CN114140221A - 一种欺诈风险预警方法、装置及设备 - Google Patents
一种欺诈风险预警方法、装置及设备 Download PDFInfo
- Publication number
- CN114140221A CN114140221A CN202111442443.2A CN202111442443A CN114140221A CN 114140221 A CN114140221 A CN 114140221A CN 202111442443 A CN202111442443 A CN 202111442443A CN 114140221 A CN114140221 A CN 114140221A
- Authority
- CN
- China
- Prior art keywords
- early warning
- fraud
- customer
- fraud risk
- target
- 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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及计算机信息技术领域,公开了一种欺诈风险预警方法、装置及设备,方法包括基于获取到的目标客户的信用数据,从至少两个维度对目标客户进行打分,得到目标客户的欺诈预警评分,其中,维度基于以下至少之一的维度确定依据确定得到:客户的基本信息、客户的信贷信息以及客户的银行行为信息;基于目标客户的欺诈预警评分显示并输出目标客户的欺诈风险预警结果表。本发明解决了现有技术中使用客户提供基本数据以及银行客户经理的主观评价来对客户的欺诈风险进行预测所导致的预测准确性较低的技术问题,实现了从多个维度对客户的当前欺诈风险进行预测的技术效果,避免了人为主观评价带来的错误干预,提高了预测准确性。
Description
技术领域
本发明实施例涉及计算机信息技术领域,尤其涉及一种欺诈风险预警方法、装置及设备。
背景技术
银行对于客户的欺诈风险预测,通常指的是按照统一的财务与非财务指标及标准,以偿债能力和还款意愿为核心,从信用履约能力、偿债能力、盈利能力、经营及发展能力等方面,对客户进行欺诈风险的综合评价。目前,国内银行对客户进行欺诈风险预测的主要依据是客户提供的基本信息以及银行客户经理对该客户的主观分析与评价,但是这种欺诈风险预测方式存在下列缺陷:
1)客户提供的基本信息数据可能失真,一些客户为了从银行获取授信,提供的数据可能会存在造假情况,不能真实地反映客户的还款意愿、盈利、经营与发展能力;
2)客户提供的基本信息数据具有延时性,例如客户的财报以年报为主,而年报只是反映上一年客户的经营情况,无法反馈当前客户真实的偿债能力等风险信息;
3)银行客户经理的评定具有主观因素,在客户与银行信息不对称的情况下,银行客户经理无法真实有效地了解客户的偿债能力与还款意愿,使得客户经理的主观评价存在一定的操作风险。
发明内容
本发明实施例提供一种欺诈风险预警方法、装置及设备,解决了现有技术中使用客户提供基本数据以及银行客户经理的主观评价来对客户的欺诈风险进行预测所导致的预测准确性较低的技术问题。
第一方面,本发明实施例提供了一种欺诈风险预警方法,所述欺诈风险预警方法包括:
基于获取到的目标客户的信用数据,从至少两个维度对所述目标客户进行打分,得到所述目标客户的欺诈预警评分,其中,所述维度基于以下至少之一的维度确定依据确定得到:客户的基本信息、客户的信贷信息以及客户的银行行为信息;
基于所述目标客户的欺诈预警评分显示并输出所述目标客户的欺诈风险预警结果表。
第二方面,本发明实施例还提供了一种欺诈风险预警装置,所述欺诈风险预警装置包括:
评分单元,用于基于获取到的目标客户的信用数据,从至少两个维度对所述目标客户进行打分,得到所述目标客户的欺诈预警评分,其中,所述维度基于以下至少之一的维度确定依据确定得到:客户的基本信息、客户的信贷信息以及客户的银行行为信息;
显示单元,用于基于所述目标客户的欺诈预警评分显示并输出所述目标客户的欺诈风险预警结果表。
第三方面,本发明实施例还提供了一种欺诈风险预警设备,所述欺诈风险预警设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例第一方面任意的欺诈风险预警方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例第一方面任意的欺诈风险预警方法。
本发明实施例公开了一种欺诈风险预警方法、装置及设备,方法包括基于获取到的目标客户的信用数据,从至少两个维度对目标客户进行打分,得到目标客户的欺诈预警评分,其中,维度基于以下至少之一的维度确定依据确定得到:客户的基本信息、客户的信贷信息以及客户的银行行为信息;基于目标客户的欺诈预警评分显示并输出目标客户的欺诈风险预警结果表。本发明解决了现有技术中使用客户提供基本数据以及银行客户经理的主观评价来对客户的欺诈风险进行预测所导致的预测准确性较低的技术问题,实现了从多个维度对客户的当前欺诈风险进行预测的技术效果,避免了人为主观评价带来的错误干预,提高了预测准确性。
附图说明
图1是本发明实施例提供的一种欺诈风险预警方法的流程图;
图2是本发明实施例提供的另一种欺诈风险预警方法的流程图;
图3是本发明实施例提供的又一种欺诈风险预警方法的流程图;
图4是本发明实施例提供的又一种欺诈风险预警方法的流程图;
图5是本发明实施例提供的一种欺诈风险预警装置的结构图;
图6为本发明实施例提供的一种欺诈风险预警设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
需要说明的是,本发明的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于限定特定顺序。本发明下述各个实施例可以单独执行,各个实施例之间也可以相互结合执行,本发明实施例对此不作具体限制。
图1是本发明实施例提供的一种欺诈风险预警方法的流程图。该欺诈风险预警方法可适用于所有银行风险管理领域需要进行欺诈风险预警的情况。该欺诈风险预警方法可以由欺诈风险预警装置来执行,该装置可以采用硬件和/或软件的方式来实现,并一般可集成于服务器中。
如图1所示,该欺诈风险预警方法具体包括如下步骤:
S101,基于获取到的目标客户的信用数据,从至少两个维度对目标客户进行打分,得到目标客户的欺诈预警评分,其中,维度基于以下至少之一的维度确定依据确定得到:客户的基本信息、客户的信贷信息以及客户的银行行为信息。
可选地,在S101,基于获取到的目标客户的信用数据,从至少两个维度对目标客户进行打分,得到目标客户的欺诈预警评分之前,还包括:
获取目标客户的信用数据,其中,信用数据包括目标客户的银行内部信用数据以及银行外部信用数据。
具体地,目标客户的信用数据是客户各种行为产生的数据,包括资金使用情况、资金交易情况、账户状态、逾期情况、外部舆情等多种维度下的客户的真实数据;该信用数据包括目标客户的银行内部信用数据以及银行外部影响数据。
其中,银行内部信用数据通过ETL(Extract Transform Load,数据仓库技术)等技术手段从银行业务源系统采集各类源数据得到,ETL技术包括直接从源系统同步数据、数据文件传输加载、借助数据仓库等多种方式;可选地,银行内部信用数据包括客户基本信息数据、客户财务数据、账户流水数据、账户状态历史记录、信贷产品信息、逾期记录以及企业高管信息。需要说明的是,银行内部信用数据包括但不限于上述列举出的各项数据。
银行外部信用数据通过网络爬虫、专项数据接入等技术手段收集与目标客户相关的银行外部数据,并可建立数据库存储数据待用,银行外部信用数据包括失信客户名单、客户征信数据、客户的企业工商注册数据、客户的企业纳税信息以及客户的企业网络舆情数据。需要说明的是,银行外部信用数据包括但不限于上述列举出的各项数据。在对上述属性信息进行储存和/或处理时,符合国家法律规定的相关规定。
在本发明实施例中,维度指定是对目标客户进行欺诈预警评分的评分规则,其中,该评分规则基于以下至少之一的维度确定依据确定得到:客户的基本信息、客户的信贷信息以及客户的银行行为信息。显然,一个维度确定依据可对应确定多个维度,一个维度即为一条评分规则。
示例性地,可以设置46条评分规则,即设置46个维度,例如,该维度内容可以设置为同一设备关联多个手机归属地、短时间内多卡关联多个共同商户等等。具体来说,基于维度确定依据可以确定出更加细化的维度确定细则,不同的维度确定依据可以确定出多个维度,一个维度即为一条评分规则。
在获取到目标客户的信用数据之后,基于预设的维度对目标客户进行预判,生成欺诈预警客户清单,并详细记录违反评分规则(即上述维度)的目标客户的详细信息与预警详细原因,然后基于产生的欺诈预警客户清单从至少两个维度对清单上的目标客户进行打分,以得到目标客户的欺诈预警评分。在本发明实施例中,设置了46个维度,则产生的欺诈预警客户清单从46个维度对清单上的目标客户进行打分,得到最终的目标客户的欺诈预警评分。
S102,基于目标客户的欺诈预警评分显示并输出目标客户的欺诈风险预警结果表。
具体地,欺诈风险预警结果表中可以显示目标客户的客户编号、违反的评分规则(维度)编号、具体原因、预警级别以及违反日期等,其中,预警基本基于欺诈预警评分得到。例如,欺诈风险预警结果表中可以显示某目标客户的客户编号为CIFCUCN000、违反的评分规则(维度)编号为F001、具体原因记录为账户XXX于某年某月某日向民间借贷公司转账XXX元、预警级别为1级(红色)、违反日期为2015-09-30等。
可选地,目标客户的欺诈风险预警结果表通过Excel文件方式或预设固定报表方式进行显示。
具体地,在得到目标客户的欺诈预警评分之后,通过Excel文件方式输出并显示目标客户的欺诈风险预警结果表,还可以通过预定义的数据接口将欺诈风险预警结果表导入风险管理系统中,并以预设固定报表方式进行显示,其中,欺诈风险预警结果表中至少包括以下内容:目标客户的欺诈预警评分、目标客户的基本信息、目标客户违反的评分规则、目标客户被风险预警的具体原因。
本发明解决了现有技术中使用客户提供基本数据以及银行客户经理的主观评价来对客户的欺诈风险进行预测所导致的预测准确性较低的技术问题,实现了从多个维度对客户的当前欺诈风险进行预测的技术效果,避免了人为主观评价带来的错误干预,提高了预测准确性。
在上述各技术方案的基础上,图2是本发明实施例提供的另一种欺诈风险预警方法的流程图,如图2所示,上述S101步骤具体包括:
S201,将信用数据进行特征提取,得到m个特征变量,其中,m≤n,m为特征变量的数量,n为维度的数量。
具体地,在获取到目标客户的信用数据之后,对信用数据进行特征提取,得到m个特征向量,其中,特征向量的提取依据为预设的46个维度,即当n=46时,m≤46。
S202,基于m个特征变量,从预设二维交叉特征矩阵内确定与特征变量相应的特征评分。
可选地,预设二维交叉特征矩阵的构建包括:
将n个维度进行特征提取,得到n个维度特征变量,其中,一个维度对应提取一个维度特征变量,n≥2;
将n个维度特征变量组成n×n的维度特征矩阵;
将维度特征矩阵中任意两个维度特征变量按照预设标度规则进行重要性对比,并将对比结果依据预设标度规则转换为相应的等级评分填写至维度特征矩阵的相应位置中,得到二维交叉特征矩阵,其中,预设标度规则为根据欺诈评判经验建立的欺诈因素等级评分规则。
具体地,将n个维度进行特征提取,得到n个维度特征变量Xn,则一个维度对应一个维度特征变量X,利用n个维度特征变量Xn构成出一个n×n的维度特征矩阵,即当n=46时,将46个维度作为维度特征变量X1、X2、……X46,利用46个维度特征变量构成出一个46×46的维度特征矩阵,参见表1,表1表示了基于46个维度构造出的维度特征矩阵,欺诈,F001~F046为维度的相应编号。
表1.维度特征矩阵
维度编号 | F001 | F002 | F003 | … | F044 | F045 | F046 |
F001 | |||||||
F002 | |||||||
F003 | |||||||
… | |||||||
F044 | |||||||
F045 | |||||||
F046 |
在得到维度特征矩阵之后,将维度特征矩阵中的任意两个维度特征变量X按照预设标度规则进行重要性对比,并将对比结果依据预设标度规则转换为相应的等级评分填写至维度特征矩阵的相应位置,即填写至表1中方框所表示的两个维度特征变量的交叉点处,得到最终的预设二维交叉特征矩阵。
将维度特征矩阵中任意两个维度特征变量按照预设标度规则进行重要性对比,并将对比结果依据预设标度规则转换为相应的等级评分填写至维度特征矩阵的相应位置中,得到预设二维交叉特征矩阵。表2为根据欺诈评判经验建立的预设标度规则。参见表2,预设标度规则为根据欺诈评判经验建立的欺诈因素等级评分规则,示例性地,当两个维度特征变量XA与XB进行对比时,根据欺诈评判经验,若两个维度对于目标客户来说具有同样的重要性,则记1分,若XA比XB稍微重要,则记3分,若处于同样重要和稍微重要之间,则记2分,若XA比XB得分为SA,B,则XB与XA比较时得分为SB,A=1/SA,B。
表2.预设标度规则
等级评分 | 预设标度规则 |
1 | 两个维度特征变量对比,X<sub>A</sub>与X<sub>B</sub>具有同样的重要性 |
3 | 两个维度特征变量对比,X<sub>A</sub>比X<sub>B</sub>稍微重要 |
5 | 两个维度特征变量对比,X<sub>A</sub>比X<sub>B</sub>明显重要 |
7 | 两个维度特征变量对比,X<sub>A</sub>比X<sub>B</sub>强烈重要 |
9 | 两个维度特征变量对比,X<sub>A</sub>比X<sub>B</sub>极端重要 |
2,4,6,8 | 上述重要性判断的中值 |
倒数 | X<sub>A</sub>与X<sub>B</sub>比较的判断S<sub>A,B</sub>,则X<sub>B</sub>与X<sub>A</sub>比较的判断S<sub>B,A</sub>=1/S<sub>A,B</sub> |
具体地,在得到目标客户的m个特征变量之后,从预设二维交叉特征矩阵内确定与m个特征变量相对应的维度特征变量所在的特征评分。
S203,将确定出的与m个特征变量相应的特征评分进行相加,得到目标客户的欺诈预警评分,其中,预设二维交叉特征矩阵基于n个维度构建得到。
具体地,在确定出与m个特征变量相对应的维度特征变量所在的特征评分之后,将特征评分进行相加,得到目标客户的欺诈预警评分。例如,若某个目标客户提取出了3个特征变量,则将与3个特征变量对应的维度特征变量所在的几个特征评分相加,即可得到该目标客户的欺诈预警评分。
在上述各技术方案的基础上,图3是本发明实施例提供的又一种欺诈风险预警方法的流程图,如图3所示,上述S102之前,欺诈风险预警方法还包括:
S301,基于目标客户的欺诈预警评分利用预设的欺诈预警评分等级对目标客户进行等级划分,得到目标客户的预警级别。
具体地,在得到目标客户的欺诈预警评分之后,可以利用预设的欺诈预警评分等级对目标客户进行等级划分,表3示例性地给出了一种预设欺诈预警评分等级表,参见表3,根据不同的维度(即评分规则)以及欺诈预警评分可以将目标客户划分为以下几种等级:欺诈预警评分80分以上的为1级,标为红色,欺诈预警评分60-80分的为2级,标为蓝色,显然,还可以根据需要划分更多的等级,表3中未完全给出所有等级的划分示例。
表3.预设欺诈预警评分等级表
维度编号 | 维度内容 | 欺诈预警评分 | 预警级别 |
F012 | XXX | 100 | 1级(红色) |
F002 | XXX | 80 | 1级(红色) |
F034 | XXX | 50 | 2级(蓝色) |
S302,将目标客户的预警级别添加至目标客户的欺诈风险预警结果表中。
具体地,在得到目标客户的预警级别之后,将预警级别添加至目标客户的欺诈风险预警结果表中,以供后续执行显示、输出等操作。
在上述各技术方案的基础上,图4是本发明实施例提供的又一种欺诈风险预警方法的流程图,如图4所示,上述S102之后,欺诈风险预警方法还包括:
S401,获取目标客户的历史信用数据;
具体地,目标客户的信用数据在使用过后均作为历史信用数据被储存起来,则为了使得欺诈风险预测更加的准确,每间隔预设时间,或在需要时,可以直接获取历史信用数据。
S402,基于历史信用数据修正维度确定依据。
可选地,S402,基于历史信用数据修正维度确定依据包括:基于历史信用数据提取修正校验规则,其中,修正校验规则包括以下至少之一:客户的违约率、贷款余额不良率;基于修正校验规则修正维度确定依据。
具体地,在获取历史信用数据之后,可以从历史信用数据中提取修正校验规则,例如,客户的违约率、贷款余额不良率等,然后基于提取出的修正校验规则修正维度确定依据。表4是根据提取出的修正校验规则对维度确定依据进行修正的统计表。
表4.修正校验规则对维度确定依据的修正统计表
示例性地,参见表4,对于维度编号为F001的维度确定依据来说,假设修正校验规则1为客户的违约率,则F001基于设修正校验规则1的变化率为xx%,基于变化率值判断是否需要调整该维度确定依据以及是否需要调整特征评分,其中,特征评分表示预设二维交叉特征矩阵内基于维度特征变量以及预设标度规则得到的评分。
S403,基于修正后的维度确定依据更新维度。
具体地,在对维度确定依据进行修正之后,基于修正后的维度确定依据更新维度,相应的,若更新了维度,则预设二维交叉特征矩阵内的特征评分也需要进行相应的修正及更新。
在本发明实施例中,可以根据业务经验或历史信用数据随时调整维度与特征评分,使得对目标客户的欺诈风险预警更加的准确、灵活,避免了现有客户欺诈风险评定方法的滞后性,也避免了人工干预的不确定性,真正做到了使用客户多维度、真实有效的数据进行前瞻性的欺诈风险预警。
图5是本发明实施例提供的一种欺诈风险预警装置的结构图,如图5所示,该欺诈风险预警装置包括:
评分单元51,用于基于获取到的目标客户的信用数据,从至少两个维度对目标客户进行打分,得到目标客户的欺诈预警评分,其中,维度基于以下至少之一的维度确定依据确定得到:客户的基本信息、客户的信贷信息以及客户的银行行为信息;
显示单元52,用于基于目标客户的欺诈预警评分显示并输出目标客户的欺诈风险预警结果表。
可选地,在评分单元51基于获取到的目标客户的信用数据,从至少两个维度对目标客户进行打分,得到目标客户的欺诈预警评分之前,还包括:
数据获取单元,用于获取目标客户的信用数据,其中,信用数据包括目标客户的银行内部信用数据以及银行外部信用数据。
可选地,评分单元51包括:
特征提取子单元,用于将信用数据进行特征提取,得到m个特征变量,其中,m≤n,m为特征变量的数量,n为维度的数量;
评分确定子单元,用于基于m个特征变量,从预设二维交叉特征矩阵内确定与特征变量相应的特征评分;
预警评分子单元,用于将确定出的与m个特征变量相应的特征评分进行相加,得到目标客户的欺诈预警评分,其中,预设二维交叉特征矩阵基于n个维度构建得到。
可选地,在显示单元52基于目标客户的欺诈预警评分显示并输出目标客户的欺诈风险预警结果表之前,还包括:
等级划分单元,用于基于目标客户的欺诈预警评分利用预设的欺诈预警评分等级对目标客户进行等级划分,得到目标客户的预警级别;
数据添加单元,用于将目标客户的预警级别添加至目标客户的欺诈风险预警结果表中。
可选地,还包括:
历史数据获取单元,用于获取目标客户的历史信用数据;
依据修正单元,用于基于历史信用数据修正维度确定依据;
维度更新单元,用于基于修正后的维度确定依据更新维度。
可选地,依据修正单元具体用于:基于历史信用数据提取修正校验规则,其中,修正校验规则包括以下至少之一:客户的违约率、贷款余额不良率;基于修正校验规则修正维度确定依据。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例提供的欺诈风险预警装置,与上述实施例提供的欺诈风险预警方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
图6为本发明实施例提供的一种欺诈风险预警设备的结构示意图,如图6所示,该欺诈风险预警设备包括处理器61、存储器62、输入装置63和输出装置64;欺诈风险预警设备中处理器61的数量可以是一个或多个,图6中以一个处理器61为例;欺诈风险预警设备中的处理器61、存储器62、输入装置63和输出装置64可以通过总线或其他方式连接,图6中以通过总线连接为例。
存储器62作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的欺诈风险预警方法对应的程序指令/模块(例如,欺诈风险预警装置中的评分单元51以及显示单元52)。处理器61通过运行存储在存储器62中的软件程序、指令以及模块,从而执行欺诈风险预警设备的各种功能应用以及数据处理,即实现上述的欺诈风险预警方法。
存储器62可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器62可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器62可进一步包括相对于处理器61远程设置的存储器,这些远程存储器可以通过网络连接至欺诈风险预警设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置63可用于接收输入的数字或字符信息,以及产生与欺诈风险预警设备的用户设置以及功能控制有关的键信号输入。输出装置64可包括显示屏等显示设备。
本发明实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种欺诈风险预警方法。
具体地,该欺诈风险预警方法包括:
基于获取到的目标客户的信用数据,从至少两个维度对目标客户进行打分,得到目标客户的欺诈预警评分,其中,维度基于以下至少之一的维度确定依据确定得到:客户的基本信息、客户的信贷信息以及客户的银行行为信息;
基于目标客户的欺诈预警评分显示并输出目标客户的欺诈风险预警结果表。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的欺诈风险预警方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述搜索装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (15)
1.一种欺诈风险预警方法,其特征在于,所述欺诈风险预警方法包括:
基于获取到的目标客户的信用数据,从至少两个维度对所述目标客户进行打分,得到所述目标客户的欺诈预警评分,其中,所述维度基于以下至少之一的维度确定依据确定得到:客户的基本信息、客户的信贷信息以及客户的银行行为信息;
基于所述目标客户的欺诈预警评分显示并输出所述目标客户的欺诈风险预警结果表。
2.根据权利要求1所述的欺诈风险预警方法,其特征在于,在基于获取到的目标客户的信用数据,从至少两个维度对所述目标客户进行打分,得到所述目标客户的欺诈预警评分之前,还包括:
获取所述目标客户的信用数据,其中,所述信用数据包括所述目标客户的银行内部信用数据以及银行外部信用数据。
3.根据权利要求1所述的欺诈风险预警方法,其特征在于,所述基于获取到的目标客户的信用数据,从至少两个维度对所述目标客户进行打分,得到所述目标客户的欺诈预警评分包括:
将所述信用数据进行特征提取,得到m个特征变量,其中,m≤n,m为特征变量的数量,n为所述维度的数量;
基于m个所述特征变量,从预设二维交叉特征矩阵内确定与所述特征变量相应的特征评分;
将确定出的与m个所述特征变量相应的特征评分进行相加,得到所述目标客户的欺诈预警评分,其中,所述预设二维交叉特征矩阵基于n个所述维度构建得到。
4.根据权利要求3所述的欺诈风险预警方法,其特征在于,所述预设二维交叉特征矩阵的构建包括:
将n个所述维度进行特征提取,得到n个维度特征变量,其中,一个所述维度对应提取一个所述维度特征变量,n≥2;
将n个所述维度特征变量组成n×n的维度特征矩阵;
将所述维度特征矩阵中任意两个所述维度特征变量按照预设标度规则进行重要性对比,并将对比结果依据所述预设标度规则转换为相应的等级评分填写至所述维度特征矩阵的相应位置中,得到所述预设二维交叉特征矩阵,其中,所述预设标度规则为根据欺诈评判经验建立的欺诈因素等级评分规则。
5.根据权利要求1所述的欺诈风险预警方法,其特征在于,所述目标客户的欺诈风险预警结果表通过Excel文件方式或预设固定报表方式进行显示。
6.根据权利要求1所述的欺诈风险预警方法,其特征在于,所述基于所述目标客户的欺诈预警评分显示并输出所述目标客户的欺诈风险预警结果表之前,所述欺诈风险预警方法还包括:
基于所述目标客户的欺诈预警评分利用预设的欺诈预警评分等级对所述目标客户进行等级划分,得到所述目标客户的预警级别;
将所述目标客户的预警级别添加至所述目标客户的欺诈风险预警结果表中。
7.根据权利要求1所述的欺诈风险预警方法,其特征在于,所述欺诈风险预警方法还包括:
获取所述目标客户的历史信用数据;
基于所述历史信用数据修正所述维度确定依据;
基于修正后的所述维度确定依据更新所述维度。
8.根据权利要求7所述的欺诈风险预警方法,其特征在于,所述基于所述历史信用数据修正所述维度确定依据包括:
基于所述历史信用数据提取修正校验规则,其中,所述修正校验规则包括以下至少之一:客户的违约率、贷款余额不良率;
基于所述修正校验规则修正所述维度确定依据。
9.根据权利要求2所述的欺诈风险预警方法,其特征在于,所述银行内部信用数据包括客户基本信息数据、客户财务数据、账户流水数据、账户状态历史记录、信贷产品信息、逾期记录以及企业高管信息。
10.根据权利要求2所述的欺诈风险预警方法,其特征在于,所述银行外部信用数据包括失信客户名单、客户征信数据、客户的企业工商注册数据、客户的企业纳税信息以及客户的企业网络舆情数据。
11.一种欺诈风险预警装置,其特征在于,所述欺诈风险预警装置包括:
评分单元,用于基于获取到的目标客户的信用数据,从至少两个维度对所述目标客户进行打分,得到所述目标客户的欺诈预警评分,其中,所述维度基于以下至少之一的维度确定依据确定得到:客户的基本信息、客户的信贷信息以及客户的银行行为信息;
显示单元,用于基于所述目标客户的欺诈预警评分显示并输出所述目标客户的欺诈风险预警结果表。
12.根据权利要求11所述的欺诈风险预警装置,其特征在于,在所述评分单元基于获取到的目标客户的信用数据,从至少两个维度对所述目标客户进行打分,得到所述目标客户的欺诈预警评分之前,还包括:
数据获取单元,用于获取所述目标客户的信用数据,其中,所述信用数据包括所述目标客户的银行内部信用数据以及银行外部信用数据。
13.根据权利要求11所述的欺诈风险预警装置,其特征在于,所述评分单元包括:
特征提取子单元,用于将所述信用数据进行特征提取,得到m个特征变量,其中,m≤n,m为特征变量的数量,n为所述维度的数量;
评分确定子单元,用于基于m个所述特征变量,从预设二维交叉特征矩阵内确定与所述特征变量相应的特征评分;
预警评分子单元,用于将确定出的与m个所述特征变量相应的特征评分进行相加,得到所述目标客户的欺诈预警评分,其中,所述预设二维交叉特征矩阵基于n个所述维度构建得到。
14.一种欺诈风险预警设备,其特征在于,所述欺诈风险预警设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的欺诈风险预警方法。
15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-10中任一所述的欺诈风险预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111442443.2A CN114140221A (zh) | 2021-11-30 | 2021-11-30 | 一种欺诈风险预警方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111442443.2A CN114140221A (zh) | 2021-11-30 | 2021-11-30 | 一种欺诈风险预警方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114140221A true CN114140221A (zh) | 2022-03-04 |
Family
ID=80389852
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111442443.2A Pending CN114140221A (zh) | 2021-11-30 | 2021-11-30 | 一种欺诈风险预警方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114140221A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115460059A (zh) * | 2022-07-28 | 2022-12-09 | 浪潮通信信息系统有限公司 | 风险预警方法及装置 |
CN116029811A (zh) * | 2022-12-23 | 2023-04-28 | 杭州快付连接科技有限公司 | 银行营销业务数字化管理系统、智能设备以及存储介质 |
-
2021
- 2021-11-30 CN CN202111442443.2A patent/CN114140221A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115460059A (zh) * | 2022-07-28 | 2022-12-09 | 浪潮通信信息系统有限公司 | 风险预警方法及装置 |
CN115460059B (zh) * | 2022-07-28 | 2024-03-08 | 浪潮通信信息系统有限公司 | 风险预警方法及装置 |
CN116029811A (zh) * | 2022-12-23 | 2023-04-28 | 杭州快付连接科技有限公司 | 银行营销业务数字化管理系统、智能设备以及存储介质 |
CN116029811B (zh) * | 2022-12-23 | 2023-09-15 | 杭州快付连接科技有限公司 | 银行营销业务数字化管理系统、智能设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210174440A1 (en) | Providing virtual markers based upon network connectivity | |
US8583408B2 (en) | Standardized modeling suite | |
US8700509B2 (en) | Collectively analyzing holdings across multiple fixed income products | |
CN101576988A (zh) | 信用数据交互系统及交互方法 | |
CN114140221A (zh) | 一种欺诈风险预警方法、装置及设备 | |
US20210287303A9 (en) | Scoring trustworthiness, competence, and/or compatibility of any entity for activities including recruiting or hiring decisions, composing a team, insurance underwriting, credit decisions, or shortening or improving sales cycles | |
US20150348199A1 (en) | Sponsor-based analytics across multiple fixed income products | |
US20110099101A1 (en) | Automated validation reporting for risk models | |
US20230116362A1 (en) | Scoring trustworthiness, competence, and/or compatibility of any entity for activities including recruiting or hiring decisions, composing a team, insurance underwriting, credit decisions, or shortening or improving sales cycles | |
CN102496126A (zh) | 一种托管资产交易数据监控设备 | |
JP6549195B2 (ja) | 信用情報抽出装置及び信用情報抽出方法 | |
CN112419030B (zh) | 财务舞弊风险评估的方法、系统及设备 | |
KR20040010349A (ko) | 대출 자산 관리 시스템, 대출 자산 관리 방법 및 프로그램기록 매체 | |
CN112950359A (zh) | 一种用户识别方法和装置 | |
CN112464051A (zh) | 一种异常数据检测方法、装置及计算机可读存储介质 | |
CN110619564B (zh) | 一种反欺诈特征生成方法和装置 | |
CN114528448B (zh) | 一种全球外贸客户客户画像精准分析系统 | |
US20170148098A1 (en) | Data creating, sourcing, and agregating real estate tool | |
CN114493686A (zh) | 一种运营内容生成推送方法及装置 | |
CA3090143A1 (en) | Systems and methods of generating resource allocation insights based on datasets | |
CN113723522B (zh) | 异常用户的识别方法、装置、电子设备以及存储介质 | |
Adnett | Determinants of Foreign Direct Investment Inflows in the E7 Economies: A Panel Data Analysis | |
CN116385144A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN116542696A (zh) | 用户群体分类方法、装置、设备及存储介质 | |
CN117710094A (zh) | 用户信用画像生成方法及装置 |
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 |