CN115345726B - ***的自动审批方法、装置、电子设备和介质 - Google Patents
***的自动审批方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN115345726B CN115345726B CN202210991341.4A CN202210991341A CN115345726B CN 115345726 B CN115345726 B CN 115345726B CN 202210991341 A CN202210991341 A CN 202210991341A CN 115345726 B CN115345726 B CN 115345726B
- Authority
- CN
- China
- Prior art keywords
- user
- risk
- credit
- potential risk
- credit card
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000006399 behavior Effects 0.000 claims abstract description 100
- 238000012545 processing Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000012790 confirmation Methods 0.000 claims description 2
- 239000013598 vector Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000012795 verification Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 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
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3346—Query execution using probabilistic model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种***的自动审批方法、装置、电子设备和介质，其方法包括：获取潜在风险用户在申请***期间的待识别申请场景图片；所述潜在风险用户包括征信报告良好、不存在违法行为中的任意一种或多种行为类型的用户；获取所述潜在风险用户的行为特征信息；将所述潜在风险用户的行为特征信息和所述待识别申请场景图片，输入至训练好的风险识别模型以输出风险评分；根据所述风险评分判断是否向所述潜在风险用户发放***。本发明减少风险借贷事件的概率，降低***发放后坏账的概率，大大提升银行的资金的安全性。
Description
技术领域
本发明涉及数据处理技术领域，进一步地涉及***的自动审批方法、装置、电子设备和介质。
背景技术
随着人们生活水平的不断提高，对于消费的需求日益提高。在此前景下，***的出现，解决了大部分人员的消费需求。
当然，随着***的普及，越来越多的消费者使用***进行消费。目前，银行通过信用度来评估审核是否向用户发放***。
但是，这种方式存在风险，即如果有些用户此前征信报告良好或者不存在违法行为，银行无法识别出潜在风险用户，导致***发放后容易坏账，无疑导致银行的损失极大，使得银行的权益难以得到保障。
发明内容
本发明实施例的目的是提供一种***的自动审批方法、装置、电子设备及计算机可读存储介质，达到降低***的审批风险和提升***的自动审批效率的效果。
在第一方面，为实现上述目的，本发明实施例提供了一种***的自动审批方法，包括：
获取潜在风险用户在申请***期间的待识别申请场景图片；所述潜在风险用户包括征信报告良好、不存在违法行为中的任意一种或多种行为类型的用户；
获取所述潜在风险用户的行为特征信息；
将所述潜在风险用户的行为特征信息和所述待识别申请场景图片，输入至训练好的风险识别模型以输出风险评分；
根据所述风险评分判断是否向所述潜在风险用户发放***。
在第二方面，为了解决相同的技术问题，本发明实施例提供了一种***的审批装置，包括：
图片获取模块，用于获取潜在风险用户在申请***期间的待识别申请场景图片；所述潜在风险用户包括征信报告良好、不存在违法行为中的任意一种或多种行为类型的用户；
信息获取模块，用于获取所述潜在风险用户的行为特征信息；
分析模块，用于将所述潜在风险用户的行为特征信息和所述待识别申请场景图片，输入至训练好的风险识别模型以输出风险评分；
处理模块，用于根据所述风险评分判断是否向所述潜在风险用户发放***。
在第三方面，为了解决相同的技术问题，本发明实施例提供了一种电子设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述存储器与所述处理器耦接，且所述处理器执行所述计算机程序时，实现上述任一项所述的***的自动审批方法中的步骤。
在第四方面，为了解决相同的技术问题，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在的设备执行上述任一项所述的***的自动审批方法中的步骤。
本发明实施例提供了一种***的自动审批方法、装置、电子设备及计算机可读存储介质，通过风险识别模型对潜在风险用户的行为特征信息和待识别申请场景图片进行识别分析得到风险评分，根据风险评分来判断是否向该潜在风险用户发放***，相对于人工核查而已能够大大降低漏查错查概率，极大地减少风险借贷事件的发生，本发明可降低***审核过程的人力人本及错误率，从而提高审核效率及准确率，以对信贷风险进行更有效的管控和排查，大大提高降低***的审批风险和提升***的自动审批效率的效果。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对本发明的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1为本申请实施例提供的***的自动审批方法的一种流程示意图；
图2为本申请实施例提供的***的自动审批方法的另一种流程示意图；
图3为本申请实施例提供的***的自动审批方法的另一种流程示意图；
图4为本申请实施例提供的***的自动审批方法的另一种流程示意图；
图5为本申请实施例提供的***的自动审批方法的另一种流程示意图；
图6为本申请实施例提供的电子设备的一种结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所述描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。
为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
请参见图1，图1为本发明实施例提供的***的自动审批方法的一种流程示意图，包括步骤S101至步骤S104。
步骤S101、获取潜在风险用户在申请***期间的待识别申请场景图片；所述潜在风险用户包括征信报告良好、不存在违法行为中的任意一种或多种行为类型的用户；
具体的，待识别申请场景图片是指使用***申请终端发起申请请求后，后台服务器先查询发起申请请求的用户是否是潜在风险用户，如果是的话就发送控制指令给***申请终端，触发控制***申请终端的摄像头拍摄并获取包括潜在风险用户以及潜在风险用户周围环境的图片得到待识别申请场景图片。因为某些黑产团伙会非法购买姓名、身份证号和大头照，并使用软件非法破解***的审批流程伪造盗用他人身份申请***使用，因此，本申请的***的审批流程还需要获取待识别申请场景图片。
不存在违法行为的用户是指没有违反国家现行法律规定，危害法律所保护的社会关系的行为的用户。征信报告良好包括两种类型，分别为无信贷申请记录的用户或者无征信问题的用户。
无信贷申请记录的用户是指没有任何一家银行机构发放的信贷记录的用户，而因为信贷都会纳入征信报告，因此，可以从个人征信报告首页上查询用户是否有信贷申请记录(例如***申请记录、房贷申请记录等)，当然，也可以通过云闪付的后台服务器查询用户在所有银行机构是否有信贷申请记录，如果没有则确定该用户为无信贷申请记录的用户。
无征信问题的用户是指虽然用户存在信贷(例如***、花呗等)的记录，但是不存在逾期还款记录的用户。可以从个人征信报告首页上查询用户的征信报告，进而根据征信报告中的还款记录判断该用户是否为无征信问题的用户。从某一种角度来说，无信贷申请记录的用户因为无需按时还款，因此无信贷申请记录也属于征信报告良好的一种。
用户通过***申请终端(例如银行自助服务区域的自助服务终端，或者用户使用的手机、电脑等)进入***申请页面，***申请页面会展示供用户选择***类型的选择页面，以及供用户填写个人信息的填写界面等，在完成上述信息的填写后，***申请终端会生成一个***申请请求并发送给后台服务器。其中，个人信息包括姓名、证件类型、证件号码等信息。***类型包括主卡、副卡、普卡、金卡、黑卡等。本申请获取潜在风险用户在申请***期间的待识别申请场景图片的方式包括至少两种：
第一种方式为：后台服务器在接收到***申请终端发送的***申请请求后，立即为金融服务机构的坐席人员所使用的审核终端，以及***申请终端创建身份验证通道，以便坐席人员与用户通过***申请终端的摄像头建立视频通话，这样，坐席人员可采用人工方式进行面签验证用户身份，后台服务器将面签过程中的视频数据保存起来，从而对视频数据进行人脸识别获取待识别申请场景图片。当然，为了提升获取待识别申请场景图片的效率，后台服务器直接接收***申请终端发送的用户侧视频数据，对用户侧视频数据进行人脸识别获取待识别申请场景图片。
第二种方式为：后台服务器在接收到***申请终端发送的***申请请求后，后台服务器会向***申请终端发起活体验证请求，以创建后台服务器与***申请终端之间的身份验证通道，这样，***申请终端就会开启活体验证流程拍摄采集包括用户以及用户周围环境的用户侧视频数据，后台服务器接收***申请终端发送的用户侧视频数据，以便后台服务器后续根据个人信息中的身份证照片与用户侧视频数据识别得到的人脸进行比较验证用户身份。同时，后台服务器对用户侧视频数据进行人脸识别获取待识别申请场景图片。
步骤S102、获取所述潜在风险用户的行为特征信息；
具体的，行为特征信息包括交易行为特征、身份特征、社交关系特征、信用度。交易行为特征可以根据个人交易记录进行分析获取，而个人交易记录包括但是不限于银行流水、银行账户余额、数字钱包余额(例如支付宝的余额宝余额、微信的零钱余额)中的任意一项或者多项。例如，可以通过潜在风险用户提供的常用银行卡***、近期使用的******调用该银行卡或***绑定的银行的***，然后从该银行***中调取到银行流水、银行账户余额等数据。又或者可以通过银行卡***调用征信中心、贷款机构的***，再从征信中心、贷款机构的***调取到信用度等。
步骤S103、将所述潜在风险用户的行为特征信息和所述待识别申请场景图片，输入至训练好的风险识别模型以输出风险评分；
具体的，通过上述方式获取到潜在风险用户的行为特征信息和待识别申请场景图片后，将潜在风险用户的行为特征信息和待识别申请场景图片作为输入参数输入至事先就训练好的风险识别模型中，通过风险识别模型识别输出潜在风险用户的风险评分。
步骤S104、根据所述风险评分判断是否向所述潜在风险用户发放***。
具体的，一旦获取到潜在风险用户的风险评分后，根据风险评分判断是否为潜在风险用户发放其所申请的***。众所周知，用户在不同阶段的行为观念可能会产生变化，即用户此前从无逾期或者违法行为，但是可能因为外界或者个人原因需要申请***进行超前消费且无还款意愿，这样的用户会给银行造成极大的损失。因此，本发明通过风险识别模型对潜在风险用户的行为特征信息和待识别申请场景图片进行识别分析得到风险评分，根据风险评分来判断是否向该潜在风险用户发放***，这样银行能够降低***发放后坏账的概率，大大提升银行的资金的安全性。
此外，由于不仅仅单独以潜在风险用户的行为特征作为评估因子，额外将待识别申请场景图片与行为特征共同输入风险识别模型识别分析是否向潜在风险用户发放***，能够降低黑产团伙伪造盗用他人身份(例如通过姓名、身份证号和大头照)申请***，降低***发放后坏账的概率，提升银行用户对***申请的可信度的同时，还能减少后续用户与银行之间的纠纷，大大降低了银行信贷的管理成本和风险，更保障了银行的权益。
在一实施例中，请参见图2，图2为本发明实施例提供的***的自动审批方法的另一种流程示意图，所述步骤S103将所述潜在风险用户的行为特征信息和所述待识别申请场景图片，输入至训练好的风险识别模型以输出风险评分之前包括：
步骤S201、根据坏账类型***的历史数据，获取坏账用户的申请场景样本图片和行为特征信息；
具体的，商业信用的高度发展是市场经济的重要特征之一，商业信用的发展在为企业带来销售收入的增加的同时，不可避免地导致坏账的发生。坏账是指无法收回或收回的可能性极小的应收款项，死账也可称为坏账。
步骤S202、通过图像识别算法将所述申请场景样本图片进行图像识别得到坏账场景图像特征；
步骤S203、根据所述坏账场景图像特征和所述坏账用户的行为特征信息，训练得到风险识别模型。
具体的，可以通过对包含有全量业务数据的历史数据和坏账场景图像特征进行预设的聚类处理，得到多个坏账用户的基于业务相关性聚类在一起的多个样本数据集(包括大量的坏账场景图像特征和坏账用户的行为特征信息)。再利用多个坏账用户的多个样本数据集，训练得到准确度较高的风险识别模型。
具体的，调取历史坏账用户的行为数据，利用机器学习算法建模以得到风险识别模型。具体包括调取历史坏账用户的行为数据；对历史坏账用户的行为数据进行词袋模型统计构建字典；根据构建的字典得到坏账用户行为特征；其中，对坏账用户行为特征进行求和，得到坏账用户行为特征集；利用TF-IDF算法分别对所有的坏账用户行为特征进行向量表示，得到对应的坏账用户行为特征向量；将坏账用户行为特征向量分别在坏账用户行为特征集上做特征映射，得到坏账用户行为特征向量的TF-IDF值；将TF-IDF值大于预设阈值的坏账用户行为特征向量以及坏账场景图像特征输入机器学习算法建模以得到风险识别模型。
其中，对历史坏账用户的行为数据进行词袋模型统计构建字典包括对以往坏账用户的数据进行去停用词，wordNet过滤，词性过滤，词干提取等过程。
其中，TF-IDF(Term Frequency–Inverse Document Frequency)是一种用于数据检索与数据挖掘的常用加权技术。TF的意思是词频(Term Frequency)，IDF的意思是逆文本频率指数(Inverse Document Frequency)。TF-IDF是一种统计方法，用于评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。其中，字词的重要性随着它在文件中出现的次数成正比增加。
其中，TF、IDF和TF-IDF的计算公式如下：
TF-IDF＝TF×IDF。
本发明在获取潜在风险用户的行为特征信息和待识别申请场景图片之后，可以通过调用上述预设的风险识别模型来综合处理潜在风险用户的行为特征信息和待识别申请场景图片，以较为全面且精准地确定出潜在风险用户的风险评分，进而确定其风险等级，从而可以有效降低确定用户风险时的误差，提高风险预测精度。
在一实施例中，请参见图3，图3为本发明实施例提供的***的自动审批方法的另一种流程示意图，所述步骤S104根据所述风险评分判断是否向所述潜在风险用户发放***包括：
步骤S301、比较所述风险评分与第一预设风险阈值和第二预设风险阈值的大小；所述第一预设风险阈值小于所述第二预设风险阈值；
步骤S302、若所述风险评分低于所述第一预设风险阈值，拒绝向所述潜在风险用户发放***；
步骤S303、若所述风险评分高于所述第二预设风险阈值，允许向所述潜在风险用户发放***；
步骤S304、若所述风险评分高于所述第一预设风险阈值且低于所述第二预设风险阈值，根据所述潜在风险用户的还贷金额再次评判是否向所述潜在风险用户发放***。
具体的，比较风险评分与第一预设风险阈值和第二预设风险阈值的大小；第一预设风险阈值小于第二预设风险阈值；若风险评分低于第一预设风险阈值，就说明该潜在风险用户在未来很大可能是出现逾期还款甚至拒绝还款的坏账用户，因此拒绝向潜在风险用户发放***。若风险评分高于第二预设风险阈值，就说明该潜在风险用户在未来很低概率是出现逾期还款甚至拒绝还款的坏账用户，因此允许向潜在风险用户发放***。若所述风险评分高于所述第一预设风险阈值且低于所述第二预设风险阈值，根据潜在风险用户的还贷金额再次评判是否向潜在风险用户发放***。
由于一般坏账用户会列入银行的黑名单中，因此，优选的，根据黑名单将坏账用户的行为特征按照其向量的TF-IDF值由大到小进行排序。按照排序将潜在风险用户的行为特征的数值依次与黑名单上对应的坏账用户行为特征的阈值进行比对进一步预测潜在风险用户未来属于坏账用户的风险评分。其中，可以理解的是，由于黑名单上的坏账用户行为特征是按照其向量的TF-IDF值由大到小进行排序的，将潜在风险用户的行为特征的数值与黑名单上的对应的坏账用户行为特征的阈值进行比对，可以是优先与黑名单中排名在第一的坏账用户行为特征的阈值进行比对，也即从第一预设数量的行为特征中查找出与黑名单中排名在第一的坏账用户行为特征对应的潜在风险用户的行为特征，然后进行二者的比对，若比对得到的结果超过阈值，再一次进行后续排名特征的比对。若比对结果为超出对应的坏账用户行为特征的阈值的潜在风险用户的行为特征的数量大于第二预设数量，则确定潜在风险用户为坏账用户。其中，可以理解的是，确定潜在风险用户为坏账用户，也即潜在风险用户为黑名单用户。当确定潜在风险用户为坏账用户时，截断潜在风险用户正在操作的业务流程。利用预设时间段内比对得到的坏账用户的数据和机器学习算法对黑名单上的风险识别模型进行更新。
举例来说，假设黑名单上的坏账用户行为特征按照其向量的TF-IDF值由大到小进行排序是：信用度＞银行流水＞数字钱包余额。则在比对时，先将潜在风险用户的信用度指数、信用度增加幅度或减小幅度等与信用度有关的数值与黑名单上的坏账用户的信用度指数、信用度增加幅度或减小幅度等与信用度有关的数值进行比对；然后将潜在风险用户的银行流水变化量与黑名单上的坏账用户的银行流水变化量进行比对；再将潜在风险用户的数字钱包余额值与黑名单上的坏账用户的数字钱包余额值进行比。
其中，可以理解的是，通过利用预设时间段内比对得到的坏账用户的数据和机器学习算法对黑名单上的风险识别模型进行更新，可以不断对黑名单上对应的坏账用户行为特征的阈值进行校正，或者增加黑名单上的坏账用户行为特征的数量。
可以看出，通过本申请实施例提供的技术方案，将坏账用户行为特征按照其向量的TF-IDF值由大到小进行排序，也即将坏账用户行为特征按照重要性由高到低进行排序，当将潜在风险用户的行为特征的数值与黑名单上对应的坏账用户行为特征的阈值进行比对时，可以优先比对更重要的特征，若比对得到的结果超过阈值，再一次进行后续排名特征的比对，从而可以减少比对的次数，从而加快比对的速度及精确度，提高识别黑名单用户的效率。
在一实施例中，请参见图4，图4为本发明实施例提供的***的自动审批方法的另一种流程示意图，所述根据所述潜在风险用户的还贷金额再次评判是否向所述潜在风险用户发放***包括：
步骤S401、根据所述潜在风险用户的资产信息和消费信息分析得到还贷金额；
具体的，本发明的资产信息是指用户的流动资金，资产信息包括工资收入、兼职收入、房屋或设备外租的租赁收入、金融投资收入(例如理财产品购买产生的利润)等收入来源。消费信息包括日常消费(例如房租、水电费、饮食、出行等)、购物消费(例如衣物购置、电子产品购置等)、信贷月均还款等消费项目。可从第三方支付工具(例如支付宝余额、微信零钱等)的第三方服务器或者银行服务器(包括借记卡服务器和/或***服务器)中调取资产信息和消费信息。然后，根据标用户的资产信息和消费信息，计算得到目标用户的还贷金额(即月度最高还款金额)。
在一实施例中，请参见图5，图5为本发明实施例提供的***的自动审批方法的另一种流程示意图，所述根据所述潜在风险用户的资产信息和消费信息分析得到还贷金额包括：
S501根据所述资产信息获取所述潜在风险用户的收入平均金额；
具体的，通过上述方式获取目标用户的资产信息后，由于用户的资产组成包括至少一种收入来源，因此，获取目标用户在预设周期(前半年度或者前一年度)的总资产信息，然后将总资产信息与预设周期相除即可得到对应的收入平均金额。
S502根据所述消费信息获取每项消费项目的权重系数及其平均消费金额；
S503根据所述权重系数、平均消费金额进行加权计算得到预估消费金额；
S504将所述收入平均金额与所述预估消费金额，进行差值计算得到所述还贷金额。
具体的，通过上述方式获取目标用户的消费信息后，由于用户的消费组成包括至少一种消费项目，根据每项消费项目的平均消费金额在每月消费总额的占比，可确定每项消费项目的权重系数，即占比越大对应消费项目的权重系数就越大。因此，可以根据每项消费项目分别对应的权重系数、平均消费金额进行加权计算得到预估消费金额。然后，将月度的收入平均金额减去月度的预估消费金额可计算得到还贷金额。
本发明通过互联网、金融网站抓取***、贷款详情等用户信息数据，然后对上述采集的用户信息数据进行数据分类、数据去重、数据填充、数据修正、数据转换、数据清洗以及数据校验等数据处理可得到处理后的消费信息。之后，从目标用户的企业经营、家庭情况、资产评估等多个方面计算获得资产信息，进而可通过上述方式计算得到目标用户的还贷金额。
步骤S402、根据所述还贷金额和初始信贷额度，确定所述潜在风险用户的最终信贷额度；
步骤S403、向所述潜在风险用户发起询问请求以通知所述最终信贷额度；
步骤S404、若接收到所述潜在风险用户的确认响应消息，允许向所述潜在风险用户发放***；
步骤S405、若接收到所述潜在风险用户的否认响应消息，拒绝向所述潜在风险用户发放***。
具体的，根据预设的潜在风险用户所属的身份类型的授信上限额度以及潜在风险用户的授信系数确定潜在风险用户的初始信贷额度。本实施例中可以根据预设的潜在风险用户所属的身份类型的授信上限额度，结合潜在风险用户的授信系数，计算潜在风险用户的授信额度。
例如潜在风险用户为工商个体户身份类型，而预设工商个体户身份类型的最高授信额度为50万，该潜在风险用户计算得出的授信系数为0.5，则该潜在风险用户的初始信贷额度为：50万*0.5＝25万。
假如潜在风险用户为普通私营企业员工身份类型，而普通私营企业员工的最高授信额度为10万，潜在风险用户计算得出的授信系数为0.8，则潜在风险用户的初始信贷额度为：10万*0.8＝8万，上述仅以两个小型企业为例子进行说明，还可以保存有其他的身份类型，例如中型身份类型或者大型身份类型等，具体不作限定。
根据潜在风险用户的资产信息和消费信息分析得到还贷金额，然后，判断所述初始信贷额度是否超过所述还贷金额；若是，则确定将所述还贷金额作为所述最终信贷额度；若否，则确定将所述初始信贷额度作为所述最终信贷额度。本实施例中可以根据初始信贷额度对比潜在风险用户的还贷金额确定潜在风险用户的最终信贷额度，即判断初始信贷额度是否超过潜在风险用户的还贷金额，当初始信贷额度超过还贷金额时，将还贷金额作为最终信贷额度；当初始信贷额度不超过还贷金额，将初始信贷额度作为最终信贷额度。
例如某个体户的初始信贷额度为6万，还贷金额为3万，则对比两者取最小值，得出该个体户最终信贷额度为3万；又例如某小型企业的初始信贷额度为80万，还贷金额为60万，则对比两者取最小值，得出该小型企业最终信贷额度为60万。
具体的，本发明采集具有主动借贷意愿的用户提供的用户姓名、联系方式、家庭住址、申请类型、申请金额、申请年限、用户年龄、婚姻状况等基本数据，以及通过互联网、金融网站抓取***、贷款详情等用户信息数据，然后对上述采集的用户信息数据进行数据分类、数据去重、数据填充、数据修正、数据转换等数据清洗，以及数据校验。之后，根据用户信息数据提取得到行为特征信息以及图像处理获得的待识别申请场景图片，通过数据训练得到风险识别模型。
本发明相比较于传统的信用贷款，更加全面的覆盖用户信用评分考核点，即从用户的基本信息、企业经营、家庭情况、资产评估等多个方面获得行为特征信息，并通过图像识别获取待识别申请场景图片训练生成到风险识别模型中，同时利用统计学和机器学习配合计量建模，能更准确的评估用户属于坏账用户的风险评分。
本发明可以根据潜在风险用户的待识别申请场景图片、行为特征信息以及风险识别模型，确定申领人(即潜在风险用户)的***申请资格。其中，风险识别模型，可以根据具体银行的规定进行设定，此次不做具体限定。如，可以设定申领人的经营状况和预估贷款等级的权重，根据不同的权重来确定风险评分。例如，若经营状况无异常，设置权重为1.1，在预估贷款等级为优质时，设置权重为1.1，则放贷额度为A*1.1*1.1。其中，A根据申领人的收入金额、消费金额、征信报告以及国家规定等，进行设定，此次不做具体限定。
本发明相对于人工核查而已能够大大降低错查概率，极大地减少风险借贷事件的发生，本发明可降低借贷请求审核过程的人力人本及错误率，从而提高审核效率及准确率，以对借贷风险进行更有效的管控和排查。
本发明提供的***审核方法，使得用户可以通过用户终端进行线上或线下的***申请操作，无需与金融服务机构的审核人员面对面申办***，节省人力物力的同时，提高借贷业务的审核效率，大大降低人力物力的同时无需用户前往现场进行***申办，提升用户的使用体验。
根据上述实施例所描述的方法，本实施例将从***的审批装置的角度进一步进行描述，该***的审批装置具体可以作为独立的实体来实现，也可以集成在电子设备，比如终端中来实现，该终端可以包括手机、平板电脑等。
本申请还提供一个实施例，本实施例提供的***的审批装置，包括：
图片获取模块，用于获取潜在风险用户在申请***期间的待识别申请场景图片；所述潜在风险用户包括征信报告良好、不存在违法行为中的任意一种或多种行为类型的用户；
信息获取模块，用于获取所述潜在风险用户的行为特征信息；
分析模块，用于将所述潜在风险用户的行为特征信息和所述待识别申请场景图片，输入至训练好的风险识别模型以输出风险评分；
处理模块，用于根据所述风险评分判断是否向所述潜在风险用户发放***。
具体实施时，以上各个模块可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个模块的具体实施可参见前面的方法实施例，在此不再赘述。
本申请实施例提供的电子设备的另一种结构示意图，如图6所示，图6示出了本申请实施例提供的电子设备的具体结构框图，该电子设备可以用于实施上述实施例中提供的***的自动审批方法。该电子设备900可以为移动终端如智能手机或笔记本电脑等设备。
RF电路910用于接收以及发送电磁波，实现电磁波与电信号的相互转换，从而与通讯网络或者其他设备进行通讯。RF电路910可包括各种现有的用于执行这些功能的电路元件，例如，天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块(SIM)卡、存储器等等。RF电路910可与各种网络如互联网、企业内部网、无线网络进行通讯或者通过无线网络与其他设备进行通讯。上述的无线网络可包括蜂窝式电话网、无线局域网或者城域网。上述的无线网络可以使用各种通信标准、协议及技术，包括但并不限于全球移动通信***(Global System for Mobile Communication，GSM)、增强型移动通信技术(Enhanced DataGSM Environment，EDGE)，宽带码分多址技术(Wideband Code Division MultipleAccess，WCDMA)，码分多址技术(Code Division Access，CDMA)、时分多址技术(TimeDivision Multiple Access，TDMA)，无线保真技术(Wireless Fidelity，Wi-Fi)(如美国电气和电子工程师协会标准IEEE 802.11a，IEEE 802.11b，IEEE802.11g和/或IEEE802.11n)、网络电话(Voice over Internet Protocol，VoIP)、全球微波互联接入(Worldwide Interoperability for Microwave Access，Wi-Max)、其他用于邮件、即时通讯及短消息的协议，以及任何其他合适的通讯协议，甚至可包括那些当前仍未被开发出来的协议。
存储器920可用于存储软件程序以及模块，如上述实施例中***的自动审批方法对应的程序指令/模块，处理器980通过运行存储在存储器920内的软件程序以及模块，从而执行***的自动审批流程如下：
获取潜在风险用户在申请***期间的待识别申请场景图片；所述潜在风险用户包括征信报告良好、不存在违法行为中的任意一种或多种行为类型的用户；
获取所述潜在风险用户的行为特征信息；
将所述潜在风险用户的行为特征信息和所述待识别申请场景图片，输入至训练好的风险识别模型以输出风险评分；
根据所述风险评分判断是否向所述潜在风险用户发放***。
存储器920可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器920可进一步包括相对于处理器980远程设置的存储器，这些远程存储器可以通过网络连接至电子设备900。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入单元930可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元930可包括触敏表面931以及其他输入设备932。触敏表面931，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面931上或在触敏表面931附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面931可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器980，并能接收处理器980发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面931。除了触敏表面931，输入单元930还可以包括其他输入设备932。具体地，其他输入设备932可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元940可用于显示由用户输入的信息或提供给用户的信息以及电子设备900的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元940可包括显示面板941，可选的，可以采用LCD(Liquid Crystal Display，液晶显示器)、OLED(Organic Light-Emitting Diode，有机发光二极管)等形式来配置显示面板941。进一步的，触敏表面931可覆盖显示面板941，当触敏表面931检测到在其上或附近的触摸操作后，传送给处理器980以确定触摸事件的类型，随后处理器980根据触摸事件的类型在显示面板941上提供相应的视觉输出。虽然在图中，触敏表面931与显示面板941是作为两个独立的部件来实现输入和输出功能，但是在某些实施例中，可以将触敏表面931与显示面板941集成而实现输入和输出功能。
电子设备900还可包括至少一种传感器950，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板941的亮度，接近传感器可在翻盖合上或者关闭时产生中断。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于电子设备900还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路960、扬声器961，传声器962可提供用户与电子设备900之间的音频接口。音频电路960可将接收到的音频数据转换后的电信号，传输到扬声器961，由扬声器961转换为声音信号输出；另一方面，传声器962将收集的声音信号转换为电信号，由音频电路960接收后转换为音频数据，再将音频数据输出处理器980处理后，经RF电路910以发送给比如另一终端，或者将音频数据输出至存储器920以便进一步处理。音频电路960还可能包括耳塞插孔，以提供外设耳机与电子设备900的通信。
电子设备900通过传输模块970(例如Wi-Fi模块)可以帮助用户接收请求、发送信息等，它为用户提供了无线的宽带互联网访问。虽然图中示出了传输模块970，但是可以理解的是，其并不属于电子设备900的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器980是电子设备900的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器920内的软件程序和/或模块，以及调用存储在存储器920内的数据，执行电子设备900的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器980可包括一个或多个处理核心；在一些实施例中，处理器980可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作***、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解地，上述调制解调处理器也可以不集成到处理器980中。
电子设备900还包括给各个部件供电的电源990(比如电池)，在一些实施例中，电源可以通过电源管理***与处理器980逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源990还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出，电子设备900还包括摄像头(如前置摄像头、后置摄像头)、蓝牙模块等，在此不再赘述。具体在本实施例中，电子设备的显示单元是触摸屏显示器，移动终端还包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行一个或者一个以上程序包含用于进行以下操作的指令：
获取潜在风险用户在申请***期间的待识别申请场景图片；所述潜在风险用户包括征信报告良好、不存在违法行为中的任意一种或多种行为类型的用户；
获取所述潜在风险用户的行为特征信息；
将所述潜在风险用户的行为特征信息和所述待识别申请场景图片，输入至训练好的风险识别模型以输出风险评分；
根据所述风险评分判断是否向所述潜在风险用户发放***。
具体实施时，以上各个模块可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个模块的具体实施可参见前面的方法实施例，在此不再赘述。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。为此，本申请实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的***的自动审批方法中任一实施例的步骤。
其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令，可以执行本申请实施例所提供的***的自动审批方法任一实施例中的步骤，因此，可以实现本申请实施例所提供的任一***的自动审批方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
以上对本申请实施例所提供的一种***的自动审批方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。并且，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本申请的保护范围。
Claims (7)
1.一种***的自动审批方法，其特征在于，包括：
获取潜在风险用户在申请***期间的待识别申请场景图片；所述潜在风险用户包括征信报告良好、不存在违法行为中的任意一种或多种行为类型的用户；
获取所述潜在风险用户的行为特征信息；
所述获取所述潜在风险用户的行为特征信息包括：
根据所述潜在风险用户的个人身份信息获取身份特征；
根据所述潜在风险用户的个人社交信息获取社交关系特征；
根据所述潜在风险用户的个人交易记录获取交易行为特征；
根据所述潜在风险用户的个人征信报告获取信用度；
其中，所述行为特征信息包括身份特征、社交关系特征、交易行为特征和信用度中的任意一种或多种；
将所述潜在风险用户的行为特征信息和所述待识别申请场景图片，输入至训练好的风险识别模型以输出风险评分；
所述将所述潜在风险用户的行为特征信息和所述待识别申请场景图片，输入至训练好的风险识别模型以输出风险评分之前包括：
根据坏账类型***的历史数据，获取坏账用户的申请场景样本图片和行为特征信息；
通过图像识别算法将所述申请场景样本图片进行图像识别得到坏账场景图像特征；
根据所述坏账场景图像特征和所述坏账用户的行为特征信息，训练得到风险识别模型；
根据所述风险评分判断是否向所述潜在风险用户发放***；
所述根据所述风险评分判断是否向所述潜在风险用户发放***包括：
比较所述风险评分与第一预设风险阈值和第二预设风险阈值的大小；所述第一预设风险阈值小于所述第二预设风险阈值；
若所述风险评分低于所述第一预设风险阈值，拒绝向所述潜在风险用户发放***；
若所述风险评分高于所述第二预设风险阈值，允许向所述潜在风险用户发放***；
若所述风险评分高于所述第一预设风险阈值且低于所述第二预设风险阈值，根据所述潜在风险用户的还贷金额再次评判是否向所述潜在风险用户发放***。
2.根据权利要求1所述的***的自动审批方法，其特征在于，所述根据所述潜在风险用户的还贷金额再次评判是否向所述潜在风险用户发放***包括：
根据所述潜在风险用户的资产信息和消费信息分析得到还贷金额；
根据所述还贷金额和初始信贷额度，确定所述潜在风险用户的最终信贷额度；
向所述潜在风险用户发起询问请求以通知所述最终信贷额度；
若接收到所述潜在风险用户的确认响应消息，允许向所述潜在风险用户发放***；
若接收到所述潜在风险用户的否认响应消息，拒绝向所述潜在风险用户发放***。
3.根据权利要求2所述的***的自动审批方法，其特征在于，所述根据所述潜在风险用户的资产信息和消费信息分析得到还贷金额包括：
根据所述资产信息获取所述潜在风险用户的收入平均金额；
根据所述消费信息获取每项消费项目的权重系数及其平均消费金额；
根据所述权重系数、平均消费金额进行加权计算得到预估消费金额；
将所述收入平均金额与所述预估消费金额，进行差值计算得到所述还贷金额。
4.根据权利要求3所述的***的自动审批方法，其特征在于，所述根据所述还贷金额和初始信贷额度，确定所述潜在风险用户的最终信贷额度包括：
判断所述初始信贷额度是否超过所述还贷金额；
若是，则确定将所述还贷金额作为所述最终信贷额度；
若否，则确定将所述初始信贷额度作为所述最终信贷额度。
5.一种***的审批装置，其特征在于，包括：
图片获取模块，用于获取潜在风险用户在申请***期间的待识别申请场景图片；所述潜在风险用户包括征信报告良好、不存在违法行为中的任意一种或多种行为类型的用户；
信息获取模块，用于获取所述潜在风险用户的行为特征信息；
所述获取所述潜在风险用户的行为特征信息包括：
根据所述潜在风险用户的个人身份信息获取身份特征；
根据所述潜在风险用户的个人社交信息获取社交关系特征；
根据所述潜在风险用户的个人交易记录获取交易行为特征；
根据所述潜在风险用户的个人征信报告获取信用度；
其中，所述行为特征信息包括身份特征、社交关系特征、交易行为特征和信用度中的任意一种或多种；
分析模块，用于将所述潜在风险用户的行为特征信息和所述待识别申请场景图片，输入至训练好的风险识别模型以输出风险评分；
所述将所述潜在风险用户的行为特征信息和所述待识别申请场景图片，输入至训练好的风险识别模型以输出风险评分之前包括：
根据坏账类型***的历史数据，获取坏账用户的申请场景样本图片和行为特征信息；
通过图像识别算法将所述申请场景样本图片进行图像识别得到坏账场景图像特征；
根据所述坏账场景图像特征和所述坏账用户的行为特征信息，训练得到风险识别模型；
处理模块，用于根据所述风险评分判断是否向所述潜在风险用户发放***；
所述根据所述风险评分判断是否向所述潜在风险用户发放***包括：
比较所述风险评分与第一预设风险阈值和第二预设风险阈值的大小；所述第一预设风险阈值小于所述第二预设风险阈值；
若所述风险评分低于所述第一预设风险阈值，拒绝向所述潜在风险用户发放***；
若所述风险评分高于所述第二预设风险阈值，允许向所述潜在风险用户发放***；
若所述风险评分高于所述第一预设风险阈值且低于所述第二预设风险阈值，根据所述潜在风险用户的还贷金额再次评判是否向所述潜在风险用户发放***。
6.一种电子设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述存储器与所述处理器耦接，且所述处理器执行所述计算机程序时，实现如权利要求1至4任一项所述的***的自动审批方法中的步骤。
7.一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存储有计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在的设备执行如权利要求1至4任一项所述的***的自动审批方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210991341.4A CN115345726B (zh) | 2022-08-17 | 2022-08-17 | ***的自动审批方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210991341.4A CN115345726B (zh) | 2022-08-17 | 2022-08-17 | ***的自动审批方法、装置、电子设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115345726A CN115345726A (zh) | 2022-11-15 |
| CN115345726B true CN115345726B (zh) | 2024-02-13 |
Family
ID=83952915
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210991341.4A Active CN115345726B (zh) | 2022-08-17 | 2022-08-17 | ***的自动审批方法、装置、电子设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115345726B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002059849A1 (en) * | 2001-01-26 | 2002-08-01 | Ihsan Iskender Pak | Method and system for preventing credit card fraud |
| KR20100120371A (ko) * | 2009-05-06 | 2010-11-16 | 주식회사 엘지유플러스 | 본인인증용 정보 수집 대행 시스템과 그 방법, 신용카드 승인 처리 시스템 |
| KR101885232B1 (ko) * | 2017-06-30 | 2018-08-03 | 기영준 | 비지도 학습 기반 신용카드 거래 위험도 측정 장치 및 방법 |
| CN108492169A (zh) * | 2018-01-29 | 2018-09-04 | 广州越秀金融科技有限公司 | 基于***审批场景的风险建模方法及***实现 |
| CN109697664A (zh) * | 2018-12-15 | 2019-04-30 | 深圳壹账通智能科技有限公司 | 基于人脸识别的***自动审核方法、装置、设备及介质 |
| CN111951099A (zh) * | 2020-08-13 | 2020-11-17 | 上海银行股份有限公司 | 一种***发卡模型及其运用方法 |
| CN114170000A (zh) * | 2021-12-07 | 2022-03-11 | 中国工商银行股份有限公司 | ***用户风险类别识别方法、装置、计算机设备和介质 |
| CN114511400A (zh) * | 2022-02-15 | 2022-05-17 | 中国银行股份有限公司 | ***审批信息处理方法及装置 |
| CN114708087A (zh) * | 2022-04-08 | 2022-07-05 | 中国银行股份有限公司 | ***风险用户分析方法及装置 |
-
2022
- 2022-08-17 CN CN202210991341.4A patent/CN115345726B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002059849A1 (en) * | 2001-01-26 | 2002-08-01 | Ihsan Iskender Pak | Method and system for preventing credit card fraud |
| KR20100120371A (ko) * | 2009-05-06 | 2010-11-16 | 주식회사 엘지유플러스 | 본인인증용 정보 수집 대행 시스템과 그 방법, 신용카드 승인 처리 시스템 |
| KR101885232B1 (ko) * | 2017-06-30 | 2018-08-03 | 기영준 | 비지도 학습 기반 신용카드 거래 위험도 측정 장치 및 방법 |
| CN108492169A (zh) * | 2018-01-29 | 2018-09-04 | 广州越秀金融科技有限公司 | 基于***审批场景的风险建模方法及***实现 |
| CN109697664A (zh) * | 2018-12-15 | 2019-04-30 | 深圳壹账通智能科技有限公司 | 基于人脸识别的***自动审核方法、装置、设备及介质 |
| CN111951099A (zh) * | 2020-08-13 | 2020-11-17 | 上海银行股份有限公司 | 一种***发卡模型及其运用方法 |
| CN114170000A (zh) * | 2021-12-07 | 2022-03-11 | 中国工商银行股份有限公司 | ***用户风险类别识别方法、装置、计算机设备和介质 |
| CN114511400A (zh) * | 2022-02-15 | 2022-05-17 | 中国银行股份有限公司 | ***审批信息处理方法及装置 |
| CN114708087A (zh) * | 2022-04-08 | 2022-07-05 | 中国银行股份有限公司 | ***风险用户分析方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 基于AHP-GM模型的***申请风险评估研究;姜涛;王作战;焦志艳;;经济研究导刊(第19期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115345726A (zh) | 2022-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI690884B (zh) | 異常轉帳偵測方法、裝置、存儲介質、電子設備及產品 | |
| CN110766541B (zh) | 贷款风险评估方法、装置、设备及计算机可读存储介质 | |
| US10565592B2 (en) | Risk analysis of money transfer transactions | |
| US20210150624A1 (en) | Intelligent population of interface elements for converting transactions | |
| CN109284044A (zh) | 一种基于大数据的功能菜单展示方法及相关设备 | |
| CN111932268B (zh) | 企业风险识别方法及装置 | |
| CN109961296A (zh) | 商户类型识别方法及装置 | |
| CN106022758A (zh) | 信息推荐方法和装置 | |
| KR101364763B1 (ko) | 금융거래패턴분석을 이용한 금융사기 경보 시스템 및 방법 | |
| CN110516967A (zh) | 一种信息评估的方法以及相关装置 | |
| US20170161745A1 (en) | Payment account fraud detection using social media heat maps | |
| CN110503409B (zh) | 信息处理的方法以及相关装置 | |
| CN108763509A (zh) | 一种数据处理方法、移动终端 | |
| CN115271931A (zh) | 一种***产品的推荐方法、装置、电子设备和介质 | |
| KR20150061539A (ko) | 허위판매 방지 시스템 및 그 제공방법 | |
| CN110210868B (zh) | 数值转移数据的处理方法及电子设备 | |
| US20210217023A1 (en) | Secure financial settlement method and system of block chain | |
| TWI521451B (zh) | To assess the risk of online consumption of trading control methods, systems and online transactions to pay methods | |
| CN114066459A (zh) | 一种支付风险管理的方法以及相关装置 | |
| CN109711984B (zh) | 一种基于催收的贷前风险监控方法及装置 | |
| CN115345726B (zh) | ***的自动审批方法、装置、电子设备和介质 | |
| KR20110131903A (ko) | 가맹점 매출 관리 시스템 및 방법, 그 매출 관리 서버 | |
| CN115330522A (zh) | 基于聚类的***审批方法、装置、电子设备和介质 | |
| Kraiwanit et al. | Evaluation of internet transaction fraud in Thailand | |
| CN113065908A (zh) | 租赁方法、租赁装置、租赁平台及存储介质 |
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 |