银行卡申请风控方法、装置、电子设备和介质

本公开涉及人工智能技术领域，更具体地，涉及一种基于声纹识别的银行卡申请风控方法、银行卡申请风控装置、电子设备、计算机可读存储介质和计算机程序产品。

信用卡申请风险筛查是银行风险控制不可或缺的一部分，相关的风险策略可减少银行呆账、坏账风险，好的风险筛查规避措施可提升银行信誉，降低银行不良资产，传统的信用卡申请风险防控机制主要基于对申请人所填申请信息要素，联合银行内部和外部各系统对客户身份进行识别。例如根据客户申请时填入的电话、身份证号等信息，通过公安部联网核查、运营商电话信息核对等保证客户申请信息与外部系统注册信息保持一致。并且还可以采取人工调查的方式对客户真实性进行复核。

有鉴于此，本公开提供了一种利于风险控制、降低经济损失的基于声纹识别的银行卡申请风控方法、银行卡申请风控装置、电子设备、计算机可读存储介质和计算机程序产品。

本公开的一个方面提供了一种基于声纹识别的银行卡申请风控方法，包括：接收用户的银行卡申请请求；在用户申请银行卡时，获取用户的第一声纹信息；在调查用户时，获取用户的第二声纹信息；确定所述第一声纹信息与所述第二声纹信息的第一相似度；当所述第一相似度大于第一阈值时，确定所述第二声纹信息与黑声纹库中的黑声纹的第二相似度；以及当所述第二相似度大于第二阈值时，将所述第一声纹信息和/或所述第二声纹信息存储至所述黑声纹库。

根据本公开实施例的基于声纹识别的银行卡申请风控方法，可以根据第一声纹信息和第二声纹信息的比较，精准识别银行卡的实际申请用户与被调查用户是否为同一人；而且通过运用黑声纹库中的黑声纹与第二声纹信息比较可以确定银行卡申请人是否有过不良记录，进而可以对有过不良记录的申请人采取进一步的措施。本公开将第一声纹信息和/或第二声纹信息存储至黑声纹库的过程可以不断完善黑声纹库。因此，本公开的方法有利于银行风险控制，从而可以降低银行和客户的经济损失。

在一些实施例中，当所述第一相似度小于所述第一阈值时，将所述第一声纹信息和/或所述第二声纹信息存储至所述黑声纹库。

在一些实施例中，所述方法还包括：在所述获取用户第一声纹信息后，将所述第一声纹信息存储至临时声纹库，其中，所述临时声纹库包括至少一个临时声纹；所述确定所述第一声纹信息与所述第二声纹信息的第一相似度包括：将所述第二声纹信息与所述临时声纹库中的所述临时声纹匹配；获取所述第二声纹信息与所述临时声纹的相似度值列表；以及获取所述第二声纹信息与所述第一声纹信息的所述第一相似度。

在一些实施例中，所述确定所述第二声纹信息与黑声纹库中的黑声纹的第二相似度包括：获取所述第二声纹信息与所述黑声纹的相似度值列表；以及获取所述第二声纹信息与所述黑声纹的所述第二相似度。

在一些实施例中，所述获取用户第一声纹信息包括：展示文本信息；录制用户朗读所述文本信息的声纹；以及降噪处理所述声纹，降噪后的所述声纹为所述第一声纹信息。

在一些实施例中，所述获取用户第一声纹信息包括：展示文本信息；录制用户朗读所述文本信息的声纹；降噪处理所述声纹，其中，所述降噪处理所述声纹包括去掉所述声纹中的与朗读所述文本信息无关的杂音，得到第一有效声纹；以及提取所述第一有效声纹的声纹特征，该声纹特征为所述第一声纹信息。

在一些实施例中，所述获取用户第一声纹信息还包括设置第一有效声纹进度条，其中，所述第一有效声纹进度条为所述第一有效声纹的时长，降噪处理录制的所述声纹后，若所述第一有效声纹进度条不满足阈值、则继续录制用户朗读所述文本信息的声纹、降噪处理所述声纹，直至所述第一有效声纹进度条满足阈值，所述提取所述第一有效声纹的声纹特征为提取所述第一有效声纹进度条满足所述阈值后的第一有效声纹的声纹特征。

在一些实施例中，所述提取所述第一有效声纹的声纹特征包括运用神经网络模型提取所述声纹特征。

在一些实施例中，所述神经网络模型为高斯混合模型-通用背景模型。

在一些实施例中，所述获取用户第二声纹信息包括：银行拨号给发起银行卡申请请求时填写的；以及采集接听者的音频信息，所述音频信息为所述第二声纹信息。

在一些实施例中，所述获取用户第二声纹信息包括：银行拨号给发起银行卡申请请求时填写的；采集接听者的音频信息；降噪处理所述音频信息，所述降噪处理所述音频信息包括去掉所述音频信息中的与对话内容无关的杂音，得到第二有效声纹；以及提取所述第二有效声纹的声纹特征，该声纹特征为所述第二声纹信息。

本公开的另一个方面提供了一种基于声纹识别的银行卡申请风控装置，包括：银行卡申请请求模块，用于执行接收用户的银行卡申请请求；第一声纹获取模块，在用户申请银行卡时，用于执行获取用户的第一声纹信息；第二声纹获取模块，在调查用户时，用于执行获取用户的第二声纹信息；第一信息匹配模块，用于执行确定所述第一声纹信息与所述第二声纹信息的第一相似度；第二信息匹配模块，当所述第一相似度大于第一阈值时，用于执行确定所述第二声纹信息与黑声纹库中的黑声纹的第二相似度；以及黑声纹添加模块，当所述第二相似度大于第二阈值时，用于执行将所述第一声纹信息和/或所述第二声纹信息存储至所述黑声纹库。

本公开的另一方面提供了一种电子设备，包括一个或多个处理器以及一个或多个存储器，其中，所述存储器用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现如上所述的方法。

本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。

本公开的另一方面提供了一种计算机程序产品，该计算机程序产品包括一个或者多个可执行指令，所述可执行指令被处理器执行时实现如上所述的方法

通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的可以应用方法、装置的示例性系统架构；

图2示意性示出了根据本公开实施例的基于声纹识别的银行卡申请风控方法的流程图；

图3示意性示出了根据本公开一个实施例的获取用户第一声纹信息的流程图；

图4示意性示出了根据本公开另一个实施例的获取用户第一声纹信息的流程图；

图5示意性示出了根据本公开一个实施例的提取第一有效声纹的声纹特征的流程图；

图6示意性示出了根据本公开一个实施例的获取用户第二声纹信息的流程图；

图7示意性示出了根据本公开另一个实施例的获取用户第二声纹信息的流程图；

图8示意性示出了根据本公开一个实施例的提取第二有效声纹的声纹特征的流程图；

图9示意性示出了根据本公开一个实施例的确定第一声纹信息与第二声纹信息的第一相似度的流程图；

图10示意性示出了根据本公开一个实施例的确定第二声纹信息与黑声纹库中的黑声纹的第二相似度的流程图；

图11示意性示出了根据本公开实施例的银行卡申请风控装置的框图；

图12示意性示出了根据本公开实施例的电子设备的方框图。

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。

信用卡申请风险筛查是银行风险控制不可缺少的一部分，相关的风险策略可减少银行呆账、坏账风险，好的风险筛查规避措施可提升银行信誉，降低银行不良资产，传统的信用卡申请风险防控机制主要基于对申请人所填申请信息要素，联合银行内部和外部各系统对客户身份进行识别。

例如根据客户申请时填入的电话、身份证号等信息，通过公安部联网核查、运营商电话信息核对等保证客户申请信息与外部系统注册信息保持一致。并且还可以采取人工调查的方式对客户真实性进行复核。但随着社会发展，中介行业开始介入各类代理业务，可通过获取客户身份证等措施规避公安部联网核查、运营商电话信息核对，而人工调查仅能根据系统展示信息对客户真实性做核查，无法精准识别实际申请客户与被调查人是否为同一人，因此不利于银行风险控制。

本公开的实施例提供了一种基于声纹识别的银行卡申请风控方法、银行卡申请风控装置、电子设备、计算机可读存储介质和计算机程序产品。银行卡申请风控方法包括接收用户的银行卡申请请求；在用户申请银行卡时，获取用户的第一声纹信息；在调查用户时，获取用户的第二声纹信息；确定第一声纹信息与第二声纹信息的第一相似度；当第一相似度大于第一阈值时，确定第二声纹信息与黑声纹库中的黑声纹的第二相似度；当第二相似度大于第二阈值时，将第一声纹信息和/或第二声纹信息存储至黑声纹库。

需要说明的是，本公开基于声纹识别的银行卡申请风控方法、银行卡申请风控装置10可用于人工智能领域，也可用于除人工智能领域之外的任意领域，例如金融领域，这里对本公开的领域不做限定。

图1示意性示出了根据本公开实施例的可以应用基于声纹识别的银行卡申请风控方法、银行卡申请风控装置、电子设备、计算机可读存储介质和计算机程序产品的示例性系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的基于声纹识别的银行卡申请风控方法一般可以由服务器105执行。相应地，本公开实施例所提供的银行卡申请风控装置10一般可以设置于服务器105中。本公开实施例所提供的基于声纹识别的银行卡申请风控方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集执行。相应地，本公开实施例所提供的银行卡申请风控装置10也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

以下将基于图1描述的场景，通过图2-图10对公开实施例的基于声纹识别的银行卡申请风控方法进行详细描述。

图2示意性示出了根据本公开实施例的基于声纹识别的银行卡申请风控方法的流程图。

如图2所示，该实施例的基于声纹识别的银行卡申请风控方法包括操作S210～操作S260。

在操作S210，接收用户的银行卡申请请求。例如，用户想要申请银行卡时，可以通过移动终端提交银行卡申请请求，银行服务器通过网络接收用户的银行卡申请请求。其中，银行可以设置银行卡申请请求时需要填写的申请信息，例如申请用户的身份证号、手机号、姓名、性别、籍贯、工作单位等信息。

在操作S220，在用户申请银行卡时，获取用户的第一声纹信息。需要解释的是，用户提交了银行卡申请请求中需要填写的申请信息后，需要获取用户的第一声纹信息，例如第一声纹信息可以为用户的声音信息，获取用户声音信息的途径可以为启动移动终端的录音功能或启动移动终端的录像功能等等。

具体地，作为一种可能实现的方式，如图3所示，操作S220获取用户第一声纹信息可以包括操作S221展示文本信息、操作S222录制用户朗读文本信息的声纹和操作S223降噪处理声纹。其中，移动终端可以通过显示屏将文本信息展示给用户，文本信息可以为任意文本，例如可以为银行设计的一段话、名人名言或者美文摘抄等，但是并不限于此。用户根据展示内容朗读文本信息，此时移动终端可以录制用户的声纹，移动终端还可以给录制的声纹进行降噪处理，包括但不限于删除与文本信息无关的声纹等，降噪后的声纹可以作为第一声纹信息。

作为另一种可能实现的方式，如图4所示，操作S220获取用户第一声纹信息可以包括操作S221展示文本信息、操作S222录制用户朗读文本信息的声纹、操作S223降噪处理声纹和操作S224提取第一有效声纹的声纹特征。其中，降噪处理声纹可以包括去掉声纹中的与朗读文本信息无关的杂音，得到第一有效声纹；由此可以对第一有效声纹进行声纹特征的提取，该声纹特征可以作为第一声纹信息。

进一步地，参考图4，操作S220获取用户第一声纹信息还可以包括操作S225设置第一有效声纹进度条，其中，第一有效声纹进度条可以为第一有效声纹的时长，降噪处理录制的声纹后，若第一有效声纹进度条不满足阈值、则继续录制用户朗读文本信息的声纹、降噪处理声纹，直至第一有效声纹进度条满足阈值，提取第一有效声纹的声纹特征为提取第一有效声纹进度条满足阈值后的第一有效声纹的声纹特征。

需要说明的是，用户在申请银行卡时，可能身处一个嘈杂环境中，第一次录制用户朗读文本信息的声纹后，该声纹中可能混有环境中其它的杂音；用户在朗读文本信息时，也可能突然与周围的人说了其它的与文本信息无关的话。当然用户声纹中出现杂音的场景并不限于此，这里仅以举例说明。

此时需要给录制的声纹降噪，降噪后的声纹为第一有效声纹，但是删除杂音后的第一有效声纹时长会减少，进而需要继续录制用户朗读文本信息的声纹、降噪处理声纹，直至第一有效声纹进度条满足阈值，也即第一有效声纹的时长满足阈值。基于此，设置第一声纹进度条可以便于第一有效声纹的时长符合提取要求，从而便于实现提取第一有效声纹的声纹特征。

更进一步地，如图5所示，操作S224提取第一有效声纹的声纹特征可以包括S2241运用神经网络模型提取声纹特征。可以理解的是，运用神经网络模型可以便于实现提取第一有效声纹的声纹特征。

再进一步地，神经网络模型可以为高斯混合模型-通用背景模型。当然神经网络模型还可以为其它模型，只要能实现提取第一有效声纹的声纹特征的神经网络模型均落入本公开的保护范围之内。

在操作S230，在调查用户时，获取用户的第二声纹信息。需要说明的是，银行获取了用户的第一声纹信息后，可以对用户进行调查，具体地，作为一种可实施的方式，如图6所示，操作S230获取用户第二声纹信息包括操作S231银行拨号给发起银行卡申请请求时填写的和操作S232采集接听者的音频信息，音频信息为第二声纹信息。这里，可以包括但不限于手机号、号、QQ号等。当银行发起的拨号接通后，可以采集接听者的音频信息。

作为另一种可实施的方式，如图7所示，操作S230获取用户第二声纹信息包括操作S231银行拨号给发起银行卡申请请求时填写的、操作S232采集接听者的音频信息、操作S233降噪处理音频信息和操作S234提取第二有效声纹的声纹特征。其中，降噪处理音频信息包括去掉音频信息中的与对话内容无关的杂音，得到第二有效声纹。

需要说明的是，当银行进行调查时，也即当银行对用户发起拨号时，用户可能身处一个嘈杂环境中，或者用户可能在接听语音时与周围的人说了其它的与对话无关的话。当然调查时用户声纹中出现杂音的场景并不限于此，这里仅以举例说明。

此时需要给录制的音频信息降噪，降噪后的声纹为第二有效声纹，由此可以对第二有效声纹进行声纹特征的提取，该声纹特征可以作为第二声纹信息。

进一步地，如图8所示，操作S234提取第二有效声纹的声纹特征可以包括操作S2341运用神经网络模型提取声纹特征。可以理解的是，运用神经网络模型可以便于实现提取第二有效声纹的声纹特征。更进一步地，神经网络模型可以为高斯混合模型-通用背景模型。当然神经网络模型还可以为其它模型。

在操作S240，确定第一声纹信息与第二声纹信息的第一相似度。

在操作S250，当第一相似度大于第一阈值时，确定第二声纹信息与黑声纹库中的黑声纹的第二相似度。可以理解的是，得到第一声纹信息和第二声纹信息后，可以对第一声纹信息和第二声纹信息进行比较，以确定第一声纹信息和第二声纹信息的第一相似度，例如可以通过算法模型确定第一声纹信息和第二声纹信息的第一相似度，算法模型中可以植入第一阈值，当第一相似度大于第一阈值时，说明第一声纹信息和第二声纹信息比较吻合，可以判定是本人申请银行卡。这里第一阈值为可以证明第一声纹信息和第二声纹信息吻合的任意值，例如99.5％。

证明是本人申请银行卡后，可以将第二声纹信息与黑声纹库中的黑声纹进行比较，以确定第二声纹信息与黑声纹的第二相似度。这里，黑声纹可以理解为有过不良记录的申请用户的声纹信息，例如，有过不良记录的申请用户可以为申请时提交的、姓名、身份证号等信息互相不匹配的用户、或者第一声纹信息和第二声纹信息不匹配，也即银行调查时发现不是本人申请的用户等。进而，黑声纹库可以理解为存放黑声纹的数据库。

其中，例如可以通过算法模型确定第二声纹信息与黑声纹的第二相似度，算法模型中可以植入第二阈值。

在操作S260，当第二相似度大于第二阈值时，将第一声纹信息和/或第二声纹信息存储至黑声纹库。可以理解的是，当第二相似度大于第二阈值时，说明第二声纹信息和黑声纹比较吻合，可以判定该银行卡的申请人曾有过不良记录，需要进一步采取措施，例如进一步审查等等。为保险起见，可以将第一声纹信息存储至黑声纹库；也可以将第二声纹信息存储至黑声纹库；还可以将第一声纹信息和第二声纹信息均存储至黑声纹库。这里第二阈值为可以证明第二声纹信息和黑声纹吻合的任意值，例如99.5％。

根据本公开实施例的基于声纹识别的银行卡申请风控方法，可以根据第一声纹信息和第二声纹信息的比较，精准识别银行卡的实际申请用户与被调查用户是否为同一人；而且通过运用黑声纹库中的黑声纹与第二声纹信息比较可以确定银行卡申请人是否有过不良记录，进而可以对有过不良记录的申请人采取进一步的措施。本公开将第一声纹信息和/或第二声纹信息存储至黑声纹库的过程可以不断完善黑声纹库。因此，本公开的方法有利于银行风险控制，从而可以降低银行和客户的经济损失。

在本公开的一些实施例中，如图2所示，当第一相似度小于第一阈值时，操作270将第一声纹信息和/或第二声纹信息存储至黑声纹库。可以理解的是，当第一相似度小于第一阈值时，说明第一声纹信息和第二声纹信息不吻合，可以判定不是本人申请银行卡，可以采取进一步措施，例如进一步人工审查该银行卡的申请信息和申请人。同时，可以将第一声纹信息存储至黑声纹库；也可以将第二声纹信息存储至黑声纹库；还可以将第一声纹信息和第二声纹信息均存储至黑声纹库。

在本公开的一些实施例中，如图2所示，当第二相似度小于第二阈值时，说明第二声纹信息和黑声纹不吻合，可以判定申请人没有过不良记录。此时银行可以给出本公开提到的银行卡申请风控方法的调查结论。

图9示意性示出了根据本公开实施例的确定第一声纹信息与第二声纹信息的第一相似度的流程图。获取用户第一声纹信息后将第一声纹信息存储至临时声纹库，临时声纹库中包括至少一个临时声纹。换言之，将第一声纹信息存储至临时声纹库后，该第一声纹信息为临时声纹库中的一个临时声纹，临时声纹库中还可以有其它的已经存储在临时声纹库中的声纹。

操作S240确定第一声纹信息与第二声纹信息的第一相似度包括操作S241～操作S243。

在操作S241，将第二声纹信息与临时声纹库中的临时声纹匹配。

在操作S242，获取第二声纹信息与临时声纹的相似度值列表。其中，临时声纹库中可以有n个临时声纹，n为大于等于1的整数，第二声纹信息可以与每个临时声纹进行比较，因此可以得到n个相似度值，作为一个示例，按照从大到小的顺序，可以将前m个相似度值作为列表展示，m为小于等于n的整数。

在操作S243，获取第二声纹信息与第一声纹信息的第一相似度。其中，在列表中可以查询第二声纹信息与第一声纹信息的第一相似度，因此可以便于获取到第二声纹信息与第一声纹信息的第一相似度，从而可以进一步实现用第一相似度与第一阈值进行比较。

图10示意性示出了根据本公开实施例的确定第二声纹信息与黑声纹库中的黑声纹的第二相似度的流程图。

操作S250确定第二声纹信息与黑声纹库中的黑声纹的第二相似度包括操作S251～操作S252。

在操作S251，获取第二声纹信息与黑声纹的相似度值列表。其中，黑声纹库中可以有s个黑声纹，s为大于等于1的整数，第二声纹信息可以与每个黑声纹进行比较，因此可以得到s个相似度值，作为一个示例，按照从大到小的顺序，可以将前t个相似度值作为列表展示，t为小于等于s的整数。

在操作S252，获取第二声纹信息与黑声纹的第二相似度。其中，在列表中可以查询第二声纹信息与黑声纹的第二相似度，因此可以便于获取到第二声纹信息与黑声纹的第二相似度，从而可以进一步实现用第二相似度与第二阈值进行比较。

下面详细描述根据本公开实施例的基于声纹识别的银行卡申请风控方法。值得理解的是，下述描述仅是示例性说明，而不是对本公开的具体限制。

本公开的基于声纹识别的银行卡申请风控方法由用户从移动终端发起银行卡申请，经过多重硬件声纹采集及降噪处理，及声纹模型训练、匹配等神经网络算法，并结合银行用户申请银行卡风险筛查机制对黑声纹库做补充管理。

步骤一：用户基于移动终端发起银行卡申请，移动终端展示文本信息由用户朗读并获取用户音频信息，因用户申请时所处环境较为复杂，对有效音频的获取需做降噪处理，获取清晰可用的声纹流，并返回前端获取有效声纹进度条，进度条满后可中断声纹录音，有效声纹判定时间通过参数灵活配置。

步骤二：基于声纹采集设备及神经网络模型对声纹特征提取，并训练神经网络模型生成模型数据。训练高斯混合模型-通用背景模型(GMM-UBM)，得到用户声纹特征并注册至临时声纹库，高斯混合模型-通用背景模型(GMM-UBM)是基于海量背景数据训练的声纹模型，并将提取的声纹特征注册至临时声纹库。

步骤三：银行调查人员发起调查，拨出申请电话号码，发起调查，重复步骤一采取被调查人员声纹信息，并使用神经网络算法发起第一次声纹匹配，将被调查声纹与临时声纹库做一致性匹配，并返回前N个相似度得分声纹列表(前N个的N值及相似度阈值可通过参数调整)，N为大于等于1的整数，若被调查人员与临时声纹库的匹配度较低则人工咨询被调查用户与申请用户真实性，并将注册至临时声纹库的声纹特征和/或被调查声纹加入黑声纹库，系统提供前台功能供业务添加声纹黑名单。若被调查人员与临时声纹库的匹配度较高则执行步骤四。

步骤四：进一步用被调查人员声纹信息在黑声纹库做检索，并返回前N个相似度得分列表展示给前台，并将注册至临时声纹库的声纹特征和/或被调查声纹迁移至黑声纹库。

步骤五：人工可通过系统前台灵活操作增删改黑声纹名单，并给出调查结论持续后续调查步骤。

基于上述基于声纹识别的银行卡申请风控方法，本公开还提供了一种基于声纹识别的银行卡申请风控装置10。以下将结合图11对银行卡申请风控装置10进行详细描述。

图11示意性示出了根据本公开实施例的银行卡申请风控装置10的结构框图。

银行卡申请风控装置10包括银行卡申请请求模块1、第一声纹获取模块2、第二声纹获取模块3、第一信息匹配模块4、第二信息匹配模块5和黑声纹添加模块6。

银行卡申请请求模块1，用于执行操作S210接收用户的银行卡申请请求。

第一声纹获取模块2，在用户申请银行卡时，用于执行操作S220获取用户的第一声纹信息。

第二声纹获取模块3，在调查用户时，用于执行操作S230获取用户的第二声纹信息。

第一信息匹配模块4，用于执行操作S240确定第一声纹信息与第二声纹信息的第一相似度。

第二信息匹配模块5，当第一相似度大于第一阈值时，用于执行操作S250确定第二声纹信息与黑声纹库中的黑声纹的第二相似度。

黑声纹添加模块6，当第二相似度大于第二阈值时，用于执行操作S260将第一声纹信息和/或第二声纹信息存储至黑声纹库。

由于上述银行卡申请风控装置10是基于银行卡申请风控方法设置的，因此上述银行卡申请风控装置10的有益效果与银行卡申请风控方法的相同，这里不再赘述。

另外，根据本公开的实施例，银行卡申请请求模块1、第一声纹获取模块2、第二声纹获取模块3、第一信息匹配模块4、第二信息匹配模块5和黑声纹添加模块6中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。

根据本公开的实施例，银行卡申请请求模块1、第一声纹获取模块2、第二声纹获取模块3、第一信息匹配模块4、第二信息匹配模块5和黑声纹添加模块6中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。

或者，银行卡申请请求模块1、第一声纹获取模块2、第二声纹获取模块3、第一信息匹配模块4、第二信息匹配模块5和黑声纹添加模块6中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图12示意性示出了根据本公开实施例的适于实现基于声纹识别的银行卡申请风控方法的电子设备的方框图。

如图12所示，根据本公开实施例的电子设备900包括处理器901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 903中，存储有电子设备900操作所需的各种程序和数据。处理器901、ROM902以及RAM 903通过总线904彼此相连。处理器901通过执行ROM 902和/或RAM 903中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 902和RAM 903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备900还可以包括输入/输出(I/O)接口905，输入/输出(I/O)接口905也连接至总线904。电子设备900还可以包括连接至I/O接口905的以下部件中的一项或多项：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至输入/输出(I/O)接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 902和/或RAM 903和/或ROM 902和RAM 903以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例方法。

在该计算机程序被处理器901执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分909被下载和安装，和/或从可拆卸介质911被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。