CN110659800A - 风险监控处理方法、装置、计算机设备和存储介质 - Google Patents
风险监控处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110659800A CN110659800A CN201910753282.5A CN201910753282A CN110659800A CN 110659800 A CN110659800 A CN 110659800A CN 201910753282 A CN201910753282 A CN 201910753282A CN 110659800 A CN110659800 A CN 110659800A
- Authority
- CN
- China
- Prior art keywords
- risk
- service
- user
- enterprise
- data
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 62
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000012502 risk assessment Methods 0.000 claims abstract description 91
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013210 evaluation model Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 10
- 239000000284 extract Substances 0.000 description 8
- 238000004900 laundering Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013075 data extraction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及基于风险管控的一种风险监控处理方法,该方法包括:调用多个线程获取多个业务***接收的业务请求,根据用户标识获取用户关联数据,通过用户风险评估模型对用户关联数据进行风险评估得到用户风险评分;根据业务标识获取业务数据,通过企业风险评估模型对业务数据进行风险评估得到企业风险评分;当用户风险评分和企业风险评分中任意一个达到风险阈值时,调用***对业务请求触发拦截指令,使得对应的业务***响应拦截指令生成拦截页面并返回至对应的用户终端;根据风险评分结果生成预警提示信息并发送至监控终端。采用本方法能够准确有效地分析业务请求存在的风险,并及时有效地拦截存在风险的业务请求,从而有效提高风险监控效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种风险监控处理方法、装置、计算机设备和存储介质。
背景技术
随着互联网技术和社会经济的迅速发展,互联网金融的覆盖范围更加广泛,各种在在线交易以及网络金融交易的应用也更加普遍,使得我们的生活也更加便利。与此同时,互联网金融业存在着欺诈、洗钱等的交易风险,而且这些风险不易被察觉。
然而,对于金融控股集团针对全集团的风险管控存在局限性,通常各个企业采用洗钱风险评估的方式并不统一,无法有效地对各个企业的风险进行整体评估。例如现有的反洗钱监控机制,通常是事后将交易数据上报给监管机构进行识别和评估,洗钱风险评估的周期较长,时效性较差。导致对整个金融控股集团和各个专业公司的风险监控效率较低,且当具体的业务请求中存在风险时,无法及时有效地规避业务请求存在的风险。
发明内容
基于此,有必要针对上述技术问题,提供一种能够准确有效地分析出业务请求中存在的用户风险和企业风险,并及时有效地拦截存在风险的业务请求以提高风险监控效率的风险监控处理方法、装置、计算机设备和存储介质。
一种风险监控处理方法,所述方法包括:
调用多个线程获取多个业务***接收的业务请求,所述业务请求包括用户标识和业务标识;
根据所述用户标识从数据库中获取用户关联数据,通过用户风险评估模型对所述用户关联数据进行风险评估,得到用户风险评分;
根据所述业务标识调用业务接口获取业务***中的业务数据,通过企业风险评估模型对所述业务数据进行风险评估,得到企业风险评分;
当所述用户风险评分和企业风险评分中任意一个达到风险阈值时,确定达到风险阈值的业务请求存在风险,调用***对所述业务请求触发拦截指令,使得对应的业务***响应所述拦截指令生成拦截页面,并将所述拦截页面返回至对应的用户终端;
根据所述业务请求的用户风险评分和企业风险评分生成预警提示信息,将所述预警提示信息发送至监控终端。
在其中一个实施例中,风控服务器集群中包括多个业务***对应的业务节点,所述业务节点还可以包括多个从节点,所述方法还包括:根据所述业务标识将多个业务请求分配至对应的业务节点;根据所述业务标识对集群中业务节点的多个从节点的当前负载权重进行轮询,得到每个从节点的当前负载权重;业务节点根据每个从节点的当前负载权重为多个业务请求选择对应的从节点标识;对选择的从节点标识对应的当前负载权重进行平滑处理,利用平滑处理后的结果选择下一个业务请求,直到为多个业务请求选择出对应的从节点标识;业务节点根据被选择的从节点标识将多个业务请求分别分配至对应的从节点,使得多个从节点调用多个线程同步对多个业务请求进行风险监控。
在其中一个实施例中,所述通过用户风险评估模型对所述用户关联数据进行风险评估,得到用户风险评分的步骤包括:对所述用户关联数据进行关键数据提取,提取出所述用户关联数据中的多个关键指标对应的关键数据;对多个关键数据进行特征提取,得到多个关键指标对应的数据特征;计算多个关键指标对应的数据特征的多项风险指数,根据所述多项风险指数生成风险矩阵;根据所述风险矩阵得到所述用户标识的用户风险评分。
在其中一个实施例中,所述通过企业风险评估模型对所述业务数据进行风险评估,得到企业风险评分的步骤包括:对多个业务数据进行关键数据提取,提取所述企业数据中的多个关键指标数据以及对应的数据特征;通过所述企业风险评估模型对所述数据特征进行分析,计算企业标识对应的固有风险评分、管控风险评分和剩余风险评分;根据所述固有风险评分、管控风险评分和剩余风险评分计算所述企业标识的企业风险评分。
在其中一个实施例中,所述方法还包括:对多个企业标识的业务数据进行分析,得到每个企业标识对应的权重参数;根据每个企业标识的固有风险评分、管控风险评分和剩余风险评分计算固有风险评总分、管控风险评总分和剩余风险总分;根据所述固有风险评总分、管控风险评总分和剩余风险总分以及对应的权重参数计算目标风险总分;根据所述目标风险总分生成风险报告,将所述风险报告发送至监控终端,以使所述监控终端根据所述风险报告进行风险管控。
在其中一个实施例中,所述业务请求包括请求标识,所述调用***对所述业务请求触发拦截指令的步骤包括:根据所述请求标识向所述业务请求对应的业务***触发拦截指令,调用***从所述业务***中截取所述业务请求;获取所述业务请求对应的请求链接,根据风险评分结果获取对应的拦截数据字段;根据所述拦截数据字段生成对应的拦截链接,通过对应的业务接口将所述拦截链接转发至对应的业务***,使得业务***根据所述拦截链接生成拦截页面并返回至相应的用户终端。
一种风险监控处理装置,所述装置包括:
请求截取模块,用于调用多个线程获取多个业务***接收的业务请求,所述业务请求包括用户标识和业务标识;
用户风险分析模块,用于根据所述用户标识从数据库中获取用户关联数据,通过用户风险评估模型对所述用户关联数据进行风险评估,得到用户风险评分;
企业风险分析模块,用于根据所述业务标识调用业务接口获取业务***中的业务数据,通过企业风险评估模型对所述业务数据进行风险评估,得到企业风险评分;
请求拦截模块,用于当所述用户风险评分和企业风险评分中任意一个达到风险阈值时,确定达到风险阈值的业务请求存在风险,调用***对所述业务请求触发拦截指令,使得对应的业务***响应所述拦截指令生成拦截页面,并将所述拦截页面返回至对应的用户终端;
风险预警模块,用于根据所述业务请求的用户风险评分和企业风险评分生成预警提示信息,将所述预警提示信息发送至监控终端。
在其中一个实施例中,风控服务器集群中包括多个业务***对应的业务节点,所述业务节点还可以包括多个从节点,所述装置还包括请求分发模块,用于根据所述业务标识将多个业务请求分配至对应的业务节点;根据所述业务标识对集群中业务节点的多个从节点的当前负载权重进行轮询,得到每个从节点的当前负载权重;业务节点根据每个从节点的当前负载权重为多个业务请求选择对应的从节点标识;对选择的从节点标识对应的当前负载权重进行平滑处理,利用平滑处理后的结果选择下一个业务请求,直到为多个业务请求选择出对应的从节点标识;业务节点根据被选择的从节点标识将多个业务请求分别分配至对应的从节点,使得多个从节点调用多个线程同步对多个业务请求进行风险监控。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现本申请任意一个实施例中提供的风险监控处理方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现本申请任意一个实施例中提供的风险监控处理方法的步骤。
上述风险监控处理方法、装置、计算机设备和存储介质,风控服务器调用多个线程获取多个业务***接收的业务请求后,根据业务请求携带的用户标识从数据库中获取用户关联数据,通过用户风险评估模型对用户关联数据进行风险评估,由此能够准确有效得到用户风险评分。风控服务器同时根据业务请求携带的业务标识调用业务接口获取业务***中的业务数据,通过企业风险评估模型对业务数据进行风险评估,从而能够准确有效得到相应的企业风险评分;当用户风险评分和企业风险评分中任意一个达到风险阈值时,确定达到风险阈值的业务请求存在风险,调用***对业务请求触发拦截指令,使得对应的业务***响应拦截指令生成拦截页面,并将拦截页面返回至对应的用户终端;通过对业务请求对应的用户风险和企业风险进行评估,从而能够有效地发现风险漏洞并及时拦截存在风险的业务请求。风控服务器根据业务请求的用户风险评分和企业风险评分生成预警提示信息,将预警提示信息发送至监控终端,进而能够有效地对业务请求进行监控以提高业务请求的安全性。
附图说明
图1为一个实施例中风险监控处理方法的应用场景图;
图2为一个实施例中风险监控处理方法的流程示意图;
图3为一个实施例中对多个业务请求进行分发步骤的流程示意图;
图4为一个实施例中分析企业风险评分步骤的流程示意图;
图5为一个实施例中风险监控处理装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的风险监控处理方法,可以应用于如图1所示的应用环境中。其中,用户终端102通过网络与业务服务器104进行通信,业务服务器104通过网络与风控服务器106进行通信,风控服务器106通过网络与监控终端108进行通信。风控服务器106调用多个线程获取多个业务服务器104接收的多个用户终端102发送的业务请求后,根据用户标识获取用户关联数据,通过用户风险评估模型对用户关联数据进行风险评估得到用户风险评分,根据业务标识获取业务数据,通过企业风险评估模型对业务数据进行风险评估得到企业风险评分;当用户风险评分和企业风险评分中任意一个达到风险阈值时,调用***对业务请求触发拦截指令,使得对应的业务服务器104响应拦截指令生成拦截页面并返回至对应的用户终端102。风控服务器根据业务请求的用户风险评分和企业风险评分生成预警提示信息,将预警提示信息发送至监控终端108。其中,用户终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,业务服务器104以及风控服务器106可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种风险监控处理方法,以该方法应用于图1中的风控服务器为例进行说明,包括以下步骤:
步骤202,调用多个线程获取多个业务***接收的业务请求,业务请求包括用户标识和业务标识。
用户可以通过对应的用户终端向业务服务器发送业务请求,例如贷款请求、投保请求等业务请求。其中,业务服务器可以对应各个专业公司对应的业务***,业务请求携带了用户标识和业务标识。业务***对应的业务服务器接收到业务请求后,风控服务器则可以调用多个线程同时获取多个业务***接收到的业务请求,以实时对业务请求进行风险监控。
在其中一个实施例中,业务服务器中配置有相应的镜像端口,风控服务器中配置有与镜像端口相匹配的观察端口。其中,镜像端口是指被监控的端口,镜像端口用于获取收发的一个或多个源端口的数据流量以及镜像报文,并将收发的镜像报文复制发送到与风控服务器相连的观察端口,以实现对网络的监控。观察端口是指连接风控服务器的与镜像端口相匹配的端口,用于将镜像端口复制过来的镜像报文发送给风控服务器。多个业务***接收到用户终端发送的业务请求后,业务服务器的镜像端口可以将监听到的业务请求转发至风控服务器中部署的观察端口,使得风控服务器对监听到的多个业务***的业务请求进行风险评估。
步骤204,根据用户标识从数据库中获取用户关联数据,通过用户风险评估模型对用户关联数据进行风险评估,得到用户风险评分。
其中,用户关联数据指某一用户的相关业务领域的用户数据,用户关联数据可以包括用户个人信息、历史行为信息以及在多个业务***的历史交易数据等。
风控服务器获取到多个业务***的业务请求后,则根据业务请求中携带的用户标识从本地数据库以及第三方数据库中获取该用户的用户关联数据。
风控服务器进而将用户关联数据输入至已训练的用户风险评估模型,通过用户风险评估模型根据用户关联数据对该用户的业务请求进行风险评估。具体地,风控服务器通过用户风险评估模型对业务请求对应用户的用户关联数据进行特征提取,得到用户属性特征和用户行为特征。根据业务类型利用用户风险评估模型计算用户属性特征和用户行为特征对应的风险等级,利用风险等级生成用户标识的用户风险评分。
步骤206,根据业务标识调用业务接口获取业务***中的业务数据,通过企业风险评估模型对业务数据进行风险评估,得到企业风险评分。
其中,业务数据可以为业务***对应的企业数据,业务标识可以与相应的企业标识相对应,业务数据包括企业经营数据、企业交易数据以及客户数据等。例如,业务数据还可以外部数据和内部数据,外部数据可包括洗钱案例、监管信息、司法判决案例和同业数据等数据;内部数据包括经营数据、客户数据、交易数据和名单数据等数据。每种数据包括相应的数据类型标识。
风控服务器进一步根据业务请求中携带的业务标识调用对应的业务接口,通过业务接口获取业务***中的业务数据,将业务数据输入至已训练的企业风险评估模型,通过企业风险评估模型对业务标识对应的企业进行风险评估。具体地,风控服务器可以根据不同的数据类型标识预先配置相应的关键字段和结构化字段,并生成关键数据表。风控服务器则根据字段映射表识别匹配业务数据中相对应的关键字段,并根据结构化字段将匹配的字段数据进行结构化处理,按照预设的结构化字段生成不同数据类型标识相应的关键数据,根据企业标识的关键数据中提取风险子项数据,通过企业风险评估模型根据风险子项数据和预设指标计算多个风险子项评分;进而根据多个风险子项评分和权重计算企业的风险等级,并根据风险等级生成该企业的企业风险评分。
步骤208,当用户风险评分和企业风险评分中任意一个达到风险阈值时,确定达到风险阈值的业务请求存在风险,调用***对业务请求触发拦截指令,使得对应的业务***响应拦截指令生成拦截页面,并将拦截页面返回至对应的用户终端。
风控服务器分别通过用户风险评估模型和企业风险评估模型评估得到用户风险评分和企业风险评分后,则判断业务请求对应的用户或者企业是否存在风险。当用户风险评分和企业风险评分中任意一个达到风险阈值时,确定达到风险阈值的业务请求存在风险。风控服务器则调用***针对该存在风险的业务请求触发拦截指令,使得对应的业务***响应拦截指令,并按照预设方式生成业务请求的拦截页面,进而将拦截页面返回至对应的用户终端,从而及时有效地对存在风险的业务请求进行拦截。
在其中一个实施例中,业务***对应的业务服务器接收到用户终端发送的业务请求后,可以首先暂停对业务请求进行相应的业务处理。通过风控服务器监听到业务***接收到的业务请求后,调用多个线程分别对各个业务***接收的业务请求进行用户风险评估和企业风险评估。若业务请求中存在用户风险评分和企业风险评分中任意一个达到风险阈值时,确定达到风险阈值的业务请求存在风险,调用***对该业务请求触发拦截指令,使得对应的业务***响应拦截指令生成拦截页面,并将拦截页面返回至对应的用户终端。若业务请求对应的用户风险评分和企业风险评分均未达到风险阈值时,表示该业务请求和相应的企业不存在风险,风控服务器则不对业务请求进行拦截,并向对应的业务***返回风险评估参数,使得对应的业务***对风险评估参数进行解析后,继续对业务请求进行相应的业务处理。从而能够及时有效地发现风险漏洞,进而能够有效地对业务请求进行监控以提高业务请求的安全性。
步骤210,根据业务请求的用户风险评分和企业风险评分生成预警提示信息,将预警提示信息发送至监控终端。
风控服务器对存在风险的业务请求进行拦截后,同时还可以进一步根据业务请求的用户风险评分和企业风险评分生成预警提示信息,将预警提示信息发送至监控终端。例如,风控服务器可以根据用户风险评分和企业风险评分中存在具体的风险子项生成相应的预警提示信息,并发送至监控终端,使得监控终端根据预警提示信息分析业务请求对应的用户或者企业存在的具体风险,以针对性地分析相应的风险管控策略。通过对业务请求对应的用户风险和企业风险进行评估,从而能够有效地发现风险漏洞并及时拦截存在风险的业务请求,进而能够有效地对业务请求进行监控以提高业务请求的安全性。
上述风险监控处理方法中,风控服务器调用多个线程获取多个业务***接收的业务请求后,根据业务请求携带的用户标识从数据库中获取用户关联数据,通过用户风险评估模型对用户关联数据进行风险评估,由此能够准确有效得到用户风险评分。风控服务器同时根据业务请求携带的业务标识调用业务接口获取业务***中的业务数据,通过企业风险评估模型对业务数据进行风险评估,从而能够准确有效得到相应的企业风险评分;当用户风险评分和企业风险评分中任意一个达到风险阈值时,确定达到风险阈值的业务请求存在风险,调用***对业务请求触发拦截指令,使得对应的业务***响应拦截指令生成拦截页面,并将拦截页面返回至对应的用户终端;通过对业务请求对应的用户风险和企业风险进行评估,从而能够有效地发现风险漏洞并及时拦截存在风险的业务请求。风控服务器根据业务请求的用户风险评分和企业风险评分生成预警提示信息,将预警提示信息发送至监控终端,进而能够有效地对业务请求进行监控以提高业务请求的安全性。
在一个实施例中,如图3所示,风控服务器集群中包括多个业务***对应的业务节点,业务节点还可以包括多个从节点,该方法还包括对多个业务请求进行分发的步骤,该步骤具体包括以下内容:
步骤302,根据业务标识将多个业务请求分配至对应的业务节点。
步骤304,根据业务标识对集群中业务节点的多个从节点的当前负载权重进行轮询,得到每个从节点的当前负载权重。
步骤306,业务节点根据每个从节点的当前负载权重为多个业务请求选择对应的从节点标识。
步骤308,对选择的从节点标识对应的当前负载权重进行平滑处理,利用平滑处理后的结果选择下一个业务请求,直到为多个业务请求选择出对应的节点标识。
步骤310,业务节点根据被选择的从节点标识将多个业务请求分别分配至对应的从节点,使得多个从节点调用多个线程同步对多个业务请求进行风险监控。
为了提高业务请求的处理效率,风控服务器可以为服务器集群。其中,风控服务器集群中可以包括多个业务节点,包括业务节点对应业务***,业务节点还可以包括多个从节点。
风控服务器监听到业务***接收到多个用户终端发送的多个业务请求后,调用多个线程获取多个业务***接收的业务请求。具体地,业务请求携带了业务标识,风控服务器首先根据业务标识选择对应的业务节点,将多个业务请求分配至业务标识对应的业务节点,并将业务请求分别发送至业务节点对应的多个从节点进行处理。
进一步地,风控服务器为多个业务请求选择相应的业务节点后,根据业务标识对集群中多个业务节点的多个从节点的当前负载权重进行轮询,得到每个从节点的当前负载权重。业务节点根据集群中每个从节点的当前负载权重为多个业务请求选择对应的从节点标识。业务节点进而对被选择的从节点标识对应的当前负载权重进行平滑处理,利用平滑处理后的结果选择下一个业务请求对应的从节点标识,直至为多个业务请求选择出对应的从节点标识。业务节点进而根据被选择的从节点标识将多个业务请求分别分配至对应的从节点,使得多个从节点调用多个线程分别对多个业务请求同步进行风险评估和监控。通过平滑处理可以对当前已分配业务请求的从节点的资源消耗进行抵消,防止重复计算其负载权重,以此达到集群中多个从节点的负载均衡。从而能够使得集群中的多个从节点分别对多个业务请求进行并行处理,有效提高业务请求的风险监控效率。
在一个实施例中,通过用户风险评估模型对用户关联数据进行风险评估,得到用户风险评分的步骤包括:对用户关联数据进行关键数据提取,提取出用户关联数据中的多个关键指标对应的关键数据;对多个关键数据进行特征提取,得到多个关键指标对应的数据特征;计算多个关键指标对应的数据特征的多项风险指数,根据多项风险指数生成风险矩阵;根据风险矩阵得到用户标识的用户风险评分。
其中,用户关联数据指某一用户的相关业务领域的用户数据,用户关联数据可以包括用户个人信息、征信数据、历史行为信息以及在多个业务***的历史交易数据等。
风控服务器调用多个线程获取多个业务***接收的业务请求,风控服务器获取到多个业务***的业务请求后,则根据业务请求中携带的用户标识从本地数据库以及第三方数据库中获取该用户的用户关联数据。风控服务器进而通过用户风险评估模型对用户关联数据进行风险评估。
风控服务器将用户关联数据输入至已训练的用户风险评估模型,通过用户风险评估模型根据用户关联数据对该用户的业务请求进行风险评估。具体地,风控服务器可以根据预设的关键数据表对用户关联数据进行关键数据提取,提取出用户关联数据中的多个关键指标对应的关键数据。通过用户风险评估模型对业务请求对多个关键数据进行特征提取,得到多个关键指标对应的数据特征。根据业务类型利用用户风险评估模型计算多个关键指标对应的数据特征的多项风险指数。根据计算得到的多项风险指数生成风险矩阵,进而根据风险矩阵得到用户标识的用户风险评分。通过用户风险评估模型对获取的用户关联数据进行风险分析,由此能够准确有效地得到业务请求对应用户的用户风险评分,从而能够有效地对业务请求进行风险监控。
在一个实施例中,如图4所示,通过企业风险评估模型对业务数据进行风险评估,得到企业风险评分的步骤,具体包括以下内容:
步骤402,对多个业务数据进行关键数据提取,提取企业数据中的多个关键指标数据以及对应的数据特征。
步骤404,通过企业风险评估模型对数据特征进行分析,计算企业标识对应的固有风险评分、管控风险评分和剩余风险评分。
步骤406,根据固有风险评分、管控风险评分和剩余风险评分计算企业标识的企业风险评分。
其中,业务数据可以为业务***对应的企业数据,业务标识可以与相应的企业标识相对应,业务数据包括企业经营数据、企业交易数据以及客户数据等。例如,业务数据还可以企业外部数据和企业内部数据,外部数据可包括洗钱案例、监管信息、司法判决案例和同业数据等数据;内部数据包括经营数据、客户数据、交易数据和名单数据等数据。每种数据包括相应的数据类别标识。
风控服务器调用多个线程获取多个业务***接收的业务请求,风控服务器获取到多个业务***的业务请求后,风控服务器进一步根据业务请求中携带的业务标识调用对应的业务接口。通过业务接口获取业务***中的业务数据,将业务数据输入至已训练的企业风险评估模型,通过企业风险评估模型对业务标识对应的企业进行风险评估。
具体地,风控服务器可以根据不同的数据类型标识预先配置相应的关键字段和结构化字段,并生成关键数据表。风控服务器则根据字段映射表识别匹配业务数据中相对应的关键字段,并根据结构化字段将匹配的字段数据进行结构化处理,按照预设的结构化字段从业务数据中提取出多个关键指标对应的关键数据。风控服务器进而通过企业风险评估模型对多个关键数据进行特征提取,得到多个关键指标对应的数据特征。通过企业风险评估模型根据多个关键指标对应的数据特征和预设指标计算企业标识的固有风险评分、管控风险评分和剩余风险评分,进而根据多个风险子项评分固有风险评分、管控风险评分和剩余风险评分和对应的权重计算企业标识对应的企业风险评分。
进一步的,固有风险是指基于每个专业公司的经营环境与规模、客户风险以及业务交易风险等风险领域的情形进行的定量评估。风控服务器计算每个企业标识对应的固有风险评分的过程可以如下:风控服务器根据企业标识的关键数据中提取风险子项数据,将提取出的风险子项数据输入至预设的风险评估模型中,每个风险子项数据包括相应的子项指标;通过风险评估模型根据风险子项数据和预设指标计算多个风险子项评分;进而根据多个风险子项评分和权重计算固有风险评分。
例如,计算企业固有风险评分的公式可以为:
其中,a代表风险子项评分,p代表权重,m代表金融机构所选取的风险分级数(例如m=5),n代表风险子项数量。风险等级总分最高100分。
例如,各级指标风险等级的统计按照加权平均公式算出后,指标得分区间可以为[0,1.25]为低风险,(1.251,2.25]为较低风险,(2.251,3.25]为中风险,(3.251,4.25]为较高风险,(4.251,5]为高风险进行风险等级的划分。得出固有风险评分后,固有风险评估结果可以按照以下区间划分等级:低风险(0-20含);较低风险(20-40含);中风险(40-60含);较高风险(60-80含);高风险(80-100含),当本次固有风险评分为37.5分时,风险等级则为较低风险。通过对各个企业的关键数据进行分析,并根据自身风险指标和权值计算出固有风险,可以有效地评估出各个企业自身存在的固有风险。
进一步的,管控风险评分可以表示控制措施评估,可以是基于各个企业的风险管理策略与环境以及内部控制措施的管理情况开展的定性评估。风控服务器分析各个企业的管控风险评分的过程可以如下:风控服务器通过风险评估模型分析出各个企业的固有风险评分后,进而根据企业标识的业务数据和固有风险分析出该企业的控制措施方案,并根据控制措施方案分析出控制措施指标以及对应的指标权重;风控服务器则根据各个企业标识的固有风险评分和控制措施指标分析出该企业的管控风险评分。通过根据各个专业公司存在的固有风险分析出相应的控制措施方案,进而可以有效分析出各个企业采取控制措施方案后所对应的管控风险评分。
进一步的,风控服务器分析出各个企业的固有风险评分和管控风险评分后,获取预设的剩余风险矩阵,剩余风险矩阵可以是通过利用固有风险的等级指标和管控风险的等级指标构建的;根据固有风险评分和管控风险评分通过剩余风险矩阵进行比对,得到对应的剩余风险等级;根据固有风险评分、管控风险评分和剩余风险等级权重计算剩余风险评分。通过剩余风险矩阵图可以有效得到各个企业的剩余风险,从而可以及时有效地发现各个企业存在的风险漏洞。
例如,如下表1所示,企业标识的剩余风险是由固有风险(纵轴)通过剩余风险矩阵图比对控制措施(横轴)后得出的。即:企业的固有风险评分比对企业的管控风险评分等于企业的剩余风险。进一步地,集团的固有风险总分比对集团的管控风险评分等于集团的剩余风险。
表1
例如,从剩余风险等级来看,固有风险如果为中风险,管控风险等级为良,则剩余风险为中风险。从剩余风险得分来看,固有风险得分为55分,控制措施得分为80分,则剩余风险得分的运算公式为:[55+(100-80)]/180(180为总分固定值)*100=42分。例如本次评估的剩余风险等级为中风险,得分42分,级别为C级。通过剩余风险矩阵图可以有效得到各个企业的剩余风险,从而可以及时有效地发现各个企业存在的风险漏洞。
在一个实施例中,风控服务器分析出多个企业标识的企业风险评分后,该方法还可以包括:对多个企业标识的业务数据进行分析,得到每个企业标识对应的权重参数;根据每个企业标识的固有风险评分、管控风险评分和剩余风险评分计算固有风险评总分、管控风险评总分和剩余风险总分;根据固有风险评总分、管控风险评总分和剩余风险总分以及对应的权重参数计算目标风险总分;根据目标风险总分生成风险报告,将风险报告发送至监控终端,以使监控终端根据风险报告进行风险管控。
风控服务器分析出多个企业标识的企业风险评分后,还可以进一步分析出多个企业对应的风险总分。具体地,风控服务器对多个企业标识的业务数据进行分析,得到每个企业标识对应的权重参数。风控服务器进而根据每个企业标识的固有风险评分和对应的权重参数计算固有风险总分,根据每个企业标识的管控风险评分和对应的权重参数计算管控风险总分;根据每个企业标识的剩余风险评分和对应的权重参数计算剩余风险总分。风控服务器则根据固有风险评总分、管控风险评总分和剩余风险总分以及对应的权重参数计算得到目标风险总分。风控服务器进而根据目标风险总分以及固有风险评总分、管控风险评总分和剩余风险总分按照预设方式生成风险报告。其中,风险报告可以包括多个风险项和相应的风险指数,用于展示多个企业所对应的整体风险指标。
例如,多个企业标识可以是集团对应的多个专业公司的企业标识,多个企业标识对应的整体风险可以表示集团所对应的集团风险。风控服务器根据每个企业标识的多项风险总分和分别对应的权重参数可以计算出集团的风险总分。通过对各个专业公司的风险进行综合分析和评估,可以有效地分析出集团整体的风险。
在一个实施例中,业务请求包括请求标识,调用***对业务请求触发拦截指令的步骤包括:根据请求标识向业务请求对应的业务***触发拦截指令,调用***从业务***中截取业务请求;获取业务请求对应的请求链接,根据风险评分结果获取对应的拦截数据字段;根据拦截数据字段生成对应的拦截链接,通过对应的业务接口将所述拦截链接转发至对应的业务***,使得业务***根据所述拦截链接生成拦截页面并返回至相应的用户终端。
风控服务器调用多个线程获取多个业务***接收的业务请求后,根据业务请求携带的用户标识从数据库中获取用户关联数据,风控服务器分别通过用户风险评估模型和企业风险评估模型评估得到用户风险评分和企业风险评分。风控服务器则根据用户风险评分和企业风险评分生成风险评分结果。风控服务器进一步根据用户风险评分和企业风险评分判断业务请求对应的用户或者企业是否存在风险。
当用户风险评分和企业风险评分中任意一个达到风险阈值时,确定达到风险阈值的业务请求存在风险。风控服务器则对该业务请求进行拦截。具体地,风控服务器根据请求标识向业务请求对应的业务***触发拦截指令,使得对应的业务***响应拦截指令,调用***从业务***中截取业务请求。风控服务器进而获取业务请求对应的请求链接,根据风险评分结果获取对应的拦截数据字段,根据拦截数据字段生成对应的拦截链接。风控服务器则通过当前处理的从节点对应的业务接口,将拦截链接转发至对应的业务***,使得业务***根据拦截链接生成拦截页面并返回至相应的用户终端,从业务请求链接跳转至拦截链接返回给对应的用户终端。从而及时有效地对存在风险的业务请求进行拦截。
应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种风险监控处理装置,包括:请求截取模块502、用户风险分析模块504、企业风险分析模块506、请求拦截模块508和风险预警模块510,其中:
请求截取模块502,用于调用多个线程获取多个业务***接收的业务请求,业务请求包括用户标识和业务标识;
用户风险分析模块504,用于根据用户标识从数据库中获取用户关联数据,通过用户风险评估模型对用户关联数据进行风险评估,得到用户风险评分;
企业风险分析模块506,用于根据业务标识调用业务接口获取业务***中的业务数据,通过企业风险评估模型对业务数据进行风险评估,得到企业风险评分;
请求拦截模块508,用于当用户风险评分和企业风险评分中任意一个达到风险阈值时,确定达到风险阈值的业务请求存在风险,调用***对业务请求触发拦截指令,使得对应的业务***响应拦截指令生成拦截页面,并将拦截页面返回至对应的用户终端;
风险预警模块510,用于根据业务请求的用户风险评分和企业风险评分生成预警提示信息,将预警提示信息发送至监控终端。
在一个实施例中,风控服务器集群中包括多个业务***对应的业务节点,业务节点还可以包括多个从节点,该装置还包括请求分发模块,用于根据业务标识将多个业务请求分配至对应的业务节点;根据业务标识对集群中业务节点的多个从节点的当前负载权重进行轮询,得到每个从节点的当前负载权重;业务节点根据每个从节点的当前负载权重为多个业务请求选择对应的从节点标识;对选择的从节点标识对应的当前负载权重进行平滑处理,利用平滑处理后的结果选择下一个业务请求,直到为多个业务请求选择出对应的从节点标识;业务节点根据被选择的从节点标识将多个业务请求分别分配至对应的从节点,使得多个从节点调用多个线程同步对多个业务请求进行风险监控。
在一个实施例中,用户风险分析模块504还用于对用户关联数据进行关键数据提取,提取出用户关联数据中的多个关键指标对应的关键数据;对多个关键数据进行特征提取,得到多个关键指标对应的数据特征;计算多个关键指标对应的数据特征的多项风险指数,根据多项风险指数生成风险矩阵;根据风险矩阵得到用户标识的用户风险评分。
在一个实施例中,企业风险分析模块506还用于对多个业务数据进行关键数据提取,提取企业数据中的多个关键指标数据以及对应的数据特征;通过企业风险评估模型对数据特征进行分析,计算企业标识对应的固有风险评分、管控风险评分和剩余风险评分;根据固有风险评分、管控风险评分和剩余风险评分计算企业标识的企业风险评分。
在一个实施例中,企业风险分析模块506还用于对多个企业标识的业务数据进行分析,得到每个企业标识对应的权重参数;根据每个企业标识的固有风险评分、管控风险评分和剩余风险评分计算固有风险评总分、管控风险评总分和剩余风险总分;根据固有风险评总分、管控风险评总分和剩余风险总分以及对应的权重参数计算目标风险总分;根据目标风险总分生成风险报告,将风险报告发送至监控终端,以使监控终端根据风险报告进行风险管控。
在一个实施例中,业务请求包括请求标识,请求拦截模块508还用于根据请求标识向业务请求对应的业务***触发拦截指令,调用***从业务***中截取业务请求;获取业务请求对应的请求链接,根据风险评分结果获取对应的拦截数据字段;根据拦截数据字段生成对应的拦截链接,通过对应的业务接口将拦截链接转发至对应的业务***,使得业务***根据拦截链接生成拦截页面并返回至相应的用户终端。
关于风险监控处理装置的具体限定可以参见上文中对于风险监控处理方法的限定,在此不再赘述。上述风险监控处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储用户关联数据、业务数据、风险评分结果等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现本申请任意一个实施例中提供的风险监控处理方法的步骤。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现本申请任意一个实施例中提供的风险监控处理方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上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申请的几种实施方式,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,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种风险监控处理方法,所述方法包括:
调用多个线程获取多个业务***接收的业务请求,所述业务请求包括用户标识和业务标识;
根据所述用户标识从数据库中获取用户关联数据,通过用户风险评估模型对所述用户关联数据进行风险评估,得到用户风险评分;
根据所述业务标识调用业务接口获取业务***中的业务数据,通过企业风险评估模型对所述业务数据进行风险评估,得到企业风险评分;
当所述用户风险评分和企业风险评分中任意一个达到风险阈值时,确定达到风险阈值的业务请求存在风险,调用***对所述业务请求触发拦截指令,使得对应的业务***响应所述拦截指令生成拦截页面,并将所述拦截页面返回至对应的用户终端;
根据所述业务请求的用户风险评分和企业风险评分生成预警提示信息,将所述预警提示信息发送至监控终端。
2.根据权利要求1所述的方法,其特征在于,风控服务器集群中包括多个业务***对应的业务节点,所述业务节点还可以包括多个从节点,所述方法还包括:
根据所述业务标识将多个业务请求分配至对应的业务节点;
根据所述业务标识对集群中业务节点的多个从节点的当前负载权重进行轮询,得到每个从节点的当前负载权重;
业务节点根据每个从节点的当前负载权重为多个业务请求选择对应的从节点标识;
对选择的从节点标识对应的当前负载权重进行平滑处理,利用平滑处理后的结果选择下一个业务请求,直到为多个业务请求选择出对应的从节点标识;
业务节点根据被选择的从节点标识将多个业务请求分别分配至对应的从节点,使得多个从节点调用多个线程同步对多个业务请求进行风险监控。
3.根据权利要求1所述的方法,其特征在于,所述通过用户风险评估模型对所述用户关联数据进行风险评估,得到用户风险评分的步骤包括:
对所述用户关联数据进行关键数据提取,提取出所述用户关联数据中的多个关键指标对应的关键数据;
对多个关键数据进行特征提取,得到多个关键指标对应的数据特征;
计算多个关键指标对应的数据特征的多项风险指数,根据所述多项风险指数生成风险矩阵;
根据所述风险矩阵得到所述用户标识的用户风险评分。
4.根据权利要求1所述的方法,其特征在于,所述通过企业风险评估模型对所述业务数据进行风险评估,得到企业风险评分的步骤包括:
对多个业务数据进行关键数据提取,提取所述企业数据中的多个关键指标数据以及对应的数据特征;
通过所述企业风险评估模型对所述数据特征进行分析,计算企业标识对应的固有风险评分、管控风险评分和剩余风险评分;
根据所述固有风险评分、管控风险评分和剩余风险评分计算所述企业标识的企业风险评分。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
对多个企业标识的业务数据进行分析,得到每个企业标识对应的权重参数;
根据每个企业标识的固有风险评分、管控风险评分和剩余风险评分计算固有风险评总分、管控风险评总分和剩余风险总分;
根据所述固有风险评总分、管控风险评总分和剩余风险总分以及对应的权重参数计算目标风险总分;
根据所述目标风险总分生成风险报告,将所述风险报告发送至监控终端,以使所述监控终端根据所述风险报告进行风险管控。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述业务请求包括请求标识,所述调用***对所述业务请求触发拦截指令的步骤包括:
根据所述请求标识向所述业务请求对应的业务***触发拦截指令,调用***从所述业务***中截取所述业务请求;
获取所述业务请求对应的请求链接,根据风险评分结果获取对应的拦截数据字段;
根据所述拦截数据字段生成对应的拦截链接,通过对应的业务接口将所述拦截链接转发至对应的业务***,使得业务***根据所述拦截链接生成拦截页面并返回至相应的用户终端。
7.一种风险监控处理装置,所述装置包括:
请求截取模块,用于调用多个线程获取多个业务***接收的业务请求,所述业务请求包括用户标识和业务标识;
用户风险分析模块,用于根据所述用户标识从数据库中获取用户关联数据,通过用户风险评估模型对所述用户关联数据进行风险评估,得到用户风险评分;
企业风险分析模块,用于根据所述业务标识调用业务接口获取业务***中的业务数据,通过企业风险评估模型对所述业务数据进行风险评估,得到企业风险评分;
请求拦截模块,用于当所述用户风险评分和企业风险评分中任意一个达到风险阈值时,确定达到风险阈值的业务请求存在风险,调用***对所述业务请求触发拦截指令,使得对应的业务***响应所述拦截指令生成拦截页面,并将所述拦截页面返回至对应的用户终端;
风险预警模块,用于根据所述业务请求的用户风险评分和企业风险评分生成预警提示信息,将所述预警提示信息发送至监控终端。
8.根据权利要求7所述的装置,其特征在于,风控服务器集群中包括多个业务***对应的业务节点,所述业务节点还可以包括多个从节点,所述装置还包括请求分发模块,用于根据所述业务标识将多个业务请求分配至对应的业务节点;根据所述业务标识对集群中业务节点的多个从节点的当前负载权重进行轮询,得到每个从节点的当前负载权重;业务节点根据每个从节点的当前负载权重为多个业务请求选择对应的从节点标识;对选择的从节点标识对应的当前负载权重进行平滑处理,利用平滑处理后的结果选择下一个业务请求,直到为多个业务请求选择出对应的从节点标识;业务节点根据被选择的从节点标识将多个业务请求分别分配至对应的从节点,使得多个从节点调用多个线程同步对多个业务请求进行风险监控。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910753282.5A CN110659800A (zh) | 2019-08-15 | 2019-08-15 | 风险监控处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910753282.5A CN110659800A (zh) | 2019-08-15 | 2019-08-15 | 风险监控处理方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110659800A true CN110659800A (zh) | 2020-01-07 |
Family
ID=69037506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910753282.5A Pending CN110659800A (zh) | 2019-08-15 | 2019-08-15 | 风险监控处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110659800A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111426345A (zh) * | 2020-03-24 | 2020-07-17 | 深圳供电局有限公司 | 分布式电缆沟道环境监测***、方法、计算机设备 |
CN111429257A (zh) * | 2020-03-19 | 2020-07-17 | 中国建设银行股份有限公司 | 一种交易监控方法和装置 |
CN111445110A (zh) * | 2020-03-05 | 2020-07-24 | 深圳供电局有限公司 | 基于电缆沟道的环境风险决策方法、装置、计算机设备 |
CN111489074A (zh) * | 2020-04-07 | 2020-08-04 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置、设备及存储介质 |
CN111798246A (zh) * | 2020-07-16 | 2020-10-20 | 中国工商银行股份有限公司 | 一种金融风险等级评估方法和装置 |
CN112016796A (zh) * | 2020-07-15 | 2020-12-01 | 北京淇瑀信息科技有限公司 | 综合风险评分请求处理方法、装置及电子设备 |
CN112149951A (zh) * | 2020-08-11 | 2020-12-29 | 招联消费金融有限公司 | 风险控制方法、装置、计算机设备和存储介质 |
CN112184238A (zh) * | 2020-09-23 | 2021-01-05 | 中国建设银行股份有限公司 | 金融租赁行业的反洗钱监控方法、装置、电子设备及介质 |
CN112491930A (zh) * | 2020-12-16 | 2021-03-12 | 平安养老保险股份有限公司 | ***风险动态监控方法、***、计算机设备及存储介质 |
CN113762671A (zh) * | 2020-09-15 | 2021-12-07 | 北京同邦卓益科技有限公司 | 风险评估方法、装置及*** |
CN113849369A (zh) * | 2021-09-22 | 2021-12-28 | 上海浦东发展银行股份有限公司 | 一种评分方法、装置、设备及存储介质 |
CN113919679A (zh) * | 2021-09-30 | 2022-01-11 | 武汉金豆医疗数据科技有限公司 | 业务流程风险防控方法及*** |
CN114629973A (zh) * | 2022-03-29 | 2022-06-14 | 深圳市金蝶天燕云计算股份有限公司 | 报文处理方法、装置、计算机设备和存储介质 |
CN115063146A (zh) * | 2022-06-29 | 2022-09-16 | 支付宝(杭州)信息技术有限公司 | 保护数据隐私的风险评估方法、***及装置 |
CN115564322A (zh) * | 2022-12-06 | 2023-01-03 | 连连(杭州)信息技术有限公司 | 一种业务处理方法、装置、电子设备及存储介质 |
CN116777621A (zh) * | 2023-06-25 | 2023-09-19 | 陕西西煤云商信息科技有限公司 | 一种贸易业务风险防控方法及其防控*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876133A (zh) * | 2018-06-07 | 2018-11-23 | 中国平安人寿保险股份有限公司 | 基于业务信息的风险评估处理方法、装置、服务器和介质 |
CN109359809A (zh) * | 2018-09-03 | 2019-02-19 | 中国平安人寿保险股份有限公司 | 工作任务分配方法、***、计算机设备和存储介质 |
CN109472372A (zh) * | 2018-10-17 | 2019-03-15 | 平安国际融资租赁有限公司 | 基于租赁设备的资源数据分配方法、装置和计算机设备 |
CN109492367A (zh) * | 2018-10-17 | 2019-03-19 | 平安国际融资租赁有限公司 | 电子合同签名处理方法、装置、计算机设备和存储介质 |
CN109636607A (zh) * | 2018-12-18 | 2019-04-16 | 平安科技(深圳)有限公司 | 基于模型部署的业务数据处理方法、装置和计算机设备 |
CN109858737A (zh) * | 2018-12-18 | 2019-06-07 | 平安科技(深圳)有限公司 | 基于模型部署的评分模型调整方法、装置和计算机设备 |
-
2019
- 2019-08-15 CN CN201910753282.5A patent/CN110659800A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876133A (zh) * | 2018-06-07 | 2018-11-23 | 中国平安人寿保险股份有限公司 | 基于业务信息的风险评估处理方法、装置、服务器和介质 |
CN109359809A (zh) * | 2018-09-03 | 2019-02-19 | 中国平安人寿保险股份有限公司 | 工作任务分配方法、***、计算机设备和存储介质 |
CN109472372A (zh) * | 2018-10-17 | 2019-03-15 | 平安国际融资租赁有限公司 | 基于租赁设备的资源数据分配方法、装置和计算机设备 |
CN109492367A (zh) * | 2018-10-17 | 2019-03-19 | 平安国际融资租赁有限公司 | 电子合同签名处理方法、装置、计算机设备和存储介质 |
CN109636607A (zh) * | 2018-12-18 | 2019-04-16 | 平安科技(深圳)有限公司 | 基于模型部署的业务数据处理方法、装置和计算机设备 |
CN109858737A (zh) * | 2018-12-18 | 2019-06-07 | 平安科技(深圳)有限公司 | 基于模型部署的评分模型调整方法、装置和计算机设备 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445110B (zh) * | 2020-03-05 | 2023-03-03 | 深圳供电局有限公司 | 基于电缆沟道的环境风险决策方法、装置、计算机设备 |
CN111445110A (zh) * | 2020-03-05 | 2020-07-24 | 深圳供电局有限公司 | 基于电缆沟道的环境风险决策方法、装置、计算机设备 |
CN111429257A (zh) * | 2020-03-19 | 2020-07-17 | 中国建设银行股份有限公司 | 一种交易监控方法和装置 |
CN111429257B (zh) * | 2020-03-19 | 2024-04-12 | 中国建设银行股份有限公司 | 一种交易监控方法和装置 |
CN111426345A (zh) * | 2020-03-24 | 2020-07-17 | 深圳供电局有限公司 | 分布式电缆沟道环境监测***、方法、计算机设备 |
CN111489074A (zh) * | 2020-04-07 | 2020-08-04 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置、设备及存储介质 |
CN112016796A (zh) * | 2020-07-15 | 2020-12-01 | 北京淇瑀信息科技有限公司 | 综合风险评分请求处理方法、装置及电子设备 |
CN112016796B (zh) * | 2020-07-15 | 2024-03-01 | 北京淇瑀信息科技有限公司 | 综合风险评分请求处理方法、装置及电子设备 |
CN111798246A (zh) * | 2020-07-16 | 2020-10-20 | 中国工商银行股份有限公司 | 一种金融风险等级评估方法和装置 |
CN112149951A (zh) * | 2020-08-11 | 2020-12-29 | 招联消费金融有限公司 | 风险控制方法、装置、计算机设备和存储介质 |
CN113762671A (zh) * | 2020-09-15 | 2021-12-07 | 北京同邦卓益科技有限公司 | 风险评估方法、装置及*** |
CN112184238A (zh) * | 2020-09-23 | 2021-01-05 | 中国建设银行股份有限公司 | 金融租赁行业的反洗钱监控方法、装置、电子设备及介质 |
CN112491930A (zh) * | 2020-12-16 | 2021-03-12 | 平安养老保险股份有限公司 | ***风险动态监控方法、***、计算机设备及存储介质 |
CN113849369A (zh) * | 2021-09-22 | 2021-12-28 | 上海浦东发展银行股份有限公司 | 一种评分方法、装置、设备及存储介质 |
CN113849369B (zh) * | 2021-09-22 | 2024-06-11 | 上海浦东发展银行股份有限公司 | 一种评分方法、装置、设备及存储介质 |
CN113919679A (zh) * | 2021-09-30 | 2022-01-11 | 武汉金豆医疗数据科技有限公司 | 业务流程风险防控方法及*** |
CN114629973A (zh) * | 2022-03-29 | 2022-06-14 | 深圳市金蝶天燕云计算股份有限公司 | 报文处理方法、装置、计算机设备和存储介质 |
CN115063146A (zh) * | 2022-06-29 | 2022-09-16 | 支付宝(杭州)信息技术有限公司 | 保护数据隐私的风险评估方法、***及装置 |
CN115564322B (zh) * | 2022-12-06 | 2023-09-19 | 连连(杭州)信息技术有限公司 | 一种业务处理方法、装置、电子设备及存储介质 |
CN115564322A (zh) * | 2022-12-06 | 2023-01-03 | 连连(杭州)信息技术有限公司 | 一种业务处理方法、装置、电子设备及存储介质 |
CN116777621B (zh) * | 2023-06-25 | 2024-02-06 | 陕西西煤云商信息科技有限公司 | 一种贸易业务风险防控方法及其防控*** |
CN116777621A (zh) * | 2023-06-25 | 2023-09-19 | 陕西西煤云商信息科技有限公司 | 一种贸易业务风险防控方法及其防控*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110659800A (zh) | 风险监控处理方法、装置、计算机设备和存储介质 | |
CN109345374B (zh) | 风险控制方法、装置、计算机设备和存储介质 | |
CN108389121B (zh) | 贷款数据处理方法、装置、计算机设备和存储介质 | |
CN108876133B (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
CN109636607B (zh) | 基于模型部署的业务数据处理方法、装置和计算机设备 | |
CN109858737B (zh) | 基于模型部署的评分模型调整方法、装置和计算机设备 | |
CN110493190B (zh) | 数据信息的处理方法、装置、计算机设备和存储介质 | |
CN107784067B (zh) | 监察信息处理方法、装置、服务器和存储介质 | |
CN109508903B (zh) | 风险评估方法、装置、计算机设备和存储介质 | |
US20120030083A1 (en) | System and method for evaluating risk in fraud prevention | |
CN110490594B (zh) | 业务数据处理方法、装置、计算机设备和存储介质 | |
CN108416665B (zh) | 数据交互方法、装置、计算机设备和存储介质 | |
CN105009132A (zh) | 基于置信因子的事件关联 | |
WO2021098274A1 (zh) | 针对隐私数据泄漏的风险评估方法及装置 | |
CN110084606B (zh) | 风险控制方法、装置、计算机设备和存储介质 | |
KR102230441B1 (ko) | 보안 취약점 진단 결과를 기반으로 보안 조치 보고서를 생성하는 방법, 장치 및 프로그램 | |
CN112766974A (zh) | 风险账户识别方法、装置、计算机设备和存储介质 | |
CN113919664A (zh) | Api资产风险控制方法、装置、计算机设备和存储介质 | |
CN113687800A (zh) | 文件打印处理方法、装置、计算机设备和存储介质 | |
KR102042442B1 (ko) | 디지털 컴플라이언스 및 위험 관리를 위한 레그테크 플랫폼 장치, 금융거래 위험 관리 방법 및 이를 위한 컴퓨터 프로그램 | |
CN111340365A (zh) | 企业数据处理方法、装置、计算机设备和存储介质 | |
CN110913397A (zh) | 短信校验方法、装置、存储介质和计算机设备 | |
CN117675938A (zh) | 电力人工智能模型线上调用方法及*** | |
US11023863B2 (en) | Machine learning risk assessment utilizing calendar data | |
US9929921B2 (en) | Techniques for workload toxic mapping |
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 |