CN116578984A - 一种业务数据的风险管控方法、系统、设备和介质 - Google Patents
一种业务数据的风险管控方法、系统、设备和介质 Download PDFInfo
- Publication number
- CN116578984A CN116578984A CN202310540552.0A CN202310540552A CN116578984A CN 116578984 A CN116578984 A CN 116578984A CN 202310540552 A CN202310540552 A CN 202310540552A CN 116578984 A CN116578984 A CN 116578984A
- Authority
- CN
- China
- Prior art keywords
- risk management
- service
- control
- user
- attribute 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000011217 control strategy Methods 0.000 claims abstract description 110
- 238000007726 management method Methods 0.000 claims description 252
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 abstract description 5
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
- G06F21/575—Secure boot
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/547—Remote procedure calls [RPC]; Web services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请还提供一种业务数据的风险管控方法、系统、设备和介质,涉及数字医疗领域,该方法包括:获取多个用户业务参数,根据所述用户业务参数调用关联的属性数据,得到用户的属性数据集合;根据所述用户业务参数确定用户的业务特征,以根据所述业务特征调用一个或多个预设的风险管控策略,生成风险管控序列;根据所述风险管控序列调用所述属性数据集合中的属性数据进行数据组合,得到所述风险管控序列中各风险管控策略的待执行序列;根据各所述待执行序列的执行结果确定对应业务的风险信息。本申请业务方接入简单,风控策略扩展便捷,风控响应速度快。
Description
技术领域
本发明涉及数字医疗领域,尤其涉及一种业务数据的风险管控方法、系统、设备和介质。
背景技术
随着互联网的蓬勃发展,原有系统已经无法满足日益灵活的业务需求。首先,原有系统只能依赖业务系统上送的参数,业务系统传什么就只能用什么,简单增加查询无法解决按需使用问题。用户在登录医疗相关的业务系统时,可能存在上传的信息不符合使用规范,原系统策略表达方式比较弱,只支持计算因子,不能使用其他属性。这将极大地影响风险管控的有效性。如何保证系统数据按需使用并保证风险管控有效性成为当前一大难题。
发明内容
鉴于以上现有技术存在的问题,本发明提出一种业务数据的风险管控方法、系统、设备和介质,主要解决现有系统使用数据缺乏灵活性,且数据表达较单一,难以保证风险管控有效性的问题。
为了实现上述目的及其他目的,本发明采用的技术方案如下。
本申请还提供一种业务数据的风险管控方法,包括:
获取多个用户业务参数,根据所述用户业务参数调用关联的属性数据,得到用户的属性数据集合;
根据所述用户业务参数确定用户的业务特征,以根据所述业务特征调用一个或多个预设的风险管控策略,生成风险管控序列;
根据所述风险管控序列调用所述属性数据集合,并将所述属性数据集合中的属性数据进行数据组合,得到所述风险管控序列中各风险管控策略的待执行序列;
根据各所述待执行序列的执行结果确定对应业务的风险信息。
在本申请一实施例中,根据所述用户业务参数调用关联的属性数据,包括:
通过预设的参数识别模型识别所述用户业务参数对应的参数类别;
根据所述参数类别调用预设的属性映射关系表,确定所述参数类别关联的属性类别;
根据所述属性类别调用所述用户业务参数对应的关联业务数据,基于所述关联业务数据确定所述属性类别对应的属性数据作为所述用户业务参数关联的属性数据。
在本申请一实施例中,根据所述用户业务参数确定用户的业务特征,包括:
获取所述用户业务参数中的字段或图像;
对所述字段或图像进行特征提取,得到所述用户业务参数对应的业务特征。
在本申请一实施例中,根据所述业务特征调用一个或多个预设的风险管控策略之前,还包括:
根据预设风险管控需求构建风险管控策略,每个风险管控策略至少包含业务节点和服务节点,所述业务节点包含需要传入的业务参数类型,通过所述业务节点接收业务参数,并通过所述服务节点调用预设子服务对所述业务参数进行校验,输出对应风险管控策略的执行结果;
将各风险管控策略中业务节点的业务参数类型作为对应风险管控策略的关键特征,基于所述关键特征将各所述风险管控策略存入预设数据库,得到策略库。
在本申请一实施例中,根据所述业务特征调用一个或多个预设的风险管控策略,生成风险管控序列,包括:
将所述业务特征与所述策略库中各风险管控策略的关键特征进行比对,所所述业务特征与所述关键特征的相似度达到预设阈值,则输出所述关键特征对应的风险管控策略作为所述业务特征需要调用的风险管控策略;
将多个所述业务特征需要调用的多个风险管控策略组合成一维序列,得到风险管控序列。
在本申请一实施例中,根据所述风险管控序列调用所述属性数据集合,并将所述属性数据集合中的属性数据进行数据组合,得到所述风险管控序列中各风险管控策略的待执行序列,包括:
在所述风险管控策略的业务节点中传入所述用户业务参数,根据所述用户业务参数关联的属性数据调用用于处理对应属性数据的预设子服务;
根据所述预设子服务的预设优先级确定对应风险管控策略的优先级;
完成子服务调用和用户业务参数传入后生成对应风险管控策略的待执行序列。
在本申请一实施例中,根据所述风险管控序列调用所述属性数据集合,并将所述属性数据集合中的属性数据进行数据组合,还包括:
根据所述业务参数关联的属性数据的数量对同一业务参数的风险管控策略进行扩增,使得单个风险管控策略的待执行序列中只包含一个预设子服务;
根据所述预设子服务对扩正后的风险管控策略进行重新排序,并根据排序结果重新确定所述风险管控序列中各风险管控策略的执行顺序。
本申请还提供一种业务数据的风险管控系统,包括:
属性数据获取模块,用于获取多个用户业务参数,根据所述用户业务参数调用关联的属性数据,得到用户的属性数据集合;
风险管控策略调用模块,用于风险管控列根据所述用户业务参数确定用户的业务特征,以根据所述业务特征调用一个或多个预设的风险管控策略,生成风险管控序列;
待执行序列构建模块,用于根据所述风险管控序列调用所述属性数据集合,并将所述属性数据集合中的属性数据进行数据组合,得到所述风险管控序列中各风险管控策略的待执行序列;
执行输出模块,用于根据各所述待执行序列的执行结果确定对应业务的风险信息。
本申请还提供一种计算机设备,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,所述处理器执行所述计算机程序时实现所述的业务数据的风险管控方法的步骤。
本申请还提供一种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所述的业务数据的风险管控方法的步骤。
如上所述,本发明一种业务数据的风险管控方法、系统、设备和介质,具有以下有益效果。
本申请通过获取多个用户业务参数,根据所述用户业务参数调用关联的属性数据,得到用户的属性数据集合;根据所述用户业务参数确定用户的业务特征,以根据所述业务特征调用一个或多个预设的风险管控策略,生成风险管控序列;根据所述风险管控序列调用所述属性数据集合,并将所述属性数据集合中的属性数据进行数据组合,得到所述风险管控序列中各风险管控策略的待执行序列;根据各所述待执行序列的执行结果确定对应业务的风险信息。本申请只需要获取少量的用户业务参数,便可基于用户业务参数调用关联的属性数据,基于属性数据进行针对性的风险管控,实现数据按需获取,按需使用,同时根据预设的风险管控策略针对特定属性信息进行分析管理,获取风险信息,可保证风险管控的有效性。
附图说明
图1为本申请一实施例中业务数据的风险管控方法的一个可选的应用环境示意图。
图2为本申请一实施例中业务数据的风险管控方法的流程示意图。
图3为本申请一实施例中风险管控系统的整体架构示意图。
图4为本申请一实施例中业务数据的风险管控系统的模块图。
图5是本申请一实施例中计算机设备的一结构示意图。
图6是本申请一实施例中计算机设备的另一结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本申请实施例提供的业务数据的风险管控方法,可应用在如图1的应用环境中,其中,客户端通过网络与服务端进行通信。服务端可以通过客户端获取多个用户业务参数,根据所述用户业务参数调用关联的属性数据,得到用户的属性数据集合;根据所述用户业务参数确定用户的业务特征,以根据所述业务特征调用一个或多个预设的风险管控策略,生成风险管控序列;根据所述风险管控序列调用所述属性数据集合中的属性数据进行数据组合,得到所述风险管控序列中各风险管控策略的待执行序列;根据各所述待执行序列的执行结果确定对应业务的风险信息。在本申请中,针对用户或业务方访问系统是进行响应数据的风险管控,响应速度快,无依赖关系的节点全部并行执行,场景可在毫秒级响应。业务方接入简单,只需要传入必须用户业务参数,其他属性数据风控可自行获取。接入解耦,不强依赖风控系统的稳定性;灵活,支持大量获取其他属性,根据策略依赖选择调用服务,扩展方便;风控扩展对业务无感,风控可以按需增加其他属性的获取方式。其中,客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端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。下面通过具体的实施例对本申请进行详细的描述。
请参阅图1,本发明提供一种业务数据的风险管控方法,该方法包括以下步骤:
步骤S300,获取多个用户业务参数,根据所述用户业务参数调用关联的属性数据,得到用户的属性数据集合;
步骤S310,根据所述用户业务参数确定用户的业务特征,以根据所述业务特征调用一个或多个预设的风险管控策略,生成风险管控序列;
步骤S320,根据所述风险管控序列调用所述属性数据集合,并将所述属性数据集合中的属性数据进行数据组合,得到所述风险管控序列中各风险管控策略的待执行序列;
步骤S330,根据各所述待执行序列的执行结果确定对应业务的风险信息。
在步骤S300中,获取多个用户业务参数,根据所述用户业务参数调用关联的属性数据,得到用户的属性数据集合。
请参阅图2,图2为本申请一实施例中风险管控系统的整体架构示意图。在一实施例中,风险管控系统架构可包括三个板块,分别为业务系统、风控系统和数据存储。业务系统可包括用户信息、商城信息、促销信息、头条信息或其他业务相关信息。业务系统可以是药品售卖系统、医疗咨询系统等,业务方在接入业务系统时需要设置个人向光的业务参数信息如昵称、头像等。业务系统可通过远程过程控制的方式或其他指定的接入方式接入风控系统。业务系统可根据不同场景向风控系统上传必要的用户业务参数。示例性地,用户业务参数包括:用户ID、用户头像、用户IP地址等。风控系统可包括风控接入层和策略引擎。策略引擎可调用各类预设的子服务,其中自服务包括:计算服务,AI(ArtificialIntelligence)服务、标签服务、内容检测、调用模型、黑白名单等。通过计算服务可以统计用户在预设时间段内的下单量等信息,黑白名单可判断对应用户是否为访问受限用户等。可根据不同应用需求调用对应的子服务。风控系统获取的相关数据可通过数据库进行存储,数据库包括但不限于:hive、redis、mysql、hbase等。风控系统的风控接入层在接收到业务系统上送的业务参数后,会对业务参数的合法性进行基础校验,若业务参数满足预设的合法性需求,则上报风控策略引擎进行进一步处理。风控策略引擎可基于用户业务参数调用关联的属性数据。
在一实施例中,根据所述用户业务参数调用关联的属性数据,包括以下步骤:
步骤S301,通过预设的参数识别模型识别所述用户业务参数对应的参数类别。
在一实施例中,可采集和整理过去一段时间的历史业务数据,根据历史业务数据整理得到业务参数样本,基于业务参数样本构建训练样本集,在训练样本集中标注各业务参数样本的参数类别,以对应的参数类别作为分类目标,训练神经网络,使得神经网络输出的预测样本与真实样本偏差小于预设值。神经网络可采用循环神经网络、递归神经网络等常用的神经网络架构,具体训练过程这里不再赘述。通过训练神经网络可得到用于识别用户业务参数对应参数类别的参数识别模型。将业务系统上送的用户业务参数输入该参数识别模型中,可得到当前用户业务参数对应的参数类别。
步骤S302,根据所述参数类别调用预设的属性映射关系表,确定所述参数类别关联的属性类别。
在一实施例中,可预先构建属性映射表,属性映射表中记录了不同参数类别对应的属性类别,通过属性映射表建立参数类别与属性类别的关联关系。基于参数类别进行查表,可得到用户业务参数的参数类别关联的多个属性类别。
步骤S303,根据所述属性类别调用所述用户业务参数对应的关联业务数据,基于所述关联业务数据确定所述属性类别对应的属性数据作为所述用户业务参数关联的属性数据。
在一实施例中,业务系统会记录用户办理相关业务过程中的各项业务数据,可基于上送的业务参数关联的多个属性类别从业务系统记录的该用户的业务数据中检索与对应属性类别匹配的属性数据。示例性地,用户ID可关联用户的昵称,用户的IP地址可关联用户的城市等属性信息,可基于关联的属性类别调用业务系统相关的属性信息作为上送的用户业务参数关联的属性数据。当业务系统上传多个同一个用户的多个用户业务参数时,可基于用户业务参数关联的属性信息生成属性数据集合。
步骤S310,根据所述用户业务参数确定用户的业务特征,以根据所述业务特征调用一个或多个预设的风险管控策略,生成风险管控序列。
在一实施例中,根据所述用户业务参数确定用户的业务特征,包括以下步骤:
步骤S311,获取所述用户业务参数中的字段或图像。
在一实施例中,用户业务参数可包括文本和图像。将文本中的字段作为业务参数。多个用户业务参数也可同时包含文本类数据和图像数据。可获取用户业务参数中的相关数据。
步骤S312,对所述字段或图像进行特征提取,得到所述用户业务参数对应的业务特征。
在一实施例中,可通过卷积神经网络提取图像特征或者通过词袋模型等提取字段的特征,将提取的特征作为业务参数对应的业务特征。
在一实施例中,根据所述业务特征调用一个或多个预设的风险管控策略之前,还包括以下步骤:
步骤S313,根据预设风险管控需求构建风险管控策略,每个风险管控策略至少包含业务节点和服务节点,所述业务节点包含需要传入的业务参数类型,通过所述业务节点接收业务参数,并通过所述服务节点调用预设子服务对所述业务参数进行校验,输出对应风险管控策略的执行结果。
在一实施例中,可根据各种业务场景需求构建对应的风险管控策略,风险管控策略至少包括一个业务节点和一个服务节点,业务节点用于接收业务系统上送的用户业务参数,一个用户业务参数对应一个风险管控策略的业务节点。由于用户业务参数关联多个属性数据,可通过服务节点调用预设子服务对每个属性数据进行处理,示例性地,可调用内容检测服务,检测属性数据中的内容是否存在不规范的问题等。在执行服务节点时,可通过对应子服务对属性数据进校验,输出风险管控策略的执行结果。风险管控策略为一个待执行序列串,该序列串的执行时序为:先传入用户业务参数,再传入关联的属性数据,通过服务节点对属性数据进行校验后输出校验结果。
步骤S314,将各风险管控策略中业务节点的业务参数类型作为对应风险管控策略的关键特征,基于所述关键特征将各所述风险管控策略存入预设数据库,得到策略库。
在一实施例中,通过前述步骤中的参数识别模型识别到业务参数类型,可将业务参数类型作为各风险管控策略的关键特征。将构建的各风险管控策略村塾预设数据库,得到策略库。策略库中的风险管控策略仅包含节点信息和节点需求的数据类型。在调用策略库中相应的风险管控策略后,可基于节点信息匹配相应的数据,接收传入数据,对传入数据进行处理。
在一实施例中,根据所述业务特征调用一个或多个预设的风险管控策略,生成风险管控序列,包括以下步骤:
步骤S315,将所述业务特征与所述策略库中各风险管控策略的关键特征进行比对,所所述业务特征与所述关键特征的相似度达到预设阈值,则输出所述关键特征对应的风险管控策略作为所述业务特征需要调用的风险管控策略;
在一实施例中,在调用策略库中的风险管控策略时,可将业务特征与风险管控策略的关键特征进行相似度比对,若二者达到预设相似度阈值,则认为对应的风险管控策略与用户业务参数匹配。同一个用户业务参数可能存在多个匹配的风险管控策略。
步骤S316,将多个所述业务特征需要调用的多个风险管控策略组合成一维序列,得到风险管控序列。
在一实施例中,当业务系统上送的用户业务参数为多个时,多个用户业务参数匹配到的风险管控策略可组合成一个风险管控序列,每个风险管控策略作为所述风险管控序列的一个节点。基于风险管控序列填充每个风险管控策略的业务节点和服务节点。
步骤S320,根据所述风险管控序列调用所述属性数据集合,并将所述属性数据集合中的属性数据进行数据组合,得到所述风险管控序列中各风险管控策略的待执行序列。
在一实施例中,根据所述风险管控序列调用所述属性数据集合,并将所述属性数据集合中的属性数据进行数据组合,得到所述风险管控序列中各风险管控策略的待执行序列,包括以下步骤:
步骤S321,在所述风险管控策略的业务节点中传入所述用户业务参数,根据所述用户业务参数关联的属性数据调用用于处理对应属性数据的预设子服务。
在一实施例中,由于前述通过用户业务参数匹配得到的风险管控序列中,各风险风险管控策略仅包含节点信息以及业务节点的关键特征。可基于业务节点的关键特征将对应的用户业务参数传入对应的业务节点中。再将用户业务参数关联的属性数据传入服务节点,服务节点基于属性数据调用处理对应属性数据的子服务。
在一实施例中,根据所述风险管控序列调用所述属性数据集合中的属性数据进行数据组合,还包括:根据所述业务参数关联的属性数据的数量对同一业务参数的风险管控策略进行扩增,使得单个风险管控策略的待执行序列中只包含一个预设子服务;根据所述预设子服务对扩正后的风险管控策略进行重新排序,并根据排序结果重新确定所述风险管控序列中各风险管控策略的执行顺序。
具体地,由于一个用户业务参数可能存在关联的多个属性数据,可基于同一用户业务参数的风险管控策略进行扩增,新增的风险管控策略的业务节点与原风向管控策略的业务节点保持一致,新增的风险管控策略的服务节点用于传入同一用户业务参数关联的其他属性数据,使得一个属性数据对应一个风险管控策略,可针对性的对属性数据进行处理。
步骤S322,根据所述预设子服务的预设优先级确定对应风险管控策略的优先级。
在一实施例中,由于不同子服务对应不同的处理优先级,可在完成风险管控策略扩增后,基于子服务的优先级对风险管控序列中的风险管控策略进行重新排序。
步骤S323,完成子服务调用和用户业务参数传入后生成对应风险管控策略的待执行序列。
在一实施例中,完成用户业务参数和属性数据传入以及子服务调用后可生成对应风险管控策略的待执行序列,待执行序列包括风向管控策略主节点、服务节点以及业务节点。
在步骤S330中,根据各所述待执行序列的执行结果确定对应业务的风险信息。
用户访问系统后按照需要执行的风向管控策略和属性数据执行对应的待执行序列。当某个属性数据已经执行完成,会通知对应的风向管控策略主节点。由于子服务或者属性数据之间可能存在依赖关系,策略主节点可判断是否所有依赖的子服务或者属性数据均已经执行完成,如果存在未执行的具有依赖关系的子服务或属性数据则继续等待,如果已经全部执行,则根据依赖的子服务或属性数据判断该策略是否命中。如果命中,判断当前风险管控策略是否优先级最高,如果优先级最高,则更新该策略执行结果并将结果直接返回给调用的用户;如果优先级非最高,则更新该策略已经命中,并且继续等待;如果未命中,更新该策略执行结果,判断是否风险管控序列中所有风险管控策略均执行完毕,如果执行完毕,循环所有的策略,如果存在策略命中则按照命中返回,如果不存在则返回未命中;如果未执行完毕,则继续等待。根据返回命中情况输出风险相关信息。
在一实施例中,新用户进入平台会自定义昵称和上送头像,对应的风险管控策略包括:策略1:用户昵称是否包含违禁词,优先级1;策略2:用户头像是否违规,优先级2;策略3:第三方检测昵称是否违规,优先级3;策略4:第三方检测头像是否违规,优先级4。
用户保存昵称和头像的时候会进行风控策略校验:策略1:因为违禁词判断没有返回结果,因此该策略未执行;策略2:该策略已经执行完成,并且经过黄图分析,头像存在涉黄。因为策略1未执行完,因此需要等待策略1执行完成,如果策略1未命中,则返回策略2的命中结果,如果策略1命中,则返回策略1的命中记过;策略3:该策略已经执行完成,未命中;策略4:因为第三方识别没有返回结果,因此该策略未执行。
本申请提供的一种业务数据的风险管控方法,响应速度快,无依赖关系的节点全部并行执行,场景可在毫秒级响应。业务方接入简单,只需要传入必须参数,其他参数风控可自行获取。接入解耦,不强依赖风控系统的稳定性;灵活,支持大量获取其他属性,根据策略依赖选择调用服务,扩展方便;风控扩展对业务无感,风控可以按需增加其他属性的获取方式。
在一实施例中,本申请实施例还提供一种业务数据的风险管控系统,该业务数据的风险管控系统与上述实施例中业务数据的风险管控方法一一对应。如图4所示,该业务数据的风险管控系统包括:属性数据获取模块101、风险管控策略调用模块102、待执行序列构建模块103和执行输出模块104。各功能模块详细说明如下:
属性数据获取模块101,用于获取多个用户业务参数,根据所述用户业务参数调用关联的属性数据,得到用户的属性数据集合;
风险管控策略调用模块102,用于风险管控列根据所述用户业务参数确定用户的业务特征,以根据所述业务特征调用一个或多个预设的风险管控策略,生成风险管控序列;
待执行序列构建模块103,用于根据所述风险管控序列调用所述属性数据集合,并将所述属性数据集合中的属性数据进行数据组合,得到所述风险管控序列中各风险管控策略的待执行序列;
执行输出模块104,用于根据各所述待执行序列的执行结果确定对应业务的风险信息。
在一实施例中,属性数据获取模块101,具体用于:根据所述用户业务参数调用关联的属性数据,包括:通过预设的参数识别模型识别所述用户业务参数对应的参数类别;根据所述参数类别调用预设的属性映射关系表,确定所述参数类别关联的属性类别;根据所述属性类别调用所述用户业务参数对应的关联业务数据,基于所述关联业务数据确定所述属性类别对应的属性数据作为所述用户业务参数关联的属性数据。
在一实施例中,风险管控策略调用模块102,具体用于:根据所述用户业务参数确定用户的业务特征,包括:获取所述用户业务参数中的字段或图像;对所述字段或图像进行特征提取,得到所述用户业务参数对应的业务特征。
在一实施例中,风险管控策略调用模块102,还用于:根据所述业务特征调用一个或多个预设的风险管控策略之前,还包括:根据预设风险管控需求构建风险管控策略,每个风险管控策略至少包含业务节点和服务节点,所述业务节点包含需要传入的业务参数类型,通过所述业务节点接收业务参数,并通过所述服务节点调用预设子服务对所述业务参数进行校验,输出对应风险管控策略的执行结果;将各风险管控策略中业务节点的业务参数类型作为对应风险管控策略的关键特征,基于所述关键特征将各所述风险管控策略存入预设数据库,得到策略库。
在一实施例中,风险管控策略调用模块102,具体还用于:根据所述业务特征调用一个或多个预设的风险管控策略,生成风险管控序列,包括:将所述业务特征与所述策略库中各风险管控策略的关键特征进行比对,所所述业务特征与所述关键特征的相似度达到预设阈值,则输出所述关键特征对应的风险管控策略作为所述业务特征需要调用的风险管控策略;将多个所述业务特征需要调用的多个风险管控策略组合成一维序列,得到风险管控序列。
在一实施例中,待执行序列构建模块103,具体还用于:根据所述风险管控序列调用所述属性数据集合,并将所述属性数据集合中的属性数据进行数据组合,得到所述风险管控序列中各风险管控策略的待执行序列,包括:在所述风险管控策略的业务节点中传入所述用户业务参数,根据所述用户业务参数关联的属性数据调用用于处理对应属性数据的预设子服务;根据所述预设子服务的预设优先级确定对应风险管控策略的优先级;完成子服务调用和用户业务参数传入后生成对应风险管控策略的待执行序列。
在一实施例中,待执行序列构建模块103,具体用于:根据所述风险管控序列调用所述属性数据集合,并将所述属性数据集合中的属性数据进行数据组合,还包括:根据所述业务参数关联的属性数据的数量对同一业务参数的风险管控策略进行扩增,使得单个风险管控策略的待执行序列中只包含一个预设子服务;根据所述预设子服务对扩正后的风险管控策略进行重新排序,并根据排序结果重新确定所述风险管控序列中各风险管控策略的执行顺序。
本申请提供的一种业务数据的风险管控系统,响应速度快,无依赖关系的节点全部并行执行,场景可在毫秒级响应。业务方接入简单,只需要传入必须参数,其他参数风控可自行获取。接入解耦,不强依赖风控系统的稳定性;灵活,支持大量获取其他属性,根据策略依赖选择调用服务,扩展方便;风控扩展对业务无感,风控可以按需增加其他属性的获取方式。
关于业务数据的风险管控系统的具体限定可以参见上文中对于业务数据的风险管控方法的限定,在此不再赘述。上述业务数据的风险管控系统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端,其内部结构图可以如图5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和/或易失性存储介质、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的客户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业务数据的风险管控方法服务端侧的功能或步骤。
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客户端,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、显示屏和输入装置。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和计算机程序。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服务器通过网络连接通信。该计算机程序被处理器执行时以实现一种业务数据的风险管控方法客户端侧的功能或步骤
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:
获取多个用户业务参数,根据所述用户业务参数调用关联的属性数据,得到用户的属性数据集合;
根据所述用户业务参数确定用户的业务特征,以根据所述业务特征调用一个或多个预设的风险管控策略,生成风险管控序列;
根据所述风险管控序列调用所述属性数据集合,并将所述属性数据集合中的属性数据进行数据组合,得到所述风险管控序列中各风险管控策略的待执行序列;
根据各所述待执行序列的执行结果确定对应业务的风险信息。
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:
获取多个用户业务参数,根据所述用户业务参数调用关联的属性数据,得到用户的属性数据集合;
根据所述用户业务参数确定用户的业务特征,以根据所述业务特征调用一个或多个预设的风险管控策略,生成风险管控序列;
根据所述风险管控序列调用所述属性数据集合,并将所述属性数据集合中的属性数据进行数据组合,得到所述风险管控序列中各风险管控策略的待执行序列;
根据各所述待执行序列的执行结果确定对应业务的风险信息。
需要说明的是,上述关于计算机可读存储介质或计算机设备所能实现的功能或步骤,可对应参阅前述方法实施例中,服务端侧以及客户端侧的相关描述,为避免重复,这里不再一一描述。
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,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。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种业务数据的风险管控方法,其特征在于,包括:
获取多个用户业务参数,根据所述用户业务参数调用关联的属性数据,得到用户的属性数据集合;
根据所述用户业务参数确定用户的业务特征,以根据所述业务特征调用一个或多个预设的风险管控策略,生成风险管控序列;
根据所述风险管控序列调用所述属性数据集合,并将所述属性数据集合中的属性数据进行数据组合,得到所述风险管控序列中各风险管控策略的待执行序列;
根据各所述待执行序列的执行结果确定对应业务的风险信息。
2.根据权利要求1所述的业务数据的风险管控方法,其特征在于,根据所述用户业务参数调用关联的属性数据,包括:
通过预设的参数识别模型识别所述用户业务参数对应的参数类别;
根据所述参数类别调用预设的属性映射关系表,确定所述参数类别关联的属性类别;
根据所述属性类别调用所述用户业务参数对应的关联业务数据,基于所述关联业务数据确定所述属性类别对应的属性数据作为所述用户业务参数关联的属性数据。
3.根据权利要求1所述的业务数据的风险管控方法,其特征在于,根据所述用户业务参数确定用户的业务特征,包括:
获取所述用户业务参数中的字段或图像;
对所述字段或图像进行特征提取,得到所述用户业务参数对应的业务特征。
4.根据权利要求1所述的业务数据的风险管控方法,其特征在于,根据所述业务特征调用一个或多个预设的风险管控策略之前,还包括:
根据预设风险管控需求构建风险管控策略,每个风险管控策略至少包含业务节点和服务节点,所述业务节点包含需要传入的业务参数类型,通过所述业务节点接收业务参数,并通过所述服务节点调用预设子服务对所述业务参数进行校验,输出对应风险管控策略的执行结果;
将各风险管控策略中业务节点的业务参数类型作为对应风险管控策略的关键特征,基于所述关键特征将各所述风险管控策略存入预设数据库,得到策略库。
5.根据权利要求1所述的业务数据的风险管控方法,其特征在于,根据所述业务特征调用一个或多个预设的风险管控策略,生成风险管控序列,包括:
将所述业务特征与所述策略库中各风险管控策略的关键特征进行比对,所所述业务特征与所述关键特征的相似度达到预设阈值,则输出所述关键特征对应的风险管控策略作为所述业务特征需要调用的风险管控策略;
将多个所述业务特征需要调用的多个风险管控策略组合成一维序列,得到风险管控序列。
6.根据权利要求1或4所述的业务数据的风险管控方法,其特征在于,根据所述风险管控序列调用所述属性数据集合,并将所述属性数据集合中的属性数据进行数据组合,得到所述风险管控序列中各风险管控策略的待执行序列,包括:
在所述风险管控策略的业务节点中传入所述用户业务参数,根据所述用户业务参数关联的属性数据调用用于处理对应属性数据的预设子服务;
根据所述预设子服务的预设优先级确定对应风险管控策略的优先级;
完成子服务调用和用户业务参数传入后生成对应风险管控策略的待执行序列。
7.根据权利要求6所述的业务数据的风险管控方法,其特征在于,根据所述风险管控序列调用所述属性数据集合,并将所述属性数据集合中的属性数据进行数据组合,还包括:
根据所述业务参数关联的属性数据的数量对同一业务参数的风险管控策略进行扩增,使得单个风险管控策略的待执行序列中只包含一个预设子服务;
根据所述预设子服务对扩正后的风险管控策略进行重新排序,并根据排序结果重新确定所述风险管控序列中各风险管控策略的执行顺序。
8.一种业务数据的风险管控系统,其特征在于,包括:
属性数据获取模块,用于获取多个用户业务参数,根据所述用户业务参数调用关联的属性数据,得到用户的属性数据集合;
风险管控策略调用模块,用于风险管控列根据所述用户业务参数确定用户的业务特征,以根据所述业务特征调用一个或多个预设的风险管控策略,生成风险管控序列;
待执行序列构建模块,用于根据所述风险管控序列调用所述属性数据集合,并将所述属性数据集合中的属性数据进行数据组合,得到所述风险管控序列中各风险管控策略的待执行序列;
执行输出模块,用于根据各所述待执行序列的执行结果确定对应业务的风险信息。
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中任一项所述的业务数据的风险管控方法的步骤。
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中任一项所述的业务数据的风险管控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310540552.0A CN116578984A (zh) | 2023-05-12 | 2023-05-12 | 一种业务数据的风险管控方法、系统、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310540552.0A CN116578984A (zh) | 2023-05-12 | 2023-05-12 | 一种业务数据的风险管控方法、系统、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116578984A true CN116578984A (zh) | 2023-08-11 |
Family
ID=87533526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310540552.0A Pending CN116578984A (zh) | 2023-05-12 | 2023-05-12 | 一种业务数据的风险管控方法、系统、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116578984A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117709724A (zh) * | 2023-12-18 | 2024-03-15 | 北京罗格数据科技有限公司 | 风控预警方法及装置 |
-
2023
- 2023-05-12 CN CN202310540552.0A patent/CN116578984A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117709724A (zh) * | 2023-12-18 | 2024-03-15 | 北京罗格数据科技有限公司 | 风控预警方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200285978A1 (en) | Model training system and method, and storage medium | |
US11539809B2 (en) | Push notification delivery system with feedback analysis | |
JP6986527B2 (ja) | ビデオを処理する方法及び装置 | |
US11343221B2 (en) | Interaction message processing method and apparatus, computer device, and storage medium | |
CN109669718A (zh) | 系统权限配置方法、装置、设备及存储介质 | |
CN111159563B (zh) | 用户兴趣点信息的确定方法、装置、设备及存储介质 | |
CN110765286A (zh) | 跨媒体检索方法、装置、计算机设备和存储介质 | |
CN113641835B (zh) | 多媒体资源推荐方法、装置、电子设备及介质 | |
CN116578984A (zh) | 一种业务数据的风险管控方法、系统、设备和介质 | |
CN113869931A (zh) | 广告投放策略确定方法、装置、计算机设备和存储介质 | |
CN105100242A (zh) | 一种数据处理方法和系统 | |
CN110162689B (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
CN109711656B (zh) | 多系统关联预警方法、装置、设备及计算机可读存储介质 | |
US20220012365A1 (en) | System and method for differentiated privacy management of user content | |
CN113515336B (zh) | 直播间加入方法、创建方法、装置、设备及存储介质 | |
CN115391188A (zh) | 一种场景测试用例生成方法、装置、设备及存储介质 | |
CN114491093A (zh) | 多媒体资源推荐、对象表征网络的生成方法及装置 | |
CN111797765B (zh) | 图像处理方法、装置、服务器及存储介质 | |
CN114265642A (zh) | 信息处理方法、装置、电子设备及计算机可读存储介质 | |
CN113761004A (zh) | 网络模型数据处理、数据展示方法、装置和存储介质 | |
CN106716969A (zh) | 用于预先动作执行的技术 | |
CN115174275B (zh) | 基于云端的远程控制方法及装置 | |
CN114781557B (zh) | 图像信息获取方法及装置、计算机可读存储介质 | |
CN116258523B (zh) | 媒介信息归因方法、装置、计算机设备和存储介质 | |
US20230297610A1 (en) | Search processing method and apparatus, device, medium, and program product |
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 |