风控实时预测识别方法及装置与流程

1.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：

2.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。
3.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。


技术实现要素：

4.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。
5.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：
6.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；
7.数据存储服务器将数据存储至mongodb宽表作为原数据；
8.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；
9.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；
10.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。
11.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：
12.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；
13.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。
14.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：
15.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；
16.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。
17.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：
18.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。
19.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：
20.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。
21.本发明还提供一种风控实时预测识别装置，该装置应用上述所述的风控实时预测识别方法的步骤，包括客户端、业务层、数据层、规则引擎和结果层；
22.客户端，用于用户的登录和查询及信息采集，并匹配drools规则引擎；
23.业务层，用于客户端的业务响应，及实时采集行为信息数据；
24.数据层，用于客户端采集的基础信息数据存储和业务层采集的实时行为数据存储；
25.规则引擎，用于根据设置规则，进行实时计算和规则匹配，实时更新用户操作权限；
26.结果层，用于用户操作权限的控制和对应接触机制，实时调整风控策略。
27.进一步，所述客户端包括app、pc、m站或小程序；所述业务层包括im、供应、采购、搜索和交易；所述数据层包括redis存储器和mongodb存储器；所述规则引擎包括权限规则、标签规则、决策规则及其他规则。
28.本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的风控实时预测识别方法的步骤。
29.本发明还提供一种计算机终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述的风控实时预测识别方法的步骤。
30.与相关技术相比较，本发明的风控实时预测识别方法及装置采用实时收集用户行为数据，非离线计算；实时匹配规则引擎；实时计算决策引擎存储热点数据，剔除失效数据释放空间，识别风险用户速度快，在用户使用各项权益前阻断安全风险；数据处理快，规则匹配，风险校验，实时处理用户行为数据；规则热更新部署，平台可随时调整规则引擎各项规则，即时生效，不需要重新发布服务；数据容量大，横向扩展数据存储容器。
附图说明
31.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：
32.图1为本发明风控实时预测识别方法的流程图；
33.图2为本发明风控实时预测识别装置的架构图。
具体实施方式
34.下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施
例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
35.请参阅图1，本发明提供一种风控实时预测识别方法包括：
36.s1、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；
37.用户注册登录，通过客户端设备信息、ip、唤醒地等信息，匹配drools规则引擎，查询返回用户部分功能权限。(drools规则引擎举例：风险地区ip注册的用户限制聊天次数；风险app设备号注册登录的用户限制交易次数等等)。
38.基础信息数据采集，收集用户各类信息(基数信息、认证、会员、身份等信息)，通过kafka/rocketmq实时发送至后端数据存储服务器。
39.s2、数据存储服务器将数据存储至mongodb宽表作为原数据。
40.基础信息数据存储至mongodb，后端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，存储至mongodb宽表作为原数据，供后续规则引擎匹配时查询，好处是高并发的时候能快速查询用户的各类数据，便于规则引擎匹配规则。
41.s3、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。
42.实时行为信息数据采集，业务线后端服务器(如im，供应，采购，交易)通过kafka/rocketmq将数据实时发送至风控后端服务器。
43.实时行为信息数据存储至redis，风控后端服务器接收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。
44.s4、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。
45.设置用户风险标签，风控后端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。(drools规则引擎举例：发布的供应存在风险地区和风险类目；发布采购的地区存在虚假报价等等)
46.s5、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。
47.决策用户，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(假想人评分卡模型＝是由多个标签设置不同分数组成，在后台由运营按照具体情况配置的)，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。
48.操作权限，根据假想人身份，设置平台惩罚机制，控制用户操作权限和对应解除机制，在用户注册登录或者其他操作时查询改用户的操作权限实施阻断等。
49.后台人工干预，运营人员发现某些用户的风险标签和假想人身份存在异常，可在运营后台人工介入调整用户的标签和假想人身份，例如延长惩罚周期，修改假想人，修改操作权限等，捕捉实时系统的漏网之鱼。
50.后台维护，运营后台增加对标签规则、决策规则等数据增删改查操作，drools规则引擎热更新，修改后即时生效，运营人员可实时调整平台风控策略。
51.请参阅图2，本发明还提供一种风控实时预测识别装置，该装置应用上述所述的风控实时预测识别方法的步骤，包括客户端、业务层、数据层、规则引擎和结果层；
52.客户端，用于用户的登录和查询及信息采集，并匹配drools规则引擎；
53.业务层，用于客户端的业务响应，及实时采集行为信息数据；
54.数据层，用于客户端采集的基础信息数据存储和业务层采集的实时行为数据存储；
55.规则引擎，用于根据设置规则，进行实时计算和规则匹配，实时更新用户操作权限；
56.结果层，用于用户操作权限的控制和对应接触机制，实时调整风控策略。
57.进一步，所述客户端包括app、pc、m站或小程序；所述业务层包括im、供应、采购、搜索和交易；所述数据层包括redis存储器和mongodb存储器；所述规则引擎包括权限规则、标签规则、决策规则及其他规则。
58.本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的风控实时预测识别方法的步骤。
59.本发明还提供一种计算机终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述的风控实时预测识别方法的步骤。
60.所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在终端设备中的执行过程。
61.所述计算机终端可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。可包括但不仅限于，处理器、存储器。可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备、总线等。
62.所述处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field
‑
programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
63.所述存储器可以是内部存储单元，例如硬盘或内存。所述存储器也可以是外部存储设备，例如插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述存储器还可以既包括内部存储单元也包括外部存储设备。所述存储器用于存储所述计算机程序以及其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
64.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功
能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
65.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
66.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
67.在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
68.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
69.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
70.所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
71.以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。