CN113361981A - 一种业务请求的处理方法、装置、设备及介质 - Google Patents
一种业务请求的处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113361981A CN113361981A CN202110915555.9A CN202110915555A CN113361981A CN 113361981 A CN113361981 A CN 113361981A CN 202110915555 A CN202110915555 A CN 202110915555A CN 113361981 A CN113361981 A CN 113361981A
- Authority
- CN
- China
- Prior art keywords
- target object
- risk
- matching result
- identity
- service request
- 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
- 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开一种业务请求的处理方法、装置、设备及介质,本申请通过响应于目标对象的业务请求,获取目标对象信息、业务场景类型、预设风险名单和第三方风险名单,所述目标对象信息包括所述目标对象的身份标识,将目标对象的身份标识与预设风险名单进行精确匹配,得到精确匹配结果,若精确匹配结果为不一致,且业务场景类型为高风险场景类型,将目标对象的身份标识和第三方风险名单进行模糊匹配,得到模糊匹配结果,若模糊匹配结果为一致,拒绝目标对象的业务请求,可以使得高风险场景中对目标对象的风险名单匹配更为严格,仅对高风险业务场景下的目标对象进行更为严格的模糊匹配,可以在保证目标对象的风险识别准确性的同时,提升处理效率。
Description
技术领域
本发明涉及信息安全领域,尤其涉及一种业务请求的处理方法、装置、设备及介质。
背景技术
随着互联网的快速发展,针对个体或企业的黑名单被广泛采用,以对目标对象进行业务相关的风险控制。但是,采用复杂的业务请求处理方法会造成计算资源浪费,计算数据量大时,处理效率也会大大降低;而采用简单的业务请求处理方法,将会遗漏很多风险对象,虽然处理效率较采用复杂的业务请求处理方法,更为简单,处理效率也高些,但达不到良好的风险控制的目的。
发明内容
为了解决上述技术问题,本发明提供一种业务请求的处理方法、装置、设备及介质,可以在保证目标对象的风险识别准确性的同时,提升处理效率。
为了达到上述申请的目的,本申请提供了一种业务请求的处理方法,该方法可以包括:
响应于目标对象的业务请求,获取目标对象信息、业务场景类型、预设风险名单和第三方风险名单,所述目标对象信息包括所述目标对象的身份标识;
将所述目标对象的身份标识与所述预设风险名单进行精确匹配,得到精确匹配结果;
若所述精确匹配结果为不一致、且所述业务场景类型为高风险场景类型,将所述目标对象的身份标识和所述第三方风险名单进行模糊匹配,得到模糊匹配结果;
若所述模糊匹配结果为一致,拒绝所述目标对象的业务请求。
在一种可能的实现方式中,将所述目标对象的身份标识与所述预设风险名单进行精确匹配,得到精确匹配结果之后,所述方法还包括:
若所述精确匹配结果为一致,拒绝所述目标对象的业务请求。
在一种可能的实现方式中,所述将所述目标对象的身份标识与所述预设风险名单进行精确匹配,得到精确匹配结果之后,所述方法还包括:
若所述精确匹配结果为不一致、且所述业务场景类型为低风险场景类型,对所述目标对象的业务请求进行处理。
在一种可能的实现方式中,所述若所述精确匹配结果为不一致、且所述业务场景类型为高风险场景类型,将所述目标对象的身份标识和所述第三方风险名单进行模糊匹配,得到模糊匹配结果之后,所述方法还包括:
若所述模糊匹配结果不一致,对所述目标对象的业务请求进行处理。
在一种可能的实现方式中,所述若所述精确匹配结果为不一致、且所述业务场景类型为高风险场景类型,将所述目标对象的身份标识和所述第三方风险名单进行模糊匹配,得到模糊匹配结果包括:
若所述精确匹配结果为不一致、且所述业务场景类型为高风险场景类型,对所述目标对象的身份标识进行转换,得到所述目标对象对应的多个目标身份标识;
将所述目标对象对应的多个目标身份标识和所述第三方风险名单进行精确匹配,得到所述模糊匹配结果。
在一种可能的实现方式中,所述目标对象信息还包括所述目标对象的多种属性信息;
所述若所述精确匹配结果为不一致、且所述业务场景类型为高风险场景类型,将所述目标对象的身份标识和所述第三方风险名单进行模糊匹配,得到模糊匹配结果包括:
若所述精确匹配结果为不一致、且所述业务场景类型为高风险场景类型,根据所述第三方风险名单,对所述目标对象的每种属性信息进行匹配值分析处理,得到每种属性信息对应的匹配值;
对每种属性信息对应的匹配值进行加权求和,得到所述目标对象对应的目标匹配值;
根据所述目标对象对应的目标匹配值确定所述模糊匹配结果。
在一种可能的实现方式中,所述目标对象信息还包括所述目标对象的目标属性信息;
所述若所述模糊匹配结果为一致,拒绝所述目标对象的业务请求包括:
当所述模糊匹配结果为一致时,确定所述目标属性信息的风险相关性函数;
根据所述风险相关性函数确定风险相关性结果;
当所述风险相关性结果满足预设相关性条件时,拒绝所述目标对象的业务请求。
在一种可能的实现方式中,所述若所述模糊匹配结果为一致,拒绝所述目标对象的业务请求之后,所述方法还包括:
周期性获取新的目标对象信息和新的第三方风险名单;
将所述新的目标对象信息和所述新的第三方风险名单进行模糊匹配,得到新的模糊匹配结果;
若所述新的模糊匹配结果不一致,对所述目标对象的业务请求进行处理。
根据本申请的另一方面,提供一种业务请求的处理装置,所述装置包括:
信息获取模块,用于响应于目标对象的业务请求,获取目标对象信息、业务场景类型、预设风险名单和第三方风险名单,所述目标对象信息包括目标对象的身份标识;
第一匹配模块,用于将所述目标对象的身份标识与所述预设风险名单进行精确匹配,得到精确匹配结果;
第二匹配模块,用于若所述精确匹配结果为不一致、且所述业务场景类型为高风险场景类型,将所述目标对象的身份标识和所述第三方风险名单进行模糊匹配,得到模糊匹配结果;
业务控制模块,用于若所述模糊匹配结果为一致,拒绝所述目标对象的业务请求。
根据本申请的另一方面,本申请还提供一种电子设备,所述设备包括处理器和存储器,所述存储器中存储有至少一条指令或者至少一段程序,所述至少一条指令或者至少一段程序由所述处理器加载并执行以实现上述的处理方法。
根据本申请的另一方面,本申请还提供一种计算机可读存储介质,该存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现上述方法。
实施本申请,具有如下有益效果:
本申请通过响应于目标对象的业务请求,获取目标对象信息、业务场景类型、预设风险名单和第三方风险名单,所述目标对象信息包括所述目标对象的身份标识,将目标对象的身份标识与预设风险名单进行精确匹配,得到精确匹配结果,若精确匹配结果为不一致,且业务场景类型为高风险场景类型,将目标对象的身份标识和第三方风险名单进行模糊匹配,得到模糊匹配结果,若模糊匹配结果为一致,拒绝目标对象的业务请求,可以使得高风险场景中对目标对象的风险名单匹配更为严格,仅对高风险业务场景下的目标对象进行更为严格的模糊匹配,可以在保证目标对象的风险识别准确性的同时,提升处理效率。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本申请实施例提供的一种业务请求的处理方法的应用场景图;
图2为本申请实施例提供的一种业务请求的处理方法的流程示意图;
图3为本申请另一实施例提供的一种业务请求的处理方法的流程示意图;
图4为本申请另一实施例提供的一种业务请求的处理方法的流程示意图;
图5为本申请另一实施例提供的一种业务请求的处理方法的流程示意图;
图6为本申请实施例提供的一种目标对象的身份标识和第三方风险名单进行模糊匹配的流程示意图;
图7为本申请实施例另一实施例提供的一种目标对象的身份标识和第三方风险名单进行模糊匹配的流程示意图;
图8为本申请实施例提供的一种模糊匹配结果为一致时,拒绝目标对象的业务请求的流程示意图;
图9为本申请另一实施例提供的一种业务请求的处理方法的流程示意图;
图10为本申请实施例提供的一种业务请求的处理装置的结构示意图;
图11为本申请实施例提供的一种用于业务请求的处理的电子设备的框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,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,所描述的实施例仅仅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,都应当属于本申请保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了实现本申请的技术方案,让更多的工程技术工作者容易了解和应用本申请,将结合具体的实施例,进一步阐述本申请的工作原理。
本申请可应用于网络安全领域,图1示出了本申请的应用场景,如图1所示,该应用场景中包含终端01和服务器02,终端01上可以部署有业务关联软件,目标对象可以通过部署在终端01上的业务关联软件向服务器02发送业务请求,业务关联软件可以是业务相关的应用程序,也可以是网页链接。服务器02可以是一个独立运行的服务器,或者分布式服务器,或者由多个服务器组成的服务器集群。服务器02可以用于识别目标对象的风险等级,还可以用于对目标对象的业务请求进行处理。当服务器02为一个独立运行的服务器时,识别目标对象的风险等级和对目标对象的业务请求进行处理,均在该服务器中进行。当服务器02为分布式服务器或者由多个服务器组成的服务器集群时,可以在其中一个服务器上进行目标对象的风险识别,在另一个服务器上,可以对目标对象的业务请求进行处理。
以下介绍本申请一种业务请求的处理方法的实施例,图2是本申请实施例提供的一种业务请求的处理方法的流程示意图,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。具体的,如图2所示,该方法可以包括:
S101:响应于目标对象的业务请求,获取目标对象信息、业务场景类型、预设风险名单和第三方风险名单。
本说明书实施例中,目标对象的业务请求可以包括目标对象信息和业务信息。当接收到目标对象的业务请求时,对该业务请求进行解析处理,可以得到目标对象信息和业务信息。目标对象信息可以包括目标对象的身份标识,当目标对象为个人或企业时,目标对象的身份标识可以为目标对象的姓名或名称。业务信息可以为目标对象请求进行的业务的身份标识。可以根据业务的身份标识确定业务场景类型,例如,业务的身份标识为XX,XX对应的业务场景类型为高风险场景类型,其中,业务场景类型可以根据业务的风险等级进行划分。业务的风险等级可以与业务内容相关联,例如,虚拟资源交易数量较小的业务,可以设置为低风险场景类型,虚拟资源交易数量较大的业务,可以设置为高风险场景类型等。本申请对此不作限定。
在一些示例中,目标对象的业务请求也可以包括目标对象信息和业务场景类型,当接收到目标对象的业务请求时,对该业务请求进行解析处理,可以得到目标对象信息和业务场景类型。
另外,当接收到目标对象的业务请求时,还需要获取预设风险名单和第三方风险名单。预设风险名单可以是由专家确定的风险黑名单,也可以是根据业务历史行为确定的风险黑名单,预设风险名单可以存储于数据库中。第三方风险名单可以是第三方提供的风险黑名单,其中,第三方风险名单可以包括至少一个第三方提供的风险黑名单。第三方风险名单可以通过向第三方发送风险黑名单获取请求得到,也可以接收第三方定时推送的风险黑名单。
本申请说明书实施例中,预设风险名单中可以仅包括多个对象的身份标识,用于后续与目标对象的身份标识进行精确匹配。第三方风险名单可以包括身份标识以外的多种属性信息,第三方风险名单中的信息更为全面,一方面,第三方风险名单中的对象可以多于预设风险名单中的对象数量,另一方面,第三方风险名单中信息的属性类型可以多于预设风险名单中的属性类型数量。
S103:将目标对象的身份标识与预设风险名单进行精确匹配,得到精确匹配结果。
本说明书实施例中,预设风险名单中可以存储有被拉黑的对象的身份标识。将目标对象的身份标识与预设风险名单进行精确匹配,可以是在预设风险名单中查找是否存在与目标对象的身份标识一致的身份标识。若预设风险名单中存在与目标对象的身份标识一致的身份标识,则精确匹配结果为一致,若预设风险名单中不存在与目标对象的身份标识一致的身份标识,则精确匹配结果为不一致。
S105:若精确匹配结果为不一致、且业务场景类型为高风险场景类型,将目标对象的身份标识和第三方风险名单进行模糊匹配,得到模糊匹配结果。
本说明书实施例中,当精确匹配结果为不一致、且业务场景类型为高风险场景类型时,将目标对象的身份标识和第三方风险名单进行模糊匹配,是指在第三方风险名单中模糊查找目标对象的身份标识。其中,在第三方风险名单中模糊查找目标对象的身份标识,是指在第三方风险名单中查找与目标对象的身份标识相类似的身份标识,例如,当身份标识为姓名时,相类似的身份标识可以为姓名经过文本转换得到的姓名;当身份标识为名称时,相类似的身份标识可以为名称的缩写、名称后添加后缀等。
若在第三方风险名单中模糊查找到目标对象的身份标识,模糊匹配结果为一致;若在第三方风险名单中模糊查找未找到目标对象的身份标识,模糊匹配的结果为不一致。
需要说明的是,确定业务场景类型为高风险场景类型还是非高风险场景类型,可以是在目标对象的身份标识与预设风险名单进行精确匹配之前,也可以是在目标对象的身份标识与预设风险名单进行精确匹配之后,本申请对此不作限定。
S107:若模糊匹配结果为一致,拒绝目标对象的业务请求。
实际应用中,若模糊匹配结果为一致,可以拒绝目标对象的业务请求。例如,可以发送拒绝响应消息至目标对象的终端,或者停止处理目标对象业务请求的线程。
该实施例中,通过响应于目标对象的业务请求,获取目标对象信息、业务场景类型、预设风险名单和第三方风险名单,其中,目标对象信息包括目标对象的身份标识,将目对象的身份标识与预设风险名单进行精确匹配,得到精确匹配结果,若精确匹配结果为不一致、且业务场景类型为高风险场景类型,将目标对象的身份标识和第三方风险名单进行模糊匹配,得到模糊匹配结果,若模糊匹配结果为一致,拒绝目标对象的业务请求,可以使得高风险场景中对目标对象的风险名单匹配更为全面,仅对高风险业务场景下的目标对象进行更为全面的模糊匹配,可以在保证目标对象的风险识别准确性的同时,提升处理效率。
在一个可能的实现方式中,如图3所示,步骤S103,将目标对象的身份标识与预设风险名单进行精确匹配,得到精确匹配结果之后,该方法还可以包括:
S301:若精确匹配结果为一致,拒绝目标对象的业务请求。
本说明书实施例中,精确匹配结果一致时,可以确定目标对象在预设风险名单中,拒绝该目标对象的业务请求,可以高效迅速地控制风险。
该实施例中,通过响应于目标对象的业务请求,获取目标对象信息、业务场景类型、预设风险名单和第三方风险名单,将目标对象的身份标识与预设风险名单进行精确匹配,得到精确匹配结果,若精确匹配结果为一致,拒绝目标对象的业务请求,可以在任何场景下,拒绝与预设风险名单相匹配的目标对象的业务请求,处理效率高;若精确匹配结果为不一致,且业务场景类型为高风险场景类型,将目标对象的身份标识和第三方风险名单进行模糊匹配,得到模糊匹配结果,若模糊匹配结果为一致,拒绝目标对象的业务请求,可以使得高风险场景下,预设风险名单放过目标对象时,第三方风险名单模糊匹配目标对象的身份标识,保证目标对象风险控制的准确性。
在一种可以实现的示例中,如图4所示,在上述步骤S103之后,该方法还可以包括:
S401:若精确匹配结果为不一致、且业务场景类型为高风险场景类型,将目标对象的身份标识和第三方风险名单进行模糊匹配,得到模糊匹配结果。
本说明书实施例中,当精确匹配结果为不一致、且业务场景类型为低风险场景类型时,对目标对象的业务请求进行处理,可以满足低风险场景下的风险控制需求,提高低风险场景下业务处理的响应速度,提高了处理效率。
该实施例中,通过响应于目标对象的业务请求,获取目标对象信息、业务场景类型、预设风险名单和第三方风险名单,将目标对象的身份标识与预设风险名单进行精确匹配,得到精确匹配结果,若精确匹配结果为不一致、且业务场景类型为高风险场景类型,将目标对象的身份标识和第三方风险名单进行模糊匹配,得到模糊匹配结果,若精确匹配结果为不一致、且业务场景类型为低风险场景类型,对目标对象的业务请求进行处理,若模糊匹配结果为一致,拒绝目标对象的业务请求,对低风险场景和高风险场景采用相对应的风险控制手段,可以在保证目标对象的风险识别准确性的同时,提高低风险场景下业务处理的响应速度,提高了处理效率。
在一种可能实现的示例中,如图5所示,在上述步骤S105之后,该方法还可以包括:
S501:若模糊匹配结果为不一致,对目标对象的业务请求进行处理。
该实施例中,当精确匹配结果不一致、且业务场景类型为高风险场景类型时,将目标对象的身份标识和第三方风险名单进行模糊匹配,得到模糊匹配结果,模糊匹配结果为一致时,拒绝目标对象的业务请求,模糊匹配结果为不一致时,对目标对象的业务请求进行处理,可以实现高风险场景下,对第三方风险名单模糊匹配到的身份标识对应的目标对象进行拒绝业务请求的操作,对第三方风险名单未模糊匹配到的身份标识所对应的目标对象的业务请求进行处理的操作。
在一种可以实现的示例中,如图6所示,步骤S105,若精确匹配结果为不一致、且业务场景类型为高风险场景类型,将目标对象的身份标识和第三方风险名单进行模糊匹配,得到模糊匹配结果可以包括:
S601:若精确匹配结果为不一致、且业务场景类型为高风险场景类型,对目标对象的身份标识进行转换,得到目标对象对应的多个目标身份标识。
本说明书实施例中,对目标对象的身份标识进行转换,可以是以身份标识为一整个文本,在该文本的前面或者后面插入其他字段,得到多个目标身份标识;也可以是将该文本进行任意长度的截断,得到至少两个文本,对该至少两个文本进行位置变化或者在该至少两个文本中插入新的文本内容,得到多个目标身份标识。例如,目标对象的身份标识为“ABCD公司”,目标身份标识可以包括“ABCD公司”、“ABCD商贸公司”、“ABCD商贸有限公司”、“ABCD集团”、“CDAB公司”、“ABECD公司”、“CDEAB公司”等。
S603:将目标对象对应的多个目标身份标识和第三方风险名单进行精确匹配,得到模糊匹配结果。
本说明书实施例中,可以通过查找第三方风险名单中是否存在目标对象对应的多个目标身份标识,以对目标对象对应的多个目标身份标识和第三方风险名单进行精确匹配。例如,目标对象的身份标识为“ABCD公司”,目标身份标识可以包括“ABCD公司”、“ABCD商贸公司”、“ABCD商贸有限公司”、“ABCD集团”、“CDAB公司”、“ABECD公司”、“CDEAB公司”等,将目标对象对应的多个目标身份标识和第三方风险名单进行精确匹配,可以是在第三方风险名单中查找是否存在“ABCD公司”、“ABCD商贸公司”、“ABCD商贸有限公司”、“ABCD集团”、“CDAB公司”、“ABECD公司”、“CDEAB公司”等身份标识。由此,可以得到模糊匹配结果。
该实施例通过在精确匹配结果为不一致、业务场景类型为高风险场景类型,对目标对象的身份标识进行转换,得到目标对象对应的多个目标身份标识,将目标对象对应的多个目标身份标识和第三方风险名单进行精确匹配,得到模糊匹配结果,可以实现目标对象的身份标识和第三方风险名单的模糊匹配,避免第三方风险名单中的身份标识被转换后继续进行业务请求的问题,提高了高风险场景下的风险控制能力。
在一种可以实现的实施例中,目标对象信息还可以包括目标对象的多种属性信息,例如,年龄、学历、所属行业、交易行为信息、信用信息、资产信息等。目标对象为个人或者企业,对应的属性信息有所不同,获取何种属性信息,可以根据业务场景类型、目标对象是个人或者企业来确定,本申请对此不作限定。基于此,如图7所示,步骤S105,若精确匹配结果为不一致、且业务场景类型为高风险场景类型,将目标对象的身份标识和第三方风险名单进行模糊匹配,得到模糊匹配结果可以包括:
S701:若精确匹配结果为不一致、且业务场景类型为高风险场景类型,根据第三方风险名单,对目标对象的每种属性信息进行匹配值分析处理,得到每种属性信息对应的匹配值。
本说明书实施例中,第三方风险名单可以包括多个对象的多种属性信息。当精确匹配结果为不一致、且业务场景类型为高风险场景类型时,可以将目标对象的多种属性信息与第三方风险名单中多个对象对应的属性信息进行匹配,确定目标对象和第三方风险名单中对象的相同属性信息的相似程度,相似程度越高,该属性信息对应的匹配值越高。在将目标对象的多种属性信息与第三方风险名单中多个对象对应的属性信息进行匹配时,可以根据目标对象的属性信息与第三方风险名单中对象对应的属性信息的数值大小、文本内容、或者行为频率等方面进行相似程度的确认。
S703:对每种属性信息对应的匹配值进行加权求和,得到目标对象对应的目标匹配值。
本说明书实施例中,不同的属性信息对风险分析的重要性不同,可以给每种属性信息对应的匹配值进行加权,例如,在一些贷款业务场景中,进行风险控制时,个人的信用信息比年龄信息更为重要,可以给信用信息这一属性分配较大的权重,给年龄信息这一属性分配较小的权重。得到每种属性信息加权后的匹配值,再将加权后的所有匹配值相加,可以得到目标对象对应的目标匹配值。
S705:根据目标对象对应的目标匹配值确定模糊匹配结果。
本说明书实施例中,可以预先设定匹配值区间与模糊匹配结果的对应关系,根据目标对象对应的目标匹配值所在的区间,确定对应的模糊匹配结果。
实际应用中,每种属性信息对应的匹配值可以为0-1的数值,数值越大,表示目标对象与第三方风险名单中对应对象的对应属性的匹配程度越高。例如,将目标对象X、Y、Z三种属性,分别和第三方风险名单中对象的对应属性进行匹配值分析处理,得到每种属性信息对应的匹配值。
表1
属性信息 | 属性X | 属性Y | 属性Z |
与对象1的匹配值 | 0.5 | 0.2 | 0.6 |
与对象2的匹配值 | 0.1 | 0.8 | 0.1 |
如表1所示,目标对象与第三方风险名单中对象1在属性X上的匹配值为0.3,在属性Y上的匹配值为0.2,在属性Z上的匹配值为0.1;目标对象与第三方风险名单中对象2在属性X上的匹配值为0.1,在属性Y上的匹配值为0.8,在属性Z上的匹配值为0.1。属性Y与风险控制的重要性,较属性X和属性Z更为重要,预先可以设定属性Y对应的权重为80%,属性X和属性Z对应的权重均为10%,高风险的预设匹配阈值为0.7,那么目标对象与对象1的目标匹配值a1=0.5*10%+0.2*80%+0.6*10%=0.27,目标对象与对象2的目标匹配值a2=0.1*10%+0.8*80%+0.1*10%=0.71,由于目标对象与对象2的目标匹配值高于预设匹配阈值0.7,因此目标对象与第三方风险名单的模糊匹配结果为一致。
该实施例中,当精确匹配结果为不一致、业务场景类型为高风险场景类型时,根据第三方风险名单,对目标对象的每种属性信息进行匹配值分析处理,得到每种属性信息对应的匹配值,对每种属性信息对应的匹配值进行加权求和,得到目标对象对应的目标匹配值,根据目标对象对应的目标匹配值确定模糊匹配结果,可以针对不同属性信息对风险控制的重要性不同,确定较为准确的模糊匹配结果,根据较为准确的模糊匹配结果对目标对象进行风险控制,可以提高风险控制的准确性。
在一种可能的实现方式中,目标对象信息还可以包括目标对象的目标属性信息。基于此,如图8所示,若模糊匹配结果为一致,拒绝目标对象的业务请求可以包括:
S801:若模糊匹配结果为一致,确定目标属性信息的风险相关性函数。
本说明书实施例中,目标属性信息可以为与时间相关的属性信息。风险相关性函数是指用预设函数对目标属性信息求解的结果,例如求解目标属性信息的方差、协方差、标准差、极差等。
实际应用中,目标属性信息可以是数列形式,例如,目标对象的交易信息为不同时刻进行的交易行为信息,交易行为信息可以包括多个交易数额。交易信息的风险相关性函数为多个交易数额的方差。
S803:根据风险相关性函数确定风险相关性结果。
本说明书实施例中,将目标属性信息代入风险相关性函数可以求解得到风险相关性结果。
S805:当风险相关性结果满足预设相关性条件时,拒绝目标对象的业务请求。
本说明书实施例中,预设相关性条件可以为风险相关性结果是否小于、大于或等于预设的风险阈值。预设相关性条件中的小于、大于或等于可以根据相关性函数的类型进行确定。例如,目标对象的交易信息中,对多个交易数额求方差,对应的预设相关性条件为风险相关性结果小于预设的风险阈值。对多个交易数额求方差得到的风险相关性结果为0.01,预设的风险阈值为0.02。将风险相关性结果0.01和预设的风险阈值0.02进行比较,可以确定风险相关性结果满足预设相关性条件。当风险相关性结果满足预设相关性条件时,拒绝目标对象的业务请求。
在一种可能实现的示例中,如图9所示,该方法可以包括:
S101:响应于目标对象的业务请求,获取目标对象信息、业务场景类型、预设风险名单和第三方风险名单。
S103:将目标对象的身份标识与预设风险名单进行精确匹配,得到精确匹配结果。
S105:若精确匹配结果为不一致、且业务场景类型为高风险场景类型,将目标对象的身份标识和第三方风险名单进行模糊匹配,得到模糊匹配结果。
S107:若模糊匹配结果为一致,拒绝目标对象的业务请求。
S901:周期性获取目标对象的新的目标对象信息和新的第三方风险名单。
本说明书实施例中,目标对象信息可以随着时间发生变化,例如,随着时间的推移,目标对象会增加新的交易行为,目标对象信息中交易行为信息就会发生改变。第三方风险名单也可能随着时间发生变化,因此,周期性获取目标对象的新的目标对象信息和新的第三方风险名单,可以用于风险控制的更新。
S903:将新的目标对象信息和新的第三方风险名单进行模糊匹配,得到新的模糊匹配结果。
具体的,可以通过对该目标对象的新的每种属性信息进行匹配值分析处理,得到新的每种属性信息对应的匹配值,再对每种属性信息对应的匹配值进行加权求和,得到目标对象对应的新的目标匹配值,根据该新的目标匹配值确定模糊匹配结果。
S905:若新的模糊匹配结果不一致,对目标对象的业务请求进行处理。
本说明书实施例中,当新的模糊匹配结果不一致时,说明该目标对象在被拒绝业务请求的一段时间后所对应的风险等级较小。在该段时间后,可以对该目标对象的业务请求进行处理。
该实施例中,通过周期性获取目标对象的新的目标对象信息和新的第三方风险信息,将新的目标对象信息和新的第三方风险名单进行模糊匹配,得到新的模糊匹配结果,若新的模糊匹配结果不一致,对目标对象的业务请求进行处理,可以对风险控制进行及时更新,避免目标对象被永久拒绝进行业务请求。
本申请另外还提供一种业务请求的处理装置的实施例,如图10所示,该装置可以包括:
信息获取模块101,用于响应于目标对象的业务请求,获取目标对象信息、业务场景类型、预设风险名单和第三方风险名单,目标对象信息包括目标对象的身份标识。
第一匹配模块103,用于将目标对象的身份标识与预设风险名单进行精确匹配,得到精确匹配结果。
第二匹配模块105,用于若精确匹配结果为不一致、且业务场景类型为高风险场景类型,将目标对象的身份标识和第三方风险名单进行模糊匹配,得到模糊匹配结果。
业务控制模块107,用于若模糊匹配结果为一致,拒绝目标对象的业务请求。
通过响应于目标对象的业务请求,获取目标对象信息、业务场景类型、预设风险名单和第三方风险名单,其中,目标对象信息包括目标对象的身份标识,将目对象的身份标识与预设风险名单进行精确匹配,得到精确匹配结果,若精确匹配结果为不一致、且业务场景类型为高风险场景类型,将目标对象的身份标识和第三方风险名单进行模糊匹配,得到模糊匹配结果,若模糊匹配结果为一致,拒绝目标对象的业务请求,可以使得高风险场景中对目标对象的风险名单匹配更为严格,仅对高风险业务场景下的目标对象进行更为严格的模糊匹配,可以在保证目标对象的风险识别准确性的同时,提升业务请求的处理效率。
在一种可能的实现方式中,业务控制模块107,还可以用于若精确匹配结果为一致,拒绝目标对象的业务请求。
在一种可能的实现方式中,业务控制模块107,还可以用于若精确匹配结果为不一致、且业务场景类型为低风险场景类型,对目标对象的业务请求进行处理。
在一种可能的实现方式中,业务控制模块107,还可以用于若模糊匹配结果为不一致,对目标对象的业务请求进行处理。
在一种可能的实现方式中,第二匹配模块105,可以包括:
身份标识转换单元,用于若精确匹配结果为不一致、且业务场景类型为高风险场景类型,对目标对象的身份标识进行转换,得到目标对象对应的多个目标身份标识。
精确匹配单元,用于将目标对象对应的多个目标身份标识和第三方风险名单进行精确匹配,得到模糊匹配结果。
在一种可能的实现方式中,第二匹配模块105可以包括:
匹配值确定单元,用于若精确匹配结果为不一致、且业务场景类型为高风险场景类型,根据第三方风险名单,对目标对象的每种属性信息进行匹配值分析处理,得到每种属性信息对应的匹配值。
目标匹配值确定单元,用于对每种属性信息对应的匹配值进行加权求和,得到目标对象对应的目标匹配值。
模糊匹配单元,用于根据目标对象对应的目标匹配值确定模糊匹配结果。
在一种可能的实现方式中,业务控制模块507可以包括:
风险函数确定单元,用于若模糊匹配结果为一致,确定目标属性信息的风险相关性函数。
风险结果确定单元,用于根据风险相关性函数确定风险相关性结果。
控制单元,用于当风险相关性结果满足预设相关性条件时,拒绝目标对象的业务请求。
在一种可能的实现方式中,该装置还可以包括:
周期性信息获取模块,用于周期性获取目标对象的新的目标对象信息和新的第三方风险名单。
第三匹配模块,用于将新的目标对象信息和新的第三方风险名单进行模糊匹配,得到新的模糊匹配结果。
业务控制模块,还可以用于若新的模糊匹配结果不一致,对目标对象的业务请求进行处理。
本申请另一方面还提供一种用于业务请求的处理的电子设备框图,如图11所示,该电子设备可以是服务器,该电子设备可以包括通过系统总线连接的处理器、存储器和网络接口。其中,该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种业务请求的处理方法。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本公开方案相关的部分结构的框图,并不构成对本公开方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在示例性实施例中,还提供了一种计算机可读存储介质,当该计算机可读存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行本公开实施例中的业务请求的处理方法。计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行本公开实施例中的业务请求的处理方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如本发明的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在本发明的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者系统程序(如计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,也可以在载体信号上提供,或者以任何其他形式提供。
应该注意的是,上述实施例是对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或者步骤等。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干系统的单元权利要求中,这些系统中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二以及第三等的使用不表示任何顺序,可将这些单词解释为名称。
Claims (11)
1.一种业务请求的处理方法,其特征在于,所述方法包括:
响应于目标对象的业务请求,获取目标对象信息、业务场景类型、预设风险名单和第三方风险名单,所述目标对象信息包括所述目标对象的身份标识;
将所述目标对象的身份标识与所述预设风险名单进行精确匹配,得到精确匹配结果;
若所述精确匹配结果为不一致、且所述业务场景类型为高风险场景类型,将所述目标对象的身份标识和所述第三方风险名单进行模糊匹配,得到模糊匹配结果;
若所述模糊匹配结果为一致,拒绝所述目标对象的业务请求。
2.根据权利要求1所述的方法,其特征在于,所述将所述目标对象的身份标识与所述预设风险名单进行精确匹配,得到精确匹配结果之后,所述方法还包括:
若所述精确匹配结果为一致,拒绝所述目标对象的业务请求。
3.根据权利要求1所述的方法,其特征在于,所述将所述目标对象的身份标识与所述预设风险名单进行精确匹配,得到精确匹配结果之后,所述方法还包括:
若所述精确匹配结果为不一致、且所述业务场景类型为低风险场景类型,对所述目标对象的业务请求进行处理。
4.根据权利要求1所述的方法,其特征在于,所述若所述精确匹配结果为不一致、且所述业务场景类型为高风险场景类型,将所述目标对象的身份标识和所述第三方风险名单进行模糊匹配,得到模糊匹配结果之后,所述方法还包括:
若所述模糊匹配结果为不一致,对所述目标对象的业务请求进行处理。
5.根据权利要求1所述的方法,其特征在于,所述若所述精确匹配结果为不一致、且所述业务场景类型为高风险场景类型,将所述目标对象的身份标识和所述第三方风险名单进行模糊匹配,得到模糊匹配结果包括:
若所述精确匹配结果为不一致、且所述业务场景类型为高风险场景类型,对所述目标对象的身份标识进行转换,得到所述目标对象对应的多个目标身份标识;
将所述目标对象对应的多个目标身份标识和所述第三方风险名单进行精确匹配,得到所述模糊匹配结果。
6.根据权利要求1所述的方法,其特征在于,所述目标对象信息还包括所述目标对象的多种属性信息;
所述若所述精确匹配结果为不一致、且所述业务场景类型为高风险场景类型,将所述目标对象的身份标识和所述第三方风险名单进行模糊匹配,得到模糊匹配结果包括:
若所述精确匹配结果为不一致、且所述业务场景类型为高风险场景类型,根据所述第三方风险名单,对所述目标对象的每种属性信息进行匹配值分析处理,得到每种属性信息对应的匹配值;
对每种属性信息对应的匹配值进行加权求和,得到所述目标对象对应的目标匹配值;
根据所述目标对象对应的目标匹配值确定所述模糊匹配结果。
7.根据权利要求1所述的方法,其特征在于,所述目标对象信息还包括所述目标对象的目标属性信息;
所述若所述模糊匹配结果为一致,拒绝所述目标对象的业务请求包括:
当所述模糊匹配结果为一致时,确定所述目标属性信息的风险相关性函数;
根据所述风险相关性函数确定风险相关性结果;
当所述风险相关性结果满足预设相关性条件时,拒绝所述目标对象的业务请求。
8.根据权利要求1所述的方法,其特征在于,所述若所述模糊匹配结果为一致,拒绝所述目标对象的业务请求之后,所述方法还包括:
周期性获取所述目标对象的新的目标对象信息和新的第三方风险名单;
将所述新的目标对象信息和所述新的第三方风险名单进行模糊匹配,得到新的模糊匹配结果;
若所述新的模糊匹配结果不一致,对所述目标对象的业务请求进行处理。
9.一种业务请求的处理装置,其特征在于,所述装置包括:
信息获取模块,用于响应于目标对象的业务请求,获取目标对象信息、业务场景类型、预设风险名单和第三方风险名单,所述目标对象信息包括目标对象的身份标识;
第一匹配模块,用于将所述目标对象的身份标识与所述预设风险名单进行精确匹配,得到精确匹配结果;
第二匹配模块,用于若所述精确匹配结果为不一致、且所述业务场景类型为高风险场景类型,将所述目标对象的身份标识和所述第三方风险名单进行模糊匹配,得到模糊匹配结果;
业务控制模块,用于若所述模糊匹配结果为一致,拒绝所述目标对象的业务请求。
10.一种电子设备,其特征在于,所述设备包括处理器和存储器,所述存储器中存储有至少一条指令或者至少一段程序,所述至少一条指令或者至少一段程序由所述处理器加载并执行以实现如权利要求1至8任意一项所述的处理方法。
11.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1至8任意一项所述的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110915555.9A CN113361981A (zh) | 2021-08-10 | 2021-08-10 | 一种业务请求的处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110915555.9A CN113361981A (zh) | 2021-08-10 | 2021-08-10 | 一种业务请求的处理方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113361981A true CN113361981A (zh) | 2021-09-07 |
Family
ID=77540882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110915555.9A Pending CN113361981A (zh) | 2021-08-10 | 2021-08-10 | 一种业务请求的处理方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113361981A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131078A (zh) * | 2016-08-29 | 2016-11-16 | 联动优势科技有限公司 | 一种处理业务请求的方法及装置 |
CN109214617A (zh) * | 2017-06-29 | 2019-01-15 | 格局商学教育科技(深圳)有限公司 | 一种互联网金融风险定量评估审核系统 |
CN110264221A (zh) * | 2019-05-15 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 一种针对服务商行业的全链路安全业务联合解决方案 |
CN110619568A (zh) * | 2019-09-17 | 2019-12-27 | 王文斌 | 风险评估报告的生成方法、装置、设备及存储介质 |
CN111915312A (zh) * | 2020-08-06 | 2020-11-10 | 支付宝(杭州)信息技术有限公司 | 风险识别方法及装置和电子设备 |
-
2021
- 2021-08-10 CN CN202110915555.9A patent/CN113361981A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131078A (zh) * | 2016-08-29 | 2016-11-16 | 联动优势科技有限公司 | 一种处理业务请求的方法及装置 |
CN109214617A (zh) * | 2017-06-29 | 2019-01-15 | 格局商学教育科技(深圳)有限公司 | 一种互联网金融风险定量评估审核系统 |
CN110264221A (zh) * | 2019-05-15 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 一种针对服务商行业的全链路安全业务联合解决方案 |
CN110619568A (zh) * | 2019-09-17 | 2019-12-27 | 王文斌 | 风险评估报告的生成方法、装置、设备及存储介质 |
CN111915312A (zh) * | 2020-08-06 | 2020-11-10 | 支付宝(杭州)信息技术有限公司 | 风险识别方法及装置和电子设备 |
Non-Patent Citations (1)
Title |
---|
中国产业经济信息网: "邦盛科技携手渤海银行 实时智能风控助力风险防范", 《百度》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110489520B (zh) | 基于知识图谱的事件处理方法、装置、设备和存储介质 | |
US20180173808A1 (en) | Intent and bot based query guidance | |
CN109949154B (zh) | 客户信息分类方法、装置、计算机设备和存储介质 | |
CN109308305B (zh) | 监测数据的查询方法、装置和计算机设备 | |
CN111163072B (zh) | 机器学习模型中特征值的确定方法、装置及电子设备 | |
CN109086377B (zh) | 设备画像的生成方法、装置及计算设备 | |
CN110674144A (zh) | 用户画像生成方法、装置、计算机设备和存储介质 | |
CN108717426B (zh) | 企业数据的更新方法、装置、计算机设备及存储介质 | |
CN111259952B (zh) | 异常用户识别方法、装置、计算机设备及存储介质 | |
CN109214904B (zh) | 财务造假线索的获取方法、装置、计算机设备和存储介质 | |
US20190180057A1 (en) | Fingerprint-based configuration typing and classification | |
CN112416778A (zh) | 测试用例推荐方法、装置和电子设备 | |
CN112632409A (zh) | 同一用户识别方法、装置、计算机设备和存储介质 | |
CN110516123A (zh) | 数据查询耗时评估方法、装置、计算机设备和存储介质 | |
CN113761210A (zh) | 基于报告文本信息识别的信息处理方法及系统 | |
CN108985755B (zh) | 一种账号状态识别方法、装置及服务器 | |
CN110532773A (zh) | 恶意访问行为识别方法、数据处理方法、装置和设备 | |
CN113361981A (zh) | 一种业务请求的处理方法、装置、设备及介质 | |
CN111597454A (zh) | 一种账号推荐方法及装置 | |
CN110598124A (zh) | 数值属性挖掘方法、装置、计算机设备和存储介质 | |
CN114896955A (zh) | 数据报表加工方法、装置、计算机设备及存储介质 | |
CN115759871A (zh) | 聊天应用活动量计数方法、系统、设备及存储介质 | |
CN115168509A (zh) | 风控数据的处理方法及装置、存储介质、计算机设备 | |
CN114884686A (zh) | 一种php威胁识别方法及装置 | |
CN111144091B (zh) | 客服成员的确定方法、装置以及群成员身份的确定方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210907 |