[发明专利]风险识别的方法和系统

权利要求书

1.一种风险识别的方法，包括：

加载风险识别模型，所述风险识别模型包括：

多层数据层，按照预设的方式连接，并被配置为将输入数据按照预定尺度处理；

多个分类器，所述多个分类器中的每个分类器接收所述多层数据层中的一个数据层的输出数据，并被配置为基于所述数据层的输出数据对所述输入数据进行分类，所述多个分类器对应多个精度档位，所述多个精度档位是基于业务场景划分的，其中，所述风险识别模型被配置为对所述输入数据进行对应精度档位的分类，所述风险识别模型是基于神经网络模型构建的；

获取目标用户的交易行为以及所述交易行为发生时的业务场景，基于所述交易行为发生时的业务场景设定目标精度档位，其中，所述多个精度档位包括所述目标精度档位；

将所述交易行为作为所述输入数据输入所述风险识别模型；以及

通过所述风险识别模型的目标分类器输出所述交易行为的分类结果，其中，所述目标分类器代表所述目标精度档位，所述多个分类器包括所述目标分类器，所述分类结果包括有风险或无风险。

2.如权利要求1所述的风险识别的方法，其中，所述多层数据层连接成目标网络，所述多层数据层包括：

一个根节点层；以及

串联连接的多个子节点层，与所述根节点层串联连接。

3.如权利要求2所述的风险识别的方法，其中，所述根节点层和所述多个子节点层中的每个子节点层包括传递函数，所述多个子节点层中的每个子节点层以相邻的前一层数据层的输出数据作为当前子节点层的输入数据，将所述当前子节点层的输入数据输入所述当前子节点层进行计算得到当前子节点层的输出数据。

4.如权利要求3所述的风险识别的方法，其中，所述多层数据层还包括：

多个第一拼接层，所述多个第一拼接层中的每个第一拼接层串联相邻的两个子节点层，并将当前第一拼接层前的所述根节点层和所有子节点层的输出数据进行拼接，作为当前第一拼接层的输出数据，并输入相邻的后一层子节点层。

5.如权利要求4所述的风险识别的方法，其中，所述多个分类器中的每个分类器接收所述多个第一拼接层中的一个第一拼接层的输出数据。

6.如权利要求3所述的风险识别的方法，其中，所述传递函数包括：

层级传递函数，被配置为以第一卷积核按照第一步长对输入所述层级传递函数的数据进行卷积运算。

7.如权利要求6所述的风险识别的方法，其中，所述预定尺度包括多个尺度。

8.如权利要求7所述的风险识别的方法，其中，所述相邻的前一层数据层的输出数据包括多个尺度的输出数据，所述多个子节点层中的每个子节点层还包括第二拼接层，被配置为对不同尺度的数据进行拼接处理，

所述将所述当前子节点层的输入数据输入所述当前子节点层进行计算得到当前子节点层的输出数据，包括：

将所述多个尺度的输出数据输入所述传递函数进行计算；以及

将所述传递函数计算后的多个尺度的结果输入所述第二拼接层进行拼接，得到所述当前子节点层的输出数据。

9.如权利要求8所述的风险识别的方法，其中，所述传递函数还包括：

尺度传递函数，用于不同尺度间数据的传递，被配置为以第二卷积核按照第二步长对输入所述尺度传递函数的数据进行卷积运算。

10.一种风险识别的系统，包括：

至少一个存储介质，所述至少一个存储介质包括至少一个指令集，用于风险识别；以及

至少一个处理器，同所述至少一个存储介质通讯连接，

其中，当所述系统运行时，所述至少一个处理器读取所述至少一个指令集，并且根据所述至少一个指令集的指示执行权利要求1-9中任一项所述的风险识别的方法。