风险筛查方法及装置

技术领域

本发明涉及大数据技术领域，具体涉及一种风险筛查方法及装置。

背景技术

随着金融科技的发展，互联网成为信用卡获客(获取客户)主渠道，所以信用卡业务面临的主要风险也开始由传统的信用风险逐步演变为欺诈风险和信用风险相互交织，且表现形式不断变化。一方面，信用卡业务逐步推进客户下沉，大力拓展年轻客户和长尾客户，加大了信用风险防控难度；另一方面，随着信用卡业务的互联网化转型发展，获客及支付主渠道从线下转为线上，新型欺诈手法不断涌现，输入性风险与交叉性风险呈上升态势。构建新型的调查能力强且有效防范信用卡欺诈风险的大数据风筛模型显得尤为重要。

现在信用卡调查业内普遍采用两种手段，即人工筛查和模型筛查。人工筛查成本高、效率低，面对大量的信用卡申办业务无法快速完成调查需求；而模型筛查面临数据源丰富度有限，模型精确度低等问题。

发明内容

针对现有技术中的问题，本发明提供一种风险筛查方法及装置，能够有效防范欺诈风险，提高了风险控制精度，节约人力资源。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种风险筛查方法，包括：

采集银行客户的申请信息，所述申请信息包含表征该银行客户身份的关键信息；

根据所述关键信息对所述银行客户的描述信息进行扩充，得到用于构建风险筛查模型的数据集；

根据所述数据集并采用孤独森林算法进行训练，得到风险筛查模型；

获取申请信用卡的目标客户的目标申请信息；

基于所述风险筛查模型对所述目标申请信息进行风险筛查。

进一步地，在所述获取申请信用卡的目标客户的目标申请信息之后，还包括：

基于预设的筛查名单对申请信用卡的目标客户进行筛选；

相对应的，所述基于所述风险筛查模型对所述目标申请信息进行风险筛查，包括：

基于所述风险筛查模型对筛选后的目标客户的申请信息进行风险筛查。

其中，所述预设的筛查名单包括：历史信用卡审核未通过名单、批量申请信用卡名单、司法涉诉名单和本地黑名单；

所述基于预设的筛查名单对申请信用卡的目标客户进行筛选，包括：

从申请信用卡的目标客户中删除存在于所述筛查名单中的客户。

进一步地，在所述基于所述风险筛查模型对所述目标申请信息进行风险筛查之后，还包括：

根据所述风险筛查的结果确定申请信用卡的目标客户的信用卡审核结果。

其中，所述采集银行客户的申请信息，包括：

通过线下网点、线上移动端申请和网页申请的方式采集银行客户的申请信息；

其中，所述申请信息包含的关键信息；关键信息包含：身份ID或客户在银行的编码ID。

其中，所述根据所述关键信息对所述银行客户的描述信息进行扩充，包括：

基于所述关键信息在本地存储的客户数据中进行查询，得到所述关键信息对应的本地数据；

其中，本地存储的客户数据包括：历史交易明细、信用卡使用记录和司法涉诉信息中至少一种。

其中，所述根据所述数据集并采用孤独森林算法进行训练，得到风险筛查模型，包括：

对所述数据集进行数据清洗处理；

构建风险筛查模型的输入层、训练层和结果输出层；其中，训练层采用孤独森林算法对输入层的数据进行训练；

将数据清洗处理后的数据集输入风险筛查模型的输入层，通过所述训练层对所述数据清洗处理后的数据集进行训练，得到训练后的风险筛查模型。

第二方面，本发明提供一种风险筛查装置，包括：

采集模块，用于采集银行客户的申请信息，所述申请信息包含表征该银行客户身份的关键信息；

扩充模块，用于根据所述关键信息对所述银行客户的描述信息进行扩充，得到用于构建风险筛查模型的数据集；

训练模块，用于根据所述数据集并采用孤独森林算法进行训练，得到风险筛查模型；

获取模块，用于获取申请信用卡的目标客户的目标申请信息；

识别模块，用于基于所述风险筛查模型对所述目标申请信息进行风险筛查。

第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的风险筛查方法的步骤。

第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的风险筛查方法的步骤。

由上述技术方案可知，本发明提供一种风险筛查方法及装置，通过采集银行客户的申请信息，所述申请信息包含表征该银行客户身份的关键信息；根据所述关键信息对所述银行客户的描述信息进行扩充，得到用于构建风险筛查模型的数据集；根据所述数据集并采用孤独森林算法进行训练，得到风险筛查模型；获取申请信用卡的目标客户的目标申请信息；基于所述风险筛查模型对所述目标申请信息进行风险筛查。能够有效防范欺诈风险，提高了风险控制精度，节约人力资源。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图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他的附图。

图1为本发明实施例中的风险筛查方法的第一流程示意图。

图2为本发明实施例中的风险筛查方法的第二流程示意图。

图3为本发明实施例中的风险筛查方法的第三流程示意图。

图4为本发明实施例中的风险筛查装置的第一结构示意图。

图5为本发明实施例中的风险筛查装置的第二结构示意图。

图6为本发明实施例中的风险筛查装置的第三结构示意图。

图7为本发明实施例中的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，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他实施例，都属于本发明保护的范围。

本发明提供一种风险筛查方法的实施例，参见图1，所述风险筛查方法具体包含有如下内容：

S101：采集银行客户的申请信息，所述申请信息包含表征该银行客户身份的关键信息；

在本步骤中，通过银行客户的申请信息的收集与获取。利用大数据互联互通技术，实现分支机构和与总公司间的数据交互与共享。例如：在各地银行和总行之间，各地分行采用T+1(其中，T为当前日期)时限获取各渠道客户申请开卡信息。

需要说明的是，通过线下网点、线上移动端申请和网页申请的方式采集银行客户的申请信息；其中，申请信息包含的关键信息；关键信息包含：身份ID或客户在银行的编码ID。

S102：根据所述关键信息对所述银行客户的描述信息进行扩充，得到用于构建风险筛查模型的数据集；

在本步骤中，根据客户填写的申请信息中的关键信息来匹配客户的其余信息，进而实现对银行客户的描述信息进行扩充。例如通过历史交易明细、名下银行信用卡使用记录、司法涉诉信息等，构建成为可用于构建风险筛查模型的数据集。

在具体实施时，可以基于所述关键信息在本地存储的客户数据中进行查询，得到所述关键信息对应的本地数据；

其中，本地存储的客户数据包括：历史交易明细、信用卡使用记录和司法涉诉信息中至少一种。

在步骤中，通过对银行客户的描述信息进行扩充，实现在数据构成上较其他同业风控模型更加丰富，可有效针对信用卡集团诈骗、团伙作案行为展开反欺诈调查。

S103：根据所述数据集并采用孤独森林算法进行训练，得到风险筛查模型；

在本步骤中，构建风险筛查模型的输入层、训练层和结果输出层；其中，训练层采用孤独森林算法对输入层的数据进行训练；对数据集进行数据清洗处理，将数据清洗处理后的数据集输入风险筛查模型的输入层，通过训练层对数据清洗处理后的数据集进行训练，得到训练后的风险筛查模型。

其中，对数据集进行数据清洗处理，实现在数据集中删除与构建风险筛查模型无关的参数或数据。进一步地，在完成对数据集进行数据清洗处理后，还可以依据预设的专家规则库对数据清洗处理后的数据集进行前置筛选。其中，专家规则库是结合行业内信用卡调查规范，制定合理的专家规则及风险筛查策略，采用一票否决制筛选规则提前排除高风险客户。

通过专家规则库的前置筛选后的数据集输入风险筛查模型的输入层，通过训练层对数据清洗处理后的数据集进行训练，得到训练后的风险筛查模型。

需要说明的是，训练层采用孤独森林算法，用于对申办客户的多种异常行为进行检测从而得出其信用卡申办风险情况。

S104：获取申请信用卡的目标客户的目标申请信息；

S105：基于所述风险筛查模型对所述目标申请信息进行风险筛查。

在本步骤中，融合多个分支机构和总公司的多类数据，采用在数据构成上较其他同业风控模型更加丰富的数据集，并利用多种风险筛查策略及机器学习算法，构建风险筛查模型为客户生成风险评分和分类标签，可有效针对信用卡集团诈骗、团伙作案行为，提前筛除预审评分较低或高风险标签命中的客户，完成大数据风险筛查。

从上述描述可知，从上述描述可知，本发明实施例提供的风险筛查方法，通过采集银行客户的申请信息，所述申请信息包含表征该银行客户身份的关键信息；根据所述关键信息对所述银行客户的描述信息进行扩充，得到用于构建风险筛查模型的数据集；根据所述数据集并采用孤独森林算法进行训练，得到风险筛查模型；获取申请信用卡的目标客户的目标申请信息；基于所述风险筛查模型对所述目标申请信息进行风险筛查。能够有效防范欺诈风险，提高了风险控制精度，节约人力资源。

在本发明的一实施例中，参见图2，所述风险筛查方法的步骤S104之后，具体包含有如下内容：

S106：基于预设的筛查名单对申请信用卡的目标客户进行筛选；

在本步骤中，对申请信用卡的目标客户进行筛选，本步骤中的预设的筛查名单包括：历史信用卡审核未通过名单、批量申请信用卡名单、司法涉诉名单和本地黑名单；

进一步地，基于预设的筛查名单对申请信用卡的目标客户进行筛选，包括：

从申请信用卡的目标客户中删除存在于所述筛查名单中的客户。

相对应的，所述S105基于所述风险筛查模型对所述目标申请信息进行风险筛查，包括：

S1051：基于所述风险筛查模型对筛选后的目标客户的申请信息进行风险筛查。

通过上述描述可知，对申请信用卡的目标客户进行筛选，提前排除高风险客户。

综上，本实施例运用大数据技术构建风险筛查模型，在客户授权的前提下，使用总行提供的客户信用卡申请信息、人行征信、司法涉诉数据和分行的优质客户名单、高风险客户名单，基于专家规则、机器学习算法构建大数据风筛模型，应用单一客户筛查、相近批次客户集体筛查策略，提升对信用卡欺诈风险的识别水平。

在本发明的一实施例中，参见图3，所述风险筛查方法的步骤S105之后，具体包含有如下内容：

S107：根据所述风险筛查的结果确定申请信用卡的目标客户的信用卡审核结果。

在本步骤中，确定风险筛查的结果确定后，可以基于风险筛查的结果对风险筛查模型进行更新或反馈。例如：基于风险筛查的结果的反馈，根据风险筛查模型给出的结果定合理的判断阈值，并给出最终的信用卡调查结果(审核通过、审核拒绝、转人工调查)。根据客户的风险筛查，给客户不同处理结果，如对高风险命中客户直接拒绝，或给予白名单客户直接通过的审核结果等。

从上述描述客户可知，本实施例运用大数据技术，提供信用卡大数据筛查调查服务，实现了基于大数据的信用卡调查模式。提高了风控精度，从客户申请源头把控风险状况，拒绝高风险、高可疑、欺诈性客户，保障金融消费者合法权益，维护信用卡金融生态圈健康稳定。实现有效防范欺诈风险，可进一步节约人力资源。实现了信用卡办卡流程的优化升级，解决了长期以来存在的办卡速度慢、审核流程冗长的痛点，加快银行业申请信用卡的自动化程度，为客户带来更优质的金融服务体验。

本发明实施例提供一种能够实现所述风险筛查方法中全部内容的风险筛查装置的具体实施方式，参见图4，所述风险筛查装置具体包括如下内容：

采集模块10，用于采集银行客户的申请信息，所述申请信息包含表征该银行客户身份的关键信息；

扩充模块20，用于根据所述关键信息对所述银行客户的描述信息进行扩充，得到用于构建风险筛查模型的数据集；

训练模块30，用于根据所述数据集并采用孤独森林算法进行训练，得到风险筛查模型；

获取模块40，用于获取申请信用卡的目标客户的目标申请信息；

识别模块50，用于基于所述风险筛查模型对所述目标申请信息进行风险筛查。

其中，所述采集模块10包括：

采集单元，用于通过线下网点、线上移动端申请和网页申请的方式采集银行客户的申请信息；

其中，所述申请信息包含的关键信息；关键信息包含：身份ID或客户在银行的编码ID。

其中，所述扩充模块20包括：

扩充单元，用于基于所述关键信息在本地存储的客户数据中进行查询，得到所述关键信息对应的本地数据；

其中，本地存储的客户数据包括：历史交易明细、信用卡使用记录和司法涉诉信息中至少一种。

其中，所述训练模块30包括：

清洗单元，用于对所述数据集进行数据清洗处理；

构建单元，用于构建风险筛查模型的输入层、训练层和结果输出层；其中，训练层采用孤独森林算法对输入层的数据进行训练；

训练单元，用于将数据清洗处理后的数据集输入风险筛查模型的输入层，通过所述训练层对所述数据清洗处理后的数据集进行训练，得到训练后的风险筛查模型。

在本发明的一实施例中，参见图5，还包括：

筛选模块60，用于基于预设的筛查名单对申请信用卡的目标客户进行筛选；

相对应的，所述基于所述风险筛查模型对所述目标申请信息进行风险筛查，包括：

基于所述风险筛查模型对筛选后的目标客户的申请信息进行风险筛查。

其中，所述预设的筛查名单包括：历史信用卡审核未通过名单、批量申请信用卡名单、司法涉诉名单和本地黑名单；

所述基于预设的筛查名单对申请信用卡的目标客户进行筛选，包括：

从申请信用卡的目标客户中删除存在于所述筛查名单中的客户。

在本发明的一实施例中，参见图6，还包括：

反馈模块70，用于根据所述风险筛查的结果确定申请信用卡的目标客户的信用卡审核结果。

本发明提供的风险筛查装置的实施例具体可以用于执行上述实施例中的风险筛查方法的实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。

从上述描述可知，本发明实施例提供的风险筛查装置，通过采集银行客户的申请信息，所述申请信息包含表征该银行客户身份的关键信息；根据所述关键信息对所述银行客户的描述信息进行扩充，得到用于构建风险筛查模型的数据集；根据所述数据集并采用孤独森林算法进行训练，得到风险筛查模型；获取申请信用卡的目标客户的目标申请信息；基于所述风险筛查模型对所述目标申请信息进行风险筛查。能够有效防范欺诈风险，提高了风险控制精度，节约人力资源。

本申请提供一种用于实现所述风险筛查方法中的全部或部分内容的电子设备的实施例所述电子设备具体包含有如下内容：

处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于实现相关设备之间的信息传输；该电子设备可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该电子设备可以参照实施例用于实现所述风险筛查方法的实施例及用于实现所述风险筛查装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。

图7为本申请实施例的电子设备9600的系统构成的示意框图。如图7所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图7是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。

一实施例中，风险筛查功能可以被集成到中央处理器9100中。其中，中央处理器9100可以被配置为进行如下控制：

采集银行客户的申请信息，所述申请信息包含表征该银行客户身份的关键信息；根据所述关键信息对所述银行客户的描述信息进行扩充，得到用于构建风险筛查模型的数据集；根据所述数据集并采用孤独森林算法进行训练，得到风险筛查模型；获取申请信用卡的目标客户的目标申请信息；基于所述风险筛查模型对所述目标申请信息进行风险筛查。

从上述描述可知，本申请的实施例提供的电子设备，通过采集银行客户的申请信息，所述申请信息包含表征该银行客户身份的关键信息；根据所述关键信息对所述银行客户的描述信息进行扩充，得到用于构建风险筛查模型的数据集；根据所述数据集并采用孤独森林算法进行训练，得到风险筛查模型；获取申请信用卡的目标客户的目标申请信息；基于所述风险筛查模型对所述目标申请信息进行风险筛查。能够有效防范欺诈风险，提高了风险控制精度，节约人力资源。

在另一个实施方式中，风险筛查装置可以与中央处理器9100分开配置，例如可以将风险筛查配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现风险筛查功能。

如图7所示，该电子设备9600还可以包括：通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图7中所示的所有部件；此外，电子设备9600还可以包括图7中没有示出的部件，可以参考现有技术。

如图7所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。

其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。

输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。

该存储器9140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。

存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。

通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。

基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。

本发明的实施例还提供能够实现上述实施例中的风险筛查方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的风险筛查方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：

采集银行客户的申请信息，所述申请信息包含表征该银行客户身份的关键信息；根据所述关键信息对所述银行客户的描述信息进行扩充，得到用于构建风险筛查模型的数据集；根据所述数据集并采用孤独森林算法进行训练，得到风险筛查模型；获取申请信用卡的目标客户的目标申请信息；基于所述风险筛查模型对所述目标申请信息进行风险筛查。

从上述描述可知，本发明实施例提供的计算机可读存储介质，通过采集银行客户的申请信息，所述申请信息包含表征该银行客户身份的关键信息；根据所述关键信息对所述银行客户的描述信息进行扩充，得到用于构建风险筛查模型的数据集；根据所述数据集并采用孤独森林算法进行训练，得到风险筛查模型；获取申请信用卡的目标客户的目标申请信息；基于所述风险筛查模型对所述目标申请信息进行风险筛查。能够有效防范欺诈风险，提高了风险控制精度，节约人力资源。

虽然本发明提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。

本领域技术人员应明白，本说明书的实施例可提供为方法、装置(系统)或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。本发明并不局限于任何单一的方面，也不局限于任何单一的实施例，也不局限于这些方面和/或实施例的任意组合和/或置换。而且，可以单独使用本发明的每个方面和/或实施例或者与一个或更多其他方面和/或其实施例结合使用。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。