CN112734177B - 一种智能分流自动决策的风控方法 - Google Patents

一种智能分流自动决策的风控方法 Download PDF

Info

Publication number
CN112734177B
CN112734177B CN202011581092.9A CN202011581092A CN112734177B CN 112734177 B CN112734177 B CN 112734177B CN 202011581092 A CN202011581092 A CN 202011581092A CN 112734177 B CN112734177 B CN 112734177B
Authority
CN
China
Prior art keywords
different
strategy
risk
center
data
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
CN202011581092.9A
Other languages
English (en)
Other versions
CN112734177A (zh
Inventor
王萍
陈喻
贾坤
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.)
Sichuan XW Bank Co Ltd
Original Assignee
Sichuan XW Bank 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 Sichuan XW Bank Co Ltd filed Critical Sichuan XW Bank Co Ltd
Priority to CN202011581092.9A priority Critical patent/CN112734177B/zh
Publication of CN112734177A publication Critical patent/CN112734177A/zh
Application granted granted Critical
Publication of CN112734177B publication Critical patent/CN112734177B/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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及信息技术和数据计算的风控系统技术领域，尤其是一种智能分流自动决策的风控方法；本发明旨在通过大数据技术、机器学习技术等及时自动识别安全性事件，并根据事件类型及等级，实现系统的智能化风险管控，最终达到及时止损的目的；本发明跟传统风控系统最大不同，在于实现了风险的智能管控，系统根据不同的风险情况自动路由到不同的风控策略分支，保证了在第一时间阻拦攻击，而当企业被机器攻击时，哪怕提早预防一分钟，有时甚至能止损资金上千万。

Description

一种智能分流自动决策的风控方法
技术领域
本发明涉及信息技术和数据计算的风控系统技术领域,尤其是一种智能分流自动决策的风控方法。
背景技术
2018年12月17日，星巴克上线“星巴克APP注册新人礼”营销活动，遭受黑灰产羊毛党大规模攻击。他们利用大量手机号注册星巴克APP的虚假账号，并成功领取活动优惠券，导致星巴克的营销活动两天即停止。
2019年1月20日凌晨，黑灰产羊毛党利用电商平台拼多多“无门槛100元券”存在的bug薅羊毛，导致拼多多巨额资金损失。
在银行或者电商等风控系统中，通常都是提前部署好策略规则模型，当用户发生请求时，实时跑批实时决策，但当发生黑产攻击、系统漏洞等安全事件时，通常都是线下发现之后，召开紧急会议制定策略，并由科技人员紧急发版上线，从而达到控制风险敞口及时止损的目的。
这种行业通用模式，主要是基于事后分析的防控方案，有2个优点：
第一. 风险确定性。事后的人工分析，能够明确风险类型；
第二．策略精准性。事后掌握更多的有效信息，能够采取更精准的防范策略。
同时，该方案也有以下缺陷：
第一．企业资金损失大。从风险事件发生，到发现该风险，到最后采取防控策略，存在较长时间的风险敞口，导致资金损失较大；
第二．声誉风险。由于未及时监控到系统风险，很可能导致大规模黑产攻击，最终或许形成较大的声誉风险事件。
因此，本文提出了一种智能分流自动决策的风控方法，基于数据中心、特征中心、策略中心、决策中心以及监控中心五位一体的闭环化系统设计方案，通过统计加工、数据建模将监控中心的异常信息转为特征，实时传入特征中心，并转化为风控策略，根据预警事件的规模、等级及类型运行不同的策略，最终实现风控系统的智能化分流、自动决策。
发明内容
针对上述现有技术中存在的不足，本发明的目的在于提供一种智能分流自动决策的风控方法，旨在通过大数据技术、机器学习技术等及时自动识别安全性事件，并根据事件类型及等级，实现系统的智能化风险管控，最终达到及时止损的目的。
为解决上述问题，本发明公开了一种智能分流自动决策的分控系统，主要包括5个模块，数据中心、特征中心、策略中心、决策中心以及监控中心，通过实时运行监控策略，将监控预警信息转化为特征实时输入特征中心，根据风险事件类型智能分流、自动决策；
各个功能模块具体详情如下:
模块1：数据中心包括企业能获取到的所有信息，在不同的应用场景能获取的信息有所不同；
模块2：特征中心，特征中心是基于数据中心及监控中心加工的一系列风控策略所需的显著性特征，包括：时序性特征、聚类特征、关联性特征；
模块3：策略中心，该模块集成所有的风控策略，策略集分为4层，不同的产品、事件、预警风险类型，对应不同明细的策略集；即当发生风险预警事件时，系统自动走到不同的决策分支，实现风险的智能化管控；
模块4：决策中心，该模块集成策略中心的所有运行结果，对该笔请求进行风险判断，综合决策，决策类型包括：通过、拒绝、人工、短信验证、人脸验证多种方式，根据综合风险情况的不同，输出不同的决策结果。
模块5：监控中心，监控中心基于准实时的业务数据及风控数据，对各类异常信息进行监控，并将异常信息转化为特征输入到特征中心。
为解决上述问题，本发明还公开了一种智能分流自动决策的分控方法，包括以下步骤：
步骤1：数据集成，根据业务需求，集成不同数据源的数据到数据中心；
步骤2：监控体系，设计监控方案，梳理风险预警类型，并部署相应的监控策略，不同的风险类型对应不同的监控策略；
步骤3：策略体系，设计策略体系框架，不同的业务场景可不一样；
步骤4：风险建模，基于机器学习技术和风险建模技术，根据不同的风险类型，构建不同的策略集和模型集；
步骤5：在监控中心部署监控策略集；
步骤6：特征部署，在特征中心配置模型所需的所有特征；
步骤7：策略部署，在策略中心部署所有的策略集；
步骤8：决策部署，在决策中心部署综合决策集。
作为优先：上述步骤1具体包括以下步骤：
步骤1.1：根据不同的业务数据源，设计不同的表结构；
步骤1.2：从不同的业务系统集成不同的数据源，并转化为结构化数据。
作为优先：上述步骤2具体包括以下步骤：
步骤2.1：理解业务模式，根据不同的业务场景，根据业务经验及数据挖掘进行风险分析，找出该业务场景中的所有可能风险点；
步骤2.2：根据不同的风险类型，设计不同的预警监控策略集。
作为优先：上述步骤3具体包括以下步骤：
步骤3.1：理解业务模式，根据不同的业务场景，设计不同的策略框架体系，包括产品、事件；
步骤3.2：根据业务经验及数据挖掘结果，设计不同策略集的框架体系，包括：预警风险类型和策略集；
步骤3.3：根据不同的预警风险类型，设计不同的模型集及策略集。
作为优先：上述步骤4具体包括以下步骤：
步骤4.1：样本打标，根据不同的风险场景准备不同的建模样本，并对样本进行风险打标；
步骤4.2：数据汇总，汇总所有能使用的数据信息，汇总一个项目中；
步骤4.3：数据预处理，对数据进行初步分析，并对数据信息进行预处理；包括：时间格式、特殊格式的处理、极值/异常值、缺失值信息的处理；
步骤4.4：特征加工，基于源数据进行特征的构造与衍生，包括：时序特征、统计指标特征、波动率指标特征；
步骤4.5：特征筛选，基于构造的特征集，筛选显著性特征，可从特征相关性、差异性、显著性以及稳定性指标进行评估；
步骤4.6：模型训练，确定Y标签，构建机器学习、深度学习等模型，并进行模型调参；
步骤4.7：模型评估，通过交叉验证、时序外验证多种方式，评估模型效果，确定最终模型方案。
作为优先：上述步骤5具体包括以下步骤：
步骤5.1：确定监控策略集的变量名，并满足命名规范；
步骤5.2：在监控中心部署监控策略集，并处于关闭状态；
步骤5.3：复核人员对监控策略进行交叉复核，确认配置无误，打开监控策略集。
作为优先：上述步骤6具体包括以下步骤：
步骤6.1：确定最终入选的特征集，并确定特征集的命名，命名需满足相关规范，主要区分大小写；
步骤6.2：在特征中心部署模型策略所需的所有特征，并处于关闭状态；
步骤6.3：复核人员对所有特征进行交叉复核，确认配置无误，打开特征集。
作为优先：上述步骤7具体包括以下步骤：
步骤7.1：确定最终的策略集及模型集，并确定策略编码和策略名称；
步骤7.2：在策略中心部署策略框架，包括产品是、事件、预警风险类型及策略包4个层次的框架结构，并注意产品、事件分支无误；
步骤7.3：在策略中心部署明细策略集，包括：规则集及策略集；
步骤7.4：将策略集发布到测试环境进行策略测试，保证策略可用性；
步骤7.5：复核人员在所有特征进行交叉复核，确认配置无误之后，将策略集发布到正式环境。
作为优先：上述步骤8具体包括以下步骤：
步骤8.1：确定最终的决策集，并核对不同风险决策对应的映射码；
步骤8.2：在决策中心部署风险决策集，并处于关闭状态；
步骤8.3：复核人员对综合决策进行交叉复核，确认配置无误，打开综合决策集。
由于采用上述技术方案，本发明有着如下有益效果：
1、基于数据中心、特征中心、策略中心、决策中心、监控中心五位一体的闭环化方案，实现智能化自动决策；
2、该系统包含实时策略体系及监控策略体系，双策略体系并行运行，最大程度的应用风控数据，辅助业务决策；
3、将监控中心策略集特征化，作为实时策略体系的特征，实现了双策略体系的串行运营，进一步覆盖风险；
4、打破了行业风控系统基于单个用户进行判断的模式，将群体性风险和单个用户风险的防范集成在一起；
5、该方案重点针对安全性风险事件，真正的从系统上实现了自动化分流、智能化决策。
综上所述，本发明跟传统风控系统最大不同，在于实现了风险的智能管控，保证了在第一时间阻拦攻击，而当企业被机器攻击时，哪怕提早预防一分钟，有时甚至能止损资金上千万。
附图说明
图1是一种智能分流自动决策的风控系统示意图；
图2是策略中心决策示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
为解决上述问题，本发明公开了一种智能分流自动决策的风控方法，主要从以下4个方面展开阐述：
1、技术框架：
该技术方案在技术框架上，主要包括5个模块，数据中心、特征中心、策略中心、决策中心以及监控中心，通过实时运行监控策略，将监控预警信息转化为特征实时输入特征中心，根据风险事件类型智能分流、自动决策。见图1。
各个功能模块具体详情如下:
模块1：数据中心。互联网风控是基于大数据技术的风控，因此需要集成所有可用的数据源进行加工使用，数据中心包括企业能获取到的所有信息，如：用户基础数据，用户行为数据，用户设备信息，用户GPS信息，用户购物信息，用户浏览信息等，在不同的应用场景能获取的信息有所不同，但并不影响该系统方案的应用。
模块2：特征中心。特征加工是模型构建的重要环节。特征中心是基于数据中心及监控中心加工的一系列风控策略所需的显著性特征，包括：时序性特征、聚类特征、关联性特征等。
模块3：策略中心。该模块集成所有的风控策略，策略集分为4层，不同的产品、事件、预警风险类型，对应不同明细的策略集。即，当发生风险预警事件时，系统自动走到不同的决策分支，实现风险的智能化管控。详见图2。
模块4：决策中心。该模块集成策略中心的所有运行结果，对该笔请求进行风险判断，综合决策，决策类型包括：通过、拒绝、人工、短信验证、人脸验证等多种方式，根据综合风险情况的不同，输出不同的决策结果。
模块5：监控中心。监控中心基于准实时的业务数据及风控数据，对各类异常信息进行监控，并将异常信息转化为特征输入到特征中心。
以上5个模块形成闭环，一旦监控中心发现异常的欺诈攻击，则将该信息立即传入特征中心，通过策略中心智能分流、自动决策，最终通过决策中心智能风控，及时阻断攻击。
2、应用步骤：
智能分流自动决策的风控系统,再具体应用时，包括以下步骤：
步骤1：数据集成。根据业务需求，集成不同数据源的数据到数据中心。
步骤2：监控体系设计。设计监控方案，梳理风险预警类型，并部署相应的监控策略，如：黑产攻击、动码攻击、撞库、黑产羊毛党等，不同的风险类型对应不同的监控策略。
步骤3：策略体系设计。设计策略体系框架，如本文中包括4层方案，不同的业务场景可不一样。
步骤4：风险建模。基于机器学习技术和风险建模技术，根据不同的风险类型，构建不同的策略集和模型集。
步骤5：在监控中心部署监控策略集。
步骤6：特征部署。在特征中心配置模型所需的所有特征。
步骤7：策略部署。在策略中心部署所有的策略集。
步骤8：决策部署。在决策中心部署综合决策集。
上述步骤1具体包括以下步骤：
步骤1.1：根据不同的业务数据源，设计不同的表结构；
步骤1.2：从不同的业务系统集成不同的数据源，并转化为结构化数据。
步骤2具体包括以下步骤：
上述步骤2.1：理解业务模式，根据不同的业务场景，根据业务经验及数据挖掘进行风险分析，找出该业务场景中的所有可能风险点；
步骤2.2：根据不同的风险类型，设计不同的预警监控策略集；
上述步骤3具体包括以下步骤：
步骤3.1：理解业务模式，根据不同的业务场景，设计不同的策略框架体系，包括产品、事件；
步骤3.2：根据业务经验及数据挖掘结果，设计不同策略集的框架体系，包括：预警风险类型和策略集；
步骤3.3：根据不同的预警风险类型，设计不同的模型集及策略集。
上述步骤4具体包括以下步骤：
步骤4.1：样本打标。根据不同的风险场景准备不同的建模样本，并对样本进行风险打标；
步骤4.2：数据汇总。汇总所有能使用的数据信息，汇总一个项目中；
步骤4.3：数据预处理。对数据进行初步分析，并对数据信息进行预处理；包括：时间格式、特殊格式的处理、极值/异常值、缺失值等信息的处理；
步骤4.4：特征加工。基于源数据进行特征的构造与衍生，包括：时序特征、统计指标特征、波动率指标特征等；
步骤4.5：特征筛选。基于构造的特征集，筛选显著性特征，可从特征相关性、差异性、显著性以及稳定性等指标进行评估；
步骤4.6：模型训练。确定Y标签，构建机器学习、深度学习等模型，并进行模型调参；
步骤4.7：模型评估。通过交叉验证、时序外验证等多种方式，评估模型效果，确定最终模型方案。
上述步骤5具体包括以下步骤：
步骤5.1：确定监控策略集的变量名，并满足命名规范；
步骤5.2：在监控中心部署监控策略集，并处于关闭状态；
步骤5.3：2名复核人员对监控策略进行交叉复核，确认配置无误，打开监控策略集。
上述步骤6具体包括以下步骤：
步骤6.1：确定最终入选的特征集，并确定特征集的命名，命名需满足相关规范，主要区分大小写；
步骤6.2：在特征中心部署模型策略所需的所有特征，并处于关闭状态；
步骤6.3：2名复核人员对所有特征进行交叉复核，确认配置无误，打开特征集。
上述步骤7具体包括以下步骤：
步骤7.1：确定最终的策略集及模型集，并确定策略编码和策略名称；
步骤7.2：在策略中心部署策略框架，包括产品是、事件、预警风险类型及策略包4个层次的框架结构，并注意产品、事件分支无误；
步骤7.3：在策略中心部署明细策略集，包括：规则集及策略集；
步骤7.4：将策略集发布到测试环境进行策略测试，保证策略可用性；
步骤7.5：2名复核人员在所有特征进行交叉复核，确认配置无误之后，将策略集发布到正式环境。
上述步骤8具体包括以下步骤：
步骤8.1：确定最终的决策集，并核对不同风险决策对应的映射码；
步骤8.2：在决策中心部署风险决策集，并处于关闭状态；
步骤8.3：2名复核人员对综合决策进行交叉复核，确认配置无误，打开综合决策集。
3、应用场景
本发明提出的智能分流自动决策的风控系统，可应用到多个场景，多个领域，包括：电商领域营销场景、信贷场景等。
本文以2019年拼多多被薅羊毛事件为例，黑产攻击主要会进行以下步骤：
步骤1：漏洞检测。黑产利用某一账户进行试探，发现“100元无门槛抵用券”可以用来充值消费的漏洞；
步骤2：账户注册。利用扫码平台、猫池等工具进行批量注册；
步骤3：批量领券。发现漏洞后，通过大量的注册账户来领券；
步骤4：进行套现。通过话费充值、游戏点卡充值等活动使用抵用券，随后专卖游戏点卡，以达到获利套现的目的。
而基于该系统方案，若在注册事件及营销事件部署相应的风险预警策略，当发生短时批量垃圾注册行为，系统立即将该消息转入到特征中心，实时拒绝垃圾注册，其次在兑换事件场景，发现该异常时，也可实现自动拒绝用户兑换；最终实现系统智能风控。
以上所述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 (1)

1.一种智能分流自动决策的风控方法，其特征在于，包括以下步骤：
步骤1：数据集成，根据业务需求，集成不同数据源的数据到数据中心；
步骤2：监控体系，设计监控方案，梳理风险预警类型，并部署相应的监控策略，不同的风险类型对应不同的监控策略；
步骤3：策略体系，设计策略体系框架，不同的业务场景可不一样；
步骤4：风险建模，基于机器学习技术和风险建模技术，根据不同的风险类型，构建不同的策略集和模型集；
步骤5：在监控中心部署监控策略集；
步骤6：特征部署，在特征中心配置模型所需的所有特征；
步骤7：策略部署，在策略中心部署所有的策略集；
步骤8：决策部署，在决策中心部署综合决策集；
其中数据中心包括企业能获取到的所有信息，在不同的应用场景能获取的信息有所不同；
特征中心是基于数据中心及监控中心加工的一系列风控策略所需的显著性特征，包括：时序性特征、聚类特征、关联性特征；
策略中心集成所有的风控策略，策略集分为4层，不同的产品、事件、预警风险类型，对应不同明细的策略集；即当发生风险预警事件时，系统自动走到不同的决策分支，实现风险的智能化管控；
决策中心集成策略中心的所有运行结果，对请求进行风险判断，综合决策，决策类型包括：通过、拒绝、人工、短信验证、人脸验证多种方式，根据综合风险情况的不同，输出不同的决策结果；
监控中心基于准实时的业务数据及风控数据，对各类异常信息进行监控，并将异常信息转化为特征输入到特征中心；
上述步骤1具体包括以下步骤：
步骤1.1：根据不同的业务数据源，设计不同的表结构；
步骤1.2：从不同的业务系统集成不同的数据源，并转化为结构化数据；
上述步骤2具体包括以下步骤：
步骤2.1：理解业务模式，根据不同的业务场景，根据业务经验及数据挖掘进行风险分析，找出该业务场景中的所有可能风险点；
步骤2.2：根据不同的风险类型，设计不同的预警监控策略集；
上述步骤3具体包括以下步骤：
步骤3.1：理解业务模式，根据不同的业务场景，设计不同的策略框架体系，包括产品、事件；
步骤3.2：根据业务经验及数据挖掘结果，设计不同策略集的框架体系，包括：预警风险类型和策略集；
步骤3.3：根据不同的预警风险类型，设计不同的模型集及策略集；
上述步骤4具体包括以下步骤：
步骤4.1：样本打标，根据不同的风险场景准备不同的建模样本，并对样本进行风险打标；
步骤4.2：数据汇总，汇总所有能使用的数据信息，汇总一个项目中；
步骤4.3：数据预处理，对数据进行初步分析，并对数据信息进行预处理；包括：时间格式、特殊格式的处理、极值/异常值、缺失值信息的处理；
步骤4.4：特征加工，基于源数据进行特征的构造与衍生，包括：时序特征、统计指标特征、波动率指标特征；
步骤4.5：特征筛选，基于构造的特征集，筛选显著性特征，可从特征相关性、差异性、显著性以及稳定性指标进行评估；
步骤4.6：模型训练，确定Y标签，构建机器学习模型，并进行模型调参；
步骤4.7：模型评估，通过交叉验证、时序外验证多种方式，评估模型效果，确定最终模型方案；
上述步骤5具体包括以下步骤：
步骤5.1：确定监控策略集的变量名，并满足命名规范；
步骤5.2：在监控中心部署监控策略集，并处于关闭状态；
步骤5.3：复核人员对监控策略进行交叉复核，确认配置无误，打开监控策略集；
上述步骤6具体包括以下步骤：
步骤6.1：确定最终入选的特征集，并确定特征集的命名，命名需满足相关规范，主要区分大小写；
步骤6.2：在特征中心部署模型策略所需的所有特征，并处于关闭状态；
步骤6.3：复核人员对所有特征进行交叉复核，确认配置无误，打开特征集；
上述步骤7具体包括以下步骤：
步骤7.1：确定最终的策略集及模型集，并确定策略编码和策略名称；
步骤7.2：在策略中心部署策略框架，包括产品是、事件、预警风险类型及策略包4个层次的框架结构，并注意产品、事件分支无误；
步骤7.3：在策略中心部署明细策略集，包括：规则集及策略集；
步骤7.4：将策略集发布到测试环境进行策略测试，保证策略可用性；
步骤7.5：复核人员在所有特征进行交叉复核，确认配置无误之后，将策略集发布到正式环境；
上述步骤8具体包括以下步骤：
步骤8.1：确定最终的决策集，并核对不同风险决策对应的映射码；
步骤8.2：在决策中心部署风险决策集，并处于关闭状态；
步骤8.3：复核人员对综合决策进行交叉复核，确认配置无误，打开综合决策集。
CN202011581092.9A 2020-12-28 2020-12-28 一种智能分流自动决策的风控方法 Active CN112734177B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011581092.9A CN112734177B (zh) 2020-12-28 2020-12-28 一种智能分流自动决策的风控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011581092.9A CN112734177B (zh) 2020-12-28 2020-12-28 一种智能分流自动决策的风控方法

Publications (2)

Publication Number Publication Date
CN112734177A CN112734177A (zh) 2021-04-30
CN112734177B true CN112734177B (zh) 2023-07-21

Family

ID=75606602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011581092.9A Active CN112734177B (zh) 2020-12-28 2020-12-28 一种智能分流自动决策的风控方法

Country Status (1)

Country Link
CN (1) CN112734177B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113591925B (zh) * 2021-07-02 2023-06-09 四川新网银行股份有限公司 一种分布式模型聚合计算系统及方法
CN113888181A (zh) * 2021-10-25 2022-01-04 支付宝(杭州)信息技术有限公司 业务处理及其风险检测策略体系的构建方法、装置及设备
CN114066629A (zh) * 2021-11-15 2022-02-18 深圳华云信息系统有限公司 模型管理ai平台及模型管理方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106934716A (zh) * 2017-03-10 2017-07-07 燧石科技（武汉）有限公司 基于网络分布式计算的多模块自动化交易系统
CN109120428A (zh) * 2017-06-26 2019-01-01 苏宁云商集团股份有限公司 一种用于风控分析的方法及系统
CN109120429A (zh) * 2017-06-26 2019-01-01 苏宁云商集团股份有限公司 一种风险识别方法及系统
CN109767227A (zh) * 2018-12-28 2019-05-17 深圳市讯联智付网络有限公司 通过rds实现支付风险智能判断和控制的系统及方法
CN110310206A (zh) * 2019-07-01 2019-10-08 阿里巴巴集团控股有限公司 用于更新风险控制模型的方法和系统
CN110570307A (zh) * 2019-09-06 2019-12-13 北京神州同道智能科技有限公司 一种基于智能策略平台的全市场多品种金融资管系统
CN110674174A (zh) * 2019-09-24 2020-01-10 北京九章云极科技有限公司 一种数据实时处理方法及数据实时处理系统
CN110827032A (zh) * 2019-09-26 2020-02-21 支付宝(杭州)信息技术有限公司 智能风控决策方法及系统、业务处理方法及系统
CN111402048A (zh) * 2020-03-11 2020-07-10 杭州首新网络科技有限公司 一种可对海量金融大数据处理的智能风控系统
WO2020147349A1 (zh) * 2019-01-14 2020-07-23 中国电力科学研究院有限公司 配电网运行辅助决策分析系统及方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7937319B2 (en) * 2005-03-21 2011-05-03 Oversight Technologies, Inc. Methods and systems for compliance monitoring knowledge base
US20140081652A1 (en) * 2012-09-14 2014-03-20 Risk Management Solutions Llc Automated Healthcare Risk Management System Utilizing Real-time Predictive Models, Risk Adjusted Provider Cost Index, Edit Analytics, Strategy Management, Managed Learning Environment, Contact Management, Forensic GUI, Case Management And Reporting System For Preventing And Detecting Healthcare Fraud, Abuse, Waste And Errors
US10521747B2 (en) * 2014-04-08 2019-12-31 Northrop Grumman Systems Corporation System and method for providing a scalable semantic mechanism for policy-driven assessment and effective action taking on dynamically changing data
US20150356477A1 (en) * 2014-06-09 2015-12-10 The Toronto-Dominion Bank Method and system for technology risk and control

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106934716A (zh) * 2017-03-10 2017-07-07 燧石科技（武汉）有限公司 基于网络分布式计算的多模块自动化交易系统
CN109120428A (zh) * 2017-06-26 2019-01-01 苏宁云商集团股份有限公司 一种用于风控分析的方法及系统
CN109120429A (zh) * 2017-06-26 2019-01-01 苏宁云商集团股份有限公司 一种风险识别方法及系统
CN109767227A (zh) * 2018-12-28 2019-05-17 深圳市讯联智付网络有限公司 通过rds实现支付风险智能判断和控制的系统及方法
WO2020147349A1 (zh) * 2019-01-14 2020-07-23 中国电力科学研究院有限公司 配电网运行辅助决策分析系统及方法
CN110310206A (zh) * 2019-07-01 2019-10-08 阿里巴巴集团控股有限公司 用于更新风险控制模型的方法和系统
CN110570307A (zh) * 2019-09-06 2019-12-13 北京神州同道智能科技有限公司 一种基于智能策略平台的全市场多品种金融资管系统
CN110674174A (zh) * 2019-09-24 2020-01-10 北京九章云极科技有限公司 一种数据实时处理方法及数据实时处理系统
CN110827032A (zh) * 2019-09-26 2020-02-21 支付宝(杭州)信息技术有限公司 智能风控决策方法及系统、业务处理方法及系统
CN111402048A (zh) * 2020-03-11 2020-07-10 杭州首新网络科技有限公司 一种可对海量金融大数据处理的智能风控系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
以大数据安全管理促进大数据安全共享;江欣;;科技资讯(第23期);18-19 *
奥德塔:释放数据效能 支撑复工复学;王萍;软件和集成电路(第Z1期);46-47 *

Also Published As

Publication number Publication date
CN112734177A (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN112734177B (zh) 一种智能分流自动决策的风控方法
CN110866820A (zh) 银行业务实时监测系统及方法、设备、存储介质
CN105721193A (zh) 一种系统信息监控的方法和设备
CN112435112A (zh) 一种针对小微企业的银行互联网信贷风控方法
CN102800018A (zh) 信贷管理系统及其信贷处理方法
CN101470887A (zh) 一种贷中预警系统及方法
CN111598574A (zh) 面向智能服务交易的监管方法及监管接口
CN112541698A (zh) 基于企业外部特征识别企业风险的方法和系统
CN106487603A (zh) 一种响应测试方法及装置
CN109902747B (zh) 一种身份识别方法、装置、设备及计算机可读存储介质
CN112003920A (zh) 一种信息共享系统
CN112330355A (zh) 消费券交易数据处理方法、装置、设备及存储介质
CN104778562B (zh) 一种施工现场安全眼监管平台系统
CN106355383A (zh) 一种用于企业财务报销管理的信息系统
CN113034159A (zh) 一种基于区块链预言机技术的企业可信信评系统及方法
CN108563706A (zh) 一种催收大数据智能服务系统及其运行方法
CN112288566A (zh) 基于深度神经网络的跨链交易异常检测和预警方法及系统
KR20070111878A (ko) 지능형 상시 감사 시스템 및 감사 방법
Shang et al. Analysis and Application of Enterprise Performance Evaluation of Cross‐Border E‐Commerce Enterprises Based on Deep Learning Model
CN115564591A (zh) 一种融资产品的确定方法及相关设备
Samuel et al. Web 3.0 and nfts enabled ewaste management system for smart city
CN107808339A (zh) 一种数据采集分析系统
CN114819639A (zh) 一种基于双重预防机制的安全风险管控系统
CN113327161A (zh) 一种用于信贷业务的智能风控决策系统
CN113095676A (zh) 生产事件风险等级的获取方法、装置、设备、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