CN115115080A - 信息处理方法、装置、设备及存储介质 - Google Patents

信息处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115115080A
CN115115080A CN202110310765.5A CN202110310765A CN115115080A CN 115115080 A CN115115080 A CN 115115080A CN 202110310765 A CN202110310765 A CN 202110310765A CN 115115080 A CN115115080 A CN 115115080A
Authority
CN
China
Prior art keywords
resource transfer
resource
users
user
group
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
Application number
CN202110310765.5A
Other languages
English (en)
Inventor
常博涵
黄景洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202110310765.5A priority Critical patent/CN115115080A/zh
Publication of CN115115080A publication Critical patent/CN115115080A/zh
Pending legal-status Critical Current

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Security & Cryptography (AREA)
  • Educational Administration (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种信息处理方法、装置、设备及存储介质，其中方法包括：获取资源转移团体中的用户特征，该资源转移团体包括多个用户，多个用户中包括N个资源转出用户和M个资源转入用户；获取该资源转移团体对应的资源转移图，该资源转移图用于表示N个资源转出用户和M个资源转入用户之间的资源关系特征；根据资源团体中的用户特征和资源转移图，预测每个用户的在资源转移存在预设类型风险的存在概率，并基于多个用户的存在概率确定对资源转移团体进行资源转移风险预测的预测结果，进而基于该预测结果对资源转移团体进行资源转移的控制操作。采用本发明实施例以团体为维度进行资源转移风险预测，提高资源转移风险预测的准确性。

Description

信息处理方法、装置、设备及存储介质
技术领域
本申请涉及计算机技术领域，尤其涉及一种信息处理方法、装置、设备及存储介质。
背景技术
随着互联网技术的进步和应用的普及，人们的生活方式发生了很大的改变比如在支付领域，传统的支付方式通常是人们在进行交易时通过纸币或者银行卡进行支付，而受到互联网发展的影响，现在越来越被用户熟知和使用的支付方式是线上支付比如通过第三方平台支付。
第三方平台支付在为用户提供便利的同时，也会成为恶意用户进行非法资源转移的重要途径。因此，目前在线上支付应用领域中，如何进行资源转移风险预测和打击成为亟需研究的重点问题之一。
发明内容
本发明实施例提供了一种信息处理方法、装置、设备及存储介质，实现以团体为维度进行资源转移风险预测，充分利用了存在资源转移用户之间的资源转移数据，提高资源转移风险预测的准确性和风控管理的及时性。
一方面，本发明实施例提供了一种信息处理方法，包括：
获取资源转移团体中的用户特征；所述资源转移团体包括多个用户，所述多个用户包括N个资源转出用户和M个资源转入用户，N和M均为大于1的整数，所述用户特征包括所述多个用户的用户属性信息和所述多个用户的资源转移相关信息中任意一个或多个；
获取所述资源转移团体对应的资源转移图，所述资源转移图用于表示所述N 个资源转出用户和所述M个资源转入用户之间的资源关系特征；
根据所述资源转移团体中的用户特征和所述资源转移图，预测所述资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，并基于所述多个用户的存在概率确定对所述资源转移团体进行资源转移风险预测的预测结果，所述预测结果用于指示所述资源转移团体的资源转移存在预设类型风险，或者所述预测结果用于指示所述资源转移团体的资源转移不存在预设类型风险；
基于所述预测结果对所述资源转移团体进行资源转移的控制操作。
一方面，本发明实施例提供了一种信息处理装置，该信息处理装置运行有如下单元：
获取单元，用于获取资源转移团体中的用户特征，所述资源转移团体包括多个用户，所述多个用户包括N个资源转出用户和M个资源转入用户，N和M均为大于1的整数，所述用户特征包括所述多个用户的用户属性信息和所述多个用户的资源转移相关信息中任意一个或多个；
所述获取单元，还用于获取所述资源转移团体对应的资源转移图，所述资源转移图用于表示所述N个资源转出用户和所述M个资源转入用户之间的资源关系特征；
处理单元，用于根据所述资源转移团体中的用户特征和所述资源转移图，预测所述资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，并基于所述多个用户的存在概率确定对所述资源转移团体进行资源转移风险预测的得到预测结果，所述预测结果用于指示所述资源转移团体的资源转移存在预设类型风险，或者所述预测结果用于指示所述资源转移团体的资源转移不存在预设类型风险；
所述处理单元，还用于基于所述预测结果对所述资源转移团体进行资源转移的控制操作。
在一个实施例中，所述资源转移图由节点和边组成，所述获取单元在获取所述资源转移团体对应的资源转移图时，执行如下步骤：
获取所述N个资源转出用户中每个资源转出用户的第一资源转移信息，以及所述M个资源转入用户中每个资源转入用户的第二资源转移信息，所述第一资源转移信息包括转出资源以及接收所述转出资源的资源转入用户信息，所述第二资源转移信息包括转入资源以及产生所述转入资源的资源转出用户信息；
将所述N个资源转出用户和所述M个资源转入用户作为节点，以及根据所述第一资源转移信息和所述第二资源转移信息，确定存在资源转移的任意两个节点，并为所述任意两个节点之间创建边。
在一个实施例中，所述任意两个节点包括第一节点和第二节点，所述第一节点是指所述N个资源转出用户中任意一个，所述第二节点是指所述M个资源转入用户中任意一个，所述获取单元在为所述任意两个节点之间创建边时，执行如下步骤：若根据所述第一节点的第一资源转移信息和所述第二节点的第二资源转移信息，确定所述第一节点和所述第二节点之间的资源转移满足筛选条件，则建立所述第一节点和所述第二节点之间的边；其中，所述筛选条件包括以下任意一种或多种：资源转移频率大于频率阈值，以及资源转移总量大于转移数量阈值。
在一个实施例中，所述处理单元在根据所述资源转移团体中的用户特征和所述资源转移图，预测所述资源转移团体中每个用户的资源转移存在预设类型风险的存在概率时，执行如下步骤：
调用图处理模型基于所述用户特征和所述资源转移图进行资源转移预测，得到所述资源转移团体中每个用户的资源转移存在预设类型风险的存在概率；
其中，所述图处理模型是基于多个训练样本用户以及每个训练样本用户对应的标签信息训练得到的，任一训练样本用户对应的标签信息用于指示所述任一训练样本用户的资源转移存在所述预设类型风险。
在一个实施例中，所述预测结果包括所述资源转移团体的资源转移存在预设类型风险，所述处理单元在基于所述多个用户对应的存在概率确定对所述资源转移团体进行资源转移风险预测的预测结果时，执行如下步骤：
获取所述多个用户中存在概率大于概率阈值的目标用户；确定所述目标用户的数量与所述多个用户的总数量之间的比值；如果所述比值大于比值阈值，则确定所述资源转移团体的资源转移存在预设类型风险。
在一个实施例中，所述处理单元在基于所述预测结果对所述资源转移团体进行资源转移的控制操作时，执行如下步骤：
若所述预测结果指示所述资源转移团体存在预设类型风险，则采用资源转移筛选策略对所述资源转移团体内的资源转移进行管控，以阻止所述资源转移团体进行与所述预设类型风险相关的资源转移。
在一个实施例中，所述处理单元在采用资源转移筛选策略对所述资源转移团体内的资源转移进行管控时，执行如下步骤：
当所述资源转移团体存在目标资源转移交易时，根据所述目标资源转移交易的交易信息确定所述目标资源转移交易是否与所述预设类型风险相关；
若是，则拦截所述目标资源转移交易并向所述目标资源转移交易涉及的数据转入用户发出处罚通知。
在一个实施例中，所述处理单元在基于所述预测结果对所述资源转移团体进行资源转移的控制操作时，执行如下步骤：若所述预测结果指示所述资源转移团体存在预设类型风险，则确定所述资源转移团体的恶意程度；
如果所述资源转移团体的恶意程度小于恶意阈值，则提示风控管理用户对所述资源转移团体进行审核处罚处理；
如果所述资源转移团体的恶意程度大于恶意阈值，则采用目标处罚方式对所述资源转移团体进行风险处罚处理。
在一个实施例中，所述N个资源转出用户是基于第一筛选规则从多个资源转出用户中选择的，所述M个资源转入用户是基于第二筛选规则从多个资源转入用户中选择的；其中，第一筛选规则包括在预设时间内存在预设备注的资源转移交易的数量、信用情况以及存在资源转移业务的资源转入用户数量中任意一种或多种，第二筛选规则包括资源转入用户所属用户类型。
一方面，本发明实施例提供了一种信息处理设备，其特征在于，包括：处理器，适于实现一条或多条计算机程序；以及计算机存储介质，计算机存储介质存储有一条或多条计算机程序，一条或多条计算机程序适于由处理器加载并执行：
获取资源转移团体中的用户特征；所述资源转移团体包括多个用户，所述多个用户包括N个资源转出用户和M个资源转入用户，N和M均为大于1的整数，所述用户特征包括所述多个用户的用户属性信息和所述多个用户的资源转移相关信息中任意一个或多个；获取所述资源转移团体对应的资源转移图，所述资源转移图用于表示所述N个资源转出用户和所述M个资源转入用户之间的资源关系特征；根据所述资源转移团体中的用户特征和所述资源转移图，预测资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，并基于所述用户的存在概率确定对所述资源转移团体进行资源转移风险预测的预测结果；基于所述预测结果对所述资源转移团体进行资源转移的控制操作。
一方面，本发明实施例提供了一种计算机存储介质，其特征在于，计算机存储介质中存储有计算机程序，计算机程序被处理器执行时，用于执行如下步骤：
获取资源转移团体中的用户特征；所述资源转移团体包括多个用户，所述多个用户包括N个资源转出用户和M个资源转入用户，N和M均为大于1的整数，所述用户特征包括所述多个用户的用户属性信息和所述多个用户的资源转移相关信息中任意一个或多个；获取所述资源转移团体对应的资源转移图，所述资源转移图用于表示所述N个资源转出用户和所述M个资源转入用户之间的资源关系特征；根据所述资源转移团体中的用户特征和所述资源转移图，预测资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，并基于多个用户的存在概率确定对所述资源转移团体进行资源转移风险预测的预测结果；基于所述预测结果对所述资源转移团体进行资源转移的控制操作。
一方面，本发明实施例提供了一种计算机程序产品或计算机程序，计算机程序产品包括计算机程序，计算机程序存储在计算机存储介质中；信息处理设备的处理器从计算机存储介质中读取计算机程序，处理器执行计算机程序，使得数据处理设备执行：
获取资源转移团体中的用户特征；所述资源转移团体包括多个用户，多个用户包括N个资源转出用户和M个资源转入用户，N和M均为大于1的整数，所述用户特征包括所述多个用户的用户属性信息和所述多个用户的资源转移相关信息中任意一个或多个；获取所述资源转移团体对应的资源转移图，所述资源转移图用于表示所述N个资源转出用户和所述M个资源转入用户之间的资源关系特征；根据所述资源转移团体中的用户特征和所述资源转移图，预测资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，并基于多个用户的存在概率确定对所述资源转移团体进行资源转移风险预测的预测结果；基于所述预测结果对所述资源转移团体进行资源转移的控制操作。
本发明实施例中，信息处理设备获取资源转移团体中的用户特征，以及获取该资源转移团体对应的资源转移图；进一步的，根据资源转移团体中的用户特征和资源转移团体对应的资源转移图，预测资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，并基于多个用户的存在概率确定对资源转移团体进行资源转移风险预测的预测结果；然后基于预测结果对资源转移团体进行资源转移的控制操作。本发明实施例中，该资源转移团体中包括多个资源转出用户和资源转入用户，资源转移图可以反映转出方用户和转入方用户之间的一些资源关系特征，通过以团体作为维度进行风控管理，可以充分利用该团体中转出用户和转入用户之间的资源转移数据，从而提高对团体进行资源转移风险预测的准确性，提高风控管理的及时性。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种资源转移管理系统的结构示意图；
图2是本发明实施例提供的一种信息处理方法的流程示意图；
图3是本发明实施例提供的一种生成资源转移图的示意图；
图4是本发明实施例提供的另一种信息处理方法的流程示意图；
图5是本发明实施例提供的又一种信息处理方法的流程示意图；
图6是本发明实施例提供的一种信息处理装置的结构示意图；
图7是本发明实施例提供的一种信息处理设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
随着互联网技术的发展，作为一种新型的支付方式—线上支付，给人们生活带来诸多便利，比如用户可以不用随身携带现金出门购物，只通过手机便可以实现快速支付。但是，在带来便利的同时，线上支付也成为很多恶意用户进行恶意交易的途径之一，比如非法资金转移、套现等等。因此，对线上支付进行支付风险控制，简称支付风控是维护线上支付环境的重要手段之一。所谓支付风控是通过采集和挖掘分析某个支付平台上的交易、渠道、商品、账户、用户等信息，对该支付平台中各个用户、商户等进行资源转移风险预测，以对存在资源转移风险的商户或用户及时采取管控措施以降低损失。
为了提高支付风控的及时性和准确性，本发明实施例提供了一种信息处理方案，以资源转移团体为维度，参考资源转移团体内资源转出用户和资源转入用户之间的资源关系特征和资源转移团体中的用户特征对资源转移团体进行资源转移风险预测，然后根据预测结果对资源转移团体进行风控管理。现有技术在进行支付风控时，通常仅从资源转出用户和资源转入用户单个维度进行资源转移风险预测，这种方式只能对资源转出用户或者资源转入用户进行判断，没有充分利用资源转出用户和资源转入用户之间的资源转移数据。而本发明实施例提供的信息处理方案中，以资源转移团体为维度进行资源转移风险预测，可以充分利用资源转移团体中资源转出用户和资源转入用户之间的资源关系特征，与只对单个资源转出用户或资源转入用户进行风险分析相比，可以提高资源转移风险预测的准确性，从而可高支付风控的准确性和及时性。
基于上述信息处理方案，本发明实施例提供了一种资源转移管理系统，参见图1，为本发明实施例提供的一种资源转移管理系统的结构示意图。图1所示的资源转移管理系统可包括至少一个用户终端101，比如第一资源转入用户终端、第二资源转入用户终端、第一资源转出用户终端以及第二资源转出用户终端等等；所述资源转移管理系统还可以包括支付服务器102和信息处理设备103，用户终端101和支付服务器102以及信息处理设备103之间均可以通过有线或者无线方式进行连接，以及支付服务器102和信息处理设备103之间可通过有线或无线方式连接。
其中，用户终端101可以包括智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表以及智能车载等；支付服务器102可以包括独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。信息处理设备103可以是终端设备，也可以是服务器。
在一个实施例中，用户终端101中可运行支付应用程序，用户可通过用户终端101中运行的支付应用程序执行资源转移操作，支付服务器102可以为用户终端101中支付应用程序的运行提供支持。可选的，用户通过用户终端101执行的资源转移操作可以记录在用户终端101中；或者，支付服务器102也可以记录各个用户终端101中用户的资源转移操作以及执行资源转移操作的各个用户的用户特征。
在一个实施例中，本发明实施例可以将资源转移管理系统中预设时间内存在资源转移业务的多个资源转入用户和多个资源转出用户组成一个资源转移团体，比如在图1中将第一资源转出用户、第二资源转出用户以及第一资源转入用户和所述第二资源转入用户组成一个资源转移团体100。当需要对该资源转移团体100 进行资源转移风险预测时，信息处理设备103执行上述的信息处理方案。具体地，获取资源转移团体中的用户特征，该用户特征可以是信息处理设备103从各个用户终端101中获取到的，也可以是信息处理设备从支付服务器102中获取到的；然后获取该资源转移团体对应的资源转移图；进一步的，根据资源转移团体中用户特征和资源转移图对资源转移团体进行资源转移风险预测，从而根据预测结果对资源转移团体进行资源转移的控制操作。
资源转移图可以反映转出方用户和转入方用户之间的一些资源关系特征，通过以团体作为维度进行风控管理，可以充分利用该团体中转出用户和转入用户之间的资源转移数据，从而提高对团体进行资源转移风险预测的准确性，提高资源转移的控制操作的及时性。
基于上述信息处理方案，本发明实施例提供了一种信息处理方法。参见图2，为本发明实施例提供的一种信息处理方法的流程示意图，图2所示的信息处理方法可由信息处理设备执行，该信息处理设备可以是终端设备，也可以是服务器。图2所示的信息处理方法可包括如下流程：
步骤S201、获取资源转移团体中的用户特征。
在一个实施例中，资源转移团体是由存在资源转移业务的多个用户组成的，其中，多个用户中可以包括N个资源转出用户和M个资源转入用户，通俗来讲，资源转出用户可以指使用线上支付软件或者平台进行支付的用户，资源转入用户可以指使用线上支付软件或者平台进行收款的商户。
在一个实施例中，资源转移团体中的用户特征包括多个用户的用户属性信息和所述多个用户的资源转移相关信息中任意一个或多个。其中，任一用户的用户属性信息可包括该任一用户在支付软件中的注册时间、用户信息比如职业、身份、年龄等；任一用户的资源转移相关信息包括预设时间内的资源转移量、历史资源转移风险情况、以及资源转移频率等等。
可选的，资源转移团体中的用户特征可以存储于区块链上，信息处理设备可以是区块链网络中的节点设备，或者，信息处理设备不是区块链网络中的节点设备，但是可以与区块链网络中的任意节点设备进行通信。可选的，获取资源转移团体中的用户特征，包括：信息处理设备向区块链网络发送获取请求，该获取请求中携带N个资源转出用户的用户标识和M个资源转入用户的用户标识，用户标识可以是指用户的身份信息等；区块链网络接收到获取请求后，根据获取请求中携带的用户标识查找相应的用户属性信息和/或资源转移相关信息，然后将这些信息返回给信息处理设备。
步骤S202、获取资源转移团体对应的资源转移图。
在一个实施例中，为了实现以团体为维度的资源转移风险预测，本发明实施例中需要考虑资源团体中N个资源转出用户和M个资源转入用户之间的资源关系特征或者称为关系链特征，该资源关系特征可以通过资源转移团体的资源转移图来反映。因此，在获取到资源转移团体后，进一步获取资源转移团体对应的资源转移图。
在一个实施例中，资源转移团体对应的资源转移图由节点和边组成，其中节点可以包括N个资源转出用户和M个资源转入用户，资源转移图中的边是基于 N个资源转出用户的第一资源转移信息和M个资源转入用户的第二资源转移信息确定的，具体实现中：获取所述N个资源转出用户中每个资源转出用户的第一资源转移信息，以及所述M个资源转入用户中每个资源转入用户的第二资源转移信息；根据所述第一资源转移信息和所述第二资源转移信息，确定多个节点中存在资源转移的任意两个节点，并为所述任意两个节点之间创建边。需要说明的是，上述第一资源转移信息和第二资源转移信息可以是保存在区块链中的。
其中，所述第一资源转移信息包括资源转出量以及资源转入用户信息，通俗来讲任意一个资源转出用户的第一资源转出信息中包括转出资源的多少，以及将资源转出给哪个资源转入用户了；第二资源转移信息包括资源输入量以及资源转出用户信息，也就是说任意一个资源转入用户的第二资源转移信息包括转入了多少资源，以及该转入的资源是由哪个资源转出用户转入的。
需要说明的是上述每个资源转出用户的第一资源转移信息和每个资源转入用户的第二资源转移信息均是选取的一段时间窗口下的，比如选取最近一个月，最近一年，最近三个月等等。
通过上述描述可知，资源转移团体对应的资源转移图中节点包括N个资源转出用户和M个资源转入用户，资源转移图中任意两个节点之间是否存在边取决于该任意两个节点之间是否存在资源转移，如果任意两个节点之间存在资源转移，那么这两个节点之间存在一条边，相反的，如果任意两个节点之间不存在资源转移，那么这两个节点之间不存在边。
举例来说，参见图3，为本发明实施例提供的一种生成资源转移图的示意图，假设获取到一段时间内存在资源转移业务的10个资源转出用户以及2个资源转入用户，10个资源转出用户分别为A-J用户，2个资源转入用户分别为商户甲和商户乙，这10个资源转出用户的第一资源转移信息和2个资源转入用户的第二资源转移信息可参见图3中表格301所示；然后，将表格301中所有资源转出用户和所有资源转入用户均作为资源转移图中的节点，如图3中302所示；进一步的，根据表格301中的第一资源转移信息和第二资源转移信息判断任意两个节点之间是否存在资源转移业务，比如根据表格301可以看出，A用户在X年X月X 日向商户甲转移了数量为xx的资源，那么为A用户和商户甲之间创建一条边303；再如，C用户在X年X月X日向商户甲转移了数据为Z的资源，并且在X年X 月X日向商户乙转移了数量为xx的资源，因此，为C用户和商户甲创建一条边 304，以及为用户C和商户乙创建一条边305。以此类推，可以构建得到如图3 中306所示的资源转移图。
步骤S203、根据资源转移团体中的用户特征和资源转移图预测资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，并基于多个用户的存在概率确定对资源转移团体进行资源转移风险预测的预测结果。
在一个实施例中，预设类型风险可以包括赌博风险、套现风险以及非法资金转移风险等等。预测结果用于指示资源转移团体的资源转移存在预设类型风险，或者，预设结果用于指示资源转移团体的资源转移不存在预设类型风险。
在一个实施例中，根据资源转移团体中的用户特征和资源转移图预测每个用户的资源转移存在预设类型风险的存在概率，包括：根据资源转移团体中的用户特征为每个用户确定一个参考资源转移规律，该参考资源转移规律中指出了每个用户可能进行的、不存在预设类型风险的资源转移；对资源转移图中每个用户的资源转移规律进行分析，得到每个用户在实际资源转移中的实际资源转移规律；基于每个用户对应的参考资源转移规律和相应节点对应的实际资源转移规律之间的差异确定每个用户存在预设类型风险的存在概率。具体实现中，如果一个用户对应的参考资源转移规律和该用户的实际资源转移规律之间的差异越大，该用户的资源转移存在预设类型风险的存在概率就越大。反之，如果一个用户对应的参考资源转移规律和该用户的实际资源转移规律之间的差异越小，该用户的资源转移存在预设类型风险的存在概率就越小。
在其他实施例中，随着机器学习技术的不断发展，将机器学习应用在对资源转移团体的资源转移风险预测中能够提高风险预测准确性。其中，机器学习 (MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。
具体地，本发明实施例中将机器学习应用在对资源转移团体的资源转移风险预测中，使得信息处理设备根据资源转移团体中的用户特征和资源转移图预测每个用户的资源转移存在预设类型风险的存在概率，包括：调用图处理模型基于用户特征和资源转移图进行资源转移预测，得到资源转移图中每个用户存在预设类型风险的存在概率。其中，图处理模型可以是预先训练得到的、能够根据用户特征和资源转移图预测每个用户存在预设类型风险的概率的一个模型，对图处理模型的训练将在后面的实施例中展开描述，此处不再赘述。
在得到资源转移团体中每个用户存在预设类型风险的存在概率后，信息处理设备可以基于每个用户对应的存在概率确定对资源转移团体进行资源转移风险预测的预测结果。具体实现中，该预测结果可以用于指示资源转移团体的资源转移存在预设类型风险，所述基于资源转移图中多个用户对应的存在概率确定对所述资源转移团体进行资源转移风险预测的预测结果，包括：获取所述多个用户中存在概率大于概率阈值的目标用户；确定所述目标用户的数量与所述多个用户的总数量之间的比值；如果所述比值大于比值阈值，则确定所述资源转移团体存在预设类型风险。简单来说，如果该资源转移团体存在预设类型风险的用户占比大于比值阈值，那么可以确定该资源转移团体是具有预设类型风险的团体；反之，如果该资源转移团体中存在预设类型风险的用户占比小于或等于比值阈值，则可以确定该资源转移团体不存在预设类型风险。
步骤S204、基于预测结果对资源转移团体进行资源转移的控制操作。
可选的，信息处理设备通过步骤S201-步骤S203得到对资源转移团体进行风险预测的预测结果后，可以基于该预测结果对资源转移团体进行风控管理。
作为一种可选的实施方式，信息处理设备基于该预测结果对资源转移团体进行资源转移的控制操作可以包括在线管控，具体表现为：若所述预测结果指示所述资源转移团体的资源转移存在预设类型风险，则采用资源转移筛选策略对所述资源转移团体内的资源转移进行管控，以禁止所述资源转移团体进行与所述预设类型相关的资源转移。比如，当所述资源转移团体存在目标资源转移交易时，根据所述目标资源转移交易的交易信息确定所述目标资源转移交易是否为与所述预设风险相关的交易；若是，则拦截所述目标资源转移交易并向所述目标资源转移交易涉及的数据转入用户发出处罚通知。
本发明实施例中，信息处理设备获取资源转移团体中的用户特征，以及获取该资源转移团体对应的资源转移图；进一步的，根据资源转移团体中的用户特征和资源转移团体对应的资源转移图，预测资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，然后基于多个用户的存在概率确定对资源转移团体进行资源转移风险预测的预测结果；然后基于该预测结果对资源转移团体进行资源转移业务的控制操作。在上述资源转移风险管理过程中，该资源转移团体中包括多个资源转出用户和资源转入用户，资源转移图可以反映转出方用户和转入方用户之间的一些资源关系特征，通过以团体作为维度进行风控管理，可以充分利用该团体中转出用户和转入用户之间的资源转移数据，有利于最大限度的挖掘存在资源转移风险的资源转移团体，从而提高对团体进行资源转移风险预测的准确性，提高风控管理的及时性。另外，目前进行风控管理时，均是针对单个资源转出用户或者资源转入用户的打击和管理，缺乏对资源转移团体的打击，而本发明实施例中提出了对资源转移团体进行资源转移的控制操作。
基于上述的信息处理方法，本发明实施例还提供了另一种信息处理方法，参见图4，为本发明实施例提供的另一种信息处理方法的流程示意图。图4所示的信息处理方法可由信息处理设备执行，具体可由信息处理设备的处理器执行。如前述可知，信息处理设备可以包括终端设备或者服务器，终端设备可以指智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等；服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。图4所示的信息处理方法可包括如下步骤：
步骤S401、获取资源转移团体中的用户特征，该资源转移团体包括N个资源转出用户和M个资源转入用户。
应当理解的，在实际应用中如果资源转移团体中的用户数量过多，就会导致资源转移团体中用户的数量较多，从而导致资源转移图中节点较多，进而在根据资源转移图和用户特征在对资源转移团体进行风险预测的难度越大，耗时越长，如此一来，不利于及时管理存在预设类型风险的资源转移团体。
基于此，考虑到发生资源转移的所有用户中，可能存在一些用户不会存在资源转移风险或者存在资源转移风险的概率较小，可以将这部分用户剔除，以此来减少资源转移团体中用户的数量，从而降低对资源转移团体的风险预测难度，以及节省对资源转移团体进行风险预测的时间。因此，本发明实施例步骤S401中所述的资源转移团体中的N个资源转出用户和M个资源转入用户是从多个发生资源转移的用户中筛选后剩下的。
在一个实施例中，从多个发生资源转移的用户中筛选N个资源转出用户和M 个资源转入用户，包括：预先设定对资源转出用户进行筛选的第一筛选规则，以及预先设定对资源转入用户进行筛选的第二筛选规则；从发生资源转移的所有资源转出用户中选取满足第一筛选规则的N个资源转出用户，以及从发生资源转移的所有转入用户中选取满足第二筛选规则的M个资源转入用户。
其中，第一筛选规则可以规定以下内容中任意一个或多个：在预设时间内存在预设转移备注的资源转移数量、信用情况以及存在资源转移业务的资源转入用户数量等等；第二筛选规则可以规定：资源转入用户所属用户类型，该用户类型包括指定的资源转入用户和非指定的资源转入用户，指定的资源转入用户可以包括线上支付软件或者平台的内部商户，以及其他指定的可信度较高的商户，因为这部分用户的交易量级较大，占据资源转移业务的大部分，这部分用户存在资源转移风险的概率较低，因此可以无需对这类用户进行风险预测。
步骤S402、获取资源转移团体对应的资源转移图。
由前述可知，资源转移图可以由节点和边组成，获取资源转移团体对应的资源转移图，可以包括：获取所述N个资源转出用户中每个资源转出用户的第一资源转移信息，以及所述M个资源转入用户中每个资源转入用户的第二资源转移信息，所述第一资源转移信息包括资源转出量以及资源转入用户信息，所述第二资源转移信息包括资源输入量以及资源转出用户信息；将所述N个资源转出用户和所述M个资源转入用户作为节点，以及根据所述第一资源转移信息和所述第二资源转移信息，确定存在资源转移的任意两个节点，并为所述任意两个节点之间创建边。
在一个实施例中，为了避免资源转移图中边过多，从而导致对资源转移图进行分析的时间过长、难度较大，本发明实施例在为任意两个节点创建边时，可以首先判断这两个任意节点之间的资源转移是否满足筛选条件，如果满足，则建立这两个节点之间的边，如果不满足，则不为这两个节点创建边。具体实现中，假设任意两个节点包括第一节点和第二节点，第一节点可以指N个资源转出用户中任意一个，第二节点可以指M个资源转入用户中任意一个，所述为所述任意两个节点之间创建边，包括：若根据所述第一节点的第一资源转移信息和所述第二节点的第二资源转移信息，确定所述第一节点和所述第二节点之间的资源转移满足筛选条件，则建立所述第一节点和第二节点之间的边；其中，所述筛选条件包括以下任意一种或多种：资源转移频率大于频率阈值，以及资源转移总量大于转移数量阈值。
需要说明的是，如果两个节点之间的资源转移不满足筛选条件，则表明这个两个节点之间的资源转移的关联性相对较弱，对资源转移团体的风险预测意义不大，因此，可以忽略这部分边。
步骤S403、调用图处理模型基于用户特征和资源转移图预测资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，并基于多个用户的存在概率确定对资源转移团体进行资源转移风险预测的预测结果。
在一个实施例中，该图处理模型可以是基于图卷积网络(Graph ConvolutionalNetwork，GCN)构建的，图卷积网络是一类强大的用于图数据处理的神经网络架构，相比于深度神经网络(Deep Neural Networks，DNN)和卷积神经网络 (Convolutional NeuralNetworks，CNN)，GCN能有效地处理社交网络、信息网络等具有拓扑结构的数据，因此基于GCN构建用于风险预测的图处理模型，可以更好地保留资源转出用户和资源转入用户之间的资源转移关系。
本发明实施例中，图处理模型的输入包括两部分，分别为资源转移团体中的用户特征(由前述可知每个用户作为资源转移图中的一个节点，那么此处资源转移团体中的用户特征，又可以称为资源转移图的节点特征)和资源转移图(资源转移图又可以称为图结构数据)，用户特征中保留了N个资源转出用户和M个资源转入用户的属性信息比如商户的注册时间以及个人用户在一段时间内的资源转移情况等等，又能保留资源转出用户和资源转入用户之间的资源关系特征。图卷积网络GCN会通过节点特征和图结构数据，并根据已知存在预设类型风险的训练样本用户，最终预测出资源转移团体中未知风险的用户和商户的资源转移存在预设类型风险的概率。
可选的，已知存在预设类型风险的训练样本用户是指训练样本用户的资源转移风险已确定存在预设类型风险。该图处理模型是基于多个训练样本用户以及每个训练样本用户对应的标签信息训练得到的，任一训练样本用户对应的标签信息用于指示任一训练样本用户的资源转移存在预设类型风险。经过训练后的图处理模型可以用于预测未知用户的资源转移存在预设类型风险的概率。
可选的，训练样本用户的来源包括两部分：一是人工审核后判断为存在预设类型风险的用户或者商户；二是准确率相对较高的自动处罚策略打击到的存在预设类型风险的用户或者商户。
在一个实施例中，基于多个用户的存在概率确定对资源转移团体进行资源转移预测的预测结果，可以包括：获取所述多个用户中存在概率大于概率阈值的目标用户；确定所述目标用户的数量与所述多个用户的总数量之间的比值；如果所述比值大于比值阈值，则确定所述资源转移团体的资源转移存在预设类型风险。反之，如果上述比值小于比值阈值，则确定资源转移团体的资源转移不存在预设类型风险。
步骤S404、若预测结果指示资源转移团体的资源转移存在预设类型风险，则采用资源转移筛选策略对资源转移团体内的资源转移进行管控，以禁止资源转移团体进行与预设类型相关的资源转移。
由前述可知，步骤S404对资源转移团体的资源转移控制操作可以称为在线管控，本发明实施例中除了通过在线管控的方式对资源转移团体进行管控外，还可以通过离线管控的方式进行资源转移的控制操作，具体地，离线管理的方式可以为：若所述预测结果指示所述资源转移团体存在预设类型风险，则进一步判断该资源转移团体的恶意程度；如果恶意程度小于恶意阈值，则可以通知风控管理用户对该资源转移团体进行审核处罚处理；如果恶意程度大于恶意阈值，则可以自动采用目标处罚方式对该资源转移团体进行打击处罚。其中，目标处罚方式可以指停止资源转移团体执行任何资源转移业务等。
需要说明的是，在实际应用中，上述两种风控管理可以单独使用，也可以结合一起使用，当在线管控和离线管控结合使用时，可以更加有力地制止预设类型风险的资源转移。
在一个实施例中，基于对图4实施例中各个步骤的描述，本发明实施例提供了另一种信息处理流程图，参见图5所示。在图5中，信息处理设备获取资源转移团体后，可以通过特征工程获取资源转移团体中用户特征，然后确定资源转移团体对应的资源转移图；将用户特征和资源转移图输入到图处理模型中，调用图处理模型预测N个资源转出用户中每个资源转出用户的资源转移存在预设类型风险的存在概率和M个资源转入用户中每个资源转入用户的资源转移存在预设类型风险的存在概率；进而基于N个资源转出用户的存在概率和M个资源转入用户的存在概率进行资源转移团体存在预设类型风险的定性；如果确定出资源转移团体是属于存在预设类型风险的团体，那么采用在线管控和离线管控的方式对资源转移团体进行风控管理。
本发明实施例中，信息处理设备获取资源转移团体中的用户特征，以及获取该资源转移团体对应的资源转移图；进一步的，调用预先训练完成的图处理模型根据资源转移团体中的用户特征和资源转移团体对应的资源转移图对资源转移团体进行资源转移风险预测，得到该资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，其中，该图处理模型是基于多个训练用户以及训练用户的标签信息训练得到的，训练完成后的图处理模型能够较为准确的预测资源转移图中每个用户存在预设类型风险的存在概率；进而基于多个用户的存在概率确定对该资源转移团体进行资源转移风险预测的预测结果，可以提高对资源转移团体进行风险预测的准确性。最后基于预测结果对资源转移团体进行资源转移的控制操作。在上述资源转移的管理过程中，资源转移团体中包括多个资源转出用户和资源转入用户，资源转移图可以反映转出方用户和转入方用户之间的一些资源关系特征，通过以团体作为维度进行资源转移的控制操作，实现了充分利用该团体中转出用户和转入用户之间的资源转移数据，从而提高对团体进行资源转移风险预测的准确性，提高风控管理的及时性。
基于上述的信息处理方法，本发明实施例提供了一种信息处理装置。参见图 6，为本发明实施例提供的一种信息处理装置的结构示意图。图6所示的信息处理装置可运行如下单元：
获取单元601，用于获取资源转移团体中的用户特征，所述资源转移团体包括多个用户，所述多个用户包括N个资源转出用户和M个资源转入用户，N和 M均为大于1的整数，所述用户特征包括所述多个用户的用户属性信息和所述多个用户的资源转移相关信息中任意一个或多个；
所述获取单元601，还用于获取所述资源转移团体对应的资源转移图，所述资源转移图用于表示所述N个资源转出用户和所述M个资源转入用户之间的资源关系特征；
处理单元602，用于根据所述资源转移团体中的用户特征和所述资源转移图预测所述资源转移团体中，每个用户的资源转移存在预设类型风险的存在概率，并基于所述多个用户的存在概率确定对所述资源转移团体进行资源转移风险预测的预测结果，所述预测结果用于指示所述资源转移团体的资源转移存在预设类型风险，或者，所述预测结果用于指示所述资源转移团体的资源转移不存在预设类型风险；
所述处理单元602，还用于基于所述预测结果对所述资源转移团体进行资源转移的控制操作。
在一个实施例中，所述资源转移图由节点和边组成，所述获取单元601在获取所述资源转移团体对应的资源转移图时，执行如下步骤：
获取所述N个资源转出用户中每个资源转出用户的第一资源转移信息，以及所述M个资源转入用户中每个资源转入用户的第二资源转移信息，所述第一资源转移信息包括转出资源以及接收所述转出资源的资源转入用户信息，所述第二资源转移信息包括转入资源以及产生所述转入资源的资源转出用户信息；
将所述N个资源转出用户和所述M个资源转入用户作为节点，以及根据所述第一资源转移信息和所述第二资源转移信息，确定存在资源转移的任意两个节点，并为所述任意两个节点之间创建边。
在一个实施例中，所述任意两个节点包括第一节点和第二节点，所述第一节点是指所述N个资源转出用户中任意一个，所述第二节点是指所述M个资源转入用户中任意一个，所述处理单元602在为所述任意两个节点之间创建边时，执行如下步骤：
若根据所述第一节点的第一资源转移信息和所述第二节点的第二资源转移信息，确定所述第一节点和所述第二节点之间的资源转移满足筛选条件，则建立所述第一节点和所述第二节点之间的边；
其中，所述筛选条件包括以下任意一种或多种：资源转移频率大于频率阈值，以及资源转移总量大于转移数量阈值。
在一个实施例中，所述处理单元602在根据所述资源转移团体中的用户特征和所述资源转移图预测所述资源转移团体中，每个用户的资源转移存在预设类型风险的存在概率时，执行如下步骤：
调用图处理模型基于所述用户特征和所述资源转移图进行资源转移预测，得到所述资源转移团体中每个用户的资源转移存在预设类型风险的存在概率；
其中，所述图处理模型是基于多个训练样本用户以及每个训练样本用户对应的标签信息训练得到的，任一训练样本用户对应的标签信息用于指示所述任一训练样本用户的资源转移存在所述预设类型风险。
在一个实施例中，若所述预测结果用于指示所述资源转移团体的资源转移存在预设类型风险，则所述处理单元602在基于所述资源转移图中多个用户的存在概率确定对所述资源转移团体进行资源转移风险预测的预测结果时，执行如下步骤：
获取所述多个用户中存在概率大于概率阈值的目标用户；
确定所述目标用户的数量与所述多个用户的总数量之间的比值；
如果所述比值大于比值阈值，则确定所述资源转移团体的资源转移存在预设类型风险。
在一个实施例中，所述处理单元602在基于所述预测结果对所述资源转移团体进行资源转移的控制操作时，执行如下步骤：
若所述预测结果指示所述资源转移团体的资源转移存在预设类型风险，则采用资源转移筛选策略对所述资源转移团体内的资源转移进行管控，以阻止所述资源转移团体进行与所述预设类型风险相关的资源转移。
在一个实施例中，所述处理单元602在采用资源转移筛选策略对所述资源转移团体内的资源转移进行管控时，执行如下步骤：
当所述资源转移团体存在目标资源转移交易时，根据所述目标资源转移交易的交易信息确定所述目标资源转移交易是否与所述预设类型风险相关；
若是，则拦截所述目标资源转移交易并向所述目标资源转移交易涉及的资源转入用户发出处罚通知。
在一个实施例中，所述处理单元602在基于所述预测结果对所述资源转移团体进行资源转移的控制操作时，执行如下步骤：
若所述预测结果指示所述资源转移团体的资源转移存在预设类型风险，则确定所述资源转移团体的恶意程度；
如果所述资源转移团体的恶意程度小于恶意阈值，则提示风控管理用户对所述资源转移团体进行审核处罚处理；
如果所述资源转移团体的恶意程度大于恶意阈值，则采用目标处罚方式对所述资源转移团体进行风险处罚处理。
在一个实施例中，所述N个资源转出用户是基于第一筛选规则从多个资源转出用户中选择的，所述M个资源转入用户是基于第二筛选规则从多个资源转入用户中选择的；其中，第一筛选规则包括在预设时间内存在预设备注的资源转移交易的数量、信用情况以及存在资源转移业务的资源转入用户数量中任意一种或多种，第二筛选规则包括资源转入用户所属用户类型。
根据本发明的一个实施例，图2和图4所示的信息处理方法所涉及各个步骤可以是由图6所示的信息处理装置中的各个单元来执行的。例如，图2所述的步骤S201和步骤S202可由图6所示的信息处理装置中的获取单元601来执行，步骤S203和步骤S204可由图6所示的信息处理装置中处理单元602来执行；再如，图4所示的信息处理方法中步骤S401和步骤S402可由图6所示的信息处理装置中的获取单元601来执行，步骤S403-步骤S404可由图6所述的信息处理装置中的处理单元602来执行。
根据本发明的另一个实施例，图6所示的信息处理装置中的各个单元可以分别或全部合并为一个或若干个另外的单元来构成，或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成，这可以实现同样的操作，而不影响本发明的实施例的技术效果的实现。上述单元是基于逻辑功能划分的，在实际应用中，一个单元的功能也可以由多个单元来实现，或者多个单元的功能由一个单元实现。在本发明的其它实施例中，基于信息共享装置也可以包括其它单元，在实际应用中，这些功能也可以由其它单元协助实现，并且可以由多个单元协作实现。
根据本发明的另一个实施例，可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行如图2和图4所示的相应方法所涉及的各步骤的计算机程序(包括程序代码)，来构造如图6中所示的信息处理装置，以及来实现本发明实施例信息处理方法。所述计算机程序可以记载于例如计算机可读存储介质上，并通过计算机可读存储介质装载于上述计算设备中，并在其中运行。
本发明实施例中，信息处理设备获取资源转移团体中的用户特征，以及获取该资源转移团体对应的资源转移图；进一步的，根据资源转移团体中的用户特征和资源转移团体对应的资源转移图，预测资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，并基于多个用户的存在概率确定对资源转移团体进行资源转移风险预测的预测结果；然后基于预测结果对资源转移团体进行资源转移的控制操作。本发明实施例中，该资源转移团体中包括多个资源转出用户和资源转入用户，资源转移图可以反映转出方用户和转入方用户之间的一些资源关系特征，通过以团体作为维度进行风控管理，可以充分利用该团体中转出用户和转入用户之间的资源转移数据，有利于最大限度的挖掘存在资源转移风险的资源转移团体，从而提高对团体进行资源转移风险预测的准确性，提高风控管理的及时性。另外，目前进行风控管理时，均是针对单个资源转出用户或者资源转入用户的打击和管理，缺乏对资源转移团体的打击，而本发明实施例中提出了对资源转移团体进行风控管理。
基于上述的方法实施例以及装置实施例，本发明实施例还提供了一种信息处理设备，参见图7，为本发明实施例提供的一种信息处理设备的结构示意图。图 7所示的信息处理设备包括处理器701、输入接口702、输出接口703以及计算机存储介质704。其中，处理器701、输入接口702、输出接口703以及计算机存储介质704可通过总线或其他方式连接。
计算机存储介质704可以存储在信息处理设备的存储器中，所述计算机存储介质704用于存储计算机程序，所述处理器701用于执行所述计算机存储介质704 存储的计算机程序。处理器701(或称CPU(Central Processing Unit，中央处理器))是信息处理设备的计算核心以及控制核心，其适于实现一条或多条计算机程序，具体适于加载并执行：
获取资源转移团体中的用户特征；所述资源转移团体包括多个用户，所述多个用户包括N个资源转出用户和M个资源转入用户，N和M均为大于1的整数，所述用户特征包括所述多个用户的用户属性信息和所述多个用户的资源转移相关信息中任意一个或多个；获取所述资源转移团体对应的资源转移图，所述资源转移图用于表示所述N个资源转出用户和所述M个资源转入用户之间的资源关系特征；根据所述资源转移团体中的用户特征和所述资源转移图，预测资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，并基于多个用户的存在概率确定对所述资源转移团体进行资源转移风险预测的预测结果；基于所述预测结果对所述资源转移团体进行资源转移的控制操作。
本发明实施例中，信息处理设备获取资源转移团体中的用户特征，以及获取该资源转移团体对应的资源转移图；进一步的，根据资源转移团体中的用户特征和资源转移团体对应的资源转移图，预测资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，并基于多个用户的存在概率确定对资源转移团体进行资源转移风险预测的预测结果；然后基于预测结果对资源转移团体进行资源转移的控制操作。本发明实施例中，该资源转移团体中包括多个资源转出用户和资源转入用户，资源转移图可以反映转出方用户和转入方用户之间的一些资源关系特征，通过以团体作为维度进行风控管理，可以充分利用该团体中转出用户和转入用户之间的资源转移数据，有利于最大限度的挖掘存在资源转移风险的资源转移团体，从而提高对团体进行资源转移风险预测的准确性，提高风控管理的及时性。另外，目前进行风控管理时，均是针对单个资源转出用户或者资源转入用户的打击和管理，缺乏对资源转移团体的打击，而本发明实施例中提出了对资源转移团体进行风控管理。
本发明实施例还提供了一种计算机存储介质(Memory)，所述计算机存储介质是信息处理设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机存储介质既可以包括信息处理设备的内置存储介质，当然也可以包括信息处理设备所支持的扩展存储介质。计算机存储介质提供存储空间，该存储空间存储了信息处理设备的操作系统。并且，在该存储空间中还存放了适于被处理器701 加载并执行的一条或多条的计算机程序。需要说明的是，此处的计算机存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器；可选的还可以是至少一个位于远离前述处理器的计算机存储介质。
在一个实施例中，所述计算机存储介质可由处理器701加载并执行计算机存储介质中存放的一条或多条计算机程序，以实现上述图2和图4所示的信息处理方法的相应步骤。具体实现中，计算机存储介质中的一条或多条计算机程序由处理器701加载并执行如下步骤：
获取资源转移团体中的用户特征；所述资源转移团体包括多个用户，所述多个用户包括N个资源转出用户和M个资源转入用户，N和M均为大于1的整数，所述用户特征包括所述多个用户的用户属性信息和所述多个用户的资源转移相关信息中任意一个或多个；获取所述资源转移团体对应的资源转移图，所述资源转移图用于表示所述N个资源转出用户和所述M个资源转入用户之间的资源关系特征；根据所述资源转移团体中的用户特征和所述资源转移图，预测所述资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，并基于多个用户的存在概率确定对所述资源转移团体进行资源转移风险预测的预测结果；基于所述预测结果对所述资源转移团体进行资源转移的控制操作。
在一个实施例中，所述资源转移图由节点和边组成，所述处理器701在获取所述资源转移团体对应的资源转移图时，执行如下步骤：
获取所述N个资源转出用户中每个资源转出用户的第一资源转移信息，以及所述M个资源转入用户中每个资源转入用户的第二资源转移信息，所述第一资源转移信息包括转出资源以及接收所述转出资源的资源转入用户信息，所述第二资源转移信息包括转入资源以及产生所述转入资源的资源转出用户信息；
将所述N个资源转出用户和所述M个资源转入用户作为节点，以及根据所述第一资源转移信息和所述第二资源转移信息，确定存在资源转移的任意两个节点，并为所述任意两个节点之间创建边。
在一个实施例中，任意两个节点包括第一节点和第二节点，所述第一节点是所述N个资源转出用户中任意一个，所述第二节点是所述M个资源转入用户中任意一个，所述处理器701在为所述任意两个节点之间创建边时，执行如下步骤：
若根据所述第一节点的第一资源转移信息和所述第二节点的第二资源转移信息，确定所述第一节点和所述第二节点之间的资源转移满足筛选条件，则建立所述第一节点和第二节点之间的边；
其中，所述筛选条件包括以下任意一种或多种：资源转移频率大于频率阈值，以及资源转移总量大于转移数量阈值。
在一个实施例中，所述处理器701在根据所述资源转移团体中用户特征和所述资源转移图，预测所述资源转移团体中每个用户的资源转移存在预设类型风险的存在概率时，执行如下步骤：
调用图处理模型基于所述用户特征和所述资源转移图进行资源转移预测，得到所述资源转移团体中每个用户的资源转移存在预设类型风险的存在概率；
其中，所述图处理模型是基于多个训练样本用户以及每个训练样本用户对应的标签信息训练得到的，任一训练样本用户对应的标签信息用于指示所述任一训练样本用户的资源转移存在所述预设类型风险。
在一个实施例中，所述预测结果包括所述资源转移团体的资源转移存在预设类型风险，所述处理器701在基于多个用户的存在概率确定对所述资源转移团体进行资源转移风险预测的预测结果时，执行如下步骤：
获取所述多个用户中存在概率大于概率阈值的目标用户；
确定所述目标用户的数量与所述多个用户的总数量之间的比值；
如果所述比值大于比值阈值，则确定所述资源转移团体的资源转移存在预设类型风险。
在一个实施例中，所述处理器701在基于所述预测结果对所述资源转移团体进行资源转移的控制操作时，执行如下步骤：
若所述预测结果指示所述资源转移团体的资源转移存在预设类型风险，则采用资源转移筛选策略对所述资源转移团体内的资源转移进行管控，以阻止所述资源转移团体进行与所述预设类型风险相关的资源转移。
在一个实施例中，所述处理器701在采用资源转移筛选策略对所述资源转移团体内的资源转移进行管控时，执行如下步骤：
当所述资源转移团体存在目标资源转移交易时，根据所述目标资源转移交易的交易信息确定所述目标资源转移交易是否与所述预设类型风险相关；
若是，则拦截所述目标资源转移交易并向所述目标资源转移交易涉及的资源转入用户发出处罚通知。
在一个实施例中，所述处理器701在基于所述预测结果对所述资源转移团体进行资源转移的控制操作时，执行如下步骤：
若所述预测结果指示所述资源转移团体的资源转移存在预设类型风险，则确定所述资源转移团体的恶意程度；
如果所述资源转移团体的恶意程度小于恶意阈值，则提示风控管理用户对所述资源转移团体进行审核处罚处理；
如果所述资源转移团体的恶意程度大于恶意阈值，则采用目标处罚方式对所述资源转移团体进行风险处罚处理。
在一个实施例中，所述N个资源转出用户是基于第一筛选规则从多个资源转出用户中选择的，所述M个资源转入用户是基于第二筛选规则从多个资源转入用户中选择的；其中，第一筛选规则包括在预设时间内存在预设备注的资源转移交易的数量、信用情况以及存在资源转移业务的资源转入用户数量中任意一种或多种，第二筛选规则包括资源转入用户所属用户类型。
本发明实施例中，信息处理设备获取资源转移团体中的用户特征，以及获取该资源转移团体对应的资源转移图；进一步的，根据资源转移团体中的用户特征和资源转移团体对应的资源转移图，预测资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，并基于多个用户的存在概率确定对资源转移团体进行资源转移风险预测的预测结果；然后基于预测结果对资源转移团体进行风控管理。本发明实施例中，该资源转移团体中包括多个资源转出用户和资源转入用户，资源转移图可以反映转出方用户和转入方用户之间的一些资源关系特征，通过以团体作为维度进行风控管理，可以充分利用该团体中转出用户和转入用户之间的资源转移数据，有利于最大限度的挖掘存在资源转移风险的资源转移团体，从而提高对团体进行资源转移风险预测的准确性，提高风控管理的及时性。另外，目前进行风控管理时，均是针对单个资源转出用户或者资源转入用户的打击和管理，缺乏对资源转移团体的打击，而本发明实施例中提出了对资源转移团体进行风控管理。
根据本申请的一个方面，本发明实施例还提供了一种计算机产品或计算机程序，该计算机产品包括计算机程序，该计算机程序存储在计算机可读存储介质中。处理器701从计算机可读存储介质中读取该计算机程序，处理器701执行该计算机程序，使得信息处理设备执行图2和图4所示的信息处理方法，具体地：
获取资源转移团体中的用户特征；所述资源转移团体包括多个用户，所述多个用户包括N个资源转出用户和M个资源转入用户，N和M均为大于1的整数，所述用户特征包括所述多个用户的用户属性信息和所述多个用户的资源转移相关信息中任意一个或多个；获取所述资源转移团体对应的资源转移图，所述资源转移图用于表示所述N个资源转出用户和所述M个资源转入用户之间的资源关系特征；根据所述资源转移团体中的用户特征和所述资源转移图，预测所述资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，并基于多个用户的存在概率确定对所述资源转移团体进行资源转移风险预测的预测结果；基于所述预测结果对所述资源转移团体进行资源转移的控制操作。
以上所揭露的仅为本申请一种较佳实施例而已，当然不能以此来限定本申请之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本申请权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (12)

1.一种信息处理方法，其特征在于，包括：
获取资源转移团体中的用户特征；所述资源转移团体包括多个用户，所述多个用户包括N个资源转出用户和M个资源转入用户，N和M均为大于1的整数，所述用户特征包括所述多个用户的用户属性信息和所述多个用户的资源转移相关信息中任意一个或多个；
获取所述资源转移团体对应的资源转移图，所述资源转移图用于表示所述N个资源转出用户和所述M个资源转入用户之间的资源关系特征；
根据所述资源转移团体中的用户特征和所述资源转移图，预测所述资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，并基于多个用户的存在概率确定对所述资源转移团体进行资源转移风险预测的预测结果，所述预测结果用于指示所述资源转移团体的资源转移存在预设类型风险，或者所述预测结果用于指示所述资源转移团体的资源转移不存在预设类型风险；
基于所述预测结果对所述资源转移团体进行资源转移的控制操作。
2.如权利要求1所述的方法，其特征在于，所述资源转移图由节点和边组成，所述获取所述资源转移团体对应的资源转移图，包括：
获取所述N个资源转出用户中每个资源转出用户的第一资源转移信息，以及所述M个资源转入用户中每个资源转入用户的第二资源转移信息，所述第一资源转移信息包括转出资源以及接收所述转出资源的资源转入用户信息，所述第二资源转移信息包括转入资源以及产生所述转入资源的资源转出用户信息；
将所述N个资源转出用户和所述M个资源转入用户作为节点，以及根据所述第一资源转移信息和所述第二资源转移信息，确定存在资源转移的任意两个节点，并为所述任意两个节点之间创建边。
3.如权利要求2所述的方法，其特征在于，所述任意两个节点包括第一节点和第二节点，所述第一节点是指所述N个资源转出用户中任意一个，所述第二节点是指所述M个资源转入用户中任意一个，所述为所述任意两个节点之间创建边，包括：
若根据所述第一节点的第一资源转移信息和所述第二节点的第二资源转移信息，确定所述第一节点和所述第二节点之间的资源转移满足筛选条件，则建立所述第一节点和所述第二节点之间的边；
其中，所述筛选条件包括以下任意一种或多种：资源转移频率大于频率阈值，以及资源转移总量大于转移数量阈值。
4.如权利要求1所述的方法，其特征在于，所述根据所述资源转移团体中的用户特征和所述资源转移图预测所述资源转移团体中，每个用户的资源转移存在预设类型风险的存在概率，包括：
调用图处理模型基于所述用户特征和所述资源转移图进行资源转移预测，得到所述资源转移团体中每个用户的资源转移存在预设类型风险的存在概率；
其中，所述图处理模型是基于多个训练样本用户以及每个训练样本用户对应的标签信息训练得到的，任一训练样本用户对应的标签信息用于指示所述任一训练样本用户的资源转移存在所述预设类型风险。
5.如权利要求1所述的方法，其特征在于，若所述预测结果用于指示所述资源转移团体的资源转移存在预设类型风险，则所述基于多个用户的存在概率确定对所述资源转移团体进行资源转移风险预测的预测结果，包括：
获取所述多个用户中存在概率大于概率阈值的目标用户；
确定所述目标用户的数量与所述多个用户的总数量之间的比值；
如果所述比值大于比值阈值，则确定所述资源转移团体的资源转移存在预设类型风险。
6.如权利要求1所述的方法，其特征在于，所述基于所述预测结果对所述资源转移团体进行资源转移的控制操作，包括：
若所述预测结果指示所述资源转移团体的资源转移存在预设类型风险，则采用资源转移筛选策略对所述资源转移团体内的资源转移进行管控，以阻止所述资源转移团体进行与所述预设类型风险相关的资源转移。
7.如权利要求6所述的方法，其特征在于，所述采用资源转移筛选策略对所述资源转移团体内的资源转移进行管控，包括：
当所述资源转移团体存在目标资源转移交易时，根据所述目标资源转移交易的交易信息确定所述目标资源转移交易是否与所述预设类型风险相关；
若是，则拦截所述目标资源转移交易并向所述目标资源转移交易涉及的资源转入用户发出处罚通知。
8.如权利要求1所述的方法，其特征在于，所述基于所述预测结果对所述资源转移团体进行资源转移的控制操作，包括：
若所述预测结果指示所述资源转移团体的资源转移存在预设类型风险，则确定所述资源转移团体的恶意程度；
如果所述资源转移团体的恶意程度小于恶意阈值，则提示风控管理用户对所述资源转移团体进行审核处罚处理；
如果所述资源转移团体的恶意程度大于恶意阈值，则采用目标处罚方式对所述资源转移团体进行风险处罚处理。
9.如权利要求1所述的方法，其特征在于，所述N个资源转出用户是基于第一筛选规则从多个资源转出用户中选择的，所述M个资源转入用户是基于第二筛选规则从多个资源转入用户中选择的；其中，第一筛选规则包括在预设时间内存在预设备注的资源转移交易的数量、信用情况以及存在资源转移业务的资源转入用户数量中任意一种或多种，第二筛选规则包括资源转入用户所属用户类型。
10.一种信息处理装置，其特征在于，包括：
获取单元，用于获取资源转移团体中的用户特征，所述资源转移团体包括多个用户，所述多个用户包括N个资源转出用户和M个资源转入用户，N和M均为大于1的整数，每个用户的用户特征包括用户属性信息和资源转移相关情况信息中任意一个或多个；
所述获取单元，还用于获取所述资源转移团体对应的资源转移图，所述资源转移图用于表示所述N个资源转出用户和所述M个资源转入用户之间的资源关系特征；
处理单元，用于根据所述资源转移团体中的用户特征和所述资源转移图预测所述资源转移团体中每个用户的资源转移存在预设类型风险的存在概率，并基于所述多个用户的存在概率确定对所述资源转移团体进行资源转移风险预测得到预测结果，所述预测结果用于指示所述资源转移团体的资源转移存在预设类型风险，或者所述预测结果用于指示所述资源转移团体的资源转移不存在所述预设类型风险；
所述处理单元，还用于基于所述预测结果对所述资源转移团体进行资源转移的控制操作。
11.一种信息处理设备，其特征在于，包括：
处理器，适用于实现一条或多条计算机程序；以及
计算机存储介质，所述计算机存储介质存储有一条或多条计算机程序，所述一条或多条计算机程序适于由所述处理器加载并执行如权利要求1-9任一项所述的信息处理方法。
12.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序被处理器执行时，用于执行如权利要求1-9任一项所述的信息处理方法。
CN202110310765.5A 2021-03-23 2021-03-23 信息处理方法、装置、设备及存储介质 Pending CN115115080A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110310765.5A CN115115080A (zh) 2021-03-23 2021-03-23 信息处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110310765.5A CN115115080A (zh) 2021-03-23 2021-03-23 信息处理方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115115080A true CN115115080A (zh) 2022-09-27

Family

ID=83324512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110310765.5A Pending CN115115080A (zh) 2021-03-23 2021-03-23 信息处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115115080A (zh)

Similar Documents

Publication Publication Date Title
WO2020253775A1 (zh) 机器学习建模过程的实现方法和系统
US12118552B2 (en) User profiling based on transaction data associated with a user
CN105744005A (zh) 客户定位分析方法及服务器
CN110705719A (zh) 执行自动机器学习的方法和装置
CN113657901B (zh) 欠费用户的催收管理方法、系统、终端及介质
Wang et al. Improving graph-based label propagation algorithm with group partition for fraud detection
WO2023123933A1 (zh) 用户的类型信息的确定方法、设备及存储介质
CN113537960A (zh) 一种异常资源转移链路的确定方法、装置和设备
US20230139364A1 (en) Generating user interfaces comprising dynamic base limit value user interface elements determined from a base limit value model
CN110197426A (zh) 一种信用评分模型的建立方法、装置及可读存储介质
CN115545886A (zh) 逾期风险识别方法、装置、设备及存储介质
Wang et al. Public–private partnership contract failure prediction using example-dependent cost-sensitive models
CN111325557B (zh) 一种商户风险的检测方法、装置及设备
CN112488865A (zh) 基于金融时间节点的金融风险预测方法、装置和电子设备
CN115115080A (zh) 信息处理方法、装置、设备及存储介质
CN115269085A (zh) 手机银行页面展示方法及装置
CN111429257B (zh) 一种交易监控方法和装置
CN114926204A (zh) 基于数据价值的数据处理装置及其方法
CN110599329B (zh) 信用评估方法、信用评估装置及电子设备
CN113393320A (zh) 企业金融服务风险预测方法及装置
CN113379465A (zh) 基于区块链的网点选址方法、装置、设备和存储介质
CN114077962A (zh) 基于用户标签的资源配额重新确定方法、装置和计算机设备
CN113094595A (zh) 对象识别方法、装置、计算机系统及可读存储介质
CN113379464A (zh) 基于区块链的网点选址方法、装置、设备和存储介质
Ruiz et al. Credit scoring for microfinance using behavioral data in emerging markets

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20220927