CN110148001A - 一种实现欺诈交易智能预警的系统及方法 - Google Patents
一种实现欺诈交易智能预警的系统及方法 Download PDFInfo
- Publication number
- CN110148001A CN110148001A CN201910354090.7A CN201910354090A CN110148001A CN 110148001 A CN110148001 A CN 110148001A CN 201910354090 A CN201910354090 A CN 201910354090A CN 110148001 A CN110148001 A CN 110148001A
- Authority
- CN
- China
- Prior art keywords
- management
- data
- fraud
- layer
- realizing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000007726 management method Methods 0.000 claims abstract description 43
- 238000005516 engineering process Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000013135 deep learning Methods 0.000 claims abstract description 9
- 230000003542 behavioural effect Effects 0.000 claims abstract description 8
- 239000000203 mixture Substances 0.000 claims abstract description 6
- 238000000605 extraction Methods 0.000 claims description 10
- 230000006399 behavior Effects 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 206010015856 Extrasystoles Diseases 0.000 claims description 3
- 208000000418 Premature Cardiac Complexes Diseases 0.000 claims description 3
- 230000000712 assembly Effects 0.000 claims description 3
- 238000000429 assembly Methods 0.000 claims description 3
- 238000012098 association analyses Methods 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000013523 data management Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000008520 organization Effects 0.000 claims description 3
- 239000000344 soap Substances 0.000 claims description 3
- 238000004064 recycling Methods 0.000 claims description 2
- 241000209202 Bromus secalinus Species 0.000 claims 2
- 230000006855 networking Effects 0.000 abstract description 3
- 238000010276 construction Methods 0.000 abstract description 2
- 230000004927 fusion Effects 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 3
- 238000003032 molecular docking Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012954 risk control Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- 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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种实现欺诈交易智能预警的系统及方法，其中系统包括协议处理层、能力开放层、安全控制层、场景组合层、运营管理层、网管管理层，其中方法步骤为：多源异构数据融合；基于深度学习的复杂多源行为特征建模；基于增量学习的反欺诈智能识别；基于图结构的深度学习的欺诈行为对象关联网络图谱的构建与分析；反欺诈规则知识图谱构建与推理；决策引擎构建。本发明能够解决现有的反欺诈交易技术模型的数据源间联动不足、无法满足欺诈规则特征网络化调优要求的技术问题。
Description
技术领域
本发明涉及金融反欺诈大数据应用领域，具体来说，涉及一种实现欺诈交易智能预警的系统及方法。
背景技术
在目前金融反欺诈应用领域，现有反欺诈技术模型基于的数据源间缺乏联动且欺诈规则特征不满足网络化调优，则不能满足核验需求的权威性、高效性、实时性等问题，往往会导致在交易事前、交易事中均无法高效识别并有效抑制欺诈交易的发生。所以目前的核验方式从技术上仍存在问题，无法满足上述要求。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中的上述技术问题，本发明提出一种实现欺诈交易智能预警的系统及方法，能够解决现有的反欺诈交易技术模型的数据源间联动不足、无法满足欺诈规则特征网络化调优要求的技术问题。
为实现上述技术目的，本发明的技术方案是这样实现的：
一种实现欺诈交易智能预警的系统，包括协议处理层、能力开放层、安全控制层、场景组合层、运营管理层、网管管理层；
所述协议处理层通过协议将基于HTTP的WEB技术与XML组合在一起，进而实现异构程序和平台之间的互操作性；
所述能力开放层提供金融反欺诈风险管控的API能力开放且负责能力查询前的注册认证、调用鉴权、消息体的传输安全；
所述安全控制层包括流量控制模块、主备切换模块，所述流量控制模块配置接入的客户连接数及同时并发的查询门限，所述主备切换模块配置每一项能力的提供商和备用提供商；
所述场景组合层利用平台的一个或多个原子能力组合成复合能力，为行业用户根据不同应用场景的需求定制开发新的能力；
所述运营管理层包括运营管理人员的权限管理、合作伙伴的用户管理、API能力的计费管理、平台的运营分析管理；
所述网管管理层包括平台运行状态的监控和告警、API调用的过载控制监控、系统所有网元设备硬件和软件的配置数据管理。
进一步的，所述协议处理层支持基于HTTP或HTTPS的REST、SOAP协议以及基于SOCKET的XML协议。
进一步的，在能力开放层中，API的管理包括API的创建、修改以及删除阶段的管理。
进一步的，在安全控制层中，与主提供商的连接出现问题时，所述主备切换模块自动切换，由备用提供商提供能力查询。
一种实现欺诈交易智能预警的方法，包括如下步骤：
S1、运用元数据组织、数据描述规范化、数据一致性检测、虚拟整合与物化整合结合、数据的演化与自生长技术，将多源数据整合为互相关联的有机整体，实现数据统一的表示和管理；
S2、基于深度学习的复杂多源行为特征建模，建立欺诈风险行为档案，对特征进行监控记录，通过实时计算业务在各个时刻的特征偏离值预估业务过程中发生欺诈风险的概率；
S3、基于增量学习方法进行反欺诈智能识别，即通过学习历史欺诈行为事件，构建识别模型，对待识别的行为进行欺诈判别；
S4、通过对行为时间、地点、个人基本属性、社交网络、细粒度行为数据进行关联分析，建立行为对象关联图谱，采用基于图结构的深度学习方法发现行为对象关联网络中的关键节点及其团伙；
S5、先利用专家经验和历史规则构建反欺诈基础规则库，再利用规则集生成方法推理生成更多的规则，通过实体抽取技术从规则库的规则中抽取实体，再利用关系抽取技术获取实体之间的关系，形成知识图谱并进行推理；
S6、构建一个结合各类反欺诈方法的决策引擎，采用流式技术处理业务交易产生的海量数据，利用分布式集群计算引擎对数据进行分析处理，通过融合多维度的决策信息进行风险判断。
进一步的，所述S1步骤中，多源数据包括公安厅、通管局、运营商的数据，具体包括公安厅黑名单、通管局电信反诈黑灰名单、运营商通信数据、企业基本信息、企业经营指标、电信网络诈骗数据。
进一步的，所述S5步骤中，规则库在规则判断过程中进行迭代更新与修正。
进一步的，所述S6步骤中，反欺诈方法包括用户信誉库、反欺诈规则库、智能模型、关联分析。
本发明的有益效果：
(1)本发明基于大数据平台利用大数据、人工智能、移动互联网等新一代信息技术，通过整合银行金融机构、通信运营商的权威数据信息，制定欺诈行为识别标准，可实时、高效识别大量准备用于作案的银行卡、手机卡并加以限制，并通过对正常使用手机、银行卡用户进行风险行为的控制和校验，有效的从源头上减少大量诈骗案件的发生，降低经济损失，保障金融安全秩序。
（2）本发明能为金融信息安全应用提供服务支撑，开拓金融风险控制服务新模式，将助力智慧城市建设，增进社会效益。
（3）本发明在银行领域应用，可帮助银行有效监管转账业务，增强银行风险评估的数据规模和数据维度，降低风控响应速度，并将风险控制从事后挽回变成事前、事中拦截，有效提升银行风控能力、运营效率以及行业竞争力。
（4）本发明在保险、券商等领域应用，将有效融合通信安全数据与金融数据，打破数据资源壁垒，深化数据资源的应用，统一提供金融安全应用，通过普及扩展，满足信用取证等需求，满足金融行业未来发展方向。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例所述的抽取数据流程图。
图2是根据本发明实施例所述的欺诈风险分析流程图。
图3是根据本发明实施例所述的实施步骤流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
根据本发明实施例所述的一种实现欺诈交易智能预警的系统，是一种基于大数据平台的智能系统。其中系统的平台具备海量数据的实时吞吐、实时监控服务、联机实时查询等功能，平台基于可达毫秒级响应的可拓展、高并发系统框架。其中系统的数据资源对接中国移动、中国联通、中国电信三大运营商、各省管局、公安厅系统等真实、实时数据，为金融欺诈交易智能预警系统提供了丰富、多源的融合数据资源。
系统平台基于多台交换机、防火墙、机架式服务器等高性能硬件基础设施，因此平台可提供可靠、有效的金融反欺诈风险管控的API能力开放，其中平台能力处理分为协议处理层、能力开放层、安全控制层、场景组合层、运营管理层、网管管理层等。
协议处理层：支持基于HTTP或HTTPS的REST、SOAP协议，及基于SOCKET的XML协议。通过这些协议可把成熟的基于HTTP的WEB技术与XML的灵活性和可扩展性组合在一起，进而有助于实现大量异构程序和平台之间的互操作性。
能力开放层：提供可靠、有效的金融反欺诈风险管控的API能力开放。负责能力查询前的注册认证、调用鉴权、消息体的传输安全；管理能力API的发布包括API的创建，修改以及删除等阶段的管理。
安全控制层：流量控制模块可配置接入的客户连接数、同时并发的查询门限；主备切换模块可配置每一项能力的提供商和备用提供商，当与主提供商的连接出现问题时，能自动切换，由备用提供商提供能力查询。
场景组合层：系统可利用平台的一个或多个原子能力组合成复合能力，为行业用户根据不同应用场景的需求定制开发新的能力，降低处理流程和减少行业用户的查询次数。
运营管理层：包括运营管理人员的权限管理、合作伙伴的用户管理、API 能力的计费管理、以及平台的运营分析管理等。
网管管理层：包括平台运行状态的监控和告警、API调用的过载控制监控、系统所有网元设备硬件和软件的配置数据管理等。
另一方面，如图1-2所示，本发明还提供了一种实现欺诈交易智能预警的方法，包括下列步骤：
S1、多源异构数据融合技术，本发明的数据库融合了公安厅、通管局、运营商的数据，数据涉及的数据源有自身结构化的业务数据（公安厅黑名单、通管局电信反诈黑灰名单、运营商通信数据及电信网络诈骗数据等）、第三方接口对接的结构化、半结构化数据以及通过网络爬虫爬取的数据（例如企业基本信息、企业经营指标、失信公告详情、网贷黑名单列表、欠税公告列表等），运用元数据组织、数据描述规范化、数据一致性检测、虚拟整合与物化整合结合、数据的演化与自生长等技术，将多源数据整合为互相关联的有机整体，实现数据统一的表示和管理。
S2、基于深度学习的复杂多源行为特征建模，建立欺诈风险行为档案，对特征进行监控记录，通过实时计算业务在各个时刻的特征偏离值预估业务过程中发生欺诈风险的概率。解决传统的特征抽取方法难以应对复杂的行为数据问题，例如细粒度的原始行为包含时间、行为内容、地点等。
S3、基于增量学习的反欺诈智能识别，即通过学习历史欺诈行为事件，构建识别模型，对待识别的行为进行欺诈判别。当前欺诈行为呈现快速、批量的特征，则如何能够实时、动态、精准的识别欺诈行为成为关键，本发明拟引入增量学习方法，实现模型的自主学习，当有新数据时仅需自适应调整模型参数，而尽可能减少模型的再训练学习。
S4、基于图结构的深度学习的欺诈行为对象关联网络图谱的构建与分析，通过对行为时间、地点、个人基本属性、社交网络、细粒度行为数据等进行关联分析，建立行为对象关联图谱，采用基于图结构的深度学习方法发现行为对象关联网络中的关键节点及其团伙，为高效进行实时欺诈交易智能预警的基础。
S5、反欺诈规则知识图谱构建与推理技术，首先利用专家经验和历史规则构建反欺诈基础规则库，再利用规则集生成方法推理生成更多的规则，在规则判断过程中迭代更新修正规则库。通过实体抽取技术从规则库的规则中抽取实体，再利用关系抽取技术获取实体之间的关系，形成知识图谱并进行推理。
S6、决策引擎构建技术，构建一个功能强大的决策引擎将用户信誉库、反欺诈规则库、智能模型、关联分析等各类反欺诈方法有效地结合。采用流式技术处理业务交易产生的海量数据，利用分布式集群计算引擎，快速、高效、准确地对数据进行分析处理，通过融合多维度的决策信息进行风险判断，将反欺诈风险监控前移，严格把控交易事前、交易事中的欺诈风险。
为了方便理解本发明的上述技术方案，以下通过具体实施步骤上对本发明的上述技术方案进行详细说明。
如图3所示，实施步骤如下：抽取相关数据；将数据进行整合、加工处理；选取算法对加工处理后的数据进行特征提取；根据算法提取的特征，选取合适的模型；用不同的测试数据来验证模型进行测试；保存算法模型；使用真实数据调用训练好的模型；输出结果。
综上所述，本发明首先根据实际应用场景及需求，由前向接口发起请求，选择合适的反欺诈模型，再由模型基于的系统平台传输请求至后向接口，由后向接口对接相应的数据源库，基于海量诈骗数据经整合、抽取、分析输出的诈骗行为规则特征及一系列风控规则的逻辑分析，最终返回给前向接口的客户端，以此核验并智能分析终端信息的匹配程度并输出欺诈风险程度的分析结果，从而实现对欺诈交易的智能预警，使得客户可根据返回的输出结果采取恰当的应对措施。
本发明实施例中具体的硬件模块包括：集群27台服务器、集群内存容量3456G、集群储存容量1080T、相关网络接口。
本发明实施例中各模块之间的信号传输：（1）经整合、抽取、分析输出的诈骗行为规则特征;（2）根据设备中的特征智能模型分析计算输出的金融交易的欺诈风险系数。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种实现欺诈交易智能预警的系统，其特征在于，包括协议处理层、能力开放层、安全控制层、场景组合层、运营管理层、网管管理层；
所述协议处理层通过协议将基于HTTP的WEB技术与XML组合在一起，进而实现异构程序和平台之间的互操作性；
所述能力开放层提供金融反欺诈风险管控的API能力开放且负责能力查询前的注册认证、调用鉴权、消息体的传输安全；
所述安全控制层包括流量控制模块、主备切换模块，所述流量控制模块配置接入的客户连接数及同时并发的查询门限，所述主备切换模块配置每一项能力的提供商和备用提供商；
所述场景组合层利用平台的一个或多个原子能力组合成复合能力，为行业用户根据不同应用场景的需求定制开发新的能力；
所述运营管理层包括运营管理人员的权限管理、合作伙伴的用户管理、API能力的计费管理、平台的运营分析管理；
所述网管管理层包括平台运行状态的监控和告警、API调用的过载控制监控、系统所有网元设备硬件和软件的配置数据管理。
2.根据权利要求1所述的一种实现欺诈交易智能预警的系统，其特征在于，所述协议处理层支持基于HTTP或HTTPS的REST、SOAP协议以及基于SOCKET的XML协议。
3.根据权利要求1所述的一种实现欺诈交易智能预警的系统，其特征在于，在能力开放层中，API的管理包括API的创建、修改以及删除阶段的管理。
4.根据权利要求1所述的一种实现欺诈交易智能预警的系统，其特征在于，在安全控制层中，与主提供商的连接出现问题时，所述主备切换模块自动切换，由备用提供商提供能力查询。
5.一种实现欺诈交易智能预警的方法，其特征在于，包括如下步骤：
S1、运用元数据组织、数据描述规范化、数据一致性检测、虚拟整合与物化整合结合、数据的演化与自生长技术，将多源数据整合为互相关联的有机整体，实现数据统一的表示和管理；
S2、基于深度学习的复杂多源行为特征建模，建立欺诈风险行为档案，对特征进行监控记录，通过实时计算业务在各个时刻的特征偏离值预估业务过程中发生欺诈风险的概率；
S3、基于增量学习方法进行反欺诈智能识别，即通过学习历史欺诈行为事件，构建识别模型，对待识别的行为进行欺诈判别；
S4、通过对行为时间、地点、个人基本属性、社交网络、细粒度行为数据进行关联分析，建立行为对象关联图谱，采用基于图结构的深度学习方法发现行为对象关联网络中的关键节点及其团伙；
S5、先利用专家经验和历史规则构建反欺诈基础规则库，再利用规则集生成方法推理生成更多的规则，通过实体抽取技术从规则库的规则中抽取实体，再利用关系抽取技术获取实体之间的关系，形成知识图谱并进行推理；
S6、构建一个结合各类反欺诈方法的决策引擎，采用流式技术处理业务交易产生的海量数据，利用分布式集群计算引擎对数据进行分析处理，通过融合多维度的决策信息进行风险判断。
6.根据权利要求5所述的一种实现欺诈交易智能预警的方法，其特征在于，所述S1步骤中，多源数据包括公安厅、通管局、运营商的数据，具体包括公安厅黑名单、通管局电信反诈黑灰名单、运营商通信数据、企业基本信息、企业经营指标、电信网络诈骗数据。
7.根据权利要求5所述的一种实现欺诈交易智能预警的方法，其特征在于，所述S5步骤中，规则库在规则判断过程中进行迭代更新与修正。
8.根据权利要求5所述的一种实现欺诈交易智能预警的方法，其特征在于，所述S6步骤中，反欺诈方法包括用户信誉库、反欺诈规则库、智能模型、关联分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910354090.7A CN110148001A (zh) | 2019-04-29 | 2019-04-29 | 一种实现欺诈交易智能预警的系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910354090.7A CN110148001A (zh) | 2019-04-29 | 2019-04-29 | 一种实现欺诈交易智能预警的系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110148001A true CN110148001A (zh) | 2019-08-20 |
Family
ID=67594834
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910354090.7A Pending CN110148001A (zh) | 2019-04-29 | 2019-04-29 | 一种实现欺诈交易智能预警的系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110148001A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110675220A (zh) * | 2019-09-12 | 2020-01-10 | 深圳前海大数金融服务有限公司 | 欺诈用户识别方法、系统及计算机可读存储介质 |
| CN110956547A (zh) * | 2019-11-28 | 2020-04-03 | 广州及包子信息技术咨询服务有限公司 | 一种基于搜索引擎的实时识别欺诈团伙的方法及系统 |
| CN111080440A (zh) * | 2019-12-18 | 2020-04-28 | 上海良鑫网络科技有限公司 | 大数据风控管理系统 |
| CN111147802A (zh) * | 2020-01-06 | 2020-05-12 | 上海欣方智能系统有限公司 | 一种加密视频会议的系统 |
| CN111915468A (zh) * | 2020-08-14 | 2020-11-10 | 中国科学院自动化研究所 | 新型的网络反诈骗主动巡检与预警系统 |
| CN112365270A (zh) * | 2020-10-30 | 2021-02-12 | 上海欣方智能系统有限公司 | 一种金融欺诈识别与拦截的方法 |
| CN112435033A (zh) * | 2020-11-27 | 2021-03-02 | 上海欣方智能系统有限公司 | 一种实现金融反诈骗规则引擎的系统和方法 |
| CN112506983A (zh) * | 2020-09-18 | 2021-03-16 | 上海欣方智能系统有限公司 | 一种基于大数据支撑的反欺诈方法 |
| CN113362069A (zh) * | 2021-06-01 | 2021-09-07 | 深圳前海微众银行股份有限公司 | 风控模型的动态调整方法、装置、设备及可读存储介质 |
| CN113487319A (zh) * | 2021-06-07 | 2021-10-08 | 广发银行股份有限公司 | 一种实现信用卡首笔反欺诈的系统及方法 |
| CN113807853A (zh) * | 2020-11-12 | 2021-12-17 | 中科金审(北京)科技有限公司 | 一种经济犯罪识别方法 |
| CN113806555A (zh) * | 2021-09-14 | 2021-12-17 | 国网北京市电力公司 | 用于app的运营异常识别方法、系统、装置及存储介质 |
| CN114021039A (zh) * | 2021-11-10 | 2022-02-08 | 深圳安巽科技有限公司 | 一种反诈联防预警方法、系统及存储介质 |
| CN114240440A (zh) * | 2021-11-22 | 2022-03-25 | 广东电网有限责任公司 | 基于区块链技术的贸易背景数据交叉检验系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060202012A1 (en) * | 2004-11-12 | 2006-09-14 | David Grano | Secure data processing system, such as a system for detecting fraud and expediting note processing |
| US20110270752A1 (en) * | 2010-05-03 | 2011-11-03 | Neto Joao Eduardo Ferreira | Fraud and events integrated management method and system |
| CN103714479A (zh) * | 2012-10-09 | 2014-04-09 | 四川欧润特软件科技有限公司 | 银行个人业务欺诈行为实时智能化集中监控的方法和系统 |
| CN108564460A (zh) * | 2018-01-12 | 2018-09-21 | 阳光财产保险股份有限公司 | 互联网信贷场景下的实时欺诈检测方法及装置 |
| CN109300028A (zh) * | 2018-09-11 | 2019-02-01 | 上海天旦网络科技发展有限公司 | 基于网络数据的实时反欺诈方法和系统及存储介质 |
-
2019
- 2019-04-29 CN CN201910354090.7A patent/CN110148001A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060202012A1 (en) * | 2004-11-12 | 2006-09-14 | David Grano | Secure data processing system, such as a system for detecting fraud and expediting note processing |
| US20110270752A1 (en) * | 2010-05-03 | 2011-11-03 | Neto Joao Eduardo Ferreira | Fraud and events integrated management method and system |
| CN103714479A (zh) * | 2012-10-09 | 2014-04-09 | 四川欧润特软件科技有限公司 | 银行个人业务欺诈行为实时智能化集中监控的方法和系统 |
| CN108564460A (zh) * | 2018-01-12 | 2018-09-21 | 阳光财产保险股份有限公司 | 互联网信贷场景下的实时欺诈检测方法及装置 |
| CN109300028A (zh) * | 2018-09-11 | 2019-02-01 | 上海天旦网络科技发展有限公司 | 基于网络数据的实时反欺诈方法和系统及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 惠平 等编著: "《智能时代的银行知识管理》", 武汉大学出版社, pages: 162 - 166 * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110675220A (zh) * | 2019-09-12 | 2020-01-10 | 深圳前海大数金融服务有限公司 | 欺诈用户识别方法、系统及计算机可读存储介质 |
| CN110956547A (zh) * | 2019-11-28 | 2020-04-03 | 广州及包子信息技术咨询服务有限公司 | 一种基于搜索引擎的实时识别欺诈团伙的方法及系统 |
| CN110956547B (zh) * | 2019-11-28 | 2023-11-03 | 广州及包子信息技术咨询服务有限公司 | 一种基于搜索引擎的实时识别欺诈团伙的方法及系统 |
| CN111080440A (zh) * | 2019-12-18 | 2020-04-28 | 上海良鑫网络科技有限公司 | 大数据风控管理系统 |
| CN111147802A (zh) * | 2020-01-06 | 2020-05-12 | 上海欣方智能系统有限公司 | 一种加密视频会议的系统 |
| CN111915468A (zh) * | 2020-08-14 | 2020-11-10 | 中国科学院自动化研究所 | 新型的网络反诈骗主动巡检与预警系统 |
| CN111915468B (zh) * | 2020-08-14 | 2021-09-10 | 中国科学院自动化研究所 | 网络反诈骗主动巡检与预警系统 |
| CN112506983A (zh) * | 2020-09-18 | 2021-03-16 | 上海欣方智能系统有限公司 | 一种基于大数据支撑的反欺诈方法 |
| CN112365270A (zh) * | 2020-10-30 | 2021-02-12 | 上海欣方智能系统有限公司 | 一种金融欺诈识别与拦截的方法 |
| CN113807853A (zh) * | 2020-11-12 | 2021-12-17 | 中科金审(北京)科技有限公司 | 一种经济犯罪识别方法 |
| CN112435033A (zh) * | 2020-11-27 | 2021-03-02 | 上海欣方智能系统有限公司 | 一种实现金融反诈骗规则引擎的系统和方法 |
| CN113362069A (zh) * | 2021-06-01 | 2021-09-07 | 深圳前海微众银行股份有限公司 | 风控模型的动态调整方法、装置、设备及可读存储介质 |
| CN113487319A (zh) * | 2021-06-07 | 2021-10-08 | 广发银行股份有限公司 | 一种实现信用卡首笔反欺诈的系统及方法 |
| CN113806555A (zh) * | 2021-09-14 | 2021-12-17 | 国网北京市电力公司 | 用于app的运营异常识别方法、系统、装置及存储介质 |
| CN113806555B (zh) * | 2021-09-14 | 2023-08-08 | 国网北京市电力公司 | 用于app的运营异常识别方法、系统、装置及存储介质 |
| CN114021039A (zh) * | 2021-11-10 | 2022-02-08 | 深圳安巽科技有限公司 | 一种反诈联防预警方法、系统及存储介质 |
| CN114021039B (zh) * | 2021-11-10 | 2022-08-23 | 深圳安巽科技有限公司 | 一种反诈联防预警方法、系统及存储介质 |
| CN114240440A (zh) * | 2021-11-22 | 2022-03-25 | 广东电网有限责任公司 | 基于区块链技术的贸易背景数据交叉检验系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110148001A (zh) | 一种实现欺诈交易智能预警的系统及方法 | |
| Camarinha-Matos et al. | Collaborative networks: Reference modeling | |
| US8694475B2 (en) | Method and apparatus for situation-based management | |
| Zhao et al. | SOON: self-optimizing optical networks with machine learning | |
| CN107767265A (zh) | 一种数据共享方法及服务器 | |
| Petrenko et al. | Problem of developing an early-warning cybersecurity system for critically important governmental information assets | |
| US20050222895A1 (en) | Method and Apparatus for Creating and Using Situation Transition Graphs in Situation-Based Management | |
| US20050222811A1 (en) | Method and Apparatus for Context-Sensitive Event Correlation with External Control in Situation-Based Management | |
| US20050222810A1 (en) | Method and Apparatus for Coordination of a Situation Manager and Event Correlation in Situation-Based Management | |
| CN103581339A (zh) | 基于云计算的存储资源分配监控处理方法 | |
| CN112506983A (zh) | 一种基于大数据支撑的反欺诈方法 | |
| Wang | IoT anomaly detection method in intelligent manufacturing industry based on trusted evaluation | |
| CN104104702A (zh) | 面向家庭物联网的云计算架构 | |
| Ma et al. | Nudging data privacy management of open banking based on blockchain | |
| CN115168876A (zh) | 基于联邦学习的云边端协同方法、控制装置、及协同系统 | |
| Ji et al. | Multi-range gated graph neural network for telecommunication fraud detection | |
| CN109918384A (zh) | 一种数据同步方法及其设备、存储介质、电子设备 | |
| CN114205816B (zh) | 一种电力移动物联网信息安全架构及其使用方法 | |
| CN114418556A (zh) | 智慧城市更新和土地整备系统及方法 | |
| CN113313592A (zh) | 一种基于区块链的智能服务交易和监管系统 | |
| Long et al. | 6G comprehensive intelligence: network operations and optimization based on Large Language Models | |
| Jiang et al. | Credibility modelling of E-commerce networks based on block-chain and massive data mining | |
| Zhou et al. | Network security situation assessment methods and tactics based on multivariate spatiotemporal attack graph model | |
| Chen et al. | Industrial internet security evaluation technology based on digital twin | |
| CN111506565B (zh) | 智慧社区aiot大数据动态可视化分析方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190820 |