一种业务风控的方法及装置与流程

1.本说明书涉及计算机技术领域，尤其涉及一种业务风控的方法及装置。


背景技术：

2.随着电子商务的发展，平台和商家出于引进用户、推广产品和促进消费等目的，推出各式各样的优惠活动，如，新用户注册可领取福利；再例如，观看广告后可领取商家福利。
3.在这种运营模式下，出现许多异常用户群，例如，一些用户恶意刷单，购买后立即退款，提高该商家在平台销量排名。这些行为严重影响了平台与商家的正常运营。
4.目前，应对这类异常行为的主要方式为，基于提前构建的监督模型对单个订单是否存在异常行为进行预测和判定。这种方法在实施异常行为的方式变化时，异常行为检测的准确率就会下降，且需要针对每个订单进行检测，消耗大量的资源。
5.因此，如何使得实施在异常行为的方式发生变化时，具备较高的异常行为检测的准确率，并同时减少资源的消耗，则是一个亟待解决的问题。


技术实现要素：

6.本说明书提供一种业务风控的方法及装置，以部分的解决现有技术存在的上述问题。
7.本说明书采用下述技术方案：
8.本说明书提供了一种业务风控的方法，包括：
9.获取各用户的业务请求；
10.根据所述各用户在执行所述业务请求对应的业务时所基于的业务环境信息，对所述各用户在业务行为上进行聚类，得到至少一个待检测用户群；
11.根据监控到的所述至少一个待检测用户群包含的用户在执行所述业务时的业务操作信息，从各候选业务特征中筛选出用于识别异常用户群的业务特征，作为目标特征；
12.针对每个待检测用户群，根据所述目标特征，判断该待检测用户群是否为异常用户群；
13.若确定该待检测用户群为异常用户群，对该待检测用户群所包含的用户进行业务风控。
14.可选地，所述业务环境信息包括用户执行所述业务时所基于的时空信息；
15.根据所述各用户在执行所述业务请求对应的业务时所基于的业务环境信息，对所述各用户在业务行为上进行聚类，得到至少一个待检测用户群，具体包括：
16.将所述时空信息相匹配的用户进行聚类，得到所述至少一个待检测用户群。
17.可选地，将时空信息相匹配的用户进行聚类，得到至少一个待检测用户群，具体包括：
18.将每个用户作为顶点，以及基于任意两个用户的时空信息之间的匹配度所构建出的边，得到用户关联图；
19.以任意两个用户的时间信息之间的匹配度不小于第一设定匹配度为约束条件，在所述用户关联图中查找至少一个关联极大图；
20.针对每个查找出的关联极大图，根据该关联极大图中包含的每个顶点所对应的用户，确定该关联极大图对应的待检测用户群。
21.可选地，以任意两个用户的时间信息之间的匹配度不小于第一设定匹配度为约束条件，在所述用户关联图中查找至少一个关联极大图，具体包括：
22.针对所述用户关联图中包含的每个顶点，在所述用户关联图中确定与该顶点具有设定邻接关系的顶点，作为该顶点对应的关联顶点；
23.根据该顶点对应的关联顶点，确定该顶点的平均匹配度；
24.根据所述用户关联图中包含每个顶点的平均匹配度，在所述用户关联图中确定种子顶点；
25.以所述种子顶点为基点，以任意两个用户的时间信息之间的匹配度不小于第一设定匹配度为约束条件，在所述用户关联图中查找至少一个关联极大图。
26.可选地，根据所述用户关联图中包含每个顶点的平均匹配度，在所述用户关联图中确定种子顶点，具体包括：
27.按照每个顶点的平均匹配度从大到小的顺序，对每个顶点进行排序，得到排序结果；
28.将位于所述排序结果中设定排位之前，且对应的关联顶点的数量不少于设定数量的顶点，作为种子顶点。
29.可选地，根据监控到的所述至少一个待检测用户群包含的用户在执行所述业务时的业务操作信息，从各候选业务特征中筛选出用于识别异常用户群的业务特征，作为目标特征，具体包括：
30.针对每个候选业务特征，确定所有待检测用户群在该候选业务特征下的平均业务操作信息；
31.针对每个待检测用户群，确定该待检测用户群在该候选业务特征下的业务操作信息，与所述平均业务操作信息之间的偏差，作为该待检测用户群针对该候选业务特征对应的偏差；
32.根据每个待检测用户群针对该候选业务特征对应的偏差，确定该候选业务特征对应的区分度；
33.将区分度不低于设定区分度的候选业务特征，作为目标特征。
34.可选地，针对每个待检测用户群，根据所述目标特征，判断该待检测用户群是否为异常用户群，具体包括：
35.确定所述目标特征对应的异常检测条件；
36.针对每个待检测用户群，根据所述目标特征对应的异常检测条件，判断该待检测用户群是否为异常用户群。
37.本说明书提供了一种业务风控的装置，包括：
38.请求获取模块，用于获取各用户的业务请求；
39.聚类模块，用于根据所述各用户在执行所述业务请求对应的业务时所基于的业务环境信息，对所述各用户在业务行为上进行聚类，得到至少一个待检测用户群；
40.特征选取模块，用于根据监控到的所述至少一个待检测用户群包含的用户在执行所述业务时的业务操作信息，从各候选业务特征中筛选出用于识别异常用户群的业务特征，作为目标特征；
41.判断模块，用于针对每个待检测用户群，根据所述目标特征，判断该待检测用户群是否为异常用户群；
42.风控模块，用于若确定该待检测用户群为异常用户群，对该待检测用户群所包含的用户进行业务风控。
43.本说明书提供了一种计算机可读存储介质，所述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业务风控的方法。
44.本说明书提供了一种电子设备，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上述业务风控的方法。
45.本说明书采用的上述至少一个技术方案能够达到以下有益效果：
46.在本说明书提供的业务风控的方法，服务器在获取到各用户的业务请求后，根据各用户在执行业务请求对应的业务时所基于的业务环境信息，对各用户在业务行为上进行聚类，得到至少一个待检测用户群。在服务器得到待检测用户群后，根据监控到的至少一个待检测用户群包含的用户在执行业务时的业务操作信息，从各候选业务特征中筛选出用于识别异常用户群的业务特征，作为目标特征。针对每个待检测用户群，服务器根据得到的目标特征，判断该待检测用户群是否为异常用户群，若确定该待检测用户群为异常用户群，则对该待检测用户群所包含的用户进行业务风控。
47.从上述方法中可以看出，服务器根据各用户执行业务请求对应的业务时产生的信息之间的关联，将各用户聚类为多个待检测用户群，之后筛选出能够识别待检测用户群的目标特征，根据得到的目标特征，从待检测用户群中识别出异常用户群，对异常用户群中包含的用户进行业务风控。这样将异常行为检测的目标对象由针对每一个单体转换为针对每一个群体，节省了资源的消耗。同时用于识别异常用户群的目标特征可以根据针对的异常行为的方式的变化而变化，这样，在实施异常行为的方式发生变化时，依然能够保证识别异常行为的准确率。
附图说明
48.此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
49.图1为本说明书中提供的一种业务风控的方法的流程示意图；
50.图2为本说明书提供的一种业务风控的方法的实施流程图；
51.图3为本说明书提供的一种业务风控的装置的示意图；
52.图4为本说明书提供的一种对应于图1的电子设备的示意图。
具体实施方式
53.为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本
说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。
54.以下结合附图，详细说明本说明书各实施例提供的技术方案。
55.图1为本说明书中提供的一种业务风控的方法的流程示意图，包括以下步骤：
56.s101：获取各用户的业务请求。
57.在本说明书中，具体实施业务风控的方法的执行主体可以是设置在业务平台的服务器、台式电脑、笔记本电脑等设备，为便于描述，下面仅以服务器为例，对本说明书提供的业务风控的方法进行说明。
58.目前，针对用户异常行为的检测方式主要是将访问用户的各项数据输入到提前训练好的模型中，根据模型输出的该用户是否为异常用户来检测用户的异常行为。这种方式需要将所有访问用户一一输入到模型中，需要大量的工作量。同时在异常行为发生变化时，提前训练好的模型针对异常行为的检测准确率将会降低。
59.为此，本说明书提供了一种业务风控的方法，将个体用户聚类为一个待检测用户群，将针对每一个用户的异常行为转换为针对每一个群体的异常行为方式，大大减少了异常行为检测需要的工作量。同时，针对在异常行为发生变化时，识别异常用户群的目标特征也会随之变化，使得在异常行为发生变化时，依然能够保证识别异常行为的准确率。
60.其中，用户的异常行为可以是指用户恶意刷单、为商家刷排名、恶意贷款、骗保等会给业务执行过程中带来风险的行为。
61.而在将个体用户聚类为一个待检测用户群之前，需要获取到用户的各类信息。
62.服务器在接收到用户向平台发送的业务请求后，采集到用户发送业务请求时的业务环境信息及用户行为信息，业务环境信息可以包括：用户发送业务请求时的地理位置、发送业务请求时的时间信息及业务请求对应的业务类型等。
63.用户行为信息可以包括：用户在执行访问业务时在页面停留的时间、用户在执行业务时的行为序列等。其中用户在执行业务时的行为序列可以为，用户在执行业务时所做出的各项操作的顺序，例如，用户在平台执行购买商品的业务时，进入平台页面后，选择商品分类，在选择一个商品分类后，在展示的该商品类别下各商品的页面内点击某一商品链接，以选择出用户要购买的商品，而后，在领取完商家提供的优惠，对选购的商品支付所需费用，进而完成购买商品的业务，这一系列的行为顺序被作为用户在执行购买商品的业务时的行为序列。
64.s102：根据所述各用户在执行所述业务请求对应的业务时所基于的业务环境信息，对所述各用户在业务行为上进行聚类，得到至少一个待检测用户群。
65.服务器在获取到用户发送业务请求时的业务环境信息后，可以将业务环境信息中的时空信息相匹配的用户进行聚类。其中，时空信息为上述提到的用户发送业务请求时的地理位置及发送业务请求时的时间信息。
66.具体将用户聚类为待检测用户群的方式可以为：
67.服务器可以将每个用户作为顶点，以及基于任意两个用户的时空信息之间的匹配度所构建出的边，得到用户关联图。其中，匹配度可以根据用户间的时空信息计算得到。
68.以任意两个用户的时间信息之间的匹配度不小于第一设定匹配度为约束条件，在用户关联图中查找至少一个关联极大图。而后，服务器可以针对每个查找出的关联极大图，
根据该关联极大图中包含的每个顶点所对应的用户，确定该关联极大图对应的待检测用户群。
69.其中，用户间的匹配度可以根据用户间的时空信息及用户执行相同业务的次数计算得到，用户间执行相同业务次数越多、执行相同业务的时间间隔越短、执行业务时所处的地理位置越接近，则表示用户间的匹配度越高。
70.具体可参照如下公式：
[0071][0072]
上述公式中，sim代表用户间匹配度，p代表用户，其中pi及pj代表任意两用户，b代表用户执行的相同业务，t代表用户执行相同业务时的时间信息，s代表用户执行相同业务时所处的地理位置，c表示用户在规定时间内执行的业务总数。
[0073]
在本说明书中，服务器可以将每个用户作为顶点，得到一个将所有用户对应的顶点彼此之间连接起来的全连接图，而在根据上述公式计算得到用户间匹配度后，服务器可以删去全连接图中用户间匹配度低于第一设定匹配度的边，得到该用户关联图。这一过程可以理解成全连接图中实际上是将任意两个用户均进行了连接，而用户关联图实际上是只将彼此之间关联性较高的用户进行了连接。服务器可以得到的用户关联图中，找到其中至少一个关联极大图。其中，关联极大图为，任意两个顶点之间都有一个边相连的部分，且不能通过增加一个顶点来扩大的关联图。
[0074]
服务器可以针对每一个得到的关联极大图，将该关联极大图中包含的所有顶点对应的用户作为一个待检测用户群。
[0075]
服务器在确定上述关联极大图的过程中，可以针对用户关联图中包含的每个顶点，在用户关联图中确定出与该顶点具有设定邻接关系的顶点，作为该顶点对应的关联顶点。其中，设定邻接关系可以根据实际需求而设定，如一阶邻接关系。
[0076]
服务器可以根据该顶点对应的关联顶点，计算得到该顶点的平均匹配度。得到平均匹配度的方式可以参照如下公式：
[0077][0078]
其中，代表平均匹配度，n代表该顶点对应的所有关联顶点，simi代表第i个关联顶点与该顶点之间的匹配度。以一阶邻接关系为例，假设与该顶点具有一阶邻接关系的关联顶点有三个，那么实际上是将这三个关联顶点分别与该顶点之间的匹配度加和后进行平均，并将得到的数值作为该顶点的平均匹配度。而该顶点的平均匹配度实际上反映了该顶点对应的用户，与这些关联顶点对应的用户之间在业务行为上的一个综合相似情况。
[0079]
在上述公式计算得到顶点的平均匹配度后，按照每个顶点的平均匹配度从大到小排序，将位于预先设定的排位之前的顶点作为种子顶点。其中，种子顶点对应的关联顶点的数量不少于预先设定的数量。
[0080]
在得到种子顶点后，以种子顶点为基点，找到与种子顶点对应的所有关联顶点，从这些种子顶点及与种子顶点对应的所有关联顶点构成的关联图中，找到至少一个关联极大
图。
[0081]
针对每一个得到的关联极大图，将该关联极大图中包含的所有顶点对应的用户作为一个待检测用户群。
[0082]
当然，将用户聚类为待检测用户群的方式不止上述提到的方式，这里就不一一举例说明了。
[0083]
s103：根据监控到的所述至少一个待检测用户群包含的用户在执行所述业务时的业务操作信息，从各候选业务特征中筛选出用于识别异常用户群的业务特征，作为目标特征。
[0084]
服务器在得到至少一个待检测用户群后，根据预设的业务特征的筛选方式，从多个待检测用户群具有的候选业务特征中，选择出具有能够识别出异常用户群的候选业务特征，作为目标特征。
[0085]
在本说明书中，目标特征的筛选方式可以为：
[0086]
服务器在得到至少一个待检测用户群后，获取到这些待检测用户中针对每个候选业务特征下的业务操作信息。例如：若一个候选业务特征为用户访问页面停留时间，则服务器需要获取到待检测用户群中每个用户访问页面时停留的具体时长，这一具体时长即为该候选业务特征下的业务操作信息。
[0087]
在得到待检测用户群中每个用户针对每个候选业务特征的业务操作信息后，分别计算每个待检测用户群针对每个候选业务特征的业务操作信息。
[0088]
继续沿用上例，若候选业务特征为用户访问页面停留时间，针对每个待检测用户群，在得到该待检测用户群中每个用户访问页面时停留的具体时长后，可以将这些具体时长加和后除以该待检测用户群中包含的用户人数，得到该待检测用户群针对用户访问页面停留时间的平均值(即该待检测用户群针对该候选业务特征下的业务操作信息，这一业务操作信息可以理解成是该待检测用户群内在该候选业务特征下的平均业务操作信息)。
[0089]
在得到每个待检测用户群针对同一候选业务特征的平均业务操作信息的同时，也将计算得到多个待检测用户群针对同一候选业务特征的平均业务操作信息。例如，候选业务特征可以为用户访问页面的停留时间。
[0090]
在得到每个待检测用户群针对该候选业务特征下的业务操作信息以及上述平均业务操作信息后，可以确定出每个待检测用户群针对该候选业务特征的业务操作信息，与平均业务操作信息之间的偏差，作为该待检测用户群针对该候选业务特征对应的偏差。
[0091]
其中，确定该待检测用户群针对该候选业务特征对应的偏差的具体方式可以参照如下公式：
[0092][0093]
其中，sj代表针对候选业务特征j的区分度，n代表待检测用户群的数量，f
i,j
表示待检测用户群i针对候选业务特征j的业务操作信息，μ(fi)代表所有待检测用户群针对候选业务特征j的平均业务操作信息。
[0094]
在得到该待检测用户群针对该候选业务特征对应的偏差后，可以进一步地确定出该候选业务特征对应的区分度，其中，若待检测用户群针对该候选业务特征对应的偏差越
大，则该候选业务对应的区分度越大。
[0095]
最后，将区分度不低于设定区分度的候选业务特征，作为目标特征。
[0096]
上述说明为便于理解，只举例说明了候选业务特征为用户访问页面停留时间，实际应用中，候选业务特征包含很多种，这里就不一一举例说明了。
[0097]
当然，目标特征的筛选方式不止上述提到的方式，这里就不一一举例说明了。
[0098]
s104：针对每个待检测用户群，根据所述目标特征，判断该待检测用户群是否为异常用户群。
[0099]
服务器在得到目标特征后，针对每个待检测用户群，可以根据得到的目标特征及目标特征对应的异常检测条件，判断该待检测用户群是否为异常用户群。
[0100]
在本说明书中，针对不同的目标特征具有不同的异常检测条件。例如：若目标特征为用户访问时，在页面停留的具体时长，则将用户在访问页面时停留的具体时长低于所设定的阈值的待检测用户群作为异常用户群。再例如：若目标特征为用户行为序列，则将用户执行业务时的行为序列与大多数人执行业务时的行为序列不同的待检测用户群体作为异常用户群。
[0101]
服务器根据得到的目标特征及目标特征对应的异常检测条件，对所有待检测用户群进行检测，得到待检测用户群中的异常用户群。
[0102]
s105：若确定该待检测用户群为异常用户群，对该待检测用户群所包含的用户进行业务风控。
[0103]
服务器在得到异常用户群后，对异常用户群中所包含的用户进行业务风控，风控方式可以为：中断异常用户群中所包含的用户继续执行业务，或是对异常用户群进行身份验证等。
[0104]
为了进一步地描述本说明书记载的业务风控的方法，下面将以一个具体的实例，对本说明书涉及的过程进行进一步地说明，如图2所示。
[0105]
图2为本说明书提供的一种业务风控的方法的实施流程图。
[0106]
服务器在获取到各用户的贷款请求后，可以获取到到用户发送贷款请求时的信息，其中包括用户发送贷款请求时的地理位置、发送贷款请求时的时间信息等。
[0107]
对于每个贷款的用户来说，服务器可以根据获取的用户发送贷款请求时的信息，得到该用户在发送贷款请求时，同样也在发送贷款请求的地理位置邻近的用户，并根据这些用户发送贷款请求时的时间信息，得到这些用户发送贷款请求的时间间隔，将时间间隔小于阈值的用户作为该用户的关联用户。
[0108]
服务器可以将这些用户分别作为顶点，得到一个将所有用户对应的顶点彼此之间连接起来的全连接图，而在计算得到用户间的匹配度后，服务器可以删去全连接图中用户间匹配度低于第一设定匹配度的边，得到用户关联图。
[0109]
服务器可以针对用户关联图中包含的每个顶点，在用户关联图中确定出与该顶点具有一阶邻接关系的顶点，作为该顶点对应的关联顶点。而后，服务器可以根据该顶点对应的关联顶点，计算得到该顶点的平均匹配度。在得到顶点的平均匹配度后，按照每个顶点的平均匹配度从大到小排序，将排位在前30％的顶点作为种子顶点。其中，种子顶点对应的关联顶点的数量不少于3个。
[0110]
在得到种子顶点后，以种子顶点为基点，找到与种子顶点对应的所有关联顶点，从
这些种子顶点，及与种子顶点对应的所有关联顶点构成的关联图中，找到至少一个关联极大图，进而针对每一个得到的关联极大图，将该关联极大图中包含的所有顶点对应的用户作为一个待检测用户群。
[0111]
服务器在得到至少一个待检测用户群后，可以通过上述方式，从各候选业务特征中确定出用于区分待检测用户群的目标特征，假设得到的目标特征为用户在贷款界面停留的时间信息，则可以将用户群中平均停留时长小于所有用户平均停留时长的待检测用户群，识别为是异常用户群，而对于用户群中平均停留时长不小于所有用户平均停留时长的待检测用户群，则可以识别为是正常用户群。这是因为，由于正常用户在贷款过程中大概率会仔细查看贷款所涉及的各种条款和明细，而执行异常贷款行为的用户并不会自己阅读这些内容，所以导致执行异常贷款的用户在浏览贷款页面时所停留的时长，将小于(或是远小于)正常的用户。
[0112]
在得到异常用户群后，将禁止异常用户群中包含的用户进行执行贷款业务，如，拒绝向异常用户群中包含的用户发放贷款，或是向识别出的异常用户群中包含的用户发起更为详尽的身份验证。当然，在识别出异常用户群后，也可以将异常用户群中包含的用户的信息发送给安全人员，由安全人员进一步地对异常用户群中的用户进行安全识别。
[0113]
由上述提到的方法可以看出，服务器通过预设的条件将多个单体用户聚类为一个待检测用户群，将针对个人的异常检测行为转换为针对群体的异常检测行为，减少了服务器在进行异常行为时所需要的资源。同时，针对不同的异常行为可以选择合适的目标特征识别异常群组，这样在实施异常行为的方式发生变化时，依然能够保证识别异常行为的准确率。
[0114]
以上为本说明书的一个或多个实施例提供的业务风控的方法，基于同样的思路，本说明书还提供了相应的业务风控的规划装置，如图3所示。
[0115]
图3为本说明书提供的一种业务风控的装置的示意图，包括：
[0116]
请求获取模块301，用于获取各用户的业务请求；
[0117]
聚类模块302，用于根据所述各用户在执行所述业务请求对应的业务时所基于的业务环境信息，对所述各用户在业务行为上进行聚类，得到至少一个待检测用户群；
[0118]
特征选取模块303，用于根据监控到的所述至少一个待检测用户群包含的用户在执行所述业务时的业务操作信息，从各候选业务特征中筛选出用于识别异常用户群的业务特征，作为目标特征；
[0119]
判断模块304，用于针对每个待检测用户群，根据所述目标特征，判断该待检测用户群是否为异常用户群；
[0120]
风控模块305，用于若确定该待检测用户群为异常用户群，对该待检测用户群所包含的用户进行业务风控。
[0121]
可选地，业务环境信息包括用户执行所述业务时所基于的时空信息；
[0122]
所述聚类模块302具体用于，将时空信息相匹配的用户进行聚类，得到至少一个待检测用户群。
[0123]
可选地，所述聚类模块302具体用于，将每个用户作为顶点，以及基于任意两个用户的时空信息之间的匹配度所构建出的边，得到用户关联图；以任意两个用户的时间信息之间的匹配度不小于第一设定匹配度为约束条件，在所述用户关联图中查找至少一个关联
极大图；针对每个查找出的关联极大图，根据该关联极大图中包含的每个顶点所对应的用户，确定该关联极大图对应的待检测用户群。
[0124]
可选地，所述聚类模块302具体用于，针对所述用户关联图中包含的每个顶点，在所述用户关联图中确定与该顶点具有设定邻接关系的顶点，作为该顶点对应的关联顶点；根据该顶点对应的关联顶点，确定该顶点的平均匹配度；根据所述用户关联图中包含每个顶点的平均匹配度，在所述用户关联图中确定种子顶点；以所述种子顶点为基点，以任意两个用户的时间信息之间的匹配度不小于第一设定匹配度为约束条件，在所述用户关联图中查找至少一个关联极大图。
[0125]
可选地，所述聚类模块302具体用于，按照每个顶点的平均匹配度从大到小的顺序，对每个顶点进行排序，得到排序结果；将位于所述排序结果中设定排位之前，且对应的关联顶点的数量不少于设定数量的顶点，作为种子顶点。
[0126]
可选地，所述特征选取模块303具体用于，针对每个候选业务特征，确定所有待检测用户群在该候选业务特征下的平均业务操作信息；针对每个待检测用户群，确定该待检测用户群在该候选业务特征下的业务操作信息，与所述平均业务操作信息之间的偏差，作为该待检测用户群针对该候选业务特征对应的偏差；根据每个待检测用户群针对该候选业务特征对应的偏差，确定该候选业务特征对应的区分度；将区分度不低于设定区分度的候选业务特征，作为目标特征。
[0127]
可选地，所述判断模块304具体用于，确定所述目标特征对应的异常检测条件；针对每个待检测用户群，根据所述目标特征对应的异常检测条件，判断该待检测用户群是否为异常用户群。
[0128]
本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的一种业务风控的方法。
[0129]
本说明书还提供了图4所示的一种对应于图1的电子设备的示意结构图。如图4所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的业务风控的方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
[0130]
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(programmable logic device,pld)(例如现场可编程门阵列(field programmable gate array，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言
(hardware description language，hdl)，而hdl也并非仅有一种，而是有许多种，如abel(advanced boolean expression language)、ahdl(altera hardware description language)、confluence、cupl(cornell university programming language)、hdcal、jhdl(java hardware description language)、lava、lola、myhdl、palasm、rhdl(ruby hardware description language)等，目前最普遍使用的是vhdl(very-high-speed integrated circuit hardware description language)与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
[0131]
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(application specific integrated circuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc 625d、atmel at91sam、microchip pic18f26k20以及silicone labs c8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
[0132]
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
[0133]
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
[0134]
本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书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，本说明书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。
[0135]
本说明书是参照根据本说明书实施例的方法、设备(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。
[0136]
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。
[0137]
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。
[0138]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0139]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
[0140]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0141]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0142]
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书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，本说明书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。
[0143]
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0144]
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。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0145]
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

技术特征：
1.一种业务风控的方法，其特征在于，包括：获取各用户的业务请求；根据所述各用户在执行所述业务请求对应的业务时所基于的业务环境信息，对所述各用户在业务行为上进行聚类，得到至少一个待检测用户群；根据监控到的所述至少一个待检测用户群包含的用户在执行所述业务时的业务操作信息，从各候选业务特征中筛选出用于识别异常用户群的业务特征，作为目标特征；针对每个待检测用户群，根据所述目标特征，判断该待检测用户群是否为异常用户群；若确定该待检测用户群为异常用户群，对该待检测用户群所包含的用户进行业务风控。2.如权利要求1所述的方法，其特征在于，所述业务环境信息包括用户执行所述业务时所基于的时空信息；根据所述各用户在执行所述业务请求对应的业务时所基于的业务环境信息，对所述各用户在业务行为上进行聚类，得到至少一个待检测用户群，具体包括：将所述时空信息相匹配的用户进行聚类，得到所述至少一个待检测用户群。3.如权利要求2所述的方法，其特征在于，将所述时空信息相匹配的用户进行聚类，得到所述至少一个待检测用户群，具体包括：将每个用户作为顶点，以及基于任意两个用户的时空信息之间的匹配度所构建出的边，得到用户关联图；以任意两个用户的时间信息之间的匹配度不小于第一设定匹配度为约束条件，在所述用户关联图中查找至少一个关联极大图；针对每个查找出的关联极大图，根据该关联极大图中包含的每个顶点所对应的用户，确定该关联极大图对应的待检测用户群。4.如权利要求3所述的方法，其特征在于，以任意两个用户的时间信息之间的匹配度不小于第一设定匹配度为约束条件，在所述用户关联图中查找至少一个关联极大图，具体包括：针对所述用户关联图中包含的每个顶点，在所述用户关联图中确定与该顶点具有设定邻接关系的顶点，作为该顶点对应的关联顶点；根据该顶点对应的关联顶点，确定该顶点的平均匹配度；根据所述用户关联图中包含每个顶点的平均匹配度，在所述用户关联图中确定种子顶点；以所述种子顶点为基点，以任意两个用户的时间信息之间的匹配度不小于第一设定匹配度为约束条件，在所述用户关联图中查找至少一个关联极大图。5.如权利要求4所述的方法，其特征在于，根据所述用户关联图中包含每个顶点的平均匹配度，在所述用户关联图中确定种子顶点，具体包括：按照每个顶点的平均匹配度从大到小的顺序，对每个顶点进行排序，得到排序结果；将位于所述排序结果中设定排位之前，且对应的关联顶点的数量不少于设定数量的顶点，作为种子顶点。6.如权利要求1所述的方法，其特征在于，根据监控到的所述至少一个待检测用户群包含的用户在执行所述业务时的业务操作信息，从各候选业务特征中筛选出用于识别异常用
户群的业务特征，作为目标特征，具体包括：针对每个候选业务特征，确定所有待检测用户群在该候选业务特征下的平均业务操作信息；针对每个待检测用户群，确定该待检测用户群在该候选业务特征下的业务操作信息，与所述平均业务操作信息之间的偏差，作为该待检测用户群针对该候选业务特征对应的偏差；根据每个待检测用户群针对该候选业务特征对应的偏差，确定该候选业务特征对应的区分度；将区分度不低于设定区分度的候选业务特征，作为目标特征。7.如权利要求1所述的方法，其特征在于，针对每个待检测用户群，根据所述目标特征，判断该待检测用户群是否为异常用户群，具体包括：确定所述目标特征对应的异常检测条件；针对每个待检测用户群，根据所述目标特征对应的异常检测条件，判断该待检测用户群是否为异常用户群。8.一种业务风控的装置，其特征在于，包括：请求获取模块，用于获取各用户的业务请求；聚类模块，用于根据所述各用户在执行所述业务请求对应的业务时所基于的业务环境信息，对所述各用户在业务行为上进行聚类，得到至少一个待检测用户群；特征选取模块，用于根据监控到的所述至少一个待检测用户群包含的用户在执行所述业务时的业务操作信息，从各候选业务特征中筛选出用于识别异常用户群的业务特征，作为目标特征；判断模块，用于针对每个待检测用户群，根据所述目标特征，判断该待检测用户群是否为异常用户群；风控模块，用于若确定该待检测用户群为异常用户群，对该待检测用户群所包含的用户进行业务风控。9.一种计算机可读存储介质，其特征在于，所述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1～7任一项所述的方法。10.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现上述权利要求1～7任一项所述的方法。

技术总结
本说明书公开了一种业务风控的方法，服务器在获取到各用户的业务请求后，根据各用户在执行业务请求对应的业务时所基于的业务环境信息，对各用户在业务行为上进行聚类，得到至少一个待检测用户群。在服务器得到待检测用户群后，根据监控到的至少一个待检测用户群包含的用户在执行业务时的业务操作信息，从各候选业务特征中筛选出用于识别异常用户群的业务特征，作为目标特征。针对每个待检测用户群，服务器根据得到的目标特征，判断该待检测用户群是否为异常用户群，若确定该待检测用户群为异常用户群，则对该待检测用户群所包含的用户进行业务风控。行业务风控。行业务风控。


技术研发人员：王喜 陈焜 张振华
受保护的技术使用者：北京三快在线科技有限公司
技术研发日：2021.12.22
技术公布日：2023/7/11