业务处理方法、装置、电子设备和存储介质与流程

1.本公开涉及计算机技术领域、区块链技术领域和金融领域，更具体地，涉及一种业务处理方法、装置、电子设备和存储介质。


背景技术：

2.在众多应用领域中，业务的风险控制问题已成为阻碍企业业务发展的主要问题。在相关技术中，通常使用众多与业务相关的历史数据训练风险识别模型，再利用风险识别模型来预测业务是否有风险。然而，利用未加筛选的数据进行风险识别，会在识别结果中引入大量的噪声，从而导致识别结果的可信度下降，阻碍业务的进一步发展。


技术实现要素：

3.有鉴于此，本公开提供了一种业务处理方法、装置、电子设备、可读存储介质和计算机程序产品。
4.本公开的一个方面提供了一种业务处理方法，包括：响应于针对目标业务的业务处理请求，基于上述目标业务的业务类型，确定多个风险控制项；基于与上述目标业务相关的第一业务方的风险属性信息，确定上述多个风险控制项各自的指标值；将上述多个风险控制项各自的指标值输入与上述目标业务相关的风险识别模型，得到第一识别结果；以及在上述第一识别结果表示上述第一业务方无风险的情况下，向业务系统发送上述业务处理请求，其中，上述业务系统被配置为响应于上述业务处理请求，处理上述目标业务。
5.根据本公开的实施例，上述基于上述目标业务的业务类型，确定多个风险控制项，包括：从配置表中获取与上述目标业务的业务类型相关的上述多个风险控制项；或者利用决策树，从多个初始风险控制项中确定与上述目标业务的业务类型相关的上述多个风险控制项。
6.根据本公开的实施例，上述利用决策树，从多个初始风险控制项中确定与上述目标业务的业务类型相关的上述多个风险控制项，包括：确定与上述目标业务相关的至少一个决策条件；以上述至少一个决策条件作为分支节点的判断条件，以上述多个初始风险控制项作为叶节点，生成上述决策树；以及确定上述决策树中的最后一个分支节点的目标分支下的多个叶节点为上述多个风险控制项。
7.根据本公开的实施例，上述方法还包括：从数据库中获取与上述目标业务相关的历史业务数据；以及基于上述历史业务数据，确定上述多个初始风险控制项。
8.根据本公开的实施例，上述基于上述历史业务数据，确定上述多个初始风险控制项，包括：对上述历史业务数据进行故障树分析，以确定与上述目标业务相关的至少一个风险事件；以及对于每个上述风险事件，基于上述历史业务数据中与上述风险事件相关的目标历史业务数据，确定至少一个上述初始风险控制项。
9.根据本公开的实施例，上述基于与上述目标业务相关的第一业务方的风险属性信息，确定上述多个风险控制项各自的指标值，包括：对于每个上述风险控制项，确定与上述
风险控制项对应的关键词；以及基于上述关键词，对上述风险属性信息进行正则匹配，得到上述风险控制项的指标值。
10.根据本公开的实施例，上述风险识别模型包括费雪判别模型；其中，上述将上述多个风险控制项各自的指标值输入与上述目标业务相关的风险识别模型，得到第一识别结果，包括：从上述风险识别模型中确定上述多个风险控制项各自的识别系数；以及基于上述多个风险控制项各自的指标值和上述多个风险控制项各自的识别系数，得到上述第一识别结果。
11.根据本公开的实施例，上述方法还包括：在接收到上述业务系统返回的表示上述目标业务处理完成的反馈信息的情况下，将上述目标业务和与上述目标业务相关的多个风险控制项在区块链网络中上链。
12.根据本公开的实施例，上述方法还包括：响应于满足智能合约触发条件，从上述区块链网络的账本中获取与上述目标业务相关的多个风险控制项；向上述第一业务方发送信息获取请求，以获取上述第一业务方的当前风险属性信息；基于上述当前风险属性信息，确定上述多个风险控制项各自的当前指标值；将上述多个风险控制项各自的当前指标值输入与上述目标业务相关的风险识别模型，得到第二识别结果；以及在上述第二识别结果表示上述第一业务方有风险的情况下，向上述目标业务的第二业务方发送风险预警信息。
13.本公开的另一个方面提供了一种业务处理装置，包括：第一确定模块，用于响应于针对目标业务的业务处理请求，基于上述目标业务的业务类型，确定多个风险控制项；第二确定模块，用于基于与上述目标业务相关的第一业务方的风险属性信息，确定上述多个风险控制项各自的指标值；第一输入模块，用于将上述多个风险控制项各自的指标值输入与上述目标业务相关的风险识别模型，得到第一识别结果；以及第一发送模块，用于在上述第一识别结果表示上述第一业务方无风险的情况下，向业务系统发送上述业务处理请求，其中，上述业务系统被配置为响应于上述业务处理请求，处理上述目标业务。
14.本公开的另一方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个指令，其中，当上述一个或多个指令被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如上所述的方法。
15.本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，上述指令在被执行时用于实现如上所述的方法。
16.本公开的另一方面提供了一种计算机程序产品，上述计算机程序产品包括计算机可执行指令，上述指令在被执行时用于实现如上所述的方法。
17.根据本公开的实施例，在进行目标业务的风险控制时，可以借鉴haccp模型的方法，确定与目标业务相关的多个风险控制项，再从与目标业务相关的第一业务方的风险属性信息中确定多个风险控制项各自的指标值，将多个风险控制项各自的指标值输入风险识别模型，可以得到风险识别结果，并根据风险识别结果，确定是否执行该目标业务。通过上述技术手段，可以有效地从复杂的风险属性信息中确定有效数据，所以可以至少部分地克服相关技术中利用未加筛选的数据进行风险识别，会在识别结果中引入大量的噪声，从而导致识别结果的可信度下降的问题，从而可以有效提高风险识别的准确率。
附图说明
18.通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
19.图1示意性示出了根据本公开实施例的可以应用业务处理方法和装置的示例性系统架构。
20.图2示意性示出了根据本公开实施例的业务处理方法的流程图。
21.图3示意性示出了根据本公开实施例的供应链应收款业务信用风险控制的故障树分析的示意图。
22.图4a示意性示出了根据本公开实施例的供应链应收款业务的风险控制项的决策树的示意图。
23.图4b示意性示出了根据本公开另一实施例的供应链应收款业务的风险控制项的决策树的示意图。
24.图5示意性示出了根据本公开的实施例的业务处理装置的框图。
25.图6示意性示出了根据本公开实施例的适于实现业务处理方法的电子设备的框图。
具体实施方式
26.以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
27.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
28.在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
29.在使用类似于“a、b和c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b和c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。
30.在众多应用领域中，业务的风险控制问题已成为阻碍企业业务发展的主要问题。在相关技术中，通常使用众多与业务相关的历史数据训练风险识别模型，再利用风险识别模型来预测业务是否有风险。然而，利用未加筛选的数据进行风险识别，会在识别结果中引入大量的噪声，从而导致识别结果的可信度下降，阻碍业务的进一步发展。
31.例如，在金融领域中，与业务相关的历史数据可以包括交易额度、交易频率、交易年限等数据，其中部分数据可能对风险识别模型的训练无帮助。具体地，对于存取款业务，该业务的业务数据中的交易年限数据一般为一个固定值，将该固定值用于风险识别模型的
训练及应用，会导致识别结果的准确率下降。
32.有鉴于此，本公开的实施例提供了一种业务处理方法、装置、电子设备和存储介质。该方法包括响应于针对目标业务的业务处理请求，基于目标业务的业务类型，确定多个风险控制项；基于与目标业务相关的第一业务方的风险属性信息，确定多个风险控制项各自的指标值；将多个风险控制项各自的指标值输入与目标业务相关的风险识别模型，得到第一识别结果；以及在第一识别结果表示第一业务方无风险的情况下，向业务系统发送业务处理请求，其中，业务系统被配置为响应于业务处理请求，处理目标业务。
33.需要说明的是，本公开实施例确定的业务处理方法和装置可用于计算机技术领域、区块链技术领域或金融领域，也可用于除计算机技术领域、区块链技术领域和金融领域之外的任意领域，本公开实施例确定的业务处理方法和装置的应用领域不做限定。
34.在本公开的实施例中，所涉及的数据(例如，包括但不限于用户个人信息)的收集、更新、分析、处理、使用、传输、提供、公开、存储等方面，均符合相关法律法规的规定，被用于合法的用途，且不违背公序良俗。特别地，对用户个人信息采取了必要措施，防止对用户个人信息数据的非法访问，维护用户个人信息安全、网络安全和国家安全。
35.在本公开的实施例中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。
36.图1示意性示出了根据本公开实施例的可以应用业务处理方法和装置的示例性系统架构。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
37.如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。
38.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
39.终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
40.服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
41.需要说明的是，本公开实施例所提供的业务处理方法一般可以由服务器105执行。相应地，本公开实施例所提供的业务处理装置一般可以设置于服务器105中。本公开实施例所提供的业务处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的业务处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。或者，本公开实施例所提供的业务处理方法也可以由终端设备101、102、或103执行，或者也可以由不同于终端设备101、102、或103的其他终端设备执行。相应
地，本公开实施例所提供的业务处理装置也可以设置于终端设备101、102、或103中，或设置于不同于终端设备101、102、或103的其他终端设备中。
42.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
43.图2示意性示出了根据本公开实施例的业务处理方法的流程图。
44.如图2所示，该方法包括操作s201～s204。
45.在操作s201，响应于针对目标业务的业务处理请求，基于目标业务的业务类型，确定多个风险控制项。
46.在操作s202，基于与目标业务相关的第一业务方的风险属性信息，确定多个风险控制项各自的指标值。
47.在操作s203，将多个风险控制项各自的指标值输入与目标业务相关的风险识别模型，得到第一识别结果。
48.在操作s204，在第一识别结果表示第一业务方无风险的情况下，向业务系统发送业务处理请求，其中，业务系统被配置为响应于业务处理请求，处理目标业务。
49.根据本公开的实施例，风险控制项可以表示为目标业务的业务数据的相关细化指标。例如，对于融资业务，风险控制项可以包括融资企业的流动比率、融资企业的资产负债率等。目标业务的风险控制项可以通过基于haccp(hazard analysis and critical control point，危害分析的临界控制点)模型的方法，对目标业务进行分析而得到。
50.根据本公开的实施例，第一业务方可以包括目标业务的一个或多个办理方，例如，目标业务可以是融资业务，则第一业务方可以包括融资企业方和担保企业方。
51.根据本公开的实施例，第一业务方的风险属性信息可以包括基于第一业务方的历史业务数据等确定的与业务风险相关的信息。例如，可以根据与第一业务方的历史风险事件相关的数据来确定风险属性信息。
52.根据本公开的实施例，风险识别模型可以基于关于目标业务的历史业务数据训练得到。对于历史业务数据中的每一条数据，可以基于与目标业务相关的多个风险控制项来处理该数据，以获取多个风险控制项各自的指标值来作为训练样本。每一条数据可以是历史业务数据中以业务为粒度划分的数据。与该数据对应的标签可以表示与该数据对应的业务是否有风险。
53.根据本公开的实施例，在第一识别结果小时第一业务方有风险的情况下，可以拒绝执行该目标业务，即向业务处理请求的请求方反馈表示拒绝执行目标业务的反馈信息。
54.根据本公开的实施例，在进行目标业务的风险控制时，可以借鉴haccp模型的方法，确定与目标业务相关的多个风险控制项，再从与目标业务相关的第一业务方的风险属性信息中确定多个风险控制项各自的指标值，将多个风险控制项各自的指标值输入风险识别模型，可以得到风险识别结果，并根据风险识别结果，确定是否执行该目标业务。通过上述技术手段，可以有效地从复杂的风险属性信息中确定有效数据，所以可以至少部分地克服相关技术中利用未加筛选的数据进行风险识别，会在识别结果中引入大量的噪声，从而导致识别结果的可信度下降的问题，从而可以有效提高风险识别的准确率。
55.下面参考图3、图4a和图4b，结合具体实施例对图2所示的方法做进一步说明。
56.根据本公开的实施例，在开展目标业务的风险控制之前，可以预先确定业务系统
涉及各个目标业务各自的多个风险控制项，并将各个目标业务各自的多个风险控制项记录在配置表中。在开展目标业务的风险控制时，可以从配置表中获取与目标业务的业务类型相关的多个风险控制项。或者，也可以在开展目标业务的风险控制时，利用决策树，从多个初始风险控制项中确定与目标业务的业务类型相关的多个风险控制项。
57.根据本公开的实施例，目标业务的多个风险控制项可以基于haccp模型的方法来确定。具体地，可以通过对目标业务的历史业务数据进行分析，以得到多个初始风险控制项，再从多个初始风险控制项中筛选得到与所述目标业务的业务类型相关的所述多个风险控制项。
58.根据本公开的实施例，可以从数据库中获取与目标业务相关的历史业务数据。基于历史业务数据，确定多个初始风险控制项。
59.根据本公开的实施例，数据库可以是业务系统用于存储已办理业务的业务数据的数据库。在一些实施例中，数据库也可以使用日志、区块链等进行替代，只要能够记录已办理业务的业务数据即可。
60.根据本公开的实施例，基于历史业务数据，确定多个初始风险控制项可以采用故障树分析的方法来实现。具体地，可以对历史业务数据进行故障树分析，以确定与目标业务相关的至少一个风险事件。对于每个风险事件，基于历史业务数据中与风险事件相关的目标历史业务数据，确定至少一个初始风险控制项。
61.根据本公开的实施例，可以将目标业务风险可控作为顶层事件，自上而下依次确定影响顶层事件达成的各类风险事件。
62.根据本公开的实施例，以下以目标业务为供应链应收款业务为例，对故障树分析方法进行描述。
63.图3示意性示出了根据本公开实施例的供应链应收款业务信用风险控制的故障树分析的示意图。
64.如图3所示，在供应链应收款业务中，可以以应收款信用风险可控作为顶层事件，自上而下依次确定影响顶层事件达成的各类风险事件来构建故障树。
65.根据本公开的实施例，可以通过分析目标业务的历史业务数据来得到影响该业务的风险是否可控的主要因素，并将该主要因素作为顶层事件下的分支事件。例如，影响供应链应收款业务的风险是否可控的主要因素包括融资企业资质、核心企业资质、应收账款情况和供应链运营情况，则相应的，顶层事件应收款信用风险可控下的分支事件可以包括融资企业资质、核心企业资质、应收账款情况和供应链运营情况。上述主要因素例如可以通过结合文本语义分析方法和关键词检测方法来实现。具体地，可以通过词频检测，来确定历史业务数据中包括的关键词，再结合该关键词对历史业务数据进行语义检测，以确定该关键词是否表示为主要因素。
66.根据本公开的实施例，对于每个主要因素，可以使用构成该主要因素的各个条件或特征作为与该主要因素对应的分支事件下的叶事件。例如，分支事件融资企业资质下的叶事件可以包括信用级别、偿债能力、盈利能力、企业素质、发展潜力、营运能力等。分支事件核心企业资质下的叶事件可以包括企业素质、行业规模、盈利能力、偿债能力、发展潜力等。分支事件应收账款情况下的叶事件可以包括账龄、坏账比例等。分支事件供应链运营情况下的叶事件可以包括交易频率、交易年限等。
67.根据本公开的实施例，在获取故障树后，可以将故障树中的分支事件与叶事件进行融合，以得到可以基于该故障树确定的风险事件。例如，故障树中的分支事件融资企业资质下的叶事件可以包括信用级别、偿债能力、盈利能力、企业素质、发展潜力和营运能力。则基于该故障树可以确定的风险事件可以包括融资企业信用级别、融资企业偿债能力、融资企业盈利能力、融资企业企业素质、融资企业发展潜力和融资企业营运能力。
68.根据本公开的实施例，针对每个风险事件，可以从目标业务的历史业务数据中确定与风险事件相关的目标历史业务数据，该目标历史业务数据可以和一个或多个指标相关，即和一个或多个初始风险控制项相关，如表1所示，例如，基于风险事件融资企业信用等级，确定的初始风险控制项可以是融资企业的信用评级报告中的信用等级；基于风险事件融资企业偿债能力，确定的初始风险控制项可以包括融资企业的流动比率、融资企业的速动比率、融资企业的资产负债率、融资企业的利息保障倍数等。
69.表1
70.[0071][0072]
根据本公开的实施例，可以将基于至少一个风险事件各自确定的至少一个初始风险控制项进行组合，以得到与目标业务相关的多个初始风险控制项。
[0073]
根据本公开的实施例，利用决策树，从多个初始风险控制项中确定与目标业务的业务类型相关的多个风险控制项，包括：
[0074]
确定与目标业务相关的至少一个决策条件；以至少一个决策条件作为分支节点的判断条件，以多个初始风险控制项作为叶节点，生成决策树；以及确定决策树中的最后一个分支节点的目标分支下的多个叶节点为多个风险控制项。
[0075]
根据本公开的实施例，决策条件可以是业务系统所属的业务方预设的条件。
[0076]
根据本公开的实施例，以决策条件作为分支节点的判断条件，可以将分支节点的子节点分为两类。
[0077]
根据本公开的实施例，以下以目标业务为供应链应收款业务为例，对利用决策树确定风险控制项的方法进行描述。
[0078]
图4a示意性示出了根据本公开实施例的供应链应收款业务的风险控制项的决策树的示意图。
[0079]
如图4a所示，与供应链应收款业务相关的决策条件可以包括条件1“是否有风险识别措施”、条件2“风险识别措施是否能识别风险水平”、条件3“风险水平是否保持在可接受范围内”和条件4“接受风险控制项后是否会使整体信用风险超出可接受范围”。以上4个决策条件可以分别作为决策树的第一层级的分支节点n1的判断条件、决策树的第二层级的分支节点n2的判断条件、决策树的第三层级的分支节点n3的判断条件和决策树的第四层级的分支节点n4的判断条件。
[0080]
根据本公开的实施例，分支节点下的分支可以包括“是”分支和“否”分支。下一层级的分支节点可以与上一层级的分支节点的“是”分支连接。
[0081]
根据本公开的实施例，应用该决策树的初始风险控制项可以包括融资企业的流动比率、融资企业的速动比率、融资企业的资产负债率、融资企业的利息保障倍数、融资企业的管理机制、融资企业的财务披露机制、融资企业的企业经营年限、核心企业管理机制、核心企业财务披露机制。在将上述初始风险控制项添加到决策树后，得到的叶节点可以分别为x1、x2、x3、x4、x5、x6、x7、x8和x9。其中，叶节点x1可以表示融资企业的流动比率，叶节点x2可以表示融资企业的速动比率，叶节点x3可以表示融资企业的资产负债率，叶节点x4可以表示融资企业的利息保障倍数，叶节点x5可以表示融资企业的管理机制，叶节点x6可以
表示融资企业的财务披露机制，叶节点x7可以表示融资企业的企业经营年限，叶节点x8可以表示核心企业管理机制，叶节点x9可以表示核心企业财务披露机制。
[0082]
根据本公开的实施例，融资企业的流动比率、融资企业的速动比率、融资企业的资产负债率、融资企业的利息保障倍数可以满足如上的4个决策条件，因此，叶节点x1、叶节点x2、叶节点x3和叶节点x4可以位于决策树的第四层级的分支节点n4的“是”分支下。融资企业的管理机制、融资企业的财务披露机制、融资企业的企业经营年限可以满足条件1和条件2，则叶节点x5、叶节点x6和叶节点x7可以位于决策树的第三层级的分支节点n3的“否”分支下。核心企业管理机制、核心企业财务披露机制可以仅满足条件1、条件2和条件3，则叶节点x8和叶节点x9可以位于决策树的第四层级的分支节点n4的“否”分支下。
[0083]
根据本公开的实施例，决策树中的最后一个分支节点的目标分支即是指第四层级的分支节点n4的“是”分支，因此，基于该决策树可以确定的风险控制项为融资企业的流动比率、融资企业的速动比率、融资企业的资产负债率、融资企业的利息保障倍数。
[0084]
根据本公开的实施例，同一风险事件对应的至少一个初始风险控制项可以同时满足或同时不满足各个决策条件，因此，作为一种可选实施方式，可以使用基于风险事件来进行风险控制项的判断。在从多个风险事件中确定满足所有决策条件的风险事件后，可以确定与该风险事件对应的至少一个初始风险控制项为所需风险控制项。
[0085]
图4b示意性示出了根据本公开另一实施例的供应链应收款业务的风险控制项的决策树的示意图。
[0086]
如图4b所示，可以使用风险事件融资企业信用等级作为叶节点x1、融资企业信用等级作为叶节点x2、融资企业盈利能力作为叶节点x3、核心企业企业素质作为叶节点x4、核心企业偿债能力作为叶节点x5、核心企业发展潜力作为叶节点x6，使用如图4a所示的4个决策条件作为4个层级的分支节点n1、n2、n3和n4的判别条件，进行决策树的构建。
[0087]
根据本公开的实施例，融资企业信用等级、融资企业盈利能力和核心企业偿债能力可以满足如上的4个决策条件，因此，叶节点x2、叶节点x3和叶节点x5可以位于决策树的第四层级的分支节点n4的“是”分支下。融资企业信用等级无法满足任意一个决策条件，因此，叶节点x1可以位于决策树的第一层级的分支节点n1的“否”分支下。核心企业企业素质可以满足条件1，则叶节点x4可以位于决策树的第二层级的分支节点n2的“否”分支下。核心企业发展潜力可以满足条件1和条件2，则叶节点x6可以位于决策树的第三层级的分支节点n3的“否”分支下。
[0088]
根据本公开的实施例，决策树中的最后一个分支节点的目标分支即是指第四层级的分支节点n4的“是”分支，因此，基于该决策树可以确定的风险控制项包括与风险事件融资企业信用等级、融资企业盈利能力和核心企业偿债能力各自对应的至少一个初始风险控制项。
[0089]
根据本公开的实施例，在确定风险控制项后，可以从第一业务方的风险属性信息中提取各个风险控制项各自的指标值。具体地，对于每个风险控制项，确定与风险控制项对应的关键词；以及基于关键词，对风险属性信息进行正则匹配，得到风险控制项的指标值。
[0090]
根据本公开的实施例，每个风险控制项可以配置有预设的一个或多个关键词。关检测例如可以是与风险控制项相关的参数名称。
[0091]
根据本公开的实施例，基于关键词，对风险属性信息进行正则匹配可以是基于与
关键词对应的参数的特征，来构建正则表达式，并利用该正则表达式实现风险控制项的指标值的获取。
[0092]
根据本公开的实施例，风险识别模型可以包括费雪判别模型。将多个风险控制项各自的指标值输入与目标业务相关的风险识别模型，得到第一识别结果，可以包括如下操作：
[0093]
从风险识别模型中确定多个风险控制项各自的识别系数；以及基于多个风险控制项各自的指标值和多个风险控制项各自的识别系数，得到第一识别结果。
[0094]
根据本公开的实施例，费雪判别模型可以如公式(1)所示：
[0095][0096]
在公式(1)中，y可以表示第一识别结果，ai可以表示第i个风险控制项的识别系数，xi可以表示第i个风险控制项的指标值。
[0097]
根据本公开的实施例，可以基于历史业务数据，根据费雪判别准则来构造如公式(1)的费雪判别模型，以得到多个风险控制项各自的识别系数。
[0098]
根据本公开的实施例，可以从历史业务数据中提取样本记为gi，i＝1，2，...，k，k可以表示样本的数量。基于方差分析构建的费雪判别函数的各个识别系数可以初始化为mj，j＝1，2，...，n，n可以表示风险控制项的数量。
[0099]
根据本公开的实施例，为了得到n个识别参数的具体值，使得样本数据在投影后具有最大组间散度和最小组内距离，可以确定如公式(2)所示的目标函数：
[0100][0101]
在公式(2)中，φ可以表示目标函数的函数值；db可以表示组间方差，如公式(3)所示；de可以表示组内方差，如公式(4)所示。
[0102][0103][0104]
在公式(3)和(4)中，y(i)可以表示第i个样本的均值矩阵，c(i)可以表示第i个样本的协方差矩阵。
[0105]
根据本公开的实施例，通过使如公式(2)所示的目标函数最大化，可以得到各个识别系数的值，从而得到风险识别模型。
[0106]
根据本公开的实施例，得到的风险识别模型还可以使用均方误差等误差判别方法进行模型的校验，在此不再赘述。
[0107]
根据本公开的实施例，在接收到业务系统返回的表示目标业务处理完成的反馈信息的情况下，将目标业务和与目标业务相关的多个风险控制项在区块链网络中上链，以实现对业务数据的上链存储。
[0108]
根据本公开的实施例，对于需要持续追踪的业务，由于第一业务方的风险属性信息可以不断变化，因此，可以利用智能合约，实现对目标业务的持续风险控制。具体地，可以响应于满足智能合约触发条件，从区块链网络的账本中获取与目标业务相关的多个风险控制项；向第一业务方发送信息获取请求，以获取第一业务方的当前风险属性信息；基于当前风险属性信息，确定多个风险控制项各自的当前指标值；将多个风险控制项各自的当前指标值输入与目标业务相关的风险识别模型，得到第二识别结果；以及在第二识别结果表示第一业务方有风险的情况下，向目标业务的第二业务方发送风险预警信息。
[0109]
根据本公开的实施例，以供应链应收款业务为例，由于信用风险是不断变化的，可以通过智能合约，持续跟踪该业务的业务风险变化情况，并且使用上述判别函数进行智能预警，一旦函数判断存在违约风险，可以及时发出预警信息。在触发预警后，业务机构可以根据预警信息，采取贷后处置步骤，如处置质押资产、要求核心企业承担连带还款责任等手段，减少因违约带来的损失。
[0110]
图5示意性示出了根据本公开的实施例的业务处理装置的框图。
[0111]
如图5所示，业务处理装置500包括第一确定模块510、第二确定模块520、第一输入模块530和第一发送模块540。
[0112]
第一确定模块510，用于响应于针对目标业务的业务处理请求，基于目标业务的业务类型，确定多个风险控制项。
[0113]
第二确定模块520，用于基于与目标业务相关的第一业务方的风险属性信息，确定多个风险控制项各自的指标值。
[0114]
第一输入模块530，用于将多个风险控制项各自的指标值输入与目标业务相关的风险识别模型，得到第一识别结果。
[0115]
第一发送模块540，用于在第一识别结果表示第一业务方无风险的情况下，向业务系统发送业务处理请求，其中，业务系统被配置为响应于业务处理请求，处理目标业务。
[0116]
根据本公开的实施例，第一确定模块51 0包括第一确定单元和第二确定单元。
[0117]
第一确定单元，用于从配置表中获取与目标业务的业务类型相关的多个风险控制项。
[0118]
第二确定单元，用于利用决策树，从多个初始风险控制项中确定与目标业务的业务类型相关的多个风险控制项。
[0119]
根据本公开的实施例，第二确定单元包括第一确定子单元、第二确定子单元和第三确定子单元。
[0120]
第一确定子单元，用于确定与目标业务相关的至少一个决策条件。
[0121]
第二确定子单元，用于以至少一个决策条件作为分支节点的判断条件，以多个初始风险控制项作为叶节点，生成决策树。
[0122]
第三确定子单元，用于确定决策树中的最后一个分支节点的目标分支下的多个叶节点为多个风险控制项。
[0123]
根据本公开的实施例，业务处理装置500还包括第一获取模块和第三确定模块。
[0124]
第一获取模块，用于从数据库中获取与目标业务相关的历史业务数据。
[0125]
第三确定模块，用于基于历史业务数据，确定多个初始风险控制项。
[0126]
根据本公开的实施例，第三确定模块包括第三确定单元和第四确定单元。
[0127]
第三确定单元，用于对历史业务数据进行故障树分析，以确定与目标业务相关的至少一个风险事件。
[0128]
第四确定单元，用于对于每个风险事件，基于历史业务数据中与风险事件相关的目标历史业务数据，确定至少一个初始风险控制项。
[0129]
根据本公开的实施例，第二确定模块520包括第五确定单元和第六确定单元。
[0130]
第五确定单元，用于对于每个风险控制项，确定与风险控制项对应的关键词。
[0131]
第六确定单元，用于基于关键词，对风险属性信息进行正则匹配，得到风险控制项的指标值。
[0132]
根据本公开的实施例，风险识别模型包括费雪判别模型。
[0133]
根据本公开的实施例，第一输入模块530包括第一输入单元和第二输入单元。
[0134]
第一输入单元，用于从风险识别模型中确定多个风险控制项各自的识别系数。
[0135]
第二输入单元，用于基于多个风险控制项各自的指标值和多个风险控制项各自的识别系数，得到第一识别结果。
[0136]
根据本公开的实施例，业务处理装置500还包括处理模块。
[0137]
处理模块，用于在接收到业务系统返回的表示目标业务处理完成的反馈信息的情况下，将目标业务和与目标业务相关的多个风险控制项在区块链网络中上链。
[0138]
根据本公开的实施例，业务处理装置500还包括第二获取模块、第二发送模块、第四确定模块、第二输入模块和第三发送模块。
[0139]
第二获取模块，用于响应于满足智能合约触发条件，从区块链网络的账本中获取与目标业务相关的多个风险控制项。
[0140]
第二发送模块，用于向第一业务方发送信息获取请求，以获取第一业务方的当前风险属性信息。
[0141]
第四确定模块，用于基于当前风险属性信息，确定多个风险控制项各自的当前指标值。
[0142]
第二输入模块，用于将多个风险控制项各自的当前指标值输入与目标业务相关的风险识别模型，得到第二识别结果。
[0143]
第三发送模块，用于在第二识别结果表示第一业务方有风险的情况下，向目标业务的第二业务方发送风险预警信息。
[0144]
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
[0145]
例如，第一确定模块510、第二确定模块520、第一输入模块530和第一发送模块540中的任意多个可以合并在一个模块/单元/子单元中实现，或者其中的任意一个模块/单元/
子单元可以被拆分成多个模块/单元/子单元。或者，这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合，并在一个模块/单元/子单元中实现。根据本公开的实施例，第一确定模块510、第二确定模块520、第一输入模块530和第一发送模块540中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一确定模块510、第二确定模块520、第一输入模块530和第一发送模块540中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
[0146]
需要说明的是，本公开的实施例中业务处理装置部分与本公开的实施例中业务处理方法部分是相对应的，业务处理装置部分的描述具体参考业务处理方法部分，在此不再赘述。
[0147]
图6示意性示出了根据本公开实施例的适于实现业务处理方法的电子设备的框图。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0148]
如图6所示，根据本公开实施例的计算机电子设备600包括处理器601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如cpu)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(asic))，等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
[0149]
在ram 603中，存储有电子设备600操作所需的各种程序和数据。处理器601、rom 602以及ram 603通过总线604彼此相连。处理器601通过执行rom 602和/或ram 603中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除rom 602和ram 603以外的一个或多个存储器中。处理器601也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
[0150]
根据本公开的实施例，电子设备600还可以包括输入/输出(i/o)接口605，输入/输出(i/o)接口605也连接至总线604。电子设备600还可以包括连接至输入/输出(i/o)接口605的以下部件中的一项或多项：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至输入/输出(i/o)接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
[0151]
根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611
被安装。在该计算机程序被处理器601执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
[0152]
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
[0153]
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0154]
例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的rom 602和/或ram 603和/或rom 602和ram 603以外的一个或多个存储器。
[0155]
本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行本公开实施例所提供的方法的程序代码，当计算机程序产品在电子设备上运行时，该程序代码用于使电子设备实现本公开实施例所提供的业务处理方法。
[0156]
在该计算机程序被处理器601执行时，执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
[0157]
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分609被下载和安装，和/或从可拆卸介质611被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
[0158]
根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如java，c++，python，“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
[0159]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际
上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
[0160]
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

技术特征：
1.一种业务处理方法，包括：响应于针对目标业务的业务处理请求，基于所述目标业务的业务类型，确定多个风险控制项；基于与所述目标业务相关的第一业务方的风险属性信息，确定所述多个风险控制项各自的指标值；将所述多个风险控制项各自的指标值输入与所述目标业务相关的风险识别模型，得到第一识别结果；以及在所述第一识别结果表示所述第一业务方无风险的情况下，向业务系统发送所述业务处理请求，其中，所述业务系统被配置为响应于所述业务处理请求，处理所述目标业务。2.根据权利要求1所述的方法，其中，所述基于所述目标业务的业务类型，确定多个风险控制项，包括：从配置表中获取与所述目标业务的业务类型相关的所述多个风险控制项；或者利用决策树，从多个初始风险控制项中确定与所述目标业务的业务类型相关的所述多个风险控制项。3.根据权利要求2所述的方法，其中，所述利用决策树，从多个初始风险控制项中确定与所述目标业务的业务类型相关的所述多个风险控制项，包括：确定与所述目标业务相关的至少一个决策条件；以所述至少一个决策条件作为分支节点的判断条件，以所述多个初始风险控制项作为叶节点，生成所述决策树；以及确定所述决策树中的最后一个分支节点的目标分支下的多个叶节点为所述多个风险控制项。4.根据权利要求2或3所述的方法，还包括：从数据库中获取与所述目标业务相关的历史业务数据；以及基于所述历史业务数据，确定所述多个初始风险控制项。5.根据权利要求4所述的方法，其中，所述基于所述历史业务数据，确定所述多个初始风险控制项，包括：对所述历史业务数据进行故障树分析，以确定与所述目标业务相关的至少一个风险事件；以及对于每个所述风险事件，基于所述历史业务数据中与所述风险事件相关的目标历史业务数据，确定至少一个所述初始风险控制项。6.根据权利要求1所述的方法，其中，所述基于与所述目标业务相关的第一业务方的风险属性信息，确定所述多个风险控制项各自的指标值，包括：对于每个所述风险控制项，确定与所述风险控制项对应的关键词；以及基于所述关键词，对所述风险属性信息进行正则匹配，得到所述风险控制项的指标值。7.根据权利要求1所述的方法，其中，所述风险识别模型包括费雪判别模型；其中，所述将所述多个风险控制项各自的指标值输入与所述目标业务相关的风险识别模型，得到第一识别结果，包括：从所述风险识别模型中确定所述多个风险控制项各自的识别系数；以及基于所述多个风险控制项各自的指标值和所述多个风险控制项各自的识别系数，得到
所述第一识别结果。8.根据权利要求1所述的方法，还包括：在接收到所述业务系统返回的表示所述目标业务处理完成的反馈信息的情况下，将所述目标业务和与所述目标业务相关的多个风险控制项在区块链网络中上链。9.根据权利要求8所述的方法，还包括：响应于满足智能合约触发条件，从所述区块链网络的账本中获取与所述目标业务相关的多个风险控制项；向所述第一业务方发送信息获取请求，以获取所述第一业务方的当前风险属性信息；基于所述当前风险属性信息，确定所述多个风险控制项各自的当前指标值；将所述多个风险控制项各自的当前指标值输入与所述目标业务相关的风险识别模型，得到第二识别结果；以及在所述第二识别结果表示所述第一业务方有风险的情况下，向所述目标业务的第二业务方发送风险预警信息。10.一种业务处理装置，包括：第一确定模块，用于响应于针对目标业务的业务处理请求，基于所述目标业务的业务类型，确定多个风险控制项；第二确定模块，用于基于与所述目标业务相关的第一业务方的风险属性信息，确定所述多个风险控制项各自的指标值；第一输入模块，用于将所述多个风险控制项各自的指标值输入与所述目标业务相关的风险识别模型，得到第一识别结果；以及第一发送模块，用于在所述第一识别结果表示所述第一业务方无风险的情况下，向业务系统发送所述业务处理请求，其中，所述业务系统被配置为响应于所述业务处理请求，处理所述目标业务。11.一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个指令，其中，当所述一个或多个指令被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至9中任一项所述的方法。12.一种计算机可读存储介质，其上存储有可执行指令，所述可执行指令被处理器执行时使处理器实现权利要求1至9中任一项所述的方法。13.一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，所述计算机可执行指令在被执行时用于实现权利要求1至9中任一项所述的方法。

技术总结
本公开提供了一种业务处理方法、装置、电子设备和存储介质，可以应用于计算机技术领域、区块链技术领域和金融领域。该方法包括：响应于针对目标业务的业务处理请求，基于目标业务的业务类型，确定多个风险控制项；基于与目标业务相关的第一业务方的风险属性信息，确定多个风险控制项各自的指标值；将多个风险控制项各自的指标值输入与目标业务相关的风险识别模型，得到第一识别结果；以及在第一识别结果表示第一业务方无风险的情况下，向业务系统发送业务处理请求，其中，业务系统被配置为响应于业务处理请求，处理目标业务。处理目标业务。处理目标业务。


技术研发人员：王晓宇
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：2023.06.26
技术公布日：2023/9/22