CN117132391A - 一种基于人机交互的授信审批方法与系统 - Google Patents
一种基于人机交互的授信审批方法与系统 Download PDFInfo
- Publication number
- CN117132391A CN117132391A CN202311334094.1A CN202311334094A CN117132391A CN 117132391 A CN117132391 A CN 117132391A CN 202311334094 A CN202311334094 A CN 202311334094A CN 117132391 A CN117132391 A CN 117132391A
- Authority
- CN
- China
- Prior art keywords
- user
- determining
- questions
- credit
- fraud
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000002360 preparation method Methods 0.000 claims abstract description 47
- 230000002159 abnormal effect Effects 0.000 claims abstract description 42
- 238000001228 spectrum Methods 0.000 claims abstract description 37
- 230000008921 facial expression Effects 0.000 claims abstract description 29
- 230000002776 aggregation Effects 0.000 claims abstract description 28
- 238000004220 aggregation Methods 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 7
- 230000001815 facial effect Effects 0.000 claims description 27
- 230000004044 response Effects 0.000 claims description 17
- 230000014509 gene expression Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 claims description 3
- 238000013475 authorization Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 description 11
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000012552 review Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000000981 bystander Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003672 processing method 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供一种基于人机交互的授信审批方法与系统，属于金融管理技术领域，具体包括：获取用户的授信申请信息以及授信申请地址，并通过语音机器人以及面审问题进行用户的人机交互视频的构建；通过音频数据进行人机交互视频中的人员数量以及人员声谱特征的确定，并通过人员声谱特征进行历史面审视频中的历史相似人员、人机交互视频中的人员数量确定聚集性欺诈风险；通过人机交互视频进行用户的回答准备时间以及异常面部表情的识别结果的确定，并结合用户的授信欺诈风险以及聚集性欺诈风险进行欺诈风险以及授信审批结果的输出，减少了授信审批过程中的欺诈风险。
Description
技术领域
本发明属于金融管理技术领域，尤其涉及一种基于人机交互的授信审批方法与系统。
背景技术
随着授信审批的线上化和智能化，审批处理的效率的要求也越来越高，特别是AI智能语音识别等技术的发展，也使得对用户进行自助的人机交互成为可能，因此如何实现利用人机交互方式提升授信申请处理的效率，同时降低由于欺诈导致的资产损失成为亟待解决的技术问题。
为了解决上述技术问题，现有技术中给出了类似的通过AI智能客服实现对用户的面审，具体的在发明专利《一种线上面审处理方法、装置、存储介质及设备》中即通过虚拟客服的设置实现人机交互，并通过声纹特征的提取，并与该虚拟客服的声纹特征和该客户的声纹特征进行对比，判断是否存在旁人，实现对异常授信申请的识别，但是却存在以下技术问题:
在进行面审信息的审核时，用户在进行问题回答时，特别是问题回答的结果与用户的授信申请信息的结果不一致时，其面部表情以及回答语音存在欺诈风险的可能性更大，因此若不能结合上述问题回答的结果与用户的授信申请信息的结果不一致时的视频帧的分析结果进行欺诈风险的确定，则同样有可能会存在授信欺诈风险。
在进行面审信息的审核时，现有技术方案往往是通过面审视频背景进行团伙或者聚集性风险的识别，但是一旦用户在面审时切换视频背景，则无法实现对团伙或者聚集性风险的识别，因此在面审信息的审核过程中，若不考虑第三方语音的识别结果无法准确的实现对团伙性的授信欺诈风险的识别。
针对上述技术问题，本发明提供了一种基于人机交互的授信审批方法与系统。
发明内容
为实现本发明目的，本发明采用如下技术方案：
根据本发明的一个方面，提供了一种基于人机交互的授信审批方法。
一种基于人机交互的授信审批方法，其特征在于，具体包括：
S11获取用户的授信申请信息以及授信申请地址，并基于所述授信申请信息进行面审问题的确定，通过语音机器人以及面审问题进行所述用户的人机交互视频的构建；
S12通过音频数据进行人机交互视频中的人员数量以及人员声谱特征的确定，并通过人员声谱特征进行授信申请地址的设定面积内的历史面审视频中的历史人员的声谱相似度以及历史相似人员的确定，并结合历史相似人员的历史面审视频数据以及人机交互视频中的人员数量确定聚集性欺诈风险，并当其满足要求时，进入下一步骤；
S13根据用户的不一致问题以及回答准备超时问题确定所述人机交互视频中的问题视频帧，通过问题视频帧的用户的面部特征确定不同问题的面部欺诈风险，并结合问题视频帧的时长确定用户的授信欺诈风险，并当其不满足要求时，进入下一步骤；
S14通过所述人机交互视频进行所述用户的回答准备时间以及异常面部表情的识别结果的确定，并结合所述用户的授信欺诈风险以及所述聚集性欺诈风险进行欺诈风险以及授信审批结果的输出。
进一步的技术方案在于，所述用户的授信审批地址根据所述用户在进行所述授信申请信息填写的网络地址进行确定。
进一步的技术方案在于，所述面审问题根据所述用户的授信申请信息中的空缺项以及授信申请信息中的预设信息项进行确定。
进一步的技术方案在于，所述不同问题的面部欺诈风险确定的具体步骤为：
将所述用户的回答结果与所述用户的授信申请信息不一致的面审问题作为不一致问题，将所述用户的回答准确时间大于预设时间的面审问题作为回答准备超时问题，并根据所述不一致问题以及回答准备超时问题所对应的所述人机交互视频中的视频帧进行问题视频帧的确定；
通过所述问题视频帧的音频数据将所述问题视频帧与所述用户的问题进行关联得到不同问题的关联视频帧，并通过不同问题的关联视频帧进行不同问题的用户的面部特征的提取，通过所述面部特征确定所述用户在不同问题的回答过程中的异常表情的次数的确定，并结合不同问题的回答时长以及回答准备时长进行所述不同问题的面部欺诈风险的确定。
进一步的技术方案在于，所述异常表情包括但不限于紧张、恐惧。
进一步的技术方案在于，当所述用户的授信欺诈风险满足要求或者所述用户不存在授信风险时，则对所述用户的授信申请信息进行审批并基于所述授信申请信息输出授信审批结果。
进一步的技术方案在于，所述欺诈风险的确定的方法为：
通过所述人机交互视频的音频数据进行所述用户的面审问题的数量以及不同的面审问题的回答准备时间的确定，通过所述人机交互视频的视频帧进行所述用户的异常面部表情的次数的确定，并通过所述不同的面审问题的回答准备时间的均值以及用户的异常面部表情的次数确定是否存在欺诈风险，若是，则确定存在欺诈风险，并暂停对所述用户的授信申请的审批处理，若否，则进入下一步骤；
根据所述用户的回答准备时间的均值、用户的异常面部表情的次数进行所述用户的总体欺诈风险评估值的确定，并结合所述用户的授信欺诈风险以及所述聚集性欺诈风险进行欺诈风险的确定。
第二方面，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基于人机交互的授信审批方法。
本发明的有益效果在于：
通过对聚集性欺诈风险的评估，不仅考虑到从声谱特征的角度出发对多个面审视频中存在相同的人员的识别，同时还考虑到相同的历史面审视频的数量以及时间分布情况，避免了由于聚集性团伙作案情况的出现，进一步保证了授信处理的安全性。
通过对用户的授信欺诈风险的评估，实现了对用户的面部表情的异常情况以及回答的面审问题的情况对用户自身的欺诈风险的评估，充分考虑到不同用户在面审的面部表情的表现的差异性，同时也提升了用户的授信欺诈风险的识别的准确性和全面性。
通过进一步考虑整个人机交互视频的回答问题情况以及异常表情的情况对欺诈风险的确定，实现了从整个用户在人机活动中的面部表情的实际情况以及与历史中的其它面审视频的声谱相似情况对欺诈风险的总体评估，避免了由于欺诈风险的判断不准确导致的损失问题。
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是一种基于人机交互的授信审批方法的流程图；
图2是聚集性欺诈风险确定的具体步骤的流程图；
图3是另外一种可能的聚集性欺诈风险的确定的具体步骤的流程图；
图4是用户的授信欺诈风险的确定的具体步骤的流程图；
图5是欺诈风险的确定的方法的流程图；
图6是一种计算机系统的框架图。
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。
申请人发现，在通过AI智能客服对授信申请用户进行面审时，现有技术往往通过对面审视频中是否存在第三人亦或者授信申请用户由于欺诈导致的面部表情的异常实现对用户的欺诈的识别，但是却未考虑到相同的IP地址的多个面审视频存在相同的声谱特征的用户，此时存在聚集性风险的概率极大，同时对于用户，当其存在回答问题时犹豫时间过长的问题或者回答结果与授信申请信息不一致的问题，其存在欺诈风险的概率更大，因此若不对这些问题首先进行欺诈识别，则会导致总体的欺诈识别的效率过低。
基于上述技术问题，申请人采用以下技术方案：
首先通过面审视频中的声谱信号识别面审视频中的用户的数量，并与授信申请地点的历史面审视频的历史用户的声谱特征的相似度的比对结果进行聚集性欺诈风险的确定，当聚集性欺诈风险可控时，进入下一步骤；
根据用户在回答结果与授信申请信息不一致的问题以及犹豫时间较久的问题的视频帧中的用户的面部特征的识别，判断其存在一定的欺诈风险时，进入下一步骤；
对用户的整个面审视频中的异常的面部表情以及回答问题的犹豫时间进行获取，并结合上述的欺诈风险的评估结果以及聚集性欺诈风险的评估结果确定是否对所述授信申请予以通过。
以下将从方法类实施例和系统类实施例进行详细描述。
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，提供了一种基于人机交互的授信审批方法，其特征在于，具体包括：
S11获取用户的授信申请信息以及授信申请地址，并基于所述授信申请信息进行面审问题的确定，通过语音机器人以及面审问题进行所述用户的人机交互视频的构建；
具体的，所述用户的授信审批地址根据所述用户在进行所述授信申请信息填写的网络地址进行确定。
在其中的一个可能的实施例中，所述面审问题根据所述用户的授信申请信息中的空缺项以及授信申请信息中的预设信息项进行确定。
S12通过音频数据进行人机交互视频中的人员数量以及人员声谱特征的确定，并通过人员声谱特征进行授信申请地址的设定面积内的历史面审视频中的历史人员的声谱相似度以及历史相似人员的确定，并结合历史相似人员的历史面审视频数据以及人机交互视频中的人员数量确定聚集性欺诈风险，并当其满足要求时，进入下一步骤；
具体的，如图2所示，在上述步骤S12中的所述聚集性欺诈风险确定的具体步骤为：
S21通过所述音频数据进行人机交互视频中的人员声谱特征的提取，并通过所述人员声谱特征进行所述人机交互视频中的人员数量的确定；
S22将所述人机交互视频中的人员作为面审人员，并通过所述面审人员的人员声谱特征确定所述面审人员与所述授信申请地址的设定面积内的历史面审视频中的历史人员的声谱相似度，并通过所述声谱相似度确定是否存在历史相似人员，若是，则进入下一步骤，若否，则确定所述聚集性欺诈风险为0；
S23将包含有所述历史相似人员的历史面审视频作为相似人员历史视频，并判断所述相似人员历史视频的数量是否大于预设数量阈值，若是，则通过所述相似人员历史视频的数量进行所述聚集性欺诈风险的确定，若否，则进入下一步骤；
S24通过所述历史相似人员确定所述面审人员中存在历史相似人员的数量，通过所述声谱相似度进行疑似相似历史人员的数量以及包含有所述历史相似人员的历史面审视频的数量，并结合所述相似人员历史视频的数量、人机交互视频中的人员数量、面审人员中存在历史相似人员的数量进行聚集性欺诈风险的确定。
需要说明的是，当所述聚集性欺诈风险不满足要求时，则确定所述用户存在欺诈风险并中止授信审批。
在另外一种可能的实施例中，如图3所示，所述聚集性欺诈风险的确定的具体步骤为：
通过所述历史相似人员的数量、包含所述历史相似人员的历史面审视频的数量以及与所述面审视频的时间差进行所述用户的历史相似人员的聚集性欺诈风险的确定，并通过所述用户的历史相似人员的聚集性欺诈风险确定所述用户是否存在欺诈风险，若是，则确定所述用户存在欺诈风险并中止授信审批，若否，则进入下一步骤；
通过所述声谱相似度进行疑似相似历史人员的数量的确定，并结合所述疑似相似历史人员的历史面审视频的数量以及与所述面审视频的时间差进行所述用户的疑似相似历史人员的聚集性欺诈风险的确定，并通过所述用户的历史相似人员的聚集性欺诈风险以及疑似相似历史人员的聚集性欺诈风险确定所述用户是否存在欺诈风险，若是，则确定所述用户存在欺诈风险并中止授信审批，若否，则进入下一步骤；
将具有历史相似人员或者疑似相似历史人员的所述面审人员作为问题面审人员，并通过所述问题面审人员的历史相似人员的数量以及疑似相似历史人员的数量进行所述问题面审人员的异常值的确定，并结合所述问题面审人员的数量以及面审人员的数量进行面审人员的综合异常量的确定；
通过所述面审人员的综合异常量、用户的历史相似人员的聚集性欺诈风险以及疑似相似历史人员的聚集性欺诈风险进行所述用户的聚集性欺诈风险的确定。
S13根据用户的不一致问题以及回答准备超时问题确定所述人机交互视频中的问题视频帧，通过问题视频帧的用户的面部特征确定不同问题的面部欺诈风险，并结合问题视频帧的时长确定用户的授信欺诈风险，并当其不满足要求时，进入下一步骤；
在其中的一种可能的实施例中，所述不同问题的面部欺诈风险确定的具体步骤为：
将所述用户的回答结果与所述用户的授信申请信息不一致的面审问题作为不一致问题，将所述用户的回答准确时间大于预设时间的面审问题作为回答准备超时问题，并根据所述不一致问题以及回答准备超时问题所对应的所述人机交互视频中的视频帧进行问题视频帧的确定；
通过所述问题视频帧的音频数据将所述问题视频帧与所述用户的问题进行关联得到不同问题的关联视频帧，并通过不同问题的关联视频帧进行不同问题的用户的面部特征的提取，通过所述面部特征确定所述用户在不同问题的回答过程中的异常表情的次数的确定，并结合不同问题的回答时长以及回答准备时长进行所述不同问题的面部欺诈风险的确定。
需要说明的是，所述异常表情包括但不限于紧张、恐惧。
需要另外说明的是，如图4所示，所述用户的授信欺诈风险的确定的具体步骤为：
S31根据所述用户的不同问题的面部欺诈风险进行存在疑似欺诈风险的问题的数量的确定，并根据所述存在疑似欺诈风险的问题的数量确定是否存在授信风险，若是，则进入步骤S33，若否，则进入下一步骤；
S32获取所述用户的不一致问题的数量以及回答准备超时问题的数量，并通过取所述用户的不一致问题的数量以及回答准备超时问题的数量确定是否存在授信风险，若是，则进入步骤S33，若否，则确定不存在授信风险；
S33获取所述用户的不一致问题的数量以及不一致问题中的存在疑似欺诈风险的问题的数量，并结合所述用户的不一致问题的面部欺诈风险的均值进行所述用户的不一致问题的授信欺诈风险的确定；
S34获取所述用户的回答准备超时问题的数量以及回答准备超时问题中的存在疑似欺诈风险的问题的数量，并结合所述用户的回答准备超时问题的面部欺诈风险的均值进行所述用户的回答准备超时问题的授信欺诈风险的确定；
S35通过所述用户的回答准备超时问题的时长以及不一致问题的时长分别进行所述用户的回答准备超时问题的授信欺诈风险的权值以及不一致问题的授信欺诈风险的权值的确定，并结合所述用户的回答准备超时问题的授信欺诈风险以及不一致问题的授信欺诈风险进行所述用户的授信欺诈风险的确定。
具体的，当所述用户的授信欺诈风险满足要求或者所述用户不存在授信风险时，则对所述用户的授信申请信息进行审批并基于所述授信申请信息输出授信审批结果。
S14通过所述人机交互视频进行所述用户的回答准备时间以及异常面部表情的识别结果的确定，并结合所述用户的授信欺诈风险以及所述聚集性欺诈风险进行欺诈风险以及授信审批结果的输出。
需要进一步说明的是，所述欺诈风险的确定的方法为：
通过所述人机交互视频的音频数据进行所述用户的面审问题的数量以及不同的面审问题的回答准备时间的确定，通过所述人机交互视频的视频帧进行所述用户的异常面部表情的次数的确定，并通过所述不同的面审问题的回答准备时间的均值以及用户的异常面部表情的次数确定是否存在欺诈风险，若是，则确定存在欺诈风险，并暂停对所述用户的授信申请的审批处理，若否，则进入下一步骤；
根据所述用户的回答准备时间的均值、用户的异常面部表情的次数进行所述用户的总体欺诈风险评估值的确定，并结合所述用户的授信欺诈风险以及所述聚集性欺诈风险进行欺诈风险的确定。
在另外一种可能的实施例中，如图5所示，所述欺诈风险的确定的方法为：
通过用户的授信欺诈风险以及所述聚集性欺诈风险进行所述用户的异常面部表情的次数阈值的确定；
通过所述人机交互视频的视频帧进行所述用户的异常面部表情的次数的确定，并判断所述用户的异常面部表情的次数确是否大于所述用户的异常面部表情的次数阈值，若是，则确定存在欺诈风险，并暂停对所述用户的授信申请的审批处理，若否，则进入下一步骤；
根据所述用户的异常面部表情的分布情况确定所述用户在回答问题时的存在异常面部表情的问题的数量以及比例，并结合所述用户的不同的问题的异常表情次数以及异常表情的次数进行所述用户的异常表现评估量的确定，并通过所述用户的异常表现评估量以及所述用户的授信欺诈风险确定是否存在欺诈风险，具体的可以通过两者的和与预设的阈值之间的关系进行确认，并当不存在欺诈风险时，进入下一步骤；
根据所述用户的回答准备时间与问题回答时间的比值进行用户的不同的问题的犹豫情况的确定，并结合回答准备时间的均值、用户的异常表现评估量进行所述用户的总体欺诈风险评估值的确定，并结合所述用户的授信欺诈风险以及所述聚集性欺诈风险进行欺诈风险的确定。
采用上述的技术方案，本申请取得以下有益效果：
通过对聚集性欺诈风险的评估，不仅考虑到从声谱特征的角度出发对多个面审视频中存在相同的人员的识别，同时还考虑到相同的历史面审视频的数量以及时间分布情况，避免了由于聚集性团伙作案情况的出现，进一步保证了授信处理的安全性。
通过对用户的授信欺诈风险的评估，实现了对用户的面部表情的异常情况以及回答的面审问题的情况对用户自身的欺诈风险的评估，充分考虑到不同用户在面审的面部表情的表现的差异性，同时也提升了用户的授信欺诈风险的识别的准确性和全面性。
通过进一步考虑整个人机交互视频的回答问题情况以及异常表情的情况对欺诈风险的确定，实现了从整个用户在人机活动中的面部表情的实际情况以及与历史中的其它面审视频的声谱相似情况对欺诈风险的总体评估，避免了由于欺诈风险的判断不准确导致的损失问题。
另一方面，如图6所示，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基于人机交互的授信审批方法。
上述的一种基于人机交互的授信审批方法，具体包括：
获取用户的授信申请信息以及授信申请地址，并基于所述授信申请信息进行面审问题的确定，通过语音机器人以及面审问题进行所述用户的人机交互视频的构建；
通过音频数据进行人机交互视频中的人员声谱特征的提取，并通过所述人员声谱特征进行所述人机交互视频中的人员数量的确定；
将所述人机交互视频中的人员作为面审人员，并通过所述面审人员的人员声谱特征确定所述面审人员与所述授信申请地址的设定面积内的历史面审视频中的历史人员的声谱相似度，并通过所述声谱相似度确定是否存在历史相似人员，若是，则进入下一步骤，若否，则确定所述聚集性欺诈风险为0；
将包含有所述历史相似人员的历史面审视频作为相似人员历史视频，并判断所述相似人员历史视频的数量是否大于预设数量阈值，若是，则通过所述相似人员历史视频的数量进行所述聚集性欺诈风险的确定，若否，则进入下一步骤；
通过所述历史相似人员确定所述面审人员中存在历史相似人员的数量，通过所述声谱相似度进行疑似相似历史人员的数量以及包含有所述历史相似人员的历史面审视频的数量，并结合所述相似人员历史视频的数量、人机交互视频中的人员数量、面审人员中存在历史相似人员的数量进行聚集性欺诈风险的确定，并当其满足要求时，进入下一步骤；
根据用户的不一致问题以及回答准备超时问题确定所述人机交互视频中的问题视频帧，通过问题视频帧的用户的面部特征确定不同问题的面部欺诈风险，并结合问题视频帧的时长确定用户的授信欺诈风险，并当其不满足要求时，进入下一步骤；
通过所述人机交互视频进行所述用户的回答准备时间以及异常面部表情的识别结果的确定，并结合所述用户的授信欺诈风险以及所述聚集性欺诈风险进行欺诈风险以及授信审批结果的输出。
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。
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)
1.一种基于人机交互的授信审批方法，其特征在于，具体包括：
获取用户的授信申请信息以及授信申请地址，并基于所述授信申请信息进行面审问题的确定，通过语音机器人以及面审问题进行所述用户的人机交互视频的构建；
通过音频数据进行人机交互视频中的人员数量以及人员声谱特征的确定，并通过人员声谱特征进行授信申请地址的设定面积内的历史面审视频中的历史人员的声谱相似度以及历史相似人员的确定，并结合历史相似人员的历史面审视频数据以及人机交互视频中的人员数量确定聚集性欺诈风险，并当其满足要求时，进入下一步骤；
根据用户的不一致问题以及回答准备超时问题确定所述人机交互视频中的问题视频帧，通过问题视频帧的用户的面部特征确定不同问题的面部欺诈风险，并结合问题视频帧的时长确定用户的授信欺诈风险，并当其不满足要求时，进入下一步骤；
通过所述人机交互视频进行所述用户的回答准备时间以及异常面部表情的识别结果的确定，并结合所述用户的授信欺诈风险以及所述聚集性欺诈风险进行欺诈风险以及授信审批结果的输出。
2.如权利要求1所述的一种基于人机交互的授信审批方法，其特征在于，所述用户的授信审批地址根据所述用户在进行所述授信申请信息填写的网络地址进行确定。
3.如权利要求1所述的一种基于人机交互的授信审批方法，其特征在于，所述面审问题根据所述用户的授信申请信息中的空缺项以及授信申请信息中的预设信息项进行确定。
4.如权利要求1所述的一种基于人机交互的授信审批方法，其特征在于，所述聚集性欺诈风险确定的具体步骤为：
通过所述音频数据进行人机交互视频中的人员声谱特征的提取，并通过所述人员声谱特征进行所述人机交互视频中的人员数量的确定；
将所述人机交互视频中的人员作为面审人员，并通过所述面审人员的人员声谱特征确定所述面审人员与所述授信申请地址的设定面积内的历史面审视频中的历史人员的声谱相似度，并通过所述声谱相似度确定是否存在历史相似人员，若是，则进入下一步骤，若否，则确定所述聚集性欺诈风险为0；
将包含有所述历史相似人员的历史面审视频作为相似人员历史视频，并判断所述相似人员历史视频的数量是否大于预设数量阈值，若是，则通过所述相似人员历史视频的数量进行所述聚集性欺诈风险的确定，若否，则进入下一步骤；
通过所述历史相似人员确定所述面审人员中存在历史相似人员的数量，通过所述声谱相似度进行疑似相似历史人员的数量以及包含有所述历史相似人员的历史面审视频的数量，并结合所述相似人员历史视频的数量、人机交互视频中的人员数量、面审人员中存在历史相似人员的数量进行聚集性欺诈风险的确定。
5.如权利要求1所述的一种基于人机交互的授信审批方法，其特征在于，当所述聚集性欺诈风险不满足要求时，则确定所述用户存在欺诈风险并中止授信审批。
6.如权利要求1所述的一种基于人机交互的授信审批方法，其特征在于，所述不同问题的面部欺诈风险确定的具体步骤为：
将所述用户的回答结果与所述用户的授信申请信息不一致的面审问题作为不一致问题，将所述用户的回答准确时间大于预设时间的面审问题作为回答准备超时问题，并根据所述不一致问题以及回答准备超时问题所对应的所述人机交互视频中的视频帧进行问题视频帧的确定；
通过所述问题视频帧的音频数据将所述问题视频帧与所述用户的问题进行关联得到不同问题的关联视频帧，并通过不同问题的关联视频帧进行不同问题的用户的面部特征的提取，通过所述面部特征确定所述用户在不同问题的回答过程中的异常表情的次数的确定，并结合不同问题的回答时长以及回答准备时长进行所述不同问题的面部欺诈风险的确定。
7.如权利要求1所述的一种基于人机交互的授信审批方法，其特征在于，所述异常表情包括但不限于紧张、恐惧。
8.如权利要求1所述的一种基于人机交互的授信审批方法，其特征在于，所述用户的授信欺诈风险的确定的具体步骤为：
S31根据所述用户的不同问题的面部欺诈风险进行存在疑似欺诈风险的问题的数量的确定，并根据所述存在疑似欺诈风险的问题的数量确定是否存在授信风险，若是，则进入步骤S33，若否，则进入下一步骤；
S32获取所述用户的不一致问题的数量以及回答准备超时问题的数量，并通过取所述用户的不一致问题的数量以及回答准备超时问题的数量确定是否存在授信风险，若是，则进入步骤S33，若否，则确定不存在授信风险；
S33获取所述用户的不一致问题的数量以及不一致问题中的存在疑似欺诈风险的问题的数量，并结合所述用户的不一致问题的面部欺诈风险的均值进行所述用户的不一致问题的授信欺诈风险的确定；
S34获取所述用户的回答准备超时问题的数量以及回答准备超时问题中的存在疑似欺诈风险的问题的数量，并结合所述用户的回答准备超时问题的面部欺诈风险的均值进行所述用户的回答准备超时问题的授信欺诈风险的确定；
S35通过所述用户的回答准备超时问题的时长以及不一致问题的时长分别进行所述用户的回答准备超时问题的授信欺诈风险的权值以及不一致问题的授信欺诈风险的权值的确定，并结合所述用户的回答准备超时问题的授信欺诈风险以及不一致问题的授信欺诈风险进行所述用户的授信欺诈风险的确定。
9.如权利要求1所述的一种基于人机交互的授信审批方法，其特征在于，所述欺诈风险的确定的方法为：
通过所述人机交互视频的音频数据进行所述用户的面审问题的数量以及不同的面审问题的回答准备时间的确定，通过所述人机交互视频的视频帧进行所述用户的异常面部表情的次数的确定，并通过所述不同的面审问题的回答准备时间的均值以及用户的异常面部表情的次数确定是否存在欺诈风险，若是，则确定存在欺诈风险，并暂停对所述用户的授信申请的审批处理，若否，则进入下一步骤；
根据所述用户的回答准备时间的均值、用户的异常面部表情的次数进行所述用户的总体欺诈风险评估值的确定，并结合所述用户的授信欺诈风险以及所述聚集性欺诈风险进行欺诈风险的确定。
10.一种计算机系统，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1-9任一项所述的一种基于人机交互的授信审批方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311334094.1A CN117132391B (zh) | 2023-10-16 | 2023-10-16 | 一种基于人机交互的授信审批方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311334094.1A CN117132391B (zh) | 2023-10-16 | 2023-10-16 | 一种基于人机交互的授信审批方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117132391A true CN117132391A (zh) | 2023-11-28 |
| CN117132391B CN117132391B (zh) | 2024-07-30 |
Family
ID=88858352
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311334094.1A Active CN117132391B (zh) | 2023-10-16 | 2023-10-16 | 一种基于人机交互的授信审批方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117132391B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117576826A (zh) * | 2024-01-17 | 2024-02-20 | 杭银消费金融股份有限公司 | 一种基于金融自助终端的授信处理方法与金融自助终端 |
| CN117635174A (zh) * | 2023-12-04 | 2024-03-01 | 中国人寿保险股份有限公司山东省分公司 | 综合多模态ai分析的欺诈风险评估方法及系统 |
| 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 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160267490A1 (en) * | 2015-03-10 | 2016-09-15 | James Johnson | System and Method for Detecting Non-Negligible Election Fraud |
| US10091349B1 (en) * | 2017-07-11 | 2018-10-02 | Vail Systems, Inc. | Fraud detection system and method |
| CN108734570A (zh) * | 2018-05-22 | 2018-11-02 | 深圳壹账通智能科技有限公司 | 一种风险预测方法、存储介质和服务器 |
| CN111028088A (zh) * | 2019-11-11 | 2020-04-17 | 太平洋医疗健康管理有限公司 | 一种基于频繁集挖掘的团伙骗保行为识别方法与系统 |
| CN112837693A (zh) * | 2021-01-29 | 2021-05-25 | 上海钧正网络科技有限公司 | 一种用户体验倾向识别方法、装置、设备和可读存储介质 |
| CN112950357A (zh) * | 2021-03-22 | 2021-06-11 | 工银科技有限公司 | 交易异常团伙识别方法及装置 |
| WO2022126970A1 (zh) * | 2020-12-15 | 2022-06-23 | 平安科技（深圳）有限公司 | 金融欺诈风险识别方法、装置、计算机设备及存储介质 |
| CN115063612A (zh) * | 2022-05-27 | 2022-09-16 | 平安科技（深圳）有限公司 | 基于面审视频的欺诈预警方法、装置、设备及存储介质 |
| CN116071089A (zh) * | 2023-02-10 | 2023-05-05 | 成都新希望金融信息有限公司 | 一种欺诈识别方法、装置、电子设备及存储介质 |
| CN116823451A (zh) * | 2023-08-10 | 2023-09-29 | 杭银消费金融股份有限公司 | 一种信贷风险控制方法与系统 |
| CN116862659A (zh) * | 2023-07-18 | 2023-10-10 | 平安国际融资租赁有限公司 | 面审题组的生成方法、装置、设备及介质 |
-
2023
- 2023-10-16 CN CN202311334094.1A patent/CN117132391B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160267490A1 (en) * | 2015-03-10 | 2016-09-15 | James Johnson | System and Method for Detecting Non-Negligible Election Fraud |
| US10091349B1 (en) * | 2017-07-11 | 2018-10-02 | Vail Systems, Inc. | Fraud detection system and method |
| CN108734570A (zh) * | 2018-05-22 | 2018-11-02 | 深圳壹账通智能科技有限公司 | 一种风险预测方法、存储介质和服务器 |
| WO2019223139A1 (zh) * | 2018-05-22 | 2019-11-28 | 深圳壹账通智能科技有限公司 | 一种风险预测方法、装置、存储介质和服务器 |
| CN111028088A (zh) * | 2019-11-11 | 2020-04-17 | 太平洋医疗健康管理有限公司 | 一种基于频繁集挖掘的团伙骗保行为识别方法与系统 |
| WO2022126970A1 (zh) * | 2020-12-15 | 2022-06-23 | 平安科技（深圳）有限公司 | 金融欺诈风险识别方法、装置、计算机设备及存储介质 |
| CN112837693A (zh) * | 2021-01-29 | 2021-05-25 | 上海钧正网络科技有限公司 | 一种用户体验倾向识别方法、装置、设备和可读存储介质 |
| CN112950357A (zh) * | 2021-03-22 | 2021-06-11 | 工银科技有限公司 | 交易异常团伙识别方法及装置 |
| CN115063612A (zh) * | 2022-05-27 | 2022-09-16 | 平安科技（深圳）有限公司 | 基于面审视频的欺诈预警方法、装置、设备及存储介质 |
| CN116071089A (zh) * | 2023-02-10 | 2023-05-05 | 成都新希望金融信息有限公司 | 一种欺诈识别方法、装置、电子设备及存储介质 |
| CN116862659A (zh) * | 2023-07-18 | 2023-10-10 | 平安国际融资租赁有限公司 | 面审题组的生成方法、装置、设备及介质 |
| CN116823451A (zh) * | 2023-08-10 | 2023-09-29 | 杭银消费金融股份有限公司 | 一种信贷风险控制方法与系统 |
Non-Patent Citations (1)
| Title |
|---|
| 高莉;: "欺诈侦测系统解决方案研究", 金融电子化, no. 07, 15 July 2012 (2012-07-15) * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117635174A (zh) * | 2023-12-04 | 2024-03-01 | 中国人寿保险股份有限公司山东省分公司 | 综合多模态ai分析的欺诈风险评估方法及系统 |
| CN117576826A (zh) * | 2024-01-17 | 2024-02-20 | 杭银消费金融股份有限公司 | 一种基于金融自助终端的授信处理方法与金融自助终端 |
| CN117576826B (zh) * | 2024-01-17 | 2024-04-09 | 杭银消费金融股份有限公司 | 一种基于金融自助终端的授信处理方法与金融自助终端 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117132391B (zh) | 2024-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117132391B (zh) | 一种基于人机交互的授信审批方法与系统 | |
| CN110837931B (zh) | 客户流失预测方法、装置及存储介质 | |
| US20210258423A1 (en) | Method and system for proactive fraudster exposure in a customer service channel | |
| CN109509093B (zh) | 一种基于主体画像的交易安全控制方法及系统 | |
| CN113343058B (zh) | 语音会话监管方法、装置、计算机设备及存储介质 | |
| CN111061948B (zh) | 一种用户标签推荐方法、装置、计算机设备及存储介质 | |
| CN116823274B (zh) | 一种应用于金融终端的欺诈风险评估方法及装置 | |
| CN111008273A (zh) | 智能服务系统驱动方法、装置、设备及可读存储介质 | |
| CN114912510A (zh) | 一种线上调研样本质量评估系统 | |
| CN115034886A (zh) | 一种违约风险预测方法及装置 | |
| CN115293598A (zh) | 一种基于金融大数据的企业财务管理风险识别方法 | |
| CN111738824A (zh) | 一种账务数据处理方式筛选方法、装置及系统 | |
| CN109146667B (zh) | 一种基于量化统计的外部接口综合应用模型的构建方法 | |
| US12020711B2 (en) | System and method for detecting fraudsters | |
| CN110262955A (zh) | 基于pinpoint的应用性能监控工具 | |
| CN114330962A (zh) | 一种基于人工智能的金融数据分析平台 | |
| CN109711970A (zh) | 贷款授信平台及其授信方法、授信设备、可读存储介质 | |
| Derks et al. | The Bayesian approach to audit evidence: Quantifying statistical evidence using the Bayes factor | |
| CN116342247A (zh) | 信贷支用授权管控方法、装置、设备及其存储介质 | |
| CN116385137A (zh) | 一种基于电力信息数据的企业反欺诈风险评估方法及系统 | |
| CN117455681A (zh) | 业务风险预测方法和装置 | |
| CN117436088B (zh) | 一种基于容器及容器集群审计信息的安全监测方法及系统 | |
| CN113159915B (zh) | 基于大数据的智能金融信用动态评估方法及系统 | |
| Lei | Financial Technology and China's Inclusive Finance | |
| Ebadati et al. | Human Resource Allocation to the Credit Requirement Process, A Process Mining Approach |
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 |