CN104574110B - 一种信用数字认证方法 - Google Patents
一种信用数字认证方法 Download PDFInfo
- Publication number
- CN104574110B CN104574110B CN201410841621.2A CN201410841621A CN104574110B CN 104574110 B CN104574110 B CN 104574110B CN 201410841621 A CN201410841621 A CN 201410841621A CN 104574110 B CN104574110 B CN 104574110B
- Authority
- CN
- China
- Prior art keywords
- credit
- assessment
- evaluation
- main body
- record
- 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.)
- Active
Links
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供信用数字认证方法,用于识别信用主体潜在的信用风险,包括如下步骤:a.读取信用主体身份信息;b.根据身份信息查询信用记录;c.根据信用记录进行识别评估;d.根据识别评估结果生成信用评估等级标识和信用评估报告;e.实时推送识别评估结果。根据本发明的另一个方面,还提供信用数字认证的处理装置。通过本发明提供的评价指标体系、评估算法以及评估处理装置,可以有效地处理各种评估工作,并可以结合专家库的设置来提高准确度以及效率。
Description
技术领域
本发明涉及第三方身份认证载体、第三方信用记录查询平台及计算机评估处理***,通过数据交互模式,实时的识别出具有信用风险的企业法人和自然人主体。具体地,涉及到嵌入第三方身份认证载体中的信用数字认证应用模块、第三方信用记录查询平台的查询反馈应用模块以及计算机评估处理***的信用风险识别处理应用模块。
背景技术
随着社会的发展,信用在社会中越来越重要,几乎任何情况下的交互,都会牵涉到双方的信用问题。
市数字认证中心提供的身份认证载体,还不能进行任何信用风险评估,更不可能实时更新信用评估等级。
随着市信用平台的全面开通运行,如何充分发挥平台作用、扩大平台应用领域也已成为各方关注的焦点问题。
信用评估公司拥有评估指标体系及评估计算模型,但获得数据的渠道却很有限。
基于上述问题,如果可以通过三方的数据交互模式,并实时推送信用数字认证标识,不但可以让企业法人和自然人主体自身严于律己,也让每个委办局可以很好的识别管理自己名下的企业法人或自然人主体,更让社会的进步加快脚步。所以提出信用数字认证方法以及相应的处理装置很有必要。
发明内容
针对现有技术中没有非常好的信用数字认证方法,本发明的目的是提供一种适用范围广的信用数字认证方法以及相应的处理装置。
根据本发明的一个方面,一种信用数字认证方法,用于识别信用主体的信用风险指数,包括如下步骤:
a.读取所述信用主体的身份信息;
b.根据所述身份信息查询信用记录,所述信用记录对应于所述信用主体;
c.根据所述信用记录进行评估计算,获得识别评估结果;
d.根据所述识别评估结果生成信用评估等级标识和信用评估报告;
e.实时推送所述识别评估结果。
优选地,所述步骤a包括如下步骤:
a1.通过第三方身份认证载体中的信用数字认证应用,发送载体中的信用主体身份信息;
a2.信用评估***接收并读取所述信用主体身份信息,并将其作为所述身份信息。
优选地,所述步骤a1包括如下步骤:
a11.信用主体在互联网的环境下使用所述第三方身份认证载体,触发所述载体中的信用数字认证应用;
a12.所述信用数字认证应用发送所述载体中的信用主体身份信息至所述信用评估***。
优选地,所述步骤b包括如下步骤:
b1.所述信用评估***发送信用主体的身份信息至第三方信用记录查询平台;
b2.所述第三方信用记录查询平台反馈查询结果至所述信用评估***,其中所述查询结果作为所述信用记录。
优选地,所述步骤c包括如下步骤:
c1.信用评估***根据信用记录,结合信用负面清单评价指标体系,统计每个评价指标的数据值;
c2.根据所述统计的评价指标的数据值,所述信用评估***进行识别评估,并获得所述识别评估结果。
优选地,在所述步骤c2中,所述信用评估***进行识别评估的步骤包括如下步骤:信用评估***根据信用记录,结合信用负面清单评价指标体系,生成其对应的特征码,所述特征码是由一串字母和数字组成的字符串,第一位代表负面信用记录所对应的类别,第二位代表负面记录的严重程度,第三位至最后代表负面记录发生的次数。
优选地,所述信用负面清单评价指标体系形成的步骤如下:
-基于一个或多个信用平台的负面信息记录;
-对所述负面信息记录进行分析,并基于对负面信息记录归类规则生成所述负面清单评估指标体系。
优选地,在所述步骤c2中,所述信用评估***进行识别评估的步骤还包括如下步骤:基于所述信用记录对信用主体的失信程度指标进行重新分类与评价。
优选地,所述失信程度指标
包括如下指标中的任一种或任多种:
-司法及严重行政失信指标;
-自由罚失信指标;
-行为罚失信指标;
-财产罚失信指标;
-声誉罚失信指标;
-公共事业违约失信指标;以及
-社会组织失信行为指标。
优选地,所述步骤c2中,所述信用评估***进行识别评估的步骤还包括如下步骤:基于失信频率、失信范围对所述信用主体的失信度进行综合评价。
优选地,所述信用评估***采用因素分析法进行信用评估。
优选地,所述因素分析法主要包括如下步骤:
f1.利用各级评估因素的权重向量,逐级向上对矩阵进行模糊运算,从而获得一个隶属度向量,所述隶属度向量用于指示所述评估结果。
f2.将基础评估因素相对应的权重向量与基础隶属度矩阵进行模糊运算,得出上一级评估因素的隶属度矩阵,并逐级向上进行模糊运算,直至生成一级评估因素的隶属度矩阵。
f3.根据各所述基础评估因素对应的评估函数的相应参数计算出所述n个评估等级的隶属度值,进行正则化处理以获得所述n个评估等级的隶属度值,最终生成m行n列的基础隶属度矩阵,所述m表示所述基础评估因素的个数。
f4.将一级评估因素的权重向量与一级评估因素的隶属度矩阵进行模糊运算,获得与全部评估因素对应的隶属度向量。
f5.采用模糊综合算法对所述隶属度向量进行计算,从而获得所述评估结果。优选地,在所述因素分析法中,所述正则化处理通过如下公式实现:
优选地,所述步骤d包括如下步骤:
d1.所述信用评估***根据评估计算结果,结合信用负面清单评价指标的信用风险划分规则,把评估结果在***展示页进行展示;
d2.结合所述评估计算结果及第三方信用记录查询平台反馈的查询信息,信用评估***自动生成信用评估电子报告。
优选地,所述步骤e包括如下步骤:
e1.所述信用评估***接收到第三方身份认证载体发送的信用主体的身份信息,查询该信用主体的评估计算结果及信用评估电子报告;
e2.所述信用评估***根据所述评估计算结果,结合其对应的信用风险类型,生成相应的信用数字认证标识;
e3.所述信用评估***将所述信用数字认证标识及信用评估电子报告链接反馈给第三方身份认证载体;
e4.所述第三方身份认证载体根据接收到的链接,实时进行信用数字认证标识及信用评估电子报告的展示。
优选地,所述信用风险至少分为信用风险高危、信用风险警示、信用风险可控三种类型,并以对应的红灯、黄灯、绿灯的评估结果形式进行展示。
优选地,所述信用风险类型是根据得分区间划分的,计算机将评估结果比对信用风险的得分区间值,从而得到对应的信用风险类别。
根据本发明的另一个方面,还提供信用数字认证方法的处理装置,运用数据交互模式,通过信用评估计算模块,实时的识别出具有信用风险的企业法人和自然人主体,包括:
第一确认装置,其用于确认是否经过信用数字认证;
第一计算装置,其用于计算信用评估结果;
第一生成装置,其用于生成信用数字认证结果;
第一推送装置,其用于推送信用数字认证结果。
优选地,第一确认装置包括:
第二确认装置,其用于如果未进行信用数字认证,***反馈未信用数字认证标识,并同时执行认证流程;
第三确认装置,其用于如果进行过信用数字认证,***反馈信用数字认证标识及信用评估电子报告,并同时执行再次认证流程;
优选地,第一计算装置包括:
第二计算装置,其用于根据评价指标体系规则进行指标数据计算统计;
第三计算装置,其用于根据统计结果,进行评价指标评估计算;
优选地,第一生成装置包括:
第二生成装置,其用于根据评估计算结果,结合信用风险类型划分规则,生成相应信用风险标识;
第三生成装置,其用于根据信用记录及评估计算结果,生成相应信用评估电子报告;
优选地,第一推送装置包括:
第二推送装置,其用于推送信用数字认证标识和信用评估电子报告链接。
信用数字认证方法,是指根据信用主体在身份认证载体中的身份信息,通过信用评估***,如“信用负面清单识别评估***”(后简称识别评估***)进行识别评估,并自动产生评估结论,主动通过互联网推送信用等级和信用评估报告的一种方法。
鉴于市信用平台的信用记录具有一定的时效性,并且大部分信息属于实时更新或更新频率比较频繁,因此,本发明将致力于构建一套能够实现实时更新、动态评估的识别方法。力求能够及时掌握受信主体最新信用风险状况,为授信主体制定授信政策提供决策依据;同时,也能够动态反映受信主体信用风险变化情况,为授信主体建立信用风险预警提供参考。
据统计,目前市信用平台归集了近3亿条数据,涉及2500万自然人主体和138万法人主体,如此庞大的数据库如果仅靠人工去识别,势必将花费大量的人力成本和时间,在实际操作过程中也难以做到。因此,本发明将致力于建立一套智能化的评估***,通过采用信息化手段实现数据库对接、共享、识别、模型自动算分、结果输出等一系列智能化操作。
“制度是信用建设的核心,应用是信用建设的关键”。本发明以紧扣制度建设为核心,以强调应用为突破口,通过识别出具有信用风险的企业法人和自然人主体,为行政管理部门建立事中信用预警、事后联动奖惩机制可提供决策依据,有利于营造“让失信者寸步难行,让守信者一路畅通”的社会诚信氛围。
本发明依托于信用负面记录,运用信用评估技术和方法,构建出一套科学、合理、动态的信用主体信用风险识别评估体系。
其建设的必要性主要由以下两个方面:
1、是扩大市信用平台应用的迫切要求。面对如此大的平台数据信息,如何有效利用好这些信息、发挥平台的作用成为平台建设方、信用服务机构及相关方关注的焦点。
2、是服务于改革发展的现实需要。本发明围绕事中事后监管的需要,采用信用评估技术和方法,对企业法人或自然人主体进行信用分类管理,并在此基础上编制出一份信用“负面清单”,为管理部门开展事中事后监管提供依据。
针对社会经济效益分析,主要由以下方面:
有利于扩大市信用平台的应用领域和范围。本发明立足于市信用平台应用需求,为市信用平台量身定制开发了一种大规模应用工具,通过采用信息化手段和信用评估技术,将平台数据加工成可读性强的信用产品,从而有利于扩大平台应用领域和范围,更好的发挥平台的作用。
本发明将依托市信用平台信息资源,运用信用评估技术和方法,采用信息化技术,建立一套针对企业法人和自然人主体的动态信用风险识别评估体系,其主要内容及主要特色由以下几个部分组成:
1、信用评估指标体系
本发明采用因素分析法作为信用评估指标体系的设计方法。因素分析法是用来测定受多种因素影响的某种经济现象总变动中影响的方向和影响度的一种统计分析方法。其特点不是仅借助于数值而是根据相关因素的性质,表明其数量变化对研究对象变动的影响关系,从本质上讲属于经验法的内容范畴。
本发明将以企业法人和自然人两类信用主体为研究对象,重点考查信用主体的失信程度,并结合失信频率、失信范围等角度对信用主体的失信度进行综合评价。评估指标体系设计将主要围绕以下几个方面:
(1)司法及严重行政失信程度;
(2)自由罚失信程度;
(3)行为罚失信程度;
(4)财产罚失信程度;
(5)声誉罚失信程度;
(6)公共事业违约失信程度;
(7)社会组织失信行为记录等。
2、信用评估规则体系
信用评估规则体系也可称作为信用评分标准,评估结果的准确性在很大程度上取决于评估规则设置的科学性和合理性。首先,应根据指标性质对所搜集的指标进行合理化分类,将指标分为信用构成指标和信用影响指标两类;其次,分别对各类评估指标作出评估标准的定义及描述,并建立评估等级的层次划分及评分规则;最后,区分定量型指标和定性型指标,并赋予各类评估指标所对应的权重。
3、信用评估数学模型
在信用评估分析中,由于诸多信用影响因素具有较强的模糊性,很难通过有效的数据累计客观量化的信用状况,即实现决策的量化分析。通过构建信用评级因素层次化结构,在运用层次分析法确定层次结构中信用评级因素项的权重系数的同时,采用模糊综合评判的方法实现了各因素的量化,从而较大程度降低人为因素对信用评级的影响,确保评级质量。本发明采用多级模糊运算方法,实施以下具体设计步骤:
(1)根据信用评估指标设计各项评估指标的权重;
(2)设计信用评估等级划分及其隶属函数;
(3)通过隶属函数计算出各信用评估指标等级的隶属度,形成隶属矩阵;
(4)运用模糊数学算式对权重向量与隶属度矩阵逐级进行模糊变换;
(5)运用模糊决策算法得出最终可比较的信用评估结果并进行排序。
4、信用评估软件***
数学模型构建完成之后,设计开发评估软件***,包括信用评估模块和评估结果模块。其中信用评估模块主要是为分析师进行数据比对、核实、判别、修正等工作提供功能应用,以确保参评数据的准确性和规范性,以及保障评估过程的公平性和严谨性;评估结果展示模块主要是根据信用评估模型测评结果将信用风险分成信用风险高危、信用风险警示、信用风险可控三种类型,并以红灯、黄灯、绿灯的评估结果形式进行展示。作为本发明建设的一项重要内容,信用评估软件***是本发明的关键技术,也是难点、重点和亮点,信用评估软件***的成功研发将为其成果的应用推广奠定坚实基础。
信用主体使用第三方身份认证载体的同时,该载体会连接信用评估***,信用评估***根据信用主体在载体中的身份信息,查得并反馈相应的信用评估等级标识和信用评估电子报告。如果该主体未经过信用数字认证,即未查得相应的信用评估等级标识和信用评估电子报告,信用评估***将有***提醒标识反馈,并同时根据载体中的身份信息,查得该信用主体的所有信用记录,并通过信用评估***后台处理(处理机制基于负面清单评价指标体系),产生该信用主体的信用评估等级标识和信用评估电子报告,在该信用主体再次使用身份认证载体时进行反馈。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1示出根据本发明的第一实施例的,信用数字认证方法的具体流程示意图;
图2示出根据本发明的第一实施例的,在信用数字认证方法中,读取信用主体身份信息的步骤的具体流程示意图;
图3示出根据本发明的第一实施例的,在信用数字认证方法中,发送载体中的信用主体身份信息的步骤的具体流程示意图;
图4示出根据本发明的第一实施例的,在信用数字认证方法中,根据所述身份信息查询信用记录,所述信用记录对应于所述信用主体的具体流程示意图;
图5示出根据本发明的第一实施例的,在信用数字认证方法中,根据所述信用记录进行识别评估,并获得识别评估结果的具体流程示意图;
图6示出根据本发明的第一实施例的,在信用数字认证方法中,根据所述识别评估结果生成信用评估等级标识和信用评估报告的具体流程示意图;
图7示出根据本发明的第一实施例的,在信用数字认证方法中,实时推送所述识别评估结果的具体流程示意图;
图8示出根据本发明的第一实施例的,在信用数字认证方法中,所述因素分析法的具体流程示意图;
图9示出根据本发明的另一个具体实施方式的,一种信用数字认证方法的流程图;
图10示出根据本发明的另一个具体实施方式的,一种基于信用数字认证方法中读取信用主体身份信息的步骤的具体流程图;
图11示出根据本发明的另一个具体实施方式的,一种基于信用数字认证方法中根据身份信息查询信用记录的步骤的具体流程图;
图12根据本发明的另一个具体实施方式的,一种基于信用数字认证方法中根据信用记录进行识别评估的步骤的具体流程图;
图13根据本发明的另一个具体实施方式的,一种基于信用数字认证方法中根据识别评估结果生成信用评估等级标识和信用评估报告的步骤的具体流程图;以及
图14根据本发明的另一个具体实施方式的,一种基于信用数字认证方法中实时推送识别评估结果的步骤的具体流程图。
具体实施方式
图1示出根据本发明的第一实施例的,信用数字认证方法的具体流程示意图,所述信用数字认证方法用于识别信用主体的信用风险,进一步地,通过信用主体的身份信息,获得相应地识别评估结果,进而生成相应地信用评估等级标识和信用评估报告,发送给授信人,为授信主体建立信用风险预警提供参考,具体地,包括如下步骤:
首先,进入步骤S101,读取所述信用主体的身份信息,本领域技术人员理解,所述读取所述信用主体身份信息的装置优选的为一电脑软件***,也可以是一个APP,还可以为一网页浏览框,用于授信者通过所述数字认证***进行查看分析,进一步地,获得所述分析结果,所述信用主体是指接受信用数字认证的主体,其身份信息为其使用的身份认证载体提供,进一步地,所述读取所述信用主体的身份信息将在本发明的具体实施方式中作详细描述,在此不予赘述。
然后,进入步骤S102,根据所述身份信息查询信用记录,所述信用记录对应于所述信用主体,本领域技术人员理解,所述身份信息通过一具有一定影响力的信用记录查询平台查询获得,进一步地,所述身份信息是根据所述信用主体获得的,更为具体地,所述身份信息可以包括信用主体的姓名、身份证号或者所述查询平台的内部ID等等,所述根据所述身份信息查询信用记录将在本发明的具体实施方式中作详细描述,在此不予赘述。
接着,进入步骤S103,根据所述信用记录识别其类别、严重程度、发生次数,并按设计的评估标准进行评估计算,获得识别评估结果,本领域技术人员理解,所述步骤的目的是为了通过所述查询获得的信用记录,并根据相应地识别评估手段,从而获得有效地识别评估结果,进一步地,达到从宏观上、量化地分析所述识别评估结果的目的。
具体地,所述评估标准应根据所述信用记录的各项指标进行综合评估计算,本领域技术人员理解,所述所涉及的指标越详尽,所述评估所得到的结果就越趋近于最为真实的信用记录情况,而在一个优选地变化例中,所述信用记录可以根据所述识别的类别、严重程度、发生次数来进行评估,上述识别标准并不是唯一的评估手段,但却是最优选地手段,这并不影响本发明的技术方案,在此不予赘述。
更为具体地,用于运行所述提供的认证方法的计算机***或者认证装置在接收到信用记录的同时,所述计算机***或者认证装置将进行数据的梳理,进一步地,根据评价指标体系结构规则进行数据值的统计和计算,最终识别出具有信用风险的受信主体。在一个优选地变化例中,若每个受信主体在终端中使用身份认证载体,则可以实时了解自身的信用等级,而另一端的授信主体也可以实时了解受信主体是否存在信用风险,这将大大降低整个社会的信用风险。本领域技术人员理解,所述根据所述信用记录进行识别评估的具体操作将在本发明后述的具体实施方式中作详细描述,在此不予赘述。
再然后,进入步骤S104,根据所述识别评估结果生成信用评估等级标识和信用评估报告,本领域技术人员理解,所述识别评估过程即一种信用数字认证过程,所述识别评估结果即一种对信用风险进行评估后的得分,该得分最终会被转化为信用数字认证标识进行亮照展示。进一步地,所述识别评估结果主要是根据信用评估模型测评结果将信用风险分成信用风险高危、信用风险警示、信用风险可控三种类型,并以红灯、黄灯、绿灯的评估结果形式进行展示,所述信用评估报告内容则结合信用记录、评估结果、评估等级而生成。更为具体地,所述根据所述识别评估结果生成信用评估等级标识和信用评估报告将在本发明的具体实施方式中作详细描述,在此不予赘述。
最后,进入步骤S105,实时推送所述识别评估结果,本领域技术人员理解,所述识别评估结果是指根据所述识别评估结果生成信用评估等级标识和信用评估报告,更为具体地,当所述身份信息每次被读取时,都会产生一个新的信用记录,并根据所述新的信用记录产生新的信用评估等级标识和信用评估报告,从而为授信者以及受信者提供实时的评估结果,本领域技术人员理解,所述实时推送所述识别评估结果的具体实施方式将在本发明的后述内容中作详细描述,在此不予赘述。
图2示出根据本发明的第一实施例的,在信用数字认证方法中,读取信用主体身份信息的步骤的具体流程示意图,本领域技术人员理解,所述流程主要对步骤S101做进一步地描述,具体地,包括如下步骤:
首先,进入步骤S1011,通过第三方身份认证载体中的信用数字认证应用,发送载体中的信用主体身份信息,本领域技术人员理解,所述第三方身份认证载体是指具有权威性的身份认证载体,比如市数字认证中心提供的身份认证载体。该载体通过添加信用数字认证应用,可以实现信用主体的信用数字认证,进一步地,基于所述第三方身份认证载体,所述发送的信用主体身份信息在安全上得到保障,更进一步地,所述发送过程通常意义上是通过互联网为媒介进行发送渠道,而通过所述第三方身份认证载体发送的信用主体数字认证可以在识别上予以支持,在安全上予以保护。
然后,进入步骤S1012,信用评估***接收并读取所述信用主体身份信息,并将其作为所述身份信息,本领域技术人员理解,所述信用评估***通过互联网或者其他方式从第三方身份认证载体接收到来自所述信用主体的身份信息,并将所述读取的信用主体身份信息作为所述身份信息。
进一步地,本领域技术人员理解,所述信用评估***,是一套智能化的评估***,通过采用信息化手段实现数据库对接、共享、识别、模型自动算分、结果输出等一系列智能化操作。进一步地,结合步骤S105,信用主体每次使用第三方身份认证载体时,载体中的信用数字认证应用将被激发,并同时自动连接信用评估***,实时反馈最新信用评估等级标识和信用评估报告给到信用主体。所述通过所述信用评估***实时反馈最新信用评估等级标识和信用评估报告给信用主体的方式将在下述内容中加以详细描述,在此不予赘述。
更为具体地,在一个优选地变化例中,所述信用数字认证方法优选地有一后台服务器,用于处理接收并交换数据,本领域技术人员理解,所述信用评估***优选地被置于所述后台服务器中,在这样的变化例中,所述数字认证***接收到信用主体身份信息,并通过第三方身份认证载体将所述信用主体身份信息传递给所述后台服务器中的信用评估***,进一步地,所述信用评估***产生最新的评估结果,进而实时反馈最新信用评估等级标识和信用评估报告给到信用主体。
图3示出根据本发明的第一实施例的,在信用数字认证方法中,发送载体中的信用主体身份信息的步骤的具体流程示意图,具体地,本领域技术人员理解,所述图3是将步骤S1011进一步地细化,对通过第三方身份认证载体中的信用数字认证应用,发送载体中的信用主体身份信息的步骤作进一步地详细的描述,具体步骤如下:
首先,进入步骤S10111,信用主体在互联网的环境下使用所述第三方身份认证载体,触发所述载体中的信用数字认证应用,进一步地,本领域技术人员理解,所述步骤的目的是为了通过所述第三方身份认证载体,从而触发所述载体中的信用数字认证应用,进一步地,通过所述信用数字认证应用,发送给信用评估***。
然后,进入步骤S10112,所述应用发送所述载体中的信用主体身份信息至所述信用评估***,进一步地,本领域技术人员理解,在上述步骤S10111中,涉及到一种数字认证技术,即一种加解密的过程,可以有效地对所述信用主体的身份信息进行保密处理,进一步地,还可以通过所述信用数字认证技术,对所述信用主体的身份信息进行核实,增加了盗用、窃取等不良后果的安全系数。
更为具体地,本领域技术人员理解,在执行完步骤S10111后,所述应用将所述信用主体身份信息发送至所述信用评估***,所述信用评估***是一种公知的现有***,优选地采用被广大群体所接受的、认可的信用评估***,这样可以保证所述评估出来的结果具有真实性、有效性、合法性等。
图4示出根据本发明的第一实施例的,在信用数字认证方法中,根据所述身份信息查询信用记录,所述信用记录对应于所述信用主体的具体流程示意图,具体地,所述图4是为了更好的对步骤S102进行描述,具体地,包括如下步骤:
首先,进入步骤S1021,所述信用评估***发送信用主体的身份信息至第三方信用记录查询平台,本领域技术人员理解,信用评估***在接收到身份信息的同时,会同步发送该身份信息至信息查询平台,而信息查询平台也会第一时间反馈最新的信用记录至信用评估***。所述的第三方信用记录查询平台,是指具有权威性的信用记录查询平台,比如市信用平台。通过该平台的查询,可以得到具有公信力的信用记录,使得信用数字认证结果也更具有公信力。
进一步地,所述步骤的目的是为了确认所述信用主体的身份信息是根据最新的信用指数而作出的信用评估,使所述评估后的结果更具有效性和正确性。
然后,进入步骤S1022,所述第三方信用记录查询平台反馈查询结果至所述信用评估***,其中所述查询结果作为所述信用记录,本领域技术人员理解,所述步骤的目的是为了通过所述第三方信用记录查询平台,获得所述信用主体最新的信用记录,并进一步地,对所述信用主体的信用记录进行评估,优选地,所述查询结果将作为所述信用主体的信用记录,进一步地,所述信用评估***将根据所述信用主体的身份信息所对应的主体信用记录进行评估,进而评估出评估结果。
图5示出根据本发明的第一实施例的,在信用数字认证方法中,根据所述信用记录进行识别评估,并获得识别评估结果的具体流程示意图,所述图5示出的是步骤S103的具体流程示意图,具体地,包括如下步骤:
首先,进入步骤S1031,信用评估***根据信用记录,结合信用负面清单评价指标,统计每个评价指标的数据值。优选地,所述信用负面清单评价指标体系的形成可以通过首先基于一个或多个信用平台的负面信息记录,然后所述信用评估***根据对负面信息记录的分析,设计负面信息记录归类的规则,最后基于以上基础从而生成负面清单评估的指标体系。
进一步地,结合信用负面清单评价指标,统计每个评价指标的数据值,所述数据值对应着所述信用负面清单评价指标,所述的信用负面清单评价指标体系,是基于市信用平台的信息目录,在对其进行梳理、归类、整合的基础上,对信用主体的负面信用记录进行重点分析,并根据法律、信用等领域相关专家的意见,对信用主体的失信程度进行重新分类与评价,力求建立一套相对科学、公平的信用负面清单评价指标体系。
更进一步地,本领域技术人员理解,信用负面清单评价指标体系以企业法人和自然人两类信用主体为研究对象,重点考察信用主体的失信程度,并结合失信频率、失信范围等角度对信用主体的失信度进行综合评价。主要围绕司法及严重行政失信程度、自由罚失信程度、行为罚失信程度、财产罚失信程度、声誉罚失信程度、公共事业违约失信程度、社会组织失信行为记录等方面来设计评价指标体系。
在一个优选地变化例中,所述信用评估***根据信用记录,结合信用负面清单评价指标体系,生成其对应的特征码,所述特征码是由一串字母和数字组成的字符串,第一位代表负面信用记录所对应的类别,第二位代表负面记录的严重程度,第三位至最后代表负面记录发生的次数。在这样的变化例中,计算机根据关键字识别每条信用记录并转化成对应的特征码保存。在计算机进行评估计算的时候,根据该特征码可以快速转化成负面清单评价指标体系对应的实际值,该特征码可以更高效的实现评估计算。
更为具体地,所述信用评估***接收所述信用记录,并根据“关键字库”辨识负面信用记录,进一步地,所述每个负面信用记录对应着相应地特征码,所述信用评估***生成所述特征码。在一个优选地变化例中,所述信用评估***遍历所有负面信用记录的特征码,并根据所述特征码找出对应的评价指标,进一步地,生成对应评价指标的实际值。
在上述变化例中,所述信用评估***将第三方信用信息查询平台中所录入的各种负面信用记录,根据所述负面信用记录对应的信息类别,生成m个类别。进一步地,例如:司法及严重行政处罚负面记录、自由罚负面记录、行为罚负面记录、财产罚负面记录、声誉罚负面记录、公共事业违约负面记录及社会组织失信行为负面记录等。在每一类别中再根据负面记录的严重程度生成n个等级。例如,“极严重”、“严重”、“一般”等。***生成的m个类别及其对应的n个等级,即为“失信度评估指标体系”,m个类别为一级指标,n个等级为一级指标对应的二级指标。进一步地,最后***把所有的负面信用记录内容对应到相应的类别等级中,同时把负面信用记录中的关键字段录入到关键字库中。
更为具体地,所述信用评估***接收到信用信息查询平台中该信用主体在规定时间段内发生的信用记录后,根据“关键字库”逐条对负面信用记录识别其所属的类别号i及该类别中的等级号j。并对同一类别、同一等级的负面信用记录进行计数。从而,生成该信用主体所属负面信用记录的特征码,特征码包括类别号、等级号、实际发生次数等。
再然后,进入步骤S1032,根据所述统计的评价指标的数据值,所述信用评估***进行识别评估,并获得所述识别评估结果。
优选地,所述识别评估结果为基于所述信用记录对信用主体的失信程度指标进行重新分类与评价的结果。进一步地,所述失信程度指标是指所述信用主体的在不止一个种类范畴的失信程度的指标,具体地,包括司法及严重行政失信指标、自由罚失信指标、行为罚失信指标、财产罚失信指标、声誉罚失信指标、公共事业违约失信指标、以及社会组织失信行为指标。所述信用主体的失信程度指标可以是上述指标中的一个,也可以是上述指标中的多个或者全部,这都不影响本发明的技术方案,在此不予赘述。
在一个优选地变化例中,所述第三方信用信息查询平台反馈在规定时间段内所述信用主体所发生的负面信用记录给到所述信用评估***,所述信用评估***根据接收到的记录匹配对应特征码,进行评估计算,得到结果值,即获得该信用主体的失信度y。失信度y值越大表示信用风险越高。
进一步地,所述失信度y的计算公式包括如下步骤:
其中,c,匹配系数,所述系数为信用风险调整系数,所述信用评估***会根据信用风险严重程度对其进行调整。
ki,其中i=1~m,各类别的权重值。
kij,其中i=1~m、j=1~n,各类别对应的各等级的权重值。
Aij,其中i=1~m、j=1~n,各类别对应的各等级所属负面信用记录的最大允许发生次数。它与信用主体的规模大小有关,不同规模的信用主体,最大允许发生次数不同。
Bij,其中i=1~m、j=1~n,各类别对应的各等级所属负面信用记录的实际发生次数。例如,Bij=0表示该类别中该等级的负面信用记录没有发生。当Bij>Aij时,取Bij=Aij,即当实际发生次数大于最大允许发生次数时,***按照最大允许发生次数计算。
更进一步地,本领域技术人员理解,所述识别评估结果还是基于失信频率、失信范围对所述信用主体的失信度进行综合评价的结果。所述识别评估结果为了能够更加准确的、更加真实的反映所述信用主体的失信程度,还需要对所述信用主体的失信频率、失信范围作出考虑,例如,在一个优选地变化例中,若一个信用主体在一个失信程度指标上连续失信,这将直接影响所述识别评估结果,而不是单一的对每一次失信进行识别评估,在这样的变化例中,优选地,随着所述信用主体的失信频率的增加,所述识别评估结果率呈抛物线形下滑。
进一步地,本领域技术人员理解,所述信用评估***采用因素分析法进行信用评估,具体地,所述信用负面清单评价指标体系采用因素分析法作为所述信用评估指标体系的设计方法。因素分析法是用来测定受多种因素影响的某种经济现象总变动中影响的方向和影响度的一种统计分析方法。其特点不是仅借助于数值而是根据相关因素的性质,表明其数量变化对研究对象变动的影响关系,从本质上讲属于经验法的内容范畴。
图6示出根据本发明的第一实施例的,在信用数字认证方法中,根据所述识别评估结果生成信用评估等级标识和信用评估报告的具体流程示意图,具体地,包括如下步骤:
首先,进入步骤S1041,所述信用评估***根据评估计算结果,结合信用负面清单评价指标的信用风险划分规则,把评估结果在***展示页进行展示,进一步地,经过图5所示的流程图,所述主体信用的失信程度将被所述信用评估***进行评估,进一步地,所述信用评估***根据评估计算结果,把评估结果在***展示页进行展示,优选地,所述评估结果将结合信用负面清单评价指标的信用风险划分规则,所述信用负面清单评价指标的信用风险划分规则是指一种区分不同信用主体的信用风险程度的划分方法,进一步地,本领域技术人员理解,所述信用风险类型的划分是很有必要的,它能很好区别不同信用主体的信用风险程度,从一定程度上起到警示和提醒的作用。
优选地,在一个优选地变化例中,所述的信用风险可以被划分为信用风险高危、信用风险警示、信用风险可控这三类层次,并以红灯、黄灯、绿灯形式加以诠释信用评估等级。更为具体地,上述中的划分方案并不是唯一的划分方案,在另一个优选地变化例中,所述的信用风险还可以被划分为信用风险高危、信用风险严重、信用风险警示、信用风险可控、信用风险良好等等,而在这样的变化例中,所述信用评估等级将使用五种渐变或者不同颜色的灯加以显示区分,这并不影响本发明的技术方案,在此不予赘述。
进一步地,本领域技术人员理解,所述信用风险的划分,这将有利于行政主管部门、行业协会、银行等授信主体及时掌握受信主体的信用风险,为制定相关的授信政策提供决策依据,从而降低授信或交易风险,减少经济损失。通过向相关方提供信用风险提示,可以有效缓解及降低信息不对称现象,从而有效减少授信风险或交易风险。
更进一步地,通过所述信用风险的划分,可以将所述信用风险以一种宏观的方式显示给人们,更加直白的反映出所述信用主体的信用风险。
更为具体地,所述信用评估***根据所述评估计算结果,结合其对应的信用风险等级,生成相应的信用数字认证标识,所述信用风险等级是根据得分区间划分,***将评估计算结果比对信用风险等级的得分区间值,从而得到对应的信用风险等级,所述信用风险等级用不同图示来表示,该图示称为信用数字认证标识。
然后,执行步骤S1042,结合所述评估计算结果及第三方信用记录查询平台反馈的查询信息,信用评估***自动生成信用评估电子报告,本领域技术人员理解,所述步骤的目的是为了通过所述评估计算结果以及所述第三方信用记录查询平台反馈的查询信息,从而获得所述信用评估电子报告,信用评估***在计算出信用主体的信用得分后,根据信用风险划分,转化成对应的信用数字认证标识,即信用等级标识,并结合其他信用记录的具体内容,自动生成信用评估电子报告。
图7示出根据本发明的第一实施例的,在信用数字认证方法中,实时推送所述识别评估结果的具体流程示意图,具体地,包括如下步骤:
首先,进入步骤S1051,所述信用评估***接收到第三方身份认证载体发送的信用主体的身份信息,查询该信用主体的评估计算结果及信用评估电子报告,优选地,所述信用主体的身份信息被所述信用评估***所接收并识别,通过所述身份信息,所述信用评估***查询该信用主体的评估计算结果及信用评估电子报告,进一步地,信用评估报告在接收到身份信息时,若所述信用主体的身份信息已进行过信用数字认证,则把最近一次的信用数字认证内容推送至客户端,并同时进行再一次的信用数字认证,而在另一个变化例中,若所述信用主体的身份信息未进行过信用数字认证,所述信用评估报告将推送提醒至客户端,本领域技术人员理解,所述推送提醒具有一定的警示作用。
然后,进入步骤S1052,所述信用评估***根据所述评估计算结果,结合其对应的信用风险类型,生成相应地信用数字认证标识,具体地,根据所述信用风险类型的不同,所述生成的信用数字认证标识也会不同,在一个优选地变化例中,若所述信用风险类型为信用风险高危,则可以生成红色标识,若所述信用风险类型为信用风险可控,则可以生成绿色标识,这并不影响本发明的技术方案,在此不予赘述。
接着,进入步骤S1053,所述信用评估***将所述信用数字认证标识及信用评估电子报告链接反馈给第三方身份认证载体,所述步骤的目的是为了通过将所述链接发送给所述第三方身份认证载体,将所述信用数字认证标识及信用评估电子报告展示出来,进一步地,所述第三方身份认证载体接收到的所述信用数字认证标识及信用评估电子报告与所述发送的主体信用身份信息相对应。
本领域技术人员理解,在一个优选地变化例中,所述信用数字认证的结果通过多方渠道,特别是具有公信力的渠道,如市数字认证中心、市信息平台等的推送,将更好的体现该认证结果的有效性和严谨性。
最后,进入步骤S1054,所述第三方身份认证载体根据接收到的链接,实时进行信用数字认证标识及信用评估电子报告的展示,所述步骤S1054的目的是为了使所述展示结果以一种清晰的、全面的、宏观的出现在授信主体或者受信主体面前,进一步地,所述展示的结果与所述主体信用的身份信息的实时情况相关联。本领域技术人员理解,通过链接访问的形式来访问信用数字认证标识及信用评估电子报告,将体现更安全更可靠。
进一步地,信用数字认证方法的实现,要基于第三方身份认证载体和第三方信用记录查询平台,通过互相之间的数据交互模式,更好的体现信用数字认证方法的可实施性。更进一步地,所述信用主体的信用记录在每一次进行数字认证以及信用风险评估后,都会得到实时的信用风险评估结果,在这样的实施例中,所述授信者或者受信者可以了解到所述信用主体最新的,实时的信用记录情况,从而降低信用风险。
在一个优选地变化例中,所述信用风险类型可以是根据得分区间划分的,计算机将评估结果比对信用风险的得分区间值,从而得到对应的信用风险类别,进一步地,在这样的实施例中,优选地将所述信用风险分为三个区间,假设所述信用风险具有信用风险高危、信用风险警示、信用风险可控这三种情况,那么,我们可以将信用风险高危设为0-60、信用风险警示设为60-80、信用风险可控80-100,在这样的变化例中,所述评估结果取值优选地被设定在0-100的范围内,进一步地,可以根据所述信用风险的评估结果确定所述信用主体的信用记录处于哪个区间内,从而判断所述信用处于哪种状态,例如,通过所述信用评估,一信用风险的得分为77,所述信用风险落在60-80区间内,在这样的变化例中,所述信用风险被认定为信用风险警示。
图8示出根据本发明的第一实施例的,在信用数字认证方法中,所述因素分析法的具体流程示意图,所述因素分析法基于模糊逻辑处理方法,对所述信用主体的信用度进行分析,设计评估因素集和评估规则。根据所述信用主体的信用度的相关评估因素的取值,由评估规则函数计算出各评价等级的隶属度(模糊化),形成隶属度矩阵,然后利用多级模糊综合变换及模糊决策算法(反模糊化)得出综合评估结果。具体地,所述因素分析法包括如下步骤:
首先,进入步骤S201,利用各级评估因素的权重向量,逐级向上对矩阵进行模糊运算,从而获得一个隶属度向量,所述隶属度向量用于指示所述评估结果,将所述基础评估因素相对应的权重向量与基础隶属度矩阵进行模糊运算,得出上一级评估因素的隶属度矩阵。本领域技术人员理解,本发明提供的评估算法在一个基础隶属度矩阵的基础上进行多层级的运算最终获得一个特征向量,该特征向量即表示本次评估的最终评估结果。而所述多层级的运算逐层地完成,即本步骤所示的基于下一层级的隶属度矩阵生成上一层级的隶属度矩阵,例如从基础隶属度矩阵生成上一层隶属度矩阵。例如当基础隶属度矩阵为第四层级的矩阵,则通过运算实际上生成第三层级的隶属度矩阵,在此不予赘述。
更进一步地,将一级评估因素的权重向量与一级评估因素的隶属度矩阵进行模糊运算,获得与全部评估因素对应的隶属度向量。如上所述,针对每一级评估因素均存在一个对应的权重向量,因此针对一级评估因素,将所述对应的权重向量与所述一级评估因素的隶属度矩阵进行模糊运算,从而获得与全部评估因素对应的隶属度向量。
然后,进入步骤S202,将基础评估因素相对应的权重向量与基础隶属度矩阵进行模糊运算,得出上一级评估因素的隶属度矩阵,并逐级向上进行模糊运算,直至生成一级评估因素的隶属度矩阵,本领域技术人员理解,逐级向上进行模糊运算,直至生成一级评估因素的隶属度矩阵。进一步地,本领域技术人员理解,通过所述计算过程,可以逐层地生成上一级隶属度矩阵,在最上面一个层级,即为一级评估因素的隶属度矩阵。所述步骤的目的是通过所述权重向量与隶属度矩阵的模糊运算,逐级向上,最终获得出一个一级评估因素的隶属度矩阵。
再然后,进入步骤S203,根据各所述基础评估因素对应的评估函数的相应参数计算出所述n个评估等级的隶属度值,进行正则化处理以获得所述n个评估等级的隶属度值,最终生成m行n列的基础隶属度矩阵,所述m表示所述基础评估因素的个数,本领域技术人员理解,在一个优选地变化例中,所述正则化处理具体通过如下公式进行计算:
进一步地,所述公式是根据大量科学计算以及实验获得的,进一步地,所述公式并不是进行正则化处理的唯一公式,还可以通过其他公式获得,在此不予赘述。
进一步地,我们可以这样理解隶属度,若对论域U中的任一元素x,都有一个数A(x)∈[0,1]与之对应,则称A为U上的模糊集,A(x)称为x对A的隶属度,所述权重向量是指权向量ωm中的权系数ωi的大小代表相应目标fi在多目标最优化问题中的重要程度,ωi越大表示fi在问题中越重要,反之,越小的ωi表示fi越不重要。
紧接着,进入步骤S204,将一级评估因素的权重向量与一级评估因素的隶属度矩阵进行模糊运算,获得与全部评估因素对应的隶属度向量,本领域技术人员理解,针对每一级评估因素均存在一个对应的权重向量,因此针对一级评估因素,将所述对应的权重向量与所述一级评估因素的隶属度矩阵进行模糊运算,从而获得与全部评估因素对应的隶属度向量。
最后,进入步骤S205,采用模糊综合算法对所述隶属度向量进行计算,从而获得所述评估结果,所述评估结果即为所述采用因素分析法对所述信用主体进行评估分析的运算结果,进一步地,所述计算属于目前现有技术,可以参考目前有关于模糊决策算法的相应地步骤以及技术方案,在此不予赘述。
更进一步地,结合图1至图8示出的本发明的具体实施方式,图9至图14示出了根据本发明的另一种具体实施方式,具体步骤如下:
图9示出根据本发明的第一实施例的,信用数字认证方法的流程图。本领域技术人员理解,在本实施例中,信用数字认证方法,通过数据交互模式以及智能化的评估技术,可以及时掌握受信主体最新信用风险状况,为授信主体制定授信政策提供决策依据;同时,也能够动态反映受信主体信用风险变化情况,为授信主体建立信用风险预警提供参考。
具体地,首先执行步骤S210,读取信用主体身份信息。本领域技术人员理解,所述信用主体是指接受信用数字认证的主体,其身份信息为其使用的身份认证载体提供。具体地,在后续实施例中对如何读取信用主体身份信息予以详细阐述,在此不予赘述。
接下来执行步骤S211,根据身份信息查询信用记录。本领域技术人员理解,在本实施例中,所述信用记录为信用记录查询平台提供,通过读取的信用主体的身份信息,在信用记录查询平台进行核实查询。具体地,在后续实例中对如何根据身份信息查询信用记录予以详细阐述,在此不予赘述。
然后进入步骤S212,根据信用记录进行识别评估。本领域技术人员理解,在本实施例中,优选地,用于运行本发明提供的认证方法的计算机***或者认证装置在接收到信用记录的同时,进行数据的梳理,并根据评价指标体系结构规则进行数据值的统计和计算,最终识别出具有信用风险的受信主体。优选地,若每个受信主体在PC机终端使用身份认证载体,则可以实时了解自身的信用等级,而另一端的授信主体可能实时了解受信主体是否存在信用风险,这将大大降低整个社会的信用风险。具体地,在后续实例中对如何根据信用记录进行识别评估予以详细阐述,在此不予赘述。
接下来执行步骤S213,根据识别评估结果生成信用评估等级标识和信用评估报告。本领域技术人员理解,在本实施例中,识别评估过程则为信用数字认证过程,识别评估结果则为对信用风险进行评估后的得分,该得分最终会被转化为信用数字认证标识进行亮照展示。信用评估等级则为根据信用风险类型划分后得到的等级划分,信用评估报告内容结合信用记录、评估结果、评估等级而生成。具体地,在后续实例中对如何根据识别评估结果生成信用评估等级标识和信用评估报告予以详细阐述,在此不予赘述。
最后执行步骤S214,实时推送识别评估结果。本领域技术人员理解,推送识别评估结果依托于身份认证载体,在载体每次使用时,都会实时更新信用数字认证结果。具体地,在后续实施例中对如何实时推送识别评估结果予以详细阐述,在此不予赘述。
图10具体示出图9中信用数字认证方法流程S210的具体步骤,即信用主体身份信息的读取方法。本领域技术人员理解,所述的信用主体身份信息为身份认证载体中的身份信息。信用主体身份信息的读取方法具体为:图10流程图所示步骤S221示出要通过第三方身份认证载体中的信用数字认证应用,发送载体中的身份信息,优选地,在本实施例中,所述的第三方身份认证载体,是指具有权威性的身份认证载体,比如市数字认证中心提供的身份认证载体。该载体通过添加信用数字认证应用,可以实现信用主体的信用数字认证.
进一步地,结合图10所示,本领域技术人员理解,在本步骤中,首先如图10流程S2210所示信用主体在互联网的环境下使用第三方身份认证载体,触发载体中的信用数字认证应用,最后如图10流程S2211所示该应用发送载体中的身份信息至信用评估***。此时的身份信息,就是使用身份认证载体的受信主体的身份信息。
接下来,进入图10所示实施例中的步骤S222,信用评估***接收并读取该身份信息。本领域技术人员理解,所述的信用评估***,是一套智能化的评估***,通过采用信息化手段实现数据库对接、共享、识别、模型自动算分、结果输出等一系列智能化操作。信用主体每次使用第三方身份认证载体时,载体中的信用数字认证应用将被激发,并同时自动连接信用评估***,实时反馈最新信用评估等级标识和信用评估报告给到信用主体。
图11具体示出图9中流程S211的具体步骤,根据身份信息查询信用记录。本领域技术人员理解,信用评估***在接收到身份信息的同时,会同步发送该身份信息至信息查询平台,而信息查询平台也会第一时间反馈最新的信用记录至信用评估***。根据身份信息查询信用记录的方法具体为:图11流程图所示步骤S231示出信用评估***发送信用主体的身份信息至第三方信用记录查询平台,优选地,在本实施例中,所述的第三方信用记录查询平台,是指具有权威性的信用记录查询平台,比如市信用平台。通过该平台的查询,可以得到具有公信力的信用记录,使得信用数字认证结果也更具有公信力。
接下来,进入图11所示实施例中的步骤S232,第三方信用记录查询平台反馈查询结果至信用评估***。本领域技术人员理解,信用评估***实时接收信用记录查询平台反馈的查询结果,该查询结果为规定格式,以便信用评估***之后的识别评估工作。
图12具体示出图9中流程S212的具体步骤,根据信用记录进行识别评估。本领域技术人员理解,信用评估***在接收到查询信息后,对查询信息进行归类整合,通过评估模型计算进行识别评估。根据信用记录进行识别评估的方法具体为:图12流程图所示步骤S241示出信用评估***根据第三方信用记录查询平台反馈的查询结果,结合信用负面清单评价指标体系内容,统计每个评价指标的数据值,优选地,在本实施例中,所述的信用负面清单评价指标体系,是基于市信用平台的信息目录,在对其进行梳理、归类、整合的基础上,对信用主体的负面信用记录进行重点分析,并根据法律、信用等领域相关专家的意见,对信用主体的失信程度进行重新分类与评价,力求建立一套相对科学、公平的信用负面清单评价指标体系。
进一步地,本领域技术人员理解,信用负面清单评价指标体系采用因素分析法作为信用评估指标体系的设计方法。因素分析法是用来测定受多种因素影响的某种经济现象总变动中影响的方向和影响度的一种统计分析方法。其特点不是仅借助于数值而是根据相关因素的性质,表明其数量变化对研究对象变动的影响关系,从本质上讲属于经验法的内容范畴。
更进一步地,本领域技术人员理解,信用负面清单评价指标体系以企业法人和自然人两类信用主体为研究对象,重点考察信用主体的失信程度,并结合失信频率、失信范围等角度对信用主体的失信度进行综合评价。主要围绕司法及严重行政失信程度、自由罚失信程度、行为罚失信程度、财产罚失信程度、声誉罚失信程度、公共事业违约失信程度、社会组织失信行为记录等方面来设计评价指标体系。
接下来,进入图12所示实施例中的步骤S242,根据统计的评价指标的数据值,信用评估***进行识别评估。本领域技术人员理解,信用评估***根据评价指标体系内容,进行相关因素实际值的生成,并结合评估模型算法进行评估计算,最终得到评估结果,该过程为识别评估过程,即信用数字认证的关键过程。
图13具体示出图9中流程S213的具体步骤,根据识别评估结果生成信用评估等级标识和信用评估报告。本领域技术人员理解,信用数字认证过程的关键点即为生成评估等级标识和信用评估报告,而如何生成信用评估等级标识和信用评估报告成为重中之重。生成信用评估等级标识和信用评估报告的方法具体为:图13流程图所示步骤S251示出信用评估***根据评估计算结果,结合信用负面清单评价指标体系的信用风险划分规则,把评估结果在***展示页进行展示。本领域技术人员理解,信用风险类型的划分是很有必要的,它能很好区别不同信用主体的信用风险程度,从一定程度上起到警示和提醒的作用。优选地,在本实施例中,所述的信用风险划分为信用风险高危、信用风险警示、信用风险可控这三类层次(该层次可根据市场需要而加以调整),并以红灯、黄灯、绿灯形式(该形式可根据市场需要而加以调整)加以诠释信用评估等级。
进一步地,本领域技术人员理解,信用风险的划分,这将有利于行政主管部门、行业协会、银行等授信主体及时掌握受信主体的信用风险,为制定相关的授信政策提供决策依据,从而降低授信或交易风险,减少经济损失。通过向相关方提供信用风险提示,可以有效缓解及降低信息不对称现象,从而有效减少授信风险或交易风险。
接下来,进入图13所示实施例中的步骤S252,结合评估计算结果及第三方信用记录查询平台反馈的查询信息,信用评估***自动生成信用评估电子报告。本领域技术人员理解,信用评估***在计算出信用主体的信用得分后,根据信用风险划分,转化成对应的信用数字认证标识,即信用等级标识,并结合其他信用记录的具体内容,自动生成信用评估电子报告。
图14具体示出图9中流程S214的具体步骤,实时推送识别评估结果,本领域技术人员理解,信用数字认证推广最好最便捷的方法就是通过多种渠道进行实时推送评估结果。推送识别评估结果的方法具体为:图14流程图所示步骤S261示出信用评估***接收到第三方身份认证载体发送的信用主体的身份信息,查询该信用主体的评估计算结果及信用评估电子报告。本领域技术人员理解,信用评估报告在接收到身份信息的同时进行两个操作,一个即如果已进行过信用数字认证,则把最近一次的信用数字认证内容推送至客户端,并同时进行再次的信用数字认证;一个即如果未进行过信用数字认证,则推送提醒至客户端,该推送提醒也有警示作用。
接下来,进入图14所示实施例中的步骤S262,信用评估***根据评估计算结果,结合其对应的信用风险类型,生成相应的信用数字认证标识。本领域技术人员理解,信用数字认证根据信用风险类型生成不同的认证标识,是体现信用主体是否存在潜在的信用风险的最好体现。
接下来,进入图14所示实施例中的步骤S263,信用评估***把信用数字认证标识及信用评估电子报告链接反馈给第三方身份认证载体。本领域技术人员理解,信用数字认证的结果如果通过多方渠道,特别是具有公信力的渠道,如市数字认证中心、市信息平台等的推送,将更好的体现该认证结果的有效性和严谨性。接下来,进入图14所示实施例中的步骤S264,第三方身份认证载体根据接收到的链接,实时进行信用数字认证标识及信用评估电子报告的展示。本领域技术人员理解,通过链接访问的形式来访问信用数字认证标识及信用评估电子报告,将体现更安全更可靠。
进一步地,信用数字认证方法的实现,要基于第三方身份认证载体和第三方信用记录查询平台,通过互相之间的数据交互模式,更好的体现信用数字认证方法的可实施性。
以上图9至图14对本发明的具体实施例进行了描述。该发明对整个社会的信用风险具有更好的把控作用,通过数据交互模式及计算自动化处理,可以大大提高实时更新标识的效率,使得信用数字认证效果得到更好的展示。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (1)
1.一种信用数字认证方法,用于识别信用主体的信用风险指数,包括如下步骤:
a.读取所述信用主体的身份信息;所述步骤a包括如下步骤:
a1.通过第三方身份认证载体中的信用数字认证应用,发送载体中的信用主体身份信息;所述步骤a1包括如下步骤:
a11.信用主体在互联网的环境下使用所述第三方身份认证载体,触发所述载体中的信用数字认证应用;
a12.所述信用数字认证应用发送所述载体中的信用主体身份信息至信用评估***;
a2.信用评估***接收并读取所述信用主体身份信息;
b.根据所述信用主体身份信息查询信用记录,所述信用记录对应于所述信用主体;所述步骤b包括如下步骤:
b1.所述信用评估***发送信用主体的身份信息至第三方信用记录查询平台;
b2.所述第三方信用记录查询平台反馈查询结果至所述信用评估***,其中所述查询结果作为所述信用记录;
c.根据所述信用记录进行评估计算,获得识别评估结果;所述步骤c包括如下步骤:
c1.信用评估***根据信用记录,结合信用负面清单评价指标体系,统计每个评价指标的数据值;所述信用负面清单评价指标体系形成的步骤如下:
-基于一个或多个信用平台的负面信息记录;
-对所述负面信息记录进行分析,并基于对负面信息记录归类规则生成所述负面清单评价指标体系;
c2.根据统计的评价指标的数据值,所述信用评估***进行识别评估,并获得识别评估结果;在所述步骤c2中,所述信用评估***进行识别评估包括如下步骤:信用评估***根据信用记录,结合信用负面清单评价指标体系,生成信用主体对应的特征码,所述特征码是由一串字母和数字组成的字符串,第一位代表负面信用记录所对应的类别,第二位代表负面记录的严重程度,第三位至最后代表负面记录发生的次数;
在所述步骤c2中,所述信用评估***进行识别评估的步骤还包括如下步骤:基于所述信用记录对信用主体的失信程度指标进行重新分类与评价;
所述失信程度指标包括如下指标中的一种或多种:
-司法及严重行政失信指标;
-自由罚失信指标;
-行为罚失信指标;
-财产罚失信指标;
-声誉罚失信指标;
-公共事业违约失信指标;以及
-社会组织失信行为指标;
所述步骤c2中,所述信用评估***进行识别评估的步骤还包括如下步骤:基于失信频率、失信范围对所述信用主体的失信度进行综合评价;
所述信用评估***采用因素分析法进行信用评估;
所述因素分析法包括如下步骤:
f1.利用各级评估因素的权重向量,逐级向上对矩阵进行模糊运算,从而获得一个隶属度向量,所述隶属度向量用于指示所述识别评估结果;
f2.将基础评估因素相对应的权重向量与基础隶属度矩阵进行模糊运算,得出上一级评估因素的隶属度矩阵,并逐级向上进行模糊运算,直至生成一级评估因素的隶属度矩阵;
f3.根据各个所述基础评估因素对应的评估函数的相应参数计算出n个评估等级的隶属度值,进行正则化处理以获得所述n个评估等级的隶属度值,最终生成m行n列的基础隶属度矩阵,所述m表示所述基础评估因素的个数;
f4.将一级评估因素的权重向量与一级评估因素的隶属度矩阵进行模糊运算,获得与全部评估因素对应的隶属度向量;
f5.采用模糊综合算法对所述隶属度向量进行计算,从而获得所述识别评估结果;信用风险至少分为信用风险高危、信用风险警示、信用风险可控三种类型,并以对应的红灯、黄灯、绿灯的评估结果形式进行展示;
信用风险类型是根据得分区间划分的,计算机将评估结果比对信用风险的得分区间值,从而得到对应的信用风险类别;
d.根据所述识别评估结果生成信用评估等级标识和信用评估报告;所述步骤d包括如下步骤:
d1.所述信用评估***根据评估计算结果,结合信用负面清单评价指标的信用风险划分规则,把评估结果在***展示页进行展示;
d2.结合所述评估计算结果及第三方信用记录查询平台反馈的查询信息,信用评估***自动生成信用评估电子报告;
e.实时推送所述识别评估结果;
所述步骤e包括如下步骤:
e1.所述信用评估***接收到第三方身份认证载体发送的信用主体的身份信息,查询该信用主体的评估计算结果及信用评估电子报告;
e2.所述信用评估***根据所述评估计算结果,结合信用主体对应的信用风险类型,生成相应的信用数字认证标识;
e3.所述信用评估***将所述信用数字认证标识及信用评估电子报告链接反馈给第三方身份认证载体;
e4.所述第三方身份认证载体根据接收到的链接,实时进行信用数字认证标识及信用评估电子报告的展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410841621.2A CN104574110B (zh) | 2014-12-29 | 2014-12-29 | 一种信用数字认证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410841621.2A CN104574110B (zh) | 2014-12-29 | 2014-12-29 | 一种信用数字认证方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104574110A CN104574110A (zh) | 2015-04-29 |
CN104574110B true CN104574110B (zh) | 2018-04-27 |
Family
ID=53090110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410841621.2A Active CN104574110B (zh) | 2014-12-29 | 2014-12-29 | 一种信用数字认证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104574110B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104978633A (zh) * | 2015-06-30 | 2015-10-14 | 上海市数字证书认证中心有限公司 | 一种法人信用管理方法及*** |
KR101596646B1 (ko) * | 2015-09-17 | 2016-02-24 | 양준영 | 온라인 인증마크 게시 시스템 |
CN105391710A (zh) * | 2015-11-03 | 2016-03-09 | 中国联合网络通信集团有限公司 | 评估用户身份真实度的方法及装置 |
CN105468722A (zh) * | 2015-11-20 | 2016-04-06 | 百度在线网络技术(北京)有限公司 | 信誉信息处理方法及装置 |
CN105608466A (zh) * | 2015-12-16 | 2016-05-25 | 深圳市公民信用科技有限公司 | 一种基于信用评分体系模型的计算方法及装置 |
CN107194795A (zh) | 2016-03-15 | 2017-09-22 | 腾讯科技(深圳)有限公司 | 信用分数模型训练方法、信用分数计算方法及装置 |
CN107230152A (zh) * | 2016-03-24 | 2017-10-03 | 平安科技(深圳)有限公司 | 保单续期收费的提醒方法和装置 |
CN106372215A (zh) * | 2016-09-06 | 2017-02-01 | 江苏通付盾科技有限公司 | 信用查询***及方法 |
US20190311371A1 (en) * | 2016-12-20 | 2019-10-10 | Sony Corporation | Information processing device and information processing method |
CN107835247B (zh) * | 2017-11-08 | 2020-08-28 | 中国科学技术大学 | 一种信用认证、保障***及方法 |
CN108712586B (zh) * | 2018-04-12 | 2020-08-28 | 合肥天源迪科信息技术有限公司 | 一种信控提醒方法及装置 |
CN109684371A (zh) * | 2018-10-10 | 2019-04-26 | 山西特信环宇信息技术有限公司 | 一种证件链失信告知***及其使用方法 |
CN109636997B (zh) * | 2018-12-10 | 2021-07-13 | 顾文菲 | 一种使用移动智能终端的匿名投票表决方法 |
CN112308551B (zh) * | 2020-04-30 | 2023-08-18 | 唐阳 | 数字资产信息采集装置及数字资产信息采集方法 |
CN112328868A (zh) * | 2020-09-27 | 2021-02-05 | 北京农信互联科技集团有限公司 | 一种基于信息数据的信用评估与授信申请***及方法 |
CN112807110B (zh) * | 2021-01-28 | 2022-06-07 | 广东威力铭科技有限公司 | 基于物联网的可溯源种植基台及配套加工*** |
CN113506034A (zh) * | 2021-07-28 | 2021-10-15 | 上海示右智能科技有限公司 | 构建智能第三方监督评估组织的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101295388A (zh) * | 2007-04-25 | 2008-10-29 | 北京神州商桥技术服务有限公司 | 一种信用评估方法及*** |
CN101334787A (zh) * | 2008-07-22 | 2008-12-31 | 深圳钱袋商务有限公司 | 一种对象评价信息的查询***及方法 |
CN102063686A (zh) * | 2010-12-13 | 2011-05-18 | 苏州德融嘉信信用管理技术有限公司 | 资信管理*** |
CN102346901A (zh) * | 2011-11-22 | 2012-02-08 | 北京信城通数码科技有限公司 | 一种互联网药品交易主体信用评估***及其方法 |
CN103761630A (zh) * | 2014-02-20 | 2014-04-30 | 上海正信方晟资信评估有限公司 | 一种基于模糊逻辑处理的评估算法 |
-
2014
- 2014-12-29 CN CN201410841621.2A patent/CN104574110B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101295388A (zh) * | 2007-04-25 | 2008-10-29 | 北京神州商桥技术服务有限公司 | 一种信用评估方法及*** |
CN101334787A (zh) * | 2008-07-22 | 2008-12-31 | 深圳钱袋商务有限公司 | 一种对象评价信息的查询***及方法 |
CN102063686A (zh) * | 2010-12-13 | 2011-05-18 | 苏州德融嘉信信用管理技术有限公司 | 资信管理*** |
CN102346901A (zh) * | 2011-11-22 | 2012-02-08 | 北京信城通数码科技有限公司 | 一种互联网药品交易主体信用评估***及其方法 |
CN103761630A (zh) * | 2014-02-20 | 2014-04-30 | 上海正信方晟资信评估有限公司 | 一种基于模糊逻辑处理的评估算法 |
Also Published As
Publication number | Publication date |
---|---|
CN104574110A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104574110B (zh) | 一种信用数字认证方法 | |
Yildizbasi | Blockchain and renewable energy: Integration challenges in circular economy era | |
Ayhan et al. | Accident analysis for construction safety using latent class clustering and artificial neural networks | |
Du et al. | New failure mode and effects analysis: an evidential downscaling method | |
Sarker et al. | Employee’s performance analysis and prediction using K-means clustering & decision tree algorithm | |
CN111787011B (zh) | 一种信息***安全威胁智能分析预警***、方法及存储介质 | |
Wang et al. | Blockchain adoption in sustainable supply chains for Industry 5.0: A multistakeholder perspective | |
Visbal-Cadavid et al. | Prediction of efficiency in Colombian higher education institutions with data envelopment analysis and neural networks | |
CN112861003A (zh) | 一种基于云边协同的用户画像构建方法和*** | |
Li | E‐Commerce Fraud Detection Model by Computer Artificial Intelligence Data Mining | |
Wang et al. | E‐Commerce Credit Risk Assessment Based on Fuzzy Neural Network | |
Yu et al. | Credit scoring with AHP and fuzzy comprehensive evaluation based on behavioural data from weibo platform | |
Lee et al. | An entropy decision model for selection of enterprise resource planning system | |
Hui | Construction of information security risk assessment model in smart city | |
CN117709901A (zh) | 基于区块链的科技成果全流程管控方法及*** | |
Chu et al. | [Retracted] Optimal Allocation of Higher Education Resources Based on Data Mining and Cloud Computing | |
CN115409127A (zh) | 一种合同违约风险预测模型的训练方法和相关装置 | |
Sun et al. | Probabilistic Linguistic‐Based Group DEMATEL Method with Both Positive and Negative Influences | |
Ben Khalifa et al. | Spammers detection based on reviewers’ behaviors under belief function theory | |
Zhao et al. | Research on Multiattribute Comprehensive Evaluation of Intelligent Judicial Decision System | |
Dai et al. | Investigation of E‐Commerce Security and Data Platform Based on the Era of Big Data of the Internet of Things | |
Pei | Framework design based on data-driven for evaluating the efficiency of group collaboration in scientific research teams | |
Li et al. | Early warning of financial statement data leakage risk based on grey fuzzy comprehensive evaluation | |
Ruan | Customs risk identification and application based on set pair analysis | |
Li et al. | [Retracted] Analysis of Risk Assessment of Overseas Infrastructure Projects Integrating BP‐ANN Algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20151119 Address after: 200050 room 1258, 1601 Yuyuan Road, Shanghai, Changning District Applicant after: SHANGHAI FOISON CREDIT RATING CO., LTD. Address before: 200233, Shanghai, Tianlin Road, No. 300, building 21, 6, Xuhui District Applicant before: Zhang Weiping Applicant before: Lou Yuesheng |
|
GR01 | Patent grant | ||
GR01 | Patent grant |