CN108564459A - 异常交易类型的判断方法、装置、设备及可读存储介质 - Google Patents
异常交易类型的判断方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN108564459A CN108564459A CN201810018711.XA CN201810018711A CN108564459A CN 108564459 A CN108564459 A CN 108564459A CN 201810018711 A CN201810018711 A CN 201810018711A CN 108564459 A CN108564459 A CN 108564459A
- Authority
- CN
- China
- Prior art keywords
- transaction
- customer
- feature data
- fixed reference
- reference feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开一种异常交易类型的判断方法、装置、设备及可读存储介质,所述方法包括:获取监管机构发布的指引文件,并从所述指引文件中提取与各类异常交易对应的各参考特征数据;获取金融机构交易客户的客户信息,并将所述客户信息和各参考特征数据逐一匹配;确定客户信息和各参考特征数据逐一匹配的匹配成功数量,根据所述匹配成功数量与各参考特征数据的数量生成匹配率,并当根据匹配率判定交易客户的交易为异常交易时,根据匹配率对应的参考特征数据确定交易客户的异常交易类型。通过将各类型异常交易所对应的各参考特征数据和客户信息逐一匹配,当两者的匹配率越高,则说明越可能为异常交易;对异常交易的类型判断的同时提高了判断的准确性。
Description
技术领域
本发明主要涉及金融风控系统技术领域,具体地说,涉及一种异常交易类型的判断方法、装置、设备及可读存储介质。
背景技术
目前,金融机构在进行客户交易行为监控时,根据各监管机构发布的各类指引文件,通过柜员、大堂经理、后台审核人员等审核客户信息,或者监控录像监控客户交易行为,判断客户是否存在与各类指引文件中对应的信息行为,判断过程较为粗糙,不能确定异常交易的类型;且当客户信息中存在与指引文件内容相似的信息行为时,则将其判定为异常交易客户;判断不准确,影响客户体验,并导致金融机构客户流失。
发明内容
本发明的主要目的是提供一种异常交易类型的判断方法、装置、设备及可读存储介质,旨在解决现有技术中对异常交易的判断过程粗糙,判断不准确的问题。
为实现上述目的,本发明提供一种异常交易类型的判断方法,所述异常交易类型的判断方法包括以下步骤:
获取监管机构发布的指引文件,并从所述指引文件中提取与各类异常交易对应的各参考特征数据;
获取金融机构交易客户的客户信息,并将所述客户信息和各参考特征数据逐一匹配;
确定客户信息和各参考特征数据逐一匹配的匹配成功数量,根据所述匹配成功数量与各参考特征数据的数量生成匹配率,并当根据匹配率判定交易客户的交易为异常交易时,根据匹配率对应的参考特征数据确定交易客户的异常交易类型。
优选地,所述当根据匹配率判定交易客户的交易为异常交易时,根据匹配率对应的参考特征数据确定交易客户的异常交易类型的步骤包括:
判断是否存在与客户信息匹配率大于预设值的参考特征数据,当存在匹配率大于预设值的参考特征数据时,判定交易客户的交易为异常交易;
确定匹配率大于预设值的参考特征数据所对应的异常交易类型,并将所述对应的异常交易类型确定为交易客户的异常交易类型。
优选地,所述确定匹配率大于预设值的参考特征数据所对应的异常交易类型的步骤包括:
判断匹配率大于预设值的参考特征数据是否有多类,当匹配率大于预设值的参考特征数据有多类时,从金融机构的业务系统中调用交易客户的关系网信息,其中关系网信息为与交易客户存在交易往来的交易对象信息;
根据关系网信息中与交易客户存在交易往来的交易对象所属的异常交易类型,从多类参考特征数据中确定与交易客户所对应的异常交易类型。
优选地,所述将所述对应的异常交易类型确定为交易客户的异常交易类型的步骤之后包括:
判断匹配率是否位于第一区间,当匹配率位于第一区间时,将交易客户上报到监管机构;
当匹配率不位于第一区间时,则将交易客户确定为待监控客户,其中第一区间的下边界值大于预设值。
优选地,所述将交易客户确定为待监控客户的步骤之后包括:
每间隔预设监控时间,获取待监控客户的客户信息进行监控,并判断在预设监控次数内,待监控客户的客户信息和其异常交易类型的参考特征数据所匹配的匹配率与预设值以及第一区间的关系;
当在预设监控次数内,待监控客户的客户信息和其异常交易类型的特征数据所匹配的匹配率小于预设值时,将待监控客户确定为普通交易客户;
当在预设监控次数内,待监控客户的客户信息和其异常交易类型的特征数据所匹配的匹配率位于第一区间时,将待监控客户上报到监管机构。
优选地,所述将所述对应的异常交易类型确定为交易客户的异常交易类型的步骤之后包括:
将具有异常交易的交易客户名单下发到预设系统,以供预设系统对交易客户名单所对应的交易客户进行经济行为限制。
优选地,所述异常交易类型的判断方法还包括步骤:
获取监管机构发布的具有异常交易的参考交易客户名单,判断金融机构是否存在与该参考交易客户名单所对应的交易客户;
当金融机构存在与该参考交易客户名单所对应的交易客户时,获取对应交易客户的交易信息,并将所述交易信息反馈到监管机构。
此外,为实现上述目的,本发明还提出一种异常交易类型的判断装置,所述异常交易类型的判断装置包括:
提取模块,用于获取监管机构发布的指引文件,并从所述指引文件中提取与各类异常交易对应的各参考特征数据;
匹配模块,用于获取金融机构交易客户的客户信息,并将所述客户信息和各参考特征数据逐一匹配;
判断模块,用于确定客户信息和各参考特征数据逐一匹配的匹配成功数量,根据所述匹配成功数量与各参考特征数据的数量生成匹配率,并当根据匹配率判定交易客户的交易为异常交易时,根据匹配率对应的参考特征数据确定交易客户的异常交易类型。
此外,为实现上述目的,本发明还提出一种异常交易类型的判断设备,所述异常交易类型的判断设备包括:存储器、处理器、通信总线以及存储在所述存储器上的异常交易类型的判断程序;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行所述异常交易类型的判断程序,以实现以下步骤:
获取监管机构发布的指引文件,并从所述指引文件中提取与各类异常交易对应的各参考特征数据;
获取金融机构交易客户的客户信息,并将所述客户信息和各参考特征数据逐一匹配;
确定客户信息和各参考特征数据逐一匹配的匹配成功数量,根据所述匹配成功数量与各参考特征数据的数量生成匹配率,并当根据匹配率判定交易客户的交易为异常交易时,根据匹配率对应的参考特征数据确定交易客户的异常交易类型。
此外,为实现上述目的,本发明还提供一种可读存储介质,所述可读存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序可被一个或者一个以上的处理器执行以用于:
获取监管机构发布的指引文件,并从所述指引文件中提取与各类异常交易对应的各参考特征数据;
获取金融机构交易客户的客户信息,并将所述客户信息和各参考特征数据逐一匹配;
确定客户信息和各参考特征数据逐一匹配的匹配成功数量,根据所述匹配成功数量与各参考特征数据的数量生成匹配率,并当根据匹配率判定交易客户的交易为异常交易时,根据匹配率对应的参考特征数据确定交易客户的异常交易类型。
本实施例的异常交易类型的判断方法,通过获取监管机构发布的指引文件,并从指引文件中提取各类异常交易对应的各参考特征数据;同时获取与金融机构存在交易的客户的客户信息,将此客户信息和各参考特征数据逐一匹配;确定逐一匹配的匹配成功数量,根据此匹配成功数量与各参考特征数据的数量生成匹配率,以根据匹配率判断交易客户的交易是否为异常交易,当是异常交易时,则根据匹配率对应的参考特征数据确定交易客户的异常交易的类型。本方案通过将根据指引文件所提取的各类型异常交易所对应的各参考特征数据和客户信息逐一匹配,并根据匹配所得到的匹配率判定交易客户的交易为异常交易;当与某一类型异常交易的参考特征数据的匹配率越高,则说明交易客户越可能为具有此类异常交易的客户,即实现根据匹配率对应的参考特征数据确定交易客户的异常交易类型;使对异常交易的类型进行判断的同时提高了判断的准确性。
附图说明
图1是本发明的异常交易类型的判断方法第一实施例的流程示意图;
图2是本发明的异常交易类型的判断方法第二实施例的流程示意图;
图3是本发明的异常交易类型的判断装置第一实施例的功能模块示意图;
图4是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种异常交易类型的判断方法。
请参照图1,图1为本发明异常交易类型的判断方法第一实施例的流程示意图。在本实施例中,所述异常交易类型的判断方法包括:
步骤S10,获取监管机构发布的指引文件,并从所述指引文件中提取各类异常交易对应的各参考特征数据;
为了促进社会和谐有序发展,金融机构需要根据监管机构发布的指引文件,对其系统中的交易客户的交易行为进行监控,判断其交易客户是否有异常的交易行为,并对异常交易行为的类型进行确定。其中监管机构可以为中国人民银行(央行)、中国银行业监督管理委员会(银监会)、中国证券监督管理委员会(证监会)和中国保险监督管理委员会(保监会)等机构。指引文件为用于判断识别各类犯罪所存在的异常交易的文件,如可疑交易类型和识别点对照表。监管机构将此类文件发布到网络平台上,作为各金融机构对其交易客户监管的依据。本实施例从网络平台上获取此指引文件,并对指引文件中涉及的各类犯罪所存在异常交易的特征数据进行提取,将其作为异常交易的参考特征数据。因不同的异常交易所对应的参考特征数据不相同,从而各类异常交易存在对应的各参考特征数据。如与毒品犯罪相关所提取的异常交易的参考特征数据为:1.交易涉嫌与毒品犯罪有关;2.交易客户户籍为毒品重点地区;3.交易客户无业或待业;4.资金去向地为毒品重点地区;5.大量ATM交易(ATM交易占总交易的80%);6.交易金额为5-15、100、150、200的整数倍;7.非正常时间频繁交易;8.交易用途涉嫌与毒品交易有关。
步骤S20,获取金融机构交易客户的客户信息,并将所述客户信息和各参考特征数据逐一匹配;
进一步,获取金融机构交易客户的客户信息,交易客户与金融机构有业务往来的客户,如通过金融机构进行存取款业务、借贷业务等,客户信息包括客户的身份信息、账户信息、交易信息、尽职调查以及其他信息等维度。不同维度的客户信息分为多种类别,如将身份信息根据客户职业、证件、户籍以及通讯信息进行细分为证件已过期客户、联系信息不详客户、户籍为毒品重点地区客户等类别;将账户信息根据提取活跃情况、逾期情况等细分为频繁开销户、账户不留余额、不活跃账户、个人持有大量外币存款等类别;而将交易信息根据交易量、交易频次、交易地等细分为涉嫌异常公转私、频繁现金交易、涉及大量交易对手、频繁通过境外ATM交易、交易涉嫌与地下钱庄有关等类别。因账户信息和交易信息随着时间存在动态变化的特性,从而可获取一定时间范围内的账户信息和交易信息,作为客户信息。此一定时间范围可根据多次实验确定,确保其范围的合理性,避免时间太长或太短,使获取的账户信息和交易信息的参考价值较弱。在获取客户信息后,确定客户信息中与维度类别所对应的信息。此所对应的信息可能表明客户存在异常交易,从而将此对应的信息与提取的各参考特征数据逐一匹配,或者在获取客户信息后,直接将客户信息与各特征数据逐一匹配,确定与各种类型异常交易的参考特征数据的匹配程度,以根据匹配程度,确定交易客户是否存在异常交易。
步骤S30,确定客户信息和各参考特征数据逐一匹配的匹配成功数量,根据所述匹配成功数量与各参考特征数据的数量生成匹配率,并当根据匹配率判定交易客户的交易为异常交易时,根据匹配率对应的参考特征数据确定交易客户的异常交易类型。
在将客户信息和各参考特征数据逐一匹配后,可确定客户信息中与各类异常交易所具有的各参考特征数据的匹配结果,即客户信息与哪一类异常交易的哪些参考特征数据匹配成功,确定此匹配成功数量。此匹配成功数量用于表征客户信息与各类异常交易所对应的各参考特征数据的匹配率,具体地将匹配成功数量与各类异常交易对应的各参考特征数据的数量相除,所得到的比值即为客户信息与各类异常交易所对应各参考特征数据的匹配率。如三类异常交易A、B、C,其参考特征数据分别为a1、a2、a3;b1、b2、b3、b4和c1、c2、c3。提取的客户信息包括m1、m2、m3、m4和m5;其中m1、m2分别与a1、a3匹配,m3、m4、m5分别与b1、b3、b4匹配,从而客户信息与A、B、C的各参考特征数据逐一匹配的匹配成功数量为2、3和0,而三类异常交易所具有的参考特征数据的数量分别为3、4、3,从而根据匹配成功数量与各类参考特征数据的数量所生成的匹配率分别为66.7%、75%、0%。根据此生成的匹配率,判断具有此客户信息的交易客户所进行的交易是否为异常交易。当客户信息与某一类型异常交易的参考特征数据的匹配率越高,则说明具有此客户信息的交易客户越可能进行此类异常交易,即可判定交易客户的交易为异常交易,进一步根据匹配率对应的参考特征数据确定交易客户的异常交易类型。具体地,当根据匹配率判定交易客户的交易为异常交易时,根据匹配率对应的参考特征数据确定交易客户的异常交易类型的步骤包括:
步骤S31,判断是否存在与客户信息匹配率大于预设值的参考特征数据,当存在匹配率大于预设值的参考特征数据时,判定交易客户的交易为异常交易;
为了对匹配率高低进行判断,本实施例预先设置有预设值,此预设值可根据多次监测所得,判断客户信息和各参考特征数据逐一匹配的匹配率中,是否存在大于此预设值的匹配率,因匹配率由客户信息和各参考特征数据匹配而来,从而当存在大于预设值的匹配率时,则说明存在各参考特征数据中存在某一参考特征数据,此某一参考特征数据和客户信息的匹配率大于预设值。即判断是否存在匹配率大于预设值的参考特征数据,当存在匹配率大于预设值的参考特征数据时,则说明客户信息与此参考特征数据相符合的程度较高,判定具有此客户信息的交易客户所进行的交易行为中存在异常交易。
步骤S32,确定匹配率大于预设值的参考特征数据所对应的异常交易类型,并将所述对应的异常交易类型确定为交易客户的异常交易类型。
进一步地,确定匹配率大于预设值的参考特征数据所对应的异常交易类型,此异常交易类型即为交易客户的异常交易类型。如对于上述A、B、C三类异常交易,设定预设值为70%,从而各参考特征数据中存在使匹配率中大于预设值的参考特征数据,即参考特征数据b1、b2、b3、b4;根据此参考特征数据b1、b2、b3、b4确定对应的异常交易类型B,将异常交易类型B确定为交易客户的异常交易。通过设定预设值判定异常交易以及异常交易的类型,实现异常交易类型判定的同时提高了异常交易判定的准确性。
本实施例的异常交易类型的判断方法,通过获取监管机构发布的指引文件,并从指引文件中提取各类异常交易对应的各参考特征数据;同时获取与金融机构存在交易的客户的客户信息,将此客户信息和各参考特征数据逐一匹配;确定逐一匹配的匹配成功数量,根据此匹配成功数量与各参考特征数据的数量生成匹配率,以根据匹配率判断交易客户的交易是否为异常交易,当是异常交易时,则根据匹配率对应的参考特征数据确定交易客户的异常交易的类型。本方案通过将根据指引文件所提取的各类型异常交易所对应的各参考特征数据和客户信息逐一匹配,并根据匹配所得到的匹配率判定交易客户的交易为异常交易;当与某一类型异常交易的参考特征数据的匹配率越高,则说明交易客户越可能为具有此类异常交易的客户,即实现根据匹配率对应的参考特征数据确定交易客户的异常交易类型;使对异常交易的类型进行判断的同时提高了判断的准确性。
进一步地,在本发明异常交易类型的判断方法的另一实施例中,所述确定匹配率大于预设值的参考特征数据所对应的异常交易类型的步骤包括:
步骤S321,判断匹配率大于预设值的参考特征数据是否有多类,当匹配率大于预设值的参考特征数据有多类时,从金融机构的业务系统中调用获取交易客户的关系网信息,其中关系网信息为与交易客户存在交易往来的交易对象信息;
可理解地,因交易客户的客户信息具有多样性,其中部分可能与某一参考特征数据的匹配率大于预设值,而另一部分还可能与另一参考特征数据的匹配率也大于预设值,即客户信息与各参考特征数据匹配的匹配率中存在多个大于预设值的匹配率,对于所存在的多个大于预设值的匹配率,需要根据交易客户进行交易的对象,从多个大于预设值的匹配率中进一步确定交易客户最有可能的异常交易。具体地,首先判断匹配率大于预设值的参考特征数据是否有多类,当匹配率大于预设值的参考特征数据有多类时,则说明匹配率中存在多个大于预设值的匹配率。如对于上述A、B、C三类异常交易,设定预设值为60%,从而各参考特征数据中存在两个使匹配率中大于预设值的参考特征数据,分别为参考特征数据a1、a2、a3和参考特征数据b1、b2、b3、b4。此时需要从金融机构的业务系统中调用交易客户的关系网信息,关系网信息为与交易客户存在交易往来的交易对象信息,包括交易对象的户籍是否为某类犯罪重点区域客户、交易对象的交易是否涉嫌与某类犯罪相关、是否存在异常交易、以及异常交易类型等。
步骤S322,根据关系网信息中与交易客户存在交易往来的交易对象所属的异常交易类型,从多类参考特征数据中确定与交易客户所对应的异常交易类型。
进一步地,与交易客户存在交易往来的交易对象可能从在异常交易,在获取交易客户的关系网信息后,即可从此关系网信息中获知此存在异常交易的交易对象所属的异常交易类型。从而根据此关系网信息中与交易客户存在交易往来的交易对象所属的异常交易类型,从多类参考特征数据中确定与交易客户所对应的异常交易类型。具体地,当作为关系网信息的交易对象信息为交易与某类犯罪相关,而此类犯罪所涉及到异常交易的参考特征数据与客户信息所匹配的匹配率大于预设值,则可判定交易客户与此类参考特征数据所对应的异常交易类型。如上述参考特征数据a1、a2、a3和参考特征数据b1、b2、b3、b4与客户信息的匹配率均大于预设值,当获取与客户信息对应交易客户的关系网信息时,确定关系网信息中存在交易对象n,此交易对象n的信息中存在与犯罪类型n相关的信息,而犯罪类型n涉及到的异常交易类型为B类型,从而确定与交易客户对应的异常交易类型为B类型。此外,当交易客户的关系网信息均正常,即与交易客户进行交易的交易对象均没有异常交易,则可根据匹配率中所存在的多个大于预设值的匹配率之间的大小关系,确定与交易客户所对应的异常交易类型。如客户信息与参考特征数据a1、a2、a3、参考特征数据b1、b2、b3、b4的匹配率分别为66.7%和75%,从而可将参考特征数据b1、b2、b3、b4对应的异常交易类型B确定为与交易客户所对应的异常交易类型。
进一步地,在本发明异常交易类型的判断方法的另一实施例中,所述将所述对应的异常交易类型确定为交易客户的异常交易类型的步骤之后包括:
步骤S33,判断匹配率是否位于第一区间,当匹配率位于第一区间时,将交易客户上报到监管机构;
可理解地,因金融机构对安全性的要求较高,可能将预设值设定的较低,在客户信息与参考特征数据的部分匹配,即确定交易为异常交易。而防止将预设值设定较高,在客户信息与参考特征数据出现很大部分匹配,才确定交易为异常交易,导致金融机构出现损失。从而设定进一步判断匹配率高低的第一区间,第一区间的下边界值大于预设值,即第一区间的取值范围大于预设值。在确定交易客户的异常交易类型之后,判断匹配率是否位于第一区间,当匹配率位于第一区间时,则说明客户信息与参考特征数据的匹配程度很高,很有可能为与异常交易类型对应的犯罪类型,即交易客户为可疑渉罪客户,从而将此交易客户上报到监管机构,供监管机构对此交易客户进行监管。
步骤S34,当匹配率不位于第一区间时,则将交易客户确定为待监控客户,其中第一区间的下边界值大于预设值。
而当判定出匹配率不位于第一区间,即位于预设值与第一区间下边界之间的范围内时,说明客户信息与参考特征数据的匹配程度没有达到很高的程度,但也不是很低的程度,从而将此交易客户确定为待监控客户,以对此待监控客户的后续交易行为进行监控。
进一步地,在本发明异常交易类型的判断方法的另一实施例中,所述将交易客户确定为待监控客户的步骤之后包括:
步骤S35,每间隔预设监控时间,获取待监控客户的客户信息进行监控,并判断在预设监控次数内,待监控客户的客户信息和其异常交易类型的参考特征数据所匹配的匹配率与预设值以及第一区间的关系;
进一步地,在将交易客户确定为待监控客户之后,预先设定对待监控客户进行监控的预设监控时间,每间隔此预设监控时间,获取待监控客户的客户信息进行监控。确定在此间隔的预设监控时间内,客户信息与此前所确定的异常交易类型的参考特征数据的匹配率变化情况。当匹配率变小,则说明客户信息与参考特征数据相符合的程度在变小;当匹配率变大,则说明客户信息与参考特征数据相符合的程度在变大。预先设定监控次数,判断在此预设监控次数内,待监控客户的客户信息与此前所确定的异常交易类型的参考特征数据的匹配率,与预设值以及第一区间的关系。预设监控次数可排除单次监控的偶然性因素,根据三者之间关系的差异性,确定待监控客户处理方式的差异性。
步骤S36,当在预设监控次数内,待监控客户的客户信息和其异常交易类型的特征数据所匹配的匹配率小于预设值时,将待监控客户确定为普通交易客户;
当在此预设监控次数内,待监控客户的客户信息和此前所确定的异常交易类型的参考特征数据所匹配的匹配率变小,小于预设值时,则说明交易客户的交易不再是异常交易类型,从而将此待监控客户确定为普通交易客户。需要说明的是,此操作需要在预设监控次数内的匹配率均小于预设值,以确保金融集机构的安全性以及其他交易客户的利益。
步骤S37,当在预设监控次数内,待监控客户的客户信息和其异常交易类型的特征数据所匹配的匹配率位于第一区间时,将待监控客户上报到监管机构。
而当在预设监控次数内,待监控客户的客户信息和此前所确定的异常交易类型的参考特征数据所匹配的匹配率变大,位于第一区间时,则说明客户信息和此前所确定的异常交易类型的参考特征数据相符合的程度变高。很有可能为与异常交易类型对应的犯罪类型,即待监控客户为可疑渉罪客户,从而将此交易客户上报到监管机构,供监管机构对此待监控客户进行监管。
进一步地,在本发明异常交易类型的判断方法的另一实施例中,所述将所述对应的异常交易类型确定为交易客户的异常交易类型的步骤之后包括:
步骤S38,将具有异常交易的交易客户名单下发到预设系统,以供预设系统对交易客户名单所对应的交易客户进行经济行为限制。
进一步地,在确定交易客户的异常交易类型之后,将此表征此交易客户唯一性的名称添加到交易客户名单中,交易客户名单为具有异常交易的交易客户的名称集合。将此具有异常交易的交易客户名单下发到预设系统,以供预设系统对交易客户名单中所对应的交易客户进行经济行为限制。预设系统为预先设置的交易客户可与其进行经济行为交互的系统,如贷款业务系统。将交易客户名单下发到此预设系统,在预设系统接收到此交易客户名单中交易客户的贷款申请时,对申请贷款的交易客户进行贷款额度限制、或者限制其贷款申请的类型等,以降低金融机构的业务损失风险。
进一步地,请参照图2,在本发明异常交易类型的判断方法第一实施例基础上,提出本发明异常交易类型的判断方法的第二实施例,在第二实施例中,所述异常交易类型的判断方法还包括步骤:
步骤S40,获取监管机构发布的具有异常交易的参考交易客户名单,判断金融机构是否存在与该参考交易客户名单所对应的交易客户;
可理解地,对于确定为具有异常交易的交易客户,监管机构可将此类交易客户的名称集合形成参考交易客户名单,并将所形成的参考交易客户名单发布到网络平台。获取此监管机构发布的具有异常交易的参考交易客户名单,判断金融机构是否存在与该参考交易客户名单中对应的交易客户,以防止存在此类交易客户,对金融机构造成损失,危害其他交易客户的利益。
步骤S50,当金融机构存在与该参考交易客户名单所对应的交易客户时,获取对应交易客户的交易信息,并将所述交易信息反馈到监管机构。
进一步地,当判断出金融机构存在与该参考交易客户名单中所对应的交易客户时,说明金融机构中存在有异常交易的交易客户,则获取此交易客户的交易信息,并将此交易信息反馈到监管机构。其中交易信息包括此交易客户最近一次的交易地点、交易账户、交易金额等;此外还可以对此交易客户的资金进行冻结,以避免其再次进行交易,促进金融市场和谐有序发展。
此外,请参照图3,本发明提供一种异常交易类型的判断装置,在本发明异常交易类型的判断装置第一实施例中,所述异常交易类型的判断装置包括:
提取模块10,用于获取监管机构发布的指引文件,并从所述指引文件中提取与各类异常交易对应的各参考特征数据;
匹配模块20,用于获取金融机构交易客户的客户信息,并将所述客户信息和各参考特征数据逐一匹配;
判断模块30,用于确定客户信息和各参考特征数据逐一匹配的匹配成功数量,根据所述匹配成功数量与各参考特征数据的数量生成匹配率,并当根据匹配率判定交易客户的交易为异常交易时,根据匹配率对应的参考特征数据确定交易客户的异常交易类型。
具体地,判断模块30可以包括:
判断子模块,用于判断是否存在与客户信息匹配率大于预设值的参考特征数据,当存在匹配率大于预设值的参考特征数据时,判定交易客户的交易为异常交易;
确定子模块,用于确定匹配率大于预设值的参考特征数据所对应的异常交易类型,并将所述对应的异常交易类型确定为交易客户的异常交易类型。
本实施例的异常交易类型的判断装置,通过提取模块10获取监管机构发布的指引文件,并从指引文件中提取各类异常交易对应的各参考特征数据;同时匹配模块20获取与金融机构存在交易的客户的客户信息,将此客户信息和各参考特征数据逐一匹配;判断模块30确定逐一匹配的匹配成功数量,根据此匹配成功数量与各参考特征数据的数量生成匹配率,以根据匹配率判断交易客户的交易是否为异常交易,当是异常交易时,则根据匹配率对应的参考特征数据确定交易客户的异常交易的类型。本方案通过将根据指引文件所提取的各类型异常交易所对应的各参考特征数据和客户信息逐一匹配,并根据匹配所得到的匹配率判定交易客户的交易为异常交易;当与某一类型异常交易的参考特征数据的匹配率越高,则说明交易客户越可能为具有此类异常交易的客户,即实现根据匹配率对应的参考特征数据确定交易客户的异常交易类型;使对异常交易的类型进行判断的同时提高了判断的准确性。
参照图4,图4是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
本发明实施例异常交易类型的判断设备可以是PC,也可以是智能手机、平板电脑、电子书阅读器、便携计算机等终端设备。
如图3所示,该异常交易类型的判断设备可以包括:处理器1001,例如CPU,存储器1005,通信总线1002。其中,通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,该异常交易类型的判断设备还可以包括用户接口、网络接口、摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解,图3中示出的异常交易类型的判断设备结构并不构成对异常交易类型的判断设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图3所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块以及异常交易类型的判断程序。操作系统是管理和控制异常交易类型的判断设备硬件和软件资源的程序,支持异常交易类型的判断程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信,以及与异常交易类型的判断设备中其它硬件和软件之间通信。
在图3所示的异常交易类型的判断设备中,处理器1001用于执行存储器1005中存储的异常交易类型的判断程序,实现上述异常交易类型的判断方法各实施例中的步骤。
本发明提供了一种可读存储介质,所述可读存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述异常交易类型的判断方法各实施例中的步骤。
还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种异常交易类型的判断方法,其特征在于,所述异常交易类型的判断方法包括以下步骤:
获取监管机构发布的指引文件,并从所述指引文件中提取与各类异常交易对应的各参考特征数据;
获取金融机构交易客户的客户信息,并将所述客户信息和各参考特征数据逐一匹配;
确定客户信息和各参考特征数据逐一匹配的匹配成功数量,根据所述匹配成功数量与各参考特征数据的数量生成匹配率,并当根据匹配率判定交易客户的交易为异常交易时,根据匹配率对应的参考特征数据确定交易客户的异常交易类型。
2.如权利要求1所述的异常交易类型的判断方法,其特征在于,所述当根据匹配率判定交易客户的交易为异常交易时,根据匹配率对应的参考特征数据确定交易客户的异常交易类型的步骤包括:
判断是否存在与客户信息匹配率大于预设值的参考特征数据,当存在匹配率大于预设值的参考特征数据时,判定交易客户的交易为异常交易;
确定匹配率大于预设值的参考特征数据所对应的异常交易类型,并将所述对应的异常交易类型确定为交易客户的异常交易类型。
3.如权利2所述的异常交易类型的判断方法,其特征在于,所述确定匹配率大于预设值的参考特征数据所对应的异常交易类型的步骤包括:
判断匹配率大于预设值的参考特征数据是否有多类,当匹配率大于预设值的参考特征数据有多类时,从金融机构的业务系统中调用交易客户的关系网信息,其中关系网信息为与交易客户存在交易往来的交易对象信息;
根据关系网信息中与交易客户存在交易往来的交易对象所属的异常交易类型,从多类参考特征数据中确定与交易客户所对应的异常交易类型。
4.如权利要求2所述的异常交易类型的判断方法,其特征在于,所述将所述对应的异常交易类型确定为交易客户的异常交易类型的步骤之后包括:
判断匹配率是否位于第一区间,当匹配率位于第一区间时,将交易客户上报到监管机构;
当匹配率不位于第一区间时,则将交易客户确定为待监控客户,其中第一区间的下边界值大于预设值。
5.如权利要求4所述的异常交易类型的判断方法,其特征在于,所述将交易客户确定为待监控客户的步骤之后包括:
每间隔预设监控时间,获取待监控客户的客户信息进行监控,并判断在预设监控次数内,待监控客户的客户信息和其异常交易类型的参考特征数据所匹配的匹配率与预设值以及第一区间的关系;
当在预设监控次数内,待监控客户的客户信息和其异常交易类型的特征数据所匹配的匹配率小于预设值时,将待监控客户确定为普通交易客户;
当在预设监控次数内,待监控客户的客户信息和其异常交易类型的特征数据所匹配的匹配率位于第一区间时,将待监控客户上报到监管机构。
6.如权利要求2所述的异常交易类型的判断方法,其特征在于,所述将所述对应的异常交易类型确定为交易客户的异常交易类型的步骤之后包括:
将具有异常交易的交易客户名单下发到预设系统,以供预设系统对交易客户名单所对应的交易客户进行经济行为限制。
7.如权利要求1-6任一项所述的异常交易类型的判断方法,其特征在于,所述异常交易类型的判断方法还包括步骤:
获取监管机构发布的具有异常交易的参考交易客户名单,判断金融机构是否存在与该参考交易客户名单所对应的交易客户;
当金融机构存在与该参考交易客户名单所对应的交易客户时,获取对应交易客户的交易信息,并将所述交易信息反馈到监管机构。
8.一种异常交易类型的判断装置,其特征在于,所述异常交易类型的判断装置包括:
提取模块,用于获取监管机构发布的指引文件,并从所述指引文件中提取与各类异常交易对应的各参考特征数据;
匹配模块,用于获取与金融机构交易客户的客户信息,并将所述客户信息和各参考特征数据逐一匹配;
判断模块,用于确定客户信息和各参考特征数据逐一匹配的匹配成功数量,根据所述匹配成功数量与各参考特征数据的数量生成匹配率,并当根据匹配率判定交易客户的交易为异常交易时,根据匹配率对应的参考特征数据确定交易客户的异常交易类型。
9.一种异常交易类型的判断设备,其特征在于,所述异常交易类型的判断设备包括:存储器、处理器、通信总线以及存储在所述存储器上的异常交易类型的判断程序;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行所述异常交易类型的判断程序,以实现如权利要求1-7中任一项所述的异常交易类型的判断方法的步骤。
10.一种可读存储介质,其特征在于,所述计算机课读存储介质上存储有异常交易类型的判断程序,所述异常交易类型的判断程序被处理器执行时实现如权利要求1-7中任一项所述的异常交易类型的判断方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810018711.XA CN108564459A (zh) | 2018-01-09 | 2018-01-09 | 异常交易类型的判断方法、装置、设备及可读存储介质 |
PCT/CN2018/082591 WO2019136865A1 (zh) | 2018-01-09 | 2018-04-11 | 异常交易类型的判断方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810018711.XA CN108564459A (zh) | 2018-01-09 | 2018-01-09 | 异常交易类型的判断方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108564459A true CN108564459A (zh) | 2018-09-21 |
Family
ID=63530739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810018711.XA Pending CN108564459A (zh) | 2018-01-09 | 2018-01-09 | 异常交易类型的判断方法、装置、设备及可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108564459A (zh) |
WO (1) | WO2019136865A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544170A (zh) * | 2018-11-26 | 2019-03-29 | 努比亚技术有限公司 | 一种交易快照验证方法、设备及计算机可读存储介质 |
CN109784662A (zh) * | 2018-12-19 | 2019-05-21 | 深圳平安综合金融服务有限公司 | 交易数据处理方法、装置、计算机设备和存储介质 |
CN109978437A (zh) * | 2019-02-14 | 2019-07-05 | 阳光易购(湖南)科技有限公司 | 生鲜时蔬供应链监控系统 |
CN111242781A (zh) * | 2019-12-27 | 2020-06-05 | 立旃(上海)科技有限公司 | 基于区块链的交易管理方法及装置 |
WO2020119120A1 (zh) * | 2018-12-13 | 2020-06-18 | 平安医疗健康管理股份有限公司 | 异常购药的识别方法、装置、终端及计算机可读存储介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446786A (zh) * | 2020-11-13 | 2021-03-05 | 中信银行股份有限公司 | 一种异常交易处理方法、装置、电子设备和可读存储介质 |
CN112785476B (zh) * | 2021-02-01 | 2024-05-14 | 浙江大华系统工程有限公司 | 一种用户行为识别方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105957271A (zh) * | 2015-12-21 | 2016-09-21 | 中国银联股份有限公司 | 一种金融终端安全防护方法及系统 |
CN106600402A (zh) * | 2016-11-02 | 2017-04-26 | 上海成括信息科技有限公司 | 基于交易所公布的案例对异常交易风险监控系统的改进 |
CN107229951A (zh) * | 2017-05-31 | 2017-10-03 | 北京知道创宇信息技术有限公司 | 预测用户是否存在恶意行为的方法和计算设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530078A (zh) * | 2016-11-29 | 2017-03-22 | 流量海科技成都有限公司 | 基于跨行业数据的贷款风险预警方法及系统 |
-
2018
- 2018-01-09 CN CN201810018711.XA patent/CN108564459A/zh active Pending
- 2018-04-11 WO PCT/CN2018/082591 patent/WO2019136865A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105957271A (zh) * | 2015-12-21 | 2016-09-21 | 中国银联股份有限公司 | 一种金融终端安全防护方法及系统 |
CN106600402A (zh) * | 2016-11-02 | 2017-04-26 | 上海成括信息科技有限公司 | 基于交易所公布的案例对异常交易风险监控系统的改进 |
CN107229951A (zh) * | 2017-05-31 | 2017-10-03 | 北京知道创宇信息技术有限公司 | 预测用户是否存在恶意行为的方法和计算设备 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544170A (zh) * | 2018-11-26 | 2019-03-29 | 努比亚技术有限公司 | 一种交易快照验证方法、设备及计算机可读存储介质 |
CN109544170B (zh) * | 2018-11-26 | 2023-08-11 | 努比亚技术有限公司 | 一种交易快照验证方法、设备及计算机可读存储介质 |
WO2020119120A1 (zh) * | 2018-12-13 | 2020-06-18 | 平安医疗健康管理股份有限公司 | 异常购药的识别方法、装置、终端及计算机可读存储介质 |
CN109784662A (zh) * | 2018-12-19 | 2019-05-21 | 深圳平安综合金融服务有限公司 | 交易数据处理方法、装置、计算机设备和存储介质 |
CN109978437A (zh) * | 2019-02-14 | 2019-07-05 | 阳光易购(湖南)科技有限公司 | 生鲜时蔬供应链监控系统 |
CN109978437B (zh) * | 2019-02-14 | 2022-02-11 | 阳光易购(湖南)科技有限公司 | 生鲜时蔬供应链监控系统 |
CN111242781A (zh) * | 2019-12-27 | 2020-06-05 | 立旃(上海)科技有限公司 | 基于区块链的交易管理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2019136865A1 (zh) | 2019-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564459A (zh) | 异常交易类型的判断方法、装置、设备及可读存储介质 | |
CN106803168B (zh) | 一种异常转账侦测方法和装置 | |
US10643180B2 (en) | Fraud detection system automatic rule population engine | |
Ahmed et al. | A survey of anomaly detection techniques in financial domain | |
Srivastava et al. | Impact of big data analytics on banking sector: Learning for Indian banks | |
CA2990101A1 (en) | Systems and methods for detecting resources responsible for events | |
US20140046786A1 (en) | Mobile Merchant POS Processing System, Point-of-Sale App, Analytical Methods, and Systems and Methods for Implementing the Same | |
US20140244503A1 (en) | System and method for automatic thresholding for payment card spend control | |
US20140279534A1 (en) | System and method for providing an account holder a notification | |
CN106600284B (zh) | 一种信用额度的授权方法及装置 | |
CN106022759A (zh) | 支持多帐户的电子支付方法 | |
CN108230151A (zh) | 一种可疑交易监测方法、装置、设备及存储介质 | |
US20170161745A1 (en) | Payment account fraud detection using social media heat maps | |
AU2014250767A1 (en) | Analytics rules engine for payment processing system | |
US20050027667A1 (en) | Method and system for determining whether a situation meets predetermined criteria upon occurrence of an event | |
CN109816515A (zh) | 基于互联网的信贷类产品选择系统及方法 | |
CN111612595A (zh) | 基于交易下产生返利代金币的方法及系统 | |
Howell et al. | Value increasing model in commercial e-banking | |
CN104935578A (zh) | 网站恶意攻击防范方法和系统 | |
CN107679988A (zh) | 基金组合购买方法、系统及存储介质 | |
US20170169432A1 (en) | System and method of identifying baker's fraud in transactions | |
CN114116802A (zh) | Flink计算框架的数据处理方法、装置、设备和存储介质 | |
Adaramola et al. | Assessment of bank technology machine and mobile banking as market strategies to raising performance of banks in Nigeria | |
KR101763275B1 (ko) | Cb 정보를 이용한 본인 인증 방법, 그 시스템 및 그 프로그램을 기록한 컴퓨터 판독 가능한 기록매체 | |
US11854037B2 (en) | Computer system for identifying aberrant activity on a reward card platform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180921 |
|
RJ01 | Rejection of invention patent application after publication |