具体实施方式

下面结合附图和实施例对本说明书作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本申请保护的范围。

需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本说明书中的实施例及实施例中的特征可以相互组合。另外，本说明书中的“第一”、“第二”、“第三”等词，仅用于信息区分，不起任何限定作用。

如前所述，风控系统需要计算大量指标，对整体耗时影响很大，容易引发用户等待或计算超时导致风险漏过等问题。

基于此，本说明书的一些实施例提供了针对目标业务的风险识别方法，通过该方法，可以在确保风控系统的风险识别准确度的情况下，尽可能地降低风控系统的耗时。具体地，图1示出了适用于这些实施例的示例性系统架构图。

如图1所示，系统架构可以包括业务系统，风险预测系统，以及风控系统。其中，业务系统接入风险预测系统和风控系统。风险预测系统和风控系统可以相互独立。进一步地，风险预测系统和风控系统可以通信。

业务系统可以是提供目标业务，并针对用户有核身校验需求和风险识别需求的系统。单个目标业务例如可以包括支付业务，账户登录业务，或者账户注册业务等。单个业务系统例如可以包括数据管理系统，项目管理系统，或者如图1中所示的支付系统，等等。

目标业务对应多个用户鉴权阶段,其中包括基于核身校验的第一阶段,以及基于风险识别的第二阶段。实践中，业务系统可以对其用户进行第一阶段的核身校验。具体地，业务系统可以包括客户端和服务端，业务系统可以响应于用户执行目标业务，而利用该客户端或该服务端，对用户进行第一阶段的核身校验。其中，第一阶段中采用的具体校验方式例如可以包括密码校验，验证码校验，或者生物特征校验(例如人脸校验或指纹校验等)等，在此不做具体限定。另外，在用户通过第一阶段的核身校验后，业务系统可以调用风控系统对该用户进行第二阶段的风险识别。

为了尽可能地降低风控系统在第二阶段中的耗时，业务系统在对用户进行第一阶段的核身校验之前或之时，可以调用风险预测系统提前对该用户进行风险预测。具体地，业务系统在对该用户进行第一阶段的核身校验之前或之时，可以向风险预测系统发送针对该用户的风险预测请求。风险预测系统可以响应于该风险预测请求，针对该用户执行相应的风险预测操作，得到第一阶段对应的风险预测结果，并将该用户的用户标识和风险预测信息进行对应存储，该风险预测信息包括该风险预测结果。在该用户通过第一阶段的核身校验后，业务系统可以向风控系统发送针对该用户的风险识别请求。风控系统可以响应于该风险识别请求，获取该风险预测信息，并响应于该风险预测信息中的风险预测结果可用，而将该风险预测结果作为第二阶段的风险识别结果，或者响应于该风险预测结果不可用而针对该用户执行风险识别操作。

以用户A和提供支付业务的支付系统为例，对系统架构做进一步介绍。

如图1所示，支付系统在针对用户A进行第一阶段的核身校验之前或之时，可以向风险预测系统发送针对用户A的风险预测请求，该风险预测请求可以包括用户A的用户标识。之后，风险预测系统可以响应于该风险预测请求，获取用户A对应的用于风险预测的第一信息(如图1中示出的用户A的行为信息、支付渠道、和/或当前的环境信息)。

其中，行为信息可以包括本次业务执行过程中产出的信息。支付渠道可以包括用户A当前使用的支付渠道，或者用户A偏好的支付渠道。当前的环境信息可以包括，用户A当前使用的设备的设备标识、设备机型、IP(Internet Protocol，互联网协议)地址和/或位置信息等等。该设备可以为用户A的个人设备，例如智能手机、平板电脑、笔记本电脑或台式电脑等，或者，也可以为供多人使用的IOT(Internet of Things，物联网)设备，在此不做具体限定。

在获取到如图1中示出的用户A的行为信息、支付渠道、和/或当前的环境信息后，风险预测系统可以根据所获取的信息，对用户A进行风险预测，得到第一阶段对应的风险预测结果。之后，风险预测系统可以将用户A的用户标识和包括该风险预测结果的风险预测信息进行对应存储，例如存储至图1中示出的目标存储位置。该目标存储位置可以是风险预测系统本地的某个存储位置，例如硬盘或内存等，也可以是风险预测系统和风控系统均能访问的远程数据库，在此不做具体限定。

在用户A通过第一阶段的核身校验后，支付系统可以向风控系统发送针对用户A的风险识别请求，其中包括用户A的用户标识。风控系统可以响应于该风险识别请求，根据用户标识，从目标存储位置获取风险预测系统针对用户A对应存储的风险预测信息。之后，风控系统可以获取用户A的第三信息，如图1中示出的用户A当前的环境信息。风控系统可以根据用户A当前的环境信息，确定该风险预测信息中的风险预测结果是否可用。

例如，风控系统可以根据用户A当前的环境信息，确定用户A是否处于可信环境。若确定用户A处于可信环境，则确定风险预测结果可用。若确定用户A未处于可信环境，则确定风险预测结果不可用。其中，在确定用户A是否处于可信环境时，可以确定用户A当前的环境信息与用户A的历史环境信息是否匹配，若确定二者匹配，则可以确定用户A处于可信环境；否则，可以确定用户A未处于可信环境。

若确定风险预测结果可用，则风控系统可以将风险预测结果作为第二阶段的风险识别结果；若确定风险预测结果不可用，则风控系统可以针对用户A执行风险识别操作。在将风险预测结果作为第二阶段的风险识别结果后，或者在针对用户A执行风险识别操作并得到风险识别结果后，风控系统可以将风险识别结果返回给支付系统。

由此，可以利用风险预测系统提前对用户A进行风险预测，所得的风险预测结果可以作用为风控系统在第二阶段的风险识别结果，这样可以在确保风控系统的风险识别准确度的情况下，尽可能地降低风控系统的耗时，从而，可以降低用户A执行支付业务时的等待时间，以及减少超时带来的问题。

下面，结合具体的实施例，描述上述方法的具体实施步骤。需要指出，为了区分风险预测系统和风控系统分别获取的行为信息、环境信息，将风险预测系统获取的行为信息、环境信息称为第一行为信息、第一环境信息，将风控系统获取的行为信息、环境信息称为第二行为信息、第二环境信息。

参看图2，其为针对目标业务的风险识别方法的一个实施例的示意图。目标业务对应多个用户鉴权阶段,其中包括基于核身校验的第一阶段,以及基于风险识别的第二阶段。该方法包括以下步骤：

步骤202，风险预测系统从业务系统接收针对用户的风险预测请求，其中包括用户的用户标识,风险预测请求是业务系统在针对用户进行第一阶段的核身校验之前或之时发送的；

步骤204，风险预测系统获取用户对应的用于风险预测的第一信息；

步骤206，风险预测系统根据第一信息，对用户进行风险预测，得到第一阶段对应的风险预测结果；

步骤208，风险预测系统将用户标识和风险预测信息进行对应存储，风险预测信息包括风险预测结果；

步骤210，风控系统从业务系统接收针对用户的风险识别请求，其中包括用户的用户标识，风险识别请求是业务系统在用户通过第一阶段的核身校验后发送的；

步骤212，风控系统根据用户标识，获取风险预测系统针对用户对应存储的风险预测信息，其中包括第一阶段对应的风险预测结果；

步骤214，风控系统获取用户的第三信息；

步骤216，风控系统根据第三信息，确定风险预测结果是否可用；

步骤218，若确定结果为是，则风控系统将风险预测结果作为第二阶段的风险识别结果；

步骤220，若确定结果为否，则风控系统针对用户执行风险识别操作。

下面，对以上步骤做进一步说明。

在步骤202中，在业务系统针对用户进行第一阶段的核身校验之前或之时，风险预测系统可以从业务系统接收针对用户的风险预测请求，其中包括用户的用户标识。这里，关于业务系统的解释，可参考前文中的相关说明，在此不再赘述。

接着，在步骤204中，风险预测系统可以获取用户对应的用于风险预测的第一信息。具体地，风险预测系统可以根据用户的用户标识，从业务系统或业务系统对应的数据库服务器获取第一信息。可选地，风险预测请求还可以包括第一信息，风险预测系统可以从风险预测请求中获取第一信息。

其中，第一信息例如可以包括用户的第一行为信息、支付渠道和/或当前的第一环境信息等。第一行为信息可以包括用户本次业务执行过程中产出的信息。支付渠道可以包括用户当前使用的支付渠道，或者用户偏好的支付渠道。当前的第一环境信息可以包括用户当前使用的设备的设备标识、设备机型、IP地址和/或位置信息等。

以目标业务包括支付业务为例，若风险预测请求是业务系统在针对用户进行第一阶段的核身校验之前发送的，也即是业务系统在用户执行支付业务之前发送的，则风险预测系统可以获取用户偏好的支付渠道，并将该支付渠道归入第一信息。若风险预测请求是业务系统在针对用户进行第一阶段的核身校验之时发送的，也即是业务系统在用户执行支付业务之时发送的，则风险预测系统可以获取用户当前使用的支付渠道，并将该支付渠道归入第一信息。

接着，在步骤206中，风险预测系统可以根据第一信息，对用户进行风险预测，得到第一阶段对应的风险预测结果。

实践中，风险预测系统可以采用各种方式，对用户进行风险预测。

例如，风险预测系统中可以预设有风险预测策略，其可以利用风险预测策略，根据第一信息对用户进行风险预测。其中，风险预测策略可以包括技术人员根据经验编写的一个或多个用于风险预测的规则。

再例如，风险预测系统中可以预设有风险预测模型，风险预测系统可以利用风险预测模型，根据第一信息，对用户进行风险预测。其中，风险预测模型可以是各种适用于风险预测的机器学习模型，例如可以包括卷积神经网络(Convolutional Neural Network，CNN)，或者梯度提升决策树(Gradient Boost Decision Tree，GBDT)，等等。

接着，在步骤208中，风险预测系统可以将用户标识和风险预测信息进行对应存储，风险预测信息包括风险预测结果，从而可以使得风控系统在用户通过第一阶段的核身校验后，响应于风险预测结果可用而将风险预测结果作为第二阶段的风险识别结果。实践中，风险预测系统可以将用户标识和风险预测信息对应存储至如前所述的目标存储位置。

在一些实施例中，第一行为信息可以对应第一分数。实践中，用户当前使用的设备上可以部署有行为评分模型，第一分数可以是该设备利用行为评分模型对第一行为信息进行评分而获得的。为了丰富风控系统在确定风险预测结果是否可用时所依据的数据，以及确保风控系统的风险识别准确度，风险预测信息还可以包括第一分数和/或第一信息，以使得风控系统在确定风险预测结果是否可用时，将第一分数和/或第一信息用于信息比对。

在一些实施例中，为了丰富风控系统在确定风险预测结果是否可用时所依据的数据，以及确保风控系统的风险识别准确度，在步骤202之后，风险预测系统还可以获取用户对应的第二信息，其中包括用户的第一行为信息，和/或当前的第一环境信息。之后，风险预测系统可以利用预设的加密算法对第二信息进行加密，得到第一密文信息。基于此，风险预测信息还可以包括第一密文信息，以使得风控系统在确定风险预测结果是否可用时，将第一密文信息用于信息比对。

其中，预设的加密算法可以包括但不限于不可逆加密算法，该不可逆加密算法例如可以包括MD5加密算法，或者安全散列算法(Secure Hash Algorithm，SHA)等。

应该理解，风险预测信息除了包括风险预测结果外，还可以包括如前所述的第一信息、第一分数和/或第一密文信息。

在一些实施例中，若风险预测系统采用本地存储方式，则为了节省风险预测系统的存储空间，在步骤208中，风险预测系统可以将用户的用户标识和风险预测信息进行对应缓存。

在业务系统对用户核身校验通过的情况下，业务系统可以向风控系统发送针对用户的风险识别请求。基于此，在步骤210中，风控系统可以在用户通过第一阶段的核身校验后，从业务系统接收该风险识别请求。其中，该风险识别请求可以包括该用户的用户标识。

接着，在步骤212中，风控系统可以根据用户标识，获取风险预测系统针对用户对应存储的风险预测信息。例如，根据用户标识，从如前所述的目标存储位置，获取风险预测信息。其中，风险预测信息包括第一阶段对应的风险识别结果，该风险识别结果是风险预测系统在业务系统针对用户进行第一阶段的核身校验之前或之时，对用户进行风险预测所获得的。应该理解，此处的风险预测信息，是风险预测系统通过执行步骤208而存储的。

接着，在步骤214中，风控系统可以获取用户的第三信息。

具体地，风控系统可以获取用户当前的第二环境信息，归入第三信息。风控系统例如可以从业务系统或业务系统对应的数据库服务器获取第二环境信息。可选地，第二环境信息也可以包含在风险识别请求中，因而风控系统可以从风险识别请求中获取第二环境信息。其中，第二环境信息可以包括用户当前使用的设备的设备标识、设备机型、IP地址和/或位置信息等。应该理解，第二环境信息和前文中的第一环境信息，可以采用相同的组成结构。

可选地，风控系统所获取的风险预测信息还可以包括如前所述的第一信息、第一分数和/或第一密文信息。基于此，第三信息可以包括该第一信息、第一分数和/或第一密文信息。

可选地，若风险预测信息包括第一密文信息，风控系统可以获取用户的第二行为信息，和/或当前的第二环境信息，并利用如前所述的加密算法进行加密，得到第二密文信息，并将第二密文信息归入第三信息。需要指出，用于生成第二密文信息的用户数据(如第二行为信息和/或第二环境信息)和用于生成第一密文信息的第二信息，可以采用相同的组成结构。

若风险预测信息包括用户对应的用于风险预测的第一信息，则风控系统可以获取用户对应的用于风险识别的第四信息，并将第四信息归入第三信息。需要指出，第四信息和前文中的第一信息采用相同的组成结构。

若风险预测信息包括用户在风险预测时的第一行为信息所对应的第一分数，则风控系统可以获取用户的第二行为信息所对应的第二分数，并将该第二分数归入第三信息。

接着，在步骤216中，风控系统可以根据第三信息，确定风险预测结果是否可用。

作为一种实现方式，若在步骤214中，风控系统获取用户当前的第二环境信息，归入第三信息，则在步骤216中，风控系统可以根据第二环境信息，确定用户是否处于可信环境。若确定用户处于可信环境，则确定风险预测结果可用。若确定用户未处于可信环境，则确定风险预测结果不可用。这里，关于该实现方式的进一步解释，可参考前文中的相关说明，在此不再赘述。

作为另一种实现方式，若在步骤214中，风控系统将第二密文信息归入第三信息，则在步骤216中，风控系统可以计算第一密文信息和第二密文信息的第一相似度。例如，采用任何文本相似度计算算法，计算第一密文信息和第二密文信息的第一相似度。若第一相似度达到第一相似度阈值，则风控系统可以确定风险预测结果可用。若确定第一相似度未达到第一相似度阈值，则风控系统可以确定风险预测结果不可用。

需要指出，通过对用户对应的第二信息和上述用户数据分别进行加密，可以确保用户的隐私数据的安全性。另外，通过对第一密文信息和第二密文信息进行相似度计算，相较于直接对第二信息和上述用户数据进行相似度计算，可以有效减少风控系统的计算量，从而能降低风控系统的风险识别耗时。

作为又一种实现方式，若在步骤214中，风控系统将用户对应的用于风险识别的第四信息归入第三信息，则在步骤216中，风控系统可以计算第一信息和第四信息的第二相似度。若第二相似度达到第二相似度阈值，则风控系统可以确定风险预测结果可用。若第二相似度未达到第二相似度阈值，则风控系统可以确定风险预测结果不可用。

作为再一种实现方式，若在步骤214中，风控系统将用户的第二行为信息所对应的第二分数归入第三信息，则在步骤216中，风控系统可以计算第一分数和第二分数的差值。若该差值未超出预设值，则风控系统可以确定风险预测结果可用。若该差值超出预设值，则风控系统可以确定风险预测结果不可用。

需要指出，上述第一相似度阈值、第二相似度阈值、预设值，可以根据实际需求设置，在此不做具体限定。

实践中，由于第一阶段和第二阶段存在一定时间差，为了防止网络黑产利用时间差进行攻击，需要对第一阶段和第二阶段的用户相关信息进行比对。例如，采用针对步骤216描述的后三种实现方式，对第一密文信息和第二密文信息进行比对，对第一信息和第四信息进行比对，和/或对第一分数和第二分数进行比对。

在一些实施例中，第三信息可以包括多种信息要素，该多种信息要素例如包括环境信息、密文信息、分数、风险评估用信息中的多项。其中，该环境信息具体包括第二环境信息，密文信息具体包括第一密文信息和/或第二密文信息，该分数具体包括第一分数和/或第二分数，该风险评估用信息具体包括第一信息和/或第四信息。在步骤216中，风控系统可以根据该多种信息要素中的至少一种信息要素，确定风险预测结果是否可用。

例如，风控系统可以从该多种信息要素中随机选取出一种信息要素，并根据该信息要素确定风险预测结果是否可用。若确定风险预测结果可用，则可以接着执行步骤218；若确定风险预测结果不可用，则可以继续执行从该多种信息要素中随机选取出一种信息要素的步骤，直至确定出风险预测结果可用，或者根据该多种信息要素均确定风险预测结果不可用。需要指出，在后随机选取出的信息要素不同于在前随机选取出的信息要素。

再例如，该多种信息要素可以对应优先级。风控系统可以按优先级由高到低的顺序，依次根据该多种信息要素中的每种信息要素确定风险预测结果是否可用，直至确定出风险预测结果可用，或者根据该多种信息要素均确定风险预测结果不可用。

接着，若最终确定风险预测结果可用，则风控系统可以执行步骤218，将风险预测结果作为第二阶段的风险识别结果。若最终确定风险预测结果不可用，则风控系统可以执行步骤220，针对用户执行风险识别操作。

进一步地，在步骤220中，风控系统可以根据前文中的第四信息，对用户进行风险识别，得到第二阶段的风险识别结果。需要指出，风控系统采用的风险识别方式与风险预测系统采用的风险预测方式类似，在此不再赘述。

在通过执行步骤218或步骤220获得第二阶段的风险识别结果后，风控系统可以将风险识别结果返回给业务系统。

在一些实施例中，如果风控系统能正常使用风险预测系统针对用户对应存储的风险预测结果，除了将风险预测结果作为第二阶段的风险识别结果进行返回外，还要避免对下游处理系统的影响。因此，风控系统可以将风险预测系统在预测过程中产出的数据和风险识别请求中的数据进行合并。其中，如果在合并时遇到字段相同值不同的情况，则可以采用时效优先的方式，保留位于风险识别请求中的值。

图2对应的实施例提供的风险识别方法，在业务系统针对用户进行第一阶段的核身校验之前或之时，通过利用风险预测系统对用户进行风险预测，得到第一阶段对应的风险预测结果，以便在用户通过第一阶段的核身校验后，使得风控系统响应于风险预测结果可用而将风险预测结果作为第二阶段的风险识别结果，或者响应于风险预测结果不可用而针对用户执行风险识别操作。这样，可以提前实现对用户的精准风险预测,并将可用的风险预测结果直接作为风控系统在第二阶段的风险识别结果,能在确保风控系统的风险识别准确度的情况下，尽可能地降低风控系统的耗时。从而，能降低用户执行目标业务时的等待时间，以及减少超时带来的问题。

进一步参考图3，本说明书提供了一种针对目标业务的风险识别装置的一个实施例，目标业务对应多个用户鉴权阶段,其中包括基于核身校验的第一阶段,以及基于风险识别的第二阶段，该装置可以应用于如图1所示的风险预测系统。

如图3所示，本实施例的针对目标业务的风险识别装置300包括：接收单元301、获取单元302、风险预测单元303和存储单元304。其中，接收单元301被配置成从业务系统接收针对用户的风险预测请求，其中包括用户的用户标识,风险预测请求是业务系统在针对用户进行第一阶段的核身校验之前或之时发送的；获取单元302被配置成获取用户对应的用于风险预测的第一信息；风险预测单元303被配置成根据第一信息，对用户进行风险预测，得到第一阶段对应的风险预测结果；存储单元304被配置成将用户标识和风险预测信息进行对应存储，风险预测信息包括风险预测结果；以使得风控系统在用户通过第一阶段的核身校验后，响应于风险预测结果可用而将风险预测结果作为第二阶段的风险识别结果。

在一些实施例中，风险预测单元303可以进一步被配置成：利用风险预测模型，根据第一信息，对用户进行风险预测。

在一些实施例中，获取单元302还可以被配置成：在接收单元301从业务系统接收针对用户的风险预测请求之后，获取用户对应的第二信息，其中包括用户的第一行为信息，和/或当前的第一环境信息；利用预设的加密算法对第二信息进行加密，得到第一密文信息；以及上述风险预测信息还包括第一密文信息，以使得风控系统在确定风险预测结果是否可用时，将第一密文信息用于信息比对。

在一些实施例中，第一环境信息可以包括但不限于用户当前使用的设备的以下至少一项：设备标识、设备机型、IP地址、位置信息。

在一些实施例中，上述加密算法可以包括但不限于不可逆加密算法。

在一些实施例中，第一行为信息可以对应第一分数；以及上述风险预测信息还可以包括第一分数，以使得风控系统在确定风险预测结果是否可用时，将第一分数用于信息比对。

在一些实施例中，上述风险预测信息还可以包括第一信息，以使得风控系统在确定风险预测结果是否可用时，将第一信息用于信息比对。

在一些实施例中，第一信息可以包括但不限于用户的以下至少一项：第一行为信息、支付渠道、当前的第一环境信息。

在一些实施例中，目标业务可以包括但不限于以下任一项：支付业务、账户注册业务、账户登录业务。

在一些实施例中，目标业务包括支付业务；以及获取单元302可以进一步被配置成：获取用户偏好的支付渠道，归入第一信息。

在一些实施例中，存储单元304可以进一步被配置成：将用户标识和风险预测信息进行对应缓存。

进一步参考图4，本说明书提供了一种针对目标业务的风险识别装置的一个实施例，目标业务对应多个用户鉴权阶段,其中包括基于核身校验的第一阶段,以及基于风险识别的第二阶段，该装置可以应用于如图1所示的风控系统。

如图4所示，本实施例的针对目标业务的风险识别装置400包括：接收单元401、获取单元402、确定单元403、第一处理单元404和第二处理单元405。其中，接收单元401被配置成从业务系统接收针对用户的风险识别请求，其中包括用户的用户标识，风险识别请求是业务系统在用户通过第一阶段的核身校验后发送的；获取单元402被配置成根据用户标识，获取风险预测系统针对用户对应存储的风险预测信息，其中包括第一阶段对应的风险预测结果，风险预测结果是风险预测系统在业务系统针对用户进行第一阶段的核身校验之前或之时，对用户进行风险预测所获得的；确定单元403被配置成获取用户的第三信息，并根据第三信息，确定风险预测结果是否可用；第一处理单元404被配置成若确定单元403的确定结果为是，则将风险预测结果作为第二阶段的风险识别结果；第二处理单元405被配置成若确定单元403的确定结果为否，则针对用户执行风险识别操作。

在一些实施例中，风险预测信息还包括以下至少一项：用户对应的用于风险预测的第一信息；第一密文信息，其通过利用预设的加密算法，对用户对应的第二信息进行加密而获得，第二信息包括用户在风险预测时的第一行为信息和/或第一环境信息；第一行为信息对应的第一分数；第三信息包括第一信息、第一密文信息和/或第一分数。

在一些实施例中，确定单元403可以进一步被配置成：获取用户当前的第二环境信息，归入第三信息；根据第二环境信息，确定用户是否处于可信环境；若确定用户处于可信环境，则确定风险预测结果可用；若确定用户未处于可信环境，则确定风险预测结果不可用。

在一些实施例中，风险预测信息还包括第一密文信息，其通过利用预设的加密算法，对用户对应的第二信息进行加密而获得，第二信息包括用户在风险预测时的第一行为信息和/或第一环境信息；确定单元403可以进一步被配置成：获取用户的第二行为信息，和/或当前的第二环境信息，并利用该加密算法进行加密，得到第二密文信息，归入第三信息；计算第一密文信息和第二密文信息的第一相似度；若第一相似度达到第一相似度阈值，则确定风险预测结果可用；若第一相似度未达到第一相似度阈值，则确定风险预测结果不可用。

在一些实施例中，风险预测信息还包括用户对应的用于风险预测的第一信息；确定单元403可以进一步被配置成：获取用户对应的用于风险识别的第四信息，归入第三信息，其中，第四信息与第一信息采用相同的组成结构；计算第一信息和第四信息的第二相似度；若第二相似度达到第二相似度阈值，则确定风险预测结果可用；若第二相似度未达到第二相似度阈值，则确定风险预测结果不可用。

在一些实施例中，风险预测信息还包括，所述用户在风险预测时的第一行为信息所对应的第一分数；确定单元403可以进一步被配置成：获取用户的第二行为信息所对应的第二分数，归入第三信息；计算第一分数和第二分数的差值；若该差值未超出预设值，则确定风险预测结果可用；若该差值超出预设值，则确定风险预测结果不可用。

在一些实施例中，第三信息包括多种信息要素；以及确定单元403可以进一步被配置成：根据该多种信息要素中的至少一种信息要素，确定风险预测结果是否可用。

在图3、图4分别对应的装置实施例中，各单元的具体处理及其带来的技术效果可参考图2对应的实施例中的相关说明，在此不再赘述。

本说明书实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，当该计算机程序在计算机中执行时，令计算机执行以上各方法实施例分别描述的针对目标业务的风险识别方法。

本说明书实施例还提供了一种计算设备，包括存储器和处理器，其中，该存储器中存储有可执行代码，该处理器执行该可执行代码时，实现以上各方法实施例分别描述的针对目标业务的风险识别方法。

本说明书实施例还提供了一种计算机程序，其中，当该计算机程序在计算机中执行时，令计算机执行以上各方法实施例分别描述的针对目标业务的风险识别方法。

本领域技术人员应该可以意识到，在上述一个或多个示例中，本说明书披露的多个实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。

在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

以上所述的具体实施方式，对本说明书披露的多个实施例的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本说明书披露的多个实施例的具体实施方式而已，并不用于限定本说明书披露的多个实施例的保护范围，凡在本说明书披露的多个实施例的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本说明书披露的多个实施例的保护范围之内。