[发明专利]一种业务风险评估方法、装置和计算机可读存储介质

说明书

本发明公开了一种业务风险评估方法、装置和计算机可读存储介质，用以根据用户的实时状态和行为动态调整风险评估结果，提高风险评估结果的时效性和准确性。业务风险评估方法，包括：在接收到业务系统提交的风险评估请求时，获取业务环境状态数据，所述业务环境状态数据包括实时业务环境状态数据和历史业务环境状态数据；对所述业务环境状态数据进行预处理；根据预处理后的业务环境状态数据和当前的业务回报函数确定使得累积回报参数达到最大的最优风险控制策略；根据所述业务环境状态数据和所述最优风险控制策略评估当前用户的风险等级。

技术领域

本发明涉及数据挖掘技术领域，尤其涉及一种业务风险评估方法、装置和计算机可读存储介质。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

互联网金融是指借助于互联网技术、移动通信技术实现资金融通、支付和信息中介等业务的新兴金融模式。数据产生、数据挖掘、数据安全和搜索引擎技术是互联网金融的有力支撑。社交网络、电子商务、第三方支付、搜索引擎等形成了庞大的数据量，云计算和行为分析理论使大数据挖掘成为可能，数据安全技术使隐私保护和交易支付顺利进行，而搜索引擎使用户更加容易获取信息，这些技术的发展极大减小了金融交易的成本和风险，扩大了金融服务的边界。

与传统金融类似，风险控制也是互联网金融技术需要解决的关键问题之一。现有技术进行风险控制一般采用以下几种方法：黑灰名单库，风险控制清单，欺诈规则引擎等方式。其中，黑灰名单库是指判断用户或设备ID是否在该名单中，若在，则直接拒绝该用户或设备使用业务。风险控制清单是指如果用户行为、设备属性等信息若命中清单中的信息，则将相应用户标记为高风险。欺诈规则引擎是指如果用户行为、设备属性等信息满足一定规则条件则标记为高风险，例如某一属性参数设置一个固定门限，大于这个门限即为高风险。

现有技术方案在实际应用中多数采用固定规则的形式，不够灵活，不能够随着时间变化、用户行为变化、网络环境、市场环境、技术发展水平等因素而灵活调整，并且多数规则都是人为通过专家经验设定，具有很大的主观性。

而且，现有基于大数据及机器学习方法的一些风险评估模型用数据说话，很好的解决主观性的问题，但现有模型多采用历史数据(例如跑批时间前6个月的数据)离线训练后，将训练好的固化参数部署至现网环境，由于全网用户的数据量过于庞大，受制于计算能力的限制，往往通过对全量用户数据按月执行离线跑批处理后，将模型输出结果(例如用户风险级别)存储在数据库中，再通过实时接口查询数据库中的结果来满足业务查询的实时性需求。由此可见现有方案一方面处理速度较慢，处理时延较大，对于全网数据短则几个小时，长则几天的时间，当风评查询接口请求时无法给出实时的风险评估结果。所采集的历史数据又分为用户的表现期和观察期，数据相对较旧，这种根据历史数据的离线学习不足以反应当前用户行为的特征，模型运行结果预测准确性相对较低。另一方面很长一段时间模型参数配置不会变动，一般此类模型运行一年或半年后，累积了足够的历史数据后重新离线训练优化模型，仍然不能够根据业务环境、用户的实时行为表现动态灵活配置，随时调整策略，模型时效性较差。

发明内容

本发明实施例提供了一种业务风险评估方法、装置和计算机可读存储介质，用以根据用户的实时状态和行为动态调整风险评估结果，提高风险评估结果的时效性和准确性。

第一方面，提供一种业务风险评估方法，包括：

在接收到业务系统提交的风险评估请求时，获取业务环境状态数据，所述业务环境状态数据包括实时业务环境状态数据和历史业务环境状态数据；

对所述业务环境状态数据进行预处理；

根据预处理后的业务环境状态数据和当前的业务回报函数确定使得累积回报参数达到最大的最优风险控制策略；

根据所述业务环境状态数据和所述最优风险控制策略评估当前用户的风险等级。