CN112613974A - 一种风险预警方法、装置、设备及可读存储介质 - Google Patents
一种风险预警方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN112613974A CN112613974A CN202011488181.9A CN202011488181A CN112613974A CN 112613974 A CN112613974 A CN 112613974A CN 202011488181 A CN202011488181 A CN 202011488181A CN 112613974 A CN112613974 A CN 112613974A
- Authority
- CN
- China
- Prior art keywords
- user
- risk
- preset
- early warning
- information
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000010586 diagram Methods 0.000 claims abstract description 73
- 238000012550 audit Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000006399 behavior Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种风险预警方法、装置、设备及可读存储介质，该方法包括：接收风险预警指令；从预设的热力图库中获取与所述业务类型信息对应的业务热力图；根据所述待审核用户的地理位置信息在所述业务热力图中确定出预警区域，并确定出所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值；根据所述待审核用户的预设风险值、所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值，利用预设风险预警算法计算出所述预警区域的综合风险值；当所述综合风险值大于预设阈值时，向预设审核终端发送风险审核指令，以供所述预设审核终端对所述待审核用户进行风险审核；本发明可以提高风险预测的准确性和全面性。
Description
技术领域
本发明涉及数据分析技术领域，特别涉及一种风险预警方法、装置、设备及可读存储介质。
背景技术
风险预测在互联网金融是必不可少的组成部分，现有的大量风险预测方式是通过各种配置的规则和算法来分析客户，从而对用户是否存在欺诈、违规行为进行识别，进而可以对用户进行风险管控；但是，通过配置的规则总是需要用户数量的不断递增而改变或完善，在此过程中，难免产生误判、误拒的行为；因此，为了提高客户的体验度，减少客户的流失，还需要人工进行后续的风险审核，但是对大量的用户进行人工审核会消耗大量时间，且人力成本较高。因此，如何提高风险预测的准确性、从而减少人工审核的工作量，成为本领域技术人员亟需解决的技术问题。
发明内容
本发明的目的在于提供一种风险预警方法、装置、设备及可读存储介质，可以提高风险预测的准确性和全面性。
根据本发明的一个方面，提供了一种风险预警方法，所述方法包括：
接收风险预警指令；其中，所述风险预警指令包括：待审核用户的预设风险值、地理位置信息和业务类型信息；
从预设的热力图库中获取与所述业务类型信息对应的业务热力图；其中，所述业务热力图是根据办理对应业务的历史用户的预设风险值和地理位置信息绘制出的；
根据所述待审核用户的地理位置信息在所述业务热力图中确定出预警区域，并确定出所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值；
根据所述待审核用户的预设风险值、所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值，利用预设风险预警算法计算出所述预警区域的综合风险值；
当所述综合风险值大于预设阈值时，向预设审核终端发送风险审核指令，以供所述预设审核终端对所述待审核用户进行风险审核。
可选的，在所述接收风险预警指令之前，所述方法还包括：
接收所述待审核用户的业务申请请求，判断与所述业务申请请求对应的业务类型信息是否为预设目标业务类型信息；
若是，则获取所述待审核用户的预设风险值和地理位置信息，并触发所述风险预警指令。
可选的，在所述接收风险预警指令之前，所述方法还包括：
获取预设时间段内申请目标业务的所有历史用户的预设风险值、地理位置信息、业务申请时间信息、用户设备标识信息和设备网络环境信息；
根据所述历史用户的地理位置信息，在热力图中的对应位置绘制用户标识，并根据所述历史用户的预设风险值设置所述用户标识的颜色；
为所述用户标识添加备注信息；其中，所述备注信息包括：业务申请时间信息、用户设备标识信息和设备网络环境信息，从而形成与所述目标业务的业务类型信息对应的业务热力图；
将所述业务热力图存储到所述热力图库中。
可选的，所述根据所述待审核用户的地理位置信息在所述业务热力图中确定出预警区域，并确定出所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值，具体包括：
以所述地理位置信息为圆心、以设定距离为半径在所述业务热力图中确定出圆形区域，并将所述圆形区域设置为所述预警区域；
统计出包含在所述预警区域内的用户标识的总数量，并将所述总数量设置为所述历史用户的总数量；
针对一个用户标识，根据所述用户标识的颜色确定出与所述用户标识对应的历史用户的预设风险值。
可选的，所述根据所述待审核用户的预设风险值、所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值，利用预设风险预警算法计算出所述预警区域的综合风险值，具体包括：
按照如下公式计算出所述预警区域的综合风险值f(x)：
其中，x为待审核用户的预设风险值，xi为所述预警区域内的历史用户的预设风险值；
n为所述预警区域内的历史用户的总数量；
h为用于确定所述预警区域的设定距离；
K( )为径向基核函数。
可选的，所述当所述综合风险值大于预设阈值时，向预设审核终端发送风险审核指令，以供所述预设审核终端对所述待审核用户进行风险审核，具体包括：
当所述综合风险值大于预设阈值时，从所述业务热力图中获取所述预设区域内的每个历史用户的备注信息；其中，所述备注信息包括：业务申请时间信息、用户设备标识信息、设备网络环境信息；
分别计算所述预警区域内的每个历史用户的业务申请时间信息与所述风险预警指令中的业务申请时间信息的时间差值，并将时间差值小于预设时间范围的历史用户设置为目标用户；
根据所述目标用户的用户设备标识信息和设备网络环境信息和所述风险预警指令中的用户设备标识信息和设备网络环境信息，判断所述目标用户是否与所述待审核用户相关联；
若是，则向所述预设审核终端发送包含所述目标用户的备注信息的风险审核指令。
可选的，按照如下方式确定出用户的风险值：
获取用户的基础信息和历史征信信息；
获取预设打分规则表；其中，所述预设打分规则表包括：减分项、规则描述、减分值；
确定所述基础信息和历史征信信息满足所述打分规则表中的任一减分项的规则描述，从预设总分中减去与所述减分项对应的减分值，得到所述用户的风险值。
为了实现上述目的，本发明还提供一种风险预警装置，所述装置包括：
接收模块，用于接收风险预警指令；其中，所述风险预警指令包括：待审核用户的预设风险值、地理位置信息和业务类型信息；
获取模块，用于从预设的热力图库中获取与所述业务类型信息对应的业务热力图；其中，所述业务热力图是根据办理对应业务的历史用户的预设风险值和地理位置信息绘制出的；
确定模块，用于根据所述待审核用户的地理位置信息在所述业务热力图中确定出预警区域，并确定出所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值；
计算模块，用于根据所述待审核用户的预设风险值、所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值，利用预设风险预警算法计算出所述预警区域的综合风险值；
处理模块，用于当所述综合风险值大于预设阈值时，向预设审核终端发送风险审核指令，以供所述预设审核终端对所述待审核用户进行风险审核。
为了实现上述目的，本发明还提供一种计算机设备，该计算机设备具体包括：存储器、处理器以及存储在所述存储器上并可在所述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介绍的风险预警方法的步骤。
为了实现上述目的，本发明还提供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介绍的风险预警方法的步骤。
本发明提供的风险预警方法、装置、设备及可读存储介质，针对不同的业务类型设置对应的业务热力图，以通过业务热力图反映出一个地区办理某一业务的用户数量以及用户的欺诈风险情况，从而将用户欺诈风险信息更直观的体现在热力图上，便于审核专员形成正确且快速地决策。此外，在本发明中，不仅考虑了待审核用户自身的欺诈风险情况，还考虑了其周围历史用户对待审核用户的欺诈风险的影响，从而更全面的分析出待审核用户的欺诈风险概率，从而提高风险预测准确性和全面性。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为实施例一提供的风险预警方法的一种可选的流程示意图；
图2为实施例二提供的风险预警装置的一种可选的组成结构示意图；
图3为实施例三提供的计算机设备的一种可选的硬件架构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明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用以解释本发明，并不用于限定本发明。基于本发明中的实施例，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，都属于本发明保护的范围。
实施例一
本发明实施例提供了一种风险预警方法，如图1所示，该方法具体包括以下步骤：
步骤S101：接收风险预警指令；其中，所述风险预警指令包括：待审核用户的预设风险值、地理位置信息和业务类型信息。
具体的，在步骤S101之前，所述方法还包括：
步骤A1：接收所述待审核用户的业务申请请求，判断与所述业务申请请求对应的业务类型信息是否为预设目标业务类型信息；
步骤A2：若是，则获取所述待审核用户的预设风险值和地理位置信息，并触发所述风险预警指令。
当在金融应用软件的使用场景中，当用户通过终端上安装的金融应用软件申请重要金融业务时，所述金融应用软件的服务端需要对所述用户进行风险审核，以判断所述用户是否存在欺诈风险；其中，预设目标业务类型信息包括：注册业务、贷款业务、提现业务、还款业务。当用户申请办理上述重要金融业务时，会触发风险预警指令，以获取所述用户的预设风险值和地理位置信息。当用户申请办理其他非重要金融业务时，不会触发风险预警指令。
进一步的，按照如下方式确定出用户的风险值：
步骤B1：获取用户的基础信息和历史征信信息；
步骤B2：获取预设打分规则表；其中，所述预设打分规则表包括：减分项、规则描述、减分值；
步骤B3：确定所述基础信息和历史征信信息满足所述打分规则表中的任一减分项的规则描述，从预设总分中减去与所述减分项对应的减分值，得到所述用户的风险值。
优选的，所述基础信息包括用户的年龄、性别、信用卡数量、总资产、总负债等基础信息；所述历史征信信息包括：违约记录信息；若一个用户的风险值越大，则该用户具有欺诈的风险概率越大。
还需要说明的是，在实际应用中，也可以利用机器学习算法确定出用户的风险值，例如，根据训练样本集训练出用于确定用户风险值的模型，并利用测试样本集对训练出的模型进行修正，得到最终的用于确定用户风险值的模型。
步骤S102：从预设的热力图库中获取与所述业务类型信息对应的业务热力图；其中，所述业务热力图是根据办理对应业务的历史用户的预设风险值和地理位置信息绘制出的。
在本实施例中，会为各种目标金融业务类型分别绘制对应的业务热力图，并将绘制好的业务热力图存储到热力图库中。通过业务热力图可以反映出在设定区域内办理对应业务的历史用户的密集程度以及办理该业务的历史用户的欺诈风险情况。
具体的，在步骤S102之前，所述方法还包括：
步骤B1：获取预设时间段内申请目标业务的所有历史用户的预设风险值、地理位置信息、业务申请时间信息、用户设备标识信息和设备网络环境信息；
步骤B2：根据所述历史用户的地理位置信息，在热力图中的对应位置绘制用户标识，并根据所述历史用户的预设风险值设置所述用户标识的颜色；
步骤B3：为所述用户标识添加备注信息；其中，所述备注信息包括：业务申请时间信息、用户设备标识信息和设备网络环境信息，从而形成与所述目标业务的业务类型信息对应的业务热力图；
步骤B4：将所述业务热力图存储到热力图库中。
在本实施例中，在所述业务热力图中包括：用于表征历史用户的用户标识，且所述用户标识的颜色是根据对应历史用户的预设风险值确定出的。优选的，按照风险值由大到小，依次选用红色、橙色、黄色、蓝色和绿色渲染用户标识，例如，在风险值的总分为100分的情况下，当风险值小于60分时用红色渲染用户标识，当风险值在60至70之间时用橙色渲染用户标识，当风险值在70至80之间时用黄色渲染用户标识，当风险值在80至90之间时用蓝色渲染用户标识，当风险值在90至100之间时用绿色渲染用户标识。
还需要说明的是，在实际应用中，可按照设定时间间隔定期更新业务热力图，以根据最新的历史用户的相关信息重新绘制业务热力图。
步骤S103：根据所述待审核用户的地理位置信息在所述业务热力图中确定出预警区域，并确定出所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值。
具体的，所述根据所述待审核用户的地理位置信息在所述业务热力图中确定出预警区域，包括：
以所述地理位置信息为圆心、以设定距离为半径在所述业务热力图中确定出圆形区域，并将所述圆形区域设置为所述预警区域。
进一步的，所述确定出所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值，具体包括：
步骤C1：统计出包含在所述预警区域内的用户标识的总数量，并将所述总数量设置为所述历史用户的总数量；
步骤C2：针对一个用户标识，根据所述用户标识的颜色确定出与所述用户标识对应的历史用户的预设风险值。
例如，在风险值的总分为100分的情况下，当用户标识为红色时风险值设置为60，当用户标识为橙色时风险值设置为70，当用户标识为黄色时风险值设置为80，当用户标识为蓝色时风险值设置为90，当用户标识为绿色时风险值设置为100。
步骤S104：根据所述待审核用户的预设风险值、所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值，利用预设风险预警算法计算出所述预警区域的综合风险值。
具体的，步骤S104，包括：
按照如下公式计算出所述预警区域的综合风险值f(x)：
其中，x为待审核用户的预设风险值，xi为所述预警区域内的历史用户的预设风险值；
n为所述预警区域内的历史用户的总数量；
h为用于确定所述预警区域的设定距离；
K()为径向基核函数。
在本实施例中，所述预设风险预警算法采用基于核函数的核密度估计算法，由于核密度估计算法是一种非参数校验算法之一，不利用有关数据分布的先验知识，对数据分布不附加任何假定，是一种从数据样本本身出发研究数据分布特征的方法，因而，在统计学和应用领域受到高度的重视；通过核密度估计算法，就能得到预警区域的综合风险值。
此外，在实际应用中，也可以采用其他方式计算所述预警区域的综合风险值，例如，将所有历史用户的预设风险值相加得到风险总值，将所述风险总值与历史用户的总数量的比值作为第一风险值，并将所述第一风险值与所述待审核用户的预设风险值相加，得到综合风险值。
在本实施例中，当一个预警区域的历史用户总数量较多、且风险值均较高时，说明该预警区域存在团伙作案的可能性；即，该预警区域内的用户均存在较高的欺诈风险概率，需要重点审核。
步骤S105：当所述综合风险值大于预设阈值时，向预设审核终端发送风险审核指令，以供所述预设审核终端对所述待审核用户进行风险审核。
具体的，步骤S105，包括：
步骤D1：当所述综合风险值大于预设阈值时，从所述业务热力图中获取所述预设区域内的每个历史用户的备注信息；其中，所述备注信息包括：业务申请时间信息、用户设备标识信息、设备网络环境信息；
在本实施例中，所述业务热力图中的每个用户标识具有备注信息；其中，所述备注信息包括：历史用户申请业务时的时间信息、历史用户所使用的终端设备的标识信息和用户终端设备当时所处于的网络环境信息。
步骤D2：分别计算所述预警区域内的每个历史用户的业务申请时间信息与所述风险预警指令中的业务申请时间信息的时间差值，并将时间差值小于预设时间范围的历史用户设置为目标用户；
在本实施例中，所述风险预警指令还包括：待审核用户的业务申请时间信息、用户设备标识信息和设备网络环境信息。
步骤D3：根据所述目标用户的用户设备标识信息和设备网络环境信息和所述风险预警指令中的用户设备标识信息和设备网络环境信息，判断所述目标用户是否与所述待审核用户相关联；
在本实施例汇总，若所述目标用户的用户设备标识信息与所述待审核用户的用户设备标识信息一致，和/或所述目标用户的设备网络环境信息与所述待审核用户的设备网络环境信息一致，则认为所述目标用户与所述待审核用户相关联。
步骤D4：若是，则向所述预设审核终端发送包含所述目标用户的备注信息的风险审核指令。
在实际应用中，若在较短的时间内同一区域内同时出现针对某一业务类型的多个业务申请请求，且所述多个业务申请请求来自同一终端设备或所使用的网络环境相同，则说明会存在团伙欺诈嫌疑，需要进行风险审核。
在本实施例中，针对不同的业务类型设置对应的业务热力图，以通过业务热力图反映出一个地区办理某一业务的用户数量以及用户的欺诈风险情况，从而将用户欺诈风险信息更直观的体现在热力图上，审核专员更乐于观看二维的图形成果，而不是单调的数据展示，更能帮助审核专员形成正确且快速地决策。此外，在本实施例中，不仅考虑了待审核用户自身的欺诈风险情况，还考虑了其周围历史用户对待审核用户的欺诈风险的影响，从而更全面的分析出待审核用户的欺诈风险概率，从而提高风险预测准确性和全面性。
还需要说明的是，本实施例介绍的风险预警方法不仅适用于金融应用软件的使用场景中，还适用于社交应用软件的使用场景中，例如，通过热力图可以反映出同一区域申请社交账号的情况，若同一区域在较短时间内申请社交账号的数量较多，且用于申请社交账号的终端处于同一网络环境，则说明可能存在团伙欺诈行为，需要对申请信息进行风险审核。
实施例二
本发明实施例提供了一种风险预警装置，如图2所示，该装置具体包括以下组成部分：
接收模块201，用于接收风险预警指令；其中，所述风险预警指令包括：待审核用户的预设风险值、地理位置信息和业务类型信息；
获取模块202，用于从预设的热力图库中获取与所述业务类型信息对应的业务热力图；其中，所述业务热力图是根据办理对应业务的历史用户的预设风险值和地理位置信息绘制出的；
确定模块203，用于根据所述待审核用户的地理位置信息在所述业务热力图中确定出预警区域，并确定出所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值；
计算模块204，用于根据所述待审核用户的预设风险值、所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值，利用预设风险预警算法计算出所述预警区域的综合风险值；
处理模块205，用于当所述综合风险值大于预设阈值时，向预设审核终端发送风险审核指令，以供所述预设审核终端对所述待审核用户进行风险审核。
具体的，所述装置还包括：
判断模块，用于接收所述待审核用户的业务申请请求，判断与所述业务申请请求对应的业务类型信息是否为预设目标业务类型信息；若是，则获取所述待审核用户的预设风险值和地理位置信息，并触发所述风险预警指令。
所述装置还包括：
绘制模块，用于获取预设时间段内申请目标业务的所有历史用户的预设风险值、地理位置信息、业务申请时间信息、用户设备标识信息和设备网络环境信息；根据所述历史用户的地理位置信息，在热力图中的对应位置绘制用户标识，并根据所述历史用户的预设风险值设置所述用户标识的颜色；为所述用户标识添加备注信息；其中，所述备注信息包括：业务申请时间信息、用户设备标识信息和设备网络环境信息，从而形成与所述目标业务的业务类型信息对应的业务热力图；将所述业务热力图存储到所述热力图库中。
进一步的，确定模块203，具体用于：
以所述地理位置信息为圆心、以设定距离为半径在所述业务热力图中确定出圆形区域，并将所述圆形区域设置为所述预警区域；统计出包含在所述预警区域内的用户标识的总数量，并将所述总数量设置为所述历史用户的总数量；针对一个用户标识，根据所述用户标识的颜色确定出与所述用户标识对应的历史用户的预设风险值。
计算模块204，具体用于：
按照如下公式计算出所述预警区域的综合风险值f(x)：
其中，x为待审核用户的预设风险值，xi为所述预警区域内的历史用户的预设风险值；
n为所述预警区域内的历史用户的总数量；
h为用于确定所述预警区域的设定距离；
K( )为径向基核函数。
处理模块205，具体用于：
当所述综合风险值大于预设阈值时，从所述业务热力图中获取所述预设区域内的每个历史用户的备注信息；其中，所述备注信息包括：业务申请时间信息、用户设备标识信息、设备网络环境信息；分别计算所述预警区域内的每个历史用户的业务申请时间信息与所述风险预警指令中的业务申请时间信息的时间差值，并将时间差值小于预设时间范围的历史用户设置为目标用户；根据所述目标用户的用户设备标识信息和设备网络环境信息和所述风险预警指令中的用户设备标识信息和设备网络环境信息，判断所述目标用户是否与所述待审核用户相关联；若是，则向所述预设审核终端发送包含所述目标用户的备注信息的风险审核指令。
更进一步的，所述装置还包括：
设置模块，用于获取用户的基础信息和历史征信信息；获取预设打分规则表；其中，所述预设打分规则表包括：减分项、规则描述、减分值；确定所述基础信息和历史征信信息满足所述打分规则表中的任一减分项的规则描述，从预设总分中减去与所述减分项对应的减分值，得到所述用户的风险值。
实施例三
本实施例还提供一种计算机设备，如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图3所示，本实施例的计算机设备30至少包括但不限于：可通过系统总线相互通信连接的存储器301、处理器302。需要指出的是，图3仅示出了具有组件301-302的计算机设备30，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
本实施例中，存储器301(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器301可以是计算机设备30的内部存储单元，例如该计算机设备30的硬盘或内存。在另一些实施例中，存储器301也可以是计算机设备30的外部存储设备，例如该计算机设备30上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器301还可以既包括计算机设备30的内部存储单元也包括其外部存储设备。在本实施例中，存储器301通常用于存储安装于计算机设备30的操作系统和各类应用软件。此外，存储器301还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器302在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他风险预警芯片。该处理器302通常用于控制计算机设备30的总体操作。
具体的，在本实施例中，处理器302用于执行存储器301中存储的风险预警方法的程序，所述风险预警方法的程序被执行时实现如下步骤：
接收风险预警指令；其中，所述风险预警指令包括：待审核用户的预设风险值、地理位置信息和业务类型信息；
从预设的热力图库中获取与所述业务类型信息对应的业务热力图；其中，所述业务热力图是根据办理对应业务的历史用户的预设风险值和地理位置信息绘制出的；
根据所述待审核用户的地理位置信息在所述业务热力图中确定出预警区域，并确定出所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值；
根据所述待审核用户的预设风险值、所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值，利用预设风险预警算法计算出所述预警区域的综合风险值；
当所述综合风险值大于预设阈值时，向预设审核终端发送风险审核指令，以供所述预设审核终端对所述待审核用户进行风险审核。
上述方法步骤的具体实施例过程可参见第一实施例，本实施例在此不再重复赘述。
实施例四
本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，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如下方法步骤：
接收风险预警指令；其中，所述风险预警指令包括：待审核用户的预设风险值、地理位置信息和业务类型信息；
从预设的热力图库中获取与所述业务类型信息对应的业务热力图；其中，所述业务热力图是根据办理对应业务的历史用户的预设风险值和地理位置信息绘制出的；
根据所述待审核用户的地理位置信息在所述业务热力图中确定出预警区域，并确定出所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值；
根据所述待审核用户的预设风险值、所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值，利用预设风险预警算法计算出所述预警区域的综合风险值；
当所述综合风险值大于预设阈值时，向预设审核终端发送风险审核指令，以供所述预设审核终端对所述待审核用户进行风险审核。
上述方法步骤的具体实施例过程可参见第一实施例，本实施例在此不再重复赘述。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种风险预警方法，其特征在于，所述方法包括：
接收风险预警指令；其中，所述风险预警指令包括：待审核用户的预设风险值、地理位置信息和业务类型信息；
从预设的热力图库中获取与所述业务类型信息对应的业务热力图；其中，所述业务热力图是根据办理对应业务的历史用户的预设风险值和地理位置信息绘制出的；
根据所述待审核用户的地理位置信息在所述业务热力图中确定出预警区域，并确定出所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值；
根据所述待审核用户的预设风险值、所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值，利用预设风险预警算法计算出所述预警区域的综合风险值；
当所述综合风险值大于预设阈值时，向预设审核终端发送风险审核指令，以供所述预设审核终端对所述待审核用户进行风险审核。
2.根据权利要求1所述的风险预警方法，其特征在于，在所述接收风险预警指令之前，所述方法还包括：
接收所述待审核用户的业务申请请求，判断与所述业务申请请求对应的业务类型信息是否为预设目标业务类型信息；
若是，则获取所述待审核用户的预设风险值和地理位置信息，并触发所述风险预警指令。
3.根据权利要求1所述的风险预警方法，其特征在于，在所述接收风险预警指令之前，所述方法还包括：
获取预设时间段内申请目标业务的所有历史用户的预设风险值、地理位置信息、业务申请时间信息、用户设备标识信息和设备网络环境信息；
根据所述历史用户的地理位置信息，在热力图中的对应位置绘制用户标识，并根据所述历史用户的预设风险值设置所述用户标识的颜色；
为所述用户标识添加备注信息；其中，所述备注信息包括：业务申请时间信息、用户设备标识信息和设备网络环境信息，从而形成与所述目标业务的业务类型信息对应的业务热力图；
将所述业务热力图存储到所述热力图库中。
4.根据权利要求1所述的风险预警方法，其特征在于，所述根据所述待审核用户的地理位置信息在所述业务热力图中确定出预警区域，并确定出所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值，具体包括：
以所述地理位置信息为圆心、以设定距离为半径在所述业务热力图中确定出圆形区域，并将所述圆形区域设置为所述预警区域；
统计出包含在所述预警区域内的用户标识的总数量，并将所述总数量设置为所述历史用户的总数量；
针对一个用户标识，根据所述用户标识的颜色确定出与所述用户标识对应的历史用户的预设风险值。
5.根据权利要求1所述的风险预警方法，其特征在于，所述根据所述待审核用户的预设风险值、所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值，利用预设风险预警算法计算出所述预警区域的综合风险值，具体包括：
按照如下公式计算出所述预警区域的综合风险值f(x)：
其中，x为待审核用户的预设风险值，xi为所述预警区域内的历史用户的预设风险值；
n为所述预警区域内的历史用户的总数量；
h为用于确定所述预警区域的设定距离；
K( )为径向基核函数。
6.根据权利要求1所述的风险预警方法，其特征在于，所述当所述综合风险值大于预设阈值时，向预设审核终端发送风险审核指令，以供所述预设审核终端对所述待审核用户进行风险审核，具体包括：
当所述综合风险值大于预设阈值时，从所述业务热力图中获取所述预设区域内的每个历史用户的备注信息；其中，所述备注信息包括：业务申请时间信息、用户设备标识信息、设备网络环境信息；
分别计算所述预警区域内的每个历史用户的业务申请时间信息与所述风险预警指令中的业务申请时间信息的时间差值，并将时间差值小于预设时间范围的历史用户设置为目标用户；
根据所述目标用户的用户设备标识信息和设备网络环境信息和所述风险预警指令中的用户设备标识信息和设备网络环境信息，判断所述目标用户是否与所述待审核用户相关联；
若是，则向所述预设审核终端发送包含所述目标用户的备注信息的风险审核指令。
7.根据权利要求1至6中任一项所述的风险预警方法，其特征在于，按照如下方式确定出用户的风险值：
获取用户的基础信息和历史征信信息；
获取预设打分规则表；其中，所述预设打分规则表包括：减分项、规则描述、减分值；
确定所述基础信息和历史征信信息满足所述打分规则表中的任一减分项的规则描述，从预设总分中减去与所述减分项对应的减分值，得到所述用户的风险值。
8.一种风险预警装置，其特征在于，所述装置包括：
接收模块，用于接收风险预警指令；其中，所述风险预警指令包括：待审核用户的预设风险值、地理位置信息和业务类型信息；
获取模块，用于从预设的热力图库中获取与所述业务类型信息对应的业务热力图；其中，所述业务热力图是根据办理对应业务的历史用户的预设风险值和地理位置信息绘制出的；
确定模块，用于根据所述待审核用户的地理位置信息在所述业务热力图中确定出预警区域，并确定出所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值；
计算模块，用于根据所述待审核用户的预设风险值、所述预警区域所包含的历史用户的总数量以及每个历史用户的预设风险值，利用预设风险预警算法计算出所述预警区域的综合风险值；
处理模块，用于当所述综合风险值大于预设阈值时，向预设审核终端发送风险审核指令，以供所述预设审核终端对所述待审核用户进行风险审核。
9.一种计算机设备，所述计算机设备包括：存储器、处理器以及存储在所述存储器上并可在所述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7中任一项所述方法的步骤。
10.一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7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011488181.9A CN112613974B (zh) | 2020-12-16 | 2020-12-16 | 一种风险预警方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011488181.9A CN112613974B (zh) | 2020-12-16 | 2020-12-16 | 一种风险预警方法、装置、设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112613974A true CN112613974A (zh) | 2021-04-06 |
| CN112613974B CN112613974B (zh) | 2024-09-06 |
Family
ID=75239732
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011488181.9A Active CN112613974B (zh) | 2020-12-16 | 2020-12-16 | 一种风险预警方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112613974B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115759733A (zh) * | 2022-10-18 | 2023-03-07 | 广州越秀融资租赁有限公司 | 基于业务事件的用户违约风险确定方法、装置、介质及设备 |
| CN116866842A (zh) * | 2023-09-05 | 2023-10-10 | 成都健康医联信息产业有限公司 | 一种传染病跨时空目标追踪预警方法、系统、终端及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105678475A (zh) * | 2016-03-01 | 2016-06-15 | 中国联合网络通信集团有限公司 | 风险预警方法和设备 |
| CN109272396A (zh) * | 2018-08-20 | 2019-01-25 | 平安科技（深圳）有限公司 | 客户风险预警方法、装置、计算机设备和介质 |
| CN109685643A (zh) * | 2018-12-13 | 2019-04-26 | 平安科技（深圳）有限公司 | 贷款审核中风险等级确定方法、装置、设备及存储介质 |
| CN110084694A (zh) * | 2019-04-03 | 2019-08-02 | 平安普惠企业管理有限公司 | 一种基于数据处理的订单分配方法及相关设备 |
| CN110119870A (zh) * | 2019-03-20 | 2019-08-13 | 平安直通咨询有限公司上海分公司 | 宏观风险预警方法、装置、计算机设备和存储介质 |
-
2020
- 2020-12-16 CN CN202011488181.9A patent/CN112613974B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105678475A (zh) * | 2016-03-01 | 2016-06-15 | 中国联合网络通信集团有限公司 | 风险预警方法和设备 |
| CN109272396A (zh) * | 2018-08-20 | 2019-01-25 | 平安科技（深圳）有限公司 | 客户风险预警方法、装置、计算机设备和介质 |
| CN109685643A (zh) * | 2018-12-13 | 2019-04-26 | 平安科技（深圳）有限公司 | 贷款审核中风险等级确定方法、装置、设备及存储介质 |
| CN110119870A (zh) * | 2019-03-20 | 2019-08-13 | 平安直通咨询有限公司上海分公司 | 宏观风险预警方法、装置、计算机设备和存储介质 |
| CN110084694A (zh) * | 2019-04-03 | 2019-08-02 | 平安普惠企业管理有限公司 | 一种基于数据处理的订单分配方法及相关设备 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115759733A (zh) * | 2022-10-18 | 2023-03-07 | 广州越秀融资租赁有限公司 | 基于业务事件的用户违约风险确定方法、装置、介质及设备 |
| CN115759733B (zh) * | 2022-10-18 | 2024-05-17 | 广州越秀融资租赁有限公司 | 基于业务事件的用户违约风险确定方法、装置、介质及设备 |
| CN116866842A (zh) * | 2023-09-05 | 2023-10-10 | 成都健康医联信息产业有限公司 | 一种传染病跨时空目标追踪预警方法、系统、终端及介质 |
| CN116866842B (zh) * | 2023-09-05 | 2023-11-21 | 成都健康医联信息产业有限公司 | 一种传染病跨时空目标追踪预警方法、系统、终端及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112613974B (zh) | 2024-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110349038B (zh) | 风险评估模型训练方法和风险评估方法 | |
| CN109949154B (zh) | 客户信息分类方法、装置、计算机设备和存储介质 | |
| CN110610431B (zh) | 基于大数据的智能理赔方法及智能理赔系统 | |
| CN110503564B (zh) | 基于大数据的保全案件处理方法、系统、设备及存储介质 | |
| CN112613974B (zh) | 一种风险预警方法、装置、设备及可读存储介质 | |
| CN111753192A (zh) | 广告弹窗拦截方法、装置、电子设备及存储介质 | |
| US20240135025A1 (en) | Query processing method and apparatus | |
| CN108090831A (zh) | 信贷风险评估方法、应用服务器及计算机可读存储介质 | |
| CN112819611A (zh) | 欺诈识别方法、装置、电子设备和计算机可读存储介质 | |
| CN109753808A (zh) | 一种隐私泄漏风险评估方法及装置 | |
| CN113553583A (zh) | 信息系统资产安全风险评估方法与装置 | |
| CN107871277B (zh) | 服务器、客户关系挖掘的方法及计算机可读存储介质 | |
| US20140046708A1 (en) | Systems and methods for determining a cloud-based customer lifetime value | |
| CN109450963B (zh) | 消息推送方法及终端设备 | |
| CN109582834B (zh) | 数据风险预测方法及装置 | |
| CN107067276A (zh) | 确定对象影响力的方法及装置 | |
| CN111415168B (zh) | 一种交易告警的方法和装置 | |
| CN111275071A (zh) | 预测模型训练、预测方法、装置及电子设备 | |
| CN115809384A (zh) | 网页更新方法、装置、计算机设备及计算机可读介质 | |
| CN113537806A (zh) | 异常用户识别方法、装置、电子设备及可读存储介质 | |
| CN111309993A (zh) | 企业资产数据画像的生成方法及系统 | |
| CN113052509A (zh) | 模型评估方法、模型评估装置、电子设备和存储介质 | |
| CN110765118B (zh) | 一种数据的修订方法、修订装置及可读存储介质 | |
| CN112330468B (zh) | 识别风险客户的方法、装置、设备及存储介质 | |
| CN113076317B (zh) | 基于大数据的数据处理方法、装置、设备及可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |