远程开卡激活方法、装置、电子设备及计算机存储介质

技术领域

本发明涉及人工智能技术领域，尤其涉及一种远程开卡激活方法、装置、电子设备及计算机可读存储介质。

背景技术

银行卡业务是银行传统业务中的重中之重。目前传统银行业仍然以现场开户为主。在这个足不出户便可上街买菜、知晓天下事的时代，客户想要办理一张银行卡，仍然需要去到营业网点，随身带上证件，由营业网点的柜员完成开户动作，然后再现场激活。整个过程高度依赖于线下，严重受到地域限制，用户无法得到高效的服务，银行也无法获得大量的客户。

发明内容

本发明提供一种远程开卡激活方法、装置、电子设备及计算机可读存储介质，其主要目的在于提供一种远程的风险可控的开卡激活方法。

为实现上述目的，本发明提供的一种远程开卡激活方法，包括：

接收到用户通过终端设备发送的远程开卡请求时，利用人脸识别模型，对所述用户的人脸进行识别，得到人脸信息；

连接至预构建的客户信息库，并根据所述客户信息库及所述人脸信息，验证所述用户的身份信息；

利用预构建的二分类模型及个人信用信息集，构建风险预警模型；

利用所述风险预警模型分析所述身份信息的风险值，根据所述风险值及预构建的风险评判表，得到所述用户的信用等级，并根据所述信用等级及预构建的权限标签，得到所述用户的开户种类集；

待所述用户从所述开户种类集中选择开户种类后，根据用户输入的所述开户种类对应的相关资料，完成线上开卡激活操作。

可选的，所述利用人脸识别模型，对所述用户的人脸进行识别，得到人脸信息，包括：

利用所述终端设备的摄像头获取人脸图像；

利用活体检测算法，判断所述人脸图像是否为活体；

当判断所述人脸图像为活体时，根据所述人脸识别模型对所述人脸图像进行特征提取，得到所述人脸信息。

可选的，所述连接至预构建的客户信息库，并根据所述客户信息库及所述人脸信息，验证所述用户的身份信息，包括：

根据预构建的API接口连接至所述客户信息库；

利用所述用户的账户信息，判断所述用户的角色等级，根据所述角色等级，获取所述客户信息库中的人物特征信息集；

根据所述人物特征信息，对所述人脸特征进行查询，得到所述身份信息。

可选的，所述利用预构建的二分类模型及个人信用信息集，构建风险预警模型，包括：

利用所述个人信用信息集构建样本集，并将所述样本集进行量化及清洗操作，得到量化数据；

利用所述量化数据对所述分类模型进行训练，得到风险预警模型。

可选的，所述利用所述量化数据对所述二分类模型进行训练，得到风险预警模型，包括：

利用所述量化数据对所述二分类模型进行K折交叉验证训练，得到风险预警初级模型；

对所述风险预警初级模型进行性能评估，得到评估分数；

当所述评估分数小于预设标准分数，判定所述风险预测初级模型为所述风险预测模型。

可选的，所述对所述风险预警初级模型进行性能评估，得到评估分数，包括：

根据预设的FRR和FAR双重指标加权的策略对所述风险预警初级模型进行性能测试，其中分数F公式如下：

F＝0.3*FRR+0.7*FAR

FRR＝FN/(TP+FN)*100％

FAR＝FP/(TN+FP)*100％

其中，FRR表示拒识率，FAR表示误识率，TP为测试结果无风险，实际无风险，FP为测试结果无风险，实际有风险，FN为测试结果有风险，实际有风险，TN为测试结果有风险，实际无风险。

可选的，其特征在于，所述根据所述风险值及预构建的风险评判表，得到所述用户的信用等级，并根据所述信用等级及预构建的权限标签，得到所述用户的开户种类集，包括：

设置不同的开户种类的权限，得到权限标签；

根据所述风险值的区间范围进行区间分组，得到风险评判表，并将所述风险评判表中不同信用等级与所述权限标签建立连接；

当得到所述用户的信用等级时，根据所述权限标签，获取所述开户种类集。

为了解决上述问题，本发明还提供一种远程开卡激活装置，所述装置包括：

信息获取模块：用于接收到用户通过终端设备发送的远程开卡请求时，利用人脸识别模型，对所述用户的人脸进行识别，得到人脸信息，及连接至预构建的客户信息库，并根据所述客户信息库及所述人脸信息，验证所述用户的身份信息；

模型构建模块：用于利用预构建的二分类模型及个人信用信息集，构建风险预警模型；

信息分析模块：用于利用所述风险预警模型分析所述身份信息的风险值，根据所述风险值及预构建的风险评判表，得到所述用户的信用等级，并根据所述信用等级及预构建的权限标签，得到所述用户的开户种类集；

开卡激活模块：用于待所述用户从所述开户种类集中选择开户种类后，根据用户输入的所述开户种类对应的相关资料，完成线上开卡激活操作。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

存储器，存储至少一个计算机程序；及

处理器，执行所述存储器中存储的计算机程序以实现上述中任意一项所述的远程开卡激活方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现上述中任意一项所述的远程开卡激活方法。

本发明实施例通过远程人脸识别、验证，解决远端活体验证问题，进一步获取客户信息库中的客户信息，构建风险预警模型，根据所述客户信息，对所述用户进行风险评估，得到风险等级，实现风险远程可控。根据风险等级，可控选择不同用户的开卡种类，实现灵活开卡。因此，本发明实施例可以实现远程地、风险可控的开卡激活操作。

附图说明

图1为本发明一实施例提供的远程开卡激活方法的流程示意图；

图2为本发明一实施例提供的远程开卡激活装置的模块示意图；

图3为本发明一实施例提供的实现远程开卡激活方法的电子设备的内部结构示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请实施例提供一种远程开卡激活方法。所述远程开卡激活方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述远程开卡激活方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。

参照图1所示，为本发明一实施例提供的远程开卡激活方法的流程示意图。在本实施例中，所述远程开卡激活方法包括：

S1、接收到用户通过终端设备发送的远程开卡请求时，利用人脸识别模型，对所述用户的人脸进行识别，得到人脸信息。

例如，本发明其中一个应用场景中，当用户打开掌上银行app，并验证身份进行登录时需要输入账号并进行人脸识别，账号与所述人脸信息相一致，人脸验证通过，获取所述用户的账户信息，并保持登录会话。

详细地，本发明实施例中，所述S1，包括：

利用所述终端设备的摄像头获取人脸图像；利用活体检测算法，判断所述人脸图像是否为活体；当判断所述人脸图像为活体时，根据所述人脸识别模型对所述人脸图像进行特征提取，得到所述人脸信息。

本发明实施例在接收到摄像头拍摄的人脸图像时，利用活体检测算法对所述人脸图像进行活体检测。其中，所述活体检测算法是在一些身份验证场景中确定对象真实生理特征的一类算法。在人脸识别应用中，活体检测算法能通过眨眼、张嘴、摇头、点头等组合动作，使用人脸关键点定位和人脸追踪等技术，验证所述用户是否为真实活体本人。

当分析所述人脸图像为活体后，本发明实施例进一步利用预构建的卷积神经网络对所述人脸图像进行特征提取，得到所述人脸信息。其中，本发明实施例中，所述卷积神经网络是包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks)。

S2、连接至预构建的客户信息库，并根据所述客户信息库及所述人脸信息，验证所述用户的身份信息。

本发明实施例中，所述客户信息库是银行保存客户信息的数据库，用于保存客户的个人档案及历史交易。

详细地，本发明实施例中，所述S2，包括：

根据预构建的API接口连接至所述客户信息库；利用所述用户的账户信息，判断所述用户的角色等级，根据所述角色等级，获取所述客户信息库中的人物特征信息集；根据所述人物特征信息，对所述人脸特征进行查询，得到所述身份信息。

所述API接口是用户与计算机硬件系统之间的接口，用户通过操作系统的帮助，可以快速、有效和安全、可靠地操纵计算机系统中的各类资源。进一步地，本发明实施例可以利用预设的系统白名单获取账户访问所述客户信息库的权限。其中，所述系统白名单与“系统黑名单”相对立，位于白名单的数据不会受到系统拦截。本发明实施例根据所述系统白名单，利用所述API接口，连接所述客户信息库，并将所述用户的账户信息导入所述客户信息库。

本发明实施例根据所述账户信息，得到所述账户对应的角色等级，本发明实施例中所述用户为非开发、调试人员用户，所述客户信息库开放人物特征信息集给所述账户，根据所述人物特征信息集，对所述人脸特征进行检索，得到所述身份信息，其中，所述身份信息包括：籍贯信息、年龄信息、诚信记录等。

S3、利用预构建的分类模型及个人信用信息集，构建风险预警模型。

所述二分类模型为用于判断“是否”的模型，例如，本发明实施例中所述分类模型可以用于判断用户籍贯信息是否本国、判断用户年龄信息是否成年、判断用户诚信记录是否合格等等。进一步地，所述个人信用信息样本集为表格形式，其中包括了用户的基本信息，图籍贯字段、年龄字段、诚信等级字段等。

详细地，本发明实施例中，所述S3，包括：

步骤A、利用所述个人信用信息集构建样本集，并将所述样本集进行量化及清洗操作，得到量化数据。

本发明实施例中，所述量化为将所述样本集进行格式规范化处理的过程，例如一个字段的数据类型为float32，需要转化为适应函数的uint8数据类型，若不进行量化处理无法输入后续函数进行处理。所述清洗处理为排除所述个人信息样本集中重复或缺失的字节，保证所述个人信息样本集的整洁性。

步骤B、利用所述量化数据对所述分类模型进行训练，得到风险预警模型。

进一步的，本发明实施例中，所述步骤B，包括：

利用所述量化数据对所述分类模型进行K折交叉验证训练，得到风险预警初级模型；对所述风险预警初级模型进行性能评估，得到评估分数；当所述评估分数小于预设标准分数，判定所述风险预测初级模型为所述风险预测模型。

其中，所述K折交叉验证是将所述量化数据等比例划分成K份，以其中的一份作为测试数据，其他的K-1份数据作为训练数据，执行一次训练，并执行K次训练，从而使所述分类模型达到最优的过程。

进一步地，在所述训练过程中，本发明实施例利用动量算法，确定所述训练过程的梯度下降方向，并增加梯度下降的稳定性。对所述整洁量化数据进行K折交叉验证，搜索得到最优参数，并根据所述最优参数，生成所述风险预警初级模型。

进一步的，本发明实施例中，所述对所述风险预警初级模型进行指标评价，得到评价结果，当所述评价结果小于预设阈值，得到所述风险预警模型，包括：

采用下述双重指标加权策略对所述风险预警初级模型进行性能测试，得到评估分数F：

F＝0.3*FRR+0.7*FAR

其中，FRR表示拒识率，FAR表示误识率

进一步地，FRR以及FAR计算公式如下：

FRR＝FN/(TP+FN)*100％FAR＝FP/(TN+FP)*100％

其中，TP为测试结果无风险，实际无风险，FP为测试结果无风险，实际有风险，FN为测试结果有风险，实际有风险，TN为测试结果有风险，实际无风险。

本发明实施例将得到的评估分数与预设阈值进行比较，当当所述评估分数大于预设阈值，评估所述风险预测初级模型不合格，并需要重新对所述分类模型进行K折交叉验证训练，得到更新后的风险预警初级模型；当所述评估分数小于或者等于预设阈值时，评估所述风险预测初级模型合格，得到风险预警模型本发明实施例中，所述预设值可以设置为0.15。

S4、利用所述风险预警模型分析所述身份信息的风险值，根据所述风险值及预构建的风险评判表，得到所述用户的信用等级，并根据所述信用等级及预构建的权限标签，得到所述用户的开户种类集。

本发明实施例中，所述风险值是指利用所述风险预警模型，将所述身份信息进行风险分析的结果。

详细地，本发明实施例中，所述S4，包括：

设置不同的开户种类的权限，得到权限标签；根据所述风险值的区间范围进行区间分组，得到风险评判表，并将所述风险评判表中不同信用等级与所述权限标签建立连接；当得到所述用户的信用等级时，根据所述权限标签，获取所述开户种类集。

本发明实施例将不同的开户种类，例如储蓄卡(各个等级)、信用卡(各个等级)设置不同的权限标签，如普通信用卡，借贷额度低，所述风险值大于60即可申请，而黄金信用卡，借贷额度高，只有所述风险值大于90才能申请。构建风险评判表，当所述风险值大于90为安全等级，当所述风险值在90～60为基本安全等级，当所述风险值小于60为危险等级。

本发明实施例中，当所述用户的身份信息导入所述风险预警模型，得到所述风险值为95，根据各种卡的所述权限标签及所述风险评判表，判断所述账户风险为安全等级可以申请各个等级的所述储蓄卡及信用卡。

S5、待所述用户从所述开户种类集中选择开户种类后，根据用户输入的所述开户种类对应的相关资料，完成线上开卡激活操作。

本发明实施例中，所述开户种类集为可视化显示的各个等级(普通、白银、黄金)的储蓄卡及所述信用卡本发明实施例中，所述相关资料可以为身份证照片，及本人证件照

本发明实施例获取开户种类集，待所述用户选定开卡种类，并提交所述相关资料后，银行内部系统自动分析所述相关资料的真伪性，当判断结果为真实，成功完成线上开卡激活操作。

本发明实施例通过远程人脸识别、验证，解决远端活体验证问题，进一步获取客户信息库中的客户信息，构建风险预警模型，根据所述客户信息，对所述用户的客户信息进行风险评估，得到风险等级，实现风险远程可控。根据风险等级，可控选择不同用户的开卡种类，实现灵活开卡。因此，本发明实施例可以实现远程地、风险可控的开卡激活操作。

如图2所示，是本发明远程开卡激活装置的模块示意图。

本发明所述远程开卡激活装置100可以安装于电子设备中。根据实现的功能，所述远程开卡激活装置可以包括信息获取模块101、模型构建模块102、信息分析模块103、开卡激活模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述信息获取模块101，用于接收到用户通过终端设备发送的远程开卡请求时，利用人脸识别模型，对所述用户的人脸进行识别，得到人脸信息，及连接至预构建的客户信息库，并根据所述客户信息库及所述人脸信息，验证所述用户的身份信息。

例如，本发明其中一个应用场景中，当用户打开掌上银行app，并验证身份进行登录时需要输入账号并进行人脸识别，账号与所述人脸信息相一致，人脸验证通过，获取所述用户的账户信息，并保持登录会话。

详细地，本发明实施例中，在利用人脸识别模型，对所述用户的人脸进行识别，得到人脸信息，所述信息获取模块101具体用于：

利用所述终端设备的摄像头获取人脸图像；利用活体检测算法，判断所述人脸图像是否为活体；当判断所述人脸图像为活体时，根据所述人脸识别模型对所述人脸图像进行特征提取，得到所述人脸信息。

本发明实施例在接收到摄像头拍摄的人脸图像时，利用活体检测算法对所述人脸图像进行活体检测。其中，所述活体检测算法是在一些身份验证场景中确定对象真实生理特征的一类算法。在人脸识别应用中，活体检测算法能通过眨眼、张嘴、摇头、点头等组合动作，使用人脸关键点定位和人脸追踪等技术，验证所述用户是否为真实活体本人。

当分析所述人脸图像为活体后，本发明实施例进一步利用预构建的卷积神经网络对所述人脸图像进行特征提取，得到所述人脸信息。其中，本发明实施例中，所述卷积神经网络是包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks)。

进一步地，本发明实施例中，所述客户信息库是银行保存客户信息的数据库，用于保存客户的个人档案及历史交易。

进一步地，在根据所述客户信息库及所述人脸信息，验证所述用户的身份信息时，所述信息获取模块101具体用于：

根据预构建的API接口连接至所述客户信息库；利用所述用户的账户信息，判断所述用户的角色等级，根据所述角色等级，获取所述客户信息库中的人物特征信息集；根据所述人物特征信息，对所述人脸特征进行查询，得到所述身份信息。

所述API接口是用户与计算机硬件系统之间的接口，用户通过操作系统的帮助，可以快速、有效和安全、可靠地操纵计算机系统中的各类资源。进一步地，本发明实施例可以利用预设的系统白名单获取账户访问所述客户信息库的权限。其中，所述系统白名单与“系统黑名单”相对立，位于白名单的数据不会受到系统拦截。本发明实施例根据所述系统白名单，利用所述API接口，连接所述客户信息库，并将所述用户的账户信息导入所述客户信息库。

本发明实施例根据所述账户信息，得到所述账户对应的角色等级，本发明实施例中所述用户为非开发、调试人员用户，所述客户信息库开放人物特征信息集给所述账户，根据所述人物特征信息集，对所述人脸特征进行检索，得到所述身份信息，其中，所述身份信息包括：籍贯信息、年龄信息、诚信记录等。

所述模型构建模块102，用于利用预构建的分类模型及个人信用信息集，构建风险预警模型。

所述二分类模型为用于判断“是否”的模型，例如，本发明实施例中所述分类模型可以用于判断用户籍贯信息是否本国、判断用户年龄信息是否成年、判断用户诚信记录是否合格等等。进一步地，所述个人信用信息样本集为表格形式，其中包括了用户的基本信息，图籍贯字段、年龄字段、诚信等级字段等。

详细地，本发明实施例中，所述模型构建模块102具体用于：

步骤A、利用所述个人信用信息集构建样本集，并将所述样本集进行量化及清洗操作，得到量化数据。

本发明实施例中，所述量化为将所述样本集进行格式规范化处理的过程，例如一个字段的数据类型为float32，需要转化为适应函数的uint8数据类型，若不进行量化处理无法输入后续函数进行处理。所述清洗处理为排除所述个人信息样本集中重复或缺失的字节，保证所述个人信息样本集的整洁性。

步骤B、利用所述量化数据对所述分类模型进行训练，得到风险预警模型。

进一步的，本发明实施例中，所述步骤B，包括：

利用所述量化数据对所述分类模型进行K折交叉验证训练，得到风险预警初级模型；对所述风险预警初级模型进行性能评估，得到评估分数；当所述评估分数小于预设标准分数，判定所述风险预测初级模型为所述风险预测模型。

其中，所述K折交叉验证是将所述量化数据等比例划分成K份，以其中的一份作为测试数据，其他的K-1份数据作为训练数据，执行一次训练，并执行K次训练，从而使所述分类模型达到最优的过程。

进一步地，在所述训练过程中，本发明实施例利用动量算法，确定所述训练过程的梯度下降方向，并增加梯度下降的稳定性。对所述整洁量化数据进行K折交叉验证，搜索得到最优参数，并根据所述最优参数，生成所述风险预警初级模型。

进一步的，本发明实施例中，所述对所述风险预警初级模型进行指标评价，得到评价结果，当所述评价结果小于预设阈值，得到所述风险预警模型，包括：

采用下述双重指标加权策略对所述风险预警初级模型进行性能测试，得到评估分数F：

F＝0.3*FRR+0.7*FAR

其中，FRR表示拒识率，FAR表示误识率

进一步地，FRR以及FAR计算公式如下：

FRR＝FN/(TP+FN)*100％FAR＝FP/(TN+FP)*100％

其中，TP为测试结果无风险，实际无风险，FP为测试结果无风险，实际有风险，FN为测试结果有风险，实际有风险，TN为测试结果有风险，实际无风险。

本发明实施例将得到的评估分数与预设阈值进行比较，当当所述评估分数大于预设阈值，评估所述风险预测初级模型不合格，并需要重新对所述二分类模型进行K折交叉验证训练，得到更新后的风险预警初级模型；当所述评估分数小于或者等于预设阈值时，评估所述风险预测初级模型合格，得到风险预警模型本发明实施例中，所述预设值可以设置为0.15。

所述信息分析模块103，用于利用所述风险预警模型分析所述身份信息的风险值，根据所述风险值及预构建的风险评判表，得到所述用户的信用等级，并根据所述信用等级及预构建的权限标签，得到所述用户的开户种类集。

本发明实施例中，所述风险值是指利用所述风险预警模型，将所述身份信息进行风险分析的结果。

详细地，本发明实施例中，所述信息分析模块103具体用于：

设置不同的开户种类的权限，得到权限标签；根据所述风险值的区间范围进行区间分组，得到风险评判表，并将所述风险评判表中不同信用等级与所述权限标签建立连接；当得到所述用户的信用等级时，根据所述权限标签，获取所述开户种类集。

本发明实施例将不同的开户种类，例如储蓄卡(各个等级)、信用卡(各个等级)设置不同的权限标签，如普通信用卡，借贷额度低，所述风险值大于60即可申请，而黄金信用卡，借贷额度高，只有所述风险值大于90才能申请。构建风险评判表，当所述风险值大于90为安全等级，当所述风险值在90～60为基本安全等级，当所述风险值小于60为危险等级。

本发明实施例中，当所述用户的身份信息导入所述风险预警模型，得到所述风险值为95，根据各种卡的所述权限标签及所述风险评判表，判断所述账户风险为安全等级可以申请各个等级的所述储蓄卡及信用卡。

所述开卡激活模块104，用于待所述用户从所述开户种类集中选择开户种类后，根据用户输入的所述开户种类对应的相关资料，完成线上开卡激活操作。

本发明实施例中，所述开户种类集为可视化显示的各个等级(普通、白银、黄金)的储蓄卡及所述信用卡本发明实施例中，所述相关资料可以为身份证照片，及本人证件照

本发明实施例获取开户种类集，待所述用户选定开卡种类，并提交所述相关资料后，银行内部系统自动分析所述相关资料的真伪性，当判断结果为真实，成功完成线上开卡激活操作。

如图3所示，是本发明实现远程开卡激活方法的电子设备的结构示意图。

所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如远程开卡激活程序12。

其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如远程开卡激活程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行远程开卡激活程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。

所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。

可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的远程开卡激活程序12是多个计算机程序的组合，在所述处理器10中运行时，可以实现：

接收到用户通过终端设备发送的远程开卡请求时，利用人脸识别模型，对所述用户的人脸进行识别，得到人脸信息；

连接至预构建的客户信息库，并根据所述客户信息库及所述人脸信息，验证所述用户的身份信息；

利用预构建的二分类模型及个人信用信息集，构建风险预警模型；

利用所述风险预警模型分析所述身份信息的风险值，根据所述风险值及预构建的风险评判表，得到所述用户的信用等级，并根据所述信用等级及预构建的权限标签，得到所述用户的开户种类集；

待所述用户从所述开户种类集中选择开户种类后，根据用户输入的所述开户种类对应的相关资料，执行线上开卡激活操作。

进一步地，所述电子设备1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。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，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)。

进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。

本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：

接收到用户通过终端设备发送的远程开卡请求时，利用人脸识别模型，对所述用户的人脸进行识别，得到人脸信息；

连接至预构建的客户信息库，并根据所述客户信息库及所述人脸信息，验证所述用户的身份信息；

利用预构建的二分类模型及个人信用信息集，构建风险预警模型；

利用所述风险预警模型分析所述身份信息的风险值，根据所述风险值及预构建的风险评判表，得到所述用户的信用等级，并根据所述信用等级及预构建的权限标签，得到所述用户的开户种类集；

待所述用户从所述开户种类集中选择开户种类后，根据用户输入的所述开户种类对应的相关资料，执行线上开卡激活操作。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能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，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图表记视为限制所涉及的权利要求。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。