CN116012123A - 一种基于Rete算法的风控规则引擎方法及*** - Google Patents

Abstract

本发明涉及金融风控管理技术领域，具体涉及基于Rete算法的风控规则引擎方法及***。该方法包括：获取评测对象的基本信息和征信查询权限;根据评测对象的基本信息获取所述评测对象的征信数据和行为数据；基于应用场景选择风险策略规则表以调用对应的规则树；基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据。本发明全面的收集评测对象的各个征信***的征信数据以及行为数据，进而能够全面的评测对象进行评价，保证风控的准确性；利用Rete算法，提升匹配效率，减少了重复计算造成的时间冗余性。

Description

一种基于Rete算法的风控规则引擎方法及***

技术领域

本发明涉及金融风控管理技术领域，尤其涉及一种基于Rete算法的风控规则引擎方法及***。

背景技术

随着互联网金融的快速发展，线上支付及其应用逐渐普及，给人们的生活带来了便利。但同时带来了交易高风险、信息泄露、欺诈事件增加等现象。企业构建起风控***，设置风险阈值，进行风险识别、风险评级、风险规避，以保证正常用户的业务平稳开展。但随着业务场景的日益增加和复杂化，现有风控***中的业务漏洞日渐增多。

因此需要风控规则引擎***，进行风控处理，而现有技术不接入其他平台的征信***，使得可参考的信息较少，导致其在风控过程中不能够准确的实现风控，为了解决该技术问题，现提出一种基于Rete算法的风控规则引擎方法及***。

发明内容

为了解决上述现有技术中存在的技术问题，本发明提供了一种基于Rete算法的风控规则引擎方法、***、计算机设备及存储介质。

为实现上述目的，本发明实施例提供了如下的技术方案：

第一方面，在本发明提供的一个实施例中，提供了基于Rete算法的风控规则引擎方法，该方法包括以下步骤：

获取评测对象的基本信息和征信查询权限;

根据评测对象的基本信息获取所述评测对象的征信数据和行为数据；

基于应用场景选择风险策略规则表以调用对应的规则树；

基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据。

作为本发明的进一步方案，所述规则树包括若干节点，且每个节点与相邻的一个或两个节点之间形成预设规则，每个节点具有可执行的判断逻辑，所述节点包括根节点、中间节点和叶子节点；所述预设规则包括：当前节点与上级节点和/或下级节点之间的关系、当前节点的判断逻辑以及当前节点的特征因子。

作为本发明的进一步方案，基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据,包括：

根据所述规则树，确定根节点；

将所述征信数据和行为数据输入所述规则树，从根节点遍历所述规则树，依次执行中间节点或/和叶子节点，遍历完成后统计所有执行过的节点的特征因子之和以输出当前业务的风控结果数据。

作为本发明的进一步方案，当判断有多个根节点时，每个根节点并行执行；并且，当任一个节点执行后，在缓存区缓存该节点执行结果，在每个节点的判断逻辑执行时，判断缓存区是否具有执行结果，若是，则读取该执行结果。

作为本发明的进一步方案，所述根据评测对象的基本信息获取所述评测对象的征信数据和行为数据，包括如下步骤：

调取评测对象的授权信息，并将授权信息解析生成对应的授权url地址；

根据所述授权url地址，获取对应的评测对象的征信数据或行为数据，并将获取的征信数据或行为数据进行储存。

第二方面，在本发明提供的又一个实施例中，提供了基于Rete算法的风控规则引擎***，该***包括：评测对象信息获取模块、分布式数据获取模块和风控规则引擎模块；

所述评测对象信息获取模块，用于获取评测对象的基本信息和征信查询权限；

所述分布式数据获取模块，根据评测对象的基本信息获取所述评测对象的征信数据和行为数据；

所述风控规则引擎模块，用于基于应用场景选择风险策略规则表以调用对应的规则树；基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据。

作为本发明的进一步方案，所述风控规则引擎模块，包括规则库、事实集和推理引擎；

规则库，预先存储若干应用场景对应的风险策略规则表以及规则树；

事实集，预先存储用于规则匹配的事实；所述事实为评测对象的征信数据和行为数据；

推理引擎，用于基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据。

作为本发明的进一步方案，所述风险策略规则表包括不少于一个的策略组，所述策略规则组设置有规则属性、各特征条件和所述特征条件的特征属性。

作为本发明的进一步方案，还包括有特征库，所述特征库用于储存特征因子，且基于应用场景对特征因子参数大小进行调整。

作为本发明的进一步方案，所述特征库包括储存单元、引用标记单元和统计单元；

所述储存单元用于储存特征因子；

所述引用标记单元用于对风控规则引擎模块引用的特征因子进行标记；

所述统计单元用于根据标记统计所有执行过的节点的特征因子之和。

第三方面，在本发明提供的又一个实施例中，提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器加载并执行所述计算机程序时实现基于Rete算法的风控规则引擎方法的步骤。

第四方面，在本发明提供的再一个实施例中，提供了一种存储介质，存储有计算机程序，所述计算机程序被处理器加载并执行时实现所述基于Rete算法的风控规则引擎方法的步骤。

本发明提供的技术方案，具有如下有益效果：

本发明提供的基于Rete算法的风控规则引擎方法通过获取评测对象的基本信息和征信查询权限;根据评测对象的基本信息获取所述评测对象的征信数据和行为数据；基于应用场景选择风险策略规则表以调用对应的规则树；基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据；利用Rete算法，提升匹配效率，减少了重复计算造成的时间冗余性。

本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

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实施例。

图1为本发明一个实施例的基于Rete算法的风控规则引擎方法的流程图。

图2为本发明一个实施例的基于Rete算法的风控规则引擎***中结构框图。

图3为本发明一个实施例的基于Rete算法的风控规则引擎***中分布式数据获取模块的结构框图。

图4为本发明一个实施例的基于Rete算法的风控规则引擎***中风控规则引擎模块的结构框图。

图5为本发明一个实施例的基于Rete算法的风控规则引擎***中特征库的结构框图。

图中：评测对象信息获取模块-100、分布式数据获取模块-200、风控规则引擎模块-300、应用层-400、特征库-500、权限获取单元-201、数据获取单元-202、规则库-301、事实集-302、推理引擎-303、储存单元-501、引用标记单元-502、统计单元-503。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

具体地，下面结合附图，对本发明实施例作进一步阐述。

请参阅图1，图1是本发明实施例提供的一种基于Rete算法的风控规则引擎方法的流程图，如图1所示，该基于Rete算法的风控规则引擎方法包括步骤S10至步骤S40。

S10、获取评测对象的基本信息和征信查询权限。所述基本信息和征信查询权限可以通过评测对象进行录入。所述基本信息包括身份信息、年龄信息或者社保等信息。

在本发明的实施例中，在所述获取评测对象的基本信息和征信查询权限步骤之前还包括，

选择应用场景，根据应用场景选择对应的风险策略规则表。

S20、根据评测对象的基本信息获取所述评测对象的征信数据和行为数据；所述征信数据包括百融征信数据、银联征信数据和芝麻征信数据等征信***的征信数据；所述行为数据包括评测对象各个网络生活平台的行为数据。

在本发明的实施例中，网络生活平台包括交易平台或者交友平台等。

在本发明的实施例中，所述根据评测对象的基本信息获取所述评测对象的征信数据和行为数据，包括如下步骤：

S201、调取评测对象的授权信息，并将授权信息解析生成对应征信***或网络生活平台的授权url地址；

S202、根据所述授权url地址，获取对应的评测对象的征信数据或行为数据，并将获取的征信数据或行为数据进行储存。如此实现了对征信数据或行为数据的获取。

S30、基于应用场景选择风险策略规则表以调用对应的规则树。

在本发明的实施例中，所述规则树包括若干节点，且每个节点与相邻的一个或两个节点之间形成预设规则，每个节点具有可执行的判断逻辑，所述节点包括根节点、中间节点和叶子节点；所述预设规则包括：当前节点与上级节点和/或下级节点之间的关系、当前节点的判断逻辑以及当前节点的特征因子。

S40、基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据。

在本发明的实施例中，所述S40、基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据,包括：

根据所述规则树，确定根节点；

将所述征信数据和行为数据输入所述规则树，从根节点遍历所述规则树，依次执行中间节点或/和叶子节点，遍历完成后统计所有执行过的节点的特征因子之和以输出当前业务的风控结果数据。

在本发明的实施例中，所述S40、基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据,还包括：

当判断有多个根节点时，每个根节点并行执行；并且，当任一个节点执行后，在缓存区缓存该节点执行结果，在每个节点的判断逻辑执行时，判断缓存区是否具有执行结果，若是，则读取该执行结果。

本发明通过获取评测对象的基本信息和征信查询权限;根据评测对象的基本信息获取所述评测对象的征信数据和行为数据；基于应用场景选择风险策略规则表以调用对应的规则树；基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据；利用Rete算法，提升匹配效率，减少了重复计算造成的时间冗余性；利用Rete算法，提升匹配效率，减少了重复计算造成的时间冗余性。

应该理解的是，上述虽然是按照某一顺序描述的，但是这些步骤并不是必然按照上述顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，本实施例的一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，参见图2所示，在本发明的实施例中还提供了基于Rete算法的风控规则引擎***，该***包括评测对象信息获取模块100、分布式数据获取模块200和风控规则引擎模块300。

所述评测对象信息获取模块100，用于获取评测对象的基本信息和征信查询权限。

所述分布式数据获取模块200，用于根据评测对象的基本信息获取所述评测对象的征信数据和行为数据；所述征信数据包括百融征信数据、银联征信数据和芝麻征信数据等征信***的征信数据；所述行为数据包括评测对象各个网络生活平台的行为数据。网络生活平台包括交易平台或者交友平台等。

所述行为数据包括交易金额、交易次数和平台好友数量等数据。

参见图3所示，在本发明的实施例中，所述分布式数据获取模块200包括权限获取单元201和数据获取单元202；

所述权限获取单元201，用于调取评测对象的授权信息，并将授权信息解析生成对应征信***或网络生活平台的授权url地址；

所述数据获取单元202，用于根据所述授权url地址，获取对应的评测对象的征信数据或行为数据，并将获取的征信数据或行为数据进行储存。如此实现了对征信数据或行为数据的获取。

参见图4所示，在本发明的实施例中，所述风控规则引擎模块300，用于基于应用场景选择风险策略规则表以调用对应的规则树；基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据。

所述风控规则引擎模块300，包括规则库301、事实集302和推理引擎303；

规则库301，预先存储若干应用场景对应的风险策略规则表以及规则树。

事实集302，预先存储用于规则匹配的事实；所述事实为评测对象的征信数据和行为数据。

推理引擎303，用于基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据序。推理引擎是规则引擎的核心部分。

本发明通过将规则编译成Rete算法来与事实进行匹配。Rete算法包括α节点和β节点，α节点由规则库中规则的模式构成，用于过滤事实;β节点执行连接功能，并保存中间结果。所述Rete算法是一个高效的模式匹配算法，提升匹配效率，减少了重复计算造成的时间冗余性。Rete算法记录了所有匹配的中间结果。

本发明通过获取评测对象的基本信息和征信查询权限;根据评测对象的基本信息获取所述评测对象的征信数据和行为数据；基于应用场景选择风险策略规则表以调用对应的规则树；基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据；利用Rete算法，提升匹配效率，减少了重复计算造成的时间冗余性；利用Rete算法，提升匹配效率，减少了重复计算造成的时间冗余性。

参见图2所示，本发明还包括应用层400，所述应用层与风控规则引擎模块300连接，所述应用层包括供用户选择多个应用场景；且每个应用场景设置有对应的风险策略规则表。如此进而能够满足不同场景的使用需要。

其中，所述风险策略规则表包括不少于一个的策略组，所述策略规则组设置有规则属性、各特征条件和所述特征条件的特征属性。

参见图2所示，本发明还包括有特征库500，所述特征库500用于储存特征因子，且基于应用场景对特征因子参数大小进行调整。特征库500与风控规则引擎模块300连接，为风控规则引擎模块300提供特征因子。

参见图5所示，所述特征库500包括储存单元501、引用标记单元502和统计单元503；

所述储存单元501用于储存特征因子；

所述引用标记单元502用于对风控规则引擎模块引用的特征因子进行标记；

所述统计单元503用于根据标记统计所有执行过的节点的特征因子之和。如此能够提高处理效率。

本发明通过获取评测对象的基本信息和征信查询权限;根据评测对象的基本信息获取所述评测对象的征信数据和行为数据；基于应用场景选择风险策略规则表以调用对应的规则树；基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据；利用Rete算法，提升匹配效率，减少了重复计算造成的时间冗余性；利用Rete算法，提升匹配效率，减少了重复计算造成的时间冗余性。

在本发明的实施例中还提供了一种计算机设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信。

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的计算机程序时，执行所述的基于Rete算法的风控规则引擎方法，该处理器执行指令时实现上述方法实施例中的步骤：

S10、获取评测对象的基本信息和征信查询权限。所述基本信息和征信查询权限可以通过评测对象进行录入。所述基本信息包括身份信息、年龄信息或者社保等信息。

在本发明的实施例中，在所述获取评测对象的基本信息和征信查询权限步骤之前还包括，

选择应用场景，根据应用场景选择对应的风险策略规则表。

S20、根据评测对象的基本信息获取所述评测对象的征信数据和行为数据；所述征信数据包括百融征信数据、银联征信数据和芝麻征信数据等征信***的征信数据；所述行为数据包括评测对象各个网络生活平台的行为数据。

在本发明的实施例中，网络生活平台包括交易平台或者交友平台等。

在本发明的实施例中，所述根据评测对象的基本信息获取所述评测对象的征信数据和行为数据，包括如下步骤：

S201、调取评测对象的授权信息，并将授权信息解析生成对应征信***或网络生活平台的授权url地址；

S202、根据所述授权url地址，获取对应的评测对象的征信数据或行为数据，并将获取的征信数据或行为数据进行储存。如此实现了对征信数据或行为数据的获取。

S30、基于应用场景选择风险策略规则表以调用对应的规则树。

在本发明的实施例中，所述规则树包括若干节点，且每个节点与相邻的一个或两个节点之间形成预设规则，每个节点具有可执行的判断逻辑，所述节点包括根节点、中间节点和叶子节点；所述预设规则包括：当前节点与上级节点和/或下级节点之间的关系、当前节点的判断逻辑以及当前节点的特征因子。

S40、基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据。

上述终端提到的通信总线可以是外设部件互连标准(PeripheralComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。通信接口用于上述终端与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(ApplicationSpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－ProgrammableGate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

所述计算机设备包括用户设备与网络设备。其中，所述用户设备包括但不限于电脑、智能手机、PDA等；所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中，所述计算机设备可单独运行来实现本发明，也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本发明。其中，所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。

还应当进理解，在本发明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。

在本发明的一个实施例中还提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法实施例中的步骤：

S10、获取评测对象的基本信息和征信查询权限。所述基本信息和征信查询权限可以通过评测对象进行录入。所述基本信息包括身份信息、年龄信息或者社保等信息。

在本发明的实施例中，在所述获取评测对象的基本信息和征信查询权限步骤之前还包括，

选择应用场景，根据应用场景选择对应的风险策略规则表。

S20、根据评测对象的基本信息获取所述评测对象的征信数据和行为数据；所述征信数据包括百融征信数据、银联征信数据和芝麻征信数据等征信***的征信数据；所述行为数据包括评测对象各个网络生活平台的行为数据。

在本发明的实施例中，网络生活平台包括交易平台或者交友平台等。

在本发明的实施例中，所述根据评测对象的基本信息获取所述评测对象的征信数据和行为数据，包括如下步骤：

S201、调取评测对象的授权信息，并将授权信息解析生成对应征信***或网络生活平台的授权url地址；

S202、根据所述授权url地址，获取对应的评测对象的征信数据或行为数据，并将获取的征信数据或行为数据进行储存。如此实现了对征信数据或行为数据的获取。

S30、基于应用场景选择风险策略规则表以调用对应的规则树。

在本发明的实施例中，所述规则树包括若干节点，且每个节点与相邻的一个或两个节点之间形成预设规则，每个节点具有可执行的判断逻辑，所述节点包括根节点、中间节点和叶子节点；所述预设规则包括：当前节点与上级节点和/或下级节点之间的关系、当前节点的判断逻辑以及当前节点的特征因子。

S40、基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。

应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围（包括权利要求）被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

Claims (7)

1.一种基于Rete算法的风控规则引擎方法，其特征在于，该方法包括：

获取评测对象的基本信息和征信查询权限;

根据评测对象的基本信息获取所述评测对象的征信数据和行为数据；

基于应用场景选择风险策略规则表以调用对应的规则树；

基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据；

所述规则树包括若干节点，且每个节点与相邻的一个或两个节点之间形成预设规则，每个节点具有可执行的判断逻辑，所述节点包括根节点、中间节点和叶子节点；所述预设规则包括：当前节点与上级节点和/或下级节点之间的关系、当前节点的判断逻辑以及当前节点的特征因子；

基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据,包括：

根据所述规则树，确定根节点；

将所述征信数据和行为数据输入所述规则树，从根节点遍历所述规则树，依次执行中间节点或/和叶子节点，遍历完成后统计所有执行过的节点的特征因子之和以输出当前业务的风控结果数据。

2.如权利要求1所述的基于Rete算法的风控规则引擎方法，其特征在于，当判断有多个根节点时，每个根节点并行执行；并且，当任一个节点执行后，在缓存区缓存该节点执行结果，在每个节点的判断逻辑执行时，判断缓存区是否具有执行结果，若是，则读取该执行结果。

3.如权利要求1-2任一所述的基于Rete算法的风控规则引擎方法，其特征在于，所述根据评测对象的基本信息获取所述评测对象的征信数据和行为数据，包括如下步骤：

调取评测对象的授权信息，并将授权信息解析生成对应的授权url地址；

根据所述授权url地址，获取对应的评测对象的征信数据或行为数据，并将获取的征信数据或行为数据进行储存。

4.一种基于Rete算法的风控规则引擎***，其特征在于，该***包括：评测对象信息获取模块、分布式数据获取模块和风控规则引擎模块；

所述评测对象信息获取模块，用于获取评测对象的基本信息和征信查询权限；

所述分布式数据获取模块，根据评测对象的基本信息获取所述评测对象的征信数据和行为数据；

所述风控规则引擎模块，用于基于应用场景选择风险策略规则表以调用对应的规则树；基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据；

所述风控规则引擎模块，包括规则库、事实集和推理引擎；

规则库，预先存储若干应用场景对应的风险策略规则表以及规则树；

事实集，预先存储用于规则匹配的事实；所述事实为评测对象的征信数据和行为数据；

推理引擎，用于基于所述规则树，根据Rete算法对评测对象的征信数据和行为数据进行风控审核，输出当前业务的风控结果数据；

其中，所述规则树包括若干节点，且每个节点与相邻的一个或两个节点之间形成预设规则，每个节点具有可执行的判断逻辑，所述节点包括根节点、中间节点和叶子节点；所述预设规则包括：当前节点与上级节点和/或下级节点之间的关系、当前节点的判断逻辑以及当前节点的特征因子；相应的，所述推理引擎具体用于，根据所述规则树，确定根节点；将所述征信数据和行为数据输入所述规则树，从根节点遍历所述规则树，依次执行中间节点或/和叶子节点，遍历完成后统计所有执行过的节点的特征因子之和以输出当前业务的风控结果数据。

5.如权利要求4所述的基于Rete算法的风控规则引擎***，其特征在于，其中，所述风险策略规则表包括不少于一个的策略组，所述策略规则组设置有规则属性、各特征条件和所述特征条件的特征属性。

6.如权利要求4所述的基于Rete算法的风控规则引擎***，其特征在于，还包括有特征库，所述特征库用于储存特征因子，且基于应用场景对特征因子参数大小进行调整。

7.如权利要求6所述的基于Rete算法的风控规则引擎***，其特征在于，所述特征库包括储存单元、引用标记单元和统计单元；

所述储存单元用于储存特征因子；

所述引用标记单元用于对风控规则引擎模块引用的特征因子进行标记；

所述统计单元用于根据标记统计所有执行过的节点的特征因子之和。

Images