[发明专利]风险因素追踪方法、装置、设备及计算机可读存储介质

说明书

本发明公开了一种风险因素追踪方法、装置、设备及计算机可读存储介质，该方法包括：在实时采集到在线的信用行为数据时，根据在线的信用行为数据，确定第一欺诈事件集合；获取离线的信用行为数据对应的第二欺诈事件集合，并整合第一欺诈事件集合和第二欺诈事件集合，确定第三欺诈事件集合；根据第三欺诈事件集合，确定第三欺诈事件集合中的第三欺诈事件对应的目标风险因素；在各第三欺诈事件对应的目标风险因素中确定所需要重点监控的重点风险因素，以基于重点风险因素对风险事件进行监控。本发明增加了用于分析风险因素的数据，增加了能够分析欺诈事件的类型，提升风险因素分析的准确性，从而提升风险事件的监控效果。

技术领域

本发明涉及金融科技(Fintech)领域，尤其涉及一种风险因素追踪方法、装置、设备及计算机可读存储介质。

背景技术

随着计算机技术的发展，越来越多的技术(大数据、分布式、人工智能等)应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变，但由于金融行业的安全性、通用性要求，也对风险事件监控技术提出了更高的要求。

现有的风险事件监控方案为：在事先发生不符合预期的欺诈损失之后，再根据客户的历史数据，利用离线分析建模的手段(如循环神经网络RNN、文本分析技术LDA、线性回归技术等)，对各个风险事件的业务因素进行归结事件发生的原因，找出各个事件的重要影响因素，再重新反馈到前端，进行线上的重新部署。现有的风险事件监控方案根据历史数据进行离线分析，导致了无法动态追踪近期变化的重要因素，导致对风险事件的监控效果差的技术问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种风险因素追踪方法、装置、设备及计算机可读存储介质，旨在解决对风险事件的监控效果差的技术问题。

为实现上述目的，本发明提供一种风险因素追踪方法，所述风险因素追踪方法包括以下步骤：

在实时采集到在线的信用行为数据时，根据所述在线的信用行为数据，确定第一欺诈事件集合；

获取离线的信用行为数据对应的第二欺诈事件集合，并整合所述第一欺诈事件集合和所述第二欺诈事件集合，确定第三欺诈事件集合；

根据所述第三欺诈事件集合，确定所述第三欺诈事件集合中的第三欺诈事件对应的目标风险因素；

在各所述第三欺诈事件对应的目标风险因素中确定所需要重点监控的重点风险因素，以基于所述重点风险因素对风险事件进行监控。

可选地，所述根据所述第三欺诈事件集合，确定所述第三欺诈事件集合中的第三欺诈事件对应的目标风险因素的步骤包括：

获取与所述第三欺诈事件对应的预设风险因素；

通过灰色关联分析算法，确定所述预设风险因素与所述第三欺诈事件之间的关联度；

将大于第一预设阈值的关联度对应的预设风险因素作为所述第三欺诈事件对应的目标风险因素。

可选地，所述基于所述重点风险因素对风险事件进行监控的步骤包括：

获取待监控的风险事件，并确定所述风险事件对应的风险因素；

若属于所述重点风险因素的风险因素达到预设数量阈值，则确定所述风险事件属于欺诈事件。

可选地，所述获取待监控的风险事件，并确定所述风险事件对应的风险因素的步骤之后，还包括：

将所述风险事件对应的风险因素分别与各所述第三欺诈事件对应的目标风险因素进行比较，以分别确定所述风险因素与各所述第三欺诈事件的目标风险因素的相似度；

将所述相似度最大的第三欺诈事件作为所述风险事件所属的目标风险事件。