一种风险评估系统及方法

本发明涉及计算机技术领域，特别涉及一种风险评估系统及方法。

随着信息科技和银行业的快速发展，大部分的现代商业依赖于电子银行业务和无现金支付系统。通过提供电子银行服务，传统金融机构可降低成本、优化客户服务、留住客户和扩大市场份额。

电子银行的普及，欺诈事件也随之快速增长；欺诈有业务环节多，手段多样化，隐蔽性强等特点，如何有效地管理和控制欺诈风险，已经成为监管者必须重视、银行必须面对的一个重要问题。

为了有效处理欺诈，反欺诈应运而生。反欺诈是对包含交易、网络、电话、盗卡盗号等欺诈行为进行识别的一项服务，而在线反欺诈是互联网金融必不可少的一部分，目前，常见的反欺诈系统有：黑白名单系统、风险识别决策引擎、征信系统等。

黑名单系统、征信系统是对已有欺诈的汇总，无法应对新出现的欺诈问题，而风险识别决策引擎作为黑名单的升级版本，最大的问题在于主要依靠人为经验进行判断，这是一个十分耗费人力物力的过程，甚至还会出现经验错误而导致误判的状况，使得大量的优质客户的流失。

为此，需要一种能有效甄别客户，实现准确风险评估的系统及方法。

本发明提供了一种风险评估系统及方法，能够准进行风险评估。

为了解决上述技术问题，本申请提供如下技术方案：

一种风险评估方法，包括如下步骤：

客户信息获取：获取客户的申请信息；

决策引擎审批：将客户的申请信息输入决策引擎，决策引擎基于预设规则库中的决策规则对申请信息进行处理，筛查异常客户并输出异常客户信息；

征信接入：获取征信数据，在预设场景基于征信数据判断客户是否需要反欺诈校验；

智能问答题库效验：在客户需要反欺诈校验时，从预设的智能题库中抽取题目发送给客户并获取客户的答案；决策引擎还基于客户的答案进行信息验证，生成验证结果信息。

基础方案原理及有益效果如下：

本方案能解决目前决策引擎主要依靠人为经验进行判断甚至会出现误判结果的问题。通过运用智能题库里多数据进行校验，利用多维度题目进行校验判断异常申请者和正常申请者，达到排除异常申请者的目的。整个系统相比使用单一的反欺诈技术甄别有效客户而言，更大程度上达到全流程准确风险评估与控制的效果。

进一步，还包括步骤反欺诈管理：

S1、设置反欺诈规则的阈值；

S2、基于反欺诈规则，自动拦截异常申请；

S3、判断申请信息是否超过反欺诈规则的阈值，如果超过，生成预警信息。

通过设置反欺诈规则的阈值，例如某一个IP地址、某一个GPS或某一个社区，它的申请量急剧增加超过阈值的时候，就能够实现实时的预警。

进一步，所述反欺诈管理还包括S0、获取查询请求，基于查询请求查询任一客户的申请信息。

便于工作人员从客户现在的表现追溯到其申请时刻，为后续做一些关联性分析提供数据支持。

进一步，所述征信数据包括人行征信和/或第三方数据源。

从外部征信接入，可以获得客户更多风险情况，有助于对客户进行准确的风险评估。因为客户在其他金融平台的借款，个人征信等信息与欺诈行为关系密切，例如多平台借贷、进入其他平台黑名单、其他平台信用风险等级低等。

进一步，所述题目包括姓名、身份证、手机号码、银行卡四要素、居住地址、工作单位、名下贷款及资产信息、联系人信息、邮箱和户籍地址中的一种或多种。

进一步，所述信息验证时，将客户的答案与预存客户信息进行比对，判断是否一致。

进一步，所述申请信息包括工作收入、负债、支出、社交关系和联系人信息。

进一步，所述预设场景包括用信场景和授信场景。

进一步，所述银行卡四要素包括持卡人姓名、银行卡号、预留手机号和身份证号。

进一步，一种风险评估系统，其特征在于，使用上述风险评估方法。

图1为一种风险评估方法实施例一的流程图。

下面通过具体实施方式进一步详细说明：

实施例一

如图1所示，本实施例的一种风险评估方法，包括如下步骤：

客户信息获取：获取客户的申请信息，申请信息包括工作收入、负债、支出、社交关系和联系人信息等。本实施中，通过移动端获取客户的申请信息，现有的移动端有APP、Web和H5等。客户根据不同的移动端页面登陆后，会被要求填写相关信息并提交申请，而后系统会进行初步的数据收集和筛选，进而得到客户的申请信息。

决策引擎审批：将客户的申请信息输入决策引擎，决策引擎基于预设规则库中的决策规则对申请信息进行处理，筛查异常客户并输出异常客户信息。

具体的，决策引擎以客户的申请信息为基础，从贷前准入、认证、支用等进入决策引擎内部后进行一系列决策规则处理、评分建模、机器学习与智能决策对异常客户进行筛查。决策引擎通过不同的分支、层层规则的递进关系进行运算。其中，通过对决策规则上的“参数”进行调整与配置，可以控制决策引擎以什么样的顺序与优先级执行筛查。

征信接入：获取征信数据，在预设场景基于征信数据判断客户是否需要反欺诈校验。征信数据包括人行征信和/或第三方数据源，本实施中包括人行征信和第三方数据源；第三方数据源例如芝麻信用分等。预设场景包括用信场景和授信场景。

反欺诈管理：反欺诈指通过各种方法把高危人、帐号异常、设备异常、身份伪冒、申请异常、使用异常和恶意炒信等去除。

反欺诈管理包含四个部分：

S0、获取查询请求，基于查询请求查询任一客户的申请信息；便于工作人员从客户现在的表现追溯到其申请时刻，为后续做一些关联性分析提供数据支持。

S1、设置反欺诈规则的阈值；

S2、基于反欺诈规则，自动拦截异常申请。

S3、判断申请信息是否超过反欺诈规则的阈值，如果超过，生成预警信息。例如某一个IP地址、某一个GPS或某一个社区，它的申请量急剧增加超过阈值的时候，就能够实现实时的预警。

智能问答题库效验：在客户需要反欺诈校验时，从预设的智能题库中抽取题目发送给客户并获取客户的答案；决策引擎还基于客户的答案进行信息验证，生成验证结果信息；本实施例中还生成建议，例如建议可以是提醒客户到线下柜体进行人工审核。题目包括姓名、身份证、手机号码、银行卡四要素、居住地址、工作单位、名下贷款及资产信息、联系人信息、邮箱、户籍地址中的一种或多种，本实施例中包括上述全部。银行卡四要素包括持卡人姓名、银行卡号、预留手机号和身份证号。信息验证时，将客户的答案与预存客户信息进行比对，判断是否一致。验证结果信息包括通过和未通过。题目的抽取规则可以是随机抽取，也可以根据预先设定的链路，从不同的智能题库进行自动的抽取。通过智能问答题库能针对客户虚假信息做调查，及时发现如居住地址、联系人等信息不一致情况。能提升欺诈和高风险的预测准确率。

本实施例还提供一种风险评估系统，该系统使用上述风险评估方法。

本实施例中客户信息获取是整个流程的基础，需要初步的贷前数据收集和筛选，以此获得有效数据为精准授信奠定基础。决策引擎审批是基于大量真实的样本数据，从概率学的角度上进行剔除，从而排除存在较大虚假交易可能的异常客户。而且基于决策引擎审批能减少人工干预，利用较少的数据多维度甄别异常客户。征信接入是通过引入外部的征信数据，可以弥补内部数据对多样性欺诈识别的不足；从外部的征信数据可以获得客户更多风险情况。因为客户在其他金融平台的借款，个人征信等信息与欺诈行为关系密切，例如多平台借贷、进入其他平台黑名单、其他平台信用风险等级低等。反欺诈管理的四个部分可以提升模型对欺诈的预测能力，使反欺诈更有针对性。智能问答题库是贷款审批前一环节，结合前四部分内容做到匹配信息数据的校验，使用智能校验题库多方排查异常数据，起到增强校验作用。将逾期客户的身份、行为与数据特征进行提炼，从而保障到剩余客户的逾期概率处于一个相对较低的区间。本方案的五个部分紧密结合，循序渐进，可以运用到贷前审查、贷中监控和贷后分析三个环节。

实施例二

本实施例与实施例一的区别在于，本实施例中，申请信息还包括客户的工作情况。客户的工作情况，对于机构的放款会有不小的影响，若客户的工作出现了的情况，如通盖假章(或者托关系)的方式捏造一个工作单位。由于工作单位为捏造，放款后，用户的偿还能力及偿还意识都得不到保证。这样，会对机构的回款造成不好的影响，若这样的客户数量达到了一定的数量级，更是会对机构的贷款业务造成较大的打击。

为了避免这样的情况出现，本实施例中，移动端内存储有客户的用户资料，用户资料包括工作的公司；移动端用于接收到上班打卡语音信息时，定位当前的位置，并将当前的位置与用户资料上公司的定位信息进行对比；

移动端还用于对客户进行工作标记；具体的，当对比次数达到预设值时，移动端计算地址一致性的比率，若地址一致性的比率超过预设比率，则将客户的工作情况标记为工作认证通过，否则将客户的工作情况标记为工作存疑。

由于客户上班打卡时，需要位于打卡机附近，也就是位于，通过上班打卡(如钉钉蓝牙打卡)的声音触发移动端采集客户当前坐标，此时采集的坐标位置可以确保是客户所在公司的真实地址。之后，移动端将采集的当前坐标与用户资料中公司的定位信息进行比对。可以知晓客户实际的上班地址与资料中是否一致。

当对比的次数达到预设值(如30次)后，移动端计算地址一致性占的比率，若比率超过预设比率(如80％，考虑到工作人员有时会外出的情况)，则说明客户的工作单位属实。因此，将客户的工作情况标记为“工作认证通过”。否则将客户的工作情况标记为“工作存疑”。便于后续录入衍生指标内。

通过这样的方式，能够获得真实的客户的工作单位信息，进而对客户的工作单位信息进行验证，防止因为客户工作单位信息问题给机构的贷款业务造成负面影响。

以上的仅是本发明的实施例，该发明不限于此实施案例涉及的领域，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。