CN113256401A - 一种贷前域外用户拦截方法、装置、服务器及存储介质 - Google Patents
一种贷前域外用户拦截方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN113256401A CN113256401A CN202110580973.7A CN202110580973A CN113256401A CN 113256401 A CN113256401 A CN 113256401A CN 202110580973 A CN202110580973 A CN 202110580973A CN 113256401 A CN113256401 A CN 113256401A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- determining
- incoming
- credit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
- G06F16/29—Geographical information databases
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)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及一种贷前域外用户拦截方法、装置、服务器及存储介质,涉及互联网信贷风控的领域,其方法包括:确定每个支行对应的区域信息;获取用户进件信息,所述用户进件信息表示用户申请贷款的申请信息;若所述用户进件信息满足预设条件,则基于用户进件信息确定用户归属地信息;若所述用户归属地信息与任一所述区域信息匹配成功,则确定与所述用户归属地信息匹配成功的任一所述区域信息对应的信贷产品信息,并显示所述信贷产品信息。本申请具有优化对域外用户开展信贷业务流程的效果。
Description
技术领域
本申请涉及互联网信贷风控的领域,尤其是涉及一种贷前域外用户拦截方法。
背景技术
银行互联网贷款快速发展,它依托大数据和模型进行风险评估,具有全流程线上自动运作、无人工或极少人工干预、极速审批放贷等特点,在提高贷款效率、创新风险评估手段、拓宽金融客户覆盖面等方面发挥了积极作用。
各地区银行开展互联网贷款的业务类型主要包括:自营贷款、合作贷款、联合贷款以及供应链保理业务等等,其中合作贷款为:银行作为资金提供方与第三方机构合作办理的贷款业务,从第三方机构提供服务类型角度看,可分为:一是提供客户流量信息,此类第三方机构主要包括信息科技公司、大数据公司、小额贷款有限公司、消费金融公司等;二是提供增信服务,此类第三方机构主要包括融资担保公司和保险公司。
在相关技术中,每个银行都会为自己的用户提供第三方软件/系统,用户登入第三方系统,录入用户的基本信息以及贷款申请,系统通过贷前风险评估手段对用户信息进行评价,以判断其是否符合放贷条件。
针对上述中的相关技术,发明人认为存在以下缺陷:用户输入进件信息后,由于地方法人银行只能进行本地信贷,仅通过身份证来判断用户的信贷条件,本地银行只能对本归属地进行放贷,可能流失潜在有需求的用户。
发明内容
为了优化对域外用户开展信贷业务的流程,本申请提供一种贷前域外用户拦截方法、装置、服务器及存储介质。
第一方面,本申请提供一种贷前域外用户拦截方法,采用如下的技术方案:
一种贷前域外用户拦截方法,包括:
确定每个支行对应的区域信息;
获取用户进件信息,所述用户进件信息表示用户申请贷款的申请信息;
若所述用户进件信息满足预设条件,则基于用户进件信息确定用户归属地信息;
若所述用户归属地信息与任一所述区域信息匹配成功,则确定与所述用户归属地信息匹配成功的任一所述区域信息对应的信贷产品信息,并显示所述信贷产品信息。
通过采用上述技术方案,首先对进件用户是否满足预设条件进行判断,若满足预设条件,则说明该用户存在申请授权的可能性,而后对用户进件信息按照归属地区域进行划分,对不同区域的用户展示不同区域的信贷产品,以使得用户所属区域的支行能够开展信贷业务,降低了用户流失率。
在一种可能的实现方式中,判断所述用户进件信息是否满足预设条件,包括:
根据所述用户进件信息以及欺诈分模型确定所述用户进件信息对应的欺诈分;
根据所述用户进件信息以及风险人群筛选模型确定所述用户进件信息对应的风险评分;
根据所述欺诈分以及所述风险评分确定所述用户进件信息是否满足预设条件。
通过采用上述技术方案,对用户的欺诈分进行评分,同时对其是否属于高风险人群进行判断,以在贷前对高风险人群进行拦截,提高了信贷安全系数。
在一种可能的实现方式中,根据所述用户进件信息以及欺诈分模型确定所述用户进件信息对应的欺诈分,包括:
所述用户进件信息包括但不限于:终端信息、身份认证信息以及用户行为信息;
所述终端信息表示用户输入用户进件信息的设备信息,所述身份认证信息表示用户输入的身份信息,所述用户行为信息为用户基于所述终端输入所述身份认证信息时的操作行为信息;
基于所述终端信息、所述身份认证信息以及所述用户行为信息以及所述欺诈分模型确定所述用户进件信息对应的欺诈分。
通过采用上述技术方案,根据用户终端、身份认证信息以及用户行为信息多个信息确定用户的欺诈分,实现了从多个维度对用户身份进行判断的功能。
在一种可能的实现方式中,根据所述用户进件信息以及风险人群筛选模型确定所述用户进件信息对应的风险评分,包括:基于所述终端信息以及所述身份认证信息确定以及所述风险人群筛选模型确定所述用户进件信息对应的风险评分。
通过采用上述技术方案,对申请用户的风险进行判断并获得风险评分,提高了贷前拦截高风险用户的几率,实现了精准投放贷款的功能。
在一种可能的实现方式中,所述基于所述终端信息、所述身份认证信息以及所述用户行为信息以及所述欺诈分模型确定所述用户进件信息对应的欺诈分,包括:
基于所述终端信息、所述身份认证信息以及用户行为信息确定目标特征向量;
基于获取到的历史授权信息作为训练样本得到所述欺诈分模型;
通过所述欺诈分模型确定所述目标特征向量的欺诈分。
通过采用上述技术方案,根据历史授权信息训练欺诈分模型,实现了基于实际数据获得准确的评价分的方式。
在一种可能的实现方式中,确定与所述用户归属地信息匹配成功的所述区域信息对应的信贷产品信息之后,包括:
所述用户进件信息还包括用户申请业务信息,所述用户申请业务信息用于指示用户待选的信贷产品信息;
将所述用户申请业务信息与所有已经发布的信贷产品信息进行匹配,以得到与所述用户申请业务信息相对应的至少一个所述信贷产品。
通过采用上述技术方案,向用户展示信贷产品后,根据用户输入的关键词信息,向用户更加精准地推送信贷产品,提高了信贷产品精准投放地几率。
在一种可能的实现方式中,确定与所述用户归属地信息匹配成功的所述区域信息对应的信贷产品信息之后,还包括:
获取查询操作信息,以确定与所述查询操作信息相适配的信贷产品信息。通过采用上述技术方案,根据用户的操作信息关联其喜好,进而判断其所需的信贷产品,达到了精准推送的效果。
第二方面,本申请提供一种基于贷前域外用户拦截装置,采用如下的技术方案:
一种基于贷前域外用户拦截装置,包括:
分配模块,用于确定每个支行对应的区域信息;
获取模块,用户获取用户进件信息,所述用户进件信息表示用户申请贷款的申请信息;
判断模块,用于若所述用户进件信息满足预设条件,则基于用户进件信息确定用户归属地信息;
推送模块,用于若所述用户归属地信息与任一所述区域信息匹配成功,则确定与所述用户归属地信息匹配成功的任一所述区域信息对应的信贷产品信息,并显示所述信贷产品信息。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个程序配置用于:执行上述贷前域外用户拦截的方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,包括:存储有能够被处理器加载并执行上述贷前域外用户拦截方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:
1.通过采用上述技术方案,首先对进件用户是否满足预设条件进行判断,若满足预设,则说明该用户存在申请授权的可能性,而后对用户进件信息按照归条件属地区域进行划分,对不同区域的用户展示不同区域的信贷产品,以使得用户所属区域的支行能够开展信贷业务,降低了用户流失率。
2.对用户的欺诈分进行评分,同时对其是否属于高风险人群进行判断,以在贷前对高风险人群进行拦截,提高了信贷安全系数。
附图说明
图1是本申请实施例贷前域外用户拦截方法的流程示意图;
图2是本申请实施例贷前域外用户拦截装置的装置示意图;
图3是本申请实施例电子设备的示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
在相关技术中,用户在进行信贷申请时,一般需要在手机端使用互联网信贷APP填写相关数据,填写完毕后,授权进行申请,本申请实施例用于对用户填写的相关数据进行贷前审核。
本申请实施例提供了一种贷前域外用户拦截方法,由服务器执行,该方法包括:
参照图1,
步骤S101、确定每个支行对应的区域信息。
具体地,商业银行的跨区经营方式有助于其扩大市场占有率,每个商业银行在多个不同的地区开设有支行,每个支行分别对应于其所在地区的区域信息。
参照图1,
步骤S102、获取用户进件信息,用户进件信息表示用户申请贷款的申请信息。
其中,用户通过终端填写相关数据形成的信息即为用户进件信息。
参照图1,
步骤S103、若用户进件信息满足预设条件,则基于用户进件信息确定用户归属地信息。
其中,预设条件作为判断用户进件信息是否满足贷款要求的标准;若用户进件信息满足预设条件,则说明该用户存在授权的概率;若用户进件信息不满足预设条件,则说明该用户存在授权风险。
举例说明,归属地信息为:北京市、天津市、浙江省宁波市…。
参照图1,
步骤S104、若用户归属地信息与任一区域信息匹配成功,则确定与用户归属地信息匹配成功的任一区域信息对应的信贷产品信息,并显示信贷产品信息。
其中,若用户归属地信息与任一区域信息匹配成功,该匹配成功区域的支行可对该用户开展本地放贷业务;向该用户展示该区域对应的信贷产品信息,供用户选择。
本申请实施例提供的一种贷前域外用户拦截方法,通过支行互联形成一个信贷网络,对接入的用户进件信息进行分配,以使得不同地区的用户贷款业务能够对应于该用户所在区域的支行,在避免跨区域开展业务的同时避免了潜在用户的流失。
本申请实施例的一种可能的实现方式,用户进件信息用户进件信息包括但不限于:终端信息、身份认证信息、用户行为信息以及用户申请业务信息。
其中,终端信息表示用户输入用户进件信息的设备信息;具体地,设备信息包括:手机号数据、GPS位置数据、MAC地址数据、IP地址数据等等,本申请实施例对其不做具体限制。
其中,身份认证信息表示用户输入的身份信息;具体地,身份认证信息包括:姓名、身份证号、手机号、银行卡号、户籍信息、设备指纹、消费端记录信息、业务地理范围、户籍范围、区县范围、年龄以及征信信息等;其中征信信息包括:上征信、征信逾期、征信查询次数、征信状态、信贷条件等。
其中,用户行为信息为用户基于终端输入身份认证信息时的操作行为信息;具体地,用户行为信息包括:输入身份证号的操作信息、输入手机号的操作信息、输入银行卡号等的操作信息…,以及用户的社交关系信息,本申请实施例对其不做具体限制。
其中,用户申请业务信息用于指示用户待选的信贷产品信息。
在步骤S103中,基于用户进件信息确定用户归属地信息,包括:根据身份认证信息确定确定用户归属地信息。具体为:根据用户的身份证号、手机号、业务地理范围、户籍范围、区县范围等信息中的任一信息或多种信息融合判断的方式。
下面举例进行说明:
一个申请客户提供了idcard:440306199005113437,
1)1-2位省、自治区、直辖市代码;
2)3-4位地级市、盟、自治州代码;
3)5-6位县、县级市、区代码;
4)7-14位出生年月日,比如19670401代表1967年4月1日;
5)15-17位为顺序号,其中17位(倒数第二位)男为单数,女为双数;
原始身份证截取 | 衍生变量 | 数据 |
44 | province | 广东 |
03 | city | 深圳 |
06 | area | 宝安 |
19900511 | age | 27 |
19900511 | Valid_period_of_ID_card | 19 |
343 | sex | male |
... | ... | ... |
属地化模型由多个模型整合而成,第一层是分类模型(lr+xgboost),得到属地化概率;第二层在维度分的基础上再进行回归,得到最终区域划分结果。
本申请实施例的一种可能的实现方式,在步骤S103中,判断用户进件信息是否满足预设条件,包括:
步骤S1031(图中未示出)、根据用户进件信息以及欺诈分模型确定用户进件信息对应的欺诈分;
具体地,本申请实施例的一种可能的实现方式,在步骤S1031中,包括:基于终端信息、身份认证信息以及用户行为信息以及欺诈分模型确定用户进件信息对应的欺诈分,具体包括:
步骤310(图中未示出)、基于终端信息、身份认证信息以及用户行为信息确定目标特征向量。
由于基于终端信息、身份认证信息以及用户行为信息为非结构化数据,因此需要将这些非结构化数据进行结构化。
具体地,基于终端信息、身份认证信息以及用户行为信息构建目标特征向量,目标特征向量包括统计特征向量、关系特征向量以及行为特征向量。
下面分别进行说明:
其一,统计特征向量基于用户行为信息和终端信息计算得到,具体包括:
步骤3100(图中未示出)、获取非欺诈人群的目标特征范围和欺诈人群的目标特征范围。
其中,目标特征可以为上述特征的一个或者多个,也可以包含其它特征,例如,目标特征包括:稳定性信息、IP的申请频次、终端耗电信息、陀螺仪的平均加速度。
稳定性信息是指用户频繁安装或卸载多款借贷类APP的频次信息;IP的申请频次是指一个人同时操作多少IP进行信贷申请;终端耗电信息是指用户的终端电量的波动情况,如果没有波动,会被认定为恶意操控;陀螺仪的平均加速度为0或很小,说明不符合正常人的使用方式,会被认定为欺诈的嫌疑。
步骤3101(图中未示出)、基于用户行为信息和终端信息提取目标用户的目标特征。
步骤3102(图中未示出)、结合非欺诈人群的目标特征范围、欺诈人群的目标特征范围以及目标用户的目标特征,确定目标用户所属的人群分布。
在得到目标用户的目标特征后,判断目标用户的目标特征落在哪一个目标特征范围内,确定得到目标用户所属的人群。
步骤3103(图中未示出)、基于目标用户所属的人群分布计算统计特征向量。
具体的,目标用户的目标特征在目标特征范围的位置不同,得到的数值也不同,便能得到统计特征向量。
其二,关系特征向量基于用户行为信息中的社交关系信息、身份认证信息和终端信息计算得到。
步骤3110(图中未示出)、将终端信息、社交关系信息以及身份认证信息与历史关系图谱建立关联,其中,历史关系图谱为根据历史授权信息得到的关系图谱。
服务器中存在历史授权信息,对应的,也存在历史关系图谱。在得到终端信息、社交关系信息以及身份认证信息后,将该些数据与历史关系图谱建立关联。
举例进行说明:历史关系图谱中,存在一个MAC地址为A,终端信息中的MAC地址也为A,便能够建立目标用户的授权数据与历史关系图谱的关联。
步骤3111(图中未示出)、通过社区发现算法对历史关系图谱进行计算,得到目标用户所属的社交群体。
步骤3112(图中未示出)、通过社交群体的欺诈风险更新历史关系图谱中边的权重值,得到更新后的关系图谱,其中,社交群体的欺诈风险为根据历史授权信息获得的。
步骤3113(图中未示出)、通过社交群体的欺诈风险更新历史关系图谱中边的权重值,得到更新后的关系图谱;其中,社交群体的欺诈风险已知。
步骤3114(图中未示出)、通过随机游走算法和node2vector对更新后的关系图谱进行计算,得到关系特征向量。
其三,行为特征向量基于用户行为信息计算得到。
步骤3120(图中未示出)、在用户行为信息中提取输入行为信息以及操作行为信息;
其中,
1)输入行为信息对应的行为包括:输入身份证号的行为、输入手机号的行为、输入银行卡号的行为;
2)操作行为信息对应行为为:操作互联网信贷APP的行为。
步骤3121(图中未示出)、根据输入行为信息计算输入行为的输入总耗时、输入平均耗时、输入字符的平均间隔耗时、方差;其中,方差用于表示输入字符间隔的波动情况。
步骤3122(图中未示出)、对操作行为数据进行分析,得到操作行为的操作时延序列;
步骤3123(图中未示出)、将输入总耗时、输入平均耗时、输入字符的平均间隔耗时、方差以及操作时延序列作为行为特征向量。
步骤311(图中未示出)、基于获取到的历史授权信息作为训练样本得到欺诈分模型。
具体地,通过K-MEANS算法基于历史授权信息对应的特征向量作为样本进行无监督训练,得到欺诈分模型。
312(图中未示出)、通过欺诈分模型确定目标特征向量的欺诈分。
通过欺诈分模型对目标特征向量进行欺诈概率计算,得到用户进件信息对应目标用户的欺诈概率,目标用户的欺诈概率即为用户进件信息对应的欺诈分。
无监督欺诈分模型为根据大量的历史授权信息按照步骤310-步骤312得到的,建立完成后,该模型进行在线实时学习,新来的授权数据进行S310-S312的欺诈概率计算,并对该模型进行不断迭代优化。
本申请实施例的一种可能的实现方式,步骤S1032、根据用户进件信息以及风险人群筛选模型确定用户进件信息对应的风险评分,包括:基于终端信息以及身份认证信息确定以及风险人群筛选模型确定用户进件信息对应的风险评分。具体包括:
步骤320(图中未示出)、获取历史人群特征数据集、信贷反馈数据集及新增信贷人群数据集,将历史人群特征数据集进行特征转换,并通过密度函数进行密度聚类,获得密度聚类第一模型;
步骤321(图中未示出)、根据密度聚类第一模型在新增信贷人群数据集上调整密度函数的权重,获得密度聚类第二模型;
步骤322(图中未示出)、将信贷反馈数据集输入密度聚类第二模型,获得信贷反馈过滤数据集,并根据密度聚类第二模型在信贷反馈过滤数据集上调整密度函数的权重,获得密度聚类第三模型;
步骤323(图中未示出)、将信贷反馈数据集输入密度聚类第二模型,获得信贷反馈过滤数据集,并根据密度聚类第二模型在信贷反馈过滤数据集上调整密度函数的权重,获得密度聚类第三模型;
步骤324(图中未示出)、通过密度聚类第三模型在新增信贷人群数据集中获取低风险信贷人群数据集。
步骤S1033(图中未示出)、根据欺诈分以及风险评分确定用户进件信息是否满足预设条件。
具体地,预设条件为:用户进件信息对应的欺诈分小于预设值a且用户进件信息对应的新增信贷人群为低风险用户。根据步骤S1031和步骤S1032,若用户进件信息满足预设条件,则说明该用户存在被授权的概率。
本申请实施例的一种可能的实现方式,在步骤S104中,确定与用户归属地信息匹配成功的区域信息对应的信贷产品信息之后,包括:
步骤041(图中未示出)、用户进件信息还包括用户申请业务信息,用户申请业务信息用于指示用户待选的信贷产品信息;
步骤042(图中未示出)、将用户申请业务信息与所有已经发布的信贷产品信息进行匹配,以得到与用户申请业务信息相对应的至少一个信贷产品。
举例说明,不同信贷产品对应多个参数信息,多个参数信息包括但不限于:述参数信息包括贷款额度、贷款期限、贷款利率、还款方式、放款时间、服务费率、返点方式、放款成数中的至少一种;若用户申请业务信息与信贷产品信息中的至少一个参数信息匹配成功,则用户申请业务信息与该信贷产品信息匹配成功。
本申请实施例的一种可能的实现方式,确定与用户归属地信息匹配成功的区域信息对应的信贷产品信息之后,还包括:
步骤051(图中未示出)、获取查询操作信息,以确定与查询操作信息相适配的信贷产品信息。
具体地,查询操作信息为用户基于终端输入的对展示的信贷产品进行选择的操作行为信息,根据用户的筛选操作,更加精准地给用户展示信贷产品。
上述实施例从方法流程的角度介绍一种贷前域外用户拦截的方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种贷前域外用户拦截的装置,具体详见下述实施例。
本申请实施例提供一种贷前域外用户拦截的装置100,如图2所示,该拦截装置具体可以包括:
分配模块1001,用于确定每个支行对应的区域信息;
获取模块1002,用户获取用户进件信息,用户进件信息表示用户申请贷款的申请信息;
判断模块1003,用于若用户进件信息满足预设条件,则基于用户进件信息确定用户归属地信息;
推送模块1004,用于若用户归属地信息与任一区域信息匹配成功,则确定与用户归属地信息匹配成功的任一区域信息对应的信贷产品信息,并显示信贷产品信息。
本申请实施例中提供了一种电子设备,参照图3,图3所示的电子设备1100包括:处理器1101和存储器1103。其中,处理器1101和存储器1103相连,如通过总线1102相连。可选地,电子设备1100还可以包括收发器1104。需要说明的是,实际应用中收发器1104不限于一个,该电子设备1100的结构并不构成对本申请实施例的限定。
处理器1101可以是CPU(CentralProcessingUnit,中央处理器),通用处理器,DSP(DigitalSignalProcessor,数据信号处理器),ASIC(ApplicationSpecificIntegratedCircuit,专用集成电路),FPGA(FieldProgrammableGateArray,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器1101也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线1102可包括一通路,在上述组件之间传送信息。总线1102可以是PCI(PeripheralComponentInterconnect,外设部件互连标准)总线或EISA(ExtendedIndustryStandardArchitecture,扩展工业标准结构)总线等。总线1102可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器1103可以是ROM(ReadOnlyMemory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(RandomAccessMemory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(ElectricallyErasableProgrammableReadOnlyMemory,电可擦可编程只读存储器)、CD-ROM(CompactDiscReadOnlyMemory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器1103用于存储执行本申请方案的应用程序代码,并由处理器1101来控制执行。处理器1101用于执行存储器1103中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种贷前域外用户拦截方法,其特征在于,包括:
确定每个支行对应的区域信息;
获取用户进件信息,所述用户进件信息表示用户申请贷款的申请信息;
若所述用户进件信息满足预设条件,则基于用户进件信息确定用户归属地信息;
若所述用户归属地信息与任一所述区域信息匹配成功,则确定与所述用户归属地信息匹配成功的任一所述区域信息对应的信贷产品信息,并显示所述信贷产品信息。
2.根据权利要求1所述的方法,其特征在于,判断所述用户进件信息是否满足预设条件,包括:
根据所述用户进件信息以及欺诈分模型确定所述用户进件信息对应的欺诈分;
根据所述用户进件信息以及风险人群筛选模型确定所述用户进件信息对应的风险评分;
根据所述欺诈分以及所述风险评分确定所述用户进件信息是否满足预设条件。
3.根据权利要求2所述的方法,其特征在于,根据所述用户进件信息以及欺诈分模型确定所述用户进件信息对应的欺诈分,包括:
所述用户进件信息包括但不限于:终端信息、身份认证信息以及用户行为信息;
所述终端信息表示用户输入用户进件信息的设备信息,所述身份认证信息表示用户输入的身份信息,所述用户行为信息为用户基于所述终端输入所述身份认证信息时的操作行为信息;
基于所述终端信息、所述身份认证信息以及所述用户行为信息以及所述欺诈分模型确定所述用户进件信息对应的欺诈分。
4.根据权利要求2所述的方法,其特征在于,根据所述用户进件信息以及风险人群筛选模型确定所述用户进件信息对应的风险评分,包括:基于所述终端信息以及所述身份认证信息确定以及所述风险人群筛选模型确定所述用户进件信息对应的风险评分。
5.根据权利要求2所述的方法,其特征在于,所述基于所述终端信息、所述身份认证信息以及所述用户行为信息以及所述欺诈分模型确定所述用户进件信息对应的欺诈分,包括:
基于所述终端信息、所述身份认证信息以及用户行为信息确定目标特征向量;
基于获取到的历史授权信息作为训练样本得到所述欺诈分模型;
通过所述欺诈分模型确定所述目标特征向量的欺诈分。
6.根据权利要求3所述的方法,其特征在于,确定与所述用户归属地信息匹配成功的所述区域信息对应的信贷产品信息之后,包括:
所述用户进件信息还包括用户申请业务信息,所述用户申请业务信息用于指示用户待选的信贷产品信息;
将所述用户申请业务信息与所有已经发布的信贷产品信息进行匹配,以得到与所述用户申请业务信息相对应的至少一个所述信贷产品。
7.根据权利要求6所述的方法,其特征在于,确定与所述用户归属地信息匹配成功的所述区域信息对应的信贷产品信息之后,还包括:
获取查询操作信息,以确定与所述查询操作信息相适配的信贷产品信息。
8.一种基于贷前域外用户拦截装置,其特征在于,包括:
分配模块,用于确定每个支行对应的区域信息;
获取模块,用户获取用户进件信息,所述用户进件信息表示用户申请贷款的申请信息;
判断模块,用于若所述用户进件信息满足预设条件,则基于用户进件信息确定用户归属地信息;
推送模块,用于若所述用户归属地信息与任一所述区域信息匹配成功,则确定与所述用户归属地信息匹配成功的任一所述区域信息对应的信贷产品信息,并显示所述信贷产品信息。
9.一种电子设备,其特征在于,该电子设备包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个程序配置用于:执行权利要求1-7任一项所述一种贷前域外用户拦截的方法。
10.一种计算机可读存储介质,其特征在于,包括:存储有能够被处理器加载并执行如权利要求1至7中任一种贷前域外用户拦截方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110580973.7A CN113256401A (zh) | 2021-05-26 | 2021-05-26 | 一种贷前域外用户拦截方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110580973.7A CN113256401A (zh) | 2021-05-26 | 2021-05-26 | 一种贷前域外用户拦截方法、装置、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113256401A true CN113256401A (zh) | 2021-08-13 |
Family
ID=77184930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110580973.7A Pending CN113256401A (zh) | 2021-05-26 | 2021-05-26 | 一种贷前域外用户拦截方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256401A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114997991A (zh) * | 2022-06-02 | 2022-09-02 | 金蝶征信有限公司 | 出款风险拦截方法、装置、计算机设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109657893A (zh) * | 2018-09-27 | 2019-04-19 | 深圳壹账通智能科技有限公司 | 业务数据分配方法、装置、设备及计算机可读存储介质 |
CN110033357A (zh) * | 2019-04-27 | 2019-07-19 | 深圳全信投资管理有限公司 | 信贷产品推荐方法及系统 |
CN111538910A (zh) * | 2020-06-23 | 2020-08-14 | 上海摩莱信息科技有限公司 | 一种智能推荐方法、装置及计算机存储介质 |
CN112365341A (zh) * | 2020-11-26 | 2021-02-12 | 四川享宇金信金融科技有限公司 | 信贷机构反欺诈方法、装置、设备和存储介质 |
-
2021
- 2021-05-26 CN CN202110580973.7A patent/CN113256401A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109657893A (zh) * | 2018-09-27 | 2019-04-19 | 深圳壹账通智能科技有限公司 | 业务数据分配方法、装置、设备及计算机可读存储介质 |
CN110033357A (zh) * | 2019-04-27 | 2019-07-19 | 深圳全信投资管理有限公司 | 信贷产品推荐方法及系统 |
CN111538910A (zh) * | 2020-06-23 | 2020-08-14 | 上海摩莱信息科技有限公司 | 一种智能推荐方法、装置及计算机存储介质 |
CN112365341A (zh) * | 2020-11-26 | 2021-02-12 | 四川享宇金信金融科技有限公司 | 信贷机构反欺诈方法、装置、设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114997991A (zh) * | 2022-06-02 | 2022-09-02 | 金蝶征信有限公司 | 出款风险拦截方法、装置、计算机设备和存储介质 |
CN114997991B (zh) * | 2022-06-02 | 2024-04-23 | 金蝶征信有限公司 | 出款风险拦截方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11989789B2 (en) | Systems and methods for locating merchant terminals based on transaction data | |
CN111369342B (zh) | 基于机器学习的贷款审批方法、装置、设备和存储介质 | |
US8706716B2 (en) | Iterative and dynamic search of publicly available data based on augmentation of search terms and validation of data relevance | |
US20130138555A1 (en) | System and method of interpreting results based on publicly available data | |
CN110135978B (zh) | 用户金融风险评估方法、装置、电子设备和可读介质 | |
CA2952874A1 (en) | System and method for dynamic monitoring of credit parameters | |
CN110659961A (zh) | 一种用于识别线下商户的方法和装置 | |
CN112561685B (zh) | 客户的分类方法和装置 | |
CN110148053B (zh) | 用户信贷额度评估方法、装置、电子设备和可读介质 | |
CN111932268A (zh) | 企业风险识别方法及装置 | |
CN110197426B (zh) | 一种信用评分模型的建立方法、装置及可读存储介质 | |
US11869075B2 (en) | Techniques for onboarding and verification of users to a services platform | |
Lu et al. | PROFIT VS. EQUALITY? THE CASE OF FINANCIAL RISK ASSESSMENT AND A NEW PERSPECTIVE ON ALTERNATIVE DATA. | |
CN112819611A (zh) | 欺诈识别方法、装置、电子设备和计算机可读存储介质 | |
CN114066606A (zh) | 一种基于文本转义为gps距离的资料虚假识别系统及方法 | |
CN111582872A (zh) | 异常账号检测模型训练、异常账号检测方法、装置及设备 | |
CN113256401A (zh) | 一种贷前域外用户拦截方法、装置、服务器及存储介质 | |
CN114140221A (zh) | 一种欺诈风险预警方法、装置及设备 | |
CN111275071B (zh) | 预测模型训练、预测方法、装置及电子设备 | |
CN113297462A (zh) | 数据处理方法、装置、设备和存储介质 | |
CN116091157A (zh) | 资源推送方法及装置、存储介质、计算机设备 | |
CN114862560A (zh) | 一种汽车反欺诈风险识别方法及其相关设备 | |
CN114240599A (zh) | 贷款测算方法、装置、计算机设备和存储介质 | |
CN113298641A (zh) | 诚信程度认知方法及装置 | |
CN108256990A (zh) | 服务器、风险提示的方法及计算机可读存储介质 |
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 |