CN114693192A - 风控决策方法、装置、计算机设备和存储介质 - Google Patents
风控决策方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114693192A CN114693192A CN202210612322.6A CN202210612322A CN114693192A CN 114693192 A CN114693192 A CN 114693192A CN 202210612322 A CN202210612322 A CN 202210612322A CN 114693192 A CN114693192 A CN 114693192A
- Authority
- CN
- China
- Prior art keywords
- service
- wind control
- risk
- control decision
- 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
- G06Q10/0635—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
- G06Q10/06—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
Abstract
本申请涉及一种风控决策方法、装置、计算机设备和存储介质。所述方法包括:接收业务终端发送的业务请求,业务请求携带有风险场景标识和业务参数;根据风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则,以及根据业务参数获取对应的业务数据;对业务参数进行预处理,得到风险场景下对应风险维度的业务指标;从业务数据中确定与各业务指标对应的指标数据;根据风控决策规则对各指标数据进行决策处理,得到决策结果。采用本方法能够提高风控决策方法的通用性。
Description
技术领域
本申请涉及规则引擎技术领域,特别是涉及一种风控决策方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随机计算机技术的发展,采用互联网进行业务处理越来越普遍,在进行业务处理时存在的风险越来越大、造成的损失也越来越严重,为此、针对企业内部业务处理的风控系统日益受到各互联往企业的关注。各个互联网公司内部均存在多种业务,比如业务结算、业务交易等。因此,各业务的风险管理十分重要。
目前,风控决策是基于规则引擎的DSL(Domain Specific Lanaguage,领域专用语言)实现的,现有的风控决决策引擎只能针对特定业务场景实现风控决策。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高风控决策方法通用性的高风控决策方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种风控决策方法。所述方法包括:
接收业务终端发送的业务请求,所述业务请求携带有风险场景标识和业务参数;
根据所述风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则,以及根据所述业务参数获取对应的业务数据;
对所述业务参数进行预处理,得到所述风险场景下对应风险维度的业务指标;
从所述业务数据中确定与各所述业务指标对应的指标数据;
根据所述风控决策规则对各所述指标数据进行决策处理,得到决策结果。
在其中一个实施例中,在所述根据所述风控决策规则对各所述指标数据进行决策处理,得到决策结果之前,所述方法还包括:
根据所述业务参数获取对应的业务数据;
对所述业务数据进行关键字符识别,提取待确认关键字符;
确定所述待确认关键字符与预设关键字符的相似度,若所述相似度不为预设相似度,则所述业务数据不存在异常。
在其中一个实施例中,所述根据所述风控决策规则对各所述指标数据进行决策处理,得到决策结果,包括:
将各所述指标数据输入对应风险维度的评分卡模型,得到不同风险维度的业务指标的权重值;
解析所述风控决策规则,得到可执行的规则表达式;
通过执行所述规则表达式对对应的各所述权重值进行决策,得到决策结果。
在其中一个实施例中,在所述根据所述风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则之前,所述方法还包括:
获取各风险场景下的历史业务数据;
对所述历史业务数据进行分析,根据所述历史业务数据的属性确定各所述风险场景的业务指标,得到不同风险维度的业务指标;
根据所述不同风险维度的业务指标配置对应风险场景下的风控决策规则,确定风控决策规则库。
在其中一个实施例中,所述方法还包括:
当检测各风险场景下的历史业务数据更新时,对所述更新的历史业务数据进行分析;
若各所述历史业务数据的属性更新时,根据更新的属性更新所述不同风险维度的业务指标;
基于更新后的不同风险维度的业务指标,更新对应风险场景下的风控决策规则。
在其中一个实施例中,所述方法还包括:
当所述决策结果为不为预设决策结果时,获取所述决策结果对应的风控策略;
将所述风控策略发送至业务终端,所述风控策略用于提示对业务终端的业务数据进行风控处理。
第二方面,本申请还提供了一种风控决策装置。所述装置包括:
业务请求接收模块,用于接收业务终端发送的业务请求,所述业务请求携带有风险场景标识和业务参数;
风控决策规则确定模块,用于根据所述风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则,以及根据所述业务参数获取对应的业务数据;
预处理模块,用于对所述业务参数进行预处理,得到所述风险场景下对应风险维度的业务指标;
指标数据确定模块,用于从所述业务数据中确定与各所述业务指标对应的指标数据;
决策处理模块,用于根据所述风控决策规则对各所述指标数据进行决策处理,得到决策结果。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
接收业务终端发送的业务请求,所述业务请求携带有风险场景标识和业务参数;
根据所述风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则,以及根据所述业务参数获取对应的业务数据;
对所述业务参数进行预处理,得到所述风险场景下对应风险维度的业务指标;
从所述业务数据中确定与各所述业务指标对应的指标数据;
根据所述风控决策规则对各所述指标数据进行决策处理,得到决策结果。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
接收业务终端发送的业务请求,所述业务请求携带有风险场景标识和业务参数;
根据所述风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则,以及根据所述业务参数获取对应的业务数据;
对所述业务参数进行预处理,得到所述风险场景下对应风险维度的业务指标;
从所述业务数据中确定与各所述业务指标对应的指标数据;
根据所述风控决策规则对各所述指标数据进行决策处理,得到决策结果。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
接收业务终端发送的业务请求,所述业务请求携带有风险场景标识和业务参数;
根据所述风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则,以及根据所述业务参数获取对应的业务数据;
对所述业务参数进行预处理,得到所述风险场景下对应风险维度的业务指标;
从所述业务数据中确定与各所述业务指标对应的指标数据;
根据所述风控决策规则对各所述指标数据进行决策处理,得到决策结果。
上述风控决策方法、装置、计算机设备、存储介质和计算机程序产品,在接收到业务终端发送的业务请求时,根据业务请求携带的风险场景标识确定对应风险场景下的风控决策规则和业务参数,对业务参数进行预处理,得到风险场景下对应风险维度的业务指标,基于风控决策规则对各指标数据进行决策处理,得到决策结果。可以对任意一种风险场景下的业务参数进行预处理,得到对应风险场景下的各风险维度的业务指标,不仅限于单一的风险场景,提高决策方法的通用性;根据业务指标对应的指标数据进行决策处理,不需要根据业务参数的对应的业务数据进行决策处理,减少决策处理过程中的数据量,提高决策的处理效率。
附图说明
图1为一个实施例中风控决策方法的应用环境图;
图2为一个实施例中风控决策方法的流程示意图;
图3为一个实施例中风控决策规则的配置界面示意图;
图4为另一个实施例中风控决策方法的流程示意图;
图5为一个实施例中风险场景下风控决策规则、预设关键字符和评分卡模型的示意图;
图6为一个实施例中风控决策方法的应用框架;
图7为一个实施例中风控决策装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的风控决策方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。服务器104接收终端102发送的业务请求,业务请求携带有风险场景标识;根据风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则和业务参数;对业务参数进行预处理,得到风险场景下对应风险维度的业务指标;获取与各业务指标对应的指标数据;根据风控决策规则对各指标数据进行决策处理,得到决策结果。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种风控决策方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,接收业务终端发送的业务请求,业务请求携带有风险场景标识和业务参数。
其中,业务终端发送的业务请求可以但不仅限于是行业准入请求、行业准入后的监测请求(监测请求可以但不仅限于是对行业准入后企业的异常行为监测请求)、业务订单结算请求等。不同的业务请求对应不同的业务场景,不同业务场景中存在不同类型的风险,即对应有不同的风险场景。行业准入是指是指从事某一行业是有一定的要求和条件的,符合条件的才能从事,不符合要求和条件的则不能从事,行业准入是需要经过审批的。例如,医疗行业、短视频行业、电商行业等行业领域。业务参数可以理解为底层业务数据的数据属性,根据业务参数以及业务参数对应的业务数据无法直接进行风险决策。
行业准入请求对应存在的风险包括企业是否满足目标行业的行业要求和条件;业务订单结算请求对应存在的风险场景包括决策对象在预设时间段内是否存在结算次数异常或结算额度异常等。
风险场景标识用于标记不同的风险场景标识,不同的风险场景设置有对应的风险决策规则,风险决策规则包括行业准入决策规则、监测请求决策规则(如,企业是否存在异常经营违规行为)和业务订单决策规则等。
具体地,服务器上部署了风控系统,服务器在接收到业务终端发送至少一个业务请求时,需要对该业务请求对应的业务风险进行决策,并调用风控决策引擎。其中,业务请求携带了有风险场景标识和业务参数,且将业务请求对应的业务数据上传至服务器的存储器中。风控决策引擎采用了模块化的开发思路,具有可扩展性。
步骤204,根据风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则,以及根据业务参数获取对应的业务数据。
其中,风控决策规则库中包括预先配置了不同业务场景下的风控决策规则,风控决策规则由多个表达式组成,多个表达式通过逻辑关系符组合,表达式由变量(变量包括预置变量和一般变量),操作符和阈值三部分组成。风控决策规则以组件的形式进行部署,在对风控决策规则配置的过程值不需要重启,可以实时对风控决策规则进配置(如,更新),简化了风控决策规则的配置方式以及提高了风控决策引擎的灵活性和扩展性。
预置变量可以但不仅限于是业务指标,预置变量包括黑名单、白名单和用户唯一标识等,白名包括年龄段白名单和企业董监高名单等。如图3所示,为一个实施例中风控决策规则的配置界面,包括变量、逻辑关系操作符和表达式,即包括变量1、变量2和变量3,逻辑关系操作符1、逻辑关系操作符2和逻辑关系操作符3,表达式1、表达式2和表达式3。在配置界面根据风险场景灵活、自由选择所需的变量、逻辑关系操作符和表达式,得到对应风险场景下对风控决策规则。
进一步地,在配置好风控决策规则后,将配置好的风控决策规则进行显示,对该风控决策规则进行验证,若验证通过,将验证通过的风控决策规则发送至服务器端进行存储。若验证不通过,对风控决策规则进行重新配置,直到验证通过。
具体地,服务器在接收到业务终端发送的业务请求时,调用风控决策引擎,根据风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则。
步骤206,对业务参数进行预处理,得到风险场景下对应风险维度的业务指标。
其中,这里的预处理是指将业务终端发送的业务参数转换为预先设置的风险场景下的业务指标,即对业务参数进行预处理可以理解为对业务参数进行加工,得到复杂的业务指标。这里的转换可以但不仅限于是对至少两个业务参数进行聚合处理,得到业务指标,例如,获取业务参数是时间点,对这些时间点业务参数进行聚合,得到的业务指标是时间段。例如,获取的业务数据中包括对象A的业务参数为在一个月内每天的单笔绩效,根据一个月内每天的单笔绩效确定业务指标为月度总绩效。还可以是根据业务数据的属性确定对应的业务指标,例如,可以直接对象B的年龄直接确定为业务指标。风控决策规则中变量包括业务指标。
步骤208,从业务数据中确定与各业务指标对应的指标数据。
具体地,从服务器的缓存中获取业务数据,对业务数据进行处理得到各业务指标对应的指标数据。
步骤210,根据风控决策规则对各指标数据进行决策处理,得到决策结果。
具体地,根据风控决策规则确定对应风险维度的评分卡模型,将将各指标数据输入对应风险维度的评分卡模型,得到不同风险维度的业务指标的权重值;解析风控决策规则,得到可执行的规则表达式;通过执行规则表达式对对应的各权重值进行决策,得到决策结果,根据决策结果可以对风控决策规则进行更新。其中,通过执行规则表达式对对应的各权重值进行决策,得到决策结果包括,根据各权重值进行加权得到评分卡模型的总权重值,通过解析风控决策规则,得到多个可执行的规则表达式,执行多个规则表达式对总权重值进行判断,根据区总权重值所属的区间,得到决策结果。
例如,在灵活用工的企业准入场景:预先配置准入场景相应的变量及风控决策规则,变量包括企业所在地,企业所属行业,企业规模,开始经营时间和企业异常行为等。配置评分卡模型中评分卡维度及权重:经营时长,企业诉讼,注册资本等维度进行分值及权重设置比,例如,(经营时长,五年之内(50分),五年以上(70分),占总分(100分)权重30%),计算规则:100*30%*70%。其中,风控决策规则中规则包括总权重值大于60通过,小于60拒绝。在接收业务终端发送的业务请求时,根据携带的风险场景标识获取对应企业准入场景下的风控决策规则,对业务请求携带的业务参数进行预处理,得到经营时长,企业诉讼,注册资本等业务指标;从业务数据集中获取业务指标对应的指标数据,将指标数据输入至对应风险维度的评分卡模型,得到不同风险维度的业务指标的权重值,根据各权重值确定评分卡模型的总权重值;解析风控决策规则,得到可执行的规则表达式;通过执行规则表达式对总权重值进行决策,得到决策结果。若总权重值为80,则风控决策规则中规则包括总权重值大于60通过,小于60拒绝,则得到的决策结果是准入通过,并将准入通过的提示信息发送至对应的业务终端。
上述风控决策方法,在接收到业务终端发送的业务请求时,根据业务请求携带的风险场景标识确定对应风险场景下的风控决策规则和业务参数,对业务参数进行预处理,得到风险场景下对应风险维度的业务指标,基于风控决策规则对各指标数据进行决策处理,得到决策结果。可以对任意一种风险场景下的业务参数进行预处理,得到对应风险场景下的各风险维度的业务指标,不仅限于单一的风险场景,提高决策方法的通用性;根据业务指标对应的指标数据进行决策处理,不需要根据业务参数的对应的业务数据进行决策处理,减少决策处理过程中的数据量,提高决策的处理效率。
在另一个实施例中,如图4所示,提供了一种风控决策方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤402,接收业务终端发送的业务请求,业务请求携带有风险场景标识和业务参数。
步骤404,根据风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则,以及根据业务参数获取对应的业务数据。
其中,一个风险场景下包含多个风控决策规则,主要对不同类型的规则进行归类,风控决策规则中包括多个风控决策子规则。一个风险场景下包括多个评分卡模型,评分卡模型主要是对不同的业务场景进行分类,评分卡模型分为多个风险维度,各个风险维度的得分进行权重加和,得到该评分卡模型的总的风险评分。风险场景下设有多个预设关键字符,如图5所示,为风险场景下风控决策规则、预设关键字符和评分卡模型的示意图。
可选地,在一个实施例中,在根据风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则之前,需要确定风控决策规则库,即预先配置各风险场景对应的风控决策规则,具体可以通过获取各风险场景下的历史业务数据,其中风险场景存在对应的风险场景标识;对历史业务数据进行分析,根据历史业务数据的属性确定各风险场景的业务指标,得到不同风险维度的业务指标;根据不同风险维度的业务指标配置对应风险场景下的风控决策规则,进而确定风控决策规则库。
可选地,在一个实施例中,当检测各风险场景下的历史业务数据更新时,对更新的历史业务数据进行分析;若各历史业务数据的属性更新时,根据更新的属性更新不同风险维度的业务指标;基于更新后的不同风险维度的业务指标,更新对应风险场景下的风控决策规则。通过实时更新风控决策规则确保风控决策的准确性。
步骤406,根据业务参数获取对应的业务数据。
步骤408,对业务数据进行关键字符识别,提取待确认关键字符。
其中,关键字符是预先确定的,关键字符包括敏感字符、违规字符和表达恶意的字符等。关键字符也存在对应的近义词,关键字符识别方法可以通过现有的字符识别方法来实现,在此不做赘述。
步骤410,确定待确认关键字符与预设关键字符的相似度,若相似度不为预设相似度,则业务数据不存在异常。
具体地,对获取的业务数据进行关键字识别,提取待确认关键字符,计算待确认关键字符与预设关键字符的相似度,若相似度不为预设相似度,则业务数据不存在异常,对业务参数进行预处理,得到风险场景下对应风险维度的业务指标。可以理解的是,对业务数据进行关键字符识别步骤与对业务参数进行预处理步骤可以是并行处理的,在对业务参数进行预处理,得到风险场景下对应风险维度的业务指标时,若业务数据中的待确认关键字符与预设关键字符的相似度为预设相似度,则业务数据存在异常,则生成提示。
步骤412,对业务参数进行预处理,得到风险场景下对应风险维度的业务指标。
步骤414,从业务数据中确定与各业务指标对应的指标数据。
其中,指标数据是基于业务数据的基础上通过聚合处理得到的。
步骤416,根据风控决策规则对各指标数据进行决策处理,得到决策结果。
可选地,在一个实施例中,获取决策结果对应的风控策略;将风控策略发送至业务终端,风控策略用于提示对业务终端的用户行为数据进行风控处理。具体地,当获取的决策结果不为预设决策结果时,则确定对应的业务场景存在异常,获取决策结果对应的风控策略;将风控策略发送至业务终端,风控策略用于提示对业务终端的业务数据进行风控处理,若检测到业务数据正常时,则生成风险决策规则更新提示,根据风险决策规则更新提示更新风险决策规则。通过在决策结果不为预设决策结果时,根据决策结果获取对应的风控策略进行确认,提高了风控决策的准确性。
在一个实施例中,如图6所示,为风控决策方法中风控决策引擎和业务终端上业务系统交互流程如下图所示,业务系统调用服务器上风控系统的接口,通过风险场景标识确定对应的风险场景,调用决策引擎门面,决策引擎依次执行预置变量处理单元,评分卡计算单元,规则执行单元,决策处理单元,通过上下文对象串联各个模块的执行和变量交互,最后通过门面对象对上下文对象的进一步处理和加工返回相应的决策结果集。
具体地,业务终端上的业务系统向服务器发起业务请求,服务器接收业务请求,部署在服务器上的风控系统响应业务请求,调用风控决策引擎,根据业务请求携带风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则,以及根据业务参数获取对应的业务数据,通过预置变量处理单元以通过调用搜索引擎获取需要的数据以及从缓存中获取预设业务指标,对业务参数进行预处理,得到风险场景下对应风险维度的业务指标以及业务指标的指标数据,将得到业务指标以及业务指标的指标数据放入应用执行上下文中,评分卡计算单元从应用执行上下文中获取业务指标以及业务指标的指标数据,从缓存中调用与业务指标对应的评分卡模型进行评分,输出评分卡结果(即总权重值),将评分卡结果放入应用执行上下文中;通过规则执行单元从缓存中获取对应的风控决策规则,并触发解析程序对风控决策规则进行解析,生成对应的可执行的脚本表达式,脚本表达式使用Groovy脚本执行引擎进行执行,得到对评分卡结果的规则命中结果,并将规则命中结果放入应用执行上下文中,通过决策处理单元对规则命中结果进行决策,输出决策结果,当决策结果为不为预设决策结果时,获取决策结果对应的风控策略;将风控策略上传至应用执行上下文中,通过应用执行上下文中返回至业务终端,风控策略用于提示对业务终端的业务数据进行风控处理。
上述风控决策方法,在接收到业务终端发送的业务请求时,根据业务请求携带的风险场景标识确定对应风险场景下的风控决策规则和业务参数,对业务参数进行预处理,得到风险场景下对应风险维度的业务指标。以及对业务参数对应的业务数据进行关键字符识别,提取待确认关键字符,当检测到业务数据中不存在预设关键字符或者要关键字符相似的字符时,基于风控决策规则对各指标数据进行决策处理,得到决策结果。可以对任意一种风险场景下的业务参数进行预处理,得到对应风险场景下的各风险维度的业务指标,不仅限于单一的风险场景,提高决策方法的通用性;根据业务指标对应的指标数据进行决策处理,不需要根据业务参数的对应的业务数据进行决策处理,减少决策处理过程中的数据量,提高决策的处理效率。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的风控决策方法的风控决策装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个风控决策装置实施例中的具体限定可以参见上文中对于风控决策方法的限定,在此不再赘述。
在一个实施例中,如图7所示,提供了一种风控决策装置,包括:业务请求接收模块702、风控决策规则确定模块704、预处理模块706、指标数据确定模块708和决策处理模块710,其中:
业务请求接收模块702,用于接收业务终端发送的业务请求,业务请求携带有风险场景标识和业务参数。
风控决策规则确定模块704,用于根据风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则,以及根据业务参数获取对应的业务数据。
预处理模块706,用于对业务参数进行预处理,得到风险场景下对应风险维度的业务指标。
指标数据确定模块708,用于从业务数据中确定与各业务指标对应的指标数据。
决策处理模块710,用于根据风控决策规则对各指标数据进行决策处理,得到决策结果。
上述风控决策,在接收到业务终端发送的业务请求时,根据业务请求携带的风险场景标识确定对应风险场景下的风控决策规则和业务参数,对业务参数进行预处理,得到风险场景下对应风险维度的业务指标,基于风控决策规则对各指标数据进行决策处理,得到决策结果。可以对任意一种风险场景下的业务参数进行预处理,得到对应风险场景下的各风险维度的业务指标,不仅限于单一的风险场景,提高决策方法的通用性;根据业务指标对应的指标数据进行决策处理,不需要根据业务参数的对应的业务数据进行决策处理,减少决策处理过程中的数据量,提高决策的处理效率。
在另一个实施例中,提供了一种风控决策装置,除包括业务请求接收模块702、风控决策规则确定模块704、预处理模块706、指标数据确定模块708和决策处理模块710之外,还包括:关键字符识别识别模块、解析模块、风控决策规则配置模块和风控处理模块,其中:
关键字符识别识别模块,用于根据业务参数获取对应的业务数据;对业务数据进行关键字符识别,提取待确认关键字符;确定待确认关键字符与预设关键字符的相似度,若相似度不为预设相似度,则业务数据不存在异常。
决策处理模块710还用于将各指标数据输入对应风险维度的评分卡模型,得到不同风险维度的业务指标的权重值。
解析模块,用于解析风控决策规则,得到可执行的规则表达式。
决策处理模块710还用于通过执行规则表达式对对应的各权重值进行决策,得到决策结果。
风控决策规则配置模块,用于获取各风险场景下的历史业务数据;对历史业务数据进行分析,根据历史业务数据的属性确定各风险场景的业务指标;根据不同风险维度的业务指标配置对应风险场景下的风控决策规则,确定风控决策规则库。
风控决策规则更新模块,用于当检测各风险场景下的历史业务数据更新时,对更新的历史业务数据进行分析;若各历史业务数据的属性更新时,根据更新的属性更新不同风险维度的业务指标;基于更新后的不同风险维度的业务指标,更新对应风险场景下的风控决策规则。
风控处理模块,用于当决策结果为不为预设决策结果时,获取决策结果对应的风控策略;将风控策略发送至业务终端,风控策略用于提示对业务终端的业务数据进行风控处理。
上述风控决策装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储业务场景下的业务数据以及配置好的风控决策规则数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种风控决策方法。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
接收业务终端发送的业务请求,业务请求携带有风险场景标识和业务参数;
根据风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则,以及根据业务参数获取对应的业务数据;
对业务参数进行预处理,得到风险场景下对应风险维度的业务指标;
从业务数据中确定与各业务指标对应的指标数据;
根据风控决策规则对各指标数据进行决策处理,得到决策结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据业务参数获取对应的业务数据;
对业务数据进行关键字符识别,提取待确认关键字符;
确定待确认关键字符与预设关键字符的相似度,若相似度不为预设相似度,则业务数据不存在异常。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将各指标数据输入对应风险维度的评分卡模型,得到不同风险维度的业务指标的权重值;
解析风控决策规则,得到可执行的规则表达式;
通过执行规则表达式对对应的各权重值进行决策,得到决策结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取各风险场景下的历史业务数据;
对历史业务数据进行分析,根据历史业务数据的属性确定各风险场景的业务指标,得到不同风险维度的业务指标;
根据不同风险维度的业务指标配置对应风险场景下的风控决策规则,确定风控决策规则库。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当检测各风险场景下的历史业务数据更新时,对更新的历史业务数据进行分析;
若各历史业务数据的属性更新时,根据更新的属性更新不同风险维度的业务指标;
基于更新后的不同风险维度的业务指标,更新对应风险场景下的风控决策规则。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当决策结果为不为预设决策结果时,获取决策结果对应的风控策略;
将风控策略发送至业务终端,风控策略用于提示对业务终端的业务数据进行风控处理。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
接收业务终端发送的业务请求,业务请求携带有风险场景标识和业务参数;
根据风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则,以及根据业务参数获取对应的业务数据;
对业务参数进行预处理,得到风险场景下对应风险维度的业务指标;
从业务数据中确定与各业务指标对应的指标数据;
根据风控决策规则对各指标数据进行决策处理,得到决策结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据业务参数获取对应的业务数据;
对业务数据进行关键字符识别,提取待确认关键字符;
确定待确认关键字符与预设关键字符的相似度,若相似度不为预设相似度,则业务数据不存在异常。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将各指标数据输入对应风险维度的评分卡模型,得到不同风险维度的业务指标的权重值;
解析风控决策规则,得到可执行的规则表达式;
通过执行规则表达式对对应的各权重值进行决策,得到决策结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取各风险场景下的历史业务数据;
对历史业务数据进行分析,根据历史业务数据的属性确定各风险场景的业务指标,得到不同风险维度的业务指标;
根据不同风险维度的业务指标配置对应风险场景下的风控决策规则,确定风控决策规则库。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当检测各风险场景下的历史业务数据更新时,对更新的历史业务数据进行分析;
若各历史业务数据的属性更新时,根据更新的属性更新不同风险维度的业务指标;
基于更新后的不同风险维度的业务指标,更新对应风险场景下的风控决策规则。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当决策结果为不为预设决策结果时,获取决策结果对应的风控策略;
将风控策略发送至业务终端,风控策略用于提示对业务终端的业务数据进行风控处理。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
接收业务终端发送的业务请求,业务请求携带有风险场景标识和业务参数;
根据风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则,以及根据业务参数获取对应的业务数据;
对业务参数进行预处理,得到风险场景下对应风险维度的业务指标;
从业务数据中确定与各业务指标对应的指标数据;
根据风控决策规则对各指标数据进行决策处理,得到决策结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据业务参数获取对应的业务数据;
对业务数据进行关键字符识别,提取待确认关键字符;
确定待确认关键字符与预设关键字符的相似度,若相似度不为预设相似度,则业务数据不存在异常。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将各指标数据输入对应风险维度的评分卡模型,得到不同风险维度的业务指标的权重值;
解析风控决策规则,得到可执行的规则表达式;
通过执行规则表达式对对应的各权重值进行决策,得到决策结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取各风险场景下的历史业务数据;
对历史业务数据进行分析,根据历史业务数据的属性确定各风险场景的业务指标,得到不同风险维度的业务指标;
根据不同风险维度的业务指标配置对应风险场景下的风控决策规则,确定风控决策规则库。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当检测各风险场景下的历史业务数据更新时,对更新的历史业务数据进行分析;
若各历史业务数据的属性更新时,根据更新的属性更新不同风险维度的业务指标;
基于更新后的不同风险维度的业务指标,更新对应风险场景下的风控决策规则。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当决策结果为不为预设决策结果时,获取决策结果对应的风控策略;
将风控策略发送至业务终端,风控策略用于提示对业务终端的业务数据进行风控处理。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种风控决策方法,其特征在于,所述方法包括:
接收业务终端发送的业务请求,所述业务请求携带有风险场景标识和业务参数;
根据所述风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则,以及根据所述业务参数获取对应的业务数据;
对所述业务参数进行预处理,得到所述风险场景下对应风险维度的业务指标;
从所述业务数据中确定与各所述业务指标对应的指标数据;
根据所述风控决策规则对各所述指标数据进行决策处理,得到决策结果。
2.根据权利要求1所述的方法,其特征在于,在所述根据所述风控决策规则对各所述指标数据进行决策处理,得到决策结果之前,所述方法还包括:
根据所述业务参数获取对应的业务数据;
对所述业务数据进行关键字符识别,提取待确认关键字符;
确定所述待确认关键字符与预设关键字符的相似度,若所述相似度不为预设相似度,则所述业务数据不存在异常。
3.根据权利要求1所述的方法,其特征在于,所述根据所述风控决策规则对各所述指标数据进行决策处理,得到决策结果,包括:
将各所述指标数据输入对应风险维度的评分卡模型,得到不同风险维度的业务指标的权重值;
解析所述风控决策规则,得到可执行的规则表达式;
通过执行所述规则表达式对对应的各所述权重值进行决策,得到决策结果。
4.根据权利要求1所述的方法,其特征在于,在所述根据所述风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则之前,所述方法还包括:
获取各风险场景下的历史业务数据;
对所述历史业务数据进行分析,根据所述历史业务数据的属性确定各所述风险场景的业务指标,得到不同风险维度的业务指标;
根据所述不同风险维度的业务指标配置对应风险场景下的风控决策规则,确定风控决策规则库。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
当检测各风险场景下的历史业务数据更新时,对所述更新的历史业务数据进行分析;
若各所述历史业务数据的属性更新时,根据更新的属性更新所述不同风险维度的业务指标;
基于更新后的不同风险维度的业务指标,更新对应风险场景下的风控决策规则。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述决策结果为不为预设决策结果时,获取所述决策结果对应的风控策略;
将所述风控策略发送至业务终端,所述风控策略用于提示对业务终端的业务数据进行风控处理。
7.一种风控决策装置,其特征在于,所述装置包括:
业务请求接收模块,用于接收业务终端发送的业务请求,所述业务请求携带有风险场景标识和业务参数;
风控决策规则确定模块,用于根据所述风险场景标识从风控决策规则库中确定对应风险场景下的风控决策规则,以及根据所述业务参数获取对应的业务数据;
预处理模块,用于对所述业务参数进行预处理,得到所述风险场景下对应风险维度的业务指标;
指标数据确定模块,用于从所述业务数据中确定与各所述业务指标对应的指标数据;
决策处理模块,用于根据所述风控决策规则对各所述指标数据进行决策处理,得到决策结果。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一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,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210612322.6A CN114693192A (zh) | 2022-06-01 | 2022-06-01 | 风控决策方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210612322.6A CN114693192A (zh) | 2022-06-01 | 2022-06-01 | 风控决策方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114693192A true CN114693192A (zh) | 2022-07-01 |
Family
ID=82131065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210612322.6A Pending CN114693192A (zh) | 2022-06-01 | 2022-06-01 | 风控决策方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693192A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115018400A (zh) * | 2022-08-09 | 2022-09-06 | 江苏银承网络科技股份有限公司 | 一种风控数据处理方法、装置、电子设备及介质 |
CN115795185A (zh) * | 2023-01-28 | 2023-03-14 | 北京白龙马云行科技有限公司 | 风险行程筛查方法、装置、计算机设备和存储介质 |
CN115858319A (zh) * | 2022-12-09 | 2023-03-28 | 中电金信软件有限公司 | 一种流数据处理方法及装置 |
-
2022
- 2022-06-01 CN CN202210612322.6A patent/CN114693192A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115018400A (zh) * | 2022-08-09 | 2022-09-06 | 江苏银承网络科技股份有限公司 | 一种风控数据处理方法、装置、电子设备及介质 |
CN115858319A (zh) * | 2022-12-09 | 2023-03-28 | 中电金信软件有限公司 | 一种流数据处理方法及装置 |
CN115858319B (zh) * | 2022-12-09 | 2023-11-28 | 中电金信软件有限公司 | 一种流数据处理方法及装置 |
CN115795185A (zh) * | 2023-01-28 | 2023-03-14 | 北京白龙马云行科技有限公司 | 风险行程筛查方法、装置、计算机设备和存储介质 |
CN115795185B (zh) * | 2023-01-28 | 2023-07-18 | 北京白龙马云行科技有限公司 | 风险行程筛查方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876133B (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
WO2020253358A1 (zh) | 业务数据的风控分析处理方法、装置和计算机设备 | |
CN107818344B (zh) | 用户行为进行分类和预测的方法和系统 | |
CN108615119B (zh) | 一种异常用户的识别方法及设备 | |
CN109614238B (zh) | 一种目标对象识别方法、装置、系统及可读存储介质 | |
CN114693192A (zh) | 风控决策方法、装置、计算机设备和存储介质 | |
CN110442712B (zh) | 风险的确定方法、装置、服务器和文本审理系统 | |
CN109840676B (zh) | 基于大数据的风控方法、装置、计算机设备及存储介质 | |
CN113553583A (zh) | 信息系统资产安全风险评估方法与装置 | |
CN115204886A (zh) | 账户识别的方法、装置、电子设备和存储介质 | |
CN111127185A (zh) | 信贷欺诈识别模型构建方法及装置 | |
CN113888299A (zh) | 风控决策方法、装置、计算机设备和存储介质 | |
CN112818868A (zh) | 基于行为序列特征数据的违规用户识别方法和装置 | |
CN115115369A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN113065748A (zh) | 业务风险评估方法、装置、设备及存储介质 | |
CN112990583A (zh) | 一种数据预测模型的入模特征确定方法及设备 | |
CN114495137B (zh) | 票据异常检测模型生成方法与票据异常检测方法 | |
CN112347457A (zh) | 异常账户检测方法、装置、计算机设备和存储介质 | |
CN116340989A (zh) | 一种数据脱敏方法、装置、电子设备及存储介质 | |
US11593740B1 (en) | Computing system for automated evaluation of process workflows | |
CN115378806A (zh) | 流量分配方法、装置、计算机设备及存储介质 | |
CN114693409A (zh) | 产品匹配方法、装置、计算机设备、存储介质和程序产品 | |
CN113094595A (zh) | 对象识别方法、装置、计算机系统及可读存储介质 | |
CN111770080A (zh) | 一种设备指纹的恢复方法及装置 | |
CN114189585A (zh) | 骚扰电话异常检测方法、装置及计算设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220701 |
|
RJ01 | Rejection of invention patent application after publication |