欺诈概率的展示方法、系统、计算机设备及可读存储介质与流程

本发明涉及计算机技术领域，具体涉及欺诈概率的展示方法、系统、计算机设备及计算机可读存储介质。

背景技术：

在个人贷款面签业务中，经常会出现贷款申请人骗贷的情况。目前，一种相关技术的解决方案是通过后期风控部门进一步的审核贷款申请人的相关信息，人工判断是否存在骗贷情况，但是，这种通过人工判断贷款申请人是否存在骗贷情况，误判漏判的几率较大。另一种相关技术的解决方案通过使用声纹探测帮助测试客户诚实率，并将探测结果直接通过数字展示到界面上。

然而，在实现本发明构思的过程中，发明人发现相关技术中至少存在如下缺陷：现有技术中通过声纹探测客户诚实率时，由于环境噪声等原因会导致探测结果准确性较差，且将探测结果直接通过数字展示到界面上，没有突出或警示效果。

技术实现要素：

本公开目的是提供一种基于欺诈概率的展示方法、系统、计算机设备及计算机可读存储介质，以至少解决现有技术中通过声纹探测客户诚实率，由于网速、客户身体状况等原因会导致探测结果准确性较差，且将探测结果直接通过数字展示到界面上，没有突出或警示效果。

本公开的一个方面提供了一种欺诈概率的展示方法，其特征在于，包括：对包含用户针对当前测试题目生产的微表情的视频进行分析，得到微表情数据；将上述微表情数据发送至欺诈值模型，其中，上述欺诈值模型用于根据上述微表情数据输出上述用户针对上述当前测试题目的欺诈值；基于上述欺诈值，计算欺诈概率；从多个预设展示特征块中确定出上述欺诈概率对应的预设展示特征块，其中，不同的预设展示特征块用于表征不同的欺诈程度；以及基于上述对应的预设展示特征块，展示上述欺诈概率。

根据本公开的实施例，上述欺诈值模型包括多条映射关系，上述映射关系包括历史微表情数据和历史欺诈值的映射关系，上述历史微表情数据是根据历史视频得到的，上述欺诈值模型用于：接收上述微表情数据，从上述多条映射关系中确定出与上述微表情数据对应的映射关系，以及根据该映射关系确定上述欺诈值。

根据本公开的实施例，上述根据上述欺诈值，计算欺诈概率包括：获取预先设定的欺诈阈值；判断上述欺诈值是否大于等于上述欺诈阈值；以及若判断出上述欺诈值大于等于上述欺诈阈值，则根据上述欺诈值和上述欺诈阈值，计算上述欺诈概率；或者若判断出上述欺诈值小于上述欺诈阈值，则将上述欺诈概率置为零。

根据本公开的实施例，上述从多个预设展示特征块中确定出上述欺诈概率对应的预设展示特征块包括：获取上述多个预设展示特征块中各预设展示特征块对应的概率区间，得到多个概率区间；从上述多个概率区间中确定出上述欺诈概率所属的展示概率区间；以及将上述多个预设展示特征块中与上述展示概率区间对应的特征块确定为上述对应的预设展示特征块。

根据本公开的实施例，上述基于上述对应的预设展示特征块，展示上述欺诈概率包括：确定上述欺诈概率位于上述展示概率区间的区间位置；确定上述对应的预设展示特征块中与上述区间位置对应的展示位置；以及基于上述对应的预设展示特征块和上述展示位置，展示上述欺诈概率。

根据本公开的实施例，上述当前测试题目所在的操作页面中包括多个测试题目，每个上述预设展示特征块对应至少一个上述测试题目，上述方法还包括：统计上述多个预设展示特征块中各预设展示特征块对应的测试题目的数量。

根据本公开的实施例，每个上述预设展示特征块均为弧形形状，上述多个预设展示特征块能够按照其所表征的欺诈程度大小排列组成圆环形状。

根据本公开的实施例，排列顺序在上述当前测试题目之前的至少一个测试题目中的每个测试题目均对应有一个欺诈概率。

根据本公开的实施例，上述用户能够通过接收语音播报获知上述当前测试题目和/或通过阅读文字描述获知上述当前测试题目。

本公开的另一个方面提供了一种欺诈概率的展示系统，其特征在于，包括：分析模块，用于对包含用户针对当前测试题目生产的微表情的视频进行分析，得到微表情数据；发送模块，用于将上述微表情数据发送至欺诈值模型，其中，上述欺诈值模型用于根据上述微表情数据输出上述用户针对上述当前测试题目的欺诈值；计算模块，用于基于上述欺诈值，计算欺诈概率；确定模块，用于从多个预设展示特征块中确定出上述欺诈概率对应的预设展示特征块，其中，不同的预设展示特征块用于表征不同的欺诈程度；以及展示模块，用于基于上述对应的预设展示特征块，展示上述欺诈概率。

根据本公开的实施例，上述欺诈值模型包括多条映射关系，上述映射关系包括历史微表情数据和历史欺诈值的映射关系，上述历史微表情数据是根据历史视频得到的，上述欺诈值模型用于：接收上述微表情数据，从上述多条映射关系中确定出与上述微表情数据对应的映射关系，以及根据该映射关系确定上述欺诈值。

根据本公开的实施例，上述欺诈模块包括：第一获取单元，用于获取预先设定的欺诈阈值；判断单元，用于判断上述欺诈值是否大于等于上述欺诈阈值；计算单元，用于在判断出上述欺诈值大于等于上述欺诈阈值的情况下，根据上述欺诈值和上述欺诈阈值，计算上述欺诈概率；处理单元，用于在判断出上述欺诈值小于上述欺诈阈值的情况下，将上述欺诈概率置为零。

根据本公开的实施例，上述确定模块包括：第二获取单元，用于获取上述多个预设展示特征块中各预设展示特征块对应的概率区间，得到多个概率区间；第一确定单元，用于从上述多个概率区间中确定出上述欺诈概率所属的展示概率区间；以及第二确定单元，用于将上述多个预设展示特征块中与上述展示概率区间对应的特征块确定为上述对应的预设展示特征块。

根据本公开的实施例，上述展示模块包括：第三确定单元，用于确定上述欺诈概率位于上述展示概率区间的区间位置；第四确定单元，用于确定上述对应的预设展示特征块中与上述区间位置对应的展示位置；以及展示单元，用于基于上述对应的预设展示特征块和上述展示位置，展示上述欺诈概率。

根据本公开的实施例，上述当前测试题目所在的操作页面中包括多个测试题目，每个上述预设展示特征块对应至少一个上述测试题目，上述系统还包括：统计模块，用于统计上述多个预设展示特征块中各预设展示特征块对应的测试题目的数量。

根据本公开的实施例，每个上述预设展示特征块均为弧形形状，上述多个预设展示特征块能够按照其所表征的欺诈程度大小排列组成圆环形状。

根据本公开的实施例，排列顺序在上述当前测试题目之前的至少一个测试题目中的每个测试题目均对应有一个欺诈概率。

根据本公开的实施例，上述用户能够通过接收语音播报获知上述当前测试题目和/或通过阅读文字描述获知上述当前测试题目。

本公开的再一个方面提供了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，上述处理器执行上述计算机程序时用于实现如上任一项所述的欺诈概率的展示方法的步骤。

本公开的又一个方面提供了一种计算机可读存储介质，其上存储有计算机程序，上述计算机程序被处理器执行时用于实现如上任一项所述的欺诈概率的展示方法的步骤。

本公开提供的欺诈概率的展示方法，通过分析用户针对当前测试题目的微表情视频，得到微表情数据，再将微表情数据输入已有的欺诈值模型，并利用欺诈值模型的固有功能，得到用户针对当前测试题目的欺诈值，然后根据欺诈值计算欺诈概率，很明显，本公开的实施例不必采取用户的声纹，即便环境中存在噪声也不会影响计算欺诈概率的准确性，即本公开的实施例可以为银行提供客观的分析数据，并能够在一定程度上减少骗贷行为。进一步，在计算出欺诈概率之后，可以从多个预设展示特征块中确定出该欺诈概率对应的预设展示特征块，并通过该对应的预设展示特征块将欺诈概率展示出来，由于每个预设展示特征块所表征的欺诈程度均不相同，因此当坐席观察到欺诈概率是通过多个预设展示特征块中的该对应的预设展示特征块展示的，便可以直观的了解到用户在回答当前测试题目时是否说谎以及说谎的程度是多少，即本公开的实施例可以为坐席直观的展示用户针对当前测试题目的欺诈概率，给坐席提醒或提示。通过本公开的实施例，有效的克服了现有技术中由于环境噪声等原因会导致探测结果准确性较差，且将探测结果直接通过数字展示到界面上没有突出或警示效果的缺陷。

附图说明

图1示意性示出了根据本公开实施例的欺诈概率的展示方法的流程图；

图2示意性示出了根据本公开实施例的计算欺诈概率的流程图；

图3示意性示出了根据本公开实施例的确定对应的预设展示特征块的流程图；

图4示意性示出了根据本公开实施例的基于对应的预设展示特征块展示欺诈概率的流程图；

图5示意性示出了根据本公开实施例的基于微表情计算欺诈概率方案的示意图；

图6示意性示出了根据本公开实施例的欺诈概率的展示系统的框图；以及

图7示意性示出了根据本公开实施例的适于实现欺诈概率的展示方法的计算机设备的硬件架构示意图。

具体实施方式

为了使本公开的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本公开进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本公开，并不用于限定本公开。基于本公开中的实施例，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，都属于本公开保护的范围。

考虑到现有技术中通过声纹探测客户诚实率时，由于环境噪声等原因会导致探测结果准确性较差，且将探测结果直接通过数字展示到界面上，没有突出或警示效果。本公开的实施例通过分析用户针对当前测试题目的微表情视频，得到微表情数据，再将微表情数据输入已有的欺诈值模型，并利用欺诈值模型的固有功能，得到用户针对当前测试题目的欺诈值，然后根据欺诈值计算欺诈概率，很明显，本公开的实施例不必采取用户的声纹，即便环境中存在噪声也不会影响计算欺诈概率的准确性，即本公开的实施例可以为银行提供客观的分析数据，并能够在一定程度上减少骗贷行为。进一步，在计算出欺诈概率之后，可以从多个预设展示特征块中确定出该欺诈概率对应的预设展示特征块，并通过该对应的预设展示特征块将欺诈概率展示出来，由于每个预设展示特征块所表征的欺诈程度均不相同，因此当坐席观察到欺诈概率是通过多个预设展示特征块中的该对应的预设展示特征块展示的，便可以直观的了解到用户在回答当前测试题目时是否说谎以及说谎的程度是多少，即本公开的实施例可以为坐席直观的展示用户针对当前测试题目的欺诈概率，给坐席提醒或提示。

图1示意性示出了根据本公开实施例的欺诈概率的展示方法的流程图。

如图1所示，该欺诈概率的展示方法可以包括步骤s101～步骤s105，其中：

步骤s101，对包含用户针对当前测试题目生产的微表情的视频进行分析，得到微表情数据。

本公开实施例提供的欺诈概率的展示方案可以应用在电子设备中，该电子设备可以包括但不限于手机、平板电脑、笔记本电脑、台式电脑等。

在本公开的实施例中，系统可以自动获取包含用户针对当前测试题目产生的微表情的微表情视频，例如用户回答当前测试题目阶段参产生的微表情的视频。根据本公开的实施例，用户回答当前测试题目所花费的时长可以为第一时长。对于当前测试题目，其可以对应一个第一开始按钮和一个第一结束按钮，该第一时长可以是从第一开始按钮被触发的时间到第一结束按钮被触发的时间。例如，第一开始按钮被触发的时间为11点10分20秒，第一结束按钮被触发的时间为11点10分36秒，则该第一时长可以是从11点10分20秒到11点10分36秒之间的时间。或者，对于当前测试题目，其可以对应一个第二开始按钮，该第一时长可以是以该第二开始按钮被触发的时间为开始时间的预设时间段。例如，预设时间段长度为10秒，第二开始按钮被触发的时间为11点10分20秒，则第一时长为从11点10分20秒到11点10分30秒之间的时间。

根据本公开的实施例，用户可以是通过接收坐席或系统的语音播报获知当前测试题目，也可以通过坐席或系统将当前测试题目发送给用户一端，使用户可以通过阅读文字描述获知当前测试题目，还可以是二者的结合，在此不做限定。

根据本公开的实施例，微表情视频可以包括多个视频帧，获取包含用户在回答当前测试题目过程中所产生的微表情的微表情视频可以是，获取用于存放多个视频帧中每个视频帧的视频帧地址，得到多个视频帧地址；基于多个视频帧地址，获取微表情视频。

在本公开的实施例中，坐席一端的电子设备中可以包括视频控件，例如paphone，该视频控件中可以包括微表情控件。具体地，在用户与坐席通过线上远程视频面签时，对于当前测试题目，视频控件可以记录第一时长的微表情视频，并将该微表情视频存储在本地的内存中。由于微表情视频是由多个视频帧组成的，因此视频控件在向微表情控件提供微表情视频时，可以先获取用于存放多个视频帧中每个视频的视频帧地址，得到多个视频帧地址，进而微表情控件可以根据多个视频帧地址，获取该微表情视频。

本公开的实施例可以自动分析愉快、悲伤、害怕、厌恶、惊讶、愤怒、自然、轻蔑等面部表情。具体地，可以先判断视频或者图像中是否存在面部，若存在，则可以识别出面部的特征，并将这些特征解析成数据(又称为微表情数据)。

例如，若当前视频帧中存在面部，且识别出的面部特征为：皱眉、上眼睑上升、眼轮匝肌内圈收紧、收紧嘴唇，则根据运动单元(简称为au)编码可以知道皱眉对应au4，上眼睑上升对应au5，眼轮匝肌内圈收紧对应au7，收紧嘴唇对应au23。

需要说明的是，人的面部一共有39个主要的au，这些au可以相互组合，不同的au组合代表了不同的情绪。例如，结合上述示例，au4、au5、au7、au23组合起来可以代表愤怒。

此外，本公开的实施例还可以识别用户的视线方向，例如眼球左右滚动。

步骤s102，将微表情数据发送至欺诈值模型，其中，欺诈值模型用于根据微表情数据输出用户针对当前测试题目的欺诈值。

在本公开的实施例中，欺诈值模型可以存储在坐席一端的电子设备中，也可以存储在单独的微表情服务器中。假设该欺诈值模型存储在坐席一端的电子设备中，则微表情控件可以直接将微表情数据发送至该欺诈值模型，并获取该欺诈值模型根据输入其自身的微表情数据输出的欺诈值。假设该欺诈值模型存储在单独的服务器中，则微表情控件可以将微表情数据发送至微表情服务器，该微表情服务器中的欺诈值模型可以根据输入其自身的微表情数据输出对应的欺诈值，随后，微表情服务器可以将该欺诈值返回坐席一端的电子设备中，或者每间隔预设时间坐席一端的电子设备可以主动从服务器中获取该欺诈值。

根据本公开的实施例，欺诈值模型可以包括多条映射关系，每条映射关系中可以包括历史微表情数据和历史欺诈值的映射关系，其中，历史微表情数据是根据历史微表情视频得到的，例如可以通过微表情控件对历史微表情视频进行分析得到历史微表情数据。在接收到微表情数据之后，欺诈值模型可以从其包含的多条映射关系中确定出与该微表情数据对应的映射关系。例如确定出与该微表情数据最相似的历史微表情数据，并将该历史微表情数据所在的映射关系作为该微表情数据对应的映射关系。进一步，可以根据该对应的映射关系确定出欺诈值，例如可以将该对应的映射关系中的历史欺诈值作为用户针对当前测试题目的欺诈值。

例如，假设欺诈值模型中包括映射关系a，映射关系b和映射关系c，其中，映射关系a中包括历史微表情数据a和历史欺诈值a(假设为0.4)，映射关系b中包括历史微表情数据b和历史欺诈值b(假设为0.6)，映射关系c中包括历史微表情数据c和历史欺诈值c(假设为0.3)。若本公开实施例中的微表情数据与映射关系b中历史微表情数据b最接近，则可以将历史微表情数据b对应的历史欺诈值b作为本公开实施例中的用户针对当前测试题目的欺诈值，即用户针对当前测试题目的欺诈值为0.6。

需要说明的是，某一历史微表情数据可能对应多个欺诈值，此时，需要判断(可以是人工判断)哪个欺诈值才是与该历史微表情数据相关联的历史欺诈值。

例如，某一历史微表情数据a对应两个欺诈值，这两个欺诈值分别为欺诈值1和欺诈值2。经判断发现，欺诈值1为错误的，欺诈值2为正确的，则可以将欺诈值2作为与该历史微表情数据a相关联的历史欺诈值。

步骤s103，基于欺诈值，计算欺诈概率。

在本公开的实施例中，只有在欺诈值高于某一数值例如欺诈阈值时，才会认为用户在回答测试问题时存在说谎的情况，但若是坐席直接查看欺诈值，则需要坐席自行判断该欺诈值是否高于欺诈阈值，比较繁琐，并且坐席也不容易直观的了解到用户的欺诈程度。为了便于坐席更明确更直观的获知用户在回答测试问题例如当前测试问题时是否说谎以及说谎的程度，本公开的实施例可以根据欺诈值计算欺诈概率。为了便于坐席更明确的获知用户在回答当前测试问题时是否说谎以及说谎的程度，本公开的实施例可以根据欺诈值计算欺诈概率。具体地，如图2所示，图2示意性示出了根据本公开实施例的计算欺诈概率的流程图。在图2中，步骤s201，获取预先设定的欺诈阈值；步骤s202，判断欺诈值是否大于等于欺诈阈值；步骤s203，若判断出欺诈值大于等于欺诈阈值，则根据欺诈值和欺诈阈值，计算欺诈概率；步骤s204，若判断出欺诈值小于欺诈阈值，则将欺诈概率置为零。

根据本公开的实施例，坐席或者其他工作人员可以预先在微表情控件中设置一个欺诈阈值，其中，该欺诈阈值可以是根据历史经验得出的，例如，正常微表情和说谎微表情之间存在一定的差距，该差距可以通过大数据统计得出，进而可以将统计出的值作为该欺诈阈值。微表情控件可以判断欺诈值是否大于等于该欺诈阈值，若是，则表明用户在回答当前测试题目时存在欺诈行为，此时可以利用预设算法对该欺诈值和欺诈阈值进行计算，以得到欺诈概率，其中，该预设算法可以为：

欺诈概率＝(欺诈值-欺诈阈值)/欺诈阈值×100％。

例如，在用户回答当前测试题目后，根据微表情计算得出欺诈值为0.6。微表情控件提供的欺诈阈值为0.45，由于0.6>0.45，则可以利用预设算法计算出欺诈概率＝(0.6-0.45)/0.45×100％≈33％。

根据本公开的实施例，若微表情控件判断出欺诈值小于该欺诈阈值，则表明用户在回答当前测试题目时不存在欺诈行为，此时可以将欺诈概率置为0。

步骤s104，从多个预设展示特征块中确定出欺诈概率对应的预设展示特征块，其中，不同的预设展示特征块用于表征不同的欺诈程度。

在本公开的实施例中，多个预设展示特征块可以通过不同的形状进行区分，也可以通过不同的颜色进行区别，例如红色的预设展示特征块用于表征欺诈程度为“高风险”，黄色的预设展示特征块用于表征欺诈程度为“较高风险”，绿色的预设展示特征块用于表征欺诈程度为“低风险”，本公开的实施例对预设展示特征块的表现形式不做限定。

根据本公开的实施例，如图3所示，图3示意性示出了根据本公开实施例的确定对应的预设展示特征块的流程图。在图3中，步骤s301，获取多个预设展示特征块中各预设展示特征块对应的概率区间，得到多个概率区间；步骤s302，从多个概率区间中确定出欺诈概率所属的展示概率区间；步骤s303，将多个预设展示特征块中与展示概率区间对应的特征块确定为该对应的预设展示特征块。

根据本公开的实施例，不同的预设展示特征块对应不同的概率范围。例如，结合上述示例，红色的预设展示特征块对应概率区间可以为(70％，100％]，黄的预设展示特征块对应的概率区间可以为[25％，70％]，绿色的预设展示特征块对应的概率区间可以为(0，25％)。

根据本公开的实施例，可以从多个概率区间中确定出该欺诈概率所属的展示概率区间，并将该展示概率区间对应的特征块确定为上述对应的预设展示特征块。例如，结合上述示例，假设计算出的欺诈概率为15％，由于15％所属的概率区间为(0，25％)，且概率区间(0，25％)对应的的特征块为绿色的预设展示特征块，则可以将该绿色的预设展示特征块确定为欺诈概率对应的预设展示特征块。

作为一种可选的实施例，每个预设展示特征块的形状可以为弧形形状，多个预设展示特征块能够按照其所表征的欺诈程度大小排列组成圆环形状。

步骤s105，基于对应的预设展示特征块，展示欺诈概率。

如图4所示，图4示意性示出了根据本公开实施例的基于对应的预设展示特征块展示欺诈概率的流程图。在图4中，步骤s401，确定欺诈概率位于展示概率区间的区间位置；步骤s402，确定对应的预设展示特征块中与区间位置对应的展示位置；步骤s403，基于对应的预设展示特征块和展示位置，展示欺诈概率。

例如，结合上述示例，欺诈概率15％位于展示概率区间(0，25％)的区间长度的3/5处，则对应的展示位置也可以是该对应的预设展示特征块的长度的3/5处，进一步，可以将欺诈概率在该对应的预设展示特征块的3/5处进行展示。

如图5所示，图5示意性示出了根据本公开实施例的基于微表情计算欺诈概率方案的示意图。在图5中，“·”的预设展示特征块对应的概率区间为(0，25％)，表征的欺诈程度为低风险；“-”的预设展示特征块对应的概率区间为[25％，70％]，表征的欺诈程度为较高风险；“+”的预设展示特征块对应的概率区间为(70％，100％]，表征的欺诈程度为高风险。假设欺诈概率为15％，则该欺诈概率15％对应的预设展示特征块为“·”的预设展示特征块，且展示位置为该“·”的预设展示特征块的长度的3/5处。根据本示例，可以将该欺诈概率展示为图5所示，其中，图5中箭头所指的位置即为展示位置。

作为一种可选的实施例，当前测试题目所在的操作页面(例如电子测试问卷)中包括多个测试题目，每个预设特征块对应至少一个测试题目，该欺诈概率的展示方法还可以包括：统计多个预设展示特征块中各预设展示特征块对应的测试题目的数量。

作为一种可选的实施例，在坐席一端的电子设备中，排列顺序在当前测试题目之前的至少一个测试题目中的每个测试题均可以对应并展示有一个欺诈概率。

例如，当前测试题目为第10题，由于现在计算的是用户针对第10题的欺诈概率，因此，对于第1～9题中的每一题，应该均有自己对应的欺诈概率。

需要说明的是，为了节省操作页面的占用面积，可以只对当前测试题目的欺诈概率通过对应的预设展示特征块进行展示。

根据本公开的实施例，排列在当期测试题目“去哪个车行看的？购买车辆落地价是多少？”之前的测试题目均对应有自己的欺诈概率，排列在当前测试题目之后的测试题目，由于用户还尚未针对这些测试题目进行作答，自然也无法计算出对应的欺诈概率。需要说明的是，对于测试题目“您平时上班路线”，其对应的欺诈概率为零，则表明用户针对该测试题目不存在欺诈行为。

本公开提供的欺诈概率的展示方法，通过分析用户针对当前测试题目的微表情视频，得到微表情数据，再将微表情数据输入已有的欺诈值模型，并利用欺诈值模型的固有功能，得到用户针对当前测试题目的欺诈值，然后根据欺诈值计算欺诈概率，很明显，本公开的实施例不必采取用户的声纹，即便环境中存在噪声也不会影响计算欺诈概率的准确性，即本公开的实施例可以为银行提供客观的分析数据，并能够在一定程度上减少骗贷行为。进一步，在计算出欺诈概率之后，可以从多个预设展示特征块中确定出该欺诈概率对应的预设展示特征块，并通过该对应的预设展示特征块将欺诈概率展示出来，由于每个预设展示特征块所表征的欺诈程度均不相同，因此当坐席观察到欺诈概率是通过多个预设展示特征块中的该对应的预设展示特征块展示的，便可以直观的了解到用户在回答当前测试题目时是否说谎以及说谎的程度是多少，即本公开的实施例可以为坐席直观的展示用户针对当前测试题目的欺诈概率，给坐席提醒或提示。通过本公开的实施例，有效的克服了现有技术中由于环境噪声等原因会导致探测结果准确性较差，且将探测结果直接通过数字展示到界面上没有突出或警示效果的缺陷。

图6示意性示出了根据本公开实施例的欺诈概率的展示系统的框图。

如图6所示，该欺诈概率的展示系统600可以包括分析模块610、发送模块620、计算模块630、确定模块640和展示模块650，其中：

分析模块610用于对包含用户针对当前测试题目生产的微表情的视频进行分析，得到微表情数据。

发送模块620用于将微表情数据发送至欺诈值模型，其中，该欺诈值模型用于根据该微表情数据输出用户针对当前测试题目的欺诈值。

计算模块630用于基于欺诈值，计算欺诈概率。

确定模块640用于从多个预设展示特征块中确定出欺诈概率对应的预设展示特征块，其中，不同的预设展示特征块用于表征不同的欺诈程度；以及

展示模块650用于基于对应的预设展示特征块，展示欺诈概率。

本公开提供的欺诈概率的展示方法，通过分析用户针对当前测试题目的微表情视频，得到微表情数据，再将微表情数据输入已有的欺诈值模型，并利用欺诈值模型的固有功能，得到用户针对当前测试题目的欺诈值，然后根据欺诈值计算欺诈概率，很明显，本公开的实施例不必采取用户的声纹，即便环境中存在噪声也不会影响计算欺诈概率的准确性，即本公开的实施例可以为银行提供客观的分析数据，并能够在一定程度上减少骗贷行为。进一步，在计算出欺诈概率之后，可以从多个预设展示特征块中确定出该欺诈概率对应的预设展示特征块，并通过该对应的预设展示特征块将欺诈概率展示出来，由于每个预设展示特征块所表征的欺诈程度均不相同，因此当坐席观察到欺诈概率是通过多个预设展示特征块中的该对应的预设展示特征块展示的，便可以直观的了解到用户在回答当前测试题目时是否说谎以及说谎的程度是多少，即本公开的实施例可以为坐席直观的展示用户针对当前测试题目的欺诈概率，给坐席提醒或提示。通过本公开的实施例，有效的克服了现有技术中由于环境噪声等原因会导致探测结果准确性较差，且将探测结果直接通过数字展示到界面上没有突出或警示效果的缺陷。

作为一种可选的实施例，欺诈值模型包括多条映射关系，每条映射关系中均包括历史微表情数据和历史欺诈值，历史微表情数据是根据历史视频得到的，欺诈值模型用于：接收微表情数据，从多条映射关系中确定出与微表情数据对应的映射关系，以及根据该映射关系确定欺诈值。

作为一种可选的实施例，欺诈模块包括：第一获取单元，用于获取预先设定的欺诈阈值；判断单元，用于判断欺诈值是否大于等于欺诈阈值；计算单元，用于在判断出欺诈值大于等于欺诈阈值的情况下，根据欺诈值和欺诈阈值，计算欺诈概率；处理单元，用于在判断出欺诈值小于欺诈阈值的情况下，将欺诈概率置为零。

作为一种可选的实施例，确定模块包括：第二获取单元，用于获取多个预设展示特征块中各预设展示特征块对应的概率区间，得到多个概率区间；第一确定单元，用于从多个概率区间中确定出欺诈概率所属的展示概率区间；以及第二确定单元，用于将多个预设展示特征块中与展示概率区间对应的特征块确定为该对应的预设展示特征块。

作为一种可选的实施例，展示模块包括：第三确定单元，用于确定欺诈概率位于展示概率区间的区间位置；第四确定单元，用于确定对应的预设展示特征块中与区间位置对应的展示位置；以及展示单元，用于基于对应的预设展示特征块和展示位置，展示欺诈概率。

作为一种可选的实施例，当前测试题目所在的操作页面中包括多个测试题目，每个预设展示特征块对应至少一个测试题目，该欺诈概率的展示系统还可以包括：统计模块，用于统计多个预设展示特征块中各预设展示特征块对应的测试题目的数量。

作为一种可选的实施例，每个预设展示特征块均可以为弧形形状，多个预设展示特征块能够按照其所表征的欺诈程度大小排列组成圆环形状。

作为一种可选的实施例，排列顺序在当前测试题目之前的至少一个测试题目中的每个测试题目均对应有一个欺诈概率。

作为一种可选的实施例，用户能够通过接收语音播报获知当前测试题目和/或通过阅读文字描述获知当前测试题目。

图7示意性示出了根据本公开实施例的适于实现欺诈概率的展示方法的计算机设备的硬件架构示意图。本实施例中，计算机设备700是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。例如，可以是智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图所示，计算机设备700至少包括但不限于：可通过系统总线相互通信连接存储器710、处理器720、网络接口730。其中：

存储器710至少包括一种类型的计算机可读存储介质，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器710可以是计算机设备700的内部存储模块，例如该计算机设备700的硬盘或内存。在另一些实施例中，存储器710也可以是计算机设备700的外部存储设备，例如该计算机设备700上配备的插接式硬盘，智能存储卡(smartmediacard，简称为smc)，安全数字(securedigital，简称为sd)卡，闪存卡(flashcard)等。当然，存储器710还可以既包括计算机设备700的内部存储模块也包括其外部存储设备。本实施例中，存储器710通常用于存储安装于计算机设备700的操作系统和各类应用软件，例如欺诈概率的展示方法的程序代码等。此外，存储器710还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器720在一些实施例中可以是中央处理器(centralprocessingunit，简称为cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器720通常用于控制计算机设备700的总体操作，例如执行与计算机设备700进行数据交互或者通信相关的控制和处理等。本实施例中，处理器720用于运行存储器710中存储的程序代码或者处理数据。

网络接口730可包括无线网络接口或有线网络接口，该网络接口730通常用于在计算机设备700与其他计算机设备之间建立通信连接。例如，网络接口730用于通过网络将计算机设备700与外部终端相连，在计算机设备700与外部终端之间的建立数据传输通道和通信连接等。网络可以是企业内部网(intranet)、互联网(internet)、全球移动通讯系统(globalsystemofmobilecommunication，简称为gsm)、宽带码分多址(widebandcodedivisionmultipleaccess，简称为wcdma)、4g网络、5g网络、蓝牙(bluetooth)、wi-fi等无线或有线网络。

需要指出的是，图7仅示出了具有部件710-730的计算机设备，但是应理解的是，并不要求实施所有示出的部件，可以替代的实施更多或者更少的部件。

在本实施例中，存储于存储器710中的欺诈概率的展示方法还可以被分割为一个或者多个程序模块，并由一个或多个处理器(本实施例为处理器720)所执行，以完成本发明。

本实施例还提供一种计算机可读存储介质，计算机可读存储介质其上存储有计算机程序，计算机程序被处理器执行时实现实施例中的欺诈概率的展示方法的步骤。

本实施例中，计算机可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，计算机可读存储介质可以是计算机设备的内部存储单元，例如该计算机设备的硬盘或内存。在另一些实施例中，计算机可读存储介质也可以是计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(smartmediacard，简称为smc)，安全数字(securedigital，简称为sd)卡，闪存卡(flashcard)等。当然，计算机可读存储介质还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中，计算机可读存储介质通常用于存储安装于计算机设备的操作系统和各类应用软件，例如实施例中的欺诈概率的展示方法的程序代码等。此外，计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的各类数据。

显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。