[發明專利]一種銀行業務的監控方法及裝置

有效

• 申請號: 201910256040.5
• 申請日: 2019-04-01
• 公開（公告）號: CN110097451B
• 公開（公告）日: 2023-10-03
• 發明（設計）人: 馬平清;朱偉;錢燁;胡建亞
• 申請（專利權）人: 中國銀聯股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06N3/0464;G06N3/084
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 黃志華

1.一種銀行業務的監控方法，其特征在于，包括：

根據被監控業務的交易數據，確定所述被監控業務的業務標簽，以及所述被監控業務的多個業務屬性的值；

針對所述被監控業務的多個業務屬性中的任一業務屬性，將所述業務屬性作為一個像素點，生成所述被監控業務的業務畫像；所述業務畫像的一個像素點的值等于對應的業務屬性的值；

將所述被監控業務的業務畫像輸入卷積神經網絡模型中，得到所述被監控業務屬于不同業務種類的概率分布；所述卷積神經網絡模型根據歷史交易數據訓練得到；

將概率最大的業務種類與所述被監控業務的業務標簽相比較，對所述被監控業務進行評判。

2.如權利要求1所述的方法，其特征在于，所述根據被監控業務的交易數據，確定所述被監控業務的業務標簽，以及所述被監控業務的多個業務屬性的值，包括：

獲取所述被監控業務在一個單位時間內的交易數據；

從所述單位時間內的交易數據中獲取所述被監控業務的標識字段，根據所述標識字段確定所述被監控業務的業務標簽；

根據所述單位時間內的交易數據，計算得到所述被監控業務在所述單位時間內的多個業務屬性的值。

3.如權利要求1所述的方法，其特征在于，根據以下方式訓練得到所述卷積神經網絡模型：

根據訓練業務的歷史交易數據，確定所述訓練業務的業務標簽，以及所述訓練業務的多個業務屬性的值；

針對所述被訓練業務的多個業務屬性中的任一業務屬性，將所述業務屬性作為一個像素點，生成所述訓練業務的業務畫像；所述業務畫像的一個像素點的值等于對應的業務屬性的值；

根據所述訓練業務的業務畫像，以及所述訓練業務的業務標簽，訓練得到所述卷積神經網絡模型。

4.如權利要求1所述的方法，其特征在于，所述將概率最大的業務種類與所述被監控業務的業務標簽相比較，對所述被監控業務進行評判，包括：

將所述概率最大的業務種類與所述被監控業務的業務標簽相比較；

若所述概率最大的業務種類與所述被監控業務的業務標簽不同，則表明所述被監控業務出現異常。

5.如權利要求4所述的方法，其特征在于，所述將所述概率最大的業務種類與所述被監控業務的業務標簽相比較之后，還包括：

若所述概率最大的業務種類與所述被監控業務的業務標簽相同，則將所述概率最大的業務種類的概率與擬合度閾值進行比較；所述擬合度閾值為訓練所述卷積神經網絡模型時確定的；

若所述概率最大的業務種類的概率低于所述擬合度閾值，則確定所述被監控業務出現異常。

6.一種銀行業務的監控裝置，其特征在于，包括：

獲取單元，用于根據被監控業務的交易數據，確定所述被監控業務的業務標簽，以及所述被監控業務的多個業務屬性的值；

畫像單元，用于針對所述被監控業務的多個業務屬性中的任一業務屬性，將所述業務屬性作為一個像素點，生成所述被監控業務的業務畫像；所述業務畫像的一個像素點的值等于對應的業務屬性的值；

模型單元，用于將所述被監控業務的業務畫像輸入卷積神經網絡模型中，得到所述被監控業務屬于不同業務種類的概率分布；所述卷積神經網絡模型根據歷史交易數據訓練得到；

評判單元，用于將概率最大的業務種類與所述被監控業務的業務標簽相比較，對所述被監控業務進行評判。

7.如權利要求6所述的裝置，其特征在于，所述獲取單元，具體用于：

獲取所述被監控業務在一個單位時間內的交易數據；

從所述單位時間內的交易數據中獲取所述被監控業務的標識字段，根據所述標識字段確定所述被監控業務的業務標簽；

根據所述單位時間內的交易數據，計算得到所述被監控業務在所述單位時間內的多個業務屬性的值。