[发明专利]风险控制方法、装置、服务器及可读存储介质

权利要求书

1.一种风险控制方法，包括：

获取交易数据；

从所述交易数据中提取出风险特征；

基于所述风险特征，输入至预置的宽线性-深度神经网络模型进行风险预测，得到所述交易数据的风险分值；

基于所述风险分值对所述交易数据进行控制。

2.根据权利要求1所述的方法，还包括：通过以下步骤建立所述宽线性-深度神经网络模型：

获取训练样本，并从训练样本中提取出样本特征；

基于所述训练样本的样本特征，联合学习宽线性模型和深度神经网络模型，计算出各个样本特征的风险权重，从而得到所述宽线性-深度神经网络模型。

3.根据权利要求1或2所述的方法，如果所述预置的宽线性-深度神经网络模型无法识别出所述风险特征，所述方法还包括：

通过自动化分析或人工分析的方式识别所述风险特征；

将识别出的新增风险特征融合到所述宽线性-深度神经网络模型中。

4.根据权利要求3所述的方法，所述将识别出的新增风险特征融合到所述宽线性-深度神经网络模型中，包括：

对于所述新增风险特征，自定义风险权重，从而将所述新增风险特征添加到所述宽线性-深度神经网络模型所支持的特征变量中；或者，

基于所述新增风险特征以及所述宽线性-深度神经网络模型的样本特征，重新训练宽线性-深度神经网络。

5.根据权利要求1或2所述的方法，还包括：

定期获取预置时间段内的黑白样本数据；

根据所述黑白样本数据，基于增量学习算法，定期对所述宽线性-深度神经网络模型进行重新调整。

6.根据权利要求5所述的方法，所述根据所述黑白样本数据，基于增量学习算法，定期对所述宽线性-深度神经网络模型进行重新调整，包括：

基于增量学习算法，确定所述黑白样本数据与原有宽线性-深度神经网络模型的训练样本的相似度；

对于相似度在相似度阈值之内的黑白样本，提取出黑白样本特征并确定黑白样本特征的风险权重，从而将黑白样本特征插入到原有宽线性-深度神经网络中。

7.根据所述权利要求6所述的方法，所述增量学习算法包括自组织增量学习神经网络算法或者情景记忆马尔可夫决策算法。

8.一种风险控制装置，包括：

数据获取单元，用于获取交易数据；

特征提取单元，用于从所述交易数据中提取出风险特征；

风险预测单元，用于基于所述风险特征，输入至预置的宽线性-深度神经网络模型进行风险预测，得到所述交易数据的风险分值；

风险控制单元，用于基于所述风险分值对所述交易数据进行控制。

9.根据权利要求8所述的装置，还包括：

模型建立单元，用于建立所述宽线性-深度神经网络模型；

所述模型建立单元包括：

样本获取及处理子单元，用于获取训练样本，并从训练样本中提取出样本特征；

模型学习子单元，用于基于所述训练样本的样本特征，联合学习宽线性模型和深度神经网络模型，计算出各个样本特征的风险权重，从而得到所述宽线性-深度神经网络模型。

10.根据权利要求8或9所述的装置，还包括：

特征识别单元，用于通过自动化分析或人工分析的方式识别所述风险特征；

特征融合单元，用于将识别出的新增风险特征融合到所述宽线性-深度神经网络模型中。

11.根据权利要求10所述的装置，所述特征融合单元具体用于：

对于所述新增风险特征，自定义风险权重，从而将所述新增风险特征添加到所述宽线性-深度神经网络模型所支持的特征变量中；或者，

基于所述新增风险特征以及所述宽线性-深度神经网络模型的样本特征，重新训练宽线性-深度神经网络。