CN114331692A - 一种基于社交关系的贷款黑中介预测方法及系统 - Google Patents

Abstract

本申请涉及一种基于社交关系的贷款黑中介预测方法及系统，属于互联网金融的技术领域，其方法包括：获取贷款人信息；基于贷款人信息获取个人征信；基于个人征信判断是否有网贷记录，并获得第一判断结果；若第一判断结果为是，则基于网贷记录获取网贷参数；判断网贷参数是否大于或等于第一参数阈值；若是，则输出预警提示；若第一判断结果为否，则基于贷款人信息获取通话详单；判断通话详单是否含有贷款电话；若是，则获取贷款电话的通话参数；判断通话参数是否大于或等于第二参数阈值；若是，则输出预警提示。本申请具有提高对贷款信息真实性的检查力度，更好的分辨贷款信息的操作者，降低网贷公司的经济损失的效果。

Description

一种基于社交关系的贷款黑中介预测方法及系统

技术领域

本申请涉及互联网金融的技术领域，尤其是涉及一种基于社交关系的贷款黑中介预测方法及系统。

背景技术

网贷，外文名是Internet lending，p2p网贷是网络贷款的简称，包括个体网络借贷和商业网络借贷。网贷的一切认证、记账、清算和交割等流程均通过网络完成，借贷双方足不出户即可实现借贷目的，而且一般额度都不高，无抵押，对借贷双方都是很便利的。

但是，对于一些不满足网贷要求，又急需资金的人来说，会把目光放到贷款中介，这类贷款中介中会有大量的黑中介。黑中介会对贷款人的信息进行包装，使其满足贷款的要求，从而达到成功贷款的目的，但是这类贷款人往往不能按期还贷甚至拒绝还贷，这就会对贷款公司造成巨大资损。

虽然目前网贷公司会对贷款人的贷款信息进行审核，但是对于信息的真实性检查力度较弱，无法分辨贷款信息是否是黑中介进行操作，从而容易造成经济损失。

发明内容

为了提高对贷款信息真实性的检查力度，更好的分辨贷款信息的操作者，降低网贷公司的经济损失，本申请提供一种基于社交关系的贷款黑中介预测方法及系统。

第一方面，本申请提供一种基于社交关系的贷款黑中介预测方法，采用如下的技术方案：

一种基于社交关系的贷款黑中介预测方法，包括：

基于初步审核的审核结果，获取贷款人信息；

基于所述贷款人信息获取个人征信；

基于所述个人征信判断是否有网贷记录，并获得第一判断结果；

若所述第一判断结果为是，则基于所述网贷记录获取网贷参数；

判断所述网贷参数是否大于或等于第一参数阈值，并获得第二判断结果；

若所述第二判断结果为是，则输出预警提示；

若所述第一判断结果为否，则基于所述贷款人信息获取通话详单；

判断所述通话详单是否含有贷款电话，并获得第三判断结果；

若所述第三判断结果为是，则获取所述贷款电话的通话参数；

判断所述通话参数是否大于或等于第二参数阈值，并获得第四判断结果；

若所述第四判断结果为是，则输出所述预警提示。

通过采用上述技术方案，根据贷款人信息获取个人征信并判断有无网贷记录，并获得第一判断结果，能够判断贷款人当前的贷款状态。当有网贷记录时，判断网贷参数是否大于或者等于第一参数阈值，并获得第二判断结果，此时能够判断贷款人的是否是以贷养贷。若是，此时输出预警提示，从而提醒贷款公司，当前贷款人可能是黑中介代理。如果第一判断结果为否，此时获取贷款人的通话详单，判断通话详单是否有贷款电话，并获得第三判断结果，能够根据贷款电话判断贷款人是否有未上征信的贷款，当第三判断结果为是，判断通话参数是否大于或者等于第二参数阈值，获得第四判断结果，能够判断贷款公司是否经常向贷款人打电话，如果是，证明贷款人此时可能有贷款未还，此时进行贷款证明可能是黑中介对贷款人进行了包装，此时输出预警提示，能够对贷款公司进行预警。从而能够提高对贷款信息真实性的检查力度，更好的分辨贷款信息的操作者，降低网贷公司的经济损失。

作为优选，所述判断所述通话参数是否大于或等于第二参数阈值，并获得第四判断结果包括如下步骤：

所述通话参数包括通话次数和通话时间间隔，所述第二参数阈值包括次数阈值和时间间隔阈值；

判断所述通话次数是否大于或等于所述次数阈值；

若是，则判断所述通话时间间隔是否小于或等于所述时间间隔阈值；

若是，则获得所述第四判断结果为是；

若所述通话次数小于所述次数阈值或所述通话时间间隔大于所述时间间隔阈值，则获得所述第四判断结果为否。

通过采用上述技术方案，判断通话次数是否大于或等于次数阈值，如果是，接着判断通话时间间隔是否小于或等于时间间隔阈值，能够获得贷款公司对贷款人的催款频率，若是，则第四判断结果为是，此时证明贷款人大概率贷款资质不足。相应的，若通话次数小于次数阈值或通话时间间隔大于时间间隔，则获得第四判断结果为否，此时证明贷款人没有收到贷款公司的催款，此时证明贷款人的资质可能符合要求。通过通话次数和通话时间间隔能够进一步提高对贷款人资质判断的准确性，进而进一步确定当前贷款操作的是否为黑中介，从而降低贷款公司的经济损失。

作为优选，所述获取贷款人信息之前还包括：

获取申请信息，所述申请信息包括个人申请和中介申请；

基于所述申请信息确认是否为中介申请；

若否，则获取所述贷款人信息；

若是，则获取相关的中介信息；

基于所述中介信息生成风险评估结果。

通过采用上述技术方案，根据申请信息判断是否为中介申请，若否则证明是个人申请，此时获取贷款人信息。若是，则获取中介信息，并根据中介信息生成风险评估结果，能够对中介公司的资质进行风险判定，进一步降低造成贷款公司经济损失的可能性。

作为优选，所述基于所述中介信息生成风险评估结果包括如下步骤：

所述中介信息包括中介成立时间和中介场地位置；

获取当前时间；

基于所述当前时间和所述中介成立时间获取中介存在时间；

判断所述中介存在时间是否大于时间阈值；

若否，则生成高风险评估结果；

若是，则基于所述中介场地位置获取租赁时间；

基于所述当前时间和所述租赁时间获取租赁时长；

判断所述租赁时长是否大于时长阈值；

若否，则生成所述高风险评估结果；

若是，则生成中低风险评估结果；

其中，所述风险评估结果包括所述高风险评估结果和所述中低风险评估结果。

通过采用上述技术方案，根据当前时间和中介成立时间获取中介存在时间，判断中介存在时间是否大于时间阈值，能够判断中介公司是否临时成立。如果中介存在时间小于或等于时间阈值，证明中介存在时间较短，风险较高，此时生成高风险评估结果。反之则根据中介场地位置获取租赁时间，根据当前时间和租赁时间获取租赁时长，并判断租赁时长是否大于时长阈值，能够判断中介是否临时租赁办公场地。如果租赁时长大于时长阈值，此时生成中低风险评估结果，反之，证明中介可能是临时租赁场地，此时生成高风险评估结果。进而通过上述方式能够进一步提高判断中介是否为黑中介的准确性。

作为优选，所述生成中低风险评估结果之前还包括：

基于所述中介信息获取担保公司；

获取所述担保公司的担保资质；

判断所述担保资质是否与预设的资质要求匹配；

若是，则生成所述中低风险评估结果；

若否，则生成所述高风险评估结果。

通过采用上述技术方案，根据中介信息获取担保公司并获取担保公司的担保资质，接着判断担保资质是否与预设的资质要求匹配，能够判断中介公司是否符合要求。若是，证明担保公司的担保资质足够，此时生成中低风险评估结果；若否，证明担保公司的担保资质不足，此时生成高风险评估结果。从而能够进一步判断中介公司的资质是否足够，进而能够进一步确定中介公司是否为黑中介，提高判断的准确性。

作为优选，所述基于所述贷款人信息获取个人征信之前还包括：

获取贷款人的头部图像；

基于所述贷款人信息获取头部上传图像；

判断所述头部图像与所述头部上传图像是否匹配；

若否，则输出所述预警信息；

若是，则继续获取所述个人征信。

通过采用上述技术方案，判断头部图像与头部上传图像是否匹配，能够判断贷款人与贷款操作人是否匹配。若否，则证明大概率是中介进行操作，此时停止获取个人征信并输出预警信息，从而提醒贷款公司进行检查；若是，则证明贷款人和贷款操作人符合，此时则可以继续获取个人征信。从而能够进一步提高信息判断的准确性，进而降低贷款公司的贷款风险。

作为优选，所述继续获取所述个人征信之前还包括：

基于所述头部图像获取面部表情；

判断所述面部表情是否与预设表情匹配；

若否，则输出所述预警信息；

若是，则进行下一步。

通过采用上述技术方案，判断面部表情与预设表情是否匹配能够进一步提高面部识别的准确性，降低通过贷款人的图片进行识别情况发生的可能性。如果不匹配，则停止获取个人征信并输出预警信息，如果匹配，则继续获取个人征信，从而能够进一步提高信息判断的准确性。

作为优选，所述继续获取所述个人征信之前还包括：

获取借贷人的指纹信息；

基于所述借贷人信息获取标准指纹；

判断所述指纹信息是否与所述标准指纹匹配；

若否，则输出所述预警信息；

若是，则进行下一步。

通过采用上述技术方案，判断指纹信息与标准指纹是否匹配，如果不匹配，则停止获取个人征信并输出预警信息，如果匹配，则继续获取个人征信。通过指纹匹配的方式，能够进一步提高信息识别的准确性，提高对贷款人信息判断的准确性。

第二方面，本申请提供一种基于社交关系的贷款黑中介预测系统，采用如下的技术方案：

一种基于社交关系的贷款黑中介预测系统，包括：

信息获取模块，用于获取贷款人信息；

征信获取模块，用于基于所述贷款人信息获取个人征信；

第一判断模块，用于基于所述个人征信判断是否有网贷记录，并获得第一判断结果；

网贷参数获取模块，当所述第一判断结果为是时，用于基于所述网贷记录获取网贷参数；

第二判断模块，用于判断所述网贷参数是否大于或等于第一参数阈值，并获得第二判断结果；

通话详单获取模块，当所述第一判断结果为否时，用于基于所述贷款人信息获取通话详单；

第三判断模块，用于判断所述通话详单是否含有贷款电话，并获得第三判断结果；

通话参数获取模块，当所述第三判断结果为是时，用于获取所述贷款电话的通话参数；

第四判断模块，用于判断所述通话参数是否大于或等于第二参数阈值，并获得第四判断结果；

预警提示模块，当所述第二判断结果为是时或当所述第四判断结果为是时，用于输出预警提示。

通过采用上述技术方案，信息获取模块获取贷款人信息之后，发送给征信获取模块，征信获取模块根据贷款人信息获取个人征信，并发送给第一判断模块，第一判断模块根据个人征信判断是否有网贷记录，获得第一判断结果并发送给网贷参数获取模块和通话详单获取模块。当第一判断结果为是时，网贷参数获取模块根据网贷记录获取网贷参数，并发送给第二判断模块，第二判断模块判断网贷参数是否大于或等于第一参数阈值，获得第二判断结果，并发送给预警提示模块，当第二判断结果为是时，预警提示模块输出预警提示。当第一判断结果为否时，通话详单获取模块根据贷款人信息获取通话详单，并发送给第三判断模块，第三判断模块判断通话详单是否有贷款电话，获得第三判断结果并发送给通话参数获取模块。当第三判断结果为是时，通话参数获取模块获取贷款电话的通话参数，并发送给第四判断模块，第四判断模块判断通话参数是否大于或等于第二参数阈值，获得第四判断结果，并发送给预警提示模块，当第四判断结果为是时，预警提示模块输出预警提示。此时进行贷款证明可能是黑中介对贷款人进行了包装，此时输出预警提示，能够对贷款公司进行预警，从而能够提高对贷款信息真实性的检查力度，更好的分辨贷款信息的操作者，降低网贷公司的经济损失。

综上所述，本申请包括以下至少一种有益技术效果：

1.通过个人征信并判断有无网贷记录，能够判断贷款人当前的贷款状态。当有网贷记录时，判断网贷参数是否大于或者等于第一参数阈值，此时能够判断贷款人的是否是以贷养贷。若是，此时输出预警提示，从而提醒贷款公司，当前贷款人可能是黑中介代理。如果第一判断结果为否，判断通话详单是否有贷款电话，并获得第三判断结果，能够根据贷款电话判断贷款人是否有未上征信的贷款，当第三判断结果为是，判断通话参数是否大于或者等于第二参数阈值，获得第四判断结果，能够判断贷款公司是否经常向贷款人打电话，如果是，证明贷款人此时可能有贷款未还，此时进行贷款证明可能是黑中介对贷款人进行了包装，此时输出预警提示，能够对贷款公司进行预警。从而能够提高对贷款信息真实性的检查力度，更好的分辨贷款信息的操作者，降低网贷公司的经济损失；

2.判断通话次数是否大于或等于次数阈值，如果是，接着判断通话时间间隔是否小于或等于时间间隔阈值，能够获得贷款公司对贷款人的催款频率，若是，则第四判断结果为是，此时证明贷款人大概率贷款资质不足。相应的，若通话次数小于次数阈值或通话时间间隔大于时间间隔，则获得第四判断结果为否，此时证明贷款人没有收到贷款公司的催款，此时证明贷款人的资质可能符合要求。通过通话次数和通话时间间隔能够进一步提高对贷款人资质判断的准确性，进而进一步确定当前贷款操作的是否为黑中介，从而降低贷款公司的经济损失。

附图说明

图1是本申请实施例提供的一种基于社交关系的贷款黑中介预测方法的整体流程示意图；

图2是本申请一个实施例中步骤S21至步骤S24即步骤S102的详细流程示意图；

图3是本申请一个实施例中步骤S1之前即步骤S31至步骤S35的流程示意图；

图4是本申请一个实施例中步骤S41至步骤S49即步骤S35的详细流程示意图；

图5是本申请一个实施例中步骤S49之前即步骤S51至步骤S55的流程示意图；

图6是本申请一个实施例中步骤S21之前即步骤S61至步骤S65的流程示意图；

图7是本申请一个实施例中步骤S65之前即步骤S71至步骤S74的流程示意图；

图8是本申请一个实施例中步骤S65之前即步骤S81至步骤S85的流程示意图；

图9是本申请实施例提供的一种基于社交关系的贷款黑中介预测系统的结构框图。

附图标记说明：

1、信息获取模块；2、征信获取模块；3、第一判断模块；4、网贷参数获取模块；5、第二判断模块；6、通话详单获取模块；7、第三判断模块；8、通话参数获取模块；9、第四判断模块；10、预警提示模块。

具体实施方式

以下结合附图1-9对本申请作进一步详细说明。

本申请实施例公开一种基于社交关系的贷款黑中介预测方法。

参照图1，基于社交关系的贷款黑中介预测方法包括：

S1.获取贷款人信息；

S2.基于贷款人信息获取个人征信；

S3.基于个人征信判断是否有网贷记录，并获得第一判断结果；

S4.若第一判断结果为是，则基于网贷记录获取网贷参数；

S5.判断网贷参数是否大于或等于第一参数阈值，并获得第二判断结果；

S6.若第二判断结果为是，则输出预警提示；

S7.若第一判断结果为否，则基于贷款人信息获取通话详单；

S8.判断通话详单是否含有贷款电话，并获得第三判断结果；

S9.若第三判断结果为是，则获取贷款电话的通话参数；

S10.判断通话参数是否大于或等于第二参数阈值，并获得第四判断结果；

S11.若第四判断结果为是，则输出预警提示。

具体来说，对于部分不符合贷款要求的贷款人来说，贷款的信息经过一些中介进行包装之后，就会符合贷款要求，因而能够通过贷款的初步审核。因此，基于初步审核的审核结果，当贷款人通过初步审核后，贷款人已经提交了贷款人的信息，此时就可以获取贷款人信息。

接着根据贷款人信息获取个人征信，其中，贷款人信息中包括贷款人的授权信息，从而可以通过网络查询贷款人的征信情况，然后根据个人征信查看贷款人是否有网贷记录，并获得第一判断结果，其中第一判断结果包括有网贷记录和没有网贷记录两种信息，从而能够判断贷款人是否进行过贷款，从而方便进行后续对贷款人贷款资格的判断。

若第一判断结果为是，证明贷款人有过贷款记录，此时根据贷款记录获取网贷参数，其中，网贷参数包括网贷次数、网贷频率以及网贷金额等信息。接着判断网贷参数是否大于或者等于第一参数阈值，并获得第二判断结果，从而能够判断贷款人能否有能力偿还贷款。

其中，第一参数阈值包括次数阈值、频率阈值以及金额阈值等，判断过程中，网贷次数与次数阈值进行对比，网贷频率与频率阈值进行对比，网贷金额与金额阈值进行对比，只要网贷参数中有一项大于或等于第一参数阈值，则第二判断结果为是，反之则第二判断结果为否。根据网贷次数、网贷频率以及网贷金额的对比，能够判断贷款人当前的经济状态，当第二判断结果为是，证明贷款人的经济状态较差，此时的贷款风险较高，而贷款人又通过了初步的审核，因此证明大概率是有黑中介对贷款人信息进行了包装，此时输出预警提示，预警提示可以通过声音报警、也可以是通过发送至终端设备，例如电脑、手机等设备，提示贷款风险较大，从而能够对贷款公司进行预警。

而当第一判断结果为否时，证明此时个人征信中没有网贷记录，但是对于部分贷款公司，贷款之后可能不会记录到征信，此时就需要获取贷款人的通话详单，由于贷款人信息中包括授权信息，因此可以通过网络调取贷款人的通话详单，即查询贷款人的通话记录。

然后根据通话详单判断是否有贷款电话，即查看通话记录中是否有贷款电话，其中贷款电话可以是通过被用户标记的方式获取，例如用户多次接收到放贷人员的电话信息，然后对该信息进行标记为贷款电话，则该记录会被记录并上传至通信公司，例如可以通过贷款人信息中的信息登录掌上营业厅等，从而调取其中的通话记录，当然也可以是其他的方式。

然后可以从通话详单中筛选贷款电话，即判断通话详单中是否有贷款电话，并获得第三判断结果，其中，第三判断结果同样包括含有贷款电话和不含有贷款电话两种判断结果。进而，可以通过有无贷款电话判断贷款人是否通过其他的方式进行过贷款，从而方便进行后续的检查工作。

若第三判断结果为否，则证明贷款人没有进行贷款，此时贷款人的信息较为准确，贷款风险较低，此时可以选择后续进行放贷。若第三判断结果为是，则证明贷款人通过其他的方式进行了贷款，此时获取贷款电话的通话参数。

接着，判断通话参数是否大于或者等于第二参数阈值，并获得第四判断结果。从而通过通话的信息能够判断贷款人是否进行过其他形式的贷款，且通过二者的对比，能进一步提高判断的准确性。

若第四判断结果为是，证明贷款人大概率无法偿还贷款，此时进行借贷可能存在以贷养贷的情况，因此此时进行借贷的风险较高，且同样的，借贷人的信息大概率被黑中介进行了包装，此时输出预警信息，从而能够对贷款公司进行预警，提示风险较高，且贷款人可能是通过黑中介进行贷款，应及时核对真实的情况。

相反的，若第四判断结果为否，证明贷款人有较为充足的还款能力，此时可以进行后续的审核步骤。从而能够提高对贷款信息真实性的检查力度，更好的分辨贷款信息的操作者，降低网贷公司的经济损失。

参照图2，在另一个实施例中，步骤S10即判断通话参数是否大于或等于第二参数阈值，并获得第四判断结果包括如下步骤：

S21.判断通话次数是否大于或等于次数阈值；

S22.若是，则判断通话时间间隔是否小于或等于时间间隔阈值；

S23.若是，则获得第四判断结果为是；

S24.若通话次数小于次数阈值或通话时间间隔大于时间间隔阈，则获得第四判断结果为否。

其中，通话参数包括通话次数和通话时间间隔，第二参数阈值包括次数阈值、时间间隔阈值。判断过程即判断通话次数是否大于或等于次数阈值，通话时间间隔是否大于或等于时间间隔阈值。通过上述的方式能够判断贷款公司是否多次给贷款人拨打催款电话，并根据通话频率判断贷款人是否能够及时将贷款还清。

具体判断方式为，首先判断通话次数是否大于获取等于次数阈值，从而判断放贷人是否多次对贷款人进行电话沟通，若否，即通话次数小于次数阈值，此时证明贷款人大概率没有借贷，因此放贷人没有多次进行电话催还贷款。

若是，证明可能有放贷人多次进行电话沟通，此时存在两种情况，一种是放贷人对贷款人进行推销贷款，另一种就时放贷人对贷款人进行催还贷款。为了进一步进行确认，此时判断通话时间间隔是否小于或者等于时间间隔阈值，即判断统一贷款电话是否间隔很短的时间多次对贷款人进行沟通。

若否，证明大概率是第一种情况，即放贷人进行推销。若是，则大概率证明是第二种情况，即放贷人进行催还贷款。即当两次判断的结果均为是时，证明第四判断结果为是，而两次判断结果只要有一个为否，则第四判断结果为否。从而通过上述的方式进行判断，能够进一步提高对贷款人状态判断的准确性，进而降低贷款公司放贷的风险。

参照图3，进一步的，在获取贷款人的信息之前，需要对贷款人的贷款方式进行判断，即判断贷款人是本人贷款还是中介贷款，从而方便进一步排除黑中介的扰乱。因此，在另一个实施例中，步骤S1即获取贷款人信息之前还包括如下步骤：

S31.获取申请信息；

S32.基于申请信息确认是否为中介申请；

S33.若否，则获取贷款人信息；

S34.若是，则获取相关的中介信息；

S35.基于中介信息生成风险评估结果。

具体来说，首先获取申请信息，申请信息包括个人申请和中介申请，获取方式可以是读取贷款人进行申请放贷时录入的信息。然后根据申请信息确认是否为中介申请，如果否，则证明贷款人为个人申请，此时可以继续下一步，即步骤S1获取贷款人信息，从而方便进行后续步骤的进行。

如果是，即申请信息为中介申请，此时则获取相关的中介信息，其中中介信息获取方式同样是读取贷款人进行申请放贷时录入的信息。接着根据中介信息生成风险评估结果，其中，中介信息包括中介名称，例如可以通过获取中介的名称，从而获取中介的相关信息，并对相关信息进行评价，例如可以是中介的资产、中介的陈立时间、中介的位置等。根据风险评估结果，能够判断中介的相关资质，进而能够进一步降低由于黑中介的介入导致的放贷损失。

参照图4，中介的成立时间和中介的位置，是判断一个中介是否为虚假中介、黑中介的一个重要标准，因此，在另一个实施例中，步骤S35即基于中介信息生成风险评估结果包括如下步骤：

S41.获取当前时间；

S42.基于当前时间和中介成立时间获取中介存在时间；

S43.判断中介存在时间是否大于时间阈值；

S44.若否，则生成高风险评估结果；

S45.若是，则基于中介场地位置获取租赁时间；

S46.基于当前时间和租赁时间获取租赁时长；

S47.判断租赁时长是否大于时长阈值；

S48.若否，则生成高风险评估结果；

S49.若是，则生成中低风险评估结果；

其中，中介信息包括中介成立时间和中介场地位置，风险评估结果包括高风险评估结果和中低风险评估结果。首先获取当前时间，然后根据当前时间和中介成立时间获取中介存在时间，即当前时间减去中介成立时间获取的值，即为中介存在时间，其中中介成立时间还可以通过网络进行查询。

然后判断中介存在时间是否大于时间阈值，即判断中介的成立时间是否过短。若否，即中介存在时间小于或等于时间阈值，此时证明中介的存在时间较短，经验和能力可能不足，此时生成高风险评估结果，从而能够对贷款公司进行提醒。

若是，即中介存在时间大于时间阈值，此时根据中介场地位置获取租赁时间，即根据中介场地位置获取相关的物业管理公司信息，然后根据物业管理公司信息获取物业管理公司的联系方式，然后获取租赁时间。

接着根据当前时间和租赁时间获取租赁时长，即用当前时间减去租赁时间获取的值，即为租赁时长。然后判断租赁时长是否大于时长阈值，从而能够判断中介公司是否是临时租赁场地。

如果否，即租赁时长小于或者等于时长阈值，此时证明中介的场地是临时租赁，也即大概率证明该中介存在较大的安全隐患，即风险较高。此时生成高风险评估结果。相反的，如果是，证明该中介的场地租赁时间比较久，安全隐患相对较低，此时生成中低风险评估结果。

从而通过上述的方式能够进一步确定中介的安全性，进一步判断中介是否为黑中介，进而提高贷款公司进行网贷的安全性，降低风险值。

参照图5，进一步的，中介公司为了对部分不符合贷款条件的人进行贷款，通常会考虑担保公司，因此担保公司的资质判断就是判断中介是否可靠的又一个重要条件。因此，在另一个实施例中，步骤S49即生成中低风险评估结果之前还包括如下步骤：

S51.基于中介信息获取担保公司；

S52.获取担保公司的担保资质；

S53.判断担保资质是否与预设的资质要求匹配；

S54.若是，则生成中低风险评估结果；

S55.若否，则生成高风险评估结果。

具体来说，根据中介信息获取担保公司，获取方式可以是读取中介进行申请贷款时录入的中介的相关信息，其中，相关信息包括担保公司信息。然后根据担保公司的相关信息获取担保资质，其中，担保资质包括担保公司的资金、担保信用值等，且担保资质可以通过网络搜索获取。

然后判断担保资质是否与预设的资质要求匹配，其中资质要求包括预设资金、预设信用值等。判断过程中，担保公司的资金与预设资金对比，判断担保公司的资金是否大于或等于预设资金，担保信用值与预设信用值进行对比，判断担保信用值是否大于或等于预设信用值。从而判断当贷款人无法偿还贷款时，担保公司能否承担相应的责任。

若是，即担保信用值大于预设信用值，且担保公司的资金大于预设资金。此时证明担保公司有足够的实力承担相应的责任，此时生成中低风险评估结果。若否，即担保信用值小于或等于预设信用值或担保公司的资金小于或等于预设资金，此时证明担保公司的不足以承担相应的责任，此时证明中介所提供的担保公司不可靠，因此证明中介公司可能不可靠，大概率证明中介公司为黑中介。此时生成高风险评估结果，从而能够进一步对贷款公司进行预警，使贷款公司能够及时止损，降低损失。

参照图6，当确定贷款人是个人，且为了尽可能确定贷款人与贷款操作人是同一个人，在另一个实施例中，步骤S21即基于贷款人信息获取个人征信之前还包括如下步骤：

S61.获取贷款人的头部图像；

S62.基于贷款人信息获取头部上传图像；

S63.判断头部图像与头部上传图像是否匹配；

S64.若否，则输出预警信息；

S65.若是，则继续获取个人征信。

具体来说，首先获取贷款人的头部信息，获取方式可以通过手机或者平板电脑等设备上的摄像头拍摄获得，然后根据贷款人信息获取头部上传图像，也就是录入相关信息时，上传的真正的贷款人的头部图像。

接着判断头部图像与头部上传图像是否匹配，即判断贷款人与操作人是否为同一个人，如果是，则进行下一步，即步骤S21继续获取个人征信。如果否，则证明贷款人与操作人不是同一个人，此时大概率证明是中介进行远程操作，此时则停止获取个人征信，并输出预警信息。且大概率证明贷款人资质不符合，此时中介进行操作，大概率证明该中介是黑中介。从而能够将该信息上传至贷款公司的后台服务器，进而能够对贷款公司进行预警，提示贷款风险较大，及时对贷款人的信息进行重点核查，能够进一步降低贷款公司的放贷风险。

参照图7，在实际的贷款过程中，会有部分中介进行远程贷款操作时，翻拍照片来应对活体识别核身，为了尽可能减少这类情况发生的可能性，在另一个实施例中，步骤S65继续获取个人征信之前还包括如下步骤：

S71.基于头部图像获取面部表情；

S72.判断面部表情是否与预设表情匹配；

S73.若否，则输出预警信息；

S74.若是，则进行下一步。

具体来说，根据头部图像获取面部表情，并判断面部表情是否与预设表情匹配，例如预设表情是张口图像，眨眼图像等，此时获取面部表情，并将面部表情分别与张口图像和眨眼图像进行匹配，从而判断进行头像匹配的是否是活体。

若是，即面部表情与预设表情匹配，此时大概率证明是活体真人进行匹配，此时继续进行下一步，即步骤S65获取个人征信。若否，即证明面部表情与预设表情不匹配，此时大概率证明不是活体真人进行匹配，此时停止获取个人征信，重新根据头部图像获取面部表情并输出预警信息，从而能够进一步提高对贷款人信息判断的准确性。

参照图8，在另一个实施例中，步骤S65即继续获取个人征信之前还包括如下步骤：

S81.获取借贷人的指纹信息；

S82.基于借贷人信息获取标准指纹；

S83.判断指纹信息是否与标准指纹匹配；

S84.若否，则输出预警信息；

S85.若是，则进行下一步。

具体来说，获取借贷人的指纹信息，获取方式可以通过手机或者平板电脑等设备读取贷款操作人的指纹，并上传至贷款公司后台服务器，然后根据借贷人信息获取标准指纹，其中，标准指纹是上传贷款人信息时录入的贷款人的指纹。

接着判断指纹信息与标准指纹是否匹配，即判断贷款人和贷款操作人是否为同一个人。若否，则证明不是同一个人，此时停止获取个人征信，重新获取指纹信息，并输出预警信息，从而能够进一步对网贷公司进行预警，提高贷款的安全性。若是，证明是同一个人，此时继续获取个人征信，进而通过上述的方式，能够降低黑中介参与贷款情况发生的可能性，进一步降低贷款公司的经济损失。

本申请实施例一种基于社交关系的贷款黑中介预测方法的实施原理为：当贷款人通过初步审核之后，根据贷款人信息获取个人征信并判断有无网贷记录，并获得第一判断结果，能够判断贷款人当前的贷款状态。当有网贷记录时，判断网贷参数是否大于或者等于第一参数阈值，并获得第二判断结果，此时能够判断贷款人的是否是以贷养贷。若是，此时输出预警提示，从而提醒贷款公司，当前贷款人可能是黑中介代理。如果第一判断结果为否，此时获取贷款人的通话详单，判断通话详单是否有贷款电话，并获得第三判断结果，能够根据贷款电话判断贷款人是否有未上征信的贷款，当第三判断结果为是，判断通话参数是否大于或者等于第二参数阈值，获得第四判断结果，能够判断贷款公司是否经常向贷款人打电话，如果是，证明贷款人此时可能有贷款未还，此时进行贷款证明可能是黑中介对贷款人进行了包装，此时输出预警提示，能够对贷款公司进行预警。从而能够提高对贷款信息真实性的检查力度，更好的分辨贷款信息的操作者，降低网贷公司的经济损失。

本申请实施例还公开一种基于社交关系的贷款黑中介预测系统，能够达到如上述一种基于社交关系的贷款黑中介预测方法同样的技术效果。

参照图9，基于社交关系的贷款黑中介预测系统包括：

信息获取模块1，用于获取贷款人信息；

征信获取模块2，用于基于贷款人信息获取个人征信；

第一判断模块3，用于基于个人征信判断是否有网贷记录，并获得第一判断结果；

网贷参数获取模块4，当第一判断结果为是时，用于基于网贷记录获取网贷参数；

第二判断模块5，用于判断网贷参数是否大于或等于第一参数阈值，并获得第二判断结果；

通话详单获取模块6，当第一判断结果为否时，用于基于贷款人信息获取通话详单；

第三判断模块7，用于判断通话详单是否含有贷款电话，并获得第三判断结果；

通话参数获取模块8，当第三判断结果为是时，用于获取贷款电话的通话参数；

第四判断模块9，用于判断通话参数是否大于或等于第二参数阈值，并获得第四判断结果；

预警提示模块10，当第二判断结果为是时或当第四判断结果为是时，用于输出预警提示。

具体来说，信息获取模块1获取贷款人信息之后，发送给与其相连的征信获取模块2，征信获取模块2根据贷款人信息获取个人征信，并发送给与其相连的第一判断模块3，第一判断模块3根据个人征信判断是否有网贷记录，获得第一判断结果并发送给与其相连的网贷参数获取模块4和通话详单获取模块6。

当第一判断结果为是时，网贷参数获取模块4根据网贷记录获取网贷参数，并发送给与其相连的第二判断模块5，第二判断模块5判断网贷参数是否大于或等于第一参数阈值，获得第二判断结果，并发送给与其相连的预警提示模块10，当第二判断结果为是时，预警提示模块10输出预警提示。

当第一判断结果为否时，通话详单获取模块6根据贷款人信息获取通话详单，并发送给与其相连的第三判断模块7，第三判断模块7判断通话详单是否有贷款电话，获得第三判断结果并发送给与其相连的通话参数获取模块8。

当第三判断结果为是时，通话参数获取模块8获取贷款电话的通话参数，并发送给与其相连的第四判断模块9，第四判断模块9判断通话参数是否大于或等于第二参数阈值，获得第四判断结果，并发送给与其相连的预警提示模块10，当第四判断结果为是时，预警提示模块10输出预警提示。

此时进行贷款证明可能是黑中介对贷款人进行了包装，此时输出预警提示，能够对贷款公司进行预警，从而能够提高对贷款信息真实性的检查力度，更好的分辨贷款信息的操作者，降低网贷公司的经济损失。

以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (9)

1.一种基于社交关系的贷款黑中介预测方法，其特征在于，包括：

基于初步审核的审核结果，获取贷款人信息；

基于所述贷款人信息获取个人征信；

基于所述个人征信判断是否有网贷记录，并获得第一判断结果；

若所述第一判断结果为是，则基于所述网贷记录获取网贷参数；

判断所述网贷参数是否大于或等于第一参数阈值，并获得第二判断结果；

若所述第二判断结果为是，则输出预警提示；

若所述第一判断结果为否，则基于所述贷款人信息获取通话详单；

判断所述通话详单是否含有贷款电话，并获得第三判断结果；

若所述第三判断结果为是，则获取所述贷款电话的通话参数；

判断所述通话参数是否大于或等于第二参数阈值，并获得第四判断结果；

若所述第四判断结果为是，则输出所述预警提示。

2.根据权利要求1所述的一种基于社交关系的贷款黑中介预测方法，其特征在于，所述判断所述通话参数是否大于或等于第二参数阈值，并获得第四判断结果包括如下步骤：

所述通话参数包括通话次数和通话时间间隔，所述第二参数阈值包括次数阈值和时间间隔阈值；

判断所述通话次数是否大于或等于所述次数阈值；

若是，则判断所述通话时间间隔是否小于或等于所述时间间隔阈值；

若是，则获得所述第四判断结果为是；

若所述通话次数小于所述次数阈值或所述通话时间间隔大于所述时间间隔阈值，则获得所述第四判断结果为否。

3.根据权利要求1所述的一种基于社交关系的贷款黑中介预测方法，其特征在于，所述获取贷款人信息之前还包括：

获取申请信息，所述申请信息包括个人申请和中介申请；

基于所述申请信息确认是否为中介申请；

若否，则获取所述贷款人信息；

若是，则获取相关的中介信息；

基于所述中介信息生成风险评估结果。

4.根据权利要求3所述的一种基于社交关系的贷款黑中介预测方法，其特征在于，所述基于所述中介信息生成风险评估结果包括如下步骤：

所述中介信息包括中介成立时间和中介场地位置；

获取当前时间；

基于所述当前时间和所述中介成立时间获取中介存在时间；

判断所述中介存在时间是否大于时间阈值；

若否，则生成高风险评估结果；

若是，则基于所述中介场地位置获取租赁时间；

基于所述当前时间和所述租赁时间获取租赁时长；

判断所述租赁时长是否大于时长阈值；

若否，则生成所述高风险评估结果；

若是，则生成中低风险评估结果；

其中，所述风险评估结果包括所述高风险评估结果和所述中低风险评估结果。

5.根据权利要求4所述的一种基于社交关系的贷款黑中介预测方法，其特征在于，所述生成中低风险评估结果之前还包括：

基于所述中介信息获取担保公司；

获取所述担保公司的担保资质；

判断所述担保资质是否与预设的资质要求匹配；

若是，则生成所述中低风险评估结果；

若否，则生成所述高风险评估结果。

6.根据权利要求1所述的一种基于社交关系的贷款黑中介预测方法，其特征在于，所述基于所述贷款人信息获取个人征信之前还包括：

获取贷款人的头部图像；

基于所述贷款人信息获取头部上传图像；

判断所述头部图像与所述头部上传图像是否匹配；

若否，则输出所述预警信息；

若是，则继续获取所述个人征信。

7.根据权利要求6所述的一种基于社交关系的贷款黑中介预测方法，其特征在于，所述继续获取所述个人征信之前还包括：

基于所述头部图像获取面部表情；

判断所述面部表情是否与预设表情匹配；

若否，则输出所述预警信息；

若是，则进行下一步。

8.根据权利要求6所述的一种基于社交关系的贷款黑中介预测方法，其特征在于，所述继续获取所述个人征信之前还包括：

获取借贷人的指纹信息；

基于所述借贷人信息获取标准指纹；

判断所述指纹信息是否与所述标准指纹匹配；

若否，则输出所述预警信息；

若是，则进行下一步。

9.一种基于社交关系的贷款黑中介预测系统，其特征在于，包括：

信息获取模块(1)，用于获取贷款人信息；

征信获取模块(2)，用于基于所述贷款人信息获取个人征信；

第一判断模块(3)，用于基于所述个人征信判断是否有网贷记录，并获得第一判断结果；

网贷参数获取模块(4)，当所述第一判断结果为是时，用于基于所述网贷记录获取网贷参数；

第二判断模块(5)，用于判断所述网贷参数是否大于或等于第一参数阈值，并获得第二判断结果；

通话详单获取模块(6)，当所述第一判断结果为否时，用于基于所述贷款人信息获取通话详单；

第三判断模块(7)，用于判断所述通话详单是否含有贷款电话，并获得第三判断结果；

通话参数获取模块(8)，当所述第三判断结果为是时，用于获取所述贷款电话的通话参数；

第四判断模块(9)，用于判断所述通话参数是否大于或等于第二参数阈值，并获得第四判断结果；

预警提示模块(10)，当所述第二判断结果为是时或当所述第四判断结果为是时，用于输出预警提示。

Images