CN110992045B - 一种应收账款债权流转异常风险监控方法及系统 - Google Patents
一种应收账款债权流转异常风险监控方法及系统 Download PDFInfo
- Publication number
- CN110992045B CN110992045B CN201911122178.2A CN201911122178A CN110992045B CN 110992045 B CN110992045 B CN 110992045B CN 201911122178 A CN201911122178 A CN 201911122178A CN 110992045 B CN110992045 B CN 110992045B
- Authority
- CN
- China
- Prior art keywords
- wind control
- control rule
- risk
- current
- list
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 17
- 238000012546 transfer Methods 0.000 claims abstract description 17
- 238000011217 control strategy Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012954 risk control Methods 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000004900 laundering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012360 testing method 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种应收账款债权流转异常风险监控方法及系统，属于风险控制技术领域，包括：获取交易指令，并根据设定的风控规则，得到与交易指令对应的风控规则列表；采用分布式并行负载均衡方法将所述风控规则列表分配到n个风控规则执行节点进行处理；接收各风控规则执行节点对风控规则列表中风控规则的业务风险识别的结果；根据与风险识别结果对应的风控策略，对交易指令进行风险监控。本发明通过设定的风控规则和算法发现可疑交易并进行实时控制，实现应收账款债权的流转的实时精准预警和有效拦截。
Description
技术领域
本发明涉及风险控制技术领域，特别涉及一种应收账款债权流转异常风险监控方法及系统。
背景技术
随着基于高速互联网的供应链金融服务的普及，应收账款债权也不断通过电子化、数字化的形式加速流转，现代信息技术和金融科技创新让应收账款流转融资更加高效便捷的同时，也带来一些新的交易风险。应收账款债权电子化流转过程中，在采取身份验证、交易密码、短信验证、数字签名、加密解密等常规技术手段保障交易和数据安全之外，如何对用户的债权流转行为进行实时化、智能化的分析，实现债权流转风险监控对于促进和规范应收账款电子化流转、防范业务风险都具有重要意义。
发明内容
本发明的目的在于克服现有技术存在的不足，对应收账款债权流转异常风险进行实时精准预警和有效拦截。
为实现以上目的，本发明采用一种应收账款债权流转异常风险监控方法，包括如下步骤：
获取交易指令，并根据设定的风控规则，得到与所述交易指令对应的风控规则列表；
采用分布式并行负载均衡方法将所述风控规则列表分配到n个风控规则执行节点进行处理；
接收各风控规则执行节点对所述风控规则列表中风控规则的业务风险识别的结果；
根据与所述风险识别结果对应的风控策略，对所述交易指令进行风险监控。
进一步地，所述采用分布式并行负载均衡方法将所述风控规则列表分配到n个风控规则执行节点进行处理，包括：
获取所述各风控规则执行节点的负载初始值；
从所述风控规则列表中抽取一条风控规则，并从风控规则执行节点连接列表中查找到当前最轻负载的风控规则执行节点；
将风控规则发送给所述当前最轻负载的风控规则执行节点，以供风控规则执行节点对风控规则的业务风险进行识别，并获取该风控规则执行节点当前负载。
进一步地，还包括采用权重向量法计算所述各风控规则执行节点的负载：
其中，n表示选取的负载指标的个数，Li表示第i个指标的负载，ki为第i个指标的权重，表示该指标对节点机运算性能的影响程度。
进一步地，所述风控规则执行节点对风控规则的业务风险进行识别，包括：
对当前条风控规则的业务进行转受让价偏离市场价判定，并确定风险等级；
对当前条风控规则的业务进行互为交易对手判定，并确定风险等级；
对当前条风控规则的业务进行高买低卖判定，并确定风险等级；
对当前条风控规则的业务进行撤单次数判定，并确定风险等级；
对当前条风控规则的业务进行持有数额判定，并确定风险等级；
对当前条风控规则的业务进行自定义风控规则判定，并确定风险等级。
进一步地，所述对当前条风控规则的业务进行转受让价偏离市场价判定，并确定风险等级，包括：
根据所述交易指令的转受让价格和转受让数额，计算所述交易指令的价格；
根据所述交易指令的价格和实时评估的市场价格，计算转受让价格的偏离幅度；
将该偏离幅度与偏离幅度-风控等级表匹配，得到所述交易指令的偏离幅度对应的风险等级。
进一步地，所述对当前条风控规则的业务进行互为交易对手判定，并确定风险等级，包括：
根据所述交易指令的出让人、受让人信息，计算包括当前交易指令在内的互为交易对手次数；
将互为交易对手次数与互为交易对手次数-风险等级表匹配，得到所述交易指令的互为交易对手的风险等级；
所述对当前条风控规则的业务进行高买低卖判定，并确定风险等级，包括：
根据所述交易指令的转让价信息，计算包括当前交易指令在内的高买低卖次数；
将高买低卖次数与高买低卖次数-风险等级表进行匹配，得到所述交易指令的高买低卖风险等级；
所述对当前条风控规则的业务进行撤单次数判定，并确定风险等级，包括：
根据所述交易指令的客户信息，计算包括当前交易指令在内的撤单次数；
将撤单次数与撤单次数-风险等级表进行匹配，得到所述交易指令的撤单风险等级；
所述对当前条风控规则的业务进行持有数额判定，并确定风险等级，包括：
根据所述交易指令的客户信息，计算包括当前交易指令在内金额在内的债权持仓比例；
将债权持仓比例与债权持仓比例-风险等级表进行匹配，得到所述交易指令的持有数额风险等级。
进一步地，所述对当前条风控规则的业务进行自定义风控规则判定，并确定风险等级，包括：
a1)获取自定义风控规则列表；
a2)从自定义风控规则列表取得的列表中取一条自定义风控规则Fi；
a3)根据适用指令类型判断当前指令是否适用此风控规则，若是则执行步骤a4)，若否则执行步骤a5)；则略过此条自定义风控规则
a4)对此风控规则进行业务统计，得出统计值f，并将f与Fi比较大小并确定风控等级；
a5)略过此条自定义风控规则；
a6)重复步骤a2)～a3)，直至自定义风控规则列表全部处理完成；
a7)循环执行步骤a3)～a6)，直至全部风控规则列表执行完毕。
另一方面，采用一种应收账款债权流转异常风险监控系统，包括：获取模块、风险识别模块和风险监控模块，其中风险识别模块包括任务分派节点和风控规则执行节点；
获取模块用于获取交易指令，并根据设定的风控规则，得到与所述交易指令对应的风控规则列表；
任务分派节点用于采用分布式并行负载均衡方法将所述风控规则列表分配到n风控规则执行节点进行处理；
任务分派节点接收各风控规则执行节点对所述风控规则列表中风控规则的业务风险识别的结果；
风险监控模块用于根据与所述风险识别结果对应的风控策略，对所述交易指令进行风险监控。
进一步地，所述任务分派节点包括负载初始值获取单元、查找单元和识别结果接收单元；
负载初始值获取单元用于获取所述各风控规则执行节点的负载初始值；
查找单元用于从所述风控规则列表中抽取一条风控规则，并从风控规则执行节点连接列表中查找到当前最轻负载的风控规则执行节点；
识别结果接收单元用于将风控规则发送给所述当前最轻负载的风控规则执行节点，以供风控规则执行节点对风控规则的业务风险进行识别，并获取该风控规则执行节点当前负载。
进一步地，所述风控规则执行节点包括负载计算单元和风险识别单元；
负载计算单元用于采用权重向量法计算其当前负载：
其中，n表示选取的负载指标的个数，Li表示第i个指标的负载，ki为第i个指标的权重，表示该指标对节点机运算性能的影响程度；
风险识别单元用于对风控规则的业务风险进行识别，并将风险识别结果发送至所述识别结果接收单元。
与现有技术相比，本发明存在以下技术效果：本发明根据设定的风控规则，对多种指令类型的交易指令进行识别，一个交易指令可能由多种风控识别规则进行风控识别，得到相应的风控等级，检测出每笔交易指令是否为风险交易，并对不同风险等级的交易采用不同的风险监控策略，以实现对每笔交易指令的风险监控。
附图说明
下面结合附图，对本发明的具体实施方式进行详细描述：
图1是一种应收账款债权流转异常风险监控方法的流程示意图；
图2是债权流转异常风险监控原理示意图；
图3是一种应收账款债权流转异常风险监控系统的结构示意图。
具体实施方式
为了更进一步说明本发明的特征，请参阅以下有关本发明的详细说明与附图。所附图仅供参考与说明之用，并非用来对本发明的保护范围加以限制。
如图1-图2所示，本实施例公开了一种应收账款债权流转异常风险监控方法，包括如下步骤S1至S4：
S1、获取交易指令，并根据设定的风控规则，得到与所述交易指令对应的风控规则列表；
S2、采用分布式并行负载均衡方法将所述风控规则列表分配到n个风控规则执行节点进行处理；
S3、接收各风控规则执行节点对所述风控规则列表中风控规则的业务风险识别的结果；
S4、根据与所述风险识别结果对应的风控策略，对所述交易指令进行风险监控。
具体来说，在上述步骤S1中，根据交易指令类型，从风控规则控制表匹配指令类型查询出一条交易指令要检查的风控规则列表，如下表1为具体风控规则数据示例，风控规则控制表主要定义字段及具体形式：
表1
对每笔风控规则的具体描述在风控规则详细表中主要定义字段示例如表2所示：
表2
具体来说，本实施例设定的风控规则包括转受让价偏离市场价风控规则、多次互为交易对手风控规则、多次高买低卖风控规则、撤单次数过多风控规则、持有数额超限风控规则和自定义风控规则，其中：
(1)转受让价偏离市场价风控规则：是指参与交易的转让方或受让方较市场价偏离较大申报的行为，可针对价格偏离幅度由低到高设定三级风控策略，如下表3所示：
表3偏离幅度-风控等级表
(2)多次互为交易对手风控规则：是指以一组实际控制关系账户内的双方客户之间，多次进行互为对手方的交易。由低到高设定三级风控策略，如下表4所示：
表4互为交易对手次数-风险等级表
其中，风控值即互为交易对手次数的设定可以参考系统中互为交易对手次数的加权平均值，具体计算过程如下：
根据历史交易指令统计，计算出系统中客户互为交易对手次数的加权平均值
其中，表示系统中客户互为交易对手次数的加权平均值，hk表示第k个客户互为交易对手次数，fk表示第k个客户总交易次数。
(3)多次高买低卖风控规则：指某账户在某一时间段内多次高买低卖的异常行为。由低到高设定三级风控策略，如下表5所示：
表5高买低卖次数-风险等级表
其中，风控值即高买低卖次数的设定可以参考系统中高买低卖次数的加权平均值，具体计算过程如下：
对历史指令统计，计算出系统中客户高买低卖次数的加权平均值G：
其中，表示系统中客户高买低卖次数的加权平均值，gk表示第k个客户高买低卖次数，fk表示第k个客户总交易次数。
(4)撤单次数过多风控规则：指某一段时间内出现频繁申报并撤销申报，可能影响交易价格或者误导市场其他参与者进行交易的行为。由低到高设定三级风控策略，如下表6所示：
表6撤单次数-风险等级表
风控值即撤单次数的设定可参考系统中撤单次数的加权平均值，计算过程如下：
对历史指令统计，计算出系统中客户撤单的加权平均值C
其中，表示系统中客户撤单次数的加权平均值，ck表示第k个客户撤单次数，fk表示第k个客户总交易次数。
(5)持有数额超限风控规则：指某账户持有某应收账款债权数额超过发放金额的某一比例。由低到高设定三级风控策略，如下表7所示：
表7债权持仓比例-风险等级表
(6)自定义风控规则：支持风控人员动态自定义风控规则，根据风控要求设置R1、R2、R3不同等级的风控策略，如下表8所示：
表8自定义风控规则列表
需要说明的是，本实施中各风控规则列表中的风险级别、风控值以及不同风险等级对应的控制策略仅为举例说明，本领域技术人员可根据实际情况进行具体设置，以符合实际应用场景的需要。
具体来说，上述步骤S2：采用分布式并行负载均衡方法将所述风控规则列表分配到n个风控规则执行节点进行处理，具体包括步骤S21至S23：
S21、取所述各风控规则执行节点的负载初始值；
S22、从所述风控规则列表中抽取一条风控规则，并从风控规则执行节点连接列表中查找到当前最轻负载的风控规则执行节点；
S23、将风控规则发送给所述当前最轻负载的风控规则执行节点，以供风控规则执行节点对风控规则的业务风险进行识别，并获取该风控规则执行节点当前负载。
需要说明的是，针对交易指令对应的风控规则列表，本实施例处理采用分布式并行负载均衡处理方法，以提高处理效率，因为如果识别过程串行执行，势必对执行效率、系统压力等构成影响。
进一步地，对交易指令的风控规则列表由任务指派节点分配到n个风控规则执行节点进行处理，任务指派采用负载均衡进行动态分配决策，采用最轻载负载方式。节点的计算能力涉及到节点机硬件的多个方面的性能，包括CPU运算速度、内存大小、虚拟内存大小、硬盘空间等因素，但在并行计算任务调度中，最主要的因素是节点处理机的CPU运行速度和内存大小。根据权重向量法确定一个综合参数来衡量一个节点机的负载信息：
其中，n表示选取的负载指标的个数，Li表示第i个指标的负载，ki为第i个指标的权重，表示该指标对节点机运算性能的影响程度。
例如，选取CPU利用率和内存使用率的作负载指标，则公式修正如下：
其中，kcpu+kmem＝1，Lcpu、Lmem由操作系统提供方法计算得出，kcpu、kmem权重值由实验测试得出。
具体来说，风控规则执行节点对风控规则的业务风险进行识别，包括如下步骤：
(1)对当前条风控规则的业务进行转受让价偏离市场价判定，并确定风险等级，具体过程如下：
根据所述交易指令的转受让价格和转受让数额，计算所述交易指令的价格：
其中，P示指令价格，p表示转受让价格，n表示转受让数额；
根据所述交易指令的价格P和实时评估的市场价格P0，计算转受让价格的偏离幅度：
将该偏离幅度与偏离幅度-风控等级表匹配，得到所述交易指令的偏离幅度对应的风险等级。
(2)对当前条风控规则的业务进行互为交易对手判定，并确定风险等级，具体过程如下：
根据所述交易指令的出让人、受让人信息，计算包括当前交易指令在内的互为交易对手次数；
将互为交易对手次数与互为交易对手次数-风险等级表匹配，得到所述交易指令的互为交易对手的风险等级。
(3)对当前条风控规则的业务进行高买低卖判定，并确定风险等级，具体过程如下：
根据所述交易指令的转让价信息，计算包括当前交易指令在内的高买低卖次数；
将高买低卖次数与高买低卖次数-风险等级表进行匹配，得到所述交易指令的高买低卖风险等级。
(4)对当前条风控规则的业务进行撤单次数判定，并确定风险等级，具体过程如下：
根据所述交易指令的客户信息，计算包括当前交易指令在内的撤单次数；
将撤单次数与撤单次数-风险等级表进行匹配，得到所述交易指令的撤单风险等级。
(5)对当前条风控规则的业务进行持有数额判定，并确定风险等级，具体过程如下：
根据所述交易指令的客户信息，计算包括当前交易指令在内金额在内的债权持仓比例；
将债权持仓比例与债权持仓比例-风险等级表进行匹配，得到所述交易指令的持有数额风险等级。
(6)对当前条风控规则的业务进行自定义风控规则判定，并确定风险等级，具体过程如下：
a1)获取自定义风控规则列表；
a2)从自定义风控规则列表取得的列表中取一条自定义风控规则Fi；
a3)根据适用指令类型判断当前指令是否适用此风控规则，若是则执行步骤a4)，若否则执行步骤a5)；则略过此条自定义风控规则
a4)对此风控规则进行业务统计，得出统计值f，并将f与Fi比较大小并确定风控等级；
a5)略过此条自定义风控规则；
a6)重复步骤a2)～a3)，直至自定义风控规则列表全部处理完成；
a7)循环执行步骤a3)～a6)，直至全部风控规则列表执行完毕。
具体来说，上述步骤S4：根据与所述风险识别结果对应的风控策略，对所述交易指令进行风险监控，具体为：根据所述风险识别结果，在风控规则列表中查到当前风险等级对应的控制策略，比如预警、拦截交易或冻结账户等。
如图3所示，本实施例公开了一种应收账款债权流转异常风险监控系统，包括：获取模块10、风险识别模块20和风险监控模块30，其中风险识别模块20包括任务分派节点和风控规则执行节点；
获取模块10用于获取交易指令，并根据设定的风控规则，得到与所述交易指令对应的风控规则列表；
任务分派节点用于采用分布式并行负载均衡方法将所述风控规则列表分配到n风控规则执行节点进行处理；
任务分派节点接收各风控规则执行节点对所述风控规则列表中风控规则的业务风险识别的结果；
风险监控模块30用于根据与所述风险识别结果对应的风控策略，对所述交易指令进行风险监控。
具体来说，所述任务分派节点包括负载初始值获取单元、查找单元和识别结果接收单元；
负载初始值获取单元用于获取所述各风控规则执行节点的负载初始值；
查找单元用于从所述风控规则列表中抽取一条风控规则，并从风控规则执行节点连接列表中查找到当前最轻负载的风控规则执行节点；
识别结果接收单元用于将风控规则发送给所述当前最轻负载的风控规则执行节点，以供风控规则执行节点对风控规则的业务风险进行识别，并获取该风控规则执行节点当前负载。
具体来说，所述风控规则执行节点包括负载计算单元和风险识别单元；
负载计算单元用于采用权重向量法计算其当前负载：
其中，n表示选取的负载指标的个数，Li表示第i个指标的负载，ki为第i个指标的权重，表示该指标对节点机运算性能的影响程度；
风险识别单元用于对风控规则的业务风险进行识别，并将风险识别结果发送至所述识别结果接收单元。
本实施例提供的债权流转异常风险监控策略，通过风控规则的设定和算法发现可疑交易并进行实时控制，实现应收账款债权的流转的实时精准预警和有效拦截，实时阻断高风险交易以有效防范恶意扰乱债权流转市场的行为以及通过债权流转实施洗钱、不正当利益输送等方面的潜在风险，这对于促进和规范应收账款电子化流转、防范业务风险都具有重要意义。
以上所述仅为本发明的较佳实施例，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 (5)
1.一种应收账款债权流转异常风险监控方法，其特征在于，包括：
S1：获取交易指令，并根据设定的风控规则，得到与所述交易指令对应的风控规则列表；
S2：采用分布式并行负载均衡方法将所述风控规则列表分配到n个风控规则执行节点进行处理，具体包括：
S21：获取所述各风控规则执行节点的负载初始值；
S22：从所述风控规则列表中抽取一条风控规则，并从风控规则执行节点连接列表中查找到当前最轻负载的风控规则执行节点；
S23：将风控规则发送给所述当前最轻负载的风控规则执行节点，以供风控规则执行节点对风控规则的业务风险进行识别，并获取该风控规则执行节点当前负载，计算公式如下：
其中，n表示选取的负载指标的个数，Li表示第i个指标的负载，ki为第i个指标的权重，表示该指标对节点机运算性能的影响程度；
S3：接收各风控规则执行节点对所述风控规则列表中风控规则的业务风险识别的结果；
S4：根据与所述风险识别结果对应的风控策略，对所述交易指令进行风险监控；
所述采用分布式并行负载均衡方法将所述风控规则列表分配到n个风控规则执行节点进行处理，包括：
其中，n表示选取的负载指标的个数，Li表示第i个指标的负载，ki为第i个指标的权重，表示该指标对节点机运算性能的影响程度；
所述风控规则执行节点对风控规则的业务风险进行识别，包括：
对当前条风控规则的业务进行转受让价偏离市场价判定，并确定风险等级；
对当前条风控规则的业务进行互为交易对手判定，并确定风险等级；
对当前条风控规则的业务进行高买低卖判定，并确定风险等级；
对当前条风控规则的业务进行撤单次数判定，并确定风险等级；
对当前条风控规则的业务进行持有数额判定，并确定风险等级；
对当前条风控规则的业务进行自定义风控规则判定，并确定风险等级。
2.如权利要求1所述的应收账款债权流转异常风险监控方法，其特征在于，所述对当前条风控规则的业务进行转受让价偏离市场价判定，并确定风险等级，包括：
根据所述交易指令的转受让价格和转受让数额，计算所述交易指令的价格；
根据所述交易指令的价格和实时评估的市场价格，计算转受让价格的偏离幅度；
将该偏离幅度与偏离幅度-风控等级表匹配，得到所述交易指令的偏离幅度对应的风险等级。
3.如权利要求1所述的应收账款债权流转异常风险监控方法，其特征在于，所述对当前条风控规则的业务进行互为交易对手判定，并确定风险等级，包括：
根据所述交易指令的出让人、受让人信息，计算包括当前交易指令在内的互为交易对手次数；
将互为交易对手次数与互为交易对手次数-风险等级表匹配，得到所述交易指令的互为交易对手的风险等级；
所述对当前条风控规则的业务进行高买低卖判定，并确定风险等级，包括：
根据所述交易指令的转让价信息，计算包括当前交易指令在内的高买低卖次数；
将高买低卖次数与高买低卖次数-风险等级表进行匹配，得到所述交易指令的高买低卖风险等级；
所述对当前条风控规则的业务进行撤单次数判定，并确定风险等级，包括：
根据所述交易指令的客户信息，计算包括当前交易指令在内的撤单次数；
将撤单次数与撤单次数-风险等级表进行匹配，得到所述交易指令的撤单风险等级；
所述对当前条风控规则的业务进行持有数额判定，并确定风险等级，包括：
根据所述交易指令的客户信息，计算包括当前交易指令在内金额在内的债权持仓比例；
将债权持仓比例与债权持仓比例-风险等级表进行匹配，得到所述交易指令的持有数额风险等级。
4.如权利要求1所述的应收账款债权流转异常风险监控方法，其特征在于，所述对当前条风控规则的业务进行自定义风控规则判定，并确定风险等级，包括：
a1)获取自定义风控规则列表；
a2)从自定义风控规则列表取得的列表中取一条自定义风控规则Fi；
a3)根据适用指令类型判断当前指令是否适用此风控规则，若是则执行步骤a4)，若否则执行步骤a5)；则略过此条自定义风控规则
a4)对此风控规则进行业务统计，得出统计值f，并将f与Fi比较大小并确定风控等级；
a5)略过此条自定义风控规则；
a6)重复步骤a2)～a3)，直至自定义风控规则列表全部处理完成；
a7)循环执行步骤a3)～a6)，直至全部风控规则列表执行完毕。
5.一种应收账款债权流转异常风险监控系统，其特征在于，包括：获取模块、风险识别模块和风险监控模块，其中风险识别模块包括任务分派节点和风控规则执行节点，任务分派节点包括负载初始值获取单元、查找单元和识别结果接收单元，所述风控规则执行节点包括负载计算单元和风险识别单元；
获取模块用于获取交易指令，并根据设定的风控规则，得到与所述交易指令对应的风控规则列表；
任务分派节点用于采用分布式并行负载均衡方法将所述风控规则列表分配到n风控规则执行节点进行处理；
任务分派节点接收各风控规则执行节点对所述风控规则列表中风控规则的业务风险识别的结果；
风险监控模块用于根据与所述风险识别结果对应的风控策略，对所述交易指令进行风险监控；
负载初始值获取单元用于获取所述各风控规则执行节点的负载初始值；
查找单元用于从所述风控规则列表中抽取一条风控规则，并从风控规则执行节点连接数列表中查找到当前最轻负载的风控规则执行节点；
识别结果接收单元用于将风控规则发送给所述当前最轻负载的风控规则执行节点，以供风控规则执行节点对风控规则的业务风险进行识别，并获取该风控规则执行节点当前负载；
负载计算单元用于采用权重向量法计算其当前负载：
其中，n表示选取的负载指标的个数，Li表示第i个指标的负载，ki为第i个指标的权重，表示该指标对节点机运算性能的影响程度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911122178.2A CN110992045B (zh) | 2019-11-15 | 2019-11-15 | 一种应收账款债权流转异常风险监控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911122178.2A CN110992045B (zh) | 2019-11-15 | 2019-11-15 | 一种应收账款债权流转异常风险监控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110992045A CN110992045A (zh) | 2020-04-10 |
| CN110992045B true CN110992045B (zh) | 2024-03-22 |
Family
ID=70084577
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911122178.2A Active CN110992045B (zh) | 2019-11-15 | 2019-11-15 | 一种应收账款债权流转异常风险监控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110992045B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111489166A (zh) * | 2020-04-17 | 2020-08-04 | 支付宝(杭州)信息技术有限公司 | 风险防控方法、装置、处理设备及系统 |
| CN112541810A (zh) * | 2020-12-09 | 2021-03-23 | 深圳市快付通金融网络科技服务有限公司 | 业务数据的风险处置方法、装置及计算机可读存储介质 |
| CN112785145A (zh) * | 2021-01-19 | 2021-05-11 | 南方基金管理股份有限公司 | 一种实现金融交易风险指标并行化计算及风险控制的方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001011812A2 (en) * | 1999-08-09 | 2001-02-15 | Sudia Frank W | Distributed rule enforcement systems |
| CA2765096A1 (en) * | 2009-05-28 | 2010-12-02 | Visa International Service Association | Managed real-time transaction fraud analysis and decisioning |
| CN105590158A (zh) * | 2014-12-30 | 2016-05-18 | 中国银联股份有限公司 | 交易风险实时控制系统 |
| CN105590216A (zh) * | 2015-11-18 | 2016-05-18 | 中国银联股份有限公司 | 实时监控交易风险的方法及系统 |
| WO2018014811A1 (zh) * | 2016-07-22 | 2018-01-25 | 阿里巴巴集团控股有限公司 | 风险识别方法、客户端设备及风险识别系统 |
| CN107977787A (zh) * | 2017-11-30 | 2018-05-01 | 上海龙弈信息科技有限公司 | 一种交易风险控制处理系统和方法 |
| CN108200664A (zh) * | 2018-02-05 | 2018-06-22 | 云南航天工程物探检测股份有限公司 | 一种无线远距离多频并行桥梁监测数据收集系统及方法 |
| CN108762924A (zh) * | 2018-05-28 | 2018-11-06 | 郑州云海信息技术有限公司 | 一种负载均衡的方法、装置和计算机可读存储介质 |
| CN109102273A (zh) * | 2018-08-22 | 2018-12-28 | 四川新网银行股份有限公司 | 一种分布式智能支付路由的实现方法及系统 |
| CN109325857A (zh) * | 2018-09-20 | 2019-02-12 | 上海龙弈信息科技有限公司 | 一种金融安全管理及风险控制处理系统及其运行方法 |
| CN109409892A (zh) * | 2017-08-15 | 2019-03-01 | 凡普互金有限公司 | 风险评估方法和系统 |
| CN109472610A (zh) * | 2018-11-09 | 2019-03-15 | 福建省农村信用社联合社 | 一种银行交易反欺诈方法及系统、设备和存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8719166B2 (en) * | 2010-12-16 | 2014-05-06 | Verizon Patent And Licensing Inc. | Iterative processing of transaction information to detect fraud |
| US20150039512A1 (en) * | 2014-08-08 | 2015-02-05 | Brighterion, Inc. | Real-time cross-channel fraud protection |
| TWI584215B (zh) * | 2015-12-31 | 2017-05-21 | 玉山商業銀行股份有限公司 | 監控可疑交易的方法 |
-
2019
- 2019-11-15 CN CN201911122178.2A patent/CN110992045B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001011812A2 (en) * | 1999-08-09 | 2001-02-15 | Sudia Frank W | Distributed rule enforcement systems |
| CA2765096A1 (en) * | 2009-05-28 | 2010-12-02 | Visa International Service Association | Managed real-time transaction fraud analysis and decisioning |
| CN105590158A (zh) * | 2014-12-30 | 2016-05-18 | 中国银联股份有限公司 | 交易风险实时控制系统 |
| CN105590216A (zh) * | 2015-11-18 | 2016-05-18 | 中国银联股份有限公司 | 实时监控交易风险的方法及系统 |
| WO2018014811A1 (zh) * | 2016-07-22 | 2018-01-25 | 阿里巴巴集团控股有限公司 | 风险识别方法、客户端设备及风险识别系统 |
| CN109409892A (zh) * | 2017-08-15 | 2019-03-01 | 凡普互金有限公司 | 风险评估方法和系统 |
| CN107977787A (zh) * | 2017-11-30 | 2018-05-01 | 上海龙弈信息科技有限公司 | 一种交易风险控制处理系统和方法 |
| CN108200664A (zh) * | 2018-02-05 | 2018-06-22 | 云南航天工程物探检测股份有限公司 | 一种无线远距离多频并行桥梁监测数据收集系统及方法 |
| CN108762924A (zh) * | 2018-05-28 | 2018-11-06 | 郑州云海信息技术有限公司 | 一种负载均衡的方法、装置和计算机可读存储介质 |
| CN109102273A (zh) * | 2018-08-22 | 2018-12-28 | 四川新网银行股份有限公司 | 一种分布式智能支付路由的实现方法及系统 |
| CN109325857A (zh) * | 2018-09-20 | 2019-02-12 | 上海龙弈信息科技有限公司 | 一种金融安全管理及风险控制处理系统及其运行方法 |
| CN109472610A (zh) * | 2018-11-09 | 2019-03-15 | 福建省农村信用社联合社 | 一种银行交易反欺诈方法及系统、设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于人工智能的移动金融风控体系建设中的实践;王欣;;信息安全研究;20171105(第11期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110992045A (zh) | 2020-04-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110992045B (zh) | 一种应收账款债权流转异常风险监控方法及系统 | |
| US20210124616A1 (en) | Workload management using blockchain-based transaction deferrals | |
| CN108648071B (zh) | 基于区块链的资源价值评估方法和装置 | |
| JP6743141B2 (ja) | サービス処理方法及び装置 | |
| CN108228706A (zh) | 用于识别异常交易社团的方法和装置 | |
| CN111476660B (zh) | 一种基于数据分析的智能风控系统及方法 | |
| JP7309242B2 (ja) | 暗号通貨取引の分析方法及び装置 | |
| Zhou et al. | A distributed approach of big data mining for financial fraud detection in a supply chain | |
| EP2545479A2 (en) | Methods, computer-accessible medium and systems for construction of and inference with networked data, for example, in a financial setting | |
| CN109948724A (zh) | 一种基于改进lof算法的电商刷单行为检测方法 | |
| CN110135711A (zh) | 一种情报管理方法及装置 | |
| CN113379530A (zh) | 用户风险的确定方法、装置和服务器 | |
| CN105389728A (zh) | 一种银行账户性质的检测方法及系统 | |
| CN105956122A (zh) | 对象属性的确定方法和装置 | |
| CN111798301A (zh) | 一种资源转移限额确定方法、装置及系统 | |
| Gao et al. | Research on Default Prediction for Credit Card Users Based on XGBoost‐LSTM Model | |
| CN116452206A (zh) | 资源处理策略的确定方法、装置、计算机设备和存储介质 | |
| CN101853476A (zh) | 一种金融业客户身份自动联网核查系统及方法 | |
| CN111507715B (zh) | 一种基于区块链技术的进出口交易方法及区块链网络 | |
| CN116883135A (zh) | 一种金融服务的差异化定价方法及装置 | |
| Bian et al. | FedAvg-DWA: A Novel Algorithm for Enhanced Fraud Detection in Federated Learning Environment | |
| CN201984530U (zh) | 一种银行客户身份自动联网核查系统 | |
| CN113240420A (zh) | 一种基于大数据的金融加密支付方法及系统 | |
| Almutairi et al. | Artificial intelligence in financial industry | |
| CN107977804A (zh) | 一种保兑仓业务风险评估方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |