风险操作的识别方法、装置以及电子设备与流程

本申请涉及金融科技领域，具体而言，涉及一种风险操作的识别方法、装置以及电子设备。

背景技术：

1、随着金融机构推出的应用程序不断增多，越来越多的用户开始使用终端设备登录金融机构的应用程序进行业务办理操作，例如使用手机银行办理业务，为了提高业务办理操作的安全性，需要对业务办理操作进行安全认证，避免出现有风险的操作。

2、当前在进行安全认证的时候，普遍采用静态多因子认证方式，如验证固定的卡密码或者支付密码，或者人脸识别，认证过程为业务办理操作过程中的固定环节，无法因具体交易和具体的场景动态更新，从而降低风险操作的识别准确率和识别效率。

3、针对相关技术中对风险操作进行识别的准确率和效率较低的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本申请的主要目的在于提供一种风险操作的识别方法、装置以及电子设备，以解决相关技术中对风险操作进行识别的准确率和效率较低的问题。

2、为了实现上述目的，根据本申请的一个方面，提供了一种风险操作的识别方法。该方法包括：在检测到来源于目标账户的业务操作指令的情况下，识别业务操作指令指示的目标业务，并获取与业务操作指令相关联的初始信息；根据初始信息确定特征信息集合，并根据特征信息集合确定目标账户执行目标业务的目标风险等级；根据目标风险等级和初始信息构建与目标业务相关联的目标提示词；将目标提示词输入目标大语言模型中，处理得到认证因子集合，其中，认证因子集合中包括多个认证因子，认证因子用于表征对业务操作指令进行认证的维度；根据认证因子集合调用认证工具执行认证操作，并根据认证结果确定业务操作指令指示的业务操作的风险状态。

3、可选地，根据初始信息确定特征信息集合包括：获取目标业务的业务类型，并确定业务类型下的初始特征；确定每个初始特征的特征数据的获取流程，得到m个获取流程，其中，m为正整数；根据初始信息分别执行每个获取流程，得到m个特征数据，并将m个特征数据确定为特征信息集合，其中，初始信息至少包括以下之一：业务信息、账户信息、设备信息，设备信息为目标账户登录的用户端设备的信息。

4、可选地，根据特征信息集合确定目标账户执行目标业务的目标风险等级包括：确定特征信息集合中的各个特征数据的特征类型，并获取每个特征类型的预设权重值；确定每个特征数据在所属的特征类型中的指标值，得到m个特征指标值；根据预设权重值对m个特征指标值进行加权求和，得到目标指标值；根据目标指标值和风险等级之间的对应关系，确定目标风险等级。

5、可选地，确定每个特征数据在所属的特征类型中的指标值，得到m个特征指标值包括：对于任意一个特征数据，确定特征数据的特征类型，并获取特征类型下的特征规则；将特征数据进行标准化处理，得到目标数据；通过特征规则对目标数据进行评估，得到特征数据的特征指标值。

6、可选地，根据目标风险等级和初始信息构建与目标业务相关联的目标提示词包括：获取与目标业务相关联的提示词模板，并获取认证因子集合；根据目标业务的业务等级从认证因子集合中选取目标认证因子，并将各个目标认证因子添加至提示词模板，得到初始提示词；将初始信息进行标准化处理，得到目标信息；将目标风险等级和目标信息添加至初始提示词，得到目标提示词。

7、可选地，根据认证因子集合调用认证工具执行认证操作包括：确定认证因子集合中的各个认证因子的认证工具的调用复杂度，得到n个复杂度，其中，n为正整数；按照复杂度由小到大的顺序，将n个认证因子进行排序，得到目标序列；按照目标序列的顺序依次调用每个认证因子的认证工具对业务操作指令进行认证。

8、可选地，目标大语言模型通过如下方式进行处理：获取多个样本提示词，其中，每个样本提示词中包括样本信息、样本风险等级和认证因子集合；设置每个样本提示词的输出数据，其中，输出数据中包括至少一个认证因子，至少一个认证因子位于样本提示词的认证因子集合中；将每个样本提示词与对应的输出数据确定为一组样本数据，得到多组样本数据，并使用多组样本数据对初始大语言模型进行训练，得到目标大语言模型。

9、为了实现上述目的，根据本申请的另一方面，提供了一种风险操作的识别装置。该装置包括：第一获取单元，用于在检测到来源于目标账户的业务操作指令的情况下，识别业务操作指令指示的目标业务，并获取与业务操作指令相关联的初始信息；第一确定单元，用于根据初始信息确定特征信息集合，并根据特征信息集合确定目标账户执行目标业务的目标风险等级；构建单元，用于根据目标风险等级和初始信息构建与目标业务相关联的目标提示词；处理单元，用于将目标提示词输入目标大语言模型中，处理得到认证因子集合，其中，认证因子集合中包括多个认证因子，认证因子用于表征对业务操作指令进行认证的维度；第二确定单元，用于根据认证因子集合调用认证工具执行认证操作，并根据认证结果确定业务操作指令指示的业务操作的风险状态。

10、为了实现上述目的，根据本申请的另一方面，提供了一种电子设备，电子设备包括存储器，存储有可执行程序；处理器，用于运行程序，其中，程序运行时执行上述的风险操作的识别方法。

11、为了实现上述目的，根据本申请的另一方面，提供了一种计算机程序产品，包括计算机指令，计算机指令被处理器执行时实现上述的风险操作的识别方法的步骤。

12、在本申请实施例中，采用在检测到来源于目标账户的业务操作指令的情况下，识别业务操作指令指示的目标业务，并获取与业务操作指令相关联的初始信息；根据初始信息确定特征信息集合，并根据特征信息集合确定目标账户执行目标业务的目标风险等级；根据目标风险等级和初始信息构建与目标业务相关联的目标提示词；将目标提示词输入目标大语言模型中，处理得到认证因子集合，其中，认证因子集合中包括多个认证因子，认证因子用于表征对业务操作指令进行认证的维度；根据认证因子集合调用认证工具执行认证操作，并根据认证结果确定业务操作指令指示的业务操作的风险状态的方式，通过在检测到业务操作指令后，获取相关联的初始信息以构建特征信息集合，进而确定目标风险等级，并基于该风险等级与初始信息构建目标提示词输入目标大语言模型进行处理，以生成包含多个认证因子的认证因子集合，最终利用该集合调用认证工具执行认证操作，达到了根据业务操作指令的初始信息及目标风险等级，利用大语言模型动态确定用于表征认证维度的认证因子集合，并据此执行针对性认证操作的目的，从而实现了基于大语言模型动态适配认证维度，提升对业务操作指令进行认证操作的灵活性与针对性，进而提高对风险操作进行识别的准确率和效率的技术效果，进而解决了相关技术中对风险操作进行识别的准确率和效率较低的技术问题。

1.一种风险操作的识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，根据所述初始信息确定特征信息集合包括：

3.根据权利要求1所述的方法，其特征在于，根据所述特征信息集合确定所述目标账户执行所述目标业务的目标风险等级包括：

4.根据权利要求3所述的方法，其特征在于，确定每个特征数据在所属的特征类型中的指标值，得到m个特征指标值包括：

5.根据权利要求1所述的方法，其特征在于，根据所述目标风险等级和所述初始信息构建与所述目标业务相关联的目标提示词包括：

6.根据权利要求1所述的方法，其特征在于，根据所述认证因子集合调用认证工具执行认证操作包括：

7.根据权利要求1所述的方法，其特征在于，所述目标大语言模型通过如下方式进行处理：

8.一种风险操作的识别装置，其特征在于，包括：

9.一种计算机程序产品，包括计算机指令，其特征在于，所述计算机指令被处理器执行时实现权利要求1至7中任意一项所述的风险操作的识别方法的步骤。

10.一种电子设备，其特征在于，包括：