TW202147207A - 風險檢測系統與風險檢測方法 - Google Patents
風險檢測系統與風險檢測方法 Download PDFInfo
- Publication number
- TW202147207A TW202147207A TW109119205A TW109119205A TW202147207A TW 202147207 A TW202147207 A TW 202147207A TW 109119205 A TW109119205 A TW 109119205A TW 109119205 A TW109119205 A TW 109119205A TW 202147207 A TW202147207 A TW 202147207A
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- risk
- detection
- input data
- risk detection
- Prior art date
Links
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一種風險檢測系統與風險檢測方法被揭露。該風險檢測方法包含:在使用者於網路服務系統的操作介面輸入的與服務相關的輸入資料被傳送至驗證系統前,從操作介面接收輸入資料;根據輸入資料查詢風險資料庫以檢測其是否符合至少一檢測條件;若未符合,傳送檢測結果資料至網路服務系統,使網路服務系統傳送該資料與輸入資料至驗證系統;若符合,傳送待確認資料至操作介面,以向使用者請求回覆資料,且接收回覆資料後重新檢測輸入資料,並傳送重新檢測結果資料至網路服務系統,使網路服務系統傳送該資料與輸入資料至驗證系統。
Description
本發明的實施例是關於一種風險檢測系統與風險檢測方法。更具體而言,本發明的實施例是關於一種鏈結至一網路服務系統的操作介面的風險檢測系統與風險檢測方法。
網路服務(例如:申請網路帳號、進行交易、查詢資料、網路銀行開戶等服務)經常出現身分/信用卡被盜用等事件,導致服務使用者、業者、或銀行之嚴重損失。因此,為降低網路服務之風險,業者或銀行經常須先透過驗證系統對顧客進行身分驗證或風險檢測,才進一步決定是否提供該網路服務。然而,傳統的驗證系統必須耗費大量的時間及人力去進行身分驗證或風險檢測,故會降低網路服務的效率,進而影響顧客的服務體驗。有鑒於此,如何改善傳統的驗證系統的效率,即為本領域亟需解決的問題。
為了解決至少上述的問題,本發明的實施例提供了一種鏈結至一網路服務系統的操作介面的風險檢測系統。該風險檢測系統包含互相電性連接的一風險資料庫與一風險檢測模組。該風險檢測模組可用以:儲存至少一檢測條件以及對應該至少一檢測條件的待確認資料;在一使用
者於該網路服務系統的該操作介面輸入與一服務有關的輸入資料之後,且在該輸入資料被傳送至一驗證系統之前,從該操作介面接收該輸入資料;根據該輸入資料查詢該風險資料庫,以檢測該輸入資料是否符合該至少一檢測條件;當檢測該輸入資料並未符合該至少一檢測條件時,傳送一檢測結果資料至該網路服務系統,以使該網路服務系統將該檢測結果資料與該輸入資料傳送至該驗證系統;以及當檢測該輸入資料符合該至少一檢測條件時,產生並傳送與所符合的檢測條件對應之待確認資料至該操作介面,以向該使用者請求提供一回覆資料,且於接收該使用者的回覆資料後,根據該回覆資料查詢該風險資料庫,以重新檢測該輸入資料是否符合該至少一檢測條件,並傳送一重新檢測結果資料至該網路服務系統,以使該網路服務系統將該重新檢測結果資料與該輸入資料傳送至該驗證系統。
為了解決至少上述的問題,本發明的實施例還提供了一種風險檢測方法。該風險檢測方法包含:在一使用者於一網路服務系統的一操作介面輸入與一服務有關的輸入資料之後,且在該輸入資料被傳送至一驗證系統之前,由一風險檢測系統的一風險檢測模組從該操作介面接收該輸入資料,其中該風險檢測系統鏈結至該網路服務系統的該操作介面,且該風險檢測模組儲存至少一檢測條件以及對應該至少一檢測條件的待確認資料;由該風險檢測模組,根據該輸入資料查詢該風險檢測系統的一風險資料庫,以檢測該輸入資料是否符合該至少一檢測條件;當檢測該輸入資料並未符合該至少一檢測條件時,由該風險檢測模組傳送一檢測結果資料至該網路服務系統,以使該網路服務系統將該檢測結果資料與該輸入資料傳送至該驗證系統;以及當檢測該輸入資料符合該至少一檢測條件時,由該風險檢測
模組產生並傳送與所符合的檢測條件對應之待確認資料至該操作介面,以向該使用者請求提供一回覆資料,且於接收該使用者的回覆資料後,根據該回覆資料查詢該風險資料庫,以重新檢測該輸入資料是否符合該至少一檢測條件,並傳送一重新檢測結果資料至該網路服務系統,以使該網路服務系統將該重新檢測結果資料與該輸入資料傳送至該驗證系統。
根據本發明的實施例,在網路服務系統將顧客(即,使用者)的輸入資料傳送至傳統的驗證系統進行傳統的驗證之前,該風險檢測模組會先取得使用者的輸入資料,在短時間內先根據預先建立的風險資料庫檢測該輸入資料之風險,再將預先檢測的結果資料傳送到網路服務系統,再由網路服務系統一併傳送到傳統的驗證系統。透過在網路服務系統端(即,前端)預先對該輸入資料進行檢測,可以有效地減少或省略在後續驗證系統端(即,後端)對該輸入資料進行傳統驗證所需之處理時間,故能夠提升網路服務的效率,進而改善顧客的服務體驗。在預先檢測該輸入資料時,若該輸入資料被檢測為符合至少一檢測條件(代表使用者在後端進行傳統驗證時無法通過的機率可能偏高),則該風險檢測模組還會向使用者提出一待確認資料並請求回覆資料,然後根據風險資料庫與該回覆資料重新檢測該輸入資料,並傳送重新檢測結果資料。本案除了可降低傳統驗證系統所需要的人力檢測負荷之外,透過上述二次檢測,還可以降低檢測錯誤率,並藉由將風險資料庫設置在資安風險需求等級較低的前端以擴展資訊的來源,從而可更即時地獲取最新的風險事件以防範不斷變遷的盜用、詐欺等不法行為。
如下所示:
11:風險檢測系統
111:風險檢測模組
112:風險資料庫
113:建置模組
114:關係圖譜引擎
12:網路服務系統
121:操作介面
13:驗證系統
USR:使用者
D1:輸入資料
R1:檢測條件
C0:待確認資料
C1:回覆資料
M1:檢測結果資料
M2:重新檢測結果資料
2:風險檢測系統的運作流程
201~208:動作
300:結構化資料
F21、F22、F23、F24、F11、F12、F13、F14:欄位
310:非結構化資料
311:關聯資料
312:非結構化資料
313:模型
314:關係圖譜
R11:檢測條件
C01:待確認資料
5:風險檢測方法
501~504:步驟
檢附的圖式可輔助說明本發明的各種實施例,其中:
〔圖1〕例示了本發明的某些實施例的風險檢測系統的方塊圖;
〔圖2〕例示了本發明的某些實施例的風險檢測系統之運作的流程圖;
〔圖3A〕例示了本發明的某些實施例的建置模組之運作的示意圖;
〔圖3B〕例示了本發明的某些實施例的關係圖譜引擎之運作的示意圖;
〔圖4〕例示了本發明的某些實施例的檢測條件與待確認資料之間的對應關係的示意圖;以及
〔圖5〕例示了本發明的某些實施例的風險檢測方法的示意圖。
以下將透過多個實施例來說明本發明,惟這些實施例並非用以限制本發明只能根據所述操作、環境、應用、結構、流程或步驟來實施。為了易於說明,與本發明的實施例無直接關聯的內容或是不需特別說明也能理解的內容,將於本文以及圖式中省略。於圖式中,各元件(element)的尺寸以及各元件之間的比例僅是範例,而非用以限制本發明的保護範圍。除了特別說明之外,在以下內容中,相同(或相近)的元件符號可對應至相同(或相近)的元件。在可被實現的情況下,如未特別說明,以下所述的每一個元件的數量可以是一個或多個。
本揭露使用之用語僅用於描述實施例,並不意圖限制本發明的保護範圍。除非上下文另有明確說明,否則單數形式「一」也旨在包括複數形式。「包括」、「包含」等用語指示所述特徵、整數、步驟、操作、元素及/或元件的存在,但並不排除一或多個其他特徵、整數、步驟、操作、元素、元件及/或前述之組合之存在。用語「及/或」包含一或多個相關所列
項目的任何及所有的組合。
圖1例示了本發明的某些實施例的風險檢測系統的方塊圖,惟其所示內容僅是為了舉例說明本發明的實施例,而非為了限制本發明的保護範圍。參照圖1,風險檢測系統11可鏈結至網路服務系統12的操作介面121,且網路服務系統12可向使用者USR提供各種網路服務,例如:交易服務、開戶服務。網路服務系統12可鏈結至驗證系統13。風險檢測系統11可包含互相電性連接(直接或間接連接)的風險資料庫112與風險檢測模組111。風險檢測模組111可儲存至少一檢測條件R1以及對應該至少一檢測條件R1的待確認資料C0。在某些實施例中,可選擇地,除了風險資料庫112與風險檢測模組111之外,風險檢測系統11還可包含風險資料庫112的建置模組113以及關係圖譜引擎114。建置模組113和關係圖譜引擎114可與風險資料庫112電性連接(直接或間接連接)。風險檢測模組111、建置模組113、關係圖譜引擎114可以透過適當的硬體、韌體、軟體來實現,其中硬體可包含處理器、儲存器、輸入輸出介面、與網路介面等元件,而軟體與韌體可包含各自功能所需的程式、演算法等。
接著,將透過圖2至圖4來說明風險檢測系統11之運作。圖2例示了本發明的某些實施例的風險檢測系統11之運作的流程圖,圖3A例示了本發明的某些實施例的建置模組之運作的示意圖,圖3B例示了本發明的某些實施例的關係圖譜引擎之運作的示意圖,而圖4例示了本發明的某些實施例的檢測條件與待確認資料之間的對應關係的示意圖,惟圖2至圖4所示內容僅是為了舉例說明本發明的實施例,而非為了限制本發明的保護範圍。
請同時參照圖1與圖2,在風險檢測系統11的運作流程2中,
首先,在一使用者USR於該網路服務系統12的該操作介面121輸入與一服務有關的輸入資料D1之後,且在該輸入資料D1被傳送至驗證系統13之前,風險檢測模組111可從該操作介面121擷取或接收該輸入資料D1(標示為動作201)。接著,風險檢測模組111可根據該輸入資料D1查詢該風險資料庫112(標示為動作202),以檢測該輸入資料D1是否符合風險檢測模組111所儲存的至少一檢測條件R1(標示為動作203)。在某些實施例中,該網路服務系統12可具有一傳送資料模組(圖1未顯示),檢測當使用者在操作介面121對應於該輸入資料D1的欄位中輸入資料之後,或是當使用者在操作介面121進行換操作介面的頁面之後,將輸入資料D1傳送到該風險檢測模組111。在另一些實施例中,該風險檢測模組111可以設置在該網路服務系統12端,直接鏈結操作介面121以擷取該輸入資料D1。
在某些實施例中,輸入資料D1可以是使用者的個人資料(例如:姓名、公司職位、生日、身分證字號、電話、地址、關係人、照片、信用卡號)以及跟該服務相關的資料(例如:請求交易的商品種類、商品數量、交易金額等,或是請求提供特定人員的資料等)。
在某些實施例中,該風險資料庫112具有檢測是否符合該至少一檢測條件R1所需之複數欄位。且該複數欄位與以下至少一項有關:特定人的資料(例如:特定人的姓名、公司、職位、生日、身分證字號、電話、地址、關係人、照片)、以及特定事件的資料(例如:與一交易服務相關的商品種類、商品數量、金額、平均交易金額、特定交易網站或商品、高價商品、與一網路銀行開戶服務相關的查核資料、異常(盜刷或詐騙)的商品/信用卡資料)。舉例而言,特定人曾被列於線上交易服務的黑名單、金融單
位監管名單、國際制裁名單、金融犯罪前科名單或其他具風險的人員名單,或擔任特定組織或團體的重要職位、政府官員等在法律上須受監管的身分。此外,與前述特定人具親屬關係或商業合作關係的關係人亦會被視為具風險的對象,因此該風險資料庫112儲存的檢測條件R1所需之複數欄位亦會與關係人資料(例如:關係人的姓名、公司、職位、生日、身分證字號、電話、地址、關係人、照片)相關,並將其被列為檢測條件R1其中之一。而特定事件可以是線上交易服務相關的事件、資料外洩事件、企業之財務報告(包含股東會、子公司、進銷貨、營業額)、金融犯罪事件、法律爭訟事件、金融借貸或其他相關新聞事件。
在某些實施例中,風險資料庫112中的各個欄位所對應的資料可以是:建置模組113自至少一公開資料庫所儲存的結構化資料中的對應欄位中直接取得各該複數欄位對應的資料、或將該至少一公開資料庫所儲存的結構化資料進行一特定格式轉換以產生各該複數欄位對應的資料。
以圖3A的示例來說明,結構化資料300可以來自一公開資料庫,建置模組113可直接取得結構化資料300的欄位F21、F23、F24中的資料(即,「姓名」、「關係人」、「照片」),並將取得的資料直接分別匯入風險資料庫112的欄位F11、F13、F14(即,「姓名」、「關係人」、「照片」)。另舉例而言,建置模組113可將結構化資料300的欄位F22中的資料(即,「生日」)進行特定格式轉換(例如,將「生日」換算成「年齡」),再將產生的資料匯入風險資料庫112的欄位F12。
在某些其他的實施例中,風險資料庫112中的各個欄位所對應的資料,則可以是:建置模組113將非結構化資料(例如:網路資料或其
他)進行機器辨識而產生的對應資料。在這些實施例中,可透過關係圖譜引擎114從該非結構化資料來建立一關係圖譜(詳細步驟詳述於後),且該建置模組113是根據該關係圖譜以產生或更新該風險資料庫112中該複數欄位對應的資料。例如,風險檢測系統11之處理器(未繪示)在執行一定期的比對作業時,比對關係圖譜314與風險資料庫112中該複數欄位對應的資料,判斷人員A和人員B為父子關係且人員A為已存在風險資料庫112的特定人,該處理器接著於風險資料庫112中對應於人員A的關係人欄位中填入人員B的姓名,並且新增一筆人員B的資料(例如:姓名、公司、職位、生日、身分證字號、電話、地址、關係人、照片)。再舉例而言,處理器根據關係圖譜314判斷人員A和一金融犯罪事件(例如:一詐欺事件)相關,處理器即可於風險資料庫112中的人員A的相關事件欄位中填入該金融犯罪事件。
以圖3B的示例來說明,關係圖譜314的產生可分為機器學習階段以及機器辨識階段。在機器學習階段中,可將待訓練的非結構化資料310(例如一段或數段文字)進行標記以產生關聯資料311,關聯資料311主要包含兩個實體之間的關聯性,用以建立初期的關係圖譜。接著,將一系列非結構化資料310及關聯資料311,利用一關係圖譜引擎114訓練並建立模型313待辨識的非結構化資料312須先進行標記,例如利用已開發好的自動標記軟體,在讀取待辨識的非結構化資料312之後進行自動標記,產生待辨識的非結構化資料312的關聯資料。然後將待辨識的非結構化資料312及其關聯資料輸入模型313。然後,模型313根據輸入的資料判斷待辨識的非結構化資料312及其關聯資料和在模型313中已存在的非結構化資料及其關聯資料的相關度,將相關度高的關聯資料(及兩個實體和其關聯性)加入關聯資料
311,並經由不斷地重複上述步驟,以逐步地由初期的關係圖譜擴增新的實體及實體之間的關聯性,以產生具備更完整資料的關係圖譜314。然後,該建置模組113便可根據關係圖譜314產生或更新風險資料庫112中相對應欄位所需的資料。
在機器學習階段中,可採用多種不同檢索模式以從網路上或不同的資料來源中找出可能相關的文字段落,以作為待訓練的非結構化資料310。檢索模式可以是例如但不限於:人名檢索模式、企業名檢索模式、聯合國防恐制裁名單、或即時詐騙相關新聞。舉例而言,在人名檢索模式中,可檢索使用者是否為政治人物或其親屬、是否被列於反恐、聯合國制裁黑名單中、是否為企業負責人、董事、主管、是否有法律訴訟資訊;在企業名檢索模式中,可判斷企業基本資訊(股東、董監事、經理人、投資子公司)、重大消息、是否有法律訴訟資訊、貸放、背書、進銷貨、應收/付。舉例而言,先從網路中檢索出一及時詐騙新聞,再經由自動標記軟體從即時詐騙的新聞段落中擷取特定的人名、事件作為兩個實體和其關聯性,以建立新的關係圖譜或將其併入原本已存在的關係圖譜中,然後和風險資料庫中的特定人、特定事件資料進行比對,若判斷風險資料庫中已有相關特定人或特定事件資料,可將該關係人填入關係人欄位中,若判斷尚未有相關特定人或特定事件資料,則可在風險資料庫中新增該資料。
在某些實施例中,非結構化資料之資料來源、資料項目、與圖譜的實體可以例示如下:
須說明,因傳統的驗證系統所採用的風險資料庫具有更新周期長以及封閉性(儲存資料的範圍太侷限)等特性,這使得身分驗證與風險檢測的正確率難以提升。本發明的實施例根據外部來源的結構化資料與非結構化資料產生或更新風險資料庫112,可使得風險資料庫112中的資料更完整且能及時被更新,因此可提升身分驗證與風險檢測的正確率。
繼續參照圖2,在動作203中,當檢測該輸入資料D1未符合該至少一檢測條件R1時(即,此使用者或請求服務的風險機率可能為低),風險檢測模組111可執行動作204。在動作204中,風險檢測模組111可傳送一檢測結果資料M1至該網路服務系統12,以使該網路服務系統12將該檢測結果資料M1與該輸入資料D1傳送至該驗證系統13,並結束風險檢測系統11的運作流程2。在一些實施例中,檢測結果資料M1可以是已檢測並通過哪些風險條件等資料,或是檢測哪些風險條件所產生的資料,當連同輸入資料D1一併傳送到驗證系統13時,驗證系統13直接接收通過檢測的資料,或是將所產生的資料填入驗證系統13的資料庫,而不需要再重複進行驗證。
另一方面,在動作203中,當檢測該輸入資料D1符合該至少一檢測條件R1時(即,此使用者或請求服務的風險機率可能為高),則風險檢測模組111可執行動作205~208。在動作205中,風險檢測模組111可產生並傳送與所符合的檢測條件R1對應之待確認資料C0至該操作介面121,以請求該使用者USR提供一回覆資料C1。
在某些實施例中,風險檢測模組111中所儲存的至少一檢測條件R1以及對應該至少一檢測條件R1的待確認資料C0可以如圖4所示。如圖4所示,檢測條件R1可包含:姓名符合特定監管名單或關係人、照片近似監管名單或關係人、服務網站屬於高風險的交易網站、交易金額大於該姓名之平均交易金額的n倍(「n」可為一預設值)、以及服務/交易是來自特定網域。另外,如圖4所示,與上述檢測條件R1相對應的待確認資料C0可包含:提供高風險資料庫中的照片,請使用者確認該照片是否為本人、提供使用者和監管名單人員的關係並請使用者確認是否為真、詢問使用者近期是否買過某商品。
在一些實施例中,假設輸入資料D1為使用者USR自行提供的姓名,當風險檢測模組111檢測使用者的姓名符合特定的監管名單時,即判斷該輸入資料符合檢測條件,風險檢測模組111可從風險資料庫112取出對應該監管名單中符合姓名人員的照片,傳送到操作介面121作為待確認資料,並詢問使用者所提供的照片是否為本人。在另一些實施例中,假設輸入資料D1包含該使用者USR自行提供的一照片,且該照片經由一影像辨識軟體分析並判定為近似監管名單或關係人的照片,風險檢測模組111則可判斷該輸入資料符合檢測條件R11,且風險檢測模組111可將與檢測條件R11對應
的待確認資料C01傳送至操作介面121,以請求該使用者USR提供一回覆資料C1。
繼續參照圖2,使用者USR接收待確認資料C0之後,可在該操作介面121上輸入用以回應該待確認資料C0的回覆資料C1,而風險檢測模組111可以自該操作介面121接收該使用者USR的回覆資料C1(標示為動作206)。在某些實施例中,該待確認資料C0是呈現在該操作介面121中的原顯示頁面內、或是該操作介面121於切換頁面時所產生另一顯示頁面內、或是呈現在一彈跳視窗內,而使用者可以將回覆資料C1輸入至該操作介面的該顯示頁面內的回應欄位或是該彈跳視窗內的回應欄位。
接著,在動作207中,風險檢測模組111根據該回覆資料C1再次查詢該風險資料庫112,以重新檢測該輸入資料D1是否符合該至少一檢測條件R1。當動作207被完成,風險檢測模組111便可執行動作208,即根據產生重新檢測的結果,傳送一重新檢測結果資料M2至該網路服務系統12,以使該網路服務系統12將該重新檢測結果資料M2與該輸入資料D1傳送至該驗證系統13,並結束風險檢測系統11的運作流程2。
在某些實施例中,若該重新檢測的結果為該輸入資料D1未符合該至少一檢測條件R1,該重新檢測結果資料M2可以是一檢測結果資料。若該重新檢測的結果為該輸入資料D1仍符合該至少一檢測條件R1,則該重新檢測結果資料M2可包含首次檢測所符合的檢測條件、該待確認資料、該回覆資料以及該重新檢測後所符合的檢測條件。以圖4作為示例,該重新檢測結果資料M2將包含首次檢測所符合的檢測條件R11、該待確認資料C01、使用者針對待確認資料C01所提供的該回覆資料C1以及該重新檢測後
所符合的檢測條件R11。
圖5例示了本發明的某些實施例的風險檢測方法的示意圖,惟其所示內容僅是為了舉例說明本發明的實施例,而非為了限制本發明的保護範圍。
參照圖5,風險檢測方法5可包含以下步驟:在一使用者於一網路服務系統的一操作介面輸入與一服務有關的輸入資料之後,且在該輸入資料被傳送至一驗證系統之前,由一風險檢測系統的一風險檢測模組從該操作介面接收該輸入資料(標示為步驟501),其中該風險檢測系統鏈結至該網路服務系統的該操作介面,且該風險檢測模組儲存至少一檢測條件以及對應該至少一檢測條件的待確認資料;由該風險檢測模組,根據該輸入資料查詢該風險檢測系統的一風險資料庫,以檢測該輸入資料是否符合該至少一檢測條件(標示為步驟502);當檢測該輸入資料並未符合該至少一檢測條件時,由該風險檢測模組傳送一檢測結果資料至該網路服務系統,以使該網路服務系統將該檢測資料結果與該輸入資料傳送至該驗證系統(標示為步驟503);以及當檢測該輸入資料符合該至少一檢測條件時,由該風險檢測模組產生並傳送與所符合的檢測條件對應之待確認資料至該操作介面,以向該使用者請求提供一回覆資料,且於接收該使用者的回覆資料後,根據該回覆資料查詢該風險資料庫,以重新檢測該輸入資料是否符合該至少一檢測條件,並傳送一重新檢測結果資料至該網路服務系統,以使該網路服務系統將該重新檢測結果資料與該輸入資料傳送至該驗證系統(標示為步驟504)。
在某些實施例中,該風險資料庫具有檢測是否符合該至少一
檢測條件所需之複數欄位,且除了步驟501~504,風險檢測方法5還可包含以下步驟:由一建置模組,自至少一公開資料庫所儲存的結構化資料中的對應欄位中直接取得各該複數欄位對應的資料、或將該至少一公開資料庫所儲存的結構化資料進行一特定格式轉換以產生各該複數欄位對應的資料。
在某些實施例中,該風險資料庫具有檢測是否符合該至少一檢測條件所需之複數欄位,且該複數欄位與以下至少一項有關:特定人的資料、以及特定事件的資料。且,除了步驟501~504,風險檢測方法5還可包含以下步驟:由一建置模組,自至少一公開資料庫所儲存的結構化資料中的對應欄位中直接取得各該複數欄位對應的資料、或將該至少一公開資料庫所儲存的結構化資料進行一特定格式轉換以產生各該複數欄位對應的資料。
在某些實施例中,該風險資料庫具有檢測是否符合該至少一檢測條件所需之複數欄位,且除了步驟501~504,風險檢測方法5還可包含以下步驟:由一建置模組將非結構化資料進行機器辨識以產生各該複數欄位對應的資料。
在某些實施例中,該風險資料庫具有檢測是否符合該至少一檢測條件所需之複數欄位,且除了步驟501~504,風險檢測方法5還可包含以下步驟:由一關係圖譜引擎,建立該非結構化資料之一關係圖譜;以及由一建置模組將非結構化資料進行機器辨識以產生各該複數欄位對應的資料。其中,該建置模組進行機器辨識是根據該關係圖譜產生或更新該風險資料庫中各該複數欄位對應的資料。
在某些實施例中,該風險資料庫具有檢測是否符合該至少一檢測條件所需之複數欄位,且除了步驟501~504,風險檢測方法5還可包含以
下步驟:由一關係圖譜引擎,建立該非結構化資料之一關係圖譜;以及由一建置模組將非結構化資料進行機器辨識以產生各該複數欄位對應的資料。其中,該建置模組進行機器辨識是根據該關係圖譜產生或更新該風險資料庫中各該複數欄位對應的資料,且該關係圖譜引擎是根據特定人名、特定企業名稱、特定事件其中的至少二項及其關聯性而對該非結構化資料進行檢索,以建立該關係圖譜。
在某些實施例中,該重新檢測結果資料包含首次檢測所符合的檢測條件、該待確認資料、該回覆資料以及該重新檢測後所符合的檢測條件。
在某些實施例中,該待確認資料是呈現在該操作介面中的一顯示頁面內或是呈現在一彈跳視窗內。
風險檢測方法5的每一個實施例本質上都會與風險檢測系統11的某一個實施例相對應。因此,即使上文未針對風險檢測方法5的每一個實施例進行詳述,本發明所屬技術領域中具有通常知識者仍可根據上文針對風險檢測系統11的說明而直接瞭解風險檢測方法5的未詳述的實施例。
上述實施例只是舉例來說明本發明,而非為了限制本發明的保護範圍。任何針對上述實施例進行修飾、改變、調整、整合而產生的其他實施例,只要是本發明所屬技術領域中具有通常知識者不難思及的,都涵蓋在本發明的保護範圍內。本發明的保護範圍以申請專利範圍為準。
2:風險檢測系統的運作流程
201~208:動作
Claims (16)
- 一種鏈結至一網路服務系統的操作介面的風險檢測系統,包含:一風險資料庫;以及一風險檢測模組,電性連接至該風險資料庫,並用以:儲存至少一檢測條件以及對應該至少一檢測條件的待確認資料;在一使用者於該網路服務系統的該操作介面輸入與一服務有關的輸入資料之後,且在該輸入資料被傳送至一驗證系統之前,從該操作介面接收該輸入資料;根據該輸入資料查詢該風險資料庫,以檢測該輸入資料是否符合該至少一檢測條件;當檢測該輸入資料並未符合該至少一檢測條件時,傳送一檢測結果資料至該網路服務系統,以使該網路服務系統將該檢測結果資料與該輸入資料傳送至該驗證系統;以及當檢測該輸入資料符合該至少一檢測條件時,產生並傳送與所符合的檢測條件對應之待確認資料至該操作介面,以向該使用者請求提供一回覆資料,且於接收該使用者的回覆資料後,根據該回覆資料查詢該風險資料庫,以重新檢測該輸入資料是否符合該至少一檢測條件,並傳送一重新檢測結果資料至該網路服務系統,以使該網路服務系統將該重新檢測結果資料與該輸入資料傳送至該驗證系統。
- 如請求項1所述的風險檢測系統,其中,該風險資料庫具有檢測是否符合該至少一檢測條件所需之複數欄位,且該風險檢測系統還包含一建置模組,電性連接至該風險資料庫,並用以自至少一公開資料庫所儲存的結構化資料中的對應欄位中直接取得各該複數欄位對應的資料、或將該至少一公開資料庫所儲存的結構化資料進行一特定格式轉換以產生各該複數欄位對應的資料。
- 如請求項2所述的風險檢測系統,其中,該複數欄位與以下至少一項有關:特定人的資料、以及特定事件的資料。
- 如請求項1所述的風險檢測系統,其中,該風險資料庫具有檢測是否符合該至少一檢測條件所需之複數欄位,且該風險檢測系統還包含一建置模組,且各該複數欄位對應的資料為:該建置模組將非結構化資料進 行機器辨識而產生的對應資料。
- 如請求項4所述的風險檢測系統,其中,該風險檢測系統還包含一關係圖譜引擎,電性連接至該建置模組,且用以建立該非結構化資料之一關係圖譜,且該建置模組進行機器辨識是根據該關係圖譜產生或更新該風險資料庫中各該複數欄位對應的資料。
- 如請求項5所述的風險檢測系統,其中,該關係圖譜引擎是根據特定人名、特定企業名稱、特定事件其中的至少二項及其關聯性而對該非結構化資料進行檢索,以建立該關係圖譜。
- 如請求項1所述的風險檢測系統,其中,該重新檢測結果資料包含首次檢測所符合的檢測條件、該待確認資料、該回覆資料以及該重新檢測後所符合的檢測條件。
- 如請求項1所述的風險檢測系統,其中,該待確認資料是呈現在該操作介面中的一顯示頁面內或是呈現在一彈跳視窗內。
- 一種風險檢測方法,包含:在一使用者於一網路服務系統的一操作介面輸入與一服務有關的輸入資料之後,且在該輸入資料被傳送至一驗證系統之前,由一風險檢測系統的一風險檢測模組從該操作介面接收該輸入資料,其中該風險檢測系統鏈結至該網路服務系統的該操作介面,且該風險檢測模組儲存至少一檢測條件以及對應該至少一檢測條件的待確認資料;由該風險檢測模組,根據該輸入資料查詢該風險檢測系統的一風險資料庫,以檢測該輸入資料是否符合該至少一檢測條件;當檢測該輸入資料並未符合該至少一檢測條件時,由該風險檢測模組傳送一檢測結果資料至該網路服務系統,以使該網路服務系統將該檢測結果資料與該輸入資料傳送至該驗證系統;以及當檢測該輸入資料符合該至少一檢測條件時,由該風險檢測模組產生並傳送與所符合的檢測條件對應之待確認資料至該操作介面,以向該使用者請求提供一回覆資料,且於接收該使用者的回覆資料後,根據該回覆資料查詢該風險資料庫,以重新檢測該輸入資料是否符合該至少一檢測條件,並傳送一重新檢測結果資料至該網路服務系統,以使該網路服務系統將該重新檢測結果資料與該輸入資料傳送至該驗證系統。
- 如請求項9所述的風險檢測方法,其中,該風險資料庫具有檢測是否符合該至少一檢測條件所需之複數欄位,且該風險檢測方法還包含:由一建置模組,自至少一公開資料庫所儲存的結構化資料中的對應欄位中直接取得各該複數欄位對應的資料、或將該至少一公開資料庫所儲存的結構化資料進行一特定格式轉換以產生各該複數欄位對應的資料。
- 如請求項10所述的風險檢測方法,其中,該複數欄位與以下至少一項有關:特定人的資料、以及特定事件的資料。
- 如請求項9所述的風險檢測方法,其中,該風險資料庫具有檢測是否符合該至少一檢測條件所需之複數欄位,且該風險檢測方法還包含:由一建置模組將非結構化資料進行機器辨識以產生各該複數欄位對應的資料。
- 如請求項12所述的風險檢測方法,其中,該風險檢測方法還包含:由一關係圖譜引擎,建立該非結構化資料之一關係圖譜;其中,該建置模組進行機器辨識是根據該關係圖譜產生或更新該風險資料庫中各該複數欄位對應的資料。
- 如請求項13所述的風險檢測方法,其中,該關係圖譜引擎是根據特定人名、特定企業名稱、特定事件其中的至少二項及其關聯性而對該非結構化資料進行檢索,以建立該關係圖譜。
- 如請求項9所述的風險檢測方法,其中,該重新檢測結果資料包含首次檢測所符合的檢測條件、該待確認資料、該回覆資料以及該重新檢測後所符合的檢測條件。
- 如請求項9所述的風險檢測方法,其中,該待確認資料是呈現在該操作介面中的一顯示頁面內或是呈現在一彈跳視窗內。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109119205A TW202147207A (zh) | 2020-06-08 | 2020-06-08 | 風險檢測系統與風險檢測方法 |
CN202010933924.2A CN113837856A (zh) | 2020-06-08 | 2020-09-08 | 风险检测系统与风险检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109119205A TW202147207A (zh) | 2020-06-08 | 2020-06-08 | 風險檢測系統與風險檢測方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202147207A true TW202147207A (zh) | 2021-12-16 |
Family
ID=78962345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109119205A TW202147207A (zh) | 2020-06-08 | 2020-06-08 | 風險檢測系統與風險檢測方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113837856A (zh) |
TW (1) | TW202147207A (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8572391B2 (en) * | 2003-09-12 | 2013-10-29 | Emc Corporation | System and method for risk based authentication |
CN106022924A (zh) * | 2016-05-13 | 2016-10-12 | 中国建设银行股份有限公司 | 一种适用于客户风险评估的信息处理方法和系统 |
CN110309388B (zh) * | 2018-03-09 | 2024-04-05 | 阿里巴巴集团控股有限公司 | 数据对象信息违法风险识别方法、装置以及计算机系统 |
CN108399509A (zh) * | 2018-04-12 | 2018-08-14 | 阿里巴巴集团控股有限公司 | 确定业务请求事件的风险概率的方法及装置 |
CN111241300B (zh) * | 2020-01-09 | 2023-05-05 | 中信银行股份有限公司 | 舆情预警以及风险传播分析方法、系统、设备及存储介质 |
-
2020
- 2020-06-08 TW TW109119205A patent/TW202147207A/zh unknown
- 2020-09-08 CN CN202010933924.2A patent/CN113837856A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
CN113837856A (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11924213B2 (en) | User permissions for access to secure data at third-party | |
US20230325396A1 (en) | Real-time content analysis and ranking | |
US7458508B1 (en) | System and method for identity-based fraud detection | |
US7562814B1 (en) | System and method for identity-based fraud detection through graph anomaly detection | |
US7686214B1 (en) | System and method for identity-based fraud detection using a plurality of historical identity records | |
US20220122071A1 (en) | Identifying fraudulent instruments and identification | |
US8386377B1 (en) | System and method for credit scoring using an identity network connectivity | |
US8706614B2 (en) | Systems and methods for automated political risk management | |
US10089686B2 (en) | Systems and methods for increasing efficiency in the detection of identity-based fraud indicators | |
US20060149674A1 (en) | System and method for identity-based fraud detection for transactions using a plurality of historical identity records | |
US8725613B1 (en) | Systems and methods for early account score and notification | |
WO2020077896A1 (zh) | 提问数据生成方法、装置、计算机设备和存储介质 | |
US20110238566A1 (en) | System and methods for determining and reporting risk associated with financial instruments | |
US20070162761A1 (en) | Methods and Systems to Help Detect Identity Fraud | |
US20060248021A1 (en) | Verification system using public records | |
US20150066739A1 (en) | Adaptive credit network | |
WO2011049983A1 (en) | Methods and systems for identifying, assessing and clearing conflicts of interest | |
US8484132B1 (en) | Systems and methods for segmented risk scoring of identity fraud | |
CN112507116A (zh) | 基于客户应答语料的客户画像方法及其相关设备 | |
US20200294130A1 (en) | Loan matching system and method | |
US20230093540A1 (en) | System and Method for Detecting Anomalous Activity Based on a Data Distribution | |
US20130332374A1 (en) | Fraud prevention for real estate transactions | |
US20230367821A1 (en) | Machine-learning system for servicing queries for digital content | |
US20230140214A1 (en) | Methods and apparatuses for generating a new credit file and adding tradelines | |
TW202147207A (zh) | 風險檢測系統與風險檢測方法 |