[發明專利]基于大數據的可疑交易分析方法、裝置和計算機設備

在審

• 申請號: 201811567201.4
• 申請日: 2018-12-20
• 公開（公告）號: CN109767322A
• 公開（公告）日: 2019-05-17
• 發明（設計）人: 王曉艷;謝翠萍
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q40/04
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 王寧

本申請涉及一種基于大數據的可疑交易分析方法、裝置和計算機設備。所述方法包括：獲取交易數據，所述交易數據包括客戶標識與多個交易字段；獲取多個監控特征，通過大數據平臺搜索與所述監控特征對應的多個特征字段；所述多個特征字段與所述客戶標識相關聯；將所述交易字段以及多個特征字段輸入監控模型，通過所述監控模型進行可疑交易識別；當識別所述交易數據為可疑交易時，生成預警事件；將所述預警事件發送至對應的終端，所述終端用于根據所述預警事件對所述可疑交易進行復核。采用本方法能夠有效提高可疑交易識別的準確性以及識別效率。

技術領域

本申請涉及計算機技術領域，特別是涉及一種基于大數據的可疑交易分析方法、裝置、計算機設備和存儲介質。

背景技術

洗錢行為助長了走私、詐騙、毒品等嚴重犯罪，擾亂了正常了社會經濟秩序，具有嚴重的社會危害性。洗錢的途徑涉及銀行、保險、證券等各種領域。反洗錢有利于維護經濟安全、防范犯罪，具有重大的意義。根據反洗錢的經驗總結，獨立的看待單筆交易時，通常都是合法的，但是與歷史數據結合起來看，就會發現可疑交易。在傳統的反洗錢可疑交易的識別方式中，服務器會結合同一客戶的多筆交易進行識別。但是這種方式僅限于與交易數據結合，在識別是否為可疑交易時，分析的內容較少，容易造成遺漏，還需要人工收集多種信息進行確認。由此導致可疑交易的識別準確性以及識別效率都較低。

發明內容

基于此，有必要針對上述技術問題，提供一種有效提高可疑交易識別準確性并且提高識別效率的基于大數據的可疑交易分析方法、裝置、計算機設備和存儲介質。

一種基于大數據的可疑交易分析方法，所述方法包括：

獲取交易數據，所述交易數據包括客戶標識與多個交易字段；

獲取多個監控特征，通過大數據平臺搜索與所述監控特征對應的多個特征字段；所述多個特征字段與所述客戶標識相關聯；

將所述交易字段以及多個特征字段輸入監控模型，通過所述監控模型進行可疑交易識別；

當識別所述交易數據為可疑交易時，生成預警事件；

將所述預警事件發送至對應的終端，所述終端用于根據所述預警事件對所述可疑交易進行復核。

在其中一個實施例中，所述方法還包括：

通過多種途徑采集多種維度的客戶信息以及關聯人員的信息；

在多種源數據庫中獲取歷史交易數據以及黑名單，將所述歷史交易數據以及黑名單同步至目標數據庫；

將所述多種維度的客戶信息、關聯人員的信息、歷史交易數據以及黑名單導入大數據平臺。

在其中一個實施例中，通過所述監控模型進行可疑交易識別包括：

根據大數據平臺搜索到的所述交易字段以及多個特征字段調用相應的反洗錢規則；

利用所述反洗錢規則對所述交易字段以及所述特征字段進行匹配，當匹配成功時，記錄相應反洗錢規則對應的規則得分；

將多項反洗錢對應的規則得分進行累加，得到與所述交易數據對應的監控得分；

當所述監控得分超過閾值時，則將所述交易數據標記為可疑交易。

在其中一個實施例中，所述方法還包括：

獲取所述可疑交易對應的風險類型；所述風險類型對應多個風險特征；

計算所述風險特征對應的向量矩陣，將多個向量矩陣輸入至神經網絡模型，通過所述神經網絡模型輸出對應的可疑交易報告；

將所述可疑交易報告發送至對應的終端。

在其中一個實施例中，在所述生成預警事件之后，所述方法還包括：