CN112598489B - 基于金融应用的风险监测方法及系统 - Google Patents

Abstract

本发明涉及金融科技技术领域，公开了一种基于金融应用的风险监测方法及系统，所述方法包括：从获取到的金融应用程序文件中提取金融原始数据，对金融原始数据进行数据标准化处理，获得金融标准数据，基于金融标准数据构建金融知识图谱，对金融知识图谱进行特征提取，获得金融特征数据，将金融特征数据输入至预设风险监测模型中，以获得风险监测结果。通过基于获取到金融应用程序文件的金融原始数据构建金融知识图谱以提高金融原始数据的可视化程度和基于金融知识图谱进行风险监测的监测准确度，并通过结合预设风险监测模型对基于金额知识图谱获得金融特征数据进行风险监测，以实现安全快捷对金融应用进行风险监测，并提高金融应用的风险监测精度。

Description

基于金融应用的风险监测方法及系统

技术领域

本发明涉及金融科技技术领域，尤其涉及一种基于金融应用的风险监测方法及系统。

背景技术

随着金融科技技术的快速发展，市场上涌现了各类金融应用，各类金融应用在给人们带来便捷的创新型金融服务的同时，也带来了各种金融风险，因此，各开发商纷纷加强自己开发的金融应用的风控能力，但现有技术中，多是采用第三方应用对金融应用进行风险监测或采用统一的风险监测模型对金融应用进行风险监测，带来了不必要的安全隐患的同时，也影响了金融应用的风险监测精度和风险监测速度，因此，如何安全快捷对金融应用进行风险监测，并提高金融应用的风险监测精度，成为一个亟待解决的问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供了一种基于金融应用的风险监测方法及系统，旨在解决如何安全快捷对金融应用进行风险监测，并提高金融应用的风险监测精度的技术问题。

为实现上述目的，本发明提供了一种基于金融应用的风险监测方法，所述方法包括以下步骤：

根据获取到的应用监测请求匹配对应的金融应用程序文件，并从所述金融应用程序文件中提取金融原始数据；

对所述金融原始数据进行数据标准化处理，获得金融标准数据，并基于所述金融标准数据构建金融知识图谱；

对所述金融知识图谱进行特征提取，获得金融特征数据；

将所述金融特征数据输入至预设风险监测模型中，以获得风险监测结果。

可选地，所述对所述金融原始数据进行数据标准化处理，获得金融标准数据的步骤，具体包括：

对所述金融原始数据进行数据清洗，获得金融过滤数据；

对所述金融过滤数据进行数据自适应填充，获得金融补全数据；

对所述金融补全数据进行知识抽取，获得金融标准数据。

可选地，所述基于所述金融标准数据构建金融知识图谱的步骤，具体包括：

从所述金融标准数据中按照预设金融知识图谱框架提取三元组；

将所述三元组嵌入至所述预设金融知识图谱框架中，获得金融知识图谱。

可选地，所述将所述金融特征数据输入至预设风险监测模型中，以获得风险监测结果的步骤之前，还包括：

从预设风险数据库中提取金融样本数据，并根据所述金融样本数据提取样本风险指标项；

根据预设评分规则计算所述样本风险指标项的样本风险评分结果；

将所述金融样本数据作为预设训练模型的输入结果，将所述样本风险评分结果作为所述预设训练模型的输出结果；

根据所述输入结果和所述输出结果对所述预设训练模型进行训练，以获得预设风险监测模型。

可选地，所述将所述金融特征数据输入至预设风险监测模型中，以获得风险监测结果的步骤，具体包括：

将所述金融特征数据输入至预设风险监测模型中进行评分处理，获得风险评价结果；

获取所述风险评价结果中各评分指标项的风险分值，并标记所述风险分值中小于预设风险分值的目标评分指标项；

基于所述目标评分指标项生成风险监测结果。

此外，为实现上述目的，本发明还提出一种基于金融应用的风险监测系统，所述系统包括：

数据获取模块，用于根据获取到的应用监测请求匹配对应的金融应用程序文件，并从所述金融应用程序文件中提取金融原始数据；

图谱构建模块，用于对所述金融原始数据进行数据标准化处理，获得金融标准数据，并基于所述金融标准数据构建金融知识图谱；

特征提取模块，用于对所述金融知识图谱进行特征提取，获得金融特征数据；

风险监测模块，用于将所述金融特征数据输入至预设风险监测模型中，以获得风险监测结果。

所述图谱构建模块，还用于对所述金融原始数据进行数据清洗，获得金融过滤数据；

所述图谱构建模块，还用于对所述金融过滤数据进行数据自适应填充，获得金融补全数据；

所述图谱构建模块，还用于对所述金融补全数据进行知识抽取，获得金融标准数据。

所述图谱构建模块，还用于从所述金融标准数据中按照预设金融知识图谱框架提取三元组；

所述图谱构建模块，还用于将所述三元组嵌入至所述预设金融知识图谱框架中，获得金融知识图谱。

所述风险监测模块，还用于从预设风险数据库中提取金融样本数据，并根据所述金融样本数据提取样本风险指标项；

所述风险监测模块，还用于根据预设评分规则计算所述样本风险指标项的样本风险评分结果；

所述风险监测模块，还用于将所述金融样本数据作为预设训练模型的输入结果，将所述样本风险评分结果作为所述预设训练模型的输出结果；

所述风险监测模块，还用于根据所述输入结果和所述输出结果对所述预设训练模型进行训练，以获得预设风险监测模型。

所述风险监测模块，还用于将所述金融特征数据输入至预设风险监测模型中进行评分处理，获得风险评价结果；

所述风险监测模块，还用于获取所述风险评价结果中各评分指标项的风险分值，标记所述风险分值中小于预设风险分值的目标评分指标项；

所述风险监测模块，还用于基于所述目标评分指标项生成风险监测结果。

本发明中，根据获取到的应用监测请求匹配对应的金融应用程序文件，并从所述金融应用程序文件中提取金融原始数据，对所述金融原始数据进行数据标准化处理，获得金融标准数据，并基于所述金融标准数据构建金融知识图谱，对所述金融知识图谱进行特征提取，获得金融特征数据，将所述金融特征数据输入至预设风险监测模型中，以获得风险监测结果，有别于现有技术中，采用第三方应用对金融应用进行风险监测或采用统一的风险监测模型对金融应用进行风险监测所带来的不必要的安全隐患和在金融应用的风险监测精度和风险监测速度上的影响，本发明通过基于获取到金融应用程序文件的金融原始数据构建金融知识图谱以提高金融原始数据的可视化程度和基于所述金融知识图谱进行风险监测的监测准确度，并通过结合预设风险监测模型对基于所述金额知识图谱获得金融特征数据进行风险监测，以实现安全快捷对金融应用进行风险监测，并提高金融应用的风险监测精度。

附图说明

图1为本发明基于金融应用的风险监测方法第一实施例的流程示意图；

图2为本发明基于金融应用的风险监测方法第二实施例的流程示意图；

图3为本发明基于金融应用的风险监测方法第三实施例的流程示意图；

图4为本发明基于金融应用的风险监测系统第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明实施例提供了一种基于金融应用的风险监测方法，参照图1，图1为本发明基于金融应用的风险监测方法第一实施例的流程示意图。

本实施例中，所述基于金融应用的风险监测方法包括以下步骤：

步骤S10：根据获取到的应用监测请求匹配对应的金融应用程序文件，并从所述金融应用程序文件中提取金融原始数据；

易于理解的是，为了减少不需要的后台资源占用，本实施例中，是在接收到应用监测请求时，才根据获取到的应用监测请求匹配对应的金融应用程序文件，所述应用监测请求可为用户发出的，如点击金融内置的风险监测所对应的按键或功能，也可以是在监测到预设功能被触发时连带触发的，如监测到金融应用的大额转账、指纹支付、刷脸支付功能等被触发时，可触发应用监测请求，以实现对当前支付环境的实时监测，所述应用监测请求为用以查找金融应用程序文件的请求指令，根据该请求指令可迅速抓取金融应用程序文件，以提高后续基于所述金融程序文件进行风险监测的速度，在获得所述金融程序文件后，可从所述金融应用程序文件中提取金融原始数据，所述金融原始数据包括但不限于金融应用运行过程中产生的日志信息(即金融应用的各类运行日志，如金融应用崩溃日志等)、流水信息(包括但不限于金融应用记录的交易记录和贷还款记录)、设备信息(运行金融应用的设备的各类硬软件参数)、身份信息(金融应用所登录的账户的个人属性数据)、交易属性信息(包括但不限于交易双方的账户数据和交易金额)以及当前交易环境信息(在监测到交易请求或历史交易过程中，运行金融应用的设备的所处环境的环境信息，如网络信息、地理位置等)，所述金融原始数据在经过标准化处理后，可用以后续的金融知识图谱的构建。

步骤S20：对所述金融原始数据进行数据标准化处理，获得金融标准数据，并基于所述金融标准数据构建金融知识图谱；

需要说明的是，为了提高金融原始数据的可视化程度和基于所述金融知识图谱进行风险监测的监测准确度，在获得金融原始数据后，可对所述金融原始数据进行数据标准化处理，获得金融标准数据，然后，基于所述金融标准数据构建金融知识图谱，所述数据标准化处理，可理解为将所述金融原始数据转换为结构化数据、非结构化数据以及半结构化数据，然后对所述结构化数据、非结构化数据以及半结构化数据进行数据整合，获取便于构建知识图谱的金融标准数据，所述结构化数据，是指由二维表结构来逻辑表达和实现的数据，遵循数据格式与长度规范，主要通过关系型数据库进行存储和管理，也称作行数据，一般以行为单位，一行数据表示一个实体的信息，每一行数据的属性是相同的；所述非结构化数据，是指数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据，包括所有格式的办公文档、文本、图片、HTML、各类报表、图像和音频/视频信息等；所述半结构化数据，是结构化数据的一种形式，也被称为自描述的结构化数据，虽不符合关系型数据库或其他数据表的形式关联起来的数据模型结构，但包含相关标记，可用来分隔语义元素以及对记录和字段进行分层。

步骤S30：对所述金融知识图谱进行特征提取，获得金融特征数据；

在具体实现中，为了提高风险监测精度，还可对所述金融知识图谱进行特征提取，获得金融特征数据，所述特征提取，可理解为提取金融知识图谱中的各类风险指标项，如与低信用账户的关系、是否为失信人员、在信用可查询的平台上的信用积分、流水来源等。在获得金融特征数据后，则可对所述金融特征数据进行评分或评级处理，然后基于获得的风险评分结果或风险评级结果生成风险监测结果。

步骤S40：将所述金融特征数据输入至预设风险监测模型中，以获得风险监测结果。

需要说明的是，在获得金融特征数据后，则可将所述金融特征数据输入至基于预设训练模型构建的预设风险监测模型中进行风险评分或风险评级处理，以获得风险评分结果或风险评级结果，然后，基于所述风险评分结果或所述风险评级结果生成风险监测结果，在具体实现中，可获取所述风险评级结果或风险评分结果中不符合预设评价要求的目标风险指标项，然后对所述目标风险指标项进行进一步溯源，获得风险源，然后基于所述风险源发出警示信息，所述预设评分要求可根据实际需求进行设置，如，在风险评分中，设置100分为满分，则可设置得分低于60分的风险指标项为不符合预设评价要求的目标风险指标项，进一步地，如监测到某次风险评分结果存在评分低于60的目标风险指标项，然后根据所述风险指标项在金融知识图谱中进行信息溯源，获得导致其评分低于60分的原因为本次交易中对方账户的直系亲属中存在仍处于失信人员名单中的成员，则根据对方账户的身份信息、该成员与对方账户的关系、该成员为失信人员名单中的成员对用户展示警示信息，在具体实现中，展示方式包括但不限于图文提示和语音提示。其中，所述预设训练模型可为评价模型，所述评价模型可为基于反向传播(Back Propagation，BP)神经网络采用组合评价法构建的神经网络模型，所述组合评价法可理解其对用其它评价方法(如层次分析法)得出的结果，选取一部分作为训练样本，一部分作为待测样本进行检验，如此对神经网络进行训练，直到满足预设精度要求为止。

在具体实现中，对金融特征数据进行风险评分或风险评级本质上并不冲突，如，可根据获得的风险评分结果进行风险评级，或在对金融数据进行风险评级后，基于获得的风险评级结果中评级不符合预设级别要求的风险指标项进行进一步的风险评分，所述预设级别要求可根据实际需求进行设置，如在将风险级别设置为高、中、低三个级别时，预设级别可为中级，上述的实现方式均是可以根据实际需求进行设置的，本实施对此不加以限制。

本实施例中，根据获取到的应用监测请求匹配对应的金融应用程序文件，并从所述金融应用程序文件中提取金融原始数据，对所述金融原始数据进行数据标准化处理，获得金融标准数据，并基于所述金融标准数据构建金融知识图谱，对所述金融知识图谱进行特征提取，获得金融特征数据，将所述金融特征数据输入至预设风险监测模型中，以获得风险监测结果，有别于现有技术中，采用第三方应用对金融应用进行风险监测或采用统一的风险监测模型对金融应用进行风险监测所带来的不必要的安全隐患和在金融应用的风险监测精度和风险监测速度上的影响，本实施例通过基于获取到金融应用程序文件的金融原始数据构建金融知识图谱以提高金融原始数据的可视化程度和基于所述金融知识图谱进行风险监测的监测准确度，并通过结合预设风险监测模型对基于所述金额知识图谱获得金融特征数据进行风险监测，以实现安全快捷对金融应用进行风险监测，并提高金融应用的风险监测精度。

参考图2，图2为本发明基于金融应用的风险监测方法第二实施例的流程示意图。

基于上述第一实施例，在本实施例中，所述步骤S20包括：

步骤S201:对所述金融原始数据进行数据清洗，获得金融过滤数据；

易于理解的是，在获得所述金融原始数据后，可对所金融原始数据进行数据清洗，所谓数据清洗可理解为剔除所述金融原始数据中不符合数据规范的数据，如乱码数据、存储格式不正确的数据，对于乱码数据，可采用删除处理；对于存储格式不规范的数据，可将其非标准化的数据转换为统一的标准形式。

步骤S202:对所述金融过滤数据进行数据自适应填充，获得金融补全数据；

在具体实现中，金融过滤数据中可能存在大量缺失字段，针对不同的缺失情况可采用不同的数据处理方式以实现数据自适应填充，如，对于联系数据的缺失问题，可在金融原始数据中查询是否存在对应的原始联系数据，若金融原始数据中存在对应的原始联系数据，则可将所述原始联系数据进行格式转换，以使格式转换后的原始联系数据可自适应填充至对应位置；若金融原始数据中不存在对应的原始联系数据，则可将被联系用户的联系人缺失数据删除；对地址关联数据中的地址信息缺失数据进行补全、删除等操作。

步骤S203:对所述金融补全数据进行知识抽取，获得金融标准数据；

需要说明的是，在获得金融补全数据后，可对所述金融补全数据进行知识抽取，所述知识抽取包括但不限于实体抽取，关系抽取以及属性抽取，此处的实体是知识图谱的基本单元，也是本文中承载信息的重要语言单位，包括概念，人物，组织，地名，时间等等，所谓关系抽取，可理解为识别实体和实体之间的语义关系，获得文本中的关键知识，所谓属性抽取，可理解为抽取实体与实体之间关系的权重，也就是实体的属性信息，和关系比较类似，关系反映实体的外部联系，属性体现实体的内部特征，然后，将对所述金融补全数据进行实体抽取、关系抽取以及属性抽取所获得的数据作为金融标准数据。

步骤S204:从所述金融标准数据中按照预设金融知识图谱框架提取三元组；

步骤S205:将所述三元组嵌入至所述预设金融知识图谱框架中，获得金融知识图谱。

在具体实现中，为了获得金融知识图谱，以实现基于金融知识图谱进行可视化风险监测，可将所述金融标准数据进行数据整合，获得三元组，三元组的基本形式包括但不限于：实体1-关系-实体2和实体-属性-属性值，然后，根据所述三元组和预设金融知识图谱框架，生成对应的金融知识图谱，所述预设金融知识图谱框架，可理解为知识图谱的模式层中用来描述概念与概念(如实体与实体)之间的关系的一种可用来填充数据的框架，即可从三元组中提取金融知识图谱框架所需的金融标准数据进行数据补充以实现三元组的嵌入，生成对应的金融知识图谱。

本实施中，对获取到的金融原始数据进行数据清洗，获得金融过滤数据，对所述金融过滤数据进行数据自适应填充，获得金融补全数据，对所述金融补全数据进行知识抽取，获得金融标准数据，从所述金融标准数据中按照预设金融知识图谱框架提取三元组，将所述三元组嵌入至所述预设金融知识图谱框架中，获得金融知识图谱。通过对获取到的金融原始数据进行数据清洗、数据自适应填充、知识抽取以及三元组提取来构建金融知识图谱，提高获得的金融知识图谱的图谱准确度和金融原始数据的可视化程度，也进一步提高了基于所述金融知识图谱进行风险监测的准确度和精度。

参考图3，图3为本发明基于金融应用的风险监测方法第三实施例的流程示意图。

基于上述各实施例，在本实施例中，所述步骤S40包括：

步骤S401：将所述金融特征数据输入至预设风险监测模型中进行评分处理，获得风险评价结果；

易于理解的是，在将所述金融特征数据输入至预设风险监测模型中进行评分处理之前，还需构建预设风险监测模型，在具体实现中，为了提高获得的预设风险监测模型的精度，可从预设风险数据库中提取金融样本数据，并根据所述金融样本数据提取样本风险指标项，根据预设评分规则计算所述样本风险指标项的样本风险评分结果，将所述金融样本数据作为预设训练模型的输入结果，将所述样本风险评分结果作为所述预设训练模型的输出结果，根据所述输入结果和所述输出结果对所述预设训练模型进行训练，以获得预设风险监测模型，然后，将所述金融特征数据输入至预设风险监测模型中进行评分处理，获得风险评价结果。所述预设评分规则为根据用户的账户信息自适应匹配的评分规则，用以根据用户的账号信息给出各风险指标项的评分权重和评分系数。其中，所述预设训练模型可为评价模型，所述评价模型可为基于反向传播(Back Propagation，BP)神经网络采用组合评价法构建的神经网络模型，所述组合评价法可理解其对用其它评价方法(如层次分析法)得出的结果，选取一部分作为训练样本，一部分作为待测样本进行检验，如此对神经网络进行训练，直到满足预设精度要求为止。

步骤S402：获取所述风险评价结果中各评分指标项的风险分值，并标记所述风险分值中小于预设风险分值的目标评分指标项；

需要说明的是，在获得风险评价结果后，还可获取所述风险评价结果中各评分指标项的风险分值，然后将所述风险分值与预设风险分值进行比较，以标记所述风险分值中小于预设风险分值的目标评分指标项，所述预设风险分值可根据实际需求进行设置，如，设置100分为满分，则可设置60分为预设风险分值，又如，设置10分为满分，则可设置6分为预设风险分值，本实施例对此不加以限制。

步骤S403：基于所述目标评分指标项生成风险监测结果。

易于理解的是，为提高获得的风险监测结果的监测精度和可视化程度，可对所述目标风险指标项进行进一步溯源，获得风险源，然后基于所述风险源发出警示信息，如在某次根据所述风险指标项在金融知识图谱中进行信息溯源时，获得导致其评分低于60分的原因为本次交易中对方账户及其某直系亲属中均存在大额尚在冻结的资金，则根据对方账户的身份信息、该直系亲属与对方账户的关系、对方账户及其直系亲属的资金冻结信息对用户展示警示信息，在具体实现中，展示方式包括但不限于图文提示和语音提示。

在具体实现中，对金融特征数据进行风险评分或风险评级本质上并不冲突，如，可根据获得的风险评分结果进行风险评级，或在对金融数据进行风险评级后，基于获得的风险评级结果中评级不符合预设级别要求的风险指标项进行进一步的风险评分，所述预设级别要求可根据实际需求进行设置，如在将风险级别设置为高、中、低三档时，预设级别可为中级，上述的实现方式均是可以根据实际需求进行设置的，本实施对此不加以限制。

本实施例中，将所述金融特征数据输入至预设风险监测模型中进行评分处理，获得风险评价结果，获取所述风险评价结果中各评分指标项的风险分值，并标记所述风险分值中小于预设风险分值的目标评分指标项，基于所述目标评分指标项生成风险监测结果。有别于现有技术中通过三方应用对金融应用进行风险监测所带来的风险监测速度上的滞后、三方应用的隐私泄露风险、以及采用统一的风险监测模型进行风险监测时所导致的监测精度上的影响，本实施例直接通过金融应用内置的预设风险监测模型对获取到的金融特征数据进行评分处理，并基于获得风险评价结果中风险分值小于预设风险分值的目标评分指标项生成风险监测结果，实现安全快捷地对金融应用进行风险监测，并提高风险监测的可视化程度和监测精度。

参照图4，图4为本发明基于金融应用的风险监测系统第一实施例的结构框图。

如图4所示，本发明实施例提出的基于金融应用的风险监测系统包括：

数据获取模块10，用于根据获取到的应用监测请求匹配对应的金融应用程序文件，并从所述金融应用程序文件中提取金融原始数据；

图谱构建模块20，用于对所述金融原始数据进行数据标准化处理，获得金融标准数据，并基于所述金融标准数据构建金融知识图谱；

特征提取模块30，用于对所述金融知识图谱进行特征提取，获得金融特征数据；

风险监测模块40，用于将所述金融特征数据输入至预设风险监测模型中，以获得风险监测结果。

本实施例中，根据获取到的应用监测请求匹配对应的金融应用程序文件，并从所述金融应用程序文件中提取金融原始数据，对所述金融原始数据进行数据标准化处理，获得金融标准数据，并基于所述金融标准数据构建金融知识图谱，对所述金融知识图谱进行特征提取，获得金融特征数据，将所述金融特征数据输入至预设风险监测模型中，以获得风险监测结果，有别于现有技术中，采用第三方应用对金融应用进行风险监测或采用统一的风险监测模型对金融应用进行风险监测所带来的不必要的安全隐患和在金融应用的风险监测精度和风险监测速度上的影响，本实施例通过基于获取到金融应用程序文件的金融原始数据构建金融知识图谱以提高金融原始数据的可视化程度和基于所述金融知识图谱进行风险监测的监测准确度，并通过结合预设风险监测模型对基于所述金额知识图谱获得金融特征数据进行风险监测，以实现安全快捷对金融应用进行风险监测，并提高金融应用的风险监测精度。

基于本发明上述基于金融应用的风险监测系统第一实施例，提出本发明基于金融应用的风险监测系统的第二实施例。

在本实施例中，所述图谱构建模块20，还用于对所述金融原始数据进行数据清洗，获得金融过滤数据；

所述图谱构建模块20，还用于对所述金融过滤数据进行数据自适应填充，获得金融补全数据；

所述图谱构建模块20，还用于对所述金融补全数据进行知识抽取，获得金融标准数据。

所述图谱构建模块20，还用于从所述金融标准数据中按照预设金融知识图谱框架提取三元组；

所述图谱构建模块20，还用于将所述三元组嵌入至所述预设金融知识图谱框架中，获得金融知识图谱。

所述风险监测模块40，还用于从预设风险数据库中提取金融样本数据，并根据所述金融样本数据提取样本风险指标项；

所述风险监测模块40，还用于根据预设评分规则计算所述样本风险指标项的样本风险评分结果；

所述风险监测模块40，还用于将所述金融样本数据作为预设训练模型的输入结果，将所述样本风险评分结果作为所述预设训练模型的输出结果；

所述风险监测模块40，还用于根据所述输入结果和所述输出结果对所述预设训练模型进行训练，以获得预设风险监测模型。

所述风险监测模块40，还用于将所述金融特征数据输入至预设风险监测模型中进行评分处理，获得风险评价结果；

所述风险监测模块40，还用于获取所述风险评价结果中各评分指标项的风险分值，标记所述风险分值中小于预设风险分值的目标评分指标项；

所述风险监测模块40，还用于基于所述目标评分指标项生成风险监测结果。

本发明基于金融应用的风险监测系统的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。

需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种基于金融应用的风险监测方法，其特征在于，所述方法包括以下步骤：

根据获取到的应用监测请求匹配对应的金融应用程序文件，并从所述金融应用程序文件中提取金融原始数据，所述金融原始数据包括日志信息、流水信息、设备信息、身份信息、交易属性信息和当前交易环境信息；

对所述金融原始数据进行数据标准化处理，获得金融标准数据，并基于所述金融标准数据构建金融知识图谱；

对所述金融知识图谱进行特征提取，获得金融特征数据；

将所述金融特征数据输入至预设风险监测模型中，以获得风险监测结果；

所述将所述金融特征数据输入至预设风险监测模型中，以获得风险监测结果的步骤之前，还包括：

从预设风险数据库中提取金融样本数据，并根据所述金融样本数据提取样本风险指标项；

根据预设评分规则计算所述样本风险指标项的样本风险评分结果；

将所述金融样本数据作为预设训练模型的输入结果，将所述样本风险评分结果作为所述预设训练模型的输出结果；

根据所述输入结果和所述输出结果对所述预设训练模型进行训练，以获得预设风险监测模型。

2.如权利要求1所述的方法，其特征在于，所述对所述金融原始数据进行数据标准化处理，获得金融标准数据的步骤，具体包括：

对所述金融原始数据进行数据清洗，获得金融过滤数据；

对所述金融过滤数据进行数据自适应填充，获得金融补全数据；

对所述金融补全数据进行知识抽取，获得金融标准数据。

3.如权利要求1所述的方法，其特征在于，所述基于所述金融标准数据构建金融知识图谱的步骤，具体包括：

从所述金融标准数据中按照预设金融知识图谱框架提取三元组；

将所述三元组嵌入至所述预设金融知识图谱框架中，获得金融知识图谱。

4.如权利要求3所述的方法，其特征在于，所述将所述金融特征数据输入至预设风险监测模型中，以获得风险监测结果的步骤，具体包括：

将所述金融特征数据输入至预设风险监测模型中进行评分处理，获得风险评价结果；

获取所述风险评价结果中各评分指标项的风险分值，并标记所述风险分值中小于预设风险分值的目标评分指标项；

基于所述目标评分指标项生成风险监测结果。

5.一种基于金融应用的风险监测系统，其特征在于，所述系统包括：

数据获取模块，用于根据获取到的应用监测请求匹配对应的金融应用程序文件，并从所述金融应用程序文件中提取金融原始数据，所述金融原始数据包括日志信息、流水信息、设备信息、身份信息、交易属性信息和当前交易环境信息；

图谱构建模块，用于对所述金融原始数据进行数据标准化处理，获得金融标准数据，并基于所述金融标准数据构建金融知识图谱；

特征提取模块，用于对所述金融知识图谱进行特征提取，获得金融特征数据；

风险监测模块，用于将所述金融特征数据输入至预设风险监测模型中，以获得风险监测结果；

所述风险监测模块，还用于从预设风险数据库中提取金融样本数据，并根据所述金融样本数据提取样本风险指标项；

所述风险监测模块，还用于根据预设评分规则计算所述样本风险指标项的样本风险评分结果；

所述风险监测模块，还用于将所述金融样本数据作为预设训练模型的输入结果，将所述样本风险评分结果作为所述预设训练模型的输出结果；

所述风险监测模块，还用于根据所述输入结果和所述输出结果对所述预设训练模型进行训练，以获得预设风险监测模型。

6.如权利要求5所述的系统，其特征在于，所述图谱构建模块，还用于对所述金融原始数据进行数据清洗，获得金融过滤数据；

所述图谱构建模块，还用于对所述金融过滤数据进行数据自适应填充，获得金融补全数据；

所述图谱构建模块，还用于对所述金融补全数据进行知识抽取，获得金融标准数据。

7.如权利要求5所述的系统，其特征在于，所述图谱构建模块，还用于从所述金融标准数据中按照预设金融知识图谱框架提取三元组；

所述图谱构建模块，还用于将所述三元组嵌入至所述预设金融知识图谱框架中，获得金融知识图谱。

8.如权利要求5所述的系统，其特征在于，所述风险监测模块，还用于将所述金融特征数据输入至预设风险监测模型中进行评分处理，获得风险评价结果；

所述风险监测模块，还用于获取所述风险评价结果中各评分指标项的风险分值，标记所述风险分值中小于预设风险分值的目标评分指标项；

所述风险监测模块，还用于基于所述目标评分指标项生成风险监测结果。