[發明專利]進行轉賬處理的方法及裝置

在審

• 申請號: 202010806593.6
• 申請日: 2020-08-12
• 公開（公告）號: CN111932231A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 申亞坤
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06Q20/10
• 分類號: G06Q20/10;G06Q20/40
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 谷敬麗;薛平

1.一種進行轉賬處理的方法，其特征在于，包括：

對用戶的轉賬票據，進行圖像識別，提取得到轉賬信息；

在銀行后臺系統中預存的客戶身份信息中查詢與用戶的人臉動態圖像數據相匹配的身份信息，確定用戶的身份信息；

根據用戶的身份信息，獲取用戶的歷史轉賬處理數據；

根據用戶的歷史轉賬處理數據，基于預設的風險評估模型，確定轉賬處理的風險評估結果；所述風險評估模型是根據多個客戶的歷史轉賬處理數據所建立的神經網絡模型；

根據提取得到的轉賬信息和轉賬處理的風險評估結果，進行轉賬處理。

2.如權利要求1所述的方法，其特征在于，所述轉賬信息包括：轉出人信息；

根據用戶的身份信息，獲取用戶的歷史轉賬處理數據，包括：

確定用戶的身份信息后，將所述轉出人信息與用戶的身份信息，進行匹配；

若所述轉出人信息與用戶的身份信息匹配結果不一致，終止轉賬；

在所述轉出人信息與用戶的身份信息匹配結果一致時，根據用戶的身份信息，獲取用戶的歷史轉賬處理數據。

3.如權利要求1所述的方法，其特征在于，所述風險評估模型的預設過程，包括：

獲取多個客戶的歷史轉賬處理數據和對應的轉賬風險評估概率；

以對應的轉賬風險評估概率為模型的輸出，將多個客戶的歷史轉賬處理數據作為影響因子，構建用于評估轉賬處理的風險概率的神經網絡模型；

將多個客戶的歷史轉賬處理數據和對應的轉賬風險評估概率，按照預設比例分為訓練集和驗證集；

利用所述訓練集和驗證集，對構建的所述神經網絡模型，進行訓練優化，得到風險評估模型。

4.如權利要求3所述的方法，其特征在于，所述歷史轉賬處理數據至少包括：

歷史轉出賬戶、歷史轉賬額、和賬戶星級。

5.如權利要求1所述的方法，其特征在于，根據提取得到的轉賬信息和轉賬處理的風險評估結果，進行轉賬處理，包括：

若轉賬處理的風險評估結果小于預設閾值，根據提取得到的轉賬信息，進行轉賬處理；

若轉賬處理的風險評估結果大于或等于預設閾值，將提取得到的轉賬信息發送給銀行后臺系統進行確認，確認成功后進行轉賬處理，確認失敗后終止轉賬。

6.一種進行轉賬處理的裝置，其特征在于，包括：

票據識別模塊，用于對用戶的轉賬票據，進行圖像識別，提取得到轉賬信息；

身份信息確定模塊，用于在銀行后臺系統中預存的客戶身份信息中查詢與用戶的人臉動態圖像數據相匹配的身份信息，確定用戶的身份信息；

歷史數據獲取模塊，用于根據用戶的身份信息，獲取用戶的歷史轉賬處理數據；

風險評估模塊，用于根據用戶的歷史轉賬處理數據，基于預設的風險評估模型，確定轉賬處理的風險評估結果；所述風險評估模型是根據多個客戶的歷史轉賬處理數據所建立的神經網絡模型；

轉賬處理模塊，用于根據提取得到的轉賬信息和轉賬處理的風險評估結果，進行轉賬處理。

7.如權利要求6所述的裝置，其特征在于，所述轉賬信息包括：轉出人信息；

所述身份信息確定模塊具體用于：

確定用戶的身份信息后，將所述轉出人信息與用戶的身份信息，進行匹配；

若所述轉出人信息與用戶的身份信息匹配結果不一致，終止轉賬；

在所述轉出人信息與用戶的身份信息匹配結果一致時，根據用戶的身份信息，獲取用戶的歷史轉賬處理數據。

8.如權利要求6所述的裝置，其特征在于，所述風險評估模塊包括：風險評估模型預設單元，用于：

獲取多個客戶的歷史轉賬處理數據和對應的轉賬風險評估概率；

以對應的轉賬風險評估概率為模型的輸出，將多個客戶的歷史轉賬處理數據作為影響因子，構建用于評估轉賬處理的風險概率的神經網絡模型；

將多個客戶的歷史轉賬處理數據和對應的轉賬風險評估概率，按照預設比例分為訓練集和驗證集；

利用所述訓練集和驗證集，對構建的所述神經網絡模型，進行訓練優化，得到風險評估模型。