业务请求处理方法、设备及存储介质

技术领域

本申请涉及金融领域或其他领域，尤其涉及一种业务请求处理方法、设备及存储介质。

背景技术

在金融领域中，银行可以为客户提供多种业务，如查询业务、理财业务、存储业务、转账业务等。不同业务的处理流程不同，安全校验也不同。

同时，由于银行需要处理的业务请求数量庞大，涉及的客户较多，银行在进行业务请求处理时，可能存在安全性风险问题。

因此，目前需要对银行业务请求上的安全性进行有效处理，需求一种业务请求处理方案。

发明内容

本申请提供一种业务请求处理方法、设备及存储介质，用以解决目前需要对银行业务请求上的安全性进行有效处理，需求一种业务请求处理方案的问题。

本申请第一方面提供一种业务请求处理方法，包括：

获取目标客户待处理的目标业务请求；

依据银行的历史业务请求，确定所述目标业务请求对应的相关业务请求；

依据所述目标业务请求的相关业务请求，确定所述目标业务请求的风险识别模型；

依据所述目标业务请求的风险识别模型，确定所述目标业务请求的风险标识；其中，风险标识用于表征是否涉及风险；

依据所述目标业务请求的风险标识，对所述目标业务请求按照预设风险控制策略进行对应处理。

本申请第二方面提供一种业务请求处理装置，包括：

获取模块，用于获取目标客户待处理的目标业务请求；

第一确定模块，用于依据银行的历史业务请求，确定所述目标业务请求对应的相关业务请求；

第二确定模块，用于依据所述目标业务请求的相关业务请求，确定所述目标业务请求的风险识别模型；

第三确定模块，用于依据所述目标业务请求的风险识别模型，确定所述目标业务请求的风险标识；其中，风险标识用于表征是否涉及风险；

处理模块，用于依据所述目标业务请求的风险标识，对所述目标业务请求按照预设风险控制策略进行对应处理。

本申请第三方面提供一种电子设备，包括：存储器和处理器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面任一项所述的业务请求处理方法。

本申请第四方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现第一方面任一项所述的业务请求处理方法。

本申请第五方面提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面任一项所述的业务请求处理方法。

本申请提供的一种业务请求处理方法、设备及存储介质，该方法包括：获取目标客户待处理的目标业务请求；依据银行的历史业务请求，确定所述目标业务请求对应的相关业务请求；依据所述目标业务请求的相关业务请求，确定所述目标业务请求的风险识别模型；依据所述目标业务请求的风险识别模型，确定所述目标业务请求的风险标识；其中，风险标识用于表征是否涉及风险；依据所述目标业务请求的风险标识，对所述目标业务请求按照预设风险控制策略进行对应处理。本申请的业务请求处理方法，通过银行的历史业务请求确定目标业务请求对应的相关业务请求，并依据相关业务请求，确定所述目标业务请求的风险识别模型。同时，采用风险识别模型，确定所述目标业务请求的风险标识，以风险标识确定目标业务请求是否涉及风险，从而基于目标业务请求是否涉及风险的结果按照预设风险控制策略进行对应处理，提高了业务请求处理的安全性。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1为可以实现本申请实施例的业务请求处理方法的场景图；

图2为本申请提供的业务请求处理方法的流程示意图一；

图3为本申请提供的业务请求处理方法的流程示意图二；

图4为本申请提供的业务请求处理装置的结构示意图；

图5为本申请提供的电子设备的结构示意图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

本申请实施例的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。

需要说明的是，本公开业务请求处理方法、设备及存储介质可用于金融领域或其他领域。也可用于除金融领域以外的任意领域。本公开业务请求处理方法、设备及存储介质应用领域不作限定。

下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

为了清楚理解本申请的技术方案，首先对现有技术的方案进行详细介绍。银行可以为客户提供多种业务，如查询业务、理财业务、存储业务、转账业务等。客户可以通过用户终端向银行发送业务请求，银行在接收到业务请求后，对该业务请求进行处理。同时，客户也可以在银行网点通过业务人员办理具体业务，由银行服务器对业务请求进行处理。由于银行需要处理的业务请求数量庞大，涉及的客户较多，可能同一时间存在大量业务请求，银行在进行业务请求处理时，可能存在安全性风险问题。

因此，目前需要对银行业务请求上的安全性进行有效处理，需求一种业务请求处理的方案。

所以针对现有技术中需要对银行业务请求上的安全性进行有效处理，需求一种业务请求处理的方案的问题，发明人在研究中发现，可以通过目标业务请求对应的相关业务请求，确定目标业务请求的风险识别模型。同时，采用风险识别模型，确定目标业务请求是否涉及风险，从而基于目标业务请求是否涉及风险的结果按照预设风险控制策略进行对应处理，提高了业务请求处理的安全性。

具体的，获取目标客户待处理的目标业务请求。依据银行的历史业务请求，确定目标业务请求对应的相关业务请求。依据目标业务请求的相关业务请求，确定目标业务请求的风险识别模型。依据目标业务请求的风险识别模型，确定目标业务请求的风险标识。其中，风险标识用于表征是否涉及风险。依据目标业务请求的风险标识，对目标业务请求按照预设风险控制策略进行对应处理。

发明人基于上述的创造性发现，提出了本申请的技术方案。

下面对本申请实施例提供的业务请求处理方法的应用场景进行介绍。如图1所示，其中，1为第一电子设备，2为第二电子设备。本申请实施例提供的业务请求处理方法对应的应用场景的网络架构中包括：第一电子设备1和第二电子设备2。第二电子设备2可以为银行前端服务器，也可以为用户终端。

示例性的，在第一电子设备1接收到第二电子设备2发送的目标客户待处理的目标业务请求时，第一电子设备1进行如下处理：

①依据银行的历史业务请求，确定目标业务请求对应的相关业务请求。

②依据目标业务请求的相关业务请求，确定目标业务请求的风险识别模型。

③依据目标业务请求的风险识别模型，确定目标业务请求的风险标识。其中，风险标识用于表征是否涉及风险。

④依据目标业务请求的风险标识，对目标业务请求按照预设风险控制策略进行对应处理。

预设风险控制策略可以为在确定风险标识表征目标业务请求涉及风险时，依据风险业务请求样本，对目标业务请求进行对应处理。

下面结合说明书附图对本申请实施例进行介绍。

图2为本申请提供的业务请求处理方法的流程示意图一，如图2所示，本实施例中，本申请实施例的执行主体为业务请求处理装置，该业务请求处理装置可以集成在电子设备中。则本实施例提供的业务请求处理方法包括以下几个步骤：

步骤S101，获取目标客户待处理的目标业务请求。

本实施例中，获取的方式可以是直接接收客户通过终端设备发送的目标业务请求，可以是从银行前端服务器处获取，其中，银行前端服务器接收客户的业务请求。也可以通过其他方式获取，本实施例对此不作限定。

步骤S102，依据银行的历史业务请求，确定目标业务请求对应的相关业务请求。

本实施例中，历史业务请求为银行对应预设历史时间段内客户产生的请求数据。预设历史时间段可以为当前时间之前的一年内、一个月内等，也可以按照实际应用进行设置。历史业务请求包括业务种类、业务请求时间等数据。

相关业务请求可以是与目标业务请求的相似程度在预设范围内的业务请求，也可以是与目标业务请求存在关联关系的业务请求。

步骤S103，依据目标业务请求的相关业务请求，确定目标业务请求的风险识别模型。

本实施例中，通过目标业务请求的相关业务请求可以对学习模型进行训练，从而得到训练后的风险识别模型。风险识别模型的输入是业务请求，输出是风险标识。

步骤S104，依据目标业务请求的风险识别模型，确定目标业务请求的风险标识。其中，风险标识用于表征是否涉及风险。

风险标识可以是涉及风险，不涉及风险，也可以是涉及高风险、中风险、低风险、不涉及风险等，本实施例对此不作限定。

步骤S105，依据目标业务请求的风险标识，对目标业务请求按照预设风险控制策略进行对应处理。

预设风险控制策略可以为在确定目标业务请求涉及风险时，对目标业务请求对应的客户属性进行校验，对目标业务请求进行业务渠道校验，或者直接否决该目标业务请求。

本申请实施例提供的一种业务请求处理方法，该方法包括：获取目标客户待处理的目标业务请求。依据银行的历史业务请求，确定目标业务请求对应的相关业务请求。依据目标业务请求的相关业务请求，确定目标业务请求的风险识别模型。依据目标业务请求的风险识别模型，确定目标业务请求的风险标识。其中，风险标识用于表征是否涉及风险。依据目标业务请求的风险标识，对目标业务请求按照预设风险控制策略进行对应处理。

本申请的业务请求处理方法，通过银行的历史业务请求确定目标业务请求对应的相关业务请求，并依据相关业务请求，确定目标业务请求的风险识别模型。同时，采用风险识别模型，确定目标业务请求的风险标识，以风险标识确定目标业务请求是否涉及风险，从而基于目标业务请求是否涉及风险的结果按照预设风险控制策略进行对应处理，提高了业务请求处理的安全性。

图3为本申请提供的业务请求处理方法的流程示意图二，如图3所示，本实施例提供的业务请求处理方法，是在本申请上一实施例提供的业务请求处理方法的基础上，进行了进一步的细化。则本实施例提供的业务请求处理方法包括以下步骤。

步骤S201，获取目标客户待处理的目标业务请求。

本实施例中，S201的实现方式与上一实施例的S101的实现方式类似，在此不再赘述。

步骤S202，依据银行的历史业务请求，确定目标业务请求对应的相关业务请求。

可选的，本实施例中，S202可以具体为：

设置最大相似距离为一正整数，以及初始化业务请求队列为空。

依据历史业务请求，获取目标业务请求的多个第一相似业务请求，且初始化每一第一相似业务请求的相似距离为1，并将该多个第一相似业务请求依次添加到业务请求队列中，设置每一第一相似业务请求的添加标识为已添加。

将第一相似业务请求添加到目标业务请求的相关业务请求中。

循环执行如下步骤，直到业务请求队列中的当前业务请求的相似距离大于或等于最大相似距离，或者目标业务请求的相关业务请求包含的业务量大于或等于业务量阈值：

从业务请求队列中取出处于队首位置的业务请求，并将该业务请求作为当前业务请求。

将当前业务请求添加到目标业务请求的相关业务请求中。

依据历史业务请求，获取当前业务请求的多个第二相似业务请求。

从多个第二相似业务请求中选取出添加标识不是已添加的相似业务请求。

将选取出的相似业务请求的相似距离设置为当前业务请求的相似距离与1之间的和，将选取出的相似业务请求的添加标识设置为已添加，并将选取出的相似业务请求依次添加到业务请求队列中。

需要说明的是，业务请求队列是数据结构中的队列，执行先进先出的数据执行方案。

示例性的，假设目标业务请求的第一相似业务请求分别为请求a、请求b和请求c。将请求a、请求b和请求c添加到业务请求队列中，设置每一请求的添加标识为已添加，同时，初始化请求a、请求b和请求c的相似距离为1。假设请求a为业务请求队列中处于队首的请求，则获取当前业务请求的多个第二相似业务请求。假设第二相似业务请求分别为请求c、请求d和请求e，则从第二相似业务请求中选取出添加标识不是已添加的相似业务请求，即请求d和请求e。设置请求d和请求e的相似距离为请求a的相似距离1与1之间的和，即相似距离为2。将请求d和请求e加入业务请求队列中，并设置添加标识为已添加。

此时，将请求a之后的请求b作为当前请求，执行上述步骤直到业务请求队列中的当前业务请求的相似距离大于或等于最大相似距离，或者目标业务请求的相关业务请求包含的业务量大于或等于业务量阈值。其中，最大相似距离以及业务量阈值用于确定相关业务请求中业务请求的数量以及范围。

可选的，本实施例中，依据历史业务请求，获取每一业务请求的多个相似业务请求的步骤可以具体如下：

获取多个离散业务属性和连续业务属性，其中，离散业务属性的属性值是离散的，连续业务属性的属性值是连续的。

对于每一业务请求，确定该业务请求对应各个离散业务属性的属性值和对应各个连续业务属性的属性值。

依据该业务请求对应各个离散业务属性的属性值，确定该业务请求的多个待选相似业务请求。

对于该业务请求的每一待选相似业务请求，依据该业务请求和该待选相似业务请求对应各个连续业务属性的属性值，确定该业务请求和该待选相似业务请求的连续相似熵，其中，连续相似熵用于表征两个业务请求在连续业务属性的相似性的信息量。

依据连续相似熵，从待选相似业务请求中选取出该业务请求的多个相似业务请求。

比如可以将与该业务请求的连续相似熵大于相似阈值的待选相似业务请求作为该业务请求的相似业务请求。

离散业务属性比如业务类别、业务级别等，连续业务属性比如业务处理时间等。

在一实施例中，对于该业务请求的每一待选相似业务请求，依据该业务请求和该待选相似业务请求对应各个连续业务属性的属性值，确定该业务请求和该待选相似业务请求的连续相似熵的流程可以具体为：

对于每一连续业务属性，确定该业务请求和该待选相似业务请求对应该连续业务属性的两个属性值中的最小值和最大值。

确定该最大值m是否大于最小值n的2倍。

若是，则确定该业务请求和该待选相似业务请求对应该连续业务属性的连续相似熵为：

若否，则确定该业务请求和该待选相似业务请求对应该连续业务属性的连续相似熵为：

依据该业务请求和该待选相似业务请求对应各个连续业务属性的连续相似熵，确定该业务请求和该待选相似业务请求的连续相似熵。

该业务请求和该待选相似业务请求对应该连续业务属性的两个属性值指业务请求对应该连续业务属性的属性值以及该待选相似业务请求对应该连续业务属性的属性值。

步骤S203，将相关业务请求中涉及风险的相关业务请求作为风险业务请求样本。

可选的，本实施例中，在将业务请求的相关业务请求中涉及风险的相关业务请求作为风险业务请求样本之后，可以进行进一步筛选，具体如下：

获取多个业务请求规则，其中，业务请求规则用于确定两个业务请求的风险的大小关系。

将业务请求的相关业务请求中不涉及风险的相关业务请求作为待选业务请求。

对于每一待选业务请求，当依据该多个业务请求规则，确定该待选业务请求的风险大于涉及风险的任一相关业务请求的风险时，则将该待选业务请求作为风险业务请求样本。

需要说明的是，业务请求规则可以是机器学习中的规则，此时，每一业务请求规则对应两个变量，业务请求规则的规则体包括两个变量在各个业务请求属性的值的大小关系，规则头包括两个变量的风险大小关系，其中，每一变量的取值是业务请求。

步骤S204，将除风险业务请求样本之外的相关业务请求作为待选业务请求。

步骤S205，对于每一待选业务请求，确定待选业务请求的相关业务风险熵。其中，相关业务风险熵用于表征进行业务处理时有关风险的信息量。

本实施例中，S205可以具体为：

依据银行的历史业务请求，获取待选业务请求的相关业务请求。

将待选业务请求的相关业务请求包含的业务请求数量作为总业务请求数量。

将待选业务请求的相关业务请求划分为各个风险类别对应的相关业务请求。其中，各个风险类别对应的相关业务请求之间没有交集，且都是待选业务请求的相关业务请求的子集。

将各个风险类别的相关业务请求包含的业务请求数量和总业务请求数量之间的比值作为各个风险类别的风险概率。

依据各个风险类别的风险概率，确定待选业务请求的相关业务风险熵：

其中，F是待选业务请求的相关业务风险熵，e

获取待选业务请求的相关业务请求的方式可以参考S202。

步骤S206，将对应的相关业务风险熵小于业务风险阈值的待选业务请求作为安全业务请求样本。

步骤S207，依据风险业务请求样本、安全业务请求样本确定目标业务请求的风险识别模型。

本实施例中，通过风险业务请求样本、安全业务请求样本对学习模型进行训练，从而获得目标业务请求的风险识别模型。

步骤S208，依据目标业务请求的风险识别模型，确定目标业务请求的风险标识。

本实施例中，S208的实现方式与上一实施例的S104的实现方式类似，在此不再赘述。

可选的，本实施例中，S208可以具体为：

依据风险业务请求样本、安全业务请求样本，训练学习模型，获得目标业务请求的风险识别模型。其中，风险识别模型的输入是业务请求，输出是表征是否涉及风险的风险标识。

将目标业务请求输入到目标业务请求的风险识别模型中，获得目标业务请求的风险标识。

可选的，本实施例中，依据风险业务请求样本、安全业务请求样本，训练学习模型，获得目标业务请求的风险识别模型的流程可以具体为：

确定各个风险业务请求样本和各个安全业务请求样本之间的距离。

对于每一安全业务请求样本，当安全业务请求样本和任意风险业务请求样本之间的距离小于预设距离阈值时，将安全业务请求样本从所有的安全业务请求样本中删除。

以风险业务请求样本为正样本，以删除后的安全业务请求样本为负样本，训练学习模型，获得目标业务请求的风险识别模型。

示例性的，假设安全业务请求样本包括请求m、请求n和请求p，若请求m与风险业务请求样本之间的距离小于预设距离阈值时，则从请求m、请求n和请求p中删除请求m，此时删除后的安全业务请求样本为请求n和请求p，即负样本为请求n和请求p。

当安全业务请求样本和任意风险业务请求样本之间的距离小于预设距离阈值时代表该安全业务请求样本的风险可能接近风险业务请求样本的风险。将安全业务请求样本从所有的安全业务请求样本中删除后可以使删除后的安全业务请求样本更为准确，同时提高对学习模型的训练效果。

可选的，本实施例中，确定各个风险业务请求样本和各个安全业务请求样本之间的距离可以具体为：

获取多个业务请求属性。

确定每一风险业务请求样本对应各个业务请求属性的属性值，以及确定每一安全业务请求样本对应各个业务请求属性的属性值。

对于每一业务请求属性，将风险业务请求样本和安全业务请求样本在业务请求属性的两个属性值的距离作为风险业务请求样本和安全业务请求样本在业务请求属性的距离。

依据风险业务请求样本和安全业务请求样本在各个业务请求属性的距离，确定风险业务请求样本和安全业务请求样本之间的距离。

本实施例中业务请求属性的两个属性值的距离可以为该两个属性值的差的绝对值。

本实施例中的风险业务请求样本和安全业务请求样本之间的距离可以为风险业务请求样本和安全业务请求样本在各个业务请求属性的距离的和，也可以为风险业务请求样本和安全业务请求样本在各个业务请求属性的距离的加权和。

步骤S209，依据目标业务请求的风险标识，对目标业务请求按照预设风险控制策略进行对应处理。

可选的，本实施例中，S209可以具体为：

当目标业务请求的风险标识表征目标业务请求不涉及风险时，不对目标业务请求进行风险控制相关的处理。

当风险标识表征目标业务请求涉及风险时，依据风险业务请求样本，对目标业务请求进行对应处理。

示例性的，将风险业务请求样本涉及的风险类别作为潜在风险类别，基于潜在风险类别，并按照预设的处理方法对目标业务请求进行对应处理，比如若潜在风险类别表征客户信息被冒用，则可以针对发送业务请求的客户进行生物特征识别。

图4为本申请提供的业务请求处理装置的结构示意图，如图4所示，本实施例中，该业务请求处理装置300可以设置在电子设备中，业务请求处理装置300包括：

获取模块301，用于获取目标客户待处理的目标业务请求。

第一确定模块302，用于依据银行的历史业务请求，确定目标业务请求对应的相关业务请求。

第二确定模块303，用于依据目标业务请求的相关业务请求，确定目标业务请求的风险识别模型。

第三确定模块304，用于依据目标业务请求的风险识别模型，确定目标业务请求的风险标识。其中，风险标识用于表征是否涉及风险。

处理模块305，用于依据目标业务请求的风险标识，对目标业务请求按照预设风险控制策略进行对应处理。

本实施例提供的业务请求处理装置可以执行图2所示方法实施例的技术方案，其实现原理和技术效果与图2所示方法实施例类似，在此不再一一赘述。

本申请提供的业务请求处理装置在上一实施例提供的业务请求处理装置的基础上，对业务请求处理装置进行了进一步的细化，则业务请求处理装置300包括：

可选的，本实施例中，第一确定模块302具体用于：

设置最大相似距离为一正整数，以及初始化业务请求队列为空。依据历史业务请求，获取目标业务请求的多个第一相似业务请求，且初始化每一第一相似业务请求的相似距离为1，并将该多个第一相似业务请求依次添加到业务请求队列中，设置每一第一相似业务请求的添加标识为已添加。将第一相似业务请求添加到目标业务请求的相关业务请求中。

循环执行如下步骤，直到业务请求队列中的当前业务请求的相似距离大于或等于最大相似距离，或者目标业务请求的相关业务请求包含的业务量大于或等于业务量阈值：

从业务请求队列中取出处于队首位置的业务请求，并将该业务请求作为当前业务请求。将当前业务请求添加到目标业务请求的相关业务请求中。依据历史业务请求，获取当前业务请求的多个第二相似业务请求。从多个第二相似业务请求中选取出添加标识不是已添加的相似业务请求。将选取出的相似业务请求的相似距离设置为当前业务请求的相似距离与1之间的和，将选取出的相似业务请求的添加标识设置为已添加，并将选取出的相似业务请求依次添加到业务请求队列中。

可选的，本实施例中，第二确定模块303具体用于：

将相关业务请求中涉及风险的相关业务请求作为风险业务请求样本。将除风险业务请求样本之外的相关业务请求作为待选业务请求。对于每一待选业务请求，确定待选业务请求的相关业务风险熵。其中，相关业务风险熵用于表征进行业务处理时有关风险的信息量。将对应的相关业务风险熵小于业务风险阈值的待选业务请求作为安全业务请求样本。依据风险业务请求样本、安全业务请求样本确定目标业务请求的风险识别模型。

可选的，本实施例中，第二确定模块303在对于每一待选业务请求，确定待选业务请求的相关业务风险熵时，具体用于：

依据银行的历史业务请求，获取待选业务请求的相关业务请求。将待选业务请求的相关业务请求包含的业务请求数量作为总业务请求数量。将待选业务请求的相关业务请求划分为各个风险类别对应的相关业务请求。其中，各个风险类别对应的相关业务请求之间没有交集，且都是待选业务请求的相关业务请求的子集。将各个风险类别的相关业务请求包含的业务请求数量和总业务请求数量之间的比值作为各个风险类别的风险概率。依据各个风险类别的风险概率，确定待选业务请求的相关业务风险熵：

其中，F是待选业务请求的相关业务风险熵，e

可选的，本实施例中，第三确定模块304具体用于：

依据风险业务请求样本、安全业务请求样本，训练学习模型，获得目标业务请求的风险识别模型。其中，风险识别模型的输入是业务请求，输出是表征是否涉及风险的风险标识。将目标业务请求输入到目标业务请求的风险识别模型中，获得目标业务请求的风险标识。

可选的，本实施例中，第三确定模块304在依据风险业务请求样本、安全业务请求样本，训练学习模型，获得目标业务请求的风险识别模型时，具体用于：

确定各个风险业务请求样本和各个安全业务请求样本之间的距离。对于每一安全业务请求样本，当安全业务请求样本和任意风险业务请求样本之间的距离小于预设距离阈值时，将安全业务请求样本从所有的安全业务请求样本中删除。以风险业务请求样本为正样本，以删除后的安全业务请求样本为负样本，训练学习模型，获得目标业务请求的风险识别模型。

可选的，本实施例中，第三确定模块304在确定各个风险业务请求样本和各个安全业务请求样本之间的距离时，具体用于：

获取多个业务请求属性。确定每一风险业务请求样本对应各个业务请求属性的属性值，以及确定每一安全业务请求样本对应各个业务请求属性的属性值。对于每一业务请求属性，将风险业务请求样本和安全业务请求样本在业务请求属性的两个属性值的距离作为风险业务请求样本和安全业务请求样本在业务请求属性的距离。依据风险业务请求样本和安全业务请求样本在各个业务请求属性的距离，确定风险业务请求样本和安全业务请求样本之间的距离。

可选的，本实施例中，处理模块305具体用于：

当目标业务请求的风险标识表征目标业务请求不涉及风险时，不对目标业务请求进行风险控制相关的处理。当风险标识表征目标业务请求涉及风险时，依据风险业务请求样本，对目标业务请求进行对应处理。

本实施例提供的业务请求处理装置可以执行图2-图3所示方法实施例的技术方案，其实现原理和技术效果与图2-图3所示方法实施例类似，在此不再一一赘述。

根据本申请的实施例，本申请还提供了一种电子设备、一种计算机可读存储介质和一种计算机程序产品。

如图5所示，图5是本申请提供的电子设备的结构示意图。电子设备旨在各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、刀片式服务器、大型计算机、和其它适合的计算机。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图5所示，该电子设备包括：处理器401和存储器402。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理。

存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的业务请求处理方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的业务请求处理方法。

存储器402作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的业务请求处理方法对应的程序指令/模块(例如，附图4所示的获取模块301、第一确定模块302、第二确定模块303、第三确定模块304和处理模块305)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块，从而执行电子设备的各种功能应用以及业务请求处理，即实现上述方法实施例中的业务请求处理方法。

同时，本实施例还提供一种计算机产品，当该计算机产品中的指令由电子设备的处理器执行时，使得电子设备能够执行上述实施例的业务请求处理方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请实施例的其它实施方案。本申请旨在涵盖本申请实施例的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请实施例的一般性原理并包括本申请实施例未公开的本技术领域中的公知常识或惯用技术手段。

应当理解的是，本申请实施例并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请实施例的范围仅由所附的权利要求书来限制。