一种风险管控方法、装置、设备及存储介质与流程

1.本发明涉及计算机技术领域，尤其涉及一种风险管控方法、装置、设备及存储介质。


背景技术：

2.随着移动互联网的快速发展，推动了金融行业在支付领域的快速发展，通过线上渠道实现了支付方式的多样化、灵活化，但也因此在业务办理过程中存在着各类风险。
3.现有技术是通过从数据库提取客户的附言信息，对附言信息进行数据处理、汇总等操作，将数据结果汇总下发至风险管理部门由人工进行核验。
4.上述方案，基于人工对附言信息进行核验，成本较高且处理的数据量有限，效率低，准确率也难以保证。


技术实现要素：

5.本发明提供了一种风险管控方法、装置、设备及存储介质，以实现在业务办理过程中，对海量附言信息的风险预测，降低对附言信息进行核验成本的同时提高了风险管控的准确率及效率，并对风险做到实时的监控以及阻断处理。
6.第一方面，本发明实施例提供了一种风险管控方法，该方法包括：
7.在接收到业务处理请求时，获取业务处理请求中所携带的待处理附言信息；
8.对待处理附言信息进行处理，得到目标附言信息；
9.将目标附言信息输入至预先训练得到的风险预测模型中，得到与目标附言信息相对应的分类结果；
10.基于分类结果进行风险预测。
11.第二方面，本发明实施例提供了一种风险管控装置，该装置包括：
12.待处理附言信息获取模块，用于在接收到业务处理请求时，获取业务处理请求中所携带的待处理附言信息；
13.待处理附言信息处理模块，用于对待处理附言信息进行处理，得到目标附言信息；
14.分类结果计算模块，用于将目标附言信息输入至预先训练得到的风险预测模型中，得到与目标附言信息相对应的分类结果；
15.风险预测模块，用于基于分类结果进行风险预测。
16.第三方面，本发明实施例提供了一种电子设备，该电子设备包括：
17.至少一个处理器；以及
18.与至少一个处理器通信连接的存储器；其中，
19.存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本发明任一实施例的风险管控方法。
20.第四方面，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本发明任一实施例的风险管控
方法。
21.本发明实施例的技术方案，通过在接收到业务处理请求时，获取业务处理请求中所携带的待处理附言信息；对待处理附言信息进行处理，得到目标附言信息；将目标附言信息输入至预先训练得到的风险预测模型中，得到与目标附言信息相对应的分类结果；基于分类结果进行风险预测，解决了基于人工对附言信息进行核验，成本较高且处理的数据量有限，效率低，准确率也难以保证的问题，实现了在业务办理中，对海量附言信息的风险预测，降低对附言信息进行核验成本的同时提高了风险管控的准确率及效率，并对风险做到实时的监控以及阻断处理。
22.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
23.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
24.图1是根据本发明实施例一提供的一种风险管控方法的流程图；
25.图2是根据本发明实施例二提供的一种风险管控方法的流程图；
26.图3是根据本发明实施例三提供的一种风险管控方法的流程图；
27.图4是根据本发明实施例四提供的一种风险管控方法的流程图；
28.图5是根据本发明实施例五提供的一种风险管控装置的结构示意图；
29.图6是实现本发明实施例的风险管控方法的电子设备的结构示意图。
具体实施方式
30.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
31.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
32.实施例一
33.图1为本发明实施例一提供的一种风险管控方法的流程图，本实施例可适用于对业务办理中的附言信息进行风险预测的情况，该方法可以由风险管控装置来执行，该风险
管控装置可以采用硬件和/或软件的形式实现，该风险管控装置可配置于计算机中。
34.如图1所示，该方法包括：
35.s110、在接收到业务处理请求时，获取业务处理请求中所携带的待处理附言信息。
36.其中，业务是指在网上办理取款、转账等业务。待处理附言信息是指在办理业务中用户会在备注中填写相关的附言信息，如房租支付、生日快乐，水电费等。
37.具体的，在接收到用户的业务处理请求时，系统获取用户在办理业务时预留的附言信息。
38.s120、对待处理附言信息进行处理，得到目标附言信息。
39.其中，对待处理附言信息进行处理的方法不限于去重、删除空白附言信息、去停用词等操作，本实施例在此不做限制。
40.示例性的，若待处理附言信息为：本月房租收到请、、、回复。则对其进行处理得到的目标附言信息为：本月房租收到请回复。
41.s130、将目标附言信息输入至预先训练得到的风险预测模型中，得到与目标附言信息相对应的分类结果。
42.其中，风险预测模型是对输入的目标附言信息进行处理、分析后能够输出目标附言信息分类结果的模型。分类结果是指能表示目标附言信息是否属于风险附言的概率值。
43.进一步的，对风险预测模型的训练是通过将附言信息的特征向量与相应的由人工标注的分类结果作为一组训练样本，针对各训练样本，将当前训练样本输入至待训练风险预测模型中，得到与当前训练样本所对应的实际输出分类结果；基于标注分类结果、实际输出分类结果确定模型损失；以基于模型损失对待训练风险预测模型进行模型参数调整，得到风险预测模型。
44.s140、基于分类结果进行风险预测。
45.其中，风险预测是由相关部门基于风险预测模型得到的分类结果，对目标附言信息进行风险预测。好处是，可以将预测结果发送至相关部门，进行对附言的实时监控和及时阻断。
46.本发明实施例技术方案，通过在接收到业务处理请求时，获取业务处理请求中所携带的待处理附言信息；对待处理附言信息进行处理，得到目标附言信息；将目标附言信息输入至预先训练得到的风险预测模型中，得到与目标附言信息相对应的分类结果；基于分类结果进行风险预测，解决了基于人工对附言信息进行核验，成本较高且处理的数据量有限，效率低，准确率也难以保证的问题，实现了在业务办理中，对海量附言信息的风险预测，降低对附言信息进行核验成本的同时提高了风险管控的准确率及效率，并对风险做到实时的监控以及阻断处理。
47.实施例二
48.图2为本发明实施例二提供的一种风险管控方法的流程图，在前述实施例基础上，可以对在接收到业务处理请求时，获取业务处理请求中所携带的待处理附言信息和对待处理附言信息进行处理，得到目标附言信息进行细化，其具体的实施方式可以参见本发明实施例的详细阐述，其中，与上述实施例相同或相应的技术术语在此不再赘述。
49.如图2所示，该方法包括：
50.s210、在接收到业务处理请求时，获取业务处理请求中所携带的待处理附言信息。
51.可选的，对业务处理请求解析处理，以得到待处理附言信息。
52.其中，解析处理是指对业务请求中的各种信息数据进行分解，提取其中的附言信息，作为待处理附言信息。
53.s220、对待处理附言信息进行去重处理，得到待使用附言信息。
54.其中，去重是指对附言信息中重复的字和/或重复段落进行删除。待使用附言信息是指对待处理附言信息进行去重处理得到的附言信息。
55.示例性的，若待处理附言信息是：这这是我这这个月的水电费费，则去重后得到的待使用附言信息为：这是我这个月的水电费。
56.s230、对待使用附言信息清洗处理，得到目标附言信息。
57.其中，清洗处理是指去除待使用附言信息中的无用符号、表情包、繁体中文与简体中文转换等。
58.s240、将目标附言信息输入至预先训练得到的风险预测模型中，得到与目标附言信息相对应的分类结果。
59.可选的，风险预测模型中包括特征提取子模型、词向量提取子模型、初步特征融合子模型、中间特征融合子模型以及分类器。
60.其中，特征提取子模型是指对目标附言信息进行特征提取的模型，输出目标附言信息对应的特征向量1。进一步的，在本发明实施例中，用到的特征提取子模型是预先训练得到的bert模型，好处是只要把目标附言信息文本，输入至预先训练好的bert模型中，就会自动输出带有较丰富语义的目标附言信息的特征向量。
61.其中，词向量提取子模型是指对目标附言信息中每个词进行特征提取，得到每个词的向量表示的模型。具体的，若目标附言信息对应的词向量为e＝[e1，e2，
…
，en]∈rn
×
d，e表示目标附言信息的词向量表示，en表示目标附言信息中第n个词的词向量，n表示目标附言信息中词的个数，d表示每个词向量的维数；r表示实数域。
[0062]
示例性的，如目标附言信息是“生日快乐”，“生日”的向量表示为e1，“快乐”的向量表示为e2，进一步的“生日快乐”的词向量表示为[e1，e2]∈2
×
d，其中d表示每个词向量的维数。
[0063]
其中，初步特征融合子模型是指对目标附言信息对应的融合语义信息的向量与关键信息向量进行融合的模型。
[0064]
进一步的，在本发明实施例中，使用lstm模型作为初步特征融合子模型，好处是lstm可以得到目标附言信息对应的融合语义信息的向量，同时引入注意力机制，对每个词向量进行权重分配得到关键信息向量，并将两个向量融合得到特征向量2。
[0065]
其中，中间特征融合子模型是指将特征提取子模型输出的特征向量1与lstm模型输出的特征向量2进行融合的模型。分类器是指用来对特征向量进行归一化处理，进而得到一个概率值，通过概率值大小来进行关系分类。在本实施例技术方案中，使用的分类器为softmax分类器,对于分类器的类别本实施例在此不做限制。进一步的，在本实施例技术方案中，关系分类为有风险、无风险，因此概率值越接近1证明目标附言信息有风险的概率越大，反之则越小。
[0066]
s250、基于分类结果进行风险预测。
[0067]
可选的，基于分类结果，确定预测风险等级。
[0068]
其中，风险等级是指目标附言信息的风险等级，如高风险、中风险、低风险等，基于分类器输出的概率值可以对风险等级进行划分。示例性的，概率值为90％，表示目标附言信息为高风险附言信息，需要说明的是，风险等级根据不同的业务由人工进行划分，本实施例在此不做限制。
[0069]
本发明实施例技术方案，通过在接收到业务处理请求时，获取业务处理请求中所携带的待处理附言信息；对待处理附言信息进行去重处理，得到待使用附言信息；对待使用附言信息清洗处理，得到目标附言信息；将目标附言信息输入至预先训练得到的风险预测模型中，得到与目标附言信息相对应的分类结果；基于分类结果进行风险预测，通过对解析业务处理请求以及将待处理附言进行去重和清洗处理，得到目标附言信息，减小风险预测模型的工作量同时提高风险预测结果的准确率。
[0070]
实施例三
[0071]
图3为本发明实施例三提供的一种风险管控方法的流程图，在前述实施例基础上，可以对将目标附言信息输入至预先训练得到的风险预测模型中，得到与目标附言信息相对应的分类结果进行细化，其具体的实施方式可以参见本发明实施例的详细阐述，其中，与上述实施例相同或相应的技术术语在此不再赘述。
[0072]
如图3所示，该方法包括：
[0073]
s310、在接收到业务处理请求时，获取业务处理请求中所携带的待处理附言信息。
[0074]
s320、对待处理附言信息进行处理，得到目标附言信息。
[0075]
s330、基于特征提取子模型提取目标附言信息的第一待融合特征向量。
[0076]
其中，第一待融合特征向量是指经过特征提取子模型对目标附言信息进行特征提取得到的特征向量。
[0077]
示例性的，将“本月水电”输入到bert模型中，得到第一待融合特征向量。
[0078]
s340、基于词向量提取子模型将目标附言信息转换为相应的词向量，并基于主成分分析方法对词向量进行降维处理，得到第二待融合特征向量。
[0079]
其中，主成分分析方法用于将相关联的词向量进行整合，用少数几个不关联的词向量来表示同样的信息，把核心的意思表达出来。在本实施例技术方案中使用的方法为pca主成分分析方法，好处是对高维语句词向量进行降维处理，从而便于后续对词向量的进一步处理。第二待融合特征向量是指将目标附言信息对应的词向量与利用主成分分析法对高维语句向量进行降维后的语句向量进行特征融合后得到的特征向量。进一步的，向量特征融合的方法可以是拼接的方式和/或以权重和的形式进行融合，本实施例在此不做限制。
[0080]
具体的，首先将词向量提取子模型中得到的目标附言信息对应的词向量与经过对高维语句词向量进行降维处理后得到的词向量进行特征融合处理，得到第二待融合特征向量。
[0081]
s350、基于初步特征融合子模型对第二待融合特征向量进行处理，得到第三待融合特征向量。
[0082]
可选的，基于初步特征融合子模型对第二待融合特征向量融合处理，得到融合语义信息的至少一个融合特征元素；基于至少一个融合特征元素，确定第三待融合特征向量。
[0083]
其中，语义信息是指能够表示目标附言信息特殊情感的信息，如生日快乐的语义信息是积极的。
[0084]
具体的，将第二待融合特征向量输入至初步特征融合子模型中，得到目标附言信息中所有词的隐层状态表示向量h，h经过最大池化层进行进一步降维处理得到融合语义信息的至少一个融合特征元素，由于目标附言信息包含语义信息数量可以是一个和/或多个，因此融合特征元素的数量可以是一个和/或多个。进一步的，引入注意力机制，将h输入至注意力机制中对每个词向量分配不同的权重，得到具有重要意义的词向量表示s，将s经平均池化，得到目标附言信息的关键词向量表示y，将包含至少一个融合特征元素的融合语义信息对应的特征向量与关键词向量y进行拼接得到第三待融合特征向量。
[0085]
s360、基于中间特征融合子模型对第一待融合特征向量和第三待融合特征向量融合处理，得到融合特征向量。
[0086]
其中，融合特征向量是指最终得到的包含丰富语义特征与关键信息特征的融合特征向量。好处是通过两个模型对目标附言信息进行特征提取，特征融合处理，充分提取目标附言信息中的语义特征，降低了关键信息的损失，从而提高了风险预测模型的准确度。
[0087]
s370、基于分类器对融合特征向量进行处理，得到分类结果。
[0088]
s380、基于分类结果进行风险预测。
[0089]
本发明实施例技术方案，通过在接收到业务处理请求时，获取业务处理请求中所携带的待处理附言信息；对待处理附言信息进行处理，得到目标附言信息；基于特征提取子模型提取目标附言信息的第一待融合特征向量；基于词向量提取子模型将目标附言信息转换为相应的词向量，并基于主成分分析方法对词向量降维处理，得到第二待融合特征向量；基于初步特征融合子模型对第二待融合特征向量进行处理，得到第三待融合特征向量；基于中间特征融合子模型对第一待融合特征向量和第三待融合特征向量融合处理，得到融合特征向量；基于分类器对融合特征向量进行处理，得到分类结果；基于分类结果进行风险预测，通过三个模型对目标附言信息进行处理，充分提取目标附言信息中的语义特征，降低了关键信息的损失，从而提高了风险预测模型的准确度。
[0090]
实施例四
[0091]
图4为本发明实施例四提供的一种风险管控方法的流程图，在前述实施例基础上，可以对风险管控方法进行进一步细化，其具体的实施方式可以参见本发明实施例的详细阐述，其中，与上述实施例相同或相应的技术术语在此不再赘述。
[0092]
如图4所示，该方法包括：
[0093]
s410、对获取到的附言信息进行预处理。
[0094]
示例性的，接收到用户的业务处理请求时，系统获取用户在办理业务时，预留的附言信息数据，对附言信息数据进行去重和无用数据的数据清洗，从而得到清洗后的附言信息数据。进一步的，在本实施例中采用python第三方库中的工具包jieba完成数据预处理。
[0095]
s420、利用bert模型对附言信息数据进行特征提取，得到第一待融合特征向量。
[0096]
s430、采用skip-gram模型对预处理后的附言信息数据进行词向量提取。
[0097]
示例性的，定义每条附言信息数据所对应词序列是x＝[x1，x2，
…
，xn]，x为案例描述的词序列，xn表示第n个词；经过词向量提取得到的词向量为e＝[e1，e2，
…
，en]∈rn
×
d，e表示每条附言信息数据的向量表示，en表示附言信息数据中第n个词的词向量，n表示附言信息数据中词的个数，d表示每个词向量的维数；r表示实数域。
[0098]
s440、将skip-gram模型输出的每个词的词向量以及利用pca主成分分析对高维语
句向量进行降维后的向量融合得到第二待融合特征向量。
[0099]
s450、将第二待融合特征向量输入lstm模型中，得到第三待融合特征向量。
[0100]
示例性的，将第二待融合特征向量输入至lstm中，得到目标附言信息中所有词的隐层状态表示向量h，h经过最大池化层进行进一步降维处理得到融合语义信息的至少一个融合特征元素，由于目标附言信息包含语义信息数量可以是一个和/或多个，因此融合特征元素的数量可以是一个和/或多个。进一步的，在lstm中引入注意力机制，将h输入至注意力机制中对每个词向量分配不同的权重，得到具有重要意义的词向量表示s，将s经平均池化，得到目标附言信息的关键词向量表示y，将包含至少一个融合特征元素的融合语义信息对应的特征向量与关键词向量y进行拼接得到第三待融合特征向量。
[0101]
s460、将第一待融合特征向量和第三待融合特征向量进行特征融合后，输入至softmax分类器中，根据分类器的输出结果，判断目标附言信息的风险程度。
[0102]
示例性的，若分类器输出结果为90％，说明目标附言信息属于高风险附言，进而将风险预测结果发送至相关部门，对相关业务进行及时阻断。
[0103]
本发明实施例技术方案，通过数据预处理；用skip-gram模型对预处理后的附言信息数据进行词向量提取；利用bert模型对附言信息数据进行特征提取，得到第一待融合特征向量；将skip-gram模型输出的每个词的词向量以及利用pca主成分分析对高维语句向量进行降维后的向量融合得到第二待融合特征向量；将第二待融合特征向量输入lstm模型中，得到第三待融合特征向量；将第一待融合特征向量和第三待融合特征向量进行特征融合后，输入至softmax分类器中，根据分类器的输出结果，判断目标附言信息的风险程度，综合了附言信息的语义特征和关键词特征，运用多种算法，对bert模型进行优化改进，提高了风险预测的准确度。
[0104]
实施例五
[0105]
图5本发明实施例五提供的一种风险管控装置的结构示意图。
[0106]
如图5所示，该装置包括：
[0107]
待处理附言信息获取模块，用于在接收到业务处理请求时，获取业务处理请求中所携带的待处理附言信息；待处理附言信息处理模块，用于对待处理附言信息进行处理，得到目标附言信息；分类结果计算模块，用于将目标附言信息输入至预先训练得到的风险预测模型中，得到与目标附言信息相对应的分类结果；风险预测模块，用于基于分类结果进行风险预测。
[0108]
在上述各技术方案的基础上，待处理附言信息获取模块还用于，对业务处理请求解析处理，以得到待处理附言信息。
[0109]
在上述各技术方案的基础上，待处理附言信息处理模块包括，
[0110]
去重单元，用于对待处理附言信息进行去重处理，得到待使用附言信息；清洗处理单元，用于对待使用附言信息清洗处理，得到目标附言信息。
[0111]
在上述各技术方案的基础上，风险预测模块包括特征提取子模型、词向量提取子模型、初步特征融合子模型、中间特征融合子模型以及分类器。
[0112]
在上述各技术方案的基础上，风险预测模块还包括，
[0113]
第一待融合特征向量提取单元，用于基于特征提取子模型提取目标附言信息的第一待融合特征向量；
[0114]
第二待融合特征向量获取单元，用于基于词向量提取子模型将目标附言信息转换为相应的词向量，并基于主成分分析方法对词向量降维处理，得到第二待融合特征向量；
[0115]
第三融合特征获取单元，用于基于初步特征融合子模型对第二待融合特征向量进行处理，得到第三待融合特征向量；
[0116]
融合特征向量获取单元，用于基于中间特征融合子模型对第一待融合特征向量和第三待融合特征向量融合处理，得到融合特征向量；
[0117]
分类结果计算单元，用于基于分类器对融合特征向量进行处理，得到分类结果。
[0118]
在上述各技术方案的基础上，第三融合特征获取单元还包括，
[0119]
融合特征元素获取子单元，用于基于初步特征融合子模型对第二待融合特征向量融合处理，得到融合语义信息的至少一个融合特征元素；第三待融合特征向量获取子单元，用于基于至少一个融合特征元素，确定第三待融合特征向量。
[0120]
在上述各技术方案的基础上，风险管控装置还包括，风险等级预测模块，用于基于所述分类结果，确定预测风险等级。
[0121]
本发明实施例技术方案，通过在接收到业务处理请求时，获取业务处理请求中所携带的待处理附言信息；对待处理附言信息进行处理，得到目标附言信息；将目标附言信息输入至预先训练得到的风险预测模型中，得到与目标附言信息相对应的分类结果；基于分类结果进行风险预测，解决了基于人工对附言信息进行核验，成本较高且处理的数据量有限，效率低，准确率也难以保证的问题，实现了在业务办理中，对海量附言信息的风险预测，降低对附言信息进行核验成本的同时提高了风险管控的准确率及效率，并对风险做到实时的监控以及阻断处理。
[0122]
本发明实施例所提供的风险管控装置可执行本发明任意实施例所提供的风险管控方法，具备执行方法相应的功能模块和有益效果。
[0123]
实施例六
[0124]
图6示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
[0125]
如图6所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
[0126]
电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0127]
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如本发明技术方案中的风险管控方法。
[0128]
在一些实施例中，风险管控方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的风险管控方法的个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行风险管控方法。
[0129]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0130]
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0131]
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0132]
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0133]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据
服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
[0134]
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
[0135]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
[0136]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。