CN115293650A - 基于大数据的风控处理方法及服务器 - Google Patents

Abstract

本发明提供一种基于大数据的风控处理方法及服务器，由于初始服务运维风险描述是挖掘三类关键数据都需要参考的风险描述内容，通过整体性地挖掘得到的初始服务运维风险描述来确定以上三类关键数据，无需每确定一类上述关键数据时都对初始服务运维风险描述进行挖掘而导致初始服务运维风险描述的频繁挖掘，在一定程度上减少了风控分析的资源开销。

Description

基于大数据的风控处理方法及服务器

本申请是申请号为“2022102169432”、申请日为“20220307”、申请名称为“一种针对远程教育服务的大数据风控方法及服务器”的分案申请。

技术领域

本发明涉及大数据技术领域，尤其涉及一种基于大数据的风控处理方法及服务器。

背景技术

远程教育（网络教育）是指使用电视及互联网等传播媒体的教学模式，远程教育能够突破时空的界线，与传统教育相比存在如下优势，一、无需在指定的地方上课；二、可以通过电视广播、互联网、辅导专线以及课研社等多种不同管道互助学习。

随着远程教育的不断拓展，在远程教育过程中授课端与客户端进行交互时，由于会涉及到大量数据的交互，因此对于交互过程中的交互安全问题是用户极为关心的问题。所以，针对远程教育服务过程的风险防控是必不可少的，然而相关的风险防控技术在进行特征分析时可能会占用较多的资源，这样不利于风控分析的高效化。

发明内容

本发明提供一种基于大数据的风控处理方法及服务器，为实现上述技术目的，本发明采用如下技术方案。

第一方面是一种基于大数据的风控处理方法，应用于大数据风控服务器，所述方法至少包括：确定待进行风控分析的远程教育服务运行报告；挖掘所述待进行风控分析的远程教育服务运行报告的初始服务运维风险描述；依据所述初始服务运维风险描述，确定所述待进行风控分析的远程教育服务运行报告的阶段化运维风险事项、所述阶段化运维风险事项对应的阶段化风险描述内容以及所述待进行风控分析的远程教育服务运行报告的整体化风险描述内容。

如此设计，通过一个机器学习模型率先挖掘初始服务运维风险描述，再依据挖掘的初始服务运维风险描述，可以并行确定阶段化运维风险事项、阶段化风险描述内容以及整体化风险描述内容，避免独立地对以上阶段化运维风险事项、阶段化风险描述内容以及整体化风险描述内容进行挖掘，能够保障挖掘时效性，并且由于初始服务运维风险描述是挖掘以上三类关键数据都需要参考的风险描述内容，通过整体性地挖掘得到的初始服务运维风险描述来确定以上三类关键数据，无需每确定一类上述关键数据时都对初始服务运维风险描述进行挖掘而导致初始服务运维风险描述的频繁挖掘，在一定程度上减少了风控分析的资源开销，有助于风控分析的高效化。

在一些可独立实施设计思路下，所述依据所述初始服务运维风险描述，确定所述待进行风控分析的远程教育服务运行报告的阶段化运维风险事项、所述阶段化运维风险事项对应的阶段化风险描述内容以及所述待进行风控分析的远程教育服务运行报告的整体化风险描述内容，包括：通过运维风险识别模型，依据所述初始服务运维风险描述，获得所述待进行风控分析的远程教育服务运行报告的阶段化运维风险事项、所述阶段化运维风险事项对应的阶段化风险描述内容以及所述待进行风控分析的远程教育服务运行报告的整体化风险描述内容。

如此，通过一个运维风险识别模型便可以实现对待进行风控分析的远程教育服务运行报告的阶段化运维风险事项、阶段化运维风险事项对应的阶段化风险描述内容和整体化风险描述内容的挖掘，无需通过多个机器学习模型分别实现，这样不仅可以实现对运维风险识别模型的模型配置的调整，还可以实现对以上三类关键数据的并行确定，进而能够保障风控分析的质量。

在一些可独立实施设计思路下，对所述运维风险识别模型进行配置，包括：确定若干组已认证远程教育服务运行报告；对于每组已认证远程教育服务运行报告，确定与所述已认证远程教育服务运行报告存在传递特征的不少于一组已认证关联服务运行报告，并将所述已认证远程教育服务运行报告分别与每组已认证关联服务运行报告进行绑定，得到不少于一个已认证报告二元组；通过所述已认证报告二元组，对所述运维风险识别模型进行配置。

如此一来，传递特征能够反映采集两个远程教育服务运行报告时采集线程的注意力变化，通过将包括存在传递特征的两个远程教育服务运行报告的已认证报告二元组，作为对运维风险识别模型进行配置的已认证信息，能够提高配置完成的运维风险识别模型在进行关键数据识别时兼容采集线程的注意力变化的性能，进而能够提高配置完成的运维风险识别模型导出以上三类关键数据的准确性及可信度。

在一些可独立实施设计思路下，所述已认证远程教育服务运行报告包括第一已认证服务会话报告，所述已认证报告二元组涵盖第一已认证会话报告二元组；所述对于每组已认证远程教育服务运行报告，确定与所述已认证远程教育服务运行报告存在传递特征的不少于一组已认证关联服务运行报告，并将所述已认证远程教育服务运行报告分别与每组已认证关联服务运行报告进行绑定，得到不少于一个已认证报告二元组，包括：确定目标服务会话下的若干组第一已认证服务会话报告；依据若干组所述第一已认证服务会话报告，确定与所述目标服务会话对应的动态服务会话数据；依据所述动态服务会话数据，从所述第一已认证服务会话报告中确定存在传递特征的不少于一对第一已认证服务会话报告，得到不少于一个所述第一已认证会话报告二元组。

如此，通过确定的动态服务会话数据，能够精准地确定若干组第一已认证服务会话报告之间的传递特征，进而能够精准地确定存在传递特征的多个第一已认证会话报告二元组。并且第一已认证会话报告二元组中包括的两个远程教育服务运行报告均目标服务会话下的远程教育服务运行报告，通过多个第一已认证会话报告二元组对运维风险识别模型进行配置，不仅能够提高配置完成的运维风险识别模型在进行关键数据识别时兼容采集线程的注意力变化的性能，还能够提高配置完成的运维风险识别模型在一定的目标服务会话下的兼容性，进而提高在一定的目标服务会话下的风控分析可信度。

在一些可独立实施设计思路下，所述已认证远程教育服务运行报告包括第二已认证服务会话报告，所述已认证报告二元组涵盖第二已认证会话报告二元组；所述对于每组已认证远程教育服务运行报告，确定与所述已认证远程教育服务运行报告存在传递特征的不少于一组已认证关联服务运行报告，并将所述已认证远程教育服务运行报告分别与每组已认证关联服务运行报告进行绑定，得到不少于一个已认证报告二元组，包括：确定非目标服务会话下的若干组第二已认证服务会话报告；对于每组第二已认证服务会话报告，对所述第二已认证服务会话报告实施第一前置处理，得到与所述第二已认证服务会话报告存在传递特征的不少于一组目标关联服务运行报告，并将所述第二已认证服务会话报告分别与每组目标关联服务运行报告进行绑定，得到不少于一个第二已认证会话报告二元组。

如此，通过第一前置处理，能够得到与第二已认证服务会话报告存在传递特征的目标关联服务运行报告，第二已认证服务会话报告和目标关联服务运行报告均为非目标服务会话下的远程教育服务运行报告，由此，通过由第二已认证服务会话报告和目标关联服务运行报告绑定成的第二已认证会话报告二元组对运维风险识别模型进行配置，不仅能够提高配置完成的运维风险识别模型在进行关键数据识别时兼容采集线程的注意力变化的性能，还能够提高配置完成的运维风险识别模型在各种服务会话下的兼容性，进而能够提高运维风险识别模型在各种服务会话下的风控分析可信度。

在一些可独立实施设计思路下，所述通过所述已认证报告二元组，对所述运维风险识别模型进行配置，包括：对一部分所述已认证报告二元组实施第二前置处理，得到不少于一个完成前置处理的已认证报告二元组；所述已认证报告二元组涵盖第一已认证报告二元组和/或第二已认证报告二元组；通过所述一部分所述已认证报告二元组和所述完成前置处理的已认证报告二元组，对所述运维风险识别模型进行配置。

如此，通过第二前置处理的完成前置处理的已认证报告二元组中的远程教育服务运行报告，与基础的已认证报告二元组中的远程教育服务运行报告存在的差异，比如：存在差异的识别度、扰动等信息，从而，通过已认证报告二元组和完成前置处理的已认证报告二元组作为已认证信息，能够提高配置完成的运维风险识别模型对远程教育服务运行报告的轻微的误差的兼容性，比如：能够提高配置完成的运维风险识别模型对远程教育服务运行报告的识别度改变、扰动改变等情况的兼容性，提高了运维风险识别模型导出的风险识别结果的准确性。

在一些可独立实施设计思路下，所述第二前置处理包括如下一种或多种：非限制型扰动处理、报告特征识别度调整处理。

如此，非限制型扰动处理能够改变已认证报告二元组中的远程教育服务运行报告的扰动信息，报告特征识别度调整处理能够改变已认证报告二元组中的远程教育服务运行报告的识别度信息，通过经过第二前置处理的完成前置处理的已认证报告二元组中的远程教育服务运行报告进行模型配置，能够提高配置完成的运维风险识别模型对远程教育服务运行报告的识别度改变、扰动改变等情况的兼容性，能够提高运维风险识别模型导出的风险识别结果的准确性。

在一些可独立实施设计思路下，所述通过所述已认证报告二元组，对所述运维风险识别模型进行配置，包括：分别确定所述已认证报告二元组中的每组已认证远程教育服务运行报告的阶段化引导运维风险事项；从所述已认证报告二元组中的已认证关联服务运行报告中，确定所述阶段化引导运维风险事项对应的积极示例运维风险事项和消极示例运维风险事项；通过所述阶段化引导运维风险事项、所述阶段化引导运维风险事项对应的积极示例运维风险事项和消极示例运维风险事项，对所述运维风险识别模型进行配置。

如此，通过积极示例以及消极示例对运维风险识别模型进行配置，能够提高配置完成的运维风险识别模型在识别远程教育服务运行报告的阶段化风险描述内容时的识别可信度。

在一些可独立实施设计思路下，所述从所述已认证报告二元组中的已认证关联服务运行报告中，确定所述阶段化引导运维风险事项对应的积极示例运维风险事项和消极示例运维风险事项，包括：将所述已认证关联服务运行报告中的与所述阶段化引导运维风险事项对应的运维风险事项，作为积极示例运维风险事项；从所述已认证关联服务运行报告中除所述积极示例运维风险事项之外的运维风险事项中，确定与所述阶段化引导运维风险事项共性指数最大的运维风险事项，将确定出的共性指数最大的运维风险事项作为所述消极示例运维风险事项。

如此，积极示例以及消极示例的运维风险事项对应的配置思路存在差异，积极示例运维风险事项的配置思路是趋近基础示例与积极示例的共性指数，与已认证远程教育服务运行报告存在传递特征的已认证关联服务运行报告中存在与基础示例重复的积极示例，因此从已认证关联服务运行报告中筛选出的积极示例运维风险事项的阶段化风险描述内容与阶段化引导运维风险事项对应的阶段化风险描述内容将最为类似，通过从已认证关联服务运行报告中筛选出的积极示例运维风险事项，能够更加满足积极示例运维风险事项的配置效果；而消极示例运维风险事项的配置思路是避开基础示例与消极示例的共性指数，因此筛选与阶段化引导运维风险事项的共性指数最大的运维风险事项作为消极示例运维风险事项，这样筛选的消极示例运维风险事项的阶段化风险描述内容与阶段化引导运维风险事项对应的阶段化风险描述内容也最为类似，通过避开基础示例与消极示例的共性指数，能够更加满足消极示例运维风险事项的配置效果，能够提高配置完成的运维风险识别模型识别阶段化风险描述内容的识别可信度。

在一些可独立实施设计思路下，所述通过所述阶段化引导运维风险事项、所述阶段化引导运维风险事项对应的积极示例运维风险事项和消极示例运维风险事项，对所述运维风险识别模型进行配置，包括：将所述已认证报告二元组加载至所述运维风险识别模型中，得到阶段化测试运维风险事项、所述阶段化引导运维风险事项对应的第一测试风险描述内容、所述积极示例运维风险事项对应的第二测试风险描述内容和消极示例运维风险事项对应的第三测试风险描述内容；通过所述阶段化测试运维风险事项和所述阶段化引导运维风险事项，确定第一模型质量评价；通过所述阶段化引导运维风险事项对应的第一测试风险描述内容、所述积极示例运维风险事项对应的第二测试风险描述内容和所述消极示例运维风险事项对应的第三测试风险描述内容，确定第二模型质量评价；通过所述第一模型质量评价和所述第二模型质量评价，对所述运维风险识别模型进行配置。

第一模型质量评价是阶段化测试运维风险事项和阶段化引导运维风险事项之间的模型质量评价，通过第一模型质量评价对运维风险识别模型进行配置，能够提高配置完成的运维风险识别模型识别阶段化运维风险事项的识别可信度，第二模型质量评价是阶段化的第一测试风险描述内容、第二测试风险描述内容和第三测试风险描述内容之间的模型质量评价，通过第二模型质量评价对运维风险识别模型进行配置，能够提高配置完成的运维风险识别模型识别阶段化风险描述内容的准确性。

在一些可独立实施设计思路下，所述将所述已认证报告二元组加载至所述运维风险识别模型中，得到阶段化测试运维风险事项、所述阶段化引导运维风险事项对应的第一测试风险描述内容、所述积极示例运维风险事项对应的第二测试风险描述内容和消极示例运维风险事项对应的第三测试风险描述内容，包括：将所述已认证报告二元组加载至所述运维风险识别模型中，由所述运维风险识别模型中的初始描述挖掘子模型，得到所述已认证报告二元组对应的测试型初始服务运维风险描述；由所述运维风险识别模型中的描述识别子模型，依据所述测试型初始服务运维风险描述，得到阶段化测试运维风险事项、所述阶段化引导运维风险事项对应的第一测试风险描述内容、所述积极示例运维风险事项对应的第二测试风险描述内容和消极示例运维风险事项对应的第三测试风险描述内容。

如此，通过对初始描述挖掘子模型的配置，能够提高初始描述挖掘子模型导出的测试型初始服务运维风险描述的准确性，进而描述识别子模型通过准确性较高的测试型初始服务运维风险描述，能够导出准确性较高的阶段化测试运维风险事项、第一测试风险描述内容、第二测试风险描述内容和第三测试风险描述内容等，再通过阶段化测试运维风险事项、第一测试风险描述内容、第二测试风险描述内容和第三测试风险描述内容等对描述识别子模型进行配置，最后能够提高配置完成的运维风险识别模型的识别可信度。

在一些可独立实施设计思路下，所述通过所述阶段化引导运维风险事项、所述阶段化引导运维风险事项对应的积极示例运维风险事项和消极示例运维风险事项，对所述运维风险识别模型进行配置，包括：将多个第一已认证报告二元组加载至所述运维风险识别模型，分别得到每个所述第一已认证报告二元组中每组远程教育服务运行报告对应的整体化的第四测试风险描述内容，并将所述整体化的第四测试风险描述内容添加到指定空间；依据多个第二已认证报告二元组和所述指定空间中的第四测试风险描述内容，对所述运维风险识别模型进行配置。

如此，将通过第一已认证报告二元组得到的第四测试风险描述内容记录到指定空间当作消极示例，这样能够扩充用于配置的消极示例的数目，有助于提高配置完成的运维风险识别模型识别整体化风险描述内容的准确性。

在一些可独立实施设计思路下，所述依据多个第二已认证报告二元组和所述指定空间中的第四测试风险描述内容，对所述运维风险识别模型进行配置，包括：将多个所述第二已认证报告二元组加载至所述运维风险识别模型，分别得到每个所述第二已认证报告二元组中的每个远程教育服务运行报告的整体化的第五测试风险描述内容；依据所述指定空间中的第四测试风险描述内容和所述第五测试风险描述内容，确定第三模型质量评价，并通过所述第三模型质量评价，对所述运维风险识别模型进行配置。

第三模型质量评价是第五测试风险描述内容和第四测试风险描述内容之间的模型质量评价，确定的是整体化风险描述内容对应的模型质量评价，通过第三模型质量评价对运维风险识别模型进行配置，能够提高配置完成的运维风险识别模型识别整体化风险描述内容的准确性。

在一些可独立实施设计思路下，所述第五测试风险描述内容包括第六测试风险描述内容和第七测试风险描述内容；所述依据所述指定空间中的第四测试风险描述内容和所述第五测试风险描述内容，确定第三模型质量评价，包括：针对每个第二已认证报告二元组，确定所述第二已认证报告二元组中的已认证远程教育服务运行报告的第六测试风险描述内容，并将所述第二已认证报告二元组中的已认证关联服务运行报告作为所述已认证报告对应的积极型认证远程教育服务运行报告，并确定所述积极型认证远程教育服务运行报告的第七测试风险描述内容；从所述指定空间中确定与所述第二已认证报告二元组中的已认证远程教育服务运行报告的第六测试风险描述内容共性指数最大的第四测试风险描述内容，并将确定得到的第四测试风险描述内容作为消极型已认证报告对应的第八测试风险描述内容；通过所述第六测试风险描述内容、所述第七测试风险描述内容和所述第八测试风险描述内容，确定第三模型质量评价。

如此，通过第六测试风险描述内容和第七测试风险描述内容，能够确定关于整体化风险描述内容之间的积极示例对应的模型质量评价，通过与已认证远程教育服务运行报告的第六测试风险描述内容共性指数最大的第四测试风险描述内容，能够确定关于整体化风险描述内容之间的消极示例对应的模型质量评价，而后通过确定的积极示例对应的模型质量评价和消极示例对应的模型质量评价，能够提高生成的第三模型质量评价的可信度。

在一些可独立实施设计思路下，在分别得到每个第二已认证报告二元组中的每个远程教育服务运行报告的整体化的第五测试风险描述内容之后，还包括：依据每个远程教育服务运行报告的整体化的第五测试风险描述内容，优化所述指定空间。

如此，通过实时确定的第五测试风险描述内容优化集合，可以实现对消极示例的优化，每一次配置产生的整体化的第五测试风险描述内容精度更高，通过更高精度的消极示例，能够提高得到的第三模型质量评价的可信度。

第二方面是一种大数据风控服务器，包括存储器和处理器；所述存储器和所述处理器耦合；所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令；其中，当所述处理器执行所述计算机指令时，使得所述大数据风控服务器执行第一方面的方法。

附图说明

图1为本发明实施例提供的基于大数据的风控处理方法的流程示意图。

图2为本发明实施例提供的基于大数据的风控处理装置的模块框图。

具体实施方式

以下，术语“第一”、“第二”和“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”或“第三”等的特征可以明示或者隐含地包括一个或者更多个该特征。

图1示出了本发明实施例提供的一种基于大数据的风控处理方法的流程示意图，基于大数据的风控处理方法可以通过大数据风控服务器实现，大数据风控服务器可以包括存储器和处理器；所述存储器和所述处理器耦合；所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令；其中，当所述处理器执行所述计算机指令时，使得所述大数据风控服务器执行如下步骤所描述的技术方案。

步骤101、确定待进行风控分析的远程教育服务运行报告。

在本发明实施例中，待进行风控分析的远程教育服务运行报告可以采集线程采集的目标服务会话下的远程教育服务运行报告，也可以是非目标服务会话下远程教育服务运行报告，当待进行风控分析的远程教育服务运行报告中存在阶段化运维风险事项时，阶段化运维风险事项可以是其在待进行风控分析的远程教育服务运行报告对应的服务事项所对应的设定服务集合中风险信息关注度最高的事项特征。

可以理解，阶段化运维风险事项能够反映待进行风控分析的远程教育服务运行报告阶段化的细节描述或者核心描述，能够用于标记待进行风控分析的远程教育服务运行报告中目标异常事件，通过待进行风控分析的远程教育服务运行报告的阶段化运维风险事项以及其他远程教育服务运行报告的阶段化运维风险事项的配对，可以实现待进行风控分析的远程教育服务运行报告与其他远程教育服务运行报告的配对。

举例而言，待进行风控分析的远程教育服务运行报告可以理解为待处理的远程教育服务运行报告，该远程教育服务运行报告可以是在线教育服务端和客户端交互过程中产生的运行报告，主要侧重于数据信息安防层面。进一步地，不同服务会话可以理解为不同的在线教育场景。阶段化运维风险事项可以理解为局部特征事项。

步骤102、挖掘待进行风控分析的远程教育服务运行报告的初始服务运维风险描述。

在本发明实施例中，依据确定的待进行风控分析的远程教育服务运行报告，可以挖掘出该待进行风控分析的远程教育服务运行报告的初始服务运维风险描述，其中，初始服务运维风险描述可以是确定待进行风控分析的远程教育服务运行报告的阶段化运维风险事项、阶段化运维风险事项对应的阶段化风险描述内容以及待进行风控分析的远程教育服务运行报告的整体化风险描述内容时，都需要参考的服务运维风险描述（参考运维风险描述）。

步骤103、依据初始服务运维风险描述，确定待进行风控分析的远程教育服务运行报告的阶段化运维风险事项、阶段化运维风险事项对应的阶段化风险描述内容以及待进行风控分析的远程教育服务运行报告的整体化风险描述内容。

在本发明实施例中，阶段化风险描述内容可以理解为用于描述阶段化运维风险事项对应的服务事项所对应的设定服务集合中的全局描述的风险描述内容，每一个阶段化运维风险事项可以对应存在一个阶段化风险描述内容。整体化风险描述内容可以理解为用于描述待进行风控分析的远程教育服务运行报告的全局描述的风险描述内容，一个待进行风控分析的远程教育服务运行报告存在一个单独的整体化服务运维风险描述。其中，阶段化风险描述内容和整体化风险描述内容可以用丰富的描述向量记录。

在本发明实施例中，在确定初始服务运维风险描述之后，可以通过该初始服务运维风险描述以及待进行风控分析的远程教育服务运行报告，在确定待进行风控分析的远程教育服务运行报告的存在阶段化运维风险事项的前提下，可以同时确定待进行风控分析的远程教育服务运行报告的每一个阶段化运维风险事项以及每一个阶段化运维风险事项对应的阶段化风险描述内容，其中，在确定待进行风控分析的远程教育服务运行报告的存在阶段化运维风险事项的前提下，一个待进行风控分析的远程教育服务运行报告中可以存在不少于一个阶段化运维风险事项，换言之，一个待进行风控分析的远程教育服务运行报告可以对应存在不少于一个阶段化风险描述内容。此外，依据初始服务运维风险描述和待进行风控分析的远程教育服务运行报告，还可以同时确定待进行风控分析的远程教育服务运行报告的整体化风险描述内容。

在实际实施时，每一个阶段化风险描述内容的确定不仅需要借助初始服务运维风险描述和待进行风控分析的远程教育服务运行报告，还需要借助其所对应的阶段化运维风险事项。可以理解，阶段化风险描述内容又可以理解为阶段化视觉数组，整体化风险描述内容又可以称为整体化视觉数组。

如此，通过一个机器学习模型率先挖掘初始服务运维风险描述，再依据挖掘的初始服务运维风险描述，可以并行确定阶段化运维风险事项、阶段化风险描述内容以及整体化风险描述内容，避免独立地对以上阶段化运维风险事项、阶段化风险描述内容以及整体化风险描述内容进行挖掘，能够保障挖掘时效性，并且由于初始服务运维风险描述是挖掘以上三类关键数据都需要参考的风险描述内容，通过整体性地挖掘得到的初始服务运维风险描述来确定以上三类关键数据，无需每确定一类上述关键数据时都对初始服务运维风险描述进行挖掘而导致初始服务运维风险描述的频繁挖掘，在一定程度上减少了风控分析的资源开销。

在一些示例中，对于步骤103而言，可以通过运维风险识别模型，依据初始服务运维风险描述，导出待进行风控分析的远程教育服务运行报告的阶段化运维风险事项、阶段化运维风险事项对应的阶段化风险描述内容以及待进行风控分析的远程教育服务运行报告的整体化风险描述内容。

在本发明实施例中，本发明实施例所提供的基于大数据的风控处理方法可以应用在运维风险识别模型中，步骤101-步骤103皆可以通过该运维风险识别模型实施。可以理解，可以通过运维风险识别模型对确定的待进行风控分析的远程教育服务运行报告进行处理，导出待进行风控分析的远程教育服务运行报告的初始服务运维风险描述，然后再通过初始服务运维风险描述和待进行风控分析的远程教育服务运行报告，导出待进行风控分析的远程教育服务运行报告的阶段化运维风险事项、阶段化运维风险事项对应的阶段化风险描述内容以及待进行风控分析的远程教育服务运行报告的整体化风险描述内容。

在实际实施时，运维风险识别模型可以包括初始描述挖掘子模型（特征提取层）和描述识别子模型（特征识别层），描述识别子模型可以包括阶段化运维风险事项识别单元、阶段化风险描述内容识别单元和整体化风险描述内容识别单元。本发明实施例所提供的一种运维风险识别模型导出待进行风控分析的远程教育服务运行报告的阶段化运维风险事项、阶段化运维风险事项对应的阶段化风险描述内容以及整体化风险描述内容的设计思路。其中，初始描述挖掘子模型用于挖掘待进行风控分析的远程教育服务运行报告的初始服务运维风险描述，阶段化运维风险事项识别单元用于导出待进行风控分析的远程教育服务运行报告的阶段化运维风险事项，阶段化风险描述内容识别单元用于导出阶段化运维风险事项对应的阶段化风险描述内容，整体化风险描述内容识别单元用于导出待进行风控分析的远程教育服务运行报告的整体化风险描述内容。

此外，运维风险识别模型需要配置才可以导出可信度和准确性较高的识别信息，由此，本发明实施例还提供了一种对运维风险识别模型进行配置的设计思路，示例性的可以包括如下步骤。

步骤301、确定若干组已认证远程教育服务运行报告。

步骤302、对于每组已认证远程教育服务运行报告，确定与已认证远程教育服务运行报告存在传递特征的不少于一组已认证关联服务运行报告，并将已认证远程教育服务运行报告分别与每组已认证关联服务运行报告进行绑定，得到不少于一个已认证报告二元组。其中，存在传递特征的已认证报告二元组涵盖存在部分重复服务事项的远程教育服务运行报告二元组。

步骤303、通过已认证报告二元组，对运维风险识别模型进行配置。

在本发明实施例中，已认证远程教育服务运行报告可以是任意服务会话下的远程教育服务运行报告，传递特征（可以理解为共视关系）能够反映采集两个远程教育服务运行报告时、采集线程的注意力变化以及两个远程教育服务运行报告之间的重复服务事项的数目和分布情况。配置完成的运维风险识别模型可以依据对已认证远程教育服务运行报告的处理，导出可信度及准确性较高的已认证远程教育服务运行报告的阶段化运维风险事项、阶段化运维风险事项对应的阶段化风险描述内容以及待进行风控分析的远程教育服务运行报告的整体化风险描述内容。

在确定得到已认证报告二元组之后，可以将已认证报告二元组中的每一对已认证远程教育服务运行报告加载至运维风险识别模型，然后依据运维风险识别模型的导出结果，确定对运维风险识别模型进行循环配置的模型质量评价，通过确定的模型质量评价对运维风险识别模型进行循环配置，以得到配置完成的运维风险识别模型，在本发明实施例中，已认证报告二元组涵盖若干个。

此外，在得到多个已认证报告二元组之后，可以对其中的一部分已认证报告二元组实施第二前置处理，得到不少于一个完成前置处理的已认证报告二元组。其中，第二前置处理（可以理解为预处理）可以包括如下一种或多种：非限制型扰动处理、报告特征识别度调整处理。

在实际实施时，可以从多个已认证报告二元组中确定出一部分已认证报告二元组，然后对于确定出的一部分已认证报告二元组，可以对一部分已认证报告二元组中的每个已认证报告二元组实施非限制型扰动处理、又实施报告特征识别度调整处理，也可以对一部分已认证报告二元组中的部分已认证报告二元组实施非限制型扰动处理，对一部分已认证报告二元组中的部分已认证报告二元组实施报告特征识别度调整处理，在本发明实施例中，实施非限制型扰动处理的已认证报告二元组和实施报告特征识别度调整处理的已认证报告二元组可以存在部分重复，可以得到多个完成前置处理的已认证报告二元组。而后可以通过得到的多个已认证报告二元组以及完成前置处理的已认证报告二元组，对运维风险识别模型进行循环配置。

如此，通过第二前置处理的完成前置处理的已认证报告二元组中的远程教育服务运行报告，与基础的已认证报告二元组中的远程教育服务运行报告存在的差异，比如：存在差异的识别度、扰动等信息，通过已认证报告二元组和完成前置处理的已认证报告二元组作为已认证信息，能够提高配置完成的运维风险识别模型对远程教育服务运行报告的轻微的误差的兼容性，例如能够提高配置完成的运维风险识别模型对远程教育服务运行报告的识别度改变、扰动改变等情况的兼容性，提高了运维风险识别模型导出的风险识别结果的准确性。

在一些示例中，已认证远程教育服务运行报告可以包括第一已认证服务会话报告，已认证报告二元组涵盖第一已认证会话报告二元组。

对于步骤302而言，可以根据如下步骤确定已认证报告二元组。

步骤A、确定目标服务会话下的若干组第一已认证服务会话报告。

步骤B、依据若干组第一已认证服务会话报告，确定与目标服务会话对应的动态服务会话数据。

步骤C、依据动态服务会话数据，从第一已认证服务会话报告中确定存在传递特征的不少于一对第一已认证服务会话报告，得到不少于一个第一已认证会话报告二元组。

在本发明实施例中，为了提高配置完成的运维风险识别模型针对目标服务会话下的远程教育服务运行报告的识别可信度，可以通过目标服务会话下的远程教育服务运行报告对运维风险识别模型进行配置。

第一已认证服务会话报告可以是在目标服务会话下确定的远程教育服务运行报告，第一已认证会话报告二元组包括两组存在传递特征的、从若干组第一已认证服务会话报告中筛选的第一已认证服务会话报告。

在实际实施时，在确定若干组不同的已认证服务会话报告之后，可以依据若干组已认证服务会话报告，通过特征映射思路，对已认证会话报告二元组应的目标服务会话进行动态特征映射，以确定与目标服务会话对应的动态服务会话数据，对于若干组第一已认证服务会话报告中每个第一已认证服务会话报告，通过动态服务会话数据，可以从若干组第一已认证服务会话报告中确定出与该第一已认证服务会话报告存在传递特征的其他第一已认证服务会话报告，然后可以该第一已认证服务会话报告将与该第一已认证服务会话报告存在传递特征的其他第一已认证服务会话报告中的每个第一已认证服务会话报告进行绑定，得到该第一已认证会话报告二元组应的第一已认证会话报告二元组，继而，可以确定若干组第一已认证服务会话报告中每个第一已认证会话报告二元组应的第一已认证会话报告二元组，在本发明实施例中，最少可以确定不少于一对第一已认证会话报告二元组。

最后，可以通过确定的第一已认证会话报告二元组对运维风险识别模型进行循环配置，得到的配置完成的运维风险识别模型，在本发明实施例中，由于用于配置的第一已认证会话报告二元组中的两个第一已认证服务会话报告不仅存在传递特征，还是一定的目标服务会话下的远程教育服务运行报告，由此，通过多个第一已认证会话报告二元组对运维风险识别模型进行配置，不仅能够提高配置完成的运维风险识别模型在进行关键数据识别时兼容采集线程的注意力变化的性能，还可以实现配置完成的运维风险识别模型在一定的目标服务会话下的兼容性，进而提高了在一定的目标服务会话下的识别准确度。

在另一些示例中，已认证远程教育服务运行报告还可以包括第二已认证服务会话报告，同理，已认证报告二元组还可以包括第二已认证会话报告二元组。在实际实施时，第二已认证服务会话报告是非目标服务会话下的远程教育服务运行报告，在确定若干组第二已认证服务会话报告之后，对于每组第二已认证服务会话报告，可以对其实施第一前置处理，这样能够确定与该第二已认证服务会话报告存在传递特征的不少于一组目标关联服务运行报告，然后将该第二已认证服务会话报告与确定的不少于一组目标关联服务运行报告中的每个目标关联服务运行报告进行绑定，得到该第二已认证会话报告二元组应的不少于一个第二已认证会话报告二元组。进一步的，依据第一前置处理，可以确定每个第二已认证会话报告二元组应的第二已认证会话报告二元组。

其中，第一前置处理可以是特征调整操作，依据特征调整操作，可以确定与第二已认证服务会话报告存在传递特征的不少于一组目标关联服务运行报告。

在确定第二已认证会话报告二元组之后，可以通过第一已认证会话报告二元组和第二已认证会话报告二元组同时对运维风险识别模型进行循环配置。在实际实施时，可以通过设定标准（比如设定比例）确定用于配置的第一已认证会话报告二元组的第一数目和第二已认证会话报告二元组的第二数目，然后筛选第一数目的第一已认证会话报告二元组和第二数目的第二已认证会话报告二元组一起对运维风险识别模型进行循环配置。

在一些示例中，设定标准可以是第一已认证会话报告二元组的数目与第二已认证会话报告二元组的数目为7：3的占比。

如此，通过第一已认证会话报告二元组和第二已认证会话报告二元组一起对运维风险识别模型进行配置，可以提高配置完成的运维风险识别模型在一定的目标服务会话下的识别可信度，还可以提高配置完成的运维风险识别模型在其他服务会话下的兼容性，从而提高了在其他服务会话下的识别可信度。

此外，对于筛选出的第一数目的第一已认证会话报告二元组和第二数目的第二已认证会话报告二元组，可以从中筛选一部分第一已认证会话报告二元组和/或第二已认证会话报告二元组，对其实施第二前置处理，得到完成前置处理的第一已认证会话报告二元组和/或完成前置处理的第二已认证会话报告二元组，可以通过第一已认证会话报告二元组和/或第二已认证会话报告二元组、完成前置处理的第一已认证会话报告二元组和/或完成前置处理的第二已认证会话报告二元组同时对运维风险识别模型进行循环配置。

如此，配置完成的运维风险识别模型既可以适应采集线程的注意力变化、远程教育服务运行报告的识别度改变、扰动改变，还可以在一定的目标服务会话下以及其他非目标服务会话下，都可以存在可靠的识别可信度。

对于步骤303而言，在确定已认证报告二元组之后，可以通过相关算法（比如自适应的事项识别算法），确定每个已认证报告二元组中的远程教育服务运行报告所包括的阶段化运维风险事项，其次可以将确定的已认证报告二元组中的已认证远程教育服务运行报告所包括的阶段化运维风险事项作为该已认证报告对应的阶段化引导运维风险事项，然后可以从已认证报告二元组中已认证关联服务运行报告中，确定出与确定的阶段化引导运维风险事项所对应的积极示例运维风险事项和消极示例运维风险事项，最后可以通过阶段化引导运维风险事项、积极示例运维风险事项和消极示例运维风险事项，对运维风险识别模型进行循环配置，以得到配置完成的运维风险识别模型。

此外，每个已认证报告二元组中的已认证远程教育服务运行报告可以包括多个阶段化运维风险事项，换言之，可以从该已认证报告对应的已认证关联服务运行报告中，确定与多个阶段化运维风险事项中的每个阶段化引导运维风险事项对应的积极示例运维风险事项和消极示例运维风险事项。可以通过上述确定的每个阶段化引导运维风险事项及其对应的积极示例运维风险事项和消极示例运维风险事项，对运维风险识别模型进行循环配置。

在一些示例中，关于已认证报告二元组中的已认证远程教育服务运行报告所包括的任一个阶段化引导运维风险事项所对应的积极示例运维风险事项和消极示例运维风险事项的确定，可以从已认证关联服务运行报告中，确定与该阶段化引导运维风险事项相对应的阶段化运维风险事项并将其作为该阶段化引导运维风险事项对应的积极示例运维风险事项。然后可以从已认证关联服务运行报告所包括的除积极示例运维风险事项之外的阶段化运维风险事项中，确定与该阶段化引导运维风险事项相对应的消极示例运维风险事项。在实际实施时，对于已认证关联服务运行报告所包括的除积极示例运维风险事项之外的阶段化运维风险事项中的每个阶段化运维风险事项，可以确定每个阶段化运维风险事项与该阶段化引导运维风险事项之间的共性指数，然后筛选共性指数最大的阶段化运维风险事项作为消极示例运维风险事项。

可以理解，在确定已认证报告二元组中所包括的阶段化引导运维风险事项、积极示例运维风险事项和消极示例运维风险事项之后，可以将已认证报告二元组加载至运维风险识别模型中，对于已认证报告二元组中所包括的每个阶段化引导运维风险事项及其对应的积极示例运维风险事项和消极示例运维风险事项，运维风险识别模型可以依据对已认证报告二元组中的远程教育服务运行报告的处理，导出该阶段化引导运维风险事项对应的阶段化测试运维风险事项，该阶段化引导运维风险事项对应的第一测试风险描述内容，该阶段化引导运维风险事项对应的积极示例运维风险事项的第二测试风险描述内容，以及该阶段化引导运维风险事项对应的消极示例运维风险事项的第三测试风险描述内容。其中，第一测试风险描述内容、第二测试风险描述内容和第三测试风险描述内容都是导出的阶段化风险描述内容。

然后，可以通过阶段化引导运维风险事项和其对应的阶段化测试运维风险事项，以阶段化引导运维风险事项作为实际值，生成关于阶段化运维风险事项识别的第一模型质量评价，然后可以通过第一模型质量评价对阶段化运维风险事项识别单元进行循环配置，如此，配置完成的运维风险识别模型中的阶段化运维风险事项识别单元能够导出精度较高的阶段化测试运维风险事项。

可以理解，可以通过阶段化引导运维风险事项对应的第一测试风险描述内容、第二测试风险描述内容和第三测试风险描述内容，确定第二模型质量评价，其中，第二模型质量评价可以是交叉熵损失。

如此，可以通过第二模型质量评价对阶段化风险描述内容识别单元进行循环配置，配置完成的运维风险识别模型中的阶段化风险描述内容识别单元能够导出精度较高的阶段化测试风险描述内容。

在本发明实施例中，第一模型质量评价和第二模型质量评价可以同时确定，然后可以通过第一模型质量评价和第二模型质量评价对运维风险识别模型进行循环配置，以得到配置完成的运维风险识别模型。

此外，本发明实施例所提供的基于大数据的风控处理方法，还可以实现同时对整体化风险描述内容识别单元进行配置。

在实际实施时，可以同时将多个第一已认证报告二元组加载至运维风险识别模型中，其中，第一已认证报告二元组可以是从确定的多个已认证报告二元组中筛选的远程教育服务运行报告二元组，对于导入的多个第一已认证报告二元组中的每个第一已认证报告二元组，运维风险识别模型中的初始描述挖掘子模型，可以挖掘该第一已认证报告二元组中所包括的远程教育服务运行报告的识别初始描述内容，然后运维风险识别模型中的阶段化运维风险事项识别单元，可以依据确定的识别初始描述内容和第一已认证报告二元组中所包括的远程教育服务运行报告，确定第一已认证报告二元组中每组远程教育服务运行报告对应的阶段化测试运维风险事项，运维风险识别模型中的阶段化风险描述内容识别单元，可以依据第一已认证报告二元组对应的阶段化测试运维风险事项、识别初始描述内容和第一已认证报告二元组中所包括的远程教育服务运行报告，导出第一已认证报告二元组中每组远程教育服务运行报告对应的第一测试风险描述内容、第二测试风险描述内容和第三测试风险描述内容，运维风险识别模型中的整体化风险描述内容识别单元，可以依据识别初始描述内容和第一已认证报告二元组中所包括的远程教育服务运行报告，导出第一已认证报告二元组中每组远程教育服务运行报告对应的整体化的第四测试风险描述内容。其中，第四测试风险描述内容是导出的整体化风险描述内容。

如此，可以通过阶段化测试运维风险事项、第一测试风险描述内容、第二测试风险描述内容和第三测试风险描述内容，构建第二模型质量评价和第三模型质量评价，对阶段化运维风险事项识别单元和阶段化风险描述内容识别单元进行循环配置，并且可以通过第四测试风险描述内容生成第三模型质量评价，同时对整体化风险描述内容识别单元进行循环配置。

可以理解的是，在通过已认证报告二元组对整体化风险描述内容识别单元进行循环配置的过程中，对于其中一个已认证远程教育服务运行报告而言，其对应积极型认证远程教育服务运行报告可以是与已认证远程教育服务运行报告存在传递特征的远程教育服务运行报告，消极型认证远程教育服务运行报告是与当前远程教育服务运行报告没有传递特征的全部远程教育服务运行报告，由此对于导入的每个已认证报告二元组而言，其中所包括的已认证远程教育服务运行报告和已认证关联服务运行报告存在传递特征，由此对于导入的每个已认证报告二元组所包括的已认证远程教育服务运行报告，仅存在积极型认证远程教育服务运行报告，不存在消极型认证远程教育服务运行报告，但是为了提高配置的整体化风险描述内容识别单元导出的整体化测试风险描述内容的识别可信度，本发明实施例提出了一种依据指定空间的配置思路，将每次循环配置确定的整体化测试风险描述内容存储于指定空间中，当作下一次循环配置的消极型已认证报告对应的整体化测试风险描述内容，提高配置的整体化风险描述内容识别单元导出的整体化测试风险描述内容的识别精度。

在实际实施时，在确定第四测试风险描述内容之后，可以将其作为下一次循环配置的消极型已认证报告对应的整体化测试风险描述内容，记录在指定空间中，并记录每个第四测试风险描述内容的确定时间段段，但此时不通过第四测试风险描述内容确定第三模型质量评价，换言之，不对整体化风险描述内容识别单元进行配置，由此，此时的消极型已认证报告对应的整体化测试风险描述内容数目较少，配置效果欠佳。在完成当前轮的配置之后，从确定的多个已认证报告二元组中筛选的新的第一已认证报告二元组，再次加载至所述运维风险识别模型中，整体化风险描述内容识别单元再导出新的第一已认证报告二元组对应的第四测试风险描述内容，将其记录在指定空间中，并记录实时确定的第四测试风险描述内容的确定时间段，逐一推算，在对运维风险识别模型进行配置的次数满足设定次数时，完成对指定空间（存储序列）的重置，此时的指定空间中已经记录了一定数目的第四测试风险描述内容，通过记录的一定数目的第四测试风险描述内容进行配置，能够满足较好的配置效果，由此，对于当前轮导入的已认证报告二元组，将会用于对运维风险识别模型的配置。

在实际实施时，可以从确定的多个已认证报告二元组中筛选的与第一已认证报告二元组存在差异的第二已认证报告二元组，将其加载至运维风险识别模型中，分别可以得到每个第二已认证报告二元组中的每个远程教育服务运行报告的整体化的第五测试风险描述内容，然后可以通过第五测试风险描述内容和指定空间中的第四测试风险描述内容，确定对运维风险识别模型进行配置的第三模型质量评价。

在一些示例中，第五测试风险描述内容可以包括第二已认证报告二元组中的已认证报告对应的第六测试风险描述内容，以及第二已认证报告二元组中的已认证关联服务运行报告对应的第七测试风险描述内容。

在实际实施时，针对加载至运维风险识别模型多个第二已认证报告二元组中的每个第二已认证报告二元组，可以确定每个第二已认证报告二元组中的已认证报告对应的第六测试风险描述内容，以及第二已认证报告二元组中的已认证关联服务运行报告对应的第七测试风险描述内容，然后可以从记录于指定空间中的、作为消极型已认证报告对应的整体化测试风险描述内容的第四测试风险描述内容中，确定与第六测试风险描述内容共性指数最大的第四测试风险描述内容，并将该第四测试风险描述内容作为用于确定第三模型质量评价的消极型已认证报告对应的整体化测试风险描述内容，第八测试风险描述内容可以通过第六测试风险描述内容、第七测试风险描述内容和所述第八测试风险描述内容，确定第三模型质量评价，通过第三模型质量评价对整体化风险描述内容识别单元进行当前轮的配置，其中，第三模型质量评价可以是铰链损失。

此外，在确定当前轮的消极型已认证报告对应的第八测试风险描述内容之后，可以将当前轮得到的第五测试风险描述内容记录到指定空间中，并依据记录在指定空间中的第四测试风险描述内容的确定时间段和第五测试风险描述内容的第三数目，将指定空间中确定时间段靠前的第三数目的第四测试风险描述内容剔除，完成对指定空间的优化。然后可以通过新的第二已认证远程教育服务运行报告，根据以上步骤完成对运维风险识别模型的下一次的配置，最后可以得到完成配置的运维风险识别模型。

可以理解，本发明实施例所提供的一种依据指定空间对运维风险识别模型进行循环配置的设计思路。

此外，在对运维风险识别模型进行每一次循环配置时，也可以理解为对初始描述挖掘子模型的配置，在得到完成配置的运维风险识别模型时，初始描述挖掘子模型也已经完成配置，能够导出精度较佳的识别初始描述内容。

如此，通过同时配置的思路得到的完成配置的运维风险识别模型，能够依据挖掘的初始服务运维风险描述，并行确定精度高的待进行风控分析的远程教育服务运行报告的阶段化运维风险事项、阶段化运维风险事项对应的阶段化风险描述内容、以及待进行风控分析的远程教育服务运行报告的整体化风险描述内容，提高了对待进行风控分析的远程教育服务运行报告进行风控分析的质量。

在一些示例中，本发明实施例所提供的基于大数据的风控处理方法，还可以首先通过已认证报告二元组对运维风险识别模型中的初始描述挖掘子模型、阶段化运维风险事项识别单元和阶段化风险描述内容识别单元进行循环配置，在配置完成之后，在通过已认证报告二元组对运维风险识别模型中的整体化风险描述内容识别单元进行循环配置，最后得到完成配置的运维风险识别模型，本发明实施例在此不作限定。

基于同样的发明构思，图2示出了本发明实施例提供的基于大数据的风控处理装置的模块框图，基于大数据的风控处理装置可以包括实施图1所示的相关方法步骤的如下模块。

报告确定模块21，用于确定待进行风控分析的远程教育服务运行报告。

风险挖掘模块22，用于挖掘待进行风控分析的远程教育服务运行报告的初始服务运维风险描述。

描述解析模块23，用于依据初始服务运维风险描述，确定待进行风控分析的远程教育服务运行报告的阶段化运维风险事项、阶段化运维风险事项对应的阶段化风险描述内容以及待进行风控分析的远程教育服务运行报告的整体化风险描述内容。

应用于本发明的相关实施例可以达到如下技术效果：通过一个机器学习模型率先挖掘初始服务运维风险描述，再依据挖掘的初始服务运维风险描述，可以并行确定阶段化运维风险事项、阶段化风险描述内容以及整体化风险描述内容，避免独立地对以上阶段化运维风险事项、阶段化风险描述内容以及整体化风险描述内容进行挖掘，能够保障挖掘时效性，并且由于初始服务运维风险描述是挖掘以上三类关键数据都需要参考的风险描述内容，通过整体性地挖掘得到的初始服务运维风险描述来确定以上三类关键数据，无需每确定一类上述关键数据时都对初始服务运维风险描述进行挖掘而导致初始服务运维风险描述的频繁挖掘，在一定程度上减少了风控分析的资源开销。

以上所述，仅为本发明的具体实施方式。熟悉本技术领域的技术人员根据本发明提供的具体实施方式，可想到变化或替换，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于大数据的风控处理方法，其特征在于，应用于大数据风控服务器，所述方法至少包括：

确定待进行风控分析的远程教育服务运行报告，并挖掘所述待进行风控分析的远程教育服务运行报告的初始服务运维风险描述；

其中，当待进行风控分析的远程教育服务运行报告中存在阶段化运维风险事项时，阶段化运维风险事项可以是其在待进行风控分析的远程教育服务运行报告对应的服务事项所对应的设定服务集合中风险信息关注度最高的事项特征；

依据所述初始服务运维风险描述，确定所述待进行风控分析的远程教育服务运行报告的阶段化运维风险事项、所述阶段化运维风险事项对应的阶段化风险描述内容以及所述待进行风控分析的远程教育服务运行报告的整体化风险描述内容。

2.根据权利要求1所述的方法，其特征在于，所述依据所述初始服务运维风险描述，确定所述待进行风控分析的远程教育服务运行报告的阶段化运维风险事项、所述阶段化运维风险事项对应的阶段化风险描述内容以及所述待进行风控分析的远程教育服务运行报告的整体化风险描述内容，包括：

通过运维风险识别模型，依据所述初始服务运维风险描述，获得所述待进行风控分析的远程教育服务运行报告的阶段化运维风险事项、所述阶段化运维风险事项对应的阶段化风险描述内容以及所述待进行风控分析的远程教育服务运行报告的整体化风险描述内容；

其中，对所述运维风险识别模型进行配置，包括：确定若干组已认证远程教育服务运行报告；对于每组已认证远程教育服务运行报告，确定与所述已认证远程教育服务运行报告存在传递特征的不少于一组已认证关联服务运行报告，并将所述已认证远程教育服务运行报告分别与每组已认证关联服务运行报告进行绑定，得到不少于一个已认证报告二元组；通过所述已认证报告二元组，对所述运维风险识别模型进行配置。

3.根据权利要求2所述的方法，其特征在于，所述已认证远程教育服务运行报告包括第一已认证服务会话报告，所述已认证报告二元组涵盖第一已认证会话报告二元组；所述对于每组已认证远程教育服务运行报告，确定与所述已认证远程教育服务运行报告存在传递特征的不少于一组已认证关联服务运行报告，并将所述已认证远程教育服务运行报告分别与每组已认证关联服务运行报告进行绑定，得到不少于一个已认证报告二元组，包括：

确定目标服务会话下的若干组第一已认证服务会话报告；

依据若干组所述第一已认证服务会话报告，确定与所述目标服务会话对应的动态服务会话数据；

依据所述动态服务会话数据，从所述第一已认证服务会话报告中确定存在传递特征的不少于一对第一已认证服务会话报告，得到不少于一个所述第一已认证会话报告二元组。

4.根据权利要求3所述的方法，其特征在于，所述已认证远程教育服务运行报告包括第二已认证服务会话报告，所述已认证报告二元组涵盖第二已认证会话报告二元组；所述对于每组已认证远程教育服务运行报告，确定与所述已认证远程教育服务运行报告存在传递特征的不少于一组已认证关联服务运行报告，并将所述已认证远程教育服务运行报告分别与每组已认证关联服务运行报告进行绑定，得到不少于一个已认证报告二元组，包括：

确定非目标服务会话下的若干组第二已认证服务会话报告；

对于每组第二已认证服务会话报告，对所述第二已认证服务会话报告实施第一前置处理，得到与所述第二已认证服务会话报告存在传递特征的不少于一组目标关联服务运行报告，并将所述第二已认证服务会话报告分别与每组目标关联服务运行报告进行绑定，得到不少于一个第二已认证会话报告二元组。

5.根据权利要求4所述的方法，其特征在于，所述通过所述已认证报告二元组，对所述运维风险识别模型进行配置，包括：

对一部分所述已认证报告二元组实施第二前置处理，得到不少于一个完成前置处理的已认证报告二元组；所述已认证报告二元组涵盖第一已认证报告二元组和/或第二已认证报告二元组；

通过所述一部分所述已认证报告二元组和所述完成前置处理的已认证报告二元组，对所述运维风险识别模型进行配置；其中，所述第二前置处理包括如下一种或多种：非限制型扰动处理、报告特征识别度调整处理。

6.根据权利要求2所述的方法，其特征在于，所述通过所述已认证报告二元组，对所述运维风险识别模型进行配置，包括：

分别确定所述已认证报告二元组中的每组已认证远程教育服务运行报告的阶段化引导运维风险事项；

从所述已认证报告二元组中的已认证关联服务运行报告中，确定所述阶段化引导运维风险事项对应的积极示例运维风险事项和消极示例运维风险事项；

通过所述阶段化引导运维风险事项、所述阶段化引导运维风险事项对应的积极示例运维风险事项和消极示例运维风险事项，对所述运维风险识别模型进行配置；

其中，所述从所述已认证报告二元组中的已认证关联服务运行报告中，确定所述阶段化引导运维风险事项对应的积极示例运维风险事项和消极示例运维风险事项，包括：将所述已认证关联服务运行报告中的与所述阶段化引导运维风险事项对应的运维风险事项，作为积极示例运维风险事项；从所述已认证关联服务运行报告中除所述积极示例运维风险事项之外的运维风险事项中，确定与所述阶段化引导运维风险事项共性指数最大的运维风险事项，将确定出的共性指数最大的运维风险事项作为所述消极示例运维风险事项。

7.根据权利要求2所述的方法，其特征在于，所述通过所述阶段化引导运维风险事项、所述阶段化引导运维风险事项对应的积极示例运维风险事项和消极示例运维风险事项，对所述运维风险识别模型进行配置，包括：

将多个第一已认证报告二元组加载至所述运维风险识别模型，分别得到每个所述第一已认证报告二元组中每组远程教育服务运行报告对应的整体化的第四测试风险描述内容，并将所述整体化的第四测试风险描述内容添加到指定空间；

依据多个第二已认证报告二元组和所述指定空间中的第四测试风险描述内容，对所述运维风险识别模型进行配置；

其中，所述依据多个第二已认证报告二元组和所述指定空间中的第四测试风险描述内容，对所述运维风险识别模型进行配置，包括：将多个所述第二已认证报告二元组加载至所述运维风险识别模型，分别得到每个所述第二已认证报告二元组中的每个远程教育服务运行报告的整体化的第五测试风险描述内容；依据所述指定空间中的第四测试风险描述内容和所述第五测试风险描述内容，确定第三模型质量评价，并通过所述第三模型质量评价，对所述运维风险识别模型进行配置；

其中，在分别得到每个第二已认证报告二元组中的每个远程教育服务运行报告的整体化的第五测试风险描述内容之后，还包括：依据每个远程教育服务运行报告的整体化的第五测试风险描述内容，优化所述指定空间。

8.一种大数据风控服务器，其特征在于，包括：存储器和处理器；所述存储器和所述处理器耦合；所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令；其中，当所述处理器执行所述计算机指令时，使得所述大数据风控服务器执行如权利要求1-7中任意一项所述的方法。

Images