CN116703560A - 借款信用审核优化方法、装置、电子设备及可读存储介质 - Google Patents
借款信用审核优化方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN116703560A CN116703560A CN202310630091.6A CN202310630091A CN116703560A CN 116703560 A CN116703560 A CN 116703560A CN 202310630091 A CN202310630091 A CN 202310630091A CN 116703560 A CN116703560 A CN 116703560A
- Authority
- CN
- China
- Prior art keywords
- target user
- credit
- databases
- database
- transaction behavior
- 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 69
- 238000005457 optimization Methods 0.000 title claims description 32
- 238000011156 evaluation Methods 0.000 claims abstract description 41
- 230000006399 behavior Effects 0.000 claims description 123
- 238000001514 detection method Methods 0.000 claims description 93
- 238000011835 investigation Methods 0.000 claims description 45
- 238000012550 audit Methods 0.000 claims description 26
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 11
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 4
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 239000004973 liquid crystal related substance Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
- G06Q20/40145—Biometric identity checks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Technology Law (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请公开了一种借款信用审核优化方法、装置、电子设备及可读存储介质,应用于金融科技技术领域,所述借款信用审核优化方法包括:采集目标用户的人脸数据;在根据所述人脸数据对所述目标用户进行人脸识别的同时,对所述目标用户进行信用水平评估;若检测到所述目标用户的信用水平不符合预设水平,和/或,所述目标用户的人脸识别未通过,则判定所述目标用户的借款信用审核结果为未通过;若检测到所述目标用户的信用水平符合所述预设水平且所述目标用户的人脸识别通过,则判定所述目标用户的借款信用审核结果为通过。本申请解决了借款信用审核的效率较低的技术问题。
Description
技术领域
本申请涉及金融科技(Fintech)技术领域,尤其涉及一种借款信用审核优化方法、装置、电子设备及可读存储介质。
背景技术
随着金融科技,尤其是互联网科技金融的不断发展,越来越多的技术应用在金融领域,但金融业也对技术提出了更高的要求,如对金融业对用户的信用水平也有更高的要求。当用户进行借款时,也即,用户的授信数据集较丰富时,可能存在用户没有还清借款的能力的情况,或者,冒领他人身份的情况,所以,需要对用户的信用水平和身份信息进行审核。
目前,通常采用串行审核机制,也即,在检测到用户的身份信息符合其对应的身份凭证时,对用户的信用水平进行评估,以对用户的借款信用进行审核,而由于用户的身份信息检测和信用水平的评估时间较长,使得用户的借款信用审核的时间较长,导致借款信用审核的效率较低。
发明内容
本申请的主要目的在于提供一种借款信用审核优化方法、装置、电子设备及可读存储介质,旨在解决现有技术中借款信用审核的效率较低的技术问题。
为实现上述目的,本申请提供一种借款信用审核优化方法,所述借款信用审核优化方法包括:
采集目标用户的人脸数据;
在根据所述人脸数据对所述目标用户进行人脸识别的同时,对所述目标用户进行信用水平评估;
若检测到所述目标用户的信用水平不符合预设水平,和/或,所述目标用户的人脸识别未通过,则判定所述目标用户的借款信用审核结果为未通过;
若检测到所述目标用户的信用水平符合所述预设水平且所述目标用户的人脸识别通过,则判定所述目标用户的借款信用审核结果为通过。
为实现上述目的,本申请还提供一种借款信用审核优化装置,所述借款信用审核优化装置包括:
采集模块,用于采集目标用户的人脸数据;
并行模块,用于在根据所述人脸数据对所述目标用户进行人脸识别的同时,对所述目标用户进行信用水平评估;
第一判定模块,用于若检测到所述目标用户的信用水平不符合预设水平,和/或,所述目标用户的人脸识别未通过,则判定所述目标用户的借款信用审核结果为未通过;
第二判定模块,用于若检测到所述目标用户的信用水平符合所述预设水平且所述目标用户的人脸识别通过,则判定所述目标用户的借款信用审核结果为通过。
本申请还提供一种电子设备,所述电子设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述借款信用审核优化方法的程序,所述借款信用审核优化方法的程序被处理器执行时可实现如上述的借款信用审核优化方法的步骤。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有实现借款信用审核优化方法的程序,所述借款信用审核优化方法的程序被处理器执行时实现如上述的借款信用审核优化方法的步骤。
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述的借款信用审核优化方法的步骤。
本申请提供了一种借款信用审核优化方法、装置、电子设备及可读存储介质,相比于采用串行审核机制,也即,在检测到用户的身份信息符合其对应的身份凭证时,对用户的信用水平进行评估,以对用户的借款信用进行审核的方法,本申请通过采集目标用户的人脸数据;在根据所述人脸数据对所述目标用户进行人脸识别的同时,对所述目标用户进行信用水平评估;若检测到所述目标用户的信用水平不符合预设水平,和/或,所述目标用户的人脸识别未通过,则判定所述目标用户的借款信用审核结果为未通过;若检测到所述目标用户的信用水平符合所述预设水平且所述目标用户的人脸识别通过,则判定所述目标用户的借款信用审核结果为通过,在进行处理周期较长的人脸识别过程的同时,对用户进行信用水平评估,从而在一定程度上减少了用户的借款信用审核的时间,所以提高了借款信用审核的效率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请借款信用审核优化方法第一实施例的流程示意图;
图2为本申请借款信用审核优化方法涉及的一场景下信用水平评估的流程时序图;
图3为本申请借款信用审核优化方法涉及的当并行查询数据库中存在查询异常数据库时的一场景下信用水平评估的流程时序图;
图4为本申请借款信用审核优化方法涉及的当并行查询数据库中存在查询异常数据库时的另一场景下信用水平评估的流程时序图;
图5为本申请借款信用审核优化方法涉及的装置结构示意图;
图6为本申请实施例中借款信用审核优化方法涉及的硬件运行环境的设备结构示意图。
本申请目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,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作出创造性劳动的前提下所获得的所有其它实施例,均属于本申请保护的范围。
实施例一
本申请实施例提供一种借款信用审核优化方法,在本申请借款信用审核优化方法的第一实施例中,参照图1,所述借款信用审核优化方法包括:
步骤S10,采集目标用户的人脸数据;
在本实施例中,需要说明的是,所述目标用户为已向银行申请借款且等待进行借款信用审核的用户。
本实施例中,对目标用户进行短信验证和/或密码验证,在检测到短信验证和/或密码验证通过后,采集所述目标用户的人脸数据。
在一可行实施例中,通过拍摄装置采集目标用户的人脸数据。
步骤S20,在根据所述人脸数据对所述目标用户进行人脸识别的同时,对所述目标用户进行信用水平评估;
在一可行实施例中,获取所述目标用户对应的征信数据,根据所述征信数据和预先训练好的信用水平预测模型,对所述目标用户进行信用水平评估,得到信用水平结果。
在另一可行实施例中,获取所述目标用户对应的征信数据,根据所述征信数据,对所述用户进行交易行为检测。
其中,在步骤S20中,在所述在根据所述人脸数据对所述目标用户进行人脸识别的同时,对所述目标用户进行信用水平评估的步骤之后,还包括:
步骤D10,若检测到所述目标用户的信用水平符合所述预设水平,且所述目标用户的人脸识别过程未结束,则停止对所述用户进行人脸识别,并对所述目标用户发起通话识别;
可以理解的是,虽然人脸识别和信用水平评估过程所需时间都很长,当目标用户的人脸识别的复杂度较高,或者,采集目标用户的人脸数据的拍摄装置长时间未进行运维,导致采集得到人脸数据的清晰度不够,使得人脸识别所需时间过长,所以也可能出现人脸识别过程所需时间过长的情况,也即,人脸识别过程所需时间大于信用水平评估过程所需时间的情况,从而导致借款信用审核效率较低。
步骤D20,若检测到所述目标用户的通话识别通过,则判定所述目标用户的借款审核结果为通过。
在一可行实施例中,若检测到所述目标用户的通话识别不通过,则判定所述目标用户的借款审核结果为未通过。
本实施例中,若检测到所述目标用户的信用水平符合所述预设水平,且所述目标用户的人脸识别过程未结束,则停止对所述用户进行人脸识别,并对所述目标用户发起通话识别,在人脸识别过程较长时,及时转而对目标用户发起通话识别,以规避由于目标用户的人脸识别的复杂度较高,或者,采集目标用户的人脸数据的拍摄装置长时间未进行运维,导致采集得到人脸数据的清晰度不够,使得人脸识别所需时间过长,导致的人脸识别过程所需时间大于信用水平评估过程所需时间情况的技术缺陷,所以,提高了借款信用审核效率。
步骤S30,若检测到所述目标用户的信用水平不符合预设水平,和/或,所述目标用户的人脸识别未通过,则判定所述目标用户的借款信用审核结果为未通过;
在一可行实施例中,若检测到所述目标用户的信用水平不符合预设水平,则判定所述目标用户的借款信用审核结果为未通过。
在另一可行实施例中,若检测到所述目标用户的人脸识别未通过,则判定所述目标用户的借款信用审核结果为未通过。
在又一可行实施例中,若检测到所述目标用户的信用水平不符合预设水平,且所述目标用户的人脸识别未通过,则判定所述目标用户的借款信用审核结果为未通过。
步骤S40,若检测到所述目标用户的信用水平符合所述预设水平且所述目标用户的人脸识别通过,则判定所述目标用户的借款信用审核结果为通过。
本申请实施例提供了一种借款信用审核优化方法,相比于采用串行审核机制,也即,在检测到用户的身份信息符合其对应的身份凭证时,对用户的信用水平进行评估,以对用户的借款信用进行审核的方法,本申请实施例通过采集目标用户的人脸数据;在根据所述人脸数据对所述目标用户进行人脸识别的同时,对所述目标用户进行信用水平评估;若检测到所述目标用户的信用水平不符合预设水平,和/或,所述目标用户的人脸识别未通过,则判定所述目标用户的借款信用审核结果为未通过;若检测到所述目标用户的信用水平符合所述预设水平且所述目标用户的人脸识别通过,则判定所述目标用户的借款信用审核结果为通过,在进行处理周期较长的人脸识别过程的同时,对用户进行信用水平评估,从而在一定程度上减少了用户的借款信用审核的时间,所以提高了借款信用审核的效率。
实施例二
进一步地,基于本申请第一实施例,在本申请另一实施例中,与上述实施例一相同或相似的内容,可以参考上文介绍,后续不再赘述。在此基础上,其中,在步骤S20中,所述对所述目标用户进行信用水平评估的步骤包括:
步骤S21,获取所述目标用户的多个征信数据库,将所述多个征信数据库划分为多个并行查询数据库和至少一个串行查询数据库;
在一可行实施例中,获取存在所述目标用户的征信数据的多个征信数据库。
在一可行实施例中,将所述多个征信数据库随机划分为多个并行查询数据库和至少一个串行查询数据库。
在另一可行实施例中,将所述多个征信数据库划分为多批次的多个并行查询数据库和至少一个串行查询数据库。
其中,在步骤S21中,所述将所述多个征信数据库划分为多个并行查询数据库和至少一个串行查询数据库的步骤包括:
步骤A10,获取各所述征信数据库两两之间的数据库关联性;
在本实施例中,需要说明的是,所述数据库关联性为两两征信数据库中所述目标用户对应的征信数据之间的关联性。
可以理解的是,由于目标用户的单次交易行为可能关联多个来源,例如,目标用户在某社交平台上下单,通过某支付平台付款,那么,对于征信来源是某社交平台的征信数据库与对于征信来源是某支付平台的征信数据库之间的数据库关联性较高。
在一可行实施例中,获取各所述征信数据库中所述目标用户的征信数据;根据各所述征信数据的形成来源,生成各所述征信数据库两两之间的数据库关联性。
步骤A20,根据各个所述数据库关联性,将所述多个征信数据库划分为多个并行查询数据库和至少一个串行查询数据库,其中,各所述并行查询数据库中两两之间的数据库关联性均小于或等于预设关联性阈值,各所述串行查询数据库中任一数据库与各所述并行查询数据库中任一数据库之间的数据库关联性大于预设关联性阈值。
在一可行实施例中,若各所述数据库关联性均小于或等于所述第一关联性阈值,则将各所述征信数据库直接作为所述多个并行查询数据库。
在另一可行实施例中,在所述多个征信数据库中选取使得对应的所述数据库关联性均小于或等于所述预设关联性阈值的多个并行查询数据库,将所述多个征信数据库中除所述多个并行查询数据库以外的数据库作为至少一个串行查询数据库。
可以理解的是,当并行查询数据库中存在两两数据库之间的数据库关联性较高时,由于后续是同时根据各所述并行查询数据库中所述目标用户的征信数据,分别对所述目标用户进行交易行为检测,得到多个并行交易行为检测结果,因此,可能存在由数据库关联性较高的并行查询数据库中所述目标用户的征信数据对应的并行交易行为检测结果不准确的情况,从而使得信用水平评估不准确,导致借款信用审核不准确。
本实施例中,通过在所述多个征信数据库中选取使得对应的所述数据库关联性均小于或等于所述预设关联性阈值的多个并行查询数据库,从而规避了当并行查询数据库中存在两两数据库之间的数据库关联性较高时,由于后续是同时根据各所述并行查询数据库中所述目标用户的征信数据,分别对所述目标用户进行交易行为检测,得到多个并行交易行为检测结果,因此,可能存在由数据库关联性较高的并行查询数据库中所述目标用户的征信数据对应的并行交易行为检测结果不准确情况的风险,所以提高了信用水平评估的准确性,也即,提高了借款信用审核的准确性。
其中,在步骤S21中,所述将所述多个征信数据库划分为多个并行查询数据库和至少一个串行查询数据库的步骤包括:
步骤B10,确定各所述征信数据库分别对于所述目标用户的交易行为判定的权重;
在本实施例中,需要说明的是,所述权重用于表征征信数据库对于目标用户的交易行为判定的贡献度。
在一可行实施例中,累计各所述征信数据库中所述目标用户的交易数量和/或交易金额,将各所述征信数据库中任意数据库作为选定数据库,根据所述选定数据库中所述目标用户的交易数量和/或交易金额,生成所述选定数据库对于所述目标用户的交易行为判定的权重。
可以理解的是,征信数据库中目标用户的交易数量越多,说明目标用户在使用此征信数据库对应的数据库来源越频繁,因此,以此为判别目标用户的交易行为也越准确;征信数据库中目标用户的交易金额越大,说明目标用户在使用此征信数据库对应的数据库来源越重要,因此,以此为判别目标用户的交易行为也越准确。
步骤B20,将所述多个征信数据库划分为对应的所述权重大于第一预设权重阈值的多个并行查询数据库,以及对应的所述权重小于或等于所述第一预设权重阈值的至少一个串行查询数据库。
可以理解的是,若将多个并行查询数据库中设置一个或多个权重较低的征信数据库,由于其对于目标用户的交易行为判定的贡献度较低,即使先根据其进行目标用户的交易行为判别,可能存在白白浪费识别时间的情况,从而导致信用水平评估效率较低。
本实施例中,通过将所述多个征信数据库划分为对应的所述权重大于第一预设权重阈值的多个并行查询数据库,以及对应的所述权重小于或等于所述第一预设权重阈值的至少一个串行查询数据库,将权重较高的征信数据库划分至并行查询数据库,从而规避了可能出现的不需要识别时间浪费,所以提高了信用水平评估效率。
步骤S22,同时根据各所述并行查询数据库中所述目标用户的征信数据,分别对所述目标用户进行交易行为检测,得到多个并行交易行为检测结果;
在一可行实施例中,参照图2,图2为本申请借款信用审核优化方法涉及的一场景下信用水平评估的流程时序图,通过业务系统调用信用水平评估引擎同时向各所述并行查询数据库发起针对于所述目标用户的征信数据查询,通过各所述并行查询数据库发送查询得到的所述目标用户的征信数据至所述信用水平评估引擎,并通过所述信用水平评估引擎根据各所述并行查询数据库中所述目标用户的征信数据,分别对所述目标用户进行交易行为检测,得到多个并行交易行为检测结果。
步骤S23,若检测到各所述并行交易行为检测结果均为交易行为正常结果,则在各所述串行查询数据库中选取任一未作为所述目标用户的交易行为检测依据的数据库作为目标数据库,并根据所述目标数据库中所述目标用户的征信数据,对所述目标用户进行交易行为检测,得到串行交易行为检测结果;
在一可行实施例中,若检测到各所述并行交易行为检测结果中存在交易行为异常结果,则判定所述目标用户的信用水平不符合所述预设水平。
在一可行实施例中,在各所述串行查询数据库中选取未作为所述目标用户的交易行为检测依据,且对应的权重最大的数据库作为目标数据库。
在另一可行实施例中,若检测到上一批次的各所述并行交易行为检测结果均为交易行为正常结果,则同时根据当前批次的各个并行查询数据库中所述目标用户的征信数据,分别对所述目标用户进行交易行为检测,得到所述当前批次的多个并行交易行为检测结果。
在又一可行实施例中,若检测到各批次的各所述并行交易行为检测结果均为交易正常结果,则执行所述在各所述串行查询数据库中选取任一未作为所述目标用户的交易行为检测依据的数据库作为目标数据库的步骤。
在一可行实施例中,参照图2,若检测到各所述并行交易行为检测结果均为交易行为正常结果,则通过信用水平评估引擎向串行查询数据库A发起针对于所述目标用户的征信数据查询,通过所述串行查询数据库A发送查询得到的所述目标用户的征信数据至所述信用水平评估引擎,并通过所述信用水平评估引擎根据所述串行查询数据库A中所述目标用户的征信数据,对所述目标用户进行交易行为检测,得到串行交易行为检测结果。
本实施例中,先根据目标用户的交易行为检测依据,且对应的权重最大的数据库,对目标用户进行交易行为检测,从而规避了可能出现的不需要识别时间浪费,所以提高了信用水平评估效率。
步骤S24,若检测到所述串行交易行为检测结果为交易行为正常结果,则返回至所述在各所述串行查询数据库中选取任一未作为所述目标用户的交易行为检测依据的数据库作为目标数据库的步骤,直至检测到所述串行交易行为检测结果为交易行为异常结果或者各所述串行查询数据库均选取完毕;
在一可行实施例中,参照图2,若检测到所述串行查询数据库A对应的串行交易行为检测结果为交易行为正常结果,则通过信用水平评估引擎向串行查询数据库B发起针对于所述目标用户的征信数据查询,通过所述串行查询数据库B发送查询得到的所述目标用户的征信数据至所述信用水平评估引擎,并通过所述信用水平评估引擎根据所述串行查询数据库B中所述目标用户的征信数据,对所述目标用户进行交易行为检测,得到串行交易行为检测结果。
步骤S25,若检测到所述串行交易行为检测结果为交易行为异常结果,则判定所述目标用户的信用水平不符合所述预设水平;
步骤S26,若检测到各所述串行查询数据库均选取完毕且所述串行交易检测结果为交易行为正常结果,则判定所述目标用户的信用水平符合所述预设水平。
本申请实施例通过获取所述目标用户的多个征信数据库,将所述多个征信数据库划分为多个并行查询数据库和至少一个串行查询数据库;同时根据各所述并行查询数据库中所述目标用户的征信数据,分别对所述目标用户进行交易行为检测,得到多个并行交易行为检测结果;若检测到各所述并行交易行为检测结果均为交易行为正常结果,则在各所述串行查询数据库中选取任一未作为所述目标用户的交易行为检测依据的数据库作为目标数据库,并根据所述目标数据库中所述目标用户的征信数据,对所述目标用户进行交易行为检测,得到串行交易行为检测结果;若检测到所述串行交易行为检测结果为交易行为正常结果,则返回至所述在各所述串行查询数据库中选取任一未作为所述目标用户的交易行为检测依据的数据库作为目标数据库的步骤,直至检测到所述串行交易行为检测结果为交易行为异常结果或者各所述串行查询数据库均选取完毕;若检测到所述串行交易行为检测结果为交易行为异常结果,则判定所述目标用户的信用水平不符合所述预设水平;若检测到各所述串行查询数据库均选取完毕且所述串行交易检测结果为交易行为正常结果,则判定所述目标用户的信用水平符合所述预设水平,将多个征信数据库中部分数据库进行并行交易行为检测,从而在一定程度上缩减了信用水平评估的时长,所以提高了借款审核效率。
实施例三
进一步地,基于本申请第一实施例和/或第二实施例,在本申请另一实施例中,与上述实施例一和/或实施例二相同或相似的内容,可以参考上文介绍,后续不再赘述。在此基础上,其中,在步骤S22中,所述同时根据各所述并行查询数据库中所述目标用户的征信数据,分别对所述目标用户进行交易行为检测,得到多个并行交易行为检测结果的步骤包括:
步骤C10,若检测到各所述并行查询数据库中存在查询异常数据库,则同时根据各所述并行查询数据库中除所述查询异常数据库以外的数据库中所述目标用户的征信数据,分别对所述目标用户进行交易行为检测,得到多个并行交易行为检测结果。
其中,在步骤C10中,在所述同时根据各所述并行查询数据库中除所述查询异常数据库以外的数据库中所述目标用户的征信数据,分别对所述目标用户进行交易行为检测,得到多个并行交易行为检测结果的步骤之后,还包括:
步骤C20,若检测到各所述并行交易行为检测结果均为交易行为正常结果,则获取所述查询异常数据库对应的权重;
可选地,所述获取所述查询异常数据库对应的权重的具体实施步骤可以参照上述步骤B10的具体实施内容,在此不做赘述。
步骤C30,若所述权重大于或等于第二预设权重阈值,则判定所述目标用户的信用水平不符合所述预设水平;
在一可行实施例中,参照图3,图3为本申请借款信用审核优化方法涉及的当并行查询数据库中存在查询异常数据库时的一场景下信用水平评估的流程时序图,若所述权重大于或等于第二预设权重阈值,则通过所述信用水平评估引擎输出所述目标用户的信用水平不符合所述预设水平的信用评估结论。
步骤C40,若所述权重小于所述第二预设权重阈值,则执行所述在各所述串行查询数据库中选取任一未作为所述目标用户的交易行为检测依据的数据库作为目标数据库的步骤。
在一可行实施例中,参照图4,图4为本申请借款信用审核优化方法涉及的当并行查询数据库中存在查询异常数据库时的另一场景下信用水平评估的流程时序图,若所述权重小于所述第二预设权重阈值,则通过信用水平评估引擎向串行查询数据库A发起针对于所述目标用户的征信数据查询,通过所述串行查询数据库A发送查询得到的所述目标用户的征信数据至所述信用水平评估引擎,并通过所述信用水平评估引擎根据所述串行查询数据库A中所述目标用户的征信数据,对所述目标用户进行交易行为检测,得到串行交易行为检测结果。
本实施例中,若检测到各所述并行交易行为检测结果均为交易行为正常结果,则获取所述查询异常数据库对应的权重;若所述权重大于或等于第二预设权重阈值,则判定所述目标用户的信用水平不符合所述预设水平;若所述权重小于所述第二预设权重阈值,则执行所述在各所述串行查询数据库中选取任一未作为所述目标用户的交易行为检测依据的数据库作为目标数据库的步骤,从而在异常数据库对应的权重较小,也即,对于目标用户的信用水平评估的贡献度较小时,忽略由于其异常导致不能查询的情况,直接进入下一步串行查询的步骤,以减少查询到异常数据库时带来的查询中断导致不必要的信用水平评估任务的搁置,在异常数据库对应的权重较大时,也即,对于目标用户的信用水平评估的贡献度较大时,直接输出目标用户的信用水平不符合预设水平的评估结果,以避免由于其不能查询导致对于目标用户的信用水平评估不准确带来的风险,所以,在一定程度上,提高了信用水平评估的效率。
实施例四
本申请实施例还提供一种借款信用审核优化装置,参照图5,所述借款信用审核优化装置包括:
采集模块,用于采集目标用户的人脸数据;
并行模块,用于在根据所述人脸数据对所述目标用户进行人脸识别的同时,对所述目标用户进行信用水平评估;
第一判定模块,用于若检测到所述目标用户的信用水平不符合预设水平,和/或,所述目标用户的人脸识别未通过,则判定所述目标用户的借款信用审核结果为未通过;
第二判定模块,用于若检测到所述目标用户的信用水平符合所述预设水平且所述目标用户的人脸识别通过,则判定所述目标用户的借款信用审核结果为通过。
可选地,所述并行模块还用于:
获取所述目标用户的多个征信数据库,将所述多个征信数据库划分为多个并行查询数据库和至少一个串行查询数据库;
同时根据各所述并行查询数据库中所述目标用户的征信数据,分别对所述目标用户进行交易行为检测,得到多个并行交易行为检测结果;
若检测到各所述并行交易行为检测结果均为交易行为正常结果,则在各所述串行查询数据库中选取任一未作为所述目标用户的交易行为检测依据的数据库作为目标数据库,并根据所述目标数据库中所述目标用户的征信数据,对所述目标用户进行交易行为检测,得到串行交易行为检测结果;
若检测到所述串行交易行为检测结果为交易行为正常结果,则返回至所述在各所述串行查询数据库中选取任一未作为所述目标用户的交易行为检测依据的数据库作为目标数据库的步骤,直至检测到所述串行交易行为检测结果为交易行为异常结果或者各所述串行查询数据库均选取完毕;
若检测到所述串行交易行为检测结果为交易行为异常结果,则判定所述目标用户的信用水平不符合所述预设水平;
若检测到各所述串行查询数据库均选取完毕且所述串行交易检测结果为交易行为正常结果,则判定所述目标用户的信用水平符合所述预设水平。
可选地,所述并行模块还用于:
获取各所述征信数据库两两之间的数据库关联性;
根据各个所述数据库关联性,将所述多个征信数据库划分为多个并行查询数据库和至少一个串行查询数据库,其中,各所述并行查询数据库中两两之间的数据库关联性均小于或等于预设关联性阈值,各所述串行查询数据库中任一数据库与各所述并行查询数据库中任一数据库之间的数据库关联性大于预设关联性阈值。
可选地,所述并行模块还用于:
确定各所述征信数据库分别对于所述目标用户的交易行为判定的权重;
将所述多个征信数据库划分为对应的所述权重大于第一预设权重阈值的多个并行查询数据库,以及对应的所述权重小于或等于所述第一预设权重阈值的至少一个串行查询数据库。
可选地,所述并行模块还用于:
若检测到各所述并行查询数据库中存在查询异常数据库,则同时根据各所述并行查询数据库中除所述查询异常数据库以外的数据库中所述目标用户的征信数据,分别对所述目标用户进行交易行为检测,得到多个并行交易行为检测结果。
可选地,在所述同时根据各所述并行查询数据库中除所述查询异常数据库以外的数据库中所述目标用户的征信数据,分别对所述目标用户进行交易行为检测,得到多个并行交易行为检测结果的步骤之后,所述借款信用审核优化装置还用于:
若检测到各所述并行交易行为检测结果均为交易行为正常结果,则获取所述查询异常数据库对应的权重;
若所述权重大于或等于第二预设权重阈值,则判定所述目标用户的信用水平不符合所述预设水平;
若所述权重小于所述第二预设权重阈值,则执行所述在各所述串行查询数据库中选取任一未作为所述目标用户的交易行为检测依据的数据库作为目标数据库的步骤。
可选地,在所述在根据所述人脸数据对所述目标用户进行人脸识别的同时,对所述目标用户进行信用水平评估的步骤之后,所述借款信用审核优化装置还用于:
若检测到所述目标用户的信用水平符合所述预设水平,且所述目标用户的人脸识别过程未结束,则停止对所述用户进行人脸识别,并对所述目标用户发起通话识别;
若检测到所述目标用户的通话识别通过,则判定所述目标用户的借款审核结果为通过。
本申请提供的借款信用审核优化装置,采用上述实施例中的借款信用审核优化方法,解决了借款信用审核的效率较低的技术问题。与现有技术相比,本申请实施例提供的借款信用审核优化装置的有益效果与上述实施例提供的借款信用审核优化方法的有益效果相同,且该借款信用审核优化装置中的其他技术特征与上述实施例方法公开的特征相同,在此不做赘述。
实施例五
本申请实施例提供一种电子设备,所述电子设备包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述实施例中的借款信用审核优化方法。
下面参考图6,其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(Personal Digital Assistant,个人数字助理)、PAD(平板电脑)、PMP(Portable MediaPlayer,便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备可以包括处理装置(例如中央处理器、图形处理器等),其可以根据存储在ROM(Read-Only Memory,只读存储器)中的程序或者从存储装置加载到RAM(Random Access Memory,随机访问存储器)中的程序而执行各种适当的动作和处理。在RAM中,还存储有电子设备操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
通常,以下系统可以连接至I/O接口:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置;包括例如磁带、硬盘等的存储装置;以及通信装置。通信装置可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种系统的电子设备,但是应理解的是,并不要求实施或具备所有示出的系统。可以替代地实施或具备更多或更少的系统。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置从网络上被下载和安装,或者从存储装置被安装,或者从ROM被安装。在该计算机程序被处理装置执行时,执行本公开实施例的方法中限定的上述功能。
本申请提供的电子设备,采用上述实施例中的借款信用审核优化方法,解决了借款信用审核的效率较低的技术问题。与现有技术相比,本申请实施例提供的电子设备的有益效果与上述实施例提供的借款信用审核优化方法的有益效果相同,且该电子设备中的其他技术特征与上述实施例方法公开的特征相同,在此不做赘述。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式的描述中,具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
实施例六
本实施例提供一种计算机可读存储介质,具有存储在其上的计算机可读程序指令,计算机可读程序指令用于执行上述实施例中的借款信用审核优化方法的方法。
本申请实施例提供的计算机可读存储介质例如可以是U盘,但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、RAM、ROM、EPROM(Erasable Programmable Read Only Memory,可擦式可编程只读存储器)或闪存、光纤、CD-ROM(compact disc read-only memory,便携式紧凑磁盘只读存储器)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(Radio Frequency,射频)等等,或者上述的任意合适的组合。
上述计算机可读存储介质可以是电子设备中所包含的;也可以是单独存在,而未装配入电子设备中。
上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被电子设备执行时,使得电子设备:采集目标用户的人脸数据;在根据所述人脸数据对所述目标用户进行人脸识别的同时,对所述目标用户进行信用水平评估;若检测到所述目标用户的信用水平不符合预设水平,和/或,所述目标用户的人脸识别未通过,则判定所述目标用户的借款信用审核结果为未通过;若检测到所述目标用户的信用水平符合所述预设水平且所述目标用户的人脸识别通过,则判定所述目标用户的借款信用审核结果为通过。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括LAN(LocalArea Network,局域网)或WAN(Wide Area Network,广域网)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该单元本身的限定。
本申请提供的计算机可读存储介质,存储有用于执行上述借款信用审核优化方法的计算机可读程序指令,解决了借款信用审核的效率较低的技术问题。与现有技术相比,本申请实施例提供的计算机可读存储介质的有益效果与上述实施提供的借款信用审核优化方法的有益效果相同,在此不做赘述。
实施例七
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述的借款信用审核优化方法的步骤。
本申请提供的计算机程序产品解决了借款信用审核的效率较低的技术问题。与现有技术相比,本申请实施例提供的计算机程序产品的有益效果与上述实施例提供的借款信用审核优化方法的有益效果相同,在此不做赘述。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利处理范围内。
Claims (10)
1.一种借款信用审核优化方法,其特征在于,所述借款信用审核优化方法包括:
采集目标用户的人脸数据;
在根据所述人脸数据对所述目标用户进行人脸识别的同时,对所述目标用户进行信用水平评估;
若检测到所述目标用户的信用水平不符合预设水平,和/或,所述目标用户的人脸识别未通过,则判定所述目标用户的借款信用审核结果为未通过;
若检测到所述目标用户的信用水平符合所述预设水平且所述目标用户的人脸识别通过,则判定所述目标用户的借款信用审核结果为通过。
2.如权利要求1所述借款信用审核优化方法,其特征在于,所述对所述目标用户进行信用水平评估的步骤包括:
获取所述目标用户的多个征信数据库,将所述多个征信数据库划分为多个并行查询数据库和至少一个串行查询数据库;
同时根据各所述并行查询数据库中所述目标用户的征信数据,分别对所述目标用户进行交易行为检测,得到多个并行交易行为检测结果;
若检测到各所述并行交易行为检测结果均为交易行为正常结果,则在各所述串行查询数据库中选取任一未作为所述目标用户的交易行为检测依据的数据库作为目标数据库,并根据所述目标数据库中所述目标用户的征信数据,对所述目标用户进行交易行为检测,得到串行交易行为检测结果;
若检测到所述串行交易行为检测结果为交易行为正常结果,则返回至所述在各所述串行查询数据库中选取任一未作为所述目标用户的交易行为检测依据的数据库作为目标数据库的步骤,直至检测到所述串行交易行为检测结果为交易行为异常结果或者各所述串行查询数据库均选取完毕;
若检测到所述串行交易行为检测结果为交易行为异常结果,则判定所述目标用户的信用水平不符合所述预设水平;
若检测到各所述串行查询数据库均选取完毕且所述串行交易检测结果为交易行为正常结果,则判定所述目标用户的信用水平符合所述预设水平。
3.如权利要求2所述借款信用审核优化方法,其特征在于,所述将所述多个征信数据库划分为多个并行查询数据库和至少一个串行查询数据库的步骤包括:
获取各所述征信数据库两两之间的数据库关联性;
根据各个所述数据库关联性,将所述多个征信数据库划分为多个并行查询数据库和至少一个串行查询数据库,其中,各所述并行查询数据库中两两之间的数据库关联性均小于或等于预设关联性阈值,各所述串行查询数据库中任一数据库与各所述并行查询数据库中任一数据库之间的数据库关联性大于预设关联性阈值。
4.如权利要求2所述借款信用审核优化方法,其特征在于,所述将所述多个征信数据库划分为多个并行查询数据库和至少一个串行查询数据库的步骤包括:
确定各所述征信数据库分别对于所述目标用户的交易行为判定的权重;
将所述多个征信数据库划分为对应的所述权重大于第一预设权重阈值的多个并行查询数据库,以及对应的所述权重小于或等于所述第一预设权重阈值的至少一个串行查询数据库。
5.如权利要求2所述借款信用审核优化方法,其特征在于,所述同时根据各所述并行查询数据库中所述目标用户的征信数据,分别对所述目标用户进行交易行为检测,得到多个并行交易行为检测结果的步骤包括:
若检测到各所述并行查询数据库中存在查询异常数据库,则同时根据各所述并行查询数据库中除所述查询异常数据库以外的数据库中所述目标用户的征信数据,分别对所述目标用户进行交易行为检测,得到多个并行交易行为检测结果。
6.如权利要求5所述借款信用审核优化方法,其特征在于,在所述同时根据各所述并行查询数据库中除所述查询异常数据库以外的数据库中所述目标用户的征信数据,分别对所述目标用户进行交易行为检测,得到多个并行交易行为检测结果的步骤之后,还包括:
若检测到各所述并行交易行为检测结果均为交易行为正常结果,则获取所述查询异常数据库对应的权重;
若所述权重大于或等于第二预设权重阈值,则判定所述目标用户的信用水平不符合所述预设水平;
若所述权重小于所述第二预设权重阈值,则执行所述在各所述串行查询数据库中选取任一未作为所述目标用户的交易行为检测依据的数据库作为目标数据库的步骤。
7.如权利要求1至6中任一项所述借款信用审核优化方法,其特征在于,在所述在根据所述人脸数据对所述目标用户进行人脸识别的同时,对所述目标用户进行信用水平评估的步骤之后,还包括:
若检测到所述目标用户的信用水平符合所述预设水平,且所述目标用户的人脸识别过程未结束,则停止对所述用户进行人脸识别,并对所述目标用户发起通话识别;
若检测到所述目标用户的通话识别通过,则判定所述目标用户的借款审核结果为通过。
8.一种借款信用审核优化装置,其特征在于,所述借款信用审核优化装置包括:
采集模块,用于采集目标用户的人脸数据;
并行模块,用于在根据所述人脸数据对所述目标用户进行人脸识别的同时,对所述目标用户进行信用水平评估;
第一判定模块,用于若检测到所述目标用户的信用水平不符合预设水平,和/或,所述目标用户的人脸识别未通过,则判定所述目标用户的借款信用审核结果为未通过;
第二判定模块,用于若检测到所述目标用户的信用水平符合所述预设水平且所述目标用户的人脸识别通过,则判定所述目标用户的借款信用审核结果为通过。
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指令,所述指令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中任一项所述的借款信用审核优化方法的步骤。
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上存储有实现借款信用审核优化方法的程序,所述实现借款信用审核优化方法的程序被处理器执行以实现如权利要求1至7中任一项所述借款信用审核优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310630091.6A CN116703560A (zh) | 2023-05-30 | 2023-05-30 | 借款信用审核优化方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310630091.6A CN116703560A (zh) | 2023-05-30 | 2023-05-30 | 借款信用审核优化方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116703560A true CN116703560A (zh) | 2023-09-05 |
Family
ID=87844444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310630091.6A Pending CN116703560A (zh) | 2023-05-30 | 2023-05-30 | 借款信用审核优化方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116703560A (zh) |
-
2023
- 2023-05-30 CN CN202310630091.6A patent/CN116703560A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109063920B (zh) | 一种交易风险识别方法、装置、及计算机设备 | |
CN110084034B (zh) | 一种基于弱口令检测的密码设置方法、存储介质及电子设备 | |
CN110929799B (zh) | 用于检测异常用户的方法、电子设备和计算机可读介质 | |
CN104321780A (zh) | 用于使用持久信任日志来监测并断言信任等级的设备、系统、和方法 | |
CN111597065B (zh) | 用于采集设备信息的方法和装置 | |
CN109726390B (zh) | 文档处理方法、装置、电子设备和存储介质 | |
US20220051264A1 (en) | Detecting fraudulent user accounts using graphs | |
CN111475853B (zh) | 一种基于分布式数据的模型训练方法及系统 | |
US20230123573A1 (en) | Automatic detection of seasonal pattern instances and corresponding parameters in multi-seasonal time series | |
CN112817831A (zh) | 应用性能监测方法、装置、计算机系统和可读存储介质 | |
US20210158182A1 (en) | Enhanced similarity detection between data sets with unknown prior features using machine-learning | |
CN110276183B (zh) | 反向图灵验证方法及装置、存储介质、电子设备 | |
CN110704614B (zh) | 对应用中的用户群类型进行预测的信息处理方法及装置 | |
CN112150033A (zh) | 一种快递柜系统管理方法、装置及电子设备 | |
CN116703560A (zh) | 借款信用审核优化方法、装置、电子设备及可读存储介质 | |
CN113656391A (zh) | 数据检测方法及装置、存储介质及电子设备 | |
CN114116431A (zh) | 系统运行健康检测方法、装置、电子设备及可读存储介质 | |
CN108920563B (zh) | 一种数据库切换方法及装置 | |
CN109190352B (zh) | 一种授权文本准确性验证方法和装置 | |
CN112882948A (zh) | 一种应用的稳定性测试方法、装置、系统及存储介质 | |
US20200013061A1 (en) | System and method for measuring user behavior consistency based on complex correspondence system | |
CN111222739A (zh) | 核电站的任务分配方法及核电站的任务分配系统 | |
CN116343905B (zh) | 蛋白质特征的预处理方法、装置、介质及设备 | |
CN116566034B (zh) | 配电网配电监测系统及方法 | |
CN111026571B (zh) | 处理器降频处理方法、装置及电子设备 |
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 |