[发明专利]风险控制方法、装置、服务器及可读存储介质

说明书

本说明书实施例提供了一种风险控制方法，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。本发明实施例采用的宽线性‑深度神经网络模型结合了宽线性模型和深度神经网络模型的优点，可对风险交易进行有效识别。

技术领域

本说明书实施例涉及互联网技术领域，尤其涉及一种风险控制方法、装置、服务器及可读存储介质。

背景技术

随着互联网的快速发展，各种形式的业务不断涌现，如在线银行、在线支付、在线购物等基于互联网的服务业务。人们已经越来越习惯在网上进行各种生活或商务活动。

由于互联网是一个开放的网络，任何人在任何地方都可以很方便地连接到互联网上。互联网在给人们生活提供便利的同时，也带来了风险。尤其是随着电子商务平台和第三方交易平台的发展，网络金融犯罪以及网上诈骗、信用卡盗刷等不断出现。因此，互联网风险控制越来越重要。

发明内容

本说明书实施例提供及一种风险控制方法、装置、服务器及可读存储介质。

第一方面，本说明书实施例提供一种风险控制方法，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。

第二方面，本说明书实施例提供一种风险控制装置，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。

第三方面，本说明书实施例提供一种服务器，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方法的步骤。

第四方面，本说明书实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述方法的步骤。

本说明书实施例有益效果如下：本发明实施例中，通过预先建立的wide&deep模型可对风险特征进行有效识别。特别的，当当前wide&deep模型无法对风险特征进行识别时，在一种可选方式中，支持根据策略端识别结果对wide&deep模型进行更新。

附图说明

图1为本说明书实施例风险控制应用场景示意图；

图2为本说明书实施例第一方面提供的风险控制方法流程图；

图3为本说明书实施例中风险控制系统实例示意图；

图4为本说明书实施例第二方面提供的风险控制装置结构示意图；

图5为本说明书实施例第三方面提供的风险控制服务器结构示意图。

具体实施方式

为了更好的理解上述技术方案，下面通过附图以及具体实施例对本说明书实施例的技术方案做详细的说明，应当理解本说明书实施例以及实施例中的具体特征是对本说明书实施例技术方案的详细的说明，而不是对本说明书技术方案的限定，在不冲突的情况下，本说明书实施例以及实施例中的技术特征可以相互组合。