CN112819362A - 一种用于分析和监测实名登记数据的方法、系统和介质 - Google Patents

Abstract

本公开涉及一种用于分析和监测实名登记数据的方法、系统和介质。所述方法包括：步骤S1、以并发方式接收运营商上报的数据，对所述数据进行预处理并存储至数据索引；步骤S2、建立统计分析模型，利用所述统计分析模型对所述数据执行多维度的分析挖掘，将分析结果存储至所述数据索引；步骤S3、选择与所述数据对应的监测预警模型，利用所述监测预警模型对所述数据执行多层次的挖掘以获取预警信息，将所述预警信息存储至数据库；以及步骤S4、整合所述分析结果和所述预警信息，将整合结果通过可视化进行展示。所述方法对实名登记数据进行实时监测，并深入分析实名登记数据，对存在可疑行为的网点或个人作出针对性预警，及时发现潜在的违规操作。

Description

一种用于分析和监测实名登记数据的方法、系统和介质

技术领域

本公开涉及互联网大数据领域，更具体地，涉及一种用于分析和监测实名登记数据的方法、系统和介质。

背景技术

为了规范电话用户真实身份信息登记工作，保障电话用户和电信业务经营者的合法权益，维护网络信息安全，促进电信业的健康发展，我国目前实施电话用户实名登记，其有利于预防和遏制垃圾电子信息、通讯信息诈骗，有利于打击各专类违法犯罪活动。近些年，通过完善法律规章、加强监督检查等措施，全力推进实名登记工作，电话实名制工作取得很大的进步。与此同时，对电信用户实名登记的要求越来越高，但在实名登记过程中，仍然存在很多不规范的操作，且也有更多的不法分子通过各种新型手段进行虚假实名登记，进而对信息安全及人民群众的生命财产安全造成威胁。传统实名制管理不能实现自动化监管，只能对已经违规的行为有效检查，不能起到实时监测、及时预警的防范作用。

发明内容

本公开提供一种用于分析和监测实名登记数据的方案以解决上述技术问题。

本公开的第一方面提供了一种用于分析和监测实名登记数据的方法，所述方法包括：步骤S1、以并发方式接收运营商上报的数据，对所述数据进行预处理并存储至数据索引；步骤S2、建立统计分析模型，利用所述统计分析模型对所述数据执行多维度的分析挖掘，将分析结果存储至所述数据索引；步骤S3、选择与所述数据对应的监测预警模型，利用所述监测预警模型对所述数据执行多层次的挖掘以获取预警信息，将所述预警信息存储至数据库；以及步骤S4、整合所述分析结果和所述预警信息，将整合结果通过可视化进行展示。

根据本公开第一方面的用于分析和监测实名登记数据的方法，所述数据索引为基于Lucene的搜索服务器Elasticsearch数据库的基础数据索引，在所述步骤S1中，基于B/S架构搭建Web服务器，以并发方式接收所述数据，所述预处理包括：以约定的加解密方式和密钥对所述数据进行解密；过滤所述数据并确定所述数据的真实性和有效性；以及对所述数据进行标准化和结构化处理。

根据本公开第一方面的用于分析和监测实名登记数据的方法，在所述步骤S2中，基于Java语言建立所述统计分析模型，以执行定时器任务的方式，来执行所述多维度的分析挖掘。

根据本公开第一方面的用于分析和监测实名登记数据的方法，在所述步骤S3中，基于Scala开发技术建立所述监测预警模型，所述数据经由HTTP协议传输至所述对应的监测预警模型，所述数据库为mysql数据库。

根据本公开第一方面的用于分析和监测实名登记数据的方法，在所述步骤S3中，所述监测预警模型包括网点入户激增预警模型、文字/图片比对预警模型、违规办理成功预警模型、代办人开卡超限预警模型、入网通过率预警模型、开销户数量预警模型、单工号开户数量预警模型、短时间多网点开户预警、一证五卡预警模型以及年龄阈值预警模型中的一个或多个。

本公开的第二方面提供了一种用于分析和监测实名登记数据的系统，所述系统包括：数据预处理模块，被配置为，以并发方式接收运营商上报的数据，对所述数据进行预处理并存储至数据索引统计分析模块，被配置为，建立统计分析模型，利用所述统计分析模型对所述数据执行多维度的分析挖掘，将分析结果存储至所述数据索引；监测预警模块，被配置为，选择与所述数据对应的监测预警模型，利用所述监测预警模型对所述数据执行多层次的挖掘以获取预警信息，将所述预警信息存储至数据库；以及整合可视化模块，被配置为，整合所述分析结果和所述预警信息，将整合结果通过可视化进行展示。

根据本公开第二方面的用于分析和监测实名登记数据的系统，所述数据索引为基于Lucene的搜索服务器Elasticsearch数据库的基础数据索引，所述数据预处理模块具体被配置为，基于B/S架构搭建Web服务器，以并发方式接收所述数据，并对所述数据执行以下预处理：以约定的加解密方式和密钥对所述数据进行解密；过滤所述数据并确定所述数据的真实性和有效性；以及对所述数据进行标准化和结构化处理。

根据本公开第二方面的用于分析和监测实名登记数据的系统，所述统计分析模块具体被配置为，基于Java语言建立所述统计分析模型，以执行定时器任务的方式，来执行所述多维度的分析挖掘。所述监测预警模块具体被配置为，基于Scala开发技术建立所述监测预警模型，所述数据经由HTTP协议传输至所述对应的监测预警模型，所述数据库为mysql数据库。

根据本公开第二方面的用于分析和监测实名登记数据的系统，所述监测预警模型包括网点入户激增预警模型、文字/图片比对预警模型、违规办理成功预警模型、代办人开卡超限预警模型、入网通过率预警模型、开销户数量预警模型、单工号开户数量预警模型、短时间多网点开户预警、一证五卡预警模型以及年龄阈值预警模型中的一个或多个。

本公开的第三方面提供了一种存储有指令的非暂时性计算机可读介质，当所述指令由处理器执行时，执行根据本公开第一方面的用于分析和监测实名登记数据的方法中的步骤。

本公开提供的技术方案基于数据挖掘，采用Elasticsearch与Scala高级程序开发语言结合的方式，对实名登记数据进行实时检测，并深入分析实名登记数据，对存在可疑行为的网点或个人作出针对性预警，能够及时发现潜在的违规操作。

附图说明

在不一定按比例绘制的附图中，相同的附图标记可以在不同的视图中描述相似的部件。具有字母后缀或不同字母后缀的相同附图标记可以表示相似部件的不同实例。附图大体上通过举例而不是限制的方式示出各种实施例，并且与说明书以及权利要求书一起用于对所公开的实施例进行说明。在适当的时候，在所有附图中使用相同的附图标记指代同一或相似的部分。这样的实施例是例证性的，而并非旨在作为本装置或方法的穷尽或排他实施例。

图1示出了根据本公开实施例的用于分析和监测实名登记数据的方法的流程图；以及

图2示出了根据本公开实施例的用于分析和监测实名登记数据的系统的结构图。

具体实施方式

为使本领域技术人员更好的理解本公开的技术方案，下面结合附图和具体实施方式对本公开作详细说明。下面结合附图和具体实施例对本公开的实施例作进一步详细描述，但不作为对本公开的限定。本文中所描述的各个步骤，如果彼此之间没有前后关系的必要性，则本文中作为示例对其进行描述的次序不应视为限制，本领域技术人员应知道可以对其进行顺序调整，只要不破坏其彼此之间的逻辑性导致整个流程无法实现即可。

互联网的快速发展对社会带来了重大影响，很多线下业务开始向网上发展，Web开发技术就是互联网应用中最为关键的技术之一。B/S结构是Web兴起后的一种网络结构模式，Web浏览器是客户端最主要的应用软件。这种模式将系统功能实现的核心部分集中到服务器上，简化了系统的开发、维护和使用。

B/S架构采取浏览器请求、服务器响应的工作模式，B/S体系结构的特点包括：(1)由于Web支持底层的TCP/IP协议，使Web网与局域网都可以做到连接，从而彻底解决了异构系统的连接问题。(2)由于Web采用了“瘦客户端”，使系统的开放性得到很大的改善，系统对将要访问系统的用户数的限制有所放松。(3)系统的相对集中性使得系统的维护和扩展变得更加容易。比如数据库存储空间不够，可再加一个数据库服务器；系统要增加功能，可以新增—个应用服务器来运行新功能。(4)界面统一(全部为浏览器方式)，操作相对简单。(5)业务规则和数据捕获的程序容易分发。

在B/S模式中，用户是通过浏览器针对许多分布于网络上的服务器进行请求访问的，浏览器的请求通过服务器进行处理，并将处理结果以及相应的信息返回给浏览器，其他的数据加工、请求全部都是由Web Server完成的。通过该框架结构以及植入于操作系统内部的浏览器，该结构已经成为了当今软件应用的主流结构模式。

Elasticsearch为分布式、高扩展、高实时的搜索与数据分析引擎。Elasticsearch基于Java语言，具有实时搜索、稳定可靠、快速安装、使用方便的特点，其能使大量数据具有搜索、分析和探索的能力。Elasticsearch的实现原理主要分为：首先用户将数据提交到Elasticsearch数据库中，再通过分词控制器去将对应的语句分词，将其权重和分词结果一并存入数据，当用户搜索数据时，根据权重将结果排名、打分，再将返回结果呈现给用户。

Elasticsearch可以用于搜索各种文档，提供可扩展的搜索，具有接近实时的搜索效果，并支持多租户。Elasticsearch是分布式的，这意味着索引可以被分成分片，每个分片可以有0个或多个副本。每个节点托管一个或多个分片，并充当协调器将操作委托给正确的分片。相关数据通常存储在同一个索引中，该索引由一个或多个主分片和零个或多个复制分片组成。一旦创建了索引，就不能更改主分片的数量。

Scala是一门类java的编程语言，结合了面向对象编程和函数式编程。Scala的设计初衷是实现可伸缩的语言，并集成面向对象编程和函数式编程的各种特性。Scala被设计用来和Java无缝互操作,Scala类可以调用Java方法，创建Java对象，继承Java类和实现Java接口，不需要额外的接口定义或者胶合代码。Scala语言具有如下如下几个主要特性：(1)面向对象特性，Scala是一种纯面向对象的语言，每一个值都是对象。对象的数据类型以及行为由类和特征描述。类抽象机制的扩展有两种途径。一种途径是子类继承，另一种途径是灵活的混入机制。这两种途径能避免多重继承的种种问题。(2)函数式编程，Scala也是一种函数式语言，其函数也能当成值来使用。Scala提供了轻量级的语法用以定义匿名函数，支持高阶函数，允许嵌套多层函数，并支持柯里化。Scala的Case Class及其内置的模式匹配相当于函数式编程语言中常用的代数类型。更进一步，程序员可以利用Scala的模式匹配，编写类似正则表达式的代码处理XML数据。(3)静态性，Scala是具备类型系统，通过编译时的检查，保证代码的安全性和一致性。类型系统具体支持以下特性：泛型类、协变和逆变、标注、类型参数的上下限约束、把类别和抽象类型作为对象成员、复合类型、引用自己时显式指定类型、视图、多态方法。(4)扩展性，Scala的设计承认一个事实，即在实践中，某个领域特定的应用程序开发往往需要特定于该领域的语言扩展。Scala提供了许多独特的语言机制，可以以库的形式轻易无缝添加新的语言结构。(5)并发性，Scala使用Actor作为其并发模型，Actor是类似线程的实体，通过邮箱发收消息。Actor可以复用线程，因此可以在程序中可以使用数百万个Actor,而线程只能创建数千个。电信企业落实电话实名制工作已经取得一定成效，但对电信企业实名制工作的监测技术手段仍存在不足之处。一方面省级监管部门与电信企业间信息孤立，各电信企业的实名制管理系统目前均为独立建设、运维，省级监管部门无法实时监测电信企业在用户入网阶段的实名制落实情况。另一方面，不具备相应的监测技术手段，仅靠各电信企业后期上报报表进行人工分析，工作效率低，不具备实时或准实时发现问题的技术能力。

本公开为解决现有紧迫问题，推进电话实名制工作的有效实施，提高对电信企业实名登记工作的监督能力，建立健全电话实名制监测分析系统，实现对电信企业的用户入网环节实名制落实情况统一实时或准实时监测，将为实名制管理工作提供有力的技术支撑，也为进一步整改违规实名登记工作提供有力依据，进而有效降低投机取巧，恶意开卡的违规行为。

图1示出了根据本公开实施例的用于分析和监测实名登记数据的方法的流程图，如图1所示，所述方法包括：步骤S1、以并发方式接收运营商上报的数据，对所述数据进行预处理并存储至数据索引；步骤S2、建立统计分析模型，利用所述统计分析模型对所述数据执行多维度的分析挖掘，将分析结果存储至所述数据索引；步骤S3、选择与所述数据对应的监测预警模型，利用所述监测预警模型对所述数据执行多层次的挖掘以获取预警信息，将所述预警信息存储至数据库；以及步骤S4、整合所述分析结果和所述预警信息，将整合结果通过可视化进行展示。

在进入步骤S1前，需要进行初始化参数配置，包括设置预警模型的开关项及相关阈值，设置定时执行程序任务的周期时间等。

随后，在步骤S1，以并发方式接收运营商上报的数据，对所述数据进行预处理并存储至数据索引。所述数据索引为基于Lucene的搜索服务器Elasticsearch数据库的基础数据索引(关于Elasticsearch数据库，详见前述相关内容，Elasticsearch数据库能够快速实现全文检索)。在所述步骤S1中，所述预处理包括：以约定的加解密方式和密钥对所述数据进行解密；过滤所述数据并确定所述数据的真实性和有效性；以及对所述数据进行标准化和结构化处理。

具体地，启动服务器及应用程序后，创建工作线程池，随后将并行接收企业数据；逐条接收企业上报数据，将数据读入内存，并依据约定好的加解密方式及密钥，对数据进行解密；对解密后数据进行过滤，即对数据进行真实性及有效性的判断，经过数据过滤筛选后存入基础数据数据库，为避免长时间并行大量的实时处理数据线程，消耗过多系统资源，要将数据进行结构化处理，以统一格式进行传送，之后结束当前实时数据处理线程。

在步骤S2，建立统计分析模型，利用所述统计分析模型(并且基于Elasticsearch快速检索特性)，对所述数据执行多维度的分析挖掘，将分析结果存储至所述数据索引。在所述步骤S2中，基于Java语言建立所述统计分析模型，以执行定时器任务的方式，执行所述多维度的分析挖掘。具体地，基于Java语言建立多个数据统计分析的模型，以执行定时器任务的方式运行统计分析程序，程序功能主要是结合ES(Elasticsearch)检索，对时间、空间、企业等多维度分别进行分析挖掘，分析结果数据存入ES数据库指定索引中。

在步骤S3，选择与所述数据对应的监测预警模型，利用所述监测预警模型对所述数据执行多层次的挖掘以获取预警信息，将所述预警信息存储至数据库。在所述步骤S3中，基于Scala(关于Scala，详见前述相关内容)开发技术建立所述监测预警模型，所述数据经由HTTP协议传输至所述对应的监测预警模型，所述数据库为mysql数据库。

具体地，基于Scala开发技术搭建独立的监测预警模型，经过结构化的数据通过http协议传递到监测预警系统，数据量较大且需要实时更新数据源，分析模型较多，需要根据数据特性，对所有模型一一匹配分析，实现对实名登记数据多维度多层次的监测预警，预警结果存入mysql数据库。由此，建立各类数据分析模型库，设置定时任务周期性执行数据统计分析程序，对基础数据进行深层的分析挖掘，从而为上层业务应用提供数据分析挖掘能力。

在一些实施例中，还可以对结构化数据进行补全或延展，便于进行数据关联，建立各类监测预警模型，针对各类预警模型的判断依据进行多层次的深层挖据，分析过程中出现超过预定监测模型阈值的情况生成监测预警提示，并将具体信息内容存入预警模型数据库，供上层业务应用进行实时的查看和监管。同时在实时接收数据的过程中，如果服务终止，则停止接收数据，否则将继续监测数据上报情况。

在一些实施例中，所述监测预警模型包括网点入户激增预警模型、文字/图片比对预警模型、违规办理成功预警模型、代办人开卡超限预警模型、入网通过率预警模型、开销户数量预警模型、单工号开户数量预警模型、短时间多网点开户预警、一证五卡预警模型以及年龄阈值预警模型中的一个或多个，详见表1。

表1：监测预警模型

在步骤S4，整合所述分析结果和所述预警结果，将整合结果通过可视化进行展示。如此，能够更加直观、清晰地了解企业的实名登记工作落实情况。

在一些实施例中，为提升系统性能，本公开在系统建设过程中做了多项优化。(1)数据存储设计，数据存储分为ES和mysql，预警详细数据以及预警相关配置存入在mysql之中，原始数据存入在ES中。(2)ES存储优化，数据存储时，批量存储，提高ES存储耗时。(3)Mysql数据更新优化，由于数据量大，每条数据都更新数据库，会造成数据的延时。在分析过程中，数据更新时间延长，不实时更新，达到数据更新的时间间隔后才更新数据库。(4)分析间隔时间优化，由于数据量大，分析的数据不是每条数据都实时分析，数据先缓存到程序中，达到分析的时间间隔后，才开始分析数据。该时间限制应该控制在允许的数据延时范围内。

本公开第一方面的方法可以应用于各省通信管理局的电话实名制管理系统中，实现对各省电信企业的用户入网环节实名制落实情况统一实时或准实时监测，为各省实名制管理工作提供有力的技术支撑。各电信企业的实名制管理系统目前均为独立建设、运维，各省通信管理局无法实时监测各电信企业在用户入网阶段的实名制落实情况。此外，仅靠各电信企业后期上报报表进行人工分析，工作效率低，不具备实时或准实时发现问题的技术能力。本公开第一方面的方法旨在通过收集电信企业入网实名登记数据，满足各省管局对电信企业的集中管理的要求。电信企业办理用户入网记录保存的实时数据基于HTTP协议的数据通道传输到管局电话实名制监测系统。该方法不仅对入网用户信息进行集中存储，还进行数据分析，提供界面展示功能，通过直观的方式对电信企业实名登记工作进行实时监督，为监测电信企业在新用户办理入网手续时，是否严格落实新用户实名入网各项要求，提供重要的判断依据。

在一些实施例中，本公开第一方面的方法所应用的系统架构主要包括应用层、数据层和接口层。应用层主要包括的电话实名登记人证一致实时检测、模型预警及界面展示等功能；数据层完成接收采集接口层数据，并实时存储，同时与应用层保持信息同步、共享，以供进一步分析挖掘，主要分为数据收集、数据整理/转换、数据存储三个部分；接口层即数据来源层，各基础企业依据预定义的接口协议，与管理系统通过接口层对接。系统服务器组由Web server/查询分析服务器、存储服务器组成。Web server/查询分析服务器用于数据的展示、操作界面和人证一致数据的统计分析处理，并输出统计或预警报表；存储服务器用于转存电信企业推送的人证一致数据和统计分析结果。

综上，本公开第一方面在实现实时数据的统计分析的同时，还针对基础数据进行深层统计分析及数据挖掘，通过多层次的监测预警模型排查潜在违规问题。综合考虑电话实名登记数据大数据特性愈见明显，数据处理工作越发复杂化的特点，仅依靠单一流程的设计模式不能满足整体功能需求及性能。通过采用Web开发、Scala语言、Java语言、Elasticsearch数据库及Mysql数据库等多项技术手段，分模块多流程统筹兼顾构建整个流程。至少可以带来以下有益技术效果：

(1)方便简洁，实时高效，更加直观

随着Web技术的不断成熟，B/S架构广泛应用十分广泛。软件系统的改进和升级越来越频繁，B/S架构管理软件只安装在服务器端，因此大大减轻了系统维护与升级的成本和工作量，并且有效解决距离问题和时间延迟问题。本发明采用B/S架构搭建电话实名制监测系统，能够实时接收企业上报数据，并及时进行数据分析处理，简化实名制数据检查流程，并且通过Web前端技术将数理统计分析结果进行直观的界面展示。

(2)便于电话实名制工作属地化监管

电话实名制监测系统是部署在各省通信管理机构，便于监管部门对各家企业的电话实名登记工作进行直达且直观监督监测，进一步加强属地化行业监管机构的技术手段能力，能够有效支撑属地化行业监管机构对电话实名制的监管工作。

(3)增强电话实名制监管力度，预防违规行为

实名登记工作作为网络与信息安全的基础性工作，能够有效支撑打击违法犯罪活动。通过对电话实名登记数据进行更深层次的数据挖掘，紧密联系实际背景，建立监测预警模型，能过及时发现潜在违规操作。将实名登记监测预警与防范治理电信或网络诈骗系统开展实时联动，能够预先遏制高危用户开展违法犯罪活动的潜在风险。

本公开的第二方面提供了一种用于分析和监测实名登记数据的系统，所述系统200包括：数据预处理模块201，被配置为，以并发方式接收运营商上报的数据，对所述数据进行预处理并存储至数据索引；统计分析模块202，被配置为，建立统计分析模型，利用所述统计分析模型对所述数据执行多维度的分析挖掘，将分析结果存储至所述数据索引；监测预警模块203，被配置为，选择与所述数据对应的监测预警模型，利用所述监测预警模型对所述数据执行多层次的挖掘以获取预警信息，将所述预警信息存储至数据库；以及整合可视化模块204，被配置为，整合所述分析结果和所述预警信息，将整合结果通过可视化进行展示。

根据本公开第二方面的用于分析和监测实名登记数据的系统，所述数据索引为基于Lucene的搜索服务器Elasticsearch数据库的基础数据索引，所述数据预处理模块201具体被配置为，基于B/S架构搭建Web服务器，以并发方式接收所述数据，并对所述数据执行以下预处理：以约定的加解密方式和密钥对所述数据进行解密；过滤所述数据并确定所述数据的真实性和有效性；以及对所述数据进行标准化和结构化处理。

根据本公开第二方面的用于分析和监测实名登记数据的系统，所述统计分析模块202具体被配置为，基于Java语言建立所述统计分析模型，以执行定时器任务的方式，来执行所述多维度的分析挖掘。所述监测预警模块203具体被配置为，基于Scala开发技术建立所述监测预警模型，所述数据经由HTTP协议传输至所述对应的监测预警模型，所述数据库为mysql数据库。

根据本公开第二方面的用于分析和监测实名登记数据的系统，所述监测预警模型包括网点入户激增预警模型、文字/图片比对预警模型、违规办理成功预警模型、代办人开卡超限预警模型、入网通过率预警模型、开销户数量预警模型、单工号开户数量预警模型、短时间多网点开户预警、一证五卡预警模型以及年龄阈值预警模型中的一个或多个。

本公开的第三方面提供了一种存储有指令的非暂时性计算机可读介质，当所述指令由处理器执行时，执行根据本公开第一方面的用于分析和监测实名登记数据的方法中的步骤。

注意，根据本公开的各个实施例中的各个模块，可以实现为存储在存储器上的计算机可执行指令，由处理器执行时可以实现相应的步骤；也可以实现为具有相应逻辑计算能力的硬件；也可以实现为软件和硬件的组合(固件)。在一些实施例中，处理器可以实现为FPGA、ASIC、DSP芯片、SOC(片上系统)、MPU(例如但不限于Cortex)、等中的任何一种。处理器可以通信地耦合到存储器并且被配置为执行存储在其中的计算机可执行指令。存储器可以包括只读存储器(ROM)、闪存、随机存取存储器(RAM)、诸如同步DRAM(SDRAM)或Rambus DRAM的动态随机存取存储器(DRAM)、静态存储器(例如，闪存、静态随机存取存储器)等，其上以任何格式存储计算机可执行指令。计算机可执行指令可以被处理器访问，从ROM或者任何其他合适的存储位置读取，并加载到RAM中供处理器执行，以实现根据本公开各个实施例的无线通信方法。

此外，尽管已经在本文中描述了示例性实施例，其范围包括任何和所有基于本公开的具有等同元件、修改、省略、组合(例如，各种实施例交叉的方案)、改编或改变的实施例。权利要求书中的元件将被基于权利要求中采用的语言宽泛地解释，并不限于在本说明书中或本申请的实施期间所描述的示例，其示例将被解释为非排他性的。因此，本说明书和示例旨在仅被认为是示例，真正的范围和精神由以下权利要求以及其等同物的全部范围所指示。

以上描述旨在是说明性的而不是限制性的。例如，上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外，在上述具体实施方式中，各种特征可以被分组在一起以简单化本公开。这不应解释为一种不要求保护的公开的特征对于任一权利要求是必要的意图。相反，本发明的主题可以少于特定的公开的实施例的全部特征。从而，以下权利要求书作为示例或实施例在此并入具体实施方式中，其中每个权利要求独立地作为单独的实施例，并且考虑这些实施例可以以各种组合或排列彼此组合。本发明的范围应参照所附权利要求以及这些权利要求赋权的等同形式的全部范围来确定。

Claims (10)

1.一种用于分析和监测实名登记数据的方法，其特征在于，所述方法包括：

步骤S1、以并发方式接收运营商上报的数据，对所述数据进行预处理并存储至数据索引；

步骤S2、建立统计分析模型，利用所述统计分析模型对所述数据执行多维度的分析挖掘，将分析结果存储至所述数据索引；

步骤S3、选择与所述数据对应的监测预警模型，利用所述监测预警模型对所述数据执行多层次的挖掘以获取预警信息，将所述预警信息存储至数据库；以及

步骤S4、整合所述分析结果和所述预警信息，将整合结果通过可视化进行展示。

2.根据权利要求1所述的用于分析和监测实名登记数据的方法，其特征在于，所述数据索引为基于Lucene的搜索服务器Elasticsearch数据库的基础数据索引，在所述步骤S1中，基于B/S架构搭建Web服务器，以并发方式接收所述数据，所述预处理包括：

以约定的加解密方式和密钥对所述数据进行解密；

过滤所述数据并确定所述数据的真实性和有效性；以及

对所述数据进行标准化和结构化处理。

3.根据权利要求1所述的用于分析和监测实名登记数据的方法，其特征在于，在所述步骤S2中，基于Java语言建立所述统计分析模型，以执行定时器任务的方式，来执行所述多维度的分析挖掘。

4.根据权利要求1所述的用于分析和监测实名登记数据的方法，其特征在于，在所述步骤S3中，基于Scala开发技术建立所述监测预警模型，所述数据经由HTTP协议传输至所述对应的监测预警模型，所述数据库为mysql数据库。

5.根据权利要求4所述的用于分析和监测实名登记数据的方法，其特征在于，在所述步骤S3中，所述监测预警模型包括网点入户激增预警模型、文字/图片比对预警模型、违规办理成功预警模型、代办人开卡超限预警模型、入网通过率预警模型、开销户数量预警模型、单工号开户数量预警模型、短时间多网点开户预警、一证五卡预警模型以及年龄阈值预警模型中的一个或多个。

6.一种用于分析和监测实名登记数据的系统，其特征在于，所述系统包括：

数据预处理模块，被配置为，以并发方式接收运营商上报的数据，对所述数据进行预处理并存储至数据索引；

统计分析模块，被配置为，建立统计分析模型，利用所述统计分析模型对所述数据执行多维度的分析挖掘，将分析结果存储至所述数据索引；

监测预警模块，被配置为，选择与所述数据对应的监测预警模型，利用所述监测预警模型对所述数据执行多层次的挖掘以获取预警信息，将所述预警信息存储至数据库；以及

整合可视化模块，被配置为，整合所述分析结果和所述预警信息，将整合结果通过可视化进行展示。

7.根据权利要求6所述的用于分析和监测实名登记数据的系统，其特征在于，所述数据索引为基于Lucene的搜索服务器的Elasticsearch数据库的基础数据索引，所述数据预处理模块具体被配置为，基于B/S架构搭建Web服务器，以并发方式接收所述数据，并对所述数据执行以下预处理：

以约定的加解密方式和密钥对所述数据进行解密；

过滤所述数据并确定所述数据的真实性和有效性；以及

对所述数据进行标准化和结构化处理。

8.根据权利要求6所述的用于分析和监测实名登记数据的系统，其特征在于：

所述统计分析模块具体被配置为，基于Java语言建立所述统计分析模型，以执行定时器任务的方式，来执行所述多维度的分析挖掘。

所述监测预警模块具体被配置为，基于Scala开发技术建立所述监测预警模型，所述数据经由HTTP协议传输至所述对应的监测预警模型，所述数据库为mysql数据库。

9.根据权利要求8所述的用于分析和监测实名登记数据的系统，其特征在于，所述监测预警模型包括网点入户激增预警模型、文字/图片比对预警模型、违规办理成功预警模型、代办人开卡超限预警模型、入网通过率预警模型、开销户数量预警模型、单工号开户数量预警模型、短时间多网点开户预警、一证五卡预警模型以及年龄阈值预警模型中的一个或多个。

10.一种存储有指令的非暂时性计算机可读介质，当所述指令由处理器执行时，执行根据权利要求1-5所述的用于分析和监测实名登记数据的方法中的步骤。

Images