TWI739432B

TWI739432B - 智能風控決策方法及系統、業務處理方法及系統

Info

Publication number: TWI739432B
Application number: TW109116536A
Authority: TW
Inventors: 吳新琪; 蘇煜; 楊程遠; 樓景華; 章鵬; 楊志雄
Original assignee: 大陸商支付寶（杭州）信息技術有限公司
Priority date: 2019-09-26
Filing date: 2020-05-19
Publication date: 2021-09-11
Also published as: CN110827032A; TW202113732A; WO2021057130A1; CN110827032B

Abstract

本說明書揭示了智能風控決策方法及系統、業務處理方法及系統，調用識別策略對事件集進行風險識別，獲得事件集的風險行為，並根據事件集的風險行為產生應對決策。在對事件集進行識別和決策後，可對事件集的風險行為和應對決策進行監控分析，獲得事件集的分析結果，並支援根據事件集的分析結果調整識別策略和應對決策，以根據實際情況對策略(決策)進行靈活變更，能夠快速回應風險情勢，進而減少誤判，提高風險識別的準確率。

Description

智能風控決策方法及系統、業務處理方法及系統

本發明有關風險控制技術領域，尤其有關智能風控決策方法及系統、業務處理方法及系統。

目前在網際網路中，一般都依賴於業務系統綜合處理各類業務，而隨著網際網路技術的不斷發展，網際網路對於安全性的要求越來越高，因此，系統中一般都儲存有針對風險防控的風險策略邏輯，專門用於針對異常業務的風險防控。但是，傳統的防控策略邏輯在系統開發時就已經固化在系統中，不會因為外界條件的變化而變更，策略調整的靈活性極低，因此經常會出現誤判的情況，進而降低風險識別的準確率，影響風險防控的效果。

本說明書提供了智能風控決策方法及系統、業務處理方法及系統，以解決或者部分解決系統誤判導致降低風險識別的準確率的技術問題。為解決上述技術問題，本說明書提供了一種智能風控決策方法，所述方法應用於智能風控決策系統，所述方法包括：調用識別策略對事件集進行風險識別，獲得所述事件集的風險行為；其中，所述事件集由業務系統傳輸，並且所述事件集中的每個事件具有各自的業務場景；所述識別策略中包含對所述事件集中的每個事件進行處理的子策略，並且所述子策略根據該事件的業務場景確定；根據所述事件集的風險行為產生應對決策；所述應對決策中包含所述每個事件的個性化應對決策；對所述事件集的風險行為和所述應對決策進行監控分析，獲得所述事件集的分析結果；根據所述事件集的分析結果調整所述識別策略和所述應對決策。本說明書揭示了一種業務處理方法，所述方法應用於業務處理系統，所述方法包括：業務系統接收事件集，將所述事件集傳輸給如上述方法採用的智能風控決策系統；所述智能風控決策系統調用識別策略對所述事件集進行風險識別，獲得所述事件集的風險行為；其中，所述事件集中的每個事件具有各自的業務場景；所述識別策略中包含對所述事件集中的每個事件進行處理的子策略，所述子策略根據該事件的業務場景確定；根據所述事件集的風險行為產生應對決策；所述應對決策中包含所述每個事件的個性化應對決策；對所述風險行為和所述應對決策進行監控分析，獲得所述事件集的分析結果；根據所述事件集的分析結果調整所述識別策略和所述應對決策；所述智能風控決策系統將所述每個事件的個性化應對決策回饋給所述業務系統；所述業務系統根據所述每個事件的個性化應對決策產生所述每個事件的執行決策進行執行。本說明書揭示了一種智能風控決策系統，包括：風險識別模組，用於調用識別策略對事件集進行風險識別，獲得所述事件集的風險行為；其中，所述事件集由業務系統傳輸，並且所述事件集中的每個事件具有各自的業務場景；所述識別策略中包含對所述事件集中的每個事件進行處理的子策略，所述子策略根據該事件的業務場景確定；風險決策模組，用於根據所述事件集的風險行為產生應對決策；所述應對決策中包含所述每個事件的個性化應對決策；監控分析模組，用於對所述事件集的風險行為和所述應對決策進行監控分析，獲得所述事件集的分析結果；策略調整模組，用於根據所述事件集的分析結果調整所述識別策略和所述應對決策。本說明書揭示了一種業務處理系統，包括：業務系統，用於接收事件集，將所述事件集傳輸給上述的智能風控決策系統；所述智能風控決策系統，用於調用識別策略對所述事件集進行風險識別，獲得所述事件集的風險行為；其中，所述事件集中的每個事件具有各自的業務場景；所述識別策略中包含對所述事件集中的每個事件進行處理的子策略，所述子策略根據該事件的業務場景確定；根據所述事件集的風險行為產生應對決策；所述應對決策中包含所述每個事件的個性化應對決策；對所述風險行為和所述應對決策進行監控分析，獲得所述事件集的分析結果；根據所述事件集的分析結果調整所述識別策略和所述應對決策；所述智能風控決策系統，用於將所述每個事件的個性化應對決策回饋給所述業務系統；所述業務系統，用於根據所述每個事件的個性化應對決策產生所述每個事件的執行決策進行執行。本說明書揭示了一種電腦可讀儲存媒體，其上儲存有電腦程式，該程式被處理器執行時實現上述方法的步驟。本說明書揭示了一種電腦設備，包括記憶體、處理器及儲存在記憶體上並可在處理器上運行的電腦程式，所述處理器執行所述程式時實現上述方法的步驟。透過本說明書的一個或者多個技術方案，本說明書具有以下有益效果或者優點：本說明書的方法支援在運行過程中根據實際情況適應性調整策略邏輯。具體來說，調用識別策略對事件集進行風險識別，獲得事件集的風險行為，並根據事件集的風險行為產生應對決策。在對事件集進行識別和決策後，可對事件集的風險行為和應對決策進行監控分析，獲得事件集的分析結果，並支援根據事件集的分析結果調整識別策略和應對決策，以根據實際情況對策略(決策)進行靈活變更，能夠快速回應風險情勢，進而減少誤判，提高風險識別的準確率。上述說明僅是本說明書技術方案的概述，為了能夠更清楚瞭解本說明書的技術手段，而可依照說明書的內容予以實施，並且為了讓本說明書的上述和其它目的、特徵和優點能夠更明顯易懂，以下特舉本說明書的具體實施方式。

下面將參照圖式更詳細地描述本發明的示例性實施例。雖然圖式中顯示了本發明的示例性實施例，然而應當理解，可以以各種形式實現本發明而不應被這裡闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本發明，並且能夠將本發明的範圍完整的傳達給本領域的技術人員。本說明書中涉及的名詞解析如下：策略：是多個規則條件組合後形成的一個有業務意義的結論判斷。其中“規則”是配置變數的取值，產生一個成功或者失敗或者校驗的結果；事件：是描述用戶具體業務行為的風控最基本單元，如登錄、註冊、轉帳等有業務意義的即時請求均可稱之為“事件”。智能風控決策系統透過事件與週邊系統(例如業務系統)交互。模擬觸發：是指透過即時“事件”請求，業務系統向風控系統諮詢風險，風控系統觸發對應策略並返回給業務系統決策結果的模擬行為。主要為能夠正確上線策略提供自檢排查，保證新配置策略符合預期及業務指標的穩定性。本說明書揭示了一種處理系統，該處理系統可廣泛應用於各行各業，以處理各種類型的業務，比如金融業務、銷售業務等等。金融業務例如存取款業務、信貸業務、證券業務、保險業務等等。銷售業務例如汽車銷售、電子銷售、電氣銷售等等。進一步地，本說明書還具有“業務場景”的概念。以金融業務為例，業務場景包括但不限於是：儲蓄業務場景(儲蓄卡業務)、信貸業務場景(信用卡業務)、保險業務場景(保險業務)等等。參看圖1，本實施例的處理系統包含兩個部分：業務系統01、智能風控決策系統02。業務系統01用於接收事件集，並將事件集傳輸給本說明書的智能風控決策系統02進行處理。在接收事件的過程中，可從各類資料埠接收事件，或者接收使用者操作在業務系統01中產生事件。其中，業務系統01配置有各類資料埠，用於和第三方業務平台實現資料對接。一個資料介面對接一類業務平台。第三方業務平台包括但不限於是手機業務平台、商城業務平台、PC業務平台等等。這些業務平台過來的各類業務請求在本說明書中統稱為事件。事件包括但不限於是：登錄、註冊、交易(轉帳)、修改密碼、貸款、報案(舉報異常事件，例如舉報異常交易)、申請等等。例如某某用戶在XX時間在XX業務場景下發起了XX交易；再例如，某某用戶在XX時間在XX業務場景下發起XX申請。各事件有各自的業務場景，參看圖2，是第三方業務平台、事件和業務場景的映射關係的示意圖。智能風控決策系統02，用於識別策略對事件集進行風險識別，獲得事件集的風險行為；其中，事件集中的每個事件具有各自的業務場景；識別策略中包含對事件集中的每個事件進行處理的子策略，子策略根據該事件的業務場景確定；根據事件集的風險行為產生應對決策；應對決策中包含每個事件的個性化應對決策；對風險行為和應對決策進行監控分析，獲得事件集的分析結果；根據事件集的分析結果調整識別策略和應對決策。智能風控決策系統02，用於將每個事件的個性化應對決策回饋給業務系統01；業務系統01，用於根據每個事件的個性化應對決策產生每個事件的執行決策進行執行。下面介紹業務系統01的具體實施過程。其中，參看圖1，業務系統01包括：事件接收模組11，用於接收事件集。由於業務系統01無法對事件集進行處理，故需將事件集傳輸給智能風控決策系統02，由風控決策系統對事件集進行風險識別、產生應對決策等操作，指導業務系統01根據事件集的應對決策進行處理。而智能風控決策系統02的具體實施過程會在下述實施例中詳細介紹，故在此不再進行贅述。事件填充模組12，用於從智能風控決策系統02中獲取事件集的應對決策；其中，應對決策中包含每個事件的個性化應對決策。並根據每個事件的個性化應對決策產生每個事件的執行決策。事件分發模組13，用於將事件集的應對決策分發到決策返回模組。決策返回模組14，用於根據每個事件的個性化應對決策配置各自的執行決策進行執行。各事件配置執行決策的過程和其他事件無關。舉例來說，某事件的個性化應對決策為拒絕決策。則會根據該個性化決策配置比如修改密碼失敗，您的操作環境有風險等執行決策進行執行。以上是業務系統01和智能風控決策系統02在整體上的交互過程。透過業務系統01在前端為事件集提供操作回應，透過智能風控決策系統02在後端對事件集進行風險識別並產生應對決策，以及根據分析結果對識別策略和應對決策進行調整，來保證風險防控的效果。基於相同的發明構思，本說明書的另一個實施例提供了一種智能風控決策方法，該方法應用於智能風控決策系統02。通常來說，事件傳輸過來後，調用對應的子策略進行配置後，會產生個性化應對決策：通過、拒絕、待定等等決策。傳統的防控策略邏輯在系統開發時就已經固化在智能風控決策系統02中，不會因為外界條件的變化而變更，策略調整的靈活性極低。比如貸款時需要金額超過某閾值才通過，這是很固定的，靈活性極低。如果獲知上述策略邏輯就很容易規避，比如提高流水金額超過該閾值，就可以成功申貸。即便是發現這個漏洞，如果要更改，需要代碼人員修改更換代碼並且發佈了該系統的升級版本後才能生效，風險防控能力極低。而本說明書中的智能風控決策系統02支援在運行過程中根據實際情況適應性調整策略邏輯。具體來說，調用識別策略對事件集進行風險識別，獲得事件集的風險行為，並根據事件集的風險行為產生應對決策。在對事件集進行識別和決策後，可對事件集的風險行為和應對決策進行監控分析，獲得事件集的分析結果，並支援根據事件集的分析結果調整識別策略和應對決策，以根據實際情況對策略(決策)進行靈活變更，能夠快速回應風險情勢，進而減少誤判，提高風險識別的準確率。進一步地，本說明書的方法能夠對事件集進行批次處理，並且針對每個事件會產生其個性化應對決策，能夠使“批次”和“個性化服務”成為本系統的一大優勢。例如，用戶A和用戶B同時申請相同額度的貸款，而對兩者進行風險識別時，會調用兩者的繳稅記錄，若使用者B繳稅不連續或者繳稅額度低，則給用戶B貸款的利率更高，額度更低。若用戶A的繳稅連續並且額度高，則給用戶A的貸款利率更低且額度更高，故而針對兩個用戶申請相同額度的貸款事件，產生的應對決策不同。參看圖3，該方法是智能風控決策系統02在運行過程中執行的步驟，具體包括如下步驟：步驟11，調用識別策略對事件集進行風險識別，獲得事件集的風險行為。其中，事件集由業務系統01傳輸，並且事件集中的每個事件具有各自的業務場景。識別策略中包含對事件集中的每個事件進行處理的子策略，子策略根據該事件的業務場景確定。參看圖4，是事件、業務場景、子策略的映射關係圖。其中，各業務場景下具有各自的子策略(和應對決策)。而在調用識別策略對事件集進行風險識別的過程中，針對事件集中的每個事件，根據每個事件各自的業務場景，確定出每個事件的子策略。進而調用每個事件的子策略對該事件進行風險識別，獲得該事件的風險行為。此處所指“該事件”實際指的是事件本身。例如，針對事件1，確定出事件1的子策略，進而調用事件1的子策略對該事件1本身進行風險識別。步驟12，根據事件集的風險行為產生應對決策。其中，應對決策中包含每個事件的個性化應對決策。各事件的個性化應對決策可相同或不同。在具體的實施過程中，在調用每個事件的子策略對該事件進行風險識別，獲得該事件的風險行為後，會針對該事件的風險行為產生該事件的個性化應對決策。而個性化應對決策包括：通過、拒絕、待定等等決策。若某個事件為待定決策，則表示需要對該事件進一步進行驗證。驗證方式包括但不限於是人臉、指紋、簡訊、語音等等方式進行驗證。以上是對事件集進行風險識別和產生應對決策的實施過程。針對事件集中的每個事件，都需要執行上述過程。具體來說，在調用子策略對各事件進行風險識別後，得到的風險行為可能為無風險或有風險。如果事件的風險行為是無風險，則產生通過決策，傳輸給業務系統01，以便對該事件快速放行。如果事件的風險行為是有風險，則產生拒絕決策或者待定決策傳輸給業務系統01。另外，會將事件集的相關資料(事件本身資料、風險行為、決策等等)沉澱下來保存，以便後續分析。由此可見，本說明書的方法借助於系統，透過風險識別和應對決策等步驟，能夠對事件集進行批次處理，並產生各事件的個性化應對決策。無需人工審核，審核時間跨度以分、秒來計算，為使用者帶來更好的服務體驗。當然，後續會針對這一系列操作進行分析，具體請看下面的步驟。步驟13，對事件集的風險行為和應對決策進行監控分析，獲得事件集的分析結果。監控分析主要是為了即時監控智能風控決策系統02的運行環境。在對獲得事件集進行分析、決策等操作後，需要監控該事件集引起的通過率、拒絕率、校驗率、事件來源等等，作為後續分析的基礎資料。例如，分析結果為某地區的申請量上升、管道增多(例如事件來源為支付寶，事件來源為微信、某個管道量特別多等等)。這些都是對開展業務很有幫助，能夠作為後續開展業務的基礎資料。另外，還可以根據分析結果調整後續的識別策略，例如，假設識別策略中沒有對微信管道加以風險識別的子策略，則可以在識別策略中加入微信管道識別的子策略。步驟14，根據事件集的分析結果調整識別策略和應對決策。在具體的調整過程中，在監控到事件集中有預設個事件的個性化應對決策為通過決策，則無需調整。若監控到事件集中有預設個事件的個性化應對決策為拒絕決策和/或待定決策，故而在調整的過程中，會根據分析結果產生預設個事件的優化子策略和預設個事件的優化決策。利用預設個事件的優化子策略對預設個事件的原識別策略進行優化，並利用預設個事件的優化決策對預設個事件的原應對決策進行優化。以上是本實施例的智能決策方法的主要實施原理。另外，本說明書還揭示了資料中心，也稱為統一的風險變數池。本實施例將內部各系統資料(線上＋離線)進行有效融合，形成資料中心。資料中心融合了多維度、多特徵的資料，為智能風控決策引擎提供資料支援，以對事件進行更為精准化的評估，比如融合傳統的金融業務場景中申請、審批、貸後等一系列環節建立在不同的業務系統01中的資料。以銀行系統為例，傳統銀行也嘗試考慮簡單的決策引擎，嘗試將相關流程線上化，進行線上即時審批或者即時決策，但受限於風控決策引擎的局限性，往往僅支持簡單的名單類過濾。而對於風控中非常重要的即時累積變數(如“設備上過去7天登陸的用戶數“等累積類變數)、第三方資料(人行徵信)融入、離線資料如何線上引用等關鍵問題都很難透過可配置方式引用甚至都不支援，傳統銀行風控所使用的資料非常有限，難以將不同部門、不同場景、不同種類的資料來源統一管理並應用起來。為了解決這一問題，本說明書將線上資料域與離線資料統一起來，建立資料中心。資料中心將不同性質的資料有機融合在一塊，支援不同來源的資料的靈活擴展，對不同場景的業務共用風險資料，一方面降低資料使用成本，另一方面最大化資料價值。進一步地，為了支援線上資料域、離線資料域的融合，本說明書採用了資料服務的方式進行引用，將離線資料域中的資料融入到線上資料域中。另外，資料服務還可以接入第三方資料融入到線上資料域中，以實現離線資料域和第三方資料的引用。具體來說，資料中心包含線上資料域和離線資料域。線上資料域為智能風控決策引擎提供線上資料支援。離線資料域為智能風控決策引擎提供歷史資料支援。具體的，線上資料域，包括以下幾個方面的資料：線上累積資料，記錄事件集的所有相關資料，包括：事件名，當前系統登錄使用者數，事件所屬設備的設備欄位，事件的操作時間等等。線上名單資料，記錄當前所有事件的名單。維表資料，包括手機解析維表、IP位址解析維表、身分證解析維表，供風險識別模組調用。其中，IP位址解析維表為第三方資料，透過資料服務接入到維表資料中。事件資料：記錄當前所有事件。離線資料域，包括以下幾個方面的資料：歷史事件表，記錄歷史事件的所有相關資料。例如，某子策略為“調用某帳戶過去60天的轉帳金額進行判定”，則從歷史時間表中清洗出該帳戶過去59天的轉帳金額，加上當天線上的轉帳金額即可獲得總共為60天的轉帳金額。名單表，包括黑名單和白名單；其中，黑名單中記錄歷史事件中異常事件的相關資料，異常事件指的是應對決策為拒絕、待定等決策的事件。例如，異常手機號、異常銀行卡號、異常WIFI等等存入黑名單。若有事件所屬手機號、銀行卡號、所用WIFI等匹配到黑名單，則直接產生“拒絕”的應對決策。白名單中記錄歷史事件中正常事件的相關資料，正常事件指的是應對決策為通過決策的事件。決策表，記錄有歷史事件的應對決策；其中，歷史事件的應對決策包括：通過、拒絕、待定等等。案件表，記錄歷史舉報事件；可信表，記錄歷史事件中正常事件的相關資料配對關係。可信表類似白名單，例如，用戶過去三個月在某個設備上登錄過，就把登錄帳號和設備進行綁定配對，如果用戶異地登錄，就會認為異常。以上是線上資料域和離線資料域中的相關資料。由於離線資料域中儲存的是歷史資料，故需要和線上資料域中的線上資料進行相互融合。此時，智能風控決策系統02中還包括資料服務模組，用於將離線資料域和線上資料域進行融合，以供風險識別模組調用。除此之外，資料服務模組還用於接入第三方資料到線上資料域中，供風險識別模組調用。資料中心是本說明書中的資料基礎，將各系統資料(線上＋離線)進行有效融合，提供多維度、多特徵的資料，為智能風控決策系統02提供豐富的槍支彈藥。下面具體介紹各步驟的實施過程。在進行風險識別的過程中，首先會涉及到子策略的配置。通常來說，針對每個事件，都需要先配置該事件的子策略，然後在根據子策略對該事件進行風險識別。假設業務系統01傳輸一筆交易(交易事件)到智能風控決策系統02中，智能風控決策系統02中針對該交易事件有一系列子策略對其進行識別，以獲得該交易的風險。舉例來說，30天內金額超過30萬就為風險交易。假設交易事件為查看帳戶30天內交易金額，該交易事件傳輸到智能風控決策系統02後，調用上述子策略對其進行識別，比如超過30萬，直接產生拒絕的個性化應對策略。而子策略的配置需要使用累積變數。累積變數是指透過策略計算中的“流計算”產生的特徵變數，主要透過累積管理與變數產生兩個步驟產生累積特徵。一個完整的累積變數包含累積主體、累積內容、累積函數以及累積視窗四個部分，例如“帳戶30天內交易金額”這個累積變數，主體是帳戶，累積內容是金額，累積函數是SUM，累積視窗是30天。在配置每個事件的子策略的過程中，也需要接入線上資料域、離線資料域、第三方資料庫等一種多種資料來源，來配置子策略。具體來說，包括以下一種或者幾種方式組合：第一種方式：根據每個事件各自的業務場景，從線上資料域中確定出該事件的配置變數取值；根據該事件的配置變數取值，配置該事件的子策略。第二種方式：根據每個事件各自的業務場景，從在離線據域中確定出該事件的配置變數取值；根據該事件的配置變數取值，配置該事件的子策略。第三種方式：根據每個事件各自的業務場景，從在第三方資料中確定出該事件的配置變數取值；根據該事件的配置變數取值，配置該事件的子策略。例如個稅策略，只有在某地稅局交稅才能發放貸款，此時需要從地稅局請求發送稅務資料。配置的策略為：用戶過去是否連續12個月交稅，交稅是否連續性，達到的比例額度等等。因此，從第三方資料中也可以配置策略的維度進行風險防控。以上三種方式可以任意組合或單獨使用。而在利用子策略對事件進行風險識別的過程中，會涉及到模型調用，即：根據每個事件的子策略，確定每個事件的子模型，並調用每個事件的對其本身事件(該事件)進行風險識別，獲得每個事件的風險行為。作為一種可選的實施例，子策略包含N層識別子策略，每層識別子策略具有先後調用關係；N≥1且為正整數。故，調用每個事件的子策略中的N層識別子策略依次對該事件進行風險識別，獲得該事件的風險行為。針對單一事件來說，由於其子策略包含N層識別子策略，每層識別子策略具有先後調用關係。故每層子策略都會對該事件進行風險識別，並產生一風險行為。該風險行為是“有風險”、“無風險”等等行為。例如，當識別為“通過”、“匹配”、“滿足”等等結果，表示無風險。若識別為“拒絕”、“不匹配”、“不滿足”等等結果，表示有風險行為。而針對每層子策略的風險行為會產生對應的個性化應對決策。具體的，若當層子策略為的風險行為表示無風險，則產生一個“通過”的個性化應對決策，並轉化到下一層子策略進行識別。若當層子策略為的風險行為表示有風險，則產生一個“拒絕”的個性化應對決策，並停止後續子策略的識別操作。若為最後一層子策略，則根據“有風險”、“無風險”等等行為產生對應的個性化應對決策。舉例來說，有關某用戶人臉識別的識別策略，包含“人臉和身分證照片是否匹配”，“信貸申請失敗的次數是否達到閾值”兩層識別子策略。在對人臉進行識別時，先調用第1層識別子策略“人臉和身分證照片是否匹配”進行識別。若不匹配，則產生“拒絕”的個性化應對決策。若匹配，則獲取該用戶信貸申請失敗的次數，調用第二層識別子策略“信貸申請失敗的次數是否達到閾值”進行判斷。若判斷達到閾值，則產生“拒絕”的個性化應對決策。若判斷未達到閾值，則產生“通過”的個性化應對決策。作為一種可選的實施例，在根據所述事件集的風險行為產生應對決策之後，若所述事件集中有事件的個性化應對決策為待定決策，分析該事件的歷史應對決策；根據該事件的歷史應對決策和該事件待定決策產生該事件的驗證方式，該事件的驗證方式和該事件的歷史決策中的驗證方式不同。舉例來說，登錄事件的歷史應對決策為“簡訊驗證”，也就是說已經對其進行了簡訊驗證。若對登錄事件的帳號、密碼進行識別，則會結合歷史應對決策“簡訊驗證”。如此，避免產生相同的驗證方式進行重複執行引起使用者的反感情緒且避免浪費決策資源。假設產生的個性化應對決策為“待定”決策，就不能再次使用“簡訊驗證”方式。而在監控的具體實施過程中，監控的目的是為了即時監控智能風控決策系統02的運行環境。在對獲得事件集進行分析、決策等操作後，需要監控該事件集引起的通過率、拒絕率、校驗率、事件來源等等，作為後續分析的基礎資料。其實時監控智能風控決策系統02的運行環境的目的是為了監控各子策略的風險後，對子策略和個性化決策進行補漏，否則不知道哪條子策略風險高影響了系統。監控能夠獲知子策略的風險命中率，分析能夠獲知子策略的風險命中率的具體原因，例如是子策略配錯了導致的命中率高，還是這段時間確實有這樣的風險。如果是子策略配錯了，則透過監控分析得知分析結果後，根據分析結果能夠修改子策略。這些都是在運行過程中操作，無需返回技術開發重新研發版本。具體來說，由於決策為拒絕、通過或待定等等個性化決策。在監控到事件集中有預設個事件的個性化應對決策為通過決策，則分析該預設個事件的風險進行規律分析，獲得預設個事件的分析結果，然後根據預設個事件的分析結果，調整預設個事件中每個事件的子策略和個性化應對決策。若監控到事件集中有預設個事件的個性化應對決策為拒絕決策和/或待定決策，表示這預設個事件為異常事件，故必須分析出其具體的風險行為，並要反補到之前的子策略和個性化應對決策中，提高系統的防控能力和防控準確率。這樣做的原因是，在對拒絕事件或者對事件進行待定處理後，都需要進行分析，以便查漏補缺，避免識別策略的漏洞造成後續嚴重影響。例如，發現某地區申請貸款數目超載，如果不更新識別策略控制貸款數目，若後續貸款人員還不上貸款，則會造成虧空。故，對預設個事件的風險行為進行分析，獲得預設個事件的分析結果。該分析結果為引起預設個事件的風險行為的具體原因。進一步地，在調整時，會根據預設個事件的分析結果，調整預設個事件中每個事件的子策略和個性化應對決策，配置後即可生效。具體來說，若預設個事件的個性化應對決策為拒絕決策和/或待定決策，對應的事件會進行沉澱，以便於對預設個事件的風險行為進行分析，避免到海量資料中撈異常事件。而將分析結果反補到防控上，用以調整預設個事件中每個事件的子策略和個性化應對決策，形成一個閉環，能夠根據分析結果靈活調整前述策略和決策，用以快速彌補前述策略和決策的不足，以提高防控的準確率。舉例來說，若對50個事件分析時，發現產生拒絕決策的步驟在人臉識別那層子策略，分析出來的原因可能是：惡意攻擊，或者操作人群年齡比較大不懂操作。在識別決策後進行分析，反過來做優化，針對性對策略進行調整。例如分析發現某個時間段某個地區的人臉識別最多，則在原有策子策略的基礎上將“高危時間”和“地區”的策略加上。後續如果是這個時間並且申請人都來自某個地區，那就直接拒絕掉，將分析結果反補到之前的風險防控上，形成一個閉環，以提高防控的準確率。作為一種可選的實施例，本說明書支持新業務場景的靈活擴展。在具體的實施過程中，構建新業務場景。根據所述新業務場景的配置需求從當前所有業務場景中確定目標業務場景。目標業務場景是為新業務場景提供識別策略、應對決策進行配置的場景。目標業務場景中具有目標識別策略和目標應對決策，用以對新業務場景進行配置。調用目標識別策略和目標應對決策對新業務場景進行配置。例如，信用卡中心中的目標識別策略和目標應對決策交易中心想借用，又必須保證不能夠影響信用卡中心的使用，故可以構建新業務場景，借用信用卡中心中的目標識別策略和目標應對決策對其進行配置。在使用時，由於事件已經具有場景劃分，故即便是兩個場景的識別策略相同，也可能產生不同的風險行為，並且各場景的識別策略互不影響。透過上述描述，本說明書中的智能風控決策方法支援修改策略邏輯，具備即時風險感知監控、即時配置即時生效、場景可靈活擴展等巨大優勢。其一方面具備更高的自由度，能夠靈活更改識別策略和決策(而非傳統的方式，運營同學提供策略邏輯，讓開發同學將該邏輯寫死在後台，不管是後續修改還是管理都極其不方便)。另一方面，在提高審核速度和防控準確率的同時，由於識別策略和決策可即時更改，也降低了系統被攻陷的機率(傳統寫死策略邏輯的方式，很容易被黑、灰產多次嘗試後繞行並突破)。此外，本說明書中的方法能夠實現在所有場景下配置的所有策略的監控(量級、拒絕率等)，以全面監控風險情勢，並能根據異動情況靈活回應並快速優化策略。作為一種可選的實施例，本說明書還支援策略配置和自檢。目前很多傳統風控，往往是識別策略直接上線(無法支援策略自檢)，在發現異常後，再進行事後補救，如此極大機率會導致運營悲劇(如打擾率激增或者拒絕率暴增等)。而為了使操作風險等得到有效控制，在上線新識別策略時，需要模擬觸發事件和自動比對的策略自檢功能，保證新識別策略上線的過程中結果符合預期，讓靈活的系統運營起來更加穩健，透過模擬行為做到事前規避操作風險，而非上線後發現異常而進行事後補救，能夠避免因操作風險導致的運營悲劇(例如打擾率激增或者拒絕率暴增等)。具體來說，產生新識別策略，其中，新識別策略具有預期資料。預期資料用作新識別策略的檢驗標準。配置模擬事件對新識別策略進行檢測，根據檢測得到的檢測報告對新識別策略執行對應操作。在具體的實施過程中，配置模擬事件；執行模擬事件，調用新識別策略對模擬事件進行處理，獲得結果資料；判斷結果資料是否滿足預期資料，產生檢測報告；若檢測報告表示結果資料滿足預期資料，則將新識別策略配置到對應業務場景中。舉個例子，假設我們需要上線一條策略A為“轉帳用戶的註冊時長小於30天且轉帳金額大於5000”，且命中時出校驗(比如出簡訊)。那麼，具體地： 1, 事件配置：註冊事件配置、轉帳事件配置；變數配置：變數var1“註冊時間距當前時間的天數”和變數var2“轉帳金額”的配置；策略配置：策略A配置(試運行但未上線)。 2, 模擬觸發：為了驗證策略A是否符合預期，我們需要設計並構造資料(如表1)模擬正常用戶的行為，對策略A進行觸發，並沉澱對應的結果資料。 3, 自動比對：基於上述第2步，我們將策略A和所有變數(var1與var2)的預期結果和結果資料進行自動比對(如表2)，並產出對應的檢測報告。 4, 策略上線：基於上述第3步，當檢測報告內容符合預期的前提下，按照流程“試運行-＞灰度(調整)-＞正式運行”進行策略上線；否則，排查異常並定位後回到第1步或者第2步。

用例編號	用例說明	發送次數	實驗設計屬性
事件發生時間	事件編碼	交易名稱	核心客戶號	金額 ( 元 )
TR079P	註冊(前置)	1	systime-15d	REGISTER	註冊	userid1
TR079	轉帳用戶的註冊時長小於3天且轉帳金額大於5000	1	systime	TRANSFER	轉帳	userid1	6000

表1: 策略自檢－資料構造&模擬觸發其中，事件發生時間：Systime表示發送觸發事件時，系統當前的時間戳。同理Systime-15d表示15天前的時間戳；比如：Systime所取的系統時間戳為‘2018-12-31 10:24:20’，那麼Systime-15d對應的時間戳是‘2018-12-16 10:24:20’。

用例編號	事件	策略	策略預期值	策略實際值	變數	預期值	實際值	變數	預期值	實際值
TR079	轉帳	策略A	校驗	校驗	var1	15	15	var2	6000	6000

表2: 策略自檢－自動比對以上，基於“模擬觸發”和“自動比對”的策略自檢模組，讓靈活的系統運營起來更加穩健。透過模擬行為做到事前規避操作風險，而非上線後發現異常而進行事後補救。作為一種可選的實施例，若事件集中具有舉報事件，對舉報事件及其個性化應對決策進行審理，獲得審理結果；對審理結果進行監控分析，獲得舉報事件的分析結果。進一步地，會根據舉報事件的分析結果調整舉報事件對應的子策略和個性化應對決策。以上是智能風控決策方法的具體實施過程，基於與前述實施例中同樣的發明構思，本說明書實施例還提供一種業務處理方法，該方法應用於業務處理系統，該方法的實施過程如下：業務系統01接收事件集，將事件集傳輸給上述一個或者多個實施例揭示的智能風控決策系統02；智能風控決策系統02調用識別策略對事件集進行風險識別，獲得事件集的風險行為；其中，事件集中的每個事件具有各自的業務場景；識別策略中包含對事件集中的每個事件進行處理的子策略，子策略根據該事件的業務場景確定；根據事件集的風險行為產生應對決策；應對決策中包含每個事件的個性化應對決策；對風險行為和應對決策進行監控分析，獲得事件集的分析結果；根據事件集的分析結果調整識別策略和應對決策。具體的處理方式在上述一個或者多個實施例中已經介紹，故而此處不再贅述。智能風控決策系統02將每個事件的個性化應對決策回饋給業務系統01；業務系統01根據每個事件的個性化應對決策產生每個事件的執行決策進行執行。業務系統01的具體執行過程在上述一個或者多個實施例中已經介紹，故而此處不再贅述。基於與前述實施例中同樣的發明構思，參看圖1，本說明書實施例還提供一種智能風控決策系統02，該系統的具體實施過程在上述方法實施例中一致，故對具體示例和解釋不再贅述，包括：風險識別模組21，用於調用識別策略對事件集進行風險識別，獲得事件集的風險行為。其中，事件集由業務系統01傳輸，並且事件集中的每個事件具有各自的業務場景；識別策略中包含對事件集中的每個事件進行處理的子策略，子策略根據該事件的業務場景確定。風險決策模組22，用於根據事件集的風險行為產生應對決策。應對決策中包含每個事件的個性化應對決策；監控分析模組23，用於對事件集的風險行為和應對決策進行監控分析，獲得事件集的分析結果；策略調整模組24，用於根據事件集的分析結果調整識別策略和應對決策。作為一種可選的實施例，風險識別模組21，具體用於：針對事件集中的每個事件，根據每個事件各自的業務場景，確定出每個事件的子策略；調用每個事件的子策略對該事件進行風險識別，獲得該事件的風險行為。作為一種可選的實施例，風險識別模組21，具體用於處理以下一個或者多個步驟的組合：根據每個事件各自的業務場景，從線上資料域中確定出該事件的配置變數取值；根據該事件的配置變數取值，配置該事件的子策略；根據每個事件各自的業務場景，從在離線資料域中確定出該事件的配置變數取值；根據該事件的配置變數取值，配置該事件的子策略；根據每個事件各自的業務場景，從在第三方資料中確定出該事件的配置變數取值；根據該事件的配置變數取值，配置該事件的子策略。另外，本說明書還揭示了資料中心，也稱為統一的風險變數池。而資料中心在上述實施例已經詳細介紹，故而此處本說明書不再贅述。進一步地，為了支援線上資料域、離線資料域的融合，本系統還包括:資料服務模組，用於將離線資料域中的資料融入到線上資料域中，或者將第三方資料融入到線上資料域中，以實現離線資料域和第三方資料的引用。作為一種可選的實施例，風險決策模組22，具體還用於：若所述事件集中有事件的個性化應對決策為待定決策，分析該事件的歷史應對決策；根據該事件的歷史應對決策和該事件待定決策產生該事件的驗證方式，該事件的驗證方式和該事件的歷史決策中的驗證方式不同。作為一種可選的實施例，監控分析模組23，具體用於若監控到事件集中有預設個事件的個性化應對決策為拒絕決策和/或待定決策，對預設個事件的風險行為進行分析，獲得預設個事件的分析結果；策略調整模組24，具體用於根據預設個事件的分析結果，調整預設個事件中每個事件的子策略和個性化應對決策。作為一種可選的實施例，系統還包括場景配置模組，用於：構建新業務場景；根據所述新業務場景的配置需求從當前所有業務場景中確定目標業務場景，目標業務場景中具有目標識別策略和目標應對決策；調用目標識別策略和目標應對決策對新業務場景進行配置。作為一種可選的實施例，系統還包括：策略產生模組，用於產生新識別策略，其中，新識別策略具有預期資料；策略檢測模組，用於配置模擬事件對新識別策略進行檢測，根據檢測得到的檢測報告對新識別策略執行對應操作。作為一種可選的實施例，策略檢測模組，包括：事件配置模組，用於配置模擬事件；模擬觸發模組，用於執行模擬事件，調用新識別策略對模擬事件進行處理，獲得結果資料；對比模組，用於判斷結果資料是否滿足預期資料，產生檢測報告；策略上線模組，用於若檢測報告表示結果資料滿足預期資料，則將新識別策略配置到對應業務場景中。作為一種可選的實施例，系統還包括：審理模組，用於若事件集中具有舉報事件，對舉報事件及其個性化應對決策進行審理，獲得審理結果；監控分析模組23，用於對審理結果進行監控分析，獲得舉報事件的分析結果。基於與前述實施例中同樣的發明構思，本說明書實施例還提供一種電腦可讀儲存媒體，其上儲存有電腦程式，該程式被處理器執行時實現前文任一方法的步驟。基於與前述實施例中同樣的發明構思，本說明書的實施例還提供一種電腦設備，如圖5所示，包括記憶體504、處理器502及儲存在記憶體504上並可在處理器502上運行的電腦程式，處理器502執行程式時實現前文任一方法的步驟。其中，在圖5中，匯流排架構(用匯流排500來代表)，匯流排500可以包括任意數量的互聯的匯流排和橋，匯流排500將包括由處理器502代表的一個或多個處理器和記憶體504代表的記憶體的各種電路連結在一起。匯流排500還可以將諸如週邊設備、穩壓器和功率管理電路等之類的各種其他電路連結在一起，這些都是本領域所公知的，因此，本文不再對其進行進一步描述。匯流排介面506在匯流排500和接收器501和發送器503之間提供介面。接收器501和發送器503可以是同一個元件，即收發機，提供用於在傳輸媒體上與各種其他終端設備通訊的單元。處理器502負責管理匯流排500和通常的處理，而記憶體504可以被用於儲存處理器502在執行操作時所使用的資料。透過本說明書的一個或者多個實施例，本說明書具有以下有益效果或者優點：本說明書揭示了智能風控決策方法及系統、業務處理方法及系統，調用識別策略對事件集進行風險識別，獲得事件集的風險行為，並根據事件集的風險行為產生應對決策。在對事件集進行識別和決策後，可對事件集的風險行為和應對決策進行監控分析，獲得事件集的分析結果，並支援根據事件集的分析結果調整識別策略和應對決策，以根據實際情況對策略(決策)進行靈活變更，能夠快速回應風險情勢，進而減少誤判，提高風險識別的準確率。在此提供的演算法和顯示不與任何特定電腦、虛擬系統或者其它設備固有相關。各種通用系統也可以與基於在此的示教一起使用。根據上面的描述，構造這類系統所要求的結構是顯而易見的。此外，本說明書也不針對任何特定程式設計語言。應當明白，可以利用各種程式設計語言實現在此描述的本說明書的內容，並且上面對特定語言所做的描述是為了披露本說明書的最佳實施方式。在此處所提供的說明書中，說明了大量具體細節。然而，能夠理解，本說明書的實施例可以在沒有這些具體細節的情況下實踐。在一些實例中，並未詳細示出公知的方法、結構和技術，以便不模糊對本說明書的理解。類似地，應當理解，為了精簡本發明並幫助理解各個發明方面中的一個或多個，在上面對本說明書的示例性實施例的描述中，本說明書的各個特徵有時被一起分組到單一實施例、圖、或者對其的描述中。然而，並不應將該公開的方法解釋成反映如下示意圖：即所要求保護的本說明書要求比在每個請求項中所明確記載的特徵更多的特徵。更確切地說，如下面的申請專利範圍所反映的那樣，發明方面在於少於前面公開的單一實施例的所有特徵。因此，遵循具體實施方式的申請專利範圍由此明確地併入該具體實施方式，其中每個請求項本身都作為本說明書的單獨實施例。本領域那些技術人員可以理解，可以對實施例中的設備中的模組進行自我調整性地改變並且把它們設置在與該實施例不同的一個或多個設備中。可以把實施例中的模組或單元或元件組合成一個模組或單元或元件，以及此外可以把它們分成多個子模組或子單元或子元件。除了這樣的特徵和/或過程或者單元中的至少一些是相互排斥之外，可以採用任何組合對本說明書(包括伴隨的申請專利範圍、摘要和圖式)中公開的所有特徵以及如此公開的任何方法或者設備的所有過程或單元進行組合。除非另外明確陳述，本說明書(包括伴隨的申請專利範圍、摘要和圖式)中公開的每一特徵可以由提供相同、等同或相似目的的替代特徵來代替。此外，本領域的技術人員能夠理解，儘管在此的一些實施例包括其它實施例中所包括的某些特徵而不是其它特徵，但是不同實施例的特徵的組合意味著處於本說明書的範圍之內並且形成不同的實施例。例如，在下面的申請專利範圍中，所要求保護的實施例的任意一者都可以以任意的組合方式來使用。本說明書的各個部件實施例可以以硬體實現，或者以在一個或者多個處理器上運行的軟體模組實現，或者以它們的組合實現。本領域的技術人員應當理解，可以在實踐中使用微處理器或者數位訊號處理器(DSP)來實現根據本說明書實施例的閘道、代理伺服器、系統中的一些或者全部部件的一些或者全部功能。本說明書還可以實現為用於執行這裡所描述的方法的一部分或者全部的設備或者裝置程式(例如，電腦程式和電腦程式產品)。這樣的實現本說明書的程式可以儲存在電腦可讀媒體上，或者可以具有一個或者多個信號的形式。這樣的信號可以從網際網路網站上下載得到，或者在載體信號上提供，或者以任何其他形式提供。應該注意的是上述實施例對本說明書進行說明而不是對本說明書進行限制，並且本領域技術人員在不脫離所附申請專利範圍的範圍的情況下可設計出替換實施例。在權利要求中，不應將位於括弧之間的任何參考符號構造成對申請專利範圍的限制。單詞“包含”不排除存在未列在申請專利範圍中的元件或步驟。位於元件之前的單詞“一”或“一個”不排除存在多個這樣的元件。本說明書可以借助於包括有若干不同元件的硬體以及借助於適當程式設計的電腦來實現。在列舉了若干裝置的單元請求項中，這些裝置中的若干個可以是透過同一個硬體項來具體體現。單詞第一、第二、以及第三等的使用不表示任何順序。可將這些單詞解釋為名稱。

01:業務系統 11:事件接收模組 12:事件填充模組 13:事件分發模組 14:決策返回模組 02:智能風控決策系統 21:風險識別模組 22:風險決策模組 23:監控分析模組 24:策略調整模組 500:匯流排 501:接收器 502:處理器 503:發送器 504:記憶體 506:匯流排介面

透過閱讀下文較佳實施方式的詳細描述，各種其他的優點和益處對於本發明所屬技術領域中具有通常知識者將變得清楚明瞭。圖式僅用於示出較佳實施方式的目的，而並不認為是對本說明書的限制。而且在整個圖式中，用相同的參考符號表示相同的部件。在圖式中： [圖1]顯示根據本說明書一個實施例的處理系統的示意圖； [圖2]顯示根據本說明書一個實施例的第三方業務平台、事件和業務場景的映射關係的示意圖； [圖3]顯示根據本說明書一個實施例的智能風控決策的方法實施過程圖； [圖4]顯示根據本說明書一個實施例的事件、業務場景、子策略的映射關係圖； [圖5]顯示根據本說明書一個實施例的一種電腦設備的示意圖。

Claims

一種智能風控決策方法，該方法應用於智能風控決策系統，該方法包括：調用識別策略對事件集進行風險識別，獲得該事件集的風險行為，其中，該事件集由業務系統傳輸，並且該事件集中的每個事件具有各自的業務場景，該識別策略中包含對該事件集中的每個事件進行處理的子策略，並且該子策略根據該事件的業務場景確定；根據該事件集的風險行為產生應對決策，該應對決策中包含該每個事件的個性化應對決策；對該事件集的風險行為和該應對決策進行監控分析，獲得該事件集的分析結果；根據該事件集的分析結果調整該識別策略和該應對決策；產生新識別策略，其中，該新識別策略具有預期資料；以及配置模擬事件對該新識別策略進行檢測，根據檢測得到的檢測報告對該新識別策略執行對應操作。
如請求項1之方法，該調用識別策略對事件集進行風險識別，獲得該事件集的風險行為，包括：針對該事件集中的每個事件，根據該每個事件各自的業務場景，確定出該每個事件的子策略；以及調用該每個事件的子策略對該事件進行風險識別，獲得該事件的風險行為。
如請求項2之方法，該根據該每個事件各自的業務場景，確定出該每個事件的子策略，包括以下一種或者幾種方式組合：根據該每個事件各自的業務場景，從線上資料域中確定出該事件的配置變數取值，根據該事件的配置變數取值，配置該事件的子策略；根據該每個事件各自的業務場景，從在離線資料域中確定出該事件的配置變數取值，根據該事件的配置變數取值，配置該事件的子策略；以及根據該每個事件各自的業務場景，從在第三方資料中確定出該事件的配置變數取值，根據該事件的配置變數取值，配置該事件的子策略。
如請求項1之方法，該根據該事件集的風險行為產生應對決策之後，該方法還包括：若該事件集中有事件的個性化應對決策為待定決策，分析該事件的歷史應對決策；以及根據該事件的歷史應對決策和該事件待定決策產生該事件的驗證方式，該事件的驗證方式和該事件的歷史決策中的驗證方式不同。
如請求項1之方法，該對該事件集的風險行為和該應對決策進行監控分析，獲得該事件集的分析結果，具體包括：若監控到該事件集中有預設個事件的個性化應對決策為拒絕決策和/或待定決策，對該預設個事件的風險行為進行分析，獲得該預設個事件的分析結果；該根據該事件集的分析結果調整該識別策略和該應對決策，具體包括：以及根據該預設個事件的分析結果，調整該預設個事件中每個事件的子策略和個性化應對決策。
如請求項1之方法，該根據該事件集的分析結果調整該識別策略和該應對決策之後，該方法還包括：構建新業務場景；根據該新業務場景的配置需求從當前所有業務場景中確定目標業務場景，該目標業務場景中具有目標識別策略和目標應對決策；以及調用該目標識別策略和該目標應對決策對該新業務場景進行配置。
如請求項1之方法，該配置模擬事件對該新識別策略進行檢測，根據檢測得到的檢測報告對該新識別策略執行對應操作，包括：配置該模擬事件；執行該模擬事件，調用該新識別策略對該模擬事件進行處理，獲得結果資料；判斷該結果資料是否滿足該預期資料，產生該檢測報告；以及若該檢測報告表示該結果資料滿足該預期資料，則將該新識別策略配置到對應業務場景中。
如請求項1之方法，該對該事件集的風險行為和該應對決策進行監控分析，獲得該事件集的分析結果之前，該方法還包括：若該事件集中具有舉報事件，對該舉報事件及其個性化應對決策進行審理，獲得審理結果；以及對該審理結果進行監控分析，獲得該舉報事件的分析結果。
一種業務處理方法，該方法應用於業務處理系統，該方法包括：業務系統接收事件集，將該事件集傳輸給如請求項1至8中任一項之方法採用的智能風控決策系統；該智能風控決策系統調用識別策略對該事件集進行風險識別，獲得該事件集的風險行為，其中，該事件集中的每個事件具有各自的業務場景，該識別策略中包含對該事件集中的每個事件進行處理的子策略，該子策略根據該事件的業務場景確定，根據該事件集的風險行為產生應對決策，該應對決策中包含該每個事件的個性化應對決策，對該風險行為和該應對決策進行監控分析，獲得該事件集的分析結果，根據該事件集的分析結果調整該識別策略和該應對決策，產生具有預期資料之新識別策略，以及配置模擬事件對該新識別策略進行檢測，以根據檢測得到的檢測報告對該新識別策略執行對應操作；該智能風控決策系統將該每個事件的個性化應對決策回饋給該業務系統；以及該業務系統根據該每個事件的個性化應對決策產生該每個事件的執行決策進行執行。
一種智能風控決策系統，包括：風險識別模組，用於調用識別策略對事件集進行風險識別，獲得該事件集的風險行為，其中，該事件集由業務系統傳輸，並且該事件集中的每個事件具有各自的業務場景，該識別策略中包含對該事件集中的每個事件進行處理的子策略，該子策略根據該事件的業務場景確定；風險決策模組，用於根據該事件集的風險行為產生應對決策，該應對決策中包含該每個事件的個性化應對決策；監控分析模組，用於對該事件集的風險行為和該應對決策進行監控分析，獲得該事件集的分析結果；策略調整模組，用於根據該事件集的分析結果調整該識別策略和該應對決策；以及策略產生模組，用於產生新識別策略，其中，該新識別策略具有預期資料；以及策略檢測模組，用於配置模擬事件對該新識別策略進行檢測，根據檢測得到的檢測報告對該新識別策略執行對應操作。
如請求項10之系統，風險識別模組，具體用於：針對該事件集中的每個事件，根據該每個事件各自的業務場景，確定出該每個事件的子策略；以及調用該每個事件的子策略對該事件進行風險識別，獲得該事件的風險行為。
如請求項11之系統，該風險識別模組，具體用於處理以下一個或者多個步驟的組合：根據該每個事件各自的業務場景，從線上資料域中確定出該事件的配置變數取值，根據該事件的配置變數取值，配置該事件的子策略；根據該每個事件各自的業務場景，從在離線資料域中確定出該事件的配置變數取值，根據該事件的配置變數取值，配置該事件的子策略；以及根據該每個事件各自的業務場景，從在第三方資料中確定出該事件的配置變數取值，根據該事件的配置變數取值，配置該事件的子策略。
如請求項10之系統，該風險決策模組，具體還用於：若該事件集中有事件的個性化應對決策為待定決策，分析該事件的歷史應對決策；以及根據該事件的歷史應對決策和該事件待定決策產生該事件的驗證方式，該事件的驗證方式和該事件的歷史決策中的驗證方式不同。
如請求項10之系統，該監控分析模組，具體用於若監控到該事件集中有預設個事件的個性化應對決策為拒絕決策和/或待定決策，對該預設個事件的風險行為進行分析，獲得該預設個事件的分析結果；以及該策略調整模組，具體用於根據該預設個事件的分析結果，調整該預設個事件中每個事件的子策略和個性化應對決策。
如請求項10之系統，該系統還包括場景配置模組，用於：構建新業務場景；根據該新業務場景的配置需求從當前所有業務場景中確定目標業務場景，該目標業務場景中具有目標識別策略和目標應對決策；以及調用該目標識別策略和該目標應對決策對該新業務場景進行配置。
如請求項10之系統，該策略檢測模組，包括：事件配置模組，用於配置該模擬事件；模擬觸發模組，用於執行該模擬事件，調用該新識別策略對該模擬事件進行處理，獲得結果資料；對比模組，用於判斷該結果資料是否滿足該預期資料，產生該檢測報告；以及策略上線模組，用於若該檢測報告表示該結果資料滿足該預期資料，則將該新識別策略配置到對應業務場景中。
如請求項10之系統，該系統還包括：審理模組，用於若該事件集中具有舉報事件，對該舉報事件及其個性化應對決策進行審理，獲得審理結果；以及該監控分析模組，用於對該審理結果進行監控分析，獲得該舉報事件的分析結果。
一種業務處理系統，包括：業務系統，用於接收事件集，將該事件集傳輸給如請求項10至17中任一項之智能風控決策系統；該智能風控決策系統，用於調用識別策略對該事件集進行風險識別，獲得該事件集的風險行為，其中，該事件集中的每個事件具有各自的業務場景，該識別策略中包含對該事件集中的每個事件進行處理的子策略，該子策略根據該事件的業務場景確定，根據該事件集的風險行為產生應對決策，該應對決策中包含該每個事件的個性化應對決策，對該風險行為和該應對決策進行監控分析，獲得該事件集的分析結果，根據該事件集的分析結果調整該識別策略和該應對決策，產生具有預期資料之新識別策略，以及配置模擬事件對該新識別策略進行檢測，以根據檢測得到的檢測報告對該新識別策略執行對應操作；該智能風控決策系統，用於將該每個事件的個性化應對決策回饋給該業務系統；以及該業務系統，用於根據該每個事件的個性化應對決策產生該每個事件的執行決策進行執行。
一種電腦可讀儲存媒體，其上儲存有電腦程式，其特徵在於，該程式被處理器執行時實現請求項1至8中任一項之方法的步驟。
一種電腦設備，包括記憶體、處理器及儲存在記憶體上並可在處理器上運行的電腦程式，其特徵在於，該處理器執行該程式時實現請求項1至8中任一項之方法的步驟。