输出模块,用于通过业务终端输出确定的问答题目,以使业务终端记录针对问答题目的回答信息;回答信息包括回答过程信息和回答结果信息;
第二确定模块,用于根据回答过程信息和回答结果信息确定业务请求的异常概率。
在一些实施例中,第一确定模块,包括:
第一确定单元,用于根据身份信息确定作业人的属性信息;
第二确定单元,用于根据属性信息确定问答题目。
在一些实施例中,属性信息包括以下的任意一种或多种:
身份信息、业务信息、工作信息、出行信息、生活设施信息。
在一些实施例中,第二确定模块,包括:
第三确定单元,用于根据回答结果信息和参考结果的相似度确定第一评价信息;参考结果是根据作业人的属性信息确定的;
第四确定单元,用于根据回答过程信息确定第二评价信息;第二评价信息用于表征业务终端记录回答结果信息的过程的合理程度;
第五确定单元,用于根据第一评价信息和第二评价信息确定业务请求的异常概率。
在一些实施例中,回答过程信息包括以下至少一种信息:
声音信息、视觉信息和输入过程信息;输入过程信息用于表征接收回答结果的过程。
在一些实施例中,输入过程信息包括以下任意一种或多种信息:
用于生成回答结果的触屏操作的按压力度、用于生成回答结果的触屏操作的触屏面积、用于生成回答结果的触屏操作的停顿时长、用于生成回答结果的触屏操作的停顿频率、用于生成回答结果的触屏操作的输入时长、浏览提示信息的速度。
在一些实施例中,若回答结果信息为语音回答信息,则第三确定单元,包括:
第一确定子单元,用于对语音回答信息进行声纹分析,以确定语音回答信息所对应的实际声纹特征;
第二确定子单元,用于根据作业人的身份信息确定标准声纹特征;
第一语音识别子单元,用于对语音回答信息进行语音识别,以确定语音回答信息所对应的实际文字答案;
第三确定子单元,用于根据标准声纹特征和实际声纹特征的相似度,以及实际文字答案和参考结果的相似度确定第一评价信息。
在一些实施例中,若回答结果信息为语音回答信息,则第三确定单元,包括:
第四确定子单元,用于对语音回答信息进行声纹分析,以确定语音回答信息所对应的实际声纹特征;
查找子单元,用于在数据库中查找与实际声纹特征的相似度超过预定阈值的候选声纹信息;每个候选声纹信息均对应一次业务请求;
第五确定子单元,用于对语音回答信息进行语音识别,以确定语音回答信息所对应的实际文字答案;
第六确定子单元,用于根据标准声纹特征和实际声纹特征的相似度,以及查找到的候选声纹信息所对应的身份信息的种类数量确定第一评价信息。
在一些实施例中,该装置还包括:
终止模块,若异常概率超过第一阈值,则用于终止当前流程;
生成模块,若异常概率超过第二阈值,且不超过第一阈值,则用于生成柜台办理提示信息;第一阈值大于第二阈值。
与上述方法相对应的,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如业务请求异常概率的确定方法的步骤。
如图4所示,为本申请实施例所提供的电子设备示意图,该电子设备1000包括:处理器1001、存储器1002和总线1003,存储器1002存储有执行指令,当电子设备运行时,处理器1001与存储器1002之间通过总线1003通信,处理器1001执行存储器1002中存储的业务请求异常概率的确定方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,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通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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。
所述功能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介质中。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介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种业务请求异常概率的确定方法,其特征在于,包括:
获取业务终端所发出的业务请求;所述业务请求中携带有作业人的身份信息;
根据所述身份信息确定与所述作业人相对应的问答题目;
通过所述业务终端输出所述确定的问答题目,以使业务终端记录针对所述问答题目的回答信息;所述回答信息包括回答过程信息和回答结果信息;
根据回答过程信息和回答结果信息确定所述业务请求的异常概率。
2.根据权利要求1所述的方法,其特征在于,根据所述身份信息确定与所述作业人相对应的问答题目,包括:
根据所述身份信息确定所述作业人的属性信息;
根据所述属性信息确定所述问答题目。
3.根据权利要求2所述的方法,其特征在于,所述属性信息包括以下的任意一种或多种:
身份信息、业务信息、工作信息、出行信息、生活设施信息。
4.根据权利要求1所述的方法,其特征在于,根据回答过程信息和回答结果信息确定所述业务请求的异常概率,包括:
根据回答结果信息和参考结果的相似度确定第一评价信息;所述参考结果是根据作业人的属性信息确定的;
根据回答过程信息确定第二评价信息;所述第二评价信息用于表征业务终端记录回答结果信息的过程的合理程度;
根据第一评价信息和第二评价信息确定所述业务请求的异常概率。
5.根据权利要求4所述的方法,其特征在于,回答过程信息包括以下至少一种信息:
声音信息、视觉信息和输入过程信息;输入过程信息用于表征接收回答结果的过程。
6.根据权利要求5所述的方法,其特征在于,输入过程信息包括以下任意一种或多种信息:
用于生成所述回答结果的触屏操作的按压力度、用于生成所述回答结果的触屏操作的触屏面积、用于生成所述回答结果的触屏操作的停顿时长、用于生成所述回答结果的触屏操作的停顿频率、用于生成所述回答结果的触屏操作的输入时长、浏览提示信息的速度。
7.根据权利要求4所述的方法,其特征在于,若所述回答结果信息为语音回答信息,则步骤根据回答结果信息和参考结果的相似度确定第一评价信息,包括:
对语音回答信息进行声纹分析,以确定语音回答信息所对应的实际声纹特征;
根据所述作业人的身份信息确定标准声纹特征;
对语音回答信息进行语音识别,以确定语音回答信息所对应的实际文字答案;
根据标准声纹特征和实际声纹特征的相似度,以及实际文字答案和参考结果的相似度确定第一评价信息。
8.根据权利要求4所述的方法,其特征在于,若所述回答结果信息为语音回答信息,则步骤根据回答结果信息和参考结果的相似度确定第一评价信息,包括:
对语音回答信息进行声纹分析,以确定语音回答信息所对应的实际声纹特征;
在数据库中查找与所述实际声纹特征的相似度超过预定阈值的候选声纹信息;每个候选声纹信息均对应一次业务请求;
对语音回答信息进行语音识别,以确定语音回答信息所对应的实际文字答案;
根据标准声纹特征和实际声纹特征的相似度,以及所述查找到的候选声纹信息所对应的身份信息的种类数量确定第一评价信息。
9.根据权利要求1所述的方法,其特征在于,还包括:
若异常概率超过第一阈值,则终止当前流程;
若异常概率超过第二阈值,且不超过第一阈值,则生成柜台办理提示信息;所述第一阈值大于所述第二阈值。
10.一种业务请求识别装置,其特征在于,包括:
获取模块,用于获取业务终端所发出的业务请求;所述业务请求中携带有作业人的身份信息;
第一确定模块,用于根据所述身份信息确定与所述作业人相对应的问答题目;
输出模块,用于通过所述业务终端输出所述确定的问答题目,以使业务终端记录针对所述问答题目的回答信息;所述回答信息包括回答过程信息和回答结果信息;
第二确定模块,用于根据回答过程信息和回答结果信息确定所述业务请求的异常概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910975216.2A CN110708326A (zh) | 2019-10-14 | 2019-10-14 | 业务请求异常概率的确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910975216.2A CN110708326A (zh) | 2019-10-14 | 2019-10-14 | 业务请求异常概率的确定方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110708326A true CN110708326A (zh) | 2020-01-17 |
Family
ID=69198888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910975216.2A Pending CN110708326A (zh) | 2019-10-14 | 2019-10-14 | 业务请求异常概率的确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110708326A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113761514A (zh) * | 2021-08-20 | 2021-12-07 | 上海酷栈科技有限公司 | 一种云桌面多因子安全认证方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103294222A (zh) * | 2013-05-22 | 2013-09-11 | 北京小米科技有限责任公司 | 一种输入方法和系统 |
US20150142446A1 (en) * | 2013-11-21 | 2015-05-21 | Global Analytics, Inc. | Credit Risk Decision Management System And Method Using Voice Analytics |
CN104765995A (zh) * | 2015-04-24 | 2015-07-08 | 福建师范大学 | 基于触屏操作的智能设备身份认证方法及客户端 |
US20160042349A1 (en) * | 2003-05-30 | 2016-02-11 | Iii Holdings 1, Llc | Speaker recognition and denial of a transaction based on matching a known voice print |
CN106506524A (zh) * | 2016-11-30 | 2017-03-15 | 百度在线网络技术(北京)有限公司 | 用于验证用户的方法和装置 |
EP3319292A1 (en) * | 2015-07-02 | 2018-05-09 | Alibaba Group Holding Limited | Method for checking security based on biological features, client and server |
CN109428719A (zh) * | 2017-08-22 | 2019-03-05 | 阿里巴巴集团控股有限公司 | 一种身份验证方法、装置及设备 |
CN109815803A (zh) * | 2018-12-18 | 2019-05-28 | 平安科技(深圳)有限公司 | 面审风险控制方法、装置、计算机设备和存储介质 |
-
2019
- 2019-10-14 CN CN201910975216.2A patent/CN110708326A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160042349A1 (en) * | 2003-05-30 | 2016-02-11 | Iii Holdings 1, Llc | Speaker recognition and denial of a transaction based on matching a known voice print |
CN103294222A (zh) * | 2013-05-22 | 2013-09-11 | 北京小米科技有限责任公司 | 一种输入方法和系统 |
US20150142446A1 (en) * | 2013-11-21 | 2015-05-21 | Global Analytics, Inc. | Credit Risk Decision Management System And Method Using Voice Analytics |
CN104765995A (zh) * | 2015-04-24 | 2015-07-08 | 福建师范大学 | 基于触屏操作的智能设备身份认证方法及客户端 |
EP3319292A1 (en) * | 2015-07-02 | 2018-05-09 | Alibaba Group Holding Limited | Method for checking security based on biological features, client and server |
CN106506524A (zh) * | 2016-11-30 | 2017-03-15 | 百度在线网络技术(北京)有限公司 | 用于验证用户的方法和装置 |
CN109428719A (zh) * | 2017-08-22 | 2019-03-05 | 阿里巴巴集团控股有限公司 | 一种身份验证方法、装置及设备 |
CN109815803A (zh) * | 2018-12-18 | 2019-05-28 | 平安科技(深圳)有限公司 | 面审风险控制方法、装置、计算机设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113761514A (zh) * | 2021-08-20 | 2021-12-07 | 上海酷栈科技有限公司 | 一种云桌面多因子安全认证方法及系统 |
CN113761514B (zh) * | 2021-08-20 | 2024-03-19 | 上海酷栈科技有限公司 | 一种云桌面多因子安全认证方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10484540B2 (en) | Systems and methods for customer sentiment prediction and depiction | |
US10936672B2 (en) | Automatic document negotiation | |
US9754101B2 (en) | Password check by decomposing password | |
CN112651841B (zh) | 线上业务办理方法、装置、服务器及计算机可读存储介质 | |
US20150067822A1 (en) | Biometric Verification Using Predicted Signatures | |
CN107256428B (zh) | 数据处理方法、数据处理装置、存储设备及网络设备 | |
US11715077B2 (en) | Methods for determining user experience (UX) effectiveness of ATMs | |
US20210407016A1 (en) | Dynamic provisioning of data exchanges based on detected relationships within processed image data | |
CN110852761A (zh) | 制定反作弊策略的方法、装置及电子设备 | |
CN114331315A (zh) | 结合rpa和ai的社保业务处理方法及装置 | |
CN110708326A (zh) | 业务请求异常概率的确定方法和装置 | |
KR102132936B1 (ko) | 고객 맞춤형 금융거래 서비스 운영 방법 | |
US11961071B2 (en) | Secure transactions over communications sessions | |
TWI632543B (zh) | Voice taking method and system | |
CN111008373A (zh) | 智能问答的处理方法、装置、计算机可读介质及电子设备 | |
US10832350B2 (en) | Sybil identification mechanism for fraudulent document detection through a cognitive based personal encryption key | |
CN110675155A (zh) | 风险识别方法和装置 | |
CN113326368B (zh) | 作答数据的处理方法、装置、设备以及存储介质 | |
US20240273536A1 (en) | Systems and methods for advanced user authentication in accessing a computer network | |
US20150256678A1 (en) | Standardization of process for resolving institution calls based onthe customer request | |
CN116189682A (zh) | 文本信息显示方法、装置、电子设备及存储介质 | |
CN113435349A (zh) | 视频的质检方法和装置 | |
CN115424328A (zh) | 一种信息录入方法及装置、存储介质及电子设备 | |
CN117114810A (zh) | 一种产品推荐方法、装置、存储介质及电子设备 | |
CN114022890A (zh) | 针对图像的应答方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200117 |