CN115204878A - 一种订单信息的存证方法、装置及设备 - Google Patents
一种订单信息的存证方法、装置及设备 Download PDFInfo
- Publication number
- CN115204878A CN115204878A CN202210884743.4A CN202210884743A CN115204878A CN 115204878 A CN115204878 A CN 115204878A CN 202210884743 A CN202210884743 A CN 202210884743A CN 115204878 A CN115204878 A CN 115204878A
- Authority
- CN
- China
- Prior art keywords
- order
- information
- target
- prediction
- default
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000009467 reduction Effects 0.000 claims description 14
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 230000008520 organization Effects 0.000 description 43
- 238000012549 training Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 15
- 230000006399 behavior Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000006872 improvement Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 239000002699 waste material Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010295 mobile communication Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/389—Keeping log of transactions for guaranteeing non-repudiation of a transaction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例中公开了一种订单信息的存证方法、装置及设备。该方案可以包括:获取利用目标预测模型针对目标业务订单进行订单信息上链存证后的违约预测而得到的违约预测结果;根据所述违约预测结果,确定针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值及资源损耗预测值;若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则基于区块链网络对该目标业务订单的订单信息进行上链存证。
Description
技术领域
本申请涉及区块链技术领域,尤其涉及一种订单信息的存证方法、装置及设备。
背景技术
随着经济的发展与技术的进步,各个业务机构所提供的业务产品也越来越多,用户可以在业务机构处申请订购各种业务产品,以满足个人的实际需求。在业务运营过程中,业务机构通常需要针对各个用户的业务订单的相关订单信息进行存证,以便于根据存证的订单信息,对用户进行信用评估及风险控制,从而便于风险事件发生的可能性,保障企业及用户权益。目前,针对用户的订单信息进行存证的方式有多种,不同存证方式下的订单信息可信性及所需消耗的资源量也不尽相同。
基于此,如何在保障存证的订单信息的可信性的基础上,减少针对订单信息进行存证时的资源浪费情况,成为了亟待解决的技术问题。
发明内容
本说明书实施例提供的一种订单信息的存证方法、装置及设备,可以在保障存证的订单信息的可信性的基础上,减轻针对订单信息进行存证时的资源浪费情况。
为解决上述技术问题,本说明书实施例是这样实现的:
本说明书实施例提供的一种订单信息的存证方法,包括:
获取目标业务订单的违约预测结果;所述违约预测结果是利用目标预测模型,针对所述目标业务订单进行订单信息上链存证后的违约预测而得到的;
根据所述违约预测结果,确定针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值及资源损耗预测值;
若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则基于区块链网络对所述目标业务订单的订单信息进行上链存证。
本说明书实施例提供的一种订单信息的存证装置,包括:
第一获取模块,用于获取目标业务订单的违约预测结果;所述违约预测结果是利用目标预测模型,针对所述目标业务订单进行订单信息上链存证后的违约预测而得到的;
确定模块,用于根据所述违约预测结果,确定针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值及资源损耗预测值;
上链存证模块,用于若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则基于区块链网络对所述目标业务订单的订单信息进行上链存证。
本说明书实施例提供的一种订单信息的存证设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取目标业务订单的违约预测结果;所述违约预测结果是利用目标预测模型,针对所述目标业务订单进行订单信息上链存证后的违约预测而得到的;
根据所述违约预测结果,确定针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值及资源损耗预测值;
若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则基于区块链网络对所述目标业务订单的订单信息进行上链存证。
本说明书中提供的至少一个实施例能够实现以下有益效果:
获取利用目标预测模型针对目标业务订单进行订单信息上链存证后的违约预测而得到的违约预测结果;根据所述违约预测结果,确定针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值及资源损耗预测值;若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则基于区块链网络对该目标业务订单的订单信息进行上链存证。从而在保障存证的订单信息的可信性、安全性的基础上,减轻针对订单信息进行存证时的资源浪费情况。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书实施例提供的一种订单信息的存证方法的应用场景示意图;
图2为本说明书实施例提供的一种订单信息的存证方法的流程示意图;
图3为本说明书实施例提供的对应于图2中的订单信息的存证方法的泳道流程示意图;
图4为本说明书实施例提供的对应于图2的一种订单信息的存证装置的结构示意图;
图5为本说明书实施例提供的对应于图2的一种订单信息的存证设备的结构示意图。
具体实施方式
为使本说明书一个或多个实施例的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书一个或多个实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书的一部分实施例,而不是全部的实施例。基于本说明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书一个或多个实施例保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
现有技术中,为了满足用户的生活、工作需求,用户往往需要在业务机构处去订购业务产品。而业务机构通常会对用户的业务订单的相关订单信息进行可信存证,以便于被各方共享,并作为纠纷发生时的电子证据,从而有利于高效解决业务纠纷,降低企业风控成本,营造互信的业务运营环境。目前,针对业务订单信息进行存证的方式有多种,不同存证方式下的业务订单信息的安全性、可信性及所需消耗的资源量也不尽相同。因此,如何在保障存证的业务订单信息的安全性、可信性的基础上,减轻针对业务订单信息进行存证时的资源浪费情况,成为了亟待解决的技术问题。
为了解决现有技术中的缺陷,本方案给出了以下实施例:
图1为本说明书实施例提供的一种订单信息的存证方法的应用场景示意图。
本说明书实施例中,区块链(Block chain),可以理解为是多个区块顺序存储构成的数据链,每个区块的区块头都包含有本区块的时间戳、前一个区块信息的哈希值和本区块信息的哈希值,由此实现区块与区块之间的相互验证,构成不可篡改的区块链。每个区块都可以理解为是一个数据块(存储数据的单元)。区块链作为一种去中心化的数据库,是一串使用密码学方法相互关联产生的数据块,每一个数据块中包含了一次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块与区块首尾相连形成的链,即为区块链。若需要修改块内数据,除了需要修改此区块之后所有区块的内容,还需要将区块链网络中所有节点备份的数据进行修改。因此,存储于区块上的数据(即链上数据)具有难以篡改、删除的特点,在数据已保存至区块链后,其作为一种保持内容完整性的方法具有可靠性。
如图1所示,区块链网络中可以包含多个能够彼此相互通信的区块链节点,例如,第一区块链节点101、第二区块链节点102、第三区块链节点103、第四区块链节点104、第五区块链节点105等。业务机构的设备110可以与区块链网络通信连接。
当业务机构需要对目标业务订单的相关订单信息进行存证时,可以利用业务机构的设备110,去获取针对目标业务订单进行订单信息上链存证后的违约预测而得到的违约预测结果。并根据所述违约预测结果,确定针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值及资源损耗预测值;若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则业务机构的设备110可以基于上述区块链网络,对所述目标业务订单的订单信息进行上链存证。否则,可以使用其他存在方式对所述目标业务订单的订单信息进行可信存证。从而在基于区块链网络保障存证的订单信息的安全性、可信性的基础上,减轻针对业务订单信息进行存证时的资源浪费情况。
接下来,将针对说明书实施例提供的一种订单信息的存证方法结合附图进行具体说明:
图2为本说明书实施例提供的一种订单信息的存证方法的流程示意图。从程序角度而言,该流程的执行主体可以为业务机构的设备,或者,业务机构的设备处搭载的应用程序。如图2所示,该流程可以包括以下步骤:
步骤202:获取目标业务订单的违约预测结果;所述违约预测结果是利用目标预测模型,针对所述目标业务订单进行订单信息上链存证后的违约预测而得到的。
本说明书实施例中,业务机构可以发布业务产品以供用户订购,用户在订购业务产品后,业务机构处通常会获取到用户针对业务产品的目标业务订单,从而需要评估利用何种存证方式对该目标业务订单的订单信息进行可信存证。其中,该目标业务订单对应的业务产品通常为若用户违约则会对业务机构造成一定损失的产品。
在实际应用中,在不同业务场景中,业务机构及其发布的业务产品的类型可以有多种,对此不作具体限定。例如,业务机构可以为移动通信运营商,其提供的业务产品可以为“零元购机产品”,即若用户按照约定在规定期限内持续购买指定移动通信服务,则可以免费领取一部移动设备。或者,业务机构可以为电子商务平台或者该电子商务平台处的商户,其提供的业务产品可以为“先享后付产品”,即允许用户先行取得并使用指定商品,然后再针对该指定商品进行支付。或者,业务机构可以为贷款机构,其提供的业务产品可以为贷款产品等。
本说明书实施例中,由于在针对目标业务订单的订单信息进行可信存证后,往往可以一定程度上降低用户违约的可能性,从而相当于针对订单信息进行存证能够带来一部分资源收益。除此之外,若用户违约则还可能会给业务机构带来一定损失。基于此,业务机构在评估利用何种存证方式对该目标业务订单对应的订单信息进行可信存证,而能够减少资源浪费时,需要获取用户对于该目标业务订单的违约预测结果。
例如,假定,用户针对“零元购机产品”的目标业务订单发生违约,则移动通信运营商可能无法收回预先赠予该用户的移动设备的成本,因此,若针对该目标业务订单的订单信息进行存证可以降低用户违约概率,则可以提升移动通信运营商针对预先赠予该用户的移动设备的成本的回收量,从而也相当于针对订单信息进行存证能够带来一部分资源收益。
或者,假定,用户针对贷款产品的目标业务订单发生违约,则贷款机构可能无法收回预先发放给该用户的支用金额,因此,若针对该目标业务订单的订单信息进行存证可以降低用户违约概率,则可以提升贷款机构针对该用户的支用金额的回收量,降低不良资产的比例,从而也相当于针对订单信息进行存证能够带来一部分资源收益。
具体的,当需要评估是否基于区块链网络进行订单信息上链存证时,可以利用预先训练好的目标预测模型,去针对该目标业务订单进行订单信息上链存证后的违约预测,得到用户针对该目标业务订单的违约预测结果。其中,所述违约预测结果通常可以用于反映在将该目标业务订单的订单信息上链存证后,用户针对该目标业务订单出现违约的可能性,进而能够用于评估使用链上存证方式所能带来的资源收益及资源损耗。
本说明书实施例中,目标预测模型的数量既可以是一个,也可以是多个,对此不作具体限定。在实际应用中,可以基于机器学习算法去搭建该目标预测模型,并预先使用样本用户的相关用户信息及相关业务订单信息去构建训练样本,以及,使用训练样本去训练初始的目标预测模型,从而令训练后的目标预测模型能够准确预测用户对于该目标业务订单的违约预测结果。对于目标预测模型的具体训练过程,将在后续实施例中进行具体解释,在此不再赘述。
步骤204:根据所述违约预测结果,确定针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值及资源损耗预测值。
本说明书实施例中,由于需要评估是否基于区块链网络进行上链存证,因此,可以根据目标业务订单的订单信息及违约预测结果,确定将目标业务订单进行订单信息上链存证所能带来的资源收益预测值,以及可能产生的资源损耗预测值。其中,所述资源收益预测值可以包含因上链存证而预期降低的违约概率或所预期减少的违约行为所能带来的收益。而所述资源损耗预测值可以包含因使用上链存证服务而产生的资源消耗,以及,上链存证后仍旧可能存在的违约行为所预期带来的资源损耗。
步骤206:若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则基于区块链网络对所述目标业务订单的订单信息进行上链存证。
本说明书实施例中,若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则通常能够表示将目标业务订单进行订单信息上链存证所能带来的收益较大,从而可以将目标业务订单的订单信息存储至区块链网络进行上链可信存证。
而若所述资源收益预测值与所述资源损耗预测值的差值未达到预设阈值,则通常能够表示将目标业务订单进行订单信息上链存证所能带来的收益偏小,因此,可以考虑采用其他存证方式,诸如,基于业务机构处的物理存储设备或者购买的云存储资源等实现的链下存证方式,对目标业务订单的订单信息进行可信存证。
在实际应用中,步骤206之前,还可以包括:
计算所述资源收益预测值与所述资源损耗预测值之差,得到目标差值。
判断所述目标差值是否达到所述预设阈值,得到第一判断结果。
对应的,步骤206具体可以包括:若所述第一判断结果表示所述目标差值达到所述预设阈值,则存储所述目标业务订单的订单信息至区块链网络。
其中,预设阈值通常可以设置为大于等于零的数值,从而在上链存证带来的收益大于损耗时,使用区块链网络对目标业务订单的订单信息进行可信存证,有利于提升企业收益。
图2中的方法,通过获取利用目标预测模型针对目标业务订单进行订单信息上链存证后的违约预测而得到的违约预测结果;并根据所述违约预测结果,确定针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值及资源损耗预测值;以在所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值后,再基于区块链网络对该目标业务订单的订单信息进行上链存证,否则,可以禁止利用区块链网络对该目标业务订单的贷款信息进行上链存证,并去使用其他链下存证方式进行存证。从而能够在保障存证的目标业务订单的订单信息的安全性、可信性的基础上,减轻利用区块链网络针对订单信息进行存证时的资源浪费情况。
基于图2中的方法,本说明书实施例还提供了该方法的一些具体实施方案,下面进行说明。
本说明书实施例中,步骤202:获取目标业务订单的违约预测结果,具体可以包括:
获取所述目标业务订单的订单明细信息。
获取发起所述目标业务订单的用户的历史信用信息。
利用所述目标预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约预测,得到所述目标业务订单的违约预测结果。
本说明书实施例中,由于用户是否可能发生违约行为,通常既可能与用户的历史信用情况有关系,又可能与目标业务订单的订单详情有关系,因此,可以基于所述目标业务订单的订单明细信息以及贷款用户的历史信用信息,去生成该用户对于所述目标业务订单的违约预测结果。
本说明书实施例中,用户的历史信用信息通常能够反映用户信用状况,从而能够用于评估用户违约概率。具体的,用户的历史信用信息可以包括:用户信用评分、用户的历史行为数据、用户画像数据、历史用户标签数据及其他相关信用统计指标等。
其中,用户信用评分通常与用户违约概率成反比,从而能够直观反映用户违约的可能性。用户的历史行为数据不仅可以包括用户对于各个业务产品的申请行为数据、对于其各个业务订单的履约行为数据,还可以包含用户的消费行为数据、偏好行为数据等。而用户画像数据及历史用户标签数据则可以是根据用户的个人基础信息及历史行为数据进行画像构建及人群分类而生成的。
在实际应用中,该用户的历史信用信息可以是业务机构自行生成的信息。具体的,业务机构处的数据仓库中可以存储有该用户的相关历史数据,通过对该用户的相关历史数据进行充分挖掘,以生成并存储该用户的历史信用信息。当业务机构需要基于该用户的历史信用信息去判断针对目标业务订单的存证方式时,业务机构处的决策引擎可以使用数据服务去从数据仓库或者数据缓存中调用该用户的历史信用信息,该决策引擎还可以使用模型服务去从模型数据库调用目标预测模型,从而令目标预测模型可以基于该用户的历史信用信息及所述订单明细信息,针对目标业务订单进行订单信息上链存证后的违约预测。当然,该用户的历史信用信息也可以是业务机构从其他权威机构请求获取的,对此不作具体限定。
在实际应用中,针对不同业务产品对应的目标业务订单进行违约预测时,所需使用的用户的历史信用信息的生成原理通常大致相同,但用户的历史信用信息所具体包含的内容可能存在一定差异。例如,针对用户对于“零元购机产品”发起的目标业务订单进行违约预测时,该用户的历史信用信息可以是移动通信运营商根据用户的个人基础信息,以及该用户的历史拖欠话费行为、缴费行为、针对历史订购的优惠购机产品的履约行为等进行分析而得到的;该用户的历史信用信息还可以包含允许用户通过订购“零元购机产品”而取得的移动设备的数量。或者,针对用户对于贷款产品发起的目标业务订单进行违约预测时,该用户的历史信用信息可以是贷款机构根据用户的个人基础信息,以及该用户对于历史申请的贷款的履约行为等进行分析而得到的;此时,该用户的历史信用信息还可以包含用户的信用额度使用率等信息。
本说明书实施例中,目标业务订单的订单明细信息通常能够用于反映用户订购的业务产品的产品信息。由于不同业务产品的产品信息会存在一定差异,且用户针对不同业务产品的违约概率也存在差异,因此,可以根据目标业务订单的订单明细信息去预测用户违约概率。在实际应用中,用户在业务机构处发起目标业务订单后,业务机构就能获取到目标业务订单的订单明细信息了。但由于后续用户还可能需要针对该目标业务订单进行修改,因此,业务机构可以使用其与用户最终成交的目标业务订单的订单明细信息去预估用户违约概率,有利于提升违约概率预估结果的准确性。
在实际应用中,针对不同业务产品的目标业务订单的订单明细信息所包含的内容通常存在一定差异。例如,用户针对“零元购机产品”发起的目标业务订单的订单明细信息可以包含:每月通信服务费用最小值、合约期限等信息。而用户针对贷款产品发起的目标业务订单的订单明细信息可以包含:贷款利率、贷款数值、贷款时长、贷款期数、还款方式、扣款日期等信息。
在实际用中,由于用户对于目标业务订单的违约概率越低,则通常情况下,针对该目标业务订单进行可信存证所能带来的资源收益越大,因此,针对目标业务订单的违约预测结果可以包含订单信息上链存证后的用户对于该目标业务订单的违约概率预测值。
基于此,所述利用所述目标预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约预测,得到所述目标业务订单的违约预测结果,具体包括:
利用第一预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约概率预测,得到所述用户对于所述目标业务订单的违约概率预测值。
本说明书实施例中,第一预测模型可以用于预测将目标业务订单进行订单信息上链存证后,用户对于目标业务订单的违约概率预测值。例如,用户对于“零元购机产品”对应的目标业务订单的违约概率预测值,可以反映将目标业务订单进行订单信息上链存证后,用户在合约期限到达之前发生欠费、拒缴话费等违约情况的可能性。或者,用户对于贷款产品对应的目标业务订单的违约概率预测值,可以反映将目标业务订单进行订单信息上链存证后,用户发生拒绝还款、逾期还款或者未能全额还款等违约情况的可能性。
在实际应用中,通常需要预先对第一预测模型进行训练,以利用训练后的第一预测模型,去生成用户对于目标业务订单的违约概率预测值。为便于理解,对于第一预测模型的训练过程进行举例说明。
例如,针对贷款场景,可以先根据样本用户的历史信用信息以及其所发起的贷款业务订单的订单明细信息构建训练样本,若针对该贷款业务订单的订单信息进行了上链存证,则可以根据该样本用户后续对于该贷款业务订单的实际违约情况,生成该训练样本对应的标签数据,从而使用携带有标签数据的训练样本去对初始模型进行训练,以得到训练后的第一预测模型。其中,该训练样本携带的标签数据可以表示在针对该贷款业务订单的订单信息进行上链存证后,该样本用户针对该笔贷款业务订单是否存在违约行为,或者,还可以表示根据该样本用户针对该笔贷款业务订单的违约频率确定出的更为准确的用户违约概率,对此不作具体限定。
在实际应用中,若用户未能如数偿还目标业务订单的成本资源,则通常会直接影响针对该目标业务订单进行可信存证所能带来的资源收益,因此,针对目标业务订单的违约预测结果可以包含订单信息上链存证后的目标业务订单的成本资源损失率预测值。
具体的,所述利用所述目标预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约预测,得到所述目标业务订单的违约预测结果,还包括:
利用第二预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的成本资源损失率预测,得到针对所述目标业务订单的成本资源损失率预测值。
本说明书实施例中,第二预测模型可以用于预测将目标业务订单进行订单信息上链存证后,该目标业务订单的成本资源损失率预测值。例如,“零元购机产品”对应的目标业务订单的成本资源损失率预测值,可以反映将目标业务订单进行订单信息上链存证后,因用户在合约期限到达之前发生欠费、拒缴话费等违约情况,可能导致无法收回的移动设备成本的占比。或者,贷款产品对应的目标业务订单的成本资源损失率预测值,可以反映将目标业务订单进行订单信息上链存证后,因用户发生拒绝还款、逾期还款或者未能全额还款等违约情况,可能导致无法收回的贷款本金(例如,支用金额)的占比。
在实际应用中,通常需要预先对第二预测模型进行训练,以利用训练后的第二预测模型,去生成所述目标业务订单的成本资源损失率预测值。为便于理解,对于第二预测模型的训练过程进行举例说明。
例如,针对贷款场景,可以先根据样本用户的历史信用信息以及其所发起的贷款业务订单的订单明细信息构建训练样本,若针对该贷款业务订单的订单信息进行了上链存证,则可以根据该样本用户后续对于该贷款业务订单的实际履约情况,生成该训练样本对应的标签数据,从而使用携带有标签数据的训练样本去对初始模型进行训练,以得到训练后的第二预测模型。其中,该训练样本携带的标签数据可以表示在针对该贷款业务订单的订单信息进行上链存证后,该笔贷款业务订单的最终的成本资源损失率;比如,假定,该笔贷款业务订单的成本资源量(例如,支用金额)为1000元,用户最终只偿还了800元,则该笔贷款业务订单的最终的成本资源损失率可以为20%。
在实际应用中,由于针对订单信息进行上链存证,能够促使用户履约,降低用户违约概率,这部分降低的违约概率,也会影响针对该目标业务订单进行上链存证所能带来的资源收益,因此,针对所述目标业务订单的违约预测结果还可以包含订单信息上链存证后的目标业务订单的违约概率下降预测值。
基于此,所述利用所述目标预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约预测,得到所述目标业务订单的违约预测结果,还包括:
利用第三预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约概率下降值预测,得到所述用户对于所述目标业务订单的违约概率下降预测值。
本说明书实施例中,第三预测模型可以用于预测将目标业务订单进行订单信息上链存证后,用户对于目标业务订单的违约概率的下降值。例如,用户对于“零元购机产品”对应的目标业务订单的违约概率下降预测值,可以反映相较于未对目标业务订单进行上链存证,在对目标业务订单进行订单信息上链存证后,所能减少的用户违约情况(例如,欠费、拒缴话费等)的发生概率。或者,用户对于贷款产品对应的目标业务订单的违约概率下降预测值,可以反映相较于未对目标业务订单进行上链存证,在将目标业务订单进行订单信息上链存证后,所能减少的用户违约情况(例如,拒绝还款、逾期还款或者未能全额还款等)的发生概率。
在实际应用中,通常需要预先对第三预测模型进行训练,以利用训练后的第三预测模型,去生成目标业务订单的违约概率下降预测值。为便于理解,对于第三预测模型的训练过程进行举例说明。
例如,针对贷款场景,可以先根据样本用户的历史信用信息以及其所发起的贷款业务订单的订单明细信息构建训练样本,若针对该贷款业务订单的订单信息进行了上链存证,则可以根据该样本用户后续对于该贷款业务订单的实际违约情况,以及,该样本用户对于个人的未上链存证的其他贷款业务订单的实际违约情况,生成该训练样本对应的标签数据,从而使用携带有标签数据的训练样本去对初始模型进行训练,以得到训练后的第三预测模型。其中,该训练样本携带的标签数据可以表示在针对该贷款业务订单的订单信息进行上链存证后,该样本用户的违约概率下降值。在实际应用中,可以优选与该贷款业务订单的发生时间和/或订单明细内容相近,且未上链存证的其他贷款业务订单去生成标签数据,以提升标签数据的可信度及准确性。
本说明书实施例中,步骤204:根据所述违约预测结果,确定针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值,具体可以包括:
根据所述违约概率预测值、所述成本资源损失率预测值及所述违约概率下降预测值中的至少一种,以及,所述目标业务订单的成本资源量,计算针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值。
本说明书实施例中,由于目标业务订单所能带来的收益通常与该目标业务订单的成本资源量息息相关,因此,在计算针对目标业务订单进行订单信息上链存证所能带来的资源收益预测值时,需要结合该目标业务订单的成本资源量及相应违约预测结果而确定。
在实际应用中,针对所述资源收益预测值的计算方式可以根据实际需求确定,例如,根据实际业务场景及业务产品的运行情况,可以针对上述预测值设置不同的权重系数等,对此不作具体限定。但通常情况下,所述资源收益预测值应与所述违约概率预测值、所述成本资源损失率预测值成反比,而与所述违约概率下降预测值及所述成本资源量成正比。
本说明书实施例中,步骤204:根据所述违约预测结果,确定针对所述目标业务订单进行订单信息上链存证所对应的资源损耗预测值,具体可以包括:
获取针对所述目标业务订单进行订单信息上链存证所需消耗的目标资源量。
根据所述目标资源量及所述违约概率预测值,计算针对所述目标业务订单进行订单信息上链存证所对应的资源损耗预测值。
本说明书实施例中,业务机构在针对所述目标业务订单进行订单信息上链存证时,通常需要支付一定量的资源。例如,区块链网络的管理方,可以针对每笔业务订单向业务机构征收固定数量的资源。或者,区块链网络的管理方,可以根据每笔业务订单所需存储的订单信息的数据量,向业务机构征收与该数据量相匹配的资源等。因此,针对目标业务订单进行订单信息上链存证所需消耗的目标资源量,可以作为相应资源损耗预测值的一部分。
本说明书实施例中,若用户针对目标业务订单违约,则通常也会导致一部分资源损耗,因此,可以结合用户的违约概率预测值,去计算所述目标业务订单对应的资源损耗预测值。具体的,可以根据用户的违约概率预测值,确定业务机构针对违约用户进行追责所需消耗的指定资源量,以作为相应资源损耗预测值的一部分。例如,针对贷款场景,假定,业务机构针对违约用户进行追责需要消耗指定资源,则可以计算所述指定资源与用户的违约概率预测值之积,得到指定资源量。其中,业务机构针对违约用户进行追责需要消耗的指定资源可以包括针对目标业务订单所需支付的诉讼费用等。后续,可以将上链存证所需消耗的目标资源量与进行追责所需消耗的指定资源量之和,作为所述目标业务订单对应的资源损耗预测值。
在实际应用中,还可以根据用户的违约概率预测值,确定用户违约后可能导致损失的该目标业务订单的成本资源,以作为相应资源损耗预测值的一部分。例如,针对贷款场景,可以根据用户的违约概率预测值,确定无法收回的那部分支用金额,作为成本资源损耗量。后续,可以将上链存证所需消耗的目标资源量、进行追责所需消耗的指定资源量以及所述成本资源损耗量之和,作为所述目标业务订单对应的资源损耗预测值。
在实际应用中,针对所述目标业务订单对应的资源损耗预测值的计算方式还可以根据实际需求确定,例如,根据实际业务场景及业务产品的运行情况,可以针对上述上链存证所需消耗的目标资源量、进行追责所需消耗的指定资源量以及所述成本资源损耗量,去分别设置不同的权重系数等,对此不作具体限定。但通常情况下,所述资源损耗预测值通常与所述目标资源量、所述违约概率预测值以及目标业务订单的成本资源等成正比。
本说明书实施例中,目标业务订单的订单信息可以有多种,且业务机构获取到目标业务订单的不同订单信息的时间通常存在差异,因此,需要对目标业务订单的各个订单信息分别进行存证处理。
在实际应用中,由于用户需要首先发起目标业务订单,业务机构才能对目标业务订单进行存证处理,因此,业务机构通常会先对目标业务订单的订单明细信息进行存证。基于此,所述目标业务订单的订单信息可以包括:订单明细信息。
步骤202:获取目标业务订单的违约预测结果之前,还可以包括:
获取针对所述目标业务订单的订单明细信息的第一存证请求。
步骤206:若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则基于区块链网络对所述目标业务订单的订单信息进行上链存证,具体可以包括:
响应于所述第一存证请求,若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则存储所述订单明细信息至区块链网络。
本说明书实施例中,针对目标业务订单的订单明细信息的第一存证请求,既可以业务机构的设备在接收到用户的目标业务订单的订单明细信息后自行生成的。或者,也可以是用户在个人终端设备中的业务客户端处发起目标业务订单后,由该业务客户端发送至业务机构的设备的,对此不作具体限定。
由于订单明细信息为业务机构首先要针对目标业务订单进行存证的订单信息,因此,业务机构需要计算所述资源收益预测值与所述资源损耗预测值,并确定是否采用区块链网络进行订单信息上链存证。
在实际应用中,若所述资源收益预测值与所述资源损耗预测值的差值未达到预设阈值,则需要响应于所述第一存证请求,对所述订单明细信息进行链下存证。
本说明书实施例中,所述目标业务订单的订单信息还可以包括:订单履约信息。该订单履约信息通常是用户与业务机构在针对目标业务订单的履约过程中生成的,从而使得往往会在存储所述订单明细信息至区块链网络之后,才会获取到针对该目标业务订单的订单履约信息的存在请求。
基于此,在存储所述订单明细信息至区块链网络之后,还可以包括:
获取针对所述目标业务订单的订单履约信息的第二存证请求。
响应于所述第二存证请求,判断所述目标业务订单是否属于需要进行订单信息上链存证的业务订单,得到第二判断结果。
若所述第二判断结果表示所述目标业务订单属于需要进行订单信息上链存证的业务订单,则存储所述订单履约信息至所述区块链网络。
若所述第二判断结果表示所述目标业务订单不属于需要进行订单信息上链存证的业务订单,则对所述订单履约信息进行链下存证。
本说明书实施例中,目标业务订单的订单履约信息可以反映用户针对该目标业务订单的履约情况,例如,按时履约,或者逾期履约,或者未履约等情况。针对目标业务订单的订单履约信息的第二存证请求,既可以业务机构的设备在接收到该目标业务订单的订单履约信息后自行生成的。或者,也可以是用户在个人终端设备中的业务客户端处执行履约操作后,由该业务客户端发送至业务机构的设备的,对此不作具体限定。
在实际应用中,针对不同业务产品的目标业务订单的订单履约信息会存在一定差异,例如,针对“零元购机产品”的目标业务订单的订单履约信息可以表示成功从用户话费余额中扣除了约定的服务费用。而针对贷款产品的目标业务订单的订单履约信息可以表示用户按照约定偿还了支付金额及利息等。
本说明书实施例中,由于在对目标业务订单的订单履约信息进行存证之前,已经根据步骤204中计算出的所述资源收益预测值与所述资源损耗预测值,确定了是否使用区块链网络对目标业务订单进行上链存证,因此,可以针对目标业务订单设置标签、提示信息或者划分至指定列表,以表征需要针对目标业务订单进行订单信息上链存证。从而后续可以基于上述标签、提示信息、指定列表等,去判断所述目标业务订单是否属于需要进行订单信息上链存证的业务订单,以生成第二判断结果。而无需再次计算所述资源收益预测值与所述资源损耗预测值,以确定针对目标业务订单的订单履约信息的存证方式。从而能够减少业务机构的计算资源消耗。
在实际应用中,目标业务订单的订单信息还可以包含其他与该目标业务订单相关的信息,例如,后续,在用户针对该目标业务订单违约后,业务机构针对该用户的追责情况信息,或者,后续,针对该目标业务订单进行变更生成的订单内容变更信息等。针对上述信息的存证原理与针对目标业务订单的订单履约信息的存证原理可以是相同的,对此不再赘述。
图3为本说明书实施例提供的对应于图2中的订单信息的存证方法的泳道流程示意图。如图3所示,该订单信息的存证流程可以涉及业务机构的设备及区块链网络等执行主体。
在订单信息获取阶段,用户可以在终端设备处的业务客户端处发起目标业务订单,或者,用户也可以到业务机构的业务办理场所,去通过业务机构的工作人员发起目标业务订单。以使得业务机构处的设备获取到针对目标业务订单的订单明细信息的第一存证请求。
在订单信息存证阶段,业务机构处的设备响应于该第一存证请求,可以利用其搭载的决策引擎去基于模型服务从模型数据库调用目标预测模型;该决策引擎还可以基于数据服务去从数据仓库或者数据缓存中调用该用户的历史信用信息;从而利用目标预测模型,基于所述订单明细信息及用户的历史信用信息,针对目标业务订单进行订单信息上链存证后的违约预测,得到目标业务订单的违约预测结果。
后续,该决策引擎可以根据所述违约预测结果,确定针对目标业务订单进行订单信息上链存证所对应的资源收益预测值及资源损耗预测值。并计算该资源收益预测值与该资源损耗预测值之差,得到目标差值。以及,判断所述目标差值是否大于预设阈值。若是,则可以利用区块链网络存储所述订单明细信息,以对所述订单明细信息进行上链存证。否则,可以对所述订单明细信息进行链下存证。
在实际应用中,在确定出针对目标业务订单采用的存证方式后,可以针对目标业务订单设置标签、提示信息、或者划分至指定列表,以表征该目标业务订单的存证方式。
后续,订单信息存证阶段还可以包括,用户执行目标业务订单,以使得业务机构的设备获取到针对目标业务订单的订单履约信息的第二存证请求。
对应的,订单信息存证阶段还可以包括,业务机构根据表征该目标业务订单的存证方式的信息,判断目标业务订单是否属于需要进行上链存证的订单,若是,则可以利用区块链网络存储所述订单履约信息,以对所述订单履约信息进行上链存证。否则,可以对所述订单履约信息进行链下存证。
本说明书实施例提供的针对订单信息的存证方案,可以充分利用历史数据,评估针对目标业务订单进行订单信息上链存证所对应的资源收益预测值及资源损耗预测值,并在资源收益预测值及资源损耗预测值的差值大于预设阈值后,才对目标业务订单进行上链存证,从而可以在保障存证的订单信息的可信性、安全性的基础上,减轻针对订单信息进行上链存证时的资源浪费情况。
基于同样的思路,本说明书实施例还提供了上述方法对应的装置。图4为本说明书实施例提供的对应于图2的一种订单信息的存证装置的结构示意图。如图4所示,该装置可以包括:
第一获取模块402,用于获取目标业务订单的违约预测结果;所述违约预测结果是利用目标预测模型,针对所述目标业务订单进行订单信息上链存证后的违约预测而得到的。
确定模块404,用于根据所述违约预测结果,确定针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值及资源损耗预测值。
上链存证模块406,用于若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则基于区块链网络对所述目标业务订单的订单信息进行上链存证。
基于图4的装置,本说明书实施例还提供了该装置的一些具体实施方案,下面进行说明。
可选的,所述第一获取模块,可以包括:
第一获取单元,用于获取所述目标业务订单的订单明细信息。
第二获取单元,用于获取发起所述目标业务订单的用户的历史信用信息。
违约预测单元,用于利用所述目标预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约预测,得到所述目标业务订单的违约预测结果。
可选的,所述违约预测单元,可以包括:
第一预测子单元,用于利用第一预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约概率预测,得到所述用户对于所述目标业务订单的违约概率预测值。
第二预测子单元,用于利用第二预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的成本资源损失率预测,得到针对所述目标业务订单的成本资源损失率预测值。
第三预测子单元,用于利用第三预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约概率下降值预测,得到所述用户对于所述目标业务订单的违约概率下降预测值。
可选的,所述确定模块404,具体可以用于:
根据所述违约概率预测值、所述成本资源损失率预测值及所述违约概率下降预测值中的至少一种,以及,所述目标业务订单的成本资源量,计算针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值。以及,
获取针对所述目标业务订单进行订单信息上链存证所需消耗的目标资源量。
根据所述目标资源量及所述违约概率预测值,计算针对所述目标业务订单进行订单信息上链存证所对应的资源损耗预测值。
可选的,图4中的装置还可以包括:
目标差值计算模块,用于计算所述资源收益预测值与所述资源损耗预测值之差,得到目标差值。
第一判断结果生成模块,用于判断所述目标差值是否达到所述预设阈值,得到第一判断结果;
对应的,上链存证模块406,具体可以用于:
若所述第一判断结果表示所述目标差值达到所述预设阈值,则存储所述目标业务订单的订单信息至区块链网络。
可选的,所述目标业务订单的订单信息可以包括:订单明细信息。图4中的装置还可以包括:
第二获取模块,用于获取针对所述目标业务订单的订单明细信息的第一存证请求。
所述上链存证模块406,具体可以用于:
响应于所述第一存证请求,若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则存储所述订单明细信息至区块链网络。
图4中的装置还可以包括:
链下存证模块,用于响应于所述第一存证请求,若所述资源收益预测值与所述资源损耗预测值的差值未达到预设阈值,则对所述订单明细信息进行链下存证。
可选的,所述目标业务订单的订单信息还包括:订单履约信息;图4中的装置还可以包括:
第三获取模块,用于获取针对所述目标业务订单的订单履约信息的第二存证请求。
判断模块,用于响应于所述第二存证请求,判断所述目标业务订单是否属于需要进行订单信息上链存证的业务订单,得到第二判断结果。
存储模块,用于若所述第二判断结果表示所述目标业务订单属于需要进行订单信息上链存证的业务订单,则存储所述订单履约信息至所述区块链网络。以及,若所述第二判断结果表示所述目标业务订单不属于需要进行订单信息上链存证的业务订单,则对所述订单履约信息进行链下存证。
基于同样的思路,本说明书实施例还提供了上述方法对应的设备。
图5为本说明书实施例提供的对应于图2的一种订单信息的存证设备的结构示意图。
如图5所示,设备500可以包括:
至少一个处理器510;以及,
与所述至少一个处理器通信连接的存储器530;其中,
所述存储器530存储有可被所述至少一个处理器510执行的指令520,所述指令被所述至少一个处理器510执行,以使所述至少一个处理器510能够:
获取目标业务订单的违约预测结果;所述违约预测结果是利用目标预测模型,针对所述目标业务订单进行订单信息上链存证后的违约预测而得到的。
根据所述违约预测结果,确定针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值及资源损耗预测值。
若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则基于区块链网络对所述目标业务订单的订单信息进行上链存证。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于图5所示的设备而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字符***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字符助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字符多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品或者设备不仅包括那些要素,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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、***或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (22)
1.一种订单信息的存证方法,包括:
获取目标业务订单的违约预测结果;所述违约预测结果是利用目标预测模型,针对所述目标业务订单进行订单信息上链存证后的违约预测而得到的;
根据所述违约预测结果,确定针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值及资源损耗预测值;
若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则基于区块链网络对所述目标业务订单的订单信息进行上链存证。
2.如权利要求1所述的方法,所述获取目标业务订单的违约预测结果,具体包括:
获取所述目标业务订单的订单明细信息;
获取发起所述目标业务订单的用户的历史信用信息;
利用所述目标预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约预测,得到所述目标业务订单的违约预测结果。
3.如权利要求2所述的方法,所述利用所述目标预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约预测,得到所述目标业务订单的违约预测结果,具体包括:
利用第一预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约概率预测,得到所述用户对于所述目标业务订单的违约概率预测值。
4.如权利要求3所述的方法,所述利用所述目标预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约预测,得到所述目标业务订单的违约预测结果,还包括:
利用第二预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的成本资源损失率预测,得到针对所述目标业务订单的成本资源损失率预测值。
5.如权利要求4所述的方法,所述利用所述目标预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约预测,得到所述目标业务订单的违约预测结果,还包括:
利用第三预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约概率下降值预测,得到所述用户对于所述目标业务订单的违约概率下降预测值。
6.如权利要求5所述的方法,所述根据所述违约预测结果,确定针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值,具体包括:
根据所述违约概率预测值、所述成本资源损失率预测值及所述违约概率下降预测值中的至少一种,以及,所述目标业务订单的成本资源量,计算针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值。
7.如权利要求5所述的方法,所述根据所述违约预测结果,确定针对所述目标业务订单进行订单信息上链存证所对应的资源损耗预测值,具体包括:
获取针对所述目标业务订单进行订单信息上链存证所需消耗的目标资源量;
根据所述目标资源量及所述违约概率预测值,计算针对所述目标业务订单进行订单信息上链存证所对应的资源损耗预测值。
8.如权利要求1所述的方法,所述若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则基于区块链网络对所述目标业务订单的订单信息进行上链存证之前,还包括:
计算所述资源收益预测值与所述资源损耗预测值之差,得到目标差值;
判断所述目标差值是否达到所述预设阈值,得到第一判断结果;
所述若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则基于区块链网络对所述目标业务订单的订单信息进行上链存证,具体包括:
若所述第一判断结果表示所述目标差值达到所述预设阈值,则存储所述目标业务订单的订单信息至区块链网络。
9.如权利要求1所述的方法,所述目标业务订单的订单信息包括:订单明细信息;
所述获取目标业务订单的违约预测结果之前,还包括:
获取针对所述目标业务订单的订单明细信息的第一存证请求;
所述若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则基于区块链网络对所述目标业务订单的订单信息进行上链存证,具体包括:
响应于所述第一存证请求,若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则存储所述订单明细信息至区块链网络。
10.如权利要求9所述的方法,还包括:
响应于所述第一存证请求,若所述资源收益预测值与所述资源损耗预测值的差值未达到预设阈值,则对所述订单明细信息进行链下存证。
11.如权利要求9所述的方法,所述目标业务订单的订单信息还包括:订单履约信息;
所述存储所述订单明细信息至区块链网络之后,还包括:
获取针对所述目标业务订单的订单履约信息的第二存证请求;
响应于所述第二存证请求,判断所述目标业务订单是否属于需要进行订单信息上链存证的业务订单,得到第二判断结果;
若所述第二判断结果表示所述目标业务订单属于需要进行订单信息上链存证的业务订单,则存储所述订单履约信息至所述区块链网络。
12.如权利要求11所述的方法,所述判断所述目标业务订单是否属于需要进行订单信息上链存证的业务订单之后,还包括:
若所述第二判断结果表示所述目标业务订单不属于需要进行订单信息上链存证的业务订单,则对所述订单履约信息进行链下存证。
13.一种订单信息的存证装置,包括:
第一获取模块,用于获取目标业务订单的违约预测结果;所述违约预测结果是利用目标预测模型,针对所述目标业务订单进行订单信息上链存证后的违约预测而得到的;
确定模块,用于根据所述违约预测结果,确定针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值及资源损耗预测值;
上链存证模块,用于若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则基于区块链网络对所述目标业务订单的订单信息进行上链存证。
14.如权利要求13所述的装置,所述第一获取模块,包括:
第一获取单元,用于获取所述目标业务订单的订单明细信息;
第二获取单元,用于获取发起所述目标业务订单的用户的历史信用信息;
违约预测单元,用于利用所述目标预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约预测,得到所述目标业务订单的违约预测结果。
15.如权利要求14所述的装置,所述违约预测单元,包括:
第一预测子单元,用于利用第一预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约概率预测,得到所述用户对于所述目标业务订单的违约概率预测值。
16.如权利要求15所述的装置,所述违约预测单元,还包括:
第二预测子单元,用于利用第二预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的成本资源损失率预测,得到针对所述目标业务订单的成本资源损失率预测值。
17.如权利要求16所述的装置,所述违约预测单元,还包括:
第三预测子单元,用于利用第三预测模型,基于所述订单明细信息及所述历史信用信息,针对所述目标业务订单进行订单信息上链存证后的违约概率下降值预测,得到所述用户对于所述目标业务订单的违约概率下降预测值。
18.如权利要求17所述的装置,所述确定模块,具体用于:
根据所述违约概率预测值、所述成本资源损失率预测值及所述违约概率下降预测值中的至少一种,以及,所述目标业务订单的成本资源量,计算针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值。
19.如权利要求17所述的装置,所述确定模块,具体用于:
获取针对所述目标业务订单进行订单信息上链存证所需消耗的目标资源量;
根据所述目标资源量及所述违约概率预测值,计算针对所述目标业务订单进行订单信息上链存证所对应的资源损耗预测值。
20.如权利要求13所述的装置,所述目标业务订单的订单信息包括:订单明细信息;所述装置还包括:
第二获取模块,用于获取针对所述目标业务订单的订单明细信息的第一存证请求;
所述上链存证模块,具体用于:
响应于所述第一存证请求,若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则存储所述订单明细信息至区块链网络。
21.如权利要求20所述的装置,所述目标业务订单的订单信息还包括:订单履约信息;所述装置还包括:
第三获取模块,用于获取针对所述目标业务订单的订单履约信息的第二存证请求;
判断模块,用于响应于所述第二存证请求,判断所述目标业务订单是否属于需要进行订单信息上链存证的业务订单,得到第二判断结果;
存储模块,用于若所述第二判断结果表示所述目标业务订单属于需要进行订单信息上链存证的业务订单,则存储所述订单履约信息至所述区块链网络。
22.一种订单信息的存证设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取目标业务订单的违约预测结果;所述违约预测结果是利用目标预测模型,针对所述目标业务订单进行订单信息上链存证后的违约预测而得到的;
根据所述违约预测结果,确定针对所述目标业务订单进行订单信息上链存证所对应的资源收益预测值及资源损耗预测值;
若所述资源收益预测值与所述资源损耗预测值的差值达到预设阈值,则基于区块链网络对所述目标业务订单的订单信息进行上链存证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210884743.4A CN115204878A (zh) | 2022-07-26 | 2022-07-26 | 一种订单信息的存证方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210884743.4A CN115204878A (zh) | 2022-07-26 | 2022-07-26 | 一种订单信息的存证方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115204878A true CN115204878A (zh) | 2022-10-18 |
Family
ID=83584497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210884743.4A Pending CN115204878A (zh) | 2022-07-26 | 2022-07-26 | 一种订单信息的存证方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115204878A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117932577A (zh) * | 2024-03-25 | 2024-04-26 | 山东征途信息科技股份有限公司 | 一种互联网数据的处理方法及*** |
-
2022
- 2022-07-26 CN CN202210884743.4A patent/CN115204878A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117932577A (zh) * | 2024-03-25 | 2024-04-26 | 山东征途信息科技股份有限公司 | 一种互联网数据的处理方法及*** |
CN117932577B (zh) * | 2024-03-25 | 2024-05-31 | 山东征途信息科技股份有限公司 | 一种互联网数据的处理方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102110733B1 (ko) | 블록체인 기반의 콘텐츠 리워드 제공 방법 및 시스템 | |
US20230111785A1 (en) | Machine-learning techniques to generate recommendations for risk mitigation | |
US11094008B2 (en) | Debt resolution planning platform for accelerating charge off | |
CN111353901A (zh) | 风险识别监控方法、装置以及电子设备 | |
CN107026848A (zh) | 业务授权方法及装置 | |
US20230013086A1 (en) | Systems and Methods for Using Machine Learning Models to Automatically Identify and Compensate for Recurring Charges | |
CN112101939A (zh) | 基于区块链的节点管理方法及*** | |
CN111784517B (zh) | 基于区块链的联票管理方法、***、电子设备及存储介质 | |
CA2845645A1 (en) | In the market model systems and methods | |
US20230005055A1 (en) | Automatic adjustment of limits based on machine learning forecasting | |
CN115204878A (zh) | 一种订单信息的存证方法、装置及设备 | |
US20150088727A1 (en) | Method for determining creditworthiness for exchange of a projected, future asset | |
CN113344695A (zh) | 一种弹性风控方法、装置、设备和可读介质 | |
CN113327111A (zh) | 一种网络金融交易风险的评估方法及*** | |
CN112561162A (zh) | 一种信息推荐的方法及装置 | |
CN112016914A (zh) | 资源管控、资金管控方法、装置和设备 | |
CN108416662A (zh) | 一种数据验证方法及装置 | |
CN114444120A (zh) | 一种基于区块链的融资方法、装置、电子设备和存储介质 | |
US20210374619A1 (en) | Sequential machine learning for data modification | |
CN115099925A (zh) | 一种基于区块链的风险评估方法、装置及设备 | |
KR20220119919A (ko) | 간편 세금 납부 서비스를 제공하는 서버, 시스템, 및 컴퓨터 프로그램 | |
CN115485662A (zh) | 计算平台上的配额请求解析 | |
CN114119243A (zh) | 基于区块链的池融资管理方法、装置、介质和电子设备 | |
CN110096376B (zh) | 一种数据转移方法及相关设备 | |
CN113129127A (zh) | 预警方法和装置 |
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 |