风控实时预测识别方法及装置与流程

技术特征：
1.一种风控实时预测识别方法，其特征在于，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。2.根据权利要求1所述的风控实时预测识别方法，其特征在于，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。3.根据权利要求1所述的风控实时预测识别方法，其特征在于，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。4.根据权利要求1所述的风控实时预测识别方法，其特征在于，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。5.根据权利要求1所述的风控实时预测识别方法，其特征在于，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。6.一种风控实时预测识别装置，其特征在于，该装置应用上述权利要求1
‑
5任一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；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；业务层，用于客户端的业务响应，及实时采集行为信息数据；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；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；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。7.根据权利要求6所述的风控实时预测识别装置，其特征在于，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。8.一种计算机可读存储介质，其特征在于，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权利要求1
‑
5任一所述的风控实时预测识别方法的步骤。9.一种计算机终端，其特征在于，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权利要求1
‑
5任一所述的风控实时预测识别方法的步骤。

技术总结
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。实时处理用户行为数据。实时处理用户行为数据。


技术研发人员：申斌 蔡小祥
受保护的技术使用者：湖南惠农科技有限公司
技术研发日：2021.09.08
技术公布日：2021/10/29