CN114418743A - 账户信息的检测方法、装置、设备、存储介质和程序产品 - Google Patents
账户信息的检测方法、装置、设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN114418743A CN114418743A CN202210056804.8A CN202210056804A CN114418743A CN 114418743 A CN114418743 A CN 114418743A CN 202210056804 A CN202210056804 A CN 202210056804A CN 114418743 A CN114418743 A CN 114418743A
- Authority
- CN
- China
- Prior art keywords
- account
- model
- account data
- detection
- data
- 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
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- 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
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及一种账户信息的检测方法、装置、设备、存储介质和程序产品可用于金融领域、信息安全领域、大数据领域或其他领域。所述方法包括:在第一系统中查询第一机构标识对应的第一账户数据;第一账户数据包括多个用户账户的账户信息;将第一账户数据输入预设检测模型,获得第一账户数据的检测结果;其中,预设检测模型包括规则自检模型;规则自检模型用于检测第一账户数据中各个账户信息的时间特征是否满足预设账户规则。采用本方法能够实现账户信息的自动化检测,提高账户信息异常检测的效率。
Description
技术领域
本申请涉及金融领域,特别是涉及一种账户信息的检测方法、装置、设备、存储介质和程序产品。
背景技术
银行监管系统对结算账户信息的准确性、规范性有严格要求。一般情况下,银行需要安排专人定期从银行监管系统的账户管理系统中抽取账户信息,并与银行自身系统内的账户信息进行对比自查,以确定各账户信息是否存在异常。
但是,采用上述方法,导致账户信息的异常检测效率较低。
发明内容
本申请提供一种账户信息的检测方法、装置、设备、存储介质和程序产品,能够实现银行自身系统内的账户信息的自动化检测,从而提高账户信息检测的效率。
第一方面,本申请提供了一种账户信息的检测方法。该方法包括:
在第一系统中查询第一机构标识对应的第一账户数据;第一账户数据包括多个用户账户的账户信息;
将第一账户数据输入预设检测模型,获得第一账户数据的检测结果;其中,预设检测模型包括规则自检模型;规则自检模型用于检测第一账户数据中各个账户信息的时间特征是否满足预设账户规则。
在其中一个实施例中,将第一账户数据输入预设检测模型,获得第一账户数据的检测结果,包括:通过规则自检模型提取各账户信息中的时间特征;确定时间特征是否满足规则自检模型中的账户规则;输出各账户信息对应的不合格项;不合格项为时间特征不满足的账户规则;将各账户信息对应的不合格项,确定为第一账户数据的第一检测结果。
在其中一个实施例中,时间特征包括账户有效期限和/或账户通知期限。
在其中一个实施例中,账户信息的检测方法还包括:获取第一账户数据需要满足的规则文本;对规则文本进行语义识别,获取规则文本对应的账户规则;基于账户规则建立规则自检模型。
在其中一个实施例中,规则自检模型中包括不同版本的检测子模型;不同版本的检测子模型对应的规则文本的有效期限不同;账户信息的检测方法还包括:在规则自检模型中输入第一账户数据的时间范围;根据时间范围选择与时间范围匹配的目标检测子模型。
在其中一个实施例中,预设检测模型还包括涉诈检测模型;将第一账户数据输入预设检测模型,获得第一账户数据的检测结果,包括:将第一账户数据输入涉诈检测模型,输出第一账户数据对应的第二检测结果;第二检测结果包括第一账户数据中存在涉诈风险的账户信息,和/或,涉诈风险的账户信息对应的涉诈等级。
在其中一个实施例中,涉诈检测模型由第一涉诈检测子模型和第二涉诈检测子模型结合形成;第一涉诈检测子模型用于提取账户信息中的涉诈风险画像特征;第二涉诈子模型为基于样本账户数据进行训练获得,用于输出账户信息是否存在涉诈风险。
在其中一个实施例中,预设检测模型还包括信息对比模型;账户信息的检测方法还包括:在第二系统中查询第一机构标识对应的第二账户数据;第二账户数据包括多个用户账户的账户信息;相应地,将第一账户数据输入预设检测模型,获得第一账户数据的检测结果,包括:将第一账户数据和第二账户数据输入信息对比模型;通过信息对比模型确定第一账户数据和第二账户数据中的差异数据;确定差异数据对应的账户信息,将存在差异数据的账户信息以及账户信息对应的差异数据确定为第一账户数据的第三检测结果。
第二方面,本申请还提供了一种账户信息的检测装置。该装置包括:
查询模块,用于在第一系统中查询第一机构标识对应的第一账户数据;第一账户数据包括多个用户账户的账户信息;
输入模块,用于将第一账户数据输入预设检测模型,获得第一账户数据的检测结果;其中,预设检测模型包括规则自检模型;规则自检模型用于检测第一账户数据中各个账户信息的时间特征是否满足预设账户规则。
第三方面,本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
在第一系统中查询第一机构标识对应的第一账户数据;第一账户数据包括多个用户账户的账户信息;
将第一账户数据输入预设检测模型,获得第一账户数据的检测结果;其中,预设检测模型包括规则自检模型;规则自检模型用于检测第一账户数据中各个账户信息的时间特征是否满足预设账户规则。
第四方面,本申请还提供了一种计算机可读存储介质。该计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
在第一系统中查询第一机构标识对应的第一账户数据;第一账户数据包括多个用户账户的账户信息;
将第一账户数据输入预设检测模型,获得第一账户数据的检测结果;其中,预设检测模型包括规则自检模型;规则自检模型用于检测第一账户数据中各个账户信息的时间特征是否满足预设账户规则。
第五方面,本申请还提供了一种计算机程序产品。该计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
在第一系统中查询第一机构标识对应的第一账户数据;第一账户数据包括多个用户账户的账户信息;
将第一账户数据输入预设检测模型,获得第一账户数据的检测结果;其中,预设检测模型包括规则自检模型;规则自检模型用于检测第一账户数据中各个账户信息的时间特征是否满足预设账户规则。
本申请提供一种账户信息的检测方法、装置、设备、存储介质和程序产品,可用于金融领域、信息安全领域、大数据领域或其他领域,本申请提供的账户信息的检测方法、装置、设备、存储介质和程序产品对应用领域不做限定。该方法可以自动化地在第一系统中查询第一机构标识对应的第一账户数据,并将查询到的第一账户数据输入至预设检测模型中,以便于预设检测模型对第一账户数据进行检测,并输出检测结果。其中,预设检测模型可以包括规则自检模型,用于检测第一账户数据中各个账户信息的时间特征是否满足预设账户规则。本申请可以实现账户信息的自动化检测,解决了人工抽取账户信息进行对比自查导致的检测效率较低、抽查账户覆盖面较小的问题,提高了账户信息异常检测的效率;通过规则自检模型可以自动化识别第一账户数据中各账户信息是否满足预设账户规则,提高了合规检测的自动化程度和准确度。
附图说明
图1为一个实施例中账户信息的检测方法的流程示意图;
图2为一个实施例中账户信息的检测方法的另一流程示意图;
图3为一个实施例中账户信息的检测方法的另一流程示意图;
图4为一个实施例中账户信息的检测方法的另一流程示意图;
图5为一个实施例中账户信息的检测方法的另一流程示意图;
图6为一个实施例中账户信息的检测方法的另一流程示意图;
图7为一个实施例中账户信息的检测装置的结构框图;
图8为一个实施例中账户信息的检测装置的另一结构框图;
图9为一个实施例中账户信息的检测装置的另一结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
现有技术中,银行往往需要安排专人定期从银行监管系统的账户管理系统中抽取账户信息,并与银行自身系统内的账户信息进行对比自查,以确定各账户信息是否存在异常。但是,采用上述方法导致账户信息的异常检测效率较低。
基于此,本申请提供一种账户信息的检测方法、装置、设备、存储介质和程序产品,能够实现银行自身系统内的账户信息的自动化检测,提高账户信息的检测效率。
需要说明的是,本申请提供的账户信息的检测方法的执行主体不仅可以是上述服务器,也可以是终端设备,例如个人计算机、笔记本电脑,在此不做限定。图1为本申请实施例提供的一种账户信息的检测方法的流程示意图,包括以下步骤:
S101、在第一系统中查询第一机构标识对应的第一账户数据;第一账户数据包括多个用户账户的账户信息。
其中,第一系统可以为需要进行账户信息检测的银行系统。第一机构标识可以为需要进行账户信息检测的银行的标识,可以包括总行标识、地区分行标识中的至少一个;该第一机构标识可以为一个,也可以为多个。账户信息可以包括用户账户对应的用户信息、账户开户时间、开户机构、交易明细、交易对家等信息。
具体实现中,用户可以在检测设备中打开浏览器,然后通过浏览器打开第一系统的登录页面,并在登录页面上的相应输入框中输入授权的账号和账号对应的密码,从而完成第一系统的自动化登录操作。在进入第一系统的查询页面之后,用户可以将第一机构标识输入至相应的机构元素输入框中;检测设备可以根据用户触发查询出第一机构标识对应的第一账户数据;进一步地,检测设备可以下载按钮,将查询到的第一账户数据保存在指定路径。在另一种实现方式中,检测设备可以获取用户终端发送的检测指令,从检测中获取第一机构标识,然后通过访问第一系统查询第一机构标识对应的第一账户数据。
一种可能的实现方式中,第一账户数据可以以表格的形式进行保存。如表1所示,表格中的元素可以包括机构标识、账号、账户数据等。
表1
S102、将第一账户数据输入预设检测模型,获得第一账户数据的检测结果;其中,预设检测模型包括规则自检模型;规则自检模型用于检测第一账户数据中各个账户信息的时间特征是否满足预设账户规则。
具体实现中,第一账户数据保存备份完毕之后,检测设备可将该第一账户数据输入至预设检测模型,以便于预设检测模型对第一账户数据进行异常检测,生成第一账户数据的检测结果。上述检测结果可以包括第一账户数据中的异常账户信息,也可以包括上述异常账户信息的异常类型等,还可以包括上述异常账户信息对应的处理方式,在此不做限定。
上述预测检测模型可以包括规则自检模型,用于检测第一账户数据是否合规。具体的,检测设备可以检测第一账户数据中各个账户信息的时间特征是否满足预设账户规则。其中,上述时间特征可以包括账户开户时间、账户交易时间等,在此不做限定。可选地,上述时间特征可以包括账户有效期限和/或账户通知期限。例如,检测设备可以检测临时存款账户的账户有效期限这一时间特征,确定账户有效期限是否满足“临时存款账户有效期最长不得超过两年”的预设账户规则。或者,检测设备还可以检测一般存款账户、专用存款账户或临时存款账户的账户通知期限这一时间特征,然后确定上述账户通知期限是否满足预设账户规则“银行为存款人开立一般存款账户、专用存款账户和临时存款账户的,自开户之日起3日内需通知基本存款账户开户银行”。
一种可能的实现方式中,规则自检模型还可以检测第一账户数据中各个账户信息的账户类型特征是否满足预设账户规则。其中,账户类型特征可以包括单位银行卡账户和/或储蓄账户。例如,可以检测单位银行卡账户是否满足预设账户规则“单位银行卡账户的资金必须由基本存款账户存入”;可以检测储蓄账户是否满足预设账户规则“储蓄账户仅限于办理现金存取业务,不得办理转账结算”。
上述账户信息的检测方法,检测设备在第一系统中查询第一机构标识对应的第一账户数据,并将查询到的第一账户数据输入至预设检测模型中,以便于预设检测模型对第一账户数据进行检测,并输出检测结果。上述方法可以实现账户信息的自动化检测,解决了人工抽取账户信息进行对比自查导致的检测效率较低、抽查账户覆盖面较小的问题,提高了账户信息异常检测的效率;通过规则自检模型可以自动化识别第一账户数据中各账户信息是否满足预设账户规则,提高了合规检测的自动化程度和准确度。
前文所述的实施例中介绍了预设检测模型对第一账户数据进行检测并生成第一账户数据的检测结果的方案。在本申请的另一实施例中,提供一种检测设备通过预设检测模型输出检测结果的一种实现方式。如图2所示,上述S102可以包括:
S201、通过规则自检模型提取各账户信息中的时间特征。
具体实现中,在将第一账户数据输入至规则自检模型中后,规则自检模型首先提取出第一账户数据个账户信息中的时间特征,例如“临时存款账户已开户三年”、“专业存款账户已开户2天”等。
S202、确定时间特征是否满足规则自检模型中的账户规则。
具体实现中,检测设备在提取出各账户信息中的时间特征后,可以将任一时间特征和对应的账户规则进行对比,从而判断该时间特征对应的账户信息是否满足账户规则。例如,将时间特征“临时存款账户已开户三年”和账户规则对应文本“临时存款账户有效期最长不得超过两年”进行对比,判断出该时间特征是否满足对应的账户规则。
其中,账户规则可以为检测设备中的预设规则,也可以通过语义识别获得。在此不做限定。
在一种实现方式中,上述规则自检模型的构建方式可以如图3所示:
S301、获取第一账户数据需要满足的规则文本。
S302、对规则文本进行语义识别,获取规则文本对应的账户规则。
S303、基于账户规则建立规则自检模型。
具体的,检测设备可以从银行监管系统或其他系统中查询出第一账户数据需要满足的规则文本,该规则文本包含多个银行账户相关的规则,例如“临时存款账户有效期最长不得超过两年”、“银行为存款人开立一般存款账户、专用存款账户和临时存款账户的,自开户之日起3日内需通知基本存款账户开户银行”、“单位银行卡账户的资金必须由基本存款账户存入”、“储蓄账户仅限于办理现金存取业务,不得办理转账结算”等。然后检测设备可以对上述查询出的规则文本进行语义识别,将规则文本转义为程序语言,从而获得规则文本对应的账户规则。最后,检测设备基于上述转义得到的账户规则建立规则自检模型,使得规则自检模型可以利用账户规则对账户数据进行检测。即通过文本转义技术,将规则文本以代码的形式表示,以便于检测设备基于代码形式的账户规则自动化地对第一账户数据进行检测。
由于规则文本可能会随着时间不断地进行改进,某一时间段的规则文本可能并不适用于另一时间段的账户信息,规则文本存在一定的有效期限。因此,上述规则自检模型中可以包括不同版本的检测子模型;不同版本的检测子模型对应的规则文本的有效期限不同。电子设备在进行账户信息的检测时,可以在规则自检模型中输入第一账户数据的时间范围;然后,根据时间范围选择与时间范围匹配的目标检测子模型。
具体的,在对第一账户数据的各账户信息进行规则检测前,先确定每一账户信息中的开户时间或者交易时间等需要进行规则检测的时间信息,然后确定上述时间信息所处的时间范围,根据确定的时间范围选择与该时间范围相匹配的检测子模型,即为账户信息的目标检测子模型。基于该目标检测子模型,通过该目标检测子模型对应的账户规则对账户信息进行规则检测。即利用检测子模型对相同时间段的账户信息进行规则检测,从而提高规则自检模型的检测准确率。
步骤203、输出各账户信息对应的不合格项;不合格项为时间特征不满足的账户规则。
具体实现中,规则自检模型可以将不满足账户规则的时间特征对应的账户信息确定为不合规的账户信息,即为一个不合格项,并将第一账户数据中个账户信息对应的不合格项输出,保存在指定路径中。
步骤204、将各账户信息对应的不合格项,确定为第一账户数据的第一检测结果。
具体实现中,规则自检模型在对第一账户数据中所有账户信息检测完毕后,输出所有账户信息中的不合规项,并将所有的不合规项确定为第一账户数据的第一检测结果。其中,第一检测结果可以以表格的形式进行保存。如表2所示,表格中的元素可以包括机构标识、账号、账号所不满足的账户规则等。
表2
本申请实施例提供的方案可以基于规则自检模型对第一账户数据的账户信息进行合规检测,检测账户信息是否符合账户规则,并基于不满足账户规则的账户信息生成第一检测结果。可见,本申请实施例可以基于规则自检模型实现账户数据的自动化检测,提高了账户数据的检测效率。
前文所述的实施例中介绍了根据预设检测模型对第一账户数据进行检测并生成检测结果的方案。在本申请的另一实施例中,预设检测模型还可以包括涉诈检测模型,根据涉诈检测模型对第一账户数据进行检测,判断第一账户数据中的各账户是否为涉诈账户。如图4所示,前文所述的“将第一账户数据输入预设检测模型,获得第一账户数据的检测结果”,具体包括:
S401、将第一账户数据输入涉诈检测模型,输出第一账户数据对应的第二检测结果;第二检测结果包括第一账户数据中存在涉诈风险的账户信息,和/或,涉诈风险的账户信息对应的涉诈等级。
具体实现中,检测设备将第一账户数据保存备份完毕之后,可以将该第一账户数据输入至涉诈检测模型,以便于涉诈检测模型对第一账户数据进行涉诈检测,并基于检测出的涉诈账户生成第一账户数据对应的第二检测结果。其中,第二检测结果可以以表格的形式进行保存。如表3所示,表格中的元素可以包括机构标识、存在涉诈风险的账户信息、涉诈风险的账户信息对应的涉诈等级。
表3
本申请实施例提供的方案可以基于涉诈检测模型对第一账户数据的账户信息进行涉诈检测,检测第一账户数据转给你的账户是否涉诈,并基于涉诈账户生成第二检测结果。可见,本申请实施例可以基于涉诈检测模型实现账户数据的自动化检测,提高了账户数据的检测效率。
为了提高涉诈检测模型的准确率,涉诈检测模型可以是由两个模型结合形成的。涉诈检测模型由第一涉诈检测子模型和第二涉诈检测子模型结合形成;第一涉诈检测子模型用于提取账户信息中的涉诈风险画像特征;第二涉诈子模型为基于样本账户数据进行训练获得的,用于输出账户信息是否存在涉诈风险。
具体实现中,检测设备可以利用bagging算法将第一涉诈检测子模型和第二涉诈检测子模型组合为涉诈检测模型。其中,第一涉诈检测子模型用于提取账户信息中的涉诈风险画像特征,若提取出的某一账号的账户信息中的涉诈风险画像特征大于预设阈值,则可以确定该账号为涉诈账号;第二涉诈子模型为基于样本账户数据进行训练获得,用于输出账户信息是否存在涉诈风险。其中,样本账户数据为已知具体涉诈账户的多个账户数据组成的账户数据集。
本申请实施例中将第一涉诈检测子模型和第二涉诈检测子模型结合为一个涉诈检测模型,保留了两个涉诈检测子模型各自的特点,使得涉诈检测模型既能监控账号的涉诈风险画像特征,也能对账号的涉诈风险进行监控预警,同时提高了涉诈检测模型对账户数据进行涉诈检测的准确度。
前文所述的实施例中介绍了根据预设检测模型对第一账户数据进行检测并生成检测结果的方案。在本申请的另一实施例中,预设检测模型还可以包括信息对比模型,根据信息对比模型对第一账户数据以及第二账户数据进行对比,确定第一账户数据中和第二账户数据存在差异的数据,并基于差异数据生成第三检测结果。如图5所示,上述S102可以包括:
S501、在第二系统中查询第一机构标识对应的第二账户数据;第二账户数据包括多个用户账户的账户信息。
其中,第二系统可以为银行监管系统。
具体实现中,检测设备可以获取用户终端发送的检测指令,从检测中获取第一机构标识,然后检测设备可以根据检测指令打开浏览器,通过浏览器打开第二系统的登录页面,并在登录页面上的相应输入框中输入授权的账号、账号对应的密码;同时,检测设备可以识别登录页面中的验证码图片,将验证码图片下载后利用OCR技术解析验证码图片中的验证码信息,并将解析得到的验证码信息输入至验证码输入框中。当账号、账号对应的密码以及验证码都输入完毕后检测设备可以触发登陆按钮,登陆第二系统,从而完成第二系统的自动化登录操作。接着检测设备可以在第二系统的查询页面,将第一机构标识输入至相应的机构元素输入框中;检测设备输入完毕后触发查询按钮,从而查询出第一机构标识对应的第二账户数据;检测设备查询完毕后触发下载按钮,将查询到的第二账户数据保存在指定路径。在另一种实现方式中,检测设备可以通过获取用户终端发送的验证码以及授权的账号、密码,查询指令、下载指令等从第二系统中获取第一机构标识对应的第一账户数据。
一种可能的实现方式中,第二账户数据可以以表格的形式进行保存,表格中的元素可以包括机构标识、账号、账户数据等。
S502、将第一账户数据和第二账户数据输入信息对比模型。
具体实现中,检测设备可以将上述从第一系统获取的第一账户数据以及从第二系统获取的第二账户数据输入至信息对比模型中,以便于信息对比模型对同一账号对应的第一账户数据和第二账户数据进行对比。
S503、通过信息对比模型确定第一账户数据和第二账户数据中的差异数据。
具体实现中,若信息对比模型检测到第一账户数据和第二账户数据中,同一账号对应的账户信息之间存在差异,则可以将第一账户数据和第二账户数据中该账号对应的账户信息确定为差异数据,或者仅将第一账户数据和第二账户数据中该账号对应的账户信息中出现差异的部分账户信息确定为差异数据。
S504、确定差异数据对应的账户信息,将存在差异数据的账户信息以及账户信息对应的差异数据确定为第一账户数据的第三检测结果。
具体实现中,信息对比模型可以基于检测到的差异数据生成第一账户数据的第三检测结果。其中,第三检测结果可以以表格的形式进行保存。如表4所示,表格中的元素可以包括机构标识、存在差异数据的账号、存在差异数据的账户数据、差异数据等。
表4
本申请实施例提供的方案可以基于信息对比模型对第一账户数据和第二账户数据的账户信息进行对比检测,检测第一账户数据和第二账户数据中,同一账号对应的账户信息是否存在差异,并基于差异数据生成第三检测结果。可见,本申请实施例可以基于信息对比模型实现账户数据的自动化检测,提高了账户数据的检测效率。
在一个实施例中,检测设备可以基于第一检测结果、第二检测结果以及第三检测结果,抽取出同一机构标识对应的所有账号的检测结果,并以表格的形式表示。如表5所示,表格中的元素可以包括机构标识、账号、检测结果等。
表5
然后检测设备将每一机构标识对应的检测结果进行加密处理,根据机构邮箱地址表,将每一机构标识对应的检测结果发送至运行该邮箱的终端设备,以便于工作人员进行查看并对账号做出相应的处理。
具体的,若信息对比模型检测到一个或多个账号的第一账户数据和第二账户数据存在差异,则检测设备可以直接将上述存在差异的一个或多个账号的第一账户数据替换为相应的第二账户数据,实现对存在差异的第一账户数据的修正。
若规则自检模型检测到一个或多个账号不符合账户规则,则工作人员可以根据终端设备接收到的检测结果,对上述一个或多个账号进行管控,例如冻结账号或通知账号持有人处理等。
若涉诈检测模型检测到一个或多个账号存在涉诈风险,则工作人员可以根据每一账号的风险程度进行相应的管控处理。例如,可以将高风险账户直接冻结,中风险账户仅限制支出,低风险账户限制支出以及收益的额度等。
在一个实施例中,涉及一种账户信息的检测方法,如图6所示,上述方法包括:
S601、在第一系统中查询第一机构标识对应的第一账户数据;第一账户数据包括多个用户账户的账户信息;
S602、通过规则自检模型提取各账户信息中的时间特征;
S603、确定时间特征是否满足规则自检模型中的账户规则;输出各账户信息对应的不合格项;
S604、将各账户信息对应的不合格项,确定为第一账户数据的第一检测结果;
S605、将第一账户数据输入涉诈检测模型,输出第一账户数据对应的第二检测结果;第二检测结果包括第一账户数据中存在涉诈风险的账户信息,和/或,涉诈风险的账户信息对应的涉诈等级;
S606、在第二系统中查询第一机构标识对应的第二账户数据;第二账户数据包括多个用户账户的账户信息;
S607、将第一账户数据和第二账户数据输入信息对比模型;通过信息对比模型确定第一账户数据和第二账户数据中的差异数据;确定差异数据对应的账户信息,将存在差异数据的账户信息以及账户信息对应的差异数据确定为第一账户数据的第三检测结果;
S608、将每一机构标识对应的检测结果进行加密处理,根据机构邮箱地址表,将每一机构标识对应的检测结果发送至运行该邮箱的终端设备。
上述账户信息的检测方法,其实现原理和技术效果参见上述实施例,在此不作赘述。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的账户信息的检测方法的账户信息的检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个账户信息的检测装置实施例中的具体限定可以参见上文中对于账户信息的检测方法的限定,在此不再赘述。
在一个实施例中,如图7所示,提供了一种账户信息的检测装置,包括:查询模块和输入模块,其中:
查询模块10,用于在第一系统中查询第一机构标识对应的第一账户数据;第一账户数据包括多个用户账户的账户信息;
输入模块20,用于将第一账户数据输入预设检测模型,获得第一账户数据的检测结果;其中,预设检测模型包括规则自检模型;规则自检模型用于检测第一账户数据中各个账户信息的时间特征是否满足预设账户规则。
在一个实施例中,在上述实施例的基础上,上述输入模块20具体用于:通过规则自检模型提取各账户信息中的时间特征;确定时间特征是否满足规则自检模型中的账户规则;输出各账户信息对应的不合格项;不合格项为时间特征不满足的账户规则;将各账户信息对应的不合格项,确定为第一账户数据的第一检测结果。
在一个实施例中,在上述实施例的基础上,时间特征包括账户有效期限和/或账户通知期限。
在一个实施例中,在上述实施例的基础上,如图8所示,上述装置还包括建立模块30,用于获取第一账户数据需要满足的规则文本;对规则文本进行语义识别,获取规则文本对应的账户规则;基于账户规则建立规则自检模型。
在一个实施例中,在上述实施例的基础上,规则自检模型中包括不同版本的检测子模型;不同版本的检测子模型对应的规则文本的有效期限不同;如图9所示,上述装置还包括选择模块40,用于在规则自检模型中输入第一账户数据的时间范围;根据时间范围选择与时间范围匹配的目标检测子模型。
在一个实施例中,在上述实施例的基础上,预设检测模型还包括涉诈检测模型;上述输入模块20具体用于:将第一账户数据输入涉诈检测模型,输出第一账户数据对应的第二检测结果;第二检测结果包括第一账户数据中存在涉诈风险的账户信息,和/或,涉诈风险的账户信息对应的涉诈等级。
在一个实施例中,在上述实施例的基础上,涉诈检测模型由第一涉诈检测子模型和第二涉诈检测子模型结合形成;第一涉诈检测子模型用于提取账户信息中的涉诈风险画像特征;第二涉诈子模型为基于样本账户数据进行训练获得,用于输出账户信息是否存在涉诈风险。
在一个实施例中,在上述实施例的基础上,预设检测模型还包括信息对比模型;上述查询模块10具体用于:在第二系统中查询第一机构标识对应的第二账户数据;第二账户数据包括多个用户账户的账户信息;相应地,上述输入模块20具体用于:将第一账户数据和第二账户数据输入信息对比模型;通过信息对比模型确定第一账户数据和第二账户数据中的差异数据;确定差异数据对应的账户信息,将存在差异数据的账户信息以及账户信息对应的差异数据确定为第一账户数据的第三检测结果。
上述账户信息的检测装置,其实现原理和技术效果参见上述方法实施例,在此不做赘述。
上述账户信息的检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,也可以是终端设备,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储本申请提供的账户信息的检测方法涉及的第一账户数据、第二账户数据、第一检测结果、第二检测结果、第三检测结果等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种账户信息的检测方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
在第一系统中查询第一机构标识对应的第一账户数据;第一账户数据包括多个用户账户的账户信息;
将第一账户数据输入预设检测模型,获得第一账户数据的检测结果;其中,预设检测模型包括规则自检模型;规则自检模型用于检测第一账户数据中各个账户信息的时间特征是否满足预设账户规则。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:通过规则自检模型提取各账户信息中的时间特征;确定时间特征是否满足规则自检模型中的账户规则;输出各账户信息对应的不合格项;不合格项为时间特征不满足的账户规则;将各账户信息对应的不合格项,确定为第一账户数据的第一检测结果。
在一个实施例中,时间特征包括账户有效期限和/或账户通知期限。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取第一账户数据需要满足的规则文本;对规则文本进行语义识别,获取规则文本对应的账户规则;基于账户规则建立规则自检模型。
在一个实施例中,规则自检模型中包括不同版本的检测子模型;不同版本的检测子模型对应的规则文本的有效期限不同;处理器执行计算机程序时还实现以下步骤:在规则自检模型中输入第一账户数据的时间范围;根据时间范围选择与时间范围匹配的目标检测子模型。
在一个实施例中,预设检测模型还包括涉诈检测模型;处理器执行计算机程序时还实现以下步骤:将第一账户数据输入涉诈检测模型,输出第一账户数据对应的第二检测结果;第二检测结果包括第一账户数据中存在涉诈风险的账户信息,和/或,涉诈风险的账户信息对应的涉诈等级。
在一个实施例中,涉诈检测模型由第一涉诈检测子模型和第二涉诈检测子模型结合形成;第一涉诈检测子模型用于提取账户信息中的涉诈风险画像特征;第二涉诈子模型为基于样本账户数据进行训练获得,用于输出账户信息是否存在涉诈风险。
在一个实施例中,预设检测模型还包括信息对比模型;处理器执行计算机程序时还实现以下步骤:在第二系统中查询第一机构标识对应的第二账户数据;第二账户数据包括多个用户账户的账户信息;将第一账户数据和第二账户数据输入信息对比模型;通过信息对比模型确定第一账户数据和第二账户数据中的差异数据;确定差异数据对应的账户信息,将存在差异数据的账户信息以及账户信息对应的差异数据确定为第一账户数据的第三检测结果。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
在第一系统中查询第一机构标识对应的第一账户数据;第一账户数据包括多个用户账户的账户信息;
将第一账户数据输入预设检测模型,获得第一账户数据的检测结果;其中,预设检测模型包括规则自检模型;规则自检模型用于检测第一账户数据中各个账户信息的时间特征是否满足预设账户规则。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:通过规则自检模型提取各账户信息中的时间特征;确定时间特征是否满足规则自检模型中的账户规则;输出各账户信息对应的不合格项;不合格项为时间特征不满足的账户规则;将各账户信息对应的不合格项,确定为第一账户数据的第一检测结果。
在一个实施例中,时间特征包括账户有效期限和/或账户通知期限。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取第一账户数据需要满足的规则文本;对规则文本进行语义识别,获取规则文本对应的账户规则;基于账户规则建立规则自检模型。
在一个实施例中,规则自检模型中包括不同版本的检测子模型;不同版本的检测子模型对应的规则文本的有效期限不同;计算机程序被处理器执行时还实现以下步骤:在规则自检模型中输入第一账户数据的时间范围;根据时间范围选择与时间范围匹配的目标检测子模型。
在一个实施例中,预设检测模型还包括涉诈检测模型;计算机程序被处理器执行时还实现以下步骤:将第一账户数据输入涉诈检测模型,输出第一账户数据对应的第二检测结果;第二检测结果包括第一账户数据中存在涉诈风险的账户信息,和/或,涉诈风险的账户信息对应的涉诈等级。
在一个实施例中,涉诈检测模型由第一涉诈检测子模型和第二涉诈检测子模型结合形成;第一涉诈检测子模型用于提取账户信息中的涉诈风险画像特征;第二涉诈子模型为基于样本账户数据进行训练获得,用于输出账户信息是否存在涉诈风险。
在一个实施例中,预设检测模型还包括信息对比模型;计算机程序被处理器执行时还实现以下步骤:在第二系统中查询第一机构标识对应的第二账户数据;第二账户数据包括多个用户账户的账户信息;将第一账户数据输入预设检测模型,获得第一账户数据的检测结果,包括:将第一账户数据和第二账户数据输入信息对比模型;通过信息对比模型确定第一账户数据和第二账户数据中的差异数据;确定差异数据对应的账户信息,将存在差异数据的账户信息以及账户信息对应的差异数据确定为第一账户数据的第三检测结果。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
在第一系统中查询第一机构标识对应的第一账户数据;第一账户数据包括多个用户账户的账户信息;
将第一账户数据输入预设检测模型,获得第一账户数据的检测结果;其中,预设检测模型包括规则自检模型;规则自检模型用于检测第一账户数据中各个账户信息的时间特征是否满足预设账户规则。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:通过规则自检模型提取各账户信息中的时间特征;确定时间特征是否满足规则自检模型中的账户规则;输出各账户信息对应的不合格项;不合格项为时间特征不满足的账户规则;将各账户信息对应的不合格项,确定为第一账户数据的第一检测结果。
在一个实施例中,时间特征包括账户有效期限和/或账户通知期限。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取第一账户数据需要满足的规则文本;对规则文本进行语义识别,获取规则文本对应的账户规则;基于账户规则建立规则自检模型。
在一个实施例中,规则自检模型中包括不同版本的检测子模型;不同版本的检测子模型对应的规则文本的有效期限不同;计算机程序被处理器执行时还实现以下步骤:在规则自检模型中输入第一账户数据的时间范围;根据时间范围选择与时间范围匹配的目标检测子模型。
在一个实施例中,预设检测模型还包括涉诈检测模型;计算机程序被处理器执行时还实现以下步骤:将第一账户数据输入涉诈检测模型,输出第一账户数据对应的第二检测结果;第二检测结果包括第一账户数据中存在涉诈风险的账户信息,和/或,涉诈风险的账户信息对应的涉诈等级。
在一个实施例中,涉诈检测模型由第一涉诈检测子模型和第二涉诈检测子模型结合形成;第一涉诈检测子模型用于提取账户信息中的涉诈风险画像特征;第二涉诈子模型为基于样本账户数据进行训练获得,用于输出账户信息是否存在涉诈风险。
在一个实施例中,预设检测模型还包括信息对比模型;计算机程序被处理器执行时还实现以下步骤:在第二系统中查询第一机构标识对应的第二账户数据;第二账户数据包括多个用户账户的账户信息;将第一账户数据输入预设检测模型,获得第一账户数据的检测结果,包括:将第一账户数据和第二账户数据输入信息对比模型;通过信息对比模型确定第一账户数据和第二账户数据中的差异数据;确定差异数据对应的账户信息,将存在差异数据的账户信息以及账户信息对应的差异数据确定为第一账户数据的第三检测结果。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (12)
1.一种账户信息的检测方法,其特征在于,所述方法包括:
在第一系统中查询第一机构标识对应的第一账户数据;所述第一账户数据包括多个用户账户的账户信息;
将所述第一账户数据输入预设检测模型,获得所述第一账户数据的检测结果;其中,所述预设检测模型包括规则自检模型;所述规则自检模型用于检测所述第一账户数据中各个账户信息的时间特征是否满足预设账户规则。
2.根据权利要求1所述的方法,其特征在于,将所述第一账户数据输入预设检测模型,获得所述第一账户数据的检测结果,包括:
通过所述规则自检模型提取各所述账户信息中的时间特征;
确定所述时间特征是否满足所述规则自检模型中的账户规则;
输出各所述账户信息对应的不合格项;所述不合格项为所述时间特征不满足的账户规则;
将各所述账户信息对应的所述不合格项,确定为所述第一账户数据的第一检测结果。
3.根据权利要求2所述的方法,其特征在于,所述时间特征包括账户有效期限和/或账户通知期限。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述第一账户数据需要满足的规则文本;
对所述规则文本进行语义识别,获取所述规则文本对应的账户规则;
基于所述账户规则建立所述规则自检模型。
5.根据权利要求4所述的方法,其特征在于,所述规则自检模型中包括不同版本的检测子模型;不同版本的检测子模型对应的规则文本的有效期限不同;所述方法还包括:
在所述规则自检模型中输入所述第一账户数据的时间范围;
根据所述时间范围选择与所述时间范围匹配的目标检测子模型。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述预设检测模型还包括涉诈检测模型;所述将所述第一账户数据输入预设检测模型,获得所述第一账户数据的检测结果,包括:
将所述第一账户数据输入所述涉诈检测模型,输出所述第一账户数据对应的第二检测结果;所述第二检测结果包括所述第一账户数据中存在涉诈风险的账户信息,和/或,所述所述涉诈风险的账户信息对应的涉诈等级。
7.根据权利要求6所述的方法,其特征在于,所述涉诈检测模型由第一涉诈检测子模型和第二涉诈检测子模型结合形成;所述第一涉诈检测子模型用于提取所述账户信息中的涉诈风险画像特征;所述第二涉诈子模型为基于样本账户数据进行训练获得,用于输出所述账户信息是否存在涉诈风险。
8.根据权利要求1-5任一项所述的方法,其特征在于,所述预设检测模型还包括信息对比模型;所述方法还包括:
在第二系统中查询所述第一机构标识对应的第二账户数据;所述第二账户数据包括多个用户账户的账户信息;
相应地,所述将所述第一账户数据输入预设检测模型,获得所述第一账户数据的检测结果,包括:
将所述第一账户数据和所述第二账户数据输入所述信息对比模型;
通过所述信息对比模型确定所述第一账户数据和所述第二账户数据中的差异数据;
确定所述差异数据对应的账户信息,将所述存在差异数据的账户信息以及所述账户信息对应的差异数据确定为所述第一账户数据的第三检测结果。
9.一种账户信息的检测装置,其特征在于,所述装置包括:
查询模块,用于在第一系统中查询第一机构标识对应的第一账户数据;所述第一账户数据包括多个用户账户的账户信息;
输入模块,用于将所述第一账户数据输入预设检测模型,获得所述第一账户数据的检测结果;其中,所述预设检测模型包括规则自检模型;所述规则自检模型用于检测所述第一账户数据中各个账户信息的时间特征是否满足预设账户规则。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,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8中任一项所述的方法的步骤。
11.一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,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
12.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210056804.8A CN114418743A (zh) | 2022-01-18 | 2022-01-18 | 账户信息的检测方法、装置、设备、存储介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210056804.8A CN114418743A (zh) | 2022-01-18 | 2022-01-18 | 账户信息的检测方法、装置、设备、存储介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114418743A true CN114418743A (zh) | 2022-04-29 |
Family
ID=81272831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210056804.8A Pending CN114418743A (zh) | 2022-01-18 | 2022-01-18 | 账户信息的检测方法、装置、设备、存储介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114418743A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116305071A (zh) * | 2023-03-18 | 2023-06-23 | 广州锦拓信息科技有限公司 | 一种基于人工智能的账号密码安全系统 |
-
2022
- 2022-01-18 CN CN202210056804.8A patent/CN114418743A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116305071A (zh) * | 2023-03-18 | 2023-06-23 | 广州锦拓信息科技有限公司 | 一种基于人工智能的账号密码安全系统 |
CN116305071B (zh) * | 2023-03-18 | 2023-09-26 | 广州锦拓信息科技有限公司 | 一种基于人工智能的账号密码安全系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3627759B1 (en) | Method and apparatus for encrypting data, method and apparatus for training machine learning model, and electronic device | |
US20200134716A1 (en) | Systems and methods for determining credit worthiness of a borrower | |
Hassan et al. | The role artificial intelligence in modern banking: an exploration of AI-driven approaches for enhanced fraud prevention, risk management, and regulatory compliance | |
EP3416123A1 (en) | System for identification of fraudulent transactions | |
CN113095408A (zh) | 风险的确定方法、装置和服务器 | |
CN114116802A (zh) | Flink计算框架的数据处理方法、装置、设备和存储介质 | |
CN116307671A (zh) | 风险预警方法、装置、计算机设备、存储介质 | |
CN111767192A (zh) | 基于人工智能的业务数据检测方法、装置、设备和介质 | |
CN112990989B (zh) | 价值预测模型输入数据生成方法、装置、设备和介质 | |
CN114418743A (zh) | 账户信息的检测方法、装置、设备、存储介质和程序产品 | |
CN114579523A (zh) | 双录文件质检方法、装置、计算机设备和存储介质 | |
US20220027916A1 (en) | Self Learning Machine Learning Pipeline for Enabling Binary Decision Making | |
CN113191875A (zh) | 新用户的授信方法及装置、电子设备、存储介质 | |
Kaur | Development of Business Intelligence Outlier and financial crime analytics system for predicting and managing fraud in financial payment services | |
US20240119346A1 (en) | Systems and methods for automated compromise prediction | |
CN112116357B (zh) | 套现检测实现方法、装置及计算机设备 | |
US11270230B1 (en) | Self learning machine learning transaction scores adjustment via normalization thereof | |
CN113254787B (zh) | 事件分析方法、装置、计算机设备及存储介质 | |
US20230385456A1 (en) | Automatic segmentation using hierarchical timeseries analysis | |
US11544715B2 (en) | Self learning machine learning transaction scores adjustment via normalization thereof accounting for underlying transaction score bases | |
US11797999B1 (en) | Detecting fraudulent transactions | |
EP4310755A1 (en) | Self learning machine learning transaction scores adjustment via normalization thereof | |
US20220237618A1 (en) | System for detecting associated records in a record log | |
CN115760384A (zh) | 异常行为识别方法、识别装置、电子设备及存储介质 | |
CA3178718A1 (en) | Systems and methods for automated compromise prediction |
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 |