CN113888050A - 一种基于规则引擎实现风控规则配置化的方法 - Google Patents
一种基于规则引擎实现风控规则配置化的方法 Download PDFInfo
- Publication number
- CN113888050A CN113888050A CN202111317264.6A CN202111317264A CN113888050A CN 113888050 A CN113888050 A CN 113888050A CN 202111317264 A CN202111317264 A CN 202111317264A CN 113888050 A CN113888050 A CN 113888050A
- Authority
- CN
- China
- Prior art keywords
- wind control
- model
- service
- control service
- decision
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Stored Programmes (AREA)
Abstract
本发明公开了一种基于规则引擎实现风控规则配置化的方法,其特征在于,包括:在风控平台中匹配风控业务特征;生成一个风控模型模板;将风控业务规则填充到风控模型模板中,生成新的风控模型元数据提交给服务端;解析程序根据风控模型元数据,在风控业务的全链路风控过程中生成风控模型执行器;分析风控业务的过程,绘制风控服务决策流程图;生成风控服务决策流程执行器;业务系统发起风控服务调用;运行风控服务决策流程执行器;生成风控服务决策流程的执行结果和风控服务报告。达到提升风控服务定义的效率和正确率;避免用户手动编写规则执行逻辑,降低了定义模型的复杂度,提升定义模型的效率;增加系统灵活度,降低维护难度的效果。
Description
技术领域
本发明涉及计算机信息处理技术规则处理领域,特别是涉及一种基于规则引擎实现风控规则配置化的方法。
背景技术
风控是指风险控制,风控规则具有不确定性,随着风控业务的发展和业务量的增长,风控人员需要不断地调整和丰富风控规则,来满足越来越复杂的业务风控逻辑,提供更好的风控服务。所述风控业务,是各行业实际要处理的事务;所述风控服务是风控平台提供的服务。
现有公开技术中,通常采用如下的方法步骤:
步骤1:直接编写规则描述文件。
步骤2:上传规则描述文件。
步骤3:解析规则描述文件,生成规则执行器。
步骤4:规则引擎将规则执行器加载至知识库中。
步骤5:编写Excel格式的决策流程描述文件。
步骤6:上传Excel格式的决策流程描述文件。
步骤7:解析Excel格式的决策流程描述文件,生成决策流程执行器。
步骤8:规则引擎将决策流程执行器加载至知识库中。
步骤9:调用新创建的决策流程执行器。
上述步骤存在以下缺陷:
(1)规则描述文件语法复杂,风控人员难以掌握,且容易出错。
(2)Excel格式的决策流程描述文件晦涩难懂,极难维护。
针对上述存在缺陷,专利“一种风险控制决策引擎装置”(申请号:202110812040.6)提供了涵盖变量库、组件库、策略、决策实验室及决策引擎的方法,通过使用变量库中变量进行规则的配置,进而通过使用组件库的规则进行多个场景中决策策略的配置,然而该方案虽然能根据实际情况灵活变换和调整规则,但仍存在抽象规则困难的问题,并不能解决抽象规则的困难。
因此,需要一种更适用的风控规则配置化的方法。
发明内容
本发明所要解决的技术问题是克服现有技术的不足,提供一种基于规则引擎实现风控规则配置化的方法。
为解决上述技术问题,本发明提供一种基于规则引擎实现风控规则配置化的方法,其特征在于,包括如下步骤:
步骤1:在风控平台提供的风控业务的特征库中,匹配当前风控业务中相同的风控业务特征;所述风控业务特征库是风控业务特征的集合;
步骤2:对于匹配的每一个风控业务特征,风控平台通过预设的风控模型模板生成器,将一个风控业务特征抽象生成一个风控模型模板;所述风控模型模板是让用户设置风控指标和逻辑运算符的表单;
步骤3:风控平台在风控模型模板库中查找是否存在相同风控业务特征的风控模型模板,如若存在,则将步骤2抽象生成的风控模型模板更新到模板库中;如若不存在,则将步骤2抽象生成的风控模型模板添加到模板库中;
步骤4:风控平台将风控业务规则填充到风控模型模板中,生成新的风控模型元数据;所述风控业务规则是指风控业务的判断逻辑;
步骤5:通过风控平台将风控模型元数据提交给服务端;
步骤6:服务端预设的风控模型元数据解析程序根据风控模型元数据,生成风控模型执行器;所述风控模型执行器用于执行风控模型,输出风控模型的执行结果;所述风控模型是风控运算逻辑的程序包。
步骤7:重复上述步骤1至步骤6,在风控业务的全链路风控过程中生成风控模型执行器;
步骤8:分析风控业务的过程,总结出风控服务的决策流程,根据风控服务的决策流程,在风控平台上绘制风控服务决策流程图;
步骤9:通过风控平台将风控服务决策流程图元数据提交给服务端;
步骤10:服务端预设的风控服务决策流程图元数据解析程序根据风控服务决策流程图元数据,生成风控服务决策流程执行器,所述风控服务决策流程执行器用于执行风控服务决策流程,控制风控服务决策流程的执行步骤,输出风控服务决策流程的执行结果;
步骤11:业务系统发起风控服务调用;所述业务系统是风控平台之外各业务团队持有的需要使用风控服务的系统;
步骤12:风控服务接口根据服务编码和服务版本号,在规则引擎的知识库中查找相关的风控服务决策流程执行器;如果未查找到相关的风控服务决策流程执行器,则从数据库中查找相关的风控服务决策流程图元数据,通过风控服务决策流程图元数据,生成风控服务决策流程执行器,并添加至规则引擎的知识库中;所述风控服务接口是风控平台提供服务的总入口,所述服务编码是风控服务的唯一识别号,所述服务版本号用于标识服务的不同版本,同一时刻同一个服务只能启用一个版本;
步骤13:运行风控服务决策流程执行器,根据风控服务决策流程图计算的决策路径,执行至流程结束,所述决策路径是决策流程实际执行的路径;
步骤14:生成风控服务决策流程的执行结果和风控服务报告。
所述步骤1中,所述风控业务特征库包含的特征有:反欺诈业务特征、授信业务特征、还款业务特征、公司资质业务特征、登录业务特征、分销业务特征、支付业务特征。
所述步骤2中,所述风控业务特征抽象成风控模型模板的方法是:风控平台根据风控业务特征和风控模型模板生成器的关联关系,查找能将风控业务特征转化为风控模型模板的风控模型模板生成器;所述风控模型模板生成器包括:规则模型模板生成器、规则集模型模板生成器、黑名单模型模板生成器、决策树模型模板生成器、评分卡模型模板生成器、人工智能模型模板生成器、第三方模型模板生成器;所述业务特征和风控模型模板生成器的关联关系包括:登录业务特征关联规则模型模板生成器、反欺诈业务特征关联规则集模型模板生成器、授信业务特征关联评分卡模型模板生成器、分销业务特征关联人工智能模板生成器、支付业务特征关联第三方模型模板生成器。
所述步骤4中,所述判断逻辑包括:在登录业务中,同账号不能在多端登录。
所述步骤6中,所述风控模型执行器是Drools规则引擎运行时所需的执行文件;所述风控模型元数据解析程序生成风控模型执行器包括:使用Velocity模板引擎运行Velocity模板,将风控模型元数据设置到Velocity模板中,生成Drools规则引擎运行时所需的执行文件。
所述步骤7中,所述风控业务的全链路风控过程中生成风控模型执行器,包括:在绘制风控服务决策流程图时,模型节点上设置的风控模型生成风控模型执行器。
所述步骤8中,所述风控服务决策流程图包含:流程开始节点、风控模型节点、风控决策节点、流程结束节点;所述流程开始节点是风控服务决策流程的起点,用于标识风控服务决策流程开始;所述风控模型节点用于当流程流转至此类节点时,执行风控模型节点上的风控模型;所述风控模型节点的类型包括:规则模型节点、规则集模型节点、决策树模型节点、评分卡模型节点、黑名单模型节点、人工智能模型节点、第三方模型节点;所述风控决策节点上的决策逻辑会根据当前流程中的过程数据,计算当前流程的下一个节点,用于控制流程流转方向;所述流程结束节点是风控服务决策流程的终点,用于标识风控服务决策流程结束;所述绘制风控服务决策流程图的方法是:在风控平台提供的风控服务决策流程图在线画布上,拖拽各流程节点并连接,然后设置风控模型节点上的模型,接着在风控决策节点上描述流程流转逻辑,形成一幅风控服务决策流程图。
所述步骤10中,所述风控服务决策流程执行器是Drools规则引擎决策流模块运行时所需的遵循BPMN协议的XML格式的执行文件;所述风控服务决策流程图元数据解析程序根据标准BPMN协议,将风控服务决策流程图元数据转换为遵循BPMN协议的XML格式的可执行文件。
所述步骤13包括:
步骤13-1:运行风控服务决策流程执行器,执行流程开始节点;
步骤13-2:执行风控模型节点,根据节点上设置的风控模型,在规则引擎的知识库中查找相关的风控模型执行器;如果未查找到相关的风控模型执行器,则从数据库中查找相关的模型执行文件,通过模型执行文件,生成模型执行器,并添加至规则引擎的知识库中;
步骤13-3:运行风控模型执行器,将运行结果添加至流程会话中;所述流程会话,是Drools规则引擎提供的暂存风控决策流程执行中的过程数据的缓存,风控决策执行流程每一次运行,都会生成一个新的流程会话;
步骤13-4:执行风控决策节点,根据决策逻辑,计算出风控服务决策流程的下一个风控模型节点;
步骤13-5:重复步骤13-1至步骤13-4,直至决策流程执行至流程结束节点。
本发明所达到的有益效果:
(1)本发明实现了在风控平台提供的在线画布上通过拖拽绘图的方式定义风控服务决策流的功能,可以通过集成标准BPMN规范,避免用户通过复杂的Excel配置的方式定义风控服务决策流,提升风控服务定义的效率和正确率;
(2)本发明实现了将不可执行的风控模型元数据转换成风控模型执行器,避免用户手动编写规则执行逻辑,降低了定义模型的复杂度,可以通过集成Velocity模板引擎,提升定义模型的效率。
(3)本发明实现了风控决策流和风控模型动态加载和执行,避免在增加决策流程和模型的时候,手动调整系统中加载和执行的逻辑,可以通过集成Drools规则引擎,增加系统灵活度,降低维护难度。
附图说明
图1为本发明的示例性实施例的方法步骤流程简图;
图2为本发明的示例性实施例的风控规则配置化的方法流程图;
图3为本发明的示例性实施例的风控服务决策流程配置化方法流程图;
图4为本发明的示例性实施例的小贷风控服务调用过程流程图。
具体实施方式
下面结合附图和示例性实施例对本发明作进一步的说明:
如图1所示的本发明的示例性实施例的主要方法步骤流程简图,包括如下步骤:
步骤1:在风控平台提供的风控业务的特征库中,匹配当前风控业务中相同的风控业务特征;所述风控业务特征库是风控业务特征的集合;
步骤2:对于匹配的每一个风控业务特征,风控平台通过预设的风控模型模板生成器,将一个风控业务特征抽象生成一个风控模型模板;所述风控模型模板是让用户设置风控指标和逻辑运算符的表单;
步骤3:风控平台在风控模型模板库中查找是否存在相同风控业务特征的风控模型模板,如若存在,则将步骤2抽象生成的风控模型模板更新到模板库中;如若不存在,则将步骤2抽象生成的风控模型模板添加到模板库中;
步骤4:风控平台将风控业务规则填充到风控模型模板中,生成新的风控模型元数据;所述风控业务规则是指风控业务的判断逻辑;
步骤5:通过风控平台将风控模型元数据提交给服务端;
步骤6:服务端预设的风控模型元数据解析程序根据风控模型元数据,生成风控模型执行器;所述风控模型执行器用于执行风控模型,输出风控模型的执行结果;所述风控模型是风控运算逻辑的程序包。
步骤7:重复上述步骤1至步骤6,在风控业务的全链路风控过程中生成风控模型执行器;
步骤8:分析风控业务的过程,总结出风控服务的决策流程,根据风控服务的决策流程,在风控平台上绘制风控服务决策流程图;
步骤9:通过风控平台将风控服务决策流程图元数据提交给服务端;
步骤10:服务端预设的风控服务决策流程图元数据解析程序根据风控服务决策流程图元数据,生成风控服务决策流程执行器,所述风控服务决策流程执行器用于执行风控服务决策流程,控制风控服务决策流程的执行步骤,输出风控服务决策流程的执行结果;
步骤11:业务系统发起风控服务调用;所述业务系统是风控平台之外各业务团队持有的需要使用风控服务的系统;
步骤12:风控服务接口根据服务编码和服务版本号,在规则引擎的知识库中查找相关的风控服务决策流程执行器;如果未查找到相关的风控服务决策流程执行器,则从数据库中查找相关的风控服务决策流程图元数据,通过风控服务决策流程图元数据,生成风控服务决策流程执行器,并添加至规则引擎的知识库中;所述风控服务接口是风控平台提供服务的总入口,所述服务编码是风控服务的唯一识别号,所述服务版本号用于标识服务的不同版本,同一时刻同一个服务只能启用一个版本;
步骤13:运行风控服务决策流程执行器,根据风控服务决策流程图计算的决策路径,执行至流程结束,所述决策路径是决策流程实际执行的路径;
步骤14:生成风控服务决策流程的执行结果和风控服务报告。
更具体的,在本发明的一个示例性实施例中,包括如下步骤:
步骤S1:风控业务人员分析风控业务特点,总结出风控业务的特征。所述风控业务人员分析风控业务特点的方法是:在风控平台提供的风控业务特征库中,匹配和当前业务风控流程相似的特征。所述风控业务的特征是用于风控判断的风控流程。所述风控业务特征库是风控业务特征的集合。所述风控业务特征库包含的特征有:反欺诈业务特征、授信业务特征、还款业务特征、公司资质业务特征、登录业务特征、分销业务特征、支付业务特征等。
步骤S2:风控平台将每一个风控业务特征抽象成一个风控模型模板。所述风控模型模板是让用户设置风控指标和逻辑运算符的表单。所述风控业务特征抽象成风控模型模板的方法是:风控平台根据业务特征和风控模型模板生成器的关联关系,查找能将业务特征转化为风控模型模板的风控模型模板生成器。所述风控模型模板生成器有:规则模型模板生成器、规则集模型模板生成器、黑名单模型模板生成器、决策树模型模板生成器、评分卡模型模板生成器、人工智能模型模板生成器、第三方模型模板生成器等。所述业务特征和风控模型模板生成器的关联关系有:登录业务特征关联规则模型模板生成器、反欺诈业务特征关联规则集模型模板生成器、授信业务特征关联评分卡模型模板生成器、分销业务特征关联人工智能模板生成器、支付业务特征关联第三方模型模板生成器等。
步骤S3:风控平台在风控模型模板库中根据风控业务特征查找匹配是否存在相同的风控模型模板,所述风控业务特征与风控模型模板的匹配方式是判定生成风控模型模板的风控业务特征与当前进行匹配的风控业务特征是否相同。如若存在,则将步骤S2抽象生成的风控模型模板更新到模板库中;如若不存在则将步骤S2抽象生成的风控模型模板添加到模板库中。
步骤S4:风控平台将风控业务规则填充到风控模型模板中,生成新的风控模型元数据。所述风控业务规则是指风控业务的实际判断逻辑,比如,判断逻辑中包括:在登录业务中,存在同账号不能在多端登录的规则。
步骤S5:风控平台运维通过风控平台将风控模型元数据提交给服务端。
步骤S6:风控平台服务端的风控模型元数据解析程序根据风控模型元数据,生成风控模型执行器。所述风控模型元数据解析程序生成风控模型执行器的方法是:使用Velocity模板引擎,运行Velocity模板,然后将风控模型元数据设置到Velocity模板中,生成Drools规则引擎运行时所需的执行文件。所述风控模型执行器是指Drools规则引擎运行时所需的执行文件。
步骤S7:重复上述步骤S1至步骤S6,生成业务全链路风控过程中需要使用到的风控模型执行器,所述需要用到的风控模型执行器,是指在绘制风控服务决策流程图时,在模型节点上设置的风控模型生成的风控模型执行器。
步骤S8:风控业务人员分析风控业务的过程,总结出风控服务的决策流程。风控平台运维人员根据风控服务决策流程,在风控平台上绘制风控服务决策流程图。所述风控服务决策流程图是包含流程开始节点、风控模型节点、风控决策节点、流程结束节点内容的图。所述流程开始节点,是风控服务决策流程的起点,标识风控服务决策流程开始,没有实际逻辑。所述风控模型节点是包含风控模型的节点,当流程流转至此类节点时,会执行风控模型节点上的风控模型。所述风控模型节点的类型有:规则模型节点、规则集模型节点、决策树模型节点、评分卡模型节点、黑名单模型节点、人工智能模型节点、第三方模型节点等。所述风控决策节点是用来控制流程流转方向的节点,该节点上的决策逻辑会根据当前流程中的过程数据,来计算当前流程的下一个节点。所述流程结束节点,是风控服务决策流程的终点,标识风控服务决策流程结束,没有实际逻辑。所述绘制风控服务决策流程图的方法是:在风控平台提供的风控服务决策流程图在线画布上,拖拽各流程节点并连接,然后设置风控模型节点上的模型,接着在风控决策节点上描述流程流转逻辑,最终形成一幅风控服务决策流程图。
步骤S9:风控平台运维人员通过风控平台将风控服务决策流程图元数据提交给服务端。
步骤S10:风控平台服务端的风控服务决策流程图元数据解析程序根据风控服务决策流程图元数据,生成风控服务决策流程执行器。所述风控服务决策流程执行器是指Drools规则引擎决策流模块运行时所需的遵循BPMN协议的XML格式的执行文件。所述风控服务决策流程图元数据解析程序生成风控服务决策流程执行器的方法是:根据标准BPMN协议,将风控服务决策流程图元数据转换为遵循BPMN协议的XML格式的可执行文件。
步骤S11:业务系统发起风控服务调用。所述业务系统是指风控平台之外,各业务团队持有的,需要使用风控服务的系统。
步骤S12:风控服务接口根据服务编码和服务版本号,在规则引擎的知识库中查找相关的风控服务决策流程执行器。如果未查找到相关的风控服务决策流程执行器,则从数据库中查找相关的风控服务决策流程图元数据,通过风控服务决策流程图元数据,生成风控服务决策流程执行器,并添加至规则引擎的知识库中。所述风控服务接口是风控平台提供服务的总入口,所有接入风控平台的业务系统,都使用该入口发起风控服务请求。所述服务编码,是风控服务的唯一识别号,服务编码相同的服务,就是同一个服务。所述服务版本号,是用来标识服务的不同版本,同一时刻,同一个服务,只能启用一个版本。
引入服务版本号,是为了支持服务升级、服务版本回退的功能。所述服务升级,是业务在发展的过程中,原有的风控规则不再适用,风控平台将原有的风控服务升级,产生新版本的风控服务;服务升级完成后,旧版本服务上的流量将会路由至新版本上。所述服务版本回退,是指当前版本的风控服务,在运行时存在问题,切换至旧版本的操作;服务版本回退成功后,当前服务其他版本的流量将会路由至新切换的版本。
步骤S13:运行风控服务决策流程执行器,根据风控服务决策流程图计算的决策路径,执行至流程结束,所述决策路径是决策流程实际执行的路径;
所述步骤S13包括:
步骤S13-1:运行风控服务决策流程执行器,执行流程开始节点;
步骤S13-2:执行风控模型节点,根据节点上设置的风控模型,在规则引擎的知识库中查找相关的风控模型执行器;如果未查找到相关的风控模型执行器,则从数据库中查找相关的模型执行文件,通过模型执行文件,生成模型执行器,并添加至规则引擎的知识库中;
步骤S13-3:运行风控模型执行器,将运行结果添加至流程会话中;所述流程会话,是Drools规则引擎提供的暂存风控决策流程执行中的过程数据的缓存,风控决策执行流程每一次运行,都会生成一个新的流程会话;
步骤S13-4:执行风控决策节点,根据决策逻辑,计算出风控服务决策流程的下一个风控模型节点;
步骤S13-5:重复步骤S13-1至步骤S13-4,直至决策流程执行至流程结束节点。
步骤S14:生成执行结果和风控服务报告。
所述步骤S13的决策流程中,相比于现有技术,本发明增加了专职的风控决策节点,在风控决策节点上直接计算当前风控模型节点的下一个风控模型节点,创造性的采用风控平台提供的在线画布绘制风控服务决策流程图,使性能得到的大幅的提升。
如图2所示的本发明实施例中风控模型配置化方法流程图,具体步骤有:
步骤101:风控业务人员分析小贷业务,总结出需要根据用户的历史行为来判断用户是否存在欺诈可能,需要根据用户的信用评级来判断用户的授信额度。
步骤102:风控平台根据上述特征,抽象出反欺诈规则模型模板和信用评级评分卡模型模板。
步骤103:风控平台在风控模型模板库中查找反欺诈规则模型相关的模板。风控模型模板库中存在相关模板,不重新生成新的反欺诈规则模型模板。
步骤104:风控平台在风控模型模板库中查找信用评级评分卡模型模板。风控模型模板库中不存在相关模板,制作信用评级评分卡模型模板并添加至风控模型模板库中。
步骤105:风控平台根据反欺诈业务规则和反欺诈规则模型模板,生成反欺诈规则模型元数据,并提交给风控平台服务端解析程序。
步骤106:风控平台服务端解析程序根据反欺诈规则模型元数据,生成反欺诈规则模型执行器,并添加至风控模型知识库中。
步骤107:风控平台运维根据信用评级业务规则和信用评级评分卡模型模板,生成信用评级评分卡模型元数据,并提交给风控平台服务端解析程序。
步骤108:风控平台服务端解析程序根据信用评级评分卡模型元数据,生成信用评级评分卡模型执行器,并添加至风控模型知识库中。
如图3所示的本发明实施例中风控服务决策流程配置化方法流程图,具体步骤有:
步骤201:风控业务人员分析小贷业务的过程,总结出小贷业务的风控决策流程。在小贷业务开展的过程中,通过反欺诈规则模型识别存在欺诈可能的用户,如果用户存在欺诈可能,则拒绝贷款;如果用户不存在欺诈可能,则通过信用评级评分卡模型计算用户的信用评级,根据用户的信用评级,确定用户的授信额度。
步骤202:风控平台运维根据小贷业务风控决策流程,在风控平台在线绘制小贷业务风控决策流程图,并提交给服务端决策流程图解析程序解析。
步骤203:风控平台服务端决策流程图解析程序,根据小贷业务风控决策流程图,生成可执行的小贷业务风控决策流程执行器,并添加至风控决策流程知识库中。
如图4为本发明实施例中小贷风控服务调用过程流程图,具体步骤有:
步骤301:小贷业务系统发起小贷风控服务调用。
步骤302:风控平台根据小贷风控服务的服务编码和服务版本号,在风控决策流程知识库中查找小贷业务风控决策流程执行器。未找到相关的执行器,从数据库中查找小贷业务风控决策流程图,根据流程图,生成执行器,并添加至风控决策流程知识库中。
步骤303:运行小贷业务风控决策流程执行器,执行反欺诈规则模型。
步骤304:反欺诈规则模型显示用户不存在欺诈风险,当前节点风控通过,流程顺利转移至信用评级评分卡模型节点。
步骤305:执行信用评级评分卡模型,显示用户的信用评级一般。当前节点风控结束,流程顺利转移至下一节点。
步骤306:流程转移至结束节点,输出小贷用户风控报告,用户不存在欺诈可能,信用评级一般。
本发明主要用于提供一种基于规则引擎实现风控规则配置化的方法,其有益效果在于:
(1)本发明实现了在风控平台提供的在线画布上通过拖拽绘图的方式定义风控服务决策流的功能,可以通过集成标准BPMN规范,避免用户通过复杂的Excel配置的方式定义风控服务决策流,提升风控服务定义的效率和正确率。
(2)本发明实现了将不可执行的风控模型元数据转换成风控模型执行器,避免用户手动编写规则执行逻辑,降低了定义模型的复杂度,可以通过集成Velocity模板引擎,提升定义模型的效率。
(3)本发明实现了风控决策流和风控模型动态加载和执行,避免在增加决策流程和模型的时候,手动调整系统中加载和执行的逻辑,可以通过集成Drools规则引擎,增加系统灵活度,降低维护难度。
以上实施例不以任何方式限定本发明,凡是对以上实施例以等效变换方式做出的其它改进与应用,都属于本发明的保护范围。
Claims (9)
1.一种基于规则引擎实现风控规则配置化的方法,其特征在于,包括如下步骤:
步骤1:在风控平台提供的风控业务特征库中,匹配当前风控业务中相同的风控业务特征;所述风控业务特征库是风控业务特征的集合;
步骤2:对于匹配的每一个风控业务特征,风控平台通过预设的风控模型模板生成器,将一个风控业务特征抽象生成一个风控模型模板;所述风控模型模板是让用户设置风控指标和逻辑运算符的表单;
步骤3:风控平台在风控模型模板库中查找是否存在相同风控业务特征的风控模型模板,如若存在,则将步骤2抽象生成的风控模型模板更新到模板库中;如若不存在,则将步骤2抽象生成的风控模型模板添加到模板库中;
步骤4:风控平台将风控业务规则填充到风控模型模板中,生成新的风控模型元数据;所述风控业务规则是指风控业务的判断逻辑;
步骤5:通过风控平台将风控模型元数据提交给服务端;
步骤6:服务端预设的风控模型元数据解析程序根据风控模型元数据,生成风控模型执行器;所述风控模型执行器用于执行风控模型,输出风控模型的执行结果;所述风控模型是风控运算逻辑的程序包。
步骤7:重复上述步骤1至步骤6,在风控业务的全链路风控过程中生成风控模型执行器;
步骤8:分析风控业务的过程,总结出风控服务的决策流程,根据风控服务的决策流程,在风控平台上绘制风控服务决策流程图;
步骤9:通过风控平台将风控服务决策流程图元数据提交给服务端;
步骤10:服务端预设的风控服务决策流程图元数据解析程序根据风控服务决策流程图元数据,生成风控服务决策流程执行器,所述风控服务决策流程执行器用于执行风控服务决策流程,控制风控服务决策流程的执行步骤,输出风控服务决策流程的执行结果;
步骤11:业务系统发起风控服务调用;所述业务系统是风控平台之外各业务团队持有的需要使用风控服务的系统;
步骤12:风控服务接口根据服务编码和服务版本号,在规则引擎的知识库中查找相关的风控服务决策流程执行器;如果未查找到相关的风控服务决策流程执行器,则从数据库中查找相关的风控服务决策流程图元数据,通过风控服务决策流程图元数据,生成风控服务决策流程执行器,并添加至规则引擎的知识库中;所述风控服务接口是风控平台提供服务的总入口,所述服务编码是风控服务的唯一识别号,所述服务版本号用于标识服务的不同版本,同一时刻同一个服务只能启用一个版本;
步骤13:运行风控服务决策流程执行器,根据风控服务决策流程图计算的决策路径,执行至流程结束,所述决策路径是决策流程实际执行的路径;
步骤14:生成风控服务决策流程的执行结果和风控服务报告。
2.如权利要求1所述的一种基于规则引擎实现风控规则配置化的方法,其特征在于:所述步骤1中,所述风控业务特征库包含的特征有:反欺诈业务特征、授信业务特征、还款业务特征、公司资质业务特征、登录业务特征、分销业务特征、支付业务特征。
3.如权利要求2所述的一种基于规则引擎实现风控规则配置化的方法,其特征在于:所述步骤2中,所述风控业务特征抽象成风控模型模板的方法是:风控平台根据风控业务特征和风控模型模板生成器的关联关系,查找能将风控业务特征转化为风控模型模板的风控模型模板生成器;所述风控模型模板生成器包括:规则模型模板生成器、规则集模型模板生成器、黑名单模型模板生成器、决策树模型模板生成器、评分卡模型模板生成器、人工智能模型模板生成器、第三方模型模板生成器;所述业务特征和风控模型模板生成器的关联关系包括:登录业务特征关联规则模型模板生成器、反欺诈业务特征关联规则集模型模板生成器、授信业务特征关联评分卡模型模板生成器、分销业务特征关联人工智能模板生成器、支付业务特征关联第三方模型模板生成器。
4.如权利要求3所述的一种基于规则引擎实现风控规则配置化的方法,其特征在于:所述步骤4中,所述判断逻辑包括:在登录业务中,同账号不能在多端登录。
5.如权利要求4所述的一种基于规则引擎实现风控规则配置化的方法,其特征在于:所述步骤6中,所述风控模型执行器是Drools规则引擎运行时所需的执行文件;所述风控模型元数据解析程序生成风控模型执行器包括:使用Velocity模板引擎运行Velocity模板,将风控模型元数据设置到Velocity模板中,生成Drools规则引擎运行时所需的执行文件。
6.如权利要求5所述的一种基于规则引擎实现风控规则配置化的方法,其特征在于,所述步骤7中,所述风控业务的全链路风控过程中生成风控模型执行器,包括:在绘制风控服务决策流程图时,模型节点上设置的风控模型生成风控模型执行器。
7.如权利要求6所述的一种基于规则引擎实现风控规则配置化的方法,其特征在于,所述步骤8中,所述风控服务决策流程图包含:流程开始节点、风控模型节点、风控决策节点、流程结束节点;所述流程开始节点是风控服务决策流程的起点,用于标识风控服务决策流程开始;所述风控模型节点用于当流程流转至此类节点时,执行风控模型节点上的风控模型;所述风控模型节点的类型包括:规则模型节点、规则集模型节点、决策树模型节点、评分卡模型节点、黑名单模型节点、人工智能模型节点、第三方模型节点;所述风控决策节点上的决策逻辑会根据当前流程中的过程数据,计算当前流程的下一个节点,用于控制流程流转方向;所述流程结束节点是风控服务决策流程的终点,用于标识风控服务决策流程结束;所述绘制风控服务决策流程图的方法是:在风控平台提供的风控服务决策流程图在线画布上,拖拽各流程节点并连接,设置风控模型节点上的模型,在风控决策节点上描述流程流转逻辑,形成一幅风控服务决策流程图。
8.如权利要求7所述的一种基于规则引擎实现风控规则配置化的方法,其特征在于,所述步骤10中,所述风控服务决策流程执行器是Drools规则引擎决策流模块运行时所需的遵循BPMN协议的XML格式的执行文件;所述风控服务决策流程图元数据解析程序根据标准BPMN协议,将风控服务决策流程图元数据转换为遵循BPMN协议的XML格式的可执行文件。
9.如权利要求8所述的一种基于规则引擎实现风控规则配置化的方法,其特征在于,所述步骤13包括:
步骤13-1:运行风控服务决策流程执行器,执行流程开始节点;
步骤13-2:执行风控模型节点,根据节点上设置的风控模型,在规则引擎的知识库中查找相关的风控模型执行器;如果未查找到相关的风控模型执行器,则从数据库中查找相关的模型执行文件,通过模型执行文件,生成模型执行器,并添加至规则引擎的知识库中;
步骤13-3:运行风控模型执行器,将运行结果添加至流程会话中;所述流程会话,是Drools规则引擎提供的暂存风控决策流程执行中的过程数据的缓存,风控决策执行流程每一次运行,都会生成一个新的流程会话;
步骤13-4:执行风控决策节点,根据决策逻辑,计算出风控服务决策流程的下一个风控模型节点;
步骤13-5:重复步骤13-1至步骤13-4,直至决策流程执行至流程结束节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111317264.6A CN113888050A (zh) | 2021-11-09 | 2021-11-09 | 一种基于规则引擎实现风控规则配置化的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111317264.6A CN113888050A (zh) | 2021-11-09 | 2021-11-09 | 一种基于规则引擎实现风控规则配置化的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113888050A true CN113888050A (zh) | 2022-01-04 |
Family
ID=79017577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111317264.6A Pending CN113888050A (zh) | 2021-11-09 | 2021-11-09 | 一种基于规则引擎实现风控规则配置化的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113888050A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115907835A (zh) * | 2022-12-30 | 2023-04-04 | 深度(山东)数字科技集团有限公司 | 一种基于商业汇票信息的大数据风控及辅助决策分析方法 |
WO2024045400A1 (zh) * | 2022-08-29 | 2024-03-07 | 天翼电子商务有限公司 | 一种支持并行执行的决策流引擎简化方法 |
-
2021
- 2021-11-09 CN CN202111317264.6A patent/CN113888050A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024045400A1 (zh) * | 2022-08-29 | 2024-03-07 | 天翼电子商务有限公司 | 一种支持并行执行的决策流引擎简化方法 |
CN115907835A (zh) * | 2022-12-30 | 2023-04-04 | 深度(山东)数字科技集团有限公司 | 一种基于商业汇票信息的大数据风控及辅助决策分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876121B (zh) | 工单处理方法、装置、计算机设备和存储介质 | |
CN113888050A (zh) | 一种基于规则引擎实现风控规则配置化的方法 | |
WO2021036447A1 (zh) | 基于Flink引擎的业务数据处理方法及装置 | |
CN107506442B (zh) | 一种模型的建模方法及装置 | |
CN115658041B (zh) | 基于在线业务流程编排的低代码增强业务实现方法 | |
CN114625353A (zh) | 模型框架代码生成系统及方法 | |
CN109814856A (zh) | 数据录入方法、装置、终端及计算机可读存储介质 | |
CN111784108B (zh) | 一种主数据管理平台的建模方法和装置 | |
CN116644145B (zh) | 会话数据处理方法、装置、设备和存储介质 | |
US20180114135A1 (en) | Process execution using rules framework flexibly incorporating predictive modeling | |
CN115881106A (zh) | 一种基于多场景语义分析的智能填单方法、设备及介质 | |
CN117311683B (zh) | 一种代码辅助系统、代码辅助处理方法、装置及电子设备 | |
CN110730097A (zh) | 互联网技术架构的构建方法、装置、电子设备和介质 | |
CN112162744A (zh) | 一种基于业务场景的代码自动生成方法及装置 | |
CN114449063B (zh) | 一种报文处理方法、装置及设备 | |
CN103839064B (zh) | 用于提取电子印鉴账户信息的方法和系统 | |
CN115469860A (zh) | 基于指令集的需求到软件领域模型的自动生成方法及系统 | |
CN115330200A (zh) | 用于运营人工智能模型的装置、系统及方法 | |
CN110377934B (zh) | 船用机电产品的设计计算方法及装置 | |
CN112668293B (zh) | 数据报表处理方法 | |
KR102275763B1 (ko) | 딥러닝 모델로부터 딥러닝 어플리케이션을 자동으로 생성하는 방법 및 시스템 | |
CN114861937A (zh) | 一种数据的识别和训练方法 | |
CN115687054A (zh) | 基于业务分割还原的自适应测试方法以及装置 | |
CN113805850A (zh) | 基于多种深度学习和机器学习框架的人工智能管理系统 | |
CN116362634B (zh) | 一种制度流程一体化管理系统、方法、设备及存储介质 |
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 |