信息处理的方法、装置和电子设备

本申请涉及信息处理技术领域，更具体地涉及信息处理的方法、装置和电子设备。

目前，保险公司在网上开展业务越来越多，保险产品快速迭代更新。在电商、出行、健康等场景越来越多的用户在网上买保险。相对于传统线下保险公司，网上保险的投保量级、理赔量级以及理赔时效会高很多。但黑产也相应产生。例如，提供虚假的理赔信息进行骗保。为了规避这类风险，保险公司通常会设置专门的理赔审核岗位，用人工审核的方式对客户的理赔申请进行反欺诈识别。但这种方式，反欺诈效率极低，且由于个审核人员的专业水平不一致，导致对部分理赔案件的隐含风险识别力度不足。

因此，需要一种信息处理的方法，来克服上述技术问题。

本申请的目的之一在于提供一种信息处理的方法，能够提高反欺诈识别的效率和准确率。

为解决上述技术问题，本申请实施例是这样实现的：

第一方面，提供了一种信息处理的方法，包括：

获取目标理赔申请集合；

基于第一反欺诈识别模型确定所述目标理赔申请集合的集合风险指标值；

基于所述集合风险指标值和预设风险处理规则，确定所述目标理赔申请集合中的理赔申请的风险处理方式；

基于所述风险处理方式，对所述目标理赔申请集合中的理赔申请进行风险处理。

第二方面，提供了一种信息处理的装置，包括：

获取单元，获取目标理赔申请集合；

风险判断单元，基于第一反欺诈识别模型确定所述目标理赔申请集合的集合风险指标值；

风险处理单元，基于所述集合风险指标值和预设风险处理规则，确定所述目标理赔申请集合中的理赔申请的风险处理方式；

所述风险处理单元，基于所述风险处理方式，对所述目标理赔申请集合中的理赔申请进行风险处理。

第三方面，提供了一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使用所述处理器执行以下操作：

获取单元，获取目标理赔申请集合；

风险判断单元，基于第一反欺诈识别模型确定所述目标理赔申请集合的集合风险指标值；

风险处理单元，基于所述集合风险指标值和预设风险处理规则，确定所述目标理赔申请集合中的理赔申请的风险处理方式；

所述风险处理单元，基于所述风险处理方式，对所述目标理赔申请集合中的理赔申请进行风险处理。

第四方面，提供了一种计算机可读介质，所述计算机可读介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得电子设备执行以下操作：

获取单元，获取目标理赔申请集合；

风险判断单元，基于第一反欺诈识别模型确定所述目标理赔申请集合的集合风险指标值；

风险处理单元，基于所述集合风险指标值和预设风险处理规则，确定所述目标理赔申请集合中的理赔申请的风险处理方式；

所述风险处理单元，基于所述风险处理方式，对所述目标理赔申请集合中的理赔申请进行风险处理。

由以上本申请的技术方案可见，本申请实施例的信息处理的方法，对理赔申请进行处理时以理赔申请集合为处理单位，能够实现多案件多维度的反欺诈识别，提高反欺诈识别的效率。并且在进行反欺诈识别时，通过反欺诈识别模型确定理赔申请集合的集合风险指标值，能够避免审核人员专业水平不一致，导致部分理赔案件的风险识别力度不足的问题，提高反欺诈识别的准确率。

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是根据本申请的一个实施例的信息处理的方法的示意性流程图。

图2是根据本申请的一个具体实施例的信息处理的方法的示意性流程图。

图3是根据本申请的一个实施例的批次单的示意图。

图4是根据本申请的一个实施例的批次状态的示意图。

图5是根据本申请的一个实施例的批次明细状态的示意图。

图6是根据本申请的一个实施例的电子设备的结构示意图。

图7是根据本申请的一个实施例的信息处理的装置的结构示意图。

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

目前保险公司在网上开展业务时已开始使用系统性的风控装置，比如大数据支撑的反欺诈模型，若当前理赔申请被判断为欺诈案件时会做相应风险处理。但是目前通常采用的是单案件维度进行处理，无法抵挡黑客团伙或者坏人获取模型漏洞后短时间内进行大批量骗赔行为。

为了解决上述问题，本申请实施例提供了一种信息处理的方法。

图1示出了本申请一个实施例的信息处理的方法。图1的方法可以由信息处理的装置执行。如图1所示出的，方法包括：

S102，获取目标理赔申请集合。

可以理解的是，在S012中的目标理赔申请集合中包括多个理赔申请的情况下，这多个理赔申请可以具有不同的维度。这里的维度例如可以包括：时间维度、保险险种维度、用户维度等。因此，本申请实施例的信息处理的方法能够实现多案件多维度的反欺诈识别，抵挡黑客团伙或者坏人获取用于单案件反欺诈识别的反欺诈模型的漏洞后短时间内进行大批量骗赔行为。

S102中的目标理赔申请集合可以看作对应一个批量审核任务。批量审核任务的打批维度可以是上文的时间维度、保险险种维度和用户维度等。

S104，基于第一反欺诈识别模型确定所述目标理赔申请集合的集合风险指标值。

在S104中，第一反欺诈识别模型为获取到目标理赔申请集合时的最新的反欺诈识别模型。第一反欺诈识别模型可以是逻辑回归模型，也可以是神经网络模型、决策树模型等，本申请实施例对此不作限定。

这里最新的反欺诈识别模型可以是基于对在该目标理赔申请集合之前的理赔申请集合进行风险处理的结果更新后的反欺诈识别模型。或者，第一反欺诈识别模型可以是基于对最后一个被划分到该目标理赔申请集合中的理赔申请进行人工反欺诈识别的结果更新后的反欺诈识别模型。例如，目标理赔申请集合包括500个理赔申请，第500个被划分到该目标理赔申请集合中的理赔申请需要进行人工反欺诈识别，则根据针对该第500个被划分到该目标理赔申请集合中的理赔申请的人工反欺诈识别的结果对系统中的反欺诈模型进行更新，将更新后的反欺诈模型作为该第一反欺诈识别模型。

在S104中，基于第一反欺诈识别模型确定目标理赔申请集合的集合风险指标值，具体可以是通过第一反欺诈识别模型确定目标理赔申请集合中每个理赔申请的单案件风险指标值，然后根据目标理赔申请集合中的每个理赔申请的单案件风险指标值确定出目标理赔申请集合的集合风险指标值。

在基于第一反欺识别诈模型确定目标理赔申请集合中的每个理赔申请的单案件风险指标值时，可以先确定出第一反欺诈识别模型对应的风险因子，之后从系统中获取到每个理赔申请对应的风险因子的信息，并且将这些信息输入到第一反欺诈识别模型，输出每个理赔申请的单案件风险指标值。

S106，基于所述集合风险指标值和预设风险处理规则，确定所述目标理赔申请集合中的理赔申请的风险处理方式。

在S106中，预设风险处理规则包括：若所述集合风险指标值大于或等于第一风险指标阈值，则将所述目标理赔申请集合中的全部理赔申请作为人工反欺诈识别处理的案件；和/或，所述预设风险处理规则包括以下规则中的一种：若所述集合风险指标值小于第一风险指标阈值，且所述目标理赔申请集合被按照第一抽检比例抽检到，则将所述目标理赔申请集合中的全部理赔申请作为人工反欺诈识别处理的案件；若所述集合风险指标值小于第一风险指标阈值，则基于所述目标理赔集合中每个理赔申请的单案件风险指标值，对目标理赔申请集合中的理赔申请进行风险处理，目标理赔申请集合中每个理赔申请的单案件风险指标值基于第一反欺诈识别模型确定。这里的第一风险指标阈值可以根据实际经验设置。

换言之，上述的预设风险处理规则可以表述为：如果集合风险指标值大于或等于第一风险指标阈值，则将目标理赔申请集合作为整体转由人工进行处理；如果集合风险指标值小于第一风险指标阈值，则将按照一定抽检比例将目标理赔申请集合作为整体转由人工进行处理；或者，如果集合风险指标值小于第一风险指标阈值，则基于单案件风险指标值对目标理赔申请集合中的理赔申请进行风险处理。在此基础上，针对上述的预设风险处理规则中未涉及的情况，将目标理赔申请集合作为整体进行风险处理。

举例来说，基于目标理赔申请集合中每个理赔申请的单案件风险指标值，对目标理赔申请集合中的理赔申请进行风险处理，包括：将目标理赔申请集合中单案件风险指标值大于或等于第二风险指标阈值的理赔申请作为人工反欺诈识别处理的案件，进行风险处理；将目标理赔申请集合中单案件风险指标小于第二风险指标阈值，且被按照第二抽检比例抽检到的理赔申请作为人工反欺诈识别处理的案件，进行风险处理。这里的第二风险指标阈值可以根据实际经验设置。

也可以理解为，基于目标理赔申请集合中每个理赔申请的单案件风险指标值对目标理赔申请集合中的理赔申请进行风险处理，包括：将目标理赔申请集合中单案件风险指标值大于或等于第二风险指标阈值的理赔申请转由人工进行处理；对目标理赔申请集合单案件风险指标值小于第二风险指标阈值的理赔申请按照第二抽检比例进行抽检，将被抽中的理赔申请转由人工进行处理，没被抽中的理赔申请基于单案件风险指标值进行相应的理赔处理。

S108，基于所述风险处理方式，对所述目标理赔申请集合中的理赔申请进行风险处理。

进一步地，如果在目标理赔申请集合中存在被作为人工反欺诈识别处理的案件的情况下，图1所示的方法还包括：基于人工反欺诈识别处理的结果，更新第一反欺诈识别模型。由此，可以动态调整反欺诈识别模型，提高反欺诈识别的准确率。

上述更新第一反欺诈识别模型，具体可以是对第一反欺诈识别模型的结构进行更新、对第一反欺诈识别模型的内部逻辑进行更新、以及对第一反欺诈识别模型的风险因子进行更新。本申请实施例对此不作限定。

可选地，在一些实施例中，目标理赔申请集合中包括目标理赔申请，在S102之前，图1所示的方法还包括：

在接收到目标理赔申请后，确定是否采用批量处理方式对目标理赔申请进行处理；若是，则基于第二反欺诈识别模型确定目标理赔申请的目标单案件风险指标值；若目标理赔申请的目标单案件风险指标值低于第三风险指标阈值且未被按照第三抽检比例抽检到，则将目标理赔申请划分到目标理赔申请集合中。

或者，若目标理赔申请的目标单案件风险指标值高于或等于第三风险指标阈值，或所述目标理赔申请的目标单案件风险指标值低于第三风险指标阈值且被按照第三抽检比例抽检到，则将目标理赔申请作为人工反欺诈识别处理的案件；在获取到针对目标理赔申请的人工反欺诈识别处理的处理结果时，将目标理赔申请划分到目标理赔申请集合中，并基于人工反欺诈识别的处理结果，更新第二反欺诈识别模型。

可以理解的是，目标理赔申请在被接收后，先经过第二反欺诈识别模型进行一次反欺诈识别，后又经过第一反欺诈识别模型进行反欺诈识别，即目标理赔申请会多次被进行反欺诈识别，由此能够提高反欺诈识别的准确性。

上述的第二反欺诈识别模型为获取到目标理赔申请时的最新的反欺诈识别模型。第二反欺诈识别模型可以是逻辑回归模型，也可以是神经网络模型、决策树模型等，本申请实施例对此不作限定。

进一步地，在目标理赔申请为目标理赔申请集合中对应的接收时间最晚的理赔申请的情况下，将更新第二反欺诈识别模型后得到的发欺诈识别模型，确定为第一反欺诈识别模型。

也就是说，在接收到一个理赔申请后，基于当前的反欺诈识别模型对该理赔申请进行反欺诈识别，如果基于当前的反欺诈识别模型确定出该理赔申请的单案件风险指标值高于或等于第三风险指标阈值，或该理赔申请的单案件风险指标值低于第三风险指标阈值且被按照第三抽检比例抽检到，则将该理赔申请作为人工反欺诈识别处理的案件。在获取到针对该理赔申请的人工反欺诈识别的处理结果时，基于人工反欺诈识别的结果更新该当前的反欺诈识别模型，得到新的反欺诈识别模型，用于对后续理赔申请进行反欺诈识别处理，并将该理赔申请划分到一个理赔申请集合中。如果该理赔申请是该理赔申请集合中最后一个被划分进该理赔申请集合的理赔申请，则该新的反欺诈识别模型可以作为对该理赔申请集合中的理赔申请进行反欺诈识别时的反欺诈识别模型。

上述在确定是否采用批量处理方式对目标理赔申请进行处理时，根据目标理赔申请对应的理赔案件类型和第一预设对应关系，确定是否采用批量处理的方式对目标理赔申请进行处理，第一预设对应关系包括理赔案件类型与案件处理方式的对应关系。

举例来说，第一预设对应关系可以是表1中示出的对应关系。如果目标理赔申请对应的理赔案件类型为运费类理赔案件，则认为采用批量处理的方式对目标理赔申请进行处理。而如果目标理赔申请对应的理赔案件类型为意外医疗类理赔案件，则认为不能采用批量处理的方式对目标理赔申请进行处理，需要针对目标理赔申请进行单案件处理。

表1

理赔案件类型 案件处理方式 运费类理赔案件 批量处理 航空延误类理赔案件 批量处理 意外身故类理赔案件 单案件处理 医疗类理赔案件 单案件处理

上述在基于第二反欺诈识别模型确定目标理赔申请的目标单案件风险指标值时，基于第二反欺诈识别模型和第二预设对应关系，确定第二反欺诈识别模型的风险因子，第二预设对应关系包括反欺诈识别模型与风险因子的对应关系；获取目标理赔申请对应的风险因子的信息；将风险因子的信息输入值第二反欺诈识别模型中，输出目标单案件风险指标值。

以目标理赔申请对应的理赔案件类型为意外医疗类理赔案件为例，上述第二反欺诈识别模型对应的风险因子包括但不限于被保险人的客户信息、疾病信息、信息、理赔案件出现时长、投保人贷款信息与逾期信息。被保险人的客户信息包括但不限于姓名、年龄和年收入信息等。疾病信息例如包括所患何种疾病、疾病的可痊愈概率等。信息包括进行的时长、的费用等。投保人贷款信息包括但不限于有无贷款、贷款日期及贷款金额等。逾期信息包括但不限于逾期金额、逾期天数等。

可以理解的是，通过图1所示的方法对目标理赔申请集合中的理赔申请进行风险处理之后，可以针对风险处理的结果对理赔申请进行理赔处理。例如，风险处理的结果包括确认为欺诈案件或者确认为非欺诈案件，相对应的，可以对确认为非欺诈案件的理赔申请的权益人进行赔付打款，对确认为欺诈案件的理赔申请的权益人进行拒赔。

下面将结合图2详细描述本申请一个具体实施例的信息处理的方法。图2所示的方法由信息处理的装置执行。如图2所示出的，方法包括：

S202，接收到理赔申请。

S204，判断是否采用批量处理方式对该理赔申请进行处理。

S206，若是，则基于单案件反欺诈识别模型确定该理赔申请的单案件风险指标值。

在S206中，若否，则对该理赔申请进行传统的反欺诈识别处理。

这里传统的反欺诈识别处理可以是基于单案件反欺诈识别模型确定出该理赔申请的单案件风险指标值，如果单案件风险指标值高于预设风险指标阈值，直接判定该理赔申请对应的理赔案件为欺诈案件，进行拒赔，否则判定该理赔申请对应的理赔案件为非欺诈案件，进行赔付打款。

S208，判断单案件风险指标值是否高于预设风险指标阈值，或该理赔申请被抽检到。

S210，如果单案件风险指标值高于预设风险指标阈值或该理赔申请被抽检到，则将理赔申请转由人工审核。

S212，基于人工审核的结果，更新S204中的单案件反欺诈识别模型。

S214，如果单案件风险指标值低于或等于预设风险指标阈值，则基于该理赔申请生成批量审核任务。或在人工对理赔申请进行审核后，基于该理赔申请生成批量审核任务。

可以理解的是，在S214中生成批量审核任务可以理解为将该理赔申请划分到一个理赔申请集合中。

S216，获取批量审核任务。

S218，基于多案件反欺诈识别模型确定该批量审核任务相关的理赔申请集合的集合风险指标值。

S220，基于集合风险指标值判断是否进行批次人工审核。

例如，如果集合风险指标值大于或等于预设风险指标阈值，则判断进行批次人工审核。如果集合风险指标值小于预设风险指标阈值，则按照一定抽检比例将理赔申请集合转为批次人工审核，或者理解为，理赔申请集合将会按照一定概率被转为批次人工审核。

S222，若是，则进行批次人工审核。

S224，基于人工审核结果更新多案件反欺诈识别模型。

S226，若否，则对理赔申请集合中的理赔申请进行批量案件风险结果处理。或者，根据人工审核的结果，对理赔申请集合中的理赔申请进行批量案件风险结果处理。

例如，如果集合风险指标值小于预设风险指标阈值，则判断不需要进行批次人工审核。

进一步地，可以在不需要进行批次人工审核的基础上，基于多案件反欺诈识别模型确定的理赔申请的单案件风险指标值，判断单个理赔申请是否需要转由人工进行审核。

例如，如果理赔申请的单案件风险指标值高于或等于预设风险指标值，则转由人工进行审核，在S224中，进行风险结果处理时，基于人工审核的结果进行风险结果处理。或者，如果理赔申请的单案件风险指标值低于预设风险指标值，则按照一定抽检比例进行抽检，将抽检到的理赔申请转由人工进行审核，在S224中，进行风险结果处理时，对被抽检到的理赔申请，基于人工审核的结果进行风险结果处理。

可选地，在图2所示的方法中，在生成批量审核任务以及执行批量审核任务的过程中记录该批量审核任务的批次号、执行状态、执行时间和重试次数，并生成与该批量审核任务相关的批次单。

如图3中所示出的，该批次单中的信息包括：批次号(批量审核任务编号)、批次生成时间、批次应处理时间、实际处理时间、批次描述、产品编号(例如，险种编号)、批次状态、批次时间类型(例如，按天计，或按小时计)和批次明细。批次明细包括：批次号、赔案编号(理赔申请被受理后对应的理赔案件的编号)、批次明细状态(与批量审核任务相关的理赔申请集合中的理赔申请的数量一致，即理赔申请集合中有多少个理赔申请就会有多少个批次明细)和处理时间(一个理赔申请在批量审核任务的执行过程中的被处理时间)。

如图4所示出的，批次状态可以包括初始状态、已审核状态、待人工给审核状态、审核不通过状态和处理完成状态，状态之间的关系由图4中的箭头示出。这里的初始状态可以理解为批量审核任务未被开始处理的状态，已审核状态可以理解为已完成对批量审核任务相关的理赔申请集合中的理赔申请的反欺诈识别的状态，待人工审核状态可以理解为将批量审核任务相关的理赔申请集合中的理赔申请部分或全部转由人工进行审核(或反欺诈识别)的状态，审核不通过状态可以理解为理赔申请受理后对应的理赔案件被确认为欺诈案件的状态。

如图5中所示出的，批次明细状态可以包括：初始状态、人工介入状态和处理完成状态，初始状态可以理解为理赔申请未被开始处理的状态，人工介入状态可以理解为理赔申请转由人工审核的状态。

下面将结合图6详细描述根据本申请一个实施例的电子设备。参考图6，在硬件层面，电子设备包括处理器，可选地，包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外设部件互连标准(Peripheral Component Interconnect，PCI)总线或扩展工业标准结构(ExtendedIndustry Standard Architecture，EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成信息处理的装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：

获取目标理赔申请集合；

基于第一反欺诈识别模型确定所述目标理赔申请集合的集合风险指标值；

基于所述集合风险指标值和预设风险处理规则，确定所述目标理赔申请集合中的理赔申请的风险处理方式；

基于所述风险处理方式，对所述目标理赔申请集合中的理赔申请进行风险处理。

上述如本申请图1所示实施例揭示的信息处理的装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

当然，除了软件实现方式之外，本申请的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例的方法，并具体用于执行以下方法：

获取目标理赔申请集合；

基于第一反欺诈识别模型确定所述目标理赔申请集合的集合风险指标值；

基于所述集合风险指标值和预设风险处理规则，确定所述目标理赔申请集合中的理赔申请的风险处理方式；

基于所述风险处理方式，对所述目标理赔申请集合中的理赔申请进行风险处理。

图7是本申请的一个实施例的信息处理的装置的结构示意图。请参考图4，在一种软件实施方式中，信息处理的装置700可包括：获取单元71、风险判断单元72和风险处理单元73，其中，

获取单元71，获取目标理赔申请集合；

风险判断单元72，基于第一反欺诈识别模型确定所述目标理赔申请集合的集合风险指标值；

风险处理单元73，基于所述集合风险指标值和预设风险处理规则，确定所述目标理赔申请集合中的理赔申请的风险处理方式；

所述风险处理单元73，基于所述风险处理方式，对所述目标理赔申请集合中的理赔申请进行风险处理。

本申请实施例的信息处理的装置，对理赔申请进行处理时以理赔申请集合为处理单位，能够实现多案件多维度的反欺诈识别，提高反欺诈识别的效率。并且在进行反欺诈识别时，通过反欺诈识别模型确定理赔申请集合的集合风险指标值，能够避免审核人员专业水平不一致，导致部分理赔案件的风险识别力度不足的问题，提高反欺诈识别的准确率。

可选地，作为一个实施例，所述预设风险处理规则包括：若所述集合风险指标值大于或等于第一风险指标阈值，则将所述目标理赔申请集合中的全部理赔申请作为人工反欺诈识别处理的案件；和/或，

所述预设风险规则包括以下规则中的一种：

若所述集合风险指标值小于所述第一风险指标阈值，且所述目标理赔申请集合被按照第一抽检比例抽检到，则将所述目标理赔申请集合中的全部理赔申请作为人工反欺诈识别处理的案件；

若所述集合风险指标值小于所述第一风险指标阈值，则基于所述目标理赔申请集合中每个理赔申请的单案件风险指标值，对所述目标理赔申请集合中的理赔申请进行风险处理，所述目标理赔申请集合中每个理赔申请的单案件风险指标值基于所述第一反欺诈识别模型确定。

可选地，作为一个实施例，所述基于所述目标理赔申请集合中每个理赔申请的单案件风险指标值，对所述目标理赔申请集合中的理赔申请进行风险处理，包括：

将所述目标理赔申请集合中单案件风险指标值大于或等于第二风险指标阈值的理赔申请作为人工反欺诈识别处理的案件，进行风险处理；

将所述目标理赔申请集合中单案件风险指标值小于所述第二风险指标阈值，且被按照第二抽检比例抽检到的理赔申请作为人工反欺诈识别处理的案件，进行风险处理。

可选地，作为一个实施例，在所述目标理赔申请集合中存在被作为人工反欺诈识别处理的案件的情况下，所述风险判断单元72：

基于人工反欺诈识别处理的结果，更新所述第一反欺诈识别模型。

可选地，作为一个实施例，所述目标理赔申请集合中包括目标理赔申请，在所述获取单元71获取目标理赔申请集合之前，所述风险判断单元72：

在接收到所述目标理赔申请后，确定是否采用批量处理方式对所述目标理赔申请进行处理；

若是，则基于第二反欺诈识别模型确定所述目标理赔申请的目标单案件风险指标值；

若所述目标理赔申请的目标单案件风险指标值低于第三风险指标阈值且未被按照第三抽检比例抽检到，则将所述目标理赔申请划分到所述目标理赔申请集合中。

可选地，作为一个实施例，所述风险判断单元72：

若所述目标理赔申请的目标单案件风险指标值高于或等于所述第三风险指标阈值，或所述目标理赔申请的目标单案件风险指标值低于所述第三风险指标阈值且被按照所述第三抽检比例抽检到，则将所述目标理赔申请作为人工反欺诈识别处理的案件；

在获取到针对所述目标理赔申请的人工反欺诈识别的处理结果时，将所述目标理赔申请划分到所述目标理赔申请集合中，并基于所述人工反欺诈识别的处理结果，更新所述第二反欺诈识别模型。

可选地，作为一个实施例，在所述目标理赔申请为所述目标理赔申请集合中对应的接收时间最晚的理赔申请的情况下，所述风险判断单元72：

将更新所述第二反欺诈识别模型后得到的反欺诈识别模型，确定为所述第一反欺诈识别模型。

可选地，作为一个实施例，所述风险判断单元72：

根据所述目标理赔申请对应的理赔案件类型和第一预设对应关系，确定是否采用批量处理的方式对所述目标理赔申请进行处理，所述第一预设对应关系包括理赔案件类型与案件处理方式的对应关系。

可选地，作为一个实施例，所述风险判断单元72：

基于所述第二反欺诈识别模型和第二预设对应关系，确定所述第二反欺诈识别模型的风险因子，所述第二预设对应关系包括反欺诈识别模型与风险因子的对应关系；

获取所述目标理赔申请对应的所述风险因子的信息；

将所述风险因子的信息输入至所述第二反欺诈识别模型中，输出所述目标单案件风险指标值。

本申请实施例的信息处理的装置还可执行图1中的方法，并实现信息处理的装置在图1所示实施例的功能，在此不再赘述。

总之，以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。