CN116342275A - 一种风控策略确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请公开了一种风控策略确定方法、装置、电子设备及存储介质，涉及风险控制技术领域。其中，该方法包括：获取交易风控请求中交易数据的标识号，基于标识号从业务宽表中获取交易数据对应的多个风险要素信息；通过规则引擎组件对多个风险要素信息、宽表映射规则表和风险指标配置表进行匹配得到交易数据对应的目标风险指标；基于目标风险指标和交易数据中目标风险指标对应的风险数据确定风控决策结果。本申请提供的技术方案，可以有效提升风控处理的响应效率，可提供准确可靠的风控决策结果；本方案可以根据风险指标配置表灵活组合生成风险规则，可以适配于新业务类型以满足灵活配置与维护各类风险要素的需求。

Description

一种风控策略确定方法、装置、电子设备及存储介质

技术领域

本申请涉及风险控制技术领域，尤其涉及一种风控策略确定方法、装置、电子设备及存储介质。

背景技术

近年来金融市场不断开放，随着金融市场的业务类型的增加会引入更多的数据库表，也会增加风险指标配置的复杂度。

现有技术中，在数据获取层面上，微服务通过采取联表查询从交易表、用户表和出借契约表等多个数据库表中远程调用获取数据，此方法会使得风控模块的处理效率低；而且，由于此方法需要梳理各类业务要素和风险要素的对应关系，因而在适配新的业务类型上的改造成本较高。在风险规则匹配层面上，通常是将每个风险要素保存在数据表，只能按固有模式筛选，如果要匹配新的风险要素需要修改数据表和筛选程序，不仅无法满足灵活配置的需求且效率较差。因此，亟需一种可灵活配置各类风险要素且能够快速响应不同业务类型的风控策略确定方法。

发明内容

本申请提供了一种风控策略确定方法、装置、电子设备及存储介质，可以有效提升风控处理的响应效率，可提供准确可靠的风控决策结果；本方案可以根据风险指标配置表灵活组合生成风险规则，可以适配于新业务类型以满足灵活配置与维护各类风险要素的需求。

第一方面，本申请提供了一种风控策略确定方法，该方法包括：

获取交易风控请求中交易数据的标识号，基于所述标识号从业务宽表中获取所述交易数据对应的多个风险要素信息；

通过规则引擎组件对所述多个风险要素信息、宽表映射规则表和风险指标配置表进行匹配得到所述交易数据对应的目标风险指标；

基于所述目标风险指标和所述交易数据中所述目标风险指标对应的风险数据确定风控决策结果。

本申请实施例提供了一种风控策略确定方法，本申请从业务宽表中一次远程调用以获取交易数据对应的风险要素信息，可以有效提升风控处理的响应效率；进而基于宽表映射规则表的宽表结构对风险要素信息进行映射得到风控输入实体，再与风险规则集合进行匹配得到风控输入实体对应的目标风险指标，可以保证数据获取与数据筛选的口径一致，可提供准确可靠的风控决策结果。本申请风控策略确定方法的逻辑简单，可以根据风险指标配置表灵活组合生成风险规则，可以适配于新业务类型，可以满足灵活配置与维护各类风险要素的需求。

进一步的，所述通过规则引擎组件对所述多个风险要素信息、宽表映射规则表和风险指标配置表进行匹配得到所述交易数据对应的目标风险指标，包括：基于所述宽表映射规则表将所述多个风险要素信息组合成风控输入实体；基于所述风险指标配置表确定所述风控输入实体对应的目标风险指标。

进一步的，所述基于所述风险指标配置表确定所述风控输入实体对应的目标风险指标，包括：解析所述风险指标配置表得到风险规则集合；从所述风险规则集合中确定出所述风控输入实体对应的目标风险规则；查询所述风险指标配置表确定出所述目标风险规则对应的目标风险指标。

进一步的，所述业务宽表至少包括交易宽表、用户宽表和出借契约宽表，通过如下方式确定所述业务宽表：将历史交易数据、用户信息和出借契约数据进行汇总得到业务宽表；当监测到交易主表和/或交易子表有变动时，从所述交易主表和/或所述交易子表中抽取变动数据，对所述变动数据进行数据处理，并将数据处理之后的变动数据同步至所述业务宽表中。

进一步的，所述对所述变动数据进行数据处理，并将数据处理之后的变动数据同步至所述业务宽表中，包括：采用流计算技术基于第一数据结构对所述变动数据进行格式处理和优化处理，得到第一数据流；按照所述变动数据对应的业务要素信息对所述第一数据流进行处理，得到第二数据流；将所述第二数据流存储至对应的所述业务宽表中。

进一步的，所述业务要素信息至少包括交易要素、管理要素和关联要素，所述按照所述变动数据对应的业务要素信息对所述第一数据流进行处理，得到第二数据流，包括：按照所述业务要素信息将所述第一数据流分发至对应的逻辑处理节点；通过所述逻辑处理节点分别对所述第一数据流中的交易要素、管理要素和关联要素进行处理，得到中间数据；基于第二数据结构对所述中间数据进行格式处理得到所述第二数据流。

进一步的，所述风控输入实体中至少包括交易记录实体、交易对手实体和出借契约实体；所述交易记录实体、所述交易对手实体和所述出借契约实体中的要素与所述业务宽表中宽表字段一一对应。

第二方面，本申请提供了一种风控策略确定装置，该装置包括：

风险要素获取模块，用于获取交易风控请求中交易数据的标识号，基于所述标识号从业务宽表中获取所述交易数据对应的多个风险要素信息；

风险指标确定模块，用于通过规则引擎组件对所述多个风险要素信息、宽表映射规则表和风险指标配置表进行匹配得到所述交易数据对应的目标风险指标；

风控策略确定模块，用于基于所述目标风险指标和所述交易数据中所述目标风险指标对应的风险数据确定风控决策结果。

第三方面，本申请提供了一种电子设备，该电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任意实施例所述的风控策略确定方法。

第四方面，本申请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存储有计算机指令，所述计算机指令用于使处理器执行时实现本申请任意实施例所述的风控策略确定方法。

需要说明的是，上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中，计算机可读存储介质可以与风控策略确定装置的处理器封装在一起，也可以与风控策略确定装置的处理器单独封装，本申请对此不做限定。

本申请中第二方面、第三方面以及第四方面的描述，可以参考第一方面的详细描述；并且，第二方面、第三方面以及第四方面的描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其他特征将通过以下的说明书而变得容易理解。

可以理解的是，在使用本申请各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本申请所涉及个人信息的类型、使用范围以及使用场景等告知用户并获得用户的授权。

附图说明

为了更清楚地说明本申请实施例中的技术方案，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，下面描述中的附图仅仅是本申请的一些实施例，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为本申请实施例提供的一种风控策略确定方法的第一流程示意图；

图2为本申请实施例提供的风控输入实体的结构示意图；

图3为本申请实施例提供的一种风控策略确定方法的第二流程示意图；

图4为本申请实施例提供的基于Storm流计算的交易数据同步的方案框架；

图5为本申请实施例提供的一种风控策略确定装置的结构示意图；

图6是用来实现本申请实施例的一种风控策略确定方法的电子设备的框图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”“目标”以及“原始”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够实施除了在这里图示或描述之外的顺序。此外，术语“包括”“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

图1为本申请实施例提供的一种风控策略确定方法的第一流程示意图，本实施例可适用于对客户的交易数据进行风控判断并确定出风控决策结果。本实施例提供的一种风控策略确定方法可以由本申请实施例提供的风控策略确定装置来执行，该装置可以通过软件和/或硬件的方式实现，并集成在执行本方法的电子设备中。可选的，本申请的电子设备可以是制定风控策略的服务器。

参见图1，本实施例的方法包括但不限于如下步骤：

S110、获取交易风控请求中交易数据的标识号，基于标识号从业务宽表中获取交易数据对应的多个风险要素信息。

其中，交易风控请求可以是用户发生数字物品交易时在客户端生成，并由服务器对数字物品交易时的交易数据进行风险控制的请求，数字物品可以是理财产品，如基金、债券等，也可以是消费信贷。交易数据可以是在数字物品交易时用户输入或产生的数据。每条交易数据都存在唯一的标识号，标识号中可以包括交易标识(Identity Document，ID)和交易版本号。宽表是指字段较多的数据表，通常为了提升查询性能可以把多个维度的字段放在一张宽表里存储。业务宽表是指与数字物品交易相关的业务对应的宽表，至少包括交易宽表、用户宽表和出借契约宽表(如债券宽表)。风险要素信息可以是指该条交易数据中有可能存在风险的因素。

在本申请实施例中，用户通过客户端进行数字物品交易，可以将用户所输入的相关数据或者在这个过程中所产生的相关数据汇总为交易数据。用户可以客户端触发交易风控请求的按钮或物理按键的操作，客户端响应于该操作，根据交易数据生成交易风控请求，并发送至后台的服务端。服务端接收交易风控请求之后，从交易风控请求中解析出交易数据和交易数据对应的标识号，再基于标识号从交易宽表、用户宽表和出借契约宽表等中获取交易数据对应的多个宽表字段，可以是按照预设筛选规则从宽表字段中挑选出符合预设要求的风险要素得到交易数据对应的多个风险要素信息，也可以是将宽表字段直接作为交易数据对应的风险要素信息。

本步骤从业务宽表中获取交易数据对应的多个风险要素信息。与现有技术通过采取联表查询从各种表中远程调用获取数据相比，本申请无需再区分不同业务类型采用不同的风控处理逻辑，服务器在对不同业务类型进行风控处理时统一从业务宽表中获取数据，做到数据获取逻辑的充分简化，使得风控模块更加清晰易维护。并且，此方法只需要一次远程调用即可获取需要的数据，不仅能够有效提升风控处理响应效率。

S120、通过规则引擎组件对多个风险要素信息、宽表映射规则表和风险指标配置表进行匹配得到交易数据对应的目标风险指标。

规则引擎组件可以是由筛选规则表转译后的可执行的代码，用于遍历带有评估条件和执行操作的规则集合，以实现按照业务人员制定的筛选条件进行筛选出目标风险规则，进而得到目标风险指标。本步骤中，将多个风险要素信息、宽表映射规则表和风险指标配置表输入规则引擎组件中进行解析与匹配，得到交易数据适用的目标风险指标。

具体的，通过规则引擎组件对多个风险要素信息、宽表映射规则表和风险指标配置表进行匹配得到交易数据对应的目标风险指标，包括：

第一步、基于宽表映射规则表将多个风险要素信息组合成风控输入实体。

从业务宽表中获取到风险要素信息之后再将其存储到由宽表结构组成的风控输入实体，风控输入实体中包括交易数据的各类要素信息。通过宽表映射规则表在风险要素信息和规则表达式(下述第二步)之间建立联系，为规则引擎组件的匹配做好准备，这样设置的好处在于，可以保证数据获取与数据筛选的口径一致，可提供准确可靠的风控决策结果。

与现有技术通过采取联表查询从各种表中远程调用获取数据进而拼接成风控输入实体相比，本实施例方案可以解决现有技术中每新增一类新业务类型都需要对该业务信息和风险要素的映射关系进行适应性改造，造成的风控逻辑越来越复杂的问题，本实施例方案逻辑简单可以灵活地适配于新业务类型，为支持新业务类型的风控提供了一种快捷的解决方案。

如下表1为宽表映射规则表的示意表，表中示意了由宽表要素和风控输入实体要素组成的宽表结构。

表1宽表映射规则表

如图2所示为风控输入实体的结构示意图，从图中可以看出，风控输入实体中至少包括交易记录实体、交易对手实体和出借契约实体(即图2中的债券实体)；交易记录实体、交易对手实体和出借契约实体中还包含有多个要素，例如：交易记录实体中至少包括业务类型、风险三分类、交易方向、风险二分类等要素。交易记录实体、交易对手实体和出借契约实体中的这些要素是与业务宽表中宽表字段一一对应。

第二步、基于风险指标配置表确定风控输入实体对应的目标风险指标。

具体的，基于风险指标配置表确定风控输入实体对应的目标风险指标，包括：解析风险指标配置表得到风险规则集合；从风险规则集合中确定出风控输入实体对应的目标风险规则；查询风险指标配置表确定出目标风险规则对应的目标风险指标。目标风险指标可以是多个风险要素信息中的一个或多个。

在本步骤中，用户可以在客户端中预先配置风险指标配置表，服务器通过读取风险指标配置表，查询该风险指标配置表中所有可用指标，进而解析得到多个规则表达式，组成风险规则集合。风险规则集合是服务器配置的所有可用指标对应的规则表达式集合。

优选的，业务宽表中的宽表字段之间可以通过连接词“(”“)”“或”以及“且”进行连接，本实施例还可以基于业务宽表从复杂的业务逻辑中抽取出来风险规则组成风险规则集合，这样也可以灵活组合生成风险规则，大大满足用户对风险规则灵活配置的需求。此外，还可以灵活支持各类风险要素的配置与维护。

示例性的，假如风控输入实体中存储的信息为：债券交易的交易方向是买入，债项境外评级是AA，风险二分类是银行类，交易数量是1000万元。通过规则引擎组件遍历风险规则集合，确定出风控输入实体对应的目标风险规则为规则表达式1，进而查询风险指标配置表确定出规则表达式1对应的目标风险指标为风险指标1。其中，风险指标配置表中的风险规则与风险指标一一对应。

S130、基于目标风险指标和交易数据中目标风险指标对应的风险数据确定风控决策结果。

在本申请实施例中，经上述步骤S120确定出目标风险指标，服务器再基于风控输入实体中存储的信息确定出交易数据中目标风险指标对应的风险数据，进而确定风控决策结果。服务器再将风控决策结果返回至客户端，以使客户端展示在相应的展示界面中。

示例性的，假如目标风险指标为风险指标1，如果风险指标1配置的内容是“A岗位授权额度小于等于2000万元”，风险数据为“交易数量是1000万元”，那么风控决策结果为“本次交易匹配A岗位授权方案[授权额度:2000万元，本交易执行值：1000万元]”。

本实施例提供的技术方案，通过获取交易风控请求中交易数据的标识号，基于标识号从业务宽表中获取交易数据对应的多个风险要素信息；通过规则引擎组件对多个风险要素信息、宽表映射规则表和风险指标配置表进行匹配得到交易数据对应的目标风险指标；基于目标风险指标和交易数据中目标风险指标对应的风险数据确定风控决策结果。本申请从业务宽表中一次远程调用以获取交易数据对应的风险要素信息，可以有效提升风控处理的响应效率；进而基于宽表映射规则表的宽表结构对风险要素信息进行映射得到风控输入实体，再与风险规则集合进行匹配得到风控输入实体对应的目标风险指标，可以保证数据获取与数据筛选的口径一致，可提供准确可靠的风控决策结果。本申请风控策略确定方法的逻辑简单，可以根据风险指标配置表灵活组合生成风险规则，可以适配于新业务类型，可以满足灵活配置与维护各类风险要素的需求。

下面进一步描述本申请实施例提供的风控策略确定方法，图3为本申请实施例提供的一种风控策略确定方法的第二流程示意图。本申请实施例是在上述实施例的基础上进行优化，具体优化为：本实施例对业务宽表的确定过程进行详细的解释说明。

参见图3，本实施例的方法包括但不限于如下步骤：

S210、将历史交易数据、用户信息和出借契约数据进行汇总得到业务宽表。

在本申请实施例中，获取数字物品交易市场中不同业务类型的历史数据，如历史交易数据、用户信息和出借契约数据等。对历史数据进行汇总之后制作成宽表。宽表是指字段较多的数据表，通常为了提升查询性能可以把多个维度的字段放在一张宽表里存储。业务宽表是指与数字物品交易相关的业务对应的宽表，至少包括交易宽表、用户宽表和出借契约宽表(如债券宽表)。

S220、当监测到交易主表和/或交易子表有变动时，从交易主表和/或交易子表中抽取变动数据。

在本申请实施例中，数字物品交易市场的业务类型多样，每类业务类型存在相同的交易要素，一般将相同的交易要素信息保存在统一的交易主表里，各业务特有的交易信息保存在独立的交易子表里。

为了将各类交易整合至一张宽表中，需要对交易主表和/或交易子表进行监控，当交易主表和/或交易子表发生新增、修改或删除等变动时，从交易主表和/或交易子表中获取变动数据，拼接出一条完整的交易数据，再将交易数据同步至业务宽表中。其中，将交易数据同步至业务宽表的过程中有三个程序，包括：数据抽取程序、数据加工程序和数据落地程序；本步骤为数据抽取程序的执行过程。

以新增一笔债券交易为例，用户在客户端录入交易信息会触发债券交易表的触发器，触发器将当前触发的交易数据写入到原始日志表(如交易主表和/或交易子表)中。当监控到交易主表和/或交易子表的数据有变化时，启动数据抽取程序，数据抽取程序从如交易主表和/或交易子表抽取出变动数据。

S230、采用流计算技术基于第一数据结构对变动数据进行格式处理和优化处理，得到第一数据流。

流计算技术是将业务系统产生的持续增长的动态数据进行实时的收集、清洗、统计、入库。交易数据同步过程使用流计算技术，当一条数据被处理后，立刻被序列化到缓存中，然后通过网络传输到下一个节点继续处理。传统的批量计算，在缓存写满时会持久化到本地硬盘，当所有数据被处理完成后，才通过网络传输到下一个节点，计算过程中的结果保存在硬盘，然后再从硬盘读数，影响处理性能。流式处理技术以内存取代硬盘能快速处理数据。本申请对具体的流计算技术不进行限定，可以是Storm流计算，如图4所示是基于Storm流计算的交易数据同步的方案框架。

为便于理解，先对Storm相关术语进行解释说明。Storm主要术语包括Streams、Spouts、Bolts和Topology。Streams即数据流，是无限序列元组，元组又称作tuple，tuple是Storm中主要的数据结构，这些tuple序列会以分布式的方式并行地创建和处理。Spouts是Streams的源头，Spouts从外部读取流数据，封装成tuple形式，发送到Stream中。Bolts是流的中间状态转换，Bolts对接收的tuple进行计算和处理。Topology是对Spouts和Bolts的高度抽象，表示数据流导向的流转换拓扑图，一个Topology是一个Storm作业。每一道程序通过Spout从Kafka获取数据流，发给相应的Bolt进行处理，几个程序之间的数据交互通过Kafka完成。图4所示的Topology过程基于内存进行计算，能实时、高效地完成数据处理，进一步满足用户对金融系统风险管控的实时性要求。

在本申请实施例中，数据抽取程序将变动数据实时抽取出来之后，将变动数据发送给数据加工程序进行业务逻辑加工，具体为：按照预定的第一数据结构对变动数据进行格式处理，之后再经过批量优化处理得到第一数据流。

S240、按照业务要素信息将第一数据流分发至对应的逻辑处理节点，通过逻辑处理节点分别对第一数据流中的交易要素、管理要素和关联要素进行处理，得到中间数据。

其中，业务要素信息至少包括交易要素、管理要素和关联要素。

在本申请实施例中，经上述步骤S230得到第一数据流之后，数据加工程序再将第一数据流分发给多个逻辑处理节点，分别对本交易数据的交易要素、管理要素和关联要素进行组装处理得到中间数据。

S250、基于第二数据结构对中间数据进行格式处理得到第二数据流。

在本申请实施例中，数据加工程序再将所得到的中间数据按照约定的第二数据结构进行格式处理得到第二数据流。

S260、将第二数据流存储至对应的业务宽表中。

在本申请实施例中，将第二数据流发送给数据落地程序，数据落地程序将第二数据流存储至对应的业务宽表中。

本实施例提供的技术方案，通过将历史交易数据、用户信息和出借契约数据进行汇总得到业务宽表；当监测到交易主表和/或交易子表有变动时，从交易主表和/或交易子表中抽取变动数据；采用流计算技术基于第一数据结构对变动数据进行格式处理和优化处理，得到第一数据流；按照业务要素信息将第一数据流分发至对应的逻辑处理节点，通过逻辑处理节点分别对第一数据流中的交易要素、管理要素和关联要素进行处理得到中间数据；基于第二数据结构对中间数据进行格式处理得到第二数据流；将第二数据流存储至对应的业务宽表中。本申请采用流计算技术实时将各类业务要素归集到宽表，可以极大提高数据处理的性能，为用户提供更快速的风控处理体验；从而在数据获取层面上，可以统一从业务宽表中一次远程调用以获取交易数据对应的风险要素信息，可以有效提升风控处理的响应效率。此外，由于将交易数据同步至业务宽表中，后续的交易风控处理时基于宽表进行风险规则匹配，可以保证了数据使用的一致性，进而确保风控决策结果的准确可靠性。

图5为本申请实施例提供的一种风控策略确定装置的结构示意图，如图5所示，该装置500可以包括：

风险要素获取模块510，用于获取交易风控请求中交易数据的标识号，基于所述标识号从业务宽表中获取所述交易数据对应的多个风险要素信息；

风险指标确定模块520，用于通过规则引擎组件对所述多个风险要素信息、宽表映射规则表和风险指标配置表进行匹配得到所述交易数据对应的目标风险指标；

风控策略确定模块530，用于基于所述目标风险指标和所述交易数据中所述目标风险指标对应的风险数据确定风控决策结果。

进一步的，上述风险指标确定模块520，可以具体用于：基于所述宽表映射规则表将所述多个风险要素信息组合成风控输入实体；基于所述风险指标配置表确定所述风控输入实体对应的目标风险指标。

进一步的，上述风险指标确定模块520，还可以具体用于：解析所述风险指标配置表得到风险规则集合；从所述风险规则集合中确定出所述风控输入实体对应的目标风险规则；查询所述风险指标配置表确定出所述目标风险规则对应的目标风险指标。

可选的，所述业务宽表至少包括交易宽表、用户宽表和出借契约宽表；

进一步的，上述风控策略确定装置，还可以包括：业务宽表确定模块；

所述业务宽表确定模块，用于将历史交易数据、用户信息和出借契约数据进行汇总得到业务宽表；当监测到交易主表和/或交易子表有变动时，从所述交易主表和/或所述交易子表中抽取变动数据，对所述变动数据进行数据处理，并将数据处理之后的变动数据同步至所述业务宽表中。

进一步的，上述业务宽表确定模块，可以具体用于：采用流计算技术基于第一数据结构对所述变动数据进行格式处理和优化处理，得到第一数据流；按照所述变动数据对应的业务要素信息对所述第一数据流进行处理，得到第二数据流；将所述第二数据流存储至对应的所述业务宽表中。

可选的，所述业务要素信息至少包括交易要素、管理要素和关联要素。

进一步的，上述业务宽表确定模块，还可以具体用于：按照所述业务要素信息将所述第一数据流分发至对应的逻辑处理节点；通过所述逻辑处理节点分别对所述第一数据流中的交易要素、管理要素和关联要素进行处理，得到中间数据；基于第二数据结构对所述中间数据进行格式处理得到所述第二数据流。

可选的，所述风控输入实体中至少包括交易记录实体、交易对手实体和出借契约实体；所述交易记录实体、所述交易对手实体和所述出借契约实体中的要素与所述业务宽表中宽表字段一一对应。

本实施例提供的风控策略确定装置可适用于上述任意实施例提供的风控策略确定方法，具备相应的功能和有益效果。

图6是用来实现本申请实施例的一种风控策略确定方法的电子设备的框图。电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图6所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM12以及RAM13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如风控策略确定方法。

在一些实施例中，风控策略确定方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时，可以执行上文描述的风控策略确定方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行风控策略确定方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置和该至少一个输出装置。

用于实施本申请的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本申请的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)或者包括中间件部件的计算系统(例如，应用服务器)或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)或者包括这种后台部件、中间件部件或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (10)

1.一种风控策略确定方法，其特征在于，所述方法包括：

获取交易风控请求中交易数据的标识号，基于所述标识号从业务宽表中获取所述交易数据对应的多个风险要素信息；

通过规则引擎组件对所述多个风险要素信息、宽表映射规则表和风险指标配置表进行匹配得到所述交易数据对应的目标风险指标；

基于所述目标风险指标和所述交易数据中所述目标风险指标对应的风险数据确定风控决策结果。

2.根据权利要求1所述的风控策略确定方法，其特征在于，所述通过规则引擎组件对所述多个风险要素信息、宽表映射规则表和风险指标配置表进行匹配得到所述交易数据对应的目标风险指标，包括：

基于所述宽表映射规则表将所述多个风险要素信息组合成风控输入实体；

基于所述风险指标配置表确定所述风控输入实体对应的目标风险指标。

3.根据权利要求2所述的风控策略确定方法，其特征在于，所述基于所述风险指标配置表确定所述风控输入实体对应的目标风险指标，包括：

解析所述风险指标配置表得到风险规则集合；

从所述风险规则集合中确定出所述风控输入实体对应的目标风险规则；

查询所述风险指标配置表确定出所述目标风险规则对应的目标风险指标。

4.根据权利要求1所述的风控策略确定方法，其特征在于，所述业务宽表至少包括交易宽表、用户宽表和出借契约宽表，通过如下方式确定所述业务宽表：

将历史交易数据、用户信息和出借契约数据进行汇总得到业务宽表；

当监测到交易主表和/或交易子表有变动时，从所述交易主表和/或所述交易子表中抽取变动数据，对所述变动数据进行数据处理，并将数据处理之后的变动数据同步至所述业务宽表中。

5.根据权利要求4所述的风控策略确定方法，其特征在于，所述对所述变动数据进行数据处理，并将数据处理之后的变动数据同步至所述业务宽表中，包括：

采用流计算技术基于第一数据结构对所述变动数据进行格式处理和优化处理，得到第一数据流；

按照所述变动数据对应的业务要素信息对所述第一数据流进行处理，得到第二数据流；

将所述第二数据流存储至对应的所述业务宽表中。

6.根据权利要求5所述的风控策略确定方法，其特征在于，所述业务要素信息至少包括交易要素、管理要素和关联要素，所述按照所述变动数据对应的业务要素信息对所述第一数据流进行处理，得到第二数据流，包括：

按照所述业务要素信息将所述第一数据流分发至对应的逻辑处理节点；

通过所述逻辑处理节点分别对所述第一数据流中的交易要素、管理要素和关联要素进行处理，得到中间数据；

基于第二数据结构对所述中间数据进行格式处理得到所述第二数据流。

7.根据权利要求2所述的风控策略确定方法，其特征在于，所述风控输入实体中至少包括交易记录实体、交易对手实体和出借契约实体；所述交易记录实体、所述交易对手实体和所述出借契约实体中的要素与所述业务宽表中宽表字段一一对应。

8.一种风控策略确定装置，其特征在于，所述装置包括：

风险要素获取模块，用于获取交易风控请求中交易数据的标识号，基于所述标识号从业务宽表中获取所述交易数据对应的多个风险要素信息；

风险指标确定模块，用于通过规则引擎组件对所述多个风险要素信息、宽表映射规则表和风险指标配置表进行匹配得到所述交易数据对应的目标风险指标；

风控策略确定模块，用于基于所述目标风险指标和所述交易数据中所述目标风险指标对应的风险数据确定风控决策结果。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任一所述的风控策略确定方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1至7中任一所述的风控策略确定方法。

Images