CN111461727B - 交易行为的监控预警方法、装置、存储介质和智能设备 - Google Patents
交易行为的监控预警方法、装置、存储介质和智能设备 Download PDFInfo
- Publication number
- CN111461727B CN111461727B CN202010230774.9A CN202010230774A CN111461727B CN 111461727 B CN111461727 B CN 111461727B CN 202010230774 A CN202010230774 A CN 202010230774A CN 111461727 B CN111461727 B CN 111461727B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- information
- transacted
- association
- early warning
- 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
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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/313—Selection or weighting of terms for indexing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请适用于信息监控技术领域,提供了一种交易行为的监控预警方法、装置、存储介质和智能设备,包括:获取监控对象的特征信息与待交易对象的特征信息;根据所述监控对象的特征信息,获取所述监控对象的关联图谱模型,所述关联图谱模型是指用于所述监控对象的关联验证的图谱模型;根据所述待交易对象的特征信息与所述关联图谱模型,对所述待交易对象进行关联验证;根据所述关联验证的结果,对所述监控对象与所述待交易对象的交易行为进行监控预警。本申请可提高风险交易的监控效率。
Description
技术领域
本申请涉及信息监控技术领域,尤其涉及一种交易行为的监控预警方法、装置、存储介质和智能设备。
背景技术
随着科学技术以及市场经济的飞速发展,各个类型的企业也蓬勃发展,企业运行的好坏对社会经济的影响是重大的。企业的有效运行主要依靠企业自身的管理以及政府监管机构的监察,企业要维护股东、债权人利益不触犯法律法规。
为了防患于未然,避免利益输送、虚假报表等不当交易,政府监管机构主要在各级部门制定法规、信息披露规则,通过检查、处罚等方法来预防和治理企业的关联交易行为。企业自身需要对交易的风险进行监控,通过对企业交易方的审查来内部控制关联交易的发生。
然而,由于监管机构的监管力度有限,企业内部监控环节众多,企业自愿申报的关联信息可能不全面,从而使得关联交易的监控准确度不高,监控预警的效率较低。
发明内容
本申请实施例提供了一种交易行为的监控预警方法、装置、存储介质和智能设备,可以解决由于监管机构的监管力度有限,企业内部监控环节众多,企业自愿申报的关联信息可能不全面,从而使得关联交易的监控准确度不高,监控预警的效率较低的问题。
第一方面,本申请实施例提供了一种交易行为的监控预警方法,包括:
获取监控对象的特征信息与待交易对象的特征信息;
根据所述监控对象的特征信息,获取所述监控对象的关联图谱模型,所述关联图谱模型是指用于所述监控对象的关联验证的图谱模型;
根据所述待交易对象的特征信息与所述关联图谱模型,对所述待交易对象进行关联验证;
根据所述关联验证的结果,对所述监控对象与所述待交易对象的交易行为进行监控预警。
在第一方面的一种可能的实现方式中,所述根据所述监控对象的特征信息,获取所述监控对象的关联图谱模型的步骤,包括:
根据所述监控对象的特征信息,在信息存储数据库中查找所述特征信息对应的已知关联信息;
对指定信息平台进行信息监控,获取所述指定信息平台上发布的文本信息;
根据所述已知关联信息和所述文本信息,构建所述监控对象的关联图谱模型。
在第一方面的一种可能的实现方式中,所述根据所述已知关联信息和所述文本信息,构建所述监控对象的关联图谱模型的步骤,包括:
将获取的文本信息进行清洗,得到清洗后的文本信息;
根据预定义的实体类别名,从清洗后的文本信息中抽取与所述预定义的实体类别名对应的文本信息,得到有效文本信息;
根据已知关联信息和所述有效文本信息,构建所述监控对象的关联图谱模型。
在第一方面的一种可能的实现方式中,所述根据所述关联验证的结果,对所述监控对象与所述待交易对象的交易行为进行监控预警的步骤,包括:
若所述监控对象与所述待交易对象存在关联关系,则获取所述待交易对象与所述监控对象的关联特征信息;
根据所述关联特征信息与预设预警模型,对所述监控对象与所述待交易对象的交易行为进行监控预警。
在第一方面的一种可能的实现方式中,所述根据所述关联特征信息与预设预警模型,对所述监控对象与所述待交易对象的交易行为进行监控预警的步骤,包括:
在预设关联交易案例库中查找与所述关联特征信息对应的历史关联交易案例及其交易风险等级;
基于所述历史关联交易案例的交易风险等级,确定所述监控对象与所述待交易对象的风险预警值;
根据所述风险预警值,生成所述监控对象与所述待交易对象的交易行为的风险预警提示信息。
在第一方面的一种可能的实现方式中,所述根据所述关联验证的结果,对所述监控对象与所述待交易对象的交易行为进行监控预警的步骤,包括:
若所述监控对象与所述待交易对象不存在关联关系,则根据所述待交易对象的特征信息,确定所述待交易对象是否为黑名单用户;
若所述待交易对象为黑名单用户,则发送所述监控对象与所述待交易对象的交易行为存在风险的预警提示信息。
第二方面,本申请实施例提供了一种交易行为的监控预警装置,包括:
预警请求获取单元,用于获取监控对象的特征信息与待交易对象的特征信息;
图谱模型获取单元,用于根据所述监控对象的特征信息,获取所述监控对象的关联图谱模型,所述关联图谱模型是指用于所述监控对象的关联验证的图谱模型;
关联验证单元,用于根据所述待交易对象的特征信息与所述关联图谱模型,对所述待交易对象进行关联验证;
监控预警单元,用于根据所述关联验证的结果,对所述监控对象与所述待交易对象的交易行为进行监控预警。
第三方面,本申请实施例提供了一种智能设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的交易行为的监控预警方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的交易行为的监控预警方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在智能设备上运行时,使得智能设备执行如上述第一方面所述的交易行为的监控预警方法。
本申请实施例中,通过获取监控对象的特征信息与待交易对象的特征信息,根据所述监控对象的特征信息,获取所述监控对象的关联图谱模型,所述关联图谱模型是指用于所述监控对象的关联验证的图谱模型,然后根据所述待交易对象的特征信息与所述关联图谱模型,对所述待交易对象进行关联验证,验证所述监控对象与所述待交易对象是否存在关联关系,可提高关联验证的有效性,再根据所述关联验证的结果,对所述监控对象与所述待交易对象的交易行为进行相应的监控预警,可提高关联交易监控的准确度,从而提高对企业的关联交易进行监控预警的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的交易行为的监控预警方法的实现流程图;
图2是本申请实施例提供的交易行为的监控预警方法步骤S102的具体实现流程图;
图3是本申请实施例提供的构建关联图谱模型的具体实现流程图;
图4是本申请实施例提供的交易行为的监控预警方法步骤S104的一种具体实现流程图;
图5是本申请实施例提供的交易行为的监控预警方法步骤S104的另一种具体实现流程图;
图6是本申请实施例提供的交易行为的监控预警装置的结构框图;
图7是本申请实施例提供的智能设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请实施例提供的交易行为的监控预警方法可以应用于移动设备、服务器、超级移动个人计算机(ultra-mobile personal computer,UMPC)等智能终端上,本申请实施例对智能终端的具体类型不作任何限制。
图1示出了本申请实施例提供的交易行为的监控预警方法的实现流程,该方法流程包括步骤S101至S104。各步骤的具体实现原理如下:
S101:获取监控对象的特征信息与待交易对象的特征信息。
具体地,所述监控对象为企业用户,所述待交易对象为与所述企业欲进行交易的个人用户或企业用户,所述特征信息包括企业标识,例如企业注册号、企业名称等。智能设备通过获取监控对象的特征信息与待交易对象的特征信息,对监控对象和待交易对象的交易行为进行监控。
在本申请实施例中,智能设备获取监控对象发送的监控预警请求,所述监控预警请求携带所述监控对象的特征信息与待交易对象的特征信息。需说明的是,所述监控预警请求可以是所述监控对象自己主动通过终端发送的,也可以是智能设备的监控过程中,监测到所述监控对象的指定行为时自动触发所述监控预警请求,例如,当监测到监控对象的交易申请时触发获取监控对象的特征信息和待交易对象的特征信息。
可选地,智能设备可接收监管机构发送的监控预警请求,所述监控预警请求携带监控对象的特征信息,基于所述监控对象的特征信息,再获取待交易对象的特征信息。
本申请实施例中通过监管机构的监管或者企业的自主监控等多种方式,对企业交易的风险进行监控预警,可加强风险交易的监控力度。
S102:根据所述监控对象的特征信息,获取所述监控对象的关联图谱模型,所述关联图谱模型是指用于所述监控对象的关联验证的图谱模型。
具体地,根据所述监控对象的特征信息,构建以所述监控对象为中心的关联图谱模型,所述关联图谱模型中包括与所述监控对象的关联的企业以及交易行为。可选地,所述关联图谱模型中还包括关联关系的判断逻辑。
作为本申请的一个实施例,图2示出了本申请实施例提供的交易行为的监控预警方法步骤S102的具体实现流程,详述如下:
A1:根据所述监控对象的特征信息,在信息存储数据库中查找所述特征信息对应的已知关联信息。所述信息存储数据库用于智能设备本地信息存储。所述信息存储数据库存储有监控对象的企业架构、股权分配等企业信息,甚至是股东的家族信息等企业自成立起上报存储的已知关联信息,根据监控对象的企业架构,查找企业架构中各股东各自的已知关联信息。
A2:对指定信息平台进行信息监控,获取所述指定信息平台上发布的文本信息。具体地,所述指定信息平台可以是市场上的媒体信息平台,企业用户或监管机构可以指定监控并抓取市场上所有或者部分媒体信息平台发布的文本信息。可选地,获取监控对象对应的行业,将所述监控对象对应的行业关联的信息平台作为所述监控对象的指定信息平台,监控并抓取所述指定信息平台上发布的文本信息。所述指定信息平台包括但不限于网络平台(如公开的媒体信息网站、财经网站、金融信息论坛、财经微信公众号、股吧、个人网站、微博),具体地,对所述指定信息平台进行监控,根据爬虫策略设置网络爬虫抓取监控的所述指定信息平台的文本信息。例如,对于微博、指定的网站、论坛等网络平台,通过设置网络爬虫,自动抓取网络平台上的海量数据。在本发明实施例中,可以通过设定不同的爬行策略满足监控对象不同的抓取需求,可针对不同类型的信息平台进行信息抓取,可提高文本信息的抓取效率。
A3:根据所述已知关联信息和所述文本信息,构建所述监控对象的关联图谱模型。所述已知关联信息包括已知关联关系和关联类型。
可选地,如图3所示,上述步骤A3具体包括:
A31:将获取的文本信息进行清洗,得到清洗后的文本信息。指定信息平台上抓取的文本信息是海量的,数据清洗的目的是将抓取的海量信息中的无用信息清除,例如清除无效信息、广告信息,对文本信息去重、消歧以及格式化处理。具体地,将抓取的海量文本信息中不包含预定义的实体类别名的信息清除。
A32:根据预定义的实体类别名,从清洗后的文本信息中抽取与所述预定义的实体类别名对应的文本信息,得到有效文本信息。所述预定义的实体类别名用于标识待识别的命名实体对应的类别,例如,抽取标题、正文、作者、来源、评论量、阅读量、转载量、来源渠道、关键字等抽取类别名对应的文本信息。可选地,将所述有效文本信息进行分类。例如,按股权关系、家族关系或交易关系等关联关系将所述有效文本信息进行分类。
A33:根据已知关联信息和所述有效文本信息,构建所述监控对象的关联图谱模型。可选地,动态更新所述监控对象对应的关联图谱模型。
在本发明实施例中,所述关联图谱模型是根据所述监控对象的信息构建的信息图谱模型。可选地,获取所述监控对象的架构信息,根据所述监控对象的架构信息确定图谱的关联范围,获取与所述关联范围内的关联信息。所述关联信息包括关联关系和关联类型,所述关联关系包括交易关系、家族关系。具体地,选定实体构建节点,包含机构、主营产品、人物、行业、事件、金融产品、地域可以作为节点。节点和边可以构建一些扩展属性,包括别名、正负面、生产方式、政策用词、同业公司等。确定构建节点的实体后找边的关系,形成大的关系网。边的关系就是每个实体与实体之间的关系,例如深圳市万科房地产有限公司是万科企业股份有限公司的控股子公司,那么这两个机构之间边的关系就是控股子公司。
示例性地,通过搜集定期报告、企业官网、研究报告整理出各监控对象及待交易对象的主营产品以及主营产品上下游、上下位关系。对企业的主营产品设立产品标识,所述产品标识具有唯一性,用于标识产品。通过提取监控对象公告披露的股东、实际控制人、法人、任职、客户、供应商、法务机构、审计机构、所属城市,归属行业等关系,构建族谱关系。通过连接第三方服务器,采集整理市场上金融机构发行的相关股票、债券、基金等金融产品,构建金融产品关系。通过连接第三方服务,获取证券市场上所有公司发生的担保、债权债务重组、董监高人员变动、股权转让、要约收购、股权质押、股权激励、重大资产重组等关联关系,根据这些信息构建所述监控对象的关联图谱模型。
在本申请实施例中,通过获取信息存储数据库中存储的已知关联关系和网络信息平台上公开的网络数据,构建监控对象的关联图谱模型,多途径的信息调查使得所述关联图谱模型更为全面和可靠。
S103:根据所述待交易对象的特征信息与所述关联图谱模型,对所述待交易对象进行关联验证。
具体地,所述关联图谱模型中包括所述监控对象关联的企业用户或个人用户的关联信息,还包括判断关联关系的逻辑。将所述待交易对象的特征信息输入至所述关联图谱模型,验证所述待交易对象与所述监控对象是否存在关联关系。
S104:根据所述关联验证的结果,对所述监控对象与所述待交易对象的交易行为进行监控预警。
具体地,所述关联验证的结果包括所述监控对象与所述待交易对象存在关联关系,或者,所述监控对象与所述待交易对象不存在关联关系。本申请实施例中,根据所述关联验证的结果,对所述监控对象与所述待交易对象的交易行为进行监控预警,并将预警提示信息发送至指定终端,所述指定终端可以是所述监控对象的终端和/或监管机构的终端。
可选地,作为本申请的一个实施例,图4示出了本申请实施例提供的交易行为的监控预警方法步骤S104的具体实现流程,详述如下:
B1:若所述监控对象与所述待交易对象存在关联关系,则获取所述待交易对象与所述监控对象的关联特征信息。所述关联特征信息包括所述监控对象与所述待交易对象的关联关系和关联类型。
B2:根据所述关联特征信息与预设预警模型,对所述监控对象与所述待交易对象的交易行为进行监控预警。可选地,根据所述关联类型进行监控预警。具体地,预先根据关联类型设定监控预警等级,根据所述关联类型对应的监控预警等级对所述监控对象与所述待交易对象的交易行为进行监控预警。例如,对于第一监控预警等级的关联类型,进行周期性监控预警;对于第二监预警等级的关联类型,进行实时监控预警。
可选地,上述步骤B2具体包括:
B21:在预设关联交易案例库中查找与所述关联特征信息对应的历史关联交易案例及其交易风险等级。所述预设关联交易案例库包括多个历史关联交易案例及其交易风险等级。
B22:基于所述历史关联交易案例的交易风险等级,确定所述监控对象与所述待交易对象的风险预警值。本申请实施例中,预设等级预警值对照表,所述等级预警值对照表中包括所述交易风险等级与风险预警值的映射关系。在所述预设等级预警值对照表中查询所述交易风险等级对应的风险预警值。
B23:根据所述风险预警值,生成所述监控对象与所述待交易对象的交易行为的风险预警提示信息。
本申请实施例中,通过历史关联案例及其交易风险等级确定所述监控对象与所述待交易对象的风险预警值,为所述监控对象提供关联交易的风险预警提示信息,可提高监控预警的实用性和有效性。
作为本申请的一个实施例,图5示出了本申请实施例提供的交易行为的监控预警方法步骤S104的具体实现流程,详述如下:
C1:若所述监控对象与所述待交易对象不存在关联关系,则根据所述待交易对象的特征信息,确定所述待交易对象是否为黑名单用户。所述黑名单用户包括监管机构公布的非法用户,还包括多家企业用户联名拉黑的用户。
C2:若所述待交易对象为黑名单用户,则发送所述监控对象与所述待交易对象的交易行为存在风险的预警提示信息。
在本申请实施例中,若验证所述监控对象与所述待交易对象不存在关联关系,则进一步验证待交易对象是否为黑名单用户,为所述监控对象的交易进行有效的风险监控,提高监控的有效性。
在本申请实施例中,通过获取监控对象的特征信息与待交易对象的特征信息,根据所述监控对象的特征信息,获取所述监控对象的关联图谱模型,所述关联图谱模型是指用于所述监控对象的关联验证的图谱模型,然后根据所述待交易对象的特征信息与所述关联图谱模型,对所述待交易对象进行关联验证,验证所述监控对象与所述待交易对象是否存在关联关系,可提高关联验证的有效性,再根据所述关联验证的结果,对所述监控对象与所述待交易对象的交易行为进行相应的监控预警,可提高关联交易监控的准确度,从而提高对企业的关联交易进行监控预警的效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的交易行为的监控预警方法,图6示出了本申请实施例提供的交易行为的监控预警装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图6,该交易行为的监控预警装置包括:预警请求获取单元61,图谱模型获取单元62,关联验证单元63,监控预警单元64,其中:
预警请求获取单元61,用于获取监控对象的特征信息与待交易对象的特征信息;
图谱模型获取单元62,用于根据所述监控对象的特征信息,获取所述监控对象的关联图谱模型,所述关联图谱模型是指用于所述监控对象的关联验证的图谱模型;
关联验证单元63,用于根据所述待交易对象的特征信息与所述关联图谱模型,对所述待交易对象进行关联验证;
监控预警单元64,用于根据所述关联验证的结果,对所述监控对象与所述待交易对象的交易行为进行监控预警。
可选地,所述图谱模型获取单元62包括:
第一信息获取模块,用于根据所述监控对象的特征信息,在信息存储数据库中查找所述特征信息对应的已知关联信息;
第二信息获取模块,用于对指定信息平台进行信息监控,获取所述指定信息平台上发布的文本信息;
图谱模型构建模块,用于根据所述已知关联信息和所述文本信息,构建所述监控对象的关联图谱模型。
可选地,所述图谱模型构建模块包括:
信息处理子模块,用于将获取的文本信息进行清洗,得到清洗后的文本信息;
有效信息获取子模块,用于根据预定义的实体类别名,从清洗后的文本信息中抽取与所述预定义的实体类别名对应的文本信息,得到有效文本信息;
模型构建子模块,用于根据已知关联信息和所述有效文本信息,构建所述监控对象的关联图谱模型。
可选地,所述关联验证单元63包括:
关联特征信息获取模块,用于若所述监控对象与所述待交易对象存在关联关系,则获取所述待交易对象与所述监控对象的关联特征信息;
第一监控预警模块,用于根据所述关联特征信息与预设预警模型,对所述监控对象与所述待交易对象的交易行为进行监控预警。
可选地,所述第一监控预警模块包括:
历史信息查询子模块,用于在预设关联交易案例库中查找与所述关联特征信息对应的历史关联交易案例及其交易风险等级;
预警值确定子模块,用于基于所述历史关联交易案例的交易风险等级,确定所述监控对象与所述待交易对象的风险预警值;
风险预警子模块,用于根据所述风险预警值,生成所述监控对象与所述待交易对象的交易行为的风险预警提示信息。
可选地,所述关联验证单元63包括:
黑名单验证模块,用于若所述监控对象与所述待交易对象不存在关联关系,则根据所述待交易对象的特征信息,确定所述待交易对象是否为黑名单用户;
第二监控预警模块,用于若所述待交易对象为黑名单用户,则发送所述监控对象与所述待交易对象的交易行为存在风险的预警提示信息。
在本申请实施例中,通过获取监控对象的特征信息与待交易对象的特征信息,根据所述监控对象的特征信息,获取所述监控对象的关联图谱模型,所述关联图谱模型是指用于所述监控对象的关联验证的图谱模型,然后根据所述待交易对象的特征信息与所述关联图谱模型,对所述待交易对象进行关联验证,验证所述监控对象与所述待交易对象是否存在关联关系,可提高关联验证的有效性,再根据所述关联验证的结果,对所述监控对象与所述待交易对象的交易行为进行相应的监控预警,可提高关联交易监控的准确度,从而提高对企业的关联交易进行监控预警的效率。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如图1至图5表示的任意一种交易行为的监控预警方法的步骤。
本申请实施例还提供一种智能设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,所述处理器执行所述计算机可读指令时实现如图1至图5表示的任意一种交易行为的监控预警方法的步骤。
本申请实施例还提供一种计算机程序产品,当该计算机程序产品在服务器上运行时,使得服务器执行实现如图1至图5表示的任意一种交易行为的监控预警方法的步骤。
图7是本申请一实施例提供的智能设备的示意图。如图7所示,该实施例的智能设备7包括:处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机可读指令72。所述处理器70执行所述计算机可读指令72时实现上述各个交易行为的监控预警方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,所述处理器70执行所述计算机可读指令72时实现上述各装置实施例中各模块/单元的功能,例如图6所示单元61至64的功能。
示例性的,所述计算机可读指令72可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器71中,并由所述处理器70执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该指令段用于描述所述计算机可读指令72在所述智能设备7中的执行过程。
所述智能设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述智能设备7可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是智能设备7的示例,并不构成对智能设备7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,例如所述智能设备7还可以包括输入输出设备、网络接入设备、总线等。
所述处理器70可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述智能设备7的内部存储单元,例如智能设备7的硬盘或内存。所述存储器71也可以是所述智能设备7的外部存储设备,例如所述智能设备7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述智能设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机可读指令以及所述智能设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (4)
1.一种交易行为的监控预警方法,其特征在于,包括:
获取监控对象的特征信息与待交易对象的特征信息,包括:获取监控预警请求,所述监控预警请求由所述监控对象自己主动发送或者由监管机构发送,或者,在监控过程中监测到所述监控对象的指定行为时自动触发所述监控预警请求,若所述监控预警请求由所述监控对象自己主动发送或自动触发,所述监控预警请求携带所述监控对象的特征信息与待交易对象的特征信息,若所述监控预警请求由所述监管机构发送,所述监控预警请求携带监控对象的特征信息,基于所述监控对象的特征信息,再获取待交易对象的特征信息;
根据所述监控对象的特征信息,获取所述监控对象的关联图谱模型,所述关联图谱模型是指用于所述监控对象的关联验证的图谱模型;所述根据所述监控对象的特征信息,获取所述监控对象的关联图谱模型的步骤,包括:
根据所述监控对象的特征信息,在信息存储数据库中查找所述特征信息对应的已知关联信息;
对指定信息平台进行信息监控,获取所述指定信息平台上发布的文本信息;
根据所述已知关联信息和所述文本信息,构建所述监控对象的关联图谱模型,包括:将获取的文本信息进行清洗,得到清洗后的文本信息;根据预定义的实体类别名,从清洗后的文本信息中抽取与所述预定义的实体类别名对应的文本信息,得到有效文本信息;根据已知关联信息和所述有效文本信息,构建所述监控对象的关联图谱模型;
根据所述待交易对象的特征信息与所述关联图谱模型,对所述待交易对象进行关联验证;所述关联图谱模型中包括所述监控对象关联的企业用户或个人用户的关联信息,还包括判断关联关系的逻辑,将所述待交易对象的特征信息输入至所述关联图谱模型,验证所述待交易对象与所述监控对象是否存在关联关系;
根据所述关联验证的结果,对所述监控对象与所述待交易对象的交易行为进行监控预警,包括:
若所述监控对象与所述待交易对象存在关联关系,则获取所述待交易对象与所述监控对象的关联特征信息;
根据所述关联特征信息与预设预警模型,对所述监控对象与所述待交易对象的交易行为进行监控预警,包括:在预设关联交易案例库中查找与所述关联特征信息对应的历史关联交易案例及其交易风险等级;基于所述历史关联交易案例的交易风险等级,确定所述监控对象与所述待交易对象的风险预警值;根据所述风险预警值,生成所述监控对象与所述待交易对象的交易行为的风险预警提示信息;
若所述监控对象与所述待交易对象不存在关联关系,则根据所述待交易对象的特征信息,确定所述待交易对象是否为黑名单用户;若所述待交易对象为黑名单用户,则发送所述监控对象与所述待交易对象的交易行为存在风险的预警提示信息。
2.一种交易行为的监控预警装置,其特征在于,包括:
预警请求获取单元,用于获取监控对象的特征信息与待交易对象的特征信息,包括:获取监控预警请求,所述监控预警请求由所述监控对象自己主动发送或者由监管机构发送,或者,在监控过程中监测到所述监控对象的指定行为时自动触发所述监控预警请求,若所述监控预警请求由所述监控对象自己主动发送或自动触发,所述监控预警请求携带所述监控对象的特征信息与待交易对象的特征信息,若所述监控预警请求由所述监管机构发送,所述监控预警请求携带监控对象的特征信息,基于所述监控对象的特征信息,再获取待交易对象的特征信息;
图谱模型获取单元,用于根据所述监控对象的特征信息,获取所述监控对象的关联图谱模型,所述关联图谱模型是指用于所述监控对象的关联验证的图谱模型;所述图谱模型获取单元包括:
第一信息获取模块,用于根据所述监控对象的特征信息,在信息存储数据库中查找所述特征信息对应的已知关联信息;
第二信息获取模块,用于对指定信息平台进行信息监控,获取所述指定信息平台上发布的文本信息;
图谱模型构建模块,用于根据所述已知关联信息和所述文本信息,构建所述监控对象的关联图谱模型;所述图谱模型构建模块包括:
信息处理子模块,用于将获取的文本信息进行清洗,得到清洗后的文本信息;
有效信息获取子模块,用于根据预定义的实体类别名,从清洗后的文本信息中抽取与所述预定义的实体类别名对应的文本信息,得到有效文本信息;
模型构建子模块,用于根据已知关联信息和所述有效文本信息,构建所述监控对象的关联图谱模型;
关联验证单元,用于根据所述待交易对象的特征信息与所述关联图谱模型,对所述待交易对象进行关联验证;所述关联图谱模型中包括所述监控对象关联的企业用户或个人用户的关联信息,还包括判断关联关系的逻辑;将所述待交易对象的特征信息输入至所述关联图谱模型,验证所述待交易对象与所述监控对象是否存在关联关系;
监控预警单元,用于根据所述关联验证的结果,对所述监控对象与所述待交易对象的交易行为进行监控预警;所述监控预警单元包括:
关联特征信息获取模块,用于若所述监控对象与所述待交易对象存在关联关系,则获取所述待交易对象与所述监控对象的关联特征信息;
第一监控预警模块,用于根据所述关联特征信息与预设预警模型,对所述监控对象与所述待交易对象的交易行为进行监控预警;所述第一监控预警模块包括:历史信息查询子模块,用于在预设关联交易案例库中查找与所述关联特征信息对应的历史关联交易案例及其交易风险等级;预警值确定子模块,用于基于所述历史关联交易案例的交易风险等级,确定所述监控对象与所述待交易对象的风险预警值;风险预警子模块,用于根据所述风险预警值,生成所述监控对象与所述待交易对象的交易行为的风险预警提示信息;
黑名单验证模块,用于若所述监控对象与所述待交易对象不存在关联关系,则根据所述待交易对象的特征信息,确定所述待交易对象是否为黑名单用户;
第二监控预警模块,用于若所述待交易对象为黑名单用户,则发送所述监控对象与所述待交易对象的交易行为存在风险的预警提示信息。
3.一种智能设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1所述的交易行为的监控预警方法。
4.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1所述的交易行为的监控预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010230774.9A CN111461727B (zh) | 2020-03-27 | 2020-03-27 | 交易行为的监控预警方法、装置、存储介质和智能设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010230774.9A CN111461727B (zh) | 2020-03-27 | 2020-03-27 | 交易行为的监控预警方法、装置、存储介质和智能设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111461727A CN111461727A (zh) | 2020-07-28 |
CN111461727B true CN111461727B (zh) | 2023-08-25 |
Family
ID=71680109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010230774.9A Active CN111461727B (zh) | 2020-03-27 | 2020-03-27 | 交易行为的监控预警方法、装置、存储介质和智能设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111461727B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112269859B (zh) * | 2020-11-16 | 2023-05-26 | 国网山东省电力公司聊城供电公司 | 一种供配电数据优化快速处理系统、设备以及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109064313A (zh) * | 2018-07-20 | 2018-12-21 | 重庆富民银行股份有限公司 | 基于知识图谱技术的贷后预警监测系统 |
CN109543096A (zh) * | 2018-10-15 | 2019-03-29 | 平安科技(深圳)有限公司 | 数据查询方法、装置、计算机设备和存储介质 |
CN109767322A (zh) * | 2018-12-20 | 2019-05-17 | 平安科技(深圳)有限公司 | 基于大数据的可疑交易分析方法、装置和计算机设备 |
CN109872234A (zh) * | 2019-01-24 | 2019-06-11 | 平安科技(深圳)有限公司 | 交易行为监控方法、装置、计算机设备和介质 |
CN110134842A (zh) * | 2019-04-03 | 2019-08-16 | 深圳价值在线信息科技股份有限公司 | 基于信息图谱的信息匹配方法、装置、存储介质和服务器 |
CN110163413A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 企业监控及预警方法、装置、计算机设备及可读存储介质 |
-
2020
- 2020-03-27 CN CN202010230774.9A patent/CN111461727B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109064313A (zh) * | 2018-07-20 | 2018-12-21 | 重庆富民银行股份有限公司 | 基于知识图谱技术的贷后预警监测系统 |
CN109543096A (zh) * | 2018-10-15 | 2019-03-29 | 平安科技(深圳)有限公司 | 数据查询方法、装置、计算机设备和存储介质 |
CN109767322A (zh) * | 2018-12-20 | 2019-05-17 | 平安科技(深圳)有限公司 | 基于大数据的可疑交易分析方法、装置和计算机设备 |
CN109872234A (zh) * | 2019-01-24 | 2019-06-11 | 平安科技(深圳)有限公司 | 交易行为监控方法、装置、计算机设备和介质 |
CN110134842A (zh) * | 2019-04-03 | 2019-08-16 | 深圳价值在线信息科技股份有限公司 | 基于信息图谱的信息匹配方法、装置、存储介质和服务器 |
CN110163413A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 企业监控及预警方法、装置、计算机设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111461727A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110765337B (zh) | 一种基于互联网大数据的服务提供方法 | |
WO2016141491A1 (en) | Systems and methods for managing data | |
Kim et al. | Data governance framework for big data implementation with a case of Korea | |
WO2001095225A1 (en) | Method and system for automated transaction compliance processing | |
CN111738549A (zh) | 食品安全风险评估方法、装置、设备及存储介质 | |
KR20110055921A (ko) | 온라인상의 개인정보 보호 시스템 및 이 시스템을 이용한 개인정보 보호 방법 | |
CN112598513B (zh) | 识别股东风险交易行为的方法及装置 | |
CN110134842B (zh) | 基于信息图谱的信息匹配方法、装置、存储介质和服务器 | |
CN112417492A (zh) | 基于数据分类分级的服务提供方法 | |
CN115422173A (zh) | 金融信贷领域的数据治理方法及系统 | |
CN111461650B (zh) | 日程安排提醒方法、装置、存储介质和智能设备 | |
WO2019169766A1 (zh) | 电子装置、系统敏感内容的预警方法、系统及存储介质 | |
CN111461727B (zh) | 交易行为的监控预警方法、装置、存储介质和智能设备 | |
CN112702410B (zh) | 一种基于区块链网络的评估系统、方法及相关设备 | |
CN113326375A (zh) | 舆情处理的方法、装置、电子设备和存储介质 | |
CN107329956B (zh) | 一种项目信息标准化方法及装置 | |
US10885526B2 (en) | Monitoring flows in an evolving transaction network using dynamic rules | |
CN115994746A (zh) | 一种信息实时审核方法、系统、电子设备及存储介质 | |
CN111563126B (zh) | 一种基于区块链系统的数据处理方法、装置和电子设备 | |
CN114840519A (zh) | 一种数据打标签的方法、设备及存储介质 | |
CA3137134A1 (en) | Company size estimation system | |
CN111798102A (zh) | 数据监管方法、系统、计算机设备以及可读存储介质 | |
Gleicher | Neither a Customer Nor a Subscriber Be: Regulating the Release of User Information on the World Wide Web | |
CN111583037B (zh) | 风险关联对象的确定方法、装置和服务器 | |
Jung et al. | Prioritizing cloud service threats for succession to information security management system |
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 |