CN112115174A - 一种基于图计算技术的kyc方法及系统 - Google Patents
一种基于图计算技术的kyc方法及系统 Download PDFInfo
- Publication number
- CN112115174A CN112115174A CN202010965329.7A CN202010965329A CN112115174A CN 112115174 A CN112115174 A CN 112115174A CN 202010965329 A CN202010965329 A CN 202010965329A CN 112115174 A CN112115174 A CN 112115174A
- Authority
- CN
- China
- Prior art keywords
- graph
- kyc
- module
- data
- result
- 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 28
- 238000005516 engineering process Methods 0.000 title claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000012800 visualization Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000009795 derivation Methods 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 34
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000011835 investigation Methods 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 6
- 238000012217 deletion Methods 0.000 claims description 5
- 230000037430 deletion Effects 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 claims description 2
- 238000005065 mining Methods 0.000 abstract description 4
- 238000013500 data storage Methods 0.000 abstract description 2
- 230000008520 organization Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004900 laundering Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于图计算技术的KYC系统，包括KYC元数据模块、数据预处理模块、图数据库、图计算引擎、结果可视模块、结果导出模块，数据经过所述图数据库、图计算引擎、结果可视模块、结果导出模块后形成关系图谱；本发明的有益效果是，通过对KYC元数据的图结构化，实现关联检索效率的大幅度提升，使深度关系挖掘变得高效可行，具体在KYC业务中的应用可以表现为对企业最终受益人的挖掘，对政要人物/恐怖分子/黑名单实体多度关联人的检索等；使KYC业务效率大幅度提升，通过独立的数据预处理模块可以实现元数据的快速图结构化，并且可以针对不同数据源进行数据预处理模块的相应定制，从而实现高效智能自动化的数据入库功能。
Description
技术领域
本发明涉及基于区块链的KYC技术领域，特别是一种基于图计算技术的KYC方法及系统。
背景技术
KYC(Know Your Customer),既了解你的客户，指对客户身份背景的全面调查，是防范欺诈、身份盗窃、金融诈骗、非法集资等恶意行为的主要环节。从宏观经济环境来看，KYC对金融普惠、金融诚信、保障金融市场良好运行有着重要作用，因此近年来监管机构越来越多的将KYC作为对机构的监管要求之一。对于机构而言，KYC是保障机构业务安全的必需环节。完善的KYC业务体系可以在保障社区价值、满足监管合规要求、保护机构资产安全等方面起到重要且积极的作用。
KYC要求对客户深度关联信息进行筛查，比如是否是政要人物关联人物等，传统的关系查询方法对多度关系的支持较弱，常常需要较多的计算资源才能实现二度三度关系查询，对更多度的关联查询几乎无法支持。而知识图谱和图计算的出现为此类问题提出了新的解决方案。
发明内容
本发明的目的是为了解决上述问题，设计了一种基于图计算技术的KYC方法及系统。
实现上述目的本发明的技术方案为，一种基于图计算技术的KYC方法及系统，包括KYC元数据模块、数据预处理模块、图数据库、图计算引擎、结果可视模块、结果导出模块，数据经过所述图数据库、图计算引擎、结果可视模块、结果导出模块后形成关系图谱；
其中，数据预处理模块对KYC元数据模块传过来的数据进行处理，且根据数据源格式的不同进行自定义；
关系图谱采用基于JanusGraph为内核的图数据库；
关系图谱中的图计算引擎根据需要对数据进行分析计算，并将结果输入至关系图谱的图谱展示模块；
结果可视化模块对结果进行可视化展示，并将图像以选定格式输出至结果导出模块；
结果导出模块可根据配置将图像直接写入KYC报告的指定篇章中。
进一步的，通过所述KYC元数据模块搜集KYC元数据，包括股东基本信息，高管基本信息，企业人员在外任职信息，企业人员在外投资信息。
进一步的，通过所述关系图谱连接图计算引擎，进行社区发现算法，发现关联紧密社区。
进一步的，所述图计算引擎对目标企业人员进行KYC时，同时对人员所在社区的其他实体(企业或个人)进行调查与风险评估，实现全方位的反团伙欺诈调查与多度关系关联检索。
进一步的，通过结果可视模块和结果导出模块对检索结果与社区发现结果进行可视化输出。
一种基于图计算技术的KYC方法，包括图计算方法，图计算方法主要针对以图数据形式存储的数据的计算，图数据的核心是图形化的数据结构，该结构由节点和边组成，节点用来表示实体，边用来表示实体之间的关系。
进一步的，所述图计算方法包括有模块度计算，模块度(Modularity)用来衡量一个社区的划分是不是相对比较好的结果，一个相对好的结果在社区内部的节点相似度较高，而在社区外部节点的相似度较低。
进一步的，所述图计算方法还包括有GN算法，所述GN算法是一种基于“边删除”逻辑的社区发现算法，用于发现数据中的异常聚集团体。
进一步的，所述图计算方法还包括有Newman快速算法，所述Newman快速算法的快速社区发现算法，用于发现数据中的异常聚集团体。
进一步的，所述图计算方法还包括有标签传播算法，所述标签传播算法基本思想是通过标记节点的标签信息预测未标记节点的标签情况，同样用于发现数据中的异常聚集团体。
其有益效果在于，提高KYC服务内容的深度，为尽职调查、反团伙欺诈、反洗钱等风控手段提供更为直观高效的解决方案。其具体表现为：
1.通过对KYC元数据的图结构化，实现关联检索效率的大幅度提升，使深度关系挖掘变得高效可行，具体在KYC业务中的应用可以表现为对企业最终受益人的挖掘，对政要人物/恐怖分子/黑名单实体多度关联人的检索等。
2.使KYC业务效率大幅度提升，通过独立的数据预处理模块可以实现元数据的快速图结构化，并且可以针对不同数据源进行数据预处理模块的相应定制，从而实现高效智能自动化的数据入库功能。
3.大幅提高KYC报告的可视化程度，使KYC报告不再是简单的数据罗列，而可以直观地为企业机构风险控制提供帮助。
附图说明
图1是本发明的系统流程示意图。
具体实施方式
下面结合附图对本发明进行具体描述，如图1所示，一种基于图计算技术的KYC系统，包括KYC元数据模块、数据预处理模块、图数据库、图计算引擎、结果可视模块、结果导出模块，数据经过所述图数据库、图计算引擎、结果可视模块、结果导出模块后形成关系图谱；其中，数据预处理模块对KYC元数据模块传过来的数据进行处理，且根据数据源格式的不同进行自定义；关系图谱采用基于JanusGraph为内核的图数据库；关系图谱中的图计算引擎根据需要对数据进行分析计算，并将结果输入至关系图谱的图谱展示模块；结果可视化模块对结果进行可视化展示，并将图像以选定格式输出至结果导出模块；结果导出模块可根据配置将图像直接写入KYC报告的指定篇章中。
一种基于图计算技术的KYC方法主要采用的图计算算法为：
1.Girvan-Newman算法：在一个网络之中，通过社区内部的边的最短路径相对较少，而通过社区之间的边的最短路径的数目则相对较多。GN算法是一个基于删除边的算法，本质是基于聚类中的分裂思想，在原理上是使用边介数作为相似度的度量方法。在GN算法中，每次都会选择边介数高的边删除，进而网络分裂速度远快于随机删除边时的网络分裂。
2.Newman贪心算法：GN算法通过模块度可以准确的划分网络，但它只适用于中小型规模的网络；Newman提出一种基于贪心的快速社区发现算法，算法的基本思想是：首先将网络中的每个顶点设为一个单独社区，然后选出使得模块度Q的增值最大的社区对进行合并；如果网络中的顶点属于同一个社区，则停止合并过程。整个过程是自底向上的过程，且这个过程最终得到一个树图，即树的叶子节点表示网络中的顶点，树的每一层切分对应着网络的某个具体划分，从树图的所有层次划分中选择模块度值最大的划分作为网络的有效划分。
3.LPA标签传播：LPA是一种基于标签传播的局部社区划分。对于网络中的每一个节点，在初始阶段，Label Propagation算法对于每一个节点都会初始化一个唯一的一个标签。每一次迭代都会根据与自己相连的节点所属的标签改变自己的标签，更改的原则是选择与其相连的节点中所属标签最多的社区标签为自己的社区标签，这就是标签传播的含义了。随着社区标签不断传播。最终，连接紧密的节点将有共同的标签。
图计算主要针对以图数据形式存储的数据的计算。图数据的核心是图形化的数据结构，该结构由节点和边组成，节点用来表示实体，边用来表示实体之间的关系。图计算主要包含以下主要计算逻辑：
模块度计算：模块度(Modularity)用来衡量一个社区的划分是不是相对比较好的结果。一个相对好的结果在社区内部的节点相似度较高，而在社区外部节点的相似度较低。
GN算法：一种基于“边删除”逻辑的社区发现算法，用于发现数据中的异常聚集团体。
Newman快速算法：一种“贪心理念”的快速社区发现算法，用于发现数据中的异常聚集团体。
标签传播算法：标签传播算法基本思想是通过标记节点的标签信息预测未标记节点的标签情况。同样用于发现数据中的异常聚集团体。
整体技术链路为基于KYC元数据建立图数据库；通过对图数据库中的图结构数据进行图计算分析，发现异常/风险特征；
该系统的主要流程是：
1、通过所述KYC元数据模块搜集KYC元数据，包括股东基本信息，高管基本信息，企业人员在外任职信息，企业人员在外投资信息。
2、通过所述关系图谱连接图计算引擎，进行社区发现算法，发现关联紧密社区。
3、所述图计算引擎对目标企业人员进行KYC时，同时对人员所在社区的其他实体(企业或个人)进行调查与风险评估，实现全方位的反团伙欺诈调查与多度关系关联检索。
4、通过结果可视模块和结果导出模块对检索结果与社区发现结果进行可视化输出。
上述技术方案仅体现了本发明技术方案的优选技术方案，本技术领域的技术人员对其中某些部分所可能做出的一些变动均体现了本发明的原理，属于本发明的保护范围之内。
Claims (10)
1.一种基于图计算技术的KYC系统，包括KYC元数据模块，其特征在于，该系统还包括有数据预处理模块、图数据库、图计算引擎、结果可视模块、结果导出模块，数据经过所述图数据库、图计算引擎、结果可视模块、结果导出模块后形成关系图谱；
其中，数据预处理模块对KYC元数据模块传过来的数据进行处理，且根据数据源格式的不同进行自定义；
关系图谱中的图计算引擎根据需要对数据进行分析计算，并将结果输入至关系图谱的图谱展示模块；
结果可视化模块对结果进行可视化展示，并将图像以选定格式输出至结果导出模块；
结果导出模块可根据配置将图像直接写入KYC报告的指定篇章中。
2.根据权利要求1所述的一种基于图计算技术的KYC系统，其特征在于，通过所述KYC元数据模块搜集KYC元数据，包括股东基本信息，高管基本信息，企业人员在外任职信息，企业人员在外投资信息。
3.根据权利要求1所述的一种基于图计算技术的KYC系统，其特征在于，通过所述关系图谱连接图计算引擎，进行社区发现算法，发现关联紧密社区，关系图谱采用基于JanusGraph为内核的图数据库。
4.根据权利要求1所述的一种基于图计算技术的KYC系统，其特征在于，所述图计算引擎对目标企业人员进行KYC时，同时对人员所在社区的其他实体(企业或个人)进行调查与风险评估，实现全方位的反团伙欺诈调查与多度关系关联检索。
5.根据权利要求1所述的一种基于图计算技术的KYC系统，其特征在于，通过结果可视模块和结果导出模块对检索结果与社区发现结果进行可视化输出。
6.一种基于图计算技术的KYC方法，其特征在于，包括图计算方法，图计算方法主要针对以图数据形式存储的数据的计算，图数据的核心是图形化的数据结构，该结构由节点和边组成，节点用来表示实体，边用来表示实体之间的关系。
7.根据权利要求6所述的一种基于图计算技术的KYC方法，其特征在于，所述图计算方法包括有模块度计算，模块度(Modularity)用来衡量一个社区的划分是不是相对比较好的结果，一个相对好的结果在社区内部的节点相似度较高，而在社区外部节点的相似度较低。
8.根据权利要求6所述的一种基于图计算技术的KYC方法，其特征在于，所述图计算方法还包括有GN算法，所述GN算法是一种基于“边删除”逻辑的社区发现算法，用于发现数据中的异常聚集团体。
9.根据权利要求6所述的一种基于图计算技术的KYC方法，其特征在于，所述图计算方法还包括有Newman快速算法，所述Newman快速算法的快速社区发现算法，用于发现数据中的异常聚集团体。
10.根据权利要求6所述的一种基于图计算技术的KYC方法，其特征在于，所述图计算方法还包括有标签传播算法，所述标签传播算法基本思想是通过标记节点的标签信息预测未标记节点的标签情况，同样用于发现数据中的异常聚集团体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010965329.7A CN112115174A (zh) | 2020-09-15 | 2020-09-15 | 一种基于图计算技术的kyc方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010965329.7A CN112115174A (zh) | 2020-09-15 | 2020-09-15 | 一种基于图计算技术的kyc方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112115174A true CN112115174A (zh) | 2020-12-22 |
Family
ID=73803635
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010965329.7A Pending CN112115174A (zh) | 2020-09-15 | 2020-09-15 | 一种基于图计算技术的kyc方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112115174A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112926855A (zh) * | 2021-02-24 | 2021-06-08 | 北京通付盾人工智能技术有限公司 | 一种基于知识图谱的营销活动风险控制系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109191281A (zh) * | 2018-08-21 | 2019-01-11 | 重庆富民银行股份有限公司 | 一种基于知识图谱的团体欺诈识别系统 |
| CN110223168A (zh) * | 2019-06-24 | 2019-09-10 | 浪潮卓数大数据产业发展有限公司 | 一种基于企业关系图谱的标签传播反欺诈检测方法及系统 |
| CN110727805A (zh) * | 2019-10-11 | 2020-01-24 | 北京明略软件系统有限公司 | 社区知识图谱构建方法及系统 |
| CN110825883A (zh) * | 2019-10-30 | 2020-02-21 | 杭州叙简科技股份有限公司 | 一种基于知识图谱的混合式团伙发现方法 |
-
2020
- 2020-09-15 CN CN202010965329.7A patent/CN112115174A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109191281A (zh) * | 2018-08-21 | 2019-01-11 | 重庆富民银行股份有限公司 | 一种基于知识图谱的团体欺诈识别系统 |
| CN110223168A (zh) * | 2019-06-24 | 2019-09-10 | 浪潮卓数大数据产业发展有限公司 | 一种基于企业关系图谱的标签传播反欺诈检测方法及系统 |
| CN110727805A (zh) * | 2019-10-11 | 2020-01-24 | 北京明略软件系统有限公司 | 社区知识图谱构建方法及系统 |
| CN110825883A (zh) * | 2019-10-30 | 2020-02-21 | 杭州叙简科技股份有限公司 | 一种基于知识图谱的混合式团伙发现方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112926855A (zh) * | 2021-02-24 | 2021-06-08 | 北京通付盾人工智能技术有限公司 | 一种基于知识图谱的营销活动风险控制系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110223168B (zh) | 一种基于企业关系图谱的标签传播反欺诈检测方法及系统 | |
| Yuan et al. | Detecting phishing scams on ethereum based on transaction records | |
| CN114143020B (zh) | 一种基于规则的网络安全事件关联分析方法和系统 | |
| CN108270785A (zh) | 一种基于知识图谱的分布式安全事件关联分析方法 | |
| CN111885040A (zh) | 分布式网络态势感知方法、系统、服务器及节点设备 | |
| Petrenko et al. | Problem of developing an early-warning cybersecurity system for critically important governmental information assets | |
| CN112165462A (zh) | 基于画像的攻击预测方法、装置、电子设备及存储介质 | |
| CN109086413A (zh) | 用于搜索区块链数据的方法、设备及可读存储介质 | |
| BR112014028739B1 (pt) | Sistema e método para criar objetos estruturados de evento | |
| CN111475557A (zh) | 一种普惠金融服务平台数据中台构建系统 | |
| CN107111625A (zh) | 实现数据的高效分类和探索的方法和系统 | |
| CN112000773B (zh) | 基于搜索引擎技术的数据关联关系挖掘方法及应用 | |
| Alghanmi et al. | Machine learning approaches for anomaly detection in IoT: an overview and future research directions | |
| CN111881302A (zh) | 基于知识图谱的银行舆情分析方法和系统 | |
| CN112506925A (zh) | 一种基于区块链的数据检索系统及方法 | |
| CN115664703A (zh) | 一种基于多维度信息的攻击溯源方法 | |
| CN110263021B (zh) | 一种基于个性化标签体系的主题库生成方法 | |
| CN112597399B (zh) | 图数据处理方法、装置、计算机设备和存储介质 | |
| CN112363996B (zh) | 用于建立电网知识图谱的物理模型的方法及系统和介质 | |
| CN112115174A (zh) | 一种基于图计算技术的kyc方法及系统 | |
| CN114297516A (zh) | 一种基于知识图谱的事件发现与展现方法及系统 | |
| CN112910974B (zh) | 一种基于区块链系统架构的系统及方法 | |
| CN109242548A (zh) | 一种基于知识图谱的销售线索识别方法及装置 | |
| Vinekar et al. | The interaction of business intelligence and knowledge management in organizational decision-making | |
| CN112347314B (zh) | 一种基于图数据库的数据资源管理系统 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wang Dejia Inventor after: Yang Boya Inventor after: Zhu Xuguang Inventor before: Zhu Xuguang Inventor before: Wang Dejia Inventor before: Yang Boya |
|
| CB03 | Change of inventor or designer information |