(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210848762.1 (22)申请日 2022.07.19 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 朱江波　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 薛平　郝博 (51)Int.Cl. G06Q 40/08(2012.01) G06Q 40/02(2012.01) G06K 9/62(2022.01) G06V 40/16(2022.01) (54)发明名称 离行业务的风险控制方法及装置 (57)摘要 本发明提供了一种离行业务的风险控制方 法及装置， 应用于金融技术领域， 该方法包括： 获 取离行业务对应的业务地点， 确定与业务地点的 距离小于指定阈值的第一支付地点， 将第一支付 地点对应的支付客户作为该离行业务对应的支 付客户； 对于每个银行网点， 确定与该银行网点 的距离小于指定阈值的第二支付地点， 将第二支 付地点对应的支付客户作为该银行网点对应的 支付客户； 确定离行业务对应的多个相似银行网 点； 确定离行业务的人脸识别阈值与风险指标的 第一函数关系， 以及离行业务的人脸识别阈值与 风险指标的第二函数关系； 修正离行业务对应的 客户的人脸识别阈值， 所述客户的人脸识别阈值 用于实现离行业务的风险控制。 本发 明可以实现 离行业务的风险控制。 权利要求书4页 说明书10页 附图5页 CN 115205057 A 2022.10.18 CN 115205057 A 1.一种离行业 务的风险控制方法， 其特 征在于， 包括： 获取离行业务对应的业务地点， 确定与 该业务地点的距离小于指定 阈值的第 一支付地 点， 将所述第一支付 地点对应的支付 客户作为该离行业 务对应的支付 客户； 对于每个银行网点， 确定与该银行网点的距离小于指定阈值的第二支付地点， 将所述 第二支付 地点对应的支付 客户作为该 银行网点对应的支付 客户； 依据离行业务对应的支付客户和银行网点对应的支付客户， 确定离行业务对应的多个 相似银行网点； 依据离行业务对应的多个相似银行网点， 确定离行业务的人脸识别阈值与风险指标的 第一函数关系， 以及离行业 务的人脸识别阈值与风险指标的第二 函数关系； 依据所述第 一函数关系和所述第 二函数关系， 修正离行业务对应的客户的人脸识别阈 值， 所述客户的人脸识别阈值用于实现离行业 务的风险控制。 2.如权利要求1所述的方法， 其特征在于， 依据离行业务对应的支付客户和银行网点对 应的支付 客户， 确定 离行业务对应的多个相似银 行网点， 包括： 确定离行业务对应的支付客户中归属各个客户类别的客户数； 确定离行业务对应的客 户向量， 其中， 该客户向量的分量和客户类别一一对应， 该客户向量的每个分量的分量值等 于离行业务对应的支付 客户中归属该分量对应的客户类别的客户数； 对于每个银行网点， 确定该银行网点对应的支付客户中归属各个客户类别的客户数； 确定该银行网点对应的客户向量， 其中， 该客户向量的分量和客户类别一一对应， 该客户向 量的每个分量的分量值等于该银行网点对应的支付客户中归属该分量对应的客户类别的 客户数； 依据离行业务对应的客户向量和银行网点对应的客户向量， 确定银行网点的偏序， 其 中， 该偏序用于确定任何两个银 行网点中第一银 行网点是否 近于第二银 行网点； 将银行网点的偏序的极大 元素作为离行业 务对应的多个相似银 行网点。 3.如权利要求2所述的方法， 其特征在于， 依据离行业务对应的客户向量和银行网点对 应的客户向量， 确定银 行网点的偏序， 包括： 对于每个银行网点， 将该银行网点对应的客户向量与离行业务对应的客户向量的向量 差的绝对值作为该 银行网点对应的客户向量差； 对于任何两个银行网点， 如果该两个银行网点中第 一银行网点对应的客户向量差的每 个分量都小于等于该两个银行网点中第二银行网点对应的客户向量差的对应分量， 则该偏 序确定第一银 行网点近 于第二银 行网点。 4.如权利要求1所述的方法， 其特征在于， 依据离行业务对应的多个相似银行网点， 确 定离行业务的人脸识别阈值与风险指标的第一函数关系， 以及离行业务的人脸识别阈值与 风险指标的第二 函数关系， 包括： 对于离行业务对应的每个相似银行网点， 依据该相似银行网点的交易数据， 确定该相 似银行网点对应各个数据维度的风险系数； 确定离行业务对应的多个相似银行网点的偏序， 其中， 对于离行业务对应的任何两个 相似银行网点， 如果对于每个数据维度， 该两个相似银行网点的第一相似银行网点对应该 数据维度的风险系数小于等于该两个相似银行网点的第二相似银行网点对应该数据维度 的风险系数， 则该偏序确定第一相似银 行网点优于第二相似银 行网点；权　利　要　求　书 1/4 页 2 CN 115205057 A 2将离行业务对应的多个相似银行网点的偏序的极大元素作为第 一类银行网点， 及将离 行业务对应的多个相似银 行网点的偏序的极小元 素作为第二类银 行网点； 依据第一类银行网点的人脸识别数据， 确定离行业务的人脸识别阈值与风险指标的第 一函数关系， 及依据第二类银行网点的人脸识别数据， 确定离行业务的人脸识别阈值与风 险指标的第二 函数关系。 5.如权利要求4所述的方法， 其特征在于， 依据第一类银行网点的人脸识别数据， 确定 离行业务的人脸识别阈值与风险指标的第一函数关系， 及依据第二类银行网点的人脸识别 数据， 确定 离行业务的人脸识别阈值与风险指标的第二 函数关系， 包括： 设定多个人脸识别离 散值； 对于每个人脸识别离散值， 确定当人脸识别阈值设置为该人脸识别离散值 时的第一类 银行网点的人脸识别数据中风险人脸识别的比例， 将该比例作为该人脸识别离散值对应的 第一风险指标； 确定当人脸识别阈值设置为该人脸识别离散值时的第二类银行网点的人脸 识别数据中风险人脸识别的比例， 将该比例作为该 人脸识别离 散值对应的第二 风险指标； 构建第一人脸阈值函数和第二人脸阈值函数， 其中， 该第一人脸阈值函数和第二人脸 阈值函数的自变量是设定的多个人脸识别离散值， 该第一人脸阈值函数对应每个人脸识别 离散值的函数值等于该人脸识别离散值对应的第一风险指标， 该第二人脸阈值函数对应每 个人脸识别离 散值的函数值 等于该人脸识别离 散值对应的第二 风险指标； 对第一人脸阈值函数和第 二人脸阈值函数进行连续化， 将 获得的第 一人脸阈值函数对 应的连续函数作为离行业务的人脸识别阈值与风险指标的第一函数关系， 以及将获得的第 二人脸阈值函数对应的连续函数作为离行业务的人脸识别阈值与风险指标 的第二函数关 系。 6.如权利要求1所述的方法， 其特征在于， 依据所述第一函数关系和所述第二函数关 系， 修正离行业 务对应的客户的人脸识别阈值， 包括： 获取离行业 务对应的客户存 储在银行服务器的人脸识别阈值； 依据离行业务对应的客户存储在银行服务器的人脸识别阈值和所述第 一函数关系， 确 定离行业务对应的客户的潜在风险指标； 依据离行业务对应的客户的潜在风险指标和所述第 二函数关系， 确定离行业务对应的 客户的潜在人脸识别阈值； 依据离行业务对应的客户的潜在人脸识别阈值， 修正离行业务对应的客户的人脸识别 阈值。 7.如权利要求 4所述的方法， 其特 征在于， 还 包括： 依据第二类银行网点的交易数据， 以风险为预测标识， 训练机器学习预测模型， 获得离 行业务的风险预测模型； 依据离行业 务的风险预测模型， 对离行业 务进行风险预测。 8.一种离行业 务的风险控制装置， 其特 征在于， 包括： 第一支付客户 确定模块， 用于获取离行业务对应的业务地点， 确定与该业务地点的距 离小于指 定阈值的第一支付地点， 将所述第一支 付地点对应的支付客户作为该离行业务对 应的支付 客户； 第二支付客户 确定模块， 用于对于每个银行网点， 确定与该银行网点的距离小于指定权　利　要　求　书 2/4 页 3 CN 115205057 A 3