一种线下信息核实的方法和系统与流程

本公开涉及对实体进行线下核实以验证其信息的真实性。

背景技术：

随着it技术和网络技术的发展，推动了智能手机、平板电脑等一系列智能移动终端的快速发展，以及高速网络的迅速普及。随着移动设备变得越来越智能且不再受制于网速限制，越来越多的业务活动也开始悄悄向移动设备转移，这使得人们的移动生活变得更加丰富多彩。

但是，随着移动技术的发展使得越来越多的传统业务活动向线上转型，这也带来了一些问题。例如，以前的交易是用户直接到线下实体进行现场交易，可以当面核实该实体的各种信息(例如营业执照、门店地址、门店电话、pos机收银条等等)以确认其可靠性。但当线下实体开始利用各种线上手段(特别是便捷的线上支付)来进行业务活动后，如何对所述实体所提供的信息进行定期核实就成为一个难点。

例如，随着国内商家也开始向“移动化”转型，开发了各种适合在手机端使用的app、小程序，而用户也越来越习惯于使用手机来访问商家、购买商品，那么，支付成本和支付的便利性就变得尤为关键。因此，条码支付(barcodepay)解决方案便应运而生。条码支付是为线下实体商户提供的一种快捷、安全的现场支付解决方案。该方案无须安装pos机，直接通过已有收银系统或手机，扫描用户手机上的条形码或二维码即可向用户发起收银，或者可以提供包含条形码或二维码的收款码，让用户用手机扫描来接收用户支付的款项。如今，条码(尤其是二维码)支付在餐饮门店、超市、便利店等线下小额支付场景得到广泛应用。

但随着条码支付的迅猛发展，也带来了一系列的问题，例如二维码支付的技术上的风险以及条码收单的各种乱象，例如，条码支付机构在拓展商户时未履行对商户资质的认证违规发展商户、加剧套现风险、违规二清、外包管理不到位等。对此，2017年12月25日，中国人民银行印发关于《条码支付业务规范(试行)》的通知，简称296号文，该通知在2018年4月1日实施。296号文明确要求，对线下条码商户需有定期的巡检，根据风险等级制定不同的商户检查、评估频率和方式，明确检查内容并保留相关记录。根据上述规定，条码支付机构必须对线下条码商户进行定期巡检以进行核实。

随着线下业务快速开展，以及属地化管理落地，针对线下商户巡检方案和落地尤为重要，同时也是各属地监管检查关注的重中之重。但是，由于条码支付已经几乎遍及所有线下实体商户，因此，线下商户巡检的工作量是相当惊人的。

这仅仅是需要进行线下信息核实的实体的一个示例，其他示例可以包括：超市的食品安全检查、药铺销售的药品保质期核查等等。对于这些实体都需要按照相关机构的规定组织专门的人员进行定期上门核实或抽查。线下核实这些实体的信息真实性无疑也是一项艰巨的任务。

为此，需要一种高效、低成本的对线下实体进行信息真实性核实的方案。

技术实现要素：

本公开涉及一种线下核实实体信息真实性的方案，以提供一套高效、低成本的核实机制。

根据本公开的第一方面，提供了一种线下核实实体信息真实性的方法，包括：由机构向评级系统发送针对一实体的线下信息核实请求；响应于线下信息核实请求，通过所述评级系统对所述实体的多维数据分析和评分来生成所述实体的最终评级并将所述实体的最终评级发送给决策系统；根据所述实体的最终评级，所述决策系统选择与所述最终评级匹配的一种或多种核实方式，并根据所选核实方式将核实指令发送给相应的核实平台；根据接收到的所述核实指令，所述核实平台执行相应的线下核实任务并将核实结果返回给所述决策系统；在从所述核实平台接收到所述核实结果之后，所述决策系统将所述核实结果反馈给发出所述线下核实请求的所述机构。

根据本公开的第二方面，提供了一种线下核实实体信息真实性的系统，包括：评级系统，所述评级系统被配置为响应于来自机构的针对一实体的线下信息核实请求，通过针对所述实体的多维数据分析和评分来对所述实体进行最终评级；决策系统，所述决策系统被配置为根据所述实体的最终评级选择与所述最终评级匹配的一种或多种核实方式，并根据所选核实方式将核实指令发送给相应的核实平台；一个或多个核实平台，所述核实平台被配置为根据从所述决策系统接收到的所述核实指令开始执行相应的线下核实任务。

附图说明

为了描述可获得本发明的上述和其它优点和特征的方式，将通过参考附图中示出的本发明的具体实施例来呈现以上简要描述的本发明的更具体描述。可以理解，这些附图只描绘了本发明的各典型实施例，并且因此不被认为是对其范围的限制，将通过使用附图并利用附加特征和细节来描述和解释本发明，在附图中：

图1是根据本公开的一个实施例的一种实现信息核实的示例性场景图。

图2示出了根据本公开的一个实施例的评级系统的结构图。

图3示出了根据本公开的一个实施例的决策平台的结构框图。

图4是根据本公开的一个实施例的线下核实实体信息真实性的方法的流程图

具体实施方式

本公开涉及一种线下核实实体信息真实性的方案。

如上所述，在现实生活中，有许多实体需要通过定期的人工巡视来核实其信息的真实性。例如，需要定期到线下商户处核实其经营信息和支付码使用情况；需要定期到线下商户(例如超市)、厂家核实食品(特别是生鲜和熟食)的进货渠道、保质期和原料的真实性和可靠性；又比如需要到线下药店、药厂、医院定期检查药品的保质期、来源和保存环境是否符合要求。这些线下信息核实都需要耗费相当多的人力和成本，而且一般无法面面俱到，只能抽查，存在很大的漏洞。例如以针对线下商户的支付码巡检场景为例：

根据296号文的规定，银行、支付机构应当加强条码支付收单业务管理，需要对线下条码商户进行定期巡检。所述线下巡检是指：按照一定的规则和频次验证商户经营门店的真实性，包括：查看门店是否真实存在、门店经营的内容是否与申报时相符、经营资质是否有效(尽管在申请支付码时已经对门店经营资质进行过审核，但经过一段时间后，有些门店的经营资质可能已经过期或失效)。具体检查形式包括：自营业务员巡检、服务商巡检、经营资料补全等检查评估方式，并保存相关检查记录。在一些情况下，巡检可能还要使用商户的收款码或扫码设备进行一笔测试交易以监测是否存在支付码的冒用、移机或套用等非法行为。

根据该规定，银行或支付机都开始开展对线下商户的巡检机制，但传统方式主要是依靠银行或支付机构自己的业务员(也称为“自营业务小二”或bd)来回奔波或将巡检外包给服务商的模式，这两者都有明显缺点：

首先，无论是依赖自营业务小二还是外包给服务商，最终还是要依靠人力来执行巡检，因此，运营成本高，管理成本也很高；

其次，线下商户已逐步拓展至3、4线城市或更加偏远的城镇、乡村地区，而自营业务或服务商的覆盖率普遍只覆盖大中型城市，这就导致巡检盲区的存在，要消除这些盲区需要耗费大量人力物力，经济层面上得不偿失，但却又不得不做；

还有，服务商的业务水平参差不齐，并且作弊现象严重，不仅浪费了巡检资金还导致巡检质量无法保证，存在较大的监管问责风险。而且，即使是自营业务小二，也难以避免业务员偷懒或出于某种目的的舞弊行为，存在风险漏洞。

因此，传统的线下巡检的这两种方式都严重依赖于人工劳动，存在成本高昂、效率低下、质量堪忧、风险不可控等诸多问题，进而使得线下巡检制度成为银行或支付机构的一块心病。

为此，本公开提供了一种利用社会各种资源有效减少传统的线下信息真实性核实中的各种问题的智能方案。具体而言，所述方案主要包括下述几个方面：通过对线下实体的多维度分析来获得最终的实体评级；利用用户风险监测的智能决策系统根据所述最终的实体评级从提供多种核实方式的核实平台中确定一种合适的核实方式。所述多种核实方式可充分利用不同的资源来实现对线下实体的信息真实性的核实。随后，根据核实平台所选择的核实方式执行所述线下核实任务，并将核实的数据反馈回相应的机构。下面结合各附图对本公开的上述方案进行详细描述。

如图1所示，示出了根据本公开的一个实施例的一种实现智能信息真实性核实方案的示例性场景图。在所述场景中，是以线下商户的条形码巡检方案为例进行说明，而非将方案局限于此。但可以理解，其他的场景，例如线下商户的食品安全巡查、线下药店的药品安全性检查等等，都能以相类似的方式来实现。

在图中，银行102或支付机构104(例如支付宝、财付通以及其他第三方支付机构等)需要对线下条码商户进行定期巡检。因此，它们可以首先利用评级系统106对它们所属的线下商户进行商户评级。所述评级系统106可以根据商户的可信评分、业务价值、风险评级以及可信地址来生成一个该商户的最终评级，并将其输出给(智能)决策系统110。

智能决策系统110针对不同评级、不同地区的线下商户采用不同的巡检方式。具体而言，在智能决策系统110中存储有多种线下商户巡检方式，例如：外包服务商巡检120(1)、自营业务员巡检(也称为“bd”巡检)120(2)、街景巡检120(3)、沟通平台120(4)、……、以及共享服务平台巡检120(n)等等各种不同的巡检方式。除此之外，所述智能决策系统110还存储有一张商户评级-巡检方式匹配表，即在该表中存储了在不同的商户评级和各个巡检方式之间的对应关系。所述对应关系并不必须是一一对应的关系，而是可以将同一商户评级与一种或几种巡检方式相关联，以便于供管理员根据需要进行选择。

例如，当智能决策系统110接收到的该商户的评级为“高”(如某地区的知名连锁品牌商户、知名跨国品牌商户、国有企业名下的商户、各种公用事业机构商户等等的评级)，则可以采用自营业务员“bd”巡检120(2)来执行对该商户的巡检，即由自己的业务员拜访该商户的门店来执行巡检。因为这些商户对于银行或支付机构来说一般都是重要的客户，具有较大的交易量，所以，需要由可信人员进行重点监管以避免作弊，且它们一般地处闹市，因此，巡检成本较低。

而对于三四线城市的具有固定经营场所的小微商户，其商户评级可以为“中”。这种类型的商户尽管具有固定经营地址，但一般相对偏远，因此，人力巡检成本较高。为此，可以推荐外包服务商巡检120(1)，或街景巡检120(3)和共享服务平台巡检120(n)双重巡检这几种方式来执行巡检。

其中，外包服务商巡检120(1)的方式就是传统的将线下巡检外包给专门的服务商的方式，在此不再累述。

而街景巡检120(3)是指与能够提供街景照片的服务商(例如高德、百度、谷歌等提供的地图服务)合作，通过将该商户登记时提供的诸如商户门店名称、经营地址、联系方式等信息与从服务商提供的街景照片和相应的地址信息库中所识别出的相应信息进行大数据匹配，来核实判断该商户的门店是否依然存在。因为诸如高德之类的服务商的街景每三个月就会进行更新，因此，利用不断更新的街景能够基本保证核实准确性并能大幅度降低现场实地巡检的成本。

而共享服务平台巡检120(n)是指一种可以将社会闲置人力资源共享出来执行任务以换取一定报酬的平台，也即，社会人士通过认证、培训后可以从共享平台上领取雇主发布的任务，并在规定时间内完成该任务来从雇主那里换取相应的报酬。例如，现时正日益兴起的“微客”概念，其又被称为微工作电子商务平台。用户通过线上接受雇主发布的任务然后线下为雇主服务，在任务成功后抽取部分比例的佣金作为交易提成。利用这种共享服务平台，智能决策系统110可以发布要求“雇员”(接受任务的用户)对该商户进行线下巡检的任务并悬赏一定的报酬。用户可以根据任务中的该商户离自己的远近、任务的复杂度以及报酬的多少来自由选择是否接受该任务。对于附近的用户来说，特别是诸如外卖员、快递员、出租车司机等等，由于大多数的巡检仅仅需要拍摄一些门面、商品、地址的最新照片并询问一些常规问题，通常仅仅需要花费数分钟就能完成，而他们自己每天也要跑不同的商户和地址来完成自己的工作，因此，他们还是非常乐意领取此类任务以增加收入。而对于银行或支付机构来说，他们仅仅需要为此次巡查任务支付很少量的费用，而无需负担例如巡查人员的食宿、交通、工资、社保之类的其他费用，因此，这种巡查方式的成本相比传统专人巡检而言要低得多，效率上也要高得多(因为用户通常就在商家附近，马上就能给出反馈)。而且，由于共享平台有自己的用户认证和评价机制来约束用户，并且分派任务的人员具有一定随机性，使得作弊可能性也比较小，因此，获得的数据的真实性也比较高。所以，可以作为线下巡检的常用方式之一提供给大多数的评级为“中”的商户。

在上述几种方式中，外包服务商巡检120(1)与传统巡检方式是一样的，因此，出于成本考虑，在本公开的方案中，它并不会被频繁使用。通常，所述外包服务商巡检120(1)只是作为“街景巡检和共享服务平台巡检结合”的双重巡检方式的补充替换，在无法获取最新街景照片或共享服务平台无人愿意接单的情况下才会被使用。街景巡检120(3)由于无需分派专门人力，无疑成本最低，但其仅能利用街景服务商所拍摄的照片数据来进行商户核实，缺乏实地勘察的真实证据以及灵活性。因此，智能决策系统110通常更倾向于将街景巡检120(3)与共享服务平台巡检120(n)这两种方式结合使用，也即通过街景与接受任务的共享平台的用户的共同核实，实现双重巡检，进而在低成本、广覆盖的前提下同时保证了核实的准确性。

而对于不具有具体地址的流动商户，例如流动摊贩、移动销售商户等等，一般将其评级为“低”。针对该评级的商户，由于其经营区域具有不确定性，因此，上述几种针对固定地址的巡检方式显然并不适合该类商户的线下巡检。为此，本公开的方案提供了“沟通平台120(4)”这种巡检方式。在该巡检方式中，流动商户首先通过访问沟通平台进行信息补全和更新，即通过例如手机、平板、pc等访问沟通平台，对该平台中的关于自己商户的信息进行补全和更新。随后，向平台实时返回商户的底层数据，例如返回的数据包含门店名称、文本地址、lbs地址、经营内容、门店照片、经营内景照片等。而沟通平台根据所述流动商户提供的信息和数据，对该流动商户的资料进行更新，并随后提供相应的巡检方式。针对流动商户的经营特点，可以采用“用户巡检”的方式(限于篇幅，未在附图1中示出)。所谓“用户巡检”是指：当某个用户在店家消费后，可以请求该用户根据要求现场提交有关商户的材料来完成巡检。例如，可以在商户的支付二维码旁注释“欢迎用户参与巡检”的提示，或者在用户扫描支付码完成支付后，实时推送巡检调查表链接或弹出询问用户是否接受巡检任务的窗口等等，当用户选择参与巡检之后，可以通过调查问卷的方式，向用户询问有关所消费的商家的若干经营问题并建议用户通过拍照等方式现场提交有关商户的各种材料(如门店照片、经营类目、规模等信息)。而作为回报，智能决策系统110可以给予用户相应的奖励，例如红包、优惠券、积分等等以回馈用户对巡检的配合，实现互利互惠的目的。与共享服务平台巡检相类似地，这种“用户巡检”无需配备专门的工作人员，具有低成本、高效率的特点。并且，执行巡检的人员就是在流动商户处消费的用户，因此，特别适合对那些具有大流动性的流动商户的巡检。

以上是针对不同评级的商户可以采用的各种不同的巡检方式的举例说明。实际上，可以根据实际情况对商户进行更多层次的分级或采用更多的巡检方式。

例如，随着科技的进步，很多车辆本身就安装有各种摄像头(例如，360°无死角的全景摄像头)，那么，可以为具有相应拍摄条件的车辆推出车辆流动巡检方式，即通过该车辆的摄像头来实时拍摄商户的最新照片(例如门店照片、经营地址和电话等)，也能实现类似街景巡检的效果。

再比如，随着无人机技术的发展，可以通过事先编程巡航路线、或工作人员现场操纵来利用无人机和其摄像头实现“无人机巡检”，其实时性和效率要比街景巡检高得多，这也是未来巡检方式的一个发展方向。

更多的巡检方式限于篇幅问题，在此不再展开。本领域技术人员应该可以理解，上述这些巡检方式仅仅是本公开可用的各种巡检方式的举例说明，而非限制。

在使用上述各种巡检方式完成对商户的巡检之后，参与巡检的人员或设备都会将巡检的结果数据(语音、视频、照片、表格、问卷等)通过各种方式返回给智能决策系统110。智能决策系统110对巡检的结果数据进行分析处理提炼出商户的底层数据并针对所述数据更新商户的评级，接着，将所述商户的底层数据返回给提出巡检请求的银行或支付机构以完成整个巡检流程。

需要注意的是，除了根据银行或支付机构的对商户的定期巡检的要求启动巡检流程之外，银行或支付机构还可以在某些特殊情况下动态触发所述巡检流程。例如当一线下商户的近期交易剧降时，就会动态触发巡检请求，如果智能决策系统110通过使用如上所述的巡检方式中的一个或多个核实发现该线下商户门店已关闭或不存在，则向银行或支付机构返回相应的巡查结果，所述银行或支付机构可以对该线下商户采取暂停合作、关闭收单接口等措施以避免潜在的风险。在描述了本公开的示例性线下条形码商户的巡检场景之后，结合其他附图对所述流程中涉及的各个系统进行更加详细的说明。

如图2所示，其示出了根据本公开的一个实施例的评级系统的结构图。在该评级系统中主要分为三级结构，即多维数据分析模块202、实体各类评分计算模块210以及最终评级模块204。

具体而言，多维数据分析模块202可从银行或支付机构接收需要进行评级以执行巡检的商户的多维数据，包括商户基本信息(法人、电话、经营地址、营业执照、银行账户等等)、商户交易信息(包括交易金额、交易笔数、交易时间、交易位置、交易对象等等)、商户各种行为数据(例如转账、变更信息、物流信息等等)以及其他相关的信息。这些信息是在商户与银行或支付机构进行支付码签约时、利用支付码交易时以及其他外部源处获得的。随后，对这些多维数据进行分析，包括交易分析、地址分析、买家群体分析等等，进而从所述数据中提取出商户交易特征、行为特征、lbs定位等等可以被用于计算商户各类评分的特征数据。

在分析提取出特征数据之后，这些特征数据被分别分配给实体各类评分计算模块210。所述实体各类评分计算模块210包含各种子评分模块，例如实体可信评分模块212、实体业务价值模块214、实体风险分级模块216以及实体可信地址模块218等等。每种模块对应一个或多个相应的数据模型以计算相应的评分。

具体而言，实体各类评分计算模块210可以基于各类机器学习算法(例如gbdt、xgboost、随机森林等)搭建一系列实体风险模型。所述实体险模型可以包括欺诈模型、套现模型、违规违禁模型、黑名单模型等。每个模型针对实体某一方面的风险(例如欺诈、套现、违规违禁、黑名单等)进行评估并给予实体相应的风险评分。随后，由实体风险分级模块216通过对该一系列实体风险模型输出的风险评分进行汇总分析来生成实体风险分级评分。应该理解，诸如基于gbdt、xgboost、随机森林等机器学习算法构建风险模型已经是金融领域常用的风控模型，因此，在此不再详述。例如，各家银行和/或支付机构都有自己专门的风控部门使用各种风控模型来监控所属实体交易或用户交易的各种异常活动以及时采取相应的措施来防范风险。本公开中所述的实体各类评分计算模块210就可以利用所述风险模型来实现实体风险分级评分。

另一方面，所述一系列实体风险模型还可以结合行业区域、资信、经营规模、品牌效应等因素来对所有条码商户进行可信评分和价值评分。例如，实体可信评分模块212可以基于来自各商户风险模型的评分并结合商户所属的行业区域、资信、经营规模以及品牌来推算出该商户的可信评分。而实体业务价值模块214则可以基于来自各商户风险模型的评分并结合例如商户的存贷款额、收入贡献、买家群体分析、收单交易等数据来推算出该商户的业务价值评分。

还有，实体可信地址模块218可以通过将商户签约地址、营业执照注册地址、门店经营地址、交易lbs地址等与各种地图软件(例如高德地图、谷歌地图、百度地图等)中所收集的商户和地址进行匹配分析来构建出商户可信经营地址。

应该理解的是，实体各类评分计算模块210中所包含的这些子模块仅仅是实体各类评分的示例说明，而非局限于此。技术人员可以根据需要增加更多的子模块或减少一些子模块以优化对用户的评级。

当所述实体各类评分计算模块210中所包含的各种子评分模块生成了各自的评分之后，所述实体各类评分计算模块210就将其生成的各种评分传送给最终评级模块204。最终评级模块204可以对实体风险分级评分、实体业务价值评分、实体可信经营地址、实体可信评分进行整合以形成最终的实体评级。

具体而言，针对上述评分提供了一种最终评级算法，其中：基于上述实体各类评分计算模块210中所包含4个子模块的评分建立线性逻辑回归模型，并通过机器学习来确定商户评级每个模块的权重。详细来说，通过线性回归学习算法获得每个模块的权重及最终商户评级，例如利用历史已被自营业务小二实地巡检过门店且正常经营的商户作为白样本，历史自营小二实地巡检时商户经营门店已倒闭或经营规模与实际收单交易量级明显不符的商户作为黑样本进行有监督学习。通过这样的学习，可以得出例如实体风险分级评分模块权重为负，实体业务价值评分模块、实体可信经营地址评分模块、实体可信评分模块权重为正的结论。根据所述结论对来自各实体评级模块的各评分进行加权求和进而得到最终实体评级。例如，对于商户风险评分高及可信地址经营评分低的商户，其最终实体评级分值为低分。

应该理解，所述最终评级算法仅仅是作为示例进行说明，而不是要局限于此。技术人员可以根据实际需要对所述算法进行相应的调整，以使得所述最终评级能够与商户的实际情况相一致。

在最终评级模块204根据上述最终评级算法从实体各类评分计算模块210中计算出商户的最终评级后，所述最终评级被提供给智能决策系统，以帮助该决策系统为该实体选择合适的巡检方式，这将在附图3中进行详细说明。

在附图3中，示出了根据本公开的一个实施例的(智能)决策系统的结构框图。在所述智能决策系统中主要包括两个模块，即核实方式匹配模块310、核实方式决策模块320和结果反馈模块330。

其中，核实方式匹配模块310包含一个商户评级-巡检方式匹配表312，在该匹配表中存储了每个商户评级与适用于该评级的对应巡检方式的对应关系。需要注意的是，如前所述，一种商户评级可以同时与多种巡检方式相对应，而一种巡检方式也可以与多种用户评级相对应。所述匹配表312可以基于各种巡检方式对不同评级的商户的线下巡检的效果而被定期更新。

当然，商户评级与巡检方式的各种对应关系需要考虑多种因素：例如商户自身的特点，例如商户地址、交易lbs、买家集中度等等，以及各种巡检方式自身的特点，例如高德地址库(含商户名称、标注地址等)信息、各城市微客小二(共享服务平台的用户)的承载量、接单率等等。通过累积所述因素和关系的一定量的样本数据并加以分析，就能生成所述匹配表，进而实现了巡检方法的最优自动化选择。

在其他实施例中，所述核实方式匹配模块310也可以利用其他机制来使得商户评级与巡检方式对应，例如关系数据库、数组、关系树等等，都能用来建立商户评级与巡检方式之间的对应关系，而不局限于匹配表。由于这些数据结构为本领域技术人员所熟知，因此，在此不再陈述。

在核实方式匹配模块310接收到来自实体各类评分计算模块210的商户的最终评级后，根据该商户评级-巡检方式匹配表312，所述核实方式匹配模块310可以从匹配表中查找到与该商户评级相对应的核实方式(也即“巡检方式”，可能存在一种或多种巡检方式)。

如上所述，通过利用商户评级-巡检方式匹配表312，智能决策系统可以在无需人工介入的情况下实现对巡检方式的智能决策。当然，如果需要(例如针对某些特殊商户或异常情况)，智能决策系统可以直接根据操作员的手动选择来为商户指定线下巡检方式，也即除了“智能决策”模式之外，所述智能决策系统也提供手动巡检配置模式以满足不同的需求。

无论是通过哪种模式获得该商户的(一种或多种)巡检方式，所选择的巡检方式都将被提供给核实方式决策模块320。所述核实方式决策模块320提供了一个与各种巡检方式对接的核实(例如“巡检”)平台。具体而言，所述核实方式决策模块320提供了可以调用匹配表中所列出的各种巡检方式的巡检接口。因此，根据核实方式匹配模块310所选择的(一种或多种)巡检方式，核实方式决策模块320可以通过其所提供的相应巡检接口向能够提供所述巡检方式的各个核实平台发出巡检指令。

例如，针对商户评级为“中”的商户的线下巡检请求，核实方式匹配模块310可以根据商户评级-巡检方式匹配表312中的对应关系，为其选择与“中”评级相对应的“外包服务商巡检120(1)”或“街景巡检120(3)和共享服务平台巡检120(n)双重巡检”这两种方式中的一种方式。如果选择“街景巡检120(3)和共享服务平台巡检120(n)双重巡检”，则可以向街景服务器发送检索该商户的街景照片和相关信息的请求，并同时在共享服务平台上发布针对该商户的线下巡检任务，以等待用户接受并执行该任务。而如果选择“外包服务商巡检120(1)”，则可以直接向外包服务平台派送外包线下巡检的请求。

在各个核实平台完成了线下巡检之后，核实(巡检)结果被返回给智能决策系统，而智能决策系统可以根据所述核实结果的质量给予相应核实平台、人员一定的奖励，例如金钱、权益、积分、红包等等以鼓励他们积极参与到线下巡检流程中。同时，智能决策系统通过结果反馈模块330将所述巡检的结果反馈给发出该商户的线下巡检请求的银行或支付机构，以供他们进行常规审核。银行或支付机构可以根据他们的风控模型对所述巡检结果进行分析审核，并将所述巡检结果保存为存档以供日后查阅。至此，整个线下核实流程结束。

图4是根据本公开的一个实施例的针对线下实体核实信息真实性(以上述的商户巡检为例)的方法的流程图。

如图所述，首先，在步骤410，银行或支付机构基于某种触发机制向实体评级系统106发送某个实体(商户)的线下核实(巡检)请求。所述触发机制包括按照上级管理规定的、定期的或在某些异常情况下的触发机制，例如当发现某个商户在短时间内发生大量异常交易行为，或者出现巨额交易金额，或者长时间无交易活动。

随后，在步骤420，评级系统106中的各个模型通过对该实体的多维数据分析和评分来生成该实体的最终评级。如图2所示，所述评分可以包括实体风险分级评分、实体业务价值评分、实体可信经营地址、实体可信评分，通过最终评级模块对这些评分进行汇总整合来推导出该实体的最终评级并将其发送给决策系统110。

接着，在步骤430，决策系统110根据商户评级-巡检方式匹配表312选择与所接收到的该实体的最终评级相匹配的一种或多种核实(巡检)方式并通过巡检平台接口向相应的核实平台发出核实指令。

进而，在步骤440，相应的核实平台在接收到核实指令之后，开始执行相应的线下实体核实(商户巡检)任务。

最后，在步骤450，决策系统110从所选的核实平台接收核实的结果并将其反馈给发出线下核实请求的银行或支付机构。并且，所述决策系统110还可以根据所述核实结果的质量给予参与线下核实的平台或用户一定的奖励或权益，例如积分、优惠券、红包等等，以鼓励他们积极参与线下核实。

至此，整个线下实体核实方法的流程结束。

需要注意的是，在一些实施例中，无需每次巡检都对同一商户进行反复评级。例如，如果商户是知名的企业商户(例如家乐福、星巴克等等国际知名连锁企业)、政府机关单位(例如房地产交易所、税务局等等)、公用事业单位(例如医院、学校、地铁公交公司)等等，则只要经营地址没有发生变化则可以一直将它们的评级保持为高。还有，对于流动商户可以将其评级一直保持为“流动”，直到它提交了有效的固定经营地址证明材料。因此，对于这些商户，在第一次线下巡检获得它们的评级之后，在今后很长一段时间(例如一年内)的后续线下巡检中无需每次再对它们进行评级。这样，可以节省系统资源并提高处理效率。

还应该理解，尽管在本公开中将商户的评级分成了“高”、“中”、“低”以及“流动”四类，但应该理解可以根据实际情况来将商户分成更多或更少的评级。并且，在前述内容中，每种评级所对应的巡检方式仅仅是出于说明的目的来描述，而非局限于此。

在一些实施例中，可以将评级系统106和决策系统110集成在同一个系统中来实现，而无需分开。

从上面的各实施例不难理解，本公开的线下实体信息核实方案充分引入了社会化的资源、执行成本低、覆盖面广，并且能够快速响应核实请求并返回高质量的核实结果(如门店照片、门店经营规模、类目等)。特别是与街景相结合后，通过将商户门店名称、经营地址、联系方式与街景信息的大数据(三个月更新)匹配，可以在保证准确性的情况下大幅度降低现场实地核实的成本。这样，通过不断完善实体核实方案和系统优化，为线下业务顺利快速拓展保驾护航。

应该理解，在先前的附图中所描述的示例性线下条形码商户巡检应用场景仅仅是本公开的线下实体信息真实性核实方案的一个应用，所述方案还可以以相类似的方式应用于线下食品安全、药品安全等巡查核实领域。由于各应用场景下的方案大同小异(区别仅在于发出核实指令的机构不同、采用更多或更少的核实方式以及核实的信息的具体内容不同等等)，技术人员在参考上述线下条形码商户巡检应用场景后，可以根据自己的核实需求来构建相应的核实方案。这些应用场景都在本公开的线下实体信息真实性核实方案的范畴中。

上述对本公开特定实施例进行了描述。其它实施例在所附权利要求书的范围内。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。而且，相关领域的技术人员将领会，在不偏离如所附权利要求书所定义的本公开的精神和范围的情况下，所述实施例可以在形式和细节方面进行各种修改。因此，此处所公开的本公开的宽度和范围不应被上述所公开的示例性实施例所限制，而应当仅根据所附权利要求书及其等同替换来定义。