[發(fā)明專利]交易風險的檢測方法、裝置和服務(wù)器

在審

• 申請?zhí)枺?/td>: 202310295824.5
• 申請日: 2023-03-23
• 公開（公告）號: CN116384742A
• 公開（公告）日: 2023-07-04
• 發(fā)明（設(shè)計）人: 謝嘉佳;雷剛;谷達旺;陳林江
• 申請（專利權(quán)）人: 中國工商銀行股份有限公司
• 主分類號: G06Q10/0635
• 分類號: G06Q10/0635;G06Q40/04
• 代理公司: 北京三友知識產(chǎn)權(quán)代理有限公司 11127
• 代理人: 童磊;任默聞

1.一種交易風險的檢測方法，其特征在于，包括：

獲取目標數(shù)據(jù)；其中，所述目標數(shù)據(jù)至少包括：目標用戶的屬性信息，以及與目標風險場景相關(guān)的目標用戶目標時間段的交易數(shù)據(jù)；

根據(jù)目標決策規(guī)則，處理目標數(shù)據(jù)，得到目標處理結(jié)果；其中，所述目標決策規(guī)則為預(yù)先利用樣本數(shù)據(jù)和初始決策規(guī)則，基于元學(xué)習(xí)所生成得到的；所述目標決策規(guī)則包括與目標風險場景對應(yīng)且滿足檢測需求的一個或多個風險檢測規(guī)則；

根據(jù)目標處理結(jié)果，確定目標用戶目標時間段的交易行為是否存在目標風險場景下的交易風險。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述目標決策規(guī)則按照以下方式生成得到：

獲取與目標風險場景相關(guān)的樣本數(shù)據(jù)；其中，所述樣本數(shù)據(jù)至少包含有樣本用戶的樣本屬性信息，以及與目標風險場景相關(guān)的樣本用戶的樣本交易數(shù)據(jù)；

獲取針對目標風險場景的初始決策規(guī)則，以及目標配置參數(shù)；其中，所述目標配置參數(shù)至少包括：決策目標；

利用與目標風險場景對應(yīng)的目標決策調(diào)整模型基于所述樣本數(shù)據(jù)、目標配置參數(shù)，優(yōu)化調(diào)整初始決策規(guī)則，以得到與決策目標相匹配的目標決策規(guī)則；其中，目標決策調(diào)整模型為預(yù)先通過元學(xué)習(xí)訓(xùn)練得到的。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述目標配置參數(shù)還包括：風險檢測規(guī)則的規(guī)則數(shù)量和/或風險檢測規(guī)則的規(guī)則特征的特征參數(shù)；

其中，所述規(guī)則特征的特征參數(shù)包括以下至少之一：參數(shù)變量、數(shù)據(jù)參考值、參數(shù)符號。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，利用與目標風險場景對應(yīng)的目標決策調(diào)整模型基于所述樣本數(shù)據(jù)、目標配置參數(shù)，優(yōu)化調(diào)整初始決策規(guī)則，以得到與決策目標相匹配的目標決策規(guī)則，包括：

利用目標決策調(diào)整模型，基于所述樣本數(shù)據(jù)和目標配置參數(shù)，調(diào)整初始決策規(guī)則中風險檢測規(guī)則的規(guī)則特征，得到更新后的規(guī)則特征；

根據(jù)更新后的規(guī)則特征，構(gòu)建更新后的決策規(guī)則；

利用樣本數(shù)據(jù)對更新后的決策規(guī)則進行測試；并根據(jù)測試結(jié)果，確定更新后的決策規(guī)則是否滿足決策目標；

在確定更新后的決策規(guī)則滿足決策目標的情況下，將該更新后的決策規(guī)則確定為目標決策規(guī)則。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，在確定更新后的決策規(guī)則是否滿足決策目標之后，所述方法還包括：

在確定更新后的決策規(guī)則不滿足決策目標的情況下，利用目標決策調(diào)整模型，基于所述樣本數(shù)據(jù)和目標配置參數(shù)，調(diào)整更新后的決策規(guī)則中風險檢測規(guī)則的規(guī)則特征。

6.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述目標決策調(diào)整模型按照以下方式通過元學(xué)習(xí)訓(xùn)練得到：

獲取與目標風險場景相關(guān)的決策樣本，以及與決策樣本對應(yīng)的樣本決策目標；

構(gòu)建基于元學(xué)習(xí)框架的初始模型；

根據(jù)所述決策樣本和樣本決策目標，對所述初始模型進行訓(xùn)練，以得到與目標風險場景對應(yīng)的目標決策調(diào)整模型。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，根據(jù)所述決策樣本和樣本決策目標，對基于元學(xué)習(xí)框架的初始模型進行訓(xùn)練，包括：

利用決策樣本和樣本決策目標，在本地對初始模型進行當前輪的訓(xùn)練，得到當前輪的模型參數(shù)；

根據(jù)預(yù)設(shè)的協(xié)議規(guī)則，將所述當前輪的模型參數(shù)發(fā)送至中心服務(wù)器；其中，所述中心服務(wù)器接收多個當前輪的模型參數(shù)；所述中心服務(wù)器根據(jù)預(yù)設(shè)的協(xié)議規(guī)則通過組合多個當前輪的模型參數(shù)得到當前輪模型；并檢測所述當前輪模型是否符合要求；在確定當前輪模型不符合要求的情況下，將所述當前輪模型發(fā)送至多個參與方的服務(wù)器；

接收當前輪模型，根據(jù)決策樣本和樣本決策目標，對當前輪模型進行下一輪的訓(xùn)練。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，在本地利用決策樣本和樣本決策目標，對初始模型進行當前輪的訓(xùn)練，包括：

根據(jù)預(yù)設(shè)的同態(tài)加密算法對決策樣本和樣本決策目標進行加密處理，得到?jīng)Q策樣本的密文數(shù)據(jù)和樣本決策目標的密文數(shù)據(jù)；

利用決策樣本的密文數(shù)據(jù)和樣本決策目標的密文數(shù)據(jù)，在本地對初始模型進行當前輪的訓(xùn)練。