CN110378607A - 一种基于算法的汽车金融服务系统 - Google Patents

一种基于算法的汽车金融服务系统 Download PDF

Info

Publication number
CN110378607A
CN110378607A CN201910670799.8A CN201910670799A CN110378607A CN 110378607 A CN110378607 A CN 110378607A CN 201910670799 A CN201910670799 A CN 201910670799A CN 110378607 A CN110378607 A CN 110378607A
Authority
CN
China
Prior art keywords
data
risk management
automotive electronics
malicious
transaction data
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.)
Granted
Application number
CN201910670799.8A
Other languages
English (en)
Other versions
CN110378607B (zh
Inventor
郝润清
于大江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Lunuo Financial Electronic Technology Co Ltd
Original Assignee
Qingdao Lunuo Financial Electronic Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao Lunuo Financial Electronic Technology Co Ltd filed Critical Qingdao Lunuo Financial Electronic Technology Co Ltd
Priority to CN201910670799.8A priority Critical patent/CN110378607B/zh
Publication of CN110378607A publication Critical patent/CN110378607A/zh
Application granted granted Critical
Publication of CN110378607B publication Critical patent/CN110378607B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/30—Network architectures or network communication protocols for network security for supporting lawful interception, monitoring or retaining of communications or communication related information
    • H04L63/306—Network architectures or network communication protocols for network security for supporting lawful interception, monitoring or retaining of communications or communication related information intercepting packet switched data communications, e.g. Web, Internet or IMS communications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Technology Law (AREA)
  • Computer Security & Cryptography (AREA)
  • Signal Processing (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

一种基于算法的汽车金融服务系统，包括数据获取终端、数据传输模块、风险管控模块和后台服务中心，所述数据获取终端用于从汽车电商平台或者其他线上交易渠道获取汽车电子交易数据，获取的汽车电子交易数据通过数据传输模块传输至风险管控模块，所述风险管控模块用于拦截所述汽车电子交易数据中的异常数据，只有通过风险管控模块处理后的汽车电子交易数据才传输至后台服务中心，由后台服务中心进行存储和分析。本发明在汽车电子交易数据进入后台服务中心之前进行风险管控，能够有效的去除汽车电子交易数据中的离散数据和恶意数据，从而保证了汽车金融服务系统的安全。

Description

一种基于算法的汽车金融服务系统
技术领域
本发明创造涉及金融风险管控领域，具体涉及一种基于算法的汽车金融服务系统。
背景技术
随着科技的发展，越来越多的汽车交易开始朝着电子汽车商务的方向进行，每天在汽车电商平台或者其他线上交易渠道进行的汽车电子交易的数量在逐步递增，从而产生了数量庞大的汽车电子交易数据。这些数量庞大的交易数据在进入后台交互之前需要进行交易数据的风险控制，以防止其中出现异常数据，或者出现一些恶意数据。因此，系统获取的交易数据在进入后台交互之前首先需要经过风控规则的验证，只有通过风控规则验证的数据才被视为正常数据，未通过风控规则验证的数据会被直接拦截，但是现有的大数据风险控制方法中，风控规则的设定上可能存在主观性和不合理性，在风控管理中会浪费大量的人力资源，并且无法将金融产品与电子类产品相结合进行风险管控。
本发明运用算法的形式，对电子汽车商务中产生的电子交易数据进行风险管控，从而有效保障电子汽车商务的安全，为使用者提供更加方便高效的汽车服务系统。
发明内容
针对上述问题，本发明旨在提供一种基于算法的汽车金融服务系统。
本发明创造的目的通过以下技术方案实现：
一种基于算法的汽车金融服务系统，包括数据获取终端、数据传输模块、风险管控模块和后台服务中心，所述数据获取终端用于从汽车电商平台或者其他线上交易渠道获取汽车电子交易数据，获取的汽车电子交易数据通过数据传输模块传输至风险管控模块，所述风险管控模块用于拦截所述汽车电子交易数据中的异常数据，只有通过风险管控模块处理后的汽车电子交易数据才传输至后台服务中心，由后台服务中心进行存储和分析；所述风险管控模块包括第一风险管控单元和第二风险管控单元，所述第一风险管控单元用于拦截所述汽车电子交易数据中的离散数据，设x(t)为待检测数据，采用长度为k的滑动窗口截取x(t)前(k-1)个数据和待检测数据x(t)组成待检测数据集合X(t)，则X(t)＝{x(t-k+1)，x(t-k+2，...，x(t)，定义τ(i)为数据xi在数据集合X(t)中的离散修正系数，则τ(i)的表达式为：
式中，m(X(t))为数据集合X(t)中汽车电子交易数据的中值，k为数据集合X(t)中的数据量；
定义数据x(t)对应的离散因子为L(t)，则L(t)的计算公式为：
式中，m(τ(i))为数据集合X(t)中数据对应的离散修正系数τ(i)的中值，c1为数值较小的正常数，τ(t)为数据x(t)对应的离散修正系数；
设置离散检测阈值T，当L(t)＞T时，即判定该数据点为离散数据，并将该数据点删除；所述第一风险管控单元的输出端连接第二风险管控单元的输入端，所述第二风险管控单元用于拦截汽车电子交易数据中的恶意数据。
本发明创造的有益效果：本发明提供一种基于算法的汽车金融服务系统，在汽车电子交易数据进入后台服务中心之前进行风险管控，能够有效的去除汽车电子交易数据中的离散数据和恶意数据，从而保证了汽车金融服务系统的安全。
附图说明
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明结构示意图。
附图标记：
数据获取终端1；数据传输模块2；风险管控模块3；后台服务中心4。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例的一种基于算法的汽车金融服务系统，包括数据获取终端1、数据传输模块2、风险管控模块3和后台服务中心4，所述数据获取终端1用于从汽车电商平台或者其他线上交易渠道获取汽车电子交易数据，获取的汽车电子交易数据通过数据传输模块2传输至风险管控模块3，所述风险管控模块3用于拦截所述汽车电子交易数据中的异常数据，只有通过风险管控模块3处理后的汽车电子交易数据才传输至后台服务中心4，由后台服务中心4进行存储和分析。
优选地，所述风险管控模块3用于拦截所述汽车电子交易数据中的异常数据，包括第一风险管控单元和第二风险管控单元，所述第一风险管控单元用于拦截所述汽车电子交易数据中的离散数据，所述第一风险管控单元的输出端连接第二风险管控单元的输入端，所述第二风险管控单元用于拦截汽车电子交易数据中的恶意数据。
本优选实施例在汽车电子交易数据进入后台服务中心之前进行风险管控，能够有效的去除汽车电子交易数据中的离散数据和恶意数据，从而保证了汽车金融服务系统的安全。
优选地，所述第一风险控制单元用于拦截所述汽车电子交易数据中的离散数据，设x(t)为待检测数据，采用长度为k的滑动窗口截取x(t)前(k-1)个数据和待检测数据x(t)组成待检测数据集合X(t)，则X(t)＝{x(t-k+1)，x(t-k+2)，...，x(t)}，定义τ(i)为数据x(i)在数据集合X(t)中的离散修正系数，则τ(i)的表达式为：
式中，m(X(t))为数据集合X(t)中汽车电子交易数据的中值，k为数据集合X(t)中的数据量；
定义数据x(t)对应的离散因子为L(t)，则L(t)的计算公式为：
式中，m(τ(i))为数据集合X(t)中数据对应的离散修正系数τ(i)的中值，c1为数值较小的正常数，τ(t)为数据x(t)对应的离散修正系数；
设置离散检测阈值T，当L(t)＞T时，即判定该数据点为离散数据，并将该数据点删除。
本优选实施例用于对汽车电子交易数据中的离散数据进行拦截，在离散数据的判定过程中，采用数据和数据集合中数据中值之间的差值作为数据和数据集合中其他数据的距离度量，能够有效的避免离散数据对判定结果的影响；此外，引入离散修正系数对离散因子进行修正，离散修正系数使得正常值的离散因子更小，可减少正常值的误判，从而提高离散数据检测的准确率。
优选地，所述第二风险管控单元用于拦截第一风险管控单元输出的汽车电子交易数据中的恶意数据，包括数据聚类部分和恶意数据检测部分，所述数据聚类部分用于对第一风险管控单元输出的汽车电子交易数据进行分类，所述恶意数据检测部分用于判断各分类中的电子交易数据是否为恶性数据，当判断为恶意数据时即对该类中的数据进行拦截。
优选地，所述数据聚类部分采用模糊C均值聚类算法将汽车电子交易数据集划分为c个子类，设所述汽车电子交易数据集划分的类别集合为L＝{l1，l2，...，lc}，对类别集合L＝{l1，l2，...，lc}中的类进二次划分，定义类li和类lj之间的相关度为ρ(li，lj)，则ρ(li，lj)的表达式为：
式中，x′(li)为类li中汽车电子交易数据的均值，x′(lj)为类lj中汽车电子交易数据的均值；
计算类li和类集合L＝{l1，l2，...，lc}中各个类之间的相关度，并将计算所得的相关度由大到小进行排列，选取前w个相关度进行求和，即得到类li对应的类间聚合度H(li，w)，则其中，p(li，lt)为类li和类lt之间的相关度；
对集合L中的类进行划分，选择具有最大相关度的两个类lm和ln，分别计算类lm和类ln对应的类间聚合度H(lm，w)和H(lΩ，w)，当H(lm，w)＞H(ln，w)时，即将类lm定义为聚类中心，类ln定义为类内成员，当H(lm，w)＜H(ln，w)时，即将类ln定义为聚类中心，类lm定义为类内成员，将定义为类内成员的类从集合L中删除后，重新选取具有最大相关度的两个类进行类间聚合度的比较，并根据比较结果对这两个类进行重新定义，直到集合L中剩余的类的个数为C时(其中，C为给定的聚类中心数)，即停止对集合L中剩余的类的划分，将定义为类内成员的类加入到和其具有最大相关度的聚类中心中，形成新的类。
本优选实施例采用模糊C均值聚类算法将汽车电子交易数据集划分为多个子类，并在该划分的基础上进行二次划分，从而提高了汽车电子交易数据分类结果的准确性；在二次划分的过程中，将子类中数据的均值代替原子类中的数据进行划分，从而减小了二次划分的数据规模，使算法的整体复杂度大大降低，效率大幅度提高。
优选地，所述恶意数据检测部分用于判断数据聚类部分中最终划分后的各分类中的电子交易数据是否为恶性数据，设数据聚类部分最终划分后的类别集合为L′＝{l′1，l′2，...，l′C}，定义类l′p对应的恶意数据判断因子为F(l′p)，则F(l′p)的计算公式为：
式中，F(l′p)为类l′p对应的恶意数据判断因子，C为类别集合L′中的类别数，为调节参数，且
确定恶意数据类别的个数，取使得的最小e值(其中，ρ为设置的阈值，|l′i|为类l′i中的数据量，|L′|为类别集合L′中的数据量)，计算类别集合L′中每个类别所对应的恶意数据判断因子，并将计算所得的恶意数据判断因子值按递减的顺序进行排列，则判定前e个类别为恶意数据类别。
本优选实施例通过定义恶意数据判断因子对划分的类别进行判断，有效的实现了恶意数据类别的判断，从而实现了对所述汽车电子交易数据中恶意数据的拦截。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (3)

1.一种基于算法的汽车金融服务系统，其特征是，包括数据获取终端、数据传输模块、风险管控模块和后台服务中心，所述数据获取终端用于从汽车电商平台或者其他线上交易渠道获取汽车电子交易数据，获取的汽车电子交易数据通过数据传输模块传输至风险管控模块，所述风险管控模块用于拦截所述汽车电子交易数据中的异常数据，只有通过风险管控模块处理后的汽车电子交易数据才传输至后台服务中心，由后台服务中心进行存储和分析；所述风险管控模块包括第一风险管控单元和第二风险管控单元，所述第一风险管控单元用于拦截所述汽车电子交易数据中的离散数据，设为待检测数据，采用长度为的滑动窗口截取前个数据和待检测数据组成待检测数据集合，则，定义为数据在数据集合中的离散修正系数，则的表达式为：
式中，为数据集合中汽车电子交易数据的中值，为数据集合中的数据量；
定义数据对应的离散因子为，则的计算公式为：
式中，为数据集合中数据对应的离散修正系数的中值，为数值较小的正常数，为数据对应的离散修正系数；
设置离散检测阈值，当时，即判定该数据点为离散数据，并将该数据点删除；所述第一风险管控单元的输出端连接第二风险管控单元的输入端，所述第二风险管控单元用于拦截汽车电子交易数据中的恶意数据。
2.根据权利要求1所述的一种基于算法的汽车金融服务系统，其特征是，所述第二风险管控单元用于拦截第一风险管控单元输出的汽车电子交易数据中的恶意数据，包括数据聚类部分和恶意数据检测部分，所述数据聚类部分用于对第一风险管控单元输出的汽车电子交易数据进行分类，所述恶意数据检测部分用于判断各分类中的电子交易数据是否为恶性数据，当判断为恶意数据时即对该类中的数据进行拦截。
3.根据权利要求2所述的一种基于算法的汽车金融服务系统，其特征是，所述恶意数据检测部分用于判断数据聚类部分中最终划分后的各分类中的电子交易数据是否为恶性数据，设数据聚类部分最终划分后的类别集合为，定义类对应的恶意数据判断因子为，则的计算公式为：
式中，为类对应的恶意数据判断因子，为类别集合中的类别数，为调节参数，且；
确定恶意数据类别的个数，取使得的最小值（其中，为设置的阈值，为类中的数据量，为类别集合中的数据量），计算类别集合中每个类别所对应的恶意数据判断因子，并将计算所得的恶意数据判断因子值按递减的顺序进行排列，则判定前个类别为恶意数据类别。
CN201910670799.8A 2019-07-24 2019-07-24 一种基于算法的汽车金融服务系统 Active CN110378607B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910670799.8A CN110378607B (zh) 2019-07-24 2019-07-24 一种基于算法的汽车金融服务系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910670799.8A CN110378607B (zh) 2019-07-24 2019-07-24 一种基于算法的汽车金融服务系统

Publications (2)

Publication Number Publication Date
CN110378607A true CN110378607A (zh) 2019-10-25
CN110378607B CN110378607B (zh) 2020-06-05

Family

ID=68255537

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910670799.8A Active CN110378607B (zh) 2019-07-24 2019-07-24 一种基于算法的汽车金融服务系统

Country Status (1)

Country Link
CN (1) CN110378607B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111507649A (zh) * 2020-06-30 2020-08-07 南昌木本医疗科技有限公司 一种基于区块链的金融大数据风控平台
CN116628536A (zh) * 2023-07-26 2023-08-22 杭州易靓好车互联网科技有限公司 一种汽车在线交易数据处理系统
CN116703101A (zh) * 2023-06-16 2023-09-05 青岛鲁诺金融电子技术有限公司 一种基于大数据的汽车销售服务管理系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103400152A (zh) * 2013-08-20 2013-11-20 哈尔滨工业大学 基于分层聚类的滑动窗口多数据流异常检测方法
CN105160181A (zh) * 2015-09-02 2015-12-16 华中科技大学 一种数控系统指令域序列异常数据检测方法
CN107528722A (zh) * 2017-07-06 2017-12-29 阿里巴巴集团控股有限公司 一种时间序列中异常点检测方法及装置
US20180248902A1 (en) * 2015-08-28 2018-08-30 Mircea DÃNILÃ-DUMITRESCU Malicious activity detection on a computer network and network metadata normalisation
CN109558416A (zh) * 2018-11-07 2019-04-02 北京先进数通信息技术股份公司 一种异常交易的检测方法、装置及存储介质
CN109948728A (zh) * 2019-03-28 2019-06-28 第四范式（北京）技术有限公司 异常交易检测模型的训练以及异常交易检测的方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103400152A (zh) * 2013-08-20 2013-11-20 哈尔滨工业大学 基于分层聚类的滑动窗口多数据流异常检测方法
US20180248902A1 (en) * 2015-08-28 2018-08-30 Mircea DÃNILÃ-DUMITRESCU Malicious activity detection on a computer network and network metadata normalisation
CN105160181A (zh) * 2015-09-02 2015-12-16 华中科技大学 一种数控系统指令域序列异常数据检测方法
CN107528722A (zh) * 2017-07-06 2017-12-29 阿里巴巴集团控股有限公司 一种时间序列中异常点检测方法及装置
CN109558416A (zh) * 2018-11-07 2019-04-02 北京先进数通信息技术股份公司 一种异常交易的检测方法、装置及存储介质
CN109948728A (zh) * 2019-03-28 2019-06-28 第四范式（北京）技术有限公司 异常交易检测模型的训练以及异常交易检测的方法和装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111507649A (zh) * 2020-06-30 2020-08-07 南昌木本医疗科技有限公司 一种基于区块链的金融大数据风控平台
CN112036754A (zh) * 2020-06-30 2020-12-04 南昌木本医疗科技有限公司 基于区块链的金融大数据风控平台
CN112036754B (zh) * 2020-06-30 2022-09-16 上海即科智能技术集团有限公司 基于区块链的金融大数据风控系统
CN116703101A (zh) * 2023-06-16 2023-09-05 青岛鲁诺金融电子技术有限公司 一种基于大数据的汽车销售服务管理系统及方法
CN116703101B (zh) * 2023-06-16 2024-06-04 青岛鲁诺金融电子技术有限公司 一种基于大数据的汽车销售服务管理系统及方法
CN116628536A (zh) * 2023-07-26 2023-08-22 杭州易靓好车互联网科技有限公司 一种汽车在线交易数据处理系统
CN116628536B (zh) * 2023-07-26 2023-10-31 杭州易靓好车互联网科技有限公司 一种汽车在线交易数据处理系统

Also Published As

Publication number Publication date
CN110378607B (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
CN110378607A (zh) 一种基于算法的汽车金融服务系统
US8392760B2 (en) Diagnosing abnormalities without application-specific knowledge
EP3691189B1 (en) Method, apparatus and computer program for predicting fault of optical module
CN103929330B (zh) 域名服务质量评估方法及系统
CN109472005B (zh) 数据可信度评估方法、装置、设备和存储介质
Gromoll Diffusion approximation for a processor sharing queue in heavy traffic
CN105574544A (zh) 一种数据处理方法和装置
Rosenthal et al. Transformations for simplifying network reliability calculations
CN112017042A (zh) 基于tweedie分布的资源配额确定方法、装置和电子设备
Parkan et al. Operational competitiveness analysis on software development
Goldsman et al. Statistical selection of the best system
CN107133462A (zh) 数据处理方法、装置及设备
Gehrke et al. Taming reasoning in temporal probabilistic relational models
US11631020B2 (en) Systems and methods for estimating validation time for fraud detection rules
CN107092679A (zh) 一种特征词向量获得方法、文本分类方法及装置
US20040030786A1 (en) Method and system for eliminating redundant rules from a rule set
CN110472409A (zh) 一种基于白名单机制的进程管理方法及系统
Verner et al. Technology dependence in function point analysis: a case study and critical review
Puha et al. Invariant states and rates of convergence for a critical fluid model of a processor sharing queue
Reinhold et al. On the quantum foundations of some classical approximations for ion-atom collisions
Bressan et al. A sharp decay estimate for positive nonlinear waves
CN115333922A (zh) 运维支撑网告警数据挖掘方法、系统及存储介质
Boxma et al. A two-queue polling model with a threshold service policy
CN112668842A (zh) 车险理赔风险因子评价方法及装置、电子设备、介质
Alexopoulos et al. Output data analysis for simulations

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
GR01 Patent grant
GR01 Patent grant