一种异常企业的检测方法、检测装置及电子设备制造方法及图纸

本申请提供了一种异常企业的检测方法、检测装置及电子设备，获取待检测企业的多个风险事件，以及每个所述风险事件的风险发生时间；针对每一个所述风险事件，根据所述风险发生时间与当前检测时间的差值，确定所述风险事件的当前风险等级，其中，所述当前检测时间为预设的定期检测时间；根据每一个所述风险事件的当前风险等级，确定所述风险事件的综合风险等级；根据所述风险事件的综合风险等级，确定所述风险事件的综合风险评分；当所述风险事件的综合风险评分大于预设风险评分阈值时，确定所述待检测企业为异常企业，使检测结果更加准确。

【技术实现步骤摘要】
一种异常企业的检测方法、检测装置及电子设备
本申请涉及风险评估
，尤其是涉及一种异常企业的检测方法、检测装置及电子设备。
技术介绍
在目前的技术中，主要依靠神经网络模型对发生风险事件的异常企业进行检测，其中，利用神经网络模型进行异常企业检测，是通过将企业的相关风险数据输入至训练好的神经网络模型中，由神经网络模型的隐层对相关风险数据进行检测，输出风险异常企业的识别结果，但是限于数据情况，无法对多种风险给出综合检测结果，并且检测结果的精度较为粗糙，准确性较差。
技术实现思路
有鉴于此，本申请的目的在于提供一种异常企业的检测方法、检测装置及电子设备，定期对待检测企业发生的多个风险事件进行检测，针对待检测企业发生的每一个风险事件，考虑到风险事件的影响力大小随时间的变化而变化，将当前检测时间以及所述风险事件的风险发生时间作为异常企业检测的影响因素，以确定每一风险事件在检测时间的当前风险等级以及当前风险评分值，并基于每一风险事件在检测时间的当前风险等级以及当前风险评分值，确定多个风险事件的综合风险等级进而确定多个风险事件的综合风险评分，将综合风险评分大于预设阈值的企业确定为异常企业，满足了检测精度，使检测结果更加准确。本申请实施例提供了一种异常企业的检测方法，所述检测方法包括：获取待检测企业的多个风险事件，以及每个所述风险事件的风险发生时间；针对每一个所述风险事件，根据所述风险发生时间与当前检测时间的差值，确定所述风险事件的当前风险等级，其中，所述当前检测时间为预设的定期检测时间；根据每一个所述风险事件的当前风险等级，确定所述风险事件的综合风险等级；根据所述风险事件的综合风险等级，确定所述风险事件的综合风险评分；当所述风险事件的综合风险评分大于预设风险评分阈值时，确定所述待检测企业为异常企业。进一步的，所述针对每一个所述风险事件，根据所述风险发生时间与当前检测时间的差值，确定所述风险事件的当前风险等级，其中，所述当前检测时间为预设的定期检测时间，包括：确定所述风险事件的初始风险评分；根据所述风险事件的初始风险评分，确定所述风险事件的初始风险等级；获取所述风险事件的时间衰减系数及时间衰减周期；根据所述风险事件的初始风险等级、所述风险发生时间与当前检测时间的差值、所述风险事件的时间衰减系数及时间衰减周期，确定所述风险事件的当前风险等级。进一步的，所述根据所述风险事件的初始风险评分，确定所述风险事件的初始风险等级，包括：确定所述风险事件的风险等级调整系数及基准风险评分；根据所述风险事件的初始风险评分、所述风险等级调整系数及基准风险评分，确定所述风险事件的初始风险等级。进一步的，在所述当所述风险事件的综合风险评分大于预设风险评分阈值时，确定所述待检测企业为异常企业之后，所述检测方法还包括：确定每一个所述风险事件的当前风险评分；根据每一个所述风险事件的当前风险评分及所述风险事件的综合风险评分，确定每一个所述风险事件的风险权重；确定最大的所述风险权重对应的所述风险事件为所述异常企业发生的多个所述风险事件中的重大风险事件；基于所述重大风险事件，对所述异常企业进行跟踪检测。进一步的，所述根据每一个所述风险事件的当前风险等级，确定所述风险事件的综合风险等级，包括：将每一所述风险事件的当前风险等级之和，确定为所述风险事件的综合风险等级。本申请实施例还提供了一种异常企业的检测装置，所述检测装置包括：获取模块，用于获取待检测企业的多个风险事件，以及每个所述风险事件的风险发生时间；第一确定模块，用于针对每一个所述风险事件，根据所述风险发生时间与当前检测时间的差值，确定所述风险事件的当前风险等级，其中，所述当前检测时间为预设的定期检测时间；第二确定模块，用于根据每一个所述风险事件的当前风险等级，确定所述风险事件的综合风险等级；根据所述风险事件的综合风险等级，确定所述风险事件的综合风险评分；检测模块，用于当所述风险事件的综合风险评分大于预设风险评分阈值时，确定所述待检测企业为异常企业。进一步的，所述检测装置还包括第三确定模块，所述第三确定模块用于：确定所述风险事件的初始风险评分；根据所述风险事件的初始风险评分，确定所述风险事件的初始风险等级；获取所述风险事件的时间衰减系数及时间衰减周期；根据所述风险事件的初始风险等级、所述风险发生时间与当前检测时间的差值、所述风险事件的时间衰减系数及时间衰减周期，确定所述风险事件的当前风险等级。进一步的，所述第三确定模块还用于：确定所述风险事件的风险等级调整系数及基准风险评分；根据所述风险事件的初始风险评分、所述风险等级调整系数及基准风险评分，确定所述风险事件的初始风险等级。本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的异常企业的检测方法的步骤。本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的异常企业的检测方法的步骤。本申请实施例提供的一种异常企业的检测方法、检测装置及电子设备，定期对待检测企业发生的多个风险事件进行检测，针对待检测企业发生的每一个风险事件，考虑到风险事件的影响力大小随时间的变化而变化，将当前检测时间以及所述风险事件的风险发生时间作为异常企业检测的影响因素，以确定每一风险事件在检测时间的当前风险等级以及当前风险评分值，并基于每一风险事件在检测时间的当前风险等级以及当前风险评分值，确定多个风险事件的综合风险等级进而确定多个风险事件的综合风险评分，将综合风险评分大于预设阈值的企业确定为异常企业，在满足了检测精度的同时，保证了检测结果的时效性。为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。图1示出了本申请实施例所提供的一种异常企业的检测方法的流程图之一；图2示出了本申请实施例所提供的一种异常企业的检测方法的流程图之二；图3示出了本申请实施例所提供的一种异常企业的检测装置的结构示意图；图4示出了本申请实施例所提供的另一种异常企业的检测装置的结构示意图；图5示出了本申请实施例所提供的一种电子设备的结构示意图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请本文档来自技高网...

【技术保护点】
1.一种异常企业的检测方法，其特征在于，所述检测方法包括：/n获取待检测企业的多个风险事件，以及每个所述风险事件的风险发生时间；/n针对每一个所述风险事件，根据所述风险发生时间与当前检测时间的差值，确定所述风险事件的当前风险等级，其中，所述当前检测时间为预设的定期检测时间；/n根据每一个所述风险事件的当前风险等级，确定所述风险事件的综合风险等级；根据所述风险事件的综合风险等级，确定所述风险事件的综合风险评分；/n当所述风险事件的综合风险评分大于预设风险评分阈值时，确定所述待检测企业为异常企业。/n

【技术特征摘要】
1.一种异常企业的检测方法，其特征在于，所述检测方法包括：
获取待检测企业的多个风险事件，以及每个所述风险事件的风险发生时间；
针对每一个所述风险事件，根据所述风险发生时间与当前检测时间的差值，确定所述风险事件的当前风险等级，其中，所述当前检测时间为预设的定期检测时间；
根据每一个所述风险事件的当前风险等级，确定所述风险事件的综合风险等级；根据所述风险事件的综合风险等级，确定所述风险事件的综合风险评分；
当所述风险事件的综合风险评分大于预设风险评分阈值时，确定所述待检测企业为异常企业。


2.根据权利要求1所述的检测方法，其特征在于，所述针对每一个所述风险事件，根据所述风险发生时间与当前检测时间的差值，确定所述风险事件的当前风险等级，其中，所述当前检测时间为预设的定期检测时间，包括：
确定所述风险事件的初始风险评分；
根据所述风险事件的初始风险评分，确定所述风险事件的初始风险等级；
获取所述风险事件的时间衰减系数及时间衰减周期；
根据所述风险事件的初始风险等级、所述风险发生时间与当前检测时间的差值、所述风险事件的时间衰减系数及时间衰减周期，确定所述风险事件的当前风险等级。


3.根据权利要求2所述的检测方法，其特征在于，所述根据所述风险事件的初始风险评分，确定所述风险事件的初始风险等级，包括：
确定所述风险事件的风险等级调整系数及基准风险评分；
根据所述风险事件的初始风险评分、所述风险等级调整系数及基准风险评分，确定所述风险事件的初始风险等级。


4.根据权利要求1所述的检测方法，其特征在于，在所述当所述风险事件的综合风险评分大于预设风险评分阈值时，确定所述待检测企业为异常企业之后，所述检测方法还包括：
确定每一个所述风险事件的当前风险评分；
根据每一个所述风险事件的当前风险评分及所述风险事件的综合风险评分，确定每一个所述风险事件的风险权重；
确定最大的所述风险权重对应的所述风险事件为所述异常企业发生的多个所述风险事件中的重大风险事件；
基于所述重大风险事件，对所述异常企业进行跟踪检测。


5.根据权利要求1所述的检测方法，其特征在于，所述根...

【专利技术属性】
技术研发人员：任亮，傅雨梅，罗刚，
申请(专利权)人：北京知因智慧科技有限公司，
类型：发明
国别省市：北京;11