CN112258317B - 基于人工智能的线上信贷方法、装置、计算机设备及介质 - Google Patents
基于人工智能的线上信贷方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN112258317B CN112258317B CN202011198141.0A CN202011198141A CN112258317B CN 112258317 B CN112258317 B CN 112258317B CN 202011198141 A CN202011198141 A CN 202011198141A CN 112258317 B CN112258317 B CN 112258317B
- Authority
- CN
- China
- Prior art keywords
- credit
- double
- requester
- public key
- generating
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 32
- 238000001514 detection method Methods 0.000 claims description 93
- 239000013598 vector Substances 0.000 claims description 85
- 238000012549 training Methods 0.000 claims description 24
- 238000012795 verification Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012706 support-vector machine Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 19
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 238000013145 classification model Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000002790 cross-validation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000002747 voluntary effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- 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
- G10L17/22—Interactive procedures; Man-machine interfaces
- G10L17/24—Interactive procedures; Man-machine interfaces the user being prompted to utter a password or a predefined phrase
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
- H04L9/3247—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials involving digital signatures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Hardware Design (AREA)
- Business, Economics & Management (AREA)
- Bioethics (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Acoustics & Sound (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Storage Device Security (AREA)
Abstract
本发明涉及人工智能技术领域,提供一种基于人工智能的线上信贷方法、装置、计算机设备及介质,包括:获取信贷请求者阅读预设文本的双录视频;根据所述预设文本、所述双录视频及所述信贷请求者的证件图像判断是否通过阅读;当确定通过阅读时,使用意愿识别模型基于所述双录视频识别所述信贷请求者的意愿类型;当所述意愿类型为目标意愿类型时,接收所述信贷请求者输入的数字密码;根据所述数字密码生成第一公钥,并根据所述第一公钥及所述证件图像生成数字签名;根据所述数字签名生成信贷合同。本发明能够提高信贷申请的效率。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种基于人工智能的线上信贷方法、装置、计算机设备及介质。
背景技术
传统银行信贷业务在线下进行,并基于线下网点的面签模式,导致银行信贷业务的业务范围十分有限,无法大规模、批量的对广大互联网用户授信。
虽然随着网络技术的发展逐渐渗透到人们的日常消费生活,越来越多的网络商务活动选择线上进行,避免了传统纸质合同签署、交换、保存的麻烦,但基于互联网的信贷业务的电子合同仍需用户手写电子签名。手写电子签名一方面容易存在模仿造假的可能,导致信贷业务电子合同的安全性得不到保障,另一方面手写电子签名并不方便,导致信贷业务电子合同的签核效率较低。
发明内容
鉴于以上内容,有必要提出一种基于人工智能的线上信贷方法、装置、计算机设备及介质,能够提高信贷申请的效率。
本发明的第一方面提供一种基于人工智能的线上信贷方法,所述方法包括:
获取信贷请求者阅读预设文本的双录视频;
根据所述预设文本、所述双录视频及所述信贷请求者的证件图像判断是否通过阅读;
当确定通过阅读时,使用意愿识别模型基于所述双录视频识别所述信贷请求者的意愿类型;
当所述意愿类型为目标意愿类型时,接收所述信贷请求者输入的数字密码;
根据所述数字密码生成第一公钥,并根据所述第一公钥及所述证件图像生成数字签名;
根据所述数字签名生成信贷合同。
在一个可选的实施例中,所述根据所述预设文本、所述双录视频及所述信贷请求者的证件图像判断是否通过阅读包括:
提取所述双录视频中的音频及提取所述双录视频中的多个帧图像;
识别所述音频得到语音文本,并比对所述语音文本与所述预设文本,得到第一比对结果;
比对所述多个帧图像及所述证件图像,得到第二比对结果;
根据所述第一比对结果及所述第二比对结果判断所述信贷请求者是否通过阅读。
在一个可选的实施例中,所述提取所述双录视频中的多个帧图像包括:
计算所述双录视频的双录时间;
根据所述双录时间生成检测次数;
根据所述双录时间及所述检测次数计算检测帧率;
使用所述检测帧率从所述双录视频中提取多个帧图像。
在一个可选的实施例中,所述根据所述双录时间生成检测次数包括:
定义第一检测次数上下限及第二检测次数上下限;
计算历史双录时间的平均时间值;
比较所述双录时间与所述平均时间值;
当所述双录时间大于或者等于所述平均时间值,在所述第一检测次数上下限对应的数值范围内生成第一随机数,作为所述双录视频的检测次数;
当所述双录时间小于所述平均时间值时,在所述第二检测次数上下限对应的数值范围内生成第二随机数,作为所述双录视频的检测次数。
在一个可选的实施例中,所述意愿识别模型的训练过程包括:
获取多个意愿类型对应的多个双录视频,并识别每个意愿类型对应的每个双录视频中的语音文本;
对所述语音文本进行分行编码处理,得到多个编码向量;
将每个编码向量输入至正向长短期记忆网络层中,得到第一向量,并将每个编码向量输入至反向长短期记忆网络层中,得到第二向量;
按照所述语音文本的行顺序将所述语音文本对应的多个第一向量及多个第二向量进行拼接,得到输入向量;
根据所述意愿类型及所述意愿类型对应的输入向量生成特征向量;
基于多个所述特征向量训练支持向量机,得到意愿类型识别模型。
在一个可选的实施例中,所述根据所述数字密码生成第一公钥包括:
确定与所述数字密码对应的字符串;
计算所述字符串的散列值;
获取第一系统参数及第二系统参数;
利用所述第一系统参数、所述第二系统参数以及所述散列值计算符合El Gamal承诺的第一验证参数,将所述第一验证参数确定为第一公钥。
在一个可选的实施例中,在所述根据所述数字签名生成信贷合同之后,所述方法还包括:
将所述第一公钥作为所述信贷合同的合同编码;
当接收到签核者的签核指令后,发送数字密码获取指令至所述信贷请求者的客户端;
接收所述客户端发送的信贷请求者根据所述数字密码获取指令输入的数字密码;
根据接收到的数字密码生成第二公钥;
验证所述第二公钥与所述合同编码是否相同;
当确定所述第二公钥与所述合同编码相同时,执行预设放款操作。
本发明的第二方面提供一种基于人工智能的线上信贷装置,所述装置包括:
获取模块,用于获取信贷请求者阅读预设文本的双录视频;
判断模块,用于根据所述预设文本、所述双录视频及所述信贷请求者的证件图像判断是否通过阅读;
识别模块,用于当确定通过阅读时,使用意愿识别模型基于所述双录视频识别所述信贷请求者的意愿类型;
接收模块,用于当所述意愿类型为目标意愿类型时,接收所述信贷请求者输入的数字密码;
签名模块,用于根据所述数字密码生成第一公钥,并根据所述第一公钥及所述证件图像生成数字签名;
生成模块,用于根据所述数字签名生成信贷合同。
本发明的第三方面提供一种计算机设备,所述计算机设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现所述基于人工智能的线上信贷方法。
本发明的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质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所述基于人工智能的线上信贷方法。
综上所述,本发明所述的基于人工智能的线上信贷方法、装置、计算机设备及介质,在获取到信贷请求者阅读预设文本的双录视频时,根据所述预设文本、所述双录视频及所述信贷请求者的证件图像判断信贷请求者是否通过阅读;当确定信贷请求者通过阅读时,使用意愿识别模型基于所述双录视频识别所述信贷请求者的意愿类型,仅当所述意愿类型为目标意愿类型时,接收所述信贷请求者输入的数字密码,接着根据所述数字密码生成第一公钥,并根据所述第一公钥及所述证件图像生成数字签名,最后根据所述数字签名生成信贷合同。本发明能够根据信贷请求者的双录视频生成信贷合同,提高了信贷申请的效率,且基于双录视频,能够避免信贷申请数据造假,保障了信贷合同的安全。
附图说明
图1是本发明实施例一提供的基于人工智能的线上信贷方法的流程图。
图2是本发明实施例二提供的基于人工智能的线上信贷装置的结构图。
图3是本发明实施例三提供的计算机设备的结构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
本发明实施例提供的基于人工智能的线上信贷方法由计算机设备执行,相应地,基于人工智能的线上信贷装置运行于计算机设备中。
图1是本发明实施例一提供的基于人工智能的线上信贷方法的流程图。所述基于人工智能的线上信贷方法具体包括以下步骤,根据不同的需求,该流程图中步骤的顺序可以改变,某些可以省略。
S11,获取信贷请求者阅读预设文本的双录视频。
所述预设文本是指为了在线上信贷时达到客户知晓的义务,将业务风险、贷款须知等以文字的形式展示在信贷请求者的客户端上的文本。
所述信贷请求者的客户端上预先安装有专用于信贷服务的信贷应用程序,所述信贷请求者通过所述客户端上的所述信贷应用程序录制阅读所述预设文本的双录视频。具体而言,所述信贷请求者启动所述信贷应用程序上的录制功能,对照着所述预设文本进行阅读,所述信贷应用程序通过所述录制功能录制双录视频。在双录视频录制完成后,通过所述客户端上传所述双录视频至信贷服务器。
本实施例中,通过获取信贷请求者阅读预设文本的双录视频,能够保证信贷请求者实际进行了阅读,从而实现对信贷请求者的告知义务,减少后续信贷的投诉风险。
S12,根据所述预设文本、所述双录视频及所述信贷请求者的证件图像判断是否通过阅读。
所述信贷请求者在客户端上成功安装所述信贷应用程序,在首次登录时需要先进行身份信息注册。例如,通过所述信贷应用程序中的证件图像上传功能上传证件图像来完成身份信息的注册。所述证件图像可以是身份证图像,护照图像,驾驶证图像等。
在一个可选的实施例中,所述根据所述预设文本、所述双录视频及所述信贷请求者的证件图像判断是否通过阅读包括:
提取所述双录视频中的音频及提取所述双录视频中的多个帧图像;
识别所述音频得到语音文本,并比对所述语音文本与所述预设文本,得到第一比对结果;
比对所述多个帧图像及所述证件图像,得到第二比对结果;
根据所述第一比对结果及所述第二比对结果判断所述信贷请求者是否通过阅读。
所述双录视频包括音频及帧图像序列,采用音频分离技术将音频从所述双录视频中分离出来,并使用语音识别技术识别所述音频得到语音文本。所述音频分离技术及所述语音识别技术可以为现有技术。计算机设备可以按照预先设置的固定的采集频率从所述帧图像序列中提取出多个帧图像。
由于信贷请求者存在方言的区别,因此计算机设备预先设置第一相似度阈值,以判断所述信贷请求者的音频比对是否通过。具体实施时,计算机设备在得到语音文本之后,计算所述语音文本与所述预设文本之间的第一相似度;比较所述第一相似度与预设第一相似度阈值;当所述第一相似度大于或者等于所述预设第一相似度阈值时,得到音频比对通过的第一比对结果;当所述第一相似度小于所述预设第一相似度阈值时,得到音频比对未通过的第一比对结果。
由于在录制双录视频时因光线等原因导致双录视频中的人脸存在区别,因此计算机设备预先设置第二相似度阈值,以判断所述信贷请求者的图像比对是否通过。具体实施时,计算机设备在得到多个帧图像之后,计算每个帧图像与所述证件图像之间的第二相似度;比较每个第二相似度与预设第二相似度阈值;当每个第二相似度大于或者等于所述预设第二相似度阈值时,得到图像比对通过的第二比对结果;当任意一个第二相似度小于所述预设第二相似度阈值时,得到音频比对未通过的第二比对结果。
计算机设备最后结合第一比对结果和第二比对结果判断所述信贷请求者是否通过阅读。具体实施时,当所述第一比对结果为音频比对通过且所述第二比对结果为图像比对通过,则确定所述信贷请求者通过阅读;当所述第一比对结果为音频比对未通过且所述第二比对结果为图像比对未通过,则确定所述信贷请求者未通过阅读。
在一个可选的实施例中,所述提取所述双录视频中的多个帧图像包括:
计算所述双录视频的双录时间;
根据所述双录时间生成检测次数;
根据所述双录时间及所述检测次数计算检测帧率;
使用所述检测帧率从所述双录视频中提取多个帧图像。
该可选的实施例中,计算机设备根据每个双录子视频对应的流程环节的开始时间节点及结束时间节点计算每个双录视频的双录时间。
为了避免信贷申请过程中的数据造假,计算机设备根据双录视频的双录时间生成检测次数,从而根据检测次数确定如何从双录视频中提取帧图像来进行人脸检测。根据双录时间能够为不同的双录视频生成不同的检测次数,使得提取出的帧图像具有较大的随机性,从而使得对帧图像进行人脸检测也具有较大的随机性,能够有效的确保人脸检测的真实可靠。
计算机设备计算双录时间与检测次数之间的商即可得到检测帧率,例如,双录时间为5分钟,检测次数为10,则检测帧率为5分/10=30秒,即,每30秒从双录视频中提取出一个帧图像。
在一个可选的实施例中,所述根据所述双录时间生成检测次数包括:
定义第一检测次数上下限及第二检测次数上下限;
计算历史双录时间的平均时间值;
比较所述双录时间与所述平均时间值;
当所述双录时间大于或者等于所述平均时间值,在所述第一检测次数上下限对应的数值范围内生成第一随机数,作为所述双录视频的检测次数;
当所述双录时间小于所述平均时间值时,在所述第二检测次数上下限对应的数值范围内生成第二随机数,作为所述双录视频的检测次数。
其中,所述第一检测次数上下限为[x1,x2],所述第二检测次数上下限为[x3,x4],第一检测次数下限大于所述第二检测次数上限,即第二检测次数下限x3<第二检测次数上限x4<第一检测次数下限x1<第一检测次数上限x2。
示例性,假设有3个历史双录视频,第一个历史双录视频的双录时间为T1,第二个历史双录视频的双录时间为T2,第三个历史双录视频的双录时间为T3,则计算历史双录时间的平均时间值为B1=T1/(T1+T2+T3)。
当所述双录时间大于或者等于所述平均时间值,表明该双录视频相对而言属于较长的双录视频,因此可以提取出较多的视频帧;当所述双录时间小于所述平均时间值,表明该双录视频相对而言属于较短的双录视频,因此可以提取出较少的视频帧。
该可选的实施例,通过在所述第一检测次数上下限对应的数值范围内生成第一随机数,能够使得生成的第一随机数较大,从而将所述第一随机数作为所述双录视频的检测次数时,能够提取出较多的视频帧,而通过在所述第二检测次数上下限对应的数值范围内生成第二随机数,能够使得生成的第二随机数较小,从而将所述第二随机数作为所述双录视频的检测次数时,能够提取出较少的视频帧。如此,能够自动的确定提取出的视频帧的数量,视频帧的提取效率较高。
S13,当确定通过阅读时,使用意愿识别模型基于所述双录视频识别所述信贷请求者的意愿类型。
所述意愿识别模型为计算机设备事先离线训练得到的,用以基于双录视频识别所述信贷请求者的意愿类型。其中,所述意愿类型包括:愿意、不愿意。如果意愿类型为愿意,表明信贷请求者真实自愿的进行信贷申请。如果意愿类型为不愿意,表明信贷请求者并非真实自愿的进行信贷申请,例如,被胁迫或者被强制性的进行信贷申请。
在一个可选的实施例中,所述意愿识别模型的训练过程可以包括:
获取多个意愿类型对应的多个双录视频,并识别每个意愿类型对应的每个双录视频中的语音文本;
对所述语音文本进行分行编码处理,得到多个编码向量;
将每个编码向量输入至正向长短期记忆网络层中,得到第一向量,并将每个编码向量输入至反向长短期记忆网络层中,得到第二向量;
按照所述语音文本的行顺序将所述语音文本对应的多个第一向量及多个第二向量进行拼接,得到第一输入向量;
根据所述意愿类型及所述意愿类型对应的第一输入向量生成特征向量;
基于多个所述特征向量训练支持向量机,得到意愿类型识别模型。
该可选的实施例中,所述计算机设备先获取所述语言文本中的预设段落标签,根据所述预设段落标签对所述语言文本进行分块处理,得到多个段文本;再获取所述语言文本中的预设换行符,根据所述预设换行符对每个段文本进行分行处理,得到多个行文本。
所述计算机设备可以采用交叉验证法划分多个特征向量,得到第一集合及第二集合。具体实施时,所述计算机设备将所述多个特征向量按照预设比例随机划分为至少一个数据包,将所述至少一个数据包中的任意一个数据包确定为所述第二集合,其余的数据包确定为所述第一集合,重复上述步骤,直至所有的数据包全都依次被用作为所述第二集合。其中,所述预设比例可以自定义设置,本发明不作限制。基于所述第一集合训练二分类模型,基于所述第二集合验证所述二分类模型。具体的训练过程和验证过程为现有技术,本发明在此不再详细赘述。
所述计算机设备在训练得到意愿识别模型之后,将所述双录视频对应的语音文本进行分行编码处理得到多个编码向量,将每个编码向量输入至正向长短期记忆网络层中,得到第三向量,并将每个编码向量输入至反向长短期记忆网络层中,得到第四向量;按照所述语音文本的行顺序将所述语音文本对应的多个第三向量及多个第四向量进行拼接,得到第二输入向量;输入所述第二输入向量至所述意愿识别模型中,通过所述意愿识别模型对所述第二输入向量的识别,得到意愿类型。
该可选的实施例中,通过对所述语言文本进行分块处理再进行分行处理,能够避免语音文本中的段尾因不具有预设换行符而导致无法分行,提高了分行的准确度;而提高了分行的准确度之后,能够提高分行编码的编码准确率,从而使用正向长短期记忆网络层及反向长短期记忆网络层对所述编码向量进行处理,能使得使每个编码向量更符合上下文语义,提高意愿识别模型的训练精度;通过划分多个特征向量,使所述多个特征向量中的每个数据行均参与训练及验证,由此,提高了训练所述意愿识别模型的拟合度。
S14,当所述意愿类型为目标意愿类型时,接收所述信贷请求者输入的数字密码。
所述目标意愿类型为计算机设备预先指定的意愿类型,示例性的,所述目标意愿类型可以为愿意。
计算机设备在确定信贷请求者的意愿类型为目标意愿类型时,显示数字密码输入界面,供信贷请求者在所述数字密码数字界面中输入数字密码。所述数字密码用于后续银行放款时要求输入的用以进行身份验证的密码。
S15,根据所述数字密码生成第一公钥,并根据所述第一公钥及所述证件图像生成数字签名。
计算机设备中预先存储有密钥生成算法,以所述数字密码为密钥生成算法的入参,得到的密钥值作为第一公钥。使用所述第一公钥对所述证件图像进行加密,并提取加密后的加密比特,得到数字签名。
在一个可选的实施例中,所述根据所述数字密码生成第一公钥包括:
确定与所述数字密码对应的字符串;
计算所述字符串的散列值;
获取第一系统参数及第二系统参数;
利用所述第一系统参数、所述第二系统参数以及所述散列值计算符合El Gamal承诺的第一验证参数,将所述第一验证参数确定为第一公钥。
该可选的实施例中,计算机设备中存储有数字与字符之间的对应关系表,根据所述对应关系表,确定出与所述数字密码中的每一个密码对应的字符,然后将所述字符按照数字密码的顺序串接起来形成一个字符串。计算机设备可以采用散列函数对所述字符串进行计算,得到散列值。所述散列函数可以是信息摘要算法(Message-Digest Algorithm,MD5),通过MD5计算所述字符串的散列值,能够产生出一个128位(16字节)的散列值。
所述第一系统参数及所述第二系统参数均为公开的参数,所述第一系统参数可以是椭圆曲线群生成元,所述第二系统参数可以是一个自然数。示例性的,假设第一系统参数为g,第二系统参数为n,散列值为r,则利用所述第一系统参数g、所述第二系统参数n以及所述散列值r计算符合El Gamal承诺的第一验证参数F=grmodn。
S16,根据所述数字签名生成信贷合同。
计算机设备中预先存储有信贷合同模板,将所述信贷请求者的基础信息填入所述信贷合同模板中的关键字段对应的位置处,并在签名位置处添加所述数字签名,从而生成信贷请求者的信贷合同。
所述数字签名生成信贷合同,为银行信贷提供坚实的有效的真实数据,为信贷决策提供数据依据少简化了申请流程和申请成本。
在一个可选的实施例中,在所述根据所述数字签名生成信贷合同之后,所述方法还包括:
将所述第一公钥作为所述信贷合同的合同编码;
当接收到签核者的签核指令后,发送数字密码获取指令至所述信贷请求者的客户端;
接收所述客户端发送的信贷请求者根据所述数字密码获取指令输入的数字密码;
根据接收到的数字密码生成第二公钥;
验证所述第二公钥与所述合同编码是否相同;
当确定所述第二公钥与所述合同编码相同时,执行预设放款操作。
该可选的实施例中,如果信贷请求者真实自愿的进行信贷申请,那么通过客户端接收到计算机设备发送的数字密码获取指令时,会再次输入相同的数字密码并通过所述客户端发送至计算机设备,那么计算机设备采用同样的秘钥生成算法基于所述数字密码计算得到的公钥,将与信贷合同上的合同编码一致。
通过信贷请求者再次输入数字密码并进行验证,能够进行信贷请求者的二次真伪鉴别,保障了信贷申请的安全性,且减少了验证所花费的时间,提高了审核的效率;在验证成功之后,在线上完成放款操作,而不需要纸质单据和线下的人工处理,使得申请放款的操作简单快捷。
需要强调的是,为进一步保证上述意愿类型识别模型的私密性和安全性,上述意愿类型识别模型可存储于区块链的节点中。
在获取到信贷请求者阅读预设文本的双录视频时,根据所述预设文本、所述双录视频及所述信贷请求者的证件图像判断信贷请求者是否通过阅读;当确定信贷请求者通过阅读时,使用意愿识别模型基于所述双录视频识别所述信贷请求者的意愿类型,仅当所述意愿类型为目标意愿类型时,接收所述信贷请求者输入的数字密码,接着根据所述数字密码生成第一公钥,并根据所述第一公钥及所述证件图像生成数字签名,最后根据所述数字签名生成信贷合同。本发明能够根据信贷请求者的双录视频生成信贷合同,提高了信贷申请的效率,且基于双录视频,能够避免信贷申请数据造假,保障了信贷合同的安全。
图2是本发明实施例二提供的基于人工智能的线上信贷装置的结构图。
在一些实施例中,所述基于人工智能的线上信贷装置20可以包括多个由计算机程序段所组成的功能模块。所述基于人工智能的线上信贷装置20中的各个程序段的计算机程序可以存储于计算机设备的存储器中,并由至少一个处理器所执行,以执行(详见图1描述)基于人工智能的线上信贷的功能。
本实施例中,所述基于人工智能的线上信贷装置20根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:获取模块201、判断模块202、识别模块203、训练模块204、接收模块205、签名模块206、生成模块207及执行模块208。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
所述获取模块201,用于获取信贷请求者阅读预设文本的双录视频。
所述预设文本是指为了在线上信贷时达到客户知晓的义务,将业务风险、贷款须知等以文字的形式展示在信贷请求者的客户端上的文本。
所述信贷请求者的客户端上预先安装有专用于信贷服务的信贷应用程序,所述信贷请求者通过所述客户端上的所述信贷应用程序录制阅读所述预设文本的双录视频。具体而言,所述信贷请求者启动所述信贷应用程序上的录制功能,对照着所述预设文本进行阅读,所述信贷应用程序通过所述录制功能录制双录视频。在双录视频录制完成后,通过所述客户端上传所述双录视频至信贷服务器。
本实施例中,通过获取信贷请求者阅读预设文本的双录视频,能够保证信贷请求者实际进行了阅读,从而实现对信贷请求者的告知义务,减少后续信贷的投诉风险。
所述判断模块202,用于根据所述预设文本、所述双录视频及所述信贷请求者的证件图像判断是否通过阅读。
所述信贷请求者在客户端上成功安装所述信贷应用程序,在首次登录时需要先进行身份信息注册。例如,通过所述信贷应用程序中的证件图像上传功能上传证件图像来完成身份信息的注册。所述证件图像可以是身份证图像,护照图像,驾驶证图像等。
在一个可选的实施例中,所述判断模块202根据所述预设文本、所述双录视频及所述信贷请求者的证件图像判断是否通过阅读包括:
提取所述双录视频中的音频及提取所述双录视频中的多个帧图像;
识别所述音频得到语音文本,并比对所述语音文本与所述预设文本,得到第一比对结果;
比对所述多个帧图像及所述证件图像,得到第二比对结果;
根据所述第一比对结果及所述第二比对结果判断所述信贷请求者是否通过阅读。
所述双录视频包括音频及帧图像序列,采用音频分离技术将音频从所述双录视频中分离出来,并使用语音识别技术识别所述音频得到语音文本。所述音频分离技术及所述语音识别技术可以为现有技术。计算机设备可以按照预先设置的固定的采集频率从所述帧图像序列中提取出多个帧图像。
由于信贷请求者存在方言的区别,因此计算机设备预先设置第一相似度阈值,以判断所述信贷请求者的音频比对是否通过。具体实施时,计算机设备在得到语音文本之后,计算所述语音文本与所述预设文本之间的第一相似度;比较所述第一相似度与预设第一相似度阈值;当所述第一相似度大于或者等于所述预设第一相似度阈值时,得到音频比对通过的第一比对结果;当所述第一相似度小于所述预设第一相似度阈值时,得到音频比对未通过的第一比对结果。
由于在录制双录视频时因光线等原因导致双录视频中的人脸存在区别,因此计算机设备预先设置第二相似度阈值,以判断所述信贷请求者的图像比对是否通过。具体实施时,计算机设备在得到多个帧图像之后,计算每个帧图像与所述证件图像之间的第二相似度;比较每个第二相似度与预设第二相似度阈值;当每个第二相似度大于或者等于所述预设第二相似度阈值时,得到图像比对通过的第二比对结果;当任意一个第二相似度小于所述预设第二相似度阈值时,得到音频比对未通过的第二比对结果。
计算机设备最后结合第一比对结果和第二比对结果判断所述信贷请求者是否通过阅读。具体实施时,当所述第一比对结果为音频比对通过且所述第二比对结果为图像比对通过,则确定所述信贷请求者通过阅读;当所述第一比对结果为音频比对未通过且所述第二比对结果为图像比对未通过,则确定所述信贷请求者未通过阅读。
在一个可选的实施例中,所述提取所述双录视频中的多个帧图像包括:
计算所述双录视频的双录时间;
根据所述双录时间生成检测次数;
根据所述双录时间及所述检测次数计算检测帧率;
使用所述检测帧率从所述双录视频中提取多个帧图像。
该可选的实施例中,计算机设备根据每个双录子视频对应的流程环节的开始时间节点及结束时间节点计算每个双录视频的双录时间。
为了避免信贷申请过程中的数据造假,计算机设备根据双录视频的双录时间生成检测次数,从而根据检测次数确定如何从双录视频中提取帧图像来进行人脸检测。根据双录时间能够为不同的双录视频生成不同的检测次数,使得提取出的帧图像具有较大的随机性,从而使得对帧图像进行人脸检测也具有较大的随机性,能够有效的确保人脸检测的真实可靠。
计算机设备计算双录时间与检测次数之间的商即可得到检测帧率,例如,双录时间为5分钟,检测次数为10,则检测帧率为5分/10=30秒,即,每30秒从双录视频中提取出一个帧图像。
在一个可选的实施例中,所述根据所述双录时间生成检测次数包括:
定义第一检测次数上下限及第二检测次数上下限;
计算历史双录时间的平均时间值;
比较所述双录时间与所述平均时间值;
当所述双录时间大于或者等于所述平均时间值,在所述第一检测次数上下限对应的数值范围内生成第一随机数,作为所述双录视频的检测次数;
当所述双录时间小于所述平均时间值时,在所述第二检测次数上下限对应的数值范围内生成第二随机数,作为所述双录视频的检测次数。
其中,所述第一检测次数上下限为[x1,x2],所述第二检测次数上下限为[x3,x4],第一检测次数下限大于所述第二检测次数上限,即第二检测次数下限x3<第二检测次数上限x4<第一检测次数下限x1<第一检测次数上限x2。
示例性,假设有3个历史双录视频,第一个历史双录视频的双录时间为T1,第二个历史双录视频的双录时间为T2,第三个历史双录视频的双录时间为T3,则计算历史双录时间的平均时间值为B1=T1/(T1+T2+T3)。
当所述双录时间大于或者等于所述平均时间值,表明该双录视频相对而言属于较长的双录视频,因此可以提取出较多的视频帧;当所述双录时间小于所述平均时间值,表明该双录视频相对而言属于较短的双录视频,因此可以提取出较少的视频帧。
该可选的实施例,通过在所述第一检测次数上下限对应的数值范围内生成第一随机数,能够使得生成的第一随机数较大,从而将所述第一随机数作为所述双录视频的检测次数时,能够提取出较多的视频帧,而通过在所述第二检测次数上下限对应的数值范围内生成第二随机数,能够使得生成的第二随机数较小,从而将所述第二随机数作为所述双录视频的检测次数时,能够提取出较少的视频帧。如此,能够自动的确定提取出的视频帧的数量,视频帧的提取效率较高。
所述识别模块203,用于当确定通过阅读时,使用意愿识别模型基于所述双录视频识别所述信贷请求者的意愿类型。
所述意愿识别模型为计算机设备事先离线训练得到的,用以基于双录视频识别所述信贷请求者的意愿类型。其中,所述意愿类型包括:愿意、不愿意。如果意愿类型为愿意,表明信贷请求者真实自愿的进行信贷申请。如果意愿类型为不愿意,表明信贷请求者并非真实自愿的进行信贷申请,例如,被胁迫或者被强制性的进行信贷申请。
所述训练模块204,用于训练意愿识别模型。
在一个可选的实施例中,所述训练模块204训练意愿识别模型包括:
获取多个意愿类型对应的多个双录视频,并识别每个意愿类型对应的每个双录视频中的语音文本;
对所述语音文本进行分行编码处理,得到多个编码向量;
将每个编码向量输入至正向长短期记忆网络层中,得到第一向量,并将每个编码向量输入至反向长短期记忆网络层中,得到第二向量;
按照所述语音文本的行顺序将所述语音文本对应的多个第一向量及多个第二向量进行拼接,得到第一输入向量;
根据所述意愿类型及所述意愿类型对应的第一输入向量生成特征向量;
基于多个所述特征向量训练支持向量机,得到意愿类型识别模型。
该可选的实施例中,所述计算机设备先获取所述语言文本中的预设段落标签,根据所述预设段落标签对所述语言文本进行分块处理,得到多个段文本;再获取所述语言文本中的预设换行符,根据所述预设换行符对每个段文本进行分行处理,得到多个行文本。
所述计算机设备可以采用交叉验证法划分多个特征向量,得到第一集合及第二集合。具体实施时,所述计算机设备将所述多个特征向量按照预设比例随机划分为至少一个数据包,将所述至少一个数据包中的任意一个数据包确定为所述第二集合,其余的数据包确定为所述第一集合,重复上述步骤,直至所有的数据包全都依次被用作为所述第二集合。其中,所述预设比例可以自定义设置,本发明不作限制。基于所述第一集合训练二分类模型,基于所述第二集合验证所述二分类模型。具体的训练过程和验证过程为现有技术,本发明在此不再详细赘述。
所述计算机设备在训练得到意愿识别模型之后,将所述双录视频对应的语音文本进行分行编码处理得到多个编码向量,将每个编码向量输入至正向长短期记忆网络层中,得到第三向量,并将每个编码向量输入至反向长短期记忆网络层中,得到第四向量;按照所述语音文本的行顺序将所述语音文本对应的多个第三向量及多个第四向量进行拼接,得到第二输入向量;输入所述第二输入向量至所述意愿识别模型中,通过所述意愿识别模型对所述第二输入向量的识别,得到意愿类型。
该可选的实施例中,通过对所述语言文本进行分块处理再进行分行处理,能够避免语音文本中的段尾因不具有预设换行符而导致无法分行,提高了分行的准确度;而提高了分行的准确度之后,能够提高分行编码的编码准确率,从而使用正向长短期记忆网络层及反向长短期记忆网络层对所述编码向量进行处理,能使得使每个编码向量更符合上下文语义,提高意愿识别模型的训练精度;通过划分多个特征向量,使所述多个特征向量中的每个数据行均参与训练及验证,由此,提高了训练所述意愿识别模型的拟合度。
所述接收模块205,用于当所述意愿类型为目标意愿类型时,接收所述信贷请求者输入的数字密码。
所述目标意愿类型为计算机设备预先指定的意愿类型,示例性的,所述目标意愿类型可以为愿意。
计算机设备在确定信贷请求者的意愿类型为目标意愿类型时,显示数字密码输入界面,供信贷请求者在所述数字密码数字界面中输入数字密码。所述数字密码用于后续银行放款时要求输入的用以进行身份验证的密码。
所述签名模块206,用于根据所述数字密码生成第一公钥,并根据所述第一公钥及所述证件图像生成数字签名。
计算机设备中预先存储有密钥生成算法,以所述数字密码为密钥生成算法的入参,得到的密钥值作为第一公钥。使用所述第一公钥对所述证件图像进行加密,并提取加密后的加密比特,得到数字签名。
在一个可选的实施例中,所述签名模块206根据所述数字密码生成第一公钥包括:
确定与所述数字密码对应的字符串;
计算所述字符串的散列值;
获取第一系统参数及第二系统参数;
利用所述第一系统参数、所述第二系统参数以及所述散列值计算符合El Gamal承诺的第一验证参数,将所述第一验证参数确定为第一公钥。
该可选的实施例中,计算机设备中存储有数字与字符之间的对应关系表,根据所述对应关系表,确定出与所述数字密码中的每一个密码对应的字符,然后将所述字符按照数字密码的顺序串接起来形成一个字符串。计算机设备可以采用散列函数对所述字符串进行计算,得到散列值。所述散列函数可以是信息摘要算法(Message-Digest Algorithm,MD5),通过MD5计算所述字符串的散列值,能够产生出一个128位(16字节)的散列值。
所述第一系统参数及所述第二系统参数均为公开的参数,所述第一系统参数可以是椭圆曲线群生成元,所述第二系统参数可以是一个自然数。示例性的,假设第一系统参数为g,第二系统参数为n,散列值为r,则利用所述第一系统参数g、所述第二系统参数n以及所述散列值r计算符合El Gamal承诺的第一验证参数F=grmodn。
所述生成模块207,用于根据所述数字签名生成信贷合同。
计算机设备中预先存储有信贷合同模板,将所述信贷请求者的基础信息填入所述信贷合同模板中的关键字段对应的位置处,并在签名位置处添加所述数字签名,从而生成信贷请求者的信贷合同。
所述数字签名生成信贷合同,为银行信贷提供坚实的有效的真实数据,为信贷决策提供数据依据少简化了申请流程和申请成本。
所述生成模块207,还用于将所述第一公钥作为所述信贷合同的合同编码。
所述接收模块205,还用于当接收到签核者的签核指令后,发送数字密码获取指令至所述信贷请求者的客户端;接收所述客户端发送的信贷请求者根据所述数字密码获取指令输入的数字密码。
所述生成模块207,还用于根据接收到的数字密码生成第二公钥。
所述执行模块208,用于验证所述第二公钥与所述合同编码是否相同,并当确定所述第二公钥与所述合同编码相同时,执行预设放款操作。
该可选的实施例中,如果信贷请求者真实自愿的进行信贷申请,那么通过客户端接收到计算机设备发送的数字密码获取指令时,会再次输入相同的数字密码并通过所述客户端发送至计算机设备,那么计算机设备采用同样的秘钥生成算法基于所述数字密码计算得到的公钥,将与信贷合同上的合同编码一致。
通过信贷请求者再次输入数字密码并进行验证,能够进行信贷请求者的二次真伪鉴别,保障了信贷申请的安全性,且减少了验证所花费的时间,提高了审核的效率;在验证成功之后,在线上完成放款操作,而不需要纸质单据和线下的人工处理,使得申请放款的操作简单快捷。
需要强调的是,为进一步保证上述意愿类型识别模型的私密性和安全性,上述意愿类型识别模型可存储于区块链的节点中。
在获取到信贷请求者阅读预设文本的双录视频时,根据所述预设文本、所述双录视频及所述信贷请求者的证件图像判断信贷请求者是否通过阅读;当确定信贷请求者通过阅读时,使用意愿识别模型基于所述双录视频识别所述信贷请求者的意愿类型,仅当所述意愿类型为目标意愿类型时,接收所述信贷请求者输入的数字密码,接着根据所述数字密码生成第一公钥,并根据所述第一公钥及所述证件图像生成数字签名,最后根据所述数字签名生成信贷合同。本发明能够根据信贷请求者的双录视频生成信贷合同,提高了信贷申请的效率,且基于双录视频,能够避免信贷申请数据造假,保障了信贷合同的安全。
参阅图3所示,为本发明实施例三提供的计算机设备的结构示意图。在本发明较佳实施例中,所述计算机设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解,图3示出的计算机设备的结构并不构成本发明实施例的限定,既可以是总线型结构,也可以是星形结构,所述计算机设备3还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置。
在一些实施例中,所述计算机设备3是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述计算机设备3还可包括客户设备,所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是,所述计算机设备3仅为举例,其他现有的或今后可能出现的电子产品如可适应于本发明,也应包含在本发明的保护范围以内,并以引用方式包含于此。
在一些实施例中,所述存储器31中存储有计算机程序,所述计算机程序被所述至少一个处理器32执行时实现如所述的基于人工智能的线上信贷方法中的全部或者部分步骤。所述存储器31包括只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
进一步地,所述计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
在一些实施例中,所述至少一个处理器32是所述计算机设备3的控制核心(Control Unit),利用各种接口和线路连接整个计算机设备3的各个部件,通过运行或执行存储在所述存储器31内的程序或者模块,以及调用存储在所述存储器31内的数据,以执行计算机设备3的各种功能和处理数据。例如,所述至少一个处理器32执行所述存储器中存储的计算机程序时实现本发明实施例中所述的基于人工智能的线上信贷方法的全部或者部分步骤;或者实现基于人工智能的线上信贷装置的全部或者部分功能。所述至少一个处理器32可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(CentralProcessing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。
在一些实施例中,所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出,所述计算机设备3还可以包括给各个部件供电的电源(比如电池),优选的,电源可以通过电源管理装置与所述至少一个处理器32逻辑相连,从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机设备3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块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,计算机设备,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以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,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,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模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块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,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或,单数不排除复数。装置实施例中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (6)
1.一种基于人工智能的线上信贷方法,其特征在于,所述方法包括:
获取信贷请求者阅读预设文本的双录视频;
根据所述预设文本、所述双录视频及所述信贷请求者的证件图像判断是否通过阅读,包括:
提取所述双录视频中的音频及提取所述双录视频中的多个帧图像;
识别所述音频得到语音文本,比对所述语音文本与所述预设文本,得到第一比对结果,当所述语音文本与所述预设文本之间的第一相似度大于或等于预设第一相似度阈值时,得到所述语音文本与所述预设文本比对通过的第一比对结果;
比对所述多个帧图像及所述证件图像,得到第二比对结果;
根据所述第一比对结果及所述第二比对结果判断所述信贷请求者是否通过阅读,当得到所述语音文本与所述预设文本比对通过的第一比对结果和所述多个帧图像与所述证件图像比对通过的第二比对结果时,所述信贷请求者通过阅读;
当确定通过阅读时,使用意愿识别模型基于所述双录视频识别所述信贷请求者的意愿类型,其中,所述意愿识别模型的训练过程包括:获取多个意愿类型对应的多个双录视频,并识别每个意愿类型对应的每个双录视频中的语音文本;对所述语音文本进行分行编码处理,得到多个编码向量;将每个编码向量输入至正向长短期记忆网络层中,得到第一向量,并将每个编码向量输入至反向长短期记忆网络层中,得到第二向量;按照所述语音文本的行顺序将所述语音文本对应的多个第一向量及多个第二向量进行拼接,得到输入向量;根据所述意愿类型及所述意愿类型对应的输入向量生成特征向量;基于多个所述特征向量训练支持向量机,得到意愿识别模型;
当所述意愿类型为目标意愿类型时,接收所述信贷请求者输入的数字密码,其中,所述目标意愿类型为愿意;
根据所述数字密码生成第一公钥,并根据所述第一公钥及所述证件图像生成数字签名;其中,所述根据所述数字密码生成第一公钥,包括:确定与所述数字密码对应的字符串;计算所述字符串的散列值;获取第一系统参数及第二系统参数;利用所述第一系统参数、所述第二系统参数以及所述散列值计算符合El Gamal承诺的第一验证参数,将所述第一验证参数确定为第一公钥;
根据所述数字签名生成信贷合同之后,将所述第一公钥作为所述信贷合同的合同编码;当接收到签核者的签核指令后,发送数字密码获取指令至所述信贷请求者的客户端;接收所述客户端发送的信贷请求者根据所述数字密码获取指令输入的数字密码;根据接收到的数字密码生成第二公钥;验证所述第二公钥与所述合同编码是否相同;当确定所述第二公钥与所述合同编码相同时,执行预设放款操作。
2.如权利要求1所述的基于人工智能的线上信贷方法,其特征在于,所述提取所述双录视频中的多个帧图像包括:
计算所述双录视频的双录时间;
根据所述双录时间生成检测次数;
根据所述双录时间及所述检测次数计算检测帧率;
使用所述检测帧率从所述双录视频中提取多个帧图像。
3.如权利要求2所述的基于人工智能的线上信贷方法,其特征在于,所述根据所述双录时间生成检测次数包括:
定义第一检测次数上下限及第二检测次数上下限;
计算历史双录时间的平均时间值;
比较所述双录时间与所述平均时间值;
当所述双录时间大于或者等于所述平均时间值,在所述第一检测次数上下限对应的数值范围内生成第一随机数,作为所述双录视频的检测次数;
当所述双录时间小于所述平均时间值时,在所述第二检测次数上下限对应的数值范围内生成第二随机数,作为所述双录视频的检测次数。
4.一种基于人工智能的线上信贷装置,其特征在于,所述装置包括:
获取模块,用于获取信贷请求者阅读预设文本的双录视频;
判断模块,用于根据所述预设文本、所述双录视频及所述信贷请求者的证件图像判断是否通过阅读,包括:
提取所述双录视频中的音频及提取所述双录视频中的多个帧图像;
识别所述音频得到语音文本,比对所述语音文本与所述预设文本,得到第一比对结果,当所述语音文本与所述预设文本之间的第一相似度大于或等于预设第一相似度阈值时,得到所述语音文本与所述预设文本比对通过的第一比对结果;
比对所述多个帧图像及所述证件图像,得到第二比对结果;
根据所述第一比对结果及所述第二比对结果判断所述信贷请求者是否通过阅读,当得到所述语音文本与所述预设文本比对通过的第一比对结果和所述多个帧图像与所述证件图像比对通过的第二比对结果时,所述信贷请求者通过阅读;
识别模块,用于当确定通过阅读时,使用意愿识别模型基于所述双录视频识别所述信贷请求者的意愿类型,其中,所述意愿识别模型的训练过程包括:获取多个意愿类型对应的多个双录视频,并识别每个意愿类型对应的每个双录视频中的语音文本;对所述语音文本进行分行编码处理,得到多个编码向量;将每个编码向量输入至正向长短期记忆网络层中,得到第一向量,并将每个编码向量输入至反向长短期记忆网络层中,得到第二向量;按照所述语音文本的行顺序将所述语音文本对应的多个第一向量及多个第二向量进行拼接,得到输入向量;根据所述意愿类型及所述意愿类型对应的输入向量生成特征向量;基于多个所述特征向量训练支持向量机,得到意愿识别模型;
接收模块,用于当所述意愿类型为目标意愿类型时,接收所述信贷请求者输入的数字密码,其中,所述目标意愿类型为愿意;
签名模块,用于根据所述数字密码生成第一公钥,并根据所述第一公钥及所述证件图像生成数字签名;其中,所述根据所述数字密码生成第一公钥,包括:确定与所述数字密码对应的字符串;计算所述字符串的散列值;获取第一系统参数及第二系统参数;利用所述第一系统参数、所述第二系统参数以及所述散列值计算符合El Gamal承诺的第一验证参数,将所述第一验证参数确定为第一公钥;
生成模块,用于根据所述数字签名生成信贷合同之后,将所述第一公钥作为所述信贷合同的合同编码;当接收到签核者的签核指令后,发送数字密码获取指令至所述信贷请求者的客户端;接收所述客户端发送的信贷请求者根据所述数字密码获取指令输入的数字密码;根据接收到的数字密码生成第二公钥;验证所述第二公钥与所述合同编码是否相同;当确定所述第二公钥与所述合同编码相同时,执行预设放款操作。
5.一种计算机设备,其特征在于,所述计算机设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至3中任意一项所述基于人工智能的线上信贷方法。
6.一种计算机可读存储介质,所述计算机可读存储介质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如权利要求1至3中任意一项所述基于人工智能的线上信贷方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011198141.0A CN112258317B (zh) | 2020-10-30 | 2020-10-30 | 基于人工智能的线上信贷方法、装置、计算机设备及介质 |
PCT/CN2021/109394 WO2022088805A1 (zh) | 2020-10-30 | 2021-07-29 | 基于人工智能的线上信贷方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011198141.0A CN112258317B (zh) | 2020-10-30 | 2020-10-30 | 基于人工智能的线上信贷方法、装置、计算机设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112258317A CN112258317A (zh) | 2021-01-22 |
CN112258317B true CN112258317B (zh) | 2022-11-11 |
Family
ID=74268572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011198141.0A Active CN112258317B (zh) | 2020-10-30 | 2020-10-30 | 基于人工智能的线上信贷方法、装置、计算机设备及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112258317B (zh) |
WO (1) | WO2022088805A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258317B (zh) * | 2020-10-30 | 2022-11-11 | 深圳壹账通智能科技有限公司 | 基于人工智能的线上信贷方法、装置、计算机设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107707970A (zh) * | 2017-09-14 | 2018-02-16 | 深圳市佰仟金融服务有限公司 | 一种电子合同签署方法、系统及终端 |
CN108765131A (zh) * | 2018-05-18 | 2018-11-06 | 深圳壹账通智能科技有限公司 | 基于微表情的信贷审核方法、装置、终端及可读存储介质 |
CN110782335A (zh) * | 2019-09-19 | 2020-02-11 | 平安科技(深圳)有限公司 | 基于人工智能处理信贷数据的方法、装置及存储介质 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8228299B1 (en) * | 2005-01-27 | 2012-07-24 | Singleton Technology, Llc | Transaction automation and archival system using electronic contract and disclosure units |
US8194045B1 (en) * | 2005-01-27 | 2012-06-05 | Singleton Technology, Llc | Transaction automation and archival system using electronic contract disclosure units |
CN102867261B (zh) * | 2012-08-24 | 2016-05-04 | 深圳市亚略特生物识别科技有限公司 | 一种基于指纹数字证书的电子合同签订方法 |
CN107844946A (zh) * | 2017-06-19 | 2018-03-27 | 深圳法大大网络科技有限公司 | 一种电子合同签署的方法、装置及服务器 |
CN109840406B (zh) * | 2017-11-29 | 2022-05-17 | 百度在线网络技术(北京)有限公司 | 活体验证方法、装置和计算机设备 |
CN109543516A (zh) * | 2018-10-16 | 2019-03-29 | 深圳壹账通智能科技有限公司 | 签约意向判断方法、装置、计算机设备和存储介质 |
CN109697665A (zh) * | 2018-12-15 | 2019-04-30 | 深圳壹账通智能科技有限公司 | 基于人工智能的贷款审核方法、装置、设备及介质 |
CN109729383B (zh) * | 2019-01-04 | 2021-11-02 | 深圳壹账通智能科技有限公司 | 双录视频质量检测方法、装置、计算机设备和存储介质 |
CN110443692B (zh) * | 2019-07-04 | 2024-05-10 | 平安科技(深圳)有限公司 | 企业信贷审核方法、装置、设备及计算机可读存储介质 |
CN111275540A (zh) * | 2020-01-14 | 2020-06-12 | 河南中原消费金融股份有限公司 | 一种消费信贷审批方法、装置及终端设备 |
CN111275444A (zh) * | 2020-01-14 | 2020-06-12 | 深圳壹账通智能科技有限公司 | 基于合同签署的双录方法、装置、终端及存储介质 |
CN111552833A (zh) * | 2020-03-30 | 2020-08-18 | 深圳壹账通智能科技有限公司 | 智能双录方法、装置及存储介质 |
CN112258317B (zh) * | 2020-10-30 | 2022-11-11 | 深圳壹账通智能科技有限公司 | 基于人工智能的线上信贷方法、装置、计算机设备及介质 |
-
2020
- 2020-10-30 CN CN202011198141.0A patent/CN112258317B/zh active Active
-
2021
- 2021-07-29 WO PCT/CN2021/109394 patent/WO2022088805A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107707970A (zh) * | 2017-09-14 | 2018-02-16 | 深圳市佰仟金融服务有限公司 | 一种电子合同签署方法、系统及终端 |
CN108765131A (zh) * | 2018-05-18 | 2018-11-06 | 深圳壹账通智能科技有限公司 | 基于微表情的信贷审核方法、装置、终端及可读存储介质 |
CN110782335A (zh) * | 2019-09-19 | 2020-02-11 | 平安科技(深圳)有限公司 | 基于人工智能处理信贷数据的方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112258317A (zh) | 2021-01-22 |
WO2022088805A1 (zh) | 2022-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9946865B2 (en) | Document authentication based on expected wear | |
KR101990762B1 (ko) | 블록 체인-기반 멀티팩터 개인 신원 확인을 제공하는 시스템들 및 방법들 | |
JP6921222B2 (ja) | Id情報に基づく暗号鍵管理 | |
CN107171787B (zh) | 一种基于多重哈希算法的数据盲签存证方法及系统 | |
CN108964925A (zh) | 一种文件认证设备方法、装置、设备及可读介质 | |
CN111753271A (zh) | 基于ai识别的开户身份验证方法、装置、设备及介质 | |
CN109903043A (zh) | 基于区块链的安全交易方法、装置、设备及存储介质 | |
CN112101311A (zh) | 基于人工智能的双录质检方法、装置、计算机设备及介质 | |
CN115270193B (zh) | 基于区块链及协同同步下的数据档案安全共享方法及装置 | |
CN110223075B (zh) | 身份认证方法、装置、计算机设备和存储介质 | |
CN111859431A (zh) | 电子文件签章方法、装置、电子设备及存储介质 | |
CN112258317B (zh) | 基于人工智能的线上信贷方法、装置、计算机设备及介质 | |
CN113486316A (zh) | 用户身份验证方法、装置、电子设备及可读存储介质 | |
CN111681141B (zh) | 文件认证方法、文件认证装置及终端设备 | |
CN112634017A (zh) | 远程开卡激活方法、装置、电子设备及计算机存储介质 | |
Prinslin et al. | Secure online transaction with user authentication | |
CN116340918A (zh) | 全密文人脸比对方法、装置、设备及存储介质 | |
CN109088888A (zh) | 一种基于智能卡的安全通信方法及其系统 | |
TWI793479B (zh) | 一種資料處理方法、裝置與系統 | |
CN113592630A (zh) | 基于区块链的信用卡面签方法及装置 | |
CN115001768A (zh) | 基于区块链的数据交互方法、装置、设备及存储介质 | |
CN114757664A (zh) | 区块链交易处理方法、装置、系统及存储介质 | |
CN113378226A (zh) | 生物数据处理方法、装置、设备及计算机可读存储介质 | |
CN113779635B (zh) | 一种医疗数据的校验方法、装置、设备及存储介质 | |
CN114743287B (zh) | 一种区块链考勤装置及其方法 |
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 | ||
GR01 | Patent grant |