发明内容
本发明提供一种风控数据处理方法、装置、电子设备及计算机可读存储介质,其主要目的在于能够解决传统的风控系统需要实现将组装规则引擎所需要参数数据导入给规则引擎,以使规则引擎能够返回客户信用风险,一方面外围系统与风控系统二者开裂使用无法统一进行完整的风险控制,导致风险控制业务和评分评级业务的工作人员编码耦合性较大,且沟通成本高;另一方面风控系统日常需求点主要有:字段加工、字段传输、输出规则引擎字段、新增业务操作页面、新增开关、逻辑变更、新数据元接入等,对于每个需求点需要考虑的内容不一样,而目前确认该种需求点的方式通常为人工分析,人工分析则必然存在着分析片面和撰写耗时的缺陷,从而导致风险控制处理功能异常,影响业务的风险评估的问题。
为实现上述目的,本发明提供的一种风控数据处理方法,包括:
基于筛选插件对预制的需求文档进行数据分析以获取初意向数据,并对所述初意向数据进行标准化处理以形成意向文档;
对所述意向文档进行文字提取以形成意向数据和标准化额度,并为所述意向数据和所述标准化额度赋予一个模板号以形成意向稿;
根据所述意向稿提取需求参数,并将所述需求参数上传至预设的规则引擎以形成风控引擎;
通过所述风控引擎判断所获取的资金数据的风险系数,并根据所述风险系数形成风险评估报告以完成风险控制处理。
可选地,所述基于筛选插件对预制的需求文档进行数据分析以获取初意向数据,并对所述初意向数据进行标准化处理以形成意向文档,包括:
建立关于目标业务的需求文档;
对所述需求文档进行汇总以形成需求文档集合;
将所述需求文档集合作为样本数据输入预设的语义识别程序以获取语义识别结果;
对所述语义识别结果进行顺序排列以获取备选意向列表;
通过筛选插件对所述备选意向列表进行扫描阅览以在所述备选意向列表中筛选符合预设条件的初意向数据;
对所述初意向数据进行标准化处理以形成意向文档。
可选地,所述将所述需求文档集合作为样本数据输入预设的语义识别程序以获取语义识别结果,包括:
通过所述语义识别程序提取所述样本数据中的文本特征信息;
将所述特征信息与预先设置的标注相对应;
根据所述标注预测关于所述文档集合的语义信息;
对所述语义信息进行精炼提取以获取语义识别结果。
可选地,所述对所述初意向数据进行标准化处理以形成意向文档,包括:
通过预设的文本生成器将所述初意向数据转换为生成文本;
调整所述生成文本的文本长度及文本格式以生成格式化文本;
对所述格式化文本进行关键词替换,将所述格式化文本中的口语词汇转换为书面词汇,以形成意向文档。
可选地,所述对所述意向文档进行文字提取以形成意向数据和标准化额度,并为所述意向数据和所述标准化额度赋予一个模板号以形成意向稿,包括:
以单帧的形式对所述意向文档进行依次扫描以获取预设的参考文字的参考位置;
在所述参考位置的区域范围内进行二次检索以提取意向数据和标准化额度;
根据所述意向数据和标准化额度发起模板调用请求;
根据所述模板调用请求为所述意向数据和所述标准化额度分配新模板以形成意向稿。
可选地,所述根据所述意向稿提取需求参数,并将所述需求参数上传至预设的规则引擎以形成风控引擎,包括:
基于预设语言编译规则引擎;所述规则引擎为具有数据来源和目标地址的引擎;
预览所述意向稿,将所述意向稿中的意向数据和标准化额度转换为预设格式的需求参数,并将所述需求参数编写至所述规则引擎的接口中以形成中间引擎;
为所述中间引擎开设接口或控件,并将预设的风控规则引入所述接口或控件以形成风控引擎。
可选地,所述通过所述风控引擎判断所获取的资金数据的风险系数,并根据所述风险系数形成风险评估报告以完成风险控制处理,包括:
获取用户相关的资金数据;
通过所述风控引擎判断所述资金数据关于所述需求参数涉及的维度的风险评分;
对所述风险评分进行计算汇总以获取风险系数;
以所述风险参数所涉及的维度为标题行,以所述风险评分为内容行,以所述风险系数为总结数据形成风险评估单;
根据所述风险评估单形成解析术语,并将所述解析术语覆盖在所述风险评估单上形成风险评估报告以完成风险控制处理。
为了解决上述问题,本发明还提供一种风控数据处理装置,所述装置包括:
文档处理单元,用于基于筛选插件对预制的需求文档进行数据分析以获取初意向数据,并对所述初意向数据进行标准化处理以形成意向文档;
模板赋予单元,用于对所述意向文档进行文字提取以形成意向数据和标准化额度,并为所述意向数据和所述标准化额度赋予一个模板号以形成意向稿;
风控引擎单元,用于根据所述意向稿提取需求参数,并将所述需求参数上传至预设的规则引擎以形成风控引擎;
风险评估单元,用于通过所述风控引擎判断所获取的资金数据的风险系数,并根据所述风险系数形成风险评估报告以完成风险控制处理。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的风控数据处理方法中的步骤。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的风控数据处理方法。
本发明实施例首先基于筛选插件对预制的需求文档进行数据分析以获取初意向数据,并对初意向数据进行标准化处理以形成意向文档,再对该意向文档进行文字提取以形成意向数据和标准化额度,并为该意向数据和该标准化额度赋予一个模板号以形成意向稿,而后根据该意向稿提取需求参数,并将该需求参数上传至预设的规则引擎以形成风控引擎,再通过风控引擎判断所获取的资金数据的风险系数,并根据该风险系数形成风险评估报告以完成风险控制处理,如此,当需求分析人员录入需求时,可自动检索历史需求,并给出相应提示,保证当前进行需求分析时基于历史需求,避免衔接问题,并且可自动生成初版需求分析文档,节约了需求分析人员的文档编写时间,而且需求文档初稿按照通用格式、模板生成,格式统一,符合开发人员阅读习惯,可支持需求查阅,对功能点进行归纳展示,便于追溯。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在进行风控管理时,风控系统需要实现组装规则引擎所需要参数数据给规则引擎,返回客户信用风险,额度计算和客户评分评级等结果给外围系统,而风控系统日常需求点主要有:字段加工、字段传输、输出规则引擎字段、新增业务操作页面、新增开关(数据源、决策)、逻辑变更、新数据元接入等,对于每个需求点需要考虑的内容不一样。
而现阶段通常依靠人工来进行需求分析,而该种方式存在以下几种缺陷:
1、由于需求分析人员的经验、考虑问题全面性等人为原因,存在需求考虑不全面的问题;
2、在进行风控系统创建时要了解欲创建的一个功能,需要人为去翻阅历史需求文档,若需求文档分为多个版本,还要翻阅多个需求文档,若文档遗失,那就无法知晓功能内容;
3、需求文档完全依赖需求分析文档人为编写,比较耗时;
4、需求人员编写需求文档可能会因个人编写习惯,存在格式不一等问题;
5、在进行风控系统应用进行风险控制处理时,如果一个功能分多个版本上线,可能因为需求分析人员不是同一个人,导致后面的需求分析人员在分析需求时不知道前期分析内容,可能出现前后衔接问题,从而导致风险控制处理功能异常,影响业务的风险评估。
为了解决上述问题,本发明提供一种风控数据处理方法。参照图1所示,为本发明一实施例提供的风控数据处理方法的流程示意图。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
在本实施例中,风控数据处理方法包括:
S1:基于筛选插件对预制的需求文档进行数据分析以获取初意向数据,并对该初意向数据进行标准化处理以形成意向文档;
S2:对该意向文档进行文字提取以形成意向数据和标准化额度,并为该意向数据和该标准化额度赋予一个模板号以形成意向稿;
S3:根据该意向稿提取需求参数,并将该需求参数上传至预设的规则引擎以形成风控引擎;
S4:通过该风控引擎判断所获取的资金数据的风险系数,并根据该风险系数形成风险评估报告以完成风险控制处理。
在图1所示的实施例中,步骤S1为基于筛选插件对预制的需求文档进行数据分析以获取初意向数据,并对该初意向数据进行标准化处理以形成意向文档,其中,基于筛选插件对预制的需求文档进行数据分析以获取初意向数据,并对该初意向数据进行标准化处理以形成意向文档的步骤,包括:
S11:建立关于目标业务的需求文档;
S12:对需求文档进行汇总以形成需求文档集合;
S13:将需求文档集合作为样本数据输入预设的语义识别程序以获取语义识别结果;
S14:对语义识别结果进行顺序排列以获取备选意向列表;
S15:通过筛选插件对备选意向列表进行扫描阅览以在备选意向列表中筛选符合预设条件的初意向数据;
S16:对初意向数据进行标准化处理以形成意向文档;
其中,在步骤S13中,将需求文档集合作为样本数据输入预设的语义识别程序以获取语义识别结果的步骤,包括:
S131:通过语义识别程序提取所述样本数据中的文本特征信息;
S132:将特征信息与预先设置的标注相对应;
S133:根据标注预测关于所述文档集合的语义信息;
S134:对语义信息进行精炼提取以获取语义识别结果;
在步骤S16中,对初意向数据进行标准化处理以形成意向文档的步骤,包括:
S161:通过预设的文本生成器将初意向数据转换为生成文本;
S162:调整生成文本的文本长度及文本格式以生成格式化文本;
S163:对所述格式化文本进行关键词替换,将格式化文本中的口语词汇转换为书面词汇,以形成意向文档;
具体的,在步骤S11中,以贷前风险控制为例,在本实施例中,该需求文档包括可以包括用户的投资愿景,也可以包括用户的资产规模质量、经营状况、核心竞争力、行业发展前景、管理层的品格、操守和经营作风、历史征信记录等情况,在此不作具体限制,需求文档越详细则生成的意向文档越详尽,如此方能进行全面详尽的分析,从而规则引擎的精度更高,进而形成的规则引擎方能够根据企业状况获取调研报告以作为项目评审的决策依据。
在步骤S12中,对需求文档进行汇总以形成需求文档集合即为采集一定量的需求文档汇集在一起,可以汇总为一个文件夹也可以为一个压缩数据包,具体的数量不作具体限制,可以根据目标业务的详情而定。
在步骤S13中,该语义识别程序可以为一个预设好的程序,该程序可以根据多个关键字匹配到与该关键字相对应的与预设的标签,而后根据该标签调取数据库中与该标签对应的词汇或短语,从而匹配为流畅的语句,而后将该语句作为语义信息,在对语义信息进行精炼提取即可获取语义识别结果。
该语义识别程序也可以为一个预设好的模型,该模型应用语义理解技术,尤其是语义分析技术,以及训练而成的机器人问答技术,具体的训练方式不作具体限制,可以基于AI(Artificial Intellegence,人工智能)技术实现,也可以基于人工智能技术中的机器学习(Machine learning,ML)技术实现的,即通过机器学习中的深度学习(Deep Learning)实现;本实施例中该模型可以基于任意可用于语义识别的人工神经网络的结构构建,例如语义识别模型,其可以基于双向Transformer的编码器实现,也可以基于循环神经网络实现,即以首先提取该样本数据的序列(sequence)数据,在将该序列数据为输入,在序列的演进方向进行递归和循环,以按照链式连接形成闭合回路的递归神经网络,从而通过该模型,当该样本数据输入该模型,该模型即可通过提取样本数据中的文本特征信息,而后将特征信息与预先设置的标注相对应,然后根据该标注自动预测关于文档集合的语义信息,最后对该语义信息进行加工处理,精炼为语义识别结果,从而将采集来的需求文档这种样本数据转换为文字格式的数据。
在步骤S15中,通过筛选插件对备选意向列表进行扫描阅览以在备选意向列表中筛选符合预设条件的初意向数据,该预设条件不做具体限制,在本实施例中,该预设条件为字数限制,即设置一个字数阈值,若备选列表中的语义识别结果的字数超过了该字数阈值,即表示其为有表达内容的语义识别结果,若少于该阈值,则将该语义识别结果作为无效的语义识别结果,当然也可以该语义识别结果的所处领域作为筛选的预设条件,在此不作赘述。
在步骤S16中,该文本生成器可自动将数据转换为文字,将文字转换为文档,该文本生成器的具体型式不做限制,在本实施例中,该文本生成器为基于神经网络的文本生成器,具体的,其包括长短期记忆网络(LSTM)和softmax激活层,该LSTM用于生成文本序列,该softmax函数作为激活函数,输出指定类别的文本。
在图1所示的实施例中,步骤S2为对该意向文档进行文字提取以形成意向数据和标准化额度,并为该意向数据和该标准化额度赋予一个模板号以形成意向稿;其中,对该意向文档进行文字提取以形成意向数据和标准化额度,并为该意向数据和该标准化额度赋予一个模板号以形成意向稿的步骤,包括:
S21:以单帧的形式对该意向文档进行依次扫描以获取预设的参考文字的参考位置;
S22:在该参考位置的区域范围内进行二次检索以提取意向数据和标准化额度;
S23:根据该意向数据和标准化额度发起模板调用请求;
S24:根据该模板调用请求为该意向数据和该标准化额度分配新模板以形成意向稿;其中,该新模板的编号与该调用请求的请求序列号一一对应;
具体的,在步骤S21中,以单帧的形式即为以单个图像数据的形式,若该意向文档为仅存储简单的ASCII或Unicode的text文本文件,或者为存储带有格式的HTML文件则需要将其转换为静态图像的模式,每一页图像为一帧;若该意向文档为存储内容丰富的,图文并茂的PDF格式,则需要将该PDF文档进行分页处理,每一页为一帧;若为JPEG格式,则可直接对此扫描;
该参考文字为提前预设的,其为通常与意向数据和标准化额度相连贯使用的词汇或短语,在本实施例中,该参考文字为“意愿”、“希望”、“需求”、“提供”、“提供方”、“企业”、“字段”等;
在步骤S22中,该区域范围为提前预设的,即以参考位置为原点,向四周辐射预设范围以形成二次检索的区域,该区域范围可以以向量形式表示,也可以公式表示,在本实施例中,以字节或单帧的像素个数表示;
在步骤S24中,该模板采用java模板技术,即通过java事先编辑好模板,当收到模板调用请求时,首先会先对该模板调用请求进行安全判断,具体的安全判断方式不作具体限制,可以为密钥,也可以为密钥对,在此不做赘述;而后对该模板调用请求进行解析处理以获取意向数据和标准化额度的数据量,数据量越大,则为其分配的模板越大,并且判断意向数据和标准化额度是否同时出现,并根据二者的出现情况及数据量大小绘制出与其相对应的模板。
在图1所示的实施例中,步骤S3为根据该意向稿提取需求参数,并将该需求参数上传至预设的规则引擎以形成风控引擎;其中,根据该意向稿提取需求参数,并将该需求参数上传至预设的规则引擎以形成风控引擎的步骤,包括:
S31:基于预设语言编译规则引擎;规则引擎为具有数据来源和目标地址的引擎;
S32:预览意向稿,将意向稿中的意向数据和标准化额度转换为预设格式的需求参数,并将需求参数编写至规则引擎的接口中以形成中间引擎;
S33:为中间引擎开设接口或控件,并将预设的风控规则引入接口或控件以形成风控引擎;
在步骤S31中,该预设语言为.Net4.0的C#语言;在编译规则引擎时使用Ckrule规则引擎决策表,在本实施例中使用表格的形式以直观地创建该规则引擎的规则;该规则为列表形式;而规则引擎可以从数据库读取决策表并加载,以实现公司的完整的大系统与该规则引擎的隔离;
在步骤S32中,该预设格式的需求参数可以为任意语言,在本实施例中,采用字符串的形式,以便于将该需求参数输入至该规则引擎中;
在步骤S33中,接口或控件可以为一段规则性的程序或者插件,在本实施例中,为规则性程序,比如IsBrand(“条件”),Discount(结果,”名称”),即具备哪些条件,资金减少多少,虽然其为插件,但用户输入时看不到该运算方式,并且能够立即获取结果,而且该规则在规则池中产生,规则池生成的规则也会保存在数据库中,调用风控引擎时才会加载,以减少操作内存的占用。
在图1所示的实施例中,步骤S4为通过该风控引擎判断所获取的资金数据的风险系数,并根据该风险系数形成风险评估报告以完成风险控制处理;其中,通过风控引擎判断所获取的资金数据的风险系数,并根据风险系数形成风险评估报告以完成风险控制处理的步骤,包括:
S41:获取用户相关的资金数据;
S42:通过该风控引擎判断资金数据关于需求参数涉及的维度的风险评分;
S43:对风险评分进行计算汇总以获取风险系数;
S44:以风险参数所涉及的维度为标题行,以风险评分为内容行,以风险系数为总结数据形成风险评估单;
S45:根据风险评估单形成解析术语,并将解析术语覆盖在风险评估单上形成风险评估报告以完成风险控制处理。
具体的,在进行风险评分时该该标准化额度具有参考意义,该意向数据对维度具有一定意义,即需求参数根据该意向数据产生,该需求参数涉及的维度即想要获取的风控引擎中务必涉及的需求点,比如在确定风控引擎的字段加工、字段时点,就需要跟提供方确认需求点,例如是否能够提供,什么环节能够提供、以什么样的形式提供、字段的格式是什么样的、是否存在为空的情况、如果为空该怎么处理,还要跟规则引擎确认什么时候需要、需要的字段格式是什么样的,而该需求点表现在计算机语言上即为需求参数,从而提高风控引擎的风险控制精度。
本发明提供的风控数据处理方法,首先基于筛选插件对预制的需求文档进行数据分析以获取初意向数据,并对初意向数据进行标准化处理以形成意向文档,再对该意向文档进行文字提取以形成意向数据和标准化额度,并为该意向数据和该标准化额度赋予一个模板号以形成意向稿,而后根据该意向稿提取需求参数,并将该需求参数上传至预设的规则引擎以形成风控引擎,再通过风控引擎判断所获取的资金数据的风险系数,并根据该风险系数形成风险评估报告以完成风险控制处理,如此,当需求分析人员录入需求时,可自动检索历史需求,并给出相应提示,保证当前进行需求分析时基于历史需求,避免衔接问题,并且可自动生成初版需求分析文档,节约了需求分析人员的文档编写时间,而且需求文档初稿按照通用格式、模板生成,格式统一,符合开发人员阅读习惯,可支持需求查阅,对功能点进行归纳展示,便于追溯。
如上所述,在图1所示的实施例中,本发明提供的风控数据处理方法具有以下优点:①对需求文档进行汇总以形成需求文档集合,将需求文档集合作为样本数据输入预设的语义识别程序以获取语义识别结果,再对语义识别结果进行顺序排列以获取备选意向列表,而后形成初意向数据,避免了人工采集,防止人工考虑不全面的问题;②根据意向数据和标准化额度发起模板调用请求,再根据模板调用请求为意向数据和标准化额度分配新模板以形成意向稿,二次生成意向稿,提高需求点提取的精度;③通过风控引擎判断资金数据关于需求参数涉及的维度的风险评分,再对风险评分进行计算汇总以获取风险系数,该风控引擎中编有需求参数,即风控分析更加贴合用户需求,而风险控制管理精度更高;并且,客户信用风险、额度计算和客户评分评级均有风控引擎完成,风控效率高,减少工作人员工作量。
如图2所示,本发明提供一种风控数据处理装置100,本发明可以安装于电子设备中。根据实现的功能,该风控数据处理装置100可以包括文档处理单元101、模板赋予单元102、风控引擎单元103、风险评估单元104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
文档处理单元101,用于基于筛选插件对预制的需求文档进行数据分析以获取初意向数据,并对初意向数据进行标准化处理以形成意向文档;
模板赋予单元102,用于对意向文档进行文字提取以形成意向数据和标准化额度,并为意向数据和标准化额度赋予一个模板号以形成意向稿;
风控引擎单元103,用于根据意向稿提取需求参数,并将需求参数上传至预设的规则引擎以形成风控引擎;
风险评估单元104,用于通过风控引擎判断所获取的资金数据的风险系数,并根据风险系数形成风险评估报告以完成风险控制处理。
其中,文档处理单元101基于筛选插件对预制的需求文档进行数据分析以获取初意向数据,并对该初意向数据进行标准化处理以形成意向文档的步骤,包括:
建立关于目标业务的需求文档;
对需求文档进行汇总以形成需求文档集合;
将需求文档集合作为样本数据输入预设的语义识别程序以获取语义识别结果;
对语义识别结果进行顺序排列以获取备选意向列表;
通过筛选插件对备选意向列表进行扫描阅览以在备选意向列表中筛选符合预设条件的初意向数据;
对初意向数据进行标准化处理以形成意向文档;
其中,将需求文档集合作为样本数据输入预设的语义识别程序以获取语义识别结果的步骤,包括:
通过语义识别程序提取样本数据中的文本特征信息;
将特征信息与预先设置的标注相对应;
根据标注预测关于文档集合的语义信息;
对语义信息进行精炼提取以获取语义识别结果;
对初意向数据进行标准化处理以形成意向文档的步骤,包括:
通过预设的文本生成器将初意向数据转换为生成文本;
调整生成文本的文本长度及文本格式以生成格式化文本;
对格式化文本进行关键词替换,将格式化文本中的口语词汇转换为书面词汇,以形成意向文档。
模板赋予单元102对该意向文档进行文字提取以形成意向数据和标准化额度,并为该意向数据和该标准化额度赋予一个模板号以形成意向稿的步骤,包括:
以单帧的形式对该意向文档进行依次扫描以获取预设的参考文字的参考位置;
在该参考位置的区域范围内进行二次检索以提取意向数据和标准化额度;
根据该意向数据和标准化额度发起模板调用请求;
根据该模板调用请求为该意向数据和该标准化额度分配新模板以形成意向稿;其中,该新模板的编号与该调用请求的请求序列号一一对应。
风控引擎单元103根据该意向稿提取需求参数,并将该需求参数上传至预设的规则引擎以形成风控引擎的步骤,包括:
基于预设语言编译规则引擎;规则引擎为具有数据来源和目标地址的引擎;
预览意向稿,将意向稿中的意向数据和标准化额度转换为预设格式的需求参数,并将需求参数编写至所述规则引擎的接口中以形成中间引擎;
为所述中间引擎开设接口或控件,并将预设的风控规则引入所述接口或控件以形成风控引擎。
风险评估单元104通过风控引擎判断所获取的资金数据的风险系数,并根据风险系数形成风险评估报告以完成风险控制处理的步骤,包括:
获取用户相关的资金数据;
通过该风控引擎判断所述资金数据关于需求参数涉及的维度的风险评分;
对风险评分进行计算汇总以获取风险系数;
以风险参数所涉及的维度为标题行,以风险评分为内容行,以风险系数为总结数据形成风险评估单;
根据风险评估单形成解析术语,并将解析术语覆盖在风险评估单上形成风险评估报告以完成风险控制处理。
如上所述,本发明提供的风控数据处理装置100,首先通过文档处理单元101基于筛选插件对预制的需求文档进行数据分析以获取初意向数据,并对初意向数据进行标准化处理以形成意向文档,再对通过模板赋予单元102该意向文档进行文字提取以形成意向数据和标准化额度,并为该意向数据和该标准化额度赋予一个模板号以形成意向稿,而后通过风控引擎单元103根据该意向稿提取需求参数,并将该需求参数上传至预设的规则引擎以形成风控引擎,再使风险评估单元104通过风控引擎判断所获取的资金数据的风险系数,并根据该风险系数形成风险评估报告以完成风险控制处理,如此,当需求分析人员录入需求时,可自动检索历史需求,并给出相应提示,保证当前进行需求分析时基于历史需求,避免衔接问题,并且可自动生成初版需求分析文档,节约了需求分析人员的文档编写时间,而且需求文档初稿按照通用格式、模板生成,格式统一,符合开发人员阅读习惯,可支持需求查阅,对功能点进行归纳展示,便于追溯。
如图3所示,本发明提供一种风控数据处理方法的电子设备1。
该电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在存储器11中并可在所述处理器10上运行的计算机程序,如风控数据处理程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如风控数据处理程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如风控数据处理程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的风控数据处理程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
基于筛选插件对预制的需求文档进行数据分析以获取初意向数据,并对该初意向数据进行标准化处理以形成意向文档;
对该意向文档进行文字提取以形成意向数据和标准化额度,并为该意向数据和该标准化额度赋予一个模板号以形成意向稿;
根据该意向稿提取需求参数,并将该需求参数上传至预设的规则引擎以形成风控引擎;
通过该风控引擎判断所获取的资金数据的风险系数,并根据该风险系数形成风险评估报告以完成风险控制处理。
如此,以优化代码的保护强度,使得攻击者无法轻易拿到表征代码逻辑信息的字符串,同时针对每一个字符串,都有对应的密钥和加密模式,也使得攻击者破解的难度大大增加,防止攻击者拿到App业务逻辑的原始信息,并且破坏逆向过程的闭环,即使攻击者拿到了其他的信息,也无法继续进行破解。
具体地,所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。需要强调的是,为进一步保证上述风控数据处理的私密和安全性,上述风控数据处理的数据存储于本服务器集群所处区块链的节点中。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明实施例还提供一种计算机可读存储介质,所述存储介质可以是非易失性的,也可以是易失性的,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现:
基于筛选插件对预制的需求文档进行数据分析以获取初意向数据,并对该初意向数据进行标准化处理以形成意向文档;
对该意向文档进行文字提取以形成意向数据和标准化额度,并为该意向数据和该标准化额度赋予一个模板号以形成意向稿;
根据该意向稿提取需求参数,并将该需求参数上传至预设的规则引擎以形成风控引擎;
通过该风控引擎判断所获取的资金数据的风险系数,并根据该风险系数形成风险评估报告以完成风险控制处理。
具体地,所述计算机程序被处理器执行时具体实现方法可参考实施例风控数据处理方法中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。