[发明专利]一种风险监控方法、装置、系统、存储介质和设备

说明书

本申请公开了一种风险监控方法、装置、系统、存储介质和设备，预先配置事件类型和风控模型之间的对应关系。在接收到外部发送的请求数据的情况下，对请求数据进行解析，得到目标事件类型。基于对应关系，确定与目标事件类型对应的风控模型。若对应的风控模型为规则模型，则获取请求数据的请求结果，并将请求结果输入至规则模型中，得到风险等级。若对应的风控模型为智能模型，则对请求数据进行嵌入，得到向量，并将向量输入至智能模型中，得到风险评分。规则模型能够实现动态规则(即风险规则)的配置、且实时生效，规则模型与智能模型相结合，相较于现有技术，能够有效降低人工审核工作量。并且，利用智能模型进行风险评估，可靠性较高。

技术领域

本申请涉及大数据处理技术领域，尤其涉及一种风险监控方法、装置、系统、存储介质和设备。

背景技术

风险监控一直是各个业务项目(例如，活动类、用户生成内容类)所需具备的重要模块。传统的风险监控方案，主要通过关键字过滤、黑名单、规则、以及人工审核等方式，对风险数据进行处理。然而，传统的风险监控方案，往往需要花费较长时间来配置风险规则，且需要人工核对风险数据，风险评估的可靠性较低、且人力成本太高。

为此，如何在人力成本可控的情况下，提高风险评估的可靠性，成为本领域亟需解决的问题。

发明内容

本申请提供了一种风险监控方法、装置、系统、存储介质和设备，目的在于在人力成本可控的情况下，提高风险评估的可靠性。

为了实现上述目的，本申请提供了以下技术方案：

一种风险监控方法，包括：

预先配置事件类型和风控模型之间的对应关系；其中，所述风控模型包括规则模型和智能模型；所述规则模型基于风险规则和风险等级的预设对应关系构建；所述智能模型基于以训练样本作为卷积神经网络的输入，并以预先标注的所述训练样本的风险评分作为训练目标，训练得到，所述训练样本包括向量样本，所述向量样本基于对样本请求数据进行嵌入得到；

在接收到外部发送的请求数据的情况下，对所述请求数据进行解析，得到目标事件类型；

基于所述对应关系，确定与所述目标事件类型对应的风控模型；

若与所述目标事件类型对应的风控模型为所述规则模型，则获取所述请求数据的请求结果，并将所述请求结果输入至所述规则模型中，得到所述规则模型输出的风险等级；

若与所述目标事件类型对应的风控模型为所述智能模型，则对所述请求数据进行嵌入，得到向量，并将所述向量输入至所述智能模型中，得到所述智能模型输出的风险评分。

可选的，所述若与所述目标事件类型对应的风控模型为所述规则模型，则获取所述请求数据的请求结果，包括：

预先将外部发送的各个所述请求数据，异步写入至预设的消息队列中；

对所述消息队列中所包含的所述请求数据进行流式处理，得到预设抽象字段的各个取值；

将各个所述取值的总和作为所述请求数据的请求结果，存储至预设的数据库；

若与所述目标事件类型对应的风控模型为所述规则模型，则从所述数据库中读取所述请求数据的请求结果。

可选的，所述将所述请求结果输入至所述规则模型中，得到所述规则模型输出的风险等级之后，还包括：

在所述规则模型输出的风险等级大于预设等级的情况下，提示用户所述请求数据存在风险。

可选的，所述将所述向量输入至所述智能模型中，得到所述智能模型输出的风险评分之后，还包括：

在所述智能模型输出的风险评分大于预设阈值的情况下，提示用户所述请求数据存在风险。

一种风险监控装置，包括：