[0001] 本发明涉及金融数据技术领域，特别涉及一种车辆抵押数据处理方法、系统、计算机及存储介质。

[0002] 传统车辆抵押贷款业务流程中，审核、办抵和 GPS 安装等环节通常是串行进行的。

[0003] 资产方需先对借款人的资质、车辆状况等进行审核，审核通过后再联系办抵方办理抵押登记，最后安排 GPS 安装。这种顺序操作的方式导致整个业务流程时间长，放款效率低下。

[0019] 为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

[0020] 需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。

[0021] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。

[0022] 实施例一请参阅图1，所示为本发明第一实施例中的车辆抵押数据处理方法的流程图，如图所示，该方法包括以下步骤：
步骤S100，接收并获取用户的办抵数据，其中，所述办抵数据包括流程审核数据、办抵信息数据及GPS安装数据。具体来说，上述流程审核数据包括借款人的基本信息、信用记录数据、收入资产数据及车辆资料数据，车辆资料数据包括车辆行驶证、购车发票、车辆登记证书等。这些资料用于核实车辆的所有权归属、车辆的购置价格和时间、车辆是否存在抵押等情况；上述办抵信息数据包括抵押登记信息、办抵合同数据及办抵进度数据等；上述GPS安装数据包括GPS的设备信息、按住那个信息及设备的状态数据。

[0023] 步骤S200，通过RSA算法对所述办抵数据进行非对称加密，并使用异步技术将办抵数据中的流程审核数据、办抵信息数据及GPS安装数据进行并行分流处理。RSA 算法是一种非对称加密算法，它使用一对密钥，即公钥和私钥。公钥是公开的，用于加密数据；私钥是保密的，用于解密数据。在车辆抵押业务中，业务系统会生成一对公钥和私钥，将公钥分发给数据的发送方（如借款人、办抵方及资金方），发送方使用公钥对办抵数据进行加密后传输给业务系统，业务系统再使用私钥进行解密。

[0024] 异步技术允许系统在处理一个任务的同时，无需等待该任务完成就可以开始处理其他任务。在车辆抵押业务中，流程审核数据、办抵信息数据及 GPS 安装数据可以同时进行处理，而不是按照传统的串行方式依次处理。例如，在审核借款人的信用记录时，可以同时进行车辆抵押登记的办理和 GPS 设备的安装工作。在本步骤中采用spring开源框架注解@Async，把数据切成独立的子功能，保证数据流程可以正常走下去。

[0025] 步骤S300，接收并对办抵数据中各数据的反馈结果进行比对，以判断是否出现流程异常。其中，各数据包括流程审核数据中信息的核实、办抵信息数据的信息比对及风险评估等、以及GPS设备的安装进度等。

[0026] 优选地，在本实施例中，接收并对办抵数据中各数据的反馈结果进行比对，以判断是否出现流程异常的步骤具体包括：步骤S310，针对所述流程审核数据中用户的个人信用数据及车辆资料数据进行核查。核查包括信息的完整性，准确性及风险判断。

[0027] 步骤S320，接收并对所述流程审核数据的核查反馈结果进行比对，若反馈结果与第一预设值存在偏差，则判定流程出现异常，并中止所述办抵数据中其他数据的处理流程。第一预设值是根据业务经验、风险偏好和相关规定设定的一系列标准和阈值。例如，信用评分的最低要求、车辆价值的合理范围、逾期次数的上限等。

[0028] 步骤S330，基于梯度提升决策树算法对所述办抵信息数据中的样本指标进行风险性预测。梯度提升决策树（Gradient Boosting Decision Tree，GBDT）是一种迭代的决策树集成学习算法，它通过迭代训练一系列的决策树，每一棵新的决策树都尝试拟合前一轮模型的残差，逐步提升模型的预测性能。

[0029] 从办抵信息数据中挑选与风险相关的关键样本指标，如抵押登记时间、抵押合同条款、办抵进度等，用于反映办抵过程中的各种特征和潜在风险因素。

[0030] 步骤S340，接收并对所述办抵信息数据的预测反馈结果进行比对，若反馈结果与第二预设值存在偏差，则判定流程出现异常，并中止所述办抵数据中其他数据的处理流程。第二预设值是根据业务的风险承受能力和风险管理目标设定的风险阈值。例如，风险评分的上限、风险等级的临界值等。

[0031] 更进一步地，上述基于梯度提升决策树算法对所述办抵信息数据中的样本指标进行风险性预测的步骤具体包括：基于梯度提升决策树算法建立风险性预测模型，对所述办抵信息数据中的样本指标进行风险性预测；
其中，所述风险性预测模型的计算表达式如下：
；
式中， 为模型的输出，m为迭代次数，为学习率， 为经m次迭代后决
策树的输出， 为m‑1次迭代时模型的输出。

[0032] 优选地，在本实施例中，所述风险性预测模型迭代前的初始输出，及迭代过程中样本的负梯度的计算表达式分别为：；
；
式中， 为初始输出， 为模型预测标签，L为损失函数，n为样本数量， 为第i个样本的真实标签， 为当前模型的预测结果，为偏导数。

[0033] 便于理解地，风险性预测模型的处理步骤如下：首先需要基于上式确定模型的初始输出，找到一个模型预测标签，使所有样本的损失函数最小；然后进行迭代训练，通过上式计算负梯度，负梯度表示损失函数下降最快的方向，模型通过拟合负梯度来减小损失；然后使用当前样本的特征和负梯度作为训练数据，训练一棵新的决策。决策树的训练过程是寻找最佳的分裂点和特征，将样本划分为不同的节点，使得每个节点内的样本尽可能相似，进而根据学习率，控制每棵决策树对模型更新的贡献程度。

[0034] 优选地，在本实施例中，上述损失函数的计算表达式为：；
式中，为类别权重因子， 为引入系数， 为模型预测样本属于负类的概
率， 为型预测样本属于正类的概率。

[0035] 具体来说， 指样本的真实标签， 表示样本属于正类， 表示样本属于负类；
上述类别权重因子 ，取值范围在【0‑1】之间，其作用是协调正负样本比例的不平衡性，通过调整 的值，可以让模型更加关注样本数量较少的类别。比如在车辆抵押违约预测中，如果违约样本(正类)数量远少于正常还款样本(负类)，可以将 设置得较大，如 =
0.7，这样在计算损失时，违约样本的损失权重就会相对增加，促使模型更好地学习违约样本的特征。

[0036] 上述引入系数用于调节模型对不同置信度样本的关注程度，当 >0时，对于模型预测置信度较高的样本，损失函数的惩罚会相对降低;而对于预测置信度较低的样本，损失函数的惩罚会相对增加。例如，如果 =2，当模型以很高的概率(如 =0.9)预测某笔业务会违约时，其损失相对较小；但如果模型以较低的率(如 =0.2)预测某笔业务会违约，而实际上该业务真的违约了( )，此时损失会比较大，从而让模型更加重视那些预测不准确的样本。

[0037] 步骤S400，若各数据对应的步骤流程均无异常，则基于资金方将抵押款发放至用户。当经过前面的审核和比对，确认办抵数据的各个环节都没有出现异常情况后，资金方将按照既定的流程和协议将抵押款发放给用户。

[0038] 综上，本发明上述实施例当中的车辆抵押数据处理方法，通过采用异步技术对流程审核数据、办抵信息数据及 GPS 安装数据进行并行分流处理，改变了传统车抵贷业务串行操作的模式，各环节可同时推进，大大缩短了整个业务流程的时间，运用 RSA 算法对办抵数据进行非对称加密，为数据传输和存储提供了强大的安全保障，确保了业务数据的保密性和完整性；结合梯度提升决策树算法对办抵信息数据中的样本指标进行风险性预测，同时针对流程审核数据中用户的个人信用数据及车辆资料数据进行核查，从多个维度对车抵贷业务的风险进行全面评估，可以准确地识别借款人的还款能力和抵押车辆的风险状况，发现潜在的风险因素，为业务决策提供更可靠的依据；在风险评估过程中，一旦发现风险预测结果与预设值存在偏差，系统能够及时判定流程出现异常并采取相应的措施，如中止业务流程、重新审核数据等，可以在风险事件发生之前及时进行干预，降低贷款违约的风险，保障资金方的资金安全。

[0039] 实施例二本申请的第二实施例还提供了一种车辆抵押数据处理系统，该系统用于实现所述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

[0040] 如图2所示，该系统包括：数据模块100、并行处理模块200、反馈模块300、资金模块400。

[0041] 数据模块100，用于接收并获取用户的办抵数据，其中，所述办抵数据包括流程审核数据、办抵信息数据及GPS安装数据；并行处理模块200，用于通过RSA算法对所述办抵数据进行非对称加密，并使用异步技术将办抵数据中的流程审核数据、办抵信息数据及GPS安装数据进行并行分流处理；
反馈模块300，用于接收并对办抵数据中各数据的反馈结果进行比对，以判断是否出现流程异常；
资金模块400，用于若各数据对应的步骤流程均无异常，则基于资金方将抵押款发放至用户。

[0042] 优选地，在本实施例中，所述反馈模块300具体用于：针对所述流程审核数据中用户的个人信用数据及车辆资料数据进行核查；
接收并对所述流程审核数据的核查反馈结果进行比对，若反馈结果与第一预设值存在偏差，则判定流程出现异常，并中止所述办抵数据中其他数据的处理流程。

[0043] 优选地，在本实施例中，所述反馈模块300具体用于：基于梯度提升决策树算法对所述办抵信息数据中的样本指标进行风险性预测；
接收并对所述办抵信息数据的预测反馈结果进行比对，若反馈结果与第二预设值存在偏差，则判定流程出现异常，并中止所述办抵数据中其他数据的处理流程。

[0044] 优选地，在本实施例中，所述反馈模块300具体还用于：基于梯度提升决策树算法建立风险性预测模型，对所述办抵信息数据中的样本指标进行风险性预测；
其中，所述风险性预测模型的计算表达式如下：
；
式中， 为模型的输出，m为迭代次数，为学习率， 为经m次迭代后决
策树的输出， 为m‑1次迭代时模型的输出。

[0045] 需要说明的是，所述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，所述各个模块可以位于同一处理器中；或者所述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

[0046] 实施例三本申请的第三实施例提供了一种计算机，该计算机可以包括处理器81以及存储有计算机程序命令的存储器82。

[0047] 具体地，上述处理器81可以包括中央处理器（CPU），或者特定集成电路（Application Specific Integrated Circuit，简称为ASIC），或者可以被配置成实施本申请实施例的一个或多个集成电路。

[0048] 其中，存储器82可以包括用于数据或命令的大容量存储器。举例来说而非限制，存储器82可包括硬盘驱动器（Hard Disk Drive，简称为HDD）、软盘驱动器、固态驱动器（Solid State Drive，简称为SSD）、闪存、光盘、磁光盘、磁带或通用串行总线（Universal Serial Bus，简称为USB）驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器82可包括可移除或不可移除（或固定）的介质。在合适的情况下，存储器82可在数据处理装置的内部或外部。在特定实施例中，存储器82是非易失性（Non‑Volatile）存储器。在特定实施例中，存储器82包括只读存储器（Read‑Only Memory，简称为ROM）和随机存取存储器（Random Access Memory，简称为RAM）。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM（Programmable Read‑Only Memory，简称为PROM）、可擦除PROM（Erasable Programmable Read‑Only Memory，简称为EPROM）、电可擦除PROM（Electrically Erasable Programmable Read‑Only Memory，简称为EEPROM）、电可改写ROM（Electrically Alterable Read‑Only Memory，简称为EAROM）或闪存（FLASH）或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器（Static Random‑Access Memory，简称为SRAM）或动态随机存取存储器（Dynamic Random Access Memory，简称为DRAM），其中，DRAM可以是快速页模式动态随机存取存储器（Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM）、扩展数据输出动态随机存取存储器（Extended Date Out Dynamic Random Access Memory，简称为EDODRAM）、同步动态随机存取内存（Synchronous Dynamic Random‑Access Memory，简称SDRAM）等。

[0049] 存储器82可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器81所执行的可能的计算机程序命令。

[0050] 处理器81通过读取并执行存储器82中存储的计算机程序命令，以实现上述实施例中的任意一种车辆抵押数据处理方法。

[0051] 在其中一些实施例中，计算机还可包括通信接口83和总线80。其中，如图3所示，处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。

[0052] 通信接口83用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信接口83还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。

[0053] 总线80包括硬件、软件或两者，将计算机的部件彼此耦接在一起。总线80包括但不限于以下至少之一：数据总线（Data Bus）、地址总线（Address Bus）、控制总线（Control Bus）、扩展总线（Expansion Bus）、局部总线（Local Bus）。举例来说而非限制，总线80可包括图形加速接口（Accelerated Graphics Port，简称为AGP）或其他图形总线、增强工业标准架构（Extended Industry Standard Architecture，简称为EISA）总线、前端总线（Front Side Bus，简称为FSB）、超传输（Hyper Transport，简称为HT）互连、工业标准架构（Industry Standard Architecture，简称为ISA）总线、无线带宽（InfiniBand）互连、低引脚数（Low Pin Count，简称为LPC）总线、存储器总线、微信道架构（Micro Channel Architecture，简称为MCA）总线、外围组件互连（Peripheral Component Interconnect，简称为PCI）总线、PCI‑Express（PCI‑X）总线、串行高级技术附件（Serial Advanced Technology Attachment，简称为SATA）总线、视频电子标准协会局部（Video Electronics Standards Association Local Bus，简称为VLB）总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线80可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

[0054] 实施例四本申请的第四实施例提供了一种可读存储介质。该可读存储介质上存储有计算机程序命令；该计算机程序命令被处理器执行时实现上述实施例中的任意一种车辆抵押数据处理方法。

[0055] 以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对所述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

[0056] 以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。