CN115809754A - 反诈指数的评估方法、装置、计算机设备和存储介质 - Google Patents
反诈指数的评估方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115809754A CN115809754A CN202211514902.8A CN202211514902A CN115809754A CN 115809754 A CN115809754 A CN 115809754A CN 202211514902 A CN202211514902 A CN 202211514902A CN 115809754 A CN115809754 A CN 115809754A
- Authority
- CN
- China
- Prior art keywords
- index
- target
- fraud
- indexes
- data
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种反诈指数的评估方法、装置、计算机设备和存储介质。所述方法包括：获取不同业务系统的反诈评估的相关指标，得到多个相关指标；从多个相关指标中筛选出相关性小于设定值的多个目标相关指标；获取目标地区的各目标相关指标的指标数据；根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果。上述方法能够将不同业务系统的反诈评估指标进行融合，并且融合各业务平台的指标数据，以确定各地区的反诈指数的评估结果，从而全面体系化各地区的反诈指数，使得反诈指数的考核评估结果更加准确。
Description
技术领域
本申请涉及反诈骗的数据处理技术领域，特别是涉及一种反诈指数的评估方法、装置、计算机设备和存储介质。
背景技术
反诈工作开展的好不好，各行业各部门的责任是否压实，群众反诈参与度高不高，如何对这些工作进行客观科学地考核评估。这些都是判断反诈工作是否做到位的重要标准。为了回答这些问题，行业现有的做法通常为：各部门只关注各自的系统指标，并根据各自指标的动态变化及差异性进行考核评估，和其他部门的其他系统平台之间的数据互不相通，从而导致考核评估的片面性，缺乏全面体系化的综合评估。
发明内容
基于此，提供一种反诈指数的评估方法、装置、计算机设备和存储介质，能够将不同业务系统的反诈评估指标进行融合，并且融合各业务平台的指标数据，以确定各地区的反诈指数的评估结果，从而全面体系化各地区的反诈指数，使得反诈指数的考核评估结果更加准确。
一种反诈指数的评估方法，包括：获取不同业务系统的反诈评估的相关指标，得到多个相关指标；从多个相关指标中筛选出相关性小于设定值的多个目标相关指标；获取目标地区的各目标相关指标的指标数据；根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果。
在其中一个实施例中，多个目标相关指标包括事前干预的多个指标，事前干预的多个指标包括全面宣防指标和重点宣防指标；获取目标地区的各目标相关指标的指标数据，包括：获取目标地区的全面宣防指标的指标数据；获取目标地区的重点宣防指标的指标数据；根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果，包括：根据全面宣防指标的指标数据和重点宣防指标的指标数据，确定目标地区的事前干预的反诈指数的评估结果。
在其中一个实施例中，多个目标相关指标包括事中处置的多个指标，事中处置的多个指标包括预警劝阻指标和技术反制指标；获取目标地区的各目标相关指标的指标数据，包括：获取目标地区的预警劝阻指标的指标数据；获取目标地区的技术反制指标的指标数据；根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果，包括：根据预警劝阻指标的指标数据和技术反制的指标数据，确定目标地区的事中处置的反诈指数的评估结果。
在其中一个实施例中，多个目标相关指标包括事后溯源的多个指标，事后溯源的多个指标包括打击指标和管控指标；获取目标地区的各目标相关指标的指标数据，包括：获取目标地区的打击指标的指标数据；获取目标地区的管控指标的指标数据；根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果，包括：根据打击指标的指标数据和管控指标的指标数据，确定目标地区的事后溯源的反诈指数的评估结果。
在其中一个实施例中，多个目标相关指标包括事前干预的多个指标、事中处置的多个指标和事后溯源的多个指标；获取目标地区的各目标相关指标的指标数据，包括：获取目标地区的事前干预的多个指标的指标数据、事中处置的多个指标的指标数据和事后溯源的多个指标的指标数据；根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果，包括：根据事前干预的多个指标的指标数据，确定事前干预的反诈评估分值；根据事中处置的多个指标的指标数据，确定事中处置的反诈评估分值；根据事后溯源的多个指标的指标数据，确定事后溯源的反诈评估分值；根据事前干预的反诈评估分值、事中处置的反诈评估分值以及事后溯源的反诈评估分值，确定目标地区的反诈指数的评估结果。
在其中一个实施例中，目标地区为多个，一种反诈指数的评估方法还包括：获取各目标地区的反诈指数的评估结果；根据多个评估结果划分多个风险等级；根据各目标地区的反诈指数的评估结果以及多个风险等级，确定各目标地区的风险等级。
在其中一个实施例中，一种反诈指数的评估方法还包括：获取预先配置的各风险等级的管控策略；根据各目标地区的风险等级，确定各目标地区的管控策略。
一种反诈指数的评估装置，包括：第一获取模块，用于获取不同业务系统的反诈评估的相关指标，得到多个相关指标；筛选模块，用于从多个相关指标中筛选出相关性小于设定值的多个目标相关指标；第二获取模块，用于获取目标地区的各目标相关指标的指标数据；确定模块，用于根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一实施例方法的步骤。
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上述任一实施例方法的步骤。
上述反诈指数的评估方法、装置、计算机设备和存储介质，获取不同业务系统的反诈评估的相关指标，得到多个相关指标，从多个相关指标中筛选出相关性小于设定值的多个目标相关指标。因此，能够将不同业务系统的相关指标进行融合。此外，由于不同业务系统之间存在相同或相似的相关指标，通过相关指标之间的相关性筛选出相关性较小的目标相关指标，以作为后续评估反诈指数的指标，能够解决不同业务系统之间的指标相似性引起的指标冗余，间接减少系统的数据处理量。进一步地，获取目标地区的各目标相关指标的指标数据，根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果。因此，能够将不同业务系统的数据融合贯通，消除数据壁垒，减小评估的片面性，使之更加客观全面地评估目标地区的反诈指数。
附图说明
图1为一个实施例中一种反诈指数的评估方法的应用环境图；
图2为一个实施例中一种反诈指数的评估方法的流程示意图；
图3为一个实施例中各指标的指标数据的表格图；
图4为一个实施例中一种反诈指数的评估雷达图；
图5为一个实施例中一种反诈指数的评估装置的结构框图；
图6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。
本申请提供的一种反诈指数的评估方法，可以应用于如图1所示的应用环境中。如图1所示，反诈指数评估平台102接入外部多个业务系统，如业务系统1、业务系统2……业务系统N。各业务系统为反诈指数评估平台102提供数据接口。通过各业务系统的数据接口，反诈指数评估平台102能够读取到各业务系统中设置的反诈评估的相关指标以及各指标的指标数据，从而打通各部门各系统之间的数据壁垒，实现数据互联互通。反诈指数评估平台102用于执行本申请的一种反诈指数的评估方法。具体地，反诈指数评估平台102获取不同业务系统的反诈评估的相关指标，得到多个相关指标，从多个相关指标中筛选出相关性小于设定值的多个目标相关指标，获取目标地区的各目标相关指标的指标数据，根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果。最终，反诈指数评估平台102可输出目标地区的反诈指数的评估结果。
在一个实施例中，如图2所示，提供了一种反诈指数的评估方法，以该方法应用于图1中反诈指数评估平台102为例进行说明，包括以下步骤：
S202，获取不同业务系统的反诈评估的相关指标，得到多个相关指标。
本实施例中，业务系统指的是反诈业务相关的系统，不同业务系统指的反诈业务相关的多个不同的业务系统。例如，不同业务系统包括刑侦现勘系统、反诈大数据平台系统、情报风控系统等。反诈指数评估平台102与各业务系统的通信连接，实现系统互联互通、资源联调联动，反诈指数评估平台102能够全面收集和覆盖各业务系统的考核评估的相关指标。
在一示例中，多个相关指标可以基于用户调研结果确定，以及基于反诈的历史案件数据的统计分析确定，以及基于反诈的业务累积的人工分析确定。
具体地，采用用户调查问卷，基于多个用户的问卷评估结果确定出一个或多个相关指标。其中，用户调研结果中包含多个用户确定的反诈评估的相关指标。多个用户确定的反诈评估的相关指标，能够真实反映出反诈效果，从而能够提高最终确定的反诈指数的评估效果的准确性。
具体地，反诈的历史案件数据中包含反诈形式和工作成效，分析每个历史案件的反诈形式和统计工作成效，可确定出多个反诈评估的相关指标。
具体地，通过反诈的业务累积的方式确定多个相关指标。记录每次业务实践确定的反诈评估的相关指标，累积得到用于评估反诈指数的多个相关指标。
不同业务系统负责的具体业务不同，其中的反诈评估的相关指标也不同。如上，业务系统1负责用户调研业务，业务系统2负责历史案件数据的统计分析业务，业务系统3负责业务累积的人工分析。搭建各业务系统的数据互通，能够获得更加全面的用于评估反诈指数的多个相关指标。
在一个示例中，多个相关指标基于统一数据标准处理得到。
具体地，获得不同业务系统的反诈评估的相关指标，需要对多个相关指标进行数据统一化处理。如，根据制定的统一数据标准，对上述获取的不同业务系统的反诈评估的相关指标进行号码规范化、数据清洗、关联合并、数据融合处理，得到多个统一格式的多个相关指标。
S204，从多个相关指标中筛选出相关性小于设定值的多个目标相关指标。
由于从不同业务系统中获得多个相关指标，各业务系统之间可能采用相同或相似的相关指标。本实施例中，通过各相关指标之间的相关性，确定各相关指标的相似度。当相关性小于设定值时，表明两个相关指标不相似，可同时使用这两个相关指标作为后续评估反诈的指标。因此，可从多个业务系统的多个相关指标中剔除相似指标，从而得到的多个目标相关指标不相似，避免后续采用相似指标评估反诈指数时由于指标的重复性造成的数据浪费。其中，可以采用斯皮尔曼相关系数法计算指标之间的相关性，设定值可以设定为0.7。
本实施例中，过滤相关性较强的评估指标，以免评估指标间的信息重叠导致夸大反诈指数的评估结果。具体实施时，可过滤相关性较强的评估指标，保留其中1个可以有效减少信息重叠。
S206，获取目标地区的各目标相关指标的指标数据。
本实施例中，反诈指数评估平台102接入了不同业务系统的相关指标和指标数据，由此反诈指数评估平台102可以基于获得的指标和指标数据评估各个地区的反诈指数的结果。具体地，获取目标地区的各目标相关指标的指标数据。可以是，从目标地区对应的业务系统中获得目标地区的各目标相关指标的指标数据。
例如，各目标相关指标中包括案件勘查数同比的指标、案件勘查数环比的指标以及万人发案率的指标，则从目标地区对应的业务系统中获取案件勘查数同比值、案件勘查数环比值以及万人发案率。
S208，根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果。
本实施例中，反诈指数为客观反映某一地区反诈形式和工作成效的综合相对数。反诈指数越高，则代表某一地区反诈成效越好。反诈指数对应有多个相关指标，反诈指数为多个相关指标组成的综合相对数。因此，可通过多个相关指数对反诈指数进行评估。
具体地，可以是基于设定的数据处理规则对各目标相关指标的指标数据进行数据处理，得到目标地区的目标地区的反诈指数的评估结果。
在一个示例中，上述根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果，包括：获取各目标相关指标的指标权重，各目标相关指标的指标权重基于熵权法和层次分析法确定；各目标相关指标的指标权重和各目标相关指标的指标数据确定各目标相关指标的分值，根据各目标相关指标的分值确定目标地区的反诈指数的评估结果。
该示例中，各目标相关指标对应有其指标权重，将其指标权重乘以其指标数据，得到各目标相关指标的分值。如，多个目标相关指标包括目标相关指标1、目标相关指标2目标相关指标3，目标相关指标1对应指标权重为0.5，目标相关指标2对应指标权重为0.3，目标相关指标3对应指标权重为0.2。目标相关指标1的指标数据为55％，目标相关指标2的指标数据为35％，目标相关指标3的指标数据为10％，则可基于目标相关指标1、目标相关指标2目标相关指标3的各指标权重和各指标数据计算出目标地区的反诈指数的评估分值，该评估分值直接反映目标地区的反诈指数的评估结果。
具体地，各目标相关指标的指标权重基于熵权法和层次分析法确定。其中，熵权法和层次分析法的处理过程如下：
(一)熵权法
熵权法(EW)作为综合评价指标算法的一种，属于客观赋值方法。在具体使用的过程中，熵权法根据各指标的自然变异程度，利用信息熵计算出各指标的熵权，再通过熵权对各指标的权重进行修正，从而得到较为客观的指标权重。具体方法如下：
(1)形成原始数据矩阵
现有被评价对象集M＝(M1，M2，…，Mm)，目标相关指标集D＝(D1，D2，…Dn)，被评价对象Mi对指标Dj的值记为Xij(i＝1，2，…，m；j＝1，2，…，n)，则形成的原始数据矩阵为：
其中Xij为第j个指标下的第i个被评价对象的值。
(2)计算特征比重
对原始数据矩阵进行标准量化处理，同时对标准化后的数据进行归一化处理，得到第j项指标下，第i个评价对象的特征比重Pij，则：
(3)计算熵值
根据得到的Pij计算每个指标的熵值ej，其表达式为：
对于某一项指标Dj，其Vij的差异越大，ej越小；即各被评价对象第j项指标值差异越大，表明该指标反映的信息量越大，其熵值就越小；而当熵值ej偏大时，表明该指标提供的信息量很小，可以适当考虑将其剔除。
(4)引入差异系数dj并确定各指标的熵权wj
引入差异系数dj(dj＝1-ej)，dj越大，该指标提供的信息量越大，越应给予较大的指标权重，并根据dj计算各指标的熵权wj：
(5)计算综合评价值Vi
根据得到的熵权wj分别计算各个评价对象的综合评价值V i：
(二)通过层次分析法(AHP)计算指标权重
基于上述实施例以及实施例的各个示例，通过层次分析法确定各评估指标的指标权重。以下对层次分析法进行说明：
(1)层次模型构建：
将筛选得到的评估指标进行条理化、层次化的分解，构建递阶的层次结构模型。层次结构模型包括目标层X、准则层Y和措施层Z。准则层Y共有q(q为正整数)个准则，准则层Y的表达式为；
Y＝[Y1 Y2 … Yq]；
准则Yq表示子准则层的合集，每个准则层的Yq下有若干子准则层，合计共有n(n为正整数)个子准则层。
(2)构建准则层的比较矩阵：
根据上一步熵权法得到的各指标综合评价值做为指标重要程度排序结果，按照A.L.Saaty1-9标度法，构建相对重要性比较矩阵A0ahp：
其中A.L.Saaty1-9标度法的比较标度参考下表：
依据以上方法分别构建Yq等的子准则层的比较矩阵分别记录为A1ahp，A2ahp……Aqahp。
(3)对比较矩阵进行归一化处理
对比较矩阵A0ahp，A1ahp，A2ahp……Aqahp进行归一化处理，经归一化处理后的矩阵为C0，C1，C2，……Cq。
针对矩阵C0按行求和，得出矩阵D0：
对矩阵D0进行归一化处理，得到矩阵W0ahp，即为准则层的权重：
同样方式，可以得到子准则层的权重分别为W1ahp，W2ahp，……Wqahp。
(4)一致性验证
矩阵计算结果需要通过一致性检验，通过一致性检验的计算结果才具有可靠性。计算衡量一个矩阵A(大于1的n阶矩阵)不一致程度的指标为CI，其中CI表达式为：
其中一致性比率CR：CR＝CI/RI。其中RI为随机一致性指标，对于1-9阶判断矩阵，平均随机一致性指标RI的值如下表所示：
| 阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| RI值 | 0 | 0 | 0.58 | 0.9 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
当CR＜0.1时，判定成对比较阵A具有满意的一致性，或其不一致程度是可以接受的；否则就调整成对比较矩阵A，直到达到满意的一致性为止。
其中，已知比较矩阵为A0ahp，准则层权重为W0ahp，可计算出最大特征根λmax(A0ahp)，其表达式为：
通过实际样本数据验证，该矩阵符合一致性要求。
同理可以验证A1ahp，A2ahp……Aqahp等子准则的一致性要求。
(5)AHP(层次分析法)指标的权重
若一致性验证不通过，则需要重新调整比较矩阵A，若一致性验证通过，则可知比较矩阵可用，第(3)步所计算权重可用，可知AHP的指标权重分别为W0ahp，W1ahp，W2ahp，……Wqahp，其中第一个为准则层的指标权重，其余为子准则层的指标权重。子准则的细项权重为Wahp＝W0ahp*Wjahp(j＝1，2，……，q)。
熵权法比较依赖客观数据，反映的是指标提供信息的多寡悬殊程度以及差异程度，尤其在指标比较特殊的时候，则可能出现权重计算结果与实际相差较远，从而导致评估结果出现偏差；而层次分析法(AHP)需要获取两两指标间相对重要程度的标度信息，需要依赖于专家赋权法，同样比较主观，定量数据较少，定性成分较多。而改进后的熵权法和层次分析法融合应用，通过熵权的值来获取指标间的相对重要程度，同时以熵权法的结果融入到层次分析法的计算中，使用这种“AHP&EW”融合技术进行指标权重确定，不仅充分体现了客观数据与主观评价的有机结合，同时还考虑到了不同准则下子准则间的相对重要程度。这样既可以较好的反映客观数据本身的作用，又能较为科学的运用经验等主观因素，使计算结果更具科学性，同时也具有较好的实用性和可操作性。
通过两者结合的方法，运用大数据的手段能方便、快速、准确的计算出各地的反诈指数得分，给出得分级别，并给出相应的管控机制和措施，对各地打击治理电信网络诈骗犯罪提供决策指导。
上述反诈指数的评估方法，获取不同业务系统的反诈评估的相关指标，得到多个相关指标，从多个相关指标中筛选出相关性小于设定值的多个目标相关指标。因此，能够将不同业务系统的相关指标进行融合。此外，由于不同业务系统之间存在相同或相似的相关指标，通过相关指标之间的相关性筛选出相关性较小的目标相关指标，以作为后续评估反诈指数的指标，能够解决不同业务系统之间的指标相似性引起的指标冗余，间接减少系统的数据处理量。进一步地，获取目标地区的各目标相关指标的指标数据，根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果。因此，能够将不同业务系统的数据融合贯通，消除数据壁垒，减小评估的片面性，使之更加客观全面地评估目标地区的反诈指数。
在一个实施例中，多个目标相关指标包括事前干预的多个指标，事前干预的多个指标包括全面宣防指标和重点宣防指标；上述获取目标地区的各目标相关指标的指标数据，包括：获取目标地区的全面宣防指标的指标数据；获取目标地区的重点宣防指标的指标数据；上述根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果，包括：根据全面宣防指标的指标数据和重点宣防指标的指标数据，确定目标地区的事前干预的反诈指数的评估结果。
具体地，反诈的整个链路流程分为事前干预、事中处置以及事后溯源，涵盖侦查打击、预警防范、源头管控、行业治理等全维度。因此，可从反诈的整个链路流程确定反诈指数的多个目标相关指标。
本实施例中，事前干预的多个指标包括全面宣防指标和重点宣防指标。全面宣防指标以及重点宣防指标也可以从多个维度拆分出多个多个子指标。例如，如下列表所示：
全面宣防指标的指标数据可以通过全面宣防指标的各子指标的指标数据确定。例如，如上表所示，通过国家反诈中心app推广率、被骗人员未宣防率、财政供养人员被骗占比率以及学生被骗占比率确定全面宣防指标的指标数据。重点宣防指标的指标数据可以通过重点宣防指标的各子指标的指标数据确定。例如，如上表所示，通过易受骗人员见面宣防率、易受骗人员被骗率、网点接入率、网点使用率、风险线索处置反馈率以及断卡人员占比确定重点宣防指标的指标数据。进而，如上表所示，根据全面宣防指标的指标数据和重点宣防指标的指标数据，确定目标地区的事前干预的反诈指数的评估结果。
在一个实施例中，多个目标相关指标包括事中处置的多个指标，事中处置的多个指标包括预警劝阻指标和技术反制指标；上述获取目标地区的各目标相关指标的指标数据，包括：获取目标地区的预警劝阻指标的指标数据；获取目标地区的技术反制指标的指标数据；上述根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果，包括：根据预警劝阻指标的指标数据和技术反制的指标数据，确定目标地区的事中处置的反诈指数的评估结果。
本实施例中，事中处置的多个指标包括预警劝阻指标和技术反制指标。预警劝阻指标和技术反制指标也可以从多个维度拆分出多个多个子指标。例如，如下列表所示：
预警劝阻指标的指标数据可以通过预警劝阻指标的各子指标的指标数据确定。例如，如上表所示，通过预警劝阻反馈率、预警贡献度、预警人员配比数、上门预警劝阻率以及预警劝阻成功率确定全面宣防指标的指标数据。技术反制指标的指标数据可以通过技术反制指标的各子指标的指标数据确定。例如，如上表所示，通过网址拦截贡献度以及APP阻断贡献度确定技术反制指标的指标数据。进而，如上表所示，根据全面预警劝阻指标的指标数据和技术反制指标的指标数据，确定目标地区的事中处置的反诈指数的评估结果。
在一个实施例中，多个目标相关指标包括事后溯源的多个指标，事后溯源的多个指标包括打击指标和管控指标；上述获取目标地区的各目标相关指标的指标数据，包括：获取目标地区的打击指标的指标数据；获取目标地区的管控指标的指标数据；上述根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果，包括：根据打击指标的指标数据和管控指标的指标数据，确定目标地区的事后溯源的反诈指数的评估结果。
本实施例中，事后溯源的多个指标包括打击指标和管控指标。打击指标和管控指标也可以从多个维度拆分出多个多个子指标。例如，如下列表所示：
打击指标的指标数据可以通过打击指标的各子指标的指标数据确定。例如，如上表所示，通过勘查率、勘查数环比、勘查数同比、涉案金额环比、涉案金额同比、提取率、解析率、调证率确定打击指标的指标数据。管控指标的指标数据可以通过打击指标的各子指标的指标数据确定。例如，如上表所示，万人发案率、万人报案率、破案率、涉诈重点人员管控率以及涉诈境外人员劝返率确定管控指标的指标数据。进而，如上表所示，根据打击指标的指标数据和管控指标的指标数据，确定目标地区的事后溯源的反诈指数的评估结果。
在一个实施例中，多个目标相关指标包括事前干预的多个指标、事中处置的多个指标和事后溯源的多个指标；上述获取目标地区的各目标相关指标的指标数据，包括：获取目标地区的事前干预的多个指标的指标数据、事中处置的多个指标的指标数据和事后溯源的多个指标的指标数据；上述根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果，包括：根据事前干预的多个指标的指标数据，确定事前干预的反诈评估分值；根据事中处置的多个指标的指标数据，确定事中处置的反诈评估分值；根据事后溯源的多个指标的指标数据，确定事后溯源的反诈评估分值；根据事前干预的反诈评估分值、事中处置的反诈评估分值以及事后溯源的反诈评估分值，确定目标地区的反诈指数的评估结果。
本实施例中，反诈的整个链路流程分为事前干预、事中处置以及事后溯源，涵盖侦查打击、预警防范、源头管控、行业治理等全维度。因此，可从反诈的整个链路流程确定反诈指数的多个目标相关指标，能够准确确定出目标地区的反诈指数的评估结果。
具体地，目标地区的多个目标相关指标包括事前干预的多个指标、事中处置的多个指标和事后溯源的多个指标。事前干预、事中处置以及事后溯源对应的指标以及指标数据，参见上述实施例的说明。
事前干预的多个指标包括全面宣防指标和重点宣防指标，事前干预的多个指标的指标数据包括国家反诈中心app推广率、被骗人员未宣防率、财政供养人员被骗占比率和学生被骗占比率，以及易受骗人员见面宣防率、易受骗人员被骗率、网点接入率、网点使用率、风险线索处置反馈率和断卡人员占比。
事中处置的多个指标包括全面预警劝阻指标和技术反制指标，事中处置的多个指标的指标数据包括预警劝阻反馈率、预警贡献度、预警人员配比数、上门预警劝阻率和预警劝阻成功率，以及网址拦截贡献度和APP阻断贡献度。
事后溯源的多个指标包括打击指标和管控指标，事后溯源的多个指标的指标数据包括勘查率、勘查数环比、勘查数同比、涉案金额环比、涉案金额同比、提取率、解析率、调证率，以及万人发案率、万人报案率、破案率、涉诈重点人员管控率和涉诈境外人员劝返率。
各指标以及各指标的指标数据如下表所示：
进而，根据事前干预的多个指标的指标数据，确定事前干预的反诈评估分值；根据事中处置的多个指标的指标数据，确定事中处置的反诈评估分值；根据事后溯源的多个指标的指标数据，确定事后溯源的反诈评估分值；根据事前干预的反诈评估分值、事中处置的反诈评估分值以及事后溯源的反诈评估分值，确定目标地区的反诈指数的评估结果。
例如，如图3所示，根据历史各维度指标的分布统计情况，筛选出多个数据样本。参见图3，目标地区可以是A地区、B地区、C地区、D地区、E地区、F地区和G地区中的任一地区。图3中分别给出了A地区、B地区、C地区、D地区、E地区、F地区和G地区的各个指标数据。由此，可计算事前干预的反诈评估分值、事中处置的反诈评估分值和事后溯源的反诈评估分值，进而基于事前干预的反诈评估分值、事中处置的反诈评估分值和事后溯源的反诈评估分值可计算得到目标地区的反诈指数的评估分值，即确定出目标地区的反诈指数的评估结果。
在一个实施例中，目标地区为多个。也即是，反诈指数评估平台同时处理多个目标地区的反诈指数的评估。上述获取目标地区的各目标相关指标的指标数据，根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果，包括：获取各目标地区的各目标相关指标的指标数据，根据各目标地区的各目标相关指标的指标数据，确定各目标地区的反诈指数的评估结果。进一步地，确定各目标地区的反诈指数的评估结果之后，还包括：获取各目标地区的反诈指数的评估结果；根据多个评估结果划分多个风险等级；根据各目标地区的反诈指数的评估结果以及多个风险等级，确定各目标地区的风险等级。
具体地，获取各目标地区的反诈指数的评估结果，根据多个评估结果划分多个风险等级。例如：反诈指数的评估结果通过评估分值确定。获得多个评估分值后，依据评估分值的最大值按照比例进行风险等级划分，如划分为五个分数区间，这五个分数区间分别对应风险等级划分的五个级别，从1级到5级，级别越高，风险越大。进而，根据各目标地区的反诈指数的评估分值确定各目标地区的风险等级。
在一个示例中，上述确定各目标地区的风险等级的步骤之后，还包括：根据各目标地区的风险等级生成风险雷达图。
具体地，根据上述各目标地区的反诈指数的评估结果，可直接输出各目标地区的反诈指数的评估分值。根据最终评估分值，依据风险级别划分，输出反诈指数评估的雷达图。假定有甲乙丙三个目标地区，根据上述方法确定各目标地区的各准则的风险等级。其中，各准则指的是上述各目标相关指标。最终输出风险等级，准则层等级与风险等级如下表：
| 人员 | 准则一 | 准则二 | 准则三 | 准则四 | 准则五 | 准则六 |
| 甲 | 4 | 4 | 2 | 3 | 2 | 3 |
| 乙 | 2 | 3 | 1 | 1 | 1 | 2 |
| 丙 | 1 | 1 | 1 | 1 | 1 | 1 |
甲乙丙三个目标地区的风险等级的雷达图如图4所示。
因此，可直观地展示各目标地区的各个目标相关指标的风险情况。
在一个实施例中，上述确定各目标地区的风险等级的步骤之后，还包括：获取预先配置的各风险等级的管控策略；根据各目标地区的风险等级，确定各目标地区的管控策略。
具体地，还可以进一步基于各目标地区的风险等级、风险雷达图等输出结果制定管控策略。例如，管控策略包括通报整改、约谈问责、挂牌整治、表彰奖励等，进一步指导实际工作开展，从而提升电信网络诈骗治理水平。具体各目标地区的管控策略可参见下表所示：
因此，上述各实施例的一种反诈指数的评估方法，能够运用大数据的手段，方便、快速、准确的计算出各地的反诈指数得分，给出风险等级，并给出相应的管控机制和措施，对各地打击治理电信网络诈骗犯罪提供决策指导。
通过融合各部门各系统之间的数据，打通多部门之间的数据壁垒，实现数据互联互通，从而实现各部门各系统反诈考核指标的全面覆盖，同时融合熵权法和层次分析法(AHP)，客观科学的计算反诈指数评估指标的权重。
本申请的一种反诈指数的评估方法，通过制定和应用统一的大数据处理框架及数据标准，结合外部业务系统提供的数据接口，获取多维指标以及指标数据，从而打通各部门各系统之间的数据壁垒，实现数据互联互通，进而实现各部门各系统反诈考核指标的全面覆盖，然后通过熵权法客观计算多维指标的权重，并根据客观计算的权重值作为重要标度信息，进而通过层次分析法(AHP)计算出各自指标的最终权重，然后综合计算出反诈指数的评估得分，并根据此评分划分评估等级，输出反诈指数得分雷达图，并制定相应的管控机制和对应措施，提供决策参考。
应该理解的是，虽然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，流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子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，这些子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的子步骤或者阶段的至少一部分轮流或者交替地执行。
本申请还提供一种反诈指数的评估装置。如图5所示，一种反诈指数的评估装置包括第一获取模块502、筛选模块504、第二获取模块506以及确定模块508。第一获取模块502，用于获取不同业务系统的反诈评估的相关指标，得到多个相关指标；筛选模块504，用于从多个相关指标中筛选出相关性小于设定值的多个目标相关指标；第二获取模块506，用于获取目标地区的各目标相关指标的指标数据；确定模块508，用于根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果。
在一个实施例中，多个目标相关指标包括事前干预的多个指标，事前干预的多个指标包括全面宣防指标和重点宣防指标；获取目标地区的各目标相关指标的指标数据，包括：获取目标地区的全面宣防指标的指标数据；获取目标地区的重点宣防指标的指标数据；根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果，包括：根据全面宣防指标的指标数据和重点宣防指标的指标数据，确定目标地区的事前干预的反诈指数的评估结果。
在一个实施例中，多个目标相关指标包括事中处置的多个指标，事中处置的多个指标包括预警劝阻指标和技术反制指标；获取目标地区的各目标相关指标的指标数据，包括：获取目标地区的预警劝阻指标的指标数据；获取目标地区的技术反制指标的指标数据；根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果，包括：根据预警劝阻指标的指标数据和技术反制的指标数据，确定目标地区的事中处置的反诈指数的评估结果。
在一个实施例中，多个目标相关指标包括事后溯源的多个指标，事后溯源的多个指标包括打击指标和管控指标；获取目标地区的各目标相关指标的指标数据，包括：获取目标地区的打击指标的指标数据；获取目标地区的管控指标的指标数据；根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果，包括：根据打击指标的指标数据和管控指标的指标数据，确定目标地区的事后溯源的反诈指数的评估结果。
在一个实施例中，多个目标相关指标包括事前干预的多个指标、事中处置的多个指标和事后溯源的多个指标；获取目标地区的各目标相关指标的指标数据，包括：获取目标地区的事前干预的多个指标的指标数据、事中处置的多个指标的指标数据和事后溯源的多个指标的指标数据；根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果，包括：根据事前干预的多个指标的指标数据，确定事前干预的反诈评估分值；根据事中处置的多个指标的指标数据，确定事中处置的反诈评估分值；根据事后溯源的多个指标的指标数据，确定事后溯源的反诈评估分值；根据事前干预的反诈评估分值、事中处置的反诈评估分值以及事后溯源的反诈评估分值，确定目标地区的反诈指数的评估结果。
在一个实施例中，目标地区为多个，一种反诈指数的评估装置还包括风险划分模块，用于获取各目标地区的反诈指数的评估结果；根据多个评估结果划分多个风险等级；根据各目标地区的反诈指数的评估结果以及多个风险等级，确定各目标地区的风险等级。
在一个实施例中，一种反诈指数的评估装置还包括管控模块，用于获取预先配置的各风险等级的管控策略；根据各目标地区的风险等级，确定各目标地区的管控策略。
关于反诈指数的评估装置的具体限定可以参见上文中对于反诈指数的评估方法的限定，在此不再赘述。上述反诈指数的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6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、网络接口和数据库。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、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。该计算机设备的网络接口用于与外部业务系统连接，以接收业务系统的指标以及指标数据。该计算机程序被处理器执行时以实现一种反诈指数的评估方法。
本领域技术人员可以理解，图6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、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：获取不同业务系统的反诈评估的相关指标，得到多个相关指标；从多个相关指标中筛选出相关性小于设定值的多个目标相关指标；获取目标地区的各目标相关指标的指标数据；根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果。
在一个实施例中，多个目标相关指标包括事前干预的多个指标，事前干预的多个指标包括全面宣防指标和重点宣防指标；处理器执行计算机程序实现上述的获取目标地区的各目标相关指标的指标数据的步骤时，具体实现以下步骤：获取目标地区的全面宣防指标的指标数据；获取目标地区的重点宣防指标的指标数据；处理器执行计算机程序实现上述的根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果的步骤时，具体实现以下步骤：根据全面宣防指标的指标数据和重点宣防指标的指标数据，确定目标地区的事前干预的反诈指数的评估结果。
在一个实施例中，多个目标相关指标包括事中处置的多个指标，事中处置的多个指标包括预警劝阻指标和技术反制指标；处理器执行计算机程序实现上述的获取目标地区的各目标相关指标的指标数据的步骤时，具体实现以下步骤：获取目标地区的预警劝阻指标的指标数据；获取目标地区的技术反制指标的指标数据；处理器执行计算机程序实现上述的根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果的步骤时，具体实现以下步骤：根据预警劝阻指标的指标数据和技术反制的指标数据，确定目标地区的事中处置的反诈指数的评估结果。
在一个实施例中，多个目标相关指标包括事后溯源的多个指标，事后溯源的多个指标包括打击指标和管控指标；处理器执行计算机程序实现上述的获取目标地区的各目标相关指标的指标数据的步骤时，具体实现以下步骤：获取目标地区的打击指标的指标数据；获取目标地区的管控指标的指标数据；处理器执行计算机程序实现上述的根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果的步骤时，具体实现以下步骤：根据打击指标的指标数据和管控指标的指标数据，确定目标地区的事后溯源的反诈指数的评估结果。
在一个实施例中，多个目标相关指标包括事前干预的多个指标、事中处置的多个指标和事后溯源的多个指标；处理器执行计算机程序实现上述的获取目标地区的各目标相关指标的指标数据的步骤时，具体实现以下步骤：获取目标地区的事前干预的多个指标的指标数据、事中处置的多个指标的指标数据和事后溯源的多个指标的指标数据；处理器执行计算机程序实现上述的根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果的步骤时，具体实现以下步骤：根据事前干预的多个指标的指标数据，确定事前干预的反诈评估分值；根据事中处置的多个指标的指标数据，确定事中处置的反诈评估分值；根据事后溯源的多个指标的指标数据，确定事后溯源的反诈评估分值；根据事前干预的反诈评估分值、事中处置的反诈评估分值以及事后溯源的反诈评估分值，确定目标地区的反诈指数的评估结果。
在一个实施例中，目标地区为多个，处理器执行计算机程序时实现以下步骤：获取各目标地区的反诈指数的评估结果；根据多个评估结果划分多个风险等级；根据各目标地区的反诈指数的评估结果以及多个风险等级，确定各目标地区的风险等级。
在一个实施例中，处理器执行计算机程序时实现以下步骤：获取预先配置的各风险等级的管控策略；根据各目标地区的风险等级，确定各目标地区的管控策略。
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：获取反诈指数的多个评估指标；获取不同业务系统的反诈评估的相关指标，得到多个相关指标；从多个相关指标中筛选出相关性小于设定值的多个目标相关指标；获取目标地区的各目标相关指标的指标数据；根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果。
在一个实施例中，多个目标相关指标包括事前干预的多个指标，事前干预的多个指标包括全面宣防指标和重点宣防指标；计算机程序被处理器执行实现上述的获取目标地区的各目标相关指标的指标数据的步骤时，具体实现以下步骤：获取目标地区的全面宣防指标的指标数据；获取目标地区的重点宣防指标的指标数据；计算机程序被处理器执行实现上述的根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果的步骤时，具体实现以下步骤：根据全面宣防指标的指标数据和重点宣防指标的指标数据，确定目标地区的事前干预的反诈指数的评估结果。
在一个实施例中，多个目标相关指标包括事中处置的多个指标，事中处置的多个指标包括预警劝阻指标和技术反制指标；计算机程序被处理器执行实现上述的获取目标地区的各目标相关指标的指标数据的步骤时，具体实现以下步骤：获取目标地区的预警劝阻指标的指标数据；获取目标地区的技术反制指标的指标数据；计算机程序被处理器执行实现上述的根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果的步骤时，具体实现以下步骤：根据预警劝阻指标的指标数据和技术反制的指标数据，确定目标地区的事中处置的反诈指数的评估结果。
在一个实施例中，多个目标相关指标包括事后溯源的多个指标，事后溯源的多个指标包括打击指标和管控指标；计算机程序被处理器执行实现上述的获取目标地区的各目标相关指标的指标数据的步骤时，具体实现以下步骤：获取目标地区的打击指标的指标数据；获取目标地区的管控指标的指标数据；计算机程序被处理器执行实现上述的根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果的步骤时，具体实现以下步骤：根据打击指标的指标数据和管控指标的指标数据，确定目标地区的事后溯源的反诈指数的评估结果。
在一个实施例中，多个目标相关指标包括事前干预的多个指标、事中处置的多个指标和事后溯源的多个指标；计算机程序被处理器执行实现上述的获取目标地区的各目标相关指标的指标数据的步骤时，具体实现以下步骤：获取目标地区的事前干预的多个指标的指标数据、事中处置的多个指标的指标数据和事后溯源的多个指标的指标数据；计算机程序被处理器执行实现上述的根据目标地区的各目标相关指标的指标数据，确定目标地区的反诈指数的评估结果的步骤时，具体实现以下步骤：根据事前干预的多个指标的指标数据，确定事前干预的反诈评估分值；根据事中处置的多个指标的指标数据，确定事中处置的反诈评估分值；根据事后溯源的多个指标的指标数据，确定事后溯源的反诈评估分值；根据事前干预的反诈评估分值、事中处置的反诈评估分值以及事后溯源的反诈评估分值，确定目标地区的反诈指数的评估结果。
在一个实施例中，目标地区为多个，计算机程序被处理器执行时实现以下步骤：获取各目标地区的反诈指数的评估结果；根据多个评估结果划分多个风险等级；根据各目标地区的反诈指数的评估结果以及多个风险等级，确定各目标地区的风险等级。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：获取预先配置的各风险等级的管控策略；根据各目标地区的风险等级，确定各目标地区的管控策略。
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、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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发明专利范围的限制。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，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种反诈指数的评估方法，所述方法包括：
获取不同业务系统的反诈评估的相关指标，得到多个相关指标；
从所述多个相关指标中筛选出相关性小于设定值的多个目标相关指标；
获取所述目标地区的各目标相关指标的指标数据；
根据所述目标地区的各目标相关指标的指标数据，确定所述目标地区的反诈指数的评估结果。
2.根据权利要求1所述的方法，其特征在于，所述多个目标相关指标包括事前干预的多个指标，所述事前干预的多个指标包括全面宣防指标和重点宣防指标；
所述获取所述目标地区的各目标相关指标的指标数据，包括：
获取所述目标地区的所述全面宣防指标的指标数据；
获取所述目标地区的所述重点宣防指标的指标数据；
所述根据所述目标地区的各目标相关指标的指标数据，确定所述目标地区的反诈指数的评估结果，包括：
根据所述全面宣防指标的指标数据和所述重点宣防指标的指标数据，确定所述目标地区的事前干预的反诈指数的评估结果。
3.根据权利要求1所述的方法，其特征在于，所述多个目标相关指标包括事中处置的多个指标，所述事中处置的多个指标包括预警劝阻指标和技术反制指标；
所述获取所述目标地区的各目标相关指标的指标数据，包括：
获取所述目标地区的所述预警劝阻指标的指标数据；
获取所述目标地区的所述技术反制指标的指标数据；
所述根据所述目标地区的各目标相关指标的指标数据，确定所述目标地区的反诈指数的评估结果，包括：
根据所述预警劝阻指标的指标数据和所述技术反制的指标数据，确定所述目标地区的事中处置的反诈指数的评估结果。
4.根据权利要求1所述的方法，其特征在于，所述多个目标相关指标包括事后溯源的多个指标，所述事后溯源的多个指标包括打击指标和管控指标；
所述获取所述目标地区的各目标相关指标的指标数据，包括：
获取所述目标地区的所述打击指标的指标数据；
获取所述目标地区的所述管控指标的指标数据；
所述根据所述目标地区的各目标相关指标的指标数据，确定所述目标地区的反诈指数的评估结果，包括：
根据所述打击指标的指标数据和所述管控指标的指标数据，确定所述目标地区的事后溯源的反诈指数的评估结果。
5.根据权利要求1所述的方法，其特征在于，所述多个目标相关指标包括事前干预的多个指标、事中处置的多个指标和事后溯源的多个指标；
所述获取所述目标地区的各目标相关指标的指标数据，包括：
获取所述目标地区的事前干预的多个指标的指标数据、事中处置的多个指标的指标数据和事后溯源的多个指标的指标数据；
所述根据所述目标地区的各目标相关指标的指标数据，确定所述目标地区的反诈指数的评估结果，包括：
根据所述事前干预的多个指标的指标数据，确定所述事前干预的反诈评估分值；
根据所述事中处置的多个指标的指标数据，确定所述事中处置的反诈评估分值；
根据所述事后溯源的多个指标的指标数据，确定所述事后溯源的反诈评估分值；
根据所述事前干预的反诈评估分值、所述事中处置的反诈评估分值以及所述事后溯源的反诈评估分值，确定所述目标地区的反诈指数的评估结果。
6.根据权利要求1所述的方法，其特征在于，所述目标地区为多个，所述方法还包括：
获取各目标地区的反诈指数的评估结果；
根据多个所述评估结果划分多个风险等级；
根据所述各目标地区的反诈指数的评估结果以及所述多个风险等级，确定所述各目标地区的风险等级。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
获取预先配置的各风险等级的管控策略；
根据所述各目标地区的风险等级，确定所述各目标地区的管控策略。
8.一种反诈指数的评估装置，其特征在于，所述装置包括：
第一获取模块，用于获取不同业务系统的反诈评估的相关指标，得到多个相关指标；
筛选模块，用于从所述多个相关指标中筛选出相关性小于设定值的多个目标相关指标；
第二获取模块，用于获取所述目标地区的各目标相关指标的指标数据；
确定模块，用于根据所述目标地区的各目标相关指标的指标数据，确定所述目标地区的反诈指数的评估结果。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，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中任一项所述方法的步骤。
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中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211514902.8A CN115809754A (zh) | 2022-11-29 | 2022-11-29 | 反诈指数的评估方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211514902.8A CN115809754A (zh) | 2022-11-29 | 2022-11-29 | 反诈指数的评估方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115809754A true CN115809754A (zh) | 2023-03-17 |
Family
ID=85484578
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211514902.8A Pending CN115809754A (zh) | 2022-11-29 | 2022-11-29 | 反诈指数的评估方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115809754A (zh) |
-
2022
- 2022-11-29 CN CN202211514902.8A patent/CN115809754A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Seismic fragility analysis with artificial neural networks: Application to nuclear power plant equipment | |
| Visconti et al. | Handling limited overlap in observational studies with cardinality matching | |
| Erdik | Earthquake risk assessment | |
| Feng et al. | New methods for modelling EQ‐5D‐5L value sets: An application to English data | |
| CN107103546B (zh) | 用于预报与未来损失相关联的频率的系统和方法 | |
| Celik et al. | An assessment approach for non-governmental organizations in humanitarian relief logistics and an application in Turkey | |
| CN1490754A (zh) | 企业全面风险审计与管理的方法与系统 | |
| Rodrigues | The MACBETH approach to health value measurement: Building a population health index in group processes | |
| WO2016170551A2 (en) | Command and control system for optimal risk management | |
| CN111091276A (zh) | 企业风险评分方法、装置、计算机设备和存储介质 | |
| Vigier et al. | An application of OWA operators in fuzzy business diagnosis | |
| US8515783B1 (en) | Risk assessment method | |
| CN115329338A (zh) | 基于云计算服务的信息安全风险分析方法及分析系统 | |
| Khoso et al. | Automated two-stage continuous decision support model using exploratory factor analysis-MACBETH-SMART: an application of contractor selection in public sector construction | |
| CN112766816B (zh) | 活动安全风险评估方法、系统以及设备 | |
| Mendes et al. | Effort estimation: how valuable is it for a web company to use a cross-company data set, compared to using its own single-company data set? | |
| Di Martino et al. | Comparing size measures for predicting web application development effort: a case study | |
| Bariş | Innovation and institutional quality: Evidence from OECD countries | |
| CN115809754A (zh) | 反诈指数的评估方法、装置、计算机设备和存储介质 | |
| DeLang et al. | Tackling UCR's missing data problem: A multiple imputation approach | |
| Quijano-Sánchez et al. | A twist in Intimate Partner Violence Risk Assessment Tools: Gauging the contribution of exogenous and historical variables | |
| Mufazzal et al. | Towards minimization of overall inconsistency involved in criteria weights for improved decision making | |
| Bitzer | The influence of Forensic Advisors on the use of forensic science in the Belgian criminal justice system | |
| Amarkhil | A framework to assess post-conflict environment impact on construction organization performance | |
| Kasravi et al. | A Multi-layer Architecture Based on MCDM Methods to Select the Best E-Readiness Assessment Model According to SWOT Analysis |
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 |