本说明书实施例公开了一种风控服务提供方法，应用于风控平台，包括：获取目标商户在预设时间段内的历史经营行为数据；基于所述历史经营行为数据，确定所述目标商户当前的安全可信分；基于所述安全可信分和所述目标商户的预设管控级别，确定低风险商户和高风险商户；基于所述低风险商户的风险类别，向所述低风险商户发起预设的自主风险管理交互服务；并在所述低风险商户完成所述自主风险管理交互服务后，更新所述低风险商户的安全可信分；基于所述高风险商户的所述历史经营行为数据，通过预训练的策略推荐模型，确定针对所述高风险商户的管控策略
【技术实现步骤摘要】
一种风控服务提供方法及装置
[0001]本专利技术涉及计算机
，尤其涉及一种风控服务提供方法及装置
。
技术介绍
[0002]随着黑灰产行业的犯罪手法
、
攻防技术的不断升级，黑灰商户和正常经营商户的分层识别难度不断加大，各平台为了提高风控能力，对原本的风控方案进行了升级
。
而风控力度的过度加强，会存在将正常交易识别为风险行为的可能性，导致推送的管控手段不合理的情况，影响用户体验
。
技术实现思路
[0003]本专利技术的目的之一在于提供一种风控服务提供方法，该方法能够实现风险控制与用户体验之间的平衡，实现科学
、
重用户的风控体验
。
[0004]根据上述专利技术目的，本说明书实施例提出了一种风控服务提供方法，应用于风控平台，包括：
[0005]获取目标商户在预设时间段内的历史经营行为数据；
[0006]将所述历史经营行为数据输入预训练的安全可信分评价模型，基于所述安全可信分评价模型的评价结果，确定所述目标商户当前的安全可信分；
[0007]基于所述安全可信分和所述目标商户的预设管控级别，确定低风险商户和高风险商户；
[0008]基于所述低风险商户的风险类别，向所述低风险商户发起预设的自主风险管理交互服务；并在所述低风险商户完成所述自主风险管理交互服务后，更新所述低风险商户的安全可信分；
[0009]基于所述高风险商户的所述历史经营行为数据，通过预训练的策略推荐模型，确定针对所述高风险商户的管控策略
。
[0010]本说明书实施例中提出的风控服务提供方法通过评估安全可信分确定目标商户的风险情况，对已有风险趋势的目标商户进行教育提示和前置问题解决，促使目标商户主动参与自身风险管理，规避风险行为；对已发生风险行为的目标商户实施科学管控
。
[0011]进一步地，在一些实施方式中，在基于所述安全可信分确定所述低风险商户和所述高风险商户之前，还包括：
[0012]基于所述目标商户的基础信息和经营行为数据，确定所述目标商户的行业类别；
[0013]基于所述行业类别，确定无风险商户；
[0014]将所述无风险商户从所述目标商户中剔除
。
[0015]进一步地，在一些实施方式中，所述安全可信分评价模型采用以下方式预先训练得到，包括：
[0016]构建训练样本；所述训练样本包括正样本和负样本，所述正样本包括不同类型的正面经营行为数据，所述负样本包括不同类型的负面经营行为数据；
[0017]基于所述正面经营行为数据和所述负面经营行为数据的所述类型，设置相应的安全可信分作为标签；
[0018]用所述训练样本和所述标签，训练预先构建的分类模型，直至获得满足预设条件的所述安全可信分评价模型
。
[0019]进一步地，在一些实施方式中，在所述低风险商户完成所述自主风险管理交互服务后，更新所述低风险商户的安全可信分，具体包括：
[0020]获取所述低风险商户在完成所述自主风险管理交互服务过程中的经营行为数据；
[0021]将所述经营行为数据输入所述安全可信分评价模型；
[0022]基于所述安全可信分评价模型的评价结果，更新所述低风险商户当前的安全可信分
。
[0023]进一步地，在一些实施方式中，所述策略推荐模型采用以下方式预训练得到：
[0024]基于历史管控数据，确定管控策略集合；
[0025]针对所述管控策略集合中的每个管控策略，收集相应商户在被实施该管控策略前的第一经营行为数据，以及收集相应商户被实施该管控策略后的第二经营行为数据和相应商户对该管控策略的申诉数据；
[0026]基于所述第二经营行为数据，确定该管控策略的管控效果得分；
[0027]基于所述第二经营行为数据，确定环境信息；
[0028]基于所述管控效果得分和所述申诉数据，确定激励信号；
[0029]基于所述环境信息和所述激励信号进行强化学习，直至获得满足预设条件的所述策略推荐模型
。
[0030]进一步地，在一些实施方式中，还包括：
[0031]在对所述高风险商户实施所述管控策略后，向所述高风险商户反馈管控提示信息，并在所述管控提示信息的展示页面中嵌入申诉渠道入口链接
。
[0032]更进一步地，在一些实施方式中，所述管控提示信息用于描述所述高风险商户的经营风险行为类别；所述展示页面中嵌入的所述申诉渠道入口链接，用于指向所述经营风险行为类别对应的申诉渠道
。
[0033]更进一步地，在一些实施方式中，还包括：
[0034]获取所述高风险商户通过所述申诉渠道提交的申诉材料；
[0035]基于预设的审核模型对所述申请材料中符合预审条件的材料进行预审核；
[0036]若预审核结果为不通过，则将不通过的审核内容反馈给所述高风险商户修改；
[0037]若预审核结果为通过，则将所述申诉材料转到人工审核节点继续审核
。
[0038]进一步地，在一些实施方式中，还包括：
[0039]在对所述高风险商户执行所述管控策略后，通过预先设置在解控渠道中的节点获取所述高风险商户针对所述管控策略的解控行为数据；
[0040]基于发生所述解控行为数据的所述节点，确定所述高风险商户的解控行为路径；
[0041]基于所述解控行为路径与预设解控路径，确定所述解控行为路径上的用户体验障碍点
。
[0042]本专利技术的另一目的在于提供一种风控服务提供装置，该装置提供的风控服务能够优化用户体验，实现风险控制与用户体验之间的平衡
。
[0043]根据上述专利技术目的，本说明书实施例提出了一种风控服务提供装置，包括：
[0044]数据获取单元，配置为获取目标商户在预设时间段内的历史经营行为数据；
[0045]安全可信分模块，配置为将所述历史经营行为数据输入预训练的安全可信分评价模型，基于所述安全可信分评价模型的评价结果，确定所述目标商户当前的安全可信分；以及响应于所述目标商户完成预设的自主风险管理交互服务，更新所述目标商户的安全可信分；
[0046]风控策略生成模块，配置为基于所述安全可信分，确定低风险用户和高风险用户；基于所述低风险商户的风险类别，发起预设的自主风险管理交互任务；基于所述高风险商户的所述历史经营行为数据，通过策略推荐模型确定针对所述高风险商户的管控策略，并发起高风险风控任务；
[0047]风控引擎，配置为响应于所述自主风险管理交互任务，向所述低风险商户提供预设的自主风险管理交互服务；以及响应于所述高风险风控任务，对所述高风险用户实施所述管控策略
。
[0048]本说明书实施例还提供一种电子设备，包括：
[0049]处理器；
[0050]用于存储所述处理器可执行指令的存储器；
[005本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种风控服务提供方法，应用于风控平台，包括：获取目标商户在预设时间段内的历史经营行为数据；将所述历史经营行为数据输入预训练的安全可信分评价模型，基于所述安全可信分评价模型的评价结果，确定所述目标商户当前的安全可信分；基于所述安全可信分，确定低风险商户和高风险商户；基于所述低风险商户的风险类别，向所述低风险商户发起预设的自主风险管理交互服务；并在所述低风险商户完成所述自主风险管理交互服务后，更新所述低风险商户的安全可信分；基于所述高风险商户的所述历史经营行为数据，通过策略推荐模型确定针对所述高风险商户的管控策略
。2.
如权利要求1所述的方法，在基于所述安全可信分确定所述低风险商户和所述高风险商户之前，还包括：基于所述目标商户的基础信息和经营行为数据，确定所述目标商户的行业类别；基于所述行业类别，确定无风险商户；将所述无风险商户从所述目标商户中剔除
。3.
如权利要求1所述的方法，所述安全可信分评价模型采用以下方式预先训练得到，包括：构建训练样本；所述训练样本包括正样本和负样本，所述正样本包括不同类型的正面经营行为数据，所述负样本包括不同类型的负面经营行为数据；基于所述正面经营行为数据和所述负面经营行为数据的所述类型，设置相应的安全可信分作为标签；用所述训练样本和所述标签，训练预先构建的分类模型，直至获得满足预设条件的所述安全可信分评价模型
。4.
如权利要求1所述的方法，在所述低风险商户完成所述自主风险管理交互服务后，更新所述低风险商户的安全可信分，具体包括：获取所述低风险商户在完成所述自主风险管理交互服务过程中的经营行为数据；将所述经营行为数据输入所述安全可信分评价模型；基于所述安全可信分评价模型的评价结果，更新所述低风险商户当前的安全可信分
。5.
如权利要求1所述的方法，所述策略推荐模型采用以下方式预训练得到：基于历史管控数据，确定管控策略集合；针对所述管控策略集合中的每个管控策略，收集相应商户在被实施该管控策略前的第一经营行为数据，以及收集相应商户被实施该管控策略后的第二经营行为数据和相应商户对该管控策略的申诉数据；基于所述第二经营行为数据，确定该管控策略的管控效果得分；基于所述第二经营行为数据，确定环境信息；基于所述管控效果得分和所述申诉数据，确定激励信号；基于所述环境信息和所述激励信号进行强化学习，直至获得满足预设条件的所述策略推荐模型
。6.
如...
【专利技术属性】
技术研发人员：宋佳，石翼，
申请(专利权)人：支付宝中国网络技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。