CN112150162A - 交易账户的监管方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种交易账户的监管方法、装置、计算机设备和存储介质。所述方法包括：获取交易账户的交易数据以及所述交易数据对应的监控参数；调用与所述监控参数对应的风控模型；所述风控模型基于账户类别、标的物类别、业务类型和监控时间中的至少两个监控维度所构成；基于所述风控模型对所述交易数据进行风险运算，得到风险值；根据所述风险值判断所述交易数据是否为异常数据；若是，基于所述风控模型对应的监控模式对所述交易账户进行监管。采用本方法能够提高交易安全性。

Description

交易账户的监管方法、装置、计算机设备和存储介质

技术领域

本申请涉及计算机技术领域，特别是涉及一种交易账户的监管方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的发展，企业或者个人通过交易账户进行大量的交易行为，其中存在可能造成损失的异常交易行为。如何对异常交易行为进行监控，以保障交易安全是一个重要的问题。传统技术中，在对交易数据进行监控时，无法综合判断交易数据是否是异常数据，从而对交易账户的异常识别不准确，导致在交易账户的监管上出现安全隐患。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高交易安全性的交易账户的监管方法、装置、计算机设备和存储介质。

一种交易账户的监管方法，所述方法包括：

获取交易账户的交易数据以及所述交易数据对应的监控参数；

调用与所述监控参数对应的风控模型；所述风控模型基于账户类别、标的物类别、业务类型和监控时间中的至少两个监控维度所构成；

基于所述风控模型对所述交易数据进行风险运算，得到风险值；

根据所述风险值判断所述交易数据是否为异常数据；

若是，基于所述风控模型对应的监控模式对所述交易账户进行监管。

在一个实施例中，所述监控参数包括账户类别、标的物类别、业务类型和监控时间；所述获取交易账户的交易数据以及所述交易数据对应的监控参数包括：

获取交易数据；

获取与所述交易数据对应的交易账户，并确定所述交易账户对应的账户类别和业务类型；

从所述交易数据中获取标的物类别；

根据所述交易数据的产生时间确定监控时间。

在一个实施例中，所述调用与所述监控参数对应的风控模型之前，所述方法还包括：

响应于参数配置指令，配置各所述监控维度对应的维度参数；

根据所述维度参数配置各监控维度对应的第一风控条件以及各所述第一风控条件对应的条件阈值；

从所述第一风控条件中选取至少两个监控维度对应的风控条件的交集；

将所述风控条件的交集确定为第二风控条件；

根据所述第二风控条件以及各所述第二风控条件对应的条件阈值建立所述风控模型。

在一个实施例中，所述调用与所述监控参数对应的风控模型之前，所述方法还包括：

从预设的自动限制模式、事前阻断模式和报警模式中选取一个模式作为监控模式；

确定所选取的监控模式对应的风险阈值；

根据所选取的监控模式以及对应的风险阈值建立所述风控模型。

在一个实施例中，所述风险阈值包括第一风险阈值和第二风险阈值，所述第一风险阈值小于第二风险阈值；所述确定所选取的监控模式对应的风险阈值包括：

当所述监控时间的维度参数设置在第一风险等级监控时段内时，确定所选取的监控模式对应的第一风险阈值；

当所述监控时间维度的维度参数设置在第二风险等级监控时段内时，确定所选取的监控模式对应的第二风险阈值。

在一个实施例中，所述基于所述风控模型对所述交易数据进行风险运算，得到风险值包括：

获取所述风控模型对应的风控条件和风险阈值；

根据所述风控条件对所述交易数据进行风险运算，得到风险值；

所述根据所述风险值判断所述交易数据是否为异常数据包括：

当所述风险值高于或等于所述风控模型对应的风险阈值时，确定所述交易数据为异常数据；

当所述风险值低于所述风控模型对应的风险阈值时，确定所述交易数据不是异常数据。

在一个实施例中，基于所述风控模型对应的监控模式对所述交易账户进行监管包括：

当所述风控模型对应的监控模式为事前阻断模式时，拒绝将所述交易数据发送至交易平台；

当所述风控模型对应的监控模式为自动限制模式时，限制所述交易账户进行交易；

当所述风控模型对应的监控模式为报警模式时，对所述交易账户进行报警。

一种交易账户的监管装置，所述装置包括：

获取模块，用于获取交易账户的交易数据以及所述交易数据对应的监控参数；

调用模块，用于调用与所述监控参数对应的风控模型；所述风控模型基于账户类别、标的物类别、业务类型和监控时间中的至少两个监控维度所构成；

风险运算模块，用于基于所述风控模型对所述交易数据进行风险运算，得到风险值；

判断模块，用于根据所述风险值判断所述交易数据是否为异常数据；

监管模块，用于若是，基于所述风控模型对应的监控模式对所述交易账户进行监管。

在一个实施例中，所述监控参数包括账户类别、标的物类别、业务类型和监控时间；所述获取模块，还用于：

获取交易数据；

获取与所述交易数据对应的交易账户，并确定所述交易账户对应的账户类别和业务类型；

从所述交易数据中获取标的物类别；

根据所述交易数据的产生时间确定监控时间。

在一个实施例中，所述装置还包括：

配置模块，用于响应于参数配置指令，配置各所述监控维度对应的维度参数；

所述配置模块，还用于根据所述维度参数配置各监控维度对应的第一风控条件以及各所述第一风控条件对应的条件阈值；

选取模块，用于从所述第一风控条件中选取至少两个监控维度对应的风控条件的交集；

确定模块，用于将所述风控条件的交集确定为第二风控条件；

建立模块，用于根据所述第二风控条件以及各所述第二风控条件对应的条件阈值建立所述风控模型。

在一个实施例中，所述装置还包括：

所述选取模块，还用于从预设的自动限制模式、事前阻断模式和报警模式中选取一个模式作为监控模式；

所述确定模块，还用于确定所选取的监控模式对应的风险阈值；

所述建立模块，还用于根据所选取的监控模式以及对应的风险阈值建立所述风控模型。

在一个实施例中，所述风险阈值包括第一风险阈值和第二风险阈值，所述第一风险阈值小于第二风险阈值；所述确定模块，还用于：

当所述监控时间的维度参数设置在第一风险等级监控时段内时，确定所选取的监控模式对应的第一风险阈值；

当所述监控时间维度的维度参数设置在第二风险等级监控时段内时，确定所选取的监控模式对应的第二风险阈值。

在一个实施例中，所述风险运算模块，还用于：

获取所述风控模型对应的风控条件和风险阈值；

根据所述风控条件对所述交易数据进行风险运算，得到风险值；

所述根据所述风险值判断所述交易数据是否为异常数据包括：

当所述风险值高于或等于所述风控模型对应的风险阈值时，确定所述交易数据为异常数据；

当所述风险值低于所述风控模型对应的风险阈值时，确定所述交易数据不是异常数据。

在一个实施例中，所述监管模块，还用于：

当所述风控模型对应的监控模式为事前阻断模式时，拒绝将所述交易数据发送至交易平台；

当所述风控模型对应的监控模式为自动限制模式时，限制所述交易账户进行交易；

当所述风控模型对应的监控模式为报警模式时，对所述交易账户进行报警。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述交易账户的监管方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述交易账户的监管方法的步骤。

上述实施例中，服务器获取交易账户的交易数据以及与交易数据对应的监控参数，然后根据监控参数调用与监控参数对应的风控模型。服务器调用的风控模型基于账户类别、标的物类别、业务类型和监控时间中的至少两个监控维度所构成。每个监控维度分别从一个方面对交易账户进行监控。服务器基于风控模型对交易数据进行风险运算，运算的结果可以从多个方面反应交易数据是否是异常数据，并在交易数据为异常数据时，基于风控模型对应的监控模式对交易账户进行监管。所以，服务器可以从多方面对交易账户进行监管，提高了交易账户的安全性。

附图说明

图1为一个实施例中交易账户的监管方法的应用环境图；

图2为一个实施例中交易账户的监管方法的流程示意图；

图3为一个实施例中风控模型的示意图；

图4为一个实施例中对交易账户的账户类别进行配置和展示的界面示意图；

图5为一个实施例中对交易账户的标的物类别进行配置和展示的界面示意图；

图6为一个实施例中建立风控模型的方法的流程示意图；

图7为一个实施例中配置风控条件的界面示意图；

图8为另一个实施例中建立风控模型的方法的流程示意图；

图9为一个实施例中新建风控模型的界面示意图；

图10为一个实施例中展示和配置风控模型的界面示意图；

图11为一个实施例中交易账户的监管装置的结构框图；

图12为另一个实施例中交易账户的监管装置的结构框图；

图13为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的交易账户的监管方法，可以应用于如图1所示的应用环境中。其中，服务器104通过网络与终端102进行通信，获取终端102发送的交易账户的交易数据以及与交易数据对应的监控参数。然后，服务器根据监控参数调用与监控参数对应的风控模型。服务器调用的风控模型基于账户类别、标的物类别、业务类型和监控时间中的至少两个监控维度所构成。服务器基于风控模型对交易数据进行风险运算，得到风险值。然后服务器根据风险值判断交易数据是否为异常数据，并在交易数据为异常数据时，基于风控模型对应的监控模式对交易账户进行监管。

其中，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种交易账户的监管方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

S202，服务器获取交易账户的交易数据以及交易数据对应的监控参数。

其中，交易数据是记录和交易相关的各要素的内容的数据，包括交易账户、交易标的物、数量、标的物单价、交易时间等。

其中，监控参数可以指交易数据中的参数，或与该交易数据相关的参数，根据该参数可以对交易数据进行监控。该监控参数包括交易数据对应的交易账户、交易数据的产生时间、交易数据对应的标的物的类型、交易账户的业务类型等。

服务器获取交易数据以及与交易数据对应的监控参数，使服务器可以根据监控参数调用对应的风控模型。交易数据对应的一个监控参数可以与风控模型的一个监控维度相对应。例如，交易数据a对应的交易账户为A，A账户属于公司关注账户。若风控模型X的账户类别包括公司关注账户，则交易数据a对应的交易账户的类别与风控模型X的监控维度对应的账户类别相一致，服务器调用风控模型X对交易数据a进行风险运算。

S204，服务器调用与监控参数对应的风控模型；风控模型基于账户类别、标的物类别、业务类型和监控时间中的至少两个监控维度所构成。

其中，风控模型基于至少两个监控维度所构成，服务器对每个监控维度配置相应的风控条件。风控模型用于根据不同的监控维度对交易数据进行监管。例如，如图3所示，风控模型可以基于账户类别、标的物类别、业务类型和监控时间四个监控维度所构成，每个坐标轴代表一个监控维度，每个监控维度可以动态的进行配置，每个坐标轴上的取值表示对该监控维度所配置的参数。在标的物类别、账户类别和监控时间三个监控维度之外，还可以划分出业务类型维度，每个风控模型可以动态的配置业务类型。

账户类别维度可以配置为关注账户、大户、中户、重点监管账户、普通账户、关联账户中的一种或多种。当配置为关注账户时，服务器调用该风控模型对关注账户对应的交易数据进行风险运算，当配置为多种账户时，服务器调用该风控模型对配置的多种账户对应的交易数据进行风险运算。

标的物类别监控维度可以配置为股票、基金、期权和债券中的一终或多种。当配置为股票时，服务器调用该风控模型对交易股票的交易数据进行风险运算。当配置为股票、基金时，服务器调用该风控模型对交易股票或者基金的交易数据进行风险运算。

监控时间维度可以配置为敏感时期或者普通时期。配置为普通时期时，服务器调用该风控模型对普通时期产生的交易数据进行风险运算，配置为敏感时期时，服务器调用该风控模型对敏感时期产生的交易数据进行风险运算。

业务类型维度可以配置为经纪业务、自营业务、资产管理业务中的一种或者多种。服务器调用该风控模型对配置的业务类型对应的交易数据进行风险运算。

当对该风控模型的四个维度配置完成后，例如，账户类别维度配置为关注账户和大户，将业务类型维度配置为经纪业务，将监控时间维度配置为敏感时期，将标的物类别维度配置为股票和债券。则服务器调用该风控模型对关注账户和大户的经纪业务在敏感时期所交易的股票和债券对饮的交易数据进行风险运算。

服务器调用监控维度的维度参数与监控参数相一致的风控模型。例如，风控模型基于账户类别、标的物类别所构成。风控模型所配置的账户类别为重点监管账户、普通账户和关注账户；所配置的标的物类别为突发性风险股票和新股。则服务器对重点监管账户、普通账户和关注账户所交易的突发性风险股票和新股对应的交易数据调用该风控模型进行风险运算。

服务器接收的交易数据对应不同的监控参数，然后根据监控参数调用对应的风控模型，可以实现对交易数据的动态监控。

其中，账户类别是服务器基于风控模型所监管的交易账户的类别。交易账户的类别包括关注账户、大户、中户、重点监管账户、普通账户、关联账户等。

其中，标的物类别是服务器基于风控模型所监管的交易标的物的类别，包括股票、基金、债券、期权等。每种标的物也可以继续划分相应的子类别，例如，将股票划分为突发性风险股票、新股、普通股票、重点监管股票等。

其中，业务类型是服务器基于风控模型所监管的业务经营方式，包括自营业务、资产管理业务、经纪业务等。其中，自营业务是证券经营机构以自己的名义和资金买卖标的物从而获取利润的业务。资产管理业务是证券经营机构对其他企业或者个人的资金进行管理的业务。经纪业务是证券经营机构接受委托、代理进行交易的业务。

在一个实施例中，不同的业务类型对应的风控模型可以除配置的业务类型外，其他部分都相同。但服务器对不同业务类型对应的风控模型进行数据权限的限制。例如，对于自营业务的交易数据，服务器调用自营业务对应的风控模型进行风险运算，并且对自营业务进行管理的终端仅能查看自营业务对应的风控模型进行风险运算的结果。

其中，监控时间是服务器基于风控模型对交易账户进行监控的时间区间。服务器根据在时间区间内产生的交易数据为异常数据的可能性大小将监控时间分为正常时期和敏感时期。其中，正常时期和敏感时期可以根据交易市场的特点、政策导向、重大突发事件等确定。正常时期为没有突发事件，交易市场比较平稳，交易风险较低的时期。敏感时期是有重大政策发布，或者有重大突发事件，交易市场波动较大的时期。例如，如果发生了对交易影响重大的政治或者商业事件，则可以将事件发生后的一段时间确定为敏感时期。例如，如果公司A进行了重组，则可以将重组前后的一段时间确定为对与公司A相关的交易数据的进行监管的敏感时期。

对于风控模型的每个维度，服务器可以配置对应的风控条件，每个风控条件可以配置对应的条件阈值。

S206，服务器基于风控模型对交易数据进行风险运算，得到风险值。

服务器调用风控模型后，基于风控模型的各监控维度所配置的风控条件对交易数据进行风险运算，得到风险值。

当交易数据满足其中的一个风控条件时，也即根据该风控条件对交易数据进行运算的结果高于该风控条件对应的条件阈值时，服务器获得一个风险值。服务器根据交易数据所满足的各风控条件得到最终的风险值。例如，风控模型所对应的风控条件为A、B、C，若交易数据满足A条件，则服务器获得风险值25，若交易数据不满足B条件，则服务器获得风险值0，若交易数据满足C条件，则服务器获得风险值30，服务器可以将获得的三个风险值进行相加，得到最终的风险值55，也可以对三个风险值进行加权相加，并根据三个风控条件所对应的风险的大小设置加权系数。

S208，服务器根据风险值判断交易数据是否为异常数据。

其中，异常数据是指按照该数据所执行的交易行为不符合监管规定或者不合法或者会给其他相关个人或者企业造成损失的数据。例如，异常数据可以是对应的交易额超过交易限额的交易数据。或者是请求执行虚假的交易请求的交易数据。

服务器根据风控模型对交易数据进行风险运算，当交易数据满足的风控条件越多时，得到的风险值越高，说明交易数据为异常数据的可能性越高。服务器可以设置判断交易数据是否为异常数据的风险阈值，当风险运算得到的风险值高于风险阈值时，确定该交易数据为异常数据。

S210，若是，服务器基于风控模型对应的监控模式对交易账户进行监管。

其中，监控模式是当交易数据发生异常时，对交易数据对应的交易账户进行管理的方式。各监控模式对应的对交易账户的处置方式不同，并且惩罚的程度也不相同。监控模式可以包括事前阻断模式、自动限制模式、报警模式和事后处罚模式等。

其中，事前阻断模式是在交易数据发送至交易平台进行交易之前，对交易数据的发送通道进行阻断的监管模式。例如，服务器指示发送交易数据的网关拒绝将发生异常的交易数据发送至交易平台。

其中，自动限制模式是在交易数据发生异常时，服务器对交易数据对应的交易账户的交易行为进行限制的监管模式。例如，限制该交易账户的交易额度、交易时间或者交易次数等。

其中，报警模式是在交易数据发生异常时，服务器对交易数据对应的交易账户进行报警的监管模式。

在一个实施例中，当风控模型对应的监控模式为事前阻断模式时，服务器拒绝将交易数据发送至交易平台；当风控模型对应的监控模式为自动限制模式时，服务器限制交易账户进行交易；当风控模型对应的监控模式为报警模式时，服务器对交易账户进行报警。

在一个实施例中，对于报警模式又可以分为预警和告警两种模式，并为两种模式分别配置对应的预警阈值和告警阈值，并且预警阈值小于告警阈值。当服务器计算得到的风险值大于预警阈值但小于告警阈值时，对该交易数据对应的交易账户进行警告处置，但并不禁止该交易数据对应的交易账户继续进行交易；当计算得到的风险值大于或等于告警阈值时，对该交易账户进行报警，并禁止该交易数据对应的交易账户继续进行交易。

上述实施例中，服务器获取交易账户的交易数据以及与交易数据对应的监控参数，然后根据监控参数调用与监控参数对应的风控模型。服务器调用的风控模型基于账户类别、标的物类别、业务类型和监控时间中的至少两个监控维度所构成。每个监控维度分别从一个方面对交易账户进行监控。服务器基于风控模型对交易数据进行风险运算，运算的结果可以从多个方面反应交易数据是否是异常数据，并在交易数据为异常数据时，基于风控模型对应的监控模式对交易账户进行监管。所以，服务器可以从多方面对交易账户进行监管，提高了交易账户的安全性。

在一个实施例中，监控参数包括账户类别、标的物类别、业务类型和监控时间；服务器获取交易账户的交易数据以及交易数据对应的监控参数包括：获取交易数据；获取与交易数据对应的交易账户，并确定交易账户对应的账户类别和业务类型；从交易数据中获取标的物类别；根据交易数据的产生时间确定监控时间。

其中，账户类别是交易数据对应的交易账户所从属的账户类别，包括关注账户、大户、中户、重点监管账户、普通账户、关联账户等。标的物类别是根据交易数据的记载、所要进行交易的标的物的类别，包括股票、基金、债券、期权等。每种标的物也可以继续划分相应的子类别，例如，将股票划分为突发性风险股票、新股、普通股票、重点监管股票等。业务类型是交易数据所属的业务经营方式，包括自营业务、资产管理业务、经纪业务等。监控时间是交易数据所产生的时间。

服务器首先获取交易数据，然后根据交易数据获取对应的交易账户，然后确定交易账户所从属的账户类别和业务类型。例如，服务器获取的交易账户为A，A账户对应的账户类别为普通账户，并且A账户对应的业务类型为经纪业务。

在一个实施例中，服务器在设立交易账户时，可以根据配置指令配置交易账户所从属的账户类别和业务类型。在交易账户设立之后，服务器可以根据修改指令对交易账户所从属的账户类别和业务类型进行修改。

例如，如图4所示是服务器对各交易账户的账户类别进行配置和展示的界面。服务器在接收到对各交易账户对应的账户类别进行操作所触发的修改指令时，对交易账户对应的账户类别进行修改。例如，若服务器接收到对交易账户对应的账户类别进行双击的操作时，显示对账户类别进行修改的编辑框，然后服务器根据在编辑框中输入的编辑指令对交易账户的账户类别进行修改。

例如，如图5所示是服务器对各交易账户的标的物类别进行配置和展示的界面。服务器在接收到对各交易账户对应的标的物类别进行操作所触发的指令时，对交易账户对应的标的物类别进行修改。例如，若服务器接收到对交易账户对应的标的物类别进行双击的操作时，显示对标的物类别进行修改的编辑框，然后服务器根据在编辑框中输入的编辑指令对交易账户的标的物类别进行修改。

服务器根据配置指令和修改指令对交易账户所从属的账户类别和业务类型进行配置和修改可以灵活的配置并随时修改交易账户所从属的账户类别和业务类型，实现对交易账户的灵活管理。

在一个实施例中，如图6所示，服务器调用与监控参数对应的风控模型之前，还包括如下步骤：

S602，响应于参数配置指令，配置各监控维度对应的维度参数。

S604，根据维度参数配置各监控维度对应的第一风控条件以及各第一风控条件对应的条件阈值。

S606，从第一风控条件中选取至少两个监控维度对应的风控条件的交集；将风控条件的交集确定为第二风控条件。

S608，根据第二风控条件以及各第二风控条件对应的条件阈值建立风控模型。

其中，参数配置指令是服务器接收的，对如何配置风控模型的维度参数进行指示的指令。参数配置指令可以是通过外接设备输入的指令，或者是在参数配置界面触发的指令。其中，外接设备可以是鼠标、键盘、麦克风等。输入的方式可以是语音方式或者是文字方式，或者是对界面中备选项进行选择的方式。

其中，服务器配置各监控维度对应的维度参数是对风控模型的各监控维度所对应的内容进行具体化。例如，服务器将风控模型的账户类别维度配置为公司关注账户，将业务类型维度配置为自营业务，将标的物类别配置为股票，将监控时间配置为敏感时期。

在一个实施例中，服务器可以对风控模型的账户类别维度配置多个账户类别的账户，服务器基于该风控模型对该多个类别的账户进行风险运算。服务器可以对风控模型的业务类型维度配置多个业务类型，服务器基于该风控模型对该多个业务类型对应的交易数据进行风险运算。服务器可以对风控模型的标的物类别维度配置多个标的物类别，服务器基于该风控模型对该多个类别的标的物对应的交易数据进行风险运算。服务器可以对风控模型的监控时间维度配置多个时间段，服务器基于该风控模型对该多个时间段内产生的交易数据进行风险运算。

其中，第一风控条件是风控模型的各监控维度分别对应的风控条件。例如，服务器根据账户类别维度配置的维度参数设置账户类别维度对应的第一风控条件。服务器还可以配置各第一风控条件对应的条件阈值。

在一个实施例中，如图7所示，该风控模型对应的账户类别是大客户。服务器可以根据业务类型的配置指令配置业务类型，其中，业务类型配置指令是在业务类型的各备选项旁边的选择框中触发的指令。触发的方式可以是对选择框进行点击。然后，服务器根据在各风控条件旁边的选择框中触发的选择指令配置账户类别维度所对应的第一风控条件。

其中，至少两个监控维度对应的第一风控条件的交集是至少两个监控维度均对应具有的风控条件。

服务器将至少两个监控维度对应的第一风控条件的交集确定为第二风控条件，根据第二风控条件以及各第二风控条件对应的条件阈值建立风控模型。

服务器所建立的风控模型代表了对交易数据进行监管的多个监管方面。并且，通过建立风控模型，使服务器在对交易数据进行监管时，可以根据交易数据的监控参数灵活的选择风控模型，各个交易数据都可以根据监控参数的不同选择不同的风控模型。

在一个实施例中，如图8所示，服务器调用与监控参数对应的风控模型之前，还包括如下步骤：

S802，从预设的自动限制模式、事前阻断模式和报警模式中选取一个模式作为监控模式。

S804，确定所选取的监控模式对应的风险阈值。

S806，根据所选取的监控模式以及对应的风险阈值建立风控模型。

在一个实施例中，如图9所示，服务器根据在选择监控模式的下拉菜单中触发的选择指令选取监控模式，并且在输入风险阈值右边的输入框中输入的指令确定对应的风险阈值。然后根据所选取的监控模式和对应的风险阈值建立风控模型。并且服务器可以根据指令设置模型的状态，模型的状态包括启用状态和禁用状态。此外，服务器还可以选择新建的风控模型所对应的账户类别，以及标的物类别和监控时间，并且对该风控模型对应的风控条件进行配置。

在一个实施例中，如图10所示是服务器建立的各风控模型的展示界面，其中，每个模型编号对应一个风控模型，每个风控模型对应账户类别、标的物类型、监控模式以及和监控模式对应的风险阈值。服务器可以通过对新建按钮进行点击触发的新建指令新建风控模型。或者通过在序号左边的选择框中触发的选择指令选中风控模型，然后通过对删除按钮进行点击触发的删除指令删除选中的风控模型。服务器还可以根据在“请选择模型状态”和“请输入账户类别”输入框中输入的模型状态和账户类别查询风控模型。此外，服务器还可以对选中的风控模型进行重置。

服务器对不同的风控模型设置不同的监控模式，可以实现对不同交易数据的分类管理。例如，如果风控模型所对应的交易账户的交易数据发生异常的可能性较低，或者在发生异常时造成的损失较小，则对该风控模型配置自动限制模式，仅仅限制对应的交易账户进行交易，而不阻止其进行交易，以防止对正常交易行为产生干扰，阻碍交易的正常进行。而如果风控模型所对应的交易账户的交易数据发生异常的可能性较高，或者在发生异常时造成的损失较大，则将该风控模型配置为报警模式，以进行严格的监管，防止因交易数据发生异常而造成损失。

在一个实施例中，风险阈值包括第一风险阈值和第二风险阈值，第一风险阈值小于第二风险阈值；服务器确定所选取的监控模式对应的风险阈值包括：当监控时间的维度参数设置在第一风险等级监控时段内时，服务器确定所选取的监控模式对应的第一风险阈值；当监控时间维度的维度参数设置在第二风险等级监控时段内时，服务器确定所选取的监控模式对应的第二风险阈值。

其中，第一风险等级监控时段可以是正常时期，第二风险等级监控时段可以是敏感时期。或者，第一风险等级监控时段可以是交易频率较小的时期，第二风险等级监控时段可以是交易频率较高的时期。

服务器对于第二风险等级监控时段配置高于第一风险等级监控时段得到风险阈值，使服务器可以通过风控模型对第二风险等级监控时段内产生的交易数据进行更严格的监管，以提高交易的安全性，并且对第一风险等级监控时段内产生的交易数据实行较为宽松的监管，以降低对正常交易行为的干扰。

在一个实施例中，服务器基于风控模型对交易数据进行风险运算，得到风险值包括：获取风控模型对应的风控条件和风险阈值；根据风控条件对交易数据进行风险运算，得到风险值；根据风险值判断交易数据是否为异常数据包括：当风险值高于或等于风控模型对应的风险阈值时，确定交易数据为异常数据；当风险值低于风控模型对应的风险阈值时，确定交易数据不是异常数据。

其中，风控模型可能对应多个风控条件，服务器根据每个风控条件对交易数据进行风险运算，并对各风险运算的结果进行综合，得到风险值。例如，服务器可以对各风险运算的结果进行相加或者加权相加等。

应该理解的是，虽然图2、6、8的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、6、8中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图11所示，提供了一种交易账户的监管装置，包括：获取模块1102、调用模块1104、风险运算模块1106、判断模块1108和监管模块1110，其中：

获取模块1102，用于获取交易账户的交易数据以及交易数据对应的监控参数；

调用模块1104，用于调用与监控参数对应的风控模型；风控模型基于账户类别、标的物类别、业务类型和监控时间中的至少两个监控维度所构成；

风险运算模块1106，用于基于风控模型对交易数据进行风险运算，得到风险值；

判断模块1108，用于根据风险值判断交易数据是否为异常数据；

监管模块1110，用于若是，基于风控模型对应的监控模式对交易账户进行监管。

上述实施例中，服务器获取交易账户的交易数据以及与交易数据对应的监控参数，然后根据监控参数调用与监控参数对应的风控模型。服务器调用的风控模型基于账户类别、标的物类别、业务类型和监控时间中的至少两个监控维度所构成。每个监控维度分别从一个方面对交易账户进行监控。服务器基于风控模型对交易数据进行风险运算，运算的结果可以从多个方面反应交易数据是否是异常数据，并在交易数据为异常数据时，基于风控模型对应的监控模式对交易账户进行监管。所以，服务器可以从多方面对交易账户进行监管，提高了交易账户的安全性。

在一个实施例中，监控参数包括账户类别、标的物类别、业务类型和监控时间；获取模块1102，还用于：

获取交易数据；

获取与交易数据对应的交易账户，并确定交易账户对应的账户类别和业务类型；

从交易数据中获取标的物类别；

根据交易数据的产生时间确定监控时间。

在一个实施例中，如图12所示，装置还包括：

配置模块1112，用于响应于参数配置指令，配置各监控维度对应的维度参数；

配置模块1112，还用于根据维度参数配置各监控维度对应的第一风控条件以及各第一风控条件对应的条件阈值；

选取模块1114，用于从第一风控条件中选取至少两个监控维度对应的风控条件的交集；

确定模块1116，用于将风控条件的交集确定为第二风控条件；

建立模块1118，用于根据第二风控条件以及各第二风控条件对应的条件阈值建立风控模型。

在一个实施例中，装置还包括：

选取模块1114，还用于从预设的自动限制模式、事前阻断模式和报警模式中选取一个模式作为监控模式；

确定模块1116，还用于确定所选取的监控模式对应的风险阈值；

建立模块1118，还用于根据所选取的监控模式以及对应的风险阈值建立风控模型。

在一个实施例中，风险阈值包括第一风险阈值和第二风险阈值，第一风险阈值小于第二风险阈值；确定模块1116，还用于：

当监控时间的维度参数设置在第一风险等级监控时段内时，确定所选取的监控模式对应的第一风险阈值；

当监控时间维度的维度参数设置在第二风险等级监控时段内时，确定所选取的监控模式对应的第二风险阈值。

在一个实施例中，风险运算模块1106，还用于：

获取风控模型对应的风控条件和风险阈值；

根据风控条件对交易数据进行风险运算，得到风险值；

根据风险值判断交易数据是否为异常数据包括：

当风险值高于或等于风控模型对应的风险阈值时，确定交易数据为异常数据；

当风险值低于风控模型对应的风险阈值时，确定交易数据不是异常数据。

在一个实施例中，监管模块1110，还用于：

当风控模型对应的监控模式为事前阻断模式时，拒绝将交易数据发送至交易平台；

当风控模型对应的监控模式为自动限制模式时，限制交易账户进行交易；

当风控模型对应的监控模式为报警模式时，对交易账户进行报警。

关于交易账户的监管装置的具体限定可以参见上文中对于交易账户的监管方法的限定，在此不再赘述。上述交易账户的监管装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储交易账户的监管数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种交易账户的监管方法。

本领域技术人员可以理解，图13中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取交易账户的交易数据以及交易数据对应的监控参数；调用与监控参数对应的风控模型；风控模型基于账户类别、标的物类别、业务类型和监控时间中的至少两个监控维度所构成；基于风控模型对交易数据进行风险运算，得到风险值；根据风险值判断交易数据是否为异常数据；若是，基于风控模型对应的监控模式对交易账户进行监管。

在一个实施例中，监控参数包括账户类别、标的物类别、业务类型和监控时间；处理器执行计算机程序时还实现以下步骤：获取交易数据；获取与交易数据对应的交易账户，并确定交易账户对应的账户类别和业务类型；从交易数据中获取标的物类别；根据交易数据的产生时间确定监控时间。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：响应于参数配置指令，配置各监控维度对应的维度参数；根据维度参数配置各监控维度对应的第一风控条件以及各第一风控条件对应的条件阈值；从第一风控条件中选取至少两个监控维度对应的风控条件的交集；将风控条件的交集确定为第二风控条件；根据第二风控条件以及各第二风控条件对应的条件阈值建立风控模型。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：从预设的自动限制模式、事前阻断模式和报警模式中选取一个模式作为监控模式；确定所选取的监控模式对应的风险阈值；根据所选取的监控模式以及对应的风险阈值建立风控模型。

在一个实施例中，风险阈值包括第一风险阈值和第二风险阈值，第一风险阈值小于第二风险阈值；处理器执行计算机程序时还实现以下步骤：当监控时间的维度参数设置在第一风险等级监控时段内时，确定所选取的监控模式对应的第一风险阈值；当监控时间维度的维度参数设置在第二风险等级监控时段内时，确定所选取的监控模式对应的第二风险阈值。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取风控模型对应的风控条件和风险阈值；根据风控条件对交易数据进行风险运算，得到风险值；根据风险值判断交易数据是否为异常数据包括：当风险值高于或等于风控模型对应的风险阈值时，确定交易数据为异常数据；当风险值低于风控模型对应的风险阈值时，确定交易数据不是异常数据。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：当风控模型对应的监控模式为事前阻断模式时，拒绝将交易数据发送至交易平台；当风控模型对应的监控模式为自动限制模式时，限制交易账户进行交易；当风控模型对应的监控模式为报警模式时，对交易账户进行报警。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取交易账户的交易数据以及交易数据对应的监控参数；调用与监控参数对应的风控模型；风控模型基于账户类别、标的物类别、业务类型和监控时间中的至少两个监控维度所构成；基于风控模型对交易数据进行风险运算，得到风险值；根据风险值判断交易数据是否为异常数据；若是，基于风控模型对应的监控模式对交易账户进行监管。

在一个实施例中，监控参数包括账户类别、标的物类别、业务类型和监控时间；计算机程序被处理器执行时还实现以下步骤：获取交易数据；获取与交易数据对应的交易账户，并确定交易账户对应的账户类别和业务类型；从交易数据中获取标的物类别；根据交易数据的产生时间确定监控时间。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：响应于参数配置指令，配置各监控维度对应的维度参数；根据维度参数配置各监控维度对应的第一风控条件以及各第一风控条件对应的条件阈值；从第一风控条件中选取至少两个监控维度对应的风控条件的交集；将风控条件的交集确定为第二风控条件；根据第二风控条件以及各第二风控条件对应的条件阈值建立风控模型。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：从预设的自动限制模式、事前阻断模式和报警模式中选取一个模式作为监控模式；确定所选取的监控模式对应的风险阈值；根据所选取的监控模式以及对应的风险阈值建立风控模型。

在一个实施例中，风险阈值包括第一风险阈值和第二风险阈值，第一风险阈值小于第二风险阈值；计算机程序被处理器执行时还实现以下步骤：当监控时间的维度参数设置在第一风险等级监控时段内时，确定所选取的监控模式对应的第一风险阈值；当监控时间维度的维度参数设置在第二风险等级监控时段内时，确定所选取的监控模式对应的第二风险阈值。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取风控模型对应的风控条件和风险阈值；根据风控条件对交易数据进行风险运算，得到风险值；根据风险值判断交易数据是否为异常数据包括：当风险值高于或等于风控模型对应的风险阈值时，确定交易数据为异常数据；当风险值低于风控模型对应的风险阈值时，确定交易数据不是异常数据。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当风控模型对应的监控模式为事前阻断模式时，拒绝将交易数据发送至交易平台；当风控模型对应的监控模式为自动限制模式时，限制交易账户进行交易；当风控模型对应的监控模式为报警模式时，对交易账户进行报警。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种交易账户的监管方法，其特征在于，所述方法包括：

获取交易账户的交易数据以及所述交易数据对应的监控参数；

调用与所述监控参数对应的风控模型；所述风控模型基于账户类别、标的物类别、业务类型和监控时间中的至少两个监控维度所构成；

基于所述风控模型对所述交易数据进行风险运算，得到风险值；

根据所述风险值判断所述交易数据是否为异常数据；

若是，基于所述风控模型对应的监控模式对所述交易账户进行监管。

2.根据权利要求1所述的方法，其特征在于，所述监控参数包括账户类别、标的物类别、业务类型和监控时间；所述获取交易账户的交易数据以及所述交易数据对应的监控参数包括：

获取交易数据；

获取与所述交易数据对应的交易账户，并确定所述交易账户对应的账户类别和业务类型；

从所述交易数据中获取标的物类别；

根据所述交易数据的产生时间确定监控时间。

3.根据权利要求1所述的方法，其特征在于，所述调用与所述监控参数对应的风控模型之前，所述方法还包括：

响应于参数配置指令，配置各所述监控维度对应的维度参数；

根据所述维度参数配置各监控维度对应的第一风控条件以及各所述第一风控条件对应的条件阈值；

从所述第一风控条件中选取至少两个监控维度对应的风控条件的交集；

将所述风控条件的交集确定为第二风控条件；

根据所述第二风控条件以及各所述第二风控条件对应的条件阈值建立所述风控模型。

4.根据权利要求1所述的方法，其特征在于，所述调用与所述监控参数对应的风控模型之前，所述方法还包括：

从预设的自动限制模式、事前阻断模式和报警模式中选取一个模式作为监控模式；

确定所选取的监控模式对应的风险阈值；

根据所选取的监控模式以及对应的风险阈值建立所述风控模型。

5.根据权利要求4所述的方法，其特征在于，所述风险阈值包括第一风险阈值和第二风险阈值，所述第一风险阈值小于第二风险阈值；所述确定所选取的监控模式对应的风险阈值包括：

当所述监控时间的维度参数设置在第一风险等级监控时段内时，确定所选取的监控模式对应的第一风险阈值；

当所述监控时间维度的维度参数设置在第二风险等级监控时段内时，确定所选取的监控模式对应的第二风险阈值。

6.根据权利要求1所述的方法，其特征在于，所述基于所述风控模型对所述交易数据进行风险运算，得到风险值包括：

获取所述风控模型对应的风控条件和风险阈值；

根据所述风控条件对所述交易数据进行风险运算，得到风险值；

所述根据所述风险值判断所述交易数据是否为异常数据包括：

当所述风险值高于或等于所述风控模型对应的风险阈值时，确定所述交易数据为异常数据；

当所述风险值低于所述风控模型对应的风险阈值时，确定所述交易数据不是异常数据。

7.根据权利要求1所述的方法，其特征在于，基于所述风控模型对应的监控模式对所述交易账户进行监管包括：

当所述风控模型对应的监控模式为事前阻断模式时，拒绝将所述交易数据发送至交易平台；

当所述风控模型对应的监控模式为自动限制模式时，限制所述交易账户进行交易；

当所述风控模型对应的监控模式为报警模式时，对所述交易账户进行报警。

8.一种交易账户的监管装置，其特征在于，所述装置包括：

获取模块，用于获取交易账户的交易数据以及所述交易数据对应的监控参数；

调用模块，用于调用与所述监控参数对应的风控模型；所述风控模型基于账户类别、标的物类别、业务类型和监控时间中的至少两个监控维度所构成；

风险运算模块，用于基于所述风控模型对所述交易数据进行风险运算，得到风险值；

判断模块，用于根据所述风险值判断所述交易数据是否为异常数据；

监管模块，用于若是，基于所述风控模型对应的监控模式对所述交易账户进行监管。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

Images