[发明专利]风控实时预测识别方法及装置

说明书

本发明提供一种风控实时预测识别方法及装置，该方法包括客户端登录匹配drools规则引擎，采集基础信息数据实时发送至数据存储服务器；数据存储服务器将数据存储至mongodb；业务服务器采集实时行为信息数据发送至风控服务器redis存储；风控服务器读取redis行为数据和mongodb原数据组装成List数据集，设置用户风险标签；风控服务器根据用户的风险标签决策用户，利用假想人评分卡模型计算分值，设置平台惩罚机制，以便于人工干预和平台维护。与相关技术相比，本发明提供的风控实时预测识别方法，其识别风险用户速度快,数据处理快，规则匹配，风险校验，实时处理用户行为数据。

技术领域

本发明涉及网络技术领域，尤其涉及一种风控实时预测识别方法及装置。

背景技术

风控实时预测用于电商系统各个环节和操作。主要识别预测用户是否存在风险，风险提示、阻断、限制权限等措施，保障用户安全使用平台各项功能，维护用户在平台的财产安全。但是在实际使用过程中，大多数风控采用的离线计算或T+1计算，用户被骗后，平台才发现该账号存在风险和异常。

因此，有必要提供一种新型的风控实时预测识别方法及装置，以克服上述缺陷。

发明内容

本发明的目的在于提供一种新型的风控实时预测识别方法及装置，其识别风险用户速度快,数据处理快，规则匹配，风险校验，实时处理用户行为数据。

为了达到上述目的，本发明提供一种风控实时预测识别方法，包括：

客户端登录匹配drools规则引擎，查询返回部分功能权限，采集基础信息数据实时发送至数据存储服务器；

数据存储服务器将数据存储至mongodb宽表作为原数据；

业务服务器采集实时行为信息数据，将数据实时发送至风控服务器redis存储；

风控服务器读取redis行为数据和mongodb原数据组装成List数据集，实时匹配drools规则引擎，设置用户风险标签；

风控服务器根据用户的风险标签决策用户，利用假想人评分卡模型计算分值，根据计算分值设置平台惩罚机制，以便于人工干预和平台维护。

进一步，所述数据存储服务器将数据存储至mongodb宽表作为原数据包括：

数据存储服务器接收到数据后，将数据json反序列化解析需要的字段数据；

将反序列化解后的数据存储至mongodb宽表作为原数据，供后续规则引擎匹配时查询。

进一步，所述业务服务器采集实时行为信息数据，将数据实时发送至风控服务器redis存储包括：

风控服务器接收kafka/rocketmq消息数据，将用户行为时效数据和规则需要的数据存储至redis；

利用redis LRU算法保留热点数据，用户操作一次业务行为则实时计算和匹配一次规则，实时更新用户的操作权限。

进一步，所述风控服务器读取redis行为数据和mongodb原数据组装成List数据集，实时匹配drools规则引擎，设置用户风险标签包括：

风控服务器根据用户的行为聚合用户不同的数据，读取redis行为数据和mongodb原数据组装成List数据集，实时匹配drools规则引擎，根据规则设置用户对应的风险标签并存储至mysql。

进一步，所述风控服务器根据用户的风险标签决策用户，利用假想人评分卡模型计算分值包括：

风控后端服务器根据用户的风险标签决策用户，查询用户所有标签交叉匹配所有假想人评分卡模型计算分值，按照匹配度和分值判定用户所属假想人，设置用户假想人身份并存储至mysql。