CN113298636B - 一种基于模拟资源申请的风险控制方法、装置和系统 - Google Patents
一种基于模拟资源申请的风险控制方法、装置和系统 Download PDFInfo
- Publication number
- CN113298636B CN113298636B CN202110470093.4A CN202110470093A CN113298636B CN 113298636 B CN113298636 B CN 113298636B CN 202110470093 A CN202110470093 A CN 202110470093A CN 113298636 B CN113298636 B CN 113298636B
- Authority
- CN
- China
- Prior art keywords
- user
- resource application
- resource
- risk
- simulation
- 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
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
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于模拟资源申请的风险控制方法、装置和系统,其中方法包括:获取当日的用户信息,根据所述用户信息确定用户类型;根据所述用户类型确定所述用户的模拟资源申请信息,根据所述模拟资源申请信息使用风险控制策略进行模拟风险评测,保存所述用户的模拟风险评测结果;当用户发生实际资源申请时,读取用户前一日的模拟风险评测结果,根据所述模拟风险评测结果执行对应的实际风险评测规则。采用该技术方案,每日根据全量用户的信息进行模拟风险评测,保存模拟风险评测结果,当用户发生真实资源申请,根据模拟风险评测结果执行对应的实际风险评测规则,降低了计算难度,减少了用户的等待时间,提升了用户使用感受。
Description
技术领域
本发明涉及计算机信息处理领域,具体而言,涉及一种基于模拟资源申请的风险控制方法、装置和系统。
背景技术
随着互联网技术和金融的融合发展,互联网金融的用户越来越多。随着用户数量的增多,用户的种类也变的多种多样,但风险始终是需要坚守的底线。
目前行业中风险控制方法通常使用各种规则对用户的信息进行校验,如果校验通过就向用户发放资源,如果校验失败则拒绝。但由于各种规则的计算比较复杂,往往需要用户等待一定时间后才能获取结果。然而互联网用户在使用各种业务时往往希望尽快获得结果,等待时间过长给用户体验不好,甚至可能会导致用户流失。
发明内容
本发明旨在解决现有风险控制方法计算时间较长,需要用户等待,给用户的体验不好,可能会导致用户流失的问题。
为了解决上述技术问题,本发明第一方面提出一种基于模拟资源申请的风险控制方法,包括:
获取当日的用户信息,根据所述用户信息确定用户类型;
根据所述用户类型确定所述用户的模拟资源申请信息,根据所述模拟资源申请信息使用风险控制策略进行模拟风险评测,保存所述用户的模拟风险评测结果,所述风险控制策略包括静态规则,动态规则和风险判断模型;
当用户发生实际资源申请时,读取用户前一日的模拟风险评测结果,根据所述模拟风险评测结果执行对应的实际风险评测规则。
根据本发明的一种优选实施方式,获取当日的用户信息,根据所述用户信息确定用户类型进一步包括:
所述用户信息包括用户属性信息,用户标签,是否申请过资源,资源申请额度,可用资源额度,资源归还期数以及待归还资源额度;
如果用户未申请过资源,则用户类型为新用户;
如果用户申请过资源,待归还资源额度为0,则用户类型为已结用户;
如果用户申请过资源,待归还资源额度不为0,则用户类型为未结用户。
根据本发明的一种优选实施方式,根据所述用户类型确定所述用户的模拟资源申请信息进一步包括:
所述模拟资源申请信息包括模拟资源申请额度和模拟资源申请归还期数;
当用户类型为新用户时,基于用户标签使用匹配模型从未结用户中匹配近似用户,计算所述近似用户的资源申请额度均值以及资源归还期数均值,选取所述近似用户的资源申请额度均值与所述用户可用资源额度中较小的一个作为所述用户的模拟资源申请额度,选取所述近似用户的资源归还期数均值作为所述用户的模拟资源申请归还期数。
根据本发明的一种优选实施方式,根据所述用户类型确定所述用户的模拟资源申请信息进一步包括:
所述模拟资源申请信息包括模拟资源申请额度和模拟资源申请归还期数;
当用户类型为已结用户时,计算所述用户的历史资源申请额度均值以及历史资源归还期数均值,选取所述用户的历史资源申请额度均值作为所述用户的模拟资源申请额度,选取所述用户的历史资源归还期数均值作为所述用户的模拟资源申请归还期数。
根据本发明的一种优选实施方式,根据所述用户类型确定所述用户的模拟资源申请信息进一步包括:
所述模拟资源申请信息包括模拟资源申请额度和模拟资源申请归还期数;
当用户类型为未结用户时,计算所述用户资源申请额度均值以及资源归还期数均值,选取所述用户资源申请额度均值与所述用户可用资源额度中较小的一个作为所述用户的模拟资源申请额度,选取所述用户的资源归还期数均值作为所述用户的模拟资源申请归还期数。
根据本发明的一种优选实施方式,根据所述模拟风险评测结果执行对应的实际风险评测规则进一步包括:
当所述用户发出真实资源申请时,如果所述模拟风险评测结果为通过,则仅使用静态规则对用户属性信息进行校验,如果校验通过则向所述用户发送资源。
根据本发明的一种优选实施方式,根据所述模拟风险评测结果执行对应的实际风险评测规则进一步包括:
当所述用户发出真实资源申请时,如果所述模拟风险评测结果为动态规则拒绝或风险判断模型拒绝,则使用风险控制策略对所述用户发出的真实资源申请进行真实风险评测,如果通过则向所述用户发送资源,如果拒绝则不向所述用户发送资源。
根据本发明的一种优选实施方式,根据所述模拟风险评测结果执行对应的实际风险评测规则进一步包括:
当所述用户发出真实资源申请时,如果所述模拟风险评测结果为静态规则拒绝,则直接拒绝所述用户发出的真实资源申请。
本发明第二方面提出一种基于模拟资源申请的风险控制装置,装置包括:
用户类型确定模块,用于获取当日的用户信息,根据所述用户信息确定用户类型;
模拟风险评测模块,根据所述用户类型确定所述用户的模拟资源申请信息,根据所述模拟资源申请信息使用风险控制策略进行模拟风险评测,保存所述用户的模拟风险评测结果,所述风险控制策略包括静态规则,动态规则和风险判断模型;
真实风险评测模块,当用户发生实际资源申请时,读取用户前一日的模拟风险评测结果,根据所述模拟风险评测结果执行对应的实际风险评测规则。
本发明第三方面提出一种基于模拟资源申请的风险控制系统,包括:
存储单元,用于存储计算机可执行程序;
处理单元,用于读取所述存储单元中的计算机可执行程序,以执行所述的基于模拟资源申请的风险控制方法。
本发明第四方面提出一种计算机可读介质,用于存储计算机可读程序,其特征在于,所述计算机可读程序用于执行所述的基于模拟资源申请的风险控制方法。
采用该技术方案,每日根据全量用户的信息进行模拟风险评测,保存模拟风险评测结果,当用户发生真实资源申请,读取前一日的模拟风险评测结果,根据模拟风险评测结果执行对应的实际风险评测规则,降低了计算难度,减少了用户的等待时间,提升了用户使用感受。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚,下面将参照附图详细描述本发明的具体实施例。但需声明的是,下面描述的附图仅仅是本发明的示例性实施例的附图,对于本领域的技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他实施例的附图。
图1是本发明实施例中基于模拟资源申请的风险控制方法的流程示意图;
图2是本发明实施例中具体实施例流程示意图;
图3是本发明实施例中基于模拟资源申请的风险控制装置的结构示意图;
图4是本发明实施例中基于模拟资源申请的风险控制系统的结构框架示意图;
图5是本发明实施例中计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图来更加全面地描述本发明的示例性实施例,虽然各示例性实施例能够以多种具体的方式实施,但不应理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例是为了使本发明的内容更加完整,更加便于将发明构思全面地传达给本领域的技术人员。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的结构、性能、效果或者其他特征可以以任何合适的方式结合到一个或更多其他的实施例中。
在对于具体实施例的介绍过程中,对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是,并不排除本领域技术人员可以在特定情况下,以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。
附图中的流程图仅是一种示例性的流程演示,不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤,也不代表必须按照图中所显示的的顺序执行。例如,流程图中有的操作/步骤可以分解,有的操作/步骤可以合并或部分合并,等等,在不脱离本发明的发明主旨的情况下,流程图中显示的执行顺序可以根据实际情况改变。
附图中的框图一般表示的是功能实体,并不一定必然与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理单元装置和/或微控制器装置中实现这些功能实体。
各附图中相同的附图标记表示相同或类似的元件、组件或部分,因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解,虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分,但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说,这些定语仅是用来将一者与另一者区分。例如,第一器件亦可称为第二器件,但不偏离本发明实质的技术方案。此外,术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。
互联网时代用户越来越注重效率,不愿意为等待花费太多的时间,在申请资源时希望能够尽快获得结果,而现有的风险控制方法计算比较繁琐,等待时间较长,用户的满意度相对较低。
在本发明中,资源是指任何可被利用的物质、信息、时间,信息资源包括计算资源和各种类型的数据资源。数据资源包括各个领域中的各种专用数据。
图1是本发明一种基于模拟资源申请的风险控制方法的流程示意图,如图1所示。本发明正是为了解决这个问题,本发明提供一种基于模拟资源申请的风险控制方法,包括:
S1、获取当日的用户信息,根据所述用户信息确定用户类型。
在上述技术方案的基础上,进一步地,获取当日的用户信息,根据所述用户信息确定用户类型进一步包括:
所述用户信息包括用户属性信息,用户标签,是否申请过资源,资源申请额度,可用资源额度,资源归还期数以及待归还资源额度;
如果用户未申请过资源,则用户类型为新用户;
如果用户申请过资源,待归还资源额度为0,则用户类型为已结用户;
如果用户申请过资源,待归还资源额度不为0,则用户类型为未结用户。
在本实施方式中,用户属性信息包括用户身份信息,用户金融信息以及用户社交信息中的一种或多种,用户身份信息包括用户的年龄段、性别、工作、职位、地域等特征,用户金融信息包括资产、流水等特征,用户社交信息包括用户联系人、社交账号等特征。通过用户属性信息可以为用户进行画像,确定用户标签。用户标签用来为用户进行分类,比如学生、上班族,演员等等,每个用户可以有多个标签。
S2、根据所述用户类型确定所述用户的模拟资源申请信息,根据所述模拟资源申请信息使用风险控制策略进行模拟风险评测,保存所述用户的模拟风险评测结果,所述风险控制策略包括静态规则,动态规则和风险判断模型。
在本实施方式中,静态规则为风险控制中最基本的规则,比如黑名单。静态规则为最先校验的规则,如果不满足静态规则的要求,则直接判定校验不通过。
动态规则为第三方数据,如果用户在第三方平台申请过资源则动态规则中会有记录,用户是否能够通过动态规则校验与具体的第三方数据有关。用户通过静态规则后再使用动态规则进行校验。
风险判断模型为基于深度学习的循环神经网络模型,通过历史数据进行训练,历史数据包括历史用户信息和历史用户资源使用情况。通过人工标引的方式对历史数据进行标引,将标引好的历史数据划分为训练数据和校验数据。使用训练数据训练风险判断模型直至模型收敛,然后使用校验数据对风险判断模型进行校验,如果校验通过则说明风险判断模型训练完成,否则重新对风险判断模型进行训练。如果静态规则和动态规则都通过后,使用风险判断模型对用户进行校验,风险判断模型是最终的校验规则,如果风险判断模型通过,则可以向用户发送资源。
在上述技术方案的基础上,进一步地,根据所述用户类型确定所述用户的模拟资源申请信息进一步包括:
所述模拟资源申请信息包括模拟资源申请额度和模拟资源申请归还期数;
当用户类型为新用户时,基于用户标签使用匹配模型从未结用户中匹配近似用户,计算所述近似用户的资源申请额度均值以及资源归还期数均值,选取所述近似用户的资源申请额度均值与所述用户可用资源额度中较小的一个作为所述用户的模拟资源申请额度,选取所述近似用户的资源归还期数均值作为所述用户的模拟资源申请归还期数。
在本实施方式中,由于新用户没有历史数据,所以通过匹配模型从有历史数据的未接用户寻找相似的其他用户,基于相似用户的历史数据来对新用户进行模拟风险评测。用户的资源申请额度数据中包括用户的首次资源申请额度,资源归还期数包括首次资源申请归还期数。为了更准确的模拟新用户的申请,使用相似用户的首次资源申请额度和首次资源申请归还期数来进行计算。
在上述技术方案的基础上,进一步地,根据所述用户类型确定所述用户的模拟资源申请信息进一步包括:
所述模拟资源申请信息包括模拟资源申请额度和模拟资源申请归还期数;
当用户类型为已结用户时,计算所述用户的历史资源申请额度均值以及历史资源归还期数均值,选取所述用户的历史资源申请额度均值作为所述用户的模拟资源申请额度,选取所述用户的历史资源归还期数均值作为所述用户的模拟资源申请归还期数。
在上述技术方案的基础上,进一步地,根据所述用户类型确定所述用户的模拟资源申请信息进一步包括:
所述模拟资源申请信息包括模拟资源申请额度和模拟资源申请归还期数;
当用户类型为未结用户时,计算所述用户资源申请额度均值以及资源归还期数均值,选取所述用户资源申请额度均值与所述用户可用资源额度中较小的一个作为所述用户的模拟资源申请额度,选取所述用户的资源归还期数均值作为所述用户的模拟资源申请归还期数。
由于只有当模拟风险评测结果更接近真实情况时,才能减少发生实际资源申请时的计算量。因此,在本实施方式中,针对不同的用户类型采用不同的模拟资源申请计算方法,能够更准确的拟合用户实际申请资源时的状态,使的模拟风险评测结果更接近真实情况。
S3、当用户发生实际资源申请时,读取用户前一日的模拟风险评测结果,根据所述模拟风险评测结果执行对应的实际风险评测规则。
在本实施方式中,由于每日的用户信息和用户状态都有变化,因此,每日都对当前系统中全量用户进行模拟风险评测,并将结果模拟风险评测结果储存,当发生实际的资源申请时,从存储的模拟风险评测结果中调取最新的模拟风险评测结果,即前一日的模拟风险评测结果,数据更加准确,更具备可靠性。
在上述技术方案的基础上,进一步地,根据所述模拟风险评测结果执行对应的实际风险评测规则进一步包括:
当所述用户发出真实资源申请时,如果所述模拟风险评测结果为通过,则仅使用静态规则对用户属性信息进行校验,如果校验通过则向所述用户发送资源。
在本实施方式中,如果用户的模拟风险评测结果为通过则说明用户的风险较低,在发生实际资源申请时,仅仅使用最新的静态规则进行校验即可,大大节省了计算数据量,降低了用户的等待时间,提升了用户的使用感受。
在本实施方式中,静态规则的具体规则不会变化,只是内部的数据会随时更新,比如黑名单定期更新黑名单数据。
在上述技术方案的基础上,进一步地,根据所述模拟风险评测结果执行对应的实际风险评测规则进一步包括:
当所述用户发出真实资源申请时,如果所述模拟风险评测结果为动态规则拒绝或风险判断模型拒绝,则使用风险控制策略对所述用户发出的真实资源申请进行真实风险评测,如果通过则向所述用户发送资源,如果拒绝则不向所述用户发送资源。
在本实施方式中,如果用户的模拟风险评测结果为动态规则拒绝或风险判断模型拒绝,说明用户的资质有一定问题,在实际资源申请时,需要用完整的风险控制策略进行校验,避免一些风险高的用户通过校验,获得资源。
在上述技术方案的基础上,进一步地,根据所述模拟风险评测结果执行对应的实际风险评测规则进一步包括:
当所述用户发出真实资源申请时,如果所述模拟风险评测结果为静态规则拒绝,则直接拒绝所述用户发出的真实资源申请。
在本实施方式中,如果用户的模拟风险评测结果为静态规则拒绝,则说明该用户风险很高,实际资源申请时不用进行校验,直接拒绝发送资源,降低了系统负担。
本发明通过使用模拟风险评测,将部分系统计算的负担分摊到每日,在资源申请实际发生时可以调取模拟风险评测结果,简化实时的计算过程,降低用户的等待时间,大大提升了用户的感受。
下面通过一个具体的实施例来对基于模拟资源申请的风险控制方法过程进行描述,如图2所示,方法包括步骤:
S201、开始;
S202、获取当日的用户信息,确定用户类型;
S203、根据用户类型确定用户的模拟资源申请信息;
S204、使用风险控制策略对用户的模拟资源申请进行风险判断,保存模拟风险评测结果,若模拟风险评测结果为动态规则或风险判断模型没通过执行S205,若模拟风险评测结果为通过则执行S206,若模拟风险评测结果为静态规则没通过则执行S209;
S205、使用风险控制策略对用户的实际资源申请进行风险判断,如果通过则执行S207,否则执行S209;
S206、仅使用静态规则校验用户的实际资源申请,如果通过则执行S208,否则执行S209;
S207、向用户发送资源;
S208、向用户发送资源;
S209、拒绝向用户发送资源。
S210、结束。
图3是本发明实施例中基于模拟资源申请的风险控制装置的结构示意图,如图3所示,本发明提供一种基于模拟资源申请的风险控制装置300,包括:
用户类型确定模块301,用于获取当日的用户信息,根据所述用户信息确定用户类型。
在上述技术方案的基础上,进一步地,获取当日的用户信息,根据所述用户信息确定用户类型进一步包括:
所述用户信息包括用户属性信息,用户标签,是否申请过资源,资源申请额度,可用资源额度,资源归还期数以及待归还资源额度;
如果用户未申请过资源,则用户类型为新用户;
如果用户申请过资源,待归还资源额度为0,则用户类型为已结用户;
如果用户申请过资源,待归还资源额度不为0,则用户类型为未结用户。
在本实施方式中,用户属性信息包括用户身份信息,用户金融信息以及用户社交信息中的一种或多种,用户身份信息包括用户的年龄段、性别、工作、职位、地域等特征,用户金融信息包括资产、流水等特征,用户社交信息包括用户联系人、社交账号等特征。通过用户属性信息可以为用户进行画像,确定用户标签。用户标签用来为用户进行分类,比如学生、上班族,演员等等,每个用户可以有多个标签。
模拟风险评测模块302,根据所述用户类型确定所述用户的模拟资源申请信息,根据所述模拟资源申请信息使用风险控制策略进行模拟风险评测,保存所述用户的模拟风险评测结果,所述风险控制策略包括静态规则,动态规则和风险判断模型。
在本实施方式中,静态规则为风险控制中最基本的规则,比如黑名单。静态规则为最先校验的规则,如果不满足静态规则的要求,则直接判定校验不通过。
动态规则为第三方数据,如果用户在第三方平台申请过资源则动态规则中会有记录,用户是否能够通过动态规则校验与具体的第三方数据有关。用户通过静态规则后再使用动态规则进行校验。
风险判断模型为基于深度学习的循环神经网络模型,通过历史数据进行训练,历史数据包括历史用户信息和历史用户资源使用情况。通过人工标引的方式对历史数据进行标引,将标引好的历史数据划分为训练数据和校验数据。使用训练数据训练风险判断模型直至模型收敛,然后使用校验数据对风险判断模型进行校验,如果校验通过则说明风险判断模型训练完成,否则重新对风险判断模型进行训练。如果静态规则和动态规则都通过后,使用风险判断模型对用户进行校验,风险判断模型是最终的校验规则,如果风险判断模型通过,则可以向用户发送资源。
在上述技术方案的基础上,进一步地,根据所述用户类型确定所述用户的模拟资源申请信息进一步包括:
所述模拟资源申请信息包括模拟资源申请额度和模拟资源申请归还期数;
当用户类型为新用户时,基于用户标签使用匹配模型从未结用户中匹配近似用户,计算所述近似用户的资源申请额度均值以及资源归还期数均值,选取所述近似用户的资源申请额度均值与所述用户可用资源额度中较小的一个作为所述用户的模拟资源申请额度,选取所述近似用户的资源归还期数均值作为所述用户的模拟资源申请归还期数。
在本实施方式中,由于新用户没有历史数据,所以通过匹配模型从有历史数据的未接用户寻找相似的其他用户,基于相似用户的历史数据来对新用户进行模拟风险评测。用户的资源申请额度数据中包括用户的首次资源申请额度,资源归还期数包括首次资源申请归还期数。为了更准确的模拟新用户的申请,使用相似用户的首次资源申请额度和首次资源申请归还期数来进行计算。
在上述技术方案的基础上,进一步地,根据所述用户类型确定所述用户的模拟资源申请信息进一步包括:
所述模拟资源申请信息包括模拟资源申请额度和模拟资源申请归还期数;
当用户类型为已结用户时,计算所述用户的历史资源申请额度均值以及历史资源归还期数均值,选取所述用户的历史资源申请额度均值作为所述用户的模拟资源申请额度,选取所述用户的历史资源归还期数均值作为所述用户的模拟资源申请归还期数。
在上述技术方案的基础上,进一步地,根据所述用户类型确定所述用户的模拟资源申请信息进一步包括:
所述模拟资源申请信息包括模拟资源申请额度和模拟资源申请归还期数;
当用户类型为未结用户时,计算所述用户资源申请额度均值以及资源归还期数均值,选取所述用户资源申请额度均值与所述用户可用资源额度中较小的一个作为所述用户的模拟资源申请额度,选取所述用户的资源归还期数均值作为所述用户的模拟资源申请归还期数。
由于只有当模拟风险评测结果更接近真实情况时,才能减少发生实际资源申请时的计算量。因此,在本实施方式中,针对不同的用户类型采用不同的模拟资源申请计算方法,能够更准确的拟合用户实际申请资源时的状态,使的模拟风险评测结果更接近真实情况。
真实风险评测模块303,当用户发生实际资源申请时,读取用户前一日的模拟风险评测结果,根据所述模拟风险评测结果执行对应的实际风险评测规则。
在本实施方式中,由于每日的用户信息和用户状态都有变化,因此,每日都对当前系统中全量用户进行模拟风险评测,并将结果模拟风险评测结果储存,当发生实际的资源申请时,从存储的模拟风险评测结果中调取最新的模拟风险评测结果,即前一日的模拟风险评测结果,数据更加准确,更具备可靠性。
在上述技术方案的基础上,进一步地,根据所述模拟风险评测结果执行对应的实际风险评测规则进一步包括:
当所述用户发出真实资源申请时,如果所述模拟风险评测结果为通过,则仅使用静态规则对用户属性信息进行校验,如果校验通过则向所述用户发送资源。
在本实施方式中,如果用户的模拟风险评测结果为通过则说明用户的风险较低,在发生实际资源申请时,仅仅使用最新的静态规则进行校验即可,大大节省了计算数据量,降低了用户的等待时间,提升了用户的使用感受。
在本实施方式中,静态规则的具体规则不会变化,只是内部的数据会随时更新,比如黑名单定期更新黑名单数据。
在上述技术方案的基础上,进一步地,根据所述模拟风险评测结果执行对应的实际风险评测规则进一步包括:
当所述用户发出真实资源申请时,如果所述模拟风险评测结果为动态规则拒绝或风险判断模型拒绝,则使用风险控制策略对所述用户发出的真实资源申请进行真实风险评测,如果通过则向所述用户发送资源,如果拒绝则不向所述用户发送资源。
在本实施方式中,如果用户的模拟风险评测结果为动态规则拒绝或风险判断模型拒绝,说明用户的资质有一定问题,在实际资源申请时,需要用完整的风险控制策略进行校验,避免一些风险高的用户通过校验,获得资源。
在上述技术方案的基础上,进一步地,根据所述模拟风险评测结果执行对应的实际风险评测规则进一步包括:
当所述用户发出真实资源申请时,如果所述模拟风险评测结果为静态规则拒绝,则直接拒绝所述用户发出的真实资源申请。
在本实施方式中,如果用户的模拟风险评测结果为静态规则拒绝,则说明该用户风险很高,实际资源申请时不用进行校验,直接拒绝发送资源,降低了系统负担。
本发明通过使用模拟风险评测,将部分系统计算的负担分摊到每日,在资源申请实际发生时可以调取模拟风险评测结果,简化实时的计算过程,降低用户的等待时间,大大提升了用户的感受。
如图4所示,本发明的一个实施例中还公开一种基于模拟资源申请的风险控制系统,图4显示的基于模拟资源申请的风险控制系统仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
基于模拟资源申请的风险控制系统400,包括存储单元420,用于存储计算机可执行程序;处理单元410,用于读取所述存储单元中的计算机可执行程序,以执行本发明各种实施方式的步骤。
在本实施方式中基于模拟资源申请的风险控制系统400还包括,连接不同系统组件(包括存储单元420和处理单元410)的总线430、显示单元440等。
其中,所述存储单元420存储有计算机可读程序,其可以是源程序或都只读程序的代码。所述程序可以被处理单元410执行,使得所述处理单元410执行本发明各种实施方式的步骤。例如,所述处理单元410可以执行如图1所示的步骤。
所述存储单元420可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)4201和/或高速缓存存储单元4202,还可以进一步包括只读存储单元(ROM)4203。所述存储单元420还可以包括具有一组(至少一个)程序模块4205的程序/实用工具4204,这样的程序模块4205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线430可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
基于模拟资源申请的风险控制系统400也可以与一个或多个外部设备470(例如键盘、显示器、网络设备、蓝牙设备等)通信,使得用户能经由这些外部设备470通过输入/输出(I/O)接口450进行与处理单元410进行交互,还可以通过网络适配器460与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)进行。网络适配器460可以通过总线430与基于模拟资源申请的风险控制系统400的其它模块通信。应当明白,尽管图中未示出,基于模拟资源申请的风险控制系统400中可使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
图5是本发明的一个计算机可读介质实施例的示意图。如图5所示,所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储单元(RAM)、只读存储单元(ROM)、可擦式可编程只读存储单元(EPROM或闪存)、光纤、便携式紧凑盘只读存储单元(CD-ROM)、光存储单元件、磁存储单元件、或者上述的任意合适的组合。当所述计算机程序被一个或多个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法,即:
S1、获取当日的用户信息,根据所述用户信息确定用户类型;
S2、根据所述用户类型确定所述用户的模拟资源申请信息,根据所述模拟资源申请信息使用风险控制策略进行模拟风险评测,保存所述用户的模拟风险评测结果,所述风险控制策略包括静态规则,动态规则和风险判断模型;
S3、当用户发生实际资源申请时,读取用户前一日的模拟风险评测结果,根据所述模拟风险评测结果执行对应的实际风险评测规则。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台数据处理设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明可以执行计算机程序的方法、装置、电子设备或计算机可读介质来实现。可以在实践中使用微处理单元或者数字信号处理单元(DSP)等通用数据处理设备来实现本发明的一些或者全部功能。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于模拟资源申请的风险控制方法,其特征在于,方法包括:
获取当日的用户信息,根据所述用户信息确定用户类型,其中,所述用户信息包括用户属性信息,用户标签,是否申请过资源,资源申请额度,可用资源额度,资源归还期数以及待归还资源额度;如果用户未申请过资源,则用户类型为新用户;如果用户申请过资源,待归还资源额度为0,则用户类型为已结用户;如果用户申请过资源,待归还资源额度不为0,则用户类型为未结用户;
根据所述用户类型确定所述用户的模拟资源申请信息,所述模拟资源申请信息包括模拟资源申请额度和模拟资源申请归还期数;当用户类型为新用户时,基于用户标签使用匹配模型从未结用户中匹配近似用户,计算所述近似用户的资源申请额度均值以及资源归还期数均值,选取所述近似用户的资源申请额度均值与所述用户的可用资源额度中较小的一个作为所述用户的模拟资源申请额度,选取所述近似用户的资源归还期数均值作为所述用户的模拟资源申请归还期数;根据所述模拟资源申请信息使用风险控制策略进行模拟风险评测,保存所述用户的模拟风险评测结果,所述风险控制策略包括静态规则,动态规则和风险判断模型;静态规则为风险控制中最基本的规则,静态规则为最先校验的规则,如果不满足静态规则的要求,则直接判定校验不通过,所述静态规则的具体规则不会变化,只是内部的数据会随时更新;用户通过静态规则后再使用动态规则进行校验,所述动态规则为第三方数据,用户是否能够通过动态规则校验与具体的第三方数据有关;如果静态规则和动态规则都通过后,使用风险判断模型对用户进行校验,风险判断模型是最终的校验规则,如果风险判断模型通过,则可以向用户发送资源,所述风险判断模型为基于深度学习的循环神经网络模型;
当用户发生实际资源申请时,读取用户前一日的模拟风险评测结果,根据所述模拟风险评测结果执行对应的实际风险评测规则。
2.如权利要求1所述的基于模拟资源申请的风险控制方法,其特征在于,根据所述用户类型确定所述用户的模拟资源申请信息进一步包括:
所述模拟资源申请信息包括模拟资源申请额度和模拟资源申请归还期数;
当用户类型为已结用户时,计算所述用户的历史资源申请额度均值以及历史资源归还期数均值,选取所述用户的历史资源申请额度均值作为所述用户的模拟资源申请额度,选取所述用户的历史资源归还期数均值作为所述用户的模拟资源申请归还期数。
3.如权利要求1所述的基于模拟资源申请的风险控制方法,其特征在于,根据所述用户类型确定所述用户的模拟资源申请信息进一步包括:
所述模拟资源申请信息包括模拟资源申请额度和模拟资源申请归还期数;
当用户类型为未结用户时,计算用户资源申请额度均值以及资源归还期数均值,选取所述用户资源申请额度均值与所述用户的可用资源额度中较小的一个作为所述用户的模拟资源申请额度,选取所述用户的资源归还期数均值作为所述用户的模拟资源申请归还期数。
4.如权利要求1所述的基于模拟资源申请的风险控制方法,其特征在于,
根据所述模拟风险评测结果执行对应的实际风险评测规则进一步包括:
当所述用户发出真实资源申请时,如果所述模拟风险评测结果为通过,则仅使用静态规则对用户属性信息进行校验,如果校验通过则向所述用户发送资源。
5.如权利要求1所述的基于模拟资源申请的风险控制方法,其特征在于,根据所述模拟风险评测结果执行对应的实际风险评测规则进一步包括:
当所述用户发出真实资源申请时,如果所述模拟风险评测结果为动态规则拒绝或风险判断模型拒绝,则使用风险控制策略对所述用户发出的真实资源申请进行真实风险评测,如果通过则向所述用户发送资源,如果拒绝则不向所述用户发送资源。
6.如权利要求1所述的基于模拟资源申请的风险控制方法,其特征在于,根据所述模拟风险评测结果执行对应的实际风险评测规则进一步包括:
当所述用户发出真实资源申请时,如果所述模拟风险评测结果为静态规则拒绝,则直接拒绝所述用户发出的真实资源申请。
7.一种基于模拟资源申请的风险控制装置,其特征在于,装置包括:
用户类型确定模块,用于获取当日的用户信息,根据所述用户信息确定用户类型,其中,所述用户信息包括用户属性信息,用户标签,是否申请过资源,资源申请额度,可用资源额度,资源归还期数以及待归还资源额度;如果用户未申请过资源,则用户类型为新用户;如果用户申请过资源,待归还资源额度为0,则用户类型为已结用户;如果用户申请过资源,待归还资源额度不为0,则用户类型为未结用户;
模拟风险评测模块,根据所述用户类型确定所述用户的模拟资源申请信息,所述模拟资源申请信息包括模拟资源申请额度和模拟资源申请归还期数;当用户类型为新用户时,基于用户标签使用匹配模型从未结用户中匹配近似用户,计算所述近似用户的资源申请额度均值以及资源归还期数均值,选取所述近似用户的资源申请额度均值与所述用户的可用资源额度中较小的一个作为所述用户的模拟资源申请额度,选取所述近似用户的资源归还期数均值作为所述用户的模拟资源申请归还期数;根据所述模拟资源申请信息使用风险控制策略进行模拟风险评测,保存所述用户的模拟风险评测结果,所述风险控制策略包括静态规则,动态规则和风险判断模型;静态规则为风险控制中最基本的规则,静态规则为最先校验的规则,如果不满足静态规则的要求,则直接判定校验不通过,所述静态规则的具体规则不会变化,只是内部的数据会随时更新;用户通过静态规则后再使用动态规则进行校验,所述动态规则为第三方数据,用户是否能够通过动态规则校验与具体的第三方数据有关;如果静态规则和动态规则都通过后,使用风险判断模型对用户进行校验,风险判断模型是最终的校验规则,如果风险判断模型通过,则可以向用户发送资源,所述风险判断模型为基于深度学习的循环神经网络模型;
真实风险评测模块,当用户发生实际资源申请时,读取用户前一日的模拟风险评测结果,根据所述模拟风险评测结果执行对应的实际风险评测规则。
8.一种基于模拟资源申请的风险控制系统,其特征在于,包括:
存储单元,用于存储计算机可执行程序;
处理单元,用于读取所述存储单元中的计算机可执行程序,以执行权利要求1至6中任一项所述的基于模拟资源申请的风险控制方法。
9.一种计算机可读介质,用于存储计算机可读程序,其特征在于,所述计算机可读程序用于执行权利要求1至6中任一项所述的基于模拟资源申请的风险控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110470093.4A CN113298636B (zh) | 2021-04-28 | 2021-04-28 | 一种基于模拟资源申请的风险控制方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110470093.4A CN113298636B (zh) | 2021-04-28 | 2021-04-28 | 一种基于模拟资源申请的风险控制方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113298636A CN113298636A (zh) | 2021-08-24 |
CN113298636B true CN113298636B (zh) | 2023-05-02 |
Family
ID=77320431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110470093.4A Active CN113298636B (zh) | 2021-04-28 | 2021-04-28 | 一种基于模拟资源申请的风险控制方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298636B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018085756A1 (en) * | 2016-11-04 | 2018-05-11 | Fractal Industries, Inc. | Quantification for investment vehicle management and insurance process management |
CN111932376A (zh) * | 2020-08-14 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 虚拟资源数据的模拟方法、装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109461070A (zh) * | 2018-10-25 | 2019-03-12 | 深圳壹账通智能科技有限公司 | 一种风险审批方法、装置、存储介质和服务器 |
CN110109905A (zh) * | 2019-04-26 | 2019-08-09 | 深圳前海微众银行股份有限公司 | 风险名单数据生成方法、装置、设备及计算机存储介质 |
CN111583018A (zh) * | 2020-04-09 | 2020-08-25 | 上海淇毓信息科技有限公司 | 一种基于用户金融表现分析的授信策略管理方法、装置和电子设备 |
CN112232642A (zh) * | 2020-09-25 | 2021-01-15 | 上海淇毓信息科技有限公司 | 一种基于资源返还管理资源策略的方法、装置和电子设备 |
CN112465627B (zh) * | 2020-11-26 | 2021-11-26 | 中科柏诚科技(北京)股份有限公司 | 基于区块链和机器学习的金融借贷审核方法及系统 |
-
2021
- 2021-04-28 CN CN202110470093.4A patent/CN113298636B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018085756A1 (en) * | 2016-11-04 | 2018-05-11 | Fractal Industries, Inc. | Quantification for investment vehicle management and insurance process management |
CN111932376A (zh) * | 2020-08-14 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 虚拟资源数据的模拟方法、装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113298636A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111340616A (zh) | 线上贷款的审批方法、装置、设备及介质 | |
CN112887371B (zh) | 边缘计算方法、装置、计算机设备及存储介质 | |
CN111177307A (zh) | 一种基于语义理解相似度阀值配置的测试方案及系统 | |
CN112631911A (zh) | 自动化测试方法、装置、计算机设备及存储介质 | |
CN111242462A (zh) | 数据处理方法及装置、计算机存储介质、电子设备 | |
CN112631924A (zh) | 自动化测试方法、装置、计算机设备及存储介质 | |
CN111475494A (zh) | 一种海量数据处理方法、系统、终端及存储介质 | |
CN111210109A (zh) | 基于关联用户预测用户风险的方法、装置和电子设备 | |
CN116911572A (zh) | 页面自动化装配方法、系统、计算机设备及存储介质 | |
CN117472431A (zh) | 代码注释生成方法、装置、计算机设备、存储介质和产品 | |
CN113298636B (zh) | 一种基于模拟资源申请的风险控制方法、装置和系统 | |
CN111049988A (zh) | 移动设备的亲密度预测方法、系统、设备及存储介质 | |
US11922129B2 (en) | Causal knowledge identification and extraction | |
CN115578170A (zh) | 一种财务批量制证方法、装置、设备及存储介质 | |
CN114637672A (zh) | 自动化数据测试方法、装置、计算机设备及存储介质 | |
CN111897728B (zh) | 接口调试方法及相关设备 | |
CN114496139A (zh) | 电子病历的质控方法、装置、设备、系统及可读介质 | |
CN110554892A (zh) | 信息获取方法和装置 | |
CN110795424B (zh) | 特征工程变量数据请求处理方法、装置及电子设备 | |
CN113590310A (zh) | 基于规则触碰率评分的资源分配方法、装置及电子设备 | |
CN113568739A (zh) | 用户资源额度分配方法、装置及电子设备 | |
CN111582648A (zh) | 用户策略生成方法、装置及电子设备 | |
CN110659501A (zh) | 漏洞处理跟踪方法、装置、计算机系统及可读存储介质 | |
CN114238583B (zh) | 自然语言处理方法、装置、计算机设备及存储介质 | |
CN113239296B (zh) | 小程序的展示方法、装置、设备和介质 |
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 |