本技術(shù)涉及業(yè)務(wù)安全監(jiān)管，應(yīng)用于金融業(yè)務(wù)風險管控場景中，尤其涉及一種業(yè)務(wù)風險管控方法、裝置、設(shè)備及其存儲介質(zhì)。

背景技術(shù)：

1、隨著移動互聯(lián)技術(shù)的深化發(fā)展，支付模式、支付場景的不斷升級更新，電信網(wǎng)絡(luò)詐騙呈現(xiàn)出新型化、網(wǎng)絡(luò)化、聚集化等特點。

2、為了保障人民群眾的財產(chǎn)安全，警察與銀行雙方需要相互結(jié)合，在海量的客戶信息與交易信息中進行篩選和風控時極其消耗人力物力資源；雖然，目前，為了減少人力物力資源消耗，已經(jīng)出現(xiàn)了一些風險識別方式，但是，這些風險識別方式多為基于模塊社區(qū)發(fā)現(xiàn)算法的識別方式(louva?i?n算法，le?i?den算法等)，以固定指標作為評判標準，后期對模型維護升級主要依靠專家知識，若出現(xiàn)新型的手法，這些風險識別方式的識別效率較低，也無法結(jié)合特征進行深度挖掘，導(dǎo)致了風險識別效率和準確度較低的問題。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例的目的在于提出一種業(yè)務(wù)風險管控方法、裝置、設(shè)備及其存儲介質(zhì)，以解決現(xiàn)有風險識別方式的識別效率較低，也無法結(jié)合特征進行深度挖掘，導(dǎo)致了風險識別效率和準確度較低的問題。

2、為了解決上述技術(shù)問題，本技術(shù)實施例提供業(yè)務(wù)風險管控方法，采用了如下所述的技術(shù)方案：

3、一種業(yè)務(wù)風險管控方法，包括下述步驟：

4、獲取待檢測數(shù)據(jù)，其中，所述待檢測數(shù)據(jù)包括待檢測批量賬戶的業(yè)務(wù)關(guān)系數(shù)據(jù)；

5、對所述待檢測數(shù)據(jù)進行特征提取，提取到業(yè)務(wù)來往特征和業(yè)務(wù)屬性特征，所述業(yè)務(wù)來往特征包括所述待檢測批量賬戶間的業(yè)務(wù)流轉(zhuǎn)信息，所述業(yè)務(wù)屬性特征包括所述待檢測批量賬戶的業(yè)務(wù)賬號信息、業(yè)務(wù)金額信息、業(yè)務(wù)頻率信息和業(yè)務(wù)時間信息；

6、將所述業(yè)務(wù)來往特征和所述業(yè)務(wù)屬性特征輸入到預(yù)訓(xùn)練完成的業(yè)務(wù)風險表征模型，獲得所述業(yè)務(wù)風險表征模型所輸出的業(yè)務(wù)關(guān)系圖，以及所述業(yè)務(wù)關(guān)系圖中所有賬戶節(jié)點的風險分值和風險類型；

7、根據(jù)所述業(yè)務(wù)關(guān)系圖中所有賬戶節(jié)點的風險分值和風險類型，從所述業(yè)務(wù)關(guān)系圖中篩選出風險分值超過了預(yù)設(shè)的風控值且風險類型為目標管控類型的目標賬戶節(jié)點；

8、將所有目標賬戶節(jié)點所對應(yīng)的業(yè)務(wù)賬號信息發(fā)送給預(yù)設(shè)的風控管理端。

9、進一步的，所述業(yè)務(wù)風險表征模型包括風險特征識別組件、業(yè)務(wù)關(guān)系圖構(gòu)建組件和風險類型識別組件，在執(zhí)行所述將所述業(yè)務(wù)來往特征和所述業(yè)務(wù)屬性特征輸入到預(yù)訓(xùn)練完成的業(yè)務(wù)風險表征模型，獲得所述業(yè)務(wù)風險表征模型所輸出的業(yè)務(wù)關(guān)系圖，以及所述業(yè)務(wù)關(guān)系圖中所有賬戶節(jié)點的風險分值和風險類型的步驟之前，所述方法還包括：

10、獲取訓(xùn)練數(shù)據(jù)集，其中，所述訓(xùn)練數(shù)據(jù)集中包括正反樣本數(shù)據(jù)，所述正樣本數(shù)據(jù)包括已標注的批量風險賬戶的業(yè)務(wù)關(guān)系數(shù)據(jù)，所述反樣本數(shù)據(jù)包括已標注的批量非風險賬號的業(yè)務(wù)關(guān)系數(shù)據(jù)；

11、對所述訓(xùn)練數(shù)據(jù)集進行特征提取，獲得所有正反樣本數(shù)據(jù)所包含的業(yè)務(wù)屬性特征和所述所有正反樣本數(shù)據(jù)所包含的業(yè)務(wù)來往特征；

12、將所述所有正反樣本數(shù)據(jù)所包含的業(yè)務(wù)屬性特征輸入到待訓(xùn)練的風險特征識別組件進行學(xué)習(xí)訓(xùn)練，學(xué)習(xí)得到訓(xùn)練完成的風險特征識別組件；

13、將所述所有正反樣本數(shù)據(jù)所包含的業(yè)務(wù)屬性特征和所述所有正反樣本數(shù)據(jù)所包含的業(yè)務(wù)來往特征一并輸入到所述業(yè)務(wù)關(guān)系圖構(gòu)建組件，獲得所述業(yè)務(wù)關(guān)系圖構(gòu)建組件根據(jù)所述訓(xùn)練數(shù)據(jù)集所構(gòu)建的業(yè)務(wù)往來關(guān)系圖；

14、將所述所有正反樣本數(shù)據(jù)所包含的業(yè)務(wù)屬性特征和所述業(yè)務(wù)往來關(guān)系圖一并輸入到待訓(xùn)練的風險類型識別組件，對所述待訓(xùn)練的風險類型識別組件進行學(xué)習(xí)訓(xùn)練，獲得訓(xùn)練完成的風險類型識別組件。

15、進一步的，所述將所述所有正反樣本數(shù)據(jù)所包含的業(yè)務(wù)屬性特征輸入到待訓(xùn)練的風險特征識別組件進行學(xué)習(xí)訓(xùn)練，學(xué)習(xí)得到訓(xùn)練完成的風險特征識別組件的步驟，具體包括：

16、根據(jù)樣本正反性標注知識，對所有正反樣本數(shù)據(jù)所包含的業(yè)務(wù)屬性特征進行整理，分別整理出正樣本數(shù)據(jù)對應(yīng)的業(yè)務(wù)屬性特征和反樣本對應(yīng)的業(yè)務(wù)屬性特征；

17、通過對比正樣本數(shù)據(jù)對應(yīng)的業(yè)務(wù)屬性特征和反樣本對應(yīng)的業(yè)務(wù)屬性特征，學(xué)習(xí)出進行風險識別的檢測特征；

18、根據(jù)所有檢測特征分別在正樣本數(shù)據(jù)中的特征數(shù)據(jù)映射情況，對所有檢測特征進行重要性排序，并篩選出預(yù)設(shè)比例的最重要檢測特征；

19、基于所述預(yù)設(shè)比例的最重要檢測特征為所述風險特征識別組件設(shè)置風險特征檢測節(jié)點，并根據(jù)所述重要性排序和預(yù)設(shè)的權(quán)重分配策略為所有風險特征檢測節(jié)點設(shè)置風險檢測權(quán)重；

20、將風險特征檢測節(jié)點和風險檢測權(quán)重設(shè)置完畢的所述風險特征識別組件作為所述訓(xùn)練完成的風險特征識別組件。

21、進一步的，所述根據(jù)所有檢測特征分別在正樣本數(shù)據(jù)中的特征數(shù)據(jù)映射情況，對所有檢測特征進行重要性排序，并篩選出預(yù)設(shè)比例的最重要檢測特征的步驟，具體包括：

22、統(tǒng)計所有檢測特征分別在正樣本數(shù)據(jù)中對應(yīng)的樣本數(shù)量；

23、根據(jù)樣本數(shù)量從高到低關(guān)系，對所述所有檢測特征進行降序排序，獲得重要性排序結(jié)果；

24、根據(jù)預(yù)設(shè)的比例值從所述重要性排序結(jié)果中截取出目標比例的檢測特征作為所述預(yù)設(shè)比例的最重要檢測特征；

25、所述基于所述預(yù)設(shè)比例的最重要檢測特征為所述風險特征識別組件設(shè)置風險特征檢測節(jié)點，并根據(jù)所述重要性排序和預(yù)設(shè)的權(quán)重分配策略為所有風險特征檢測節(jié)點設(shè)置風險檢測權(quán)重的步驟，具體包括：

26、將所述預(yù)設(shè)比例的最重要檢測特征設(shè)置為所述風險特征識別組件的風險特征檢測節(jié)點；

27、根據(jù)所述預(yù)設(shè)比例的最重要檢測特征在所述重要性排序結(jié)果中的序列信息，為所有風險特征檢測節(jié)點設(shè)置風險檢測權(quán)重，其中，所述預(yù)設(shè)的權(quán)重分配策略包括檢測特征在所述重要性排序結(jié)果中的序列信息越靠前，則所述檢測特征對應(yīng)的風險檢測權(quán)重越大。

28、進一步的，所述將所述所有正反樣本數(shù)據(jù)所包含的業(yè)務(wù)屬性特征和所述所有正反樣本數(shù)據(jù)所包含的業(yè)務(wù)來往特征一并輸入到所述業(yè)務(wù)關(guān)系圖構(gòu)建組件，獲得所述業(yè)務(wù)關(guān)系圖構(gòu)建組件根據(jù)所述訓(xùn)練數(shù)據(jù)集所構(gòu)建的業(yè)務(wù)往來關(guān)系圖的步驟，具體包括：

29、從所述所有正反樣本數(shù)據(jù)所包含的業(yè)務(wù)屬性特征中獲取到所有正反樣本數(shù)據(jù)分別對應(yīng)的賬號信息；

30、將所述所有正反樣本數(shù)據(jù)分別對應(yīng)的賬號信息作為業(yè)務(wù)往來關(guān)系圖的圖節(jié)點；

31、根據(jù)所述所有正反樣本數(shù)據(jù)所包含的業(yè)務(wù)來往特征構(gòu)建所述業(yè)務(wù)往來關(guān)系圖中圖節(jié)點間的邊關(guān)系；

32、基于所述業(yè)務(wù)往來關(guān)系圖的圖節(jié)點和所述業(yè)務(wù)往來關(guān)系圖中圖節(jié)點間的邊關(guān)系，生成所述業(yè)務(wù)往來關(guān)系圖。

33、進一步的，所述將所述所有正反樣本數(shù)據(jù)所包含的業(yè)務(wù)屬性特征和所述業(yè)務(wù)往來關(guān)系圖一并輸入到待訓(xùn)練的風險類型識別組件，對所述待訓(xùn)練的風險類型識別組件進行學(xué)習(xí)訓(xùn)練，獲得訓(xùn)練完成的風險類型識別組件的步驟，具體包括：

34、基于風險類型標注知識，識別出所述業(yè)務(wù)往來關(guān)系圖中的非集團型風險業(yè)務(wù)賬戶和集團型風險業(yè)務(wù)賬戶；

35、對非集團型風險業(yè)務(wù)賬戶的業(yè)務(wù)屬性特征進行匯總整理，獲得非集團型風險業(yè)務(wù)賬戶的業(yè)務(wù)屬性特征匯總結(jié)果；

36、對集團型風險業(yè)務(wù)賬戶的業(yè)務(wù)屬性特征進行匯總整理，獲得集團型風險業(yè)務(wù)賬戶的業(yè)務(wù)屬性特征匯總結(jié)果；

37、根據(jù)非集團型風險業(yè)務(wù)賬戶的業(yè)務(wù)屬性特征匯總結(jié)果，確定出非集團型風險業(yè)務(wù)賬戶的類型識別特征，作為第一類型性識別特征；

38、根據(jù)集團型風險業(yè)務(wù)賬戶的業(yè)務(wù)屬性特征匯總結(jié)果，確定出集團型風險業(yè)務(wù)賬戶的類型識別特征，作為第二類型性識別特征；

39、根據(jù)風險類型的不同，分別對所述第一類型性識別特征和所述第二類型性識別特征設(shè)置類型識別權(quán)重，并根據(jù)所述第一類型性識別特征和所述第二類型性識別特征為所述待訓(xùn)練的風險類型識別組件設(shè)置類型特征識別節(jié)點；

40、將類型特征識別節(jié)點和類型識別權(quán)重設(shè)置完畢的所述風險類型識別組件作為所述訓(xùn)練完成的風險類型識別組件。

41、進一步的，所述將所述業(yè)務(wù)來往特征和所述業(yè)務(wù)屬性特征輸入到預(yù)訓(xùn)練完成的業(yè)務(wù)風險表征模型，獲得所述業(yè)務(wù)風險表征模型所輸出的業(yè)務(wù)關(guān)系圖，以及所述業(yè)務(wù)關(guān)系圖中所有賬戶節(jié)點的風險分值和風險類型的步驟，具體包括：

42、通過所述風險特征識別組件對所有待檢測賬戶的業(yè)務(wù)屬性特征進行風險特征檢測，識別所有待檢測賬戶分別所命中的風險特征檢測節(jié)點；

43、對同一待檢測賬戶所命中的風險特征檢測節(jié)點進行集合化整理，獲得所有待檢測賬戶分別所對應(yīng)的檢測節(jié)點集合；

44、根據(jù)所有待檢測賬戶分別所對應(yīng)的檢測節(jié)點集合以及風險特征檢測節(jié)點所對應(yīng)的風險檢測權(quán)重，對同個檢測節(jié)點集合中元素所對應(yīng)的風險檢測權(quán)重進行加權(quán)求和處理，獲得所有待檢測賬戶分別對應(yīng)的風險檢測分值；

45、將所述所有待檢測賬戶分別對應(yīng)的風險檢測分值作為所有待檢測賬戶分別對應(yīng)的風險分值；

46、從所述業(yè)務(wù)屬性特征中獲得所有待檢測賬戶的業(yè)務(wù)賬號信息；

47、將所述所有待檢測賬戶的業(yè)務(wù)賬號信息作為所述業(yè)務(wù)關(guān)系圖的圖節(jié)點；

48、根據(jù)所述業(yè)務(wù)來往特征識別出所有圖節(jié)點間的邊關(guān)系；

49、基于所述圖節(jié)點和所述所有圖節(jié)點間的邊關(guān)系，生成所述業(yè)務(wù)關(guān)系圖；

50、通過所述風險類型識別組件對所有待檢測賬戶的業(yè)務(wù)屬性特征進行風險類型識別，識別所有待檢測賬戶分別所命中的類型特征識別節(jié)點；

51、對同一待檢測賬戶所命中的類型特征識別節(jié)點進行集合化整理，獲得所有待檢測賬戶分別所對應(yīng)的類型節(jié)點集合；

52、根據(jù)所有待檢測賬戶分別所對應(yīng)的類型節(jié)點集合以及類型特征識別節(jié)點所對應(yīng)的類型識別權(quán)重，對同個類型節(jié)點集合中元素所對應(yīng)的類型識別權(quán)重進行加權(quán)求和處理，獲得所有待檢測賬戶分別對應(yīng)的類型識別分值；

53、根據(jù)所述類型識別分值和預(yù)設(shè)的類型識別規(guī)則，確定所有待檢測賬戶分別對應(yīng)的風險類型；

54、根據(jù)所述所有待檢測賬戶的業(yè)務(wù)賬號信息，將所有待檢測賬戶分別對應(yīng)的風險分值和風險類型標注到所述業(yè)務(wù)關(guān)系圖中對應(yīng)的圖節(jié)點位置處，獲得標注完成的業(yè)務(wù)關(guān)系圖；

55、通過所述業(yè)務(wù)風險表征模型輸出所述標注完成的業(yè)務(wù)關(guān)系圖。

56、為了解決上述技術(shù)問題，本技術(shù)實施例還提供業(yè)務(wù)風險管控裝置，采用了如下所述的技術(shù)方案：

57、一種業(yè)務(wù)風險管控裝置，包括：

58、待檢測數(shù)據(jù)獲取模塊，用于獲取待檢測數(shù)據(jù)，其中，所述待檢測數(shù)據(jù)包括待檢測批量賬戶的業(yè)務(wù)關(guān)系數(shù)據(jù)；

59、特征提取模塊，用于對所述待檢測數(shù)據(jù)進行特征提取，提取到業(yè)務(wù)來往特征和業(yè)務(wù)屬性特征，所述業(yè)務(wù)來往特征包括所述待檢測批量賬戶間的業(yè)務(wù)流轉(zhuǎn)信息，所述業(yè)務(wù)屬性特征包括所述待檢測批量賬戶的業(yè)務(wù)賬號信息、業(yè)務(wù)金額信息、業(yè)務(wù)頻率信息和業(yè)務(wù)時間信息；

60、模型處理模塊，用于將所述業(yè)務(wù)來往特征和所述業(yè)務(wù)屬性特征輸入到預(yù)訓(xùn)練完成的業(yè)務(wù)風險表征模型，獲得所述業(yè)務(wù)風險表征模型所輸出的業(yè)務(wù)關(guān)系圖，以及所述業(yè)務(wù)關(guān)系圖中所有賬戶節(jié)點的風險分值和風險類型；

61、目標賬號節(jié)點篩選模塊，用于根據(jù)所述業(yè)務(wù)關(guān)系圖中所有賬戶節(jié)點的風險分值和風險類型，從所述業(yè)務(wù)關(guān)系圖中篩選出風險分值超過了預(yù)設(shè)的風控值且風險類型為目標管控類型的目標賬戶節(jié)點；

62、業(yè)務(wù)賬號信息發(fā)送模塊，用于將所有目標賬戶節(jié)點所對應(yīng)的業(yè)務(wù)賬號信息發(fā)送給預(yù)設(shè)的風控管理端。

63、為了解決上述技術(shù)問題，本技術(shù)實施例還提供一種計算機設(shè)備，采用了如下所述的技術(shù)方案：

64、一種計算機設(shè)備，包括存儲器和處理器，所述存儲器中存儲有計算機可讀指令，所述處理器執(zhí)行所述計算機可讀指令時實現(xiàn)上述所述的業(yè)務(wù)風險管控方法的步驟。

65、為了解決上述技術(shù)問題，本技術(shù)實施例還提供一種計算機可讀存儲介質(zhì)，采用了如下所述的技術(shù)方案：

66、一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有計算機可讀指令，所述計算機可讀指令被處理器執(zhí)行時實現(xiàn)如上述所述的業(yè)務(wù)風險管控方法的步驟。

67、與現(xiàn)有技術(shù)相比，本技術(shù)實施例主要有以下有益效果：

68、本技術(shù)實施例所述業(yè)務(wù)風險管控方法，通過獲取待檢測數(shù)據(jù)；對待檢測數(shù)據(jù)進行特征提取，提取到業(yè)務(wù)來往特征和業(yè)務(wù)屬性特征；將業(yè)務(wù)來往特征和業(yè)務(wù)屬性特征輸入到預(yù)訓(xùn)練完成的業(yè)務(wù)風險表征模型，獲得業(yè)務(wù)風險表征模型所輸出的業(yè)務(wù)關(guān)系圖以及業(yè)務(wù)關(guān)系圖中所有賬戶節(jié)點的風險分值和風險類型；根據(jù)業(yè)務(wù)關(guān)系圖中所有賬戶節(jié)點的風險分值和風險類型，從業(yè)務(wù)關(guān)系圖中篩選出風險分值超過了預(yù)設(shè)的風控值且風險類型為目標管控類型的目標賬戶節(jié)點；將所有目標賬戶節(jié)點所對應(yīng)的業(yè)務(wù)賬號信息發(fā)送給預(yù)設(shè)的風控管理端。將所述業(yè)務(wù)風險管控方法，應(yīng)用到金融或者銀行交易場景下，能夠?qū)灰罪L險進行識別，避免客戶的經(jīng)濟損失；同時，采用所述業(yè)務(wù)風險管控方法也能在不特定賬戶中，篩選出風險賬號，及時對風險賬號進行管控處理，輔助金融監(jiān)管部門進行金融類犯罪案件篩查，更加智能化和自動化，結(jié)合了人工智能機器學(xué)習(xí)方式，提高了風險識別效率和準確度。