CN115393047A - 风险评估方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种风险评估方法、装置、计算机设备和存储介质，涉及计算机技术领域。可用于金融科技领域或其他相关领域。所述方法包括：获取交易信息筛选条件和目标特征统计方式；所述目标特征统计方式为预设的多个特征统计方式中的任一个模型，所述特征统计方式为针对交易信息的一种基础统计方式；根据所述交易信息筛选条件，获取对应的交易信息；根据所述目标特征统计方式，对所述交易信息进行特征提取处理，得到所述交易信息对应的特征值；基于所述特征值，对所述交易信息进行风险评估。采用本方法能够降低特征统计方式开发的难度，缩短开发的周期，更好地应对越来越多的交易场景。

Description

风险评估方法、装置、计算机设备和存储介质

技术领域

本申请涉及计算机技术领域，特别是涉及一种风险评估方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着经济的发展，银行业务也随之快速发展，接入银行交易系统的场景越来越多，同时异常交易数量也跟着攀升，欺诈方式也在快速变化。针对于此，出现了交易风控系统，可以根据已发生的欺诈交易，抽取交易数据、用户行为等特征，将这些特征交给专业的数据开发工程师进行特征加工，加工完成后上线特征到风控系统，再由业务人员根据上线的特征配置拦截规则进行交易拦截。

但是现有技术加工特征时，不同场景相似或者相同计算逻辑的特征需要反复重新加工。因此造成特征加工周期长，不能快速上线使用。

发明内容

基于此，有必要针对上述技术问题，提供一种能够降低特征加工开发的难度，缩短开发周期的风险评估方法、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险评估方法。所述方法包括：

获取交易信息筛选条件和目标特征统计方式；所述目标特征统计方式为预设的多个特征统计方式中的任一个统计方式，每个特征统计方式为针对交易信息的一种基础统计方式；

根据所述交易信息筛选条件，获取对应的交易信息；

根据所述目标特征统计方式，对所述交易信息进行特征提取处理，得到所述交易信息对应的特征值；

基于所述特征值，对所述交易信息进行风险评估。

在其中一个实施例中，在所述根据所述交易信息筛选条件，获取对应的交易信息之前，还包括：

根据预设的特征统计方式与业务场景之间的映射关系，确定所述目标特征统计方式对应的目标业务场景；

所述根据所述交易信息筛选条件，获取对应的交易信息，包括：

根据所述目标业务场景和所述交易信息筛选条件，获取对应的交易信息。

在其中一个实施例中，所述交易信息筛选条件包括数据源信息和交易字段信息；所述交易字段信息包括交易字段和交易字段筛选范围；所述交易字段为交易信息的属性；

所述根据所述目标业务场景和所述交易信息筛选条件，获取对应的交易信息，包括：

根据所述交易信息筛选条件中的所述数据源信息，确定对应的数据库；

根据所述目标业务场景，以及所述交易信息筛选条件中的所述交易字段信息，从所述数据库中筛选出对应的交易信息。

在其中一个实施例中，所述交易信息中包括多种信息；在根据所述目标特征统计方式，对所述交易信息进行特征提取处理之前，还包括：

在所述交易信息中存在目标信息的情况下，确定所述目标信息的信息类型；

若所述信息类型不符合预设的信息类型，则对所述目标信息进行转换处理，得到信息类型与所述预设的信息类型相匹配的转换后交易信息；

所述根据所述目标特征统计方式，对所述交易信息进行特征提取处理，包括：

根据所述目标特征统计方式，对所述转换后交易信息进行特征提取处理。

在其中一个实施例中，所述方法还包括：

根据所述交易信息筛选条件对所述目标特征统计方式进行更新，得到新的统计方式；

统计所述新的统计方式在各种业务场景中的使用信息；

根据所述使用信息，生成针对所述新的统计方式的复用性评估结果报告。

在其中一个实施例中，所述根据所述交易信息筛选条件对所述目标特征统计方式进行更新，得到新的统计方式，包括：

将所述交易信息筛选条件中的所述数据源信息和所述交易字段信息中的至少一种信息，与所述目标特征统计方式进行绑定处理，得到所述新的统计方式。

在其中一个实施例中，所述方法还包括：

在针对所述新的统计方式的复用性评估结果为可复用的情况下，基于所述新的统计方式对后续的交易信息进行风险评估。

第二方面，本申请还提供了一种风险评估装置。所述装置包括：

第一获取模块，用于获取交易信息筛选条件和目标特征统计方式；所述目标特征统计方式为预设的多个特征统计方式中的任一个统计方式，每个特征统计方式为针对交易信息的一种基础统计方式；

第二获取模块，用于根据所述交易信息筛选条件，获取对应的交易信息；

特征值计算模块，用于根据所述目标特征统计方式，对所述交易信息进行特征提取处理，得到所述交易信息对应的特征值；

风险评估模块，用于基于所述特征值，对所述交易信息进行风险评估。

在其中一个实施例中，所述装置还包括场景确定模块，用于根据预设的特征统计方式与业务场景之间的映射关系，确定所述目标特征统计方式对应的目标业务场景；

所述第二获取模块，还用于根据所述目标业务场景和所述交易信息筛选条件，获取对应的交易信息。

在其中一个实施例中，所述交易信息筛选条件包括数据源信息和交易字段信息；所述交易字段为交易信息的属性；所述第二获取模块，还用于根据所述交易信息筛选条件中的所述数据源信息，确定对应的数据库；根据所述目标业务场景，以及所述交易信息筛选条件中的所述交易字段信息，从所述数据库中筛选出对应的交易信息。

在其中一个实施例中，所述交易信息中包括多种信息；所述装置还包括转换模块，用于在所述交易信息中存在目标信息的情况下，确定所述目标信息的信息类型；若所述信息类型不符合预设的信息类型，则对所述目标信息进行转换处理，得到信息类型与所述预设的信息类型相匹配的转换后交易信息；

所述特征值计算模块，还用于根据所述目标特征统计方式，对所述转换后交易信息进行特征提取处理。

在其中一个实施例中，所述特征值计算模块，还用于根据所述交易信息筛选条件对所述目标特征统计方式进行更新，得到新的统计方式；统计所述新的统计方式在各种业务场景中的使用信息；根据所述使用信息，生成针对所述新的统计方式的复用性评估结果报告。

在其中一个实施例中，所述特征值计算模块，还用于将所述交易信息筛选条件中的所述数据源信息和所述交易字段信息中的至少一种信息，与所述目标特征统计方式进行绑定处理，得到所述新的统计方式。

在其中一个实施例中，所述特征值计算模块，还用于在针对所述新的统计方式的复用性评估结果为可复用的情况下，基于所述新的统计方式对后续的交易信息进行风险评估。

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：

获取交易信息筛选条件和目标特征统计方式；所述目标特征统计方式为预设的多个特征统计方式中的任一个统计方式，每个特征统计方式为针对交易信息的一种基础统计方式；

根据所述交易信息筛选条件，获取对应的交易信息；

根据所述目标特征统计方式，对所述交易信息进行特征提取处理，得到所述交易信息对应的特征值；

基于所述特征值，对所述交易信息进行风险评估。

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：

获取交易信息筛选条件和目标特征统计方式；所述目标特征统计方式为预设的多个特征统计方式中的任一个统计方式，每个特征统计方式为针对交易信息的一种基础统计方式；

根据所述交易信息筛选条件，获取对应的交易信息；

根据所述目标特征统计方式，对所述交易信息进行特征提取处理，得到所述交易信息对应的特征值；

基于所述特征值，对所述交易信息进行风险评估。

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：

获取交易信息筛选条件和目标特征统计方式；所述目标特征统计方式为预设的多个特征统计方式中的任一个统计方式，每个特征统计方式为针对交易信息的一种基础统计方式；

根据所述交易信息筛选条件，获取对应的交易信息；

根据所述目标特征统计方式，对所述交易信息进行特征提取处理，得到所述交易信息对应的特征值；

基于所述特征值，对所述交易信息进行风险评估。

上述风险评估方法、装置、计算机设备、存储介质和计算机程序产品，通过预先设定多种特征统计方式，每种特征统计方式对应一种统计方式，后续在进行风险评估时，可以直接选取需要的目标特征统计方式，在根据交易信息筛选条件获取到对应的交易信息后，可通过目标特征统计方式对获取的交易信息进行特征提取，得到交易信息对应的特征值，并基于特征值进行交易风险评估，无需每次都重新开发一种统计方式，从而可减少开发人员重复做相同的工作，降低特征开发的难度并缩短特征开发的周期，提高交易特征值的获取效率，进而更及时地进行交易风险评估。

附图说明

图1为一个实施例中风险评估方法的应用环境图；

图2为一个实施例中风险评估方法的流程示意图；

图3A为一个实施例中实时特征统计方式结构示意图；

图3B为一个实施例中离线特征统计方式结构示意图；

图4为另一个实施例中风险评估方法的流程示意图；

图5A为一个实施例中实现风险评估系统的特征中心管理子系统结构框图；

图5B为一个实施例中实现风险评估系统的特征中心运行子系统结构框图；

图6为一个实施例中实现风险评估方法的系统的整体流程示意图；

图7为一个实施例中风险评估装置的结构框图；

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险评估方法，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。在本申请的应用场景中，服务器104获取终端102发送的交易信息筛选条件和选定的目标特征统计方式，并基于交易信息筛选条件，获取对应的交易信息，然后根据目标特征统计方式，对交易信息进行特征提取处理，得到交易信息对应的特征值。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，提供了一种风险评估方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：

步骤201，获取交易信息筛选条件和目标特征统计方式；目标特征统计方式为预设的多个特征统计方式中的任一个统计方式，每个特征统计方式为针对交易信息的一种基础统计方式。

其中，预设的特征统计方式可以被划分为统计类特征统计方式和时间类特征统计方式。

其中，统计类特征统计方式可包括次数统计模型、求和模型、历史统计模型、求平均模型、最大值模型、最小值模型、关联个数模型、历史取值模型、方差模型、标准差模型、活跃天数模型、连续次数模型和连续累计模型等。

其中，时间类特征统计方式可包括事件时间差模型和时间间隔模型等。

具体实现中，若干个特征统计方式被预设于数据库中存储，服务器104通过相应终端102上用户的选择，把对应的特征统计方式读取到内存中；同时也把用户在终端102上选择的交易信息筛选条件读取到内存中。

步骤202，根据交易信息筛选条件，获取对应的交易信息。

其中，交易信息筛选条件包括数据源信息和交易字段信息；进一步地，交易字段信息包括交易字段和交易字段筛选范围。

其中，数据源信息表示对应的数据库地址信息，包括实时交易的数据库和历史交易的数据库等。

其中，交易字段为交易信息的属性，包括金额、时间、地点、转入方和转出方等。

其中，交易信息表示每笔交易的内容，包括交易的类型(例如消费、还款和转账等)、交易金额的数值、交易具体时间、提出交易的地点、交易的货币种类、交易转出方身份和交易转入方身份等。

具体实现中，服务器104根据交易信息筛选条件中的数据源信息，确定出对应的数据库的地址，然后将交易字段信息中的交易字段作为筛选关键字，从所确定出的数据库中筛选出符合交易字段筛选范围的全部交易信息。示例性地，交易字段可以是用户交易时间，交易字段筛选条件可以是限定用户交易时间为最近一个月。

步骤203，根据目标特征统计方式，对交易信息进行特征提取处理，得到交易信息对应的特征值。

具体实现中，根据目标特征统计方式，对获取到的交易信息，基于目标特征统计方式统计得出具体的结果，作为交易信息对应的特征值。示例性地，获取到用户近一个月的交易信息，目标特征统计方式为每笔交易金额的平均值，则根据用户近一个月的交易信息统计出用户近一个月的每笔平均交易金额。

步骤204，基于特征值，对交易信息进行风险评估。

具体实现中，服务器104根据获得的特征值，通过预设的风险评估规则，对交易信息进行风险评估，得到评估结果。进一步地，服务器104可以基于多种特征值，对同一个交易信息进行更面的风险评估。

上述风险评估方法，通过预先设定多种特征统计方式，每种特征统计方式对应一种统计方式，后续在进行风险评估时，可以直接选取需要的目标特征统计方式，在根据交易信息筛选条件获取到对应的交易信息后，可通过目标特征统计方式对获取的交易信息进行特征提取，得到交易信息对应的特征值，并基于特征值进行交易风险评估，无需每次都重新开发一种统计方式，从而可减少开发人员重复做相同的工作，降低特征开发的难度并缩短特征开发的周期，提高交易特征值的获取效率，进而更及时地进行交易风险评估。

在其中一个实施例中，特征统计方式可以是如图3A和图3B所示的结构示意图。特征统计方式可以有实时特征统计方式和离线特征统计方式，图示实时特征统计方式为求和统计方式。实时特征统计方式包含用于标识统计方式的统计方式名称、用于说明适用业务场景的统计方式描述、用于定义该类统计方式加工时间范围的时间片、用于针对每笔交易选用字段的主属性和从属性，其中主属性和从属性一起组成该特征的唯一标识。离线特征统计方式包含用于标识统计方式的统计方式名称、用于说明适用业务场景的统计方式描述、用于定义组成数据唯一标识使用的交易字段的参数项和用于定义数据结构的结构项。

在其中一个实施例中，在上述步骤202根据交易信息筛选条件，获取对应的交易信息之前，具体包括以下步骤：

步骤2021，根据预设的特征统计方式与业务场景之间的映射关系，确定目标特征统计方式对应的目标业务场景；

步骤2022，根据目标业务场景和交易信息筛选条件，获取对应的交易信息。

其中，业务场景可以是转账、消费、贷款、开户和货币兑换等。

具体实现中，由于不同业务场景的交易信息不同，因此所需要的特征统计方式也会有差异。每个特征统计方式在被预设时标记若干个适用的业务场景，由目标特征统计方式中可以得到若干对应的目标业务场景，在获取交易信息的时候，根据目标业务场景进行信息的筛选得到对应的交易信息，从而可以得到符合业务场景的特征值。

本实施例中，特征统计方式对应若干适用的业务场景，可以减少针对不同场景之间相似或者相同统计方式的特征的重复开发工作。

在其中一个实施例中，交易信息筛选条件包括数据源信息和交易字段信息；上述步骤2022根据目标业务场景和交易信息筛选条件，获取对应的交易信息，具体还可以通过以下步骤实现：

步骤2023，根据交易信息筛选条件中的数据源信息，确定对应的数据库；

步骤2024，根据目标业务场景，以及交易信息筛选条件中的交易字段信息，从数据库中筛选出对应的交易信息。

其中，交易字段信息包括交易字段和交易字段筛选范围；进一步地，交易字段为交易信息的属性。

具体实现中，由于不同交易数据可能由不同的部门管理，因此所在的数据库也不相同，因此根据筛选条件中的数据源信息，获取到对应的数据库地址信息，根据数据库地址信息，确定对应的数据库位置，进一步根据目标业务场景，以及交易信息筛选条件中的交易字段信息，从确定的数据库中筛选出对应的交易信息，以便于进一步对获取到相应的交易信息进行特征提取得到特征值。

本实施例中，由于数据库分散，依靠数据源信息可以快速统一地获取到相对应的交易信息，缩短特征开发的周期，有效提高效率。

进一步地，在其中一个实施例中，交易信息中包括多种信息；在上述步骤203根据目标特征统计方式，对交易信息进行特征提取处理之前，还包括：

在交易信息中存在目标信息的情况下，确定目标信息的信息类型；若信息类型不符合预设的信息类型，则对目标信息进行转换处理，得到信息类型与预设的信息类型相匹配的转换后交易信息；

上述步骤203根据目标特征统计方式，对交易信息进行特征提取处理，包括：根据目标特征统计方式，对转换后交易信息进行特征提取处理。

其中，目标信息表示具有多种表示形式的信息，例如，目标信息可以为交易金额和交易地点等。

具体实现中，获取到交易信息后，还需要判断交易信息是否存在如交易金额和交易地点等的目标信息，若存在目标信息，则确定目标信息的类型，并将目标信息的类型与预设的信息类型进行比对，判断目标信息的类型是否符合预设的信息类型，若不符合，则需要对目标信息进行转换处理，得到信息类型与预设的信息类型相匹配的转换后交易信息，进一步根据目标特征统计方式，对转换后交易信息进行特征提取处理。若符合，则无需对目标信息进行转换处理，可直接根据目标特征统计方式，对交易信息进行特征提取处理。

举例说明，例如，以目标信息为交易金额为例，预设的信息类型可以为交易金额的货币类型中的任一种，例如，人民币、美元、英镑、日元等，若交易信息中存在交易金额，则确定该交易金额的货币类型，若交易金额的货币类型与预设的信息类型不匹配(例如，交易金额的货币类型为美元，而预设的信息类型为人民币)，则需要将交易金额的货币类型转换为预设的信息类型，得到转换后交易金额。

又如，以目标信息为交易地点为例，预设的信息类型可以为交易地点的表征形式，例如，用IP信息(如180.149.130.16)表征，用实际的文字信息(如北京)进行表征等，若交易信息中存在交易地点，则确定该交易地点的表征形式，若交易地点的表征形式与预设的信息类型不匹配(例如，交易地点用IP信息表征，而预设的信息类型为用实际的文字信息进行表征)，则需要将交易地点的表征形式转换为预设的信息类型，得到转换后交易地点。

本实施例中，通过对目标交易信息的统一化转换处理，对于交易信息中的特征提取更有效率，获得的特征值可以更准确。

在其中一个实施例中，根据的交易信息筛选条件对目标特征统计方式进行更新，得到新的统计方式；统计新的统计方式在各种业务场景中的使用信息；根据使用信息，得出新的统计方式的复用性评估结果报告。

具体实现中，统计由特征统计方式和交易信息筛选条件得到新的统计方式在各种业务场景中的使用情况，包括统计方式的使用次数和对交易异常的判断正确率，能够直观地表示新的统计方式的可复用情况。

进一步地，在其中一个实施例中，在针对新的统计方式的复用性评估结果为可复用的情况下，基于新的统计方式对后续的交易信息进行风险评估。

具体实施中，不同部门之间的资源可能互通不及时或者不互通，对于同样的业务场景可能都想要进行特征开发。根据针对某个新的统计方式的复用性评估报告，若报告结果表明新的统计方式的异常判断正确率达到某个预设的标准且使用次数达到统计要求，判定新的统计方式为可复用，则可以将新的统计方式发送至特征获取单元，特征获取单元可以基于新的统计方式进行交易特征值的确定。

上述实施例中，通过统计得到新的统计方式的复用性评估报告，以便于后续可以对可复用的统计方式更多地重复使用，减少特征开发的重复工作。

在其中一个实施例中，上述根据交易信息筛选条件对目标特征统计方式进行更新，得到新的统计方式，具体还包括：

将交易信息筛选条件中的数据源信息和交易字段信息中的至少一种信息，与目标特征统计方式进行绑定处理，得到新的统计方式。

具体实现中，可以将交易信息筛选条件中的交易字段信息配置给目标特征统计方式，得到新的统计方式。新的统计方式将交易字段信息中的交易字段作为关键字查询交易信息，将交易字段信息中的交易字段筛选范围作为关键字的查询范围；同时，也可以将交易信息筛选条件中的数据源信息也配置给新的统计方式，使得新的统计方式可以直接根据数据源信息获取到对应数据库中的交易信息。获取到对应的交易信息之后，新的统计方式可以统计运算得到对应交易信息的特征值。

本实施例中，通过交易信息筛选条件与目标统计方式进行绑定处理，直接得到对需要的交易信息进行针对性统计运算处理的方式，以得到需要的特征值，进而完成交易风险评估。能够减少开发人员针对不同的统计方式进行开发的所需的时间和人力，进而更及时地完成交易风险评估。

在另一个实施例中，如图4所示，提供了一种风险评估方法，本实施例中，包括以下步骤：

步骤401，获取交易信息筛选条件和目标特征统计方式；目标特征统计方式为预设的多个特征统计方式中的任一个模型，特征统计方式为针对交易信息的一种基础统计方式。

步骤402，根据预设的特征统计方式与业务场景之间的映射关系，确定目标特征统计方式对应的目标业务场景。

步骤403，根据筛选信息中的数据源信息，获取对应的数据库地址信息。

步骤404，根据目标业务场景和交易信息筛选条件中的交易字段信息，从对应数据库中获取对应的交易信息。

步骤405，根据交易字段判断是否有金额信息和地点信息，根据需要对金额的货币单位进行统一转换，对地点信息的IP信息进行现实地点转换。

步骤406，根据目标特征统计方式，对交易信息进行特征提取处理，得到交易信息对应的特征值；特征值用于对交易信息进行风险评估。

步骤407，对根据交易信息筛选条件和特征统计方式得出的新的统计方式进行业务场景使用情况的统计，得出包含使用次数和正确率的复用性评估报告。若报告结果为可复用，则基于新的统计方式，对后续的交易信息进行风险评估，重复使用此统计方式。

本实施例中，通过设置常用特征的统计方式模型，得到需要的统计方式，对交易信息进行特征提取得到特征值，根据特征值对交易进行异常判断。能够达到减少开发工作，降低了开发新特征的难度，缩短了开发的周期，能够让特征更快地上线。同时可以对新特征进行使用情况的统计，分析得出复用性评估报告，根据评估结果对新特征进行复用的选择。

在一个实施例中，为了便于本领域技术人员理解本申请实施例，以下将结合附图的具体示例进行说明。参考图5A和图5B，为实现本申请风险评估系统的整体结构框图，包括两个子系统，分别是特征中心管理子系统和特征中心运行子系统。

其中，特征中心管理子系统包括：

特征统计方式管理单元501，用于获取目标特征统计方式和存储若干个预设的特征统计方式；

筛选条件管理单元502，用于获取交易信息筛选条件；

特征配置管理单元503，用于将目标特征统计方式配置交易信息筛选条件，得到新的统计方式并上线；

特征审批单元504，用于对需要上线的统计方式进行审批；

消息通知单元505，用于将上线信息通知到特征中心运行子系统的消息接收单元506。

其中，特征中心运行子系统包括：

消息接收单元506，用于接收特征中心管理端子系统中消息通知单元505发送的消息；

数据获取管理单元507，用于根据交易信息筛选条件获取需要的交易信息；

数据预处理管理单元508，用于对目标数据进行转换处理，包括货币统一转换和IP信息转换；

特征路由单元509，用于根据要加工的特征类型路由到不同的特征加工单元中，其中，特征加工单元包括实时特征加工单元和离线特征加工单元；

特征解析单元510，用于对离线特征进行解析，获取到对应的统计方式；

特征加工单元511，用于对数据提取特征计算得到特征值，包括实时特征加工和离线特征加工，并将特征值发送到风控系统512。

参考图6，为一示例实施例示出的特征值获取方法的完整流程示意图，包括如下步骤：

步骤601，获取目标特征统计方式；

步骤602，获取交易信息筛选条件；

步骤603，根据目标特征统计方式和交易筛选条件，得到新的统计方式，并发出上线请求；

步骤604，对需要上线的统计方式进行审批，若审批不通过则返回步骤503，若审批通过则执行步骤605；

步骤605，将统计方式上线并通过kafka(一种高吞吐量的分布式发布订阅消息系统)发送通知到特征中心运行子系统；

步骤606，特征中心运行子系统接收到通知；

步骤607，根据筛选条件获取对应的数据，若是实时数据，则执行步骤508，若是离线数据，则执行步骤609；

步骤608，调用接口获取实时交易数据；

步骤609，启动ELT程序，获取历史交易数据和离线特征；

步骤610，两种数据都需要进行预处理，包括货币转换和IP信息转换；

步骤611，存储步骤609获取到的离线特征于NOS(NoSQL，泛指非关系型的数据库)缓存数据库中；

步骤612，根据特征类型进行特征路由发送；若是实时特征则执行步骤514，若是离线特征则执行步骤613；

步骤613，获取NOS缓存数据库中的离线特征并解析，获取对应的统计方式；

步骤614，应用实时特征或离线特征对数据进行特征提取得到特征值，并将特征值发送到风控系统；

步骤615，风控系统接收所有特征值并根据特征值判断交易是否异常。

本实施例提供的配置化的特征统计方式加工方法及系统，相对于传统的特征统计方式加工方法，该方法降低了特征统计方式开发的难度，大幅减少了开发周期，并对特征统计方式和数据源进行了统一管理，开发人员在本系统中预定义一套特征统计方式，业务人员只需要根据特征统计方式创建新的特征统计方式，并将新建的特征统计方式上线，就能实现实时特征统计方式加工的目的。

应该理解的是，虽然如上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险评估方法的风险评估装置。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险评估装置实施例中的具体限定可以参见上文中对于风险评估方法的限定，在此不再赘述。

在一个实施例中，如图7所示，提供了一种风险评估装置，包括：特征统计方式管理模块、数据预处理模块和特征值计算模块，其中：

第一获取模块701，用于获取交易信息筛选条件和目标特征统计方式；目标特征统计方式为预设的多个特征统计方式中的任一个模型，特征统计方式为针对交易信息的一种基础统计方式。

第二获取模块702，用于根据交易信息筛选条件，获取对应的交易信息。

特征值计算模块703，用于根据目标特征统计方式，对交易信息进行特征提取处理，得到交易信息对应的特征值。

风险评估模块704，用于基于特征值，对交易信息进行风险评估。

在一个实施例中，上述装置还包括场景确定模块，用于根据预设的特征统计方式与业务场景之间的映射关系，确定目标特征统计方式对应的目标业务场景；上述第二获取模块702，还用于根据目标业务场景和交易信息筛选条件，获取对应的交易信息。

在一个实施例中，交易信息筛选条件包括数据源信息和交易字段信息；交易字段信息包括交易字段和交易字段筛选范围；交易字段为交易信息的属性；上述第二获取模块702，还用于根据交易信息筛选条件中的数据源信息，确定对应的数据库；根据目标业务场景，以及交易信息筛选条件中的交易字段信息，从数据库中筛选出对应的交易信息。

在一个实施例中，交易信息中包括多种信息；上述装置还包括转换模块，用于在交易信息中存在目标信息的情况下，确定目标信息的信息类型；若信息类型不符合预设的信息类型，则对目标信息进行转换处理，得到信息类型与预设的信息类型相匹配的转换后交易信息；上述特征值计算模块703，还用于根据目标特征统计方式，对转换后交易信息进行特征提取处理。

在一个实施例中，上述特征值计算模块703，还用于根据交易信息筛选条件对目标特征统计方式进行更新，得到新的统计方式；统计新的统计方式在各种业务场景中的使用信息；根据使用信息，生成针对新的统计方式的复用性评估结果报告。

在一个实施例中，上述特征值计算模块703，还用于在针对新的统计方式的复用性评估结果为可复用的情况下，基于新的统计方式对后续的交易信息进行风险评估。

在一个实施例中，上述特征值计算模块703，还用于将交易信息筛选条件中的数据源信息和交易字段信息中的至少一种信息，与目标特征统计方式进行绑定处理，得到新的统计方式。

上述风险评估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特征统计方式与交易信息数据。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险评估方法。

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：获取交易信息筛选条件和目标特征统计方式；目标特征统计方式为预设的多个特征统计方式中的任一个模型，特征统计方式为针对交易信息的一种基础统计方式；根据交易信息筛选条件，获取对应的交易信息；根据目标特征统计方式，对交易信息进行特征提取处理，得到交易信息对应的特征值；基于特征值，对交易信息进行风险评估。

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：根据预设的特征统计方式与业务场景之间的映射关系，确定目标特征统计方式对应的目标业务场景；根据目标业务场景和交易信息筛选条件，获取对应的交易信息。

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：根据交易信息筛选条件中的数据源信息，确定对应的数据库；根据目标业务场景，以及交易信息筛选条件中的交易字段信息，从数据库中筛选出对应的交易信息。

在一个实施例中，处理器执行计算机程序时还实现了以下步骤：在交易信息中存在目标信息的情况下，确定目标信息的信息类型；若信息类型不符合预设的信息类型，则对目标信息进行转换处理，得到信息类型与预设的信息类型相匹配的转换后交易信息；根据目标特征统计方式，对转换后交易信息进行特征提取处理。

在一个实施例中，处理器执行计算机程序时还实现了以下步骤：根据交易信息筛选条件对目标特征统计方式进行更新，得到新的统计方式；统计新的统计方式在各种业务场景中的使用信息；根据使用信息，生成针对新的统计方式的复用性评估结果报告。

在一个实施例中，处理器执行计算机程序时还实现了以下步骤：在针对新的统计方式的复用性评估结果为可复用的情况下，基于新的统计方式对后续的交易信息进行风险评估。

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：获取交易信息筛选条件和目标特征统计方式；目标特征统计方式为预设的多个特征统计方式中的任一个模型，特征统计方式为针对交易信息的一种基础统计方式；根据交易信息筛选条件，获取对应的交易信息；根据目标特征统计方式，对交易信息进行特征提取处理，得到交易信息对应的特征值；基于特征值，对交易信息进行风险评估。

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：根据预设的特征统计方式与业务场景之间的映射关系，确定目标特征统计方式对应的目标业务场景；根据目标业务场景和交易信息筛选条件，获取对应的交易信息。

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：根据交易信息筛选条件中的数据源信息，确定对应的数据库；根据目标业务场景，以及交易信息筛选条件中的交易字段信息，从数据库中筛选出对应的交易信息。

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：在交易信息中存在目标信息的情况下，确定目标信息的信息类型；若信息类型不符合预设的信息类型，则对目标信息进行转换处理，得到信息类型与预设的信息类型相匹配的转换后交易信息；根据目标特征统计方式，对转换后交易信息进行特征提取处理。

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：根据交易信息筛选条件对目标特征统计方式进行更新，得到新的统计方式；统计新的统计方式在各种业务场景中的使用信息；根据使用信息，生成针对新的统计方式的复用性评估结果报告。

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：在针对新的统计方式的复用性评估结果为可复用的情况下，基于新的统计方式对后续的交易信息进行风险评估。

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：获取交易信息筛选条件和目标特征统计方式；目标特征统计方式为预设的多个特征统计方式中的任一个模型，特征统计方式为针对交易信息的一种基础统计方式；根据交易信息筛选条件，获取对应的交易信息；根据目标特征统计方式，对交易信息进行特征提取处理，得到交易信息对应的特征值；基于特征值，对交易信息进行风险评估。

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：根据预设的特征统计方式与业务场景之间的映射关系，确定目标特征统计方式对应的目标业务场景；根据目标业务场景和交易信息筛选条件，获取对应的交易信息。

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：根据交易信息筛选条件中的数据源信息，确定对应的数据库；根据目标业务场景，以及交易信息筛选条件中的交易字段信息，从数据库中筛选出对应的交易信息。

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：在交易信息中存在目标信息的情况下，确定目标信息的信息类型；若信息类型不符合预设的信息类型，则对目标信息进行转换处理，得到信息类型与预设的信息类型相匹配的转换后交易信息；根据目标特征统计方式，对转换后交易信息进行特征提取处理。

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：根据交易信息筛选条件对目标特征统计方式进行更新，得到新的统计方式；统计新的统计方式在各种业务场景中的使用信息；根据使用信息，生成针对新的统计方式的复用性评估结果报告。

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：在针对新的统计方式的复用性评估结果为可复用的情况下，基于新的统计方式对后续的交易信息进行风险评估。

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 (11)

1.一种风险评估方法，其特征在于，所述方法包括：

获取交易信息筛选条件和目标特征统计方式；所述目标特征统计方式为预设的多个特征统计方式中的任一个统计方式，每个特征统计方式为针对交易信息的一种基础统计方式；

根据所述交易信息筛选条件，获取对应的交易信息；

根据所述目标特征统计方式，对所述交易信息进行特征提取处理，得到所述交易信息对应的特征值；

基于所述特征值，对所述交易信息进行风险评估。

2.根据权利要求1所述的方法，其特征在于，在所述根据所述交易信息筛选条件，获取对应的交易信息之前，还包括：

根据预设的特征统计方式与业务场景之间的映射关系，确定所述目标特征统计方式对应的目标业务场景；

所述根据所述交易信息筛选条件，获取对应的交易信息，包括：

根据所述目标业务场景和所述交易信息筛选条件，获取对应的交易信息。

3.根据权利要求2所述的方法，其特征在于，所述交易信息筛选条件包括数据源信息和交易字段信息；所述交易字段信息包括交易字段和交易字段筛选范围；所述交易字段为交易信息的属性；

所述根据所述目标业务场景和所述交易信息筛选条件，获取对应的交易信息，包括：

根据所述交易信息筛选条件中的所述数据源信息，确定对应的数据库；

根据所述目标业务场景，以及所述交易信息筛选条件中的所述交易字段信息，从所述数据库中筛选出对应的交易信息。

4.根据权利要求3所述的方法，其特征在于，所述交易信息中包括多种信息；在根据所述目标特征统计方式，对所述交易信息进行特征提取处理之前，还包括：

在所述交易信息中存在目标信息的情况下，确定所述目标信息的信息类型；

若所述信息类型不符合预设的信息类型，则对所述目标信息进行转换处理，得到信息类型与所述预设的信息类型相匹配的转换后交易信息；

所述根据所述目标特征统计方式，对所述交易信息进行特征提取处理，包括：

根据所述目标特征统计方式，对所述转换后交易信息进行特征提取处理。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述交易信息筛选条件对所述目标特征统计方式进行更新，得到新的统计方式；

统计所述新的统计方式在各种业务场景中的使用信息；

根据所述使用信息，生成针对所述新的统计方式的复用性评估结果报告。

6.根据权利要求3或5所述的方法，其特征在于，所述根据所述交易信息筛选条件对所述目标特征统计方式进行更新，得到新的统计方式，包括：

将所述交易信息筛选条件中的所述数据源信息和所述交易字段信息中的至少一种信息，与所述目标特征统计方式进行绑定处理，得到所述新的统计方式。

7.根据权利要求5所述的方法，其特征在于，所述方法还包括：

在针对所述新的统计方式的复用性评估结果为可复用的情况下，基于所述新的统计方式对后续的交易信息进行风险评估。

8.一种风险评估装置，其特征在于，所述装置包括：

第一获取模块，用于获取交易信息筛选条件和目标特征统计方式；所述目标特征统计方式为预设的多个特征统计方式中的任一个统计方式，每个特征统计方式为针对交易信息的一种基础统计方式；

第二获取模块，用于根据所述交易信息筛选条件，获取对应的交易信息；

特征值计算模块，用于根据所述目标特征统计方式，对所述交易信息进行特征提取处理，得到所述交易信息对应的特征值；

风险评估模块，用于基于所述特征值，对所述交易信息进行风险评估。

9.一种计算机设备，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7任一项所述的方法的步骤。

10.一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7任一项所述的方法的步骤。

11.一种计算机程序产品，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7任一项所述的方法的步骤。

Images