CN113781054A - 一种银行网点内的诈骗预警方法及装置 - Google Patents
一种银行网点内的诈骗预警方法及装置 Download PDFInfo
- Publication number
- CN113781054A CN113781054A CN202111073726.4A CN202111073726A CN113781054A CN 113781054 A CN113781054 A CN 113781054A CN 202111073726 A CN202111073726 A CN 202111073726A CN 113781054 A CN113781054 A CN 113781054A
- Authority
- CN
- China
- Prior art keywords
- bank
- customer
- time
- client
- information
- 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 32
- 238000012795 verification Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 18
- 238000003062 neural network model Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 53
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G06Q20/4014—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
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
- G06Q20/40145—Biometric identity checks
-
- 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
- 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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Development Economics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种银行网点内的诈骗预警方法及装置，可应用于人工智能领域或金融领域，在检测到客户进入银行网点后，通过判断包括客户在柜台停留时间、客户在自助设备停留时间以及客户与银行网点内其他人接触时间的行为特征信息是否符合预设规则，过滤掉被诈骗风险较小的客户行为特征信息。对于行为特征信息符合预设规则的客户，通过识别客户的接触人员是否符合银行工作人员的着装特点以及客户在银行网点的时间内账户余额是否减少，进一步判断客户是否存在被伪装为银行工作人员的不法分子诱骗而办理非银行业务的风险，在存在风险的情况下及时向客户发出诈骗预警信息，进而在客户确认被诈骗时及时拦截，避免造成客户的财产损失。
Description
技术领域
本发明涉及人工智能技术领域，更具体的，涉及一种银行网点内的诈骗预警方法及装置。
背景技术
随着银行网点设置设备的推广和普及，在银行网点中，除柜台工作人员之外，一般会在大堂设置工作人员帮助客户使用智能设备办理业务。
有些不法分子会模仿银行工作人员的穿着在银行网点对客户实施诈骗，客户在银行网点若遇到伪装为银行工作人员的不法分子，很难进行区分，尤其是老年客户很可能在不法分子的诱骗下办理非银行业务，并且一旦出现这种情况，如果不能及时发现并拦截，很可能造成客户的财产损失。
发明内容
有鉴于此，本发明提供了一种银行网点内的诈骗预警方法及装置，实现对银行内诈骗的准确检测，并及时向客户发出诈骗预警信息，降低客户在银行网点内被诈骗从而造成财产损失的风险。
为了实现上述发明目的，本发明提供的具体技术方案如下：
一种银行网点内的诈骗预警方法，包括：
在检测到客户进入银行网点后，获取客户的身份信息以及在银行网点内的行为特征信息，所述行为特征信息包括：客户在柜台停留时间、客户在自助设备停留时间以及客户与银行网点内其他人接触时间；
判断所述行为特征信息是否符合预设规则；
若所述行为特征信息符合预设规则，获取客户与银行网点内其他人接触时接触人员的图像信息；
将所述接触人员的图像信息输入预先构建的银行工作人员着装识别模型中，根据所述银行工作人员着装识别模型的识别结果确定所述接触人员是否符合银行工作人员的着装特点；
在所述接触人员符合银行工作人员的着装特点的情况下，判断客户在银行网点的时间内账户余额是否减少；
在客户在银行网点的时间内账户余额减少的情况下，根据客户的身份信息向客户发送诈骗预警提示。
可选的，所述获取客户在银行网点内的行为特征信息，包括：
获取客户在银行网点内柜台对应的图像采集设备采集的客户视频信息、自助设备对应的图像采集设备采集的客户视频信息以及银行网点内其他图像采集设备采集的客户视频信息；
从柜台对应的图像采集设备采集的客户视频信息中提取客户在柜台停留时间；
从自助设备对应的图像采集设备采集的客户视频信息中提取客户在自助设备停留时间；
从银行网点内其他图像采集设备采集的客户视频信息中提取客户与银行网点内其他人接触时间。
可选的，判断所述行为特征信息是否符合预设规则，包括：
判断所述行为特征信息是否满足以下条件：
客户在柜台停留时间小于柜台业务最快办理时间；
客户在自助设备停留时间小于自助设备业务最快办理时间；
客户与银行网点内其他人接触时间在非银行风险业务办理时间区间内；
若所述行为特征信息同时满足以上所有条件，判定所述行为特征信息符合预设规则；
若所述行为特征信息未同时满足以上所有条件，判定所述行为特征信息不符合预设规则。
可选的，构建所述银行工作人员着装识别模型，包括：
获取样本数据，所述样本数据为标记有女性银行工作人员着装、男性银行工作人员着装或非银行工作人员着装的图像数据；
将所述样本数据划分为训练集和验证集；
利用所述训练集对神经网络模型进行训练；
利用所述验证集对训练后的神经网络模型进行验证；
在验证结果满足预设要求的情况下，所述银行工作人员着装识别模型构建完成。
可选的，所述根据客户的身份信息向客户发送诈骗预警提示，包括：
根据客户的身份信息，在客户信息数据库中查询客户的联系方式；
依据客户的联系方式，向客户发送诈骗预警提示。
可选的，所述向客户发送诈骗预警提示，包括：
通过短信、手机银行或智能语音电话的方式向客户发送诈骗预警提示。
一种银行网点内的诈骗预警装置，包括：
行为特征获取单元，用于在检测到客户进入银行网点后，获取客户的身份信息以及在银行网点内的行为特征信息，所述行为特征信息包括：客户在柜台停留时间、客户在自助设备停留时间以及客户与银行网点内其他人接触时间；
第一判断单元，用于判断所述行为特征信息是否符合预设规则；
图像信息获取单元，用于在所述行为特征信息符合预设规则的情况下，获取客户与银行网点内其他人接触时接触人员的图像信息；
图像识别单元，用于将所述接触人员的图像信息输入预先构建的银行工作人员着装识别模型中，根据所述银行工作人员着装识别模型的识别结果确定所述接触人员是否符合银行工作人员的着装特点；
第二判断单元，用于在所述接触人员符合银行工作人员的着装特点的情况下，判断客户在银行网点的时间内账户余额是否减少；
诈骗预警单元，用于在客户在银行网点的时间内账户余额减少的情况下，根据客户的身份信息向客户发送诈骗预警提示。
可选的，所述行为特征获取单元，具体用于：
获取客户在银行网点内柜台对应的图像采集设备采集的客户视频信息、自助设备对应的图像采集设备采集的客户视频信息以及银行网点内其他图像采集设备采集的客户视频信息；
从柜台对应的图像采集设备采集的客户视频信息中提取客户在柜台停留时间；
从自助设备对应的图像采集设备采集的客户视频信息中提取客户在自助设备停留时间；
从银行网点内其他图像采集设备采集的客户视频信息中提取客户与银行网点内其他人接触时间。
可选的，所述第一判断单元，具体用于：
判断所述行为特征信息是否满足以下条件：
客户在柜台停留时间小于柜台业务最快办理时间；
客户在自助设备停留时间小于自助设备业务最快办理时间；
客户与银行网点内其他人接触时间在非银行风险业务办理时间区间内；
若所述行为特征信息同时满足以上所有条件，判定所述行为特征信息符合预设规则；
若所述行为特征信息未同时满足以上所有条件，判定所述行为特征信息不符合预设规则。
可选的，所述装置还包括识别模型构建单元，具体用于：
获取样本数据，所述样本数据为标记有女性银行工作人员着装、男性银行工作人员着装或非银行工作人员着装的图像数据；
将所述样本数据划分为训练集和验证集；
利用所述训练集对神经网络模型进行训练；
利用所述验证集对训练后的神经网络模型进行验证；
在验证结果满足预设要求的情况下，所述银行工作人员着装识别模型构建完成。
可选的，所述诈骗预警单元，具体用于：
根据客户的身份信息，在客户信息数据库中查询客户的联系方式；
依据客户的联系方式，向客户发送诈骗预警提示。
可选的，所述诈骗预警单元，具体用于：
根据客户的身份信息，在客户信息数据库中查询客户的联系方式；
依据客户的联系方式，通过短信、手机银行或智能语音电话的方式向客户发送诈骗预警提示。
相对于现有技术，本发明的有益效果如下：
本发明公开的一种银行网点内的诈骗预警方法，在检测到客户进入银行网点后，通过判断包括客户在柜台停留时间、客户在自助设备停留时间以及客户与银行网点内其他人接触时间的行为特征信息是否符合预设规则，过滤掉被诈骗风险较小的客户行为特征信息。对于行为特征信息符合预设规则的客户，通过识别客户的接触人员是否符合银行工作人员的着装特点以及客户在银行网点的时间内账户余额是否减少，进一步判断客户是否存在被伪装为银行工作人员的不法分子诱骗而办理非银行业务的风险，从而在存在风险的情况下及时向客户发出诈骗预警信息，进而在客户确认被诈骗时及时拦截，避免造成客户的财产损失。
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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种银行网点内的诈骗预警方法的流程示意图；
图2为本发明实施例公开的一种银行网点内的诈骗预警装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明公开了一种银行网点内的诈骗预警方法，实现对银行内诈骗的准确检测，并及时向客户发出诈骗预警信息，降低客户在银行网点内被诈骗从而造成财产损失的风险。
具体的，请参阅图1，本实施例公开的一种银行网点内的诈骗预警方法，包括以下步骤：
S101：在检测到客户进入银行网点后，获取客户的身份信息以及在银行网点内的行为特征信息，行为特征信息包括：客户在柜台停留时间、客户在自助设备停留时间以及客户与银行网点内其他人接触时间；
当客户通过刷银行卡或身份证取号后，系统检测到客户进入银行网点。在客户通过刷银行卡取号的情况下，根据数据库中存储的银行卡号与客户身份信息之间的对应关系，得到客户的身份信息；在客户通过刷身份证取号的情况下，根据数据库中存储的身份证号与客户身份信息之间的对应关系，得到客户的身份信息。
需要说明的是，银行网点一般部署有多个图像采集设备，如摄像头，且一般在柜台区域、自助设备(如自助存取款机、自助业务办理设备等)区域都会部署图像采集设备。
本实施例公开的一种银行网点内的诈骗预警方法复用银行网点部署的图像采集设备的图像采集功能，获取进入银行网点中每个客户的视频信息。在检测到客户进入银行网点后，通过银行网点中的各个图像采集设备获取客户在银行网点内的行为特征信息，具体包括以下步骤：
获取客户在银行网点内柜台对应的图像采集设备采集的客户视频信息、自助设备对应的图像采集设备采集的客户视频信息以及银行网点内其他图像采集设备采集的客户视频信息。
从柜台对应的图像采集设备采集的客户视频信息中提取客户在柜台停留时间。
从自助设备对应的图像采集设备采集的客户视频信息中提取客户在自助设备停留时间。
从银行网点内其他图像采集设备采集的客户视频信息中提取客户与银行网点内其他人接触时间。
需要说明的是，在客户与银行网点内其他人之间的距离在预设范围内时，确定客户与该人接触，需要提取客户与该人接触时间。本实施例可以通过视频处理技术得到客户的轨迹信息，根据轨迹信息提取客户在不同区域的停留时间，如柜台区域的停留时间、自助设备停留时间、与其他人接触时间。
S102：判断行为特征信息是否符合预设规则；
具体的，分别判断客户在银行网点内的行为特征信息是否满足以下条件：
客户在柜台停留时间小于柜台业务最快办理时间，即确定客户未在柜台办理业务；
客户在自助设备停留时间小于自助设备业务最快办理时间，即客户未在自助设备办理业务；
客户与银行网点内其他人接触时间在非银行风险业务办理时间区间内，即客户有可能在与银行网点内其他人接触时间内办理非银行风险业务；
若客户在银行网点内的行为特征信息同时满足以上所有条件，判定客户在银行网点内的行为特征信息符合预设规则；
若客户在银行网点内的行为特征信息未同时满足以上所有条件，判定客户在银行网点内的行为特征信息不符合预设规则。
其中，柜台业务最快办理时间、自助设备业务最快办理时间、非银行风险业务办理时间均是通过对历史数据进行统计分析后得到的。
可以理解的是，客户在柜台停留时间小于柜台业务最快办理时间、客户在自助设备停留时间小于自助设备业务最快办理时间且客户与银行网点内其他人接触时间在非银行风险业务办理时间区间内，说明客户未在柜台办理业务，也未在自助设备办理业务，但有可能在与银行网点内其他人接触时间内办理非银行风险业务，需要进一步筛选，确定客户是否存在在银行网点内被诈骗的风险。
若行为特征信息不符合预设规则，执行S103：不做后续诈骗识别处理；
若行为特征信息符合预设规则，执行S104：获取客户与银行网点内其他人接触时接触人员的图像信息；
具体的，通过对客户与银行网点内其他人接触的视频信息进行截图，得到与客户接触时间在非银行风险业务办理时间区间内的接触人员的图像信息。
S105：将接触人员的图像信息输入预先构建的银行工作人员着装识别模型中，根据银行工作人员着装识别模型的识别结果确定接触人员是否符合银行工作人员的着装特点；
其中，银行工作人员着装识别模型的构建方法如下：
获取样本数据，样本数据为标记有女性银行工作人员着装、男性银行工作人员着装或非银行工作人员着装的图像数据；
将样本数据划分为训练集和验证集；
利用训练集对神经网络模型进行训练；
利用验证集对训练后的神经网络模型进行验证；
在验证结果满足预设要求的情况下，即在验证结果满足预先设定的模型精度要求的情况下，银行工作人员着装识别模型构建完成。
需要说明的是，不同银行的工作人员着装特点不同，如服装颜色、服装款式、着装搭配不同，在构建银行工作人员着装识别模型的过程中，需要根据目标银行工作人员着装特点准备样本数据，以提高银行工作人员着装识别模型的识别精度。
S106：在接触人员符合银行工作人员的着装特点的情况下，判断客户在银行网点的时间内账户余额是否减少；
在客户在银行网点的时间内账户余额减少的情况下，执行S107：根据客户的身份信息向客户发送诈骗预警提示；
在客户在银行网点的时间内账户余额没有减少的情况下，执行S103：不做后续诈骗识别处理。
可以理解的是，只有客户的账户余额减少才可能发生实质性的被诈骗的可能，因此，本实施例在识别到客户的接触人员符合银行工作人员的着装特点的情况下，进一步查询查询客户在银行网点的时间内账户余额是否减少，在客户在银行网点的时间内账户余额减少的情况下根据客户的身份信息向客户发送诈骗预警提示。
具体的，根据客户的身份信息，在客户信息数据库中查询客户的联系方式，依据客户的联系方式，向客户发送诈骗预警提示，如通过短信、手机银行或智能语音电话的方式向客户发送诈骗预警提示。
在接收到客户反馈的被诈骗信息时，可以冻结客户在银行网点的时间内的转账账户，避免造成客户的财产损失。在接收到客户反馈的未被诈骗信息或在预设时间内未收到客户反馈的任何信息时，不对客户在银行网点的时间内的转账账户做任何冻结之类的操作。
本实施例公开的一种银行网点内的诈骗预警方法，在检测到客户进入银行网点后，通过判断包括客户在柜台停留时间、客户在自助设备停留时间以及客户与银行网点内其他人接触时间的行为特征信息是否符合预设规则，过滤掉被诈骗风险较小的客户行为特征信息。对于行为特征信息符合预设规则的客户，通过识别客户的接触人员是否符合银行工作人员的着装特点以及客户在银行网点的时间内账户余额是否减少，进一步判断客户是否存在被伪装为银行工作人员的不法分子诱骗而办理非银行业务的风险，从而在存在风险的情况下及时向客户发出诈骗预警信息，进而在客户确认被诈骗时及时拦截，避免造成客户的财产损失。
基于上述实施例公开的一种银行网点内的诈骗预警方法，本实施例对应公开了一种银行网点内的诈骗预警装置，请参阅图2，该装置包括：
行为特征获取单元201，用于在检测到客户进入银行网点后，获取客户的身份信息以及在银行网点内的行为特征信息，所述行为特征信息包括：客户在柜台停留时间、客户在自助设备停留时间以及客户与银行网点内其他人接触时间；
第一判断单元202，用于判断所述行为特征信息是否符合预设规则；
图像信息获取单元203，用于在所述行为特征信息符合预设规则的情况下，获取客户与银行网点内其他人接触时接触人员的图像信息；
图像识别单元204，用于将所述接触人员的图像信息输入预先构建的银行工作人员着装识别模型中，根据所述银行工作人员着装识别模型的识别结果确定所述接触人员是否符合银行工作人员的着装特点；
第二判断单元205，用于在所述接触人员符合银行工作人员的着装特点的情况下，判断客户在银行网点的时间内账户余额是否减少；
诈骗预警单元206，用于在客户在银行网点的时间内账户余额减少的情况下，根据客户的身份信息向客户发送诈骗预警提示。
可选的，所述行为特征获取单元201，具体用于：
获取客户在银行网点内柜台对应的图像采集设备采集的客户视频信息、自助设备对应的图像采集设备采集的客户视频信息以及银行网点内其他图像采集设备采集的客户视频信息；
从柜台对应的图像采集设备采集的客户视频信息中提取客户在柜台停留时间；
从自助设备对应的图像采集设备采集的客户视频信息中提取客户在自助设备停留时间；
从银行网点内其他图像采集设备采集的客户视频信息中提取客户与银行网点内其他人接触时间。
可选的，所述第一判断单元202，具体用于：
判断所述行为特征信息是否满足以下条件：
客户在柜台停留时间小于柜台业务最快办理时间；
客户在自助设备停留时间小于自助设备业务最快办理时间；
客户与银行网点内其他人接触时间在非银行风险业务办理时间区间内；
若所述行为特征信息同时满足以上所有条件，判定所述行为特征信息符合预设规则；
若所述行为特征信息未同时满足以上所有条件，判定所述行为特征信息不符合预设规则。
可选的，所述装置还包括识别模型构建单元，具体用于：
获取样本数据，所述样本数据为标记有女性银行工作人员着装、男性银行工作人员着装或非银行工作人员着装的图像数据；
将所述样本数据划分为训练集和验证集；
利用所述训练集对神经网络模型进行训练；
利用所述验证集对训练后的神经网络模型进行验证；
在验证结果满足预设要求的情况下，所述银行工作人员着装识别模型构建完成。
可选的，所述诈骗预警单元206，具体用于：
根据客户的身份信息，在客户信息数据库中查询客户的联系方式；
依据客户的联系方式，向客户发送诈骗预警提示。
可选的，所述诈骗预警单元206，具体用于：
根据客户的身份信息，在客户信息数据库中查询客户的联系方式；
依据客户的联系方式，通过短信、手机银行或智能语音电话的方式向客户发送诈骗预警提示。
本实施例公开的一种银行网点内的诈骗预警装置，在检测到客户进入银行网点后，通过判断包括客户在柜台停留时间、客户在自助设备停留时间以及客户与银行网点内其他人接触时间的行为特征信息是否符合预设规则，过滤掉被诈骗风险较小的客户行为特征信息。对于行为特征信息符合预设规则的客户，通过识别客户的接触人员是否符合银行工作人员的着装特点以及客户在银行网点的时间内账户余额是否减少，进一步判断客户是否存在被伪装为银行工作人员的不法分子诱骗而办理非银行业务的风险，从而在存在风险的情况下及时向客户发出诈骗预警信息，进而在客户确认被诈骗时及时拦截，避免造成客户的财产损失。
需要说明的是，本发明提供的一种银行网点内的诈骗预警方法及装置可应用于人工智能领域或金融领域。上述仅为示例，并不对本发明提供的一种银行网点内的诈骗预警方法及装置的应用领域进行限定。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
上述各个实施例之间可任意组合，对所公开的实施例的上述说明，本说明书中各实施例中记载的特征可以相互替换或者组合，使本领域专业技术人员能够实现或使用本申请。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种银行网点内的诈骗预警方法，其特征在于，包括：
在检测到客户进入银行网点后，获取客户的身份信息以及在银行网点内的行为特征信息，所述行为特征信息包括：客户在柜台停留时间、客户在自助设备停留时间以及客户与银行网点内其他人接触时间；
判断所述行为特征信息是否符合预设规则；
若所述行为特征信息符合预设规则，获取客户与银行网点内其他人接触时接触人员的图像信息；
将所述接触人员的图像信息输入预先构建的银行工作人员着装识别模型中，根据所述银行工作人员着装识别模型的识别结果确定所述接触人员是否符合银行工作人员的着装特点；
在所述接触人员符合银行工作人员的着装特点的情况下，判断客户在银行网点的时间内账户余额是否减少；
在客户在银行网点的时间内账户余额减少的情况下，根据客户的身份信息向客户发送诈骗预警提示。
2.根据权利要求1所述的方法，其特征在于，所述获取客户在银行网点内的行为特征信息，包括：
获取客户在银行网点内柜台对应的图像采集设备采集的客户视频信息、自助设备对应的图像采集设备采集的客户视频信息以及银行网点内其他图像采集设备采集的客户视频信息；
从柜台对应的图像采集设备采集的客户视频信息中提取客户在柜台停留时间；
从自助设备对应的图像采集设备采集的客户视频信息中提取客户在自助设备停留时间；
从银行网点内其他图像采集设备采集的客户视频信息中提取客户与银行网点内其他人接触时间。
3.根据权利要求1所述的方法，其特征在于，判断所述行为特征信息是否符合预设规则，包括：
判断所述行为特征信息是否满足以下条件：
客户在柜台停留时间小于柜台业务最快办理时间；
客户在自助设备停留时间小于自助设备业务最快办理时间；
客户与银行网点内其他人接触时间在非银行风险业务办理时间区间内；
若所述行为特征信息同时满足以上所有条件，判定所述行为特征信息符合预设规则；
若所述行为特征信息未同时满足以上所有条件，判定所述行为特征信息不符合预设规则。
4.根据权利要求1所述的方法，其特征在于，构建所述银行工作人员着装识别模型，包括：
获取样本数据，所述样本数据为标记有女性银行工作人员着装、男性银行工作人员着装或非银行工作人员着装的图像数据；
将所述样本数据划分为训练集和验证集；
利用所述训练集对神经网络模型进行训练；
利用所述验证集对训练后的神经网络模型进行验证；
在验证结果满足预设要求的情况下，所述银行工作人员着装识别模型构建完成。
5.根据权利要求1所述的方法，其特征在于，所述根据客户的身份信息向客户发送诈骗预警提示，包括：
根据客户的身份信息，在客户信息数据库中查询客户的联系方式；
依据客户的联系方式，向客户发送诈骗预警提示。
6.根据权利要求5所述的方法，其特征在于，所述向客户发送诈骗预警提示，包括：
通过短信、手机银行或智能语音电话的方式向客户发送诈骗预警提示。
7.一种银行网点内的诈骗预警装置，其特征在于，包括：
行为特征获取单元，用于在检测到客户进入银行网点后，获取客户的身份信息以及在银行网点内的行为特征信息，所述行为特征信息包括：客户在柜台停留时间、客户在自助设备停留时间以及客户与银行网点内其他人接触时间；
第一判断单元，用于判断所述行为特征信息是否符合预设规则；
图像信息获取单元，用于在所述行为特征信息符合预设规则的情况下，获取客户与银行网点内其他人接触时接触人员的图像信息；
图像识别单元，用于将所述接触人员的图像信息输入预先构建的银行工作人员着装识别模型中，根据所述银行工作人员着装识别模型的识别结果确定所述接触人员是否符合银行工作人员的着装特点；
第二判断单元，用于在所述接触人员符合银行工作人员的着装特点的情况下，判断客户在银行网点的时间内账户余额是否减少；
诈骗预警单元，用于在客户在银行网点的时间内账户余额减少的情况下，根据客户的身份信息向客户发送诈骗预警提示。
8.根据权利要求7所述的装置，其特征在于，所述行为特征获取单元，具体用于：
获取客户在银行网点内柜台对应的图像采集设备采集的客户视频信息、自助设备对应的图像采集设备采集的客户视频信息以及银行网点内其他图像采集设备采集的客户视频信息；
从柜台对应的图像采集设备采集的客户视频信息中提取客户在柜台停留时间；
从自助设备对应的图像采集设备采集的客户视频信息中提取客户在自助设备停留时间；
从银行网点内其他图像采集设备采集的客户视频信息中提取客户与银行网点内其他人接触时间。
9.根据权利要求7所述的装置，其特征在于，所述第一判断单元，具体用于：
判断所述行为特征信息是否满足以下条件：
客户在柜台停留时间小于柜台业务最快办理时间；
客户在自助设备停留时间小于自助设备业务最快办理时间；
客户与银行网点内其他人接触时间在非银行风险业务办理时间区间内；
若所述行为特征信息同时满足以上所有条件，判定所述行为特征信息符合预设规则；
若所述行为特征信息未同时满足以上所有条件，判定所述行为特征信息不符合预设规则。
10.根据权利要求7所述的装置，其特征在于，所述装置还包括识别模型构建单元，具体用于：
获取样本数据，所述样本数据为标记有女性银行工作人员着装、男性银行工作人员着装或非银行工作人员着装的图像数据；
将所述样本数据划分为训练集和验证集；
利用所述训练集对神经网络模型进行训练；
利用所述验证集对训练后的神经网络模型进行验证；
在验证结果满足预设要求的情况下，所述银行工作人员着装识别模型构建完成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111073726.4A CN113781054A (zh) | 2021-09-14 | 2021-09-14 | 一种银行网点内的诈骗预警方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111073726.4A CN113781054A (zh) | 2021-09-14 | 2021-09-14 | 一种银行网点内的诈骗预警方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113781054A true CN113781054A (zh) | 2021-12-10 |
Family
ID=78843454
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111073726.4A Pending CN113781054A (zh) | 2021-09-14 | 2021-09-14 | 一种银行网点内的诈骗预警方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113781054A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI804376B (zh) * | 2022-07-05 | 2023-06-01 | 中國信託商業銀行股份有限公司 | 防詐騙作業數位化方法及系統 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070192240A1 (en) * | 2005-09-02 | 2007-08-16 | Crooks Theodore J | Systems and methods for detecting fraud |
| CN201681438U (zh) * | 2010-05-07 | 2010-12-22 | 深圳市飞瑞斯科技有限公司 | 自动柜员机的视频监控系统 |
-
2021
- 2021-09-14 CN CN202111073726.4A patent/CN113781054A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070192240A1 (en) * | 2005-09-02 | 2007-08-16 | Crooks Theodore J | Systems and methods for detecting fraud |
| CN201681438U (zh) * | 2010-05-07 | 2010-12-22 | 深圳市飞瑞斯科技有限公司 | 自动柜员机的视频监控系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI804376B (zh) * | 2022-07-05 | 2023-06-01 | 中國信託商業銀行股份有限公司 | 防詐騙作業數位化方法及系統 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106384273B (zh) | 恶意刷单检测系统及方法 | |
| CN109345375B (zh) | 一种可疑洗钱行为识别方法及装置 | |
| US20120310836A1 (en) | Location based authentication system | |
| KR20130095548A (ko) | 금융거래패턴분석을 이용한 금융사기 경보 시스템 및 방법 | |
| CN109859030A (zh) | 基于用户行为的风险评估方法、装置、存储介质和服务器 | |
| CN112016929B (zh) | 线上支付的方法及装置、电子设备、计算机存储介质 | |
| CN111461704A (zh) | 一种用于农村金融机构的磁条卡交易安全锁的方法及系统 | |
| CN111738836B (zh) | 智能柜台业务信息审核方法及装置 | |
| CN113781054A (zh) | 一种银行网点内的诈骗预警方法及装置 | |
| CN111737602A (zh) | 银行网点信息推送方法及装置 | |
| CN109242658B (zh) | 可疑交易报告生成方法、系统、计算机设备和存储介质 | |
| Dutta et al. | ATM card security using bio-metric and message authentication technology | |
| CN110555928A (zh) | 一种基于人脸识别的智慧商店门禁方法及其结算方法 | |
| CN108416583A (zh) | 防止银行卡盗刷的方法和系统 | |
| CN114067403A (zh) | 一种老年人自助存取款障碍识别方法和装置 | |
| CN112580531A (zh) | 一种真假车牌的识别检测方法及系统 | |
| CN112541731A (zh) | 无人银行的业务审核方法、装置及系统 | |
| CN113076533A (zh) | 一种业务处理方法及装置 | |
| CN109493070B (zh) | 风险信息反查方法、装置、计算机设备和存储介质 | |
| CN110730169A (zh) | 一种保障账户安全的处理方法、装置及系统 | |
| CN113222303A (zh) | 一种银行印鉴卡外带风险预测方法及装置 | |
| CN115689564A (zh) | 一种基于大数据的线上支付信息安全管理系统及方法 | |
| CN111461734B (zh) | 一种业务控制方法及装置 | |
| CN111161743B (zh) | 基于语音识别的收银监督方法及系统 | |
| CN113902448A (zh) | 一种基于人脸识别的智能手表支付方法 |
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 |