[發(fā)明專利]風(fēng)控策略切換方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011537571.0
• 申請(qǐng)日: 2020-12-23
• 公開（公告）號(hào): CN114662824A
• 公開（公告）日: 2022-06-24
• 發(fā)明（設(shè)計(jì)）人: 宋曉麗;楊冬冬;匡榮杰
• 申請(qǐng)（專利權(quán)）人: 順豐恒通支付有限公司
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06Q10/08;G06Q40/02;G06K9/62
• 代理公司: 華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 劉佳妮

本申請(qǐng)涉及一種風(fēng)控策略切換方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)，方法包括：獲取待識(shí)別對(duì)象的自學(xué)習(xí)特征數(shù)據(jù)集并輸入預(yù)先構(gòu)建的風(fēng)控模型，得到待識(shí)別對(duì)象的風(fēng)控預(yù)測(cè)值；預(yù)先構(gòu)建的風(fēng)控模型是多個(gè)預(yù)設(shè)風(fēng)控模型中準(zhǔn)確度最高的預(yù)設(shè)風(fēng)控模型；多個(gè)預(yù)設(shè)風(fēng)控模型均基于樣本自學(xué)習(xí)特征數(shù)據(jù)集訓(xùn)練得到；根據(jù)待識(shí)別對(duì)象的風(fēng)控預(yù)測(cè)值，確定與待識(shí)別對(duì)象對(duì)應(yīng)的目標(biāo)風(fēng)控策略；若待識(shí)別對(duì)象的當(dāng)前風(fēng)控策略與目標(biāo)風(fēng)控策略不同，則將待識(shí)別對(duì)象的當(dāng)前風(fēng)控策略切換為目標(biāo)風(fēng)控策略。本申請(qǐng)能夠提高對(duì)待識(shí)別對(duì)象進(jìn)行風(fēng)控預(yù)測(cè)的準(zhǔn)確性；同時(shí)能夠根據(jù)風(fēng)控預(yù)測(cè)值的變化及時(shí)對(duì)待識(shí)別對(duì)象的當(dāng)前風(fēng)控策略進(jìn)行切換，提高了對(duì)待識(shí)別對(duì)象進(jìn)行風(fēng)控的時(shí)效性。

技術(shù)領(lǐng)域

本申請(qǐng)涉及風(fēng)險(xiǎn)識(shí)別技術(shù)領(lǐng)域，特別是涉及一種風(fēng)控策略切換方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著經(jīng)濟(jì)水平的不斷提高，企業(yè)之間的交易愈加頻繁，單筆數(shù)額也愈加龐大；企業(yè)為了保證交易安全，會(huì)根據(jù)業(yè)務(wù)需要對(duì)有意向進(jìn)行交易合作的對(duì)象進(jìn)行風(fēng)險(xiǎn)預(yù)判，以免造成不必要的損失。

傳統(tǒng)的風(fēng)險(xiǎn)控制通常是在作出交易決定之前，由人工預(yù)先從多種途徑收集對(duì)象信息并進(jìn)行整合；根據(jù)之前的風(fēng)控經(jīng)驗(yàn)，基于整合后的信息作出風(fēng)險(xiǎn)判斷，根據(jù)判斷結(jié)果決定是否與該對(duì)象交易。但這種風(fēng)險(xiǎn)控制方式過于依賴有關(guān)人員的經(jīng)驗(yàn)，同時(shí)有關(guān)人員不能根據(jù)對(duì)象經(jīng)營(yíng)環(huán)境的變化及時(shí)做出不同風(fēng)控策略的調(diào)整，因此現(xiàn)有的風(fēng)險(xiǎn)控制方法尤其是風(fēng)控策略切換方式的時(shí)效性較差，且準(zhǔn)確性較低。

發(fā)明內(nèi)容

基于此，有必要針對(duì)上述技術(shù)問題，提供一種風(fēng)控策略切換方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

一種風(fēng)控策略切換方法，所述方法包括：

獲取待識(shí)別對(duì)象的自學(xué)習(xí)特征數(shù)據(jù)集；

將所述待識(shí)別對(duì)象的自學(xué)習(xí)特征數(shù)據(jù)集輸入預(yù)先構(gòu)建的風(fēng)控模型，得到所述待識(shí)別對(duì)象的風(fēng)控預(yù)測(cè)值；所述預(yù)先構(gòu)建的風(fēng)控模型是多個(gè)預(yù)設(shè)風(fēng)控模型中準(zhǔn)確度最高的預(yù)設(shè)風(fēng)控模型；多個(gè)所述預(yù)設(shè)風(fēng)控模型均基于樣本自學(xué)習(xí)特征數(shù)據(jù)集訓(xùn)練得到；

根據(jù)所述待識(shí)別對(duì)象的風(fēng)控預(yù)測(cè)值，確定與所述待識(shí)別對(duì)象對(duì)應(yīng)的目標(biāo)風(fēng)控策略；

若所述待識(shí)別對(duì)象的當(dāng)前風(fēng)控策略與所述目標(biāo)風(fēng)控策略不同，則將所述待識(shí)別對(duì)象的當(dāng)前風(fēng)控策略切換為所述目標(biāo)風(fēng)控策略。

在其中一個(gè)實(shí)施例中，所述待識(shí)別對(duì)象的自學(xué)習(xí)特征數(shù)據(jù)集，通過以下方式獲得：

獲取所述待識(shí)別對(duì)象在預(yù)設(shè)周期內(nèi)的商業(yè)公開信息以及物流特征信息；

從所述商業(yè)公開信息以及所述物流特征信息中提取出與所述預(yù)設(shè)風(fēng)控規(guī)則對(duì)應(yīng)的數(shù)據(jù)，作為所述待識(shí)別對(duì)象的自學(xué)習(xí)特征數(shù)據(jù)集。

在其中一個(gè)實(shí)施例中，所述物流特征信息包括以所述待識(shí)別對(duì)象為核心的物流特征關(guān)系網(wǎng)；所述物流特征關(guān)系網(wǎng)基于所述待識(shí)別對(duì)象與其他對(duì)象的物流交互行為確定。

在其中一個(gè)實(shí)施例中，所述根據(jù)所述待識(shí)別對(duì)象的風(fēng)控預(yù)測(cè)值，確定與所述待識(shí)別對(duì)象對(duì)應(yīng)的目標(biāo)風(fēng)控策略，包括：

根據(jù)所述待識(shí)別對(duì)象的風(fēng)控預(yù)測(cè)值與預(yù)設(shè)風(fēng)控預(yù)測(cè)閾值的大小關(guān)系，確定出所述待識(shí)別對(duì)象的風(fēng)控角色；

獲取與所述待識(shí)別對(duì)象的風(fēng)控角色對(duì)應(yīng)的風(fēng)控策略集；所述風(fēng)控策略集中包括至少一個(gè)與所述風(fēng)控角色對(duì)應(yīng)的風(fēng)控策略；

根據(jù)所述風(fēng)控預(yù)測(cè)值，從與所述待識(shí)別對(duì)象的風(fēng)控角色對(duì)應(yīng)的風(fēng)控策略集中選取與所述風(fēng)控預(yù)測(cè)值相對(duì)應(yīng)的風(fēng)控策略作為與所述待識(shí)別對(duì)象對(duì)應(yīng)的目標(biāo)風(fēng)控策略。

在其中一個(gè)實(shí)施例中，所述根據(jù)所述風(fēng)控預(yù)測(cè)值，從與所述待識(shí)別對(duì)象的風(fēng)控角色對(duì)應(yīng)的風(fēng)控策略集中選取與所述風(fēng)控預(yù)測(cè)值相對(duì)應(yīng)的風(fēng)控策略作為與所述待識(shí)別對(duì)象對(duì)應(yīng)的目標(biāo)風(fēng)控策略，包括：