[發(fā)明專利]風(fēng)險(xiǎn)識(shí)別方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011490367.8
• 申請(qǐng)日: 2020-12-17
• 公開（公告）號(hào): CN112507305A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計(jì)）人: 劉強(qiáng)麗;張廣智;梁海濤
• 申請(qǐng)（專利權(quán)）人: 平安銀行股份有限公司
• 主分類號(hào): G06F21/31
• 分類號(hào): G06F21/31;G06F21/46;G06F21/60;G06Q20/40;G06Q40/02;G06N3/04;G06N3/08
• 代理公司: 北京英特普羅知識(shí)產(chǎn)權(quán)代理有限公司 11015
• 代理人: 程超

1.一種風(fēng)險(xiǎn)識(shí)別方法，其特征在于，包括：

與客戶端之間構(gòu)建加密通信通道；

接收客戶端發(fā)送與業(yè)務(wù)請(qǐng)求相對(duì)應(yīng)的身份信息；

根據(jù)所述身份信息向所述客戶端發(fā)送認(rèn)證請(qǐng)求，接收所述客戶端根據(jù)所述認(rèn)證請(qǐng)求從第三方認(rèn)證平臺(tái)獲取并發(fā)送的認(rèn)證信息；

通過預(yù)置的風(fēng)險(xiǎn)識(shí)別模型識(shí)別所述身份信息和認(rèn)證信息中的風(fēng)險(xiǎn)數(shù)據(jù)，并根據(jù)所述風(fēng)險(xiǎn)數(shù)據(jù)對(duì)用戶進(jìn)行評(píng)價(jià)得到風(fēng)險(xiǎn)信息；

訪問客戶端的決策庫(kù)獲取規(guī)則數(shù)據(jù)，并根據(jù)所述規(guī)則數(shù)據(jù)對(duì)所述身份信息和認(rèn)證信息進(jìn)行評(píng)價(jià)得到評(píng)價(jià)信息，將所述評(píng)價(jià)信息返回至所述客戶端。

2.根據(jù)權(quán)利要求1所述的風(fēng)險(xiǎn)識(shí)別方法，其特征在于，

所述接收客戶端發(fā)送與業(yè)務(wù)請(qǐng)求相對(duì)應(yīng)的身份信息的步驟，包括：

接收客戶端發(fā)送的業(yè)務(wù)請(qǐng)求，并根據(jù)所述業(yè)務(wù)請(qǐng)求向所述客戶端發(fā)送身份請(qǐng)求，及接收所述客戶端根據(jù)身份請(qǐng)求發(fā)送的身份信息。

3.根據(jù)權(quán)利要求1所述的風(fēng)險(xiǎn)識(shí)別方法，其特征在于，所述風(fēng)險(xiǎn)識(shí)別模型包括預(yù)警模型；

所述識(shí)別所述身份信息和認(rèn)證信息中的風(fēng)險(xiǎn)數(shù)據(jù)，并根據(jù)所述風(fēng)險(xiǎn)數(shù)據(jù)對(duì)用戶進(jìn)行評(píng)價(jià)得到風(fēng)險(xiǎn)信息的步驟，包括：

將所述身份信息和認(rèn)證信息進(jìn)行向量化處理得到用戶特征；

通過所述預(yù)警模型對(duì)所述用戶特征進(jìn)行計(jì)算，得到用于反映所述用戶特征風(fēng)險(xiǎn)概率的風(fēng)險(xiǎn)信息。

4.根據(jù)權(quán)利要求3所述的風(fēng)險(xiǎn)識(shí)別方法，其特征在于，獲得所述預(yù)警模型的方法，包括：

獲得初始神經(jīng)網(wǎng)絡(luò)，及具有風(fēng)險(xiǎn)特征和風(fēng)險(xiǎn)標(biāo)記的風(fēng)險(xiǎn)樣本；其中，所述風(fēng)險(xiǎn)標(biāo)記反映了所述風(fēng)險(xiǎn)樣本的類型，所述風(fēng)險(xiǎn)特征反映了類型屬于所述風(fēng)險(xiǎn)標(biāo)記的風(fēng)險(xiǎn)樣本所具備的特征向量；

將所述風(fēng)險(xiǎn)特征錄入所述初始神經(jīng)網(wǎng)絡(luò)的輸入層，通過前向傳播算法控制所述初始神經(jīng)網(wǎng)絡(luò)運(yùn)算所述風(fēng)險(xiǎn)特征得到初始結(jié)果；

通過預(yù)置的損失函數(shù)根據(jù)所述初始結(jié)果和風(fēng)險(xiǎn)標(biāo)記，對(duì)所述初始神經(jīng)網(wǎng)絡(luò)的中間層進(jìn)行迭代，直至所述初始結(jié)果與所述風(fēng)險(xiǎn)標(biāo)記的差別小于預(yù)置的損失閾值為止，得到預(yù)警模型。

5.根據(jù)權(quán)利要求1所述的風(fēng)險(xiǎn)識(shí)別方法，其特征在于，所述識(shí)別所述身份信息和認(rèn)證信息中的風(fēng)險(xiǎn)數(shù)據(jù)，并根據(jù)所述風(fēng)險(xiǎn)數(shù)據(jù)對(duì)用戶進(jìn)行評(píng)價(jià)得到風(fēng)險(xiǎn)信息的步驟，包括：

構(gòu)建具有失信數(shù)據(jù)的失信集合，所述失信集合中具有概括描述所述失信數(shù)據(jù)的元數(shù)據(jù)；

根據(jù)所述元數(shù)據(jù)從身份信息和認(rèn)證信息中獲取待評(píng)價(jià)信息；

計(jì)算所述待評(píng)價(jià)信息與所述失信數(shù)據(jù)一致的數(shù)量，并將所述數(shù)量設(shè)為風(fēng)險(xiǎn)數(shù)據(jù)；

將所述失信數(shù)據(jù)與所述失信集合中失信數(shù)據(jù)的數(shù)量相除得到失信信息。

6.根據(jù)權(quán)利要求1所述的風(fēng)險(xiǎn)識(shí)別方法，其特征在于，所述訪問客戶端的決策庫(kù)獲取規(guī)則數(shù)據(jù)之前，所述方法包括：

判斷所述風(fēng)險(xiǎn)概率值是否超過預(yù)置的風(fēng)險(xiǎn)閾值；

若是，則向所述客戶端反饋高風(fēng)險(xiǎn)信息。

7.根據(jù)權(quán)利要求1所述的風(fēng)險(xiǎn)識(shí)別方法，其特征在于，所述訪問客戶端的決策庫(kù)獲取規(guī)則數(shù)據(jù)，并根據(jù)所述規(guī)則數(shù)據(jù)對(duì)所述身份信息和認(rèn)證信息進(jìn)行評(píng)價(jià)得到評(píng)價(jià)信息的步驟，包括：

調(diào)用所述決策引擎訪問所述客戶端的決策庫(kù)，獲取與所述業(yè)務(wù)請(qǐng)求對(duì)應(yīng)的規(guī)則數(shù)據(jù)、標(biāo)準(zhǔn)值和風(fēng)險(xiǎn)值映射表；

調(diào)用所述決策引擎加載所述規(guī)則數(shù)據(jù)形成決策模型；

通過所述決策模型識(shí)別所述身份信息和認(rèn)證信息中的風(fēng)險(xiǎn)數(shù)據(jù)，獲取所述風(fēng)險(xiǎn)數(shù)據(jù)在所述風(fēng)險(xiǎn)值映射表中的風(fēng)險(xiǎn)值，并將所述標(biāo)準(zhǔn)值中扣除所述風(fēng)險(xiǎn)值得到評(píng)價(jià)信息；

所述將所述標(biāo)準(zhǔn)值中扣除所述風(fēng)險(xiǎn)值得到評(píng)價(jià)信息之后，所述方法還包括：

將所述評(píng)價(jià)信息上傳至區(qū)塊鏈中。