建立风控模型的方法和装置以及风险控制方法和装置制造方法及图纸

本说明书实施例提供了建立风控模型的方法、风险控制方法及装置。该方法中，首先获取通用风控模型；其中，该通用风控模型是利用第一样本集训练得到的，该第一样本集利用至少两类用户的行为数据生成；利用目标用户的行为数据，生成对应该目标用户的第二样本集；利用该第二样本集训练所述通用风控模型，得到对应所述目标用户的个性化风控模型。

【技术实现步骤摘要】
建立风控模型的方法和装置以及风险控制方法和装置
本说明书一个或多个实施例涉及电子信息技术，尤其涉及建立风控模型的方法和装置以及风险控制方法和装置。
技术介绍
随着互联网业务的发展，基于网络实现的用户业务越来越多，比如，用户通过网络购物付款，再如用户进行网上银行转账等。在实现用户业务时，经常需要进行风险控制，比如通过风控模型判断出用户为低风险用户时，用户无需输入密码就可以完成支付，或者用户可以先消费，后续用户方便时再另行支付。但是，现有的风险控制方法无法根据用户需求提供更好的风控服务。
技术实现思路
本说明书一个或多个实施例描述了建立风控模型的方法和装置以及风险控制方法和装置，能够根据用户需求提供更好的风控服务。根据第一方面，提供了一种建立风控模型的方法，包括：获取通用风控模型；其中，该通用风控模型是利用第一样本集训练得到的，该第一样本集利用至少两类用户的行为数据生成；利用目标用户的行为数据，生成对应该目标用户的第二样本集；利用该第二样本集训练所述通用风控模型，得到对应所述目标用户的个性化风控模型。其中，所述第一样本集的特征空间与所述第二样本集的特征空间相同。较佳地，在获取通用风控模型之前，进一步包括：根据预设的各个等级的压缩要求，对利用第一样本集训练得到的原始通用风控模型分别进行压缩，得到对应于各个等级的各压缩后的通用风控模型；其中，每一个等级对应一种类型的终端设备配置；获取所述目标用户使用的终端设备的配置信息；以及根据获取的配置信息，确定目标等级；则，所获取的通用风控模型以及利用第二样本集训练的通用风控模型为：对应该目标等级的压缩后的通用风控模型。所述根据预设的各个等级的压缩要求对利用第一样本集训练得到的原始通用风控模型分别进行压缩，包括：针对每一个等级，均执行：根据该等级的压缩要求以及所述原始通用风控模型使用的神经元的个数M，确定需要删除的神经元的个数N；根据该等级对应的终端设备配置或按照从第一层神经元至最后一层神经元的顺序，从所述原始通用风控模型使用的M个神经元中，选择出N个神经元；删除该选择出的N个神经元，得到对应于该等级的压缩后的通用风控模型；其中，M和N均为大于0的正整数，且M≥N。该方法应用于终端设备；或者，该方法应用于服务器，且该方法进一步包括：将对应所述目标用户的个性化风控模型下发到所述目标用户的终端设备。根据第二方面，提供了一种风险控制方法，包括：根据获取的目标用户的安全感诉求数据，确定目标用户的风险控制决策；根据目标用户的风险控制决策以及目标用户的个性化风控模型输出的风险值，对目标用户进行风险控制；其中，所述目标用户的个性化风控模型是利用本说明书实施例提供的建立风控模型的方法得到的。其中，所述目标用户的安全感诉求数据的获取方法包括：向目标用户提供关于安全感诉求的问卷，基于目标用户的问卷答案获取目标用户的安全感诉求数据；和/或，根据目标用户的密码修改记录和/或投诉数据，获取目标用户的安全感诉求数据。其中，该方法应用于终端设备或者服务器。根据第三方面，提供了建立风控模型的装置，包括：通用风控模型获取模块，被配置为获取通用风控模型；其中，该通用风控模型是利用第一样本集训练得到的，该第一样本集利用至少两类用户的行为数据生成；个性化样本生成模块，被配置为利用目标用户的行为数据，生成对应该目标用户的第二样本集；个性化风控模型获取模块，被配置为利用该第二样本集训练所述通用风控模型，得到对应所述目标用户的个性化风控模型。其中，所述第一样本集的特征空间与所述第二样本集的特征空间相同。进一步包括：压缩模块，被配置为根据预设的各个等级的压缩要求，对利用第一样本集训练得到的原始通用风控模型分别进行压缩，得到对应于各个等级的各压缩后的通用风控模型；其中，每一个等级对应一种类型的终端设备配置；下发模块，被配置为获取所述目标用户使用的终端设备的配置信息，根据获取的配置信息，确定目标等级；将对应该目标等级的压缩后的通用风控模型下发给所述通用风控模型获取模块。所述压缩模块被配置为针对每一个等级，均执行：根据该等级的压缩要求以及所述原始通用风控模型使用的神经元的个数M，确定需要删除的神经元的个数N；根据该等级对应的终端设备配置或按照从第一层神经元至最后一层神经元的顺序，从所述原始通用风控模型使用的M个神经元中，选择出N个神经元；删除该选择出的N个神经元，得到对应于该等级的压缩后的通用风控模型；其中，M和N均为大于0的正整数，且M≥N。根据第四方面，提供了一种风险控制装置，包括：个性化风控决策获取模块，被配置为根据预先获取的目标用户的安全感诉求数据，确定目标用户的风险控制决策；风险处理模块，被配置为根据目标用户的风险控制决策以及目标用户的个性化风控模型输出的风险值，对目标用户进行风险控制；其中，所述目标用户的个性化风控模型是本说明书实施例中建立风控模型的装置发来的。其中，所述个性化风控决策获取模块进一步被配置为：向目标用户提供关于安全感诉求的问卷，基于目标用户的问卷答案获取目标用户的安全感诉求数据；和/或，根据目标用户的密码修改记录和/或投诉数据，获取目标用户的安全感诉求数据。根据第五方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面或第二方面的方法。根据第六方面，提供了一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面或第二方面的方法。根据本说明书实施例提供的方法和装置，首先利用各种类型的用户的行为数据生成第一样本集，第一样本集能够保证足够的样本数量以及样本类型，依据第一样本集训练出的通用风控模型更具有通用型，之后，再利用目标用户的个性化的行为数据生成第二样本集，第二样本集能够更加符合目标用户的行为数据特点，依据第二样本集训练调整该通用的风控模型，从而最终得到对应目标用户的个性化风控模型。最终得到的风控模型既能满足对样本的数量和模型通用性的要求，又能满足用户的个性化要求，更加符合用户的个性化行为特点。后续，依据此种风控模型则可以计算出更为准确的用户的风险值。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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的附图。图1是本说明书一个实施例所应用的系统架构的示意图。图2示出根据本说明书一个实施例的建立风控模型的方法的流程图。图3是本说明书一个实施例中服务器对原始通用模型进行压缩的方法流程图。图4示本文档来自技高网...

【技术保护点】
1.建立风控模型的方法，包括：/n获取通用风控模型；其中，该通用风控模型是利用第一样本集训练得到的，该第一样本集利用至少两类用户的行为数据生成；/n利用目标用户的行为数据，生成对应该目标用户的第二样本集；/n利用该第二样本集训练所述通用风控模型，得到对应所述目标用户的个性化风控模型。/n

【技术特征摘要】
1.建立风控模型的方法，包括：
获取通用风控模型；其中，该通用风控模型是利用第一样本集训练得到的，该第一样本集利用至少两类用户的行为数据生成；
利用目标用户的行为数据，生成对应该目标用户的第二样本集；
利用该第二样本集训练所述通用风控模型，得到对应所述目标用户的个性化风控模型。


2.根据权利要求1所述的方法，其中，所述第一样本集的特征空间与所述第二样本集的特征空间相同。


3.根据权利要求1所述的方法，
在获取通用风控模型之前，进一步包括：
根据预设的各个等级的压缩要求，对利用第一样本集训练得到的原始通用风控模型分别进行压缩，得到对应于各个等级的各压缩后的通用风控模型；其中，每一个等级对应一种类型的终端设备配置；
获取所述目标用户使用的终端设备的配置信息；以及
根据获取的配置信息，确定目标等级；
则，所获取的通用风控模型以及利用第二样本集训练的通用风控模型为：对应该目标等级的压缩后的通用风控模型。


4.根据权利要求3所述的方法，所述根据预设的各个等级的压缩要求对利用第一样本集训练得到的原始通用风控模型分别进行压缩，包括：
针对每一个等级，均执行：
根据该等级的压缩要求以及所述原始通用风控模型使用的神经元的个数M，确定需要删除的神经元的个数N；
根据该等级对应的终端设备配置或按照从第一层神经元至最后一层神经元的顺序，从所述原始通用风控模型使用的M个神经元中，选择出N个神经元；
删除该选择出的N个神经元，得到对应于该等级的压缩后的通用风控模型；
其中，M和N均为大于0的正整数，且M≥N。


5.根据权利要求1至4中任一所述的方法，其中，该方法应用于终端设备；
或者，
该方法应用于服务器，且该方法进一步包括：将对应所述目标用户的个性化风控模型下发到所述目标用户的终端设备。


6.风险控制方法，包括：
根据获取的目标用户的安全感诉求数据，确定目标用户的风险控制决策；
根据目标用户的风险控制决策以及目标用户的个性化风控模型输出的风险值，对目标用户进行风险控制；其中，所述目标用户的个性化风控模型是利用权利要求1至5中任一所述的方法得到的。


7.根据权利要求6所述的方法，其中，所述目标用户的安全感诉求数据的获取方法包括：
向目标用户提供关于安全感诉求的问卷，基于目标用户的问卷答案获取目标用户的安全感诉求数据；
和/或，
根据目标用户的密码修改记录和/或投诉数据，获取目标用户的安全感诉求数据。


8.根据权利要求6至7中任一所述的方法，其中，该方法应用于终端设备或者服务器。

【专利技术属性】
技术研发人员：傅欣艺，
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