CN111898931B - 基于变量的策略式风控引擎实现方法、装置及计算机设备 - Google Patents

基于变量的策略式风控引擎实现方法、装置及计算机设备 Download PDF

Info

Publication number
CN111898931B
CN111898931B CN202010858650.5A CN202010858650A CN111898931B CN 111898931 B CN111898931 B CN 111898931B CN 202010858650 A CN202010858650 A CN 202010858650A CN 111898931 B CN111898931 B CN 111898931B
Authority
CN
China
Prior art keywords
model
fraud
calculation
control engine
scoring
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.)
Active
Application number
CN202010858650.5A
Other languages
English (en)
Other versions
CN111898931A (zh
Inventor
杨耀平
郑举
赖媛
胡延香
陈志健
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.)
Shenzhen Fuzhifu Information Technology Co ltd
Original Assignee
Shenzhen Fuzhifu Information Technology 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 Shenzhen Fuzhifu Information Technology Co ltd filed Critical Shenzhen Fuzhifu Information Technology Co ltd
Priority to CN202010858650.5A priority Critical patent/CN111898931B/zh
Publication of CN111898931A publication Critical patent/CN111898931A/zh
Application granted granted Critical
Publication of CN111898931B publication Critical patent/CN111898931B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q30/018—Certifying business or products
    • G06Q30/0185—Product, service or business identity fraud

Abstract

本申请涉及一种基于变量的策略式风控引擎实现方法、装置、计算机设备及存储介质，其中该方法包括：通过反欺诈策略模型计算确定所述进件要使用的反欺诈模型ID，并根据所述反欺诈模型ID对应的反欺诈模型计算得到反欺诈判断结果；通过评分卡策略模型计算确定所述进件要使用的评分卡模型ID，并根据所述评分卡模型ID对应的评分卡模型计算得到对应的评分结果；通过风险定价策略模型计算确定所述进件要使用的风险定价模型ID，并根据所述风险定价模型ID对应的风险定价模型计算出客户等级及风险建议；保存所有模型的计算结果到数据库并推送给业务系统。本发明可以适应不同场景和业务配置不同形式的模型，提高了模型配置的多样性和灵活性。

Description

基于变量的策略式风控引擎实现方法、装置及计算机设备
技术领域
本发明涉及计算机技术领域，特别是涉及一种基于变量的策略式风控引擎实现方法、装置、计算机设备及存储介质。
背景技术
随着信息社会的日益发展，个人信息也成为了一种资源。为了降低金融风险，现在提供金融服务的服务端都会根据自己业务需求对相关的客户群体进行个人信息采集，并通过风控引擎对采集的到个人信息进行评估，为后续的业务决策提供参考依据。
目前，现有大部分的风控引擎通常只包含正式的风控规则流程，只能通过固定模型进行配置，无法灵活地实现根据不同人群走不同模型。而在实际的应用场景中，通常需要根据不同的场景和业务进行多样化模型配置，以实现配置不同形式的模型。此外，现有风控引擎通常只有一套固定流程，不支持单独使用某一部分模型功能。
发明内容
基于此，有必要针对上述技术问题，提供一种可以提高风控引擎中模型配置的多样性和灵活性的基于变量的策略式风控引擎实现方法、装置、计算机设备及存储介质。
一种基于变量的策略式风控引擎实现方法，所述方法包括：
新进件根据不同的进件渠道，分MQ推送给风控引擎；
当所述风控引擎接收MQ消息后，利用redis根据进件的流水号对接收到的MQ消息进行加锁；
通过反欺诈策略模型计算确定所述进件要使用的反欺诈模型ID，并根据所述反欺诈模型ID对应的反欺诈模型计算得到反欺诈判断结果；
通过评分卡策略模型计算确定所述进件要使用的评分卡模型ID，并根据所述评分卡模型ID对应的评分卡模型计算得到对应的评分结果；
通过风险定价策略模型计算确定所述进件要使用的风险定价模型ID，并根据所述风险定价模型ID对应的风险定价模型计算出客户等级及风险建议；
保存所有模型的计算结果到数据库并推送给业务系统，redis释放锁。
在其中一个实施例中，在所述利用redis根据进件的流水号对接收到的MQ消息进行加锁的步骤之后还包括：
若所述风控引擎当前渠道中存在日志模型ID，则根据所述日志模型ID计算日志模型，并记录所有规则结果到数据库中。
在其中一个实施例中，在所述根据所述反欺诈模型ID对应的反欺诈模型计算得到反欺诈判断结果的步骤之后还包括：
若所述风控引擎当前渠道中存在信审模型ID，则根据所述信审模型ID计算信审模型，并记录所有规则结果到数据库中。
在其中一个实施例中，在所述根据所述反欺诈模型ID对应的反欺诈模型计算得到反欺诈判断结果的步骤之后还包括：
若计算得到的反欺诈判断结果为拒绝，则直接跳转至所述保存所有模型的计算结果到数据库并推送给业务系统的步骤。
在其中一个实施例中，所述反欺诈策略模型、评分卡策略模型及风险定价策略模型均为策略模型，并配置了条件以及对应的模型ID，用于根据进件客户的特质选择对应的风控模型；
所述反欺诈模型中配置反欺诈规则用于对进件客户进行初步筛选，所述反欺诈模型的反欺诈判断结果包括通过、忽略及拒绝；
所述评分卡模型中配置评分规则参数和评分公式，所述评分卡模型的计算结果为一个分值；
所述风险定价模型用于根据所述评分卡模型传入的分值给出对应的客户等级及风险建议。
在其中一个实施例中，所述方法还包括：
所述风控引擎提供定制化接口，所述定制化接口用于支持单独调用所述反欺诈模型或者所述评分卡模型。
在其中一个实施例中，所述方法还包括：
通过评分卡策略模型计算确定所述进件要使用的评分卡模型ID及一个日志模型ID列表；
计算所述日志模型ID列表中的每个模型对应的评分结果，并将计算结果记录到数据库。
一种基于变量的策略式风控引擎实现装置，所述装置包括：
消息推送模块，所述消息推送模块用于新进件根据不同的进件渠道，分MQ推送给风控引擎；
加锁模块，所述加锁模块用于当所述风控引擎接收MQ消息后，利用redis根据进件的流水号对接收到的MQ消息进行加锁；
第一计算模块，所述第一计算模块用于通过反欺诈策略模型计算确定所述进件要使用的反欺诈模型ID，并根据所述反欺诈模型ID对应的反欺诈模型计算得到反欺诈判断结果；
第二计算模块，所述第二计算模块用于通过评分卡策略模型计算确定所述进件要使用的评分卡模型ID，并根据所述评分卡模型ID对应的评分卡模型计算得到对应的评分结果；
第三计算模块，所述第三计算模块用于通过风险定价策略模型计算确定所述进件要使用的风险定价模型ID，并根据所述风险定价模型ID对应的风险定价模型计算出客户等级及风险建议；
数据存储模块，所述数据存储模块用于保存所有模型的计算结果到数据库并推送给业务系统，redis释放锁。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项方法的步骤。
上述基于变量的策略式风控引擎实现方法、装置、计算机设备及存储介质通过反欺诈策略模型计算确定所述进件要使用的反欺诈模型ID，并根据所述反欺诈模型ID对应的反欺诈模型计算得到反欺诈判断结果；通过评分卡策略模型计算确定所述进件要使用的评分卡模型ID，并根据所述评分卡模型ID对应的评分卡模型计算得到对应的评分结果；通过风险定价策略模型计算确定所述进件要使用的风险定价模型ID，并根据所述风险定价模型ID对应的风险定价模型计算出客户等级及风险建议；保存所有模型的计算结果到数据库并推送给业务系统。本发明所提供的新型风控引擎中最底层的是变量，由变量引申构建起规则、策略及评分卡，可以适应不同场景和业务配置不同形式的模型，提高了模型配置的多样性和灵活性，并且由于与业务系统解耦，可以实现快速部署及快速迭代，为风控人员提供强大的支撑。
附图说明
图1为一个实施例中基于变量的策略式风控引擎实现方法的流程示意图；
图2为另一个实施例中基于变量的策略式风控引擎实现方法的流程示意图；
图3为一个实施例中策略式风控引擎的结构示意图；
图4为一个实施例中基于变量的策略式风控引擎实现装置的结构框图；
图5为另一个实施例中基于变量的策略式风控引擎实现装置的结构框图；
图6为再一个实施例中基于变量的策略式风控引擎实现装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种基于变量的策略式风控引擎实现方法，该方法包括：
步骤102，新进件根据不同的进件渠道，分MQ推送给风控引擎；
步骤104，当风控引擎接收MQ消息后，利用redis根据进件的流水号对接收到的MQ消息进行加锁；
步骤106，通过反欺诈策略模型计算确定进件要使用的反欺诈模型ID，并根据反欺诈模型ID对应的反欺诈模型计算得到反欺诈判断结果；
步骤108，通过评分卡策略模型计算确定进件要使用的评分卡模型ID，并根据评分卡模型ID对应的评分卡模型计算得到对应的评分结果；
步骤110，通过风险定价策略模型计算确定进件要使用的风险定价模型ID，并根据风险定价模型ID对应的风险定价模型计算出客户等级及风险建议；
步骤112，保存所有模型的计算结果到数据库并推送给业务系统，redis释放锁。
在本实施例中提供的风控引擎中最底层的是变量，由变量引申构建起规则、策略、决策树、评分卡，并支持配置多模型进行A/B测试，实现更了灵活的模型配置，其中，由变量到模型的实现说明如下：
变量是本发明的最基础元素，作为规则的参数使用。变量的计算结果可以为一个字符串，数值，或者布尔类型，用于模型规则配置中进行简单比较。变量作为公共的模块，是所有模型公用的。本发明中变量的来源包括：用户进件入参，例如从身份证号中解析出来的出生日期，性别等；外部数据平台获取；内部存量统计数据计算获取；调用某一风控模型计算得到。
规则是将一个或多个变量的计算结果进行指定关系运算后，得到的true/false值执行逻辑运算(and/or)，对得到的最终结果进行处理的过程。规则的计算结果有“命中/未命中/查无结果/计算异常”。不同类型的模型中规则结果有不同的处理方式，具体地：
策略规则：对命中的策略规则，执行该策略下指定的模型。
打标签规则：忽略所有的计算结果。
反欺诈规则：针对规则的计算结果，执行相应的“通过/拒绝/忽略”决策。
评分卡规则：针对规则的命中情况，选择不同的分值计算公式。
而模型是指将多个相同类型的规则组装成的整体结构。
参考图3所示的策略式风控引擎的结构示意图，本实施例中提供的基于变量的策略式风控引擎实现方法包括如下步骤：
首先，新进件根据不同的进件渠道，分mq推送给规则引擎。接着，规则引擎接收mq消息，redis根据进件的流水号对消息进行加锁，避免同一个流水号的重复处理。
计算反欺诈策略模型，确定进件要使用的反欺诈模型ID，记录到数据库。接着，反欺诈模型计算：计算反欺诈模型，规则从上往下执行。如果规则计算结果为拒绝，剩余的规则将不会执行，直接跳转到最后保存结果的步骤。
计算评分卡策略模型，确定进件要使用的评分卡模型ID，记录到数据库。接着，评分卡模型计算：计算评分卡模型，获得评分。
计算风险定价策略模型，确定进件要使用的风险定价模型ID，记录到数据库。接着，风险定价模型计算：将评分卡模型计算结果传递到风险定价模型，风险定价模型计算给出客户等级，风险建议。
保存模型结果到数据库，推送数据给业务系统，redis释放锁。
在一个实施例中，反欺诈策略模型、评分卡策略模型及风险定价策略模型均为策略模型，并配置了条件以及对应的模型ID，用于根据进件客户的特质选择对应的风控模型；反欺诈模型中配置反欺诈规则用于对进件客户进行初步筛选，反欺诈模型的反欺诈判断结果包括通过、忽略及拒绝；评分卡模型中配置评分规则参数和评分公式，评分卡模型的计算结果为一个分值；风险定价模型用于根据评分卡模型传入的分值给出对应的客户等级及风险建议。
具体地，反欺诈策略模型，评分卡策略模型，风险定价策略模型：这三个模型属于策略模型，其中配置了条件以及对应的模型ID，用于根据进件客户的特质，选择对应的风控模型。每个策略都会设置默认模型。
反欺诈模型用于配置一系列反欺诈规则，对进件客户进行初步筛选。
评分卡模型包括评分规则参数和评分公式，规则计算结果的合计可以作为评分公式的参数，评分卡模型最终计算结果为一个分值。评分规则参数和评分公式可以单独存在，也可以都不写(默认0分)。
风险定价模型用于根据传入分值给出对应客户等级、风险建议等。
在上述实施例中，通过反欺诈策略模型计算确定所述进件要使用的反欺诈模型ID，并根据所述反欺诈模型ID对应的反欺诈模型计算得到反欺诈判断结果；通过评分卡策略模型计算确定所述进件要使用的评分卡模型ID，并根据所述评分卡模型ID对应的评分卡模型计算得到对应的评分结果；通过风险定价策略模型计算确定所述进件要使用的风险定价模型ID，并根据所述风险定价模型ID对应的风险定价模型计算出客户等级及风险建议；保存所有模型的计算结果到数据库并推送给业务系统。本方案所提供的新型风控引擎中最底层的是变量，由变量引申构建起规则、策略及评分卡，可以适应不同场景和业务配置不同形式的模型，提高了模型配置的多样性和灵活性，并且由于与业务系统解耦，可以实现快速部署及快速迭代，为风控人员提供强大的支撑。
在一个实施例中，在利用redis根据进件的流水号对接收到的MQ消息进行加锁的步骤之后还包括：
若风控引擎当前渠道中存在日志模型ID，则根据日志模型ID计算日志模型，并记录所有规则结果到数据库中。
在本实施例中提供的风控引擎引入了日志标签模型作为数据收集使用。对于渠道上的每一个进件，都会先跑日志标签模型。日志标签模型配置在渠道之上，模型的格式与反欺诈模型相同，没有强决策，用于配置一些关键规则来收集用户数据，便于之后对该渠道客群的用户进行分析，完善以便完善风控模型。日志标签模型中的每条规则计算结果都会保存到本地Mongo数据库，再通过MongoShake，以更适合分析的数据表格式同步到数据分析库，数据分析人员可以对感兴趣的内容自由进行分析建模，提出模型优化。
在一个实施例中，在根据反欺诈模型ID对应的反欺诈模型计算得到反欺诈判断结果的步骤之后还包括：
若风控引擎当前渠道中存在信审模型ID，则根据信审模型ID计算信审模型，并记录所有规则结果到数据库中。
在本实施例中提供的风控引擎引入了信审标签模型，该信审标签模型也配置在渠道之上，在反欺诈模型之后执行，模型的格式与反欺诈模型相同，只是没有强决策，用于记录用户风险信息，为后续人工信审阶段提供有效数据。
在一个实施例中，提供了一种基于变量的策略式风控引擎实现方法，该方法还包括：风控引擎提供定制化接口，定制化接口用于支持单独调用反欺诈模型或者评分卡模型。
在本实施例中提供了单独调用某一模型的功能。具体地，除了常规的模型流程，风控引擎还可以提供定制化接口，支持单独调用反欺诈模型或者评分卡模型，使用者不需要配置完整的风控模型，简化了风控人员的工作量，提高了配置的灵活性。
在一个实施例中，如图2所示，提供了一种基于变量的策略式风控引擎实现方法，该方法还包括：
步骤202，通过评分卡策略模型计算确定进件要使用的评分卡模型ID及一个日志模型ID列表；
步骤204，计算日志模型ID列表中的每个模型对应的评分结果，并将计算结果记录到数据库。
具体地，参考图3所示的策略式风控引擎的结构示意图，不同的渠道用于区分不同来源的进件，对不同来源的客群做针对性风控。每个渠道下有一套独立的策略规则模型。一套完整的风控策略规则模型包括日志标签模型、反欺诈策略模型，反欺诈模型、信审标签模型、评分卡策略模型、评分卡模型、风险定价策略模型、风险定价模型八个部分。对一套完整的引擎模型常规计算流程说明如下：
1、新进件根据不同的进件渠道，分MQ推送给规则引擎。
2、规则引擎接收MQ消息。
3、redis根据进件的流水号对消息进行加锁，避免同一个流水号的重复处理。
4、日志模型计算：如果当前渠道存在日志模型ID，计算日志模型，并记录所有规则结果到数据库。
5、反欺诈策略模型计算：确定进件要使用的反欺诈模型ID，记录到数据库。
6、反欺诈模型计算：计算反欺诈模型，规则从上往下执行。如果规则计算结果为拒绝，剩余的规则不会执行，然后直接跳到第13步。
7、信审模型计算：如果当前渠道存在信审模型ID，计算信审模型，并记录所有规则结果到数据库。
8、评分卡策略模型计算：确定进件要使用的评分卡模型ID，以及一个日志模型ID列表，并记录到数据库。
9、评分卡模型计算：计算评分卡模型，获得评分。
10、评分卡测试模型计算：计算评分卡日志模型列表中的每个模型，将计算结果记录到数据库。
11、风险定价策略模型计算，确定进件要使用的风险定价模型ID，记录到数据库。
12、风险定价模型计算：将评分卡模型计算结果传递到风险定价模型，风险定价模型计算给出客户等级及风险建议。
13、保存模型结果到数据库，推送数据给业务系统。
14、redis释放锁。
在本实施例中，还通过评分卡测试模型实现了A/B测试功能。A/B测试是为Web或App界面或流程制作两个(A/B)或多个(A/B/n)版本，在同一时间维度，分别让组成成分相同(相似)的访客群组(目标人群)随机的访问这些版本，收集各群组的用户体验数据和业务数据，最后分析、评估出最好版本，正式采用。具体地，每个评分卡策略模型中除了主流程真实应用的模型外，还可以配置多个测试模型，计算结果仅作分析，不真实使用。通过使用真实数据来进行测试模型的计算很好地实现了A/B测试的功能。
可以理解的是，模型的更新部署可以在风控管理后台系统中进行。该系统中提供了整个风控引擎当前使用模型的图形化展示，模型配置人员可以登陆系统，对模型进行修改发布。点击模型发布后，更新后的模型数据会同步到风控引擎并生效。
应该理解的是，虽然图1-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种基于变量的策略式风控引擎实现装置400，该装置包括：
消息推送模块401，用于新进件根据不同的进件渠道，分MQ推送给风控引擎；
加锁模块402，用于当所述风控引擎接收MQ消息后，利用redis根据进件的流水号对接收到的MQ消息进行加锁；
第一计算模块403，用于通过反欺诈策略模型计算确定所述进件要使用的反欺诈模型ID，并根据所述反欺诈模型ID对应的反欺诈模型计算得到反欺诈判断结果；
第二计算模块404，用于通过评分卡策略模型计算确定所述进件要使用的评分卡模型ID，并根据所述评分卡模型ID对应的评分卡模型计算得到对应的评分结果；
第三计算模块405，用于通过风险定价策略模型计算确定所述进件要使用的风险定价模型ID，并根据所述风险定价模型ID对应的风险定价模型计算出客户等级及风险建议；
数据存储模块406，用于保存所有模型的计算结果到数据库并推送给业务系统，redis释放锁。
在一个实施例中，该基于变量的策略式风控引擎实现装置400还用于：
若所述风控引擎当前渠道中存在日志模型ID，则根据所述日志模型ID计算日志模型，并记录所有规则结果到数据库中。
在一个实施例中，该基于变量的策略式风控引擎实现装置400还用于：
若所述风控引擎当前渠道中存在信审模型ID，则根据所述信审模型ID计算信审模型，并记录所有规则结果到数据库中。
在一个实施例中，该基于变量的策略式风控引擎实现装置400还用于：
若计算得到的反欺诈判断结果为拒绝，则直接跳转至所述保存所有模型的计算结果到数据库并推送给业务系统的步骤。
在一个实施例中，该基于变量的策略式风控引擎实现装置400中所述反欺诈策略模型、评分卡策略模型及风险定价策略模型均为策略模型，并配置了条件以及对应的模型ID，用于根据进件客户的特质选择对应的风控模型；
所述反欺诈模型中配置反欺诈规则用于对进件客户进行初步筛选，所述反欺诈模型的反欺诈判断结果包括通过、忽略及拒绝；
所述评分卡模型中配置评分规则参数和评分公式，所述评分卡模型的计算结果为一个分值；
所述风险定价模型用于根据所述评分卡模型传入的分值给出对应的客户等级及风险建议。
在一个实施例中，如图5所示，提供了一种基于变量的策略式风控引擎实现装置400，该装置还包括单独调用模块407，用于：
通过定制化接口单独调用所述反欺诈模型或者所述评分卡模型。
在一个实施例中，如图6所示，提供了一种基于变量的策略式风控引擎实现装置400，该装置还包括评分卡测试模块408，用于：
通过评分卡策略模型计算确定所述进件要使用的评分卡模型ID及一个日志模型ID列表；
计算所述日志模型ID列表中的每个模型对应的评分结果，并将计算结果记录到数据库。
关于基于变量的策略式风控引擎实现装置的具体限定可以参见上文中对于基于变量的策略式风控引擎实现方法的限定，在此不再赘述。
在一个实施例中，提供了一种计算机设备，其内部结构图可以如图7所示。该计算机设备包括通过装置总线连接的处理器、存储器以及网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作装置、计算机程序和数据库。该内存储器为非易失性存储介质中的操作装置和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于变量的策略式风控引擎实现方法。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以上各个方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以上各个方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种基于变量的策略式风控引擎实现方法，其特征在于，所述方法包括：
新进件根据不同的进件渠道，分MQ推送给风控引擎；
当所述风控引擎接收MQ消息后，利用redis根据进件的流水号对接收到的MQ消息进行加锁；
通过反欺诈策略模型计算确定所述进件要使用的反欺诈模型ID，并根据所述反欺诈模型ID对应的反欺诈模型计算得到反欺诈判断结果；
通过评分卡策略模型计算确定所述进件要使用的评分卡模型ID，并根据所述评分卡模型ID对应的评分卡模型计算得到对应的评分结果；
通过风险定价策略模型计算确定所述进件要使用的风险定价模型ID，并根据所述风险定价模型ID对应的风险定价模型计算出客户等级及风险建议；
保存所有模型的计算结果到数据库并推送给业务系统，redis释放锁；
所述反欺诈策略模型、评分卡策略模型及风险定价策略模型均为策略模型，并配置了条件以及对应的模型ID，用于根据进件客户的特质选择对应的风控模型；
在所述根据所述反欺诈模型ID对应的反欺诈模型计算得到反欺诈判断结果的步骤之后还包括：若计算得到的反欺诈判断结果为拒绝，则直接跳转至所述保存所有模型的计算结果到数据库并推送给业务系统的步骤。
2.根据权利要求1所述的基于变量的策略式风控引擎实现方法，其特征在于，在所述利用redis根据进件的流水号对接收到的MQ消息进行加锁的步骤之后还包括：
若所述风控引擎当前渠道中存在日志模型ID，则根据所述日志模型ID计算日志模型，并记录所有规则结果到数据库中。
3.根据权利要求1所述的基于变量的策略式风控引擎实现方法，其特征在于，在所述根据所述反欺诈模型ID对应的反欺诈模型计算得到反欺诈判断结果的步骤之后还包括：
若所述风控引擎当前渠道中存在信审模型ID，则根据所述信审模型ID计算信审模型，并记录所有规则结果到数据库中。
4.根据权利要求1-3任一项所述的基于变量的策略式风控引擎实现方法，其特征在于，所述反欺诈模型中配置反欺诈规则用于对进件客户进行初步筛选，所述反欺诈模型的反欺诈判断结果包括通过、忽略及拒绝；
所述评分卡模型中配置评分规则参数和评分公式，所述评分卡模型的计算结果为一个分值；
所述风险定价模型用于根据所述评分卡模型传入的分值给出对应的客户等级及风险建议。
5.根据权利要求4所述的基于变量的策略式风控引擎实现方法，其特征在于，所述方法还包括：
所述风控引擎提供定制化接口，所述定制化接口用于支持单独调用所述反欺诈模型或者所述评分卡模型。
6.根据权利要求5所述的基于变量的策略式风控引擎实现方法，其特征在于，所述方法还包括：
通过评分卡策略模型计算确定所述进件要使用的评分卡模型ID及一个日志模型ID列表；
计算所述日志模型ID列表中的每个模型对应的评分结果，并将计算结果记录到数据库。
7.一种基于变量的策略式风控引擎实现装置，其特征在于，所述装置包括：
消息推送模块，所述消息推送模块用于新进件根据不同的进件渠道，分MQ推送给风控引擎；
加锁模块，所述加锁模块用于当所述风控引擎接收MQ消息后，利用redis根据进件的流水号对接收到的MQ消息进行加锁；
第一计算模块，所述第一计算模块用于通过反欺诈策略模型计算确定所述进件要使用的反欺诈模型ID，并根据所述反欺诈模型ID对应的反欺诈模型计算得到反欺诈判断结果；
第二计算模块，所述第二计算模块用于通过评分卡策略模型计算确定所述进件要使用的评分卡模型ID，并根据所述评分卡模型ID对应的评分卡模型计算得到对应的评分结果；
第三计算模块，所述第三计算模块用于通过风险定价策略模型计算确定所述进件要使用的风险定价模型ID，并根据所述风险定价模型ID对应的风险定价模型计算出客户等级及风险建议；
数据存储模块，所述数据存储模块用于保存所有模型的计算结果到数据库并推送给业务系统，redis释放锁；
所述反欺诈策略模型、评分卡策略模型及风险定价策略模型均为策略模型，并配置了条件以及对应的模型ID，用于根据进件客户的特质选择对应的风控模型；
基于变量的策略式风控引擎实现装置还用于若计算得到的反欺诈判断结果为拒绝，则直接跳转至所述保存所有模型的计算结果到数据库并推送给业务系统的步骤。
8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202010858650.5A 2020-08-24 2020-08-24 基于变量的策略式风控引擎实现方法、装置及计算机设备 Active CN111898931B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010858650.5A CN111898931B (zh) 2020-08-24 2020-08-24 基于变量的策略式风控引擎实现方法、装置及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010858650.5A CN111898931B (zh) 2020-08-24 2020-08-24 基于变量的策略式风控引擎实现方法、装置及计算机设备

Publications (2)

Publication Number Publication Date
CN111898931A CN111898931A (zh) 2020-11-06
CN111898931B true CN111898931B (zh) 2024-04-30

Family

ID=73225311

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010858650.5A Active CN111898931B (zh) 2020-08-24 2020-08-24 基于变量的策略式风控引擎实现方法、装置及计算机设备

Country Status (1)

Country Link
CN (1) CN111898931B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112749925A (zh) * 2021-02-01 2021-05-04 深圳无域科技技术有限公司 风险控制系统及方法
CN113506164B (zh) * 2021-07-05 2023-05-26 普洛斯科技(重庆)有限公司 一种风控决策方法、装置、电子设备及机器可读存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7813944B1 (en) * 1999-08-12 2010-10-12 Fair Isaac Corporation Detection of insurance premium fraud or abuse using a predictive software system
CN106408413A (zh) * 2016-09-23 2017-02-15 快睿登信息科技（上海）有限公司 一种多循环分期决策的方法及系统
CN108564286A (zh) * 2018-04-19 2018-09-21 天合泽泰（厦门）征信服务有限公司 一种基于大数据征信的人工智能金融风控授信评定方法和系统
CN109242673A (zh) * 2018-11-04 2019-01-18 上海良鑫网络科技有限公司 鹰眼反欺诈大数据风控评估系统
CN109242307A (zh) * 2018-09-04 2019-01-18 中国光大银行股份有限公司信用卡中心 一种反欺诈策略分析方法、服务器、电子设备及存储介质
CN109816390A (zh) * 2019-01-03 2019-05-28 深圳壹账通智能科技有限公司 基于交易数据的反欺诈分析处理方法、装置和计算机设备
CN110544164A (zh) * 2019-08-27 2019-12-06 中信百信银行股份有限公司 全链路对账方法和系统
CN110727922A (zh) * 2019-10-11 2020-01-24 集奥聚合(北京)人工智能科技有限公司 一种基于多维度数据流的反欺诈决策模型构建方法
CN110837963A (zh) * 2019-11-06 2020-02-25 浪潮卓数大数据产业发展有限公司 一种基于数据、模型及策略的风险控制平台建设方法
CN111008086A (zh) * 2019-12-04 2020-04-14 集奥聚合(北京)人工智能科技有限公司 一种基于消息队列的反欺诈策略优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4954979B2 (ja) * 2005-04-29 2012-06-20 オラクル・インターナショナル・コーポレイション 詐欺監視、検出、および階層状ユーザ認証のためのシステムおよび方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7813944B1 (en) * 1999-08-12 2010-10-12 Fair Isaac Corporation Detection of insurance premium fraud or abuse using a predictive software system
CN106408413A (zh) * 2016-09-23 2017-02-15 快睿登信息科技（上海）有限公司 一种多循环分期决策的方法及系统
CN108564286A (zh) * 2018-04-19 2018-09-21 天合泽泰（厦门）征信服务有限公司 一种基于大数据征信的人工智能金融风控授信评定方法和系统
CN109242307A (zh) * 2018-09-04 2019-01-18 中国光大银行股份有限公司信用卡中心 一种反欺诈策略分析方法、服务器、电子设备及存储介质
CN109242673A (zh) * 2018-11-04 2019-01-18 上海良鑫网络科技有限公司 鹰眼反欺诈大数据风控评估系统
CN109816390A (zh) * 2019-01-03 2019-05-28 深圳壹账通智能科技有限公司 基于交易数据的反欺诈分析处理方法、装置和计算机设备
CN110544164A (zh) * 2019-08-27 2019-12-06 中信百信银行股份有限公司 全链路对账方法和系统
CN110727922A (zh) * 2019-10-11 2020-01-24 集奥聚合(北京)人工智能科技有限公司 一种基于多维度数据流的反欺诈决策模型构建方法
CN110837963A (zh) * 2019-11-06 2020-02-25 浪潮卓数大数据产业发展有限公司 一种基于数据、模型及策略的风险控制平台建设方法
CN111008086A (zh) * 2019-12-04 2020-04-14 集奥聚合(北京)人工智能科技有限公司 一种基于消息队列的反欺诈策略优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Developing a strategy map for forensic accounting with fraud risk management: An integrated balanced scorecard-based decision model;Yang, Chih-Hao等;《EVALUATION AND PROGRAM PLANNING》;20200630;第80卷(第80期);第1780-1780页 *
基于大数据技术的消费金融风控策略研究;李旭;《现代经济信息》;20200728(第14期);第124-125页 *

Also Published As

Publication number Publication date
CN111898931A (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
CN109636607B (zh) 基于模型部署的业务数据处理方法、装置和计算机设备
CN112613501A (zh) 信息审核分类模型的构建方法和信息审核方法
CN108876133A (zh) 基于业务信息的风险评估处理方法、装置、服务器和介质
CN109815952A (zh) 品牌名称识别方法、计算机装置及计算机可读存储介质
CN111898931B (zh) 基于变量的策略式风控引擎实现方法、装置及计算机设备
CN110929879A (zh) 基于决策引擎和模型平台的业务决策逻辑更新方法
CN107679740A (zh) 业务员筛选激活方法、电子装置及计算机可读存储介质
CN109886554B (zh) 违规行为判别方法、装置、计算机设备和存储介质
CN109063984B (zh) 风险旅客方法、装置、计算机设备和存储介质
CN109543925A (zh) 基于机器学习的风险预测方法、装置、计算机设备和存储介质
CN110781379A (zh) 信息推荐方法、装置、计算机设备和存储介质
CN109949154A (zh) 客户信息分类方法、装置、计算机设备和存储介质
CN110276369A (zh) 基于机器学习的特征选择方法、装置、设备及存储介质
JP2020095693A (ja) 企業の債務不履行予測システム及びその動作方法
EP3785128A2 (en) System and method for creating recommendation of splitting and merging microservice
CN110457576A (zh) 账户分类方法、装置、计算机设备和存储介质
CN111259952A (zh) 异常用户识别方法、装置、计算机设备及存储介质
CN112733146A (zh) 基于机器学习的渗透测试方法、装置、设备及存储介质
CN110852809A (zh) 一种数据处理方法、装置、设备及介质
CN112835682B (zh) 一种数据处理方法、装置、计算机设备和可读存储介质
CN113065748A (zh) 业务风险评估方法、装置、设备及存储介质
CN109544284A (zh) 基于大数据的产品数据推送方法、系统及计算机设备
CN115131005A (zh) 一种用于电子记录的审批管理方法、系统和存储介质
CN112632371B (zh) 银行业务反欺诈方法与系统
CN114493686A (zh) 一种运营内容生成推送方法及装置

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
GR01 Patent grant