对服务方面临的特定风险进行评估的方法及装置制造方法及图纸

本说明书实施例提供一种对服务方面临的特定风险进行评估的方法，包括：一方面，获取预先构建的贝叶斯拓展网络，其中涉及多个风险属性变量和若干风险计算变量，其中各个风险计算变量对应的节点与其父节点的值域之间具有对应的值域映射关系；另一方面，获取变量观测值已知的若干证据变量的证据变量值，以及获取针对有待查询的若干查询变量设定的查询变量值，该若干证据变量和若干查询变量至少基于该多个风险属性变量而确定，该证据变量值基于该服务方中用户的行为数据和/或服务方的运营数据而确定；进一步地，基于该贝叶斯拓展网络，根据该若干证据变量的证据变量值，确定该若干查询变量的取值为该查询变量值的后验概率，归入风险评估结果。

【技术实现步骤摘要】
对服务方面临的特定风险进行评估的方法及装置
本说明书一个或多个实施例涉及将机器学习应用到风险控制
，尤其涉及一种对服务方面临的特定风险进行评估的方法及装置。
技术介绍
目前，服务方面临多种风险，比如，在运营过程中面临运营风险，包括运营失败或运营活动达不到预期目标的可能性及其损失。又比如，服务方在向用户提供服务时，面临某些用户通过使用服务实施恶意、不良或违法的特定行为的风险。例如，不法用户利用支付平台提供的电子支付服务或利用理财平台提供的理财服务，实施洗钱等违法行为，又例如，不法用户利用商务平台提供的转账服务和通讯服务，实施诈骗等违法行为。为了更好地进行风险管控，需要对服务方面临的上述风险进行评估。然而，目前进行风险评估的手段较为单一，无法满足实际中的多种需求。因此，需要一种方案，可以精准、有效地实现风险评估，同时，满足风险的追因溯源等需求。
技术实现思路
本说明书一个或多个实施例描述了一种对服务方面临的特定风险进行评估的方法及装置，通过在传统贝叶斯网络中添加计算节点形成拓展后的贝叶斯网络，用于组织风险事实、风险观点，可以实现对风险评估完整流程的追因溯源，同时，有效提高风险评估的准确度、可信度和可用性。根据第一方面，提供一种对服务方面临的特定风险进行评估的方法，包括：获取预先构建的贝叶斯拓展网络，其中包括有向无环图，上述有向无环图中包括对应于多个风险属性变量的多个风险属性节点和对应于若干风险计算变量的若干风险计算节点，其中各个风险计算节点的值域与其父节点的值域之间具有对应的值域映射关系，上述有向无环图中还包括因节点之间存在依赖关系而形成的有向连接边，上述贝叶斯拓展网络中还包括对上述依赖关系进行量化表征的条件概率表；获取变量观测值已知的若干证据变量的证据变量值，以及获取针对有待查询的若干查询变量设定的查询变量值，上述若干证据变量和若干查询变量至少基于上述多个风险属性变量而确定，上述证据变量值基于上述服务方中用户的行为数据和/或服务方的运营数据而确定；基于上述贝叶斯拓展网络，根据上述若干证据变量的证据变量值，确定上述若干查询变量的取值为上述查询变量值的后验概率，归入针对上述特定风险的风险评估结果。在一个实施例中，上述多个风险属性变量中包括与客观事实对应的事实类变量，与主观观点对应的观点类变量。在一个具体的实施例中，上述观点类变量包括可验证的预测类变量和不可验证的判断类变量。在一个具体的实施例中，上述获取若干证据变量的证据变量值，包括：针对上述若干证据变量中包括的属于事实类变量的第一事实变量，基于上述行为数据或运营数据，以及与上述第一事实变量对应的统计规则，确定上述第一事实变量的变量值；和/或，针对上述若干证据变量中包括的属于观点类变量的第一观点变量，接收上述服务方的服务人员基于上述行为数据或运营数据输入的上述第一观点变量的变量值。在一个实施例中，上述特定风险为用户利用上述服务方提供的服务以实施特定行为的风险，上述服务方执行防控上述特定行为的防控流程，上述运营数据包括服务方执行上述防控流程产生的防控数据。在一个具体的实施例中，上述特定行为包括洗钱行为或电子交易诈骗行为。在一个实施例中，获取若干证据变量的证据变量值以及获取针对若干查询变量设定的查询变量值，包括：根据预设规则，对上述服务方中的多个用户进行划分，划分为多类用户；针对上述多类用户中任意的第一类用户，获取对应的第一行为数据和相关的第一运营数据，进而确定上述若干证据变量的第一证据变量值；获取针对上述第一类用户设定的上述若干查询变量的第一查询变量值。其中，基于上述贝叶斯拓展网络，根据上述若干证据变量的证据变量值，确定上述若干查询变量的取值为上述查询变量值的后验概率，归入针对上述特定风险的风险评估结果，包括：基于上述贝叶斯拓展网络，根据上述第一类用户对应的第一证据变量值，确定上述若干查询变量的取值为上述第一查询变量值的第一后验概率，归入针对上述第一类用户的风险评估结果。在一个具体的实施例中，上述预设规则包括基于地域进行划分，或基于机构用户和个人用户进行划分，或基于使用的产品进行划分。在一个实施例中，获取若干证据变量的证据变量值以及获取针对若干查询变量设定的查询变量值，包括：获取若干证据属性变量对应的变量值，归入上述证据变量值，以及获取若干查询属性变量对应的变量值，归入上述查询变量值，上述若干证据属性变量和若干查询属性变量属于上述多个风险属性变量；针对上述若干风险计算节点中任意的第一计算节点，如果上述若干证据属性变量中包括上述第一计算节点的全部父节点，则根据上述全部父节点对应的变量值以及上述第一计算节点与其全部父节点之间的值域映射关系，确定上述第一计算节点的第一计算变量值，归入上述证据变量值；如果上述若干证据属性变量和若干查询属性变量中各自包括上述全部父节点中的一部分，或者，上述若干查询属性变量中包括上述全部父节点，则将上述第一计算变量值归入上述查询变量值。在一个具体的实施例中，在确定上述若干查询变量的取值为上述查询变量值的后验概率，归入针对上述特定风险的风险评估结果之后，上述方法还包括：将上述第一计算变量值归入上述风险评估结果。在一个实施例中，上述若干风险计算节点中包括存在子节点的风险计算节点。在一个实施例中，上述若干风险计算节点中包括交易风险计算节点，其父节点为上述多个风险属性节点中的交易金额节点和交易地区节点，上述交易风险计算节点、交易金额节点和交易地区节点对应的变量均为离散型变量，上述交易风险计算节点与其父节点之间的值域映射关系包括上述交易风险计算节点的离散变量值与上述交易金额节点和交易地区节点的离散值组合之间的映射关系。根据第二方面，提供一种对服务方面临的特定风险进行评估的装置，包括：网络获取单元，配置为获取预先构建的贝叶斯拓展网络，其中包括有向无环图，上述有向无环图中包括对应于多个风险属性变量的多个风险属性节点和对应于若干风险计算变量的若干风险计算节点，其中各个风险计算节点的值域与其父节点的值域之间具有对应的值域映射关系，上述有向无环图中还包括因节点之间存在依赖关系而形成的有向连接边，上述贝叶斯拓展网络中还包括对上述依赖关系进行量化表征的条件概率表；变量值获取单元，配置为获取变量观测值已知的若干证据变量的证据变量值，以及获取针对有待查询的若干查询变量设定的查询变量值，上述若干证据变量和若干查询变量至少基于上述多个风险属性变量而确定，上述证据变量值基于上述服务方中用户的行为数据和/或服务方的运营数据而确定；概率确定单元，配置为基于上述贝叶斯拓展网络，根据上述若干证据变量的证据变量值，确定上述若干查询变量的取值为上述查询变量值的后验概率，归入针对上述特定风险的风险评估结果。根据第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当上述计算机程序在计算机中执行时，令计算机执行上述第一方面的方法。根据第四方面，提供了一种计算设备，包括存储器和处理器，上述存储器中存储有可执行代码，上述处理器执行上述可执行代码时，实现上述第一方面的方法。本文档来自技高网...

【技术保护点】
1.一种对服务方面临的特定风险进行评估的方法，包括：/n获取预先构建的贝叶斯拓展网络，其中包括有向无环图，所述有向无环图中包括对应于多个风险属性变量的多个风险属性节点和对应于若干风险计算变量的若干风险计算节点，其中各个风险计算节点的值域与其父节点的值域之间具有对应的值域映射关系，所述有向无环图中还包括因节点之间存在依赖关系而形成的有向连接边，所述贝叶斯拓展网络中还包括对所述依赖关系进行量化表征的条件概率表；/n获取变量观测值已知的若干证据变量的证据变量值，以及获取针对有待查询的若干查询变量设定的查询变量值，所述若干证据变量和若干查询变量至少基于所述多个风险属性变量而确定，所述证据变量值基于所述服务方中用户的行为数据和/或服务方的运营数据而确定；/n基于所述贝叶斯拓展网络，根据所述若干证据变量的证据变量值，确定所述若干查询变量的取值为所述查询变量值的后验概率，归入针对所述特定风险的风险评估结果。/n

【技术特征摘要】
1.一种对服务方面临的特定风险进行评估的方法，包括：
获取预先构建的贝叶斯拓展网络，其中包括有向无环图，所述有向无环图中包括对应于多个风险属性变量的多个风险属性节点和对应于若干风险计算变量的若干风险计算节点，其中各个风险计算节点的值域与其父节点的值域之间具有对应的值域映射关系，所述有向无环图中还包括因节点之间存在依赖关系而形成的有向连接边，所述贝叶斯拓展网络中还包括对所述依赖关系进行量化表征的条件概率表；
获取变量观测值已知的若干证据变量的证据变量值，以及获取针对有待查询的若干查询变量设定的查询变量值，所述若干证据变量和若干查询变量至少基于所述多个风险属性变量而确定，所述证据变量值基于所述服务方中用户的行为数据和/或服务方的运营数据而确定；
基于所述贝叶斯拓展网络，根据所述若干证据变量的证据变量值，确定所述若干查询变量的取值为所述查询变量值的后验概率，归入针对所述特定风险的风险评估结果。


2.根据权利要求1所述的方法，其中，所述多个风险属性变量中包括与客观事实对应的事实类变量，与主观观点对应的观点类变量。


3.根据权利要求2所述的方法，其中，所述观点类变量包括可验证的预测类变量和不可验证的判断类变量。


4.根据权利要求2所述的方法，其中，所述获取若干证据变量的证据变量值，包括：
针对所述若干证据变量中包括的属于事实类变量的第一事实变量，基于所述行为数据或运营数据，以及与所述第一事实变量对应的统计规则，确定所述第一事实变量的变量值；和/或，
针对所述若干证据变量中包括的属于观点类变量的第一观点变量，接收所述服务方的服务人员基于所述行为数据或运营数据输入的所述第一观点变量的变量值。


5.根据权利要求1所述的方法，其中，所述特定风险为用户利用所述服务方提供的服务以实施特定行为的风险，所述服务方执行防控所述特定行为的防控流程，所述运营数据包括服务方执行所述防控流程产生的防控数据。


6.根据权利要求5所述的方法，其中，所述特定行为包括洗钱行为或电子交易诈骗行为。


7.根据权利要求1所述的方法，其中，获取变量观测值已知的若干证据变量的证据变量值，以及获取针对有待查询的若干查询变量设定的查询变量值，包括：
根据预设规则，对所述服务方中的多个用户进行划分，划分为多类用户；
针对所述多类用户中任意的第一类用户，获取对应的第一行为数据和相关的第一运营数据，进而确定所述若干证据变量的第一证据变量值；
获取针对所述第一类用户设定的所述若干查询变量的第一查询变量值；
其中，基于所述贝叶斯拓展网络，根据所述若干证据变量的证据变量值，确定所述若干查询变量的取值为所述查询变量值的后验概率，归入针对所述特定风险的风险评估结果，包括：
基于所述贝叶斯拓展网络，根据所述第一类用户对应的第一证据变量值，确定所述若干查询变量的取值为所述第一查询变量值的第一后验概率，归入针对所述第一类用户的风险评估结果。


8.根据权利要求7所述的方法，其中，所述预设规则包括基于地域进行划分，或基于机构用户和个人用户进行划分，或基于使用的产品进行划分。


9.根据权利要求1所述的方法，其中，获取变量观测值已知的若干证据变量的证据变量值，以及获取针对有待查询的若干查询变量设定的查询变量值，包括：
获取若干证据属性变量对应的变量值，归入所述证据变量值，以及获取若干查询属性变量对应的变量值，归入所述查询变量值，所述若干证据属性变量和若干查询属性变量属于所述多个风险属性变量；
针对所述若干风险计算节点中任意的第一计算节点，如果所述若干证据属性变量中包括所述第一计算节点的全部父节点，则根据所述全部父节点对应的变量值以及所述第一计算节点与其全部父节点之间的值域映射关系，确定所述第一计算节点的第一计算变量值，归入所述证据变量值；如果所述若干证据属性变量和若干查询属性变量中各自包括所述全部父节点中的一部分，或者，所述若干查询属性变量中包括所述全部父节点，则将所述第一计算变量值归入所述查询变量值。


10.根据权利要求9所述的方法，其中，在确定所述若干查询变量的取值为所述查询变量值的后验概率，归入针对所述特定风险的风险评估结果之后，所述方法还包括：
将所述第一计算变量值归入所述风险评估结果。


11.根据权利要求1所述的方法，其中，所述若干风险计算节点中包括存在子节点的风险计算节点。


12.根据权利要求1所述的方法，其中，所述若干风险计算节点中包括交易风险计算节点，其父节点为所述多个风险属性节点中的交易金额节点和交易地区节点，所述交易风险计算节点、交易金额节点和交易地区节点对应的变量均为离散型变量，所述交易风险计算节点与其父节点之间的值域映射关系包括所述交易风险计算节点的离散值与所述交易金额节点和交易地区节点的离散值组合之间的映射关系。


13.一种对服务方面临...

【专利技术属性】
技术研发人员：张慧南，沈磊，谌扬，汤深，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33