CN111967767A - 一种业务风险识别方法、装置、设备及介质 - Google Patents
一种业务风险识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111967767A CN111967767A CN202010829760.9A CN202010829760A CN111967767A CN 111967767 A CN111967767 A CN 111967767A CN 202010829760 A CN202010829760 A CN 202010829760A CN 111967767 A CN111967767 A CN 111967767A
- Authority
- CN
- China
- Prior art keywords
- risk
- data
- risk identification
- identification
- business
- 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 90
- 238000013480 data collection Methods 0.000 claims description 45
- 238000003860 storage Methods 0.000 claims description 18
- 239000000126 substance Substances 0.000 claims description 6
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 239000003795 chemical substances by application Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000009286 beneficial effect 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
- 238000013461 design Methods 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (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
本说明书实施例公开了一种业务风险识别方法、装置、设备及介质,业务风险识别方法包括:获取风险识别需求数据,配置所述风险识别需求数据对应的数据采集引擎;调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据;其中,所述源数据采集自目标业务对应的数据;获取所述数据采集引擎采集的源数据,根据所述数据采集引擎采集的源数据生成一种或多种风险指标;根据所述风险指标判定所述目标业务的风险识别结果。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种业务风险识别方法、装置、设备及介质。
背景技术
现有技术中,各种网络业务为人们带来了便利。与此同时,网络业务也面临着各种各样的安全风险,如何对网络业务进行风险识别是一个重要课题。
有鉴于此,需要更有效和更高效的业务风险识别方案。
发明内容
本说明书实施例提供一种业务风险识别方法、装置、设备及介质,用以解决如何更有效和更高效地进行业务风险识别的技术方案。
为解决上述技术问题,本说明书实施例提供如下技术方案:
本说明书实施例提供第一种业务风险识别方法,包括:
获取风险识别需求数据,配置所述风险识别需求数据对应的数据采集引擎;
调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据;其中,所述源数据采集自目标业务对应的数据;
获取所述数据采集引擎采集的源数据,根据所述数据采集引擎采集的源数据生成一种或多种风险指标;
根据所述风险指标判定所述目标业务的风险识别结果。
本说明书实施例提供第二种业务风险识别方法,包括:
确定风险识别需求数据,向业务风险识别端发送所述风险识别需求数据,以使所述业务风险识别端获取所述风险识别需求数据后,配置所述风险识别需求数据对应的数据采集引擎;以及调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据;其中,所述源数据采集自目标业务对应的数据;以及获取所述数据采集引擎采集的源数据,根据所述数据采集引擎采集的源数据生成一种或多种风险指标;以及根据所述风险指标确定所述目标业务的风险识别结果;
获取所述目标业务的风险识别结果。
本说明书实施例提供一种业务风险识别装置,包括:
数据采集配置模块,用于获取风险识别需求数据,配置所述风险识别需求数据对应的数据采集引擎;
数据采集模块,用于调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据;其中,所述源数据采集自目标业务对应的数据;
风险指标生成模块,用于获取所述数据采集引擎采集的源数据,根据所述数据采集引擎采集的源数据生成一种或多种风险指标;
风险识别模块,用于根据所述风险指标判定所述目标业务的风险识别结果。
本说明书实施例提供一种业务风险识别装置,包括:
风险识别发起模块,用于确定风险识别需求数据,向业务风险识别端发送所述风险识别需求数据,以使所述业务风险识别端获取所述风险识别需求数据后,配置所述风险识别需求数据对应的数据采集引擎;以及调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据;其中,所述源数据采集自目标业务对应的数据;以及获取所述数据采集引擎采集的源数据,根据所述数据采集引擎采集的源数据生成一种或多种风险指标;以及根据所述风险指标确定所述目标业务的风险识别结果;
识别结果获取模块,用于获取所述目标业务的风险识别结果。
本说明书实施例提供一种业务风险识别设备,包括:
至少一个处理器;
以及,
与所述至少一个处理器通信连接的存储器;
其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,使所述至少一个处理器能够执行上述第一种业务风险识别方法。
本说明书实施例提供一种业务风险识别设备,包括:
至少一个处理器;
以及,
与所述至少一个处理器通信连接的存储器;
其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,使所述至少一个处理器能够执行上述第二种业务风险识别方法。
本说明书实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现上述第一种业务风险识别方法。
本说明书实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现上述第二种业务风险识别方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
获取风险识别需求数据后,为风险识别需求数据配置对应的数据采集引擎,使得所采集的源数据更能满足风险识别要求;根据源数据生成多样化的风险指标并用于风险识别,使得业务风险识别结果更加准确,提高业务风险识别效率和效果。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对本说明书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是本说明书第一个实施例中的业务风险识别方法的执行主体示意图。
图2是本说明书第一个实施例中的业务风险识别方法的流程示意图。
图3是本说明书第二个实施例中的业务风险识别方法的流程示意图。
图4是本说明书第三个实施例中的业务风险识别装置的结构示意图。
图5是本说明书第四个实施例中的业务风险识别装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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。基于本说明书实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
网络业务也面临着各种各样的安全风险,如何对网络业务进行风险识别是一个重要课题。现有技术中,往往需要对某种数据进行风险识别,但缺乏准确抓取以及衡量待进行风险识别的数据的手段。
本说明书第一个实施例(以下简称“本实施例”)提供一种业务风险识别方法,本实施例的执行主体可以是终端(包括但不限于手机、计算机、pad、电视)或者服务器或者相应的业务风险识别平台或操作系统等,即执行主体可以是多种多样的,可以根据需要设置、使用或者变换执行主体。另外,也可以有第三方应用程序协助所述执行主体执行本实施例。例如图1所示,可以由服务器来执行本实施例中的业务风险识别方法,并且可以在(用户所持有的)终端上安装(与所述服务器)相对应的应用程序,终端或应用程序与服务器之间可以进行数据传输,通过终端或应用程序来进行数据的采集或输入或输出或(向用户)进行页面或信息展示,从而辅助服务器执行本实施例中的业务风险识别方法。
如图2所示,本实施例所提供的业务风险识别方法包括:
S101:(执行主体)获取风险识别需求数据,配置所述风险识别需求数据对应的数据采集引擎;
本实施例的执行主体(以下简称“执行主体”)可以获取风险识别需求数据,风险识别需求数据可以是其他主体(包括但不限于服务器或终端)发出,并由执行主体接收,从而执行主体获取到的。所述的“其他主体”,即风险识别需求数据的发送端,可以是业务风险识别的需求者或发起者。
风险识别需求数据可以用于定义或限定一种或多种风险指标,即风险识别需求数据可以用于定义或限定什么样的风险指标是被需要的。其中风险指标也是风险识别的对象。
特别的,风险识别需求数据中可以包括一种或多种风险指标类型,每种风险指标类型可以限定或定义一种或多种风险指标的维度或属性,进而每种风险指标类型可以限定或定义一种或多种风险指标。例如风险指标类型可以限定或定义“业务量”这样的数量维度或属性,相应的,风险指标就是具体的业务量数据;也可以是“业务发生时间”这样的时间维度或属性,相应的,风险指标就是具体的业务事件数据。总之,风险指标类型可以包含多种多样的内容。风险识别需求数据可以通过其包含的风险指标类型来定义或限定一种或多种风险指标。
执行主体获取风险识别需求数据后,可以确定风险识别需求数据中所包括的各风险指标类型。例如,风险识别需求数据中的某些字符是专门用于表征风险指标类型的(风险识别需求数据中包括“用于表征风险指标类型的字符”相当于风险识别需求数据中包括风险指标类型),则执行主体可以根据这些字符确定风险识别需求数据中包括哪些风险指标类型。
本实施例中,执行主体获取风险识别需求数据后,可以配置风险识别需求数据对应的数据采集引擎,数据采集引擎可以配置一个或多个。具体的,由于风险识别需求数据中可以包括风险指标类型,则配置所述风险识别需求数据对应的数据采集引擎可以包括:为风险识别需求数据中的各个风险指标类型配置同一个数据采集引擎;或者配置所述风险识别需求数据对应的数据采集引擎可以包括:为所述风险识别需求数据中包含的风险指标类型配置对应的数据采集引擎。
由于风险识别需求数据可以包括一种或多种风险指标类型,则配置所述风险识别需求数据对应的数据采集引擎可以包括:为所述风险识别需求数据中的每种风险指标类型配置对应的数据采集引擎。例如,若执行主体获取的风险识别需求数据中包括n种风险指标类型,则可以为这n种风险指标类型中的每种风险指标类型配置对应的数据采集引擎。
执行主体可以多次获取风险识别需求数据,则每次获取风险识别需求数据后,为该次获取的风险识别需求数据中的每种风险指标类型配置对应的数据采集引擎。特别的,执行主体可以定时(即按照预定时间间隔)获取风险识别需求数据,则获取风险识别需求数据,配置所述风险识别需求数据对应的数据采集引擎可以包括:定时获取风险识别需求数据,且每次获取风险识别需求数据后,为该次获取的风险识别需求数据中的每种风险指标类型配置对应的数据采集引擎。
本实施例中,执行主体可以存储若干公共组件,公共组件用于配置数据采集引擎。公共组件可以包括插件和/或SDK和/或配置文件等,当然业务可以有其他公共组件。公共组件具有公共性,即每个公共组件都可以用于任何数据采集引擎的配置或构建,只要数据采集引擎的配置或构建需要用到该公共组件。
具体的,配置所述风险识别需求数据对应的数据采集引擎可以包括:根据所述风险识别需求数据从所述若干公共组件中确定(所述风险识别需求数据对应的)目标公共组件,利用所述目标公共组件配置(所述风险识别需求数据对应的)数据采集引擎。
由于风险识别需求数据可以包括一种或多种风险指标类型,则配置所述风险识别需求数据对应的数据采集引擎可以包括:对于(获取的风险识别需求数据中的)任一种所述风险指标类型,确定该种风险指标类型对应的目标公共组件,利用该种风险指标类型对应的目标公共组件配置该种风险指标类型对应的数据采集引擎,从而为风险识别需求数据中的每种风险指标类型配置对应的数据采集引擎。
上面已经说明,执行主体可以多次获取风险识别需求数据,则获取风险识别需求数据,配置所述风险识别需求数据对应的数据采集引擎可以包括:每次获取风险识别需求数据后,确定该次获取的风险识别需求数据的任一种风险指标类型相对于之前获取的风险识别需求数据中的风险指标类型是否为新增风险指标类型;
若是,则该种新增风险指标类型配置对应的数据采集引擎;
若否,则将该种风险指标类型对应的已配置数据采集引擎作为该种风险指标类型对应的数据采集引擎。
举例来说,执行主体某次获取的风险识别需求数据中包括A种风险指标类型,则对于这A种风险指标类型中的任一种风险指标类型,不妨记为风险指标类型A1,可以确定风险指标类型A1相对于“执行主体之前各次获取的风险识别需求数据中的风险指标类型”是否为新增风险指标类型;若是,则说明执行主体之前已经获取过风险指标类型A1;若否,则说明执行主体之前没有获取过风险指标类型A1。由于每次获取风险识别需求数据后,执行主体都要为其中的每种风险指标类型配置对应的数据采集引擎,则如果执行主体之前已经获取过风险指标类型A1,则执行主体之前已经为风险指标类型A1配置过对应的数据采集引擎,则执行主体可以将“之前配置的风险指标类型A1对应的数据采集引擎”(即风险指标类型A1对应的已配置数据采集引擎)作为本次获取的风险指标类型A1对应的数据采集引擎;如果执行主体之前没有获取过风险指标类型A1,则执行主体可以为本次获取的风险指标类型A1配置对应的数据采集引擎。
S103:(执行主体)调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据;其中,所述源数据采集自目标业务对应的数据;
风险识别需求数据可以用于定义或限定风险指标,即风险识别需求数据可以用于定义或限定什么样的风险指标是被需要的。同样,风险识别需求数据也可以用于定义或限定什么样的源数据可以用来形成所需要的风险指标。
执行主体在每次获取风险识别需求数据,并配置对应的数据采集引擎后,执行主体可以调用所配置的数据采集引擎,以采集符合本次获取的风险识别需求数据的源数据。
本实施例中,调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据可以包括:对于所述风险识别需求数据中的每种风险指标类型,调用与该种风险指标类型对应的数据采集引擎,以采集符合所述风险识别需求数据中的该种风险指标类型的源数据。例如,执行主体某次获取的风险识别需求数据中包括交易量这一风险指标类型,则执行主体可以确定需要采集的源数据中包括实际的交易量数值,以符合交易量这一风险指标类型。
本实施例中,执行主体可以按照预设时间间隔调用数据采集引擎,即定时调用数据采集引擎,以按照所述预设时间间隔采集符合所述风险识别需求数据的源数据。
S105:(执行主体)获取所述数据采集引擎采集的源数据,根据所述数据采集引擎采集的源数据生成一种或多种风险指标;
调用数据采集引擎,以采集符合数据识别需求书的源数据后,执行主体可以获取数据采集引擎所采集的源数据,并根据所述数据采集引擎采集的源数据生成一种或多种风险指标。其中,数据采集引擎采集的源数据采集自目标业务对应或产生的数据,例如目标业务为支付业务,则数据采集引擎采集的源数据采集自支付业务对应或产生的数据。这里的目标业务可以是执行主体根据风险识别需求数据确定的(例如风险识别需求数据中可以包括业务ID,以使执行主体根据业务ID确定目标业务),目标业务即待进行风险识别的业务。
具体的,可以根据源数据的均值或中值或极值(最大或最小值)生成上述的一种或多种风险指标,例如,可以将源数据的均值或中值或极值(最大或最小值)分别作为上述的一种或多种风险指标。
前面已经说明,对于所述风险识别需求数据中的每种风险指标类型,调用与该种风险指标类型对应的数据采集引擎,以采集符合所述风险识别需求数据中的该种风险指标类型的源数据,从而每种风险指标类型都会有相应的源数据。特别的,即使为每种风险指标类型配置同一个数据采集引擎,该数据采集引擎也可以为每种风险指标类型采集与该种风险指标类型对应的源数据。
本实施例中,根据所述数据采集引擎采集的源数据生成一种或多种风险指标可以包括:对于所述风险识别需求数据中的每种风险指标类型,根据与该种风险指标类型对应的源数据生成该种风险指标类型对应的风险指标。具体的,对于所述风险识别需求数据中的每种风险指标类型,可以将与该种风险指标类型对应的源数据的均值或中值或极值(最大或最小值)作为该种风险指标类型对应的风险指标。
由于风险识别需求数据可以定义或限定一种或多种风险指标,通过配置与风险识别需求数据对应的数据采集引擎并采集符合风险识别需求数据的源数据,就可以生成风险识别需求数据所定义或限定的这一种或多种风险指标。风险指标可以是源数据的均值或中值或极值(最大或最小值),从而风险指标能够反映了源数据的整体特征(均值特征或中值特征或极值特征)以及整体分布情况,例如通过极值反映分布范围。
S107:(执行主体)根据所述风险指标判定所述目标业务的风险识别结果。
本实施例中,源数据采集自目标业务对应或生成的数据,在根据源数据生成一种或多种风险指标后,执行主体可以根据所生成的风险指标判定目标业务是否存在风险。
根据风险指标判定目标业务是否存在风险包括但不限于1.1和/或1.2和/或1.3的方式:
1.1、若风险识别需求数据中包括一种或多种风险指标类型,则根据所述风险指标判定所述目标业务的风险识别结果可以包括:
对任一种所述风险指标类型,确定与该种风险指标类型对应的风险识别规则;其中,风险识别规则可以包括风险参考值和/或风险识别模型;
根据该种风险指标类型对应的风险识别规则以及该种风险指标类型对应的风险指标判定该种风险指标类型是否存在风险;其中,可以根据该种风险指标类型对应的风险指标是否满足该种风险指标类型对应的风险识别规则,判定该种风险指标类型是否存在风险。
根据至少一种风险指标类型的风险识别结果判定所述目标业务是否存在风险。
具体的,根据该种风险指标类型对应的风险识别规则以及该种风险指标类型对应的风险指标判定该种风险指标类型是否存在风险包括但不限于1.1.1和/或1.1.2的方式:
1.1.1、风险识别规则可以包括风险参考值,特别是风险指标是数值型数据的情况下;
对任一种风险指标类型,可以根据该种风险指标类型对应的风险参考值以及该种风险指标类型对应的风险指标判定该种风险指标类型是否存在风险;例如将该种风险指标类型对应的风险指标与该种风险指标类型对应的风险参考值进行比较,根据比较结果判定该种风险指标类型是否存在风险;
1.1.2、风险识别规则可以包括风险识别模型;
对任一种风险指标类型,可以根据该种风险指标类型对应的风险识别模型以及该种风险指标类型对应的风险指标判定该种风险指标类型是否存在风险;例如将该种风险指标类型对应的风险指标输入该种风险指标类型对应的风险识别模型,根据风险识别模型的输出数据判定该种风险指标是否存在风险。特别的,不同的风险指标类型对应的风险识别模型可能相同或不同。
1.2、若风险识别需求数据中包括一种或多种风险指标类型,则根据所述风险指标判定所述目标业务的风险识别结果可以包括:
对任一种所述风险指标类型,确定与该种风险指标类型对应的风险识别规则;其中,风险识别规则可以包括风险参考值和/或风险识别模型;
利用与该种风险指标类型对应的风险识别规则判定该种风险指标类型对应的风险指标是否存在风险,且若该种风险指标类型对应的风险指标存在风险,则判定该种风险指标类型存在风险,和/或,若该种风险指标类型对应的风险指标不存在风险,则判定该种风险指标类型不存在风险;其中,可以根据该种风险指标类型对应的风险指标是否满足该种风险指标类型对应的风险识别规则,判定该种风险指标类型对应的风险指标是否存在风险;
根据至少一种风险指标类型的风险识别结果判定所述目标业务是否存在风险。
具体的,利用与该种风险指标类型对应的风险识别规则判定该种风险指标类型对应的风险指标是否存在风险包括但不限于1.2.1和/或1.2.2的方式:
1.2.1、风险识别规则可以包括风险参考值,特别是风险指标是数值型数据的情况下;
对任一种风险指标类型,可以根据该种风险指标类型对应的风险参考值判定该种风险指标类型对应的风险指标是否存在风险;例如将该种风险指标类型对应的风险指标与该种风险指标类型对应的风险参考值进行比较,根据比较结果判定该种风险指标类型对应的风险指标是否存在风险;
1.2.2、风险识别规则可以包括风险识别模型;
对任一种风险指标类型,可以根据该种风险指标类型对应的风险识别模型判定该种风险指标类型对应的风险指标是否存在风险;例如将该种风险指标类型对应的风险指标输入该种风险指标类型对应的风险识别模型,根据风险识别模型的输出数据判定该种风险指标类型对应的风险指标是否存在风险。特别的,不同的风险指标类型对应的风险识别模型可能相同或不同。
1.3、根据所述风险指标判定所述目标业务的风险识别结果包括:
对任一种所述风险指标,确定与该种风险指标对应的风险识别规则;其中,风险识别规则可以包括风险参考值和/或风险识别模型;
根据该种风险指标对应的风险识别规则判定该种风险指标是否存在风险;
根据至少一种风险指标的风险识别结果判定所述目标业务是否存在风险。
具体的,根据该种风险指标对应的风险识别规则判定该种风险指标是否存在风险包括但不限于1.3.1和/或1.3.2的方式:
1.3.1、风险识别规则可以包括风险参考值,特别是风险指标是数值型数据的情况下;
对任一种风险指标类型,可以根据该种风险指标对应的风险参考值判定该种风险指标是否存在风险;例如将该种风险指标与该种风险指标对应的风险参考值进行比较,根据比较结果判定该种风险指标是否存在风险;
1.3.2、风险识别规则可以包括风险识别模型;
对任一种风险指标类型,可以根据该种风险指标对应的风险识别模型判定该种风险指标是否存在风险;例如将该种风险指标输入该种风险指标对应的风险识别模型,根据风险识别模型的输出数据判定该种风险指标是否存在风险。特别的,不同的风险指标对应的风险识别模型可能相同或不同。
上述1.1或1.2中,根据至少一种风险指标类型的风险识别结果判定所述目标业务是否存在风险可以包括:
根据存在风险的风险指标类型的数量判定所述目标业务是否存在风险;例如,存在风险的风险指标类型的数量大于不存在风险的风险指标类型的数量,则判定目标业务存在风险;
和/或,
根据不存在风险的风险指标类型的数量判定所述目标业务是否存在风险;例如,存在风险的风险指标类型的数量小于不存在风险的风险指标类型的数量,则判定目标业务不存在风险;
和/或,
根据至少一种存在风险的风险指标类型的属性判定所述目标业务是否存在风险;其中,所述属性包括优先级或重要度;例如,某种风险指标类型优先级较高且存在风险,则可以判定目标业务存在风险,而不需要关心存在风险或不存在风险的风险指标类型的数量。
和/或,
根据至少一种不存在风险的风险指标类型的属性判定所述目标业务是否存在风险,其中,所述属性包括优先级或重要度;例如,某种风险指标类型优先级较高且不存在风险,则可以判定目标业务不存在风险,而不需要关心存在风险或不存在风险的风险指标类型的数量。
上述1.3中,根据至少一种风险指标的风险识别结果判定所述目标业务是否存在风险可以包括:
根据存在风险的风险指标的数量判定所述目标业务是否存在风险;例如,存在风险的风险指标的数量大于不存在风险的风险指标的数量,则判定目标业务存在风险;
和/或,
根据不存在风险的风险指标的数量判定所述目标业务是否存在风险;例如,存在风险的风险指标的数量小于不存在风险的风险指标的数量,则判定目标业务不存在风险;
和/或,
根据至少一种存在风险的风险指标的属性判定所述目标业务是否存在风险;其中,所述属性包括优先级或重要度;例如,某种风险指标优先级较高且存在风险,则可以判定目标业务存在风险,而不需要关心存在风险或不存在风险的风险指标的数量。
和/或,
根据至少一种不存在风险的风险指标的属性判定所述目标业务是否存在风险,其中,所述属性包括优先级或重要度;例如,某种风险指标优先级较高且不存在风险,则可以判定目标业务不存在风险,而不需要关心存在风险或不存在风险的风险指标的数量。
本实施例中,获取所述数据采集引擎采集的源数据,根据所述数据采集引擎采集的源数据生成一种或多种风险指标可以包括:
按照预设时间间隔获取所述数据采集引擎采集的源数据;
每获取一次源数据,则根据该次获取的源数据生成一种或多种风险指标;每生成一次风险指标,则根据该次生成的风险指标判定所述目标业务是否存在风险,从而可以按照预设时间间隔判定目标业务是否存在风险,即定时判定目标业务是否存在风险。
执行主体确定目标业务的风险识别结果(本实施例中的风险识别结果即指是否存在风险)后,可以向风险识别需求数据的发送端发送目标业务的风险识别结果。
本实施例中,风险识别需求数据可以包括多样化的风险指标类型,并定义多样化的风险指标,风险识别需求数据精确而全面表征了风险识别的要求和需求。
通过为风险识别需求数据配置数据采集引擎,使得数据采集更加精准,所采集的源数据更加符合风险识别要求和需求;特别的,为各种风险指标类型配置相应的数据采集引擎,能够采集各种风险指标类型对应的源数据,提高数据采集精细度和准确度,进而提高后续业务风险识别的精确度。
根据采集的源数据确定风险指标,由风险指标代表源数据(即目标业务数据)参与目标业务的风险识别(即根据所述风险指标判定所述目标业务的风险识别结果),一方面风险指标可以反映或描述目标业务数据的整体特征以及整体分布情况,根据风险指标进行目标业务的风险识别更加有效,风险识别效果更加准确;另一方面风险指标作为目标业务数据的代表,其体量更小,相对于使用大量的源数据或实际业务数据直接进行风险识别,使用风险指标进行目标业务风险识别的识别速度更快,识别效率更高。
由上可知,本实施例通过风险识别需求数据限定风险指标,风险指标作为目标业务数据的代表,能够从整体上反映目标业务对应或产生的数据的特性;将对目标业务的风险识别转换为基于风险指标的风险识别,能够提高业务风险识别效率和效果。
对业务进行以合规为目的的业务风险识别,以满足合规要求是业务正常开展的基础。业务合规涉及的数据量庞大,且各种数据混杂,因而目前针对业务进行合规风险识别存在工作量大、效率低,机器资源占用率和错误率高等缺陷,不利于业务合规的开展。通过本实施例的业务风险识别方法,既能够准确采集用于合规风险识别的源数据,又能够将对目标业务的合规风险识别转换为基于风险指标的合规风险识别,大大减少直接用于业务合规风险识别的数据量,从而提高业务合规风险识别效率和效果。
本说明书第一个实施例主要从业务风险识别端角度进行说明,本说明书第二个实施例主要从业务风险识别发起端进行说明。本说明书第二个实施例(以下简称“本实施例”)提供一种业务风险识别方法,本实施例的执行主体可以是终端(包括但不限于手机、计算机、pad、电视)或者服务器或者相应的业务风险识别平台或操作系统等,即执行主体可以是多种多样的,可以根据需要设置、使用或者变换执行主体。另外,也可以有第三方应用程序协助所述执行主体执行本实施例。例如图1所示,可以由服务器来执行本实施例中的业务风险识别方法,并且可以在(用户所持有的)终端上安装(与所述服务器)相对应的应用程序,终端或应用程序与服务器之间可以进行数据传输,通过终端或应用程序来进行数据的采集或输入或输出或(向用户)进行页面或信息展示,从而辅助服务器执行本实施例中的业务风险识别方法。
如图3所示,本实施例所提供的业务风险识别方法包括:
S202:(执行主体)确定风险识别需求数据,向业务风险识别端发送所述风险识别需求数据,以使所述业务风险识别端获取所述风险识别需求数据后,配置所述风险识别需求数据对应的数据采集引擎;以及调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据;其中,所述源数据采集自目标业务对应的数据;以及获取所述数据采集引擎采集的源数据,根据所述数据采集引擎采集的源数据生成一种或多种风险指标;以及根据所述风险指标确定所述目标业务的风险识别结果;
本实施例执行主体可以生成风险识别需求数据,风险识别需求数据的具体内容参照第一个实施例。例如,若要对某项支付业务进行风险识别,则本实施例执行主体可以确定该项支付业务的业务ID以及用以进行风险识别的风险指标类型等,生成针对该项支付业务的风险识别需求数据,风险识别需求数据中可以包括上述风险指标类型以及业务ID。
本实施例执行主体确定风险识别需求数据后,可以向业务风险识别端(即第一个实施例的执行主体)发送所述风险识别需求数据,以使所述业务风险识别端获取所述风险识别需求数据后,配置所述风险识别需求数据对应的数据采集引擎;以及调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据;其中,所述源数据采集自目标业务对应的数据;以及获取所述数据采集引擎采集的源数据,根据所述数据采集引擎采集的源数据生成一种或多种风险指标;以及根据所述风险指标确定所述目标业务的风险识别结果。
S204:(执行主体)获取所述目标业务的风险识别结果。
业务风险识别端确定目标业务的风险识别结果后,可以将风险识别结果发送给本实施例执行主体,即本实施例执行主体可以获取(所述业务风险识别端发送的)目标业务风险识别结果。获取目标业务的风险识别结果后,本实施例执行主体可以针对风险识别结果执行各种操作,例如显示所述风险识别结果,或根据所述风险识别结果进行风险预警,或根据所述风险识别结果对目标业务执行相应的管控操作等。
本实施例未详细说明的内容参照第一个实施例。
本实施例中,风险识别需求数据可以包括多样化的风险指标类型,并定义多样化的风险指标,风险识别需求数据精确而全面表征了风险识别的要求和需求。
通过为风险识别需求数据配置数据采集引擎,使得数据采集更加精准,所采集的源数据更加符合风险识别要求和需求;特别的,为各种风险指标类型配置相应的数据采集引擎,能够采集各种风险指标类型对应的源数据,提高数据采集精细度和准确度,进而提高后续业务风险识别的精确度。
根据采集的源数据确定风险指标,由风险指标代表源数据(即目标业务数据)参与目标业务的风险识别(即根据所述风险指标判定所述目标业务的风险识别结果),一方面风险指标可以反映或描述目标业务数据的整体特征以及整体分布情况,根据风险指标进行目标业务的风险识别更加有效,风险识别效果更加准确;另一方面风险指标作为目标业务数据的代表,其体量更小,相对于使用大量的源数据或实际业务数据直接进行风险识别,使用风险指标进行目标业务风险识别的识别速度更快,识别效率更高。
由上可知,本实施例通过风险识别需求数据限定风险指标,风险指标作为目标业务数据的代表,能够从整体上反映目标业务对应或产生的数据的特性;将对目标业务的风险识别转换为基于风险指标的风险识别,能够提高业务风险识别效率和效果。
对业务进行以合规为目的的业务风险识别,以满足合规要求是业务正常开展的基础。业务合规涉及的数据量庞大,且各种数据混杂,因而目前针对业务合规进行业务风险识别存在工作量大、效率低,机器资源占用率和错误率高等缺陷,不利于业务合规的开展。通过本实施例的业务风险识别方法,既能够准确采集用于合规风险识别的源数据,又能够将对目标业务的合规风险识别转换为基于风险指标的合规风险识别,大大减少直接用于业务合规风险识别的数据量,从而提高业务合规风险识别效率和效果。
如图4所示,本说明书第三个实施例提供一种业务风险识别装置,包括:
数据采集配置模块301,用于获取风险识别需求数据,配置所述风险识别需求数据对应的数据采集引擎;
数据采集模块303,用于调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据;其中,所述源数据采集自目标业务对应的数据;
风险指标生成模块305,用于获取所述数据采集引擎采集的源数据,根据所述数据采集引擎采集的源数据生成一种或多种风险指标;
风险识别模块307,用于根据所述风险指标判定所述目标业务的风险识别结果。
可选的,所述风险识别需求数据包括一种或多种风险指标类型;
配置所述风险识别需求数据对应的数据采集引擎包括:
为所述风险识别需求数据中的每种风险指标类型配置对应的数据采集引擎。
可选的,调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据包括:
对于所述风险识别需求数据中的每种风险指标类型,调用与该种风险指标类型对应的数据采集引擎,以采集符合所述风险识别需求数据中的该种风险指标类型的源数据。
可选的,所述风险识别需求数据包括一种或多种风险指标类型;
获取风险识别需求数据,配置所述风险识别需求数据对应的数据采集引擎包括:
定时获取风险识别需求数据,且每次获取风险识别需求数据后,为该次获取的风险识别需求数据中的每种风险指标类型配置对应的数据采集引擎。
可选的,所述风险识别需求数据包括一种或多种风险指标类型;
获取风险识别需求数据,配置所述风险识别需求数据对应的数据采集引擎包括:
每次获取风险识别需求数据后,确定该次获取的风险识别需求数据的任一种风险指标类型相对于之前获取的风险识别需求数据中的风险指标类型是否为新增风险指标类型;
若是,则该种新增风险指标类型配置对应的数据采集引擎;
若否,则将该种风险指标类型对应的已配置数据采集引擎作为该种风险指标类型对应的数据采集引擎。
可选的,所述数据采集配置模块301还用于:存储若干公共组件,所述公共组件用于配置数据采集引擎。
可选的,配置所述风险识别需求数据对应的数据采集引擎包括:
根据所述风险识别需求数据从所述若干公共组件中确定目标公共组件,利用所述目标公共组件配置数据采集引擎。
可选的,所述风险识别需求数据包括一种或多种风险指标类型;
配置所述风险识别需求数据对应的数据采集引擎包括:
对于任一种所述风险指标类型,确定该种风险指标类型对应的目标公共组件,利用该种风险指标类型对应的目标公共组件配置该种风险指标类型对应的数据采集引擎。
可选的,所述风险识别需求数据包括一种或多种风险指标类型;
根据所述数据采集引擎采集的源数据生成一种或多种风险指标包括:
对于所述风险识别需求数据中的每种风险指标类型,根据与该种风险指标类型对应的源数据生成该种风险指标类型对应的风险指标。
可选的,根据所述风险指标判定所述目标业务的风险识别结果包括:
对任一种所述风险指标类型,确定与该种风险指标类型对应的风险识别规则;
根据该种风险指标类型对应的风险识别规则以及该种风险指标类型对应的风险指标判定该种风险指标类型是否存在风险;
根据至少一种风险指标类型的风险识别结果判定所述目标业务是否存在风险。
可选的,根据所述风险指标判定所述目标业务的风险识别结果包括:
对任一种所述风险指标类型,确定与该种风险指标类型对应的风险识别规则;
利用与该种风险指标类型对应的风险识别规则判定该种风险指标类型对应的风险指标是否存在风险,且若该种风险指标类型对应的风险指标存在风险,则判定该种风险指标类型存在风险;
根据至少一种风险指标类型的风险识别结果判定所述目标业务是否存在风险。
可选的,所述风险识别规则包括风险参考值和/或风险识别模型。
可选的,根据至少一种风险指标类型的风险识别结果判定所述目标业务是否存在风险包括:
根据存在风险的风险指标类型的数量判定所述目标业务是否存在风险;
和/或,
根据不存在风险的风险指标类型的数量判定所述目标业务是否存在风险。
可选的,根据至少一种风险指标类型的风险识别结果判定所述目标业务是否存在风险包括:
根据至少一种存在风险的风险指标类型的属性判定所述目标业务是否存在风险;
和/或,
根据至少一种不存在风险的风险指标类型的属性判定所述目标业务是否存在风险。
可选的,根据所述风险指标判定所述目标业务的风险识别结果包括:
对任一种所述风险指标,确定与该种风险指标对应的风险识别规则;
根据该种风险指标对应的风险识别规则判定该种风险指标是否存在风险;
根据至少一种风险指标的风险识别结果判定所述目标业务是否存在风险。
可选的,根据至少一种风险指标的风险识别结果判定所述目标业务是否存在风险包括:
根据存在风险的风险指标的数量判定所述目标业务是否存在风险;
和/或,
根据不存在风险的风险指标的数量判定所述目标业务是否存在风险。
可选的,根据至少一种风险指标的风险识别结果判定所述目标业务是否存在风险包括:
根据至少一种存在风险的风险指标的属性判定所述目标业务是否存在风险;
和/或,
根据至少一种不存在风险的风险指标的属性判定所述目标业务是否存在风险。
可选的,所述属性包括优先级或重要度。
可选的,调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据包括:
按照预设时间间隔调用所述数据采集引擎,以按照所述预设时间间隔采集符合所述风险识别需求数据的源数据。
可选的,获取所述数据采集引擎采集的源数据,根据所述数据采集引擎采集的源数据生成一种或多种风险指标包括:
按照预设时间间隔获取所述数据采集引擎采集的源数据;
每获取一次源数据,则根据该次获取的源数据生成一种或多种风险指标。
可选的,根据所述风险指标判定所述目标业务的风险识别结果包括:
每生成一次风险指标,则根据该次生成的风险指标判定所述目标业务是否存在风险。
可选的,所述装置还包括:
发送模块,用于根据所述风险指标判定所述目标业务的风险识别结果后,向所述风险识别需求数据的发送端发送所述目标业务的风险识别结果。
可选的,所述数据采集配置模块301还用于:获取风险识别需求数据后,根据所述风险识别需求数据确定目标业务,所述目标业务为待进行风险识别的业务。
如图5所示,本说明书第四个实施例提供一种业务风险识别装置,包括:
风险识别发起模块402,用于确定风险识别需求数据,向业务风险识别端发送所述风险识别需求数据,以使所述业务风险识别端获取所述风险识别需求数据后,配置所述风险识别需求数据对应的数据采集引擎;以及调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据;其中,所述源数据采集自目标业务对应的数据;以及获取所述数据采集引擎采集的源数据,根据所述数据采集引擎采集的源数据生成一种或多种风险指标;以及根据所述风险指标确定所述目标业务的风险识别结果;
识别结果获取模块404,用于获取所述目标业务的风险识别结果。
本说明书第五个实施例提供一种业务风险识别设备,包括:
至少一个处理器;
以及,
与所述至少一个处理器通信连接的存储器;
其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,使所述至少一个处理器能够执行第一个实施例所述的业务风险识别方法。
本说明书第六个实施例提供一种业务风险识别设备,包括:
至少一个处理器;
以及,
与所述至少一个处理器通信连接的存储器;
其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,使所述至少一个处理器能够执行第二个实施例所述的业务风险识别方法。
本说明书第七个实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现第一个实施例所述的业务风险识别方法。
本说明书第八个实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现第二个实施例所述的业务风险识别方法。
上述各实施例可以结合使用,不同实施例之间名称相同的模块可相同可不同。
上述对本说明书特定实施例进行了描述,其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,附图中描绘的过程不一定必须按照示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
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,对于装置、设备、非易失性计算机可读存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书实施例提供的装置、设备、非易失性计算机可读存储介质与方法是对应的,因此,装置、设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述对应装置、设备、非易失性计算机存储介质的有益技术效果。
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,在实施本说明书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,本说明书实施例可提供为方法、系统、或计算机程序产品。因此,本说明书实施例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,本说明书实施例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。
本说明书是参照根据本说明书实施例的方法、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,磁带式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。
本说明书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说明书,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。
以上所述仅为本说明书实施例而已,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 (30)
1.一种业务风险识别方法,包括:
获取风险识别需求数据,配置所述风险识别需求数据对应的数据采集引擎;
调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据;其中,所述源数据采集自目标业务对应的数据;
获取所述数据采集引擎采集的源数据,根据所述数据采集引擎采集的源数据生成一种或多种风险指标;
根据所述风险指标判定所述目标业务的风险识别结果。
2.如权利要求1所述的方法,所述风险识别需求数据包括一种或多种风险指标类型;
配置所述风险识别需求数据对应的数据采集引擎包括:
为所述风险识别需求数据中的每种风险指标类型配置对应的数据采集引擎。
3.如权利要求2所述的方法,调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据包括:
对于所述风险识别需求数据中的每种风险指标类型,调用与该种风险指标类型对应的数据采集引擎,以采集符合所述风险识别需求数据中的该种风险指标类型的源数据。
4.如权利要求1所述的方法,所述风险识别需求数据包括一种或多种风险指标类型;
获取风险识别需求数据,配置所述风险识别需求数据对应的数据采集引擎包括:
定时获取风险识别需求数据,且每次获取风险识别需求数据后,为该次获取的风险识别需求数据中的每种风险指标类型配置对应的数据采集引擎。
5.如权利要求1所述的方法,所述风险识别需求数据包括一种或多种风险指标类型;
获取风险识别需求数据,配置所述风险识别需求数据对应的数据采集引擎包括:
每次获取风险识别需求数据后,确定该次获取的风险识别需求数据的任一种风险指标类型相对于之前获取的风险识别需求数据中的风险指标类型是否为新增风险指标类型;
若是,则该种新增风险指标类型配置对应的数据采集引擎;
若否,则将该种风险指标类型对应的已配置数据采集引擎作为该种风险指标类型对应的数据采集引擎。
6.如权利要求1所述的方法,所述方法还包括:
存储若干公共组件,所述公共组件用于配置数据采集引擎。
7.如权利要求6所述的方法,配置所述风险识别需求数据对应的数据采集引擎包括:
根据所述风险识别需求数据从所述若干公共组件中确定目标公共组件,利用所述目标公共组件配置数据采集引擎。
8.如权利要求6所述的方法,所述风险识别需求数据包括一种或多种风险指标类型;
配置所述风险识别需求数据对应的数据采集引擎包括:
对于任一种所述风险指标类型,确定该种风险指标类型对应的目标公共组件,利用该种风险指标类型对应的目标公共组件配置该种风险指标类型对应的数据采集引擎。
9.如权利要求1所述的方法,所述风险识别需求数据包括一种或多种风险指标类型;
根据所述数据采集引擎采集的源数据生成一种或多种风险指标包括:
对于所述风险识别需求数据中的每种风险指标类型,根据与该种风险指标类型对应的源数据生成该种风险指标类型对应的风险指标。
10.如权利要求9所述的方法,根据所述风险指标判定所述目标业务的风险识别结果包括:
对任一种所述风险指标类型,确定与该种风险指标类型对应的风险识别规则;
根据该种风险指标类型对应的风险识别规则以及该种风险指标类型对应的风险指标判定该种风险指标类型是否存在风险;
根据至少一种风险指标类型的风险识别结果判定所述目标业务是否存在风险。
11.如权利要求9所述的方法,根据所述风险指标判定所述目标业务的风险识别结果包括:
对任一种所述风险指标类型,确定与该种风险指标类型对应的风险识别规则;
利用与该种风险指标类型对应的风险识别规则判定该种风险指标类型对应的风险指标是否存在风险,且若该种风险指标类型对应的风险指标存在风险,则判定该种风险指标类型存在风险;
根据至少一种风险指标类型的风险识别结果判定所述目标业务是否存在风险。
12.如权利要求10或11所述的方法,根据至少一种风险指标类型的风险识别结果判定所述目标业务是否存在风险包括:
根据存在风险的风险指标类型的数量判定所述目标业务是否存在风险;
和/或,
根据不存在风险的风险指标类型的数量判定所述目标业务是否存在风险。
13.如权利要求10或11所述的方法,根据至少一种风险指标类型的风险识别结果判定所述目标业务是否存在风险包括:
根据至少一种存在风险的风险指标类型的属性判定所述目标业务是否存在风险;
和/或,
根据至少一种不存在风险的风险指标类型的属性判定所述目标业务是否存在风险。
14.如权利要求1所述的方法,根据所述风险指标判定所述目标业务的风险识别结果包括:
对任一种所述风险指标,确定与该种风险指标对应的风险识别规则;
根据该种风险指标对应的风险识别规则判定该种风险指标是否存在风险;
根据至少一种风险指标的风险识别结果判定所述目标业务是否存在风险。
15.如权利要求14所述的方法,根据至少一种风险指标的风险识别结果判定所述目标业务是否存在风险包括:
根据存在风险的风险指标的数量判定所述目标业务是否存在风险;
和/或,
根据不存在风险的风险指标的数量判定所述目标业务是否存在风险。
16.如权利要求14所述的方法,根据至少一种风险指标的风险识别结果判定所述目标业务是否存在风险包括:
根据至少一种存在风险的风险指标的属性判定所述目标业务是否存在风险;
和/或,
根据至少一种不存在风险的风险指标的属性判定所述目标业务是否存在风险。
17.如权利要求10、11、14中任一项所述的方法,所述风险识别规则包括风险参考值和/或风险识别模型。
18.如权利要求13或16所述的方法,所述属性包括优先级或重要度。
19.如权利要求1所述的方法,调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据包括:
按照预设时间间隔调用所述数据采集引擎,以按照所述预设时间间隔采集符合所述风险识别需求数据的源数据。
20.如权利要求1所述的方法,获取所述数据采集引擎采集的源数据,根据所述数据采集引擎采集的源数据生成一种或多种风险指标包括:
按照预设时间间隔获取所述数据采集引擎采集的源数据;
每获取一次源数据,则根据该次获取的源数据生成一种或多种风险指标。
21.如权利要求20所述的方法,根据所述风险指标判定所述目标业务的风险识别结果包括:
每生成一次风险指标,则根据该次生成的风险指标判定所述目标业务是否存在风险。
22.如权利要求1所述的方法,根据所述风险指标判定所述目标业务的风险识别结果后,所述方法还包括:
向所述风险识别需求数据的发送端发送所述目标业务的风险识别结果。
23.如权利要求1所述的方法,获取风险识别需求数据后,所述方法还包括:
根据所述风险识别需求数据确定目标业务,所述目标业务为待进行风险识别的业务。
24.一种业务风险识别方法,包括:
确定风险识别需求数据,向业务风险识别端发送所述风险识别需求数据,以使所述业务风险识别端获取所述风险识别需求数据后,配置所述风险识别需求数据对应的数据采集引擎;以及调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据;其中,所述源数据采集自目标业务对应的数据;以及获取所述数据采集引擎采集的源数据,根据所述数据采集引擎采集的源数据生成一种或多种风险指标;以及根据所述风险指标确定所述目标业务的风险识别结果;
获取所述目标业务的风险识别结果。
25.一种业务风险识别装置,包括:
数据采集配置模块,用于获取风险识别需求数据,配置所述风险识别需求数据对应的数据采集引擎;
数据采集模块,用于调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据;其中,所述源数据采集自目标业务对应的数据;
风险指标生成模块,用于获取所述数据采集引擎采集的源数据,根据所述数据采集引擎采集的源数据生成一种或多种风险指标;
风险识别模块,用于根据所述风险指标判定所述目标业务的风险识别结果。
26.一种业务风险识别装置,包括:
风险识别发起模块,用于确定风险识别需求数据,向业务风险识别端发送所述风险识别需求数据,以使所述业务风险识别端获取所述风险识别需求数据后,配置所述风险识别需求数据对应的数据采集引擎;以及调用所述数据采集引擎,以采集符合所述风险识别需求数据的源数据;其中,所述源数据采集自目标业务对应的数据;以及获取所述数据采集引擎采集的源数据,根据所述数据采集引擎采集的源数据生成一种或多种风险指标;以及根据所述风险指标确定所述目标业务的风险识别结果;
识别结果获取模块,用于获取所述目标业务的风险识别结果。
27.一种业务风险识别设备,包括:
至少一个处理器;
以及,
与所述至少一个处理器通信连接的存储器;
其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,使所述至少一个处理器能够执行权利要求1至23中任一项所述的业务风险识别方法。
28.一种业务风险识别设备,包括:
至少一个处理器;
以及,
与所述至少一个处理器通信连接的存储器;
其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,使所述至少一个处理器能够执行权利要求24所述的业务风险识别方法。
29.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现权利要求1至23中任一项所述的业务风险识别方法。
30.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现权利要求24所述的业务风险识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010829760.9A CN111967767A (zh) | 2020-08-18 | 2020-08-18 | 一种业务风险识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010829760.9A CN111967767A (zh) | 2020-08-18 | 2020-08-18 | 一种业务风险识别方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111967767A true CN111967767A (zh) | 2020-11-20 |
Family
ID=73387765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010829760.9A Pending CN111967767A (zh) | 2020-08-18 | 2020-08-18 | 一种业务风险识别方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111967767A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112835891A (zh) * | 2021-01-15 | 2021-05-25 | 卓望数码技术(深圳)有限公司 | 一种数据比对方法及系统、任务控制器、存储介质 |
CN112835891B (zh) * | 2021-01-15 | 2024-05-03 | 卓望数码技术(深圳)有限公司 | 一种数据比对方法及系统、任务控制器、存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105991574A (zh) * | 2015-02-10 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 风险行为监控方法及装置 |
CN108876133A (zh) * | 2018-06-07 | 2018-11-23 | 中国平安人寿保险股份有限公司 | 基于业务信息的风险评估处理方法、装置、服务器和介质 |
CN109165840A (zh) * | 2018-08-20 | 2019-01-08 | 平安科技(深圳)有限公司 | 风险预测处理方法、装置、计算机设备和介质 |
CN109191283A (zh) * | 2018-08-30 | 2019-01-11 | 成都数联铭品科技有限公司 | 风险预警方法及系统 |
CN110020775A (zh) * | 2019-01-30 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 一种风险交易管控方法及装置 |
CN110059939A (zh) * | 2018-12-13 | 2019-07-26 | 成都亚信网络安全产业技术研究院有限公司 | 一种风险检测方法及装置 |
CN110378698A (zh) * | 2019-07-24 | 2019-10-25 | 中国工商银行股份有限公司 | 交易风险识别方法、装置和计算机系统 |
CN110533527A (zh) * | 2019-08-29 | 2019-12-03 | 上海云从汇临人工智能科技有限公司 | 一种信贷风险动态评估方法、系统、介质和设备 |
CN110570097A (zh) * | 2019-08-15 | 2019-12-13 | 中国平安人寿保险股份有限公司 | 基于大数据的业务人员风险识别方法、装置及存储介质 |
-
2020
- 2020-08-18 CN CN202010829760.9A patent/CN111967767A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105991574A (zh) * | 2015-02-10 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 风险行为监控方法及装置 |
CN108876133A (zh) * | 2018-06-07 | 2018-11-23 | 中国平安人寿保险股份有限公司 | 基于业务信息的风险评估处理方法、装置、服务器和介质 |
CN109165840A (zh) * | 2018-08-20 | 2019-01-08 | 平安科技(深圳)有限公司 | 风险预测处理方法、装置、计算机设备和介质 |
CN109191283A (zh) * | 2018-08-30 | 2019-01-11 | 成都数联铭品科技有限公司 | 风险预警方法及系统 |
CN110059939A (zh) * | 2018-12-13 | 2019-07-26 | 成都亚信网络安全产业技术研究院有限公司 | 一种风险检测方法及装置 |
CN110020775A (zh) * | 2019-01-30 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 一种风险交易管控方法及装置 |
CN110378698A (zh) * | 2019-07-24 | 2019-10-25 | 中国工商银行股份有限公司 | 交易风险识别方法、装置和计算机系统 |
CN110570097A (zh) * | 2019-08-15 | 2019-12-13 | 中国平安人寿保险股份有限公司 | 基于大数据的业务人员风险识别方法、装置及存储介质 |
CN110533527A (zh) * | 2019-08-29 | 2019-12-03 | 上海云从汇临人工智能科技有限公司 | 一种信贷风险动态评估方法、系统、介质和设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112835891A (zh) * | 2021-01-15 | 2021-05-25 | 卓望数码技术(深圳)有限公司 | 一种数据比对方法及系统、任务控制器、存储介质 |
CN112835891B (zh) * | 2021-01-15 | 2024-05-03 | 卓望数码技术(深圳)有限公司 | 一种数据比对方法及系统、任务控制器、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109447469B (zh) | 一种文本检测方法、装置及设备 | |
CN110704037B (zh) | 一种规则引擎实现方法及装置 | |
CN107577697B (zh) | 一种数据处理方法、装置及设备 | |
CN110503435B (zh) | 基于区块链的交易预警方法、装置及设备 | |
CN108599973B (zh) | 一种日志关联方法、装置及设备 | |
CN112015739A (zh) | 一种数据核验、数据查询方法及装置 | |
CN110635962B (zh) | 用于分布式系统的异常分析方法及装置 | |
CN107451204B (zh) | 一种数据查询方法、装置及设备 | |
CN110232156B (zh) | 基于长文本的信息推荐方法及装置 | |
CN109345081B (zh) | 一种数据采集方法、装置及电子设备 | |
CN114416714A (zh) | 数据治理系统 | |
CN108446301B (zh) | 业务文件拆分汇总方法、装置及设备 | |
CN110008252B (zh) | 数据核对方法及装置 | |
CN111967769B (zh) | 一种风险识别方法、装置、设备及介质 | |
CN107544753B (zh) | 数据处理方法、装置及服务器 | |
CN108470242B (zh) | 风险管控方法、装置、及服务器 | |
CN111967767A (zh) | 一种业务风险识别方法、装置、设备及介质 | |
CN109903165B (zh) | 一种模型合并方法和装置 | |
CN110704742B (zh) | 一种特征提取方法及装置 | |
CN114780630A (zh) | 一种数据展示方法、装置及设备 | |
CN106548331B (zh) | 一种确定发布顺序的方法及装置 | |
CN110245136B (zh) | 数据检索方法及装置、设备及存储设备 | |
CN113672660A (zh) | 一种数据查询方法、装置及设备 | |
CN110083624B (zh) | 流数据处理方法、设备、数据处理设备、计算机介质 | |
CN109615465B (zh) | 业务订单的处理方法、装置和电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201120 |