CN110827144A - 用户的申请风险评估方法、申请风险评估装置及电子设备 - Google Patents

用户的申请风险评估方法、申请风险评估装置及电子设备 Download PDF

Info

Publication number
CN110827144A
CN110827144A CN201911107556.XA CN201911107556A CN110827144A CN 110827144 A CN110827144 A CN 110827144A CN 201911107556 A CN201911107556 A CN 201911107556A CN 110827144 A CN110827144 A CN 110827144A
Authority
CN
China
Prior art keywords
application
risk
user
collective
information
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.)
Granted
Application number
CN201911107556.XA
Other languages
English (en)
Other versions
CN110827144B (zh
Inventor
申凤景
黄亚军
陈树华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Top Image Technology Co Ltd
Original Assignee
Beijing Top Image Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Top Image Technology Co Ltd filed Critical Beijing Top Image Technology Co Ltd
Priority to CN201911107556.XA priority Critical patent/CN110827144B/zh
Publication of CN110827144A publication Critical patent/CN110827144A/zh
Application granted granted Critical
Publication of CN110827144B publication Critical patent/CN110827144B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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

本申请提供了用户的申请风险评估方法、申请风险评估装置及电子设备，所述申请风险评估方法包括：当接收到目标用户发送的申请请求时，获取申请请求的申请信息；基于申请信息指示的目标用户的多个属性特征将目标用户划分至对应的申请集体；基于确定出的目标用户的目标风险标签以及每一个候选用户的每一个风险标签，确定在目标用户进入申请集体后的集体风险信息；将所述集体风险信息确定为目标用户的风险信息。这样，可以将与所述目标用户具有申请关联的多个候选用户，确定出申请集体的集体风险信息作为目标用户的风险信息，并基于风险信息对所述目标用户进行申请风险评估，评估可参考的信息数量多，不易包装，有助于提高用户申请风险评估的准确性。

Description

用户的申请风险评估方法、申请风险评估装置及电子设备
技术领域
本申请涉及金融风控技术领域，尤其是涉及用户的申请风险评估方法、申请风险评估装置及电子设备。
背景技术
随着互联网技术的飞速发展，金融互联网技术也随之快速发展，用户可以在互联网上进行借贷、还贷等金融交易，基于大量数据，进行金融业务的流转，在依托数据进行金融业务的时候，可以通过对用户的申请的相关数据的包装，进行虚假的申请，严重影响了金融***的安全性。
现阶段，针对用户的欺诈的预防，都是在用户发送申请请求时，根据该申请请求的申请信息，检测用户输入的提出申请请求是否存在异常，这样，在对申请请求的申请信息进行包装优化的情况下，可获取的用于对当前申请的风险评估的信息数量少且不准确，影响用户的申请风险评估准确率。
发明内容
有鉴于此，本申请的目的在于一种用户的申请风险评估方法、申请风险评估装置及电子设备，在用户提出申请请求时，根据申请请求的申请信息将用户划分至与所述用户的具有申请关联的申请集体中，将用户进入申请集体时，申请集体的集体风险信息对申请集体的评估作为用户的风险评估标签，可以将与所述目标用户具有申请关联的多个候选用户，确定出申请集体的集体风险信息作为目标用户的风险信息，并基于风险信息对所述目标用户进行申请风险评估，评估可参考的信息数量多，不易包装，有助于提高用户申请风险评估的准确性。
本申请实施例提供了一种用户的申请风险评估方法，所述申请风险评估方法包括：
当接收到目标用户发送的申请请求时，获取所述申请请求的申请信息；
从所述申请信息中确定所述目标用户在各预设属性维度下的多个属性特征，并基于所述多个属性特征将所述目标用户划分至与所述目标用户具有申请关联的至少一个候选用户所组成的申请集体；
基于确定出的所述目标用户的目标风险标签以及每一个候选用户的每一个风险标签，确定在所述目标用户进入所述申请集体后，所述申请集体的集体风险信息；
将所述申请集体的集体风险信息确定为所述目标用户的风险信息。
进一步的，所述目标用户的目标风险标签从所述申请信息中确定或基于所述至少一个候选用户的至少一个风险标签确定。
进一步的，当所述目标风险标签是基于所述至少一个候选用户的至少一个风险标签确定时，在所述基于确定出的所述目标用户的目标风险标签以及每一个候选用户的每一个风险标签，确定在所述目标用户进入所述申请集体后，所述申请集体的集体风险信息之前，所述申请风险评估方法还包括：
基于所述至少一个候选用户对应的至少一个风险标签，确定所述目标用户的风险评估矩阵；
基于所述目标用户的风险评估矩阵对所述目标用户进行风险评估，确定所述目标用户的目标风险标签。
进一步的，在将所述申请集体的集体风险信息确定为所述目标用户的风险信息之后，所述申请风险评估方法还包括：
基于每一个候选用户的申请时间，将申请集体中的每一个候选用户按照对应的申请时间的前后进行排序，生成候选用户序列；
针对所述候选用户序列中的每一个候选用户，基于申请时间在该候选用户的申请时间之前的至少一个候选用户的至少一个风险标签，确定所述申请集体在该候选用户进入所述申请集体的集体风险信息；
基于在所述候选用户序列中每两个相邻候选用户对应的集体风险信息，确定所述申请集体对应的多个风险增长信息；
基于所述多个风险增长信息确定的所述申请集体的风险增长曲线，确定所述申请集体的集体预警信息。
进一步的，在所述将所述申请集体的集体风险信息确定为所述目标用户的风险信息之后，所述申请风险评估方法还包括：
获取在所述风险信息指示的所述目标用户的风险等级；
若所述风险等级大于预设等级阈值，生成所述目标用户的用户预警信息。
本申请实施例还提供了一种用户的申请风险评估装置，所述申请风险评估装置包括：
信息获取模块，用于当接收到目标用户发送的申请请求时，获取所述申请请求的申请信息；
集体划分模块，用于从所述申请信息中确定所述目标用户在各预设属性维度下的多个属性特征，并基于所述多个属性特征将所述目标用户划分至与所述目标用户具有申请关联的至少一个候选用户所组成的申请集体；
集体风险确定模块，用于基于确定出的所述目标用户的目标风险标签以及每一个候选用户的每一个风险标签，确定在所述目标用户进入所述申请集体后，所述申请集体的集体风险信息；
用户风险确定模块，用于将所述申请集体的集体风险信息确定为所述目标用户的风险信息。
进一步的，所述目标用户的目标风险标签从所述申请信息中确定或基于所述至少一个候选用户的至少一个风险标签确定。
进一步的，所述申请风险评估装置还包括用户标签确定模块，所述用户标签确定模块用于：
基于所述至少一个候选用户对应的至少一个风险标签，确定所述目标用户的风险评估矩阵；
基于所述目标用户的风险评估矩阵对所述目标用户进行风险评估，确定所述目标用户的目标风险标签。
进一步的，所述申请风险评估装置还包括集体预警模块，所述集体预警模块用于：
基于每一个候选用户的申请时间，将申请集体中的每一个候选用户按照对应的申请时间的前后进行排序，生成候选用户序列；
针对所述候选用户序列中的每一个候选用户，基于申请时间在该候选用户的申请时间之前的至少一个候选用户的至少一个风险标签，确定所述申请集体在该候选用户进入所述申请集体的集体风险信息；
基于在所述候选用户序列中每两个相邻候选用户对应的集体风险信息，确定所述申请集体对应的多个风险增长信息；
基于所述多个风险增长信息确定的所述申请集体的风险增长曲线，确定所述申请集体的集体预警信息。
进一步的，所述申请风险评估装置还包括用户预警模块，所述用户预警模块用于：
获取在所述风险信息指示的所述目标用户的风险等级；
若所述风险等级大于预设等级阈值，生成所述目标用户的用户预警信息。
本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的用户的申请风险评估方法的步骤。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述的用户的申请风险评估方法的步骤。
本申请实施例提供的一种用户的申请风险评估方法、申请风险评估装置及电子设备，当接收到目标用户发送的申请请求时，获取所述申请请求的申请信息；从所述申请信息中确定所述目标用户在各预设属性维度下的多个属性特征，并基于所述多个属性特征将所述目标用户划分至与所述目标用户具有申请关联的至少一个候选用户所组成的申请集体；基于确定出的所述目标用户的目标风险标签以及每一个候选用户的每一个风险标签，确定在所述目标用户进入所述申请集体后，所述申请集体的集体风险信息；将所述申请集体的集体风险信息确定为所述目标用户的风险信息。
这样，在接到目标用户的申请请求时，根据所述申请请求对应的申请信息，确定所述目标用户的多个属性特征，根据所述多个属性特征将所述目标用户划分至与其具有申请关联的申请集体中，根据所述申请集体中的多个候选用户的风险标签以及所述目标用户的目标风险标签确定所述申请集体的集体风险信息，并将所述集体风险信息确定为所述目标用户的风险信息，可以将与所述目标用户具有申请关联的多个候选用户，确定出申请集体的集体风险信息作为目标用户的风险信息，并基于风险信息对所述目标用户进行申请风险评估，评估可参考的信息数量多，不易包装，有助于提高用户申请风险评估的准确性。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为一种可能的应用场景下的***结构图；
图2为本申请实施例所提供的一种用户的申请风险评估方法的流程图；
图3为本申请另一实施例提供的一种用户的申请风险评估方法的流程图；
图4为本申请实施例所提供的一种用户的申请风险评估装置的结构示意图之一；
图5为本申请实施例所提供的另一种用户的申请风险评估装置的结构示意图之二；
图6为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。
首先，对本申请可适用的应用场景进行介绍。本申请可应用于金融风控技术领域，在贷款申请的过程中，申请用户可能会存在申请欺诈的行为，欺诈行为主要包括提供虚假资质证明、提供虚报申请信息和仿冒他人名义申请三大类，申请欺诈主要发生在申请贷款阶段，申请***需要在用户的申请请求提出时，对用户进行欺诈风险的评估，以此来预防用户的欺诈行为，保证金融***的安全性。请参阅图1，图1为一种可能的应用场景下的***结构图，如图1中所示，如图1中所示，所述***包括申请装置和申请风险评估装置，用户在申请装置提出申请请求，所述申请风险评估装置接收用户提出的申请请求，根据申请请求的申请信息确定所述用户的多个属性特征，根据所述多个属性特征，将所述用户划分至对应的申请集体，并根据目标用户的目标风险标签以及所述申请集体中的每一个候选用户的每一个风险标签，确定出在用户进入申请集体时，所述申请集体的集体风险信息，并基于所述集体风险信息确定所述目标用户的风险信息。
经研究发现，现阶段，针对用户的欺诈的预防，都是在用户发送申请请求时，根据该申请请求的申请信息，检测用户输入的提出申请请求是否存在异常，这样，在对申请请求的申请信息进行包装优化的情况下，可获取的用于对当前申请的异常判断的信息数量少且不准确，容易造成申请检查的准确率较低的情况。
基于此，本申请实施例提供了一种用户的申请风险评估方法，在用户提出申请请求时，根据申请请求的申请信息将用户划分至与所述用户的具有申请关联的申请集体中，将用户进入申请集体时，申请集体的集体风险信息对申请集体的评估作为用户的风险评估标签，可以将与所述目标用户具有申请关联的多个候选用户，确定出申请集体的集体风险信息作为目标用户的风险信息，并基于风险信息对所述目标用户进行申请风险评估，评估可参考的信息数量多，不易包装，有助于提高用户申请风险评估的准确性。
请参阅图2，图2为本申请实施例所提供的一种用户的申请风险评估方法的流程图。如图2中所示，本申请实施例提供的用户的申请风险评估方法，包括：
步骤201、当接收到目标用户发送的申请请求时，获取所述申请请求的申请信息。
该步骤中，接收到目标用户发送的申请请求时，解析所述申请请求中与所述目标用户对应的申请请求。
其中，所述申请信息中可以包括目标用户的用户名、隶属公司信息等用户个人身份标识，还包括目标用户在进行申请时使用的设备的设备号、设备IP地址等。
步骤202、从所述申请信息中确定所述目标用户在各预设属性维度下的多个属性特征，并基于所述多个属性特征将所述目标用户划分至与所述目标用户具有申请关联的至少一个候选用户所组成的申请集体。
该步骤中，根据所述申请信息中确定出的目标用户在预设属性维度下的多个属性特征，基于所述属性特征将用户划分至与目标用户具有申请关联的候选用户组成的申请集体中。
其中，所述预设属性维度可以包括申请数据在申请时所用的设备、申请人的指纹、手机号、公司名称、IP地址等可以代表申请用户的身份标识。
这里，与所述候选用户是指在各预设属性维度中的至少一个属性维度下的属性特征与所述目标用户在该预设属性维度下的属性特征一致。例如，用户A与目标用户在公司名称属性维度下，都属于C公司，那么用户A就是一个与目标用户具有申请关联的一个候选用户。
这里，对于属于同一申请集体的多个申请用户来说，每一个申请用户都至少在一个预设属性维度下的属性特征与其他至少一个属于该申请集体的申请用户的在相同的预设属性维度下的属性特征相同。对于一对一的属性特征关联，则不考虑在申请集体内，例如，用户X与用户Y二者在申请设备维度上的设备号一致，除此之外在除申请设备维度之外的其它属性维度上，二者与再无具有关联的其他用户，那么申请用户X与申请用户Y不考虑在申请集体中；对于所述候选用户，不一定直接与目标申请用户具有相同的属性特征，例如。候选用户B与目标申请用户的手机号码是一个，候选用户C与候选用户A具有相同的申请设备IP地址，候选用户A、候选用户C与目标申请用户都隶属于同一申请集体。
步骤203、基于确定出的所述目标用户的目标风险标签以及每一个候选用户的每一个风险标签，确定在所述目标用户进入所述申请集体后，所述申请集体的集体风险信息。
该步骤中，在目标用户进入申请集体时，根据所述目标用户的目标风险标签以及所述申请集体中的全部候选用户对应的全部风险标签，将目标风险标签和全部风险标签输入至评估模型中，基于所述评估模型输出的结果，确定在目标用户进入申请集体时，所述申请集体的集体风险信息。
这里，所述目标风险标签以及风险标签指示在申请之后根据申请信息，***初步对目标用户和候选用户的评估，可以是指示目标用户和候选用户是正常用户还是异常用户，若是异常用户还需标注异常等级。
其中，所述集体风险信息可以是根据申请集体中的目标风险标签以及全部风险标签确定出的所述申请集体的风险等级，也可以是根据目标风险标签以及全部风险标签所述评估模型对所述申请集体的评分分值。
这里，在对所述申请集体评分时，所述评估模型可以选择基于逻辑回归的评分卡模型。所述基于逻辑回归的评分卡模型具有较高的可解释性，方便业务人员对***推送的高风险欺诈申请集体的特征进行了解。基于逻辑回归的评分卡模型理论依据为：由逻辑回归的基本原理，将客户欺诈的概率表示为p，那么客户正常的概率为1-p。通过公式(1)可以得到对数比率Odds：
其中，p为客户欺诈的概率；1-p为客户正常的概率；Odds为对数比率。
评分卡设定的分值刻度可以通过将分值表示为比率对数的线性表达式来定义，即可表示为公式(2)：
Score＝A+Blog(Odds)；(2)
其中，A和B为常数，常数A称为补偿，常数B称为刻度；Score为得分分值，得分越高，表示欺诈概率越高；Odds为对数比率。
逻辑回归模型计算对数比率如公式(3)所示：
log(Odds)＝β0+β1x1+...+βnxn；(3)
其中，用建模参数拟合模型可以得到模型参数β0、β1至βn；变量x1至xn是出现在最终模型中的自变量，即为入模指标。
公式(2)中的常数A和B可以通过将两个已知或假设的分值带入计算得到，通常情况下，需要设定两个假设：(1)给某个特定的比率设定特定的分值；(2)确定比率翻番的分数(PDO)，基于上述分析假设对数比率Odds的特定点的基础分值为BaseScore，那么可以得到对数比率为2Odds的特定点的基础分值为BaseScore+PDO，带入公式(2)中可以得到公式(4)和公式(5)：
BaseScore＝A+Blog(Odds)；(4)
BaseScore+PDO＝A+Blog(2Odds)；(5)
其中，BaseScore为特定点的基础分值；Odds为对数比率；PDO为比率翻番的分数；A和B为常数，常数A称为补偿，常数B称为刻度。
在设定对数比率Odds、比率翻番的分数PDO和基础分BaseScore后，联立公式(4)和公式(5)，求出常数A和B，进而求出对数比率Odds，然后确定对应的分值，评分卡的得分分值可通过公式(6)得出：
Score＝A+B{β0+β1x1+…+βnxn}；(6)
其中，Score为得分分值；A和B为常数，常数A称为补偿，常数B称为刻度；β0、β1至βn为模型参数；变量x1至xn是出现在最终模型中的自变量，即为入模指标。
基于所有变量都用证据权重(Weightof of Evidence，WOE)转换进行了转换，可以将公式(6)中的自变量x1至xn中的每一个都写成(βiωij)δij的形式，评分卡的得分分值的计算公式如公式(7)所示：
其中，Score为得分分值；A和B为常数，常数A称为补偿，常数B称为刻度；ωij为第i行第j个变量的WOE，为已知变量；βi为逻辑回归方程中的系数，为已知变量，δij为二元变量，表示变量i是否取第j个值。
进一步的，公式(7)还可以表示为公式(8)：
Figure BDA0002271777310000112
其中，Score为得分分值；A和B为常数，常数A称为补偿，常数B称为刻度；ωij为第i行第j个变量的WOE，为已知变量；βi为逻辑回归方程中的系数，为已知变量，δij为二元变量，表示变量i是否取第j个值。
将目标申请人对应的至少一个属性标签输入至上述逻辑回归模型中，根据公式(6)公式(7)以及公式(8)中的任意一公式，将目标风险标签以及全部风险标签作为自变量输入，可以计算出在所述目标用户进入时，所述申请集体的评分，根据所述评分确定所述申请集体当下的风险状态。
步骤204、将所述申请集体的集体风险信息确定为所述目标用户的风险信息。
该步骤中，将所述目标用户进入所述申请集体后，所述申请集体的集体风险信息等价于所述目标用户的风险信息。
这样，可以通过申请集体的风险信息确定出所述目标用户的真实风险信息，而不是通过目标用户本身对应的申请信息确定出所述目标用户的风险信息，可以提高目标用户申请风险评估的准确性。
本申请实施例提供的用户的申请风险评估方法，当接收到目标用户发送的申请请求时，获取所述申请请求的申请信息；从所述申请信息中确定所述目标用户在各预设属性维度下的多个属性特征，并基于所述多个属性特征将所述目标用户划分至与所述目标用户具有申请关联的至少一个候选用户所组成的申请集体；基于确定出的所述目标用户的目标风险标签以及每一个候选用户的每一个风险标签，确定在所述目标用户进入所述申请集体后，所述申请集体的集体风险信息；将所述申请集体的集体风险信息确定为所述目标用户的风险信息。
这样，在接到目标用户的申请请求时，根据所述申请请求对应的申请信息，确定所述目标用户的多个属性特征，根据所述多个属性特征将所述目标用户划分至与其具有申请关联的申请集体中，根据所述申请集体中的多个候选用户的风险标签以及所述目标用户的目标风险标签确定所述申请集体的集体风险信息，并将所述集体风险信息确定为所述目标用户的风险信息，可以将与所述目标用户具有申请关联的多个候选用户，确定出申请集体的集体风险信息作为目标用户的风险信息，并基于风险信息对所述目标用户进行申请风险评估，评估可参考的信息数量多，不易包装，有助于提高用户申请风险评估的准确性。
请参阅图3，图3为本申请另一实施例提供的一种用户的申请风险评估方法的流程图。如图3中所示，本申请实施例提供的用户的申请风险评估方法，包括：
步骤301、当接收到目标用户发送的申请请求时，获取所述申请请求的申请信息。
步骤302、从所述申请信息中确定所述目标用户在各预设属性维度下的多个属性特征，并基于所述多个属性特征将所述目标用户划分至与所述目标用户具有申请关联的至少一个候选用户所组成的申请集体。
步骤303、基于确定出的所述目标用户的目标风险标签以及每一个候选用户的每一个风险标签，确定在所述目标用户进入所述申请集体后，所述申请集体的集体风险信息。
步骤304、将所述申请集体的集体风险信息确定为所述目标用户的风险信息。
步骤305、获取在所述风险信息指示的所述目标用户的风险等级。
该步骤中，获取所述目标用户的风险信息指示的所述目标用户的风险等级。
这里，对于所述风险信息是对目标用户的评分时，所述风险等级就是所述目标用户对应的评分，例如，所述风险信息指示所述目标用户的评分为260；对于所述风险信息是对目标用户等级定级时，所述风险等级就是所述目标用户对应的等级风险，例如，所述风险信息指示所述目标用户的等级定级为高风险申请等级。
步骤306、若所述风险等级大于预设等级阈值，生成所述目标用户的用户预警信息。
该步骤中，如果检测出所述目标用户的风险信息指示的所述目标用户的风险等级大于预设等级阈值，生成所述目标用户的用户预警信息。
这里，对于所述风险信息是对目标用户的评分时，可以通过与预设分值阈值对比，若大于预设分值阈值，则判断目标用户的申请异常，对应于上述实施例，若预设分值阈值为100，那么所述风险信息指示所述目标用户的评分260大于预设分值阈值100，确定所述目标用户的申请异常，生成预警信息进行预警；当所述风险信息是对目标用户等级定级时，可以通过与预设等级对比，若高于预设跨度级数，则判断申请异常，对应于上述实施例，所述风险信息指示所述目标用户的等级定级为高风险申请等级，预设等级为二级低风险申请等级，那么所述风险信息指示所述目标用户的等级定级高风险申请等级高于预设等级二级低风险申请等级，确定所述目标用户的申请异常，生成预警信息进行预警。
其中，步骤301至步骤304的描述可以参照步骤201至步骤204的描述，并且能达到相同的技术效果，对此不做赘述。
进一步的，所述目标用户的目标风险标签由所述申请信息中获取或基于所述至少一个候选用户的至少一个风险标签确定，当所述目标风险标签由基于所述至少一个候选用户的至少一个风险标签确定时，在步骤303之前，所述风险评估方法还包括：基于所述至少一个候选用户对应的至少一个风险标签，确定所述目标用户的风险评估矩阵；基于所述目标用户的风险评估矩阵对所述目标用户进行风险评估，确定所述目标用户的目标风险标签。
该步骤中，将申请集体中的全部候选用户的风险标签统一划分至同一风险标签集合中，确定出所述目标用户的风险评估矩阵，将所述风险评估矩阵中的多个风险标签输入至评估模型，从而确定出所述目标用户的目标风险标签。
例如，在所述目标申请用户划分至的申请集体中，共有三个候选用户，候选用户B、候选用户C以及候选用户D，对于这三个候选用户来说，候选用户B的风险标签为正常申请、候选用户C的风险标签为低风险申请、候选用户D的风险标签为高风险申请；所以目标用户对应的申请风险标签为正常申请、低风险申请以及高风险申请，将上述三个标签形成所述目标用户的风险评估矩阵，并将所述风险评估矩阵输入至评估模型中，得到目标用户的目标风险标签，如果使用上述的基于逻辑回归的评分卡模型，目标用户的目标风险标签就可以是对目标用户的风险评分。
进一步的，在所述将所述申请集体的集体风险信息确定为所述目标用户的风险信息之后，所述风险评估方法还包括：基于每一个候选用户的申请时间，将申请集体中的每一个候选用户按照对应的申请时间的前后进行排序，生成候选用户序列；针对所述候选用户序列中的每一个候选用户，基于申请时间在该候选用户的申请时间之前的至少一个候选用户的至少一个风险标签，确定所述申请集体在该候选用户进入所述申请集体的集体风险信息；基于在所述候选用户序列中每两个相邻候选用户对应的集体风险信息，确定所述申请集体对应的多个风险增长信息；基于所述多个风险增长信息确定的所述申请集体的风险增长曲线，确定所述申请集体的集体预警信息。
该步骤中，根据所述申请集体的全部候选用户在进行申请时的全部申请时间，对所述候选用户进行排序，可以根据申请时间由前到后的顺序，将申请集体的全部候选用户排序，生成候选用户序列，在所述候选用户序列的每一个候选用户进行申请时的申请时间上，结合在该申请时间之前的全部候选用户的全部申请的全部风险标签以及该候选用户的风险标签，得出在该申请时间上的所述申请集体的集体风险信息，以此类推，得出所述申请集体在每一个申请时间上的每一个集体风险信息，并根据所述所述候选用户序列中每两个相邻候选用户对应的集体风险信息，确定所述申请集体对应的多个风险增长信息，并基于多个风险增长信息确定出所述申请集体在多个候选用户对应的多个申请时间确定的时间区间内，所述申请集体的风险增长曲线，并根据所述风险增长曲线指示的所述申请集体风险发展路径，从而确定所述申请集体的集体预警信息。
例如，针对于候选用户A，申请时间在所述候选用户A之前的候选用户共有三个，候选用户B、候选用户C以及候选用户D，对于这三个申请人来说，候选用户B的风险标签为正常申请、候选用户C的风险标签为低风险申请、候选用户D的风险标签为高风险申请，候选用户A的风险标签为中风险申请，在所述候选用户A进行申请时的申请时间上，将正常申请、低风险申请、高风险申请以及中风险申请四个风险标签输入至评估模型，得出所述申请集体在所述候选用户A在进行申请时的申请时间上的集体风险信息，如果使用上述的基于逻辑回归的评分卡模型，所述集体风险信息就可以是对所述申请集体的风险评分，以此类推，计算出所述每一个申请时间上所述申请集体的集体风险信息，并计算每两个相邻候选用户对应的集体风险信息，确定所述申请集体对应的多个风险增长信息，当所述集体风险信息就可以是对所述申请集体的风险评分之间的分值差。
这里，通过所述风险增长曲线可以得到所述申请集体从初始形成到目前的欺诈风险增长过程，发现现存高欺诈风险团体的风险发展路径，找到最佳风控时间点，从而在应用时可以在申请集体初露欺诈风险时进行自动化风险监控。
其中，所述最佳风控时间点可以包括所述风险增长曲线指示的所述申请集体的风险的发展趋势出现急增(急减)时的时间点。
本申请实施例提供的用户的申请风险评估方法，当接收到目标用户发送的申请请求时，获取所述申请请求的申请信息；从所述申请信息中确定所述目标用户在各预设属性维度下的多个属性特征，并基于所述多个属性特征将所述目标用户划分至与所述目标用户具有申请关联的至少一个候选用户所组成的申请集体；基于确定出的所述目标用户的目标风险标签以及每一个候选用户的每一个风险标签，确定在所述目标用户进入所述申请集体后，所述申请集体的集体风险信息；将所述申请集体的集体风险信息确定为所述目标用户的风险信息；获取在所述风险信息指示的所述目标用户的风险等级；若所述风险等级大于预设等级阈值，生成所述目标用户的用户预警信息。
这样，在根据与所述目标用户具有申请关联的申请集体确定出所述目标用户的风险信息后，根据所述目标用户的风险信息指示的所述目标用户的风险等级以及预设等级阈值，确定目标用户的预警信息，并可以快速管控申请风险，保证金融***的安全性。
请参阅图4、图5，图4为本申请实施例所提供的一种用户的申请风险评估装置的结构示意图之一，图5为本申请实施例所提供的另一种用户的申请风险评估装置的结构示意图之二。如图4中所示，所述申请风险评估装置400包括：
信息获取模块410，用于当接收到目标用户发送的申请请求时，获取所述申请请求的申请信息。
集体划分模块420，用于从所述申请信息中确定所述目标用户在各预设属性维度下的多个属性特征，并基于所述多个属性特征将所述目标用户划分至与所述目标用户具有申请关联的至少一个候选用户所组成的申请集体。
集体风险确定模块430，用于基于确定出的所述目标用户的目标风险标签以及每一个候选用户的每一个风险标签，确定在所述目标用户进入所述申请集体后，所述申请集体的集体风险信息。
用户风险确定模块440，用于将所述申请集体的集体风险信息确定为所述目标用户的风险信息。
进一步的，所述目标用户的目标风险标签从所述申请信息中确定或基于所述至少一个候选用户的至少一个风险标签确定。
进一步的，如图4所示，所述申请风险评估装置400还包括：
用户标签确定模块450，所述用户标签确定模块450用于：
基于所述至少一个候选用户对应的至少一个风险标签，确定所述目标用户的风险评估矩阵；
基于所述目标用户的风险评估矩阵对所述目标用户进行风险评估，确定所述目标用户的目标风险标签。
集体预警模块460，所述集体预警模块460用于：
基于每一个候选用户的申请时间，将申请集体中的每一个候选用户按照对应的申请时间的前后进行排序，生成候选用户序列；
针对所述候选用户序列中的每一个候选用户，基于申请时间在该候选用户的申请时间之前的至少一个候选用户的至少一个风险标签，确定所述申请集体在该候选用户进入所述申请集体的集体风险信息；
基于在所述候选用户序列中每两个相邻候选用户对应的集体风险信息，确定所述申请集体对应的多个风险增长信息；
基于所述多个风险增长信息确定的所述申请集体的风险增长曲线，确定所述申请集体的集体预警信息。
用户预警模块470，所述用户预警模块470用于：
获取在所述风险信息指示的所述目标用户的风险等级；
若所述风险等级大于预设等级阈值，生成所述目标用户的用户预警信息。
本申请实施例提供的用户的申请风险评估装置，当接收到目标用户发送的申请请求时，获取所述申请请求的申请信息；从所述申请信息中确定所述目标用户在各预设属性维度下的多个属性特征，并基于所述多个属性特征将所述目标用户划分至与所述目标用户具有申请关联的至少一个候选用户所组成的申请集体；基于确定出的所述目标用户的目标风险标签以及每一个候选用户的每一个风险标签，确定在所述目标用户进入所述申请集体后，所述申请集体的集体风险信息；将所述申请集体的集体风险信息确定为所述目标用户的风险信息。
这样，在接到目标用户的申请请求时，根据所述申请请求对应的申请信息，确定所述目标用户的多个属性特征，根据所述多个属性特征将所述目标用户划分至与其具有申请关联的申请集体中，根据所述申请集体中的多个候选用户的风险标签以及所述目标用户的目标风险标签确定所述申请集体的集体风险信息，并将所述集体风险信息确定为所述目标用户的风险信息，可以将与所述目标用户具有申请关联的多个候选用户，确定出申请集体的集体风险信息作为目标用户的风险信息，并基于风险信息对所述目标用户进行申请风险评估，评估可参考的信息数量多，不易包装，有助于提高用户申请风险评估的准确性。
请参阅图6，图6为本申请实施例所提供的一种电子设备的结构示意图。如图6中所示，所述电子设备600包括处理器610、存储器620和总线630。
所述存储器620存储有所述处理器610可执行的机器可读指令，当电子设备600运行时，所述处理器610与所述存储器620之间通过总线630通信，所述机器可读指令被所述处理器610执行时，可以执行如上述图2以及图3所示方法实施例中的用户的申请风险评估方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图2以及图3所示方法实施例中的用户的申请风险评估方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种用户的申请风险评估方法，其特征在于，所述申请风险评估方法包括：
当接收到目标用户发送的申请请求时，获取所述申请请求的申请信息；
从所述申请信息中确定所述目标用户在各预设属性维度下的多个属性特征，并基于所述多个属性特征将所述目标用户划分至与所述目标用户具有申请关联的至少一个候选用户所组成的申请集体；
基于确定出的所述目标用户的目标风险标签以及每一个候选用户的每一个风险标签，确定在所述目标用户进入所述申请集体后，所述申请集体的集体风险信息；
将所述申请集体的集体风险信息确定为所述目标用户的风险信息。
2.根据权利要求1所述的申请风险评估方法，其特征在于，所述目标用户的目标风险标签从所述申请信息中确定或基于所述至少一个候选用户的至少一个风险标签确定。
3.根据权利要求2所述的申请风险评估方法，其特征在于，当所述目标风险标签是基于所述至少一个候选用户的至少一个风险标签确定时，在所述基于确定出的所述目标用户的目标风险标签以及每一个候选用户的每一个风险标签，确定在所述目标用户进入所述申请集体后，所述申请集体的集体风险信息之前，所述申请风险评估方法还包括：
基于所述至少一个候选用户对应的至少一个风险标签，确定所述目标用户的风险评估矩阵；
基于所述目标用户的风险评估矩阵对所述目标用户进行风险评估，确定所述目标用户的目标风险标签。
4.根据权利要求1所述的申请风险评估方法，其特征在于，在所述将所述申请集体的集体风险信息确定为所述目标用户的风险信息之后，所述申请风险评估方法还包括：
基于每一个候选用户的申请时间，将申请集体中的每一个候选用户按照对应的申请时间的前后进行排序，生成候选用户序列；
针对所述候选用户序列中的每一个候选用户，基于申请时间在该候选用户的申请时间之前的至少一个候选用户的至少一个风险标签，确定所述申请集体在该候选用户进入所述申请集体的集体风险信息；
基于在所述候选用户序列中每两个相邻候选用户对应的集体风险信息，确定所述申请集体对应的多个风险增长信息；
基于所述多个风险增长信息确定的所述申请集体的风险增长曲线，确定所述申请集体的集体预警信息。
5.根据权利要求1所述的申请风险评估方法，其特征在于，在所述将所述申请集体的集体风险信息确定为所述目标用户的风险信息之后，所述申请风险评估方法还包括：
获取在所述风险信息指示的所述目标用户的风险等级；
若所述风险等级大于预设等级阈值，生成所述目标用户的用户预警信息。
6.一种用户的申请风险评估装置，其特征在于，所述申请风险评估装置包括：
信息获取模块，用于当接收到目标用户发送的申请请求时，获取所述申请请求的申请信息；
集体划分模块，用于从所述申请信息中确定所述目标用户在各预设属性维度下的多个属性特征，并基于所述多个属性特征将所述目标用户划分至与所述目标用户具有申请关联的至少一个候选用户所组成的申请集体；
集体风险确定模块，用于基于确定出的所述目标用户的目标风险标签以及每一个候选用户的每一个风险标签，确定在所述目标用户进入所述申请集体后，所述申请集体的集体风险信息；
用户风险确定模块，用于将所述申请集体的集体风险信息确定为所述目标用户的风险信息。
7.根据权利要求6所述的申请风险评估装置，其特征在于，所述申请风险评估装置还包括用户标签确定模块，所述用户标签确定模块用于：
基于所述至少一个候选用户对应的至少一个风险标签，确定所述目标用户的风险评估矩阵；
基于所述目标用户的风险评估矩阵对所述目标用户进行风险评估，确定所述目标用户的目标风险标签。
8.根据权利要求6所述的申请风险评估装置，其特征在于，所述申请风险评估装置还包括集体预警模块，所述集体预警模块用于：
基于每一个候选用户的申请时间，将申请集体中的每一个候选用户按照对应的申请时间的前后进行排序，生成候选用户序列；
针对所述候选用户序列中的每一个候选用户，基于申请时间在该候选用户的申请时间之前的至少一个候选用户的至少一个风险标签，确定所述申请集体在该候选用户进入所述申请集体的集体风险信息；
基于在所述候选用户序列中每两个相邻候选用户对应的集体风险信息，确定所述申请集体对应的多个风险增长信息；
基于所述多个风险增长信息确定的所述申请集体的风险增长曲线，确定所述申请集体的集体预警信息。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至5中任一项所述的用户的申请风险评估方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至5中任一项所述的用户的申请风险评估方法的步骤。
CN201911107556.XA 2019-11-13 2019-11-13 用户的申请风险评估方法、申请风险评估装置及电子设备 Active CN110827144B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911107556.XA CN110827144B (zh) 2019-11-13 2019-11-13 用户的申请风险评估方法、申请风险评估装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911107556.XA CN110827144B (zh) 2019-11-13 2019-11-13 用户的申请风险评估方法、申请风险评估装置及电子设备

Publications (2)

Publication Number Publication Date
CN110827144A true CN110827144A (zh) 2020-02-21
CN110827144B CN110827144B (zh) 2022-10-18

Family

ID=69554651

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911107556.XA Active CN110827144B (zh) 2019-11-13 2019-11-13 用户的申请风险评估方法、申请风险评估装置及电子设备

Country Status (1)

Country Link
CN (1) CN110827144B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113128888A (zh) * 2021-04-26 2021-07-16 国网湖北省电力有限公司宜昌供电公司 基于覆冰特征变量分箱评分卡的输电线路覆冰预测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110251978A1 (en) * 2010-03-24 2011-10-13 Gregory Bryn Davies Methods and systems for assessing financial personality
CN109345374A (zh) * 2018-09-17 2019-02-15 平安科技（深圳）有限公司 风险控制方法、装置、计算机设备和存储介质
CN109584048A (zh) * 2018-11-30 2019-04-05 上海点融信息科技有限责任公司 基于人工智能对申请者进行风险评级的方法和装置
CN110310129A (zh) * 2019-06-04 2019-10-08 阿里巴巴集团控股有限公司 风险识别方法及其***
CN110363407A (zh) * 2019-06-27 2019-10-22 上海淇馥信息技术有限公司 基于用户行为轨迹的欺诈风险评估方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110251978A1 (en) * 2010-03-24 2011-10-13 Gregory Bryn Davies Methods and systems for assessing financial personality
CN109345374A (zh) * 2018-09-17 2019-02-15 平安科技（深圳）有限公司 风险控制方法、装置、计算机设备和存储介质
CN109584048A (zh) * 2018-11-30 2019-04-05 上海点融信息科技有限责任公司 基于人工智能对申请者进行风险评级的方法和装置
CN110310129A (zh) * 2019-06-04 2019-10-08 阿里巴巴集团控股有限公司 风险识别方法及其***
CN110363407A (zh) * 2019-06-27 2019-10-22 上海淇馥信息技术有限公司 基于用户行为轨迹的欺诈风险评估方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林菁: "商业银行个人消费信贷贷前风险管理问题研究", 《中国优秀博硕士学位论文全文数据库 经济与管理科学辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113128888A (zh) * 2021-04-26 2021-07-16 国网湖北省电力有限公司宜昌供电公司 基于覆冰特征变量分箱评分卡的输电线路覆冰预测方法

Also Published As

Publication number Publication date
CN110827144B (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
CN109922032B (zh) 用于确定登录账户的风险的方法、装置、设备及存储介质
US20190180379A1 (en) Life insurance system with fully automated underwriting process for real-time underwriting and risk adjustment, and corresponding method thereof
CN113688042A (zh) 测试场景的确定方法、装置、电子设备及可读存储介质
WO2010037030A1 (en) Evaluating loan access using online business transaction data
CN113298373A (zh) 一种金融风险评估方法、装置、存储介质和设备
CN112241805A (zh) 使用历史检验数据进行缺陷预测
CN112529575B (zh) 风险预警方法、设备、存储介质及装置
CN113987182A (zh) 基于安全情报的欺诈实体识别方法、装置及相关设备
CN114879613A (zh) 一种工业控制***信息安全攻击风险评估方法及***
CN111931047A (zh) 基于人工智能的黑产账号检测方法及相关装置
CN110888625A (zh) 基于需求变更和项目风险对代码质量进行控制的方法
CN111091276A (zh) 企业风险评分方法、装置、计算机设备和存储介质
CN112749973A (zh) 一种权限管理方法、装置和计算机可读存储介质
CN111767192A (zh) 基于人工智能的业务数据检测方法、装置、设备和介质
CN112990989B (zh) 价值预测模型输入数据生成方法、装置、设备和介质
CN109711849B (zh) 以太坊地址画像生成方法、装置、电子设备及存储介质
CN110827144B (zh) 用户的申请风险评估方法、申请风险评估装置及电子设备
CN110457349B (zh) 信息流出的监控方法及监控装置
CN113344469B (zh) 欺诈识别方法、装置、计算机设备及存储介质
CN115018625A (zh) 征信融合报告生成方法、装置、设备及存储介质
CN114912139A (zh) 用于确定模型训练数据的方法、装置、存储介质及处理器
Olsen et al. Predicting dactyloscopic examiner fingerprint image quality assessments
Babaei et al. How fair is machine learning in credit lending?
JP2019083076A (ja) 評価装置、評価方法、および評価プログラム
KR102395550B1 (ko) 기밀정보 분석 방법 및 장치

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
GR01 Patent grant
GR01 Patent grant