CN113487326A - 基于智能合约的交易限制参数设置方法及装置 - Google Patents

基于智能合约的交易限制参数设置方法及装置 Download PDF

Info

Publication number
CN113487326A
CN113487326A CN202110848425.8A CN202110848425A CN113487326A CN 113487326 A CN113487326 A CN 113487326A CN 202110848425 A CN202110848425 A CN 202110848425A CN 113487326 A CN113487326 A CN 113487326A
Authority
CN
China
Prior art keywords
client
transaction
customer
preset
value
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.)
Granted
Application number
CN202110848425.8A
Other languages
English (en)
Other versions
CN113487326B (zh
Inventor
朱江波
汤东波
戎立
冯春阳
李涵
陆雪
胡佳锋
戈星晨
池振强
曾宪奇
温晨
贾哲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bank of China Ltd
Original Assignee
Bank of China Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bank of China Ltd filed Critical Bank of China Ltd
Priority to CN202110848425.8A priority Critical patent/CN113487326B/zh
Publication of CN113487326A publication Critical patent/CN113487326A/zh
Application granted granted Critical
Publication of CN113487326B publication Critical patent/CN113487326B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4014—Identity check for transactions
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/405—Establishing or using transaction specific rules

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Computer Security & Cryptography (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于智能合约的交易限制参数设置方法及装置，涉及区块链及人工智能技术领域，该方法包括：获取客户在银行的历史交易数据，基于所述历史交易数据，获取客户的多个属性值；基于客户的多个属性值，确定该客户的风险接受值；依据区块链的智能合约、客户的风险接受值以及客户在银行的资源数，确定客户的交易限制参数；基于交易限制参数进行相应的交易控制处理。本发明基于历史交易数据和区块链的智能合约设置交易限制参数，可以做到更准确的评估风险和实际需求，这样既能提高客户体验，又能有效的防范风险。

Description

基于智能合约的交易限制参数设置方法及装置
技术领域
本发明涉及区块链及人工智能技术领域，尤其涉及基于智能合约的交易限制参数设置方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
目前，银行对客户的交易参数基本上是设置一个固定值，该值的设置往往缺乏实际数据的支撑，设置的太高有可能使得客户的风险偏高，设置的太低又可能导致客户体验不好。在实际的交易中，不同客户的交易需求和风险需求都是不一样的。目前设置固定值的方式，显然不能满足银行客户的实际需求。
发明内容
本发明实施例提供一种基于智能合约的交易限制参数设置方法，用以解决参数设置采用固定值，导致客户的风险偏高或体验不好的问题，该方法包括：
获取客户在银行的历史交易数据，基于所述历史交易数据，获取客户的多个属性值；
基于客户的多个属性值，确定该客户的风险接受值；
依据区块链的智能合约、客户的风险接受值以及客户在银行的资源数，确定客户的交易限制参数；
基于交易限制参数进行相应的交易控制处理。
本发明实施例还提供一种基于智能合约的交易限制参数设置装置，用以解决参数设置采用固定值，导致客户的风险偏高或体验不好的问题，该装置包括：
数据及属性获取模块，用于获取客户在银行的历史交易数据，基于所述历史交易数据，获取客户的多个属性值；
风险接受值确定模块，用于基于客户的多个属性值，确定该客户的风险接受值；
交易限制参数确定模块，用于依据区块链的智能合约、客户的风险接受值以及客户在银行的资源数，确定客户的交易限制参数；
交易控制处理模块，用于基于交易限制参数进行相应的交易控制处理。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于智能合约的交易限制参数设置方法。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述基于智能合约的交易限制参数设置方法的步骤。
本发明实施例中，与现有技术中客户参数设置为固定值的技术方案相比，通过获取客户在银行的历史交易数据，基于所述历史交易数据，获取客户的多个属性值；基于客户的多个属性值，确定该客户的风险接受值；依据区块链的智能合约、客户的风险接受值以及客户在银行的资源数，确定客户的交易限制参数；基于交易限制参数进行相应的交易控制处理，本发明可以基于历史交易数据和区块链的智能合约设置交易限制参数，可以做到更准确的评估风险和实际需求，这样既能提高客户体验，又能有效的防范风险。
附图说明
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中基于智能合约的交易限制参数设置方法流程图一；
图2为本发明实施例中基于智能合约的交易限制参数设置方法流程图二；
图3为本发明实施例中基于智能合约的交易限制参数设置方法流程图三；
图4为本发明实施例中基于智能合约的交易限制参数设置方法流程图四；
图5为本发明实施例中基于智能合约的交易限制参数设置方法流程图五；
图6为本发明实施例中基于智能合约的交易限制参数设置方法流程图六；
图7为本发明实施例中基于智能合约的交易限制参数设置装置结构框图一；
图8为本发明实施例中基于智能合约的交易限制参数设置装置结构框图二；
图9为本发明实施例中基于智能合约的交易限制参数设置装置结构框图三。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
术语解释：
交易限制参数：就是客户在做交易时，银行给客户设置的交易限制参数，该参数的设置可以控制客户的交易风险。
图1为本发明实施例中基于智能合约的交易限制参数设置方法流程图一，如图1所示，该方法包括：
步骤101：获取客户在银行的历史交易数据，基于所述历史交易数据，获取客户的多个属性值；
步骤102：基于客户的多个属性值，确定该客户的风险接受值；
步骤103：依据区块链的智能合约、客户的风险接受值以及客户在银行的资源数，确定客户的交易限制参数；
步骤104：基于交易限制参数进行相应的交易控制处理。
具体的，步骤101是获取客户在银行某渠道(比如手机银行，银行智能终端，ATM)的历史交易数据，该历史交易数据可以包括客户在每一次交易时的交易时间，交易类别，交易地点，交易渠道(比如手机银行)，交易金额，在交易时间点客户在银行的资金数，身份验证方式(比如人脸识别)，交易状态(成功或者失败)，以及客户在交易时选择或者填写的交易信息等等。客户的多个属性值包含客户的多个金融属性和风险属性。
具体的，风险接受值是为了表示客户可以接受风险的程度。比如将风险接受值设置成一个0到100的整数值，不同的整数值表示客户接受风险的不同程度，并且该数值越大，客户的风险接受能力越强。不同的客户对应不同的风险接受值，不同的客户集合对应不同的风险接受值范围，比如可以设置10个预设客户集合，每个客户集合对应一个风险值的区间，比如51到60的闭区间。
具体的，客户在银行的资源数可以是客户存在银行的资金数，在不同的资源数状态下，同一客户的交易行为是不同的。并且在两个客户的资源数接近和风险需求也大致相似的情况下，客户的交易行为也大致相同。正所谓，经济基础决定上层建筑。为了量化上述这种关系，可以建立一张表，来记录风险接受值，总资源数，和交易参数的一一对应关系，将这张表的对应关系存储到智能合约中，也就是由智能合约来依据客户的风险接受值和在银行的总资源数，确定交易参数。
具体的，交易限制参数是为了控制交易的风险，该交易限制参数可以是对应时间点和对应地点的交易限额(比如在中午12点在银行网点的交易最大金额，凌晨3点在线上的交易最大金额(凌晨3点的客户风险更高，比如账号被盗风险，同时银行网点的交易风险更低，因为有银行人的参与))，对应时间点和对应地点的交易最长等待时间，对应时间点和对应地点的身份验证方式，等等。
在本发明实施例中，如图2所示，步骤102基于客户的多个属性值，确定该客户的风险接受值，包括：
步骤201：基于多个属性之间的依赖关系获得贝叶斯网的结构；
步骤202：基于银行的客户集合的交易数据确定贝叶斯网的参数；
步骤203：基于贝叶斯网的结构和参数，确定属性值是第一预设值的条件下，风险接受值等于第二预设值的条件概率分布；
步骤204：基于客户的多个属性值和所述条件概率分布，确定客户属于每个风险接受值的概率，进而确定客户的风险接受值。
具体的，基于已经获得的属性之间的依赖关系获得贝叶斯网的结构。实际当中，客户的诸多属性都是客户的内在需求的外在反映，属性往往不是相互独立，也就是属性之间是有依赖关系的。比如金融属性1依赖于金融属性2，风险属性1依赖于风险属性2和金融属性2，风险接受值依赖于金融属性1和风险属性1，等等。这个属性之间的依赖关系是可以事前获得的。在获得了客户属性之间的依赖关系后，也就获得了一个关于客户的图形结构，每个节点对应于客户的某种属性，两个节点之间有边连接当且仅当两个节点之间有依赖关系，并且边的方向反应了节点之间的依赖关系。
具体的，基于银行的客户集合的交易数据确定贝叶斯网的参数，其实是因为银行客户的交易数据可以生成贝叶斯网条件概率的样本数据。银行通常服务成千上万的客户，产生的数据也是相当多的，大量的交易数据意味着条件概率有足够多的样本数据，这样基于足够多的样本数据，根据大数定理我们就可以获得某个条件概率的准确估计。比如可以从银行的客户集合的交易数据中，产生风险属性2是某值和金融属性2是某值的大量样本，当这个样本足够多时，就可以获得在风险属性2是某值和金融属性2是某值的条件下，风险属性1是某值的概率估计。在确定了贝叶斯网对应的每一个条件概率值后，贝叶斯网的参数也就全部确定。
基于上述确定的贝叶斯网结构和参数，确定在属性值是某值(第一预设值)的条件下，风险接受值等于某值(第二预设值)的条件概率分布，第一预设值与第二预设值可以是同一个值，也可以是不同值。贝叶斯网结构和参数，也就是条件概率值确定之后，可以基于基本的概率计算公式，计算需要的条件概率，比如属性值是某值的条件下，风险接受值等于某值的条件概率分布。
基于该客户的各个属性值，和上述确定的条件概率分布，确定客户属于每个风险接受值的概率，进而确定客户的风险接受值。在条件概率分布和前置条件概率确定后，也就确定了需要的概率分布，比如客户属于每个风险接受值的概率。
在本发明实施例中，如图3所示，步骤102基于客户的多个属性值，确定该客户的风险接受值，包括：
步骤301：基于客户的多个属性值，估算该客户属于多个预设客户集合中每个预设客户集合的概率；
步骤302：根据所述概率和每个预设客户集合对应的风险接受值，确定该客户的风险接受值。
在本发明实施例中，如图4所示，步骤301基于客户的多个属性值，估算该客户属于多个预设客户集合中每个预设客户集合的概率，包括：
步骤401：基于客户的多个属性值设置该客户的属性集合；
步骤402：基于预设距离度量方法、该客户的属性集合和每个预设客户集合中每个客户的属性集合，计算该客户与每个预设客户集合的距离；
步骤403：基于该客户与每个预设客户集合的距离，得到该客户属于多个预设客户集合中每个预设客户集合的概率。
具体的，该客户的客户交易属性可以包含该客户的多个相互独立的金融属性和多个相互独立的风险属性，预设客户集合中每个客户的属性集合和该客户的客户属性集合包含的元素属性一致。获取客户的客户属性集合，就是将每个客户对应于几何空间(比如欧式空间)的一个点，这样用两个点的距离的远近来表示客户之间的相似度。两个点的距离越近，就表示两个客户的属性值也越接近，也就是两个客户也越相似。对应的，该距离可以转化为一个客户属于预设客户集合的概率。从几何直观上看，一个客户属于该预设客户集合的概率越大，则该客户与该预设客户集合的“距离”也就越近。由于通常的预设距离度量方法，估算的是两个对等点之间的距离，比如两个客户对应的欧式空间的点之间的距离，所以在本发明的场景下，需要计算的“该客户与每个预设客户集合的距离”是预设距离度量方法的优化，以可以估算一个点和点集合之间的距离。具体的，一个点和点集合之间的距离可以为一个点和点集合中每个点的距离的函数，比如距离的平均值，最小值；一个点和点集合之间的距离也可以该一个点和点集合的对应特殊点之间的距离，比如到集合均值点的距离。根据上面的描述，距离越近，该客户属于预设客户集合的概率就越大，这样就可以建立一个自变量是距离，应变量是概率的单调减函数，以表示距离和概率之间的对应关系，这样根据上述距离就可以得到该客户属于多个预设客户集合中每个预设客户集合的概率。
在本发明实施例中，如图5所示，还包括：
步骤501：在确定客户的交易限制参数之后，根据该客户的实际交易数据调整客户的风险接受值，进而调整交易限制参数。
步骤501包括：
步骤5011：若实际交易数据减去交易限制参数的差小于预设阈值，且小于预设阈值的情况连续出现第一预设数量次，则上调客户的风险接受值，至多个预设客户集合中风险接受值大于该客户当前的风险接受值(即步骤102得到的风险接受值，也就是未调整当前的风险接受值)的最小值；
步骤5012：若实际交易数据减去交易限制参数的差大于预设阈值，且大于预设阈值的情况连续出现第二预设数量次，则下调客户的风险接受值，至多个预设客户集合中风险接受值小于该客户当前的风险接受值(即步骤102得到的风险接受值，也就是未调整当前的风险接受值)的最大值。
具体的，之前设置的参数存在设置过大或者过小的情况。比如，当交易限制参数是特点时间点的交易限额，客户A对应的的交易限额是10000元，连续多次实际交易值为9000到9800元，与10000元的差值小于预设阈值2000元，这就表明客户有提高交易金额的需求，需要将该限额值上调，对应的就是风险接受值上调，至风险值最接近该客户的n个客户集合中的某一个，比如上调后的风险接受值使得该客户对应的限额值上调至15000元；当客户连续多次实际交易值为6000到6600元，与10000元的差值大于预设阈值2000元，这就表明该客户的当前限额值已经超出了该客户的实际限额需求，需要将该限额值下调，对应的就是风险接受值下调，至风险值最接近该客户的n个客户集合中的某一个，比如下调后的风险接受值使得该客户对应的限额值下调至8000元。
在本发明实施例中，如图6所示，在执行步骤104之前还包括：
步骤601：获取银行的低风险交易数据(记录一个客户集合的数据)；
步骤602：从所述低风险交易数据中的每条交易数据中获取每条交易数据对应的客户集合中不同客户的交易限制参数、风险接受值以及对应交易时间点客户在银行的资源数；
步骤603：基于每条交易数据对应的客户集合中不同客户的交易限制参数、风险接受值以及对应交易时间点客户在银行的资源数建立对应关系表，所述对应关系表中记录风险接受值、资源数和交易限制参数的一一对应关系；
步骤604：将所述对应关系表存储到区块链的智能合约中。
具体的，这个对应关系表反应的是交易风险和交易限制参数之间的内在关系，和具体的客户没有关系。当前客户集合只是为了展现交易风险和交易限制参数之间的内在关系而提供了大量的样本数据。
此处强调建立对应关系的数据来源是低风险的交易数据，因为低风险数据本来蕴含着该交易要素对应的交易的风险比较低，能够客观的反应客户的真实需求。同时基于该数据来源可以保证后续的交易风险大概率比较低。
本发明实施例中还提供了一种基于智能合约的交易限制参数设置装置，如下面的实施例所述。由于该装置解决问题的原理与基于智能合约的交易限制参数设置方法相似，因此该装置的实施可以参见基于智能合约的交易限制参数设置方法的实施，重复之处不再赘述。
图7为本发明实施例中基于智能合约的交易限制参数设置装置结构框图一，如图7所示，该装置包括：
数据及属性获取模块02，用于获取客户在银行的历史交易数据，基于所述历史交易数据，获取客户的多个属性值；
风险接受值确定模块04，用于基于客户的多个属性值，确定该客户的风险接受值；
交易限制参数确定模块06，用于依据区块链的智能合约、客户的风险接受值以及客户在银行的资源数，确定客户的交易限制参数；
交易控制处理模块08，用于基于交易限制参数进行相应的交易控制处理。
在本发明实施例中，风险接受值确定模块04具体用于：
基于多个属性之间的依赖关系获得贝叶斯网的结构；
基于银行的客户集合的交易数据确定贝叶斯网的参数；
基于贝叶斯网的结构和参数，确定属性值是第一预设值的条件下，风险接受值等于第二预设值的条件概率分布；
基于客户的多个属性值和所述条件概率分布，确定客户属于每个风险接受值的概率，进而确定客户的风险接受值。
在本发明实施例中，风险接受值确定模块04具体用于：
基于客户的多个属性值，估算该客户属于多个预设客户集合中每个预设客户集合的概率；
根据所述概率和每个预设客户集合对应的风险接受值，确定该客户的风险接受值。
在本发明实施例中，风险接受值确定模块04具体用于：
基于客户的多个属性值设置该客户的属性集合；
基于预设距离度量方法、该客户的属性集合和每个预设客户集合中每个客户的属性集合，计算该客户与每个预设客户集合的距离；
基于该客户与每个预设客户集合的距离，得到该客户属于多个预设客户集合中每个预设客户集合的概率。
在本发明实施例中，如图8所示，还包括：参数调整模块10，用于：在确定客户的交易限制参数之后，根据该客户的实际交易数据调整客户的风险接受值，进而调整交易限制参数；
具体用于：
若实际交易数据减去交易限制参数的差小于预设阈值，且小于预设阈值的情况连续出现第一预设数量次，则上调客户的风险接受值，至多个预设客户集合中风险接受值大于该客户当前的风险接受值的最小值；
若实际交易数据减去交易限制参数的差大于预设阈值，且大于预设阈值的情况连续出现第二预设数量次，则下调客户的风险接受值，至多个预设客户集合中风险接受值小于该客户当前的风险接受值的最大值。
在本发明实施例中，如图9所示，还包括：对应关系建立模块12，用于：
在依据区块链的智能合约、客户的风险接受值以及客户在银行的资源数，确定客户的交易限制参数之前，获取银行的低风险交易数据；
从所述低风险交易数据中的每条交易数据中获取每条交易数据对应的客户集合中不同客户的交易限制参数、风险接受值以及对应交易时间点客户在银行的资源数；
基于每条交易数据对应的客户集合中不同客户的交易限制参数、风险接受值以及对应交易时间点客户在银行的资源数建立对应关系表，所述对应关系表中记录风险接受值、资源数和交易限制参数的一一对应关系；
将所述对应关系表存储到区块链的智能合约中。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于智能合约的交易限制参数设置方法。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述基于智能合约的交易限制参数设置方法的步骤。
本发明实施例中，与现有技术中客户参数设置为固定值的技术方案相比，通过获取客户在银行的历史交易数据，基于所述历史交易数据，获取客户的多个属性值；基于客户的多个属性值，确定该客户的风险接受值；依据区块链的智能合约、客户的风险接受值以及客户在银行的资源数，确定客户的交易限制参数；基于交易限制参数进行相应的交易控制处理，本发明可以基于历史交易数据和区块链的智能合约设置交易限制参数，可以做到更准确的评估风险和实际需求，这样既能提高客户体验，又能有效的防范风险。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、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数据处理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数据处理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数据处理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数据处理设备上，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。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (14)

1.一种基于智能合约的交易限制参数设置方法，其特征在于，包括：
获取客户在银行的历史交易数据，基于所述历史交易数据，获取客户的多个属性值；
基于客户的多个属性值，确定该客户的风险接受值；
依据区块链的智能合约、客户的风险接受值以及客户在银行的资源数，确定客户的交易限制参数；
基于交易限制参数进行相应的交易控制处理。
2.如权利要求1所述的基于智能合约的交易限制参数设置方法，其特征在于，基于客户的多个属性值，确定该客户的风险接受值，包括：
基于多个属性之间的依赖关系获得贝叶斯网的结构；
基于银行的客户集合的交易数据确定贝叶斯网的参数；
基于贝叶斯网的结构和参数，确定属性值是第一预设值的条件下，风险接受值等于第二预设值的条件概率分布；
基于客户的多个属性值和所述条件概率分布，确定客户属于每个风险接受值的概率，进而确定客户的风险接受值。
3.如权利要求1所述的基于智能合约的交易限制参数设置方法，其特征在于，基于客户的多个属性值，确定该客户的风险接受值，包括：
基于客户的多个属性值，估算该客户属于多个预设客户集合中每个预设客户集合的概率；
根据所述概率和每个预设客户集合对应的风险接受值，确定该客户的风险接受值。
4.如权利要求3所述的基于智能合约的交易限制参数设置方法，其特征在于，基于客户的多个属性值，估算该客户属于多个预设客户集合中每个预设客户集合的概率，包括：
基于客户的多个属性值设置该客户的属性集合；
基于预设距离度量方法、该客户的属性集合和每个预设客户集合中每个客户的属性集合，计算该客户与每个预设客户集合的距离；
基于该客户与每个预设客户集合的距离，得到该客户属于多个预设客户集合中每个预设客户集合的概率。
5.如权利要求1所述的基于智能合约的交易限制参数设置方法，其特征在于，还包括：在确定客户的交易限制参数之后，根据该客户的实际交易数据调整客户的风险接受值，进而调整交易限制参数，包括：
若实际交易数据减去交易限制参数的差小于预设阈值，且小于预设阈值的情况连续出现第一预设数量次，则上调客户的风险接受值，至多个预设客户集合中风险接受值大于该客户当前的风险接受值的最小值；
若实际交易数据减去交易限制参数的差大于预设阈值，且大于预设阈值的情况连续出现第二预设数量次，则下调客户的风险接受值，至多个预设客户集合中风险接受值小于该客户当前的风险接受值的最大值。
6.如权利要求1所述的基于智能合约的交易限制参数设置方法，其特征在于，在依据区块链的智能合约、客户的风险接受值以及客户在银行的资源数，确定客户的交易限制参数之前，还包括：
获取银行的低风险交易数据；
从所述低风险交易数据中的每条交易数据中获取每条交易数据对应的客户集合中不同客户的交易限制参数、风险接受值以及对应交易时间点客户在银行的资源数；
基于每条交易数据对应的客户集合中不同客户的交易限制参数、风险接受值以及对应交易时间点客户在银行的资源数建立对应关系表，所述对应关系表中记录风险接受值、资源数和交易限制参数的一一对应关系；
将所述对应关系表存储到区块链的智能合约中。
7.一种基于智能合约的交易限制参数设置装置，其特征在于，包括：
数据及属性获取模块，用于获取客户在银行的历史交易数据，基于所述历史交易数据，获取客户的多个属性值；
风险接受值确定模块，用于基于客户的多个属性值，确定该客户的风险接受值；
交易限制参数确定模块，用于依据区块链的智能合约、客户的风险接受值以及客户在银行的资源数，确定客户的交易限制参数；
交易控制处理模块，用于基于交易限制参数进行相应的交易控制处理。
8.如权利要求7所述的基于智能合约的交易限制参数设置装置，其特征在于，风险接受值确定模块具体用于：
基于多个属性之间的依赖关系获得贝叶斯网的结构；
基于银行的客户集合的交易数据确定贝叶斯网的参数；
基于贝叶斯网的结构和参数，确定属性值是预设值的条件下，风险接受值等于预设值的条件概率分布；
基于客户的多个属性值和所述条件概率分布，确定客户属于每个风险接受值的概率，进而确定客户的风险接受值。
9.如权利要求7所述的基于智能合约的交易限制参数设置装置，其特征在于，风险接受值确定模块具体用于：
基于客户的多个属性值，估算该客户属于多个预设客户集合中每个预设客户集合的概率；
根据所述概率和每个预设客户集合对应的风险接受值，确定该客户的风险接受值。
10.如权利要求9所述的基于智能合约的交易限制参数设置装置，其特征在于，风险接受值确定模块具体用于：
基于客户的多个属性值设置该客户的客户属性集合；
基于预设距离度量方法、该客户的客户属性集合和每个预设客户集合中每个客户的属性集合，计算该客户与每个预设客户集合的距离；
基于该客户与每个预设客户集合的距离，得到该客户属于多个预设客户集合中每个预设客户集合的概率。
11.如权利要求7所述的基于智能合约的交易限制参数设置装置，其特征在于，还包括：参数调整模块，用于：在确定客户的交易限制参数之后，根据该客户的实际交易数据调整客户的风险接受值，进而调整交易限制参数；
具体用于：
若实际交易数据减去交易限制参数的差小于预设阈值，且小于预设阈值的情况连续出现第一预设数量次，则上调客户的风险接受值，至多个预设客户集合中风险接受值大于该客户当前的风险接受值的最小值；
若实际交易数据减去交易限制参数的差大于预设阈值，且大于预设阈值的情况连续出现第二预设数量次，则下调客户的风险接受值，至多个预设客户集合中风险接受值小于该客户当前的风险接受值的最大值。
12.如权利要求7所述的基于智能合约的交易限制参数设置装置，其特征在于，还包括：对应关系建立模块，用于：
在依据区块链的智能合约、客户的风险接受值以及客户在银行的资源数，确定客户的交易限制参数之前，获取银行的低风险交易数据；
从所述低风险交易数据中的每条交易数据中获取每条交易数据对应的客户集合中不同客户的交易限制参数、风险接受值以及对应交易时间点客户在银行的资源数；
基于每条交易数据对应的客户集合中不同客户的交易限制参数、风险接受值以及对应交易时间点客户在银行的资源数建立对应关系表，所述对应关系表中记录风险接受值、资源数和交易限制参数的一一对应关系；
将所述对应关系表存储到区块链的智能合约中。
13.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，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6任一所述基于智能合约的交易限制参数设置方法。
14.一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，该程序被处理器执行时实现权利要求1至6任一所述基于智能合约的交易限制参数设置方法的步骤。
CN202110848425.8A 2021-07-27 2021-07-27 基于智能合约的交易限制参数设置方法及装置 Active CN113487326B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110848425.8A CN113487326B (zh) 2021-07-27 2021-07-27 基于智能合约的交易限制参数设置方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110848425.8A CN113487326B (zh) 2021-07-27 2021-07-27 基于智能合约的交易限制参数设置方法及装置

Publications (2)

Publication Number Publication Date
CN113487326A true CN113487326A (zh) 2021-10-08
CN113487326B CN113487326B (zh) 2024-10-18

Family

ID=77942726

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110848425.8A Active CN113487326B (zh) 2021-07-27 2021-07-27 基于智能合约的交易限制参数设置方法及装置

Country Status (1)

Country Link
CN (1) CN113487326B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114723145A (zh) * 2022-04-13 2022-07-08 中国银行股份有限公司 基于交易量确定智能柜台数量的方法及系统
CN114841820A (zh) * 2022-05-17 2022-08-02 中国银行股份有限公司 交易的风险控制方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWM307158U (en) * 2006-06-27 2007-03-01 Sifeon Knowledge Technology Pi Analysis system
US20150081492A1 (en) * 2013-09-16 2015-03-19 International Business Machines Corporation Transactional risk daily limit update alarm
CN107203939A (zh) * 2017-05-26 2017-09-26 阿里巴巴集团控股有限公司 确定用户风险等级的方法及装置、计算机设备
CN107240019A (zh) * 2016-03-28 2017-10-10 阿里巴巴集团控股有限公司 评估用户业务偏好方法、用户投资风险偏好方法及装置
CN108665366A (zh) * 2018-04-27 2018-10-16 平安科技（深圳）有限公司 确定用户风险等级的方法、终端设备及计算机可读存储介质
CN109242499A (zh) * 2018-09-19 2019-01-18 中国银行股份有限公司 一种交易风险预测的处理方法、装置及系统
CN109767110A (zh) * 2019-01-04 2019-05-17 中国银行股份有限公司 一种风险控制系统优化方法、装置、设备及存储介质
CN110245879A (zh) * 2019-07-02 2019-09-17 中国农业银行股份有限公司 一种风险评级方法及装置
CN111178767A (zh) * 2019-12-31 2020-05-19 中国银行股份有限公司 风险控制方法及系统、计算机设备及计算机可读存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWM307158U (en) * 2006-06-27 2007-03-01 Sifeon Knowledge Technology Pi Analysis system
US20150081492A1 (en) * 2013-09-16 2015-03-19 International Business Machines Corporation Transactional risk daily limit update alarm
CN107240019A (zh) * 2016-03-28 2017-10-10 阿里巴巴集团控股有限公司 评估用户业务偏好方法、用户投资风险偏好方法及装置
CN107203939A (zh) * 2017-05-26 2017-09-26 阿里巴巴集团控股有限公司 确定用户风险等级的方法及装置、计算机设备
CN108665366A (zh) * 2018-04-27 2018-10-16 平安科技（深圳）有限公司 确定用户风险等级的方法、终端设备及计算机可读存储介质
CN109242499A (zh) * 2018-09-19 2019-01-18 中国银行股份有限公司 一种交易风险预测的处理方法、装置及系统
CN109767110A (zh) * 2019-01-04 2019-05-17 中国银行股份有限公司 一种风险控制系统优化方法、装置、设备及存储介质
CN110245879A (zh) * 2019-07-02 2019-09-17 中国农业银行股份有限公司 一种风险评级方法及装置
CN111178767A (zh) * 2019-12-31 2020-05-19 中国银行股份有限公司 风险控制方法及系统、计算机设备及计算机可读存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114723145A (zh) * 2022-04-13 2022-07-08 中国银行股份有限公司 基于交易量确定智能柜台数量的方法及系统
CN114723145B (zh) * 2022-04-13 2024-10-18 中国银行股份有限公司 基于交易量确定智能柜台数量的方法及系统
CN114841820A (zh) * 2022-05-17 2022-08-02 中国银行股份有限公司 交易的风险控制方法及系统

Also Published As

Publication number Publication date
CN113487326B (zh) 2024-10-18

Similar Documents

Publication Publication Date Title
CN107122369B (zh) 一种业务数据处理方法、装置和系统
CN105719033B (zh) 用于识别客体风险的方法及装置
CN113487326A (zh) 基于智能合约的交易限制参数设置方法及装置
CN109035021B (zh) 一种交易指标的监控方法、装置及设备
CN110310129A (zh) 风险识别方法及其系统
CN111681099A (zh) 产品信息推送方法、装置、计算机设备及可读存储介质
CN118312960A (zh) 拜占庭容错的联邦学习方法、电子设备及存储介质
CN108229964A (zh) 交易行为轮廓构建与认证方法、系统、介质及设备
CN113343577B (zh) 一种基于机器学习的参数优化方法、装置、设备及介质
CN116047223A (zh) 一种基于实时用电信息及大数据分析的窃电判别方法
CN112488825B (zh) 基于区块链的对象交易方法及装置
CN107784363B (zh) 数据处理方法、装置及系统
CN113468142A (zh) 数据转移请求处理方法、装置、设备及存储介质
CN113610632A (zh) 基于区块链的银行网点人脸识别方法及装置
CN113469668A (zh) 基于区块链的对公客户交易限制方法及装置
CN111833098A (zh) 一种信息预测方法、存储介质和电子装置
CN111429257A (zh) 一种交易监控方法和装置
CN113327601B (zh) 有害语音的识别方法、装置、计算机设备和存储介质
CN113723710B (zh) 一种客户流失预测方法、系统、存储介质及电子设备
CN117829975A (zh) 用于构建风险识别模型的方法、装置、存储介质及处理器
CN113962323A (zh) 热点账户识别方法及装置
CN111783012A (zh) 互联网产品监控方法、装置、服务器及可读存储介质
CN115131152A (zh) 交易损失检测方法及装置
CN115730823A (zh) 风险概率识别方法、装置、处理器和电子设备
CN116542762A (zh) 用户风险决策方法、装置、计算机设备及介质

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
GR01 Patent grant