[發明專利]基于孤立森林算法的財務數據異常檢測方法及相關裝置

在審

• 申請號: 202010331907.1
• 申請日: 2020-04-24
• 公開（公告）號: CN111612040A
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 何越;古承炬;何振;尹小亮;林育芳;陳炯其
• 申請（專利權）人: 平安直通咨詢有限公司上海分公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/10;G06Q40/00
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 魏學昊

1.一種基于孤立森林算法的財務數據異常檢測方法，其特征在于，所述方法包括：

從數據庫中獲取預定時間段的財務數據，并根據預定數據類別字段將所述財務數據劃分為多類子數據集；

將每類所述子數據集基于所述子數據集中的業務主體字段進行數據沖銷處理后，拆分為正數據集及負數據集；

通過特征構造分別生成所述正數據集及所述負數據集的特征寬表，并對所述正數據集的特征寬表進行群組基線劃分，得到群組基線變換后的正數據集特征寬表；

將所述群組基線變換后的正數據集特征寬表輸入孤立森林算法模型，得到第一異常數據；

將所述第一異常數據的主體字段與所述負數據集的特征寬表中的主體字段進行比對，以確定所述第一異常數據中的風險數據。

2.根據權利要求1所述的方法，其特征在于，所述從數據庫中獲取預定時間段的財務數據，并根據預定數據類別字段將所述財務數據劃分為多類子數據集，包括：

從數據庫中獲取預定時間段的財務數據，并根據不同財務科目代碼字段將所述財務數據劃分為不同科目的子數據集。

3.根據權利要求1所述的方法，其特征在于，所述業務主體字段包括貸方原幣字段；所述將每類所述子數據集基于所述子數據集中的業務主體字段進行數據沖銷處理后，拆分為正數據集及負數據集，包括：

將每類所述子數據集中貸方原幣字段中報銷單號相同、兩報銷單的貸方原幣字段的金額字段正負值相反且絕對值相同的報銷單號對應的數據刪除后，得到每類所述子數據集中沖銷后的數據集；

將每類所述子數據集中沖銷后的數據集，根據貸方原幣金額字段的正負值拆分為正數據集及負數據集。

4.根據權利要求1所述的方法，其特征在于，通過特征構造分別生成所述正數據集及所述負數據集的特征寬表，并對所述正數據集的特征寬表進行群組基線劃分，得到群組基線變換后的正數據集特征寬表，包括：

根據預設特征表中財務數據的通用統計特征和業務特征，對所述正數據集及所述負數據集分別進行特征構造，生成所述正數據集及所述負數據集的特征寬表；

對所述正數據集的特征寬表中的機構按照機構規模基線劃分為不同層級的機構，并對所述不同層級的機構的數據進行零均值歸一化處理得到群組基線變換后的正數據集特征寬表。

5.根據權利要求1所述的方法，其特征在于，所述將所述第一異常數據的主體字段與所述負數據集的特征寬表中的主體字段進行比對，以確定所述第一異常數據中的風險數據，包括：

將所述第一異常數據的主體字段與所述負數據集的特征寬表中的主體字段進行比對，以確定所述第一異常數據的主體字段中是否存在與所述負數據集的特征寬表中主體字段相同的字段；

如果所述第一異常數據的主體字段中存在與所述負數據集的特征寬表中主體字段相同的字段，則確定所述相同的字段對應的主體為預測異常數據主體；

基于所述預測異常數據主體確定所述第一異常數據中的風險數據，將所述風險數據上傳至區塊鏈中。

6.根據權利要求5所述的方法，其特征在于，所述基于所述預測異常數據主體確定所述第一異常數據中的風險數據，包括：

如果所述預測異常數據主體在所述第一異常數據中對應的時間晚于所述預測異常數據主體在所述負數據集的特征寬表中的對應的時間，則確定所述預測異常數據主體在所述第一異常數據中對應數據為風險數據；

如果所述預測異常數據主體在所述第一異常數據中對應的時間早于所述預測異常數據主體在所述負數據集的特征寬表中的對應的時間，則獲取所述預測異常數據主體的數據為負值時的后續時間的財務數據，以在基于所述后續時間的財務數據確定所述預測異常數據主體在所述第一異常數據中對應數據在所述后續時間不能夠成功沖銷處理時，確定所述預測異常數據主體在所述第一異常數據中對應數據為風險數據。