CN117829592A - 基于可配置模型的风险评估方法和装置 - Google Patents
基于可配置模型的风险评估方法和装置 Download PDFInfo
- Publication number
- CN117829592A CN117829592A CN202311765990.3A CN202311765990A CN117829592A CN 117829592 A CN117829592 A CN 117829592A CN 202311765990 A CN202311765990 A CN 202311765990A CN 117829592 A CN117829592 A CN 117829592A
- Authority
- CN
- China
- Prior art keywords
- target
- model
- risk assessment
- information
- risk
- 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
- 238000012502 risk assessment Methods 0.000 title claims abstract description 146
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000011156 evaluation Methods 0.000 claims abstract description 46
- 238000004891 communication Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 23
- 238000004364 calculation method Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012911 target assessment Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种基于可配置模型的风险评估方法和装置,其中,该方法包括:获取目标风险评估对象;确定出与所述目标风险评估对象对应的目标原始模型;按照所述目标风险评估对象的目标配置信息,对所述目标原始模型进行配置,得到配置后模型;通过所述配置后模型对所述目标风险评估对象的待评估数据进行风险评估,得到与所述待评估数据对应的目标风险等级。通过本申请,可以解决相关技术中存在用于风险辨识评估的模型数量众多,不便于进行统一管理及维护的技术问题。
Description
技术领域
本申请涉及安全管控技术领域,尤其涉及一种基于可配置模型的风险评估方法和装置。
背景技术
对于安全生产相关的企业,准确的辨识出危险源及其风险特性,并对危险源导致的风险进行分析、评估、分级,根据评估结果对现有管控措施是否充分进行校验,最终制定较为合理完善的管控措施,是非常重要的。安全生产过程中,看得见的隐患和看不见的风险均需要通过一定的手段来控制,采用何种手段,取决于对应隐患或者风险可能带来的后果;可以预见的是,不同的评估阶段,不同的场景(作业活动),面对的隐患或者风险是不同的,所以需要采用的评估方法应该对应的调整,以确保准确性。
然而,现有技术中,在对风险分析单元(即,需要进行风险评估的对象)、作业环境采用对应的风险评估项目进行风险辨识评估时,采用的还是固定的评估方案;但是,由于风险分析单元、作业环境等不同风险评估项目的风险辨识评估方式存在不统一的情况;同时,在不同的时间,应政策要求或风险环境的变化,即使对应于同一个风险分析单元、作业环境的风险评估方式也需要作对应的调整。并且,由于每个风险评估项目需对应一套逻辑,因此会造成用于风险辨识评估的模型数量众多,不便于进行统一管理及维护的技术问题。
因此,相关技术中存在用于风险辨识评估的模型数量众多,不便于进行统一管理及维护的技术问题。
发明内容
本申请提供了一种基于可配置模型的风险评估方法和装置,以至少解决相关技术中存在用于风险辨识评估的模型数量众多,不便于进行统一管理及维护的技术问题。
根据本申请实施例的一个方面,提供了一种基于模型的风险评估方法,包括:
获取目标风险评估对象;
确定出与所述目标风险评估对象对应的目标原始模型;
按照所述目标风险评估对象的目标配置信息,对所述目标原始模型进行配置,得到配置后模型;
通过所述配置后模型对所述目标风险评估对象的待评估数据进行风险评估,得到与所述待评估数据对应的目标风险等级。
可选地,如前述的方法,所述确定出与所述目标风险评估对象对应的目标原始模型,包括:
获取所有候选原始模型;
确定出与每个候选原始模型对应的候选模型信息,其中,模型信息包括:应用场景、变量信息以及评估结果;
通过将所述目标风险评估对象对应的目标评估信息与所述候选模型信息进行匹配,在所有所述候选原始模型中确定出所述目标原始模型,其中,评估信息包括:应用场景、变量信息以及评估结果。
可选地,如前述的方法,所述按照所述目标风险评估对象的目标配置信息,对所述目标原始模型进行配置,得到配置后模型,包括:
获取用于对所述目标原始模型进行配置的目标配置操作;
响应于所述目标配置操作,按照所述目标配置信息对所述目标原始模型进行配置,得到所述配置后模型。
可选地,如前述的方法,所述目标配置信息包括以下至少一项:
模型名称、模型用途、变量、与每个变量对应的权重、与每个变量对应的取值、与每个变量对应的影响因素、不同变量之间的计算关系、结论以及与每个结论对应的管控措施。
可选地,如前述的方法,所述通过所述配置后模型对所述目标风险评估对象的待评估数据进行风险评估,得到与所述待评估数据对应的目标风险等级,包括:
采集得到最新的所述待评估数据;
将所述待评估数据输入所述配置后模型中,得到与所述待评估数据对应的目标结论;
基于所述目标结论确定出所述目标风险等级。
可选地,如前述的方法,所述按照所述目标风险评估对象的目标配置信息,对所述目标原始模型进行配置,得到配置后模型,包括:
获取包括所述目标配置信息的配置文件;
对所述配置文件进行解析,得到解析后信息;
按照所述解析后信息中,对所述目标原始模型进行配置,得到所述配置后模型。
可选地,如前述的方法,在所述通过所述配置后模型对所述目标风险评估对象的待评估数据进行风险评估,得到与所述待评估数据对应的目标风险等级之后,所述方法还包括:
在所述目标风险评估对象为作业类型的情况下,确定出与所述配置后模型中的每个候选风险等级对应的候选管控措施;
在所有候选管控措施中确定出所述目标风险等级对应的目标管控措施。
根据本申请实施例的另一个方面,还提供了一种基于模型的风险评估装置,包括:
获取模块,用于获取目标风险评估对象;
确定模块,用于确定出与所述目标风险评估对象对应的目标原始模型;
配置模块,用于按照所述目标风险评估对象的目标配置信息,对所述目标原始模型进行配置,得到配置后模型;
评估模块,用于通过所述配置后模型对所述目标风险评估对象的待评估数据进行风险评估,得到与所述待评估数据对应的目标风险等级。
根据本申请实施例的又一个方面,还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和存储器通过通信总线完成相互间的通信;其中,存储器,用于存储计算机程序;处理器,用于通过运行所述存储器上所存储的所述计算机程序来执行上述任一实施例中的方法步骤。
根据本申请实施例的又一个方面,还提供了一种计算机可读的存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一实施例中的方法步骤。
在本申请实施例中,通过按照目标风险评估对象的目标配置信息,对目标原始模型进行配置,得到配置后模型之后,再通过该配置后模型对目标风险评估对象的待评估数据进行风险评估,得到与待评估数据对应的目标风险等级;从而可以只通过对目标原始模型进行配置,就能使其适用于不同的风险评估对象的风险评估;也就无需对每个风险评估对象都设置一个对应的模型;进而可以解决相关技术中存在用于风险辨识评估的模型数量众多,不便于进行统一管理及维护的技术问题。
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是根据本申请实施例的一种可选的基于可配置模型的风险评估方法的硬件环境的示意图;
图2是根据本申请实施例的一种可选的基于可配置模型的风险评估方法的流程示意图;
图3是根据本申请另一实施例的一种可选的基于可配置模型的风险评估方法的示意图;
图4是根据本申请实施例的另一种可选的计算模型自定义配置的功能结构示意图;
图5是根据本申请实施例的一种可选的基于可配置模型的风险评估装置的结构框图;
图6是根据本申请实施例的一种可选的电子设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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的实施例,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”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以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“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。
根据本申请实施例的一个方面,提供了一种基于模型的风险评估方法。可选地,在本实施例中,上述基于模型的风险评估方法可以应用于如图1所示的由终端1402和服务器1404所构成的硬件环境中。如图1所示,服务器1404通过网络与终端1402进行连接,可用于为终端或终端上安装的客户端提供服务(如游戏服务、应用服务等),可在服务器上或独立于服务器设置数据库,用于为服务器1404提供数据存储服务。
上述网络可以包括但不限于以下至少之一:有线网络,无线网络。上述有线网络可以包括但不限于以下至少之一:广域网,城域网,局域网,上述无线网络可以包括但不限于以下至少之一:WIFI(Wireless Fidelity,无线保真),蓝牙。终端可以并不限定于为PC、手机、平板电脑等。
本申请实施例的基于模型的风险评估方法可以由服务器来执行,也可以由终端来执行,还可以是由服务器和终端共同执行。其中,终端执行本申请实施例的基于模型的风险评估方法也可以是由安装在其上的客户端来执行。
以由服务器来执行本实施例中的基于模型的风险评估方法为例,图2为本申请实施例提供的一种基于可配置模型的风险评估方法,包括如下所述步骤:
步骤S101,获取目标风险评估对象。
本实施例中的基于模型的风险评估方法可以应用于需要对风险分析单元(即,需要进行风险分析的对象,例如,化工设备、物料等等)进行风险辨识评估的场景,还可以是对作业环境进行风险辨识评估的场景;对于其他类型的需要进行风险辨识评估的对象,在不矛盾的情况下,上述的基于模型的风险评估方法同样适用。
具体的,目标风险评估对象可以是需要进行风险评估的对象;例如,可以包括:风险分析单元、作业环境等等。并且一般情况下,不同的目标风险评估对象进行风险评估所基于的参数各不相同。
步骤S102,确定出与目标风险评估对象对应的目标原始模型。
具体的,在确定出目标风险评估对象之后,可以通过按照目标风险评估对象自动匹配的方式确定出目标原始模型,也可以通过在所有候选原始模型中进行选择的方式,以确定出目标风险评估对象对应的目标原始模型。
步骤S103,按照目标风险评估对象的目标配置信息,对目标原始模型进行配置,得到配置后模型。
具体的,在确定出目标风险评估对象之后,可以确定出目标风险评估对象的目标配置信息。目标配置信息可以是实时对目标原始模型进行配置时得到的信息,也可以是对目标原始模型进行配置之前,确定出的信息。
目标配置信息可以包括但不限于以下至少一项:
模型名称、模型用途、变量、与每个变量对应的权重、与每个变量对应的取值、与每个变量对应的影响因素、不同变量之间的计算关系、结论以及与每个结论对应的管控措施。
步骤S104,通过配置后模型对目标风险评估对象的待评估数据进行风险评估,得到与待评估数据对应的目标风险等级。
具体的,在按照目标配置信息配置得到配置后模型之后,该模型即可用于对目标风险评估对象的风险评估。
可以采集得到目标风险评估对象的待评估数据,进而可以通过将该待评估数据输入配置后模型中,从而得到由配置后模型输出的,与待评估数据对应的目标风险等级;并且,该目标风险等级也用于指示采集得到待评估数据的当下,目标风险评估对象的风险等级。
目标风险等级可以是用于指示风险高低的等级,例如:低风险、一般风险、较大风险和重大风险等等。
本实施例的方法,通过按照目标风险评估对象的目标配置信息,对目标原始模型进行配置,得到配置后模型之后,再通过该配置后模型对目标风险评估对象的待评估数据进行风险评估,得到与待评估数据对应的目标风险等级;从而可以只通过对目标原始模型进行配置,就能使其适用于不同的风险评估对象的风险评估;也就无需对每个风险评估对象都设置一个对应的模型;进而可以解决相关技术中存在用于风险辨识评估的模型数量众多,不便于进行统一管理及维护的技术问题。
如图3所示,作为一种可选的实施例,如前述的方法,确定出与目标风险评估对象对应的目标原始模型,包括如下所述步骤:
步骤S201,获取所有候选原始模型。
具体的,可以预先在目标数据库中存储有所有候选原始模型,然后可以对该目标数据库进行读取,得到所有候选原始模型。
步骤S202,确定出与每个候选原始模型对应的候选模型信息,其中,模型信息中的信息类型包括:应用场景、变量信息以及评估结果。
具体的,在确定出所有候选原始模型之后,可以通过对每个候选原始模型进行信息读取,得到与每个候选原始模型对应的候选模型信息。
在本实施例中,模型信息中的信息类型可以包括:应用场景(即,用于进行风险评估单元场景下还是作业场景下的风险评估)、变量信息以及评估结果。
步骤S203,通过将目标风险评估对象对应的目标评估信息与候选模型信息进行匹配,在所有候选原始模型中确定出目标原始模型,其中,评估信息中的信息类型包括:应用场景、变量信息以及评估结果。
具体的,目标风险评估对象也存在对应的目标评估信息,并且,评估信息中的信息类型也包括:应用场景、变量信息以及评估结果。
因此,可以将目标评估信息与候选模型信息进行匹配,当存在与目标评估信息完全一致的候选模型信息的情况下,则直接将该候选模型信息对应的候选原始模型确定为目标原始模型。
当不存在与目标评估信息完全一致的候选模型信息的情况下,则可以在所有候选模型信息中确定出与目标评估信息匹配度最高的指定模型信息,并将指定模型信息对应的候选原始模型确定为该目标原始模型。
通过本实施例的方法,提供了一种可以确定出目标原始模型的方法,并且可以有效提高确定出模型匹配的效率。
作为一种可选的实施例,如前述的方法,按照目标风险评估对象的目标配置信息,对目标原始模型进行配置,得到配置后模型,包括如下所述步骤:
获取用于对目标原始模型进行配置的目标配置操作;
响应于目标配置操作,按照目标配置信息对目标原始模型进行配置,得到配置后模型。
具体的,可以通过预设的交互界面,来接收目标配置操作,通过目标配置操作,可以对目标原始模型中的模型名称、模型用途、变量、与每个变量对应的权重、与每个变量对应的取值、与每个变量对应的影响因素、不同变量之间的计算关系、结论以及与每个结论对应的管控措施等进行配置,从而得到配置后模型。
作为一种可选的实施例,如前述的方法,通过配置后模型对目标风险评估对象的待评估数据进行风险评估,得到与待评估数据对应的目标风险等级,包括如下所述步骤:
采集得到最新的待评估数据;
将待评估数据输入配置后模型中,得到与待评估数据对应的目标结论;
基于目标结论确定出目标风险等级。
具体的,可以通过对目标风险评估对象进行信息采集,例如,当目标风险评估对象是风险评估单元时,可以对其目标风险评估对象相关的参数进行采集,例如,目标风险评估对象是设施时,待评估数据可以是设施的运行参数、环境信息(温度、湿度)等等;当目标风险评估对象是作业类型时,待评估数据可以是人员的操作信息。
在获取待评估数据之后,可以将待评估数据输入该配置后模型中,进而该配置后模型即可对该待评估数据进行处理,并得到对应的目标结论。
在确定出目标结论之后,可以通过预设的、结论与风险等级之间的对应关系,确定出目标结论对应的目标风险等级。
通过本实施例的方法,可以基于配置后模型,对该待评估数据进行处理,确定出与待评估数据对应的目标风险等级。
作为一种可选的实施例,如前述的方法,按照目标风险评估对象的目标配置信息,对目标原始模型进行配置,得到配置后模型,包括:
获取包括目标配置信息的配置文件;
对配置文件进行解析,得到解析后信息;
按照解析后信息对目标原始模型进行配置,得到配置后模型。
具体的,配置文件可以是写有目标配置信息的文件;从而,可以通过对该配置文件进行解析,得到解析后信息。
解析后信息中可以包括:模型名称、模型用途、变量、与每个变量对应的权重、与每个变量对应的取值、与每个变量对应的影响因素、不同变量之间的计算关系、结论以及与每个结论对应的管控措施等信息。
在得到解析后信息之后,即可基于解析后信息,对目标原始模型进行配置,例如,通过解析后信息中的每个子信息(包括:子信息类型、子信息值),对目标原始模型进行配置,当目标原始模型存在与子信息类型相同的类型时,则通过子信息值对该子信息类型进行配置,例如,对模型名称进行设定;当目标原始模型不存在自信息类型时,则增加该子信息,例如,增加变量。
通过本实施例的方法,可以实现基于文件,对模型快速配置,从而可以进一步提升配置的效率。
作为一种可选的实施例,如前述的方法,在通过配置后模型对目标风险评估对象的待评估数据进行风险评估,得到与待评估数据对应的目标风险等级之后,方法还包括:
在目标风险评估对象为作业类型的情况下,确定出与配置后模型中的每个候选风险等级对应的候选管控措施;
在所有候选管控措施中确定出目标风险等级对应的目标管控措施。
具体的,在获取目标风险评估对象之后,可以确定出目标风险评估对象是作业类型还是风险分析单元类型。
在确定出目标风险评估对象为作业类型的情况下,也就是说,需要实时确定出作业过程中的风险的情况下,在确定出目标风险等级之后,需要确定对应的目标管控措施。
本实施例中,可以预先配置得到,配置后模型中,与每个候选风险等级对应的候选管控措施;进而,在确定出目标风险等级之后,即可确定出与该目标风险等级对应的目标管控措施。
通过本实施例的方法,可以在确定出目标风险等级之后,还能够确定出对应的目标管控措施,以便于能够避免风险进一步提升,进而造成更大的安全隐患。
如下所述,提供一种应用前述任一实施例方法的应用例,包括:计算模型自定义配置以及计算模型按需选用。
(1)计算模型自定义配置,具体包括:
将项目中以及可能会使用的计算模型进行了汇总,如下表所示:
在对以上常用的计算模型进行分析,发现不同的计算模型在应用场景、变量、变量之间的关系以及结果,均存在不同;为了能适应已知和未知的评估方法配置,在上表基础上,可以通过对模型名称以及用途(即,上表所述模型说明)进行定义;可以对变量以及变量的权重进行定义;可以对每个变量的值(即,可取值范围)以及与每个值对应的影响因素(即,在每个变量下,每个影响因素具有对应的值)进行定义;可以通过对变量之间的计算方式进行调整,实现对变量之间的计算关系进行定义;可以通过对结果中包含的结论和结论对应的措施进行定义;具体的,其中一种可选的计算模型自定义配置的功能结构如图4所示。
底层根据功能中预设的计算关系,对计算模型进行实现。
(2)计算模型按需选用具体为:
对计算模型配置完成后,需要将会使用计算模型的业务功能进行梳理;在对业务功能(即,风险评估对象)进行设计时,需要充分考虑业务的实际需求,按照需求设计调用计算模型的方式。
其一,按照如下所述步骤,对风险分析单元(即,其中一种目标风险评估对象)的风险等级进行评估:1、确定风险分析单元的待评估数据I(即,目标评估信息);2、调用出所有风险辨识评估模型(即,候选原始模型);3、通过将待评估数据I与所有风险辨识评估模型进行匹配,实现按照该风险分析单元的实际情况(即,目标配置操作所基于的情况或生成配置文件所基于的情况)确定出目标原始模型a;4、根据实际情况对该目标原始模型a进行配置,得到配置后模型A,5、将待评估数据I输入配置后模型A,得出风险分析单元的风险等级。
其二,按照如下所述步骤,在进行特殊作业前,对特殊作业(即,作业类型的目标风险评估对象)的风险进行评估:1、确定特殊作业的待评估数据II(即,目标评估信息);2、调用出所有风险辨识评估模型(即,候选原始模型);3、按照该特殊作业的实际情况(即,目标配置操作所基于的情况或生成配置文件所基于的情况)确定出目标原始模型b;4、通过将待评估数据I与所有风险辨识评估模型进行匹配,实现根据实际情况对该目标原始模型b进行配置,得到配置后模型B;5、将待评估数据II输入配置后模型B,得出该特殊作业的风险等级。
可选地,可以采用如下方式对目标原始模型进行配置,以得到配置后模型:
1.1、配置计算模型:
可选地,在项目中,将计算模型的配置功能设计为:模型配置;点击模型配置功能,可以查看目前已经预设到系统中的所有风险辨识评估模型(即,候选原始模型);
通过交互界面中的添加按钮,可以对选中的目标原始模型的名称、用途进行优先定义;
可以通过点击交互界面中,影响因素对应的添加按钮,可以对该目标原始模型的变量以及变量值的影响因素进行添加;
变量根据需要可以添加多个;变量添加完成后,可以对分析结论进行定义:不同的值对应的危险程度,建议的措施等等;
对目标原始模型配置完成并保存后得到配置后模型,该配置后模型即可被调用了。
1.2、风险评估:
在风险评估任务功能中,点击对应任务(即,对某一待评估数据进行评估的任务,可以是任意一个风险分析单元进行风险评估的任务)后的评估按钮;以对某一个风险分析单元(即,其中一种目标风险评估对象)进行评估为例,先对风险评价方法(即,完成配置后的配置后模型)进行选择;该风险评价方法中的数据来源于评估配置功能中配置的所有计算模型,也就是说,可以展示与每个配置后模型对应的名称,以便于用户可以按照名称选择出所需的配置后模型;
选择所需要的配置后模型后,会将该配置后模型对应的变量进行展示;并且模型不同,界面会按照模型进行切换;
选择对应的变量内的因素(即,与每个变量对应的变量值)后,会得出该风险分析单元评估任务对应的风险等级、管控措施建议;
其他业务模块也可以通过类似的操作实现对风险评估的模型的调用。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM(Read-Only Memory,只读存储器)/RAM(Random Access Memory,随机存取存储器)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
根据本申请实施例的另一个方面,还提供了一种用于实施上述基于模型的风险评估方法的基于模型的风险评估装置。图5是根据本申请实施例的一种可选的基于模型的风险评估装置的结构框图,如图5所示,该装置可以包括:
获取模块1,用于获取目标风险评估对象;
确定模块2,用于确定出与目标风险评估对象对应的目标原始模型;
配置模块3,用于按照目标风险评估对象的目标配置信息,对目标原始模型进行配置,得到配置后模型;
评估模块4,用于通过配置后模型对目标风险评估对象的待评估数据进行风险评估,得到与待评估数据对应的目标风险等级。
需要说明的是,该实施例中的获取模块1可以用于执行上述步骤S101,该实施例中的确定模块2可以用于执行上述步骤S102,该实施例中的配置模块3可以用于执行上述步骤S103,该实施例中的评估模块4可以用于执行上述步骤S104。
本实施例中的装置,除包含上述模块之外,还可以包含执行如前述任一基于模型的风险评估方法的实施例中任意方法的模块。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在如图1所示的硬件环境中,可以通过软件实现,也可以通过硬件实现,其中,硬件环境包括网络环境。
根据本申请实施例的又一个方面,还提供了一种用于实施上述基于模型的风险评估方法的电子设备,该电子设备可以是服务器、终端、或者其组合。
根据本申请的另一个实施例,还提供一种电子设备,包括:如图6所示,电子设备可以包括:处理器1501、通信接口1502、存储器1503和通信总线1504,其中,处理器1501,通信接口1502,存储器1503通过通信总线1504完成相互间的通信。
存储器1503,用于存放计算机程序;
处理器1501,用于执行存储器1503上所存放的程序时,实现如下步骤:
步骤S101,获取目标风险评估对象。
步骤S102,确定出与目标风险评估对象对应的目标原始模型。
步骤S103,按照目标风险评估对象的目标配置信息,对目标原始模型进行配置,得到配置后模型。
步骤S104,通过配置后模型对目标风险评估对象的待评估数据进行风险评估,得到与待评估数据对应的目标风险等级。
可选地,在本实施例中,上述的通信总线可以是PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线、或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
作为一种示例,上述存储器1503中可以但不限于包括上述获取模块1、确定模块2、配置模块3以及评估模块4。此外,还可以包括但不限于上述基于模型的风险评估装置中的其他模块单元,本示例中不再赘述。
上述处理器可以是通用处理器,可以包含但不限于:CPU(Central ProcessingUnit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(DigitalSignal Processor,数字信号处理器)、ASIC(Application Specific IntegratedCircuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本申请实施例还提供一种计算机可读存储介质,存储介质包括存储的程序,其中,程序运行时执行上述方法实施例的方法步骤。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、ROM、RAM、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例中所提供的方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种基于可配置模型的风险评估方法,其特征在于,包括:
获取目标风险评估对象;
确定出与所述目标风险评估对象对应的目标原始模型;
按照所述目标风险评估对象的目标配置信息,对所述目标原始模型进行配置,得到配置后模型;
通过所述配置后模型对所述目标风险评估对象的待评估数据进行风险评估,得到与所述待评估数据对应的目标风险等级。
2.根据权利要求1所述的方法,其特征在于,所述确定出与所述目标风险评估对象对应的目标原始模型,包括:
获取所有候选原始模型;
确定出与每个候选原始模型对应的候选模型信息,其中,模型信息中的信息类型包括:应用场景、变量信息以及评估结果;
通过将所述目标风险评估对象对应的目标评估信息与所述候选模型信息进行匹配,在所有所述候选原始模型中确定出所述目标原始模型,其中,评估信息中的信息类型包括:应用场景、变量信息以及评估结果。
3.根据权利要求1所述的方法,其特征在于,所述按照所述目标风险评估对象的目标配置信息,对所述目标原始模型进行配置,得到配置后模型,包括:
获取用于对所述目标原始模型进行配置的目标配置操作;
响应于所述目标配置操作,按照所述目标配置信息对所述目标原始模型进行配置,得到所述配置后模型。
4.根据权利要求3所述的方法,其特征在于,所述目标配置信息包括以下至少一项:
模型名称、模型用途、变量、与每个变量对应的权重、与每个变量对应的取值、与每个变量对应的影响因素、不同变量之间的计算关系、结论以及与每个结论对应的管控措施。
5.根据权利要求1所述的方法,其特征在于,所述通过所述配置后模型对所述目标风险评估对象的待评估数据进行风险评估,得到与所述待评估数据对应的目标风险等级,包括:
采集得到最新的所述待评估数据;
将所述待评估数据输入所述配置后模型中,得到与所述待评估数据对应的目标结论;
基于所述目标结论确定出所述目标风险等级。
6.根据权利要求3所述的方法,其特征在于,所述按照所述目标风险评估对象的目标配置信息,对所述目标原始模型进行配置,得到配置后模型,包括:
获取包括所述目标配置信息的配置文件;
对所述配置文件进行解析,得到解析后信息;
按照所述解析后信息,对所述目标原始模型进行配置,得到所述配置后模型。
7.根据权利要求1至6中任一项所述的方法,其特征在于,在所述通过所述配置后模型对所述目标风险评估对象的待评估数据进行风险评估,得到与所述待评估数据对应的目标风险等级之后,所述方法还包括:
在所述目标风险评估对象为作业类型的情况下,确定出与所述配置后模型中的每个候选风险等级对应的候选管控措施;
在所有候选管控措施中确定出所述目标风险等级对应的目标管控措施。
8.一种基于可配置模型的风险评估装置,其特征在于,包括:
获取模块,用于获取目标风险评估对象;
确定模块,用于确定出与所述目标风险评估对象对应的目标原始模型;
配置模块,用于按照所述目标风险评估对象的目标配置信息,对所述目标原始模型进行配置,得到配置后模型;
评估模块,用于通过所述配置后模型对所述目标风险评估对象的待评估数据进行风险评估,得到与所述待评估数据对应的目标风险等级。
9.一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信,其特征在于,
所述存储器,用于存储计算机程序;
所述处理器,用于通过运行所述存储器上所存储的所述计算机程序来执行权利要求1至7中任一项所述的方法。
10.一种计算机可读的存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行权利要求1至7中任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311765990.3A CN117829592A (zh) | 2023-12-20 | 2023-12-20 | 基于可配置模型的风险评估方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311765990.3A CN117829592A (zh) | 2023-12-20 | 2023-12-20 | 基于可配置模型的风险评估方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117829592A true CN117829592A (zh) | 2024-04-05 |
Family
ID=90516682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311765990.3A Pending CN117829592A (zh) | 2023-12-20 | 2023-12-20 | 基于可配置模型的风险评估方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117829592A (zh) |
-
2023
- 2023-12-20 CN CN202311765990.3A patent/CN117829592A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107818344B (zh) | 用户行为进行分类和预测的方法和系统 | |
CN111178760B (zh) | 风险监测方法、装置、终端设备及计算机可读存储介质 | |
US20080178147A1 (en) | Apparatus, system, and method for profiling and reusing software development assets | |
CN107305611B (zh) | 恶意账号对应的模型建立方法和装置、恶意账号识别的方法和装置 | |
EP2994828B1 (en) | Apps store with integrated test support | |
AU2017268629A1 (en) | Collaborative filtering method, apparatus, server and storage medium in combination with time factor | |
CN109543891B (zh) | 容量预测模型的建立方法、设备及计算机可读存储介质 | |
CN109753808B (zh) | 一种隐私泄漏风险评估方法及装置 | |
CN110956269A (zh) | 数据模型的生成方法、装置、设备以及计算机存储介质 | |
CN115774707B (zh) | 基于对象属性数据处理方法和装置、电子设备和存储介质 | |
CN110781410A (zh) | 一种社群检测方法及装置 | |
CN117829592A (zh) | 基于可配置模型的风险评估方法和装置 | |
CN110891097B (zh) | 一种跨设备用户识别方法及装置 | |
CN109726550A (zh) | 异常操作行为检测方法、装置及计算机可读存储介质 | |
CN111222739B (zh) | 核电站的任务分配方法及核电站的任务分配系统 | |
CN114202250A (zh) | 一种企业评估系统、方法及电子设备 | |
CN108629610B (zh) | 推广信息曝光量的确定方法和装置 | |
CN111210279A (zh) | 一种目标用户预测方法、装置和电子设备 | |
CN111427900A (zh) | 一种标签库更新方法、装置、设备及可读存储介质 | |
CN110008100A (zh) | 用于网页访问量异常检测的方法及装置 | |
CN111327572B (zh) | 账户行为识别方法、设备及存储介质 | |
US20220261666A1 (en) | Leveraging big data, statistical computation and artificial intelligence to determine a likelihood of object renunciation prior to a resource event | |
CN117237014A (zh) | 确定服务资源刊例的方法和装置、电子设备和存储介质 | |
CN108319449B (zh) | 一种应用程序架构确定方法及装置 | |
CN115952208A (zh) | 一种计算特征与标签关联度的方法、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 |