CN116151832A - 一种交互式风控***及方法 - Google Patents
一种交互式风控***及方法 Download PDFInfo
- Publication number
- CN116151832A CN116151832A CN202310429485.5A CN202310429485A CN116151832A CN 116151832 A CN116151832 A CN 116151832A CN 202310429485 A CN202310429485 A CN 202310429485A CN 116151832 A CN116151832 A CN 116151832A
- Authority
- CN
- China
- Prior art keywords
- man
- appointed
- machine interaction
- outbound
- 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.)
- Granted
Links
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000007246 mechanism Effects 0.000 claims abstract description 112
- 230000003993 interaction Effects 0.000 claims abstract description 87
- 230000005540 biological transmission Effects 0.000 claims abstract description 41
- 230000008520 organization Effects 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 15
- 238000013135 deep learning Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 101001072091 Homo sapiens ProSAAS Proteins 0.000 description 5
- 102100036366 ProSAAS Human genes 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009223 counseling Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000003068 static effect Effects 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
- G06Q20/42—Confirmation, e.g. check or permission by the legal debtor of payment
-
- 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
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/3343—Query execution using phonetics
-
- 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
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
-
- 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
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/1822—Parsing for meaning understanding
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/22—Interactive procedures; Man-machine interfaces
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/487—Arrangements for providing information services, e.g. recorded voice services or time announcements
- H04M3/493—Interactive information services, e.g. directory enquiries ; Arrangements therefor, e.g. interactive voice response [IVR] systems or voice portals
- H04M3/4936—Speech interaction details
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/527—Centralised call answering arrangements not requiring operator intervention
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Computer Security & Cryptography (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
Abstract
本说明书公开了一种交互式风控***及方法。***包括:部署在指定机构的外部网络的运营节点和部署在所述指定机构的内部网络的执行节点;其中:所述运营节点基于目标风控场景的风险提示交互策略,训练用于语音风险提示的人机交互模型,并按照与所述指定机构预先约定的跨网数据传输通道,将训练完成的所述人机交互模型的模型数据提交至所述执行节点。所述执行节点按照接收到的所述模型数据,在目标云应用中部署所述人机交互模型,其中,所述目标云应用由所述指定机构在内部网络中调用,所述目标云应用用于外呼指定用户,并在外呼通话中基于所述人机交互模型与所述指定用户进行交互,以完成针对所述目标风控场景的语音风险提示。
Description
技术领域
本文件属于风控技术领域,尤其涉及一种交互式风控***及方法。
背景技术
传统的涉及交易的风控方式主要聚焦于身份核对校验,对于因受不法人员“影响”而由本人自愿进行支付的操作,难以做到前期的风险识别,加之用户被长时间深度“影响”后,还可能在交易被***拦截后转为前往其他渠道完成支付,风控难度大幅加大。为此,以“用户为中心”打造的交互式风控***应运而生。交互式风控是在合适的场景、合适的时机向用户提示风险的安全服务,在实现风险教育、劝诫的同时,引导用户主动识别和处置风险。其中,通过机器人“电话叫醒”的外呼提示是交互式风控常见的一种实施方式。
目前,基于机器人来执行外呼风险提示依赖于深度学习的人机交互技术。对于有需求部署的机构,不一定具备相关算法的设计条件,且由于对自身用户数据有着严格的监管要求,通常无法共享出来与其他机构开展合作。为此,当前需要一种能够以用户数据保护为前提,开展机构之间合作部署交互式风控的技术方案。
发明内容
本说明书实施例提供了一种交互式风控***及方法,能够以用户数据保护为前提,开展机构之间合作部署交互式风控服务。
为上述发明目的,本说明书实施例是这样实现的:
第一方面,提出了一种交互式风控***,包括:部署在指定机构的外部网络的运营节点和部署在所述指定机构的内部网络的执行节点;其中:
所述运营节点基于目标风控场景的风险提示交互策略,训练用于语音风险提示的人机交互模型,并按照与所述指定机构预先约定的跨网数据传输通道,将训练完成的所述人机交互模型的模型数据提交至所述执行节点;
所述执行节点按照接收到的所述模型数据,在目标云应用中部署所述人机交互模型,其中,所述目标云应用由所述指定机构在内部网络中调用,所述目标云应用用于外呼指定用户,并在外呼通话中基于所述人机交互模型与所述指定用户进行交互,以完成针对所述目标风控场景的语音风险提示。
第二方面,提出了一种交互式风控***,包括:
在指定机构的外部网络基于目标风控场景的风险提示交互策略,训练用于语音风险提示的人机交互模型,并按照与所述指定机构预先约定的跨网数据传输通道,将训练完成的所述人机交互模型的模型数据提交至所述指定机构的内部网络;
在所述指定机构的内部网络按照接收到的所述模型数据,在目标云应用中部署所述人机交互模型,其中,所述目标云应用由所述指定机构在内部网络中调用,所述目标云应用用于外呼指定用户,并在外呼通话中基于所述人机交互模型与所述指定用户进行交互,以完成针对所述目标风控场景的语音风险提示。
本说明书的方案针对有交互式风控需求但不具备深度学习算法能力的指定机构,提出一种合作方式。具体地,在指定机构内部网络部署用于完成交互式风控的目标云应用,该目标云应用可由指定机构结构在在内部网络中调用,以对可能存在风险的指定用户进行外呼,并在外呼通话中根据内部网络中的人机交互模型与指定用户进行交互,从而完成针对风控场景的语音风险提示。在上述基础之上,进一步地具备深度学习算法能力的外部机构在指定机构的内部网络部署运营节点,并在指定机构内部网络中部署执行节点。其中,运营节点充分利用外部机构的深度学习算法能力,负责根据风控场景的风险提示交互策略,训练用于语音风险提示的人机交互模型,并按照与指定机构预先约定的跨网数据传输通道,将训练完成的人机交互模型的模型数据提交至内部网络的执行节点;执行节点负载按照接收到的模型数据,对指定机构内部网络中的人机交互模型进行镜像,从而确保内部网络中的人机交互模型获得成熟可靠的算法。基于本说明书的方案,指定机构在内部网络部署好人机交互模型后,即可在内部网络中调用目标云应用为用户提供外呼的语音风险提示,整个过程中外部机构的执行节点完全封闭在指定机构的内部网络中,且指定机构自身数据不出域,因此可防止指定机构的信息暴露给外部机构,从而保障了用户数据的安全性。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书实施例提供的交互式风控***的第一种结构示意图。
图2为本说明书实施例提供的交互式风控***的第二种结构示意图。
图3是本说明书实施例提供的交互式风控***中涉及外呼平台的接口示意图。
图4为本说明书实施例提供的交互式风控的流程示意图。
图5为本说明书实施例提供的电子设备的结构示意图。
具体实施方式
为使本文件的目的、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文件一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都属于本文件保护的范围。
如前所述,目前基于机器人执行外呼风险提示十分依赖于深度学习的人机交互技术。对于有需求部署的机构,不一定具备相关算法的设计条件,且由于对自身用户数据有着严格的监管要求,通常无法共享出来与其他机构开展合作。
有鉴于此,本文件旨在以用户数据保护为前提,提出一种适合机构之间合作开展交互式风控的技术方案。
一方面,本说明书一个实施例提供一种交互式风控***。其中,图1是交互式风控***的结构示意图,包括:部署在指定机构的外部网络的运营节点110和部署在指定机构的内部网络的执行节点120。
本实施例中,指定机构是指负责向用户执行风险提示的权威性机构。对于用户而言,指定机构具备可信性,可以是银行、安全中心、机关等,这里本文不作具体限定。此外,指定机构合法合规掌握有用户数据,能够提取用户的一些信息,特别是用户的联系方式。
如前所述,指定机构虽然掌握用户数据,但并不具备人机交互技术的算法设计条件,为此,需要与外部机构开展合作,由外部机构提供算法支持。
对于算法机构而言,本实施例按照运行逻辑,将其拆分成了上述运营节点110和执行节点120。其中:
在指定机构外部网络的运营节点负责基于目标风控场景的风险提示交互策略,训练用于语音风险提示的人机交互模型,并按照与指定机构预先约定的跨网数据传输通道,将训练完成的人机交互模型的模型数据(即,模型的算法数据)提交至执行节点120。
作为示例性介绍,目标风控场景可以是针对电信非法活动的风控场景、金融非法活动的风控场景等,这里本文不作具体限定。此外,跨网数据传输通道是运营节点110对执行节点120单向传输数据的通道。即,权威机构的用户数据在内部网络中不出域,无法被发送到外部网络。
在指定机构内部网络的执行节点负责按照接收到的模型数据,在目标云应用中部署训练完成的人机交互模型。
其中,目标云应用由指定机构在内部网络中调用,目标云应用用于外呼潜在具有风险的指定用户,并在外呼通话中基于部署的人机交互模型与指定用户进行交互,从而完成针对目标风控场景的语音风险提示。
作为示例性介绍,本实施例的目标云应用可以根据会话初始协议(SessionInitiation Protocol,SIP)来调用电信运营商的外呼平台,以使用外呼平台针对指定机构专属的电信号码对指定用户进行外呼。
在实际应用中,目标云应用在外呼指定用户前,还可以进行外呼可用性判断。比如,判断指定用户的电信号码是否可用、判断外呼平台是否正常、判断是预设外呼时效是否过期等。若可用性判断通过,则目标云应用再调用外呼平台对指定用户进行外呼。对于用户规模较大的风控场景,可用性判断可在一定程度上减少对外呼平台造成的无效资源占用(如外呼接口的占用),从使外呼平台更好地服务于交互式风控。
进一步地,如果指定用户选择接听外呼,则目标云应用在外呼通话中可通过自动语音识别技术(Automatic Speech Recognition,ASR)获取指定用户在外呼通话中的输入内容,并基于已部署的人机交互模型确定输入内容对应的回应内容,之后再根据文本到语音(Text To Speech,TTS)技术将向回应内容转换为音频数据以对指定用户进行播放。
具体地,本实施例的人机交互模型可以包括意图识别模型,意图识别模型用于识别指定用户输入内容所对应的通话意图(也称话术);对应地,目标云应用在确定通话意图后,可以从针对目标风控场景预先设置的话术库中匹配出该通话意图相关的话术内容,并将匹配得到的话术内容作为回应内容以通过TTS技术进行语音播放。
此外,本实施例的目标云应用还可以在外呼通话中,基于指定机构本地记录的指定用户的用户信息以及预先设置的提问模板,来生成提问内容,并通过TTS技术向指定用户语音播放提问内容。
在实际应用中,目标云应用通过语音播放提问内容可以主动引导指定用户进行交互。比如,在外呼通过中,目标云应用在首轮以提问的方式来发起第一句话的交互。此外,目标云应用还可以以提问的方式容对指定用户进行身份、操作的核实。这里以进行身份核实为示例,身份核实的提问模板可以是“您是+用户姓名+本人吗”,对应地,目标云应用可以从指定机构的用户数据中提取出指定用户的姓名信息,并将姓名信息导入至“您是+用户姓名+本人吗” 的提问模板后生成身份核实的提问内容,例如“您是张三本人吗”。
此外,目标云应用还将可以对外呼通话的外呼结果数据(如:外呼是否接通、指定用户是否接受提示等)进行记录,以便指定机构进行后续处理,这里本文不再举例赘述。
基于上述内容可知:本说明书实施例的***在指定机构内部网络部署用于完成交互式风控的目标云应用,该目标云应用可由指定机构结构在在内部网络中调用,以对可能存在风险的指定用户进行外呼,并在外呼通话中根据内部网络中的人机交互模型与指定用户进行交互,从而完成针对风控场景的语音风险提示。在上述基础之上,进一步地具备深度学习算法能力的外部机构在指定机构的内部网络部署运营节点,并在指定机构内部网络中部署执行节点。其中,运营节点充分利用外部机构的深度学习算法能力,负责根据风控场景的风险提示交互策略,训练用于语音风险提示的人机交互模型,并按照与指定机构预先约定的跨网数据传输通道,将训练完成的人机交互模型的模型数据提交至内部网络的执行节点;执行节点负载按照接收到的模型数据,对指定机构内部网络中的人机交互模型进行镜像,从而确保内部网络中的人机交互模型获得成熟可靠的算法。基于本说明书的方案,指定机构在内部网络部署好人机交互模型后,即可在内部网络中调用目标云应用为用户提供外呼的语音风险提示,整个过程中外部机构的执行节点完全封闭在指定机构的内部网络中,且指定机构自身数据不出域,因此可防止指定机构的信息暴露给外部机构,从而保障了用户数据的安全性。
下面结合实际的应用场景对本实施例的交互式风控***进行详细介绍。
本应用场景针对电子支付业务,构建一种语音提示非法电信活动的支付风险的交互式风控***。
参考图2所示的,交互式风控***主要包括外部机构侧的运营节点和执行节点两部分。其中,运营节点进一步细分有策略运营中心、模型训练中心、本地站点管理中心;执行节点细分有提供交互式风控的软件即服务平台(Software as a Service,SAAS)和模型引擎。
本应用场景中,外部机构的执行节点本地化部署在指定机构的内部网络,处于内网封闭状态。同时,外部机构的运营节点由外部机构管理,可直接部署在指定机构的外部网络。
具体地,在指定机构的内部网络中,SAAS部署有交互式风控的云应用集群,指定机构各地区的实体节点在内部网络中可通过SAAS的服务接口来调用其中的云应用。应理解,调用云应用的过程是在内部网络中完成,可确保自身数据不出域。同时,处于外部网络的运营节主要负责对风险提示交互策略、模型算法等进行中心化管理,并由本地站点管理中心利用跨网数据传输通道进行单向数据下发,动态为SAAS更新策略以及为模型引擎更新模型数据,从而确保***风控能力不会衰减。
需要说明的是,之所以这样划分,原因如下:
1)云应用和模型引擎的软件属于相对比较稳定的部分,除非遇到软件功能升级或者bug修复,通常不会轻易变更,这部分部署在指定机构的内部网络,其维护成本相对可控;此外,软件本身运行过程中,需要使用指定机构的用户数据,被部署在指定机构的内部网络可确保用户数据不出域。
2)策略、模型算法在风险攻防演变过程中,需要高频调整,将这部分的配置在指定机构的外部网络,由外部机构进行中心化管理,可充分利用外部机构的算法能力来提高风险防控水平,并提高运营效率。此外,调整后产出的策略、模型数据等,可通过配置文件下发的方式,传输至指定机构内部网络的云应用集群中,由于配置文件下发属于单向传输,因此不存在指定机构泄露用户数据的问题。
下面对交互式风控***涉及的节点和功能进行介绍:
一、跨网数据传输通道
本应用场景中,指定机构内部网络作为一个整体的局域网,将指定机构各地区的实体节点串联在了一起,并与公用网络隔离。出于策略、模型数据等下发的目的,外部机构和指定机构内部网络之间留有一条网络通信专线,即跨网数据传输通道。
运营节点将本地的策略、模型数据等通过跨网数据传输通道下发到指定机构内部网络的执行节点,来提升日常运营效率。同时,跨网数据传输通道可通过数据加密和权限控制,来确保下发数据的安全性,以满足数据下发符合指定机构的监管规定。
具体地,跨网数据传输通道可以作为一个数据下发的中转平台,配置有专属的存储空间,并由指定机构负责运维。在数据下发过程中,运营节点可将策略、模型数据和对应的部署执行参数(可选)提交至跨网数据传输通道;之后,跨网数据传输通道将存储空间接入外部网络,并将接收到的策略、模型数据和部署执行参数写入至存储空间中;在写入完成后,跨网数据传输通道再进一步将存储空间切换至与内部网络连接。接下来,执行节点在内部网络中从存储空间中读取略、模型数据和部署执行参数,并按照部署执行参数的指示将读取到的策略更新至SASS中,同时还按照部署执行参数的指示将将读取到的模型数据更新至模型引擎中,从而镜像得到相应的人机交互模型。需要说明的是,实际应用中,人机交互模型并不唯一,模型引擎中的各个人机交互模型可由SASS的云应用进行调用。
应理解,基于上述跨网数据传输通道的设计,可通过存储空间将外部机构与指定机构进行网络隔离,从而确保数据下发过程的安全性。
二、模型策略运营
在本应用场景中,策略及模型的运营采用中心化管理的方式,由外部机构进行统一运营。其中,负责策略和模型算法的技术人员,在外部机构的策略运营中心和模型训练中心,结合当前风险形势,进行策略调整和对应的模型训练,并通过跨网数据传输通道将策略和训练后得到的模型数据进行下发。
参考图2所示,下发的数据流向主要分为以下步骤:
1)模型训练完成后,通过本地站点管理中心进行配置下发操作,从而将配置信息打包成配置文件,并加密后发送到跨网数据传输通道进行中转。至此,配置信息已经由外部机构提交到指定机构的内部网络。
2)跨网数据传输通道进行数据解密,并通过路由分发的方式将配置文件提交到SAAS的云应用集群,由云应用集群进行配置文件的加载,最终完成集群策略配置的升级。
应理解,上述过程中配置文件属于单向传输,既确保了策略模型运营效率,又不涉及用户的敏感信息。
三、指定机构执行交互式风控
在本应用场景中,SASS可向指定机构在各个地区部署的实体节点提供服务。指定机构涉及数据流向一共分为以下几步:
1)指定机构收到预警任务,需要对部分疑似存在风险的指定用户进行外呼预警时,先通过本地的操作***,向***后台上传外呼任务。
2)***后台响应于外呼任务,将外呼信息传输到交互式风控的运应用集群,执行策略风险分析和模型推荐。
3)交互式风控运行时***推荐完毕后,通过专线回调指定机构本地话务***,通过SIP协议与当地电信运营商交互,最终以指定机构的专属电信号码进行呼出,以触达用户,最终通过推荐的人机交互模型完成风险提示、教育等任务。
应理解,在上述过程中使用指定机构的专属电信号码进行外呼,可利用指定机构的权威性来提升外呼成功率,达到更好的风险提示效果。
四、外呼***对接
本应用场景中,***可通过运行时引擎与指定机构各地实体节点的外呼专线进行对接,从而通过本地专属电信号码进行呼出。
具体地,运行时引擎相对外呼平台所涉及的交互接口,按照图3所示,分为呼叫前、呼叫中、呼叫后三个阶段。其中:
1)呼叫前,交互式风控***收到外呼指令,并完成内部流程后,首先调用外呼平台可用性接口,判断此时外呼平台是否可以执行外呼任务,如果可用性通过,则进行外呼任务初始化,同时将首轮话术的文本传输给外呼平台。接下来,外呼平台调用tts算法服务,将文本转换成音频,并通过运营商触达用户,开始首轮交互。
2)呼叫中,用户完成回答后,将回答内容音频传给外呼平台,此时外呼平台调用asr算法服务,将音频流转换成文本,然后调用交互式风控的云应用,获取下一轮话术,并通过运营商再次触达用户。以此循环往复,直至交互式风控的云应用通知外呼平台结束。
3)呼叫后,外呼平台收到用户挂断消息后,通过回调方式,将挂断消息传递给交互式风控的云应用,以执行平台事后逻辑。当然,在实际应用中,用户也可能直接拒接外呼,此情况下,外呼平台将拒接消息回调给交互式风控的云应用。
其中,作为示例性介绍,上述外呼过程涉及的接口和功能的描述如下表所示:
对应于图2所示的***,本说明书还提供一种交互式风控方法。其中,图4是本说明书一个实施例交互式风控方法的流程图,包括:
S402,在指定机构的外部网络基于目标风控场景的风险提示交互策略,训练用于语音风险提示的人机交互模型,并按照与指定机构预先约定的跨网数据传输通道,将训练完成的人机交互模型的模型数据提交至指定机构的内部网络。
S404,在指定机构的内部网络按照接收到的模型数据,在目标云应用中部署人机交互模型,其中,目标云应用由指定机构在内部网络中调用,目标云应用用于外呼指定用户,并在外呼通话中基于人机交互模型与所述指定用户进行交互,以完成针对目标风控场景的语音风险提示。
本说明书实施例的方法针对有交互式风控需求但不具备深度学习算法能力的指定机构,提出一种合作方式。具体地,在指定机构内部网络部署用于完成交互式风控的目标云应用,该目标云应用可由指定机构结构在在内部网络中调用,以对可能存在风险的指定用户进行外呼,并在外呼通话中根据内部网络中的人机交互模型与指定用户进行交互,从而完成针对风控场景的语音风险提示。在上述基础之上,进一步地具备深度学习算法能力的外部机构在指定机构的内部网络部署运营节点,并在指定机构内部网络中部署执行节点。其中,运营节点充分利用外部机构的深度学习算法能力,负责根据风控场景的风险提示交互策略,训练用于语音风险提示的人机交互模型,并按照与指定机构预先约定的跨网数据传输通道,将训练完成的人机交互模型的模型数据提交至内部网络的执行节点;执行节点负载按照接收到的模型数据,对指定机构内部网络中的人机交互模型进行镜像,从而确保内部网络中的人机交互模型获得成熟可靠的算法。基于本说明书的方案,指定机构在内部网络部署好人机交互模型后,即可在内部网络中调用目标云应用为用户提供外呼的语音风险提示,整个过程中外部机构的执行节点完全封闭在指定机构的内部网络中,且指定机构自身数据不出域,因此可防止指定机构的信息暴露给外部机构,从而保障了用户数据的安全性。
可选地,所述目标云应用在所述外呼通话中,基于自动语音识别技术获取所述指定用户在所述外呼通话中的输入内容,并基于已部署的所述人机交互模型确定所述输入内容对应的回应内容,以及基于文本到语音技术向所述指定用户语音播放所述回应内容。
可选地,所述目标云应用在所述外呼通话中,还基于所述指定机构本地记录的所述指定用户的用户信息以及预先设置的提问模板,生成提问内容,并基于所述文本到语音技术向所述指定用户语音播放所述提问内容。
可选地,所述目标云应用基于会话初始协议调用电信运营商的外呼平台,以使用所述指定机构专属的电信号码外呼所述指定用户。
可选地,所述目标云应用在外呼所述指定用户前进行外呼可用性判断,其中,所述可用性判断包括以下至少一者:
判断所述指定用户的电信号码是否可用;
判断所述外呼平台是否正常;
判断是预设外呼时效是否过期。
可选地,所述目标云应用还将所述外呼通话的外呼结果数据发送至所述指定机构,所述指定机构对接收到的外呼结果数据进行记录。
可选地,所述运营节点还基于所述跨网数据传输通道,将所述模型数据对应的部署执行参数提交至所述执行节点;
其中,所述跨网数据传输通道配置有指定的存储空间,所述跨网数据传输通道在接收所述运营节点发送的所述模型数据和对应的部署执行参数后,将所述存储空间接入所述外部网络,并向所述存储空间写入所述模型数据以及部署执行参数,以及,写入完成后,将所述存储空间切换至与所述内部网络连接;所述执行节点在所述存储空间与所述内部网络连接后,在所述内部网络中从所述存储空间中读取所述模型数据和所述部署执行参数,并按照所述部署执行参数将所述模型数据部署至所述目标云应用中。
可选地,所述指定机构在所述内部网络中部署有软件即服务平台,所述目标云应用由所述软件即服务平台以订阅方式提供给所述指定机构进行调用。
可选地,所述目标风控场景属于电子支付业务,所述目标云应用用于语音提示非法电信活动的支付风险。
显然,本说明书实施例的交互式风控方法以图1所示的交互式风控***作为执行主体,因此能够实现交互式风控***对应的功能,这里不再具体赘述。
图5是本说明书的一个实施例提供的电子设备的结构示意图。请参考图5,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
其中,处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成上述交互式风控***。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
在指定机构的外部网络基于目标风控场景的风险提示交互策略,训练用于语音风险提示的人机交互模型,并按照与所述指定机构预先约定的跨网数据传输通道,将训练完成的所述人机交互模型的模型数据提交至所述指定机构的内部网络。
在所述指定机构的内部网络按照接收到的所述模型数据,在目标云应用中部署所述人机交互模型,其中,所述目标云应用由所述指定机构在内部网络中调用,所述目标云应用用于外呼指定用户,并在外呼通话中基于所述人机交互模型与所述指定用户进行交互,以完成针对所述目标风控场景的语音风险提示。
上述如本说明书图5所示实施例提示的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,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。可以实现或者执行本说明书一个或多个实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书一个或多个实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图4所示的方法,本说明书在此不再赘述。
当然,除了软件实现方式之外,本说明书的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本说明书实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序。
其中,该一个或多个程序包括指令,该指令当被包括多个应用程序的便携式电子设备执行时,能够使该便携式电子设备执行图4所示实施例的方法,并具体用于执行以下操作:
在指定机构的外部网络基于目标风控场景的风险提示交互策略,训练用于语音风险提示的人机交互模型,并按照与所述指定机构预先约定的跨网数据传输通道,将训练完成的所述人机交互模型的模型数据提交至所述指定机构的内部网络。
在所述指定机构的内部网络按照接收到的所述模型数据,在目标云应用中部署所述人机交互模型,其中,所述目标云应用由所述指定机构在内部网络中调用,所述目标云应用用于外呼指定用户,并在外呼通话中基于所述人机交互模型与所述指定用户进行交互,以完成针对所述目标风控场景的语音风险提示。
本说明书实施例的电子设备针对有交互式风控需求但不具备深度学习算法能力的指定机构,提出一种合作方式。具体地,在指定机构内部网络部署用于完成交互式风控的目标云应用,该目标云应用可由指定机构结构在在内部网络中调用,以对可能存在风险的指定用户进行外呼,并在外呼通话中根据内部网络中的人机交互模型与指定用户进行交互,从而完成针对风控场景的语音风险提示。在上述基础之上,进一步地具备深度学习算法能力的外部机构在指定机构的内部网络部署运营节点,并在指定机构内部网络中部署执行节点。其中,运营节点充分利用外部机构的深度学习算法能力,负责根据风控场景的风险提示交互策略,训练用于语音风险提示的人机交互模型,并按照与指定机构预先约定的跨网数据传输通道,将训练完成的人机交互模型的模型数据提交至内部网络的执行节点;执行节点负载按照接收到的模型数据,对指定机构内部网络中的人机交互模型进行镜像,从而确保内部网络中的人机交互模型获得成熟可靠的算法。基于本说明书的方案,指定机构在内部网络部署好人机交互模型后,即可在内部网络中调用目标云应用为用户提供外呼的语音风险提示,整个过程中外部机构的执行节点完全封闭在指定机构的内部网络中,且指定机构自身数据不出域,因此可防止指定机构的信息暴露给外部机构,从而保障了用户数据的安全性。
总之,以上所述仅为本说明书的较佳实施例而已,并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本说明书一个或多个实施例的保护范围之内。
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。
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***实施例而言,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。
Claims (10)
1.一种交互式风控***,其特征在于,包括:部署在指定机构的外部网络的运营节点和部署在所述指定机构的内部网络的执行节点;其中:
所述运营节点基于目标风控场景的风险提示交互策略,训练用于语音风险提示的人机交互模型,并按照与所述指定机构预先约定的跨网数据传输通道,将训练完成的所述人机交互模型的模型数据提交至所述执行节点;
所述执行节点按照接收到的所述模型数据,在目标云应用中部署所述人机交互模型,其中,所述目标云应用由所述指定机构在内部网络中调用,所述目标云应用用于外呼指定用户,并在外呼通话中基于所述人机交互模型与所述指定用户进行交互,以完成针对所述目标风控场景的语音风险提示。
2.根据权利要求1所述的***,其特征在于,
所述目标云应用在所述外呼通话中,基于自动语音识别技术获取所述指定用户在所述外呼通话中的输入内容,并基于已部署的所述人机交互模型确定所述输入内容对应的回应内容,以及基于文本到语音技术向所述指定用户语音播放所述回应内容。
3.根据权利要求2所述的***,其特征在于,
所述目标云应用在所述外呼通话中,还基于所述指定机构本地记录的所述指定用户的用户信息以及预先设置的提问模板,生成提问内容,并基于所述文本到语音技术向所述指定用户语音播放所述提问内容。
4.根据权利要求1所述的***,其特征在于,
所述目标云应用基于会话初始协议调用电信运营商的外呼平台,以使用所述指定机构专属的电信号码外呼所述指定用户。
5.根据权利要求4所述的***,其特征在于,
所述目标云应用在外呼所述指定用户前进行外呼可用性判断,其中,所述可用性判断包括以下至少一者:
判断所述指定用户的电信号码是否可用;
判断所述外呼平台是否正常;
判断是预设外呼时效是否过期。
6.根据权利要求1-5任一项所述的***,其特征在于,
所述目标云应用还对所述外呼通话的外呼结果数据进行记录。
7.根据权利要求1-5任一项所述的***,其特征在于,
所述运营节点还基于所述跨网数据传输通道,将所述模型数据对应的部署执行参数提交至所述执行节点;
其中,所述跨网数据传输通道配置有指定的存储空间,所述跨网数据传输通道在接收所述运营节点发送的所述模型数据和对应的部署执行参数后,将所述存储空间接入所述外部网络,并向所述存储空间写入所述模型数据以及部署执行参数,以及,写入完成后,将所述存储空间切换至与所述内部网络连接;所述执行节点在所述存储空间与所述内部网络连接后,在所述内部网络中从所述存储空间中读取所述模型数据和所述部署执行参数,并按照所述部署执行参数将所述模型数据部署至所述目标云应用中。
8.根据权利要求1-5任一项所述的***,其特征在于,
所述指定机构在所述内部网络中部署有软件即服务平台,所述目标云应用由所述软件即服务平台以订阅方式提供给所述指定机构进行调用。
9.根据权利要求1-5任一项所述的***,其特征在于,
所述目标风控场景属于电子支付业务,所述目标云应用用于语音提示非法电信活动的支付风险。
10.一种交互式风控方法,其特征在于,
在指定机构的外部网络基于目标风控场景的风险提示交互策略,训练用于语音风险提示的人机交互模型,并按照与所述指定机构预先约定的跨网数据传输通道,将训练完成的所述人机交互模型的模型数据提交至所述指定机构的内部网络;
在所述指定机构的内部网络按照接收到的所述模型数据,在目标云应用中部署所述人机交互模型,其中,所述目标云应用由所述指定机构在内部网络中调用,所述目标云应用用于外呼指定用户,并在外呼通话中基于所述人机交互模型与所述指定用户进行交互,以完成针对所述目标风控场景的语音风险提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310429485.5A CN116151832B (zh) | 2023-04-18 | 2023-04-18 | 一种交互式风控***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310429485.5A CN116151832B (zh) | 2023-04-18 | 2023-04-18 | 一种交互式风控***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116151832A true CN116151832A (zh) | 2023-05-23 |
CN116151832B CN116151832B (zh) | 2023-07-21 |
Family
ID=86352837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310429485.5A Active CN116151832B (zh) | 2023-04-18 | 2023-04-18 | 一种交互式风控***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116151832B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013082190A1 (en) * | 2011-11-28 | 2013-06-06 | Visa International Service Association | Transaction security graduated seasoning and risk shifting apparatuses, methods and systems |
CN110046902A (zh) * | 2019-01-15 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 风险交易处理方法、装置及设备 |
CN110992037A (zh) * | 2020-03-03 | 2020-04-10 | 支付宝(杭州)信息技术有限公司 | 基于多方安全计算的风险防控方法、装置和*** |
US20200233958A1 (en) * | 2019-08-07 | 2020-07-23 | Alibaba Group Holding Limited | Method and system for active risk control based on intelligent interaction |
CN111709746A (zh) * | 2020-06-09 | 2020-09-25 | 支付宝(杭州)信息技术有限公司 | 一种风险处理方法、装置和电子设备 |
US20210092227A1 (en) * | 2019-09-25 | 2021-03-25 | Payfone, Inc. | Systems and methods for caller verification |
CN113645124A (zh) * | 2021-08-09 | 2021-11-12 | 南京易米云通网络科技有限公司 | 通过智能语音交互平台推送社交平台信息的***及方法 |
CN113837638A (zh) * | 2021-09-29 | 2021-12-24 | 支付宝(杭州)信息技术有限公司 | 话术确定方法、装置及设备 |
WO2022039636A1 (ru) * | 2020-08-17 | 2022-02-24 | Автономная некоммерческая организация поддержки и развития науки, управления и социального развития людей в области разработки и внедрения искусственного интеллекта "ЦифровойТы" | Способ синтеза речи с передачей достоверного интонирования клонируемого образца |
CN114969293A (zh) * | 2022-05-31 | 2022-08-30 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置及设备 |
CN115086046A (zh) * | 2022-06-20 | 2022-09-20 | 支付宝(杭州)信息技术有限公司 | 智能交互的***署方法和*** |
CN115242700A (zh) * | 2021-04-23 | 2022-10-25 | 网联清算有限公司 | 一种通信传输方法、装置及*** |
CN115271932A (zh) * | 2022-08-19 | 2022-11-01 | 中国银行股份有限公司 | 一种外呼的风险识别方法及装置 |
CN115883729A (zh) * | 2022-11-30 | 2023-03-31 | 深圳市银雁金融服务有限公司 | 一种电话号码隐私保护的外呼方法、装置与相关设备 |
-
2023
- 2023-04-18 CN CN202310429485.5A patent/CN116151832B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013082190A1 (en) * | 2011-11-28 | 2013-06-06 | Visa International Service Association | Transaction security graduated seasoning and risk shifting apparatuses, methods and systems |
CN110046902A (zh) * | 2019-01-15 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 风险交易处理方法、装置及设备 |
US20200233958A1 (en) * | 2019-08-07 | 2020-07-23 | Alibaba Group Holding Limited | Method and system for active risk control based on intelligent interaction |
US20210092227A1 (en) * | 2019-09-25 | 2021-03-25 | Payfone, Inc. | Systems and methods for caller verification |
CN110992037A (zh) * | 2020-03-03 | 2020-04-10 | 支付宝(杭州)信息技术有限公司 | 基于多方安全计算的风险防控方法、装置和*** |
CN111709746A (zh) * | 2020-06-09 | 2020-09-25 | 支付宝(杭州)信息技术有限公司 | 一种风险处理方法、装置和电子设备 |
WO2022039636A1 (ru) * | 2020-08-17 | 2022-02-24 | Автономная некоммерческая организация поддержки и развития науки, управления и социального развития людей в области разработки и внедрения искусственного интеллекта "ЦифровойТы" | Способ синтеза речи с передачей достоверного интонирования клонируемого образца |
CN115242700A (zh) * | 2021-04-23 | 2022-10-25 | 网联清算有限公司 | 一种通信传输方法、装置及*** |
CN113645124A (zh) * | 2021-08-09 | 2021-11-12 | 南京易米云通网络科技有限公司 | 通过智能语音交互平台推送社交平台信息的***及方法 |
CN113837638A (zh) * | 2021-09-29 | 2021-12-24 | 支付宝(杭州)信息技术有限公司 | 话术确定方法、装置及设备 |
CN114969293A (zh) * | 2022-05-31 | 2022-08-30 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置及设备 |
CN115086046A (zh) * | 2022-06-20 | 2022-09-20 | 支付宝(杭州)信息技术有限公司 | 智能交互的***署方法和*** |
CN115271932A (zh) * | 2022-08-19 | 2022-11-01 | 中国银行股份有限公司 | 一种外呼的风险识别方法及装置 |
CN115883729A (zh) * | 2022-11-30 | 2023-03-31 | 深圳市银雁金融服务有限公司 | 一种电话号码隐私保护的外呼方法、装置与相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116151832B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10791222B2 (en) | Voice captcha and real-time monitoring for contact centers | |
US10650824B1 (en) | Computer systems and methods for securing access to content provided by virtual assistants | |
US11030287B2 (en) | User-behavior-based adaptive authentication | |
US11874904B2 (en) | Electronic device including mode for using an artificial intelligence assistant function of another electronic device | |
US12010108B2 (en) | Techniques to provide sensitive information over a voice connection | |
WO2021047193A1 (zh) | 一种语音处理方法、装置、设备和计算机存储介质 | |
CN110046902A (zh) | 风险交易处理方法、装置及设备 | |
KR20190045099A (ko) | 음성 인증 시스템 및 방법 | |
US20190213306A1 (en) | System and method for identity authentication | |
US10430569B2 (en) | Multicomputer system for user data authentication and processing | |
US20210168236A1 (en) | Non-verbal sensitive data authentication | |
CN106850931A (zh) | 防骚扰电话的方法及移动智能终端 | |
US20190197222A1 (en) | Secure audio output | |
CN106411811A (zh) | 一种接入客服的认证方法、***及装置 | |
WO2023091171A1 (en) | Shared assistant profiles verified via speaker identification | |
CN116151832B (zh) | 一种交互式风控***及方法 | |
EP4176395A1 (en) | Electronic system and method for enabling payment of a good or service by means of voice commands | |
Alattar et al. | Privacy‐preserving hands‐free voice authentication leveraging edge technology | |
US20060292539A1 (en) | Adaptively user-centric authentication/security | |
JP2020004192A (ja) | 通信装置および通信装置を備える音声認識端末装置 | |
JP7215563B2 (ja) | 声認証装置、声認証方法、及び、記録媒体 | |
US20210279314A1 (en) | Headphone biometric authentication | |
US20070124591A1 (en) | Voice-capable system and method for authentication query recall and reuse prevention | |
Šandor et al. | Resilience of Biometric Authentication of Voice Assistants against Deepfakes | |
US20120167171A1 (en) | Voice-capable system and method for authentication query recall and reuse prevention |
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 |