[發明專利]財務造假風險監控方法、裝置、計算機設備和存儲介質

有效

• 申請號: 201910012930.1
• 申請日: 2019-01-07
• 公開（公告）號: CN109801151B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 徐力;彭琛;汪偉
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06Q40/12
• 分類號: G06Q40/12;G06Q40/08;G06F18/21;G06F18/241;G06N20/00
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 王寧

1.一種財務造假風險監控方法，其特征在于，所述方法包括：

在已有樣本中篩選目標樣本，提取所述目標樣本的樣本特征；

對所述樣本特征進行強化學習，得到更多的衍生樣本；

利用所述已有樣本和所述衍生樣本對基分類器進行半監督訓練，得到財務造假監控模型；

計算所述財務造假監控模型的準確度，比較所述準確度是否達到閾值；

若否，基于所述衍生樣本生成再生樣本；

將所述再生樣本作為當前的衍生樣本，返回利用所述已有樣本和所述衍生樣本對基分類器進行半監督訓練的步驟，直至所述準確度達到閾值；

獲取監控對象的監控數據；所述監控數據包括財務、地區、行業、法律和輿情多個維度的數據；

將所述監控數據輸入所述準確度達到預設閾值的財務造假監控模型，得到對應的風險評分；

當所述風險評分超過閾值時，將目標資源標識標記為風險案例；

基于所述監控對象的多個監控指標，生成所述監控對象的多個風險標簽，利用所述多個風險標簽生成所述監控對象的風險畫像作為待匹配畫像；

調用所述財務造假監控模型計算所述待匹配畫像與預先存儲的多個壞樣本畫像的余弦相似性，得到相似度；所述多個壞樣本畫像是預先存儲的多種歷史案例對應的風險畫像；所述壞樣本畫像包括多個風險標簽；若所述相似度超過閾值，則將所述壞樣本畫像對應的歷史案例標記為相似案例；所述壞樣本畫像關聯有多個時間節點的風險指標；

判斷所述風險案例是否存在與所述相似案例相同的風險指標及相同風險指標出現的時間順序與所述相似案例是否一致；若存在與所述相似案例相同的風險指標且相同風險指標的出現時間順序與所述相似案例一致，則將最后一個時間節點的相同的風險指標標記為一個風險點，得到多個風險點；將所述多個風險點串聯，生成所述風險案例對應的風險線索；

基于所述風險評分、相似案例及風險線索，生成所述目標資源標識對應的風險分析報告，將所述風險分析報告發送至監控終端。

2.根據權利要求1所述的方法，其特征在于，所述在已有樣本中篩選目標樣本，包括：

獲取已有樣本；所述已有樣本具有對應的分類標簽；

將所述已有樣本輸入基分類器，得到模型分類結果；

比較所述模型分類結果與相應分類標簽是否一致；

若否，將所述已有樣本標記為目標樣本。

3.根據權利要求1所述的方法，其特征在于，所述提取所述目標樣本的樣本特征，包括：

獲取所述目標樣本對應的樣本數據；

對所述樣本數據進行預處理，得到多個樣本指標；

確定每個樣本指標的指標類型；所述指標類型包括正常指標和異常指標。

4.根據權利要求3所述的方法，其特征在于，所述對所述樣本特征進行強化學習，得到更多的衍生樣本，包括：

根據所述樣本特征獲取對應的強化學習規則；

根據所述強化學習規則，對異常指標進行強化處理；

對強化處理后的多個異常指標進行組合，得到多種指標組合；

基于所述正常指標以及強化處理后的每種指標組合生成一種衍生樣本。

5.根據權利要求4所述的方法，其特征在于，所述強化學習規則包括多種樣本指標分別對應的增大幅度或減小幅度；所述根據所述強化學習規則，對異常指標進行強化處理，包括：

根據所述增大幅度對所述異常指標進行增大處理；或

根據所述減小幅度對所述異常指標進行減小處理。