一种风控模型的更新方法、装置及设备与流程

本说明书一个或多个实施例涉及计算机技术领域，尤其涉及一种风控模型的更新方法、装置及设备。

背景技术：

目前，随着移动支付的普及，越来越多的用户采用智能手机等电子设备作为支付工具使用。由于支付过程涉及到用户的经济利益，如果对于支付过程不加以管控，则可能对用户的资产带来损失。例如，有些用户会恶意盗用第三方用户的设备进行支付，有些用户会利用具有电子设备的收款功能进行欺诈等等。因此，对于支付过程的风险控制显得尤为重要。

现有技术中，通常通过风控模型对支付过程进行风险控制。风控模型部署在云端服务器上。终端在支付过程中，会将支付相关信息发送至云端服务器。云端服务器根据终端上报的数据以及风控模型进行风险识别。

上述方式中，对于整个风控过程中涉及的计算过程，基本全部在云端服务器进行，对于云端服务器的资源消耗很大。并且，在对风控模型进行更新时，会进一步加剧对云端服务器的资源消耗。

技术实现要素：

有鉴于此，本说明书一个或多个实施例提供了一种风控模型的更新方法、装置及设备，用于减少对于云端服务器的资源消耗。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供的一种风控模型的更新方法，包括：

终端获取触发信息；所述触发信息用于表示所述终端所在的局域网中加入了另外的设备；所述终端上部署有第一风控模型，所述另外的设备上部署有第二风控模型；

判断所述第二风控模型的更新时间是否晚于所述第一风控模型的更新时间，得到第一判断结果；

当所述第一判断结果表示所述第二风控模型的更新时间晚于所述第一风控模型的更新时间时，基于所述第二风控模型更新所述第一风控模型。

本说明书实施例提供的一种风控模型更新的触发方法，包括：

部署有第一风控模型的终端接入局域网；

将所述第一风控模型的版本信息向所述局域网中的设备进行广播，以便触发所述局域网中的设备采用本说明书实施例所述的方法进行风控模型的更新。

本说明书实施例提供的一种风控模型更新的触发方法，包括：

部署有第一风控模型的终端接入局域网；

判断所述局域网内的第二风控模型的更新时间是否早于所述第一风控模型的更新时间，得到第一判断结果；

当所述第一判断结果表示所述第二风控模型的更新时间早于所述第一风控模型的更新时间时，将所述第一风控模型的黑样本数据发送至所述局域网中的在线设备，以便所述在线设备根据所述黑样本数据对所述在线设备的风控模型进行在线更新。

本说明书实施例提供的一种风控模型的更新装置，包括：

触发信息获取单元，用于获取触发信息；所述触发信息用于表示终端所在的局域网中加入了另外的设备；所述终端上部署有第一风控模型，所述另外的设备上部署有第二风控模型；

判断单元，用于判断所述第二风控模型的更新时间是否晚于所述第一风控模型的更新时间，得到第一判断结果；

风控模型更新单元，用于当所述第一判断结果表示所述第二风控模型的更新时间晚于所述第一风控模型的更新时间时，基于所述第二风控模型更新所述第一风控模型。

本说明书实施例提供的一种风控模型的更新装置，包括：

局域网接入单元，用于使部署有第一风控模型的终端接入局域网；

版本信息广播单元，用于将所述第一风控模型的版本信息向所述局域网中的设备进行广播，以便触发所述局域网中的设备采用本说明书实施例所述的方法进行风控模型的更新。

本说明书实施例提供的一种风控模型更新的触发装置，包括：

局域网接入单元，用于部署有第一风控模型的终端接入局域网；

判断单元，用于判断所述局域网内的第二风控模型的更新时间是否早于所述第一风控模型的更新时间，得到第一判断结果；

黑样本数据发送单元，用于当所述第一判断结果表示所述第二风控模型的更新时间早于所述第一风控模型的更新时间时，将所述第一风控模型的黑样本数据发送至所述局域网中的在线设备，以便所述在线设备根据所述黑样本数据对所述在线设备的风控模型进行在线更新。

本说明书实施例提供的一种具有风控模型更新功能的电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

获取触发信息；所述触发信息用于表示所述电子设备所在的局域网中加入了另外的设备；所述电子设备上部署有第一风控模型，所述另外的设备上部署有第二风控模型；

判断所述第二风控模型的更新时间是否晚于所述第一风控模型的更新时间，得到第一判断结果；

当所述第一判断结果表示所述第二风控模型的更新时间晚于所述第一风控模型的更新时间时，基于所述第二风控模型更新所述第一风控模型；

或者，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

控制部署有第一风控模型的所述电子设备接入局域网；

控制所述电子设备将所述第一风控模型的版本信息向所述局域网中的设备进行广播，以便触发所述局域网中的设备采用本说明书实施例所述的方法进行风控模型的更新；

或者，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

控制部署有第一风控模型的所述电子设备接入局域网；

判断所述局域网内的第二风控模型的更新时间是否早于所述第一风控模型的更新时间，得到第一判断结果；

当所述第一判断结果表示所述第二风控模型的更新时间早于所述第一风控模型的更新时间时，控制所述电子设备将所述第一风控模型的黑样本数据发送至所述局域网中的在线设备，以便所述在线设备根据所述黑样本数据对所述在线设备的风控模型进行在线更新。

本说明书实施例提供的一种风控系统，包括：

云端服务器、第一终端和第二终端；

所述云端服务器，用于生成风控模型并下发至所述终端，以及基于各个所述终端上报的用户行为数据确定黑样本数据，将所述黑样本数据下发至所述终端；

所述第一终端上部署有第一版本的所述风控模型，所述第一终端用于：

当所述第一终端所在的局域网中接入所述第二终端时，基于所述第二终端的第二版本的风控模型的黑样本数据，对所述第一终端的风控模型进行在线更新；

以及，获取所述云端服务器下发的所述黑样本数据；基于所述云端服务器下发的所述黑样本数据对所述第一终端的风控模型进行在线更新。

本说明书一个实施例实现了能够达到以下有益效果：通过获取终端所在的局域网中加入另外的设备的触发信息，比对新入网设备上部署的风控模型与局域网中在线终端自身部署的风控模型的更新时间，基于更新时间晚的风控模型更新更新时间早的风控模型。更新模型部署在终端上，且风控模型的更新过程也在终端中进行，减轻了对云端服务器的资源消耗，减小了云端服务器的运行压力。

附图说明

此处所说明的附图用来提供对本说明书一个或多个实施例的进一步理解，构成本说明书一个或多个实施例的一部分，本说明书的示意性实施例及其说明用于解释本说明书一个或多个实施例，并不构成对本说明书一个或多个实施例的不当限定。在附图中：

图1为本说明书实施例中一种风控模型的更新系统的整体架构示意图；

图2为本说明书实施例中一种风控模型的在线学习原理示意图；

图3为本说明书实施例提供的一种风控模型的更新方法的流程示意图；

图4为本说明书实施例提供的一种风控模型的结构及运行原理的示意图；

图5为本说明书实施例提供的对应于图3的一种风控模型的更新装置的结构示意图；

图6为本说明书实施例提供的对应于图3的一种风控模型的更新设备的结构示意图。

具体实施方式

为使本说明书一个或多个实施例的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书一个或多个实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书一个或多个实施例保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

现有技术中，通过风控模型对支付交易进行风险管控时，风控模型主要部署在云端服务器上。通常需要云端服务器根据采集到的数据进行模型更新，并将更新后的风险模型发布到局域网连接的各个移动终端设备上，以替换各个移动终端设备上的风险模型，导致云端服务器的资源消耗加剧，增大云端服务器的运行压力。

为了解决现有技术中的缺陷，本方案给出了以下实施例：

图1为本说明书实施例中一种风控模型的更新系统的整体架构示意图。如图1所示，该系统可以包括：

云端服务器101、第一终端102和第二终端103；其中，云端服务器101可以用于生成风控模型并下发至终端，也可以基于各个终端上报的用户行为数据确定黑样本数据，然后将黑样本数据下发至终端；第一终端102上可以部署有第一版本的风控模型，需要说明的是，第一终端102可以用于当第一终端102所在的局域网中接入第二终端103时，基于第二终端103的第二版本的风控模型的黑样本数据，对第一终端102的风控模型进行在线更新；第一终端102还可以用于获取云端服务器101下发的黑样本数据；基于云端服务器101下发的所述黑样本数据对第一终端102的风控模型进行在线更新。

需要说明的是，云端服务器101将风控模型或者黑样本数据下发给终端时，可以通过边缘设备104进行下发，边缘设备104可以是局域网的网络入口设备，比如：路由器。在本说明书实施例中，黑样本数据可以表示涉案交易，比如：存在用户投诉并判定投诉成立的交易，例如账户被盗、套现等交易。图1所示系统中，第一终端102以及第二终端103只是为了进行示意性说明而具体给出的，该系统中还可以包括另外的多个终端设备。

需要进一步说明的是，下发到局域网中各终端的模型可以在终端侧进行在线学习，其中，在线学习的原理过程详见图2。

图2为本说明书实施例中一种风控模型的在线学习原理示意图，如图2所示，模型进行在线学习时，可以根据新接入局域网中的设备中的黑样本数据201进行在线学习，进行模型更新。

图3为本说明书实施例提供的一种风控模型的更新方法的流程示意图。从程序角度而言，流程的执行主体可以为搭载于应用服务器的程序或应用客户端。

如图3所示，该流程可以包括以下步骤：

步骤302：终端获取触发信息；所述触发信息用于表示所述终端所在的局域网中加入了另外的设备；所述终端上部署有第一风控模型，所述另外的设备上部署有第二风控模型。

终端(terminal)也称终端设备，可以指的是计算机网络中处于网络最外围的设备，主要用于用户信息的输入以及处理结果的输出等。所述的终端，可以是手机、平板电脑、智能电视、计算机等。本说明书实施例中步骤302中的终端可以是已经接入局域网中的终端。

触发信息可以是表示终端所在的局域网中新接入了其他的设备的信息。比如：局域网中原本存在设备1和设备2，当局域网中接入设备3时，局域网中原本存在的设备1和设备2可以获取到路由器转发的局域网中接入设备3的通知信息，这一通知信息可以作为触发信息。

终端上部署有第一风控模型，局域网中新接入的另外的设备可以部署有第二风控模型。需要说明的是，这里提到的风控模型可以用于对交易的风险进行预测管控。局域网中可以包含多个终端，每个终端上部署的风控模型可以认为是版本一致的模型。

步骤304：判断所述第二风控模型的更新时间是否晚于所述第一风控模型的更新时间，得到第一判断结果。

在实际应用中，终端中的风控模型在进行更新时，可以将风控模型的更新时间记录在终端中。终端获取到局域网中有新设备接入的触发信息后，可以获取并确定新接入的设备上部署的风控模型与终端上部署的风控模型的更新时间。

更新时间可以包括终端中记录的服务器向终端下发新模型时对应的时间戳，还可以包括其他能够判断模型更新时间早晚的信息，比如：模型的版本号，从版本号中可以看出模型版本的新旧，比如：1.0的版本与2.0的版本，可以认为2.0的版本相对于1.0的版本来说，属于新版本，更新时间较晚。

步骤306：当所述第一判断结果表示所述第二风控模型的更新时间晚于所述第一风控模型的更新时间时，基于所述第二风控模型更新所述第一风控模型。

在比对第一风控模型与第二风控模型的更新时间时，更新时间晚的模型是新模型。例如：局域网中存在终端1和终端2，新接入局域网中的设备为终端3，终端1与终端2上部署的风控模型均为模型1，模型1的更新时间为：2019年5月4日；终端3上部署的风控模型为模型2，模型2的更新时间为：2019年6月4日；此时，可以判定模型2的更新时间晚于模型1的更新时间，因此，可以认为模型2相对于模型1来说为新模型。

应当理解，本说明书一个或多个实施例所述的方法其中部分步骤的顺序可以根据实际需要进行调换。

在实际应用中，初始风控模型以及更新后的模型可以由云端服务器生成并向各个终端设备下发。但是，由于一部分终端设备在云端服务器进行模型下发时，并不在线，就会导致在线的终端设备获取到了最新的风控模型，但不在线的那部分终端设备没有得到最新的风控模型。如果采用本说明书实施例的方法，则部署有最新的风控模型的终端设备接入一个局域网后，可以与该局域网内的在网设备针对风控模型的更新时间信息进行通信，当新入网的终端上的风控模型新于该局域网内的设备上的风控模型时，新入网的终端就可以与该局域网内的设备之间在局域网内实现对该局域网内的设备上的风控模型的更新。上述局域网内的风控模型的更新过程，由于基本不需要云端服务器的介入，所以可以很大程度上减少云端服务器的运行压力，减轻对云端服务器的资源消耗。

综上，图3中的方法，通过获取终端所在的局域网中加入另外的设备的触发信息，比对新加入的设备上部署的风控模型与终端自身部署的风控模型的更新时间，基于更新时间晚的风控模型更新时间早的风控模型。更新模型部署在终端上，且风控模型的更新过程也在终端中进行，减轻了对云端服务器的资源消耗，减小了云端服务器的运行压力。

还需要说明的是，由于将风控模型部署在了终端，所以每次的风险识别过程可以由终端自身完成，无需云端服务器参与每一次的风险识别过程，进一步减少了对云端服务器的资源占用。另外，终端自身在采用风控模型进行风险识别时，可以最直接的获取到用户的操作行为数据以及终端可以获取的隐私保护数据，基于这些数据采用风控模型，可以最大程度的利用风控模型的性能。而云端服务器是很难获取到这些数据的。因此，将风控模型部署在终端，还具有以下有益效果：可以在较快的时间内获取到风控模型所需的数据；可以充分利用用户的操作行为数据以及部分隐私保护数据。

基于图3的方法，本说明书实施例还提供了该方法的一些具体实施方式，下面进行说明。

可选的，所述获取触发信息，具体可以包括：获取所述局域网的网络入口设备转发的设备入网信息。所述获取触发信息，具体还可以包括：获取所述另外的设备在所述局域网内广播的所述第二风控模型的版本信息。

需要说明的是，网络入口设备可以是边缘设备(edgedevice)，比如：网络入口设备可以是安装在边缘网络上的交换机、路由器、路由交换机、综合接入设备(iad)。

各个局域网可以通过网络入口设备进行连接，以路由器(router)为例，当局域网中有新设备接入时，路由器可以将局域网中接入新设备这一信息转发给局域网中的各个设备。

获取触发信息可以是：获取局域网的入口设备转发的设备入网信息，比如，由连接局域网的路由器转发的新设备接入局域网的信息。除此之外，新设备接入局域网中之后，也可以将部署在自身的风险模型对应的版本信息在局域网中进行广播，因此，获取触发信息还可以是：获取接入局域网中的新设备在局域网中广播的自身部署的风控模型的版本信息。

当所述触发信息的获取方式为由局域网的入口设备将新设备的入网信息转发至在网终端时，所述判断所述第二风控模型的更新时间是否晚于所述第一风控模型的更新时间之前，还可以包括：

在网终端根据所述设备入网信息，向所述另外的设备发送版本获取请求；

获取所述另外的设备基于所述版本获取请求反馈的所述第二风控模型的版本信息。

通过上述方法，局域网中的设备可以获知新加入局域网中的终端上部署的模型的版本信息，便于局域网中的终端设备判断是否需要更新自身部署的模型。

所述判断所述第二风控模型的更新时间是否晚于所述第一风控模型的更新时间，具体可以包括：

根据所述版本信息，判断所述第二风控模型的版本是否新于所述第一风控模型的版本。

在实际应用中，当局域网中的设备接收到新加入局域网中的终端上部署的风控模型的版本信息之后，可以根据风控模型的版本信息判断新接入局域网中的设备上部署的风控模型是否为新模型。具体地，可以根据模型的版本号或者模型更新的时间戳判断新接入局域网中的设备上部署的风控模型是否为新模型。下面可以针对这两种判断方式分别进行说明：

方式一、根据模型的版本号判断新接入局域网中的设备上部署的风控模型是否为新模型。

所述根据模型的版本号信息判断新接入局域网中的设备上部署的风控模型是否为新模型，具体可以包括：

根据新接入的设备中模型对应的版本号，判断新设备中模型相对于本身的模型来说是否为新的模型，得到判断结果；

当所述当判断得到新设备中模型相对于本身的模型来说是否为新模型时，可以获取新设备上的模型，并将本身的模型更新为与新设备上部署的模型版本号相同的模型。

需要说明的是，版本号(versionnumber)可以是版本的标识号，一个模型可以对应一个模型版本号，根据模型的版本号可以判断模型的更新时间，比如：模型的1.0版本，模型的2.0版本，模型的2.0版本相对于1.0版本来说为新版本。

方式二、根据模型更新的时间戳判断新接入局域网中的设备上部署的风控模型是否为新模型。

具体地，可以判断新接入局域网的设备上部署的风控模型更新的时间戳是否晚于终端自身部署的风控模型对应的时间戳。

当新接入局域网的设备上部署的风控模型更新的时间戳晚于终端自身部署的风控模型对应的时间戳时，将终端上部署的模型更新为与新设备上部署的模型版本号一致的模型。例如：在接入新设备之前，局域网中存在设备2和设备3，设备2和设备3上部署的模型的更新时间戳为2019年5月4日，存在一个新加入局域网中的终端1，终端1上部署的模型的更新时间戳为2019年6月4日，此时，可以判断得到新加入局域网中的终端上的模型为新模型。

需要说明的是，上述的模型更新的时间戳可以表示的是服务器将新模型发布到终端设备上的时间记录。

通过上述方法，局域网中的设备通过根据新加入局域网的终端上部署的模型对应的版本号或者模型更新的时间戳，判断新加入局域网的终端上部署的模型是否为新模型，便于局域网中的设备快速获知加入局域网中的新设备的模型是否为新模型。

在实际应用中，风控模型可以是具有在线学习能力的模型，可以根据黑样本数据进行自学习从而实现风控模型的更新。因此，可以将最新的黑样本数据发送至部署有该风控模型的终端设备，令终端设备根据最新的黑样本数据自动完成对于自身的风控模型的更新过程。

具体的，所述基于所述第二风控模型更新所述第一风控模型，可以包括：

获取所述第二风控模型的第一黑样本数据；

基于所述第一黑样本数据，采用在线学习算法进行自学习以实现对所述第一风控模型的更新，得到更新后的第一风控模型。

在更新局域网中各设备上部署的风控模型时，可以利用新接入局域网的终端中的黑样本数据，采用在线学习算法进行自学习，达到模型的更新，更进一步地，所述采用在线学习算法进行自学习以实现对所述第一风控模型的更新，具体可以包括：

采用ftrl算法对所述第一风控模型进行更新。

ftrl(follow-the-regularized-leader)算法是一种在线学习算法，可以保证比较高的精度，还可以在损失一定精度的情况下产生更好的稀疏性。本方案中采用ftrl算法可以实现在线更新模型。

黑样本数据可以由云端服务器整体下发给已经部署了模型的设备，设备可以根据黑样本数据进行在线学习，服务器端不需要将更新后的整个模型下发至终端设备。服务器端将黑样本数据下发给局域网中的终端设备后，由终端设备根据黑样本数据更新自身部署的风控模型，实现模型在物联网(internetofthings，简称iot)上的在线更新。

通过上述方法，可以实现风控模型快速应对风险，且能减少服务器的资源消耗。

实际应用中，终端更新模型的具体方式，还可以包括：

获取云端服务器发送的第二黑样本数据；

基于所述第二黑样本数据，采用在线学习算法对所述更新后的第一风控模型再次进行更新。

通过上述方法，可以实现模型部署在边缘设备上，还可以实现模型在物联网上的在线更新，保证模型能够快速应对风险并极大节省了系统资源。

图4为本说明书实施例提供的一种风控模型的结构及运行原理的示意图，如图4所示，模型中包括数据层和模型层，在数据层，可以在终端设备端获取丰富的信息，比如：交易信息、远程过程调用(remoteprocedurecall，rpc)数据、陀螺仪传感数据、触屏行为数据等。利用数据层中的数据可以进行全局模型的建立以及模型的更新，更为具体地，模型在进行训练时，可以依赖机器学习平台(pai)完成模型的开发并生成模型文件。训练完模型之后，可以将模型下发到局域网中的各个终端。其中，陀螺仪可以用于采集用户进行终端操作的姿态，触屏行为可以表示用户在终端界面上进行的指划操作或划转动作等，根据采集到的交易信息，用户历史操作行为、用户的识别姿态以及用户的触屏行为等数据，可以获取覆盖度以及精确度更佳的特征向量，使训练得到的模型性能更佳，预测效果更精确。

基于同样的思路，本说明书实施例还提供了一种风控模型更新的触发方法，可以包括：

部署有第一风控模型的终端接入局域网；

将所述第一风控模型的版本信息向所述局域网中的设备进行广播，以便触发所述局域网中的设备采用如本说明书实施例的方法进行风控模型的更新。

需要说明的是，新接入局域网中的设备可以将自身部署的模型的版本信息在局域网中进行广播，局域网中连网的各设备可以接收到新设备广播的模型版本信息，并根据版本信息判断是否需要更新自身模型。

通过上述方法，接入局域网中的设备可以自发地广播自身模型的版本信息，提高了局域网中其他设备获取新设备模型版本信息的效率。

基于同样的思路，本说明书实施例还提供了一种风控模型更新的触发方法，可以包括：

部署有第一风控模型的终端接入局域网；

判断所述局域网内的第二风控模型的更新时间是否早于所述第一风控模型的更新时间，得到第一判断结果；

当所述第一判断结果表示所述第二风控模型的更新时间早于所述第一风控模型的更新时间时，将所述第一风控模型的黑样本数据发送至所述局域网中的在线设备，以便所述在线设备根据所述黑样本数据对所述在线设备的风控模型进行在线更新。

在实际应用过程中，新加入局域网中的新设备可以判断自身模型的更新时间是否早于局域网中原有设备上部署的模型的更新时间，如果早于，可以认为自身部署的模型为新模型，将自身模型对应的黑样本数据在局域网中进行广播或者发送给局域网中的各个设备，以便局域网中的原有设备可以根据黑样本数据进行模型更新。

通过上述方法，新入网的设备可以将黑样本数据发送给局域网中的其他设备，以便于局域网中的其他设备根据黑样本数据进行模型更新，不需要云端服务器发送黑样本数据，减轻了服务器的资源消耗。

基于同样的思路，本说明书实施例还提供了上述方法对应的装置。图5为本说明书实施例提供的对应于图3的一种风控模型的更新装置的结构示意图。如图5所示，该装置可以包括：

触发信息获取单元502，用于获取触发信息；所述触发信息用于表示终端所在的局域网中加入了另外的设备；所述终端上部署有第一风控模型，所述另外的设备上部署有第二风控模型；

判断单元504，用于判断所述第二风控模型的更新时间是否晚于所述第一风控模型的更新时间，得到第一判断结果；

风控模型更新单元506，用于当所述第一判断结果表示所述第二风控模型的更新时间晚于所述第一风控模型的更新时间时，基于所述第二风控模型更新所述第一风控模型。

基于图5的装置，本说明书实施例还提供了该方法的一些具体实施方式，下面进行说明。

可选的，所述触发信息获取单元502，具体可以包括：

设备入网信息获取子单元，用于获取所述局域网的网络入口设备转发的设备入网信息。

可选的，所述装置，还可以包括：

版本获取请求发送单元，用于根据所述设备入网信息，向所述另外的设备发送版本获取请求；

模型版本信息获取单元，用于获取所述另外的设备基于所述版本获取请求反馈的所述第二风控模型的版本信息。

可选的，所述触发信息获取单元502，具体可以用于：

获取所述另外的设备在所述局域网内广播的所述第二风控模型的版本信息。

可选的，判断单元504，具体可以用于：

根据所述版本信息，判断所述第二风控模型的版本是否新于所述第一风控模型的版本。

可选的，所述风控模型更新单元506，具体可以用于：

第一黑样本数据获取子单元，用于获取所述第二风控模型的第一黑样本数据；

第一模型更新子单元，用于基于所述第一黑样本数据，采用在线学习算法进行自学习以实现对所述第一风控模型的更新，得到更新后的第一风控模型。

可选的，所述模型更新子单元，具体可以用于：

采用ftrl算法对所述第一风控模型进行更新。

可选的，所述风控模型更新单元506，具体还可以包括：

第二黑样本数据获取子单元，用于获取云端服务器发送的第二黑样本数据；

第二模型更新子单元，用于基于所述第二黑样本数据，采用在线学习算法对所述更新后的第一风控模型再次进行更新。

基于同样的思路，本说明书实施例还提供了一种风控模型的更新装置，该更新装置可以包括：

局域网接入单元，用于使部署有第一风控模型的终端接入局域网；

版本信息广播单元，用于将所述第一风控模型的版本信息向所述局域网中的设备进行广播，以便触发所述局域网中的设备采用本说明书实施例所述的方法进行风控模型的更新。

基于同样的思路，本说明书实施例还提供了一种风控模型更新的触发装置，该触发装置可以包括：

局域网接入单元，用于部署有第一风控模型的终端接入局域网；

判断单元，用于判断所述局域网内的第二风控模型的更新时间是否早于所述第一风控模型的更新时间，得到第一判断结果；

黑样本数据发送单元，用于当所述第一判断结果表示所述第二风控模型的更新时间早于所述第一风控模型的更新时间时，将所述第一风控模型的黑样本数据发送至所述局域网中的在线设备，以便所述在线设备根据所述黑样本数据对所述在线设备的风控模型进行在线更新。

基于同样的思路，本说明书实施例还提供了上述方法对应的设备。

图6为本说明书实施例提供的对应于图3的一种风控模型的更新设备的结构示意图。如图6所示，设备600可以包括：

至少一个处理器610；以及，

与所述至少一个处理器通信连接的存储器630；其中，

所述存储器630存储有可被所述至少一个处理器610执行的指令620，所述指令被所述至少一个处理器610执行，以使所述至少一个处理器610能够：

获取触发信息；所述触发信息用于表示所述电子设备所在的局域网中加入了另外的设备；所述电子设备上部署有第一风控模型，所述另外的设备上部署有第二风控模型；

判断所述第二风控模型的更新时间是否晚于所述第一风控模型的更新时间，得到第一判断结果；

当所述第一判断结果表示所述第二风控模型的更新时间晚于所述第一风控模型的更新时间时，基于所述第二风控模型更新所述第一风控模型；

或者，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

控制部署有第一风控模型的所述电子设备接入局域网；

控制所述电子设备将所述第一风控模型的版本信息向所述局域网中的设备进行广播，以便触发所述局域网中的设备采用本说明书实施例所述的方法进行风控模型的更新；

或者，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

控制部署有第一风控模型的所述电子设备接入局域网；

判断所述局域网内的第二风控模型的更新时间是否早于所述第一风控模型的更新时间，得到第一判断结果；

当所述第一判断结果表示所述第二风控模型的更新时间早于所述第一风控模型的更新时间时，控制所述电子设备将所述第一风控模型的黑样本数据发送至所述局域网中的在线设备，以便所述在线设备根据所述黑样本数据对所述在线设备的风控模型进行在线更新。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(programmablelogicdevice,pld)(例如现场可编程门阵列(fieldprogrammablegatearray，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logiccompiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(hardwaredescriptionlanguage，hdl)，而hdl也并非仅有一种，而是有许多种，如abel(advancedbooleanexpressionlanguage)、ahdl(alterahardwaredescriptionlanguage)、confluence、cupl(cornelluniversityprogramminglanguage)、hdcal、jhdl(javahardwaredescriptionlanguage)、lava、lola、myhdl、palasm、rhdl(rubyhardwaredescriptionlanguage)等，目前最普遍使用的是vhdl(very-high-speedintegratedcircuithardwaredescriptionlanguage)与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(applicationspecificintegratedcircuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc625d、atmelat91sam、microchippic18f26k20以及siliconelabsc8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

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、电子邮件设备、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。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书一个或多个实施例可提供为方法、系统、或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本说明书一个或多个实施例是参照根据本说明书一个或多个实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。

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，磁带式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(transitorymedia)，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。

本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

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。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书一个或多个实施例。对于本领域技术人员来说，本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的权利要求范围之内。