CN109670937A - 风险用户识别方法、用户设备、存储介质及装置 - Google Patents
风险用户识别方法、用户设备、存储介质及装置 Download PDFInfo
- Publication number
- CN109670937A CN109670937A CN201811129426.1A CN201811129426A CN109670937A CN 109670937 A CN109670937 A CN 109670937A CN 201811129426 A CN201811129426 A CN 201811129426A CN 109670937 A CN109670937 A CN 109670937A
- Authority
- CN
- China
- Prior art keywords
- user
- risk
- target
- default
- network
- 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.)
- Withdrawn
Links
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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了风险用户识别方法、用户设备、存储介质及装置。本发明中获取目标用户的个人信息,并创建与所述目标用户的个人信息对应的目标节点;将所述目标节点添加至预设关系网络中,并将添加节点后的预设关系网络设为目标关系网络;在所述目标关系网络中确定与所述目标用户对应的关联用户,并查询与所述关联用户对应的关联用户角色;基于所述关联用户角色判断所述目标用户的用户角色是否为风险用户。明显地,区别于现行的识别方式,将单独构建出关系网络,并基于关系网络中与目标用户存在关联性的其他用户的身份来推断目标用户的用户角色,在识别结果的准确性上表现更优,解决了现行的识别方式存在着的不能准确地识别出风险用户的技术问题。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及风险用户识别方法、用户设备、存储介质及装置。
背景技术
随着贷款欺诈团伙的出现,贷款欺诈团伙对互联网金融机构的正常运营造成了一定的消极影响。因为,贷款欺诈团伙在互联网金融机构处办理贷款业务后会恶意地延迟还款时长或者不还款,并且,其行为往往是恶意欺诈且造成的损失较大。
所以,对于互联网金融机构而言,需要在放出贷款后,尽早地识别出已贷款人员中隐藏的贷款欺诈团伙,并对该已贷款人员尽早进行催收处置,以更有效地挽回经济损失。
而传统的识别贷款欺诈团伙的方式为,金融机构会定期地拉取已贷款人员的征信信息或者第三方数据以进行监控管理,从而判断该已贷款人员是否可能为贷款欺诈分子。
但是,该种方式并不能很准确地识别出早期的并处于潜藏状态的贷款欺诈分子,这些处于潜藏状态下的贷款欺诈分子对于金融机构而言都是存在风险性的用户。故而,可认为,现行的识别方式存在着不能准确地识别出风险用户的技术问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供风险用户识别方法、用户设备、存储介质及装置,旨在解决现行的识别方式存在着的不能准确地识别出风险用户的技术问题。
为实现上述目的,本发明提供一种风险用户识别方法,所述风险用户识别方法包括以下步骤:
获取目标用户的个人信息,并创建与所述目标用户的个人信息对应的目标节点;
将所述目标节点添加至预设关系网络中,并将添加节点后的预设关系网络设为目标关系网络,所述预设关系网络由与各用户对应的预设节点以及连接各预设节点的连接边构成;
在所述目标关系网络中确定与所述目标用户对应的关联用户,并查询与所述关联用户对应的关联用户角色;
基于所述关联用户角色判断所述目标用户的用户角色是否为风险用户。
优选地,所述将所述目标节点添加至所述预设关系网络中,并将添加节点后的预设关系网络设为目标关系网络,包括:
将所述目标用户的个人信息与预设个人信息进行匹配;
在匹配成功时,确定与匹配成功的预设个人信息对应的预设节点并设为关联节点;
将所述目标节点添加至所述预设关系网络中,并添加连接所述关联节点与所述目标节点的连接边;
将改动后的预设关系网络设为目标关系网络。
优选地,所述在所述目标关系网络中确定与所述目标用户对应的关联用户,并查询与所述关联用户对应的关联用户角色,包括:
在所述目标关系网络中查找与所述目标节点之间存在连接边的预设节点;
将与存在连接边的预设节点对应的用户认定为关联用户,并查询与所述关联用户对应的关联用户角色;
所述基于所述关联用户角色判断所述目标用户的用户角色是否为风险用户,包括:
在所述关联用户的用户角色为预设欺诈分子时,将所述目标用户的用户角色认定为风险用户。
优选地,所述目标用户的个人信息由各信息类型的子信息构成;
所述将所述目标用户的个人信息与预设个人信息进行匹配,包括:
将所述目标用户的个人信息中的子信息与预设个人信息中的子信息进行比较,并统计子信息相同的目标项数;
当所述目标项数大于或等于预设标准项数时,认定所述目标用户的个人信息与所述预设个人信息匹配成功。
优选地,所述在匹配成功时,确定与匹配成功的预设个人信息对应的预设节点并设为关联节点之后,所述风险用户识别方法还包括:
确定与所述关联节点对应的关联用户;
建立所述目标项数与所述关联用户之间的对应关系,并将所述对应关系添加至预设连接边映射关系中,所述预设连接边映射关系中包括项数与用户之间的对应关系;
所述基于所述关联用户角色判断所述目标用户的用户角色是否为风险用户,包括:
获取与所述关联用户角色对应的角色风险值;
根据所述关联用户在所述预设连接边映射关系中查询对应的目标项数,并确定与所述目标项数对应的权重系数;
根据所述角色风险值与所述权重系数计算出目标风险值;
在所述目标风险值大于或等于预设风险值时,将所述目标用户的用户角色认定为风险用户。
优选地,所述根据所述角色风险值与所述权重系数计算出目标风险值之后,所述风险用户识别方法还包括:
在所述目标风险值小于预设风险值时,获取所述目标用户的征信信息;
根据所述征信信息生成对应的征信信用值;
在所述征信信用值小于预设信用值时,将所述目标用户的用户角色认定为风险用户。
优选地,所述在所述征信信用值小于预设信用值时,将所述目标用户的用户角色认定为风险用户之后,所述风险用户识别方法还包括:
将所述目标风险值的数值修改为所述预设风险值。
此外,为实现上述目的,本发明还提出一种用户设备,所述用户设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的风险用户识别程序,所述风险用户识别程序配置为实现如上文所述的风险用户识别方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有风险用户识别程序,所述风险用户识别程序被处理器执行时实现如上文所述的风险用户识别方法的步骤。
此外,为实现上述目的,本发明还提出一种风险用户识别装置,所述风险用户识别装置包括:
节点创建模块,用于获取目标用户的个人信息,并创建与所述目标用户的个人信息对应的目标节点;
网络构建模块,用于将所述目标节点添加至预设关系网络中,并将添加节点后的预设关系网络设为目标关系网络,所述预设关系网络由与各用户对应的预设节点以及连接各预设节点的连接边构成;
角色确定模块,用于在所述目标关系网络中确定与所述目标用户对应的关联用户,并查询与所述关联用户对应的关联用户角色;
角色判定模块,用于基于所述关联用户角色判断所述目标用户的用户角色是否为风险用户。
在本发明中将基于个人信息来构建目标关系网络,并根据目标关系网络中的关联用户的用户角色来判定目标用户的用户角色,从而完成了对于风险用户的认定。明显地,区别于现行的识别方式,本发明将单独构建出关系网络,并基于关系网络中与目标用户存在关联性的其他用户的身份来推断目标用户的用户角色,该种方式正是考虑到欺诈分子存在团伙性作案的特性,在识别结果的准确性上表现更优,故而,可认为,解决了现行的识别方式存在着的不能准确地识别出风险用户的技术问题。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的用户设备结构示意图;
图2为本发明风险用户识别方法第一实施例的流程示意图;
图3为目标关系网络的示意图;
图4为本发明风险用户识别方法第二实施例的流程示意图;
图5为本发明风险用户识别方法第三实施例的流程示意图;
图6为本发明风险用户识别装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的用户设备结构示意图。
如图1所示,该用户设备可以包括:处理器1001,例如CPU,通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display),可选用户接口1003还可以包括标准的有线接口、无线接口,对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对用户设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及风险用户识别程序。
在图1所示的用户设备中,网络接口1004主要用于连接后台服务器,与所述后台服务器进行数据通信;用户接口1003主要用于连接外设;所述用户设备通过处理器1001调用存储器1005中存储的风险用户识别程序,并执行本发明实施例提供的风险用户识别方法。
基于上述硬件结构,提出本发明风险用户识别方法的实施例。
参照图2,图2为本发明风险用户识别方法第一实施例的流程示意图。
在第一实施例中,所述风险用户识别方法包括以下步骤:
步骤S10:获取目标用户的个人信息,并创建与所述目标用户的个人信息对应的目标节点;
可以理解的是,考虑到传统的识别贷款欺诈团伙的方式是基于已贷款人员的征信信息或者第三方数据来完成的贷款风险用户识别操作,但是,该种方式仅将征信信息或者第三方数据作为鉴别凭证,并不能很好地保证识别结果的准确性。为了更加准确地识别出风险用户,本实施例将基于关系网络来判断用户的身份是否为风险用户,该种方式将基于其他用户的身份来间接判断当前用户的身份,在识别出贷款欺诈分子的识别准确性上表现更优。
在具体实现中,当用户A办理了贷款业务后,由于办理贷款业务时用户A会填写其个人信息,可基于其个人信息来构建关系网络。其中,个人信息包括手机号、联系人、地址、邮箱、公司名称以及指纹等。
步骤S20:将所述目标节点添加至预设关系网络中,并将添加节点后的预设关系网络设为目标关系网络,所述预设关系网络由与各用户对应的预设节点以及连接各预设节点的连接边构成;
应当理解的是,关系网络的构建与扩展将以图论作为基础,而考虑到关系网络的特性,其构建出的网络将由多个节点以及连接各节点的连接边组成,其中,节点用来代表不同的实体,而边则用来表示实体间的关系。
在具体实现中,本实施例中的节点表示用户,而边表示用户之间存在的关联关系,具体而言,本实施例将基于用户A的个人信息构建出关系网络,构建出的关系网络中将包括预先存在的预设节点以及代表用户A的节点A。其中,预设节点表示已贷款的其他用户。具体可参见图3,图3为目标关系网络的示意图,图中的节点B、节点C以及节点D均为预设节点。
在具体实现中,为了成功地构建出目标关系网络,可先获取预设关系网络,其中,预设关系网络由各预设节点与连接各预设节点的连接边构成,可参见图3,预设关系网络包括表示用户B的节点B、表示用户C的节点C、表示用户D的节点D以及这三个节点彼此之间的连接边。
可以理解的是,在获取到预设关系网络后,可创建出节点A,并将节点A添加至预设关系网络中,从而将获得如图3所示的目标关系网络。
步骤S30:在所述目标关系网络中确定与所述目标用户对应的关联用户,并查询与所述关联用户对应的关联用户角色;
应当理解的是,在构建出如图3所示的目标关系网络后,由于节点A与其他节点之间存在着连接边,则表示节点A的个人信息与其他节点的个人信息之间存在着交叉重叠的情况,比如,可能节点A的个人信息中记录的公司名称可能与节点D的个人信息中记录的公司名称相同,也可能节点A表示的用户与节点D表示的用户之间存在着社交关系等。
可以理解的是,考虑到贷款欺诈分子多以贷款欺诈团伙的形式存在,所以,本实施例正是利用其团伙性作案的特性进行潜在欺诈分子的识别,所以,可基于关联用户的身份来间接推断用户A的身份。
步骤S40:基于所述关联用户角色判断所述目标用户的用户角色是否为风险用户。
应当理解的是,在查询到与节点A之间存在连接边的节点D后,可获取节点D表示的关联用户的用户角色。
在具体实现中,可将关系网络中的各用户的用户角色进行分类,比如,预设欺诈分子、潜在欺诈分子即风险用户以及正常用户等,其中,预设欺诈分子表示已存在贷款欺诈行为的用户,风险用户表示还未记录有贷款欺诈行为但推断其可能进行贷款欺诈的风险性用户。所以,若节点D表示的用户的用户角色为预设欺诈分子或风险用户,则可将目标用户的用户角色也认定为风险用户,从而完成了对于风险用户的认定。
在本实施例中将基于个人信息来构建目标关系网络,并根据目标关系网络中的关联用户的用户角色来判定目标用户的用户角色,从而完成了对于风险用户的认定。明显地,区别于现行的识别方式,本实施例将单独构建出关系网络,并基于关系网络中与目标用户存在关联性的其他用户的身份来推断目标用户的用户角色,该种方式正是考虑到欺诈分子存在团伙性作案的特性,在识别结果的准确性上表现更优,故而,可认为,解决了现行的识别方式存在着的不能准确地识别出风险用户的技术问题。
参照图4,图4为本发明风险用户识别方法第二实施例的流程示意图,基于上述图2所示的第一实施例,提出本发明风险用户识别方法的第二实施例。
第二实施例中,所述步骤S20,可以包括:
步骤S201:将所述目标用户的个人信息与预设个人信息进行匹配;
可以理解的是,考虑到各节点之间存在着连接边,而连接边将表示已连接节点之间的关联关系。若将该关联关系认定为已连接节点表示的用户的个人信息之间的信息相似性,可先执行个人信息的匹配操作。其中,预设个人信息表示已贷款用户的个人信息。
步骤S202:在匹配成功时,确定与匹配成功的预设个人信息对应的预设节点并设为关联节点;
应当理解的是,个人信息的匹配操作具体为,可先将用户A的公司名称与用户B的公司名称进行匹配,若二者的公司名称不相同,则不在节点A与节点B之间添加连接边;可将用户A的公司名称与用户D的公司名称进行匹配,若二者的公司名称相同,则认为用户A与用户D之间存在一定的信息相似性。
步骤S203:将所述目标节点添加至所述预设关系网络中,并添加连接所述关联节点与所述目标节点的连接边;
可以理解的是,若二者之间存在关联关系,则可在节点A与节点B之间添加连接边。
步骤S204:将改动后的预设关系网络设为目标关系网络。
进一步地,所述在所述目标关系网络中确定与所述目标用户对应的关联用户,并查询与所述关联用户对应的关联用户角色,包括:
在所述目标关系网络中查找与所述目标节点之间存在连接边的预设节点;
将与存在连接边的预设节点对应的用户认定为关联用户,并查询与所述关联用户对应的关联用户角色;
所述基于所述关联用户角色判断所述目标用户的用户角色是否为风险用户,包括:
在所述关联用户的用户角色为预设欺诈分子时,将所述目标用户的用户角色认定为风险用户。
在具体实现中,对于认定潜在欺诈分子的认定操作具体为,将先找到与节点A之间存在连接边的节点D。
可以理解的是,在确定节点D后,若用户D的用户角色为预设欺诈分子,则可推定用户A的用户角色为风险用户。当然,若用户D的用户角色为风险用户,也可推定用户A的用户角色为风险用户。
在本实施例中将通过对比目标用户与已有用户的个人信息来建立目标用户与已有用户之间的连接边,使得目标关系网络中描述的关联关系具有更高的可信度。
参照图5,图5为本发明风险用户识别方法第三实施例的流程示意图,基于上述图4所示的第二实施例,提出本发明风险用户识别方法的第三实施例。
第三实施例中,所述目标用户的个人信息由各信息类型的子信息构成;
所述步骤S201,包括:
步骤S2011:将所述目标用户的个人信息中的子信息与预设个人信息中的子信息进行比较,并统计子信息相同的目标项数;
可以理解的是,针对个人信息的匹配操作,除了判断用户A的公司名称与用户D的公司名称是否相同的方式外,还可综合考虑全部类型的个人信息,使得最终挑选出的关联节点与目标节点之间具有较为可信的节点关联性。
在具体实现中,由于个人信息存在多种信息类型,包括有手机号、联系人、地址、邮箱、公司名称以及指纹等,每一种信息类型的个人信息都为一项子信息。在评判用户A与其他用户之间的关联关系时,可计算用户A的个人信息与其他用户的个人信息相同的子信息的项数,比如,用户A的公司名称、地址以及手机号均与用户D的相同,则统计出的目标项数为3。
步骤S2012:当所述目标项数大于或等于预设标准项数时,认定所述目标用户的个人信息与所述预设个人信息匹配成功。
应当理解的是,若设置预设标准项数为2。由于目标项数大于预设标准项数,则可认为用户A与用户D之间存在着一定的关联关系,并成功建立起节点A与节点D之间的连接边。
进一步地,所述在匹配成功时,确定与匹配成功的预设个人信息对应的预设节点并设为关联节点之后,所述风险用户识别方法还包括:
确定与所述关联节点对应的关联用户;
建立所述目标项数与所述关联用户之间的对应关系,并将所述对应关系添加至预设连接边映射关系中,所述预设连接边映射关系中包括项数与用户之间的对应关系;
所述基于所述关联用户角色判断所述目标用户的用户角色是否为风险用户,包括:
获取与所述关联用户角色对应的角色风险值;
根据所述关联用户在所述预设连接边映射关系中查询对应的目标项数,并确定与所述目标项数对应的权重系数;
根据所述角色风险值与所述权重系数计算出目标风险值;
在所述目标风险值大于或等于预设风险值时,将所述目标用户的用户角色认定为风险用户。
可以理解的是,统计出的子信息相同的目标项数除了可以用于评判用户A与其他用户之间是否存在着一定的关联关系外,还可用于确定用户A所属的用户角色。
在具体实现中,当统计出的目标项数为3时,可在预设连接边映射关系中对应地存储用户D以及目标项数3,以用于后续的角色判定操作。至于后续的角色判定操作具体为,可先确定用户D的用户角色,比如,用户D的用户角色为“预设欺诈分子”,并获取对应的角色风险值为100。其中,角色风险值用于表征用户的欺诈风险性;并且,每个类型的用户角色都存在着对应的角色风险值,以用于后续评估与该用户存在关联的其他用户的欺诈风险性。
应当理解的是,可预先设置存储有目标项数与权重系数的对应关系,比如,若目标项数为x=0,x为整数,则权重系数q为0.5;若目标项数为1≤x≤2,则权重系数q为0.7;若目标项数为3≤x≤5,则权重系数q为0.8;若目标项数为x≥6,则权重系数q为0.9。所以,当目标项数为3时,对应的权重系数为0.8。
可以理解的是,为了确定用户A的欺诈风险性,可结合用户D的欺诈风险性以及用户A与用户D之间的关联关系共同确定,如此确定用户A的欺诈风险性综合了多维度的信息具有较高的可信度。其中,用户D的角色风险值用于评判其欺诈风险性,而权重系数用于评判用户A与用户D之间的关联关系的强弱。
在具体实现中,可基于预设风险值计算公式来计算出用户A的目标风险值,其中,预设风险值计算公式为,
M2=M1*q;
其中,M2表示目标风险值,M1表示角色风险值,而q表示权重系数。若用户D的角色风险值M1为100,权重系数为0.8,则计算出的M2为80,计算出的M2用于评判用户A的欺诈风险性,M2的数值越大,表示该用户进行贷款欺诈行为的可能性越大。
可以理解的是,可将预设风险值设置为75,由于M2大于75,则可将用户A认定为风险用户。
进一步地,所述根据所述角色风险值与所述权重系数计算出目标风险值之后,所述风险用户识别方法还包括:
在所述目标风险值小于预设风险值时,获取所述目标用户的征信信息;
根据所述征信信息生成对应的征信信用值;
在所述征信信用值小于预设信用值时,将所述目标用户的用户角色认定为风险用户。
可以理解的是,除了本实施例描述的通过关系网络来判断用户A是否为风险用户的判断方式,还可同时结合征信信息来完成对于风险用户的判断,同时结合两种方式可以大大地提高判断结果的准确性。
在具体实现中,若计算出的M2为70小于预设风险值,可调用描述用户个人信用风险的征信信息,并获得一个征信信用值。比如,若用户A的征信信息被评估为良好,则对应的征信信用值为85;若用户A的征信信息被评估为中等,则对应的征信信用值为70;若用户A的征信信息被评估为较差,则对应的征信信用值为60。
应当理解的是,若用户A的征信信用值为60,且预先设置的预设信用值为70,则可将用户A定义为风险用户,在用户A后续进行还贷时将提前于正常的催收日期进行款项催收,以更有效地挽回经济损失,并控制经济风险。
进一步地,所述在所述征信信用值小于预设信用值时,将所述目标用户的用户角色认定为风险用户之后,所述风险用户识别方法还包括:
将所述目标风险值的数值修改为所述预设风险值。
在具体实现中,考虑到当基于征信信息判定用户A为风险用户后,由于之前基于关系网络判定用户A不为风险用户,所以,将修改关系网络中的用户A的风险值70。具体而言,由于当风险值大于或等于预设风险值时,对应的用户角色为“风险用户”,所以,可修改关系网络中的用户A的风险值为75,以最终敲定用户A的用户角色为“风险用户”,便于后续在应用关系网络进行其他用户的角色认定时存在认定误差。
在本实施例中将通过风险值来判断用户角色,不仅结合了关联用户的风险性,也参考了关联用户与本用户之间的关联性强弱,使得对于用户角色的判断更加准确且全面。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有风险用户识别程序,所述风险用户识别程序被处理器执行时实现如上文所述的风险用户识别方法的步骤。
此外,参照图6,本发明实施例还提出一种风险用户识别装置,所述风险用户识别装置包括:
节点创建模块10,用于获取目标用户的个人信息,并创建与所述目标用户的个人信息对应的目标节点;
可以理解的是,考虑到传统的识别贷款欺诈团伙的方式是基于已贷款人员的征信信息或者第三方数据来完成的贷款风险用户识别操作,但是,该种方式仅将征信信息或者第三方数据作为鉴别凭证,并不能很好地保证识别结果的准确性。为了更加准确地识别出风险用户,本实施例将基于关系网络来判断用户的身份是否为风险用户,该种方式将基于其他用户的身份来间接判断当前用户的身份,在识别出贷款欺诈分子的识别准确性上表现更优。
在具体实现中,当用户A办理了贷款业务后,由于办理贷款业务时用户A会填写其个人信息,可基于其个人信息来构建关系网络。其中,个人信息包括手机号、联系人、地址、邮箱、公司名称以及指纹等。
网络构建模块20,用于将所述目标节点添加至预设关系网络中,并将添加节点后的预设关系网络设为目标关系网络,所述预设关系网络由与各用户对应的预设节点以及连接各预设节点的连接边构成;
应当理解的是,关系网络的构建与扩展将以图论作为基础,而考虑到关系网络的特性,其构建出的网络将由多个节点以及连接各节点的连接边组成,其中,节点用来代表不同的实体,而边则用来表示实体间的关系。
在具体实现中,本实施例中的节点表示用户,而边表示用户之间存在的关联关系,具体而言,本实施例将基于用户A的个人信息构建出关系网络,构建出的关系网络中将包括预先存在的预设节点以及代表用户A的节点A。其中,预设节点表示已贷款的其他用户。具体可参见图3,图3为目标关系网络的示意图,图中的节点B、节点C以及节点D均为预设节点。
在具体实现中,为了成功地构建出目标关系网络,可先获取预设关系网络,其中,预设关系网络由各预设节点与连接各预设节点的连接边构成,可参见图3,预设关系网络包括表示用户B的节点B、表示用户C的节点C、表示用户D的节点D以及这三个节点彼此之间的连接边。
可以理解的是,在获取到预设关系网络后,可创建出节点A,并将节点A添加至预设关系网络中,从而将获得如图3所示的目标关系网络。
角色确定模块30,用于在所述目标关系网络中确定与所述目标用户对应的关联用户,并查询与所述关联用户对应的关联用户角色;
应当理解的是,在构建出如图3所示的目标关系网络后,由于节点A与其他节点之间存在着连接边,则表示节点A的个人信息与其他节点的个人信息之间存在着交叉重叠的情况,比如,可能节点A的个人信息中记录的公司名称可能与节点D的个人信息中记录的公司名称相同,也可能节点A表示的用户与节点D表示的用户之间存在着社交关系等。
可以理解的是,考虑到贷款欺诈分子多以贷款欺诈团伙的形式存在,所以,本实施例正是利用其团伙性作案的特性进行潜在欺诈分子的识别,所以,可基于关联用户的身份来间接推断用户A的身份。
角色判定模块40,用于基于所述关联用户角色判断所述目标用户的用户角色是否为风险用户。
应当理解的是,在查询到与节点A之间存在连接边的节点D后,可获取节点D表示的关联用户的用户角色。
在具体实现中,可将关系网络中的各用户的用户角色进行分类,比如,预设欺诈分子、潜在欺诈分子即风险用户以及正常用户等,其中,预设欺诈分子表示已存在贷款欺诈行为的用户,风险用户表示还未记录有贷款欺诈行为但推断其可能进行贷款欺诈的风险性用户。所以,若节点D表示的用户的用户角色为预设欺诈分子或风险用户,则可将目标用户的用户角色也认定为风险用户,从而完成了对于风险用户的认定。
在本实施例中将基于个人信息来构建目标关系网络,并根据目标关系网络中的关联用户的用户角色来判定目标用户的用户角色,从而完成了对于风险用户的认定。明显地,区别于现行的识别方式,本实施例将单独构建出关系网络,并基于关系网络中与目标用户存在关联性的其他用户的身份来推断目标用户的用户角色,该种方式正是考虑到欺诈分子存在团伙性作案的特性,在识别结果的准确性上表现更优,故而,可认为,解决了现行的识别方式存在着的不能准确地识别出风险用户的技术问题。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序,可将这些词语解释为名称。
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上述实施例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,本发明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/RAM、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,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种风险用户识别方法,其特征在于,所述风险用户识别方法包括以下步骤:
获取目标用户的个人信息,并创建与所述目标用户的个人信息对应的目标节点;
将所述目标节点添加至预设关系网络中,并将添加节点后的预设关系网络设为目标关系网络,所述预设关系网络由与各用户对应的预设节点以及连接各预设节点的连接边构成;
在所述目标关系网络中确定与所述目标用户对应的关联用户,并查询与所述关联用户对应的关联用户角色;
基于所述关联用户角色判断所述目标用户的用户角色是否为风险用户。
2.如权利要求1所述的风险用户识别方法,其特征在于,所述将所述目标节点添加至所述预设关系网络中,并将添加节点后的预设关系网络设为目标关系网络,包括:
将所述目标用户的个人信息与预设个人信息进行匹配;
在匹配成功时,确定与匹配成功的预设个人信息对应的预设节点并设为关联节点;
将所述目标节点添加至所述预设关系网络中,并添加连接所述关联节点与所述目标节点的连接边;
将改动后的预设关系网络设为目标关系网络。
3.如权利要求2所述的风险用户识别方法,其特征在于,所述在所述目标关系网络中确定与所述目标用户对应的关联用户,并查询与所述关联用户对应的关联用户角色,包括:
在所述目标关系网络中查找与所述目标节点之间存在连接边的预设节点;
将与存在连接边的预设节点对应的用户认定为关联用户,并查询与所述关联用户对应的关联用户角色;
所述基于所述关联用户角色判断所述目标用户的用户角色是否为风险用户,包括:
在所述关联用户的用户角色为预设欺诈分子时,将所述目标用户的用户角色认定为风险用户。
4.如权利要求2所述的风险用户识别方法,其特征在于,所述目标用户的个人信息由各信息类型的子信息构成;
所述将所述目标用户的个人信息与预设个人信息进行匹配,包括:
将所述目标用户的个人信息中的子信息与预设个人信息中的子信息进行比较,并统计子信息相同的目标项数;
当所述目标项数大于或等于预设标准项数时,认定所述目标用户的个人信息与所述预设个人信息匹配成功。
5.如权利要求4所述的风险用户识别方法,其特征在于,所述在匹配成功时,确定与匹配成功的预设个人信息对应的预设节点并设为关联节点之后,所述风险用户识别方法还包括:
确定与所述关联节点对应的关联用户;
建立所述目标项数与所述关联用户之间的对应关系,并将所述对应关系添加至预设连接边映射关系中,所述预设连接边映射关系中包括项数与用户之间的对应关系;
所述基于所述关联用户角色判断所述目标用户的用户角色是否为风险用户,包括:
获取与所述关联用户角色对应的角色风险值;
根据所述关联用户在所述预设连接边映射关系中查询对应的目标项数,并确定与所述目标项数对应的权重系数;
根据所述角色风险值与所述权重系数计算出目标风险值;
在所述目标风险值大于或等于预设风险值时,将所述目标用户的用户角色认定为风险用户。
6.如权利要求5所述的风险用户识别方法,其特征在于,所述根据所述角色风险值与所述权重系数计算出目标风险值之后,所述风险用户识别方法还包括:
在所述目标风险值小于预设风险值时,获取所述目标用户的征信信息;
根据所述征信信息生成对应的征信信用值;
在所述征信信用值小于预设信用值时,将所述目标用户的用户角色认定为风险用户。
7.如权利要求6所述的风险用户识别方法,其特征在于,所述在所述征信信用值小于预设信用值时,将所述目标用户的用户角色认定为风险用户之后,所述风险用户识别方法还包括:
将所述目标风险值的数值修改为所述预设风险值。
8.一种用户设备,其特征在于,所述用户设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行风险用户识别程序,所述风险用户识别程序被所述处理器执行时实现如权利要求1至7中任一项所述的风险用户识别方法的步骤。
9.一种存储介质,其特征在于,所述存储介质上存储有风险用户识别程序,所述风险用户识别程序被处理器执行时实现如权利要求1至7中任一项所述的风险用户识别方法的步骤。
10.一种风险用户识别装置,其特征在于,所述风险用户识别装置包括:
节点创建模块,用于获取目标用户的个人信息,并创建与所述目标用户的个人信息对应的目标节点;
网络构建模块,用于将所述目标节点添加至预设关系网络中,并将添加节点后的预设关系网络设为目标关系网络,所述预设关系网络由与各用户对应的预设节点以及连接各预设节点的连接边构成;
角色确定模块,用于在所述目标关系网络中确定与所述目标用户对应的关联用户,并查询与所述关联用户对应的关联用户角色;
角色判定模块,用于基于所述关联用户角色判断所述目标用户的用户角色是否为风险用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811129426.1A CN109670937A (zh) | 2018-09-26 | 2018-09-26 | 风险用户识别方法、用户设备、存储介质及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811129426.1A CN109670937A (zh) | 2018-09-26 | 2018-09-26 | 风险用户识别方法、用户设备、存储介质及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109670937A true CN109670937A (zh) | 2019-04-23 |
Family
ID=66142038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811129426.1A Withdrawn CN109670937A (zh) | 2018-09-26 | 2018-09-26 | 风险用户识别方法、用户设备、存储介质及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109670937A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135978A (zh) * | 2019-04-25 | 2019-08-16 | 北京淇瑀信息科技有限公司 | 用户金融风险评估方法、装置、电子设备和可读介质 |
CN110223165A (zh) * | 2019-06-14 | 2019-09-10 | 哈尔滨哈银消费金融有限责任公司 | 一种基于关联网络的反欺诈和信用风险预测方法和*** |
CN110689426A (zh) * | 2019-09-30 | 2020-01-14 | 中诚信征信有限公司 | 一种风险识别方法、装置、电子设备及存储介质 |
CN110852878A (zh) * | 2019-11-26 | 2020-02-28 | 中国建设银行股份有限公司 | 一种可信度确定方法、装置、设备和存储介质 |
CN110956391A (zh) * | 2019-11-28 | 2020-04-03 | 中信银行股份有限公司 | 一种基于金融的信息处理方法及电子设备 |
CN111049809A (zh) * | 2019-11-27 | 2020-04-21 | 深圳壹账通智能科技有限公司 | 风险用户识别方法、装置、计算机设备及存储介质 |
CN111291234A (zh) * | 2020-03-31 | 2020-06-16 | 京东数字科技控股有限公司 | 一种账号风险概率评估方法、装置、***及存储介质 |
CN111861281A (zh) * | 2020-08-05 | 2020-10-30 | 中国银行股份有限公司 | 基于知识图谱的风险员工发现方法及装置 |
CN112053174A (zh) * | 2020-09-29 | 2020-12-08 | 中国银行股份有限公司 | 一种银行客户和柜员关系的确定方法、装置及设备 |
CN112102093A (zh) * | 2020-08-05 | 2020-12-18 | 中证征信(深圳)有限公司 | 主体身份及关联关系识别方法、装置、设备和介质 |
CN112330468A (zh) * | 2020-11-03 | 2021-02-05 | 中国平安财产保险股份有限公司 | 识别风险客户的方法、装置、设备及存储介质 |
CN113762684A (zh) * | 2020-12-14 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 新用户风险评估方法、装置、电子设备及介质 |
CN114003648A (zh) * | 2021-10-20 | 2022-02-01 | 支付宝(杭州)信息技术有限公司 | 风险交易团伙的识别方法、装置、电子设备与存储介质 |
-
2018
- 2018-09-26 CN CN201811129426.1A patent/CN109670937A/zh not_active Withdrawn
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135978B (zh) * | 2019-04-25 | 2021-07-30 | 北京淇瑀信息科技有限公司 | 用户金融风险评估方法、装置、电子设备和可读介质 |
CN110135978A (zh) * | 2019-04-25 | 2019-08-16 | 北京淇瑀信息科技有限公司 | 用户金融风险评估方法、装置、电子设备和可读介质 |
CN110223165A (zh) * | 2019-06-14 | 2019-09-10 | 哈尔滨哈银消费金融有限责任公司 | 一种基于关联网络的反欺诈和信用风险预测方法和*** |
CN110689426A (zh) * | 2019-09-30 | 2020-01-14 | 中诚信征信有限公司 | 一种风险识别方法、装置、电子设备及存储介质 |
CN110852878A (zh) * | 2019-11-26 | 2020-02-28 | 中国建设银行股份有限公司 | 一种可信度确定方法、装置、设备和存储介质 |
CN110852878B (zh) * | 2019-11-26 | 2022-08-26 | 中国建设银行股份有限公司 | 一种可信度确定方法、装置、设备和存储介质 |
CN111049809A (zh) * | 2019-11-27 | 2020-04-21 | 深圳壹账通智能科技有限公司 | 风险用户识别方法、装置、计算机设备及存储介质 |
CN110956391A (zh) * | 2019-11-28 | 2020-04-03 | 中信银行股份有限公司 | 一种基于金融的信息处理方法及电子设备 |
CN111291234A (zh) * | 2020-03-31 | 2020-06-16 | 京东数字科技控股有限公司 | 一种账号风险概率评估方法、装置、***及存储介质 |
CN111861281A (zh) * | 2020-08-05 | 2020-10-30 | 中国银行股份有限公司 | 基于知识图谱的风险员工发现方法及装置 |
CN112102093A (zh) * | 2020-08-05 | 2020-12-18 | 中证征信(深圳)有限公司 | 主体身份及关联关系识别方法、装置、设备和介质 |
CN112053174A (zh) * | 2020-09-29 | 2020-12-08 | 中国银行股份有限公司 | 一种银行客户和柜员关系的确定方法、装置及设备 |
CN112053174B (zh) * | 2020-09-29 | 2024-03-29 | 中国银行股份有限公司 | 一种银行客户和柜员关系的确定方法、装置及设备 |
CN112330468A (zh) * | 2020-11-03 | 2021-02-05 | 中国平安财产保险股份有限公司 | 识别风险客户的方法、装置、设备及存储介质 |
CN112330468B (zh) * | 2020-11-03 | 2023-10-27 | 中国平安财产保险股份有限公司 | 识别风险客户的方法、装置、设备及存储介质 |
CN113762684A (zh) * | 2020-12-14 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 新用户风险评估方法、装置、电子设备及介质 |
CN114003648A (zh) * | 2021-10-20 | 2022-02-01 | 支付宝(杭州)信息技术有限公司 | 风险交易团伙的识别方法、装置、电子设备与存储介质 |
CN114003648B (zh) * | 2021-10-20 | 2024-04-26 | 支付宝(杭州)信息技术有限公司 | 风险交易团伙的识别方法、装置、电子设备与存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109670937A (zh) | 风险用户识别方法、用户设备、存储介质及装置 | |
WO2019154115A1 (zh) | 一种资源转移监测方法及装置 | |
CN107563757B (zh) | 数据风险识别的方法及装置 | |
CN108615119B (zh) | 一种异常用户的识别方法及设备 | |
CN107481019A (zh) | 订单欺诈识别方法、***、存储介质和电子设备 | |
CN107169629A (zh) | 一种电信诈骗识别方法及数据处理设备 | |
CN107230133B (zh) | 一种数据处理方法、设备和计算机存储介质 | |
CN109949154B (zh) | 客户信息分类方法、装置、计算机设备和存储介质 | |
CN107153847A (zh) | 预测用户是否存在恶意行为的方法和计算设备 | |
CN109670933A (zh) | 识别用户角色的方法、用户设备、存储介质及装置 | |
CN110378575B (zh) | 逾期事件回款催收方法及装置、计算机可读存储介质 | |
CN110956503B (zh) | 基于用户网络行为的具有借贷需求的用户识别方法及装置 | |
CN106156151A (zh) | 互联网操作事件的风险识别方法及装置 | |
CN109472656B (zh) | 一种虚拟物品的展示方法、装置和存储介质 | |
CN110363644A (zh) | 异常信息识别方法、装置、计算机设备及存储介质 | |
CN108595579A (zh) | 联系人亲密度估算方法、装置、计算机设备和存储介质 | |
CN110609908A (zh) | 案件串并方法及装置 | |
CN110728301A (zh) | 一种个人用户的信用评分方法、装置、终端及存储介质 | |
CN114693192A (zh) | 风控决策方法、装置、计算机设备和存储介质 | |
CN113641827A (zh) | 一种基于知识图谱的网络诈骗识别方法及*** | |
CN110909129B (zh) | 异常投诉事件的识别方法及装置 | |
CN111105064A (zh) | 确定欺诈事件的嫌疑信息的方法及装置 | |
CN106293354A (zh) | 快捷菜单自适应显示控制方法、服务器及便携式终端 | |
CN111062422A (zh) | 一种套路贷体系化识别方法及装置 | |
CN110215703A (zh) | 游戏应用的选择方法、装置及*** |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190423 |
|
WW01 | Invention patent application withdrawn after publication |