[发明专利]一种风险管控方法、系统、及装置

权利要求书

1.一种风险管控方法，其特征在于，所述方法包括：

获取与目标商户相关的商户信息；

基于所述商户信息，至少确定所述目标商户相关的业务类型；

至少基于第一模型以及所述商户信息，确定所述目标商户针对所述业务类型所存在的风险预估值；以及

基于所述风险预估值，对所述目标商户执行与所述风险预估值对应的预设管控操作。

2.根据权利要求1所述的方法，其特征在于，所述获取与目标商户相关的商户信息，包括：

获取与所述目标商户相关的初始商户信息，所述初始商户信息至少包括标识，所述标识至少用于提供所述目标商户的分辨属性；

利用商户知识图谱，基于所述标识确定所述目标商户为已有商户或新商户；

若所述目标商户为新商户，则指定所述初始商户信息作为所述目标商户相关的所述商户信息；以及

若所述目标商户为已有商户，则基于所述标识从所述商户知识图谱中获取所述目标商户相关的实体信息，并将所述实体信息以及所述初始商户信息指定为所述目标商户相关的所述商户信息。

3.根据权利要求2所述的方法，其特征在于，所述方法进一步包括：

基于所述商户信息，更新所述商户知识图谱。

4.根据权利要求1所述的方法，其特征在于，所述商户信息至少包括所述目标商户的至少一个模态数据；所述基于所述商户信息，至少确定所述目标商户相关的业务类型，包括：

使用第二模型融合所述至少一个模态数据，获取所述目标商户相关的业务类型。

5.根据权利要求1所述的方法，其特征在于，所述商户信息至少包括所述目标商户的至少一个模态数据；所述基于所述商户信息，至少确定所述目标商户相关的业务类型，包括：

对于每一个模态数据，

基于对应的提取模型，获取所述模态数据对应的特征数据，所述提取模型为深度学习模型；融合所述至少一个模态数据对应的特征数据，获取所述目标商户相关的业务类型。

6.根据权利要求1所述的方法，其特征在于，所述商户信息至少包括所述目标商户的至少一个模态数据；所述基于所述商户信息，至少确定所述目标商户相关的业务类型，包括：

确定所述至少一个模态数据各自的表示；

基于融合模型所述至少一个表示，获取所述目标商户相关的业务类型，其中，所述融合模型包括多层神经网络。

7.根据权利要求1所述的方法，其特征在于，所述至少基于第一模型以及所述商户信息，确定所述目标商户针对所述业务类型所存在的风险预估值，包括：

确定所述第一模型是否适配于所述业务类型；

如果所述第一模型适配于所述业务类型，基于所述第一模型以及所述商户信息确定所述目标商户针对所述业务类型所存在的风险预估值。

8.根据权利要求7所述的方法，其特征在于，所述方法进一步包括：

如果所述第一模型不适配于所述业务类型，基于迁移学习方法及所述第一模型获取适配于所述业务类型的适配模型，并基于所述适配模型以及所述商户信息确定所述目标商户针对所述业务类型所存在的风险预估值。

9.根据权利要求8所述的方法，其特征在于，所述方法进一步包括：

基于所述与目标商户相关的商户信息以及所述目标商户对应的风险预估值，更新所述第一模型和/或所述适配模型。

10.根据权利要求1所述的方法，其特征在于，所述基于所述风险预估值，对所述目标商户执行与所述风险预估值对应的预设管控操作，包括：

确定所述风险预估值是否满足预设条件；

如果所述风险预估值满足所述预设条件，每隔预设时间间隔重新获取与所述目标商户相关的商户信息并更新所述目标商户的风险预估值。

11.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：

加密所获取的和/或所使用的数据和/或模型。