CN112801557A - 基于区块链的风险评价方法和装置 - Google Patents

Abstract

本说明书提供了一种基于区块链的风险评价方法和装置，应用于与区块链网络对接的业务服务系统，所述区块链网络接入了若干风险评价机构对应的服务设备；所述方法包括：向所述区块链网络发送风险评价交易，其中，所述风险评价交易包括待评价对象的属性信息和与从所述若干风险评价机构中筛选出的多个目标风险评价机构对应的标识信息，以使与所述标识信息对应的多个目标风险评价机构响应于所述风险评价交易，分别基于所述待评价对象的属性信息对所述待评价对象进行业务风险评价，并将得到的评价结果存储至所述区块链；基于训练出的风险评价函数，对获取到的所述多个目标风险评价机构的风险评价结果进行计算，得到所述待评价对象的目标风险评价结果。

Description

基于区块链的风险评价方法和装置

技术领域

本说明书一个或多个实施方式涉及网络通信领域，尤其涉及一种基于区块链的风险评价方法和装置。

背景技术

区块链通过将数据保存在彼此之间具有先后关系的一系列数据区块中来以去中心化的方式提供数据存储。区块的链由区块链节点的网络维护和更新，所述区块链节点也负责在共识方案下验证数据。

可以通过添加关于区块链交易的区块来维护和更新区块链。要将数据存储到区块链，可以将数据包括在区块链交易中以添加到区块链的新区块中。此外，许多区块链已经启用了区块链合约（也称为智能合约），这些合约可通过区块链交易执行。例如，区块链交易可以包括由外部拥有的账户（例如，区块链账户）发出、由区块链网络发送、并记录在区块链中的签名消息。可以执行区块链合约以实现所编程的功能。

业务系统通常在自身的服务系统中设置目标风险评价模型来判断业务对象的业务风险，然而对于某些复杂的风险类型，以业务系统自身的数据基础难以计算出准确的风险评价结果。

发明内容

有鉴于此，本说明书一个或多个实施方式提供了一种基于区块链的风险评价方法、装置和计算机设备。

为实现上述目的，本说明书一个或多个实施方式提供技术方案如下：

根据本说明书一个或多个实施方式的第一方面，提出了一种基于区块链的风险评价方法，应用于与区块链网络对接的业务服务系统，所述区块链网络接入了若干风险评价机构对应的服务设备；所述方法包括：

向所述区块链网络发送风险评价交易，其中，所述风险评价交易包括待评价对象的属性信息和与从所述若干风险评价机构中筛选出的多个目标风险评价机构对应的标识信息，以使与所述标识信息对应的多个目标风险评价机构响应于所述风险评价交易，分别基于所述待评价对象的属性信息对所述待评价对象分别进行业务风险评价，并将得到的评价结果存储至所述区块链；

从所述区块链分别获取所述多个目标风险评价机构的风险评价结果；

基于训练出的与所述多个目标风险评价机构对应的风险评价函数，对获取到的所述多个目标风险评价机构的风险评价结果进行计算，得到所述待评价对象的目标风险评价结果。

根据本说明书一个或多个实施方式的第二方面，提出了一种基于区块链的风险评价装置，应用于与区块链网络对接的业务服务系统，所述区块链网络接入了若干风险评价机构对应的服务设备；所述装置包括：

发送单元，向所述区块链网络发送风险评价交易，其中，所述风险评价交易包括待评价对象的属性信息和与从所述若干风险评价机构中筛选出的多个目标风险评价机构对应的标识信息，以使与所述标识信息对应的多个目标风险评价机构响应于所述风险评价交易，分别基于所述待评价对象的属性信息对所述待评价对象分别进行业务风险评价，并将得到的评价结果存储至所述区块链；

获取单元，从所述区块链分别获取所述多个目标风险评价机构的风险评价结果；

计算单元，基于训练出的与所述多个目标风险评价机构对应的风险评价函数，对获取到的所述多个目标风险评价机构的风险评价结果进行计算，得到所述待评价对象的目标风险评价结果。

根据本说明书一个或多个实施方式的第三方面，提出了一种计算机设备，包括：存储器和处理器；所述存储器上存储有可由所述处理器运行的计算机程序；所述处理器运行所述计算机程序时，执行业务服务系统所执行的基于区块链的风险评价方法。

基于本说明书各个实施方式提供的基于区块链的风险评价方法、装置和计算机设备，基于训练出的风险评价函数，对获取到的所述多个目标风险评价机构的风险评价结果进行计算，得到所述待评价对象的目标风险评价结果。相对于仅基于业务服务系统的数据基础和风险评价逻辑来获得待评价对象的目标风险评价结果，显著提高了目标风险评价结果的准确性。而且利用区块链技术实现风险评价的申请和获取多个目标风险评价机构的风险评价结果，即提高了数据传输共享的便捷性，也基于区块链的防篡改机制保证了数据的安全性。

附图说明

图1是一示例性实施方式提供的基于区块链的风险评价方法的应用环境示意图。

图2是一示例性实施例提供的创建智能合约的示意图。

图3是一示例性实施例提供的一种调用智能合约的示意图。

图4是一示例性实施方式提供的基于区块链的风险评价方法的流程示意图。

图5是一示例性实施方式提供的业务服务系统训练目标风险评价函数的流程示意图。

图6是一示例性实施方式提供的应用于业务服务系统的基于区块链的风险评价装置的示意图。

图7运行本说明书所提供的基于区块链的风险评价装置实施方式的一种硬件结构图。

具体实施方式

这里将详细地对示例性实施方式进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施方式中所描述的实施方式并不代表与本说明书一个或多个实施方式相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施方式的一些方面相一致的装置和方法的例子。

需要说明的是：在其他实施方式中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施方式中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施方式中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施方式中也可能被合并为单个步骤进行描述。

业务系统通常在自身的服务系统中部署风险评价逻辑来判断业务对象的业务风险，然而对于某些复杂的风险类型，以业务系统自身的数据基础和风险评价逻辑难以计算出准确的风险评价结果；尤其是当业务系统为中小型机构的业务系统时，其识别风险的能力有限。目前常用的解决方式是购买专业的风险评价机构的目标风险评价模型来执行业务风险评价，但是对于复杂型的业务风险，由一家风险评价机构提供的业务风险评价服务可能并不能得到准确的结果。

有鉴于此，本说明书的一个或多个实施方式中提供了基于区块链的风险评价方法，提高了风险评价的准确性和便捷性。

本说明书以下示出的一个或多个实施方式提供了基于区块链的风险评价方法，该方法可应用于图1所示的应用环境中。

如图1所示，在环境100中，一个或多个客户端侧计算设备（例如111a、111b、111c、111d）可以通过各种通信网络耦接到服务器端118。服务器端118可以通过各种通信网络耦接到一个或多个区块链网络（例如112、113）。每个区块链网络可以维护一个或多个区块链。每个区块链可以对应于唯一的区块链ID。附加的计算设备可以耦接到一个或多个区块链网络中的每一个。例如，区块链用户侧计算设备（例如114a、114b）可以通过各种通信网络耦接到区块链网络112。

客户端侧计算设备（例如，计算机、服务器、移动电话等），例如111a、111b、111c、111d，不限于单个设备，并且可以包括集群中的一个或多个计算设备。客户端侧计算设备可以安装有专用软件，例如用于与服务器端118通信的消息队列（MQ）服务软件。

服务器端118通过耦接的一个或多个区块链系统，可以提供区块链即服务（BaaS），上述服务器端118可被称为BaaS端。例如，BaaS端提供基于区块链技术的企业级平台服务，为其客户端侧计算设备，如上述通信运营商部署的服务器111a提供企业级区块链服务。

值得注意的是，在又一些示出的实施方式中，区块链网络中可能并未设置用于管理区块链服务的服务器或Baas端，此时，客户端侧计算设备可以直接与区块链网络中的一个或多个节点设备直接通信，以从该节点设备处获得区块链服务。本说明书对此不作限定。

每个区块链节点可以在服务器或服务器集群中实现。服务器集群可以采用负载平衡。每个区块链节点可以对应于经由诸如TCP/IP的各种类型的通信方法耦接在一起的一个或多个物理硬件设备或者虚拟设备。根据分类，区块链节点还可以被称为全节点、Geth节点、共识节点等。

在一些实施例中，区块链用户侧计算设备114a、114b可以包括轻节点。轻节点可能无法下载完整的区块链，但是可以只下载区块头以验证区块链交易的真实性。轻节点可以由全节点（例如，区块链网络中的区块链节点）提供服务并有效地依赖于全节点来访问区块链的更多功能。通过安装适当的软件，可以在诸如膝上型电脑、移动电话等的电子设备中实现轻节点。

因此，在一示出的实施方式中，业务服务系统可被部署为上述客户端侧计算设备（例如111a），以与包含服务器端118的区块链对接；或者，当区块链网络并未设置服务器端或Baas端118时，业务服务系统可被部署为区块链用户侧计算设备（例如114a）而直接与区块链的节点设备连接，亦或，业务服务系统被部署至区块链网络中的任一节点设备中。

类似地，本说明书所述的风险评价机构的服务设备与区块链网络的连接形式，可具体包括以下几种：风险评价机构的服务设备被部署为上述客户端侧计算设备（例如111a），以与包含服务器端118的区块链对接；或者，当区块链网络并未设置服务器端或Baas端118时，上述风险评价机构的服务设备被部署为区块链用户侧计算设备（例如114a）而直接与区块链的节点设备连接，亦或，上述风险评价机构的服务设备被部署至区块链网络中的任一节点设备中。

本说明书一个或多个实施例所述的区块链或区块链，具体可指一个各节点设备通过共识机制达成的、具有分布式数据存储结构的P2P网络系统，该区块链内的账本数据分布在时间上相连的一个个“区块（block）”之内，后一区块可包含前一区块的数据摘要，且根据具体的共识机制（如POW、POS、DPOS或PBFT等）的不同，达成全部或部分节点的数据全备份。

区块链一般被划分为三种类型：公有链（Public Blockchain），私有链（PrivateBlockchain）和联盟链（Consortium Blockchain）。此外，还可以有上述多种类型的结合，比如私有链+联盟链、联盟链+公有链等。可以预期，本说明书所提供的实施方式能够在合适类型的区块链中实现。

计算设备可将数据构建成区块链所支持的标准的交易（transaction）格式，然后发布至区块链，由区块链中的节点设备对收到的交易进行共识处理，并在达成共识后，由区块链中作为记账节点的节点设备，将这笔交易打包进区块，在区块链中进行持久化存证。

无论区块链采用哪种共识算法，记账节点均可以将接收到的交易打包以生成最新区块，并将生成的最新区块发送至其它节点设备进行共识验证。如果其它节点设备接收到最新区块后，经验证没有问题，可以将该最新区块追加到原有的区块链末尾，从而完成区块链的记账过程。其它节点验证记账节点发来的新的区块的过程中，也可以执行该区块中的包含的交易。

需要说明的是，区块链每产生一个最新区块，则在该最新区块中的交易被执行之后，区块链中这些被执行交易的对应状态会随之发生变化。例如，以账户模型构架的区块链中，外部账户或者智能合约账户的账户状态，通常也会随着交易的执行而发生相应的变化。

例如，当区块中的一笔“转账交易”执行完毕后，与该“转账交易”相关的转出方账户和转入方账户的余额（即这些账户的Balance字段的字段值），通常也会随之发生变化。

又如，区块中的“智能合约调用交易”则用以调用区块链上部署的智能合约，在节点设备对应的EVM内调用上述智能合约以执行上述“智能合约调用交易”，并将执行上述智能合约调用交易后、智能合约账户的账户状态更新在该智能合约的账户中。

在实际应用中，不论是公有链、私有链还是联盟链，都可能提供智能合约（Smartcontract）的功能。区块链上的智能合约是在区块链上可以被交易触发执行的合约。智能合约可以通过代码的形式定义。

可编程区块链中，每个区块链节点可以运行EVM。EVM是一个图灵完备的虚拟机，通过它可以实现各种复杂的逻辑。用户在区块链中发布和调用智能合约就是在EVM上运行的。实际上，EVM直接运行的是虚拟机代码（虚拟机字节码，下简称“字节码”），所以部署在区块链上的智能合约可以是字节码。

如图2所示，Bob将一笔包含创建智能合约信息的交易（transaction）发送到区块链网络后，各节点均可以在EVM中执行这笔交易。其中，图中交易的From字段用于记录发起创建智能合约的账户的地址，交易的Data字段的字段值保存的合约代码可以是字节码，交易的To字段的字段值为一个null（空）的账户。当节点间通过共识机制达成一致后，这个智能合约成功创建，后续用户可以调用这个智能合约。

智能合约创建后，区块链上出现一个与该智能合约对应的合约账户，并拥有一个特定的地址；比如，图2中各节点中的“0x68e12cf284…”就代表了创建的这个合约账户的地址；合约代码（Code）和账户存储（Storage）将保存在该合约账户的账户存储中。智能合约的行为由合约代码控制，而智能合约的账户存储则保存了合约的状态。换句话说，智能合约使得区块链上产生包含合约代码和账户存储的虚拟账户。

如图3所示，Bob将一笔包含调用智能合约信息的交易发送到区块链网络后，各节点均可以在EVM中执行这笔交易。其中，图中交易的From字段用于记录发起调用智能合约的账户的地址，To字段用于记录被调用的智能合约的地址，交易的Data字段用于记录调用智能合约的方法和参数。调用智能合约后，合约账户的账户状态可能改变。后续，某个客户端可以通过接入的区块链节点查看合约账户的账户状态，例如，上述账户状态可以Key-Value对的形式存储到智能合约的Storage树中。调用智能合约的交易的执行结果，可以是以交易收据（receipt）的形式，存储到MPT收据树中。

智能合约可以以规定的方式在区块链中每个节点独立的执行，所有执行记录和数据都保存在区块链上，所以当这样的交易执行完毕后，区块链上就保存了无法篡改、不会丢失的交易凭证。

智能合约的事件机制，是智能合约与链外实体进行交互的一种方式。对于区块链上部署的智能合约来说，通常无法直接与链外实体进行交互；例如，智能合约在调用完成后，通常无法将智能合约的调用结果，点对点的发送给智能合约的调用发起方。

智能合约在调用的过程中产生的调用结果（包括中间结果和最终的调用结果），通常会以事件（Event）的形式，记录到调用该智能合约的那笔交易的交易日志（transactionlogs），在节点设备的存储空间中进行存储。而需要与智能合约进行交互的链外实体，则可以通过监听节点设备的存储空间中存储的上述交易日志的方式，来获取智能合约的调用结果；

例如，交易日志最终会作为调用该智能合约的那笔交易笔交易的收据（receipt）的一部分内容，存储在以上描述的MPT收据树中。而与智能合约进行交互的链外实体，可以监听节点设备的存储空间中存储的MPT收据树上的交易收据，并从监听到的交易收据中，来获取智能合约生成的事件。

图4示意了本说明书一示例性实施方式所提供的基于区块链的风险评价方法，具有风险评价需求的业务服务系统与区块链对接，例如该业务服务系统与区块链的BaaS端耦接，或者，该业务服务系统直接与区块链的节点设备耦接。

所述区块链网络接入了若干风险评价机构对应的服务设备，关于上述若干风险评价机构对应的服务设备与区块链网络的具体连接方式，可参考图1所示的客户端侧计算设备（例如111a）、区块链用户侧计算设备（例如114a），或者区块链网络中的任一节点设备与区块链网络的连接方式。上述若干风险评价机构对应的各个服务设备中可搭载相应的风险评价模型，用于对对象的业务风险进行评价。

上述基于区块链的风险评价方法应用于与区块链网络对接的业务服务系统，可包括：

步骤402，向所述区块链网络发送风险评价交易，其中，所述风险评价交易包括待评价对象的属性信息和从所述多若干风险评价机构中筛选出的多个目标风险评价机构对应的标识信息，以使与所述标识信息对应的多个目标风险评价机构响应于所述风险评价交易，分别基于所述待评价对象的属性信息对所述待评价对象进行业务风险评价，并将得到的评价结果存储至所述区块链。

步骤404，从所述区块链分别获取所述多个目标风险评价机构的风险评价结果；

步骤406，基于训练出的与筛选出的所述多个目标风险评价机构对应的风险评价函数，对获取到的所述多个目标风险评价机构的风险评价结果进行计算，得到所述待评价对象的目标风险评价结果。

本实施方式并不限定业务服务系统从上述若干风险评价机构中筛选上述多个目标风险评价机构的具体方式。例如，业务服务系统可基于风险评价机构收取的服务费用金额、用户对风险评价机构的好评率、各风险评价机构所擅长的业务评价领域、各风险评价机构针对某项风险的评价准确度等因素中的一个或多个，对上述若赶风险评价机构进行筛选。在一示出的实施方式中，所述风险评价函数包括将所述待评价对象的目标风险评价结果作为因变量，将所述多个目标风险评价机构对所述待评价对象的风险评价结果作为自变量，将所述多个目标风险评价机构对所述实际风险结果的贡献度作为与所述自变量对应的权重的线性函数，基于筛选出的多个目标风险评价机构对所述目标风险评价结果的贡献度，为每个目标风险评价机构的评价结果进行权重赋值。

在又一示出的实施方式中，上述业务服务系统可基于机器学习的方法，从上述若干风险评价机构中筛选上述多个目标风险评价机构，并为上述多个目标风险评价机构赋予与其贡献度匹配的权重。如图5所示，上述过程具体包括：

步骤502，上述业务服务系统获取若干评价对象样本的实际风险结果；以及，所述若干风险评价机构对所述若干评价对象样本进行业务风险评价得到的风险评价结果。

上述若干评价对象样本的实际风险结果包括上述评价对象样本在实际的业务中所表现出的风险结果，例如：是/否实际表现出某项风险（可用0表示实际未造成上述某项业务风险，用1表示已实际造成上述某项业务风险）。上述业务服务系统获取若干风险评价机构对所述若干评价对象样本进行业务风险评价得到的风险评价结果的过程可包括：

业务服务系统向区块链中发布对若干评价对象样本的风险评价交易，所该风险评价交易可包括上述若干评价对象样本的属性信息，以使与区块链对接的若干风险评价机构响应于所述风险评价交易，分别基于所述若干评价对象样本的属性信息对所述若干评价对象样本进行业务风险评价，并将得到的风险评价结果存储至所述区块链，以使上述业务服务系统可从上述区块链中获取到上述若干风险评价机构对所述若干评价对象样本进行业务风险评价得到的风险评价结果。

由于可能出现的技术原因，上述所述多个风险评价机构对若干个评价对象样本的风险评价结果可能有数据缺失或非法，即可能有一些风险评价机构节点未提供评价结果，或者，有一些风险评价机构节点提供的评价结果的数据质量不符合进行模型训练所需的评价结果的数据质量，例如，有一些风险评价机构节点提供的对上述特定业务风险的评价结果为0.8，而并非0或1，在上述情况下，上述业务服务系统可设置相应的数据处理规则，对上述多个风险评价结果进行数据缺失补全、或数据质量处理。

步骤504，将所述实际风险结果作为因变量，将所述若干风险评价机构对所述若干评价对象样本的风险评价结果作为自变量，对预设的风险评价函数进行有监督训练，得到所述若干目标风险评价机构对应的权重；其中，所述权重表征所述若干目标风险评价机构对所述实际风险结果的贡献度；所述风险评价函数包括将所述实际风险结果作为因变量、将所述若干风险评价机构对所述若干评价对象样本的风险评价结果作为自变量、将所述若干风险评价机构对所述实际风险结果的贡献度作为与所述自变量对应的权重的线性函数。

对上述目标风险评价函数的监督学习训练所依据的算法可包括LR、PS-Smart等算法。

上述风险评价函数R可表示为：

，

其中，R表示对象实际的风险结果，

，

，…

表示上述若干风险评价机构对对 象的风险评价结果，上述

，

，…

为上述若干风险评价机构对应的权重。

步骤506，删除所述风险评价函数中低于预设阈值的权重以及与所述权重对应的自变量，得到用于对所述待评价对象进行风险评价的风险评价函数。

进一步地，业务服务系统可对上述训练所得的风险评价函数进行修正，删除所述风险评价函数中低于预设阈值的权重以及与所述权重对应的自变量，上述风险评价函数中剩余的权重所对应的风险评价机构，即为从上述若干风险评价机构中筛选出的目标风险评价机构。

由于各个风险评价机构提供的风险评价服务可能为有偿收费服务，基于上述步骤502至506所述的风险评价机构的筛选过程而获得的风险评价函数进行风险评价，既提高了业务服务系统的风险评价效率，又可降低业务服务系统的风险评价成本。

步骤402所述的风险评价交易用于提起风险评价申请；基于待评价对象的属性信息封装而成的风险评价交易，可由业务服务系统执行交易封装，也可由于业务系统对接的Baas端、或节点设备端执行交易封装，本说明书对此不作限定。而且，上述风险评价交易的数量也不作限定，可以为一个，也可以为多个。

风险评价交易所包含的待评价对象的属性信息可包含待评价对象的身份信息、或业务行为信息等执行特定的目标业务风险评价所需的信息。

上述多个目标风险评价机构节点在从区块链上获取到上述一个或多个风险评价交易后，可执行各自的服务设备中部署的风险评价逻辑，以基于上述待评价对象的属性信息，对所述待评价对象的业务风险进行评价，并分别生成对所述待评价对象的评价结果。

上述实施方式并未限定所述多个目标风险评价机构对所述待评价对象分别进行的业务风险评价的具体执行方式，例如，在一示出的实施方式中，当所述多个目标风险评价机构的服务设备或模块中分别设置有风险评价逻辑时，上述多个目标风险评价机构可响应于从所述区块链获取到的所述风险评价交易，在对应的服务设备或模块中执行上述风险评价逻辑，以基于上述待评价对象的属性信息，对所述待评价对象的业务风险进行评价，并将分别生成的多个评价结果以交易的形式发送并存储至上述区块链中。

在又一示出的实施方式中，所述区块链上部署有用于对上述目标风险评价机构进行评价管理的第一智能合约；所述风险评价交易为对所述第一智能合约的调用交易；所述风险评价交易包含所述待评价对象的属性信息和与多个目标风险评价机构对应的标识信息。本实施方式并不限定上述第一智能合约的个数：上述多个目标风险评价机构可分别在区块链上部署用于自身评价管理的第一智能合约，或者，上述业务服务系统可在区块链上部署与其筛选出的多个目标风险评级机构对应的第一智能合约。

上述与多个目标风险评价机构对应的标识信息可包括：所述目标风险评价机构的身份信息、或上述目标风险机构对接的节点地址信息，或者，与每个目标风险评价机构对应的每个第一智能合约的地址信息；当上述第一智能合约专用于对业务服务系统筛选出的上述多个目标风险评价机构进行评价管理时，上述与多个目标风险评价机构对应的标识信息还可包括上述一个第一智能合约的地址信息。

值得注意的是，本实施方式并不限定上述风险评价交易的数量，业务服务系统可以发送一条风险评价交易以调用上述第一智能合约，并在该条风险评价交易中包含上述所有多个目标风险评价机构的身份标识信息，或者，上述第一智能合约的地址信息；也可以发送多条风险评价交易，以分批次指示上述多个目标风险评价机构执行对所述待评价对象的风险评价。

此时，上述实施方式所述的向所述区块链网络发送风险评价交易，以使与所述标识信息对应的多个目标风险评价机构响应于所述风险评价交易，基于所述待评价对象的属性信息对所述待评价对象分别进行业务风险评价，并将得到的评价结果存储至所述区块链，可具体包括：

上述业务服务系统向所述区块链网络发送风险评价交易，以使所述区块链网络包含的节点设备响应于所述风险评价交易，调用所述第一智能合约中的评价通知逻辑，生成与所述标识信息对应的所述多个目标风险评价机构相关的风险评价通知事件，以由所述多个目标风险评价机构的服务设备响应于所述风险评价通知事件，基于所述待评价对象的属性信息对所述待评价对象分别进行业务风险评价，并将得到的风险评价结果分别存储至所述区块链。

上述多个目标风险评价机构的服务设备中可部署有用于对所述待评价对象进行业务风险评价的风险评价模型，从而响应于所述风险评价通知事件，执行对应的风险评价模型，对上述待评价对象进行业务风险评价。

同理，本实施方式也并不限定上述风险评价通知事件的数量。区块链网络的节点设备通过调用上述智能合约的评价通知逻辑，可分别为多个目标风险评价机构生成对应的多个风险评价通知事件（每个风险评价通知事件仅指向一个目标风险评价机构）；也可对应于上述风险评价交易的数量，为所述多个目标风险评价机构分批次地生成风险评价通知事件（每个风险评价通知事件可指向单数或复数个目标风险评价机构）。

在本实施方式中，基于区块链智能合约的事件机制，可为准确快捷地通知上述多个目标风险评价机构分别对上述待评价对象执行风险评价，并在区块链网络中存证相应的评价结果，防止评价结果被恶意篡改。

在又一示出的实施方式中，所述区块链上部署有用于对所述待评价对象进行风险评价的第二智能合约；与上述第一智能合约类似，本实施方式并不限定上述第二智能合约的个数：上述多个目标风险评价机构可分别在区块链上部署用于风险评价的第二智能合约，或者，上述业务服务系统可在区块链上部署与其筛选出的多个目标风险评级机构对应的第二智能合约。与所述多个风险评价机构对应的服务设备部署了用于对所述待评价对象进行业务风险评价的风险评价模型；

步骤402所述的向所述区块链网络发送风险评价交易，以使与所述标识信息对应的多个目标风险评价机构响应于所述风险评价交易，基于所述待评价对象的属性信息对所述待评价对象分别进行业务风险评价，并将得到的评价结果存储至所述区块链，包括：

向所述区块链网络发送风险评价交易，以使所述区块链网络包含的节点设备响应于所述风险评价交易，调用所述第二智能合约中的风险评价逻辑，与所述多个目标风险评价机构对应的服务设备进行交互，将所述待评价对象的属性信息提交至与所述标识信息对应的多个目标评价机构的服务设备，以由所述多个目标评价机构的服务设备基于搭载的风险评价模型对所述待评价对象分别进行业务风险评价，并将得到的风险评价结果分别存储至所述区块链。

上述区块链的节点设备与所述多个目标风险评价机构对应的服务设备进行交互的方式，可包括以预言机的方式进行交互。此时，上述第二智能合约对接了预言机程序；上述预言机程序用以获取链外数据，上述第二智能合约的合约代码中部署了引用上述预言机程序所获取的链外数据的逻辑，并在第二智能合约的合约代码中存储有上述预言机程序的区块链地址。

调用所述第二智能合约中的风险评价逻辑，与所述多个风险评价机构对应的服务设备进行交互，将所述待评价对象的属性信息提交至与所述标识信息对应的多个目标评价机构的服务设备，以由所述多个目标评价机构的服务设备基于搭载的风险评价模型对所述待评价对象分别进行业务风险评价，并将得到的风险评价结果分别存储至所述区块链，可具体包括：

调用所述第二智能合约中的风险评价逻辑，通过对接的预言机程序将所述待评价对象的属性信息提交至与所述标识信息对应的多个目标评价机构的服务设备，以由所述多个目标评价机构的服务设备基于搭载的风险评价模型对所述待评价对象分别进行业务风险评价；以及，

通过对接的预言机程序接收所述多个目标评价机构的服务设备返回的针对所述待评价对象的风险评价结果，并将接收到的所述风险评价结果分别存储至所述区块链。

当所述多个目标风险评价机构在所述区块链上分别部署有用于风险评价的第二智能合约时，所述风险评价交易为对所述多个目标风险评价机构部署的多个第二智能合约的调用交易；此时，本实施方式并不限定对上述风险评价交易的数量，例如可以在一个风险评价交易包含上述多个第二智能合约的区块链地址信息，以连续调用多个风险评价智能合约；或者在多个风险评价交易中分别包含上述多个第二智能合约的区块链地址信息，以分别调用所述多个第二智能合约；还可为数目小于多的多个交易，以进行部分分别调用及部分连续调用。

当所述业务服务系统在所述区块链上分别部署有用于对其筛选出的多个目标风险评价机构进行风险评价的第二智能合约时，所述风险评价交易为对所述业务服务系统部署的第二智能合约的调用交易，此时，上述风险调用交易通常为一个，由业务服务系统生成并发送至区块链网络，以调用其部署的、用于对其筛选出的多个目标风险评价机构进行风险评价的第二智能合约。

在上述一个或多个示出的实施方式中，业务服务系统可利用自身搭载的风险评价模型，和其筛选出的多个目标风险评价机构提供的风险评价服务，共同计算出待评价对象的目标风险评价结果，从而相对于仅依靠业务服务系统自身的风险评价逻辑来评价对象的业务风险，提高了目标风险评价结果的准确性。

当业务服务系统为中小微机构对应的业务服务系统时，业务服务系统本身可省去业务风险评价逻辑的开发，依靠区块链中的多个目标风险评价机构提供的风险评价服务，准确快捷地获得目标风险结果。

本说明书上述一个或多个实施方式提供的基于区块链的风险评价方法尤其适用于较为复杂的业务风险，例如，大量用户体针对某项商品或服务实施的聚集性业务风险，包括由在用户群消息的导向作用下，用户聚集性地参与某商品售出漏洞的“薅羊毛”行为。计算评价用户的聚集性业务风险通常需要多家风险评价服务机构所收集的用户历史行为数据，方可对该用户在该业务服务系统上是否有可能实施聚集性风险做出准确判断。上述风险评价服务机构不仅可以包括专业的风险算法提供商，还可以包括与业务服务系统提供类似业务服务的业务服务机构（例如上述业务服务系统和多个风险评价服务机构均为电商平台），这样，基于多个风险评价服务机构的用户是否参与过聚集性风险业务的历史行为数据和风险评价逻辑，可为上述业务服务机构准确快捷的聚集性风险评价。

与上述流程实现对应，本说明书的实施方式还提供了基于区块链的风险评价装置60。装置60可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为逻辑意义上的装置，是通过所在设备的CPU(Central Process Unit，中央处理器)将对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，除了图7所示的CPU、内存以及存储器之外，上述装置所在的设备通常还包括用于进行无线信号收发的芯片等其他硬件，和/或用于实现网络通信功能的板卡等其他硬件。

如图6所示，本说明书提供了一种基于区块链的风险评价装置60，应用于与区块链网络对接的业务服务系统，所述区块链网络接入了若干风险评价机构对应的服务设备；所述装置60包括：

发送单元602，向所述区块链网络发送风险评价交易，其中，所述风险评价交易包括待评价对象的属性信息和与从所述若干风险评价机构中筛选出的多个目标风险评价机构对应的标识信息，以使与所述标识信息对应的多个目标风险评价机构响应于所述风险评价交易，分别基于所述待评价对象的属性信息对所述待评价对象分别进行业务风险评价，并将得到的评价结果存储至所述区块链；

获取单元604，从所述区块链分别获取所述多个目标风险评价机构的风险评价结果；

计算单元606，基于训练出的与筛选出的所述多个目标风险评价机构对应的风险评价函数，对获取到的所述多个目标风险评价机构的风险评价结果进行计算，得到所述待评价对象的目标风险评价结果。

在又一示出的实施方式中，所述区块链上部署有用于对所述风险评价机构进行评价管理的第一智能合约；

所述发送单元602，进一步用于：

向所述区块链网络发送风险评价交易，以使所述区块链网络包含的节点设备响应于所述风险评价交易，调用所述第一智能合约中的评价通知逻辑，生成与所述标识信息对应的所述多个目标风险评价机构相关的风险评价通知事件，以由所述多个目标风险评价机构响应于所述风险评价通知事件，基于所述待评价对象的属性信息对所述待评价对象分别进行业务风险评价，并将得到的风险评价结果分别存储至所述区块链。

在又一示出的实施方式中，所述区块链上部署有用于对所述待评价对象进行风险评价的第二智能合约；与所述多个风险评价机构对应的服务设备部署了用于对所述待评价对象进行业务风险评价的风险评价模型；

所述发送单元602，进一步用于：

向所述区块链网络发送风险评价交易，以使所述区块链网络包含的节点设备响应于所述风险评价交易，调用所述第二智能合约中的风险评价逻辑，与所述多个目标风险评价机构对应的服务设备进行交互，将所述待评价对象的属性信息提交至与所述标识信息对应的多个目标评价机构的服务设备，以由所述多个目标评价机构的服务设备基于搭载的风险评价模型对所述待评价对象分别进行业务风险评价，并将得到的风险评价结果分别存储至所述区块链。

在又一示出的实施方式中，所述第二智能合约对接了预言机程序；

所述调用所述第二智能合约中的风险评价逻辑，与所述多个风险评价机构对应的服务设备进行交互，将所述待评价对象的属性信息提交至与所述标识信息对应的多个目标评价机构的服务设备，以由所述多个目标评价机构的服务设备基于搭载的风险评价模型对所述待评价对象分别进行业务风险评价，并将得到的风险评价结果分别存储至所述区块链，包括：

调用所述第二智能合约中的风险评价逻辑，通过对接的预言机程序将所述待评价对象的属性信息提交至与所述标识信息对应的多个目标评价机构的服务设备，以由所述多个目标评价机构的服务设备基于搭载的风险评价模型对所述待评价对象分别进行业务风险评价；以及，

通过对接的预言机程序接收所述多个目标评价机构的服务设备返回的针对所述待评价对象的风险评价结果，并将接收到的所述风险评价结果分别存储至所述区块链。

在又一示出的实施方式中，所述风险评价函数包括将所述待评价对象的目标风险评价结果作为因变量，将所述多个目标风险评价机构对所述待评价对象的风险评价结果作为自变量，将所述多个目标风险评价机构对所述实际风险结果的贡献度作为与所述自变量对应的权重的线性函数；

所述计算单元606，进一步用于：

基于训练出的风险评价函数中所述多个目标风险评价机构对应的权重，对获取到的所述多个目标风险评价机构的风险评价结果进行加权计算，得到所述待评价对象的目标风险评价结果；其中，所述权重表征所述多个目标风险评价机构对所述目标风险评价结果的贡献度。

在又一示出的实施方式中，所述获取单元604，进一步用于获取若干评价对象样本的实际风险结果，以及，所述若干风险评价机构对所述若干评价对象样本进行业务风险评价得到的风险评价结果；

所述装置60还包括训练单元608，将所述实际风险结果作为因变量，将所述若干风险评价机构对所述若干评价对象样本的风险评价结果作为自变量，对预设的风险评价函数进行有监督训练，得到所述若干目标风险评价机构对应的权重；其中，所述权重表征所述若干目标风险评价机构对所述实际风险结果的贡献度；所述风险评价函数包括将所述实际风险结果作为因变量，将所述若干风险评价机构对所述若干评价对象样本的风险评价结果作为自变量，将所述若干风险评价机构对所述实际风险结果的贡献度作为与所述自变量对应的权重的线性函数；以及，

删除单元610，删除所述风险评价函数中低于预设阈值的权重以及与所述权重对应的自变量，得到用于对所述待评价对象进行风险评价的风险评价函数。

在又一示出的实施方式中，所述多个目标风险评价机构包括所述若干风险评价机构中所述权重大于预设阈值的多个风险评价机构；

所述计算单元606，进一步用于：

将获取到的所述多个目标风险评价机构的风险评价结果作为自变量输入训练完成的所述风险评价函数中进行加权计算，得到所述待评价对象的目标风险评价结果。

在又一示出的实施方式中，所述业务风险包括聚集性业务风险；所述待评价对象包括用户对象；所述评价结果包括所述用户对象是否具有聚集性业务风险的评价结果。

上述装置60中各个单元的功能和作用的实现过程具体详见上述业务服务系统所执行的基于区块链的风险评价方法中对应步骤的实现过程，相关之处参见方法实施方式的部分说明即可，在此不再赘述。

以上所描述的装置实施方式仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部单元或模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

上述实施方式阐明的装置、单元、模块，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，计算机的具体形式可以是个人计算机、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、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。

与上述方法实施方式相对应，本说明书的实施方式还提供了一种计算机设备，如图7所示，该计算机设备包括存储器和处理器。其中，存储器上存储有能够由处理器运行的计算机程序；处理器在运行存储的计算机程序时，执行本说明书实施方式中业务服务系统所执行的基于区块链的风险评价方法的各个步骤。对上述业务服务系统所执行的基于区块链的风险评价方法的各个步骤的详细描述请参见之前的内容，不再重复。

以上所述仅为本说明书的较佳实施方式而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。

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，磁带磁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。

本领域技术人员应明白，本说明书的实施方式可提供为方法、系统或计算机程序产品。因此，本说明书的实施方式可采用完全硬件实施方式、完全软件实施方式或结合软件和硬件方面的实施方式的形式。而且，本说明书的实施方式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。

Claims (17)

1.一种基于区块链的风险评价方法，应用于与区块链网络对接的业务服务系统，所述区块链网络接入了若干风险评价机构对应的服务设备；所述方法包括：

向所述区块链网络发送风险评价交易，其中，所述风险评价交易包括待评价对象的属性信息和与从所述若干风险评价机构中筛选出的多个目标风险评价机构对应的标识信息，以使与所述标识信息对应的多个目标风险评价机构响应于所述风险评价交易，分别基于所述待评价对象的属性信息对所述待评价对象分别进行业务风险评价，并将得到的评价结果存储至所述区块链；

从所述区块链分别获取所述多个目标风险评价机构的风险评价结果；

基于训练出的与所述多个目标风险评价机构对应的风险评价函数，对获取到的所述多个目标风险评价机构的风险评价结果进行计算，得到所述待评价对象的目标风险评价结果。

2.根据权利要求1所述的方法，所述区块链上部署有用于对所述风险评价机构进行评价管理的第一智能合约；

向所述区块链网络发送风险评价交易，以使与所述标识信息对应的多个目标风险评价机构响应于所述风险评价交易，基于所述待评价对象的属性信息对所述待评价对象分别进行业务风险评价，并将得到的评价结果存储至所述区块链，包括：

向所述区块链网络发送风险评价交易，以使所述区块链网络包含的节点设备响应于所述风险评价交易，调用所述第一智能合约中的评价通知逻辑，生成与所述标识信息对应的所述多个目标风险评价机构相关的风险评价通知事件，以由所述多个目标风险评价机构响应于所述风险评价通知事件，基于所述待评价对象的属性信息对所述待评价对象分别进行业务风险评价，并将得到的风险评价结果分别存储至所述区块链。

3.根据权利要求1所述的方法，所述区块链上部署有用于对所述待评价对象进行风险评价的第二智能合约；与所述多个风险评价机构对应的服务设备部署了用于对所述待评价对象进行业务风险评价的风险评价模型；

向所述区块链网络发送风险评价交易，以使与所述标识信息对应的多个目标风险评价机构响应于所述风险评价交易，基于所述待评价对象的属性信息对所述待评价对象分别进行业务风险评价，并将得到的评价结果存储至所述区块链，包括：

向所述区块链网络发送风险评价交易，以使所述区块链网络包含的节点设备响应于所述风险评价交易，调用所述第二智能合约中的风险评价逻辑，与所述多个目标风险评价机构对应的服务设备进行交互，将所述待评价对象的属性信息提交至与所述标识信息对应的多个目标评价机构的服务设备，以由所述多个目标评价机构的服务设备基于搭载的风险评价模型对所述待评价对象分别进行业务风险评价，并将得到的风险评价结果分别存储至所述区块链。

4.根据权利要求3所述的方法，所述第二智能合约对接了预言机程序；

调用所述第二智能合约中的风险评价逻辑，与所述多个风险评价机构对应的服务设备进行交互，将所述待评价对象的属性信息提交至与所述标识信息对应的多个目标评价机构的服务设备，以由所述多个目标评价机构的服务设备基于搭载的风险评价模型对所述待评价对象分别进行业务风险评价，并将得到的风险评价结果分别存储至所述区块链，包括：

调用所述第二智能合约中的风险评价逻辑，通过对接的预言机程序将所述待评价对象的属性信息提交至与所述标识信息对应的多个目标评价机构的服务设备，以由所述多个目标评价机构的服务设备基于搭载的风险评价模型对所述待评价对象分别进行业务风险评价；以及，

通过对接的预言机程序接收所述多个目标评价机构的服务设备返回的针对所述待评价对象的风险评价结果，并将接收到的所述风险评价结果分别存储至所述区块链。

5.根据权利要求1所述的方法，所述风险评价函数包括将所述待评价对象的目标风险评价结果作为因变量，将所述多个目标风险评价机构对所述待评价对象的风险评价结果作为自变量，将所述多个目标风险评价机构对所述目标风险评价结果的贡献度作为与所述自变量对应的权重的线性函数；

所述基于训练出的与所述多个目标风险评价机构对应的风险评价函数，对获取到的所述多个目标风险评价机构的风险评价结果进行计算，得到所述待评价对象的目标风险评价结果，包括：

基于训练出的风险评价函数中所述多个目标风险评价机构对应的权重，对获取到的所述多个目标风险评价机构的风险评价结果进行加权计算，得到所述待评价对象的目标风险评价结果；其中，所述权重表征所述多个目标风险评价机构对所述目标风险评价结果的贡献度。

6.根据权利要求5所述的方法，

还包括：

获取若干评价对象样本的实际风险结果；以及，所述若干风险评价机构对所述若干评价对象样本进行业务风险评价得到的风险评价结果；

将所述实际风险结果作为因变量，将所述若干风险评价机构对所述若干评价对象样本的风险评价结果作为自变量，对预设的风险评价函数进行有监督训练，得到所述若干目标风险评价机构对应的权重；其中，所述权重表征所述若干目标风险评价机构对所述实际风险结果的贡献度；以及，

删除所述风险评价函数中低于预设阈值的权重以及与所述权重对应的自变量，得到用于对所述待评价对象进行风险评价的风险评价函数。

7.根据权利要求6所述的方法，所述多个目标风险评价机构包括所述若干风险评价机构中所述权重大于预设阈值的多个风险评价机构；

基于训练出的所述多个目标风险评价机构对应的权重，对获取到的所述多个目标风险评价机构的风险评价结果进行加权计算，得到所述待评价对象的目标风险评价结果，包括：

将获取到的所述多个目标风险评价机构的风险评价结果作为自变量输入训练完成的所述风险评价函数中进行加权计算，得到所述待评价对象的目标风险评价结果。

8.根据权利要求1至7中任一权利要求所述的方法，所述业务风险包括聚集性业务风险；所述待评价对象包括用户对象；所述评价结果包括所述用户对象是否具有聚集性业务风险的评价结果。

9.一种基于区块链的风险评价装置，应用于与区块链网络对接的业务服务系统，所述区块链网络接入了若干风险评价机构对应的服务设备；所述装置包括：

发送单元，向所述区块链网络发送风险评价交易，其中，所述风险评价交易包括待评价对象的属性信息和与从所述若干风险评价机构中筛选出的多个目标风险评价机构对应的标识信息，以使与所述标识信息对应的多个目标风险评价机构响应于所述风险评价交易，分别基于所述待评价对象的属性信息对所述待评价对象分别进行业务风险评价，并将得到的评价结果存储至所述区块链；

获取单元，从所述区块链分别获取所述多个目标风险评价机构的风险评价结果；

计算单元，基于训练出的与所述多个目标风险评价机构对应的风险评价函数，对获取到的所述多个目标风险评价机构的风险评价结果进行计算，得到所述待评价对象的目标风险评价结果。

10.根据权利要求9所述的装置，所述区块链上部署有用于对所述风险评价机构进行评价管理的第一智能合约；

所述发送单元，进一步用于：

向所述区块链网络发送风险评价交易，以使所述区块链网络包含的节点设备响应于所述风险评价交易，调用所述第一智能合约中的评价通知逻辑，生成与所述标识信息对应的所述多个目标风险评价机构相关的风险评价通知事件，以由所述多个目标风险评价机构响应于所述风险评价通知事件，基于所述待评价对象的属性信息对所述待评价对象分别进行业务风险评价，并将得到的风险评价结果分别存储至所述区块链。

11.根据权利要求9所述的装置，所述区块链上部署有用于对所述待评价对象进行风险评价的第二智能合约；与所述多个风险评价机构对应的服务设备部署了用于对所述待评价对象进行业务风险评价的风险评价模型；

所述发送单元，进一步用于：

向所述区块链网络发送风险评价交易，以使所述区块链网络包含的节点设备响应于所述风险评价交易，调用所述第二智能合约中的风险评价逻辑，与所述多个目标风险评价机构对应的服务设备进行交互，将所述待评价对象的属性信息提交至与所述标识信息对应的多个目标评价机构的服务设备，以由所述多个目标评价机构的服务设备基于搭载的风险评价模型对所述待评价对象分别进行业务风险评价，并将得到的风险评价结果分别存储至所述区块链。

12.根据权利要求11所述的装置，所述第二智能合约对接了预言机程序；

所述调用所述第二智能合约中的风险评价逻辑，与所述多个风险评价机构对应的服务设备进行交互，将所述待评价对象的属性信息提交至与所述标识信息对应的多个目标评价机构的服务设备，以由所述多个目标评价机构的服务设备基于搭载的风险评价模型对所述待评价对象分别进行业务风险评价，并将得到的风险评价结果分别存储至所述区块链，包括：

调用所述第二智能合约中的风险评价逻辑，通过对接的预言机程序将所述待评价对象的属性信息提交至与所述标识信息对应的多个目标评价机构的服务设备，以由所述多个目标评价机构的服务设备基于搭载的风险评价模型对所述待评价对象分别进行业务风险评价；以及，

通过对接的预言机程序接收所述多个目标评价机构的服务设备返回的针对所述待评价对象的风险评价结果，并将接收到的所述风险评价结果分别存储至所述区块链。

13.根据权利要求9所述的装置，所述风险评价函数包括将所述待评价对象的目标风险评价结果作为因变量，将所述多个目标风险评价机构对所述待评价对象的风险评价结果作为自变量，将所述多个目标风险评价机构对所述目标风险评价结果的贡献度作为与所述自变量对应的权重的线性函数；

所述计算单元，进一步用于：

基于训练出的风险评价函数中所述多个目标风险评价机构对应的权重，对获取到的所述多个目标风险评价机构的风险评价结果进行加权计算，得到所述待评价对象的目标风险评价结果；其中，所述权重表征所述多个目标风险评价机构对所述目标风险评价结果的贡献度。

14.根据权利要求13所述的装置，

所述获取单元，进一步用于获取若干评价对象样本的实际风险结果，以及，所述若干风险评价机构对所述若干评价对象样本进行业务风险评价得到的风险评价结果；

所述装置还包括训练单元，将所述实际风险结果作为因变量，将所述若干风险评价机构对所述若干评价对象样本的风险评价结果作为自变量，对预设的风险评价函数进行有监督训练，得到所述若干目标风险评价机构对应的权重；其中，所述权重表征所述若干目标风险评价机构对所述实际风险结果的贡献度；所述风险评价函数包括将所述实际风险结果作为因变量，将所述若干风险评价机构对所述若干评价对象样本的风险评价结果作为自变量，将所述若干风险评价机构对所述实际风险结果的贡献度作为与所述自变量对应的权重的线性函数；以及，

删除单元，删除所述风险评价函数中低于预设阈值的权重以及与所述权重对应的自变量，得到用于对所述待评价对象进行风险评价的风险评价函数。

15.根据权利要求14所述的装置，所述多个目标风险评价机构包括所述若干风险评价机构中所述权重大于预设阈值的多个风险评价机构；

所述计算单元，进一步用于：

将获取到的所述多个目标风险评价机构的风险评价结果作为自变量输入训练完成的所述风险评价函数中进行加权计算，得到所述待评价对象的目标风险评价结果。

16.根据权利要求9至15中任一权利要求所述的装置，所述业务风险包括聚集性业务风险；所述待评价对象包括用户对象；所述评价结果包括所述用户对象是否具有聚集性业务风险的评价结果。

17.一种计算机设备，包括：存储器和处理器；所述存储器上存储有可由所述处理器运行的计算机程序；所述处理器运行所述计算机程序时，执行如权利要求1至8任意一项所述的方法。

Images