基于风控的服务请求处理方法、装置及系统与流程

本申请涉及数据处理领域，尤其涉及到一种基于风控的服务请求处理方法、装置及系统。

背景技术：

随着智能化水平的提高，为了便于业务的开展，各个领域根据不同的业务分别构建了不同的业务系统，业务系统在接收到业务请求后，对业务数据进行处理。为了保证业务处理过程的安全性，在进行业务数据的处理操作前，需要首先进行风险的检测。

现有的风控分析方式中，大多是基于设定的风控规则对业务数据进行校验，并通过相关工作人员进行管理和控制。然而，由于业务数据处理过程非常复杂，整个处理流程需要耗费大量的人力，故会导致作业效率较低且风险数据渗漏率高，存在较大安全隐患。

技术实现要素：

本发明实施例所要解决的技术问题是目前在业务数据处理的风控分析中，需要耗费大量的人力，导致作业效率较低且风险数据渗漏率高，存在较大安全隐患。

根据本发明的一个方面，提供了一种基于风控的服务请求处理方法，可应用于服务端侧，该方法包括：

接收客户端发送的服务请求，所述服务请求中携带有申请用户提交的证明材料数据以及待申请的目标服务，所述证明材料数据用于证明所述申请用户具备获取所述目标服务的条件；

对所述申请用户及所述证明材料数据分别进行安全验证；

若判定所述申请用户及所述证明材料数据均通过所述安全验证，则基于符合预设训练标准的风险计算模型预估处理所述服务请求对应的风险系数；

依据所述风险系数，确定是否处理所述服务请求。

优选地，所述对所述申请用户及所述证明材料数据分别进行安全验证，具体包括：

获取所述申请用户的用户标识；

基于所述用户标识对所述申请用户进行所述目标服务申请权限的第一安全验证；

若确定所述申请用户通过所述第一安全验证，则对所述证明材料数据进行数据规范的第二安全验证；

若确定所述证明材料数据通过所述第二安全验证，则判定所述申请用户及所述证明材料数据均通过安全验证。

优选地，所述对所述证明材料数据进行数据规范的第二安全验证，具体包括：

获取所述目标服务对应的业务服务类型；

根据所述业务服务类型对应的数据校验规则，校验所述证明材料数据；

若判定各个所述证明材料数据均满足对应的数据校验规则，则判定所述证明材料数据通过第二安全验证。

优选地，在所述基于符合预设训练标准的风险计算模型预估处理所述服务请求对应的风险系数之前，具体还包括：

基于历史处理记录提取所述目标服务的历史业务数据；

利用所述历史业务数据训练风险计算模型，以使所述风险计算模型符合预设训练标准。

优选地，所述利用所述历史业务数据训练风险计算模型，以使所述风险计算模型符合预设训练标准，具体包括：

基于相关系数从所述历史业务数据中筛选出风险指标；

通过机器学习算法确定所述风险指标对应不同风险指标值时的风险系数；

利用所述风险指标值以及对应的风险系数训练风险计算模型，以使所述风险计算模型符合预设训练标准。

优选地，所述若判定所述申请用户及所述证明材料数据均通过所述安全验证，则基于符合预设训练标准的风险计算模型预估处理所述服务请求对应的风险系数，具体包括：

若判定所述申请用户及所述证明材料数据均通过所述安全验证，则基于文本识别技术提取所述证明材料数据中的待测风险指标以及对应的待测风险指标值；

将所述待测风险指标以及对应的待测风险指标值输入符合所述预设训练标准的风险计算模型中，获取得到各个所述待测风险指标对应的目标风险系数。

优选地，所述依据所述风险系数，确定是否处理所述服务请求，具体包括：

若确定所述证明材料数据中不存在目标风险系数大于预设风险阈值的目标风险指标，则确定处理所述服务请求；

若确定所述证明材料数据中存在目标风险系数大于所述预设风险阈值的目标风险指标，则确定所述申请用户为风险用户，拒绝处理所述服务请求，并输出第一提示信息。

优选地，所述若确定所述证明材料数据中不存在目标风险系数大于预设风险阈值的目标风险指标，则确定处理所述服务请求，具体包括：

利用文本识别技术计算所述证明材料数据中各个审核指标的第一置信度；

基于预设权重计算各个所述第一置信度的加权和，获取得到第二置信度；

依据所述第二置信度确定所述证明材料数据的置信度等级；

若确定所述置信度等级高于预设等级，则基于第一数据处理规则处理所述服务请求；

若确定所述置信度等级低于所述预设等级，则基于第二数据处理规则处理所述服务请求，所述第一数据处理规则的处理优先级高于所述第二数据处理规则的处理优先级。

优选地，在所述若确定所述证明材料数据中不存在目标风险系数大于预设风险阈值的目标风险指标，则确定处理所述服务请求之后，具体还包括：

获取所述第一数据处理规则或所述第二数据处理规则下的处理结果；

若判定所述处理结果未触发服务中断条件，则将所述处理结果发送至提交所述服务请求的客户端；

若判定所述处理结果触发所述服务中断条件，则输出第二提示信息，且在触发状态结束后将所述处理结果发送至提交所述服务请求的客户端。

根据本申请的另一个方面，提供了一种基于风控的服务请求处理方法，可应用于客户端侧，该方法包括：

接收服务申请指令；

向服务端发送服务请求，所述服务请求中携带有申请用户提交的证明材料数据以及待申请的目标服务，所述证明材料数据用于证明所述申请用户具备获取所述目标服务的条件，以使得所述服务端根据所述证明材料数据和所述目标服务进行安全验证和处理风险预估；

接收服务端对所述服务请求的处理结果。

优选地，在接收服务端对所述服务请求的处理结果之前，所述方法还包括：

接收各个所述证明材料数据的上传状态；

筛选出所述上传状态为未上传或重新上传的第一证明材料数据；

将所述第一证明材料数据重新发送至服务端。

优选地，所述接收服务端对所述服务请求的处理结果，具体包括：

接收拒绝所述服务请求的第一处理结果，所述第一处理结果是所述服务端在判定所述申请用户和/或所述证明材料数据未通过安全验证时发送的；或，

接收所述目标服务下的第二处理结果，所述第二处理结果是所述服务端在判定所述申请用户及所述证明材料数据均通过安全验证，且所述证明材料数据中不存在目标风险系数大于预设风险阈值的目标风险指标时发送的；或，

接收拒绝所述服务请求的第三处理结果，所述第三处理结果是所述服务端在判定所述申请用户及所述证明材料数据均通过安全验证，且所述证明材料数据中存在目标风险系数大于预设风险阈值的目标风险指标时发送的。

根据本申请的又一个方面，提供了一种基于风控的服务请求处理装置，可应用于服务端侧，该装置包括：

接收模块，用于接收客户端发送的服务请求，所述服务请求中携带有申请用户提交的证明材料数据以及待申请的目标服务，所述证明材料数据用于证明所述申请用户具备获取所述目标服务的条件；

验证模块，用于对所述申请用户及所述证明材料数据分别进行安全验证；

预估模块，用于若判定所述申请用户及所述证明材料数据均通过所述安全验证，则基于符合预设训练标准的风险计算模型预估处理所述服务请求对应的风险系数；

确定模块，用于依据所述风险系数，确定是否处理所述服务请求。

优选地，所述验证模块包括：

获取单元，用于获取所述申请用户的用户标识；

第一验证单元，用于基于所述用户标识对所述申请用户进行所述目标服务申请权限的第一安全验证；

第二验证单元，用于若确定所述申请用户通过所述第一安全验证，则对所述证明材料数据进行数据规范的第二安全验证；

判定单元，用于若确定所述证明材料数据通过所述第二安全验证，则判定所述申请用户及所述证明材料数据均通过安全验证。

优选地，所述第二验证单元，具体用于获取所述目标服务对应的业务服务类型；根据所述业务服务类型对应的数据校验规则，校验所述证明材料数据；若判定各个所述证明材料数据均满足对应的数据校验规则，则判定所述证明材料数据通过第二安全验证。

优选地，所述装置还包括：提取模块、训练模块；

提取模块，用于基于历史处理记录提取所述目标服务的历史业务数据；

训练模块，用于利用所述历史业务数据训练风险计算模型，以使所述风险计算模型符合预设训练标准。

优选地，所述训练模块包括：

筛选单元，用于基于相关系数从所述历史业务数据中筛选出风险指标；

第一确定单元，用于通过机器学习算法确定所述风险指标对应不同风险指标值时的风险系数；

训练单元，用于利用所述风险指标值以及对应的风险系数训练风险计算模型，以使所述风险计算模型符合预设训练标准。

优选地，所述预估模块包括：

提取单元，用于若判定所述申请用户及所述证明材料数据均通过所述安全验证，则基于文本识别技术提取所述证明材料数据中的待测风险指标以及对应的待测风险指标值；

输入单元，用于将所述待测风险指标以及对应的待测风险指标值输入符合所述预设训练标准的风险计算模型中，获取得到各个所述待测风险指标对应的目标风险系数。

优选地，所述确定模块包括：

第二确定单元，用于若确定所述证明材料数据中不存在目标风险系数大于预设风险阈值的目标风险指标，则确定处理所述服务请求；

第三确定单元，用于若确定所述证明材料数据中存在目标风险系数大于所述预设风险阈值的目标风险指标，则确定所述申请用户为风险用户，拒绝处理所述服务请求，并输出第一提示信息。

优选地，所述第二确定单元，具体用于利用文本识别技术计算所述证明材料数据中各个审核指标的第一置信度；基于预设权重计算各个所述第一置信度的加权和，获取得到第二置信度；依据所述第二置信度确定所述证明材料数据的置信度等级；若确定所述置信度等级高于预设等级，则基于第一数据处理规则处理所述服务请求；若确定所述置信度等级低于所述预设等级，则基于第二数据处理规则处理所述服务请求，所述第一数据处理规则的处理优先级高于所述第二数据处理规则的处理优先级。

优选地，所述装置还包括：获取模块、发送模块、输出模块；

获取模块，用于获取所述第一数据处理规则或所述第二数据处理规则下的处理结果；

发送模块，用于若判定所述处理结果未触发服务中断条件，则将所述处理结果发送至提交所述服务请求的客户端；

输出模块，用于若判定所述处理结果触发所述服务中断条件，则输出第二提示信息，且在触发状态结束后利用所述发送模块将所述处理结果发送至提交所述服务请求的客户端。

根据本申请的再一个方面，提供了一种基于风控的服务请求处理装置，可应用于客户端侧，该装置包括：

第一接收模块，用于接收服务申请指令；

第一发送模块，用于向服务端发送服务请求，所述服务请求中携带有申请用户提交的证明材料数据以及待申请的目标服务，所述证明材料数据用于证明所述申请用户具备获取所述目标服务的条件，以使得所述服务端根据所述证明材料数据和所述目标服务进行安全验证和处理风险预估；

第二接收模块，用于接收服务端对所述服务请求的处理结果。

优选地，所述装置还包括：第三接收模块、筛选模块、第二发送模块；

第三接收模块，用于接收各个所述证明材料数据的上传状态；

筛选模块，用于筛选出所述上传状态为未上传或重新上传的第一证明材料数据；

第二发送模块，用于将所述第一证明材料数据重新发送至服务端。

优选地，所述第二接收模块包括：

第一接收单元，用于接收拒绝所述服务请求的第一处理结果，所述第一处理结果是所述服务端在判定所述申请用户和/或所述证明材料数据未通过安全验证时发送的；

第二接收单元，用于接收所述目标服务下的第二处理结果，所述第二处理结果是所述服务端在判定所述申请用户及所述证明材料数据均通过安全验证，且所述证明材料数据中不存在目标风险系数大于预设风险阈值的目标风险指标时发送的；

第三接收单元，用于接收拒绝所述服务请求的第三处理结果，所述第三处理结果是所述服务端在判定所述申请用户及所述证明材料数据均通过安全验证，且所述证明材料数据中存在目标风险系数大于预设风险阈值的目标风险指标时发送的。

依据本申请再一个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述可应用于服务端侧的基于风控的服务请求处理方法。

依据本申请再一个方面，提供了一种服务器设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述可应用于服务端侧的基于风控的服务请求处理方法。

依据本申请再一个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述可应用于客户端侧的基于风控的服务请求处理方法。

依据本申请再一个方面，提供了一种客户端设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述可应用于客户端侧的基于风控的服务请求处理方法。

依据本申请再一个方面，提供了一种基于风控的服务请求处理系统，包括上述服务器设备和客户端设备。

借由上述技术方案，本申请提供的一种基于风控的服务请求处理方法、装置及系统，与目前现有技术相比，本申请可在接收到客户端发送的服务请求后，在依据服务请求进行业务数据处理前，对申请用户及证明材料数据分别进行安全验证，以便验证申请用户是否满足目标服务的申请权限，且上传的证明材料数据是否符合相应的数据规范。并且在判定申请用户及证明材料数据均通过安全验证后，根据目标服务的历史处理记录，预估处理服务请求对应的风险系数，依据风险系数，进一步确定是否处理服务请求。本申请在响应服务请求前添加了风险控制模块，用于预先对服务请求进行风险的自动化判定，滤除掉风险系数较高的服务请求，从而可提高业务服务的效率，降低业务数据处理过程中的风险系数，从而有效保证业务处理过程的安全性。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：

图1示出了本发明实施例提供的一种基于风控的服务请求处理方法的流程示意图；

图2示出了本发明实施例提供的另一种基于风控的服务请求处理方法的流程示意图；

图3示出了本发明实施例提供的又一种基于风控的服务请求处理方法的流程示意图；

图4示出了本发明实施例提供的再一种基于风控的服务请求处理方法的流程示意图；

图5示出了本发明实施例提供的一种基于风控的服务请求处理装置的结构示意图；

图6示出了本发明实施例提供的另一种基于风控的服务请求处理装置的结构示意图；

图7示出了本发明实施例提供的又一种基于风控的服务请求处理装置的结构示意图；

图8示出了本发明实施例提供的再一种基于风控的服务请求处理装置的结构示意图；

图9示出了本申请实施例提供的一种基于风控的服务请求处理系统的结构示意图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本发明实施例可以应用于计算机系统/服务器，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。

计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，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。

可能以许多方式来实现本发明的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。

本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

针对目前在业务数据处理的风控分析中，需要耗费大量的人力，导致作业效率较低且风险数据渗漏率高，存在较大安全隐患的问题，本发明实施例提供了一种基于风控的服务请求处理方法，如图1所示，可应用于服务端侧，该方法包括：

101、接收客户端发送的服务请求，服务请求中携带有申请用户提交的证明材料数据以及待申请的目标服务，证明材料数据用于证明申请用户具备获取目标服务的条件。

对于本申请的执行主体可为对服务请求进行风控处理的服务器设备，其中，服务器可为客户端的后端服务设备，可用于接收客户端发送的服务请求，并对服务请求中携带的申请用户及证明材料数据分别进行安全验证，在判定均通过安全验证后，基于待申请的目标服务的历史处理记录预估服务请求的风险系数，之后依据风险系数，确定是否处理服务请求，并将处理结果发送至客户端。通过服务器和客户端之间的数据交互可实现对服务请求的安全性验证以及风险的识别，以便当且仅当判定服务请求通过安全性验证且不存在较大风险时，才基于服务请求响应执行对应的目标服务。

102、对申请用户及证明材料数据分别进行安全验证。

对于本实施例，在具体的应用场景中，由于不同的业务系统均具有数据访问权限或者数据请求权限，故为了保证系统服务的安全性，在接收到申请用户发送的服务请求后，可预先判定该申请用户是否具有申请目标服务的用户权限，在判定申请用户具有申请目标服务的用户权限后，再进一步判断上传的证明材料数据是否符合相应的数据规范，如证明材料数据的种类是否齐全，证明材料数据的内容是否完整、是否真实有效且符合相应业务处理规定等。

103、若判定申请用户及证明材料数据均通过安全验证，则基于符合预设训练标准的风险计算模型预估处理服务请求对应的风险系数。

对于本实施例，在具体的应用场景中，可基于神经网络算法训练搭建风险计算模型，以便利用训练好的风险计算模型计算服务请求对应的风险系数，基于风险系数对申请用户进行风险预估，从而有效避免服务系统遭遇未知风险。

104、依据风险系数，确定是否处理服务请求。

对于本实施例，在具体的应用场景中，可通过设定一个或多个预设风险阈值，在计算出服务请求对应的风险系数后，根据预设风险阈值判定服务请求对应的风险等级，其中，风险等级可基于经验系数进行设定，不同风险等级对应不同程度的数据处理安全性，所处的风险等级越高，代表服务请求处理的安全性越低，即存在风险的概率越大。在本实施例中，当确定出服务请求对应的风险等级后，可基于服务请求处理的安全性评估，确定是否处理服务请求。

通过本实施例基于风控的服务请求处理方法，可在接收到客户端发送的服务请求后，在依据服务请求进行业务数据处理前，对申请用户及证明材料数据分别进行安全验证，以便验证申请用户是否满足目标服务的申请权限，且上传的证明材料数据是否符合相应的数据规范。并且在判定申请用户及证明材料数据均通过安全验证后，根据目标服务的历史处理记录，预估处理服务请求对应的风险系数，依据风险系数，进一步确定是否处理服务请求。本申请在响应服务请求前添加了风险控制模块，用于预先对服务请求进行风险的自动化判定，滤除掉风险系数较高的服务请求，从而可提高业务服务的效率，降低业务数据处理过程中的风险系数，有效保证业务处理过程的安全性。

进一步的，作为上述实施例具体实施方式的细化和扩展，提供了另一种可应用于服务端侧的基于风控的服务请求处理方法，如图2所示，该方法包括：

201、接收客户端发送的服务请求。

其中，服务请求中携带有申请用户提交的证明材料数据以及待申请的目标服务，证明材料数据用于证明申请用户具备获取目标服务的条件。

202、获取申请用户的用户标识。

其中，申请用户的用户标识可具体为用户姓名、手机号、身份证号等，用于唯一标识申请用户。在具体的应用场景中，在接收到申请用户提交的服务请求后，可基于关键词提取技术在证明材料数据中自动提取出申请用户的用户标识，用于后续判定申请用户是否具有目标服务的申请权限。

203、基于用户标识对申请用户进行目标服务申请权限的第一安全验证。

在具体的应用场景中，为了避免黑客或不法分子对服务系统的非法利用，在服务系统中会设置有各个目标服务对应的特定申请人群，如企业内部系统对应的业务申请人群应仅限于拥有登录账号或在员工系统备案的企业工作人员；数据处理系统对应的服务申请人群应为拥有数据访问权限的注册用户；保险理赔系统对应的理赔申请人群应为在投保数据库中有记录的已投保人群。在接收到服务请求后，系统可在存储设备中查询所申请的目标服务对应的投放人群，基于申请用户的用户标识，判断申请用户是否包含在投放人群之内，若判断申请用户属于目标服务的适用投放人群，则确定申请用户通过目标服务申请权限的第一安全验证。反之，若判定申请用户未通过第一安全验证，则说明申请用户不具备目标服务的申请权限，故为了简化操作步骤，节省服务资源，可无需进行后续的验证以及风险判定环节，直接向申请用户所在客户端输出申请用户不符合目标服务的提示信息。

204、若确定申请用户通过第一安全验证，则对证明材料数据进行数据规范的第二安全验证。

对于本实施例，在具体的应用场景中，为了验证证明材料数据是否符合对应的数据规范，实施例步骤204具体可以包括：获取目标服务对应的业务服务类型；根据业务服务类型对应的数据校验规则，校验证明材料数据；若判定各个证明材料数据均满足对应的数据校验规则，则判定证明材料数据通过第二安全验证。

在具体的应用场景中，不同业务系统通常对应不同的业务服务，不同的业务服务对应不同的数据验证规范，如职工系统的数据验证规范可为职工编号或账户是否符合公司统一规范；如向保险理赔系统发送服务请求，对应的证明材料数据可对应为保单信息以及票据信息，则此时对应的数据验证规范可为对证明材料数据的真实性、完整性、合规性以及有效性的验证。

以保险理赔系统为例，在进行第二安全验证时，数据验证规范中对真实性的验证可对应发票四要素：姓名、发票号、时间、金额，基于票据库核对发票号与对应四要素，依据发票号唯一性事实，若发票号相同其他三要素有差异，则认为此组发票真实性存疑；对完整性的验证可为首先基于光学字符识别技术(opticalcharacterrecognition，ocr)判断材料种类，如病案首页、入院记录、诊断证明、出院记录、手术记录、身份证、发票等。之后理赔系统内根据产品需求配置所需上传的材料种类，进一步进行材料种类的完整性判断，若上传材料种类少于产品要求种类，则判断为材料不完整；对合规性的验证可为依据产品要求通过ocr识别技术判断发票是否为第一联(通过发票特定位置文字内容进行解析)，发票中是否有鲜章等；对有效性的判定可为依据证明材料数据判断报案是否符合报案规则，包括结合保单信息判断是否度过等待期，是否在黑名单内、治疗医院是否符合保单要求等。

其中，等待期判断是一种基于已有信息的简单逻辑判断，首先调用用户保单信息获取保单生效时间，然后从用户处获取到的信息判断保单责任为意外还是疾病，之后计算等待期时间，报案时间在等待期之后，则报案有效，对应判定公式为报案时间＞生效时间+责任对应的等待期天数。保险期间判断是一种基于已有信息的逻辑判断，首先调用用户保单信息获取保单生效时间，然后依据产品条款计算失效时间，生效时间与失效时间之间的日期对应为保险期间，报案在保险期间内则视为报案有效，对应判定公式为报案时间∈保险期间。黑名单判断是通过设立手机号、身份证号等7大主体库，其中主体库即黑名单。可依据不同的产品条款配置相应条件，如小额赠险产品易出现羊毛党，若客户手机号命中羊毛主体，则在报案时拦截。在判定治疗医院是否符合保单要求时，可首先创建现存医院库，提取出申请用户就诊医院后与医院库相匹配，获取医院等级与类别信息，依据保单条款判断是否符合报销要求。

在判定保险理赔申请对应的证明材料数据通过上述真实性、完整性、合规性以及有效性的验证后，则可进一步判定出申请用户初步具备保险理赔的申请条件，即确定证明材料数据通过第二安全验证。反之，若判定证明材料数据未通过上述真实性、完整性、合规性以及有效性中任意一项的验证，则可确定证明材料数据未通过第二安全验证，进而不需要再继续执行下一步的处理环节，直接向客户端反馈服务请求不符合理赔申请条件的提示信息。

205、若确定证明材料数据通过第二安全验证，则判定申请用户及证明材料数据均通过安全验证。

对于本实施例，在确定证明材料数据通过第一安全验证及第二安全验证后，则可进一步判定出申请用户具备申请目标服务的申请条件，且提交的证明材料比较完整，进而可进行接下来的风险验证，进一步判定是否符合请求处理的安全标准。

在具体的应用场景中，为了预先训练得到符合预设训练标准的风险计算模型，以便在判定申请用户及证明材料数据均通过安全验证时，利用风险计算模型预估服务请求对应的风险系数，作为一种优选方式，具体还可以包括：基于历史处理记录提取所述目标服务的历史业务数据；利用所述历史业务数据训练风险计算模型，以使所述风险计算模型符合预设训练标准。

其中，基于历史业务数据训练风险计算模型的步骤具体可包括：基于相关系数从历史业务数据中筛选出风险指标；通过机器学习算法确定风险指标对应不同风险指标值时的风险系数；利用风险指标值以及对应的风险系数训练风险计算模型，以使风险计算模型符合预设训练标准。

其中，在具体的应用场景中，可根据历史处理记录提取出目标服务对应的历史业务数据，在获取到目标服务的历史业务数据后，可对数据中的各个字段进行分析，计算各个特征与目标服务的相关系数，去除不相关、弱相关特征及缺失值过多的特征，保留强相关与缺失值较少的特征输入风险计算模型中进行训练，进一步提取出各个风险指标对应不同风险指标值时的风险系数。比如，在保险理赔系统中，将年龄特征作为风险指标，可通过机器学习算法识别出某一保险产品40到50岁年龄段的人拒赔数量较多，故可确定出年龄特征这一风险指标下，对应40～50这一特征取值时，风险系数较大。需要说明的是，风险指标是动态变化的，故需要动态进行模型训练，实时更新用于评定各个指标所对应风险系数的算法规则，以便基于这个算法规则来计算服务申请的各个待测风险指标对应的风险系数。其中，待测风险指标可对应城市特征、性别特征、年龄特征等，不同的目标服务可包含不同的待测风险指标。

206、若判定申请用户及证明材料数据均通过安全验证，则基于符合预设训练标准的风险计算模型根据目标服务的历史处理记录，预估处理服务请求对应的风险系数。

对于本实施例，在具体的应用场景中，为了预估得到服务请求对应的风险系数，实施例步骤206具体可以包括：若判定所述申请用户及所述证明材料数据均通过所述安全验证，则基于文本识别技术提取所述证明材料数据中的待测风险指标以及对应的待测风险指标值；将所述待测风险指标以及对应的待测风险指标值输入符合所述预设训练标准的风险计算模型中，获取得到各个所述待测风险指标对应的目标风险系数。

其中，待测风险指标可对应申请目标服务所需要审核的各个审核指标，如可对应城市特征、年龄特征、性别特征等，具体可根据目标服务对应的指标审核规则来进行提取。在本实施例中，首先将所有审核指标全部确定为目标风险指标，是为了计算出各个审核指标对应的风险系数，以便对审核指标进行风险的逐一排查，从而确定出审核指标中是否具有真正的风险指标，

207a、若确定证明材料数据中不存在目标风险系数大于预设风险阈值的目标风险指标，则确定处理服务请求。

其中，预设风险阈值是用于判定审核指标为风险指标的最小风险系数值，不同类型的审核指标均配置对应唯一的预设风险阈值，当确定审核指标大于或等于该类型下的预设风险阈值时，则可将该审核指标确定为目标风险指标，各个预设风险阈值可根据具体应用场景进行设定。

对于本实施例，在具体的应用场景中，在确定处理服务请求后，具体可以包括：利用文本识别技术计算证明材料数据中各个审核指标的第一置信度；基于预设权重计算各个第一置信度的加权和，获取得到第二置信度；依据第二置信度确定证明材料数据的置信度等级；若确定置信度等级高于预设等级，则基于第一数据处理规则处理服务请求；若确定置信度等级低于预设等级，则基于第二数据处理规则处理服务请求，第一数据处理规则的处理优先级高于第二数据处理规则的处理优先级。

例如，对于保险理赔的应用场景，在确定通过安全验证，可执行理赔的服务请求后，可基于ocr识别技术再次识别发票数据的明细信息，基于发票数据的清晰度以及申请用户的理赔等级对理赔处理过程进行置信度分级，例如共分为a、b、c、d四个等级，其中a、b等级的优先级较高，故可设定当置信度等级为预设等级a、b时，可基于第一数据处理规则处理服务请求，此时第一数据处理规则可对应处理效率较高的“绿色通道”，如加急处理或直接启动自动理赔流程等；当置信度等级低于预设等级b时，可基于第二数据处理规则处理服务请求，此时第二数据处理规则可对应处理效率较低的普通审核通道，如在自动审核过程中介入人工审核，在人工审核通过后得出理赔结论等。其中，第一数据处理规则的处理优先级高于第二数据处理规则的处理优先级。

208a、获取第一数据处理规则或第二数据处理规则下的处理结果。

例如，基于实施例步骤207a的实施例，在利用第一数据处理规则或第二数据处理规则处理理赔申请的服务请求后，即可得到对应的理赔结论，包括是否给予理赔及具体理赔的金额等。

209a、若判定处理结果未触发服务中断条件，则将处理结果发送至提交服务请求的客户端。

在具体的应用场景中，为了便于对服务系统中对服务操作的统一管理，需要设定当日服务处理的服务中断条件，在向申请用户的客户端发送处理结果之前，需要预先进行触发条件的判断，在未触发服务中断条件时，才将处理结果发送至提交服务请求的客户端。其中，服务中断条件具体可包括业务处理系统中的服务处理时间段、数据处理系统中的数据传输上限、理赔系统中的每日赔付金额上限等。在具体的应用场景中，以理赔系统为例，为了限制单日理赔金额的最大值，可依据当日赔付金额设立风险警戒线并配置熔断处理机制，警戒线阈值可依据不同理赔产品进行调整，若判定理赔请求对应的理赔金额加和到当日理赔总额中时，得到的赔付总金额未达到警戒线阈值的50％时，即可判定处理结果未触发服务中断条件，则可按照计算出的理赔金额直接对申请用户进行打款；若判定赔付总金额大于警戒线阈值的50％时，即可响应熔断预警，此时可通过风控系统邮件告警，风控人员依据风控邮件提示排查风险，发现风险后及时处理，若未发现风险则打款操作；若判定理赔请求对应的理赔金额加和到当日理赔总额中时，得到的赔付总金额超过警戒线阈值，即可判定处理结果触发服务中断条件，即达到当日处理的上限，进而触发熔断机制，在当日不再继续进行后续打款操作。

210a、若判定处理结果触发服务中断条件，则输出第二提示信息，且在触发状态结束后将处理结果发送至提交服务请求的客户端。

在具体的应用场景中，基于实施例步骤209a的实施例，若在理赔系统中，判定理赔请求对应的理赔金额加和到当日理赔总额中时，得到的赔付总金额超过警戒线阈值，则可输出已触发服务中断条件的提示信息，之后可在次日响应熔断之前进行理赔的打款操作。

与实施例步骤207a并列的实施例步骤207b、若确定证明材料数据中存在目标风险系数大于预设风险阈值的目标风险指标，则确定申请用户为风险用户，拒绝处理服务请求，并输出第一提示信息。

对于本实施例，若在保险理赔的应用场景中，确定证明材料数据中存在目标风险系数大于预设风险阈值的目标风险指标，则可说明当前保险理赔存在风险，故为了防止大宗损失的发生，需要将申请用户定义为风险用户，从而拒绝处理服务请求，并输出拒绝理赔申请的第一提示信息。

其中，本实施例中的第一提示信息以及第二提示信息可包括短信通知、邮件通知、系统平台推送消息、第三方软件的推送消息等，此外，提示信息还可包括各个展示页面的文字提示信息、图片提示信息、音频提示信息、视频提示信息、灯光提示信息、震动提示信息等。

通过上述基于风控的服务请求处理方法，可在接收到客户端发送的服务请求后，在依据服务请求进行业务数据处理前，对申请用户及证明材料数据分别进行安全验证，以便验证申请用户是否满足目标服务的申请权限，且上传的证明材料数据是否符合相应的数据规范。并且在判定申请用户及证明材料数据均通过安全验证后，根据目标服务的历史处理记录，预估处理服务请求对应的风险系数，在确定证明材料数据中不存在目标风险系数大于预设风险阈值的目标风险指标时，确定处理服务请求。反之，则确定申请用户为风险用户，拒绝处理服务请求，并输出第一提示信息。此外，在确定处理服务请求后，还可基于评定的置信度等级选取对应的数据处理规则，获取得到处理结果，之后对处理结果进行服务中断条件触发状态的判定，在处理结果未触发服务中断条件时，将处理结果发送至提交服务请求的客户端。本申请通过在响应服务请求前添加了安全验证模块、风险预估模块，可实现对服务请求风险的自动化判定，在服务处理前滤除掉风险系数较高的服务请求，从而可提高业务服务的效率，降低业务数据处理过程中的风险值，有效保证业务处理过程的安全性。

上述实施例内容为在服务端侧描述的基于风控的服务请求处理过程，进一步的，为了完整说明本实施例的实施方式，本实施例还提供了另一种基于风控的服务请求处理方法，可应用于客户端侧，如图3所示，该方法包括：

301、接收服务申请指令。

对于本实施例，在具体的应用场景中，申请用户可通过触发客户端中的服务申请按钮向客户端发送服务申请指令，并上传对应的证明材料数据。

302、向服务端发送服务请求。

其中，服务请求中携带有申请用户提交的证明材料数据以及待申请的目标服务，证明材料数据用于证明申请用户具备获取目标服务的条件，以使得服务端根据证明材料数据和目标服务进行安全验证和处理风险预估。

303、接收服务端对服务请求的处理结果。

对于本实施例，在具体的应用场景中，在向服务端发送服务请求后，可实时监测服务端对服务请求的处理进程，并接收服务端对服务请求的处理结果。其中，处理结果可对应所查询的数据信息、办理的业务反馈结果、理赔申请对应的赔付金额等。

通过上述可应用于客户端侧的基于风控的服务请求处理方法，与目前现有技术相比，可在向服务端发送服务请求时，同步上传申请用户提交的证明材料数据以及待申请的目标服务，用于证明申请用户具备获取目标服务的条件，以使得服务端根据证明材料数据和目标服务进行安全验证和处理风险的预估。进而实现对服务请求风险的自动化判定，在服务处理前滤除掉风险系数较高的服务请求，从而可提高业务服务的效率，降低业务数据处理过程中的风险值，有效保证业务处理过程的安全性。

进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体实施过程，本实施例提供了另一种可应用于客户端侧的基于风控的服务请求处理方法，如图4所示，该方法包括：

401、接收服务申请指令。

402、向服务端发送服务请求，服务请求中携带有申请用户提交的证明材料数据以及待申请的目标服务，证明材料数据用于证明申请用户具备获取目标服务的条件，以使得服务端根据证明材料数据和目标服务进行安全验证和处理风险预估。

在具体的应用场景中，为了实现数据交互，在向服务端发送服务请求后，还可包括：接收各个证明材料数据的上传状态；筛选出上传状态为未上传或重新上传的第一证明材料数据；将第一证明材料数据重新发送至服务端。

相应的，在将证明材料数据上传服务端后，会接收到各个证明材料数据对应的上传状态。若上传成功，服务端会将上传状态更新为已上传；若上传失败，服务端会将上传状态更新为未上传；此外，在上传的材料不够清晰，服务端无法识别对应的材料类型时，会将上传状态更新为重新上传。此时客户端可提取出上传状态为未上传或重新上传的第一证明材料数据，进而将第一证明材料数据重新上传至服务端。

403a、接收拒绝服务请求的第一处理结果，第一处理结果是服务端在判定申请用户和/或证明材料数据未通过安全验证时发送的。

在具体的应用场景中，当服务端判定申请用户和/或证明材料数据未通过安全验证时，可说明申请用户不符合对应的目标服务申请条件，此时客户端可接受到服务端发送的拒绝服务请求的第一处理结果。

与实施例步骤403a并列的实施例步骤403b、接收目标服务下的第二处理结果，第二处理结果是服务端在判定申请用户及证明材料数据均通过安全验证，且证明材料数据中不存在目标风险系数大于预设风险阈值的目标风险指标时发送的。

相应的，当服务端判定申请用户和/或证明材料数据通过安全验证时，会进一步进行风险评估，当判定证明材料数据中不存在目标风险系数大于预设风险阈值的目标风险指标时，可说明申请用户提交的服务请求符合受理条件，此时客户端可接收到目标服务对应的第二处理结果。

与实施例步骤403a、403b并列的实施例步骤403c、接收拒绝服务请求的第三处理结果，第三处理结果是服务端在判定申请用户及证明材料数据均通过安全验证，且证明材料数据中存在目标风险系数大于预设风险阈值的目标风险指标时发送的。

在具体的应用场景中，当服务端判定申请用户和/或证明材料数据通过安全验证，且判定证明材料数据中存在目标风险系数大于预设风险阈值的目标风险指标时，可说明申请用户提交的服务请求具有一定的危险性，此时客户端可接收到服务端发送的第三处理结果，其中，第三处理结果可包括拒绝服务请求和执行服务请求两种处理结果，在实际应用场景中，当服务端判定申请用户和/或证明材料数据通过安全验证，且判定证明材料数据中存在目标风险指标时，服务端可进一步基于预定的风险审核规则或在审核过程中介入人工审核，转由人工进行对风险的二次评估，进一步确定是拒绝服务请求还是执行响应目标服务。

通过上述可应用于客户端侧的基于风控的服务请求处理方法，与目前现有技术相比，可在向服务端发送服务请求时，同步上传申请用户提交的证明材料数据以及待申请的目标服务，用于证明申请用户具备获取目标服务的条件，以使得服务端根据证明材料数据和目标服务进行安全验证和处理风险的预估。进而实现对服务请求风险的自动化判定，在服务处理前滤除掉风险系数较高的服务请求，从而可提高业务服务的效率，降低业务数据处理过程中的风险值，有效保证业务处理过程的安全性。

进一步的，作为图1和图2所示方法的具体实现，本实施例提供了一种可应用于服务端侧的基于风控的服务请求处理装置，如图5所示，该装置包括：接收模块51、验证模块52、预估模块53、确定模块54；

接收模块51，可用于接收客户端发送的服务请求，服务请求中携带有申请用户提交的证明材料数据以及待申请的目标服务，证明材料数据用于证明申请用户具备获取目标服务的条件；

验证模块52，可用于对申请用户及证明材料数据分别进行安全验证；

预估模块53，可用于若判定申请用户及证明材料数据均通过安全验证，则基于符合预设训练标准的风险计算模型预估处理服务请求对应的风险系数；

确定模块54，可用于依据风险系数，确定是否处理服务请求。

在具体的应用场景中，为了实现对申请用户及证明材料数据的安全验证，如图6所示，验证模块52包括：获取单元521、第一验证单元522、第二验证单元523、判定单元524；

获取单元521，可用于获取申请用户的用户标识；

第一验证单元522，可用于基于用户标识对申请用户进行目标服务申请权限的第一安全验证；

第二验证单元523，可用于若确定申请用户通过第一安全验证，则对证明材料数据进行数据规范的第二安全验证；

判定单元524，可用于若确定证明材料数据通过第二安全验证，则判定申请用户及证明材料数据均通过安全验证。

相应的，第二验证单元523，具体可用于获取目标服务对应的业务服务类型；根据业务服务类型对应的数据校验规则，校验证明材料数据；若判定各个证明材料数据均满足对应的数据校验规则，则判定证明材料数据通过第二安全验证。

在具体的应用场景中，为了预估得到服务请求对应的风险系数，如图6所示，装置还包括：提取模块55、训练模块56；

相应的，为了训练得到符合预设训练标准的风险计算模型，如图6所示，训练模块56包括：筛选单元561、第一确定单元562、训练单元563；

筛选单元561，可用于基于相关系数从历史业务数据中筛选出风险指标；

第一确定单元562，可用于通过机器学习算法确定风险指标对应不同风险指标值时的风险系数；

训练单元563，可用于利用风险指标值以及对应的风险系数训练风险计算模型，以使风险计算模型符合预设训练标准。

在具体的应用场景中，为了基于训练模块56训练出的符合预设训练标准得风险计算模型，预估处理得到服务请求对应的风险系数，如图6所示，预估模块包括：提取单元531、输入单元532；

提取单元531，可用于若判定申请用户及证明材料数据均通过安全验证，则基于文本识别技术提取证明材料数据中的待测风险指标以及对应的待测风险指标值；

输入单元532，可用于将待测风险指标以及对应的待测风险指标值输入符合预设训练标准的风险计算模型中，获取得到各个待测风险指标对应的目标风险系数。

在具体的应用场景中，为了依据风险系数，确定是否处理服务请求，如图6所示，确定模块54包括：第二确定单元541、第三确定单元542；

第二确定单元541，可用于若确定证明材料数据中不存在目标风险系数大于预设风险阈值的目标风险指标，则确定处理服务请求；

第三确定单元542，可用于若确定证明材料数据中存在目标风险系数大于预设风险阈值的目标风险指标，则确定申请用户为风险用户，拒绝处理服务请求，并输出第一提示信息。

相应的，第二确定单元541，具体可用于利用文本识别技术计算证明材料数据中各个审核指标的第一置信度；基于预设权重计算各个第一置信度的加权和，获取得到第二置信度；依据第二置信度确定证明材料数据的置信度等级；若确定置信度等级高于预设等级，则基于第一数据处理规则处理服务请求；若确定置信度等级低于预设等级，则基于第二数据处理规则处理服务请求，第一数据处理规则的处理优先级高于第二数据处理规则的处理优先级。

在具体的应用场景中，如图6所示，装置还包括：获取模块57、发送模块58、输出模块59；

获取模块57，可用于获取第一数据处理规则或第二数据处理规则下的处理结果；

发送模块58，可用于若判定处理结果未触发服务中断条件，则将处理结果发送至提交服务请求的客户端；

输出模块59，可用于若判定处理结果触发服务中断条件，则输出第二提示信息，且在触发状态结束后利用发送模块58将处理结果发送至提交服务请求的客户端。

需要说明的是，本实施例提供的一种可应用于用户服务端侧的基于风控的服务请求处理装置所涉及各功能单元的其它相应描述，可以参考图1和图2中的对应描述，在此不再赘述。

进一步的，作为图3和图4所示方法的具体实现，本实施例提供了一种可应用于客户端侧的基于风控的服务请求处理装置，如图7所示，该装置包括：第一接收模块61、第一发送模块62、第二接收模块63；

第一接收模块61，可用于接收服务申请指令；

第一发送模块62，可用于向服务端发送服务请求，服务请求中携带有申请用户提交的证明材料数据以及待申请的目标服务，证明材料数据用于证明申请用户具备获取目标服务的条件，以使得服务端根据证明材料数据和目标服务进行安全验证和处理风险预估；

第二接收模块63，可用于接收服务端对服务请求的处理结果。

在具体的应用场景中，如图8所示，该装置具体还包括：第三接收模块64、筛选模块65、第二发送模块66；

第三接收模块64，可用于接收各个证明材料数据的上传状态；

筛选模块65，可用于筛选出上传状态为未上传或重新上传的第一证明材料数据；

第二发送模块66，可用于将第一证明材料数据重新发送至服务端。

相应的，在接收服务端对服务请求的处理结果时，如图8所示，第二接收模块63包括：第一接收单元631、第二接收单元632、第三接收单元633；

第一接收单元631，可用于接收拒绝服务请求的第一处理结果，第一处理结果是服务端在判定申请用户和/或证明材料数据未通过安全验证时发送的；

第二接收单元632，可用于接收目标服务下的第二处理结果，第二处理结果是服务端在判定申请用户及证明材料数据均通过安全验证，且证明材料数据中不存在目标风险系数大于预设风险阈值的目标风险指标时发送的；

第三接收单元633，可用于接收拒绝服务请求的第三处理结果，第三处理结果是服务端在判定申请用户及证明材料数据均通过安全验证，且证明材料数据中存在目标风险系数大于预设风险阈值的目标风险指标时发送的。

需要说明的是，本实施例提供的一种可应用于客户端侧的基于风控的服务请求处理装置所涉及各功能单元的其它相应描述，可以参考图3和图4中的对应描述，在此不再赘述。

基于上述如图1和图2所示方法，相应的，本申请实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图1和图2所示的可应用于用户服务端侧的基于风控的服务请求处理方法。基于上述如图3和图4所示方法，本申请实施例还提供了另一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图3和图4所示的可应用于客户端侧的基于风控的服务请求处理方法。

基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景的方法。

基于上述如图1和图2所示的方法，以及图5和图6所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种服务器设备，具体可以为服务器、或其他网络设备等。该设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1和图2所示的可应用于服务端侧的基于风控的服务请求处理方法。

基于上述如图3和图4所示的方法，以及图7和图8所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种客户端设备，具体可以为个人计算机、平板电脑、智能手机、智能手表、智能手环、或其他网络设备等，该客户端设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图3和图4所示的可应用于用户客户端侧的基于风控的服务请求处理方法。

可选的，上述两种实体设备都还可以包括用户接口、网络接口、摄像头、射频(radiofrequency，rf)电路，传感器、音频电路、wi-fi模块等等。用户接口可以包括显示屏(display)、输入单元比如键盘(keyboard)等，可选用户接口还可以包括usb接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如wi-fi接口)等。

本领域技术人员可以理解，本实施例提供的一种客户端设备和服务器设备的实体设备结构并不构成对这两种实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。

存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述两个实体设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与信息处理实体设备中其它硬件和软件之间通信。

基于上述内容，进一步的，本申请实施例还提供了一种基于风控的服务请求处理系统，如图9所示，该系统包括服务器设备71、客户端设备72；；

其中，服务器设备71可用于执行如图1和图2所示的方法，客户端设备72可用于执行如图3和图4所示的方法。

客户端设备72，可用于向服务器设备71发送服务请求，服务请求中携带有申请用户提交的证明材料数据以及待申请的目标服务，证明材料数据用于证明申请用户具备获取目标服务的条件，以使得服务端根据证明材料数据和目标服务进行安全验证和处理风险预估；

服务器设备71，可用于接收客户端设备72发送的服务请求，对申请用户及证明材料数据分别进行安全验证；若判定申请用户及证明材料数据均通过安全验证，则根据目标服务的历史处理记录，预估处理服务请求对应的风险系数；依据风险系数，确定是否处理服务请求。

客户端设备72，还可用于接收服务器设备71对服务请求的处理结果。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。通过应用本实施例的技术方案，与目前现有技术相比，通过在响应服务请求前添加了安全验证模块、风险预估模块，可实现对服务请求风险的自动化判定，在服务处理前滤除掉风险系数较高的服务请求，从而可提高业务服务的效率，降低业务数据处理过程中的风险值，有效保证业务处理过程的安全性。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。