学习实体的信任模型和风险容忍度来计算风险得分

摘要

本文描述了用于学习实体的信任模型和风险容忍度的系统和方法。可以基于来自各种数据源的数据来计算实体的信任得分，并且可以根据反映实体的信任模型和风险容忍度的一组权重来组合该数据。例如，实体可以对某些类型的交易更重地加权某种类型的数据，而对于其它交易则更重地加权另一种类型的数据。通过收集关于实体的数据，系统可以预测实体的信任模型和风险容忍度，并相应地调整该组权重以计算信任得分。此外，通过监视实体如何调整不同交易类型的权重，可以创建为特定交易类型定制的默认加权简档。作为另一个示例，可以基于请求实体自己的信任模型或者请求实体的“可信”程度来调整如向请求实体报告的实体的信任得分。