CN117035985A - 一种授信逾期风险控制方法与系统 - Google Patents
一种授信逾期风险控制方法与系统 Download PDFInfo
- Publication number
- CN117035985A CN117035985A CN202310948766.1A CN202310948766A CN117035985A CN 117035985 A CN117035985 A CN 117035985A CN 202310948766 A CN202310948766 A CN 202310948766A CN 117035985 A CN117035985 A CN 117035985A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- credibility
- determining
- item
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012954 risk control Methods 0.000 title claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 32
- 238000012795 verification Methods 0.000 claims description 83
- 230000001815 facial effect Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 10
- 238000013475 authorization Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 6
- 230000008921 facial expression Effects 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
- 230000000007 visual effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
- G06V40/174—Facial expression recognition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/16—Implementing security features at a particular protocol layer
- H04L63/168—Implementing security features at a particular protocol layer above the transport layer
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Storage Device Security (AREA)
Abstract
本发明提供一种授信逾期风险控制方法与系统,属于数据处理技术领域,具体包括:通过用户的验证数据源的可用数据源的数量、类型以及可用数据源的验证结果进行验证数据源的真实度评估值以及未验证信息项的确定,通过面审视频数据中用户的未验证信息项的面部可信度以及语音可信度进行未验证信息项的可信度的评估,根据不可信信息项的数量以及可信度、未验证信息项的可信度和数量进行用户的验证数据源的真实度阈值的确定,并根据真实度阈值以及所述验证数据源的真实度评估值确定是否需要对用户进行逾期风险控制,从而提升了用户的授信处理的效率以及逾期风险的控制。
Description
技术领域
本发明属于数据处理技术领域,尤其涉及一种授信逾期风险控制方法与系统。
背景技术
为了实现对用户的授信逾期风险的控制,避免由于用户的逾期风险过大导致的资产损失,在发明专利《一种基于汽车金融零售的预授信方法及系统》通过利用三方数据包括法院失信人、运营商数据等对用户进行反欺诈评估,在授信确认之初就实现了对用户的逾期风险的控制,减少了逾期风险,但是却存在以下问题:
忽视了根据用户的授信申请信息的验证数据源的数量以及类型进行用户的验证数据源的可信度的确定,具体的,在进行用户的授信申请信息的验证时,往往需要调用第三方数据源对用户的授信申请信息进行验证,而在实际的操作过程中某些数据源可能由于维护等原因无法访问,因此若不能结合验证数据源的数量以及类型进行验证数据源的可信度的确定,则不仅会导致授信申请的处理效率变慢,同时也无法准确的实现对授信逾期风险的控制。
忽视了根据用户在面审时的可信度进行验证数据源的可信度阈值的动态调整,具体的,在面审时,对于未经过验证数据源校验的信息项,可以通过面审时的语音信息或者面部信息对用户的信息可信度进行校验,而若不能根据用户的面审时的信息可信度对验证数据源的可信度阈值进行动态调整,则同样不仅会导致授信申请的处理效率变慢,同时也无法准确的实现对授信逾期风险的控制。
针对上述技术问题,本发明提供了一种授信逾期风险控制方法与系统。
发明内容
一种授信逾期风险控制方法,其特征在于,具体包括:
S11通过用户的授信申请信息的完整度和问题项进行所述用户的待验证信息项的确定;
S12通过所述用户的待验证信息项进行验证数据源的数量以及类型的确定,并根据所述验证数据源的可用数据源的数量、类型以及可用数据源的验证结果进行验证数据源的真实度评估值以及未验证信息项的确定,并确定所述用户的授信申请信息是否可信,若是,则进行授信审批结果的输出,若否,则进入下一步骤;
S13通过面审视频数据中用户的未验证信息项的面部可信度以及语音可信度进行未验证信息项的可信度的评估,并确定是否存在可信度不满足要求的未验证信息项,若否,则进行授信审批结果的输出,若是,则进入下一步骤;
S14将所述可信度不满足要求的未验证信息项作为不可信信息项,并根据所述不可信信息项的数量以及可信度、未验证信息项的可信度和数量进行所述用户的验证数据源的真实度阈值的确定,并根据所述真实度阈值以及所述验证数据源的真实度评估值确定是否需要对所述用户进行逾期风险控制。
通过根据验证数据源的可用数据源的数量、类型以及可用数据源的验证结果进行验证数据源的真实度评估值以及未验证信息项的确定,从而实现了从可用数据源的数量以及验证结果两个方面对验证数据源的真实度的确定,保证了对用户的身份的真实性的准确评估。
通过面审视频数据中用户的未验证信息项的面部可信度以及语音可信度进行未验证信息项的可信度的评估,即考虑到用户的语音的可信度,同时也考虑到用户的面部表情的可信度,实现了对未验证信息项的可信度的准确全面评估。
通过根据不可信信息项的数量以及可信度、未验证信息项的可信度和数量进行用户的验证数据源的真实度阈值的确定,从而实现了从用户的面审视频数据的可信情况对验证数据源的真实度阈值的动态调整,既保证了可信情况较高的用户的授信审批的效率,同时也降低了用户的授信逾期风险。
进一步的,所述授信申请信息的问题项根据所述授信申请信息中的缺失项以及不匹配项进行确定。
另一方面,本发明提供了一种计算机系统,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行上述的一种授信逾期风险控制方法。
另一方面,本申请实施例中提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行上述的一种授信逾期风险控制方法。
其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显;
图1是一种授信逾期风险控制方法的流程图;
图2是用户的待验证信息项的确定的方法的流程图;
图3是一种计算机可读存储介质的框架图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
实施例1
为解决上述问题,根据本发明的一个方面,如图1所示,提供了根据本发明的一个方面,提供了一种授信逾期风险控制方法,其特征在于,具体包括:
S11通过用户的授信申请信息的完整度和问题项进行所述用户的待验证信息项的确定;
进一步的,所述授信申请信息的问题项根据所述授信申请信息中的缺失项以及不匹配项进行确定。
需要说明的是,如图2所示,所述用户的待验证信息项的确定的方法为:
S21获取所述授信申请信息的问题项,并判断所述授信申请信息的问题项的数量是否预设数量阈值,若是,则将所述授信申请信息的问题项以及预设待验证信息项作为所述用户的待验证信息项,若否,则进入下一步骤;
S22根据所述授信申请信息的问题项的类型以及问题项的数据量进行所述用户的授信申请信息的完整度的确定,并判断所述用户的授信申请信息的完整度是否满足要求,若是,则进入下一步骤,若否,则将所述授信申请信息的问题项以及预设待验证信息项作为所述用户的待验证信息项;
S23根据所述授信申请信息的问题项的类型进行需验证问题项的确定,并根据所述需验证问题项以及所述预设待验证信息项进行所述用户的待验证信息项的确定。
具体的,所述预设待验证信息项根据所述用户的授信申请信息的信息项的类型进行确定,具体的根据所述用户的授信申请信息的信息项的类型与所述用户的身份真实性的关联程度进行确定。
S12通过所述用户的待验证信息项进行验证数据源的数量以及类型的确定,并根据所述验证数据源的可用数据源的数量、类型以及可用数据源的验证结果进行验证数据源的真实度评估值以及未验证信息项的确定,并确定所述用户的授信申请信息是否可信,若是,则进行授信审批结果的输出,若否,则进入下一步骤;
需要说明的是,所述验证数据源的真实度评估值的确定的方法为:
S31获取所述验证数据源的可用数据源的数量以及类型,并根据所述可用数据源的数量以及类型、验证数据源的数量以及类型进行所述验证数据源的真实度初始评估值的确定;
S32根据所述可用数据源的验证结果进行准确信息项的确定,并根据所述准确信息项的数量确定所述验证数据源的真实度初始评估值的准确度是否满足要求,若是,则进入步骤S33,若否,则进入步骤S34;
S33通过所述准确信息项的数量以及类型、待验证信息项的数量以及类型进行所述可用数据源的验证准确度的确定,并通过所述可用数据源的验证准确度确定所述验证数据源的真实度初始评估值的准确度是否满足要求,若是,则通过所述可用数据源的验证准确度以及所述验证数据源的真实度初始评估值进行所述验证数据源的真实度评估值的确定,若否,则进入下一步骤;
S34通过所述可用数据源的验证结果进行不一致信息项的确定,将除去不一致信息项以及准确信息项的待验证信息项作为未验证数据项,根据所述不一致信息项的数量和类型、未验证数据项的数量和类型进行验证偏差量的确定,并根据所述验证偏差量、验证准确度以及所述验证数据源的真实度初始评估值进行所述验证数据源的真实度评估值的确定。
具体的,根据所述准确信息项的数量确定所述验证数据源的真实度初始评估值的准确度是否满足要求,具体包括:
当所述准确信息项的数量小于预设信息项数量或者所述准确信息项的数量与所述待验证信息项的数量的比值小于设定比例时,则确定所述验证数据源的真实度初始评估值的准确度不满足要求。
进一步的,确定所述用户的授信申请信息是否可信,具体包括:
通过所述验证偏差量确定所述用户的授信申请信息是否可信,若是,则进入下一步骤,若否,则确定所述用户的授信申请信息不可信;
根据所述用户的验证数据源的真实度评估值确定所述用户的授信申请信息是否可信。
在本实施例中,通过根据验证数据源的可用数据源的数量、类型以及可用数据源的验证结果进行验证数据源的真实度评估值以及未验证信息项的确定,从而实现了从可用数据源的数量以及验证结果两个方面对验证数据源的真实度的确定,保证了对用户的身份的真实性的准确评估。
S13通过面审视频数据中用户的未验证信息项的面部可信度以及语音可信度进行未验证信息项的可信度的评估,并确定是否存在可信度不满足要求的未验证信息项,若否,则进行授信审批结果的输出,若是,则进入下一步骤;
具体的,所述未验证信息项的可信度的评估的方法为:
S41获取所述用户在授信面审时的面审视频数据,并根据所述用户的面审视频数据进行语音识别进行所述用户的面审视频数据中的未验证信息项的视频片段的定位得到筛选视频片段;
S42通过所述筛选视频片段进行所述用户的语音特征信号的提取,根据所述用户的语音特征信号、筛选视频片段的用户的语音时长以及语音字数进行所述未验证信息项的语音可信度的确定,并判断所述未验证信息项的语音可信度是否满足要求,若是,则进入下一步骤,若否,则进入步骤S44;
S43通过所述筛选视频片段进行所述用户的面部图像特征的提取,根据所述用户的面部图像特征、筛选视频片段的用户的面部图像的时长以及所述用户的面部清晰度进行所述未验证信息项的面部可信度的确定,并根据所述面部可信度确定所述未验证信息项是否可信,若是,则确定所述未验证信息项可信,并通过所述未验证信息项的面部可信度以及语音可信度的最大值进行所述未验证信息项的可信度的评估,若否,则进入步骤S44;
S44确定所述未验证信息项的可信度不满足要求,存在可信度不满足要求的未验证信息项,并通过所述未验证信息项的面部可信度以及语音可信度的最小值进行所述未验证信息项的可信度的评估。
在本实施例中,通过面审视频数据中用户的未验证信息项的面部可信度以及语音可信度进行未验证信息项的可信度的评估,即考虑到用户的语音的可信度,同时也考虑到用户的面部表情的可信度,实现了对未验证信息项的可信度的准确全面评估。
S14将所述可信度不满足要求的未验证信息项作为不可信信息项,并根据所述不可信信息项的数量以及可信度、未验证信息项的可信度和数量进行所述用户的验证数据源的真实度阈值的确定,并根据所述真实度阈值以及所述验证数据源的真实度评估值确定是否需要对所述用户进行逾期风险控制。
具体的举例说明,所述用户的验证数据源的真实度阈值的确定的方法为:
S51获取所述不可信信息项的数量,并根据所述不可信信息项的数量确定是否需要对所述用户进行逾期风险控制,若是,则暂不进行授信审批通过,若否,则进入下一步骤;
S52根据所述不可信信息项的类型确定是否需要对所述用户进行逾期风险控制,若是,则暂不进行授信审批通过,若否,则进入下一步骤;
S53根据所述不可信信息项的数量、类型以及可信度进行所述用户的不可信信息项的综合可信度的确定,并通过所述不可信信息项的综合可信度确定是否需要对所述用户进行逾期风险控制,若是,则进入下一步骤,若否,则进入步骤S55;
S54根据所述未验证信息项的数量、类型以及可信度进行所述用户的未验证信息项的综合可信度的确定,并通过所述未验证信息项的综合可信度确定是否需要对所述用户进行逾期风险控制,若是,则暂不进行授信审批通过,若否,则进入步骤S55;
S55根据所述用户的不可信信息项的综合可信度以及所述用户的未验证信息项的综合可信度进行所述用户的真实度阈值的确定。
进一步的,根据所述真实度阈值以及所述验证数据源的真实度评估值确定是否需要对所述用户进行逾期风险控制,具体包括:
当所述验证数据源的真实度评估值大于所述真实度阈值时,若不可信信息项的综合可信度满足要求时,则不对所述用户进行逾期风险控制,对所述用户进行授信审批结果的输出;若不可信信息项的综合可信度不满足要求,则对所述用户进行逾期风险控制,并通过所述除去可用数据源的验证数据源可用后,对所述用户进行授信审批结果的输出;
当所述验证数据源的真实度评估值不大于所述真实度阈值时,则对所述用户进行逾期风险控制,暂不进行授信审批通过。
在本实施例中,通过根据不可信信息项的数量以及可信度、未验证信息项的可信度和数量进行用户的验证数据源的真实度阈值的确定,从而实现了从用户的面审视频数据的可信情况对验证数据源的真实度阈值的动态调整,既保证了可信情况较高的用户的授信审批的效率,同时也降低了用户的授信逾期风险。
实施例2
另一方面,本发明提供了一种计算机系统,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行上述的一种授信逾期风险控制方法。
实施例3
另一方面,如图3所示,本申请实施例中提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行上述的一种授信逾期风险控制方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种授信逾期风险控制方法,其特征在于,具体包括:
通过用户的授信申请信息的完整度和问题项进行所述用户的待验证信息项的确定;
通过所述用户的待验证信息项进行验证数据源的数量以及类型的确定,并根据所述验证数据源的可用数据源的数量、类型以及可用数据源的验证结果进行验证数据源的真实度评估值以及未验证信息项的确定,并确定所述用户的授信申请信息是否可信,若是,则进行授信审批结果的输出,若否,则进入下一步骤;
通过面审视频数据中用户的未验证信息项的面部可信度以及语音可信度进行未验证信息项的可信度的评估,并确定是否存在可信度不满足要求的未验证信息项,若否,则进行授信审批结果的输出,若是,则进入下一步骤;
将所述可信度不满足要求的未验证信息项作为不可信信息项,并根据所述不可信信息项的数量以及可信度、未验证信息项的可信度和数量进行所述用户的验证数据源的真实度阈值的确定,并根据所述真实度阈值以及所述验证数据源的真实度评估值确定是否需要对所述用户进行逾期风险控制。
2.如权利要求1所述的一种授信逾期风险控制方法,其特征在于,所述授信申请信息的问题项根据所述授信申请信息中的缺失项以及不匹配项进行确定。
3.如权利要求1所述的一种授信逾期风险控制方法,其特征在于,所述用户的待验证信息项的确定的方法为:
获取所述授信申请信息的问题项,并判断所述授信申请信息的问题项的数量是否预设数量阈值,若是,则将所述授信申请信息的问题项以及预设待验证信息项作为所述用户的待验证信息项,若否,则进入下一步骤;
根据所述授信申请信息的问题项的类型以及问题项的数据量进行所述用户的授信申请信息的完整度的确定,并判断所述用户的授信申请信息的完整度是否满足要求,若是,则进入下一步骤,若否,则将所述授信申请信息的问题项以及预设待验证信息项作为所述用户的待验证信息项;
根据所述授信申请信息的问题项的类型进行需验证问题项的确定,并根据所述需验证问题项以及所述预设待验证信息项进行所述用户的待验证信息项的确定。
4.如权利要求3所述的一种授信逾期风险控制方法,其特征在于,所述预设待验证信息项根据所述用户的授信申请信息的信息项的类型进行确定,具体的根据所述用户的授信申请信息的信息项的类型与所述用户的身份真实性的关联程度进行确定。
5.如权利要求1所述的一种授信逾期风险控制方法,其特征在于,所述验证数据源的真实度评估值的确定的方法为:
S31获取所述验证数据源的可用数据源的数量以及类型,并根据所述可用数据源的数量以及类型、验证数据源的数量以及类型进行所述验证数据源的真实度初始评估值的确定;
S32根据所述可用数据源的验证结果进行准确信息项的确定,并根据所述准确信息项的数量确定所述验证数据源的真实度初始评估值的准确度是否满足要求,若是,则进入步骤S33,若否,则进入步骤S34;
S33通过所述准确信息项的数量以及类型、待验证信息项的数量以及类型进行所述可用数据源的验证准确度的确定,并通过所述可用数据源的验证准确度确定所述验证数据源的真实度初始评估值的准确度是否满足要求,若是,则通过所述可用数据源的验证准确度以及所述验证数据源的真实度初始评估值进行所述验证数据源的真实度评估值的确定,若否,则进入下一步骤;
S34通过所述可用数据源的验证结果进行不一致信息项的确定,将除去不一致信息项以及准确信息项的待验证信息项作为未验证数据项,根据所述不一致信息项的数量和类型、未验证数据项的数量和类型进行验证偏差量的确定,并根据所述验证偏差量、验证准确度以及所述验证数据源的真实度初始评估值进行所述验证数据源的真实度评估值的确定。
6.如权利要求5所述的一种授信逾期风险控制方法,其特征在于,根据所述准确信息项的数量确定所述验证数据源的真实度初始评估值的准确度是否满足要求,具体包括:
当所述准确信息项的数量小于预设信息项数量或者所述准确信息项的数量与所述待验证信息项的数量的比值小于设定比例时,则确定所述验证数据源的真实度初始评估值的准确度不满足要求。
7.如权利要求5所述的一种授信逾期风险控制方法,其特征在于,确定所述用户的授信申请信息是否可信,具体包括:
通过所述验证偏差量确定所述用户的授信申请信息是否可信,若是,则进入下一步骤,若否,则确定所述用户的授信申请信息不可信;
根据所述用户的验证数据源的真实度评估值确定所述用户的授信申请信息是否可信。
8.如权利要求1所述的一种授信逾期风险控制方法,其特征在于,所述未验证信息项的可信度的评估的方法为:
S41获取所述用户在授信面审时的面审视频数据,并根据所述用户的面审视频数据进行语音识别进行所述用户的面审视频数据中的未验证信息项的视频片段的定位得到筛选视频片段;
S42通过所述筛选视频片段进行所述用户的语音特征信号的提取,根据所述用户的语音特征信号、筛选视频片段的用户的语音时长以及语音字数进行所述未验证信息项的语音可信度的确定,并判断所述未验证信息项的语音可信度是否满足要求,若是,则进入下一步骤,若否,则进入步骤S44;
S43通过所述筛选视频片段进行所述用户的面部图像特征的提取,根据所述用户的面部图像特征、筛选视频片段的用户的面部图像的时长以及所述用户的面部清晰度进行所述未验证信息项的面部可信度的确定,并根据所述面部可信度确定所述未验证信息项是否可信,若是,则确定所述未验证信息项可信,并通过所述未验证信息项的面部可信度以及语音可信度的最大值进行所述未验证信息项的可信度的评估,若否,则进入步骤S44;
S44确定所述未验证信息项的可信度不满足要求,存在可信度不满足要求的未验证信息项,并通过所述未验证信息项的面部可信度以及语音可信度的最小值进行所述未验证信息项的可信度的评估。
9.一种计算机系统,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行权利要求1-8任一项所述的一种授信逾期风险控制方法。
10.一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-8任一项所述的一种授信逾期风险控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310948766.1A CN117035985B (zh) | 2023-07-31 | 2023-07-31 | 一种授信逾期风险控制方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310948766.1A CN117035985B (zh) | 2023-07-31 | 2023-07-31 | 一种授信逾期风险控制方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117035985A true CN117035985A (zh) | 2023-11-10 |
CN117035985B CN117035985B (zh) | 2024-04-23 |
Family
ID=88634630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310948766.1A Active CN117035985B (zh) | 2023-07-31 | 2023-07-31 | 一种授信逾期风险控制方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117035985B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117333290A (zh) * | 2023-12-01 | 2024-01-02 | 杭银消费金融股份有限公司 | 一种一体化多尺度风控模型构建方法 |
CN117709906A (zh) * | 2024-02-04 | 2024-03-15 | 杭银消费金融股份有限公司 | 一种外部数据源查询决策方法与装置 |
CN117876103A (zh) * | 2024-03-12 | 2024-04-12 | 杭银消费金融股份有限公司 | 一种人行征信用户画像搭建方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100122341A1 (en) * | 2008-11-13 | 2010-05-13 | Palo Alto Research Center Incorporated | Authenticating users with memorable personal questions |
AU2012201419A1 (en) * | 2005-03-24 | 2012-04-05 | Accenture Global Services Limited | Risk based data assessment |
CN103810635A (zh) * | 2014-03-05 | 2014-05-21 | 南京聪诺信息科技有限公司 | 贷款业务处理流程核查实现方法及装置 |
CN105046121A (zh) * | 2015-06-30 | 2015-11-11 | 深圳市银雁金融服务有限公司 | 征信信息处理方法及系统 |
US20150339769A1 (en) * | 2014-05-22 | 2015-11-26 | C1 Bank | System and method for enforcing data integrity and loan approval automation by means of data aggregation and analysis |
CN106060050A (zh) * | 2016-06-01 | 2016-10-26 | 维沃移动通信有限公司 | 身份验证方法及终端设备 |
CN106296391A (zh) * | 2016-08-08 | 2017-01-04 | 联动优势科技有限公司 | 一种评估逾期概率的方法和装置 |
CN110766275A (zh) * | 2019-09-18 | 2020-02-07 | 平安银行股份有限公司 | 数据验证方法、装置、计算机设备及存储介质 |
US20200311311A1 (en) * | 2019-03-26 | 2020-10-01 | Rovi Guides, Inc. | System and method for identifying altered content |
CN112102073A (zh) * | 2020-09-27 | 2020-12-18 | 长安汽车金融有限公司 | 信贷风险控制方法及系统、电子设备及可读存储介质 |
CN115456768A (zh) * | 2022-10-12 | 2022-12-09 | 平安消费金融有限公司 | 智能授信方法、装置、计算机设备和存储介质 |
CN116630033A (zh) * | 2023-07-20 | 2023-08-22 | 杭银消费金融股份有限公司 | 信息审核方法、系统与存储介质 |
CN116629456A (zh) * | 2023-07-20 | 2023-08-22 | 杭银消费金融股份有限公司 | 业务逾期风险预测方法、系统与存储介质 |
-
2023
- 2023-07-31 CN CN202310948766.1A patent/CN117035985B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2012201419A1 (en) * | 2005-03-24 | 2012-04-05 | Accenture Global Services Limited | Risk based data assessment |
US20100122341A1 (en) * | 2008-11-13 | 2010-05-13 | Palo Alto Research Center Incorporated | Authenticating users with memorable personal questions |
CN103810635A (zh) * | 2014-03-05 | 2014-05-21 | 南京聪诺信息科技有限公司 | 贷款业务处理流程核查实现方法及装置 |
US20150339769A1 (en) * | 2014-05-22 | 2015-11-26 | C1 Bank | System and method for enforcing data integrity and loan approval automation by means of data aggregation and analysis |
CN105046121A (zh) * | 2015-06-30 | 2015-11-11 | 深圳市银雁金融服务有限公司 | 征信信息处理方法及系统 |
CN106060050A (zh) * | 2016-06-01 | 2016-10-26 | 维沃移动通信有限公司 | 身份验证方法及终端设备 |
CN106296391A (zh) * | 2016-08-08 | 2017-01-04 | 联动优势科技有限公司 | 一种评估逾期概率的方法和装置 |
US20200311311A1 (en) * | 2019-03-26 | 2020-10-01 | Rovi Guides, Inc. | System and method for identifying altered content |
CN110766275A (zh) * | 2019-09-18 | 2020-02-07 | 平安银行股份有限公司 | 数据验证方法、装置、计算机设备及存储介质 |
CN112102073A (zh) * | 2020-09-27 | 2020-12-18 | 长安汽车金融有限公司 | 信贷风险控制方法及系统、电子设备及可读存储介质 |
CN115456768A (zh) * | 2022-10-12 | 2022-12-09 | 平安消费金融有限公司 | 智能授信方法、装置、计算机设备和存储介质 |
CN116630033A (zh) * | 2023-07-20 | 2023-08-22 | 杭银消费金融股份有限公司 | 信息审核方法、系统与存储介质 |
CN116629456A (zh) * | 2023-07-20 | 2023-08-22 | 杭银消费金融股份有限公司 | 业务逾期风险预测方法、系统与存储介质 |
Non-Patent Citations (1)
Title |
---|
余祖坤;许景楠;郑小林;陈德人;: "基于信任的真实数据判定方法", 系统工程理论与实践, no. 09, 15 September 2013 (2013-09-15) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117333290A (zh) * | 2023-12-01 | 2024-01-02 | 杭银消费金融股份有限公司 | 一种一体化多尺度风控模型构建方法 |
CN117333290B (zh) * | 2023-12-01 | 2024-03-26 | 杭银消费金融股份有限公司 | 一种一体化多尺度风控模型构建方法 |
CN117709906A (zh) * | 2024-02-04 | 2024-03-15 | 杭银消费金融股份有限公司 | 一种外部数据源查询决策方法与装置 |
CN117709906B (zh) * | 2024-02-04 | 2024-05-14 | 杭银消费金融股份有限公司 | 一种外部数据源查询决策方法与装置 |
CN117876103A (zh) * | 2024-03-12 | 2024-04-12 | 杭银消费金融股份有限公司 | 一种人行征信用户画像搭建方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117035985B (zh) | 2024-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117035985B (zh) | 一种授信逾期风险控制方法与系统 | |
JP5285432B2 (ja) | 署名検証のためのローリング登録の方法及び装置 | |
US10880299B2 (en) | Machine learning for document authentication | |
US9099085B2 (en) | Voice authentication systems and methods | |
US8775187B2 (en) | Voice authentication system and methods | |
CN108460681B (zh) | 一种风险管控方法及装置 | |
CN111275546B (zh) | 金融客户欺诈风险识别方法及装置 | |
WO2015033121A1 (en) | Biometric verification using predicted signatures | |
CN116629456B (zh) | 业务逾期风险预测方法、系统与存储介质 | |
CN116630033B (zh) | 信息审核方法、系统与存储介质 | |
CN116823274B (zh) | 一种应用于金融终端的欺诈风险评估方法及装置 | |
CN111160928A (zh) | 一种验证身份的方法及装置 | |
CN112447167A (zh) | 语音识别模型验证方法、装置、计算机设备和存储介质 | |
US11841932B2 (en) | System and method for updating biometric evaluation systems | |
CN110941824B (zh) | 一种基于对抗样本增强模型抗攻击能力的方法和系统 | |
US20230004758A1 (en) | System and Method for Validating Data | |
WO2023177781A1 (en) | Analyzing a transaction in a payment processing system | |
CN113723071B (zh) | 电子档案校验方法、系统、存储介质及设备 | |
TWM622203U (zh) | 用於金融交易系統之聲紋辨識裝置 | |
CN111932270A (zh) | 银行客户身份验证的方法及装置 | |
TWI817897B (zh) | 用於金融交易系統之低雜訊聲紋辨識裝置與其方法 | |
TWI775020B (zh) | 洗錢防制法疑似案例輔助判斷系統 | |
TW202311990A (zh) | 用於金融交易系統之聲紋辨識裝置與其方法 | |
AU2012200605B2 (en) | Voice authentication system and methods | |
CN116306975A (zh) | 风险检测模型的训练方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |