CN107025597A - 基于大数据的风险预测方法和装置 - Google Patents

Abstract

本发明提出了一种基于大数据的风险预测方法，所述方法包括：获取用户的语音信息，根据所述语音信息确定用户的声纹信息，提取所述声纹信息中的声纹特征，根据所述声纹特征确定与所述声纹特征对应的风险数值，根据所述风险数值进行相应的预防操作。因为声纹具有特定性和稳定性的特点，通过建立声纹特征与风险数值之间的关系，可以便捷的获取用户对应的风险数值，从而可以根据该风险数值提前进行预防操作。此外，还提出了一种基于大数据的风险预测装置。

Description

基于大数据的风险预测方法和装置

技术领域

本发明涉及计算机处理领域，特别是涉及一种基于大数据的风险预测方法和装置。

背景技术

随着互联网的发展，越来越多的业务从线下转移到了线上，在网上办理借贷等业务时，如何进行反欺诈、防恶意贷款等成为了银行等金融机构的关注重点，传统的只是对用户提交的资料的真实性进行审查，但对其贷款后是否会及时还款往往是根据工作人员的主观经验来进行判断，并不能够有效的进行风险预测，所以目前亟待需要一种能够有效对风险预测的方法来减少恶意贷款等行为带来的损失。

发明内容

基于此，有必要针对上述问题，提供一种能够有效对风险预测的基于大数据的风险预测方法和装置。

一种基于大数据的风险预测方法，所述方法包括以下步骤：获取用户的语音信息；根据所述语音信息确定用户的声纹信息；提取所述声纹信息中的声纹特征；根据所述声纹特征确定与所述声纹特征对应的风险数值；根据所述风险数值进行相应的预防操作。

在其中一个实施例中，在所述获取用户的语音信息的步骤之前还包括：建立声纹大数据模型，分析出声纹特征与风险数值之间的对应关系；所述根据所述声纹特征确定与所述声纹特征对应的风险数值的步骤包括：根据所述声纹特征与风险数值之间的关系，确定与所述声纹特征对应的风险数值。

在其中一个实施例中，所述根据所述语音信息确定用户的声纹信息的步骤包括：对获取到的所述语音信息进行预处理；对预处理后的所述语音信息进行数字化得到所述用户的声纹信息。

在其中一个实施例中，在所述提取所述声纹信息中的声纹特征的步骤之后还包括：将声纹特征与声纹黑名单中的声纹进行匹配，若匹配成功，则直接拒绝相应的操作请求，若匹配失败，则进入根据所述声纹特征确定与所述声纹特征对应的风险数值的步骤。

在其中一个实施例中，所述根据所述风险数值进行相应的预防操作的步骤包括：根据预先建立的风险数值与预防操作之间的对应关系，确定与所述风险数值对应的预防操作。

一种基于大数据的风险预测装置，所述装置包括：获取模块，用于获取用户的语音信息；声纹信息确定模块，用于根据所述语音信息确定用户的声纹信息；提取模块，用于提取所述声纹信息中的声纹特征；风险数值确定模块，用于根据所述声纹特征确定与所述声纹特征对应的风险数值；预防模块，用于根据所述风险数值进行相应的预防操作。

在其中一个实施例中，所述装置还包括：建立模块，用于建立声纹大数据模型，分析出声纹特征与风险数值之间的对应关系；所述风险数值确定模块还用于根据所述声纹特征与风险数值之间的关系，确定与所述声纹特征对应的风险数值。

在其中一个实施例中，所述声纹信息确定模块还用于对获取到的所述语音信息进行预处理，对预处理后的所述语音信息进行数字化得到所述用户的声纹信息。

在其中一个实施例中，所述装置还包括：匹配模块，用于将声纹特征与声纹黑名单中的声纹进行匹配，若匹配成功，则直接拒绝相应的操作请求，若匹配失败，则通知风险数值确定模块根据所述声纹特征确定与所述声纹特征对应的风险数值。

在其中一个实施例中，所述预防模块还用于根据预先建立的风险数值与预防操作之间的对应关系，确定与所述风险数值对应的预防操作。

上述基于大数据的风险预测方法和装置，通过接收用户的操作请求，根据该操作请求获取用户的语音信息，根据语音信息确定用户的声纹信息，提取该声纹信息中的声纹特征，然后根据该声纹特征确定与该声纹特征对应的安全风险数值，然后根据该风险数值确定是否允许用户的操作请求。该风险预测方法基于大数据的声纹数据库，建立了声纹特征与风险数值之间的关系，根据用户的声纹特征就可以获取该用户对应的风险数值，然后根据该风险数值进行相应的预防操作。因为声纹具有特定性和稳定性的特点，通过建立声纹特征与风险数值之间的关系，可以便捷的获取用户对应的风险数值，从而可以根据该风险数值提前进行预防操作。

附图说明

图1为一个实施例中基于大数据的风险预测方法流程图；

图2为另一个实施例中基于大数据的风险预测方法流程图；

图3为一个实施例中根据语音信息确定用户的声纹信息的方法流程图；

图4为又一个实施例中基于大数据的风险预测方法流程图；

图5为一个实施例中基于大数据的风险预测装置的结构框图；

图6为另一个实施例中基于大数据的风险预测装置的结构框图；

图7为又一个实施例中基于大数据的风险预测装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，在一个实施例中，提出了一种基于大数据的风险预测方法，所述方法包括以下步骤：

步骤102，获取用户的语音信息。

在本实施例中，服务器首先接收用户的操作请求(比如借贷请求)，然后根据用户的操作请求在终端上展示获取用户语音信息的界面，用户根据界面的提示进行语音的录入，然后服务器接收用户录入的语音信息。此外，为了防止他人用之前非法已录好的语音信息进行冒充，一般会在用户录入语音界面随机生成一段话，要求用户在规定的时间内(比如1分钟)朗读完该段话，从而获取用户的语音信息。

步骤104，根据语音信息确定用户的声纹信息。

在本实施例中，获取到用户的语音信息后，根据用户的语音信息获取该用户的声纹信息。声纹信息是指用电声学仪器显示的携带言语信息的声波频谱。根据语音信息确定声纹信息的过程也就是获取用户的声波频谱的过程。具体的，获取到用户的语音信息后，一般需要对该语音信息进行预处理，比如去噪声处理，然后将预处理后的语音信息进行数字化得到用户的声纹信息。数字化的过程就是获取声波频谱的过程。

步骤106，提取声纹信息中的声纹特征。

具体的，确定用户的声纹信息后，通过提取声纹信息中的特征参数来提取声纹信息中的声纹特征。其中，特征参数包括音高特征参数，音强特征参数、音长特征参数、音色特征参数等。

步骤108，根据声纹特征确定与声纹特征对应的风险数值。

在本实施例中，预先建立声纹大数据模型，根据以往有过恶意行为的声纹信息分析出声纹特征与风险数值之间的关系。然后根据该对应关系获取与用户的声纹特征对应的风险数值。风险数值用于评估用户发生恶意行为的概率，比如，若是涉及借贷业务，此时风险数值就是用于评估用户借款后不按时还款的概率。若用户对应的风险数值比较高，说明该用户不还款的概率就比较高，可以通过降低对该用户的借贷额度来进行预防。具体的，通过对大量的有过不良记录的声纹信息进行大数据分析，找出其共同具有的某些特征，然后将这些特征作为参考的依据。当获取到用户的声纹特征后，计算用户的声纹特征与具有高风险的声纹特征之间的相似度，相似度越高，说明该用户的风险数值越高，反之，相似度越低，该用户的风险数值越低。

步骤110，根据风险数值进行相应的预防操作。

在本实施例中，确定完风险数值后，根据该风险数值采取不同的措施进行相应的预防操作。举例说明，若用户申请的是借贷业务，那么就可以根据不同的风险数值设置不同的借贷额度。风险数值越高，相应设置的借贷额度就会越低，反之，相应的借贷额度就会越大。预先设置风险数值与预防操作的对应关系，根据计算得到的风险数值来进行相应的预防操作。根据计算得到的风险数值对风险进行预测，可以有效的评估风险，然后根据风险数值采取相应的措施进行预防操作，可以达到减少损失的目的。

在本实施例中，通过接收用户的操作请求，根据该操作请求获取用户的语音信息，根据语音信息确定用户的声纹信息，提取该声纹信息中的声纹特征，然后根据该声纹特征确定与该声纹特征对应的安全风险数值，然后根据该风险数值确定是否允许用户的操作请求。该风险预测方法基于大数据的声纹数据库，建立了声纹特征与风险数值之间的关系，根据用户的声纹特征就可以获取该用户对应的风险数值，然后根据该风险数值进行相应的预防操作。因为声纹具有特定性和稳定性的特点，通过建立声纹特征与风险数值之间的关系，可以便捷的获取用户对应的风险数值，从而可以根据该风险数值提前进行预防操作。

如图2所示，在一个实施例中，在所述获取用户的语音信息的步骤之前还包括：

步骤101，建立声纹大数据模型，分析出声纹特征与风险数值之间的对应关系。

具体的，在获取用户的语音信息之前首先需要建立一个声纹大数据模型，根据以往的有过恶意行为的声纹信息，提取出共有的一些声纹特征，并分析出声纹特征与风险数值之间的对应关系。比如，若通过分析发现声纹细小、语速过快的人更容易贷款后不归还，那么在放贷的时候就可以降低对这类用户的贷款额度。

在一个实施例中，根据声纹特征确定与声纹特征对应的风险数值的步骤包括：根据声纹特征与风险数值之间的关系，确定与声纹特征对应的风险数值。

在本实施例中，根据预先建立的声纹特征与风险数值之间的关系，确定与该声纹特征对应的风险数值，然后根据确定的风险数值进行相应的预防操作。具体的，判断风险数值是否达到了预设的阈值，若是，则采取相应的预防操作，比如，若用户请求的是贷款请求，那么就可以通过降低贷款额度来预防风险。

如图3所示，在一个实施例中，根据语音信息确定用户的声纹信息的步骤包括：

步骤104A，对获取到的语音信息进行预处理。

在本实施例中，首先对获取到的语音信息进行预处理。因为获取到的语音信息一般都会有背景噪声，所以需要对该获取到的语音信息进行去噪处理。进行去噪处理后还可以进行其他预处理，比如，可以对语音信息进行分割处理，分成多个语音片段，便于后续处理。

步骤104B，对预处理后的语音信息进行数字化得到用户的声纹信息。

在本实施例中，对经过预处理的语音信息进行数字化，数字化的过程就是转换为声波频谱的过程，从而得到用户的声纹信息。具体的，通过进行数模转换即将模拟信息转换为数字信号进行显示来获取用户的声波频谱，通过该声波频谱可以进一步提取声纹特征，比如，提取平舌声纹特征，声带声纹特征、鼻音声纹特征和口腔声纹特征等。

如图4所示，在一个实施例中，在所述提取所述声纹信息中的声纹特征的步骤之后还包括：

步骤107，将声纹特征与声纹黑名单中的声纹进行匹配，若匹配成功，则进入步骤112，若匹配失败，则进入步骤108。

在本实施例中，提取声纹信息中的声纹特征后，首先将该声纹特征与预先存储的声纹黑名单中的声纹进行匹配，若匹配成功，则直接拒绝相应的操作请求。建立声纹黑名单就是将有过恶意行为的人的声纹进行记录，即将有过不良记录的声纹拉入黑名单。通过该声纹黑名单可以有效的防止二次风险，即防止有不良记录的人继续进行恶意行为。具体的，首先将声纹特征与声纹黑名单中的声纹进行匹配，如果匹配成功，说明该用户已经在黑名单内，则直接拒绝该用户的操作请求。若匹配失败，说明该用户之前记录良好，那么就继续根据用户的声纹特征确定相应的风险数值。利用声纹来识别该用户是否有过不良记录比传统的只是简单审查提交的资料更加便捷和有效。因为由于用户的提交的资料有可能有伪造，但是用户的声纹具有特定性和稳定性的特点，很难进行伪造，所以将用户的声纹与声纹黑名单中的声纹进行匹配，可以有效的防止发生二次风险。比如，若某用户之前贷款未还，如果他为了再次贷款伪造了自己的身份信息和名字，那么从实名资料就很难发现是同一个人来贷款，但是由于他的声纹是很难伪造的，那么当获取到该用户的语音信息后，若发现其声纹特征与黑名单中的某个声纹特征匹配，那么就可以发现这个人，从而拒绝他的贷款请求。

步骤112，直接拒绝相应的操作请求。

具体的，若发现用户的声纹特征与之前黑名单中声纹特征一致，说明该用户之前有过不良记录，那么为了防止二次风险，可以设置直接拒绝该用户的操作请求。通过预先将用户的声纹与黑名单中的声纹进行匹配，只有确认该用户没有不良记录后再对该用户进行风险数值的评估。若该用户有不良记录，就直接拒绝相应的操作请求，这样能够排除二次风险，更好的对风险进行预测。

在一个实施例中，根据预先建立的风险数值与预防操作之间的对应关系，确定与所述风险数值对应的预防操作。

在本实施例中，为了能够有效的对风险进行预防，设置风险数值与预防操作之间的对应关系，风险数值越高，对应的预防操作对应的越严格。具体的，比如，如果是用户的操作请求为借贷，那么可以根据不同的风险数值设置不同的借贷金额，举例说明，若风险数值为0-10之间，就可以设置借贷金额为10万，如果风险数值在10-20，设置借贷金额8万；若风险数值在20-30，设置借贷金额6万；若风险数值在30-50，设置借贷金额5万；若风险数值在60-80，设置借贷金额3万；若风险数值在80-100，设置借贷金额1万。也就是说，风险数值越高，相应能够贷款的数额就越少。

如图5所示，在一个实施例中，提出了一种基于大数据的风险预测装置，所述装置包括：

获取模块502，用于获取用户的语音信息。

在本实施例中，服务器首先接收用户的操作请求(比如借贷请求)，然后根据用户的操作请求在终端上展示获取用户语音信息的界面，用户根据界面的提示进行语音的录入，然后服务器接收用户录入的语音信息。此外，为了防止他人用之前非法已录好的语音信息进行冒充，一般会在用户录入语音界面随机生成一段话，要求用户在规定的时间内(比如1分钟)朗读完该段话，从而获取用户的语音信息。

声纹信息确定模块504，用于根据语音信息确定用户的声纹信息。

在本实施例中，获取到用户的语音信息后，根据用户的语音信息获取该用户的声纹信息。声纹信息是指用电声学仪器显示的携带言语信息的声波频谱。根据语音信息确定声纹信息的过程也就是获取用户的声波频谱的过程。具体的，获取到用户的语音信息后，一般需要对该语音信息进行预处理，比如去噪声处理，然后将预处理后的语音信息进行数字化得到用户的声纹信息。数字化的过程就是获取声波频谱的过程。

提取模块506，用于提取声纹信息中的声纹特征。

具体的，确定用户的声纹信息后，通过提取声纹信息中的特征参数来提取声纹信息中的声纹特征。其中，特征参数包括音高特征参数，音强特征参数、音长特征参数、音色特征参数等。根据特征参数对声纹信息中的声纹特征进行提取。

风险数值确定模块508，用于根据所述声纹特征确定与所述声纹特征对应的风险数值。

在本实施例中，预先建立声纹大数据模型，根据以往有过恶意行为的声纹信息分析出声纹特征与风险数值之间的关系。然后获取与用户的声纹特征对应的风险数值。风险数值用于评估用户发生恶意行为的概率，比如，若是涉及借贷业务，此时风险数值就是用于评估用户借款后不按时还款的概率。若用户对应的风险数值比较高，说明该用户不还款的概率就比较高，可以通过降低对该用户的借贷额度来进行预防。具体的，通过对大量的有过不良记录的声纹信息进行大数据分析，找出其共同具有的某些特征，然后将这些特征作为参考的依据。当获取到用户的声纹特征后，计算用户的声纹特征与有高风险的声纹特征之间的相似度，相似度越高，说明该用户的风险数值越高，反之，相似度越低，该用户的风险数值越低。

预防模块510，用于根据风险数值进行相应的预防操作。

在本实施例中，确定完风险数值后，根据该风险数值采取不同的措施进行相应的预防操作。预先设置风险数值与预防操作的对应关系，根据计算得到的风险数值来进行相应的预防操作。根据计算得到的风险数值对风险进行预测，同时采取相应的措施进行预防操作，可以有效的评估风险，同时采取相应的预防操作可以减少损失。

在本实施例中，通过接收用户的操作请求，根据该操作请求获取用户的语音信息，根据语音信息确定用户的声纹信息，提取该声纹信息中的声纹特征，然后根据该声纹特征确定与该声纹特征对应的安全风险数值，然后根据该风险数值确定是否允许用户的操作请求。该风险预测装置基于大数据的声纹数据库，建立了声纹特征与风险数值之间的关系，根据用户的声纹特征就可以获取该用户对应的风险数值，然后根据该风险数值进行相应的预防操作。因为声纹具有特定性和稳定性的特点，通过建立声纹特征与风险数值之间的关系，可以便捷的获取用户对应的风险数值，从而可以根据该风险数值提前进行预防操作。

如图6所示，在一个实施例中，上述基于大数据的风险预测装置还包括：

建立模块501，用于建立声纹大数据模型，分析出声纹特征与风险数值之间的对应关系。

具体的，在获取用户的语音信息之前首先需要建立一个声纹大数据模型，根据以往的有过恶意行为的声纹信息，提取出共有的一些声纹特征，并分析出声纹特征与风险数值之间的对应关系。比如，若通过分析发现声纹细小、语速过快的人更容易贷款后不归还，那么在放贷的时候就可以降低对这类用户的贷款额度。

风险数值确定模块508还用于根据所述声纹特征与风险数值之间的关系，确定与所述声纹特征对应的风险数值。

在本实施例中，根据预先建立的声纹特征与风险数值之间的关系，确定与该声纹特征对应的风险数值，然后根据确定的风险数值进行相应的预防操作。具体的，判断风险数值是否达到了预设的阈值，若是，则采取相应的预防操作，比如，若用户请求的是贷款请求，那么就可以通过降低贷款额度来预防风险。

在一个实施例中，声纹信息确定模块还用于对获取到的语音信息进行预处理，对预处理后的语音信息进行数字化得到用户的声纹信息。

在本实施例中，首先对获取到的语音信息进行预处理。因为获取到的语音信息一般都会有背景噪声，所以需要对该获取到的语音信息进行去噪处理。进行去噪处理后还可以进行其他预处理，比如，可以对语音信息进行分割处理，分成多个语音片段，便于后续处理。对经过预处理的语音信息进行数字化，数字化的过程就是转换为声波频谱的过程，从而得到用户的声纹信息。具体的，通过进行数模转换即将模拟信息转换为数字信号进行显示来获取用户的声波频谱，通过该声波频谱可以进一步提取声纹特征，比如，提取平舌声纹特征，声带声纹特征、鼻音声纹特征和口腔声纹特征等。

如图7所示，在一个实施例中，上述基于大数据的风险预测装置还包括：

匹配模块507，用于将声纹特征与声纹黑名单中的声纹进行匹配，若匹配成功，则直接拒绝相应的操作请求，若匹配失败，则通知风险数值确定模块根据所述声纹特征确定与所述声纹特征对应的风险数值。

在本实施例中，提取声纹信息中的声纹特征后，首先将该声纹特征与预先存储的声纹黑名单中的声纹进行匹配，若匹配成功，则直接拒绝相应的操作请求。建立声纹黑名单就是将有过恶意行为的人的声纹进行记录，即将有过不良记录的声纹拉入黑名单。通过该声纹黑名单可以有效的防止二次风险，即防止有不良记录的人继续进行恶意行为。具体的，首先将声纹特征与声纹黑名单中的声纹进行匹配，如果匹配成功，说明该用户已经在黑名单内，则直接拒绝该用户的操作请求。若匹配失败，说明该用户之前记录良好，那么就继续根据用户的声纹特征确定相应的风险数值。利用声纹来识别该用户是否有过不良记录比传统的只是简单审查提交的资料更加便捷和有效。因为由于用户的提交的资料有可能有伪造，但是用户的声纹具有特定性和稳定性的特点，很难进行伪造，所以将用户的声纹与声纹黑名单中的声纹进行匹配，可以有效的防止发生二次风险。比如，若某用户之前贷款未还，如果他为了再次贷款伪造了自己的身份信息和名字，那么从实名资料就很难发现是同一个人来贷款，但是由于他的声纹是很难伪造的，那么当获取到该用户的语音信息后，若发现其声纹特征与黑名单中的某个声纹特征匹配，那么就可以发现这个人，从而拒绝他的贷款请求。

在一个实施例中，预防模块还用于根据预先建立的风险数值与预防操作之间的对应关系，确定与风险数值对应的预防操作。

在本实施例中，为了能够有效的对风险进行预防，设置风险数值与预防操作之间的对应关系，风险数值越高，对应的预防操作对应的越严格。具体的，比如，如果是用户的操作请求为借贷，那么可以根据不同的风险数值设置不同的借贷金额，举例说明，若风险数值为0-10之间，就可以设置借贷金额为10万，如果风险数值在10-20，设置借贷金额8万；若风险数值在20-30，设置借贷金额6万；若风险数值在30-50，设置借贷金额5万；若风险数值在60-80，设置借贷金额3万；若风险数值在80-100，设置借贷金额1万。也就是说，风险数值越高，相应能够贷款的数额就越少。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于大数据的风险预测方法，所述方法包括以下步骤：

获取用户的语音信息；

根据所述语音信息确定用户的声纹信息；

提取所述声纹信息中的声纹特征；

根据所述声纹特征确定与所述声纹特征对应的风险数值；

根据所述风险数值进行相应的预防操作。

2.根据权利要求1所述的方法，其特征在于，在所述获取用户的语音信息的步骤之前还包括：建立声纹大数据模型，分析出声纹特征与风险数值之间的对应关系；

所述根据所述声纹特征确定与所述声纹特征对应的风险数值的步骤包括：根据所述声纹特征与风险数值之间的关系，确定与所述声纹特征对应的风险数值。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述语音信息确定用户的声纹信息的步骤包括：

对获取到的所述语音信息进行预处理；

对预处理后的所述语音信息进行数字化得到所述用户的声纹信息。

4.根据权利要求1或2所述的方法，其特征在于，在所述提取所述声纹信息中的声纹特征的步骤之后还包括：

将声纹特征与声纹黑名单中的声纹进行匹配，若匹配成功，则直接拒绝相应的操作请求，若匹配失败，则进入根据所述声纹特征确定与所述声纹特征对应的风险数值的步骤。

5.根据权利要求1或2所述的方法，其特征在于，所述根据所述风险数值进行相应的预防操作的步骤包括：

根据预先建立的风险数值与预防操作之间的对应关系，确定与所述风险数值对应的预防操作。

6.一种基于大数据的风险预测装置，其特征在于，所述装置包括：

获取模块，用于获取用户的语音信息；

声纹信息确定模块，用于根据所述语音信息确定用户的声纹信息；

提取模块，用于提取所述声纹信息中的声纹特征；

风险数值确定模块，用于根据所述声纹特征确定与所述声纹特征对应的风险数值；

预防模块，用于根据所述风险数值进行相应的预防操作。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

建立模块，用于建立声纹大数据模型，分析出声纹特征与风险数值之间的对应关系；

所述风险数值确定模块还用于根据所述声纹特征与风险数值之间的关系，确定与所述声纹特征对应的风险数值。

8.根据权利要求6或7所述的装置，其特征在于，所述声纹信息确定模块还用于对获取到的所述语音信息进行预处理，对预处理后的所述语音信息进行数字化得到所述用户的声纹信息。

9.根据权利要求6或7所述的装置，其特征在于，所述装置还包括：

匹配模块，用于将声纹特征与声纹黑名单中的声纹进行匹配，若匹配成功，则直接拒绝相应的操作请求，若匹配失败，则通知风险数值确定模块根据所述声纹特征确定与所述声纹特征对应的风险数值。

10.根据权利要求6或7所述的装置，其特征在于，所述预防模块还用于根据预先建立的风险数值与预防操作之间的对应关系，确定与所述风险数值对应的预防操作。