CN114091899A - 风险特征识别方法以及装置 - Google Patents
风险特征识别方法以及装置 Download PDFInfo
- Publication number
- CN114091899A CN114091899A CN202111385041.3A CN202111385041A CN114091899A CN 114091899 A CN114091899 A CN 114091899A CN 202111385041 A CN202111385041 A CN 202111385041A CN 114091899 A CN114091899 A CN 114091899A
- Authority
- CN
- China
- Prior art keywords
- risk
- target
- change information
- project data
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000008859 change Effects 0.000 claims abstract description 162
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 230000014509 gene expression Effects 0.000 claims description 41
- 230000004075 alteration Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 21
- 238000010586 diagram Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 10
- 238000012423 maintenance Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000013256 coordination polymer Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013070 change management Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000010970 precious metal Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
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
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供风险特征识别方法以及装置，其中所述风险特征识别方法包括：通过接收存储端发送的变更信息；基于变更信息，确定目标风险识别规则及目标项目数据；进而基于目标风险识别规则，对目标项目数据进行解析，得到目标项目数据的风险特征，得到变更信息的风险特征，发送风险特征至所述存储端。其中，解析的目标项目数据属于变更信息，且解析利用的目标风险识别规则与变更信息对应。因此，相当于针对发生变更信息进行风险特征识别，可以减少针对未发生变更的数据重复进行风险特征识别占用的时间成本、存储成本以及计算成本。可见，本方案可以降低风险特征识别的时间成本、存储成本以及计算成本。
Description
技术领域
本说明书实施例涉及特征识别技术领域，特别涉及一种风险特征识别方法。本说明书同时涉及一种风险特征识别装置，一种计算设备，以及一种计算机可读存储介质。
背景技术
随着互联网技术的发展，越来越多的企业通过计算机实现项目的自动化。在项目的自动化流程中，很可能缺少人工监管，因此，需要自动识别项目的风险特征，以便后续基于项目的风险特征确定项目是否存在合规风险。其中，合规风险是指项目不符合指定规则的风险。
相关技术中，针对需要识别合规风险的目标项目，每隔预设时长，从数据库中获取项目的全部目标数据，结合预设的风险识别规则，分别对每个目标数据进行解析，得到每个目标数据的风险特征。其中，目标数据是指关于项目的数据中反映项目风险特征的数据。并且，目标数据往往是海量的，因此，需要提供更快速的风险特征识别方案。
发明内容
有鉴于此，本说明书施例提供了一种风险特征识别方法。本说明书一个或者多个实施例同时涉及一种风险特征识别装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面，提供了一种风险特征识别方法，应用于服务端，包括：
接收存储端发送的变更信息；
基于所述变更信息，确定目标风险识别规则及目标项目数据；
基于所述目标风险识别规则，对所述目标项目数据进行解析，得到所述目标项目数据的风险特征；
发送所述风险特征至所述存储端。
根据本说明书实施例的第二方面，提供了一种特征识别方法，应用于存储端，包括
在检测到数据变更时，发送变更信息至服务端，其中，所述变更信息用于所述服务端确定与所述变更信息对应的目标风险识别规则，以及与所述变更信息对应的目标项目数据，基于所述目标风险识别规则，对所述目标项目数据进行解析，得到所述目标项目数据的风险特征，并发送所述风险特征至所述存储端；
接收并存储所述风险特征。
根据本说明书实施例的第三方面，提供了一种风险特征识别装置，应用于服务端，包括：
接收模块，被配置为接收存储端发送的变更信息；
数据确定模块，被配置为基于所述变更信息，确定目标风险识别规则及目标项目数据；
特征识别模块，被配置为基于所述目标风险识别规则，对所述目标项目数据进行解析，得到所述目标项目数据的风险特征；
发送模块，被配置为发送所述风险特征至所述存储端。
根据本说明书实施例的第四方面，提供了一种风险特征识别装置，应用于存储端，包括：
发送模块，被配置为在检测到数据变更时，发送变更信息至服务端，其中，所述变更信息用于所述服务端确定与所述变更信息对应的目标风险识别规则，以及与所述变更信息对应的目标项目数据，基于所述目标风险识别规则，对所述目标项目数据进行解析，得到所述目标项目数据的风险特征，并发送所述风险特征至所述存储端；
接收模块，被配置为接收并存储所述风险特征。
根据本说明书实施例的第五方面，提供了一种风险特征识别系统，包括：存储端和服务端；
所述存储端，被配置为在检测到数据变更时，发送变更信息至服务端，
所述服务端，被配置为接收存储端发送的变更信息；基于所述变更信息，确定目标风险识别规则及目标项目数据；基于所述目标风险识别规则，对所述目标项目数据进行解析，得到所述目标项目数据的风险特征；发送所述风险特征至所述存储端；
所述存储端，还被配置为接收并存储所述风险特征。
根据本说明书实施例的第六方面，提供了一种计算设备，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行计算机可执行指令时，实现任意一项所述风险特征识别方法的步骤。
根据本说明书实施例的第七方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现任意一项所述风险特征识别方法的步骤。
根据本说明书实施例的第八方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述风险特征识别方法的步骤。
本说明书的一个实施例，通过接收存储端发送的变更信息；基于变更信息，确定目标风险识别规则及目标项目数据；进而基于目标风险识别规则，对目标项目数据进行解析，得到目标项目数据的风险特征，得到变更信息的风险特征，发送风险特征至所述存储端。其中，解析的目标项目数据属于变更信息，且解析利用的目标风险识别规则与变更信息对应。因此，相当于针对发生变更的数据进行风险特征识别，可以减少针对未发生变更的数据重复进行风险特征识别占用的时间成本、存储成本以及计算成本。可见，本方案可以降低风险特征识别的时间成本、存储成本以及计算成本。
附图说明
图1是本说明书一个实施例提供的一种风险特征识别方法的流程图；
图2是本说明书另一个实施例提供的一种风险特征识别方法中，规则配置界面的示例图；
图3是本说明书另一个实施例提供的一种风险特征识别方法中，预设的表达式模板的结构示例图；
图4是本说明书另一个实施例提供的一种风险特征识别方法的流程图；
图5是本说明书另一个实施例提供的一种风险特征识别方法的流程图；
图6是本说明书一个实施例提供的一种风险特征识别系统的结构示意图；
图7是本说明书一个实施例提供的一种风险特征识别系统的应用场景示意图；
图8是本说明书一个实施例提供的一种风险特征识别装置的结构示意图；
图9是本说明书另一个实施例提供的一种风险特征识别装置的结构示意图；
图10是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
首先，对本发明一个或多个实施涉及的名词术语进行解释。
Spring表达式语言(SpEL，Spring Expression Language)，一种表达式语言，能在运行时构建复杂表达式、存取对象图属性、调用对象方法等，并且能与Spring(Spring是一个分层的Java(面向对象编程语言)标准版或者企业版应用一站式的轻量级开源框架)功能整合。
在本说明书中，提供了一种风险特征识别方法，本说明书同时涉及一种风险特征识别装置，一种风险特征识别系统，一种计算设备，以及一种计算机可读存储介质，在下面的实施例中逐一进行详细说明。
图1示出了根据本说明书一个实施例提供的风险特征识别方法的流程图，应用于服务端，包括步骤S102至步骤S108：
S102，接收存储端发送的变更信息。
在具体应用中，变更信息可以包括项目数据和风险识别规则中的至少一种。并且，存储端发送变更信息的时机可以包括：存储端在检测到发生数据变更时即发送变更数据，或者，存储端按照预设周期发送当前未解析过的变更信息，或者，存储端按照预设周期发送变更信息。类似的，服务端可以在接收到变更信息时执行步骤S104至S108，或者，可以按照预设周期执行步骤S104至S108。
其中，存储端在检测到发生数据变更时即发送变更数据，且服务端在接收到变更信息时执行步骤S104至S108，可以保证在数据变更时即识别变更数据的风险特征，提高风险特征识别的及时性，进而提高后续利用风险特征处理合规问题的及时性，降低合规风险。
S104，基于变更信息，确定目标风险识别规则及目标项目数据。
在具体应用中，对应于不同的变更信息，基于变更信息，确定目标风险识别规则及目标项目数据的方式可以有多种。为了便于理解和合理布局，后续以可选实施例的形式进行具体说明。
S106，基于目标风险识别规则，对目标项目数据进行解析，得到目标项目数据的风险特征。
在具体应用中，基于目标风险识别规则，对目标项目数据进行解析，得到目标项目数据的风险特征，可以是多种的。示例性的，目标风险识别规则为预先训练得到的识别模型时，可以将目标项目数据输入识别模型，得到目标项目数据的风险特征。其中，识别模型利用样本项目数据和样本项目数据的风险特征标签训练得到。或者，示例性的，目标风险识别规则为对风险特征的描述语句时，可以根据预先设定的表达式模板，将目标风险规则编码为目标表达式，将目标项目数据输入目标表达式，得到目标项目数据的风险特征。为了便于理解和合理布局，后续以可选实施例的形式对第二种示例情况进行具体说明。
S108，发送风险特征至存储端。
其中，风险特征发送至存储端存储，可以提高对风险特征的容灾能力。并且，可以减少风险特征的存储对上述服务端性能的影响，利于提高风险特征识别的效率。在具体应用中，风险特征可以是风险类型的类型标签，例如，“金融”、“数字货币”以及“基金”等等。
本说明书的一个实施例中，解析的目标项目数据属于变更信息，且解析利用的目标风险识别规则与变更信息对应。因此，相当于针对发生变更的数据进行风险特征识别，可以减少针对未发生变更的数据重复进行风险特征识别占用的时间成本、存储成本以及计算成本。可见，本方案可以降低风险特征识别的时间成本、存储成本以及计算成本。
在一种可选的实施方式中，上述基于变更信息，确定目标风险识别规则及目标项目数据，具体可以包括如下步骤：
对变更信息进行识别；
若识别出变更信息包括项目数据，则读取变更信息中的项目数据，得到目标项目数据；
确定与目标项目数据对应的风险识别规则，得到目标风险识别规则。
在具体应用中，对变更信息进行识别可以是多种的。示例性的，可以识别变更信息中是否存在第一指定字段，若存在，则确定变更信息包括项目数据。其中，第一指定字段为表明数据是项目数据的字段，例如，字段“项目”。或者，示例性的，可以识别变更信息中第一标志位的标识是否为指定标识。例如，第一标志位的标识“1”，确定变更信息包括项目数据。并且，读取变更信息中的项目数据，可以是读取变更信息中第一指定位置的字符，或者，读取变更信息中包含第一指定标识的数据。本实施例可以针对存在变更的项目数据进行风险特征识别，无需识别全部项目数据的风险特征，从而可以减少风险特征识别的时间成本和计算成本。
并且，确定与目标项目数据对应的风险识别规则的方式，具体可以是多种的，下面以可选实施例的形式进行具体说明。
在一种可选的实施方式中，上述确定与目标项目数据对应的风险识别规则，得到目标风险识别规则，具体可以包括如下步骤：
输出展示有目标项目数据所属目标项目内容的规则配置界面；
接收用户通过规则配置界面针对目标项目内容输入的风险识别规则。
在另一种可选的实施方式中，上述变更信息携带目标项目数据的属性信息；
相应的，上述确定与目标项目数据对应的风险识别规则，得到目标风险识别规则，具体可以包括如下步骤：
基于预先设定的属性信息与风险识别规则之间的对应关系，查找目标项目数据的属性信息对应的风险识别规则，得到目标风险识别规则。
其中，目标项目数据的属性信息具体可以是目标项目数据所属目标项目的项目标识、项目类型或者项目内容。例如，项目标识为商户名称的标识“BN”，项目类型为“商户信息”，项目内容为“商户名称”；项目标识为商品详情的标识“CP”，项目类型为“商品介绍”，项目内容为“商品详情”等等。
并且，属性信息与风险识别规则之间的对应关系，可以按照风险特征识别的具体需求设置。示例性的，预先设定的属性信息与风险识别规则之间的对应关系，可以包括：标识“BN”、“商户信息”或者“商户名称”对应风险识别规则“商户名称中包含关键词‘交易’、‘理财’、‘项目’和‘贵金属’”，以及，标识“CP”、“商品介绍”或者“商品详情”对应风险识别规则“商品详情的描述中‘生产厂家’不为空和‘注意事项’不为空”等等。
本实施例预先设定项目数据的属性信息与风险识别规则之间的对应关系，可以减少确定目标风险识别规则时耗费的时长，提高风险特征识别的效率。
在一种可选的实施方式中，在上述接收存储端发送的变更信息之前，本说明书实施例提供的风险特征识别方法，还可以包括如下步骤：
接收并存储风险识别规则，其中，风险识别规则由用户通过规则配置界面提交。
示例性的，如图2本说明书另一个实施例提供的一种风险特征识别方法中，规则配置界面的示例图所示。规则配置界面中展示有界面功能描述语句“风险识别规则配置”，用于告知用户在该界面中进行风险识别规则的配置。针对项目内容设置有内容输入框，用户可以在该输入框中输入具体的项目内容，或者通过下拉菜单选择具体的项目内容，如“商户名称”。类似的，设置有关系输入框，用户可以在该输入框中输入关系内容，或者通过下拉菜单选择关系内容，如“包含”。并且，设置有关键词输入框，用户可以在该输入框中输入关键词，或者通过下拉菜单选择关键词，如“金融”、“交易所”、“交易中心”、“理财”、“财富管理”以及“股权管理”。另外，用户配置完风险识别规则，可以点击提交按钮(图2中未示出)提交所配置的风险识别规则。
在具体应用中，规则配置界面可以由上述服务端展示，存储端展示，或者运维人员的客户端展示。在通过运维人员的客户端展示时，可以由该客户端直接发送用户提交的风险识别规则，或者，为了提高风险配置规则的容灾能力，可以由客户端发送用户提交的风险识别规则至存储端，由存储端发送至服务端。可见，本实施例由用户通过规则配置界面提交风险识别规则，可以方便风险识别规则的更新和配置。并且，上述下拉菜单的方式可以保证配置得到的风险识别规则的标准化，利于风险特征识别的自动化。
在一种可选的实施方式中，变更信息还包括与目标项目数据关联的关联数据；
相应的，上述基于目标风险识别规则，对目标项目数据进行解析，得到目标项目数据的风险特征，具体可以包括如下步骤：
将关联数据和目标项目数据输入目标风险识别规则，解析得到目标项目数据的风险特征。
其中，关联数据为对目标项目数据进行补充描述的数据，可以是多种的。示例性的，关联数据可以是指定数据。例如，关联数据可以包括：目标项目数据所属目标项目的项目标识，目标项目的名称、变更前的目标项目数据以及目标项目的历史风险特征等等数据。或者，示例性的，关联数据可以是上述预先设定的属性信息与风险识别规则之间的对应关系中，与目标风险识别规则对应与目标项目数据不同、且属于目标项目数据所属目标项目的项目数据。例如，目标项目数据为商户名称“金融理财”，关联数据为“股票项目”。
本实施例通过与目标项目数据关联的关联数据，对目标项目数据进行补充描述，并将关联数据和目标项目数据输入目标风险识别规则，解析得到目标项目数据的风险特征。因此，可以提高目标项目数据的丰富度和准确度，从而提高风险特征识别的准确度。
在一种可选的实施方式中，上述确定目标风险识别规则及目标项目数据，具体可以包括如下步骤：
对变更信息进行识别；
若识别出变更信息包括风险识别规则，则读取变更信息中的风险识别规则，得到目标风险识别规则；
确定与目标风险识别规则对应的项目数据，得到目标项目数据。
在具体应用中，对变更信息进行识别可以是多种的。示例性的，可以识别变更信息中是否存在第二指定字段，若存在，则确定变更信息包括风险识别规则。其中，第二指定字段为表明数据是风险识别规则的字段，例如，字段“规则”。或者，示例性的，可以识别变更信息中第二标志位的标识是否为指定标识。例如，第二标志位的标识“1”，确定变更信息包括风险识别规则。并且，读取变更信息中的项目数据，可以是读取变更信息中第二指定位置的字符，或者，读取变更信息中包含指定标识的数据。本实施例可以针对存在变更的风险识别规则进行风险特征识别，无需针对全部风险识别规则进行风险特征的识别，从而可以减少风险特征识别的时间成本和计算成本。
并且，确定与目标风险识别规则对应的项目数据的方式，具体可以是多种的，下面以可选实施例的形式进行具体说明。
在一种可选的实施方式中，上述确定与目标项目数据对应的风险识别规则，得到目标风险识别规则，具体可以包括如下步骤：
输出携带有目标风险识别规则的数据获取请求；
接收用户根据目标风险识别规则查找并提交的项目数据。
在另一种可选的实施方式中，上述确定与目标风险识别规则对应的项目数据，得到目标项目数据，具体可以包括如下步骤：
基于预先设定的属性信息与风险识别规则之间的对应关系，查找目标风险识别规则对应的目标属性信息；
发送携带目标属性信息的数据请求至存储端，接收存储端返回的目标属性信息对应的各项目数据，得到目标项目数据；
基于目标风险识别规则，对目标项目数据进行解析，得到目标项目数据的风险特征，包括：
基于预设风险识别规则，对目标项目数据中的各项目数据分别进行解析，得到目标项目数据的风险特征。
其中，预先设定的属性信息与风险识别规则之间的对应关系，与上述关于确定目标项目数据对应的风险特征的可选实施例中的对应关系相同，在此不再赘述，具体可参见上述关于确定目标项目数据对应的风险特征的可选实施例的描述。本实施例中查找目标风险识别规则对应的目标属性信息，存储端返回目标属性信息对应的各项目数据。因此，在一个属性信息多个项目数据的情况下，该属性信息对应的任一项目数据，均可以将属性信息对应的不同于该项目数据的其他项目数据，作为该项目数据的关联数据，进而将该项目数据和该项目数据的关联数据输入目标风险特征识别规则，提高风险特征识别的准确度。
示例性的，属性信息“商品详情”对应的项目数据包括：“理财产品名称”、“利率”以及“理财公司名称”，则项目数据“理财产品名称”的关联数据可以包括“利率”和“理财公司名称”。并且，本实施例中服务端可以自动查找属性信息，并请求属性信息对应的项目数据，无需用户查找提交，可以提高风险特征识别的便捷性和效率。
在另一种可选的实施方式中，上述确定目标风险识别规则及目标项目数据，具体可以包括如下步骤：
对变更信息进行识别；
若识别出变更信息包括风险识别规则和项目数据，且确定变更信息中的风险识别规则和项目数据对应，则读取变更信息中的风险识别规则，得到目标风险识别规则，读取变更信息中的项目数据，得到第一项目数据；
确定与目标风险识别规则对应、且与第一项目数据不同的项目数据，得到第二项目数据；
将第一项目数据和第二项目数据作为目标项目数据；
若识别出变更信息包括风险识别规则和项目数据，且确定变更信息中的风险识别规则和项目数据不对应，则读取变更信息中的风险识别规则，得到第一风险识别规则，读取变更信息中的项目数据，得到第三项目数据；
确定与第一风险识别规则对应的项目数据，得到第四项目数据；
将第三项目数据和第四项目数据作为目标项目数据；
确定与第三项目数据对应的风险识别规则，得到第二风险识别规则；
将第一风险识别规则和第二风险识别规则作为目标风险识别规则。
在具体应用中，本实施例确定项目数据对应的风险识别规则，以及确定风险识别规则对应的项目数据的方式，均与上述关于确定目标风险识别规则和目标项目数据的可选实施例相似，区别在于本实施例中变更数据包括风险识别规则和项目数据两种。对于相同部分在此不再赘述，详见上述关于确定目标风险识别规则和目标项目数据的可选实施例的描述。本实施例可以保证本说明书提供的风险特征识别方法适用于风险识别规则和项目数据均变更的情况，扩展了风险特征识别方法的应用场景。
在一种可选的实施方式中，上述基于目标风险识别规则，对目标项目数据进行解析，得到目标项目数据的风险特征，具体可以包括如下步骤：
提取目标风险识别规则中的操作符和关键词；
根据预先设置的表达式模板，对操作符和关键词进行编码，得到目标表达式；
将目标项目数据输入目标表达式进行解析，得到目标项目数据的风险特征。
其中，表达式模板用于规定操作符和关键词之间的排布关系，以将目标风险识别规则从字符串的形式编码为可以解析的目标表达式。在具体的实施方式中，提取目标风险识别规则中的操作符和关键词可以是多种的。示例性的，可以分别提取目标风险识别规则中第一指定位置和第二指定位置的字符，得到操作符和关键词。例如，参见图2本说明书另一个实施例提供的一种风险特征识别方法中，规则配置界面的示例图，在图2中各输入框为下拉菜单的形式，或者预先告知运维人员配置标准的情况下，风险识别规则的格式是固定的，因此，可以预先确定操作符和关键词在风险识别规则中的第一指定位置和第二指定位置。或者，示例性的，可以提取目标风险识别规则中与预设操作符匹配的字符，得到操作符，提取目标风险识别规则中与预设关键词匹配的字符，得到关键词。例如，预设操作符为“包含”，提取目标风险识别规则中与“包含”匹配的字符，得到操作符，预设关键词为“商户名称”提取目标风险识别规则中与“商户名称”匹配的字符，得到关键词。
示例性的，预先设置的表达式模板可以包括：“规则—>操作符，目标项目数据—>左值，关键词—>右值”。这样，某一目标风险识别规则为“商户名称包含交易所”，则目标表达式为“‘包含’，‘商户名称’，‘交易所’”。为了便于理解，此处使用汉字描述目标表达式，以体现目标表达式的内容和结构，具体应用中，可以用编程语言描述上述表达式。例如，“大于”和“＞”可以描述为“GQ”，“包含”和“Like”可以描述为“LK”，“is not null”和“不为空”可以描述为“ISNN”等等。
另外，为了减少数据混乱，上述编码得到目标表达式的过程具体可以采用原子操作的形式。其中，原子操作是指不会被线程调度机制打断的操作；这种操作一旦开始，就一直运行到结束。
本实施例通过解析目标表达式得到目标项目数据的风险特征，无需预先训练得到识别模型，可以节省样本收集和标签标注的成本，从而降低风险特征识别的开发成本。
在一种可选的实施方式中，上述将目标项目数据输入目标表达式进行解析，得到目标项目数据的风险特征，具体可以包括如下步骤：
将目标项目数据输入目标表达式，得到待解析表达式；
利用与编码使用的语言对应的解析工具，对待解析表达式进行解析，得到目标项目数据的风险特征。
在具体应用中，与编码使用的语言对应的解析工具可以为SpEL解析工具。SpEL解析工具可以对多种表达式进行解析，例如，字面量表达式、关系、逻辑运算与算数运算表达式、以及正则表达式等等，并且，无需区分大小写。
在具体应用中，为了解析风险识别规则，预设的表达式模板中还可以包含外部条件，对多个规则的描述等等。对此，示例性的，预设的表达式模板可以按照图3本说明书另一个实施例提供的一种风险特征识别方法中，预设的表达式模板的结构示例图所示的结构设置。其中，风险识别规则的设置与上述关于预设的表达式模板的示例类似，区别在于图3中将目标项目数据转换为字符串编码的形式，将关键词转换为字符串编码的形式。并且，GQ(“大于”,“＞”)代表“大于”和“＞”可以描述为“GQ”；LK(“包含”,“Like”)代表“包含”和“Like”可以描述为“LK”等等，对其他操作符进行类似的描述。外部条件可以是限制目标数据的产生时间，来源以及数据大小等等、且与风险识别规则不同的条件。具体可以采用字符串编码的形式描述外部条件。并且，可以按照递归结构描述多个条件。其中，多个条件之间的连接关系可以包括：AND(“and”,“且”)代表“and”和“且”可以描述为“AND”；OR(“or”,“或”)代表“or”和“或”可以描述为“OR”。风险识别规则属于条件的一种，一个风险识别规则可以看作一个条件。
图4示出了根据本说明书另一个实施例提供的一种风险特征识别方法的流程图，应用于存储端，包括步骤S402至步骤S404：
S402，在检测到数据变更时，发送变更信息至服务端。
其中，变更信息用于服务端确定与变更信息对应的目标风险识别规则，以及与变更信息对应的目标项目数据，基于目标风险识别规则，对目标项目数据进行解析，得到目标项目数据的风险特征，并发送风险特征至存储端。
在具体应用中，检测数据变更的方式可以是多种的。示例性的，存储端可以在针对数据存储指令或者更新指令的线程执行完成时，确定检测到数据变更。或者，示例性的，用户通过客户端完成数据变更时，客户端可以发送变更数据至存储端，相应的，存储端可以在接收变更数据时，确定检测到数据变更。
并且，存储端发送变更信息的方式可以是多种的。示例性的，存储端可以直接发送变更信息至服务端。或者，示例性的，存储端可以调用风险特征计算接口，将变更信息输入特征计算接口，从而特征计算接口将变更信息发送至服务端。另外，为了防止数据混乱，输入特征计算接口的参数还可以包括：变更信息对应的变更前的数据，变更信息包括项目数据时：与项目数据关联的关联数据，项目数据所属项目的项目名称和项目标识等等。
S404，接收并存储服务端返回的目标项目数据的风险特征。
本实施例中的变更信息、目标项目数据以及目标风险识别规则与上述图1实施例和可选实施例中的相同，在此不再赘述，详见上述图1实施例和可选实施例的描述。
本说明书的一个实施例中，解析的目标项目数据属于变更信息，且解析利用的目标风险识别规则与变更信息对应。因此，相当于针对发生变更的数据进行风险特征识别，可以减少针对未发生变更的数据重复进行风险特征识别占用的时间成本、存储成本以及计算成本。可见，本方案可以降低风险特征识别的时间成本、存储成本以及计算成本。
对应于上述图1和图4实施例，以图5为例对服务端和存储端的交互过程进行描述。示例性的，如图5所示，本说明书另一个实施例提供的一种风险特征识别方法的流程图，包括步骤S502至
S502，存储端在检测到数据变更时，发送变更信息至服务端。
S504，服务端基于变更信息，确定目标风险识别规则及目标项目数据。
S506，服务端基于目标风险识别规则，对目标项目数据进行解析，得到目标项目数据的风险特征。
S508，服务端发送目标项目数据的风险特征至存储端。
S510，存储端接收并存储目标项目数据的风险特征。
本实施例的各步骤与上述图1和图4实施例中表述相同的步骤相同，在此不再赘述，详见上述图1和图4实施例的描述。
在一种可选的实施方式中，在检测到数据变更之前，本说明书实施例提供的风险特征识别方法，还可以包括如下：
接收并存储风险识别规则，其中，识别规则由用户通过规则配置界面提交。
本实施例与图1可选实施例中风险识别规则的配置类似，区别在于执行主体为服务端，相应的，规则配置界面可以由服务端展示，或者，可以由运维人员的客户端展示。对于相同部分在此不再赘述，详见上述图1可选实施例的描述。
本实施例由用户通过规则配置界面提交风险识别规则，可以提高风险识别规则更新的便捷性，以及风险识别规则与运维需求之间的匹配度。
在一种可选的实施方式中，若变更信息包括项目数据，则在发送变更信息至服务端之前，方法还包括：
查找与项目数据关联的关联数据；
在变更信息中添加关联数据和项目数据，其中，关联数据用于服务端将关联数据和目标项目数据输入目标风险识别规则，解析得到目标项目数据的风险特征。
本实施例中的关联数据与上述图1可选实施例中的关联数据相同，在此不再赘述，详见上述图1可选实施例的描述。通过关联数据，可以提高风险特征识别的准确度。
在一种可选的实施方式中，若变更信息包括风险识别规则，则变更信息用于服务端查找预先建立的对应关系表，得到与所接收的预设风险识别规则对应的数据信息，发送携带所得到的数据信息的数据请求至存储端，其中，对应关系表存储数据信息与预设风险识别规则之间的对应关系；
接收服务端发送的携带目标属性信息的数据请求，其中，目标属性信息为服务端通过读取变更信息中的风险识别规则，基于所读取的风险识别规则，查找属性信息与风险识别规则之间的对应关系得到；
查找目标属性信息对应的各项目数据；
发送各项目数据至服务端，其中，各项目数据用于服务端接收各项目数据，得到目标项目数据。
本实施例与上述图1可选实施例中关于变更信息包括风险识别规则的实施例对应，区别在于本实施例是存储端查找目标属性信息对应的各项目数据，并发送各项目数据至服务端的过程。本实施例可以实现针对风险识别规则发生变更的情况进行风险特征识别。
图6示出了根据本说明书一个实施例提供的一种风险特征识别系统的结构示意图，包括存储端602和服务端604；
所述存储端602，被配置为在检测到数据变更时，发送变更信息至服务端604，
所述服务端604，被配置为接收存储端602发送的变更信息；基于所述变更信息，确定目标风险识别规则及目标项目数据；基于所述目标风险识别规则，对所述目标项目数据进行解析，得到所述目标项目数据的风险特征；发送所述风险特征至所述存储端602；
所述存储端602，还被配置为接收并存储所述风险特征。
本说明书的一个实施例中，解析的目标项目数据属于变更信息，且解析利用的目标风险识别规则与变更信息对应。因此，相当于针对发生变更的数据进行风险特征识别，可以减少针对未发生变更的数据重复进行风险特征识别占用的时间成本、存储成本以及计算成本。可见，本方案可以降低风险特征识别的时间成本、存储成本以及计算成本。
上述为本实施例的一种风险特征识别系统的示意性方案。需要说明的是，该风险特征识别系统的技术方案与上述的风险特征识别方法的技术方案属于同一构思，风险特征识别系统的技术方案未详细描述的细节内容，均可以参见上述风险特征识别方法的技术方案的描述。
为了便于理解，下面以示例性说明的形式，对本说明书上述实施例提供的风险特征识别系统的应用场景进行描述。示例性的，如图7本说明书一个实施例提供的一种风险特征识别系统的应用场景示意图所示。风险特征识别系统可以包括存储端和风险特征计算中心。其中，风险特征计算中心可以实现规则管理和风险特征识别的功能。具体的，规则管理相当于上述实施例中的风险识别规则的配置，可以由服务端或者运维人员的客户端实现；风险特征识别相当于上述获得目标项目数据的风险特征，可以由服务端实现。并且，在通过规则管理功能实现了风险识别规则的变更时，可以发送规则变更通知和变更的风险识别规则至存储端，这样，存储端可以检测到风险识别规则变更。并且，存储端的数据变更管理相当于上述实施例中检测到变更数据：风险识别规则也就是识别规则变更和项目数据变更中的至少一种。数据读写服务包括：发送变更数据至风险特征计算中心，以及存储风险特征计算返回的风险特征。
在具体应用中，用于进行合规检测的计算设备可以对风险特征计算中心的风险特征识别规则和识别逻辑进行调用或者同步，从而直接在该计算设备本地进行风险特征识别。其中，进行合规检测的计算设备具体可以是对变更数据进行分布处理的分布式系统的各节点。并且，变更数据的形式可以是多种的。示例性的，变更数据可以是字符串，图像数据，视频数据或者音频数据。具体的，可以将图像数据，视频数据或者音频数据，转换为字符串数据，并利用上述实施例提供的风险识别方法对字符串数据进行风险特征识别。并且，风险特征计算中心可以缓存识别得到的风险特征，进而按照预设窗口时间，对缓存的多个风险特征进行分析。例如，可以分析预设窗口时间内某一项目的风险特征的数量，预设窗口时间内多个风险特征中，不同类型的风险特征的占比等等。
与上述方法实施例相对应，本说明书还提供了风险特征识别装置实施例，图8示出了本说明书一个实施例提供的一种风险特征识别装置的结构示意图。如图8所示，应用于服务端，该装置包括：
接收模块802，被配置为接收存储端发送的变更信息；
数据确定模块804，被配置为基于所述变更信息，确定目标风险识别规则及目标项目数据；
特征识别模块806，被配置为基于所述目标风险识别规则，对所述目标项目数据进行解析，得到所述目标项目数据的风险特征；
发送模块808，被配置为发送所述风险特征至所述存储端。
本说明书的一个实施例中，解析的目标项目数据属于变更信息，且解析利用的目标风险识别规则与变更信息对应。因此，相当于针对发生变更的数据进行风险特征识别，可以减少针对未发生变更的数据重复进行风险特征识别占用的时间成本、存储成本以及计算成本。可见，本方案可以降低风险特征识别的时间成本、存储成本以及计算成本。
在一种可选的实施方式中，所述数据确定模块804，进一步被配置为：
对所述变更信息进行识别；
若识别出所述变更信息包括项目数据，则读取所述变更信息中的项目数据，得到所述目标项目数据；
确定与所述目标项目数据对应的风险识别规则，得到所述目标风险识别规则。
在一种可选的实施方式中，所述变更信息携带所述目标项目数据的属性信息；所述数据确定模块804，进一步被配置为：
基于预先设定的属性信息与风险识别规则之间的对应关系，查找所述目标项目数据的属性信息对应的风险识别规则，得到所述目标风险识别规则。
在一种可选的实施方式中，所述变更信息还包括与所述目标项目数据关联的关联数据；所述特征识别模块806，进一步被配置为：
将所述关联数据和所述目标项目数据输入所述目标风险识别规则，解析得到所述目标项目数据的风险特征。
在一种可选的实施方式中，所述变更信息携带所述目标项目数据的属性信息；所述数据确定模块804，进一步被配置为：
对所述变更信息进行识别；
若识别出所述变更信息包括风险识别规则，则读取所述变更信息中的风险识别规则，得到所述目标风险识别规则；
确定与所述目标风险识别规则对应的项目数据，得到所述目标项目数据。
在一种可选的实施方式中，所述变更信息携带所述目标项目数据的属性信息；所述数据确定模块804，进一步被配置为：
基于预先设定的属性信息与风险识别规则之间的对应关系，查找所述目标风险识别规则对应的目标属性信息；
发送携带所述目标属性信息的数据请求至所述存储端，接收所述存储端返回的所述目标属性信息对应的各项目数据，得到所述目标项目数据；
所述特征识别模块806，进一步被配置为：
基于所述预设风险识别规则，对所述目标项目数据中的各项目数据分别进行解析，得到所述目标项目数据的风险特征。
在一种可选的实施方式中，所述接收模块802，进一步配置为：
在所述接收存储端发送的变更信息之前，接收并存储风险识别规则，其中，所述风险识别规则由用户通过规则配置界面提交。
在一种可选的实施方式中，所述特征识别模块806，进一步被配置为：
提取所述目标风险识别规则中的操作符和关键词；
根据预先设置的表达式模板，对所述操作符和所述关键词进行编码，得到目标表达式；
将所述目标项目数据输入所述目标表达式进行解析，得到所述目标项目数据的风险特征。
在一种可选的实施方式中，所述特征识别模块806，进一步被配置为：
将所述目标项目数据输入所述目标表达式，得到待解析表达式；
利用与所述编码使用的语言对应的解析工具，对所述待解析表达式进行解析，得到所述目标项目数据的风险特征。
上述为本实施例的一种风险特征识别装置的示意性方案。需要说明的是，上述风险特征识别装置的技术方案与上述应用于服务端的风险特征识别方法的技术方案属于同一构思，风险特征识别装置的技术方案未详细描述的细节内容，均可以参见上述应用于服务端的风险特征识别方法的技术方案的描述。
图9示出了本说明书另一个实施例提供的一种风险特征识别装置的结构示意图。如图9所示，应用于存储端，该装置包括：
发送模块902，被配置为在检测到数据变更时，发送变更信息至服务端，其中，所述变更信息用于所述服务端确定与所述变更信息对应的目标风险识别规则，以及与所述变更信息对应的目标项目数据，基于所述目标风险识别规则，对所述目标项目数据进行解析，得到所述目标项目数据的风险特征，并发送所述风险特征至所述存储端；
接收模块904，被配置为接收并存储所述风险特征。
本说明书的一个实施例中，解析的目标项目数据属于变更信息，且解析利用的目标风险识别规则与变更信息对应。因此，相当于针对发生变更的数据进行风险特征识别，可以减少针对未发生变更的数据重复进行风险特征识别占用的时间成本、存储成本以及计算成本。可见，本方案可以降低风险特征识别的时间成本、存储成本以及计算成本。
在一种可选的实施方式中，若所述变更信息包括项目数据，则所述装置还包括数据处理模块，被配置为：
查找与所述项目数据关联的关联数据；
在所述变更信息中添加所述关联数据和所述项目数据，其中，所述关联数据用于所述服务端将所述关联数据和所述目标项目数据输入所述目标风险识别规则，解析得到所述目标项目数据的风险特征。
在一种可选的实施方式中，若所述变更信息包括风险识别规则，则所述变更信息用于所述服务端查找预先建立的对应关系表，得到与所接收的预设风险识别规则对应的数据信息，发送携带所得到的数据信息的数据请求至所述存储端，其中，所述对应关系表存储数据信息与预设风险识别规则之间的对应关系；
所述接收模块904，进一步被配置为：
接收服务端发送的携带目标属性信息的数据请求，其中，所述目标属性信息为所述服务端通过读取所述变更信息中的风险识别规则，基于所读取的风险识别规则，查找属性信息与风险识别规则之间的对应关系得到；
所述发送模902，进一步被配置为：
查找所述目标属性信息对应的各项目数据；
发送所述各项目数据至所述服务端，其中，所述各项目数据用于所述服务端接收所述各项目数据，得到所述目标项目数据。
在一种可选的实施方式中，所述接收模块904，进一步被配置为：
接收并存储风险识别规则，其中，所述识别规则由用户通过规则配置界面提交。
上述为本实施例的一种风险特征识别装置的示意性方案。需要说明的是，上述风险特征识别装置的技术方案与上述应用于存储端的风险特征识别方法的技术方案属于同一构思，风险特征识别装置的技术方案未详细描述的细节内容，均可以参见上述应用于存储端的风险特征识别方法的技术方案的描述。
图10示出了根据本说明书一个实施例提供的计算设备1000的结构框图。该计算设备1000的部件包括但不限于存储器1010和处理器1020。处理器1020与存储器1010通过总线1030相连接，数据库1050用于保存数据。
计算设备1000还包括接入设备1040，接入设备1040使得计算设备1000能够经由一个或多个网络1060通信。这些网络的示例包括公用交换电话网(PSTN，Public SwitchedTelephone Network)、局域网(LAN，Local Area Network)、广域网(WAN，Wide AreaNetwork)、个域网(PAN，Personal Area Network)或诸如因特网的通信网络的组合。接入设备1040可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC，NetworkInterface Controller))中的一个或多个，诸如IEEE802.11无线局域网(WLAN，WirelessLocal Area Networks)无线接口、全球微波互联接入(Wi-MAX，WorldwideInteroperability for Microwave Access)接口、以太网接口、通用串行总线(USB，Universal Serial Bus)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC，Near FieldCommunication)接口，等等。
在本说明书的一个实施例中，计算设备1000的上述部件以及图10中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图10所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
计算设备1000可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或PC的静止计算设备。计算设备1000还可以是移动式或静止式的服务器。
其中，处理器1020用于执行计算机可执行指令，该计算机可执行指令被处理器执行时实现上述风险特征识别方法的步骤。
上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的风险特征识别方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述风险特征识别方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机可执行指令，，该计算机可执行指令被处理器执行时实现上述风险特征识别方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的风险特征识别方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述风险特征识别方法的技术方案的描述。
本说明书一实施例还提供一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述风险特征识别方法的步骤。
上述为本实施例的一种计算机程序的示意性方案。需要说明的是，该计算机程序的技术方案与上述的风险特征识别方法的技术方案属于同一构思，计算机程序的技术方案未详细描述的细节内容，均可以参见上述风险特征识别方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。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)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本说明书实施例并不受所描述的动作顺序的限制，因为依据本说明书实施例，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书实施例的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书实施例的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种风险特征识别方法，应用于服务端，包括：
接收存储端发送的变更信息；
基于所述变更信息，确定目标风险识别规则及目标项目数据；
基于所述目标风险识别规则，对所述目标项目数据进行解析，得到所述目标项目数据的风险特征；
发送所述风险特征至所述存储端。
2.根据权利要求1所述的方法，所述基于所述变更信息，确定目标风险识别规则及目标项目数据，包括：
对所述变更信息进行识别；
若识别出所述变更信息包括项目数据，则读取所述变更信息中的项目数据，得到所述目标项目数据；
确定与所述目标项目数据对应的风险识别规则，得到所述目标风险识别规则。
3.根据权利要求1所述的方法，所述基于所述变更信息，确定目标风险识别规则及目标项目数据，包括：
对所述变更信息进行识别；
若识别出所述变更信息包括风险识别规则，则读取所述变更信息中的风险识别规则，得到所述目标风险识别规则；
确定与所述目标风险识别规则对应的项目数据，得到所述目标项目数据。
4.根据权利要求1至3任一项所述的方法，所述基于所述目标风险识别规则，对所述目标项目数据进行解析，得到所述目标项目数据的风险特征，包括：
提取所述目标风险识别规则中的操作符和关键词；
根据预先设置的表达式模板，对所述操作符和所述关键词进行编码，得到目标表达式；
将所述目标项目数据输入所述目标表达式进行解析，得到所述目标项目数据的风险特征。
5.一种特征识别方法，应用于存储端，包括：
在检测到数据变更时，发送变更信息至服务端，其中，所述变更信息用于所述服务端确定与所述变更信息对应的目标风险识别规则，以及与所述变更信息对应的目标项目数据，基于所述目标风险识别规则，对所述目标项目数据进行解析，得到所述目标项目数据的风险特征，并发送所述风险特征至所述存储端；
接收并存储所述风险特征。
6.一种风险特征识别装置，应用于服务端，包括：
接收模块，被配置为接收存储端发送的变更信息；
数据确定模块，被配置为基于所述变更信息，确定目标风险识别规则及目标项目数据；
特征识别模块，被配置为基于所述目标风险识别规则，对所述目标项目数据进行解析，得到所述目标项目数据的风险特征；
发送模块，被配置为发送所述风险特征至所述存储端。
7.一种风险特征识别装置，应用于存储端，包括：
发送模块，被配置为在检测到数据变更时，发送变更信息至服务端，其中，所述变更信息用于所述服务端确定与所述变更信息对应的目标风险识别规则，以及与所述变更信息对应的目标项目数据，基于所述目标风险识别规则，对所述目标项目数据进行解析，得到所述目标项目数据的风险特征，并发送所述风险特征至所述存储端；
接收模块，被配置为接收并存储所述风险特征。
8.一种风险特征识别系统，包括：存储端和服务端；
所述存储端，被配置为在检测到数据变更时，发送变更信息至服务端，
所述服务端，被配置为接收存储端发送的变更信息；基于所述变更信息，确定目标风险识别规则及目标项目数据；基于所述目标风险识别规则，对所述目标项目数据进行解析，得到所述目标项目数据的风险特征；发送所述风险特征至所述存储端；
所述存储端，还被配置为接收并存储所述风险特征。
9.一种计算设备，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至5任意一项所述风险特征识别方法的步骤。
10.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至5任意一项所述风险特征识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111385041.3A CN114091899A (zh) | 2021-11-22 | 2021-11-22 | 风险特征识别方法以及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111385041.3A CN114091899A (zh) | 2021-11-22 | 2021-11-22 | 风险特征识别方法以及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114091899A true CN114091899A (zh) | 2022-02-25 |
Family
ID=80302588
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111385041.3A Pending CN114091899A (zh) | 2021-11-22 | 2021-11-22 | 风险特征识别方法以及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114091899A (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109242261A (zh) * | 2018-08-14 | 2019-01-18 | 中国平安人寿保险股份有限公司 | 基于大数据评估保全风险的方法及终端设备 |
| CN110059479A (zh) * | 2019-01-29 | 2019-07-26 | 阿里巴巴集团控股有限公司 | 风险信息识别方法及装置和电子设备 |
| CN110390465A (zh) * | 2019-06-18 | 2019-10-29 | 深圳壹账通智能科技有限公司 | 业务数据的风控分析处理方法、装置和计算机设备 |
| CN110489686A (zh) * | 2019-08-30 | 2019-11-22 | 深圳壹账通智能科技有限公司 | 一种数据分析方法、装置及终端 |
| CN111105150A (zh) * | 2019-12-10 | 2020-05-05 | 广州电力工程监理有限公司 | 一种项目风险分析系统 |
| CN111144658A (zh) * | 2019-12-30 | 2020-05-12 | 医渡云（北京）技术有限公司 | 医疗风险预测方法、装置、系统、存储介质与电子设备 |
| CN111738868A (zh) * | 2020-06-11 | 2020-10-02 | 北京向上一心科技有限公司 | 反洗钱反恐怖融资风险监测方法、装置、计算机设备和存储介质 |
| CN111738623A (zh) * | 2020-07-17 | 2020-10-02 | 支付宝(杭州)信息技术有限公司 | 业务风险检测方法及装置 |
| CN111796984A (zh) * | 2020-06-29 | 2020-10-20 | 平安国际智慧城市科技股份有限公司 | 数据监控方法、装置、计算机设备及存储介质 |
| CN111861255A (zh) * | 2020-07-30 | 2020-10-30 | 北京金堤征信服务有限公司 | 企业风险监控方法和装置、以及存储介质和电子设备 |
| CN112418259A (zh) * | 2019-08-22 | 2021-02-26 | 上海哔哩哔哩科技有限公司 | 一种基于直播过程中用户行为的实时规则的配置方法、计算机设备及可读存储介质 |
| CN112580965A (zh) * | 2020-12-15 | 2021-03-30 | 中国建设银行股份有限公司 | 一种风险强度识别方法、装置及设备 |
| CN113344333A (zh) * | 2021-05-11 | 2021-09-03 | 天元大数据信用管理有限公司 | 一种可配置的企业征信预警方法、装置、设备及存储介质 |
| CN113361838A (zh) * | 2020-03-04 | 2021-09-07 | 北京沃东天骏信息技术有限公司 | 业务风控方法、装置、电子设备和存储介质 |
| CN113535688A (zh) * | 2021-07-29 | 2021-10-22 | 中国工商银行股份有限公司 | 一种数据库变更风险评估方法及装置 |
-
2021
- 2021-11-22 CN CN202111385041.3A patent/CN114091899A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109242261A (zh) * | 2018-08-14 | 2019-01-18 | 中国平安人寿保险股份有限公司 | 基于大数据评估保全风险的方法及终端设备 |
| CN110059479A (zh) * | 2019-01-29 | 2019-07-26 | 阿里巴巴集团控股有限公司 | 风险信息识别方法及装置和电子设备 |
| CN110390465A (zh) * | 2019-06-18 | 2019-10-29 | 深圳壹账通智能科技有限公司 | 业务数据的风控分析处理方法、装置和计算机设备 |
| CN112418259A (zh) * | 2019-08-22 | 2021-02-26 | 上海哔哩哔哩科技有限公司 | 一种基于直播过程中用户行为的实时规则的配置方法、计算机设备及可读存储介质 |
| CN110489686A (zh) * | 2019-08-30 | 2019-11-22 | 深圳壹账通智能科技有限公司 | 一种数据分析方法、装置及终端 |
| CN111105150A (zh) * | 2019-12-10 | 2020-05-05 | 广州电力工程监理有限公司 | 一种项目风险分析系统 |
| CN111144658A (zh) * | 2019-12-30 | 2020-05-12 | 医渡云（北京）技术有限公司 | 医疗风险预测方法、装置、系统、存储介质与电子设备 |
| CN113361838A (zh) * | 2020-03-04 | 2021-09-07 | 北京沃东天骏信息技术有限公司 | 业务风控方法、装置、电子设备和存储介质 |
| CN111738868A (zh) * | 2020-06-11 | 2020-10-02 | 北京向上一心科技有限公司 | 反洗钱反恐怖融资风险监测方法、装置、计算机设备和存储介质 |
| CN111796984A (zh) * | 2020-06-29 | 2020-10-20 | 平安国际智慧城市科技股份有限公司 | 数据监控方法、装置、计算机设备及存储介质 |
| CN111738623A (zh) * | 2020-07-17 | 2020-10-02 | 支付宝(杭州)信息技术有限公司 | 业务风险检测方法及装置 |
| CN111861255A (zh) * | 2020-07-30 | 2020-10-30 | 北京金堤征信服务有限公司 | 企业风险监控方法和装置、以及存储介质和电子设备 |
| CN112580965A (zh) * | 2020-12-15 | 2021-03-30 | 中国建设银行股份有限公司 | 一种风险强度识别方法、装置及设备 |
| CN113344333A (zh) * | 2021-05-11 | 2021-09-03 | 天元大数据信用管理有限公司 | 一种可配置的企业征信预警方法、装置、设备及存储介质 |
| CN113535688A (zh) * | 2021-07-29 | 2021-10-22 | 中国工商银行股份有限公司 | 一种数据库变更风险评估方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TW202020691A (zh) | 特徵詞的確定方法、裝置和伺服器 | |
| CN110580308B (zh) | 信息审核方法及装置、电子设备、存储介质 | |
| US20230325385A1 (en) | Configurable entity matching system | |
| US20230134615A1 (en) | Method of processing task, electronic device, and storage medium | |
| EP3961426A2 (en) | Method and apparatus for recommending document, electronic device and medium | |
| CN113051362A (zh) | 数据的查询方法、装置和服务器 | |
| CN114861889A (zh) | 深度学习模型的训练方法、目标对象检测方法和装置 | |
| CN113836316B (zh) | 三元组数据的处理方法、训练方法、装置、设备及介质 | |
| CN113326363B (zh) | 搜索方法及装置、预测模型训练方法及装置、电子设备 | |
| US20220366139A1 (en) | Rule-based machine learning classifier creation and tracking platform for feedback text analysis | |
| US20230376692A1 (en) | Technical document issues scanner | |
| CN116955856A (zh) | 信息展示方法、装置、电子设备以及存储介质 | |
| US11314793B2 (en) | Query processing | |
| WO2023229737A1 (en) | Method and system of discovering templates for documents | |
| CN114091899A (zh) | 风险特征识别方法以及装置 | |
| CN113656579A (zh) | 文本分类方法、装置、设备及介质 | |
| CN112328653A (zh) | 数据识别方法、装置、电子设备及存储介质 | |
| US20230316298A1 (en) | Method and system of intelligently managing customer support requests | |
| JP7429374B2 (ja) | 情報処理システム、情報処理方法及び情報処理プログラム | |
| CN117093604B (zh) | 检索信息生成方法、装置、电子设备和计算机可读介质 | |
| US20240152522A1 (en) | Data set semantic similarity clustering | |
| US20230111999A1 (en) | Method and system of creating clusters for feedback data | |
| CN116994076A (zh) | 一种基于双分支相互学习特征生成的小样本图像识别方法 | |
| CN112818246A (zh) | 联系人分组方法、设备、可读存储介质及计算机程序产品 | |
| CN117010405A (zh) | 一种基于语义识别的故障问题解决系统及方法 |
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 |