[發明專利]一種基于區塊鏈的反洗錢仲裁方法、系統及相關裝置

有效

• 申請號: 202110078506.4
• 申請日: 2021-01-20
• 公開（公告）號: CN112927072B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 王乾宇;蔡維德;王榮
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06Q40/04
• 分類號: G06Q40/04;G06F21/64;G06N20/10;G06F16/28
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于區塊鏈的反洗錢仲裁方法，其特征在于，包括：

步驟S10，基于已有的交易數據構建第一關系型數據庫；所述第一關系型數據庫包括自然人客戶“身份基本信息”九要素，法人、其他組織和個體工商客戶身份基本信息“十五要素”，以及基本交易數據等信息；

步驟S20，基于所述第一關系型數據庫，采用Pandas方法獲得原始狀態數據，并根據六維特征對原始態數據建模，并用結果數據構建第二關系型數據庫，其中六維特征包括：基本信息、客戶肖像、賬戶維度、交易金額、交易筆數維度、對手維度；

步驟S30，采用SVM算法(Support?Vector?Machine,支持向量機)對所述第二關系型數據庫的數據做行為建模，建立2個決策邊界實現交易行為三分類；

步驟S40，選用Sigmoid核函數，設定階為1并構建線性分類器對建模后的數據分類，將所得三分類結果安全交易、可疑交易和待定交易分別存放在第一區塊、第二區塊和第三區塊中；

步驟S50，按照所述第三區塊的數據特征設置約束條件并構造拉格朗日函數，并對第二關系型數據庫做鏈路分析建模進而求解出最大熵模型，預測結果若為安全交易則存入第一區塊，否則存入第二區塊；

步驟S60，結合第二關系型數據庫中的交易行為數據，對第一區塊中的安全交易數據構建交易特征，應用樸素貝葉斯算法進行異常檢測，若分類結果為安全交易存入第四區塊，否則存入第二區塊；

步驟S70，經過步驟S30至步驟S60四步的仲裁后，將第二區塊及第四區塊的結果數據構建第三關系型數據庫，并將判定結果返回，若返回結果為安全交易則交易判定通過，若返回結果為可疑交易則交易判定不通過。

2.根據權利要求1所述的一種基于區塊鏈的反洗錢仲裁方法，其特征在于，步驟S30中“采用SVM算法對所述第二關系型數據庫的數據做行為建模”之前還設置有壞點數據去除的步驟，包括:

步驟M10，計算交易數據中客戶年齡與交易金額的加權平均值:

其中，為客戶年齡或交易金額的加權平均值，x₁、x₂……x_n為對應的客戶年齡或交易金額，f₁、f₂……f_n為相應客戶年齡或交易金額的函數值，n為交易總數量；

步驟M20，交易數據的加權平均值高于預設閾值為壞點數據，刪除所述壞點數據。

3.根據權利要求1所述的一種基于區塊鏈的反洗錢仲裁方法，其特征在于，步驟S40中所述Sigmoid核函數的計算方法為:

其中X₁，X₂是對應兩個類別的數據，κ(X₁,X₂)是正定核的充要條件，a用來設置核函數中的gamma參數設置，默認值是1/k，k是類別數，-b用來設置核函數中的coef0，默認值是0。

4.根據權利要求1所述的一種基于區塊鏈的反洗錢仲裁方法，其特征在于，步驟S50中“并對第二關系型數據庫做鏈路分析建模進而求解出最大熵模型”時需設置約束條件并對應交易數據求最大熵，包括：

步驟N10，構造拉格朗日函數對約束條件建模得到MaxEnt模型：

這里f_i(x,y)代表特征函數，w_i代表特征函數的權值，P_w(y|x)即為MaxEnt模型，現在內部的極小化求解得到關于w的函數，求其對偶問題的外部極大化即可，將最優解記做w*:

在最大熵模型轉為求解ψ(w)的極大化問題，求解最優的w^*后，便得到了所要求的MaxEnt模型；

步驟N20，計算交易數據信息熵，其計算方法為:

H＝-∑p(x)logp(x)

其中，x表示隨機變量，與之相對應的是所有可能輸出的集合，定義為符號集，p(x)表示輸出概率函數，H代表信息熵，變量的不確定性越大，熵也就越大。