CN113220447B - 基于边缘计算的金融风控***及方法 - Google Patents
基于边缘计算的金融风控***及方法 Download PDFInfo
- Publication number
- CN113220447B CN113220447B CN202110349301.5A CN202110349301A CN113220447B CN 113220447 B CN113220447 B CN 113220447B CN 202110349301 A CN202110349301 A CN 202110349301A CN 113220447 B CN113220447 B CN 113220447B
- Authority
- CN
- China
- Prior art keywords
- wind control
- evaluation
- user
- calculation
- model
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 63
- 238000013210 evaluation model Methods 0.000 claims abstract description 36
- 230000011218 segmentation Effects 0.000 claims abstract description 9
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000012797 qualification Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- 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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及边缘计算技术领域,特别涉及一种基于边缘计算的金融风控***及方法。该方法包括:S100:接收评估请求信号,发送预评估模型;S200:根据预评估模型收集用户信息;S300:根据预评估模型以及用户信息对用户进行分级,并匹配对应的风控评估计算模型;S400:根据风控评估计算模型进行分析计算,生成风控评估结果;S400具体为:寻找可用的MEC计算节点;进行任务程序分割;判断分割后的任务程序是否需要卸载,将需要卸载的部分卸载传输至MEC计算节点,MEC计算节点对任务程序进行计算并回传结果。本方案提供基于边缘计算的金融风控***及方法,能够将传统金融信息和边缘计算技术结合,既保障了客户信息的安全性,也实现了客户资质的快速评估。
Description
技术领域
本发明涉及边缘计算技术领域,特别涉及基于边缘计算的金融风控***及方法。
背景技术
金融是指在经济生活中,银行、证券或保险业者从市场主体募集资金,并借贷给其它市场主体的经济活动,从广义上说,政府、个人、组织等市场主体通过募集、配置和使用资金而产生的所有资本流动都可称之为金融。因此,不仅是金融业者,有关政府的财政,行业企业的行为、以及个人的理财都是金融的一部分。金融可以看作为资金的募集配置(筹资)、以及投资和融资(借钱买股)三类经济行为,金融指货币的发行、流通和回笼,贷款的发放和收回,存款的存入和提取,汇兑的往来等经济活动。
金融的本质是风险管理,其中信贷业务是风险等级较高的金融,风控是所有金融业务的核心。典型的金融借贷业务例如抵押贷款、消费贷款、供应链金融、以及票据融资都需要金融风控识别,并评估用户信用等级,例如:当客户需要贷款时,需要向金融风控公司递交自己的个人信息(如:征信报告、诉讼记录等等),金融风控公司再对客户个人信息进行评估信用等级,根据信用等级再决定是否给客户进行放贷。
由于风控评估一般会采用基于深度学习的人工智能算法,这类算法对算力的要求高,普通用户的终端的算力无法满足计算要求,因此,在现有情况体系下,风控评估所涉及的所有的处理均在金融风控公司的服务器上进行,风控评估所需的客户个人信息都在金融风控公司的服务器上存储。这种方式使得客户的个人信息基本上都被金融风控公司掌握,存在客户个人信息容易被泄露的风险,另一方面,也会增加金融风控公司的运维成本。
发明内容
本发明要解决的技术问题是提供基于边缘计算的金融风控***及方法,能够将传统金融信息和边缘计算技术结合,全过程不接触客户个人信息,客户的个人信息只保留在客户的手机端,既保障了客户信息的安全性,也实现了客户资质的快速评估。
为解决上述技术问题,本申请提供如下技术方案:
一种基于边缘计算的金融风控方法,包括以下步骤:
S100:评估模型发送步骤:金融风控服务器接收评估请求信号,发送预评估模型给用户端;
S200:数据采集步骤:用户端根据接收的预评估模型收集用户信息;
S300:模型匹配步骤:根据预评估模型以及用户信息对用户进行分级,并根据分级匹配对应等级的风控评估计算模型;
S400:风控计算步骤:根据风控评估计算模型以及用户信息进行分析计算,生成风控评估结果。
本发明技术方案中,首先金融风控服务器接收用户端信号,向用户端发送预评估模型给用户端;其次用户端根据接收的预评估模型与用户信息进行分析,判断用户等级,并根据用户等级匹配对应的风控评估计算模型,最后再加载风控评估计算模型对用户信息进行分析计算。在本方案的流程中,风控评估计算模型在用户端进行风控计算,保证了金融风控公司不接触客户个人信息,客户的个人信息只保留在用户端,保障了客户信息的安全性,另外,本申请中,通过采用预评估的方式,来针对不同的用户资质加载不同的风控评估计算模型,可以尽可能降低风控计算的计算量,对于资质较好的客户则可以采用简易的风控评估模型,进而可以实现快速评估的效果,避免由于采用用户端计算而导致处理速度降低,可以降低用户等待时间,提高业务办理效率。
进一步,所述S100包括:
S101:用户端根据用户操作向金融风控服务器发送评估请求,所述评估请求包括风控评估类型;
S102:金融风控服务器根据风控评估类型匹配对应的预评估模型发送给用户端。
进一步,所述S300包括:
S301:加载预评估模型,将用户信息输入到预评估模型中;
S302:预评估模型根据用户信息输出用户评分;
S303:根据用户评分对用户进行分级;
S304:根据用户分级以及风控评估类型选取对应等级的风控评估计算模型。
进一步,所述S400包括:
S401:节点发现步骤:用户端寻找可用的MEC计算节点;
S402:程序分割步骤:将需要进行处理的任务程序进行分割;
S403:卸载决策步骤:判断分割后的任务程序是否需要卸载,若是,则选择需要卸载的部分卸载至MEC计算节点,若否,则由用户端进行本地运算;
S404:程序传输步骤:将需要卸载的任务程序传输到MEC计算节点;
S405:执行计算步骤:MEC计算节点对任务程序进行计算;
S406:计算结果回传步骤:MEC计算节点将计算处理后的结果传回用户端。
本发明方案中MEC是移动边缘计算(英文:Mobile Edge Computing,简称:MEC),通过MEC计算节点对分割的程序进行计算,因为MEC是为移动网络边缘提供IT服务环境和云计算能力,可以实现毫秒级应用,所以本方案使得计算程序的速度更快。
进一步,所述S401之前还包括:
S4001:用户端根据风控评估计算模型的等级判断是否需要进行分割计算,若是则执行下一步,若否,则由用户端进行本地运算。
通过等级判断是否需要进行分割计算,进而降低计算量。
进一步,所述S403包括:
S4031:用户端分析各个分割后的任务程序所需的运行时间;
S4032:用户端根据运行时间判断任务程序是否需要卸载。
进一步,所述S403还包括:
S4033:将判断结果以及对应的各个任务程序的相关信息进行显示,用户端根据用户的操作对各个任务程序是否需要卸载的判断结果进行调整,所述相关信息包括运行时间以及涉及数据内容。
允许用户手动设置卸载的部分,进而确保相关用户的隐私数据在用户端,保证数据安全。
进一步,所述S405包括:
S4051:MEC计算节点判断是否缓存有任务程序对应的计算结果,若是,则调用已缓存的计算结果;若否则由MEC计算节点对任务程序进行计算;
S4052:将计算后的数据进行缓存。
通过缓存避免重复计算,提高响应速度。
进一步,所述S4052包括:
S40521:获取用户风控评估类型;
S40522:根据用户风控评估类型生成缓存周期时长;
S40523:根据缓存周期时长对MEC计算节点缓存进行管理。
本发明技术方案中,基于用户的风控评估类型来调节缓存周期的时长,由于风控评估可能会有多次的评估,因此通过缓存可以避免短时间内多次计算的问题,不同类型的风控会涉及到不同的业务类型,其对应的评估次数,间隔周期等也是不同的,进而基于其来进行缓存周期的调节可以提高缓存命中率,既可以减少缓存占用又可以提高运行效率。
进一步,本申请还公开了一种基于边缘计算的金融风控***,使用了上述的一种基于边缘计算的金融风控方法。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明:
图1为本发明基于边缘计算的金融风控方法的流程示意图;
图2为本发明基于边缘计算的金融风控***的架构图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例一
本实施例公开了一种基于边缘计算的金融风控方法和一中基于边缘计算的金融风控***,该***如图2所述,包括用户终端、MEC计算节点以及金融风控服务器,该***运行时,使用了本实施例的基于边缘计算的金融风控方法,该方法如图1所示,包括以下步骤:
S100:评估模型发送步骤:金融风控服务器接收评估请求信号,发送预评估模型给用户端;
S200:数据采集步骤:用户端根据接收的预评估模型收集用户信息;
S300:模型匹配步骤:根据预评估模型以及用户信息对用户进行分级,并根据分级匹配对应等级的风控评估计算模型;
S400:风控计算步骤:根据风控评估计算模型以及用户信息进行分析计算,生成风控评估结果。
具体的:
本实施例中,一般当用户有业务办理需求,如借贷需求的时候,就通过用户端(例如:手机、平板等)向金融公司发送相应的业务办理请求,然后根据业务办理需要,进而相应的风控评估,通过向金融风控服务器发出对应的评估请求信号,评估请求包括风控评估类型;金融风控服务器接收评估请求信号后,根据风控评估类型匹配对应的预评估模型发送给用户端;该预评估模型主要包括评估采用的维度,如个人基础信息、资产信息等;个人信息如个人身份证号码、家庭住址等,资产信息如贷款以及还款记录、征信报告等。
用户端应用该预评估模型,用户端根据接收的预评估模型收集用户信息,用户端根据接收的预评估模型与用户的个人信息进行比较判断,具体的,包括:
S301:加载预评估模型,将用户信息输入到预评估模型中;
S302:预评估模型根据用户信息输出用户评分;
S303:根据用户评分对用户进行分级;
S304:根据用户分级以及风控评估类型选取对应等级的风控评估计算模型。
S303中,评分采用百分制,若评分达到90分以上,用户的评级为优;否则,若评分达到70分以上,用户的评级为良,否则,若评分达到60分以上,用户的评级为中,评分60分以下则评级为差。
然后根据用户分级以及风控评估类型选取对应等级的风控评估计算模型。对于用户信息评分为优或良的,其对应的风控评估计算模型较为简单,可以直接使用用户端进行计算。其他等级的风控评估计算模型可能较为复杂,在用户端所需的计算时间过长,并且计算所需存储空间过大,用户端并不能完全提供这一完整过程的条件,所以用户端会通过MEC节点计算的方式来解决,具体步骤如下:
S401:节点发现步骤:用户端寻找可用的MEC计算节点;节点可以是位于远程云计算中心的高性能服务器,也可以是位于网络边缘侧的MEC服务器,该节点是用于后续对卸载程序进行计算。
S402:程序分割步骤:将需要进行处理的任务程序进行分割;同时在分割过程中尽量保持分割后的各部分程序的功能完整性,便于后续进行卸载。
S403:卸载决策步骤:判断分割后的任务程序是否需要卸载,若是,则选择需要卸载的部分卸载至MEC计算节点,若否,则由用户端进行本地运算;
S404:程序传输步骤:将需要卸载的任务程序传输到MEC计算节点;其中程序传输有多种方式,可以通过3G/4G/5G网络进行传输,也可以通过Wi-Fi、以太网进行传输。程序传输的目的是将卸载的计算程序传输至 MEC计算节点。
S405:执行计算步骤:MEC计算节点对任务程序进行计算;
S406:计算结果回传步骤:MEC计算节点将计算处理后的结果传回用户端。至此,计算卸载过程结束,用户端与云端断开连接,及时与用户端断开,这样不会始终占用用户端的资源。
S401之前还包括:
S4001:用户端根据风控评估计算模型的等级判断是否需要进行分割计算,若是则执行下一步,若否,则由用户端进行本地运算。
通过等级判断是否需要进行分割计算,进而降低计算量。
S403包括:
S4031:用户端分析各个分割后的任务程序所需的运行时间;
S4032:用户端根据运行时间判断任务程序是否需要卸载。
S403还包括:
S4033:将判断结果以及对应的各个任务程序的相关信息进行显示,用户端根据用户的操作对各个任务程序是否需要卸载的判断结果进行调整,所述相关信息包括运行时间以及涉及数据内容。
允许用户手动设置卸载的部分,进而确保相关用户的隐私数据在用户端,保证数据安全。
S405包括:
S4051:MEC计算节点判断是否缓存有任务程序对应的计算结果,若是,则调用已缓存的计算结果;若否则由MEC计算节点对任务程序进行计算;
S4052:将计算后的数据进行缓存。
通过缓存避免重复计算,提高响应速度。
S4052包括:
S40521:获取用户风控评估类型;
S40522:根据用户风控评估类型生成缓存周期时长;
S40523:根据缓存周期时长对MEC计算节点缓存进行管理。
这样一来把计算的权限交给用户,使得用户对于个人信息的轨迹有清晰的认识,进一步提高了用户对自身信息的把控性,也提高了用户的体验感。
以上的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (2)
1.基于边缘计算的金融风控方法,其特征在于:包括以下步骤:
S100:评估模型发送步骤:金融风控服务器接收评估请求信号,发送预评估模型给用户端;
S200:数据采集步骤:用户端根据接收的预评估模型收集用户信息;
S300:模型匹配步骤:根据预评估模型以及用户信息对用户进行分级,并根据分级匹配对应等级的风控评估计算模型;
S400:风控计算步骤:根据风控评估计算模型以及用户信息进行分析计算,生成风控评估结果;
所述S100包括:
S101:用户端根据用户操作向金融风控服务器发送评估请求,所述评估请求包括风控评估类型;
S102:金融风控服务器根据风控评估类型匹配对应的预评估模型发送给用户端;
所述S300包括:
S301:加载预评估模型,将用户信息输入到预评估模型中;
S302:预评估模型根据用户信息输出用户评分;
S303:根据用户评分对用户进行分级;
S304:根据用户分级以及风控评估类型选取对应等级的风控评估计算模型;
所述S400包括:
S401:节点发现步骤:用户端寻找可用的MEC计算节点;
S402:程序分割步骤:将需要进行处理的任务程序进行分割;
S403:卸载决策步骤:判断分割后的任务程序是否需要卸载,若是,则选择需要卸载的部分卸载至MEC计算节点,若否,则由用户端进行本地运算;
S404:程序传输步骤:将需要卸载的任务程序传输到MEC计算节点;
S405:执行计算步骤:MEC计算节点对任务程序进行计算;
S406:计算结果回传步骤:MEC计算节点将计算处理后的结果传回用户端;
所述S401之前还包括:
S4001:用户端根据风控评估计算模型的等级判断是否需要进行分割计算,若是则执行下一步,若否,则由用户端进行本地运算;
所述S403包括:
S4031:用户端分析各个分割后的任务程序所需的运行时间;
S4032:用户端根据运行时间判断任务程序是否需要卸载;
所述S403还包括:
S4033:将判断结果以及对应的各个任务程序的相关信息进行显示,用户端根据用户的操作对各个任务程序是否需要卸载的判断结果进行调整,所述相关信息包括运行时间以及涉及数据内容;
所述S405包括:
S4051:MEC计算节点判断是否缓存有任务程序对应的计算结果,若是,则调用已缓存的计算结果;若否则由MEC计算节点对任务程序进行计算;
S4052:将计算后的数据进行缓存;
所述S4052包括:
S40521:获取用户风控评估类型;
S40522:根据用户风控评估类型生成缓存周期时长;
S40523:根据缓存周期时长对MEC计算节点缓存进行管理。
2.基于边缘计算的金融风控***,其特征在于:使用了如权利要求1所述的基于边缘计算的金融风控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110349301.5A CN113220447B (zh) | 2021-03-31 | 2021-03-31 | 基于边缘计算的金融风控***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110349301.5A CN113220447B (zh) | 2021-03-31 | 2021-03-31 | 基于边缘计算的金融风控***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113220447A CN113220447A (zh) | 2021-08-06 |
CN113220447B true CN113220447B (zh) | 2024-03-22 |
Family
ID=77086285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110349301.5A Active CN113220447B (zh) | 2021-03-31 | 2021-03-31 | 基于边缘计算的金融风控***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113220447B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117492856B (zh) * | 2023-10-17 | 2024-07-23 | 南昌大学 | 一种金融物联网中信任评估的低延迟边缘计算卸载方法 |
CN118037422A (zh) * | 2024-01-30 | 2024-05-14 | 深圳信钛数科科技有限公司 | 一种用于银行业的线上大数据智慧风控*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107334466A (zh) * | 2017-08-08 | 2017-11-10 | 西安交通大学 | 一种可穿戴的慢性病智能监控及预警的装置与方法 |
CN109344906A (zh) * | 2018-10-24 | 2019-02-15 | 中国平安人寿保险股份有限公司 | 基于机器学习的用户风险分类方法、装置、介质及设备 |
CN110705177A (zh) * | 2019-09-29 | 2020-01-17 | 支付宝(杭州)信息技术有限公司 | 基于机器学习的终端风险评估模型的生成方法及其*** |
CN111125695A (zh) * | 2019-12-26 | 2020-05-08 | 武汉极意网络科技有限公司 | 账户风险评估方法、装置、设备及存储介质 |
CN111325455A (zh) * | 2020-02-13 | 2020-06-23 | 中国安全生产科学研究院 | 有限空间作业安全风险评估*** |
CN112529321A (zh) * | 2020-12-18 | 2021-03-19 | 平安银行股份有限公司 | 基于用户数据的风险预测方法、装置及计算机设备 |
-
2021
- 2021-03-31 CN CN202110349301.5A patent/CN113220447B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107334466A (zh) * | 2017-08-08 | 2017-11-10 | 西安交通大学 | 一种可穿戴的慢性病智能监控及预警的装置与方法 |
CN109344906A (zh) * | 2018-10-24 | 2019-02-15 | 中国平安人寿保险股份有限公司 | 基于机器学习的用户风险分类方法、装置、介质及设备 |
CN110705177A (zh) * | 2019-09-29 | 2020-01-17 | 支付宝(杭州)信息技术有限公司 | 基于机器学习的终端风险评估模型的生成方法及其*** |
CN111125695A (zh) * | 2019-12-26 | 2020-05-08 | 武汉极意网络科技有限公司 | 账户风险评估方法、装置、设备及存储介质 |
CN111325455A (zh) * | 2020-02-13 | 2020-06-23 | 中国安全生产科学研究院 | 有限空间作业安全风险评估*** |
CN112529321A (zh) * | 2020-12-18 | 2021-03-19 | 平安银行股份有限公司 | 基于用户数据的风险预测方法、装置及计算机设备 |
Non-Patent Citations (1)
Title |
---|
"基于云计算的金融企业用户风险分析研究";杨子等;《科技创新导报》;20150101(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113220447A (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100751965B1 (ko) | 탈퇴 고객들을 예측하기 위한 방법 및 시스템 | |
CN111275546B (zh) | 金融客户欺诈风险识别方法及装置 | |
CA3230832A1 (en) | Electronic mortgage brokering and monitoring | |
CN113220447B (zh) | 基于边缘计算的金融风控***及方法 | |
Van Thiel et al. | Artificial intelligence credit risk prediction: An empirical study of analytical artificial intelligence tools for credit risk prediction in a digital era | |
CN111161054A (zh) | 作业风险监测方法及*** | |
CN110619065A (zh) | 资源调度业务处理方法、装置、计算机设备和存储介质 | |
CN113298121B (zh) | 基于多数据源建模的消息发送方法、装置和电子设备 | |
US20240037655A1 (en) | Machine learning based automated management of customer accounts | |
CN113902037A (zh) | 非正常银行账户识别方法、***、电子设备及存储介质 | |
WO2023114637A1 (en) | Computer-implemented system and method of facilitating artificial intelligence based lending strategies and business revenue management | |
CN115545886A (zh) | 逾期风险识别方法、装置、设备及存储介质 | |
CN116468444A (zh) | 一种消费预警方法、***、设备和存储介质 | |
CN112686446A (zh) | 一种面向机器学习可解释性的信贷违约预测方法及*** | |
CN116664306A (zh) | 风控规则的智能推荐方法、装置、电子设备及介质 | |
CN116342255A (zh) | 互联网消费贷反欺诈风险识别方法及*** | |
CN116385137A (zh) | 一种基于电力信息数据的企业反欺诈风险评估方法及*** | |
Lin et al. | Research on Credit Big Data Algorithm Based on Logistic Regression | |
CN113298637A (zh) | 业务平台的用户导流方法、装置和*** | |
CN113205409A (zh) | 贷款业务处理方法及装置 | |
Lu | Financial asset risk measurement based on smart sensor big data security analysis and bayesian posterior probability model | |
CN117492856B (zh) | 一种金融物联网中信任评估的低延迟边缘计算卸载方法 | |
US11915313B2 (en) | Using email history to estimate creditworthiness for applicants having insufficient credit history | |
CN117114858B (zh) | 基于aviator表达式的计算检查公式的配置化实现方法 | |
US20240144274A9 (en) | Transaction-risk evaluation by resource-limited devices |
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 |