CN112182509A - 一种合规数据的异常检测方法、装置及设备 - Google Patents
一种合规数据的异常检测方法、装置及设备 Download PDFInfo
- Publication number
- CN112182509A CN112182509A CN202010974833.3A CN202010974833A CN112182509A CN 112182509 A CN112182509 A CN 112182509A CN 202010974833 A CN202010974833 A CN 202010974833A CN 112182509 A CN112182509 A CN 112182509A
- Authority
- CN
- China
- Prior art keywords
- data
- compliance data
- target service
- compliance
- aging detection
- 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 89
- 238000001514 detection method Methods 0.000 claims abstract description 464
- 230000032683 aging Effects 0.000 claims abstract description 346
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims description 55
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 230000005856 abnormality Effects 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 description 21
- 230000008520 organization Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 239000003999 initiator Substances 0.000 description 6
- 230000002547 anomalous effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 231100000279 safety data Toxicity 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Finance (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Strategic Management (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例公开了一种合规数据的异常检测方法、装置及设备,本技术方案可以应用于监管或者合规领域,该方法包括:获取针对目标业务的合规数据,所述合规数据包括与所述目标业务相关的统计数据,将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,所述数据时效检测模型是基于针对所述目标业务的历史合规数据,通过动态拟合算法训练的模型,用于对所述目标业务的合规数据的时效进行异常检测,基于所述合规数据对应的时效检测结果,对所述合规数据进行处理。
Description
技术领域
本说明书涉及计算机技术领域,尤其涉及一种合规数据的异常检测方法、装置及设备。
背景技术
随着网络技术的不断发展,网络为人们的工作和生活提供的便利,基于此,为了便于商户或用户开展业务,某些组织或机构构建了相应的业务平台,商户或用户可以在上述相应的业务平台中运营相应的业务(即目标业务),同时为了更好的了解商户或用户的业务运营情况,上述组织或机构会设置相应的业务监管平台,商户或用户可以将其运营的目标业务相关的数据上传至业务监管平台,业务监管平台可以对商户或用户上传的业务相关的数据进行合规检测,同时,还需要对合规的数据进行异常检测,以确定输入的数据是否存在异常,为此,需要提供一种更优、检测效率更高的合规数据异常检测的技术方案。
发明内容
本说明书实施例的目的是提供一种更优、检测效率更高的合规数据异常检测的技术方案。
为了实现上述技术方案,本说明书实施例是这样实现的:
本说明书实施例提供的一种合规数据的异常检测方法,所述方法包括:获取针对目标业务的合规数据,所述合规数据包括与所述目标业务相关的统计数据。将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,所述数据时效检测模型是基于针对所述目标业务的历史合规数据,通过动态拟合算法训练的模型,用于对所述目标业务的合规数据的时效进行异常检测。基于所述合规数据对应的时效检测结果,对所述合规数据进行处理。
本说明书实施例提供的一种合规数据的异常检测装置,所述装置包括:合规数据获取模块,获取针对目标业务的合规数据,所述合规数据包括与所述目标业务相关的统计数据。检测模块,将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,所述数据时效检测模型是基于针对所述目标业务的历史合规数据,通过动态拟合算法训练的模型,用于对所述目标业务的合规数据的时效进行异常检测。数据处理模块,基于所述合规数据对应的时效检测结果,对所述合规数据进行处理。
本说明书实施例提供的一种合规数据的异常检测设备,所述合规数据的异常检测设备包括:处理器;以及被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:获取针对目标业务的合规数据,所述合规数据包括与所述目标业务相关的统计数据。将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,所述数据时效检测模型是基于针对所述目标业务的历史合规数据,通过动态拟合算法训练的模型,用于对所述目标业务的合规数据的时效进行异常检测。基于所述合规数据对应的时效检测结果,对所述合规数据进行处理。
本说明书实施例还提供了一种存储介质,其中,所述存储介质用于存储计算机可执行指令,所述可执行指令在被执行时实现以下流程:获取针对目标业务的合规数据,所述合规数据包括与所述目标业务相关的统计数据。将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,所述数据时效检测模型是基于针对所述目标业务的历史合规数据,通过动态拟合算法训练的模型,用于对所述目标业务的合规数据的时效进行异常检测。基于所述合规数据对应的时效检测结果,对所述合规数据进行处理。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,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说明书中记载的一些实施例,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为本说明书一种合规数据的异常检测方法实施例;
图2为本说明书另一种合规数据的异常检测方法实施例;
图3为本说明书又一种合规数据的异常检测方法实施例;
图4为本说明书一种合规数据的异常检测系统的结构示意图;
图5为本说明书又一种合规数据的异常检测方法实施例;
图6为本说明书一种合规数据的异常检测装置实施例;
图7为本说明书一种合规数据的异常检测设备实施例。
具体实施方式
本说明书实施例提供一种合规数据的异常检测方法、装置及设备。
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
实施例一
如图1所示,本说明书实施例提供一种合规数据的异常检测方法,该方法的执行主体可以为终端设备或服务器,该终端设备可以如手机、平板电脑等移动终端设备,还可以如个人计算机等设备,该服务器可以是一个独立的服务器,还可以是由多个服务器构成的服务器集群等。该终端设备或服务器可以是数据接入合规平台或某业务的监管平台或合规数据的数据时效检测的终端设备或服务器,数据接入合规平台或某业务的监管平台中可以入驻有一个或多个业务接入方,业务接入方可以定时或非定时向数据接入合规平台或某业务的监管平台上报该业务的相关情况。本说明书实施例中以执行主体为服务器为例进行详细说明,对于执行主体为终端设备的情况,可以参见下述相关内容执行,在此不再赘述。该方法具体可以包括以下步骤:
在步骤S102中,获取针对目标业务的合规数据,该合规数据包括与目标业务相关的统计数据。
其中,目标业务可以是任意业务,例如,目标业务可以如支付业务等金融类业务,还可以如用户信用征集业务等,具体可以根据实际情况设定,本说明书实施例对此不做限定。合规数据可以是通过合规检测的数据,合规检测的过程可以通过合规检测的合规规则实现,合规规则可以通过多种不同的方式设定,例如,可以基于进行合规检测的数据提供方的身份进行设定,还可以针对目标业务所属的业务类别设置相应的合规规则,不同业务类别的数据,可以设置不同的合规规则,具体可以根据实际情况设定。而且,为了保证合规规则的安全,合规规则可以为密文,即合规规则可以由经过授权的规则制定方制定合规规则的内容,然后,可以通过指定的加密或签名方式对合规规则进行加密或签名,形成合规规则的密文,然后再将合规规则的密文通过指定的安全数据传输通道传递至数据接入合规平台或业务的监管平台等,从而保证合规规则的安全性,防止被篡改。
在实施中,随着网络技术的不断发展,网络为人们的工作和生活提供的便利,基于此,为了便于商户或用户开展业务,某些组织或机构构建了相应的业务平台,商户或用户可以在上述相应的业务平台中运营相应的业务(即目标业务),同时为了更好的了解商户或用户的业务运营情况,上述组织或机构会设置相应的业务监管平台,商户或用户可以将其运营的目标业务相关的数据上传至业务监管平台,业务监管平台可以对合规的数据进行异常检测,以确定输入的数据是否存在异常,为此,需要提供一种更优、检测效率更高的合规数据异常检测的技术方案。本说明书实施例中提供一种合规数据异常检测的技术方案,具体可以包括以下内容:
如图2所示,为了能够对合规数据进行异常检测,可以预先设定对目标业务的合规数据进行异常检测的服务器,并可以在该服务器中安装执行上述异常检测功能的应用程序。相应的,业务接入方的终端设备中也可以安装有向数据接入合规平台或业务的监管平台上传数据的应用程序,通过该应用程序,业务接入方可以向数据接入合规平台或业务的监管平台中上传数据。为此,业务接入方可以预先记录用户处理上述业务过程中产生的相关数据,如业务接入方的业务为用户信用业务,则用户处理上述业务过程中产生的相关数据可以包括预设时间段内用户请求上述业务的人数(具体如上一个月份用户请求上述业务的人数或上一年用户请求上述业务的人数)、预设时间段相较于上一时间段用户请求上述业务的新增人数、来自不同数据源的信息的数量(具体如来自第三方支付机构的信息的数量、来自指定的贷款提供方)、预设时间段相较于上一时间段来自不同数据源的信息的新增数量等。在实际应用中,不同的业务,用户处理上述业务过程中产生的相关数据的种类或类型可以不同,数据的内容也可以不同。当需要向数据接入合规平台或业务的监管平台上报与上述业务相关的数据时,可以将记录的上述数据从存储设备中导出,并可以基于数据的类型、数据内容等进行统计分析,得到数据接入合规平台或业务的监管平台所需采集的统计数据,并可以根据预设的数据格式或数据处理方式将得到的统计数据进行处理,得到业务接入方的业务相关的统计数据,例如,可以以表格的形式将上述统计数据设置于预设的表格中,或者,还可以以统计图的形式将上述统计数据设置于预设的图形中,或者,还可以以表格和统计图的形式(即报表的形式)将上述统计数据设置于预设的报表中等,具体可以根据实际情况设定。
此外,还可以在上述应用程序中设置数据上传入口(具体如数据上传的按键或超链接等)。如果业务接入方需要向数据接入合规平台或业务的监管平台中上传数据,则可以通过上述数据上传入口上传上述统计数据,上传完成后,终端设备可以获取上述统计数据,并可以生成数据上报请求,将该数据上报请求发送给上述服务器,该服务器可以接收业务接入方发送的数据上报请求。
需要说明的是,上述方式是通过业务接入方的终端设备直接向服务器发送数据上报请求实现的,而在实际应用中,还可以包括其它方式,如终端设备可以通过重定向的方式等。
服务器接收到上述数据上报请求后,可以基于预设的合规规则对数据上报请求中的统计数据进行合规检测,得到该统计数据对应的合规检测结果,如果该统计数据符合上述合规规则,则可以将该统计数据作为合规数据,并可以将合规数据进行记录和存储。当到达预定时长或数据检测周期时,服务器可以从上述记录和存储合规数据中获取针对目标业务的合规数据,该合规数据中可以包括与目标业务相关的统计数据。
需要说明的是,在实际应用中,还可以直接对数据上报请求中的统计数据进行异常检测而不需要对上述统计数据进行合规检测,具体可以根据实际情况设定。
在步骤S104中,将目标业务的合规数据输入到预先训练的数据时效检测模型中,得到该合规数据对应的时效检测结果,该数据时效检测模型是基于针对目标业务的历史合规数据,通过动态的拟合算法训练的模型,用于对目标业务的合规数据的时效进行异常检测。
其中,数据时效检测模型可以用于对目标业务的合规数据的时效进行异常检测,数据时效检测模型可以通过动态的拟合算法构建,其中的动态的拟合算法可以是一种基于动态数据的拟合算法,可以是通过相应的数据点,基于数据拟合的方式得到上述数据点所反映的该数据点对应的对象的变化趋势的算法,动态的拟合算法可以包括多种,例如最小二乘法等,此外,还可以通过某应用程序中提供的拟合算法执行上述处理等,具体可以根据实际情况设定。历史合规数据可以是相对当前时间之前某个时间段或时间段的合规数据,例如,历史合规数据可以是当前时刻之前三天的合规数据或可以是当前时刻之前三个月的合规数据。时效检测可以是对合规数据中涉及到的与时间相关的信息的检测,例如对某时间段内某业务产生的信息数量进行检测,或者,可以对某固定时间点的业务处理进行检测等。
在实施中,为了对合规数据进行时效检测,可以获取目标业务的历史合规数据,其中,获取的历史合规数据可以包括多种方式,例如,可以获取指定时间点或时间段的历史合规数据,或者,可以获取指定数据项目的历史合规数据,或者,还可以从已记录或存储的历史合规数据中随机抽取预设数量或数据量的历史合规数据等,具体可以根据实际情况设定,本说明书实施例对此不做限定。然后,服务器可以对获取到的历史合规数据进行分析,可以初步确定目标业务的历史合规数据可能具备的规律,可以将与大部分历史合规数据存在不同上述规律的历史合规数据拆分出来,剩余的历史合规数据可以继续后续处理。可以通过动态的拟合算法对上述历史合规数据进行处理,具体如,可以根据实际情况预先选定一种动态的拟合算法,该拟合算法中可以包括拟合函数,拟合函数中可以包括一个或多个待求解的参数。可以将上述历史合规数据进行映射处理,得到每个历史合规数据所映射的坐标,然后,可以将每个历史合规数据所映射的坐标输入到上述拟合函数中,得到多个拟合函数的方程,可以对上述方程进行求解,最终可以得到拟合函数中的各个参数值,最终可以得到完整的拟合函数,进而可以得到数据时效检测模型。
通过上述方式得到数据时效检测模型后,可以将上述步骤S102中获取的合规数据输入到上述得到的数据时效检测模型中进行数据时效检测,得到该合规数据对应的时效检测结果。例如,针对目标业务,在每天的11时~14时和19时~21时之间产生的信息数量最多,如果检测到某一天的14时~18时之间产生的信息数量最多,而11时~14时和19时~21时之间产生的信息数量均较少,则通过数据时效检测模型对该合规数据进行数据合规检测的过程中,数据时效检测模型可以分析出上述一天的合规数据与其它时间的合规数据存在差异,此时,可以确定上述一天的合规数据存在异常。
在步骤S106中,基于上述合规数据对应的时效检测结果,对该合规数据进行处理。
在实施中,如果上述合规数据对应的时效检测结果为正常,则可以将该合规数据记录并存储在指定存储设备中,并可以将目标业务的标识等对应存储。如果上述合规数据对应的时效检测结果为异常,则可以将该合规数据提供给指定的风险防控平台进行进一步处理,例如可以进一步对该合规数据进行分析,确定该目标业务是否处于风险中,如果确定该目标业务处于风险中,则可以及时对目标业务存在的风险进行控制,以减少用户和业务接入方的损失,如果确定该目标业务未处于风险中,则可以对该合规数据进行标记,以便后续出现相同情况时可以不需要对目标业务进行风险防控,以节省服务器的处理资源。
本说明书实施例提供一种合规数据的异常检测方法,通过预先训练的数据时效检测模型对对目标业务的合规数据的时效进行异常检测,得到该合规数据对应的时效检测结果,基于该合规数据对应的时效检测结果,对该合规数据进行处理,这样,基于通过动态拟合算法训练的模型对目标业务的合规数据的时效进行异常检测,从而可以及时发现目标业务的合规数据中包含的异常数据,使得目标业务的运行更加安全,提高了合规数据异常检测的检测效率。
实施例二
如图2所示,本说明书实施例提供一种合规数据的异常检测方法,该方法的执行主体可以为终端设备或服务器,该终端设备可以如手机、平板电脑等移动终端设备,还可以如个人计算机等设备,该服务器可以是一个独立的服务器,还可以是由多个服务器构成的服务器集群等。该终端设备或服务器可以是数据接入合规平台或某业务的监管平台或合规数据的数据时效检测的终端设备或服务器,数据接入合规平台或某业务的监管平台中可以入驻有一个或多个业务接入方,业务接入方可以定时或非定时向数据接入合规平台或某业务的监管平台上报该业务的相关情况。本说明书实施例中以执行主体为服务器为例进行详细说明,对于执行主体为终端设备的情况,可以参见下述相关内容执行,在此不再赘述。该方法具体可以包括以下步骤:
在步骤S202中,获取针对目标业务的合规数据,该合规数据包括与目标业务相关的统计数据,该统计数据设置于针对目标业务的预设报表中。
其中,预设报表可以是预先设定的针对业务接入方的业务的报表,该报表中可以包括表格和/或图形等,其中的表格或图形中可以设置有不同的项目名称和每个项目对应的内容,例如,账簿或财务报表等,具体如目标业务为用户的信用征集的业务,则预设报表可以如表1所示。
表1
在实际应用中,除了可以通过表格的方式呈现上述报表外,也可以通过图形的方式呈现上述报表,还可以通过图形和表格结合的方式呈现上述报表,具体可以根据实际情况设定。
在步骤S204中,将包含上述合规数据的预设报表输入到预先训练的数据时效检测模型中,以基于该数据时效检测模型中的动态拟合算法对预设报表进行异常检测,得到预设报表对应的时效检测结果,将预设报表对应的时效检测结果作为合规数据对应的时效检测结果,该数据时效检测模型是基于针对目标业务的历史合规数据,通过动态拟合算法训练的模型,用于对目标业务的合规数据的时效进行异常检测。
上述步骤S204的具体处理过程可以参见上述实施例一中的相关内容,在此不再赘述。
对于上述步骤S204的处理还可以通过多种方式实现,以下提供一种可行的处理方式,具体可以参见下述内容:目标业务的合规数据中包括数据接收时间,将目标业务的合规数据输入到预先训练的数据时效检测模型中,并基于目标业务的合规数据中的数据接收时间和数据时效检测模型对应的基准数据接收时间,得到该合规数据对应的时效检测结果。
在实施中,每个项目的数据或每一条数据均可以设置有数据接收时间,可以通过动态的拟合算法,通过历史合规数据中包含的数据接收时间,构建数据时效检测模型。得到的数据时效检测模型中可以设置有不同项目对应的基准数据接收时间。可以通过对目标业务的合规数据中的数据接收时间于数据时效检测模型对应的基准数据接收时间之间的比对匹配,确定该合规数据对应的时效检测结果。
在步骤S206中,基于上述合规数据对应的时效检测结果,对上述合规数据进行处理。
本说明书实施例提供一种合规数据的异常检测方法,通过预先训练的数据时效检测模型对对目标业务的合规数据的时效进行异常检测,得到该合规数据对应的时效检测结果,基于该合规数据对应的时效检测结果,对该合规数据进行处理,这样,基于通过动态拟合算法训练的模型对目标业务的合规数据的时效进行异常检测,从而可以及时发现目标业务的合规数据中包含的异常数据,使得目标业务的运行更加安全,提高了合规数据异常检测的检测效率。
实施例三
如图3所示,本说明书实施例提供一种合规数据的异常检测方法,该方法的执行主体可以为终端设备或服务器,该终端设备可以如手机、平板电脑等移动终端设备,还可以如个人计算机等设备,该服务器可以是一个独立的服务器,还可以是由多个服务器构成的服务器集群等。该终端设备或服务器可以是数据接入合规平台或某业务的监管平台或合规数据的数据时效检测的终端设备或服务器,数据接入合规平台或某业务的监管平台中可以入驻有一个或多个业务接入方,业务接入方可以定时或非定时向数据接入合规平台或某业务的监管平台上报该业务的相关情况。本说明书实施例中以执行主体为服务器为例进行详细说明,并且该服务器中设置有可信执行环境,该可信执行环境可以通过预定的编程语言编写的程序来实现(即可以是以软件的形式实现),也可以基于软件和硬件的方式实现,对于执行主体为终端设备的情况,可以参见下述相关内容执行,在此不再赘述。该方法具体可以包括以下步骤:
在步骤S302中,接收对区块链中存储的目标业务的合规数据的时效检测请求,该时效检测请求包括目标业务的业务标识,以及与目标业务相关的统计数据,该统计数据设置于针对目标业务的预设报表中。
其中,区块链可以是任意的公有链、私有链或联盟链等,区块链中可以存储有指定的数据,区块链中的数据具有防篡改和可追溯等优势。业务标识可以为目标业务的名称或编码等。
在实施中,如图4所示,为了能够对区块链中存储的目标业务的合规数据进行时效检测,可以预先设定对合规数据进行时效检测的服务器,并可以在该服务器中安装执行上述时效检测功能的应用程序。相应的,业务监管方的终端设备中也可以安装有对合规数据进行时效检测的应用程序,通过该应用程序,业务监管方可以向区块链请求对目标业务的合规数据进行时效检测。为此,可以在该应程序中设置数据处理入口(具体如数据处理的按键或超链接等)。如果业务监管方需要对合规数据进行时效检测,则可以通过上述数据处理入口向服务器发送对区块链中存储的目标业务的合规数据的时效检测请求。
需要说明的是,上述方式是通过终端设备直接向该服务器发送对区块链中存储的目标业务的合规数据的时效检测请求实现的,而在实际应用中,还可以包括其它方式,例如,终端设备可以将该时效检测请求发送给区块链节点,区块链节点可以向终端设备发送重定向消息,终端设备可以基于该重定向消息中的访问地址,将该时效检测请求发送给该服务器等。
在步骤S304中,基于上述业务标识,从区块链中获取针对目标业务的合规数据。
在实施中,区块链中可以存储有业务标识与合规数据的对应关系,即区块链节点存储某业务的合规数据时,可以将该合规数据与该业务的业务标识对应存储。当接收到对区块链中存储的目标业务的合规数据的时效检测请求时,可以将该时效检测请求中的业务标识发送给区块链节点,区块链节点可以将针对目标业务的合规数据发送给服务器。
在步骤S306中,通过用于执行时效检测处理的第一可信应用,将目标业务的合规数据传递至可信执行环境中,其中,可信执行环境中设置有针对第一可信应用的合规数据进行时效检测的数据时效检测模型。
其中,第一可信应用可以是预先指定的、可以用于执行时效检测处理的可信应用,例如某金融支付应用、某即时通讯应用或预先开发的应用程序等,第一可信应用可以是需要安装在终端设备或服务器中的应用程序,也可以是预先植入终端设备或服务器某硬件设备中的代码程序,还可以是以插件的形式设置于终端设备或服务器的操作系统的后台运行的程序等,具体可以根据实际情况设定。可信执行环境可以为TEE等,可信执行环境可以通过预定的编程语言编写的程序来实现(即可以是以软件的形式实现),也可以基于软件和硬件的方式实现,可信执行环境可以是安全并与其它环境相隔离的数据处理环境,即在可信执行环境中执行的处理,以及数据处理的过程中产生的数据等无法被可执行环境外的其它执行环境或应用程序所访问。终端设备或服务器中可以包括REE(富执行环境)和TEE,REE下可以运行终端设备或服务器安装的操作系统,如Android操作系统、iOS操作系统、Windows操作系统、Linux操作系统等,REE的特点可以包括功能强大,开放性和扩展性好,可以为上层应用程序提供终端设备或服务器的所有功能,比如摄像功能,触控功能等,但是,REE中存在很多安全隐患,例如,操作系统可以获得某应用程序的所有数据,但很难验证该操作系统或该应用程序是否被篡改,如果被篡改,则用户的信息将存在很大的安全隐患,针对于此,就需要终端设备或服务器中的TEE进行处理。TEE具有其自身的执行空间,也就是说在TEE下也存在一个操作系统,TEE比REE的安全级别更高,TEE所能访问的终端设备或服务器中的软件和硬件资源是与REE分离的,但TEE可以直接获取REE的信息,而REE不能获取TEE的信息。TEE可以通过提供的接口来进行验证等处理,从而保证用户信息(如支付信息、用户隐私信息等)不会被篡改、密码不会被劫持、指纹或面部等信息不会被盗用。该数据时效检测模型预先被设置于终端设备或服务器的可信执行环境中,为了保证数据时效检测模型的安全,数据时效检测模型的数据可以为密文,即数据时效检测模型可以由经过授权的模型制定方制定数据时效检测模型,然后,可以通过指定的加密或签名方式对数据时效检测模型进行加密或签名,形成数据时效检测模型的密文,然后再将数据时效检测模型的密文通过指定的安全数据传输通道传递至可信执行环境中,从而保证数据时效检测模型的安全性,防止被篡改。在可行执行环境中,可以对数据时效检测模型的密文进行解密或验签,在确定数据时效检测模型未被篡改(如验签通过或者可以进行解密且解密后的数据时效检测模型满足预设条件等)后,可以将数据时效检测模型存储于TEE中。
在实施中,为了保证对合规数据进行时效检测的过程中的安全性,防止目标业务的合规数据中的统计数据被REE中的任意应用程序获取,可以设置用于执行时效检测处理的可信应用(即第一可信应用),通过第一可信应用对上述合规数据中的统计数据进行临时保护,例如可以防止未授权的其它应用程序访问上述统计数据以此进行数据保护,或者,可以对上述统计数据进行预定处理,得到处理后的统计数据,以此进行数据保护,如对上述统计数据进行加密或签名,得到加密或签名后的统计数据等。在获取到针对目标业务的合规数据后,可以启动用于执行时效检测处理的可信应用(即第一可信应用)。第一可信应用可以预先设置有安全接口,相应的,可信执行环境中也可以设置有相应的安全接口,通过第一可信应用与可信执行环境之间的安全接口,第一可信应用与可信执行环境之间可以建立安全的数据传输通道。第一可信应用可以从区块链中获取针对目标业务的合规数据,并可以将上述合规数据(即上述预设报表)通过上述安全接口和数据传输通道传递至可信执行环境中,通过上述设置第一可信应用、安全接口和数据传输通道等可以保证数据在传输过程中的安全性。
需要说明的是,第一可信应用也可以包括多种,可以根据目标业务的业务类型或业务标识等设置相应的第一可信应用,也可以根据上述合规数据中的统计数据的数据内容或数据类型等设置相应的第一可信应用,还可以根据上述合规数据中的统计数据对应的用户的不同而设置相应的第一可信应用。在实际应用中,如何设置第一可信应用可以根据实际情况设定,本说明书实施例对此不做限定。
上述步骤S306的处理可以多种多样,以下提供一种可选的处理方式,具体可以包括以下内容:通过第一可信应用,将目标业务的合规数据以密文的方式传递至可信执行环境。
其中,合规数据的密文可以使用多种不同的加密算法确定,其中的加密算法可以包括多种,如对称加密算法或非对称加密算法等。
在步骤S308中,在可信执行环境中,将目标业务的合规数据输入到预先训练的数据时效检测模型中,得到该合规数据对应的时效检测结果。
在实施中,为了保证上述目标业务的合规数据在处理的过程中不被泄露,可以在可信执行环境中对上述目标业务的合规数据进行时效检测,具体的时效检测过程可以包括多种,以下提供可选的处理方式,具体可以包括:可以预先设定对目标业务的合规数据进行时效检测的数据时效检测模型,上述目标业务的合规数据被传递至终端设备的可信执行环境中后,可以将该上述目标业务的合规数据置于可信执行环境中。在可信执行环境中,终端设备可以对上述目标业务的合规数据进行分析,例如,可以确定上述目标业务的业务类别,或者,确定上述目标业务的合规数据对应的组织或机构的相关信息,然后,可以基于确定的业务类别或确定的组织或机构的相关信息,获取相应的数据时效检测模型。可以在可信执行环境中,使用获取的数据时效检测模型对目标业务的合规数据进行时效检测。
上述步骤S308的处理可以多种多样,以下再提供一种可选的处理方式,具体可以包括以下内容:该时效检测请求中包括目标业务的合规数据的可验证声明,在可信执行环境中,对可验证声明的有效性进行验证;如果验证结果为有效,则在可信执行环境中,将目标业务的合规数据输入到预先训练的数据时效检测模型中,得到该合规数据对应的时效检测结果。
其中,可验证声明可以是用于描述个人、组织等实体所具有的某些属性的一种规范性的信息,可验证声明可以实现基于证据的信任,可以通过可验证声明,向其他实体证明当前实体的某些属性的信息是可信的。可验证声明中可以包括多个不同的字段和相应的字段值。
在实施中,第一可信应用除了可以将目标业务的合规数据传递至可信执行环境中外,还可以将数据上报请求中的可验证声明传递至可信执行环境中。可信执行环境中包含上述目标业务的合规数据和可验证声明后,可以先对可验证声明进行验证,以判断该可验证声明是否有效,在确定可验证声明有效的情况下,再基于可验证声明进行相应处理,从而进一步保证数据处理的安全性。具体地,对可验证声明进行验证可以包括多种方式,例如,可以获取对可验证声明中包含的字段值通过预定的算法进行计算(例如可以通过哈希算法计算可验证声明中包含的字段值的哈希值等),得到相应的计算结果。可验证声明中还包括上述计算结果的基准值,可以将得到的计算结果与可验证声明中的基准值进行比较,如果两者相同,则验证通过,即可验证声明有效,如果两者不相同,则验证失败,即可验证声明无效。
另外,该时效检测请求中包括业务接入方的数字身份信息,上述步骤S308的处理可以多种多样,以下提供一种可选的处理方式,具体可以包括以下内容:在可信执行环境中,查找可信执行环境中预先存储的数字身份信息中是否存在业务接入方的数字身份信息;如果存在,则在可信执行环境中,将目标业务的合规数据输入到预先训练的数据时效检测模型中,得到合规数据对应的时效检测结果。
其中,数字身份信息可以是指通过数字化信息将用户可识别地进行刻画的信息,也即为将真实的身份信息浓缩为数字代码的形式表现,以便对用户个人的实时行为信息进行绑定、查询和验证。数字身份信息中不仅可以包含用户的出生信息、个体描述、生物特征等身份编码信息,也涉及多种属性的个人行为信息(如交易信息或娱乐信息等)等。数字身份信息可以通过多种方式展现,如DID(Decentralized Identity,去中心化身份)等。
在步骤S310中,基于上述合规数据对应的时效检测结果,对该合规数据进行处理。
在步骤S312中,接收对可信执行环境中的数据时效检测模型的更新请求,该更新请求中包括待更新的数据时效检测模型,待更新的数据时效检测模型的数据为密文。
在步骤S314中,通过第一可信应用,将待更新的数据时效检测模型传递至可信执行环境中。
在步骤S316中,在可信执行环境中,对待更新的数据时效检测模型的数据进行解密,并基于解密后的待更新的数据时效检测模型对数据时效检测模型进行更新。
在实施中,终端设备获取到数据时效检测模型的更新请求后,可以获取该更新请求中包含的数据时效检测模型的标识,并可以通过该标识查找到相应的数据时效检测模型。可以获取具备对该数据时效检测模型进行更新权限的用户的信息,可以从获取的具备更新权限的用户的信息中,查找其中是否包含当前的更新请求的发起方的信息,如果包含,则可以确定当前的更新请求的发起方具备对该数据时效检测模型进行更新的权限,此时,服务器可以基于上述更新请求对可信执行环境中的数据时效检测模型进行更新,得到更新后的数据时效检测模型。如果不包含,则可以确定当前的更新请求的发起方不具备对该数据时效检测模型进行更新的权限,此时,可以向当前的更新请求的发起方发送更新失败的通知消息。
需要说明的是,上述步骤S312~步骤S316中的对数据时效检测模型进行更新的处理可以是在上述步骤S302~步骤S310之后执行,在实际应用中,步骤S312~步骤S316的处理还可以是在上述步骤S302~步骤S310之前执行等,本说明书实施例对此不做限定。
本说明书实施例提供一种合规数据的异常检测方法,通过预先训练的数据时效检测模型对目标业务的合规数据的时效进行异常检测,得到该合规数据对应的时效检测结果,基于该合规数据对应的时效检测结果,对该合规数据进行处理,这样,基于通过动态拟合算法训练的模型对目标业务的合规数据的时效进行异常检测,从而可以及时发现目标业务的合规数据中包含的异常数据,使得目标业务的运行更加安全,提高了合规数据异常检测的检测效率。
此外,在可信环境中,基于数据时效检测模型对目标业务的合规数据的时效进行异常检测,从而保证了对区块链中的合规数据的安全性。
实施例四
如图5所示,本说明书实施例提供一种合规数据的异常检测方法,该方法的执行主体可以为终端设备或服务器,该终端设备可以如手机、平板电脑等移动终端设备,还可以如个人计算机等设备,该服务器可以是一个独立的服务器,还可以是由多个服务器构成的服务器集群等。该终端设备或服务器可以是数据接入合规平台或某业务的监管平台或合规数据的数据时效检测的终端设备或服务器,数据接入合规平台或某业务的监管平台中可以入驻有一个或多个业务接入方,业务接入方可以定时或非定时向数据接入合规平台或某业务的监管平台上报该业务的相关情况。本说明书实施例中以执行主体为服务器为例进行详细说明,并且该服务器中设置有可信执行环境,该可信执行环境可以通过预定的编程语言编写的程序来实现(即可以是以软件的形式实现),也可以基于软件和硬件的方式实现,对于执行主体为终端设备的情况,可以参见下述相关内容执行,在此不再赘述。该方法具体可以包括以下步骤:
在步骤S502中,接收目标业务的合规数据的上链请求。
其中,上链请求中可以包括目标业务的合规数据,还可以包括如目标业务的业务标识、合规数据的持有方的相关信息、上链请求的发起方的相关信息、目标业务的业务属性信息(如目标业务的业务类别等)等,具体可以根据实际情况设定,本说明书实施例对此不做限定。
在步骤S504中,在可信环境中,根据目标业务和目标业务的历史合规数据,生成数据时效检测模型和检测模型索引信息。
其中,检测模型索引信息可以是用于记录某业务的数据时效检测模型所存储的位置等信息,通过检测模型索引信息,可以快速查找到相应的数据时效检测模型,检测模型索引信息的相应数据存储到区块链中后,通常不会对其内容进行修改,也即是该数据时效检测模型的存储位置通常不会改变,从而可以防止某业务的检测模型索引信息被恶意篡改。
在步骤S506中,将上述合规数据和检测模型索引信息上传至区块链中。
在步骤S508中,接收对区块链中存储的目标业务的合规数据的时效检测请求,该时效检测请求包括所述目标业务的业务标识,以及与目标业务相关的统计数据,该统计数据设置于针对目标业务的预设报表中。
在步骤S510中,基于上述业务标识,从区块链中获取针对目标业务的合规数据,并从区块链中获取目标业务的合规数据对应的检测模型索引信息,基于该检测模型索引信息获取预先训练的数据时效检测模型。
在步骤S512中,通过用于执行时效检测处理的第一可信应用,将目标业务的合规数据和数据时效检测模型传递至可信执行环境中。
在步骤S514中,在可信执行环境中,将目标业务的合规数据输入到预先训练的数据时效检测模型中,得到合规数据对应的时效检测结果。
上述步骤S514的处理可以多种多样,以下再提供一种可选的处理方式,具体可以包括以下内容:该时效检测请求中包括目标业务的合规数据的可验证声明,在可信执行环境中,对可验证声明的有效性进行验证;如果验证结果为有效,则在可信执行环境中,将目标业务的合规数据输入到预先训练的数据时效检测模型中,得到该合规数据对应的时效检测结果。
另外,该时效检测请求中包括业务接入方的数字身份信息,上述步骤S514的处理可以多种多样,以下提供一种可选的处理方式,具体可以包括以下内容:在可信执行环境中,查找可信执行环境中预先存储的数字身份信息中是否存在业务接入方的数字身份信息;如果存在,则在可信执行环境中,将目标业务的合规数据输入到预先训练的数据时效检测模型中,得到合规数据对应的时效检测结果。
在步骤S516中,基于上述合规数据对应的时效检测结果,对该合规数据进行处理。
本说明书实施例提供一种合规数据的异常检测方法,通过预先训练的数据时效检测模型对目标业务的合规数据的时效进行异常检测,得到该合规数据对应的时效检测结果,基于该合规数据对应的时效检测结果,对该合规数据进行处理,这样,基于通过动态拟合算法训练的模型对目标业务的合规数据的时效进行异常检测,从而可以及时发现目标业务的合规数据中包含的异常数据,使得目标业务的运行更加安全,提高了合规数据异常检测的检测效率。
此外,在可信环境中,基于数据时效检测模型对目标业务的合规数据的时效进行异常检测,从而保证了对区块链中的合规数据的安全性,而且,通过区块链中存储数据时效检测模型的检测模型索引信息,在区块链外存储相应的数据时效检测模型来解决区块链中的数据无法更改和数据时效检测模型动态变化之间的矛盾,实现了对区块链中存储的合规数据进行异常检测。
实施例五
以上为本说明书实施例提供的合规数据的异常检测方法,基于同样的思路,本说明书实施例还提供一种合规数据的异常检测装置,如图6所示。
该合规数据的异常检测装置包括:合规数据获取模块601、检测模块602和数据处理模块603,其中:
合规数据获取模块601,获取针对目标业务的合规数据,所述合规数据包括与所述目标业务相关的统计数据;
检测模块602,将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,所述数据时效检测模型是基于针对所述目标业务的历史合规数据,通过动态拟合算法训练的模型,用于对所述目标业务的合规数据的时效进行异常检测;
数据处理模块603,基于所述合规数据对应的时效检测结果,对所述合规数据进行处理。
本说明书实施例中,所述统计数据设置于针对所述目标业务的预设报表中,所述检测模块602,将包含所述合规数据的所述预设报表输入到预先训练的数据时效检测模型中,以基于所述数据时效检测模型中的动态拟合算法对所述预设报表进行异常检测,得到所述预设报表对应的时效检测结果,将所述预设报表对应的时效检测结果作为所述合规数据对应的时效检测结果。
本说明书实施例中,所述目标业务的合规数据中包括数据接收时间,所述检测模块602,将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,并基于所述目标业务的合规数据中的数据接收时间和所述数据时效检测模型对应的基准数据接收时间,得到所述合规数据对应的时效检测结果。
本说明书实施例中,所述合规数据获取模块601,包括:
第一请求单元,接收对区块链中存储的目标业务的合规数据的时效检测请求,所述时效检测请求包括所述目标业务的业务标识;
第一合规数据获取单元,基于所述业务标识,从所述区块链中获取针对所述目标业务的合规数据;
所述检测模块602,包括:
第一数据传输单元,通过用于执行时效检测处理的第一可信应用,将所述目标业务的合规数据传递至可信执行环境中,其中,所述可信执行环境中设置有针对所述第一可信应用的合规数据进行时效检测的数据时效检测模型;
第一检测单元,在所述可信执行环境中,将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果。
本说明书实施例中,所述装置还包括:
更新请求模块,接收对所述可信执行环境中的所述数据时效检测模型的更新请求,所述更新请求中包括待更新的数据时效检测模型,所述待更新的数据时效检测模型的数据为密文;
模型传递模块,通过所述第一可信应用,将所述待更新的数据时效检测模型传递至所述可信执行环境中;
更新模块,在所述可信执行环境中,对所述待更新的数据时效检测模型的数据进行解密,并基于解密后的所述待更新的数据时效检测模型对所述数据时效检测模型进行更新。
本说明书实施例中,所述合规数据获取模块601,包括:
第二请求单元,接收对区块链中存储的目标业务的合规数据的时效检测请求,所述时效检测请求包括所述目标业务的业务标识;
第二合规数据获取单元,基于所述业务标识,从所述区块链中获取针对所述目标业务的合规数据,并从所述区块链中获取所述目标业务的合规数据对应的检测模型索引信息,基于所述检测模型索引信息获取所述预先训练的数据时效检测模型;
所述检测模块602,包括:
第二数据传输单元,通过用于执行时效检测处理的第一可信应用,将所述目标业务的合规数据和所述数据时效检测模型传递至可信执行环境中;
第二检测单元,在所述可信执行环境中,将所述目标业务的合规数据输入到所述数据时效检测模型中,得到所述合规数据对应的时效检测结果。
本说明书实施例中,所述装置还包括:
上链请求模块,接收所述目标业务的合规数据的上链请求;
模型索引生成模块,在所述可信环境中,根据目标业务和所述目标业务的历史合规数据,生成所述数据时效检测模型和所述检测模型索引信息;
信息上传模块,将所述合规数据和所述检测模型索引信息上传至区块链中。
本说明书实施例中,所述时效检测请求中包括所述目标业务的合规数据的可验证声明,所述检测模块602,在所述可信执行环境中,对所述可验证声明的有效性进行验证;如果验证结果为有效,则在所述可信执行环境中,将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果。
本说明书实施例中,所述时效检测请求中包括业务接入方的数字身份信息,所述检测模块602,在所述可信执行环境中,查找所述可信执行环境中预先存储的数字身份信息中是否存在所述业务接入方的数字身份信息;如果存在,则在所述可信执行环境中,将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果。
本说明书实施例提供一种合规数据的异常检测装置,通过预先训练的数据时效检测模型对目标业务的合规数据的时效进行异常检测,得到该合规数据对应的时效检测结果,基于该合规数据对应的时效检测结果,对该合规数据进行处理,这样,基于通过动态拟合算法训练的模型对目标业务的合规数据的时效进行异常检测,从而可以及时发现目标业务的合规数据中包含的异常数据,使得目标业务的运行更加安全,提高了合规数据异常检测的检测效率。
此外,在可信环境中,基于数据时效检测模型对目标业务的合规数据的时效进行异常检测,从而保证了对区块链中的合规数据的安全性,而且,通过区块链中存储数据时效检测模型的检测模型索引信息,在区块链外存储相应的数据时效检测模型来解决区块链中的数据无法更改和数据时效检测模型动态变化之间的矛盾,实现了对区块链中存储的合规数据进行异常检测。
实施例六
以上为本说明书实施例提供的合规数据的异常检测装置,基于同样的思路,本说明书实施例还提供一种合规数据的异常检测设备,如图7所示。
所述合规数据的异常检测设备可以为上述实施例提供的终端设备或服务器等。
合规数据的异常检测设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器701和存储器702,存储器702中可以存储有一个或一个以上存储应用程序或数据。其中,存储器702可以是短暂存储或持久存储。存储在存储器702的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括对合规数据的异常检测设备中的一系列计算机可执行指令。更进一步地,处理器701可以设置为与存储器702通信,在合规数据的异常检测设备上执行存储器702中的一系列计算机可执行指令。合规数据的异常检测设备还可以包括一个或一个以上电源703,一个或一个以上有线或无线网络接口704,一个或一个以上输入输出接口705,一个或一个以上键盘706。
具体在本实施例中,合规数据的异常检测设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对合规数据的异常检测设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
获取针对目标业务的合规数据,所述合规数据包括与所述目标业务相关的统计数据;
将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,所述数据时效检测模型是基于针对所述目标业务的历史合规数据,通过动态拟合算法训练的模型,用于对所述目标业务的合规数据的时效进行异常检测;
基于所述合规数据对应的时效检测结果,对所述合规数据进行处理。
本说明书实施例中,所述统计数据设置于针对所述目标业务的预设报表中,所述将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,包括:
将包含所述合规数据的所述预设报表输入到预先训练的数据时效检测模型中,以基于所述数据时效检测模型中的动态拟合算法对所述预设报表进行异常检测,得到所述预设报表对应的时效检测结果,将所述预设报表对应的时效检测结果作为所述合规数据对应的时效检测结果。
本说明书实施例中,所述获取针对目标业务的合规数据,包括:
接收对区块链中存储的目标业务的合规数据的时效检测请求,所述时效检测请求包括所述目标业务的业务标识;
基于所述业务标识,从所述区块链中获取针对所述目标业务的合规数据;
所述将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,包括:
通过用于执行时效检测处理的第一可信应用,将所述目标业务的合规数据传递至可信执行环境中,其中,所述可信执行环境中设置有针对所述第一可信应用的合规数据进行时效检测的数据时效检测模型;
在所述可信执行环境中,将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果。
本说明书实施例中,所述获取针对目标业务的合规数据,包括:
接收对区块链中存储的目标业务的合规数据的时效检测请求,所述时效检测请求包括所述目标业务的业务标识;
基于所述业务标识,从所述区块链中获取针对所述目标业务的合规数据,并从所述区块链中获取所述目标业务的合规数据对应的检测模型索引信息,基于所述检测模型索引信息获取所述预先训练的数据时效检测模型;
所述将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,包括:
通过用于执行时效检测处理的第一可信应用,将所述目标业务的合规数据和所述数据时效检测模型传递至可信执行环境中;
在所述可信执行环境中,将所述目标业务的合规数据输入到所述数据时效检测模型中,得到所述合规数据对应的时效检测结果。
本说明书实施例提供一种合规数据的异常检测设备,通过预先训练的数据时效检测模型对目标业务的合规数据的时效进行异常检测,得到该合规数据对应的时效检测结果,基于该合规数据对应的时效检测结果,对该合规数据进行处理,这样,基于通过动态拟合算法训练的模型对目标业务的合规数据的时效进行异常检测,从而可以及时发现目标业务的合规数据中包含的异常数据,使得目标业务的运行更加安全,提高了合规数据异常检测的检测效率。
实施例七
进一步地,基于上述图1至图5所示的方法,本说明书一个或多个实施例还提供了一种存储介质,用于存储计算机可执行指令信息,一种具体的实施例中,该存储介质可以为U盘、光盘、硬盘等,该存储介质存储的计算机可执行指令信息在被处理器执行时,能实现以下流程:
获取针对目标业务的合规数据,所述合规数据包括与所述目标业务相关的统计数据;
将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,所述数据时效检测模型是基于针对所述目标业务的历史合规数据,通过动态拟合算法训练的模型,用于对所述目标业务的合规数据的时效进行异常检测;
基于所述合规数据对应的时效检测结果,对所述合规数据进行处理。
本说明书实施例中,所述统计数据设置于针对所述目标业务的预设报表中,所述将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,包括:
将包含所述合规数据的所述预设报表输入到预先训练的数据时效检测模型中,以基于所述数据时效检测模型中的动态拟合算法对所述预设报表进行异常检测,得到所述预设报表对应的时效检测结果,将所述预设报表对应的时效检测结果作为所述合规数据对应的时效检测结果。
本说明书实施例提供一种存储介质,通过预先训练的数据时效检测模型对目标业务的合规数据的时效进行异常检测,得到该合规数据对应的时效检测结果,基于该合规数据对应的时效检测结果,对该合规数据进行处理,这样,基于通过动态拟合算法训练的模型对目标业务的合规数据的时效进行异常检测,从而可以及时发现目标业务的合规数据中包含的异常数据,使得目标业务的运行更加安全,提高了合规数据异常检测的检测效率。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书的实施例是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程合规数据的异常检测设备的处理器以产生一个机器,使得通过计算机或其他可编程合规数据的异常检测设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程合规数据的异常检测设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程合规数据的异常检测设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (15)
1.一种合规数据的异常检测方法,所述方法包括:
获取针对目标业务的合规数据,所述合规数据包括与所述目标业务相关的统计数据;
将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,所述数据时效检测模型是基于针对所述目标业务的历史合规数据,通过动态拟合算法训练的模型,用于对所述目标业务的合规数据的时效进行异常检测;
基于所述合规数据对应的时效检测结果,对所述合规数据进行处理。
2.根据权利要求1所述的方法,所述统计数据设置于针对所述目标业务的预设报表中,所述将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,包括:
将包含所述合规数据的所述预设报表输入到预先训练的数据时效检测模型中,以基于所述数据时效检测模型中的动态拟合算法对所述预设报表进行异常检测,得到所述预设报表对应的时效检测结果,将所述预设报表对应的时效检测结果作为所述合规数据对应的时效检测结果。
3.根据权利要求1所述的方法,所述目标业务的合规数据中包括数据接收时间,所述将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,包括:
将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,并基于所述目标业务的合规数据中的数据接收时间和所述数据时效检测模型对应的基准数据接收时间,得到所述合规数据对应的时效检测结果。
4.根据权利要求1所述的方法,所述获取针对目标业务的合规数据,包括:
接收对区块链中存储的目标业务的合规数据的时效检测请求,所述时效检测请求包括所述目标业务的业务标识;
基于所述业务标识,从所述区块链中获取针对所述目标业务的合规数据;
所述将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,包括:
通过用于执行时效检测处理的第一可信应用,将所述目标业务的合规数据传递至可信执行环境中,其中,所述可信执行环境中设置有针对所述第一可信应用的合规数据进行时效检测的数据时效检测模型;
在所述可信执行环境中,将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果。
5.根据权利要求4所述的方法,所述方法还包括:
接收对所述可信执行环境中的所述数据时效检测模型的更新请求,所述更新请求中包括待更新的数据时效检测模型,所述待更新的数据时效检测模型的数据为密文;
通过所述第一可信应用,将所述待更新的数据时效检测模型传递至所述可信执行环境中;
在所述可信执行环境中,对所述待更新的数据时效检测模型的数据进行解密,并基于解密后的所述待更新的数据时效检测模型对所述数据时效检测模型进行更新。
6.根据权利要求1所述的方法,所述获取针对目标业务的合规数据,包括:
接收对区块链中存储的目标业务的合规数据的时效检测请求,所述时效检测请求包括所述目标业务的业务标识;
基于所述业务标识,从所述区块链中获取针对所述目标业务的合规数据,并从所述区块链中获取所述目标业务的合规数据对应的检测模型索引信息,基于所述检测模型索引信息获取所述预先训练的数据时效检测模型;
所述将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,包括:
通过用于执行时效检测处理的第一可信应用,将所述目标业务的合规数据和所述数据时效检测模型传递至可信执行环境中;
在所述可信执行环境中,将所述目标业务的合规数据输入到所述数据时效检测模型中,得到所述合规数据对应的时效检测结果。
7.根据权利要求6所述的方法,所述方法还包括:
接收所述目标业务的合规数据的上链请求;
在所述可信环境中,根据目标业务和所述目标业务的历史合规数据,生成所述数据时效检测模型和所述检测模型索引信息;
将所述合规数据和所述检测模型索引信息上传至区块链中。
8.根据权利要求4或6所述的方法,所述时效检测请求中包括所述目标业务的合规数据的可验证声明,所述在所述可信执行环境中,将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,包括:
在所述可信执行环境中,对所述可验证声明的有效性进行验证;
如果验证结果为有效,则在所述可信执行环境中,将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果。
9.根据权利要求4或6所述的方法,所述时效检测请求中包括业务接入方的数字身份信息,所述在所述可信执行环境中,将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,包括:
在所述可信执行环境中,查找所述可信执行环境中预先存储的数字身份信息中是否存在所述业务接入方的数字身份信息;
如果存在,则在所述可信执行环境中,将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果。
10.一种合规数据的异常检测装置,所述装置包括:
合规数据获取模块,获取针对目标业务的合规数据,所述合规数据包括与所述目标业务相关的统计数据;
检测模块,将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,所述数据时效检测模型是基于针对所述目标业务的历史合规数据,通过动态拟合算法训练的模型,用于对所述目标业务的合规数据的时效进行异常检测;
数据处理模块,基于所述合规数据对应的时效检测结果,对所述合规数据进行处理。
11.根据权利要求10所述的装置,所述统计数据设置于针对所述目标业务的预设报表中,所述检测模块,将包含所述合规数据的所述预设报表输入到预先训练的数据时效检测模型中,以基于所述数据时效检测模型中的动态拟合算法对所述预设报表进行异常检测,得到所述预设报表对应的时效检测结果,将所述预设报表对应的时效检测结果作为所述合规数据对应的时效检测结果。
12.根据权利要求10所述的装置,所述合规数据获取模块,包括:
第一请求单元,接收对区块链中存储的目标业务的合规数据的时效检测请求,所述时效检测请求包括所述目标业务的业务标识;
第一合规数据获取单元,基于所述业务标识,从所述区块链中获取针对所述目标业务的合规数据;
所述检测模块,包括:
第一数据传输单元,通过用于执行时效检测处理的第一可信应用,将所述目标业务的合规数据传递至可信执行环境中,其中,所述可信执行环境中设置有针对所述第一可信应用的合规数据进行时效检测的数据时效检测模型;
第一检测单元,在所述可信执行环境中,将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果。
13.根据权利要求10所述的装置,所述合规数据获取模块,包括:
第二请求单元,接收对区块链中存储的目标业务的合规数据的时效检测请求,所述时效检测请求包括所述目标业务的业务标识;
第二合规数据获取单元,基于所述业务标识,从所述区块链中获取针对所述目标业务的合规数据,并从所述区块链中获取所述目标业务的合规数据对应的检测模型索引信息,基于所述检测模型索引信息获取所述预先训练的数据时效检测模型;
所述检测模块,包括:
第二数据传输单元,通过用于执行时效检测处理的第一可信应用,将所述目标业务的合规数据和所述数据时效检测模型传递至可信执行环境中;
第二检测单元,在所述可信执行环境中,将所述目标业务的合规数据输入到所述数据时效检测模型中,得到所述合规数据对应的时效检测结果。
14.一种合规数据的异常检测设备,所述合规数据的异常检测设备包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
获取针对目标业务的合规数据,所述合规数据包括与所述目标业务相关的统计数据;
将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,所述数据时效检测模型是基于针对所述目标业务的历史合规数据,通过动态拟合算法训练的模型,用于对所述目标业务的合规数据的时效进行异常检测;
基于所述合规数据对应的时效检测结果,对所述合规数据进行处理。
15.一种存储介质,所述存储介质用于存储计算机可执行指令,所述可执行指令在被执行时实现以下流程:
获取针对目标业务的合规数据,所述合规数据包括与所述目标业务相关的统计数据;
将所述目标业务的合规数据输入到预先训练的数据时效检测模型中,得到所述合规数据对应的时效检测结果,所述数据时效检测模型是基于针对所述目标业务的历史合规数据,通过动态拟合算法训练的模型,用于对所述目标业务的合规数据的时效进行异常检测;
基于所述合规数据对应的时效检测结果,对所述合规数据进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010974833.3A CN112182509A (zh) | 2020-09-16 | 2020-09-16 | 一种合规数据的异常检测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010974833.3A CN112182509A (zh) | 2020-09-16 | 2020-09-16 | 一种合规数据的异常检测方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112182509A true CN112182509A (zh) | 2021-01-05 |
Family
ID=73921337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010974833.3A Pending CN112182509A (zh) | 2020-09-16 | 2020-09-16 | 一种合规数据的异常检测方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112182509A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113704826A (zh) * | 2021-09-13 | 2021-11-26 | 支付宝(杭州)信息技术有限公司 | 一种基于隐私保护的业务风险检测方法、装置及设备 |
CN114168746A (zh) * | 2021-11-30 | 2022-03-11 | 海南大学 | 基于dikw的内容合规建模与传输方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063886A (zh) * | 2018-06-12 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 一种异常检测方法、装置以及设备 |
CN109299135A (zh) * | 2018-11-26 | 2019-02-01 | 平安科技(深圳)有限公司 | 基于识别模型的异常查询识别方法、识别设备及介质 |
CN111125731A (zh) * | 2019-12-11 | 2020-05-08 | 支付宝(杭州)信息技术有限公司 | 一种基于可验证声明的业务处理方法、装置及设备 |
CN111429254A (zh) * | 2020-03-19 | 2020-07-17 | 腾讯科技(深圳)有限公司 | 一种业务数据处理方法、设备以及可读存储介质 |
-
2020
- 2020-09-16 CN CN202010974833.3A patent/CN112182509A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063886A (zh) * | 2018-06-12 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 一种异常检测方法、装置以及设备 |
CN109299135A (zh) * | 2018-11-26 | 2019-02-01 | 平安科技(深圳)有限公司 | 基于识别模型的异常查询识别方法、识别设备及介质 |
CN111125731A (zh) * | 2019-12-11 | 2020-05-08 | 支付宝(杭州)信息技术有限公司 | 一种基于可验证声明的业务处理方法、装置及设备 |
CN111429254A (zh) * | 2020-03-19 | 2020-07-17 | 腾讯科技(深圳)有限公司 | 一种业务数据处理方法、设备以及可读存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113704826A (zh) * | 2021-09-13 | 2021-11-26 | 支付宝(杭州)信息技术有限公司 | 一种基于隐私保护的业务风险检测方法、装置及设备 |
CN114168746A (zh) * | 2021-11-30 | 2022-03-11 | 海南大学 | 基于dikw的内容合规建模与传输方法 |
CN114168746B (zh) * | 2021-11-30 | 2024-04-26 | 海南大学 | 基于dikw的内容合规建模与传输方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111539813B (zh) | 业务行为的回溯处理方法、装置、设备及系统 | |
CN111680305B (zh) | 一种基于区块链的数据处理方法、装置及设备 | |
CN111814198B (zh) | 一种基于区块链的用户隐私数据提供方法及装置 | |
CN110457912B (zh) | 数据处理方法、装置和电子设备 | |
CN110795501A (zh) | 基于区块链的可验证声明的创建方法、装置、设备及系统 | |
CN112184222A (zh) | 基于区块链的业务处理方法、业务处理方法、装置及设备 | |
CN111126950A (zh) | 一种基于区块链的业务处理方法、装置及设备 | |
CN112182506A (zh) | 一种数据的合规检测方法、装置及设备 | |
CN111737686B (zh) | 一种区块链数据的处理方法、装置及设备 | |
CN111190974B (zh) | 可验证声明的转发、获取方法、装置及设备 | |
CN113704826A (zh) | 一种基于隐私保护的业务风险检测方法、装置及设备 | |
CN113792297A (zh) | 一种业务处理方法、装置及设备 | |
CN110990492B (zh) | 一种信息的处理方法、装置及设备 | |
CN112287376A (zh) | 一种隐私数据的处理方法及装置 | |
CN112182509A (zh) | 一种合规数据的异常检测方法、装置及设备 | |
US11349658B2 (en) | Blockchain data processing method, apparatus, and device | |
CN114896603A (zh) | 一种业务处理方法、装置及设备 | |
CN113239853B (zh) | 一种基于隐私保护的生物识别方法、装置及设备 | |
CN114638005A (zh) | 基于区块链的数据处理方法、装置及系统、存储介质 | |
CN112818380B (zh) | 业务行为的回溯处理方法、装置、设备及系统 | |
CN114553516B (zh) | 一种数据的处理方法、装置及设备 | |
CN114553516A (zh) | 一种数据的处理方法、装置及设备 | |
CN114548255A (zh) | 一种模型的训练方法、装置及设备 | |
CN112861187A (zh) | 一种基于区块链的数据处理方法及装置 | |
CN114638685A (zh) | 一种风险识别方法、装置及设备 |
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 |