一种风险监测方法、系统及存储介质和服务器技术方案

本发明专利技术实施例公开了一种风险监测方法、系统及存储介质和服务器，应用于信息处理技术领域。风险监测系统在根据预置的风险拦截策略及用户的业务操作数据对用户进行拦截的过程中，统计用户在预设时间段内的被拦截次数，然后再结合预置的风险度量计算模型，计算用户的风险度量来指示用户为风险用户的概率，且还需要通过业务操作数据得到其它维度的用户衡量特征，最后将风险度量和其它维度的用户衡量特征结合，确定用户的用户风险级别。在这个过程中，通过基于风险拦截策略得到的被拦截次数及风险度量计算模型，将用户风险进行具体量化为用户度量，提高了对风险用户监测的精确度，从而实现精确较高的用户画像。现精确较高的用户画像。现精确较高的用户画像。

【技术实现步骤摘要】
一种风险监测方法、系统及存储介质和服务器


[0001]本专利技术涉及信息处理
，特别涉及一种风险监测方法、系统及存储介质和服务器。

技术介绍

[0002]在风险控制领域，根据用户在业务终端的实际操作来对风险用户进行监测是最常见的方法之一，可以广泛地应用于金融、征信、安防和游戏等业务中。当监测到风险用户时有效地对风险用户进行适当控制。现有技术中一般采用评分卡模型进行风险监测，具体地：从各个维度对用户信息进行刻画后，通过一些衡量标准给予不同特征不同的权重，最终计算所有特征的加权平均值得到用户为恶意用户的度量。
[0003]但是现有的基于评分卡模型进行风险监测只是运用定性的方法对风险用户给予普遍性刻画，即根据特征的不同给予不同的取值，严谨性不足，对风险用户的检测不够精确。

技术实现思路

[0004]本专利技术实施例提供一种风险监测方法、系统及存储介质和服务器，实现了精确度较高的用户风险监测。
[0005]本专利技术实施例一方面提供一种风险监测方法，包括：
[0006]获取多个用户分别在业务终端进行操作的业务操作数据；
[0007]根据所述业务操作数据及预置的风险拦截策略，统计所述多个用户中各个用户在预设时间段内的被拦截次数；
[0008]根据所述被拦截次数及预置的风险度量计算模型，计算所述各个用户的风险度量，所述风险度量用于指示用户为风险用户的概率，所述风险度量计算模型用于描述根据被拦截次数计算风险度量的函数；
[0009]根据所述业务操作数据获取所述各个用户的第二维度的用户衡量特征；
[0010]根据所述风险度量及第二维度的用户衡量特征确定所述各个用户的用户风险级别。
[0011]本专利技术实施例另一方面提供一种风险监测系统，包括：
[0012]操作数据单元，用于获取多个用户分别在业务终端进行操作的业务操作数据；
[0013]拦截单元，用于根据所述业务操作数据及预置的风险拦截策略，统计所述多个用户中各个用户在预设时间段内的被拦截次数；
[0014]风险度单元，用于根据所述被拦截次数及预置的风险度量计算模型，计算所述各个用户的风险度量，所述风险度量用于指示用户为风险用户的概率，所述风险度量计算模型用于描述根据被拦截次数计算风险度量的函数；
[0015]特征获取单元，用于根据所述业务操作数据获取所述各个用户的第二维度的用户衡量特征；
[0016]风险级别单元，用于根据所述风险度量及第二维度的用户衡量特征确定所述各个用户的用户风险级别。
[0017]本专利技术实施例另一方面还提供一种计算机可读存储介质，所述计算机可读存储介质储存多个计算机程序，所述计算机程序适于由处理器加载并执行如本专利技术实施例一方面所述的风险监测方法。
[0018]本专利技术实施例另一方面还提供一种终端设备，包括处理器和存储器；
[0019]所述存储器用于储存多个计算机程序，所述计算机程序用于由处理器加载并执行如本专利技术实施例一方面所述的风险监测方法；所述处理器，用于实现所述多个计算机程序中的各个计算机程序。
[0020]可见，在本实施例的方法中，风险监测系统在根据预置的风险拦截策略及用户的业务操作数据对用户进行拦截的过程中，统计用户在预设时间段内的被拦截次数，然后再结合预置的风险度量计算模型，计算用户的风险度量来指示用户为风险用户的概率，且还需要通过业务操作数据得到其它维度的用户衡量特征，最后将风险度量和其它维度的用户衡量特征结合，确定用户的用户风险级别。在这个过程中，通过基于风险拦截策略得到的被拦截次数及风险度量计算模型，将用户风险进行具体量化为用户度量，提高了对风险用户监测的精确度。另外，本专利技术实施例中会将多个维度的用户衡量特征(比如偏好度量、活跃度量、风险度量和价值度量等)结合起来得到用户风险级别，可以考虑用户偏好、活跃情况和风险情况，更进一步地提高了风险用户监测的精确度。
附图说明
[0021]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，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
[0022]图1是本专利技术实施例提供的一种风险监测方法的示意图；
[0023]图2是本专利技术一个实施例提供的一种风险监测方法的流程图；
[0024]图3是本专利技术一个实施例中获取活跃度量的方法流程图；
[0025]图4是本专利技术一个实施例中活跃天数与活跃次数之间的对应关系图；
[0026]图5是本专利技术一个实施例中预设时间段与活跃分位数之间的对应关系图；
[0027]图6是本专利技术一个实施例中获取偏好度量的方法流程图；
[0028]图7是本专利技术一个实施例中获取价值度量的方法流程图；
[0029]图8是本专利技术一个实施例中聚类的族个数与SSE之间的对应关系图；
[0030]图9是本专利技术一个实施例中扩充风险拦截策略的方法流程图；
[0031]图10是本专利技术一个应用实施例中风险监测的框架图；
[0032]图11是本专利技术另一应用实施例中风险监测方法所应用于的分布式系统的示意图；
[0033]图12是本专利技术另一应用实施例中区块结构的示意图；
[0034]图13是本专利技术实施例提供的一种风险监测系统的逻辑结构示意图；
[0035]图14是本专利技术实施例提供的一种服务器的结构示意图。
具体实施方式
[0036]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0037]本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排它的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0038]本专利技术实施例提供一种风险监测方法，主要是通过监测用户在业务终端进行操作的业务操作数据来确定用户是否是风险用户，具体地，如图1所示，风险监测系统可以按照如下步骤来实现用户的风险监测：
[0039]获取多个用户分别在业务终端进行操作的业务操作数据；根据所述业务操作数据及预置的风险拦截策略，统计所述多个用户中各个用户在预设时间段内的被拦截次数；根据所述被拦截次数及预置的风险度量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风险监测方法，其特征在于，包括：获取多个用户分别在业务终端进行操作的业务操作数据；根据所述业务操作数据及预置的风险拦截策略，统计所述多个用户中各个用户在预设时间段内的被拦截次数；根据所述被拦截次数及预置的风险度量计算模型，计算所述各个用户的风险度量，所述风险度量用于指示用户为风险用户的概率，所述风险度量计算模型用于描述根据被拦截次数计算风险度量的函数；根据所述业务操作数据获取所述各个用户的第二维度的用户衡量特征；根据所述风险度量及第二维度的用户衡量特征确定所述各个用户的用户风险级别。2.如权利要求1所述的方法，其特征在于，所述风险拦截策略包括多个风险场景分别对应的风险拦截策略，则所述根据所述业务操作数据及预置的风险拦截策略，统计所述多个用户中各个用户在预设时间段内的被拦截次数，具体包括：根据所述业务操作数据及各个风险场景分别对应的风险拦截策略，统计在所述各个风险场景下所述各个用户在预设时间段内的被拦截次数；所述根据所述被拦截次数及预置的风险度量计算模型，计算所述各个用户的风险度量，具体包括：将在所述各个风险场景下各个用户对应的被拦截次数分别转换为被拦截分位数，所述被拦截分位数用于指示用户的被拦截次数在所有用户的被拦截次数的百分数；根据所述被拦截分位数、时间衰减因子及预置的风险度量计算模型，计算在所述各个风险场景下各个用户的风险度量，所述时间衰减因子用于描述用户在所述预设时间段内的被拦截次数对当前用户是否为风险用户的影响；根据各个用户在所述各个风险场景下的风险度量，确定各个用户的综合风险度量。3.如权利要求2所述的方法，其特征在于，所述根据各个用户在所述各个风险场景下的风险度量，确定各个用户的综合风险度量，具体包括：确定基于业务层面的判断矩阵，所述判断矩阵包括多个元素，每个元素用于指示一个风险场景与另一风险场景的相对重要性；当对所述判断矩阵的一致性检验通过时，根据所述判断矩阵中的各个元素确定所述各个风险场景分别对应的权重值；根据所述各个风险场景的权重值及所述各个用户在各个风险场景下的风险度量，计算各个用户的综合风险度量；所述确定基于业务层面的判断矩阵之后，还包括：计算所述判断矩阵的最大特征根，及根据所述最大特征根计算特定一致性指标和一致性比率；所述一致性比率为特定一致性指标与随机一致性指标的比值；当根据所述特定一致性指标确定所述判断矩阵一致时，对所述判断矩阵的一致性检验通过，或者当根据所述特定一致性指标确定判断矩阵不一致且所述一致性比率小于某一阈值时，对所述判断矩阵的一致性检验通过。4.如权利要求1至3任一项所述的方法，其特征在于，所述第二维度的用户衡量特征包括：活跃度量，则所述根据所述业务操作数据确定所述各个用户的第二维度的用户衡量特征，具体包括：
根据所述业务操作数据，统计所述各个用户在预设时间段内进行业务操作的用户活跃子特征；将所述各个用户对应的用户活跃子特征分别转换为各个用户对应的用户活跃分位数，任一用户的用户活跃分位数用于指示所述任一用户的用户活跃子特征在所有用户的活跃子特征中的百分数；根据所述各个用户对应的用户活...

【专利技术属性】
技术研发人员：田里百卉，金欢，刘丽丽，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：