IP地址分析方法、装置、设备及计算机可读存储介质与流程

本发明涉及金融信贷领域，尤其涉及一种ip地址分析方法、装置、设备及计算机可读存储介质。

背景技术：

随着社会和金融行业的快速发展，网络信贷业务活跃于市场。信贷机构在向贷款申请者进行放款前，需要对贷款申请者进行风控分析，以确定其欺诈风险性。而在信贷风险分析的过程中，往往并不涉及到贷款申请者的贷款终端所用的ip地址分析，忽略了ip地址与欺诈行为之间的关系，从而降低了信贷分析的准确性。

技术实现要素：

本发明的主要目的在于提供一种ip地址分析方法、装置、设备及计算机可读存储介质，旨在提高信贷风险分析的准确性。

为实现上述目的，本发明提供一种ip地址分析方法，所述ip地址分析方法包括：

在接收到贷款终端发送的信贷请求时，获取贷款终端的互联网协议ip地址，并根据所述ip地址确定对应的终端地理位置因子；

根据所述信贷请求获取对应信贷申请者的基本信息，并根据所述基本信息获取对应的基本地理位置因子；

基于预设关联规则在所述终端地理位置因子与所述基本地理位置因子之间建立实体关联，并根据预设关系度公式计算所述终端地理位置因子与所述基本地理位置因子之间的关系度；

当所述基本地理位置因子属于黑名单因子时，判断所述关系度是否大于预设关系阈值；

若所述关系度大于预设关系阈值，则确定所述终端地理位置因子所对应的ip地址为疑似欺诈信息。

可选地，所述根据所述ip地址确定对应的终端地理位置因子的步骤包括：

判断所述ip地址是否属于代理ip；

若所述ip地址不属于代理ip，则根据所述ip地址确定对应的ip归属地，并根据所述ip归属地确定对应的终端地理位置因子；

若所述ip地址属于代理ip，则获取所述贷款终端的第一交互报文，并基于所述第一交互报文确定所述贷款终端的真实ip地址；

根据所述真实ip地址确定对应的真实ip归属地，并根据所述真实ip归属地确定对应的终端地理位置因子。

可选地，所述判断所述ip地址是否属于代理ip的步骤包括：

根据所述ip地址查询预设代理ip库，判断所述预设代理ip库中是否存在与所述ip地址匹配的已知代理ip，以判断所述ip地址是否属于代理ip。

可选地，所述判断所述ip地址是否属于代理ip的步骤还包括：

获取所述贷款终端的第二交互报文，并基于预设通信协议对所述第二交互报文进行解析，获取特征报文片段；

根据所述特征报文片段判断所述ip地址是否属于代理ip。

可选地，所述在接收到贷款终端发送的信贷请求时，获取贷款终端的互联网协议ip地址的步骤包括：

在接收到贷款终端发送的信贷请求时，以预设频率获取所述贷款终端的ip地址，形成ip地址集，其中所述ip地址集中至少包括两个ip地址；

所述ip地址分析方法还包括：

确定所述ip地址集中代理ip的个数，并判断所述代理ip的个数是否大于预设代理阈值；

若所述代理ip的个数大于预设代理阈值，则确定所述ip地址集为疑似欺诈信息。

可选地，所述基于预设关联规则在所述终端地理位置因子与所述基本地理位置因子之间建立实体关联的步骤包括：

确定所述终端地理位置因子与所述基本地理位置因子之间的地理位置距离，并判断所述地理位置距离是否小于预设距离阈值；

若所述地理位置距离小于预设距离阈值，则在所述终端地理位置因子与所述基本地理位置因子之间建立实体关联。

可选地，所述预设关系度公式为：

其中，f为所述终端地理位置因子与所述基本地理位置因子之间的关系度；

m为所述终端地理位置因子与所述基本地理位置因子的最短关联路径上的路径因子数量，m≥2；

k0为与所述基本地理位置因子的因子类型相关的预设距离系数，0＜k0；

x0为与所述基本地理位置因子的因子类型相关的预设强度系数，0＜x0；

ki为所述路径因子各自对应的关联距离系数，0＜ki；

ui为所述路径因子各自对应的衰减因子系数，0＜ui≤1；

xi为所述路径因子各自对应的关联强度系数，0＜xi。

此外，为实现上述目的，本发明还提供一种ip地址分析装置，所述ip地址分析装置包括：

第一获取模块，用于在接收到贷款终端发送的信贷请求时，获取贷款终端的互联网协议ip地址，并根据所述ip地址确定对应的终端地理位置因子；

第二获取模块，用于根据所述信贷请求获取对应信贷申请者的基本信息，并根据所述基本信息获取对应的基本地理位置因子；

关系度计算模块，用于基于预设关联规则在所述终端地理位置因子与所述基本地理位置因子之间建立实体关联，并根据预设关系度公式计算所述终端地理位置因子与所述基本地理位置因子之间的关系度；

关系度判断模块，用于当所述基本地理位置因子属于黑名单因子时，判断所述关系度是否大于预设关系阈值；

ip分析模块，用于若所述关系度大于预设关系阈值，则确定所述终端地理位置因子所对应的ip地址为疑似欺诈信息。

此外，为实现上述目的，本发明还提供一种ip地址分析设备，所述ip地址分析设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的ip地址分析程序，其中所述ip地址分析程序被所述处理器执行时，实现如上述的ip地址分析方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有ip地址分析程序，其中所述ip地址分析程序被处理器执行时，实现如上述的ip地址分析方法的步骤。

本发明以“关系“的方式将贷款终端的ip地址与贷款申请者的其它位置信息进行整合和关联，有利于确定位置信息之间的联系；并结合染黑(或染灰)的处理逻辑对贷款终端的ip地址的风险性进行分析和检测，从而以大数据分析的方式对潜在信贷欺诈风险进行了有效预测，提高了信贷分析的准确性，能够更有效地对潜在风险进行预警，可尽早地发现并规避风险和降低坏账率。

附图说明

图1为本发明实施例方案中涉及的ip地址分析设备的硬件结构示意图；

图2为本发明ip地址分析方法第一实施例的流程示意图；

图3为图2所示实施例涉及的位置关联示意图；

图4为本发明ip地址分析装置第一实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例涉及的ip地址分析方法主要应用于ip地址分析设备，该ip地址分析设备可以是个人计算机(personalcomputer，pc)、笔记本电脑、服务器等具有数据处理功能的设备。

参照图1，图1为本发明实施例方案中涉及的ip地址分析设备的硬件结构示意图。本发明实施例中，ip地址分析设备可以包括处理器1001(例如中央处理器centralprocessingunit，cpu)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)；网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真wireless-fidelity，wi-fi接口)；存储器1005可以是高速随机存取存储器(randomaccessmemory，ram)，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的硬件结构并不构成对本发明的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

继续参照图1，图1中作为一种计算机可读存储介质的存储器1005可以包括操作系统、网络通信模块以及ip地址分析程序。在图1中，网络通信模块可用于连接贷款终端，与贷款终端进行数据通信；而处理器1001可以调用存储器1005中存储的ip地址分析程序，并执行本发明实施例提供的ip地址分析方法。

本发明实施例提供了一种ip地址分析方法。

参照图2，图2为本发明ip地址分析方法第一实施例的流程示意图。

本实施例中，所述ip地址分析方法包括以下步骤：

步骤s10，在接收到贷款终端发送的信贷请求时，获取贷款终端的互联网协议ip地址，并根据所述ip地址确定对应的终端地理位置因子；

随着社会和金融行业的快速发展，网络信贷业务活跃于市场。信贷机构在向贷款申请者进行放款前，需要对贷款申请者进行风控分析，以确定其欺诈风险性。而在信贷风险分析的过程中，往往并不涉及到贷款申请者所用网络的ip地址分析，忽略了ip地址与欺诈行为之间的关系，从而降低了信贷分析的准确性。对此，本实施例中提出一种ip地址分析方法，在贷款申请者所用贷款终端的终端ip与贷款申请者的其它实体位置因子信息之间建立关联，以对ip因子进行关联分析，从而提高信贷风险分析的准确性。

本实施例中的ip地址分析方法是由ip地址分析设备实现的，该ip地址分析设备以服务器为例进行说明。本实施例中，贷款申请者在需要进行信贷申请时，可在贷款终端(如个人电脑pc、笔记本电脑、手机、平板电脑等)上进行信贷操作，贷款终端则根据贷款申请者的操作向服务器发送对应的信贷请求。服务器在接收到贷款终端发送的信贷请求时，将会获取到该贷款终端的ip地址(internetprotocoladdress，互联网协议地址)，并根据该ip地址确定贷款终端所在的真实地理位置；对于贷款终端所在的真实地理位置，也可以看作是贷款申请者所在位置。其中，对于该真实地理位置的确定过程，可以是借助其它网络用户上报的ip信息确定，即其它网络用户会实时上报若干ip地址的确切地理位置，形成ip地址库，服务器可在该ip地址库中查询该终端ip地址所对应的地理位置，从而得到贷款终端所在的真实地理位置；当然，也可以是服务器向相关的网络运营商发送的ip询问信息，以确定该终端ip地址所对应的地理位置。在确定终端ip地址所对应的地理位置时，服务器即可根据该地理位置得到对应的终端地理位置因子，用以进行后续的ip地址分析。

进一步的，对贷款申请者而言，其在使用贷款终端发送信贷请求时，可能是通过网络代理进行发送；在贷款终端使用网络代理的情况下，服务器所获取到的终端ip并不是贷款终端的真实ip，而是代理ip，而该代理ip无法反映贷款终端所在的真实地理位置。对此，服务器首先需要判断贷款终端的ip地址是否属于代理ip(即贷款终端是否使用了网络代理)；如果该ip地址不属于代理ip，则说明该ip地址是贷款终端的真实ip地址，那么可直接根据该ip地址确定贷款终端所在的真实地理位置；而如果该ip地址属于代理ip，则服务器首先需要获取贷款终端的真实ip地址，并根据该真实ip地址确定贷款终端所在的真实地理位置。当该ip地址属于代理ip时，服务器可通过对贷款终端发送的第一交互报文进行确定其真实ip地址；例如，当贷款终端向服务器发送信贷请求时，该信贷请求包括中包括有一个httpservletrequest对象，该httpservletrequest对象包含了贷款终端请求的地址(即服务器的地址)、请求的参数、提交的数据、贷款终端的ip地址、环境变量等；服务器对于该httpservletrequest对象，可通过方法getremoteaddr()获得其中的ip地址信息，此时贷款终端未使用网络代理，则可以直接获得该贷款终端真实ip；而如果贷款终端使用了网络代理，则服务器将通过x-forwarded-for获得对应的ip串，对于该ip串中至少包括两个ip地址，例如“10.47.103.13，4.2.2.2，10.96.112.230”(包括3个ip地址)，对于该ip串中第一个ip地址即为贷款终端的真实地址。

可选地，对于贷款终端的ip地址是否属于代理ip的判断，通过比对的方式完成；服务器可以预先设置代理ip库，该预设代理ip库中包括有已知的代理ip信息，这些已知的代理ip信息可以是通过爬虫技术从网络上获取得到；当服务器获取到贷款终端的ip地址时，可将该ip地址与预设代理ip库中的已知代理ip进行对比，判断预设代理ip库中是否存在与该ip地址匹配的已知代理ip；若预设代理ip库中存在与该ip地址匹配的已知代理ip，则说明该ip地址属于代理ip；否则该ip地址不属于代理ip。

可选地，对于贷款终端的ip是否属于代理ip的判断，还可以是通过报文分析的方式完成的。服务器可获取贷款终端的第二交互报文，并基于预设的通信协议(如tcp/ip协议族中的ip协议)对该第二报文进行解析，获取特征报文片段，并根据该特征片段判断该终端ip是否为代理ip。例如，贷款终端与服务器进行交互时，交互报文中包括有环境变量，对于该环境变量一般包括有http_via字段；服务器可根据该字段进行判断，如果该字段中并未设置内容(http_via＝没数值或不显示)，则可认为贷款终端未使用网络代理；如果该字段设置了相关内容(http_via＝代理服务器ip，该代理服务器ip由代理服务器填充，有时会填充网关信息等)，则认为贷款终端使用了网络代理。

当然，在实际中，为了提高代理ip判断的准确率，还可以是将上述两种方式结合使用；先通过比对的方式判断获取的ip地址是否属于代理ip(判断所述预设代理ip库中是否存在与所述ip地址匹配的已知代理ip)；如果比对方式得出的结论是该ip地址不属于代理ip，再通过报文分析的方式进行二次判断。而结合两者判断方式使用时，是先通过比对的方式判断终端ip是否属于代理ip，盖因比对的方式所花费的时间一般要小于报文解析判断所花费的时间，从而可以提高分析的效率。

值得说明的是，本实施例的服务器在获取贷款终端的ip地址时，可以是仅获取一次，也可以是获取两次以上(例如以预设频率获取两次；此处“以上”包括本数，下同)，从而得到两个以上的ip地址，形成ip地址集；此时，服务器可分别判断ip地址集中的每一个ip地址是否属于ip地址，然后统计确定ip地址集中代理ip的个数，并判断代理ip的个数是否大于预设代理阈值；若所述代理ip的个数大于预设代理阈值，则说明贷款终端在频繁的更换代理ip，此时可认为该ip地址集具有一定风险性，并直接确定ip地址集为疑似欺诈信息。而当服务器所获取的ip地址数在两个以上时，服务器是分别对ip地址集中的每一个ip地址均进行归属地分析，得到每个ip地址各自对应的终端地理位置因子，这些终端地理位置因子即形成了终端地理位置因子集，该终端地理位置因子集在一定程度上也反映了贷款申请者的活动轨迹；进一步的，服务器可对每一个终端地理位置因子(或每一个ip地址)分别执行后续的分析处理。

步骤s20，根据所述信贷请求获取对应信贷申请者的基本信息，并根据所述基本信息获取对应的基本地理位置因子；

本实施例中，服务器得到终端地理位置因子时，还将根据信贷请求获取信贷申请者的基本信息，基本信息包括有贷款申请者在进行贷款申请时主动提供的个人信息，还包括有服务器检测到的环境信息。对于个人信息，包括有家庭地址、工作地址、单位地址、银行账户、身份证、常用联系人等，这些个人信息可以是贷款申请者在通过贷款终端在网络上提出贷款申请时，自行录入至客户终端，并由客户终端发送至服务器中；当然也可以是贷款申请者在线下进行贷款申请，由业务人员将贷款申请的位置信息录入业务终端并发送至服务器。对于环境信息，则包括有贷款终端的gps地址、贷款申请者的手机号等；当然这些基本信息通常是需要得到贷款申请者的授权后服务器才可进行获取。

在得到贷款申请者的基本信息时，服务器将会根据这些基本信息获取到对应的基本地理位置因子，该基本地理位置因子可以看作与贷款申请者相关的地址信息，其中的每一条与贷款申请者相关的地址信息为一个基本地理位置因子，例如身份证归属地因子，家庭地址因子，工作单位地址因子等。

步骤s30，基于预设关联规则在所述终端地理位置因子与所述基本地理位置因子之间建立实体关联，并根据预设关系度公式计算所述终端地理位置因子与所述基本地理位置因子之间的关系度；

本实施例中，服务器在得到终端地理位置因子和基本地理位置因子时，将会基于预设关联规则在终端地理位置因子与基本地理位置因子之间建立实体关联，从而将孤立的位置因子进行联系起来，形成位置关联网络，获得对应的位置关联图，该位置关联图中至少包括两个位置因子。而对于实体关联，则可以是根据多种方式建立的。

例如，可以是通过距离匹配的方式建立的距离匹配关联。具体的，服务器首先将确定各位置因子所对应的真实位置，然后根据各位置因子的真实位置确定终端地理位置因子与基本地理位置因子之间的地理位置距离(即各位置因子所代表的位置之间的真实距离)；当该地理位置距离大于预设距离阈值时，即可在两者之间建立距离匹配关联。进一步的，当建立距离匹配关联后，还可以根据地理位置距离的大小定义其关联强度值，地理位置距离越小，关联强度值越大。通过距离匹配的关联方式，可从实际距离的维度将距离相似的位置因子进行关联，以进行后续的ip分析。

又例如，还可以是通过模糊匹配的方式建立的关联，即计算终端地理位置因子与基本地理位置因子之间的地址文本模糊匹配度，对于模糊匹配度大于预设模糊阈值的两个位置因子，即可在两者之间建立模糊匹配关联。具体的，根据预设量化规则将这两个位置因子量化为对应的第一字符组d1和第二字符组d2，字符组的形式可以为(市，区，路，号)，当然量化规则和字符组的形式也可以根据实际情况进行设置；在量化完成时，服务器将根据第一字符组d1和第二字符组d2进行并集运算得到全字符组d(该全字符组为第一字符组d1和第二字符组d2的并集，且该全字符组中不含有重复的元素)；随后，服务器将分别根据全字符组d的各字符在第一字符组d1和第二字符组d2中出现频率、确定对应的第一字符频率组dd1和第二字符频率组dd2；在得到第一字符频率组dd1和第二字符频率组dd2时，即可将第一字符频率组dd1和第二字符频率组dd2代入至预设模糊匹配度公式中计算两个位置因子的模糊匹配度，该预设模糊匹配度公式为

其中，sim(dd1,dd2)为终端地理位置因子与基本地理位置因子之间的特征相似度；n为所述第一字符频率组dd1或所述第二字符频率组dd2的元素数量；dd1i为所述第一字符频率组dd1第i个元素，dd2i所述第二字符频率组dd1第i个元素，0＜i≤n，且i为整数。

例如，终端地理位置因子为x市y区a路b号、基本地理位置因子为x市y区a路c号；根据这两个位置因子可得到对应的第一字符组d1(x，y，a，b)和第二字符组(x，y，a，c)；第一字符组d1和第二字符组对应的全字符组为d(x，y，a，b，c)；该全字符组d的各字符元素在第一字符组内出现的字符频率分别为x出现1次、y出现1次、a出现1次、b出现1次、c出现1次，则第一字符组d1针对全字符组d的第一字符频率组dd1为(1，1，1，1，0)；而全字符组d的各字符元素在第二字符组内出现的字符频率分别为x出现1次、y出现1次、a出现1次、b出现0次、c出现1次，则第二字符组d2针对全字符组d的第二字符频率组dd2为(1，1，1，1，0)；此时服务器可将该第一字符频率组dd1和第二字符频率组dd2代入至预设模糊匹配度公式中，计算模糊匹配度，如

此时即可判断该模糊匹配度是否大于预设模糊阈值；若该模糊匹配度大于预设模糊阈值(如0.6)，则可在两个位置因子之间建立模糊匹配关联。进一步的，当两个位置因子建立模糊匹配关联后，还可以根据模糊匹配度的大小定义其关联强度值，模糊匹配度越大，关联强度值越大。通过模糊匹配的关联方式，可从位置文本的维度将文本相似的位置因子进行关联，以进行后续的ip分析。

在具体实施中，若终端地理位置因子无法与任何一个基本地理位置因子建立关联，说明该终端地理位置因子具有较大的信息孤立性，此时可认为终端地理位置因子所对应的ip地址也是可疑的，并将该终端地理位置因子的ip地址为疑似欺诈信息。

值得说明的是，对于本实施例中与终端地理位置因子进行直接关联的基本位置因子，还可称为一次位置因子；而对于一次位置因子，则可能会与其它的有关系的信息进行关联，例如工作地址因子与该地址的单位实体关联，又例如家庭地址与该地址的小区关联，对于这些与一次位置因子关联的信息，为描述方便，可称为二次位置因子，这些二次位置因子可看作与终端地理位置因子间接关联；一次位置因子与二次位置因子统称为基本地理位置因子，终端地理位置因子与基本地理位置因子均具有关联关系。依此类推，终端地理位置因子还可以与三次位置因子、四次位置因子等进行关联，从而以终端地理位置因子为起点，建立关联网络。

本实施例中，在终端地理位置因子与基本地理位置因子建立关联后，服务器将根据预设关系度公式计算终端地理位置因子与基本地理位置因子之间的关系度，该关系度可看作是两个位置因子联系紧密度的表征；关系度越大，两者的联系越紧密。其中预设关系度公式为：

其中f为终端地理位置因子与基本地理位置因子的关系度；

m为终端地理位置因子和基本地理位置因子的最短关联路径上的路径因子数量，m≥2；值得说明的是，当终端地理位置因子所关联的基本位置因子包括一次位置因子、二次位置因子、三次位置因子等时，若计算的是一次位置因子与终端地理位置因子的关系度，则m＝2，若计算的是二次位置因子与终端地理位置因子的关系度，则m＝3，依次类推；

k0为与基本地理位置因子的因子类型相关的预设距离系数，0＜k0；

x0为与基本地理位置因子的因子类型相关的预设距离系数，0＜x0；

ki为最短关联路径上各路径因子各自对应的关联距离系数，0＜ki，终端地理位置因子与基本地理位置因子的关联距离(即关联的路径数)越大，ki越小；

xi为最短关联路径上各路径因子各自对应的关系强度系数，0＜xi，与路径因子的类型有关，例如家庭地址的关系强度系数大于单位地址的关系强度系数；

ui为最短关联路径上各路径因子各自对应的衰减因子系数，0＜ui≤1，与路径因子的类型有关，例如家庭地址的衰减因子系数小于单位地址的衰减因子系数，当然该关联强度系数还可以与建立关联时的关联强度值有关(路径因子与基本地理位置因子方向的相邻因子的关联强度值越大，衰减因子系数越大)。

具体的，在进行计算终端地理位置因子与基本地理位置因子的关联度时，首先获取基本地理位置因子的预设距离系数k0和预设强度系数x0；然后根据终端地理位置因子与基本地理位置因子的关联关系确定两者的计算关系路径，其中若终端地理位置因子与基本地理位置因子之间有多条关系路径，则选择关系数最少的一条作为计算关系路径；在确定计算关系路径时，将要确定该最短关系路径上的所有路径因子(包括终端地理位置因子与基本地理位置因子)，并根据最短关系路径的关联距离、各路径因子的因子类型、关联强度等确定各路径因子对应的关联距离系数ki、衰减因子系数ui和关联强度系数xi，再将各参数代入至上述公式中，即可计算出终端地理位置因子与基本地理位置因子的关系度。服务器在计算得终端地理位置因子与基本地理位置因子之间的关系度时，还可生成对应的位置关联图并标注关系度，如图3所示，图3中基本地理位置因子包括gps地址因子(关系度73)、单位地址因子(关系度80)、手机号归属地因子(关系度58)。

步骤s40，当所述基本地理位置因子属于黑名单因子时，判断所述关系度是否大于预设关系阈值；

本实施例中，在得到终端地理位置因子与基本地理位置因子之间关系度时，即可通过染黑逻辑(或染灰逻辑)对终端地理位置因子进行欺诈分析。具体的，当某一基本地理位置因子属于黑名单因子(或者该基本地理位置因子对应的基本信息确认为虚假)时，服务器将判断终端地理位置因子与该基本地理位置因子之间的关系度是否大于预设阈值，即通过两者之间的关系紧密程度关联分析贷款终端的ip地址风险性。

步骤s50，若所述关系度大于预设关系阈值，则确定所述终端地理位置因子所对应的ip地址为疑似欺诈信息。

本实施例中，若终端地理位置因子与该基本地理位置因子之间的关系度是否大于预设阈值，则可认为终端地理位置因子所对应的ip地址也是可疑的，并将该终端地理位置因子的ip地址为疑似欺诈信息。

进一步的，当服务器获取了贷款终端的多个ip地址时，还可以确定这些ip地址中的可疑地址数；当可疑地址数超过一定阈值时，还可以直接拒绝贷款终端(贷款申请者)的信贷请求。

再进一步的，服务器在对ip地址分析之后，还可以生成对应的分析报告，分析报告的内容可以包括位置因子实体关联的建立过程(包括计算过程)、位置关联图、关系度计算和判断等，以供分析人员查看。

本实施例在接收到贷款终端发送的信贷请求时，获取贷款终端的互联网协议ip地址，并根据所述ip地址确定对应的终端地理位置因子；根据所述信贷请求获取对应信贷申请者的基本信息，并根据所述基本信息获取对应的基本地理位置因子；基于预设关联规则在所述终端地理位置因子与所述基本地理位置因子之间建立实体关联，并根据预设关系度公式计算所述终端地理位置因子与所述基本地理位置因子之间的关系度；当所述基本地理位置因子属于黑名单因子时，判断所述关系度是否大于预设关系阈值；若所述关系度大于预设关系阈值，则确定所述终端地理位置因子所对应的ip地址为疑似欺诈信息。通过以上方式，本实施例以“关系”的方式将贷款终端的ip地址与贷款申请者的其它位置信息进行整合和关联，有利于确定位置信息之间的联系；并结合染黑(或染灰)的处理逻辑对贷款终端的ip地址的风险性进行分析和检测，从而以大数据分析的方式对潜在信贷欺诈风险进行了有效预测，提高了信贷分析的准确性，能够更有效地对潜在风险进行预警，可尽早地发现并规避风险和降低坏账率。

此外，本发明实施例还提供一种ip地址分析装置。

参照图4，图4为本发明ip地址分析装置第一实施例的功能模块示意图。

本实施例中，所述ip地址分析装置包括：

第一获取模块10，用于在接收到贷款终端发送的信贷请求时，获取贷款终端的互联网协议ip地址，并根据所述ip地址确定对应的终端地理位置因子；

第二获取模块20，用于根据所述信贷请求获取对应信贷申请者的基本信息，并根据所述基本信息获取对应的基本地理位置因子；

关系度计算模块30，用于基于预设关联规则在所述终端地理位置因子与所述基本地理位置因子之间建立实体关联，并根据预设关系度公式计算所述终端地理位置因子与所述基本地理位置因子之间的关系度；

关系度判断模块40，用于当所述基本地理位置因子属于黑名单因子时，判断所述关系度是否大于预设关系阈值；

ip分析模块50，用于若所述关系度大于预设关系阈值，则确定所述终端地理位置因子所对应的ip地址为疑似欺诈信息。

其中，上述ip地址分析装置的各虚拟功能模块存储于图1所示ip地址分析设备的存储器1005中，用于实现ip地址分析程序的所有功能；各模块被处理器1001执行时，可实现将ip地址与多种地址信息进行整合和关联，并结合染黑(或染灰)的处理逻辑对ip地址进行风险分析的功能。

进一步的，所述第一获取模块10包括：

地址判断单元，用于判断所述ip地址是否属于代理ip；

第一确定单元，用于若所述ip地址不属于代理ip，则根据所述ip地址确定对应的ip归属地，并根据所述ip归属地确定对应的终端地理位置因子；

第二确定单元，用于若所述ip地址属于代理ip，则获取所述贷款终端的第一交互报文，并基于所述第一交互报文确定所述贷款终端的真实ip地址；根据所述真实ip地址确定对应的真实ip归属地，并根据所述真实ip归属地确定对应的终端地理位置因子。

进一步的，所述地址判断单元具体用于根据所述ip地址查询预设代理ip库，判断所述预设代理ip库中是否存在与所述ip地址匹配的已知代理ip，以判断所述ip地址是否属于代理ip。

进一步的，所述地址判断单元具体用于获取所述贷款终端的第二交互报文，并基于预设通信协议对所述第二交互报文进行解析，获取特征报文片段；根据所述特征报文片段判断所述ip地址是否属于代理ip。

进一步的，所述第一获取模块10，还用于在接收到贷款终端发送的信贷请求时，以预设频率获取所述贷款终端的ip地址，形成ip地址集，其中，所述ip地址集中至少包括两个ip地址；

所述ip地址分析装置还包括：

代理判断模块，用于确定所述ip地址集中代理ip的个数，并判断所述代理ip的个数是否大于预设代理阈值；若所述代理ip的个数大于预设代理阈值，则确定所述ip地址集为疑似欺诈信息。

进一步的，所述关系度计算模块30包括：

因子关联单元，用于确定所述终端地理位置因子与所述基本地理位置因子之间的地理位置距离，并判断所述地理位置距离是否小于预设距离阈值；若所述地理位置距离小于预设距离阈值，则在所述终端地理位置因子与所述基本地理位置因子之间建立实体关联。

进一步的，所述预设关系度公式为

其中，f为所述终端地理位置因子与所述基本地理位置因子之间的关系度；

m为所述终端地理位置因子与所述基本地理位置因子的最短关联路径上的路径因子数量，m≥2；

k0为与所述基本地理位置因子的因子类型相关的预设距离系数，0＜k0；

x0为与所述基本地理位置因子的因子类型相关的预设强度系数，0＜x0；

ki为所述路径因子各自对应的关联距离系数，0＜ki；

ui为所述路径因子各自对应的衰减因子系数，0＜ui≤1；

xi为所述路径因子各自对应的关联强度系数，0＜xi。

其中，上述ip地址分析装置中各个模块的功能实现与上述ip地址分析方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。

此外，本发明实施例还提供一种计算机可读存储介质。

本发明计算机可读存储介质上存储有ip地址分析程序，其中所述ip地址分析程序被处理器执行时，实现如上述的ip地址分析方法的步骤。

其中，ip地址分析程序被执行时所实现的方法可参照本发明ip地址分析方法的各个实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

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。