CN109785162A - 医保异常检测方法、装置、设备和计算机存储介质 - Google Patents
医保异常检测方法、装置、设备和计算机存储介质 Download PDFInfo
- Publication number
- CN109785162A CN109785162A CN201811530486.4A CN201811530486A CN109785162A CN 109785162 A CN109785162 A CN 109785162A CN 201811530486 A CN201811530486 A CN 201811530486A CN 109785162 A CN109785162 A CN 109785162A
- Authority
- CN
- China
- Prior art keywords
- medical insurance
- card
- default
- drug
- abnormal
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 239000003814 drug Substances 0.000 claims abstract description 349
- 229940079593 drug Drugs 0.000 claims abstract description 284
- 230000002159 abnormal effect Effects 0.000 claims abstract description 123
- 230000006399 behavior Effects 0.000 claims abstract description 69
- 238000001514 detection method Methods 0.000 claims abstract description 69
- 238000004458 analytical method Methods 0.000 claims abstract description 56
- 238000012360 testing method Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 abstract 1
- 239000000523 sample Substances 0.000 description 41
- 239000000047 product Substances 0.000 description 9
- RTGDFNSFWBGLEC-SYZQJQIISA-N mycophenolate mofetil Chemical compound COC1=C(C)C=2COC(=O)C=2C(O)=C1C\C=C(/C)CCC(=O)OCCN1CCOCC1 RTGDFNSFWBGLEC-SYZQJQIISA-N 0.000 description 7
- 229960004866 mycophenolate mofetil Drugs 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- -1 phenolic ester Chemical class 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种医保异常检测方法,包括以下步骤:接收医保检测指令,获取所述医保检测指令中的第一卡片标识,及所述第一卡片标识预设检测周期内的医保消费记录;根据所述医保消费记录中的消费额度,判断所述第一卡片标识对应的医保卡是否符合审查条件;若符合审查条件,则获取所述医保消费记录中的药品消费信息,并根据所述药品消费信息判断所述医保卡是否存在异常使用行为;若存在异常使用行为,则输出检测结果。本发明还公开了医保异常检测装置、设备和计算机存储介质。本发明基于机器学习的预设特征分析模型,服务器利用预设特征分析模型对医保消费记录进行分析处理,判断医保卡是否存在异常使用行为,实现了有效地医保异常检测。
Description
技术领域
本发明涉及医疗保险领域,尤其涉及医保异常检测方法、装置、设备和计算机存储介质。
背景技术
随着社会医疗服务的普及,越来越多的人使用医保享受一系列相关的医疗服务。
虽然社会医保制度日渐完善,但是近年来却出现了许多医保诈骗事件,严重损害了公众利益。即,医保是针对参保人员对应的医保服务信息,医保卡只能限定本人使用以及只能用于医疗服务上,但是有些参保人员将医保卡用于别的用途或者频繁地使用非本人医保卡,这些异常行为都破坏了医保卡的使用规范,为了杜绝这种不合理的医保卡使用,需要对医保进行有效地检测,由于医保涉及到种类较多,因此医保异常检测较为麻烦,如何有效地进行医保异常检测成为了当前亟待解决的技术问题。
发明内容
本发明的主要目的在于提供一种医保异常检测方法、装置、设备和计算机存储介质,旨在实现有效地对医保进行异常检测。
为实现上述目的,本发明提供医保异常检测方法,所述医保异常检测方法包括以下步骤:
接收医保检测指令,获取所述医保检测指令中的第一卡片标识,及所述第一卡片标识预设检测周期内的医保消费记录;
根据所述医保消费记录中的消费额度,判断所述第一卡片标识对应的医保卡是否符合审查条件;
若所述医保卡符合审查条件,则获取所述医保消费记录中的药品消费信息,并根据所述药品消费信息判断所述医保卡是否存在异常使用行为;
若所述医保卡存在异常使用行为,则输出检测结果。
可选地,所述根据所述医保消费记录中的消费额度,判断所述第一卡片标识对应的医保卡是否符合审查条件的步骤,包括:
获取所述医保消费记录中的消费额度,将所述消费额度与预设额度进行比较;
若所述消费额度超过所述预设额度,则判定所述第一卡片标识对应的医保卡符合审查条件;
若所述消费额度不超过所述预设额度,则统计所述第一卡片标识对应的医保卡在所述预设检测周期的消费频率;
将所述消费频率与预设频率进行比较,若所述消费频率超过所述预设频率,则判定所述第一卡片标识对应的医保卡符合审查条件。
可选地,所述根据所述药品消费信息判断所述医保卡是否存在异常使用行为的步骤,包括:
将所述药品消费信息输入至预设特征分析模型,预设特征分析模型获取所述药品消费信息中的药品标识,并查询预设药品分类表,得到所述药品标识对应的药品种类;
利用所述预设特征分析模型中所述药品种类对应的特征分析子模型处理所述药品消费信息,得到所述药品标识对应药品的预测用量和实际药品用量;
计算所述预测用量与所述实际药品用量的用药差值,并判断所述用药差值是否超过预设置信区间;
若所述用药差值超过预设置信区间,则判定所述医保卡存在异常使用行为。
可选地,所述根据所述药品消费信息判断所述医保卡是否存在异常使用行为的步骤之前,包括:
从预设样本集合中抽取药品消费样本,并按预定义药品种类对各所述药品消费样本进行分类,得到样本子集合;
获取各所述样本子集合中的药品消费样本,及各所述药品消费样本中药品购买量和药品购买时间,通过各所述药品购买量和各所述药品购买时间训练各所述样本子集合对应的预设初始模型,将满足预设收敛条件的训练模型作为各所述样本子集合对应的特征分析子模型,其中,所述预设初始模型为:
所述yi表示药品购买量,所述xi表示药品购买时间;
将各所述特征分析子模型进行封装,形成预设特征分析模型。
可选地,所述根据所述药品消费信息判断所述医保卡是否存在异常使用行为的步骤,包括:
获取所述药品消费信息中的药品标识,查询预设药品数据库,获取各所述药品标识对应的用药规则;
获取所述药品消费信息中各所述药品标识对应药品的实际药品用量,将各所述药品标识对应药品的实际药品用量与各自的用药规则进行比较,以判断是否存在实际药品用量与用药规则不相符的目标药品;
若所述实际药品用量与所述用药规则不相符的目标药品,则判定所述医保卡存在异常使用行为。
可选地,所述若所述医保卡存在异常使用行为,则输出检测结果的步骤,包括:
若所述医保卡存在异常使用行为,则将所述第一卡片标识对应的医保卡作为异常医保卡,并将所述第一卡片标识添加至预设异常标记集合;
在接收到所述第一卡片标识添加完成时,将所述异常医保卡的医保消费记录,添加至预设模板中生成检测日志。
可选地,所述若所述医保卡存在异常使用行为,则输出检测结果的步骤之后,包括:
接收医保扣款指令,获取所述医保扣款指令中的第二卡片标识;
查询所述预设异常标记集合,判断所述预设异常标记集合中是否存在与所述第二卡片标识匹配的目标卡片标识;
若所述预设异常标记集合中存在与所述第二卡片标识匹配的目标卡片标识,则输出提示信息,以提示医保用户输入身份验证信息;
接收所述医保用户输入的所述身份验证信息,将所述身份验证信息与所述第二卡片标识对应的预设标准身份信息进行比对;
若所述身份验证信息与预设标准身份信息匹配,则执行所述扣款指令。
此外,为实现上述目的,本发明还提供一种医保异常检测装置,所述医保异常检测装置包括:
接收模块,用于接收医保检测指令,获取待检测医保卡的第一卡片标识;
第一判断模块,用于获取所述第一卡片标识预设检测周期内的医保消费记录,根据所述医保消费记录判断所述医保卡是否符合审查条件;
第二判断模块,用于若所述医保卡符合审查条件,则获取所述医保消费记录中的药品消费信息,并根据所述药品消费信息判断所述医保卡是否存在异常使用行为;
检测输出模块,用于若所述医保卡存在异常使用行为,则输出检测结果。
此外,为实现上述目的,本发明还提供一种医保异常检测设备;
所述医保异常检测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中:
所述计算机程序被所述处理器执行时实现如上所述的医保异常检测方法的步骤。
此外,为实现上述目的,本发明还提供计算机存储介质;
所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的医保异常检测方法的步骤。
本发明实施例提出的一种医保异常检测方法、装置、设备和计算机存储介质,服务器接收医保检测指令,获取所述医保检测指令中的第一卡片标识,及所述第一卡片标识预设检测周期内的医保消费记录;根据所述医保消费记录中的消费额度,判断所述第一卡片标识对应的医保卡是否符合审查条件;若所述医保卡符合审查条件,则获取所述医保消费记录中的药品消费信息,并根据所述药品消费信息判断所述医保卡是否存在异常使用行为;若所述医保卡存在异常使用行为,则输出检测结果。本发明中在进行医保异常检测时,服务器根据医保消费记录中的消费额度,判断医保卡是否符合审查条件,使得服务器只对部分的医保卡进行异常检测,在医保卡符合审查条件时,服务器通过对医保消费记录中的药品消费信息进行分析,以确定医保用户是否利用医保卡进行药品异常购买的行为,来判断医保卡是否存在异常使用行为,实现了有效地医保异常检测。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图;
图2为本发明医保异常检测方法第一实施例的流程示意图;
图3为本发明医保异常检测装置一实施例的功能模块示意图。
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。
本发明实施例的主要解决方案是:服务器接收医保检测指令,获取所述医保检测指令中的第一卡片标识,及所述第一卡片标识预设检测周期内的医保消费记录;根据所述医保消费记录中的消费额度,判断所述第一卡片标识对应的医保卡是否符合审查条件;若所述医保卡符合审查条件,则获取所述医保消费记录中的药品消费信息,并根据所述药品消费信息判断所述医保卡是否存在异常使用行为;若所述医保卡存在异常使用行为,则输出检测结果。
由于现有技术中不存在有效地医保异常检测方案,当前的医保异常检测只是将消费额度高或者消费频率高的医保卡进行标记作为异常医保卡,但是在医保卡正常使用的过程中也会出现高额消费或者高频消费的情况。因此当前并不可以实现有效地进行医保异常检测。
本发明提供一种解决方案,根据医保消费记录中的药品消费信息,判断医保卡存在异常使用行为,使得医保卡的异常检测更加准确有效。
具体地,本发明中的技术方案应用于如图1所示的服务器,图1是本发明实施例方案涉及的硬件运行环境的服务器(又叫医保异常检测设备,其中,医保异常检测设备可以是由单独的医保异常检测装置构成,也可以是由其他装置与医保异常检测装置组合形成)结构示意图。
本发明实施例服务器指一个管理资源并为用户提供服务的计算机,通常分为文件服务器、数据库服务器和应用程序服务器。运行以上软件的计算机或计算机系统也被称为服务器。相对于普通PC(personal computer)个人计算机来说,服务器在稳定性、安全性、性能等方面都要求较高;如图1所示,该服务器可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),网络接口1004,用户接口1003,存储器1005,通信总线1002、芯片组、磁盘系统、网络等硬件等。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity,WIFI接口)。存储器1005可以是高速随机存取存储器(random access memory,RAM),也可以是稳定的存储器(non-volatilememory),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,服务器还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块;输入单元,比显示屏,触摸屏;网络接口可选除无线接口中除WiFi外,蓝牙、探针等。本领域技术人员可以理解,图1中示出的服务器结构并不构成对服务器的限定,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1所示,该计算机软件产品存储在一个存储介质(存储介质:又叫计算机存储介质、计算机介质、可读介质、可读存储介质、计算机可读存储介质或者直接叫介质等,计算机可读存储介质可以是非易失性的可读存储介质,如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,空调器,或者网络设备等)执行本发明各个实施例所述的方法,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、用户接口模块以及计算机程序。
在图1所示的服务器中,网络接口1004主要用于连接后台数据库,与后台数据库进行数据通信;用户接口1003主要用于连接客户端(客户端,又叫用户端或终端,本发明实施例终端可以固定终端也可以是移动终端,如,带联网功能的智能空调、智能电灯、智能电源、智能音箱、自动驾驶汽车、PC、智能手机、平板电脑、电子书阅读器、便携计算机等,终端中包含传感器比如光传感器、运动传感器以及其他传感器,在此不再赘述),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的计算机程序,并执行本发明以下实施例提供的医保异常检测方法中的步骤。
在本实施例中服务器获取待检测的医保卡在预设的检测时间内的医保消费记录,所述医保消费记录包括:卡片标识、就诊机构、就诊结算时间、医保费用和购买药品编号等;服务器根据所述医保消费记录中的消费额度,确定所述第一卡片标识对应的医保卡是否符合审查条件;若所述医保卡符合审查条件,则服务器获取所述医保消费记录中的药品消费信息,以使服务器根据所述药品消费信息,判断所述医保卡是否存在异常使用行为,具体地:
参照图2,本发明医保异常检测方法的第一实施例中,所述医保异常检测方法包括:
步骤S10,接收医保检测指令,获取所述医保检测指令中的第一卡片标识,及所述第一卡片标识预设检测周期内的医保消费记录。
医保卡审核人员在终端上触发医保检测指令,终端将医保检测指令发送至服务器,服务器接收医保检测指令,并获取所述医保检测指令中的第一卡片标识,其中,第一卡片标识是指待检测的医保卡的标识信息,本实施例中的第一卡片标识可以是一个也可以是多个,在服务器获取到第一卡片标识之后,服务器进一步地获取第一卡片标识对应医保卡在预设检测周期(预设检测周期是指预设设置的检测周期,预设检测周期可以根据具体情况自行设置,例如设置为一个星期,一个月)的医保消费记录,医保消费记录包括但不限于:就诊机构信息、就诊结算时间、消费额度、购买药品编号和购买药品剂量等。
步骤S20,根据所述医保消费记录中的消费额度,判断所述第一卡片标识对应的医保卡是否符合审查条件。
服务器根据所述医保消费记录中的消费额度,判断所述第一卡片标识对应的医保卡是否符合审查条件。具体地,服务器判断所述医保卡是否符合审查条件的步骤包括:
步骤a,获取所述医保消费记录中的消费额度,将所述消费额度与预设额度进行比较;
步骤b,若所述消费额度超过所述预设额度,则判定所述第一卡片标识对应的医保卡符合审查条件;
步骤c,若所述消费额度不超过所述预设额度,则统计所述第一卡片标识对应的医保卡在所述预设检测周期的消费频率;
步骤d,将所述消费频率与预设频率进行比较,若所述消费频率超过所述预设频率,则判定所述第一卡片标识对应的医保卡符合审查条件。
即,服务器获取所述医保消费记录中的消费额度,消费额度是指预设检测周期中总的消费额度,服务器将所述消费额度与预设额度进行比较;其中,预设额度是指预先设置的临界值,预设额度可以根据具体情况设置,例如,设置为10000元,在服务器确定所述预设检测周期中消费额度超过所述预设额度,则服务器判定所述第一卡片标识对应的医保卡符合审查条件;即,用户使用医保卡报销的额度较高,服务器对第一卡片标识对应的医保卡进行审查。
在医保卡预设检测周期中所述消费额度不超过所述预设额度,则服务器获取医保消费记录中的消费时间,并根据各所述消费时间确定所述医保卡在预设检测周期内的消费频率;例如,医保消费记录中的消费时间为2018年8月21日、2018年8月23日、2018年8月24日、2018年8月26日,预设检测周期为一周,服务器确定所述医保卡在预设检测周期的消费频率为每周4次,服务器将所述预设检测周期的消费频率与预设频率(预设频率是指预先设置的消费频率临界值,例如,预设频率可以设置为每周3次)进行比较,若所述消费频率不超过所述预设频率,则判定所述第一卡片标识对应的医保卡不符合审查条件,则服务器不需要审查第一卡片标识对应医保卡,服务器判定该医保卡不存在异常使用行为;若所述消费频率超过所述预设频率,则判定所述第一卡片标识对应的医保卡符合审查条件,服务器需要进一步进行审查,以判断医保卡是否存在异常使用行为。
本实施例中将消费额度大或者消费频率高的医保卡作为需要进行审查的医保卡,一方面可以减少医保数据的处理量,另外一方面可以针对特殊数据重点审查,使得医保检测更加细致准确。
步骤S30,若所述医保卡符合审查条件,则获取所述医保消费记录中的药品消费信息,并根据所述药品消费信息判断所述医保卡是否存在异常使用行为。
若服务器判定所述医保卡符合审查条件,则服务器获取所述医保消费记录中的药品消费信息(药品消费信息包括:药品名称又叫药品标识、药品剂量、药品购买时间、药品用途和药品厂家等),服务器根据所述药品消费信息判断所述医保卡是否存在异常使用行为,即,服务器确定医保卡是否存在购买过量药品的情况。
本实施例中根据所述药品消费信息判断所述医保卡是否存在异常使用行为可以通过不同的方式实现,具体地:
实现方式一:通过预设特征分析模型对药品消费信息进行分析,即,
服务器将所述药品消费信息输入至预设特征分析模型(预设特征分析模型是指预先建立的,用于进行异常使用行为分析的模型),预设特征分析模型获取所述药品消费信息中的药品标识,确定所述药品标识对应的药品种类;利用所述预设特征分析模型中所述药品种类对应的特征分析子模型处理所述药品消费信息,得到所述药品标识对应药品的预测用量和实际药品用量;计算所述预测用量与所述实际药品用量的用药差值,并判断所述用药差值是否超过预设置信区间(预设置信区间是指预先设置的各个药品的合理用药误差量);若所述用药差值超过预设置信区间,则判定所述医保卡存在异常使用行为;若所述用药差值不超过预设置信区间,则判定所述医保卡不存在异常使用行为。
实现方式二:通过药品用量判断所述医保卡是否存在异常使用行为,即,
服务器获取所述药品消费信息中的药品标识,查询预设药品数据库(预设药品数据库是指预先设置的包含各个药品使用规则的数据库),获取各所述药品标识对应的用药规则;根据各所述药品标识对应的用药规则,确定各所述药品标识对应药品的理论药品用量;获取所述药品消费信息中各所述药品标识对应药品的实际药品用量,并将所述实际药品用量与所述理论药品用量进行比较;若所述实际药品用量与所述理论用药量不匹配,则判定所述医保卡存在异常使用行为;若所述实际药品用量与所述理论用药量匹配,则判定所述医保卡不存在异常使用行为。
步骤S40,若所述医保卡存在异常使用行为,则输出检测结果。
若所述医保卡存在异常使用行为,即,服务器将存在异常使用行为的医保卡作为异常医保卡,服务器输出将异常医保卡的医保消费记录进行输出,并形成检测结果,具体地:
步骤a,若所述医保卡存在异常使用行为,则将所述第一卡片标识对应的医保卡作为异常医保卡,并将所述第一卡片标识添加至预设异常标记集合;
步骤b,在接收到所述第一卡片标识添加完成时,将所述异常医保卡的医保消费记录,添加至预设模板中生成检测日志。
若服务器确定所述医保卡存在异常使用行为,则将所述第一卡片标识对应的医保卡作为异常医保卡,并将所述第一卡片标识添加至预设异常标记集合(预设异常标记集合是指预先设置的用于保存异常医保卡标识信息的集合);本实施例中将卡片标识添加至预设异常标记集合是为了标记异常医保卡。
在服务器接收到所述第一卡片标识添加完成时,服务器获取所述异常医保卡的医保消费记录,并医保消费记录将添加至预设模板中生成检测日志,其中,预设模板是指预先设置的空白检测日志模板。
在本实施例中在进行医保异常检测时,服务器根据医保消费记录中的消费额度,判断医保卡是否符合审查条件,使得服务器只对部分的医保卡进行异常检测,在医保卡符合审查条件时,服务器通过对医保消费记录中的药品消费信息进行分析,以确定医保用户是否利用医保卡进行药品过量购买的行为,来判断医保卡是否存在异常使用行为,实现了有效地医保异常检测。
进一步的,在本发明第一实施例的基础上,提出了本发明医保异常检测方法的第二实施例。
在本实施例中,用户在使用医保卡时,服务器会首先判断医保卡先前是否存在异常使用行为,若医保卡先前存在异常使用行为,则进行医保用户身份验证,具体地,所述医保异常检测方法包括:
步骤S50,接收医保扣款指令,获取所述医保扣款指令中的第二卡片标识。
医保用户在使用医保卡进行医保消费时,医保用户在终端上输入医保卡的密码触发医保扣款请求,终端将医保扣款请求发送至服务器,服务接收医保扣款指令,获取所述医保扣款指令中的第二卡片标识,其中,第二卡片标识是指进行消费的医保卡的标识信息。
需要说明的是,在步骤S50之后,还包括服务器查询第二卡片标识对应医保卡的预设密码,服务器将预设密码与医保用户输入的密码进行比对,以实现对医保用户进行一次身份验证,在用户一次身份验证通过之后,服务器还需要确定该医保卡是否存在异常使用行为,即,
步骤S60,查询所述预设异常标记集合,判断所述预设异常标记集合中是否存在与所述第二卡片标识匹配的目标卡片标识。
服务器查询所述预设异常标记集合,其中,预设异常标记集合是指预先设置的用于保存异常医保卡标识信息的集合,服务器将第二卡片标识与预设异常标记集合中的各个卡片标识进行比对,服务器判断所述预设异常标记集合中是否存在与所述第二卡片标识匹配的目标卡片标识。
步骤S70,若所述预设异常标记集合中存在与所述第二卡片标识匹配的目标卡片标识,则输出提示信息,以提示医保用户输入身份验证信息。
若所述预设异常标记集合中存在与所述第二卡片标识匹配的目标卡片标识,即,服务器确定该第二卡片标识对应的医保卡先前存在异常使用行为,服务器显示提示信息,以提示医保用户输入身份验证信息,以根据身份验证信息进行医保用户身份的二次验证,其中,身份验证信息包括但不仅限于用户指纹信息、用户脸部图像信息、用户声音信息等等。
步骤S80,接收所述医保用户输入的所述身份验证信息,将所述身份验证信息与所述第二卡片标识对应的预设标准身份信息进行比对。
服务器接收所述医保用户输入的所述身份验证信息,服务器将所述身份验证信息与所述第二卡片标识对应的预设标准身份信息进行比对,其中,预设标准身份信息是指办理医保卡时采集的用户身份信息。
步骤S90,若所述身份验证信息与预设标准身份信息匹配,则执行所述扣款指令。
若服务器确定所述身份验证信息与预设标准身份信息匹配,即,服务器确定是本人使用医保卡,服务器执行所述扣款指令;若服务器确定所述身份验证信息与预设标准身份信息不匹配,即,服务器确定是他人冒用医保卡,服务器不执行所述扣款指令。
在本实施例中通过身份验证信息对医保用户进行二次身份验证,即,通常情况下医保用户只需要输入医保卡密码就触发医保扣款指令进行扣款,在本实施例中在确定第二卡片标识对应的医保卡先前存在异常使用行为之后,服务器对医保用户的身份进行验证,防止他人冒用医保卡,以减少医保异常消费的情况。
进一步的,在本发明第一实施例的基础上,提出了本发明医保异常检测方法的第三实施例。
本实施例是第一实施例中步骤S30的细化,本实施了例给出了根据所述药品消费信息判断所述医保卡是否存在异常使用行为的一种具体实现方式,本实施例中是基于预设的特征分析模型进行异常使用行为的识别的,在本实施例中步骤执行之前,需要是预先构建特征分析模型,构建特征分析模型的步骤包括:
步骤S01,从预设样本集合中抽取药品消费样本,并按预定义药品种类对各所述药品消费样本进行分类,得到样本子集合;
服务器从预设样本集合中抽取药品消费样本,其中,药品消费样本是历史的药品消费信息,服务器按预定义药品种类对各所述药品消费样本进行分类,得到样本子集合。
步骤S02,获取各所述样本子集合中的药品消费样本,及各所述药品消费样本中药品购买量和药品购买时间,通过各所述药品购买量和各所述药品购买时间训练各所述样本子集合对应的预设初始模型,将满足预设收敛条件的训练模型作为各所述样本子集合对应的特征分析子模型,其中,所述预设初始模型为:
所述yi表示药品购买量,所述xi表示药品购买时间;
即,本实施例中由于各个类型药品的使用量符合各种类药品的用药规范,因此针对各个样本子集合建立对应的特征分析子模型,即,服务器获取各所述样本子集合中的药品消费样本,及所述各药品消费样本中药品购买量和药品购买时间,服务器利用各药品购买量和各药品购买时间对各个样本预设初始模型进行训练;在训练模型与预设收敛条件(预设收敛条件是指预先设置的条件,例如,准确率为90%)进行比对,服务器满足预设收敛条件的训练模型作为各所述样本子集合对应的特征分析子模型以得到各所述样本子集合对应的特征分析子模型。
本实施例中给出一个特征分析子模型的示意图,如表1所示,吗替麦考酚酯的样本子集合中包含有6个药品消费样本;
编号 | 1 | 2 | 3 | 4 | 5 | 6 |
吗替麦考酚酯购买时间 | 256 | 254 | 265 | 256 | 236 | 258 |
吗替麦考酚酯购买量 | 538 | 524 | 524 | 536 | 524 | 562 |
表1
服务器获取所述药品消费样本中药品购买量和药品购买时间,服务器利用最小二乘法的原理,将各所述药品购买量和各所述药品购买时间输入至吗替麦考酚酯的预设初始模型,计算预设初始模型的a、b值,以进行模型训练,服务器将满足预设收敛条件(预设收敛条件是指预设设置的收敛条件,例如,准确率高与90%)的训练模型作为吗替麦考酚酯对应的特征分析子模型。
步骤S03,将各所述特征分析子模型进行封装,形成预设特征分析模型。
服务器将各所述特征分析子模型进行封装,形成预设特征分析模型,本实施例中预先设置设特征分析模型,以通过特征分析模型进行药品消费信息的分析,实现有效地医保异常检测,具体地:
步骤S31,将所述药品消费信息输入至预设特征分析模型,预设特征分析模型获取所述药品消费信息中的药品标识,并查询预设药品分类表,得到所述药品标识对应的药品种类。
服务器将所述药品消费信息输入至预设特征分析模型,预设特征分析模型获取所述药品消费信息中的药品标识,并查询预设药品分类表(预设药品分类表是指预先设置的药品标识与药品分类的列表),得到所述药品标识对应的药品种类。
步骤S32,利用所述预设特征分析模型中所述药品种类对应的特征分析子模型处理所述药品消费信息,得到所述药品标识对应药品的预测用量和实际药品用量。
服务器利用所述预设特征分析模型中所述药品种类对应的特征分析子模型处理所述药品消费信息,得到所述药品标识对应药品的预测用量和实际药品用量,即,预设特征分析模型获取药品消费信息中的药品购买量和药品购买时间,处理得到所述药品标识对应药品的预测用量和实际药品用量。
步骤S33,计算所述预测用量与所述实际药品用量的用药差值,并判断所述用药差值是否超过预设置信区间。
服务器计算所述预测用量与所述实际药品用量的用药差值,并判断所述用药差值是否超过预设置信区间(预设置信区间是指预先设置的各个药品的合理用药误差量)。若所述用药差值不超过预设置信区间,则判定所述医保卡不存在异常使用行为
步骤S34,若所述用药差值超过预设置信区间,则判定所述医保卡存在异常使用行为。
若所述用药差值超过预设置信区间,则判定所述医保卡存在异常使用行为,在本实施例中通过设置的预设特征分析模型,实现了有效地医保异常检测。
进一步的,在本发明第一实施例的基础上,提出了本发明医保异常检测方法的第四实施例。
本实施例是第一实施例中步骤S30的细化,本实施了例给出了根据所述药品消费信息判断所述医保卡是否存在异常使用行为的一种具体实现方式,本实施例中根据用药规则
步骤S35,获取所述药品消费信息中的药品标识,查询预设药品数据库,获取各所述药品标识对应的用药规则。
服务器获取所述药品消费信息中的药品标识,查询预设药品数据库(预设药品数据库是指预先设置的包含各个药品使用规则的数据库),获取各所述药品标识对应的用药规则。
步骤S36,获取所述药品消费信息中各所述药品标识对应药品的实际药品用量,将各所述药品标识对应药品的实际药品用量与各自的用药规则进行比较,以判断是否存在实际药品用量与用药规则不相符的目标药品;
服务器获取所述药品消费信息中各所述药品标识对应药品的实际药品用量,若药品消费信息中不包含实际药品用量,则根据药品消费信息中进行计算,例如,将药品消费信息的吗替麦考酚酯的总报销金额为350000元,报销比例为70%,实际购买金额为500000,药品平均单价为400元,则确定数据药品用量为1250g;综上,根据药品消费信息中的吗替麦考酚酯的实际报销情况,计算出吗替麦考酚酯总的实际药品用量。
服务器将各所述药品标识对应药品的实际药品用量与各自的用药规则进行比较,以判断是否存在实际药品用量与用药规则不相符的目标药品。若不存在实际药品用量与用药规则不相符的目标药品,判定所述医保卡不存在异常使用行为。
步骤S37,若所述实际药品用量与所述用药规则不相符的目标药品,则判定所述医保卡存在异常使用行为。
若所述实际药品用量与所述用药规则不相符的目标药品,则判定所述医保卡存在异常使用行为;在本实施例中根据用药规则有效地判断所述医保卡是否存在异常使用行为,使得医保使用检测更加准确。
此外,参照图3,本发明实施例还提出医保异常检测装置,所述医保异常检测装置包括:
接收模块10,用于接收医保检测指令,获取待检测医保卡的第一卡片标识;
第一判断模块20,用于获取所述第一卡片标识预设检测周期内的医保消费记录,根据所述医保消费记录判断所述医保卡是否符合审查条件;
第二判断模块30,用于若所述医保卡符合审查条件,则获取所述医保消费记录中的药品消费信息,并根据所述药品消费信息判断所述医保卡是否存在异常使用行为;
检测输出模块40,用于若所述医保卡存在异常使用行为,则输出检测结果。
可选地,所述第一判断模块20,包括:
获取单元,用于获取所述医保消费记录中的消费额度,将所述消费额度与预设额度进行比较;
比较输出单元,用于若所述消费额度超过所述预设额度,则判定所述第一卡片标识对应的医保卡符合审查条件;
频率确定单元,用于若所述消费额度不超过所述预设额度,则统计所述第一卡片标识对应的医保卡在所述预设检测周期的消费频率;
比较输入单元,用于将所述消费频率与预设频率进行比较,若所述消费频率超过所述预设频率,则判定所述第一卡片标识对应的医保卡符合审查条件。
可选地,所述第二判断模块30,包括:
输入单元,用于将所述药品消费信息输入至预设特征分析模型,预设特征分析模型获取所述药品消费信息中的药品标识,并查询预设药品分类表,得到所述药品标识对应的药品种类;
处理单元,用于利用所述预设特征分析模型中所述药品种类对应的特征分析子模型处理所述药品消费信息,得到所述药品标识对应药品的预测用量和实际药品用量;
比较单元,用于计算所述预测用量与所述实际药品用量的用药差值,并判断所述用药差值是否超过预设置信区间;
判定输出单元,用于若所述用药差值超过预设置信区间,则判定所述医保卡存在异常使用行为。
可选地,所述医保异常检测装置,包括:
样本抽取模块,用于从预设样本集合中抽取药品消费样本,并按预定义药品种类对各所述药品消费样本进行分类,得到样本子集合;
获取建模模块,用于获取各所述样本子集合中的药品消费样本,及各所述药品消费样本中药品购买量和药品购买时间,通过各所述药品购买量和各所述药品购买时间训练各所述样本子集合对应的预设初始模型,将满足预设收敛条件的训练模型作为各所述样本子集合对应的特征分析子模型,其中,所述预设初始模型为:
所述yi表示药品购买量,所述xi表示药品购买时间;
封装模块,用于将各所述特征分析子模型进行封装,形成预设特征分析模型。
可选地,所述第二判断模块30,包括:
规则获取单元,用于获取所述药品消费信息中的药品标识,查询预设药品数据库,获取各所述药品标识对应的用药规则;
规则比较单元,用于获取所述药品消费信息中各所述药品标识对应药品的实际药品用量,将各所述药品标识对应药品的实际药品用量与各自的用药规则进行比较,以判断是否存在实际药品用量与用药规则不相符的目标药品;
输出判定单元,用于若所述实际药品用量与所述用药规则不相符的目标药品,则判定所述医保卡存在异常使用行为。
可选地,所述检测输出模块40,包括:
标识添加单元,用于若所述医保卡存在异常使用行为,则将所述第一卡片标识对应的医保卡作为异常医保卡,并将所述第一卡片标识添加至预设异常标记集合;
日志生成单元,用于在接收到所述第一卡片标识添加完成时,将所述异常医保卡的医保消费记录,添加至预设模板中生成检测日志。
可选地,所述医保异常检测装置,包括:
接收扣款模块,用于接收医保扣款指令,获取所述医保扣款指令中的第二卡片标识;
异常查询模块,用于查询所述预设异常标记集合,判断所述预设异常标记集合中是否存在与所述第二卡片标识匹配的目标卡片标识;
身份验证模块,用于若所述预设异常标记集合中存在与所述第二卡片标识匹配的目标卡片标识,则输出提示信息,以提示医保用户输入身份验证信息;
信息比对模块,用于接收所述医保用户输入的所述身份验证信息,将所述身份验证信息与所述第二卡片标识对应的预设标准身份信息进行比对;
匹配扣款模块,用于若所述身份验证信息与预设标准身份信息匹配,则执行所述扣款指令。
其中,医保异常检测装置的各个功能模块实现的步骤可参照本发明医保异常检测方法的各个实施例,此处不再赘述。
此外,本发明实施例还提出一种计算机存储介质。
所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例提供的医保异常检测方法中的操作。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来,而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序;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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。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、物品或者系统中还存在另外的相同要素。
对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
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,空调器,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,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种医保异常检测方法,其特征在于,所述医保异常检测方法包括以下步骤:
接收医保检测指令,获取所述医保检测指令中的第一卡片标识,及所述第一卡片标识预设检测周期内的医保消费记录;
根据所述医保消费记录中的消费额度,判断所述第一卡片标识对应的医保卡是否符合审查条件;
若所述医保卡符合审查条件,则获取所述医保消费记录中的药品消费信息,并根据所述药品消费信息判断所述医保卡是否存在异常使用行为;
若所述医保卡存在异常使用行为,则输出检测结果。
2.如权利要求1所述的医保异常检测方法,其特征在于,所述根据所述医保消费记录中的消费额度,判断所述第一卡片标识对应的医保卡是否符合审查条件的步骤,包括:
获取所述医保消费记录中的消费额度,将所述消费额度与预设额度进行比较;
若所述消费额度超过所述预设额度,则判定所述第一卡片标识对应的医保卡符合审查条件;
若所述消费额度不超过所述预设额度,则统计所述第一卡片标识对应的医保卡在所述预设检测周期的消费频率;
将所述消费频率与预设频率进行比较,若所述消费频率超过所述预设频率,则判定所述第一卡片标识对应的医保卡符合审查条件。
3.如权利要求1所述的医保异常检测方法,其特征在于,所述根据所述药品消费信息判断所述医保卡是否存在异常使用行为的步骤,包括:
将所述药品消费信息输入至预设特征分析模型,预设特征分析模型获取所述药品消费信息中的药品标识,并查询预设药品分类表,得到所述药品标识对应的药品种类;
利用所述预设特征分析模型中所述药品种类对应的特征分析子模型处理所述药品消费信息,得到所述药品标识对应药品的预测用量和实际药品用量;
计算所述预测用量与所述实际药品用量的用药差值,并判断所述用药差值是否超过预设置信区间;
若所述用药差值超过预设置信区间,则判定所述医保卡存在异常使用行为。
4.如权利要求3所述的医保异常检测方法,其特征在于,所述根据所述药品消费信息判断所述医保卡是否存在异常使用行为的步骤之前,包括:
从预设样本集合中抽取药品消费样本,并按预定义药品种类对各所述药品消费样本进行分类,得到样本子集合;
获取各所述样本子集合中的药品消费样本,及各所述药品消费样本中药品购买量和药品购买时间,通过各所述药品购买量和各所述药品购买时间训练各所述样本子集合对应的预设初始模型,将满足预设收敛条件的训练模型作为各所述样本子集合对应的特征分析子模型,其中,所述预设初始模型为:
所述yi表示药品购买量,所述xi表示药品购买时间;
将各所述特征分析子模型进行封装,形成预设特征分析模型。
5.如权利要求1所述的医保异常检测方法,其特征在于,所述根据所述药品消费信息判断所述医保卡是否存在异常使用行为的步骤,包括:
获取所述药品消费信息中的药品标识,查询预设药品数据库,获取各所述药品标识对应的用药规则;
获取所述药品消费信息中各所述药品标识对应药品的实际药品用量,将各所述药品标识对应药品的实际药品用量与各自的用药规则进行比较,以判断是否存在实际药品用量与用药规则不相符的目标药品;
若所述实际药品用量与所述用药规则不相符的目标药品,则判定所述医保卡存在异常使用行为。
6.如权利要求1所述的医保异常检测方法,其特征在于,所述若所述医保卡存在异常使用行为,则输出检测结果的步骤,包括:
若所述医保卡存在异常使用行为,则将所述第一卡片标识对应的医保卡作为异常医保卡,并将所述第一卡片标识添加至预设异常标记集合;
在接收到所述第一卡片标识添加完成时,将所述异常医保卡的医保消费记录,添加至预设模板中生成检测日志。
7.如权利要求6所述的医保异常检测方法,其特征在于,所述若所述医保卡存在异常使用行为,则输出检测结果的步骤之后,包括:
接收医保扣款指令,获取所述医保扣款指令中的第二卡片标识;
查询所述预设异常标记集合,判断所述预设异常标记集合中是否存在与所述第二卡片标识匹配的目标卡片标识;
若所述预设异常标记集合中存在与所述第二卡片标识匹配的目标卡片标识,则输出提示信息,以提示医保用户输入身份验证信息;
接收所述医保用户输入的所述身份验证信息,将所述身份验证信息与所述第二卡片标识对应的预设标准身份信息进行比对;
若所述身份验证信息与预设标准身份信息匹配,则执行所述扣款指令。
8.一种医保异常检测装置,其特征在于,所述医保异常检测装置包括:
接收模块,用于接收医保检测指令,获取待检测医保卡的第一卡片标识;
第一判断模块,用于获取所述第一卡片标识预设检测周期内的医保消费记录,根据所述医保消费记录判断所述医保卡是否符合审查条件;
第二判断模块,用于若所述医保卡符合审查条件,则获取所述医保消费记录中的药品消费信息,并根据所述药品消费信息判断所述医保卡是否存在异常使用行为;
检测输出模块,用于若所述医保卡存在异常使用行为,则输出检测结果。
9.一种医保异常检测设备,其特征在于,所述医保异常检测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中:
所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的医保异常检测方法的步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的医保异常检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811530486.4A CN109785162A (zh) | 2018-12-13 | 2018-12-13 | 医保异常检测方法、装置、设备和计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811530486.4A CN109785162A (zh) | 2018-12-13 | 2018-12-13 | 医保异常检测方法、装置、设备和计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109785162A true CN109785162A (zh) | 2019-05-21 |
Family
ID=66496241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811530486.4A Pending CN109785162A (zh) | 2018-12-13 | 2018-12-13 | 医保异常检测方法、装置、设备和计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109785162A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242793A (zh) * | 2020-01-16 | 2020-06-05 | 上海金仕达卫宁软件科技有限公司 | 医保数据异常的检测方法和装置 |
CN111461865A (zh) * | 2020-03-31 | 2020-07-28 | 中国银行股份有限公司 | 一种数据分析方法及装置 |
CN111986037A (zh) * | 2020-08-31 | 2020-11-24 | 平安医疗健康管理股份有限公司 | 医保审核数据的监控方法、装置、设备及存储介质 |
CN112289403A (zh) * | 2020-10-19 | 2021-01-29 | 浙江大学山东工业技术研究院 | 一种基于两阶段筛查流程的医保异常购药的检测方法及装置 |
CN113435904A (zh) * | 2021-06-08 | 2021-09-24 | 四川数字链享科技有限公司 | 一种基于大数据的医保异常检测系统 |
CN113626488A (zh) * | 2021-08-04 | 2021-11-09 | 挂号网(杭州)科技有限公司 | 数据处理方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514576A (zh) * | 2013-09-06 | 2014-01-15 | 深圳民太安信息技术有限公司 | 一种社保就诊违规套现的筛查方法 |
CN104182824A (zh) * | 2014-08-08 | 2014-12-03 | 平安养老保险股份有限公司 | 一种识别医保报销违规行为的规则校验系统及校验方法 |
CN104537764A (zh) * | 2014-12-31 | 2015-04-22 | 浙江大学 | 一种医保卡异常使用的检测方法和检测系统 |
-
2018
- 2018-12-13 CN CN201811530486.4A patent/CN109785162A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514576A (zh) * | 2013-09-06 | 2014-01-15 | 深圳民太安信息技术有限公司 | 一种社保就诊违规套现的筛查方法 |
CN104182824A (zh) * | 2014-08-08 | 2014-12-03 | 平安养老保险股份有限公司 | 一种识别医保报销违规行为的规则校验系统及校验方法 |
CN104537764A (zh) * | 2014-12-31 | 2015-04-22 | 浙江大学 | 一种医保卡异常使用的检测方法和检测系统 |
Non-Patent Citations (2)
Title |
---|
郭涛: "医疗保险欺诈检测的研究与应用", 《中国优秀硕士学位论文全文数据库》, no. 2, pages 29 - 50 * |
郭涛: "医疗保险欺诈检测的研究与应用", 《硕士电子期刊》, no. 2, pages 29 - 50 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242793A (zh) * | 2020-01-16 | 2020-06-05 | 上海金仕达卫宁软件科技有限公司 | 医保数据异常的检测方法和装置 |
CN111242793B (zh) * | 2020-01-16 | 2024-02-06 | 上海金仕达卫宁软件科技有限公司 | 医保数据异常的检测方法和装置 |
CN111461865A (zh) * | 2020-03-31 | 2020-07-28 | 中国银行股份有限公司 | 一种数据分析方法及装置 |
CN111986037A (zh) * | 2020-08-31 | 2020-11-24 | 平安医疗健康管理股份有限公司 | 医保审核数据的监控方法、装置、设备及存储介质 |
CN112289403A (zh) * | 2020-10-19 | 2021-01-29 | 浙江大学山东工业技术研究院 | 一种基于两阶段筛查流程的医保异常购药的检测方法及装置 |
CN113435904A (zh) * | 2021-06-08 | 2021-09-24 | 四川数字链享科技有限公司 | 一种基于大数据的医保异常检测系统 |
CN113626488A (zh) * | 2021-08-04 | 2021-11-09 | 挂号网(杭州)科技有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN113626488B (zh) * | 2021-08-04 | 2024-06-21 | 挂号网(杭州)科技有限公司 | 数据处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109785162A (zh) | 医保异常检测方法、装置、设备和计算机存储介质 | |
CN104866763B (zh) | 基于权限的Android恶意软件混合检测方法 | |
CN109670852A (zh) | 用户分类方法、装置、终端及存储介质 | |
CN109474483A (zh) | 一种设备异常情况的检测方法、检测装置及终端设备 | |
CN109542965A (zh) | 一种数据处理方法、电子设备及存储介质 | |
CN109636641A (zh) | 基于大数据分析的医保异常检测方法、装置、设备和介质 | |
CN110502442B (zh) | 动态参数校验方法、装置、设备和存储介质 | |
CN104298983A (zh) | 具有分布式用户终端的舌苔图像获取与分析系统 | |
CN107679046A (zh) | 一种欺诈用户的检测方法及装置 | |
CN112330355B (zh) | 消费券交易数据处理方法、装置、设备及存储介质 | |
CN111709756A (zh) | 一种可疑社团的识别方法、装置、存储介质和计算机设备 | |
CN111062808B (zh) | 信用卡额度评估方法、装置、计算机设备及存储介质 | |
CN110059722A (zh) | 印章图像的审核方法、装置、设备及可读存储介质 | |
CN109636639A (zh) | 基于大数据分析的用药检测方法、装置、设备和存储介质 | |
CN109582668A (zh) | 业务数据管理方法、装置、设备及计算机可读存储介质 | |
CN115640074A (zh) | 业务数据处理方法、装置和智能柜台终端 | |
CN110288488A (zh) | 医疗险欺诈预测方法、装置、设备和可读存储介质 | |
CN109670929A (zh) | 贷款预警的控制方法、装置、设备及计算机可读存储介质 | |
CN117056352A (zh) | 数据的展示方法、装置、终端设备和可读存储介质 | |
CN114817518B (zh) | 基于大数据档案识别的证照办理方法、系统及介质 | |
CN115330522A (zh) | 基于聚类的信用卡审批方法、装置、电子设备和介质 | |
CN113672787B (zh) | 证券市场交易行为监测方法、装置和存储介质 | |
CN109711975A (zh) | 一种借贷风险识别方法及装置 | |
CN115906028A (zh) | 用户身份验证方法、装置和自助服务终端 | |
Sharara et al. | Prediction of the VDT worker's headache using convolutional neural network with class activation mapping |
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 |