CN113628036A - 一种基于大数据风险探测模型的方法及装置 - Google Patents
一种基于大数据风险探测模型的方法及装置 Download PDFInfo
- Publication number
- CN113628036A CN113628036A CN202110935193.XA CN202110935193A CN113628036A CN 113628036 A CN113628036 A CN 113628036A CN 202110935193 A CN202110935193 A CN 202110935193A CN 113628036 A CN113628036 A CN 113628036A
- Authority
- CN
- China
- Prior art keywords
- early warning
- model
- risk
- scene
- risk early
- 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
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及信息技术领域,提供了一种基于大数据参数化规则集配置的风险探测的方法及装置。本发明的目的在于解决信贷业务审批中不同产品不同金额风险监测维度不同而造成的配置/实现繁琐复杂而且方式各异的困境,在达到维度的具体实现及探测规则配置的操作分离的同时,逐步统一管理实现的开发及维护方式,降低特殊化规则制定的实施成本。本申请主要方案包括根据业务场景规则要求初始化相关探测项,并在具体审批使用场景中配置所需维度参数,并配置执行逻辑和执行结果处理逻辑,从配置规则引用实体对象中,获取关联规则集依赖的实体对象数据,并初始化到实体对象数据池,给规则执行逻辑进行规则执行,并得到规则结果及执行结果逻辑的风险监测结果。
Description
技术领域
本发明涉及信息技术领域,提供了一种基于大数据风险探测模型的的方法及装置。
背景技术
对于系统风险探测模型配置的构想是为寻求稳定的可配置方式,并可根据实际业务需求的变化去增加或者更换探测场景及模型,寻求控制风险与扩展业务之间的平衡点。通过风险探测模型的方法及装置在审批中的应用,实现不同条线、不同机构、不同人员的灵活检测提示和配置。
面向业务人员和系统开发人员的风险预警规则引擎,目的是目的在于解决信贷业务审批中不同产品不同金额风险监测维度不同而造成的配置/实现繁琐复杂而且方式各异的困境,在达到维度的具体实现及探测规则配置的操作分离的同时,逐步统一管理实现的开发及维护方式,降低特殊化规则制定的实施成本。
发明内容
本发明的目的在于解决信贷业务审批中不同产品不同金额风险监测维度不同而造成的配置/实现繁琐复杂而且方式各异的困境,在达到维度的具体实现及探测规则配置的操作分离的同时,逐步统一管理实现的开发及维护方式,降低特殊化规则制定的实施成本。
为解决上述技术问题本发明采用的技术方案,具体实施方式如下:
一种基于大数据风险探测预警的方法及装置,其特征在于,
步骤1:建立风险预警模型池,根据业务逻辑规则进行检查预警模型的开发并初始化到模型池;
步骤2:建立使用风险预警的场景,根据业务阶段以及产品进行场景类型的初始化,从步骤1得到的模型池中配置该场景的预警模型;
步骤3:按照步骤2配置的预警场景中,根据业务模式及要求配置需要执行的预警模型,并配置每个预警模型的探测结果未检测通过时显示逻辑及规则(提示,禁止),每个模型规则进行逻辑“与”;
步骤4:根据风险预警的场景编号进行风险预警规则执行,得到并展示风险预警模型执行结果;
步骤5:风险预警模型执行结果则是最终的审批结果,其中一个模型规则执行结果为禁止时,结果为false,则进行该笔业务的拦截。其他结果为true,则该笔业务可以进行后续操作。
所述步骤1包括以下步骤:
步骤1.1:根据业务场景配置模型名称,模型编号,模型执行类型(java,sql,Script),模型执行状态(锁定,生效,停用),编辑执行结果提示语。
步骤1.2:制定模型执行规则,根据业务规则进行模型处理逻辑的开发,并将执行规则开发完成的模型初始化到模型池;
所述步骤2包括以下步骤:
步骤2.1:建立预警场景,根据对应的产品和审批阶段建立对应的预警场景;
步骤2.2:根据对应的的预警场景,从模型池中选择产品和审批所需规则模型,进行风险预警规则配置。
所述步骤3包括以下步骤:
步骤3.1:对模型执行结果配置对外显示输出的状态。选择步骤2.2中的预警模型,对探测结果未检测通过时显示逻辑及规则(提示,禁止)。
步骤3.2:按照步骤2.1配置的风险预警场景,进行模型执行得到每个模型的执行结果results,用iava的for循环进行模型的执行遍历。
所述步骤4包括以下步骤:
步骤4.1:获取实体对象数据池、模型池,传入预警场景参数;
步骤4.2:根据场景编号,数据池和模型池,使风险预警模型执行逻辑,进行规则执行:获取每个预警模型规则的规则执行结果;如果其中含有规则为res ults=2(禁止),则为false,则最终返回false,否则结果为true。
本发明还提供了一种基于参数化规则集配置的审批授权的装置,包括:
初始化模型池模块:定义预警模型所需模型名称,模型编号,模型执行类型(java,sql,Script),模型执行状态(锁定,生效,停用),编辑执行结果提示语,根据业务规则进行模型处理逻辑的开发,并将执行规则开发完成的模型初始化到模型池;
授权场景模块:建立预警场景,根据对应的产品和审批阶段建立对应的预警场景,从模型池中选择产品和审批所需规则模型,进行风险预警规则配置;
规则配置模块:按照配置的预警场景,根据业务场景配置需要执行的预警模型,并配置每个预警模型的探测结果未检测通过时显示逻辑及规则(提示,禁止),每个模型规则进行逻辑“与”;
逻辑执行模块:根据风险预警的场景编号进行风险预警规则执行,得到并展示风险预警模型执行结果;
结果输出模块:风险预警模型执行结果则是最终的审批结果,其中一个模型规则执行结果为禁止时,结果为false,则进行该笔业务的拦截。其他结果为true,则该笔业务可以进行后续操作。
上述技术方案中,初始化参数池模块包括:
建立风险预警模型池,根据业务逻辑规则进行检查预警模型的开发并初始化到模型池;
建立使用风险预警的场景,根据业务阶段以及产品进行场景类型的初始化,从步骤1得到的模型池中配置该场景的预警模型;
上述技术方案中,授权场景模块包括:
建立预警场景,根据对应的产品和审批阶段建立对应的预警场景;
根据对应的的预警场景,从模型池中选择产品和审批所需规则模型,进行风险预警规则配置。
上述技术方案中,规则配置模块:
对模型执行结果配置最终状态。选择步骤2.2中的预警模型,对探测结果未检测通过时显示逻辑及规则(提示,禁止)。
按照步骤2.2配置的场景group,进行模型执行得到每个模型的执行结果results,用java的for循环进行模型的执行遍历。
上述技术方案中,逻辑执行模块:
获取实体对象数据池、模型池,传入预警场景参数;
根据场景编号,数据池和模型池,使风险预警模型执行逻辑,进行规则执行:获取每个预警模型规则的规则执行结果;如果其中含有规则为results=2(禁止),则为false,则最终返回false,否则结果为true。
因为本发明采用上述技术方案,因此具备以下有益效果:
信贷授权旨在健全内部控制体系,增强防范和风控控制能力,降低人为检查判断,提供效率,实现风险收益的最优化。合理的预警场景可以大大的减少人工检查,降低风险,并极大的提供效率,对于预警场景建设的构想为寻求稳定的授权可配置方式,并可根据实际业务需求的变化维护预警场景,寻求控制风险与扩展业务之间的平衡点。通过授权方案在授解决信贷业务审批中不同产品不同金额风险监测维度不同而造成的配置/实现繁琐复杂而且方式各异的困境。
本申请的核心是风险探测场景与风险预警模型的组合,且实现风险探测场景自主配置。主要内容是,一是根据监管要求以及审批要求进行风险预警模型的开发建立,形成模型池。。二是针对实际业务对应风险预警场景选择模型池中需要执行的风险探测模型,并根据审批要求进行风险探测模型执行结果的配置。
本申请主要方案包括根据监管及审批规则要求进行风险探测模型的开发并初始化至模型池,并在具体业务配置风险探测场景及对应选择模型池中需要执行的风险探测模型,并配置执行逻辑和执行结果处理逻辑,从配置规则引用实体对象中,获取关联规则集依赖的实体对象数据,并初始化到实体对象数据池,给规则执行逻辑进行规则执行,并得到规则结果及执行结果逻辑的最终探测结果。
附图说明
图1为业务嵌入风险预警执行流程。
具体实施方式
本发明涉及信息技术领域,提供了一种基于大数据风险探测模型的的方法及装置解决方案,本发明的目的在于解决信贷业务审批中不同产品不同金额风险监测维度不同而造成的配置/实现繁琐复杂而且方式各异的困境,在达到维度的具体实现及探测规则配置的操作分离的同时,逐步统一管理实现的开发及维护方式,降低特殊化规则制定的实施成本。
实施例
本发明提供了一种基于大数据风险探测模型的的方法及装置,其特征在于,
步骤1:建立风险预警模型池,根据业务逻辑规则进行检查预警模型的开发并初始化到模型池;
步骤2:建立使用风险预警的预警场景,根据业务阶段以及产品进行预警场景类型的初始化,从步骤1得到的模型池中配置该预警场景的预警模型;
比如授信探测场景,选择客户完整性检测模型,客户在行内所属总额度的检查模型等。
步骤3:按照步骤2配置的预警场景中,根据业务模式及要求配置需要执行的预警模型,并配置每个预警模型的探测结果,如探测结果未检测通过时显示逻辑及规则(提示,禁止),每个模型规则进行逻辑“与”;
每个预警场景中都包含若干个模型,每个模型都会得出执行结果,结果检查通过时,模型的最终结果则为通过,并给出对应的提示语。检查不通过时,根据配置的规则,模型的最终结果可为提示/禁止,并给出对应的提示语。
根据最终场景结果,实现通过或拦截操作。
最终场景结果执行逻辑具体是指:
1、比如场景中探测模型结果有一个或多个禁止时,实现拦截操作,则进行该笔业务的拦截,无法进行下一级审批操作。
2、比如规则集成立时,实现通过操作,则该笔业务可以进行后续操作。
步骤4:根据风险预警的场景编号进行风险预警规则执行,得到并展示风险预警模型执行结果;
步骤5:风险预警模型执行结果则是最终的审批结果,其中一个模型规则执行结果为禁止时,结果为false,则进行该笔业务的拦截。其他结果为true,则该笔业务可以进行后续操作。
上述技术方案中,所述步骤1包括以下步骤:
步骤1.1:通过参数实现载体DefaultSynonymnImp1.java类中getXXXX()方法从实体对象中获取,可获取实体对象关联的所有字段信息,作为模型执行基础方案配置的参数。
步骤1.2:定义预警模型所需模型model名称,模型编号num,模型执行类型(java,sql,Script),模型执行状态status(锁定,生效,停用),编辑执行结果提示语,制定模型model执行规则,根据业务规则进行模型处理逻辑的开发,并将执行规则开发完成的模型初始化到模型池;
举例说明
客户信息完整性检测模型,业务判断规则为,客户证件号码cretid,通讯地址信息message的完整性。选择执行类型为sql,执行状态status=1(生效),通过提示语(检查完成),未通过提示语(客户信息不完整)。
根据载体DefaultSynonymnImpl.java类中getXXXX()方法从实体对象中获取客户编号,通过客户编号抓取数据库中的客户信息,判断抓取的客户cretid,message是否为空,为空则为模型执行未通过,显示客户信息不完整,否则为执行通过,显示检查完成。
上述技术方案中,所述步骤2包括以下步骤:
步骤2.1:建立预警场景,根据对应的产品和审批阶段建立对应的预警场景;
步骤2.2:根据对应的的预警场景group,从模型池中选择产品和审批所需规则模型model,进行风险预警规则配置。
举例说明
授信审批场景group,选取客户信息完整性检测模型。在进行授信审批提交时,就会触发授信申请场景group,会执行客户完整性检查模型model。
上述技术方案中,所述步骤3包括以下步骤:
步骤3.1:对模型执行结果配置最终状态。选择步骤2.2中的预警模型,对探测结果未检测通过时显示逻辑及规则results(1.提示,2.禁止)。
步骤3.2:按照步骤2.2配置的场景group,进行模型执行得到每个模型的执行结果results,用java的for循环进行模型的执行遍历。
上述技术方案中,所述步骤4包括以下步骤:
步骤4.1:获取实体对象数据池、模型池,传入预警场景参数;
步骤4.2:根据场景编号,数据池和模型池,使风险预警模型执行逻辑,进行规则执行:获取每个预警模型规则的规则执行结果;如果其中含有规则为res ults=2(禁止),则为false,则最终返回false,否则结果为true。
Claims (10)
1.一种基于大数据风险探测预警的方法,其特征在于,
步骤1:建立风险预警模型池,根据业务逻辑规则进行检查风险预警模型的开发并初始化到模型池;
步骤2:建立使用风险预警的场景,根据业务阶段以及产品进行场景类型的初始化,从步骤1得到的模型池中配置该场景的风险预警模型;
步骤3:按照步骤2配置的预警场景中,根据业务模式及要求配置需要执行的风险预警模型,并配置每个预警模型的探测结果,当探测结果未检测通过时显示逻辑及规则,每个风险预警模型的规则进行逻辑“与”;
步骤4:根据风险预警的场景编号进行风险预警模型的规则执行,得到并展示风险预警模型执行结果;
步骤5:风险预警模型执行结果则是最终的审批结果,其中一个模型规则执行结果为禁止时,结果为false,则进行该笔业务的拦截,其他结果为true,则该笔业务可以进行后续操作。
2.根据权利要求1所述的一种基于大数据风险探测预警的方法,其特征在于,所述步骤1包括以下步骤:
步骤1.1:根据业务场景配置风险预警模型名称,风险预警模型编号,风险预警模型执行类型,风险预警模型执行状态,编辑执行结果提示语;
步骤1.2:制定风险预警模型的执行规则,根据业务规则进行风险预警模型处理逻辑的开发,并将执行规则开发完成的风险预警模型初始化到模型池。
3.根据权利要求1所述的一种基于大数据风险探测预警的方法,其特征在于,所述步骤2包括以下步骤:
步骤2.1:建立预警场景,根据对应的产品和审批阶段建立对应的预警场景;
步骤2.2:根据对应的预警场景,从风险预警模型池中选择产品和审批所需的风险预警模型,进行风险预警模型的规则配置。
4.根据权利要求1所述的一种基于大数据风险探测预警的方法,其特征在于,所述步骤3包括以下步骤:
步骤3.1:对风险预警模型执行结果配置对外显示输出的状态,选择步骤2.2中的风险预警模型,对探测结果未检测通过时显示逻辑及规则;
步骤3.2:按照步骤2.1配置的风险预警场景,进行风险预警模型执行得到每个风险预警模型的执行结果results,循环进行所有风险预警模型的执行遍历。
5.根据权利要求1所述的一种基于大数据风险探测预警的方法,其特征在于,所述步骤4包括以下步骤:
步骤4.1:获取实体对象数据池、模型池,传入预警场景参数;
步骤4.2:根据预警场景的场景编号,数据池和模型池,使风险预警模型执行逻辑,进行规则执行,获取每个风险预警模型的规则执行结果;如果其中含有规则为results=2,则为false,则最终返回false,否则结果为true。
6.一种基于大数据风险探测预警的装置,其特征在于,
初始化模型池模块:定义风险预警模型所需的模型名称,模型编号,模型执行类型,模型执行状态,编辑执行结果提示语,根据业务规则进行风险预警模型处理逻辑的开发,并将执行规则开发完成的风险预警模型初始化到模型池;
授权场景模块:建立预警场景,根据对应的产品和审批阶段建立对应的预警场景,从模型池中选择产品和审批所需的风险预警模型,进行风险预警模型的规则配置;
规则配置模块:按照配置的预警场景,根据业务场景配置需要执行的风险预警模型,并配置每个风险预警模型的探测结果,如探测结果未检测通过时显示逻辑及规则,每个风险预警模型规则进行逻辑“与”;
逻辑执行模块:根据预警场景的场景编号进行风险预警模型的规则执行,得到并展示风险预警模型执行结果;
结果输出模块:风险预警模型执行结果则是最终的审批结果,其中一个风险预警模型的规则执行结果为禁止时,结果为false,则进行该笔业务的拦截,其他结果为true,则该笔业务可以进行后续操作。
7.根据权利要求6所述的一种基于大数据风险探测预警的装置,其特征在于,初始化参数池模块包括:
建立风险预警模型池,根据业务逻辑规则进行检查风险预警模型的开发并初始化到模型池;
建立使用风险预警的场景,根据业务阶段以及产品进行场景类型的初始化,从步骤1得到的模型池中配置该场景的风险预警模型。
8.根据权利要求6所述的一种基于大数据风险探测预警的方法及装置,其特征在于,授权场景模块包括:
建立预警场景,根据对应的产品和审批阶段建立对应的预警场景;
根据对应的预警场景,从模型池中选择产品和审批所需风险预警模型,进行风险预警模型的规则配置。
9.根据权利要求6所述的一种基于大数据风险探测预警的装置,其特征在于,规则配置模块:
对风险预警模型执行结果配置对外显示输出的状态,选择步骤2.2中的风险预警模型,对探测结果未检测通过时显示逻辑及规则;
按照步骤2.1配置的风险预警场景,进行风险预警模型执行得到每个风险预警模型的执行结果results,循环进行风险预警模型的执行遍历。
10.根据权利要求6所述的一种基于大数据风险探测预警的装置,其特征在于,逻辑执行模块:
获取实体对象数据池、模型池,传入预警场景参数;
根据预警场景的场景编号,数据池和模型池,使风险预警模型执行逻辑,进行规则执行,获取每个风险预警模型的规则执行结果;如果其中含有规则为results=2,则为false,则最终返回false,否则结果为true。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110935193.XA CN113628036A (zh) | 2021-08-16 | 2021-08-16 | 一种基于大数据风险探测模型的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110935193.XA CN113628036A (zh) | 2021-08-16 | 2021-08-16 | 一种基于大数据风险探测模型的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113628036A true CN113628036A (zh) | 2021-11-09 |
Family
ID=78385524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110935193.XA Pending CN113628036A (zh) | 2021-08-16 | 2021-08-16 | 一种基于大数据风险探测模型的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113628036A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107424069A (zh) * | 2017-08-17 | 2017-12-01 | 阿里巴巴集团控股有限公司 | 一种风控特征的生成方法、风险监控方法及设备 |
CN108428103A (zh) * | 2017-12-28 | 2018-08-21 | 深圳萨摩耶互联网金融服务有限公司 | 决策引擎和决策方法 |
CN110837963A (zh) * | 2019-11-06 | 2020-02-25 | 浪潮卓数大数据产业发展有限公司 | 一种基于数据、模型及策略的风险控制平台建设方法 |
US20200211127A1 (en) * | 2018-12-31 | 2020-07-02 | Exxonmobil Upstream Research Company | Methods and Systems for Performing Decision Scenario Analysis |
CN112862339A (zh) * | 2021-02-25 | 2021-05-28 | 厦门渊亭信息科技有限公司 | 一种风险决策方法及系统 |
CN112907234A (zh) * | 2021-05-08 | 2021-06-04 | 武汉众邦银行股份有限公司 | 一种基于动态配置规则的决策引擎实现方法 |
CN113256408A (zh) * | 2021-07-06 | 2021-08-13 | 中证信用云科技(深圳)股份有限公司 | 基于消费金融的风险控制方法、系统和计算机设备 |
-
2021
- 2021-08-16 CN CN202110935193.XA patent/CN113628036A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107424069A (zh) * | 2017-08-17 | 2017-12-01 | 阿里巴巴集团控股有限公司 | 一种风控特征的生成方法、风险监控方法及设备 |
CN108428103A (zh) * | 2017-12-28 | 2018-08-21 | 深圳萨摩耶互联网金融服务有限公司 | 决策引擎和决策方法 |
US20200211127A1 (en) * | 2018-12-31 | 2020-07-02 | Exxonmobil Upstream Research Company | Methods and Systems for Performing Decision Scenario Analysis |
CN110837963A (zh) * | 2019-11-06 | 2020-02-25 | 浪潮卓数大数据产业发展有限公司 | 一种基于数据、模型及策略的风险控制平台建设方法 |
CN112862339A (zh) * | 2021-02-25 | 2021-05-28 | 厦门渊亭信息科技有限公司 | 一种风险决策方法及系统 |
CN112907234A (zh) * | 2021-05-08 | 2021-06-04 | 武汉众邦银行股份有限公司 | 一种基于动态配置规则的决策引擎实现方法 |
CN113256408A (zh) * | 2021-07-06 | 2021-08-13 | 中证信用云科技(深圳)股份有限公司 | 基于消费金融的风险控制方法、系统和计算机设备 |
Non-Patent Citations (2)
Title |
---|
纪佩宇;印杰;武旭红;: "面向物联网的大数据预警信息高速处理规则引擎", 计算机与数字工程, no. 09 * |
胡明国;: ""互联网+"时代下商业银行信用风险智慧模型体系构建思考", 中国金融电脑, no. 06 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109189750B (zh) | 数据分析工作流的运行方法、数据分析系统及存储介质 | |
CN108614770A (zh) | 自动化测试断言方法、装置、存储介质及设备 | |
CN106021093A (zh) | 一种测试用例复用的方法及系统 | |
CN104765745B (zh) | 对数据库中的加载数据进行逻辑验证的方法和系统 | |
CN112700329A (zh) | 一种风控规则引擎的响应方法和风控规则引擎 | |
CN104375943A (zh) | 一种基于静态模型的嵌入式软件黑盒测试用例生成方法 | |
CN110968437A (zh) | 一种基于Java智能合约的单个合约并行执行的方法、装置、设备及介质 | |
CN114218568B (zh) | 一种应用于云服务的大数据攻击处理方法及系统 | |
CN111985504A (zh) | 基于人工智能的翻拍检测方法、装置、设备及介质 | |
CN106203852A (zh) | 在线稽查规则确定方法及装置、业务处理方法及系统 | |
CN111339136A (zh) | 一种数据检核方法、装置、电子设备及存储介质 | |
CN113628036A (zh) | 一种基于大数据风险探测模型的方法及装置 | |
CN111161052A (zh) | 银行作业数据的处理方法及装置 | |
CN105573984B (zh) | 社会经济指标的识别方法及装置 | |
TWI802056B (zh) | 資料核對方法、裝置、設備、系統及存儲介質 | |
CN110322346A (zh) | 一种支持uxto模型的条件可设定支付方法及系统 | |
CN114491662B (zh) | 一种基于区块链的数据资产审计方法、系统及设备 | |
CN116089277A (zh) | 神经网络算子测试、直播应用方法及其装置、设备、介质 | |
CN111784521B (zh) | 基于现金流测试的数据处理方法、装置、设备及系统 | |
CN107133780A (zh) | 一种开放式任务集中管理方法和装置 | |
CN113824847B (zh) | 计费异常的确定方法、装置、计算设备及计算机存储介质 | |
CN113792159B (zh) | 一种知识图谱数据融合方法和系统 | |
CN113052675B (zh) | 数据展示方法和装置 | |
US11816681B2 (en) | Image authentication method and real-time product authentication system | |
CN118260199A (zh) | 一种测试方法、装置、电子设备及计算机可读介质 |
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 |