[發明專利]套現檢測實現方法、裝置及計算機設備

有效

• 申請號: 202011046725.6
• 申請日: 2020-09-29
• 公開（公告）號: CN112116357B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 黃文強;季蘊青;黃雅楠;浮晨琪;李蚌蚌;徐晨敏
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06Q20/40
• 分類號: G06Q20/40;G06Q40/03;G06N5/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 姚璐華

1.一種套現檢測實現方法，其特征在于，所述方法包括：

獲取目標銀行機構下的具有套現標簽的多個第一歷史交易數據，所述套現標簽表征相應第一歷史交易數據是否存在套現行為；

利用預設的多個套現檢測規則，對所述多個第一歷史交易數據進行套現檢測，得到相應的第一套現檢測結果；

從所述多個套現檢測規則中，確定所述第一套現檢測結果與相應套現標簽相匹配的候選套現檢測規則；

依據確定的所述候選套現檢測規則及所述多個第一歷史交易數據，獲得針對所述目標銀行機構的目標套現檢測規則。

2.根據權利要求1所述的方法，其特征在于，所述依據確定的所述候選套現檢測規則及所述多個第一歷史交易數據，獲得針對所述目標銀行機構的目標套現檢測規則，包括：

將所述候選套現檢測規則及所述多個第一歷史交易數據輸入推理模型進行學習，得到針對所述目標銀行機構的目標套現檢測模型；

其中，所述推理模型是基于神經網絡的推理機。

3.根據權利要求2所述的方法，其特征在于，所述將所述候選套現檢測規則及所述多個第一歷史交易數據輸入推理模型進行學習，得到針對所述目標銀行機構的目標套現檢測模型，包括：

在每次確定出至少一個候選套現檢測規則后，將當前已確定的所有候選套現檢測規則及所述多個第一歷史交易數據輸入推理模型進行學習，調整所述推理模型的模型參數，直至滿足約束條件，得到針對所述目標銀行機構的目標套現檢測模型；

其中，所述約束條件包括每一次學習得到的推理模型的輸出結果收斂，和/或學習次數達到預設次數，和/或完成對所有候選套現檢測規則的學習。

4.根據權利要求1所述的方法，其特征在于，所述依據確定的所述候選套現檢測規則及所述多個第一歷史交易數據，獲得針對所述目標銀行機構的目標套現檢測規則，包括：

獲取每一個所述候選套現檢測規則，對所述多個第一歷史交易數據的套現匹配概率；

依據獲取的多個所述套現匹配概率，對所述多個候選套現檢測規則進行分析，得到針對所述目標銀行機構的目標套現檢測規則。

5.根據權利要求1所述的方法，其特征在于，所述依據確定的所述候選套現檢測規則及所述多個第一歷史交易數據，獲得針對所述目標銀行機構的目標套現檢測規則，包括：

獲取每一個所述候選套現檢測規則對具有第一套現標簽的多個第一歷史交易數據的第一套現匹配概率，以及對具有第二套現標簽的多個第一歷史交易數據的第二套現匹配概率，其中，所述第一套現標簽為相應第一歷史交易數據存在套現行為的套現標簽，所述第二套現標簽為相應第一歷史交易數據不存在套現行為的套現標簽；

按照所述目標銀行機構的套現檢測要求，對每一個所述候選套現檢測規則對應的所述第一套現匹配概率和所述第二套現匹配概率進行驗證；

若驗證結果為符合所述套現檢測要求，將相應的候選套現檢測規則確定為目標套現檢測規則。

6.根據權利要求1～5任一項所述的方法，其特征在于，所述多個套現檢測規則的獲取過程包括：

獲取多個銀行機構下的具有套現標簽的多個第二歷史交易數據；

對所述多個第二歷史交易數據進行歸納分析，得到多個套現檢測規則。

7.根據權利要求1～5任一項所述的方法，其特征在于，所述方法還包括：

獲取針對所述目標銀行機構下的待測客戶的信用卡套現檢測請求；

響應所述信用卡套現檢測請求，得到所述待測客戶使用信用卡產生的待測歷史交易數據；

利用所述目標套現檢測規則，對所述待測歷史交易數據進行分析，得到所述待測客戶是否為套現客戶的第二套現檢測結果；

依據所述第二套現檢測結果，按照所述目標銀行機構的信用卡業務規范，重新對所述待測客戶發起的信用卡業務請求信息進行驗證；

依據驗證結果，調整所述待測客戶的信用卡業務信息。