CN114663097A - 账户识别方法、装置、设备及计算机存储介质 - Google Patents

Abstract

本申请公开了一种账户识别方法、装置、设备及计算机存储介质，涉及计算机技术领域。该方法包括：获取目标员工的N维参数信息，所述N维参数信息包括基本信息、交易信息、设备信息、位置信息中的至少一项，N为正整数；将所述N维参数信息中的目标参数信息分别与P个参考目标参数信息进行匹配，得到与所述目标参数信息对应的P个控制程度分数，P为正整数；根据所述P个控制程度分数，确定目标账户集合中，所述目标员工与所述目标参数信息对应的控制账户，其中，所述目标账户集合包括与所述P个参考目标参数信息对应的P个账户。根据本申请实施例，能够准确地对员工所控制的账户进行识别和监控，从而可以有效降低恶性商业事件发生概率。

Description

账户识别方法、装置、设备及计算机存储介质

技术领域

本申请属于计算机技术领域，尤其涉及一种账户识别方法、装置、设备及计算机存储介质。

背景技术

目前，银行业中出现了商业银行员工通过掌控多个他人账户，以进行系列违规风险操作的现象。

基于此，如何对员工控制账户进行准确识别，并对所识别的控制账户的交易行为进行异常交易监测，成为了现阶段银行业发展中亟待解决的问题之一。

发明内容

本申请实施例提供一种账户识别方法、装置、设备及计算机存储介质，能够准确地对员工所控制的账户进行识别和监控，从而可以有效降低恶性商业事件发生概率。

第一方面，本申请实施例提供一种账户识别方法，该账户识别方法包括：

获取目标员工的N维参数信息，N维参数信息包括基本信息、交易信息、设备信息、位置信息中的至少一项，N为正整数；

将N维参数信息中的目标参数信息分别与P个参考目标参数信息进行匹配，得到与目标参数信息对应的P个控制程度分数，P为正整数；

根据P个控制程度分数，确定目标账户集合中，目标员工与目标参数信息对应的控制账户，其中，目标账户集合包括与P个参考目标参数信息一一对应的P个账户。

在一些可能的实施方式中，将N维参数信息中的目标参数信息分别与P个参考目标参数信息进行匹配，得到与目标参数信息对应的P个控制程度分数，包括：

根据目标参数信息的所属维度，确定与目标参数信息对应的预设控制账户模型；

通过预设控制账户模型，将N维参数信息中的目标参数信息分别与P个参考目标参数信息进行匹配，得到与目标参数信息对应的P个控制程度分数；其中，预设控制账户模型基于P个参考目标参数信息构建。

在一些可能的实施方式中，根据P个控制程度分数，确定目标账户集合中，目标员工与目标参数信息对应的控制账户之后，该账户识别方法还包括：

获取目标用户的Q个控制账户的账户交易行为特征，Q个控制账户包括目标员工分别与N维参数信息中各参数信息对应的控制账户，Q为正整数；

将Q个控制账户的账户交易行为特征分别输出至目标控制账户交易监测模型，得到与Q个控制账户一一对应的Q个监测结果；

在Q个监测结果中存在至少一个监测结果指示账户交易行为特征异常的情况下，输出交易异常告警信息。

在一些可能的实施方式中，在将Q个控制账户的账户交易行为特征分别输入至目标控制账户交易监测模型，得到与Q个控制账户一一对应的Q个监测结果之前，包括：

获取目标交易流水数据；

从目标交易流水数据中提取交易特征变量，交易特征变量包括基础交易指标、借贷及消费指标、现金交易指标、对公交易指标中的至少一项；

基于交易特征变量，构建目标控制账户交易监测模型。

在一些可能的实施方式中，根据交易特征变量，构建目标控制账户交易监测模型，包括：

根据交易特征变量，确定在员工身份属性分组集合中每一分组下的交易特征变量；员工身份属性分组集合基于各个员工的身份属性参数划分得到；身份属性参数包括员工所属地域、所属机构、员工岗位、员工年龄以及员工薪资水平中的至少一项；

根据每一分组下的交易特征变量，构建每一分组下的控制账户交易监测模型；

其中，目标控制账户交易监测模型为每一分组下的任一控制账户交易监测模型。

在一些可能的实施方式中，将Q个控制账户的账户交易行为特征分别输出至目标控制账户交易监测模型，得到与Q个控制账户一一对应的Q个监测结果，还包括：

获取目标员工的身份属性参数；

基于目标员工的身份属性参数，在员工身份属性分组集合中确定目标员工的所属分组；

根据目标员工的所属分组，确定与目标员工所属分组对应的目标控制账户交易监测模型；

将Q个控制账户的账户交易行为特征分别输入至与目标员工所属分组对应的目标控制账户交易监测模型，得到与Q个控制账户一一对应的Q个监测结果。

在一些可能的实施方式中，该账户识别方法还包括：

根据历史异常场景的数据信息，构建控制账户异常场景监测模型；

根据控制账户异常场景监测模型，检测目标用户的Q个控制账户的交易场景是否异常；

在检测到Q个控制账户中存在任一控制账户交易场景异常的情况下，输出交易场景异常告警信息。

在一些可能的实施方式中，设备信息包括目标员工的常用设备信息，在获取目标员工的N维参数信息之前，该账户识别方法还包括：

获取各个员工的电子设备登录痕迹数据；

根据各个员工的电子设备登录痕迹数据，衍生使用频率、使用占比、使用人数中的至少一项特征参数；

基于使用频率、使用占比、使用人数中的至少一项特征参数，建立员工常用设备模型；

基于员工常用设备模型，根据目标员工的电子设备登录痕迹数据确定目标员工的常用设备信息。

在一些可能的实施方式中，位置信息包括目标员工的常用位置信息，在所述获取目标员工的N维参数信息之前，该账户识别方法还包括：

根据各个员工的电子设备登录痕迹数据，衍生位置登录频率、登录占比、位置登录人数中的至少一项特征参数；

基于位置登录频率、登录占比、位置登录人数中的至少一项特征参数，建立员工常用位置模型；

根据员工常用位置模型，确定目标员工的常用位置信息。

第二方面，本申请实施例提供了一种账户识别装置，该账户识别装置包括：

第一获取模块，用于获取目标员工的N维参数信息，N维参数信息包括基本信息、交易信息、设备信息、位置信息中的至少一项，N为正整数；

第一匹配模块，用于将N维参数信息中的目标参数信息分别与P个参考目标参数信息进行匹配，得到与目标参数信息对应的P个控制程度分数，P为正整数；

识别模块，用于根据P个控制程度分数，确定目标账户集合中，目标员工与目标参数信息对应的控制账户，其中，目标账户集合包括与P个参考目标参数信息一一对应的P个账户。

第三方面，本申请实施例提供了一种账户识别设备，该账户识别设备包括：

处理器以及存储有计算机程序指令的存储器；

所述处理器执行所述计算机程序指令时实现如上述本申请实施例中任意一项提供的账户识别方法。

第四方面，本申请实施例提供了一种计算机存储介质，该计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如上述本申请实施例中任意一项提供的账户识别方法。

第五方面，本申请实施例提供了一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如上述本申请实施例中任意一项提供的账户识别方法。

本申请实施例的账户识别方法、装置、设备及计算机存储介质，能够通过获取目标员工的多维度的参数信息，再将任一维度下的参数信息分别与多个参考目标参数信息进行匹配，得到多个控制程度分数。如此，可以根据多个控制程度分数以及目标账户集合，从中识别目标员工与目标参数信息对应的控制账户。本申请提供的一种账户识别方法、装置、设备及计算机存储介质，能够结合多维度参数信息识别出员工的控制账户，以便后续对员工控制账户的交易行为和交易场景进行监测和告警。如此，能够准确地对员工的不正当行为进行监控，从而可以有效降低恶性商业事件发生概率。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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。

图1是本申请一个实施例提供的账户识别方法的流程示意图；

图2是本申请另一个实施例提供的账户识别装置的结构示意图；

图3是本申请又一个实施例提供的账户识别设备的结构示意图。

具体实施方式

下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。

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……”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。

需要说明的是，本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

在本申请实施例中，员工的控制账户可以解释为非员工实名账户，但实际由该员工操控使用的账户。

如背景技术部分所述，随着信息时代发展，各个商业机构逐渐出现了员工为获取不正当利益，利用他人的身份信息生成员工自己的控制账户使用的行为，如此，员工掌控多个他人账户进行异常交易操作，进一步导致了员工侵占客户资金等系列恶性商业事件的发生。

本申请发明人意识到，如要采取系列技术手段遏制上述恶劣事件的出现，那么，如何对企业或机构员工的控制账户进行准确识别是解决上述问题的核心关键点。

为了解决现有技术问题，本申请实施例提供了一种账户识别方法、装置、设备、存储介质和计算机程序产品。应注意，本申请提供的实施例并不用来限制本申请公开的范围。

下面首先对本申请实施例所提供的账户识别方法进行介绍。

应理解地是，该账户识别方法的应用场景可以为但不限于商业银行、财政机构以及其他涉及账号运营活动的企业机构等。

为便于理解，下面申请实施例主要以商业银行为例，对本申请提供的一种账户识别方法进行详细阐述。

图1示出了本申请一个实施例提供的账户识别方法的流程示意图。该账户识别方法应用于电子设备，该电子设备可以包括服务器或者终端等。

如图1所示，该账户识别方法包括以下步骤：

S110，获取目标员工的N维参数信息，N维参数信息包括基本信息、交易信息、设备信息、位置信息中的至少一项，N为正整数。

S120，将N维参数信息中的目标参数信息分别与P个参考目标参数信息进行匹配，得到与目标参数信息对应的P个控制程度分数，P为正整数。

S130，根据P个控制程度分数，确定目标账户集合中，目标员工与目标参数信息对应的控制账户，其中，目标账户集合包括与P个参考目标参数信息一一对应的P个账户。

本申请实施例的账户识别方法，能够通过获取目标员工的多维度的参数信息，再将任一维度下的参数信息分别与多个参考目标参数信息进行匹配，得到多个控制程度分数。如此，可以根据多个控制程度分数以及目标账户集合，从中识别目标员工与目标参数信息对应的控制账户。本申请提供的一种账户识别方法，能够结合多维度参数信息识别出员工的控制账户，以便后续对员工控制账户的交易行为和交易场景进行监测和告警。如此，能够准确地对员工的不正当行为进行监控，从而可以有效降低恶性商业事件发生概率。

下面介绍上述各个步骤的具体实现方式。

在S110中，具体实施时，可以通过大数据技术手段，高效获取目标员工的N维参数信息，N维参数信息可以包括基本信息、交易信息、设备信息以及位置信息中的至少一项。

在本申请实施例中，该目标员工可以为某商业银行的员工，上述目标员工的基本信息可以包括但不限于人力资源信息、个人贷款信息、信用卡信息、员工渠道信息、对私客户渠道信息、客户编号、身份信息、关系人信息、联系方式和地址信息中的至少一项。

上述目标员工的交易信息可以是该员工的银行交易流水信息。

在一些实施方式中，设备信息可以包括目标员工的常用设备信息，例如该目标员工的常用手机、电脑的设备信息等。以及、为了有效筛选出目标用户的常用设备信息，以便提高后续数据应用的准确率，在获取目标员工的N维参数信息之前，该账户识别方法还可以包括：

获取各个员工的电子设备登录痕迹数据；

根据各个员工的电子设备登录痕迹数据，衍生使用频率、使用占比、使用人数中的至少一项特征参数；

基于使用频率、使用占比、使用人数中的至少一项特征参数，建立员工常用设备模型；

基于员工常用设备模型，根据目标员工的电子设备登录痕迹数据确定目标员工的常用设备信息。

具体实现时，在该目标员工为某商业银行员工的情况下，上述各个员工的电子设备登录痕迹数据可以为：各个员工在商业银行的手机银行、网上银行等电子渠道中所留存的设备登录痕迹。

基于此，通过上述各个员工的电子设备登录痕迹数据以及相应的特征衍生技术手段，构建出使用频率、使用占比、使用人数中的至少一项特征参数，进一步的，再根据所构建出的特征参数建立员工常用设备模型。

如此，可以通过建立包含复杂判断条件的规则的员工常用设备模型，对干扰数据进行剔除，进而得到准确有效的目标员工的常用设备信息，提高所获取的常用设备信息的数据质量。

在一些实施方式中，位置信息可以包括目标员工的常用位置信息，例如该目标员工的常用经纬度、IP等位置信息。以及同样地、为了有效筛选出目标用户的常用位置信息，以便提高后续数据应用的准确率，在获取目标员工的N维参数信息之前，该账户识别方法还可以包括：

根据各个员工的电子设备登录痕迹数据，衍生位置登录频率、登录占比、位置登录人数中的至少一项特征参数；

基于位置登录频率、登录占比、位置登录人数中的至少一项特征参数，建立员工常用位置模型；

根据员工常用位置模型，确定目标员工的常用位置信息。

本申请实施例中，通过建立包含复杂判断条件的规则的员工常用位置模型，能够对干扰数据进行剔除，进而得到准确有效的目标员工的常用位置信息，提高所获取的参数信息质量。

在S120中，具体实现时，可以是将N维参数信息中的目标参数信息分别与P个参考目标参数信息进行匹配，得到与目标参数信息对应的P个控制程度分数。

需要说明地是，目标参数信息可以为上述N维参数信息中的任一维度参数信息，例如，该目标参数信息可以为目标员工的基本信息。此时，上述P个参考目标信息可以对应为该商业银行所拥有的P个客户基本信息。

在实施例中，通过将N维参数信息中的目标参数信息分别与P个参考目标参数信息进行匹配，可以分别计算目标参数信息与P个参考目标参数信息中各参考目标参数信息之间的匹配程度，例如，可以是通过欧式距离、曼哈顿距离等方法计算目标参数信息与P个参考目标参数信息之间的相似度，从而可以生成与目标参数信息对应的P个控制程度分数。

在一些实施方式中，考虑到员工参数信息的复杂性和差异性，为了得到更为准确的控制程度分数，将N维参数信息中的目标参数信息分别与P个参考目标参数信息进行匹配，得到与目标参数信息对应的P个控制程度分数，可以包括：

根据目标参数信息的所属维度，确定与目标参数信息对应的预设控制账户模型；

通过预设控制账户模型，将N维参数信息中的目标参数信息分别与P个参考目标参数信息进行匹配，得到与目标参数信息对应的P个控制程度分数；其中，预设控制账户模型可以为基于P个参考目标参数信息构建。

需要说明，针对上述N维参数信息中的任一维度，均可有其维度下对应的预设控制账户模型。

其中，预设控制账户模型可以为根据P个参考目标参数信息预先构建。

在具体实现时，可以通过判断上述目标参数信息具体为基本信息、或交易信息、或设备信息、或位置信息，来确定该目标参数信息的所属维度。

其中，上述与目标参数信息对应的预设控制账户模型可以为根据P个参考目标参数信息预先构建。作为一示例，在上述目标参数信息为基本信息时，其对应的P个参考目标参数信息为P个客户基本信息，通过所述P个客户基本信息进行特征抽取与量化等数据处理，从而可以实现对上述预设控制账户模型的构建。

在一种实现方式中，通过定期运行上述预设控制账户模型，将N维参数信息中的目标参数信息分别与P个参考目标参数信息进行匹配，从而可以通过该预设控制账户模型输出的P个控制程度分数。需要注意，P个参数目标参数信息与P个控制程度分数之间应为一一对应的关系。

需要说明，上述控制程度分数可以用于表征该目标员工的目标参数信息与某一客户参考目标参数信息的相似程度。例如，在上述目标参数信息为该目标员工的基本信息时，相应地，控制程度分数可以指示该目标员工的基本信息与某一客户基本信息的相似程度。

在S130中，具体实现时，可以根据P个控制程度分数，从包括与P个参考目标参数信息对应的P个账户的目标账户集合中，确定目标员工与目标参数信息对应的控制账户。

例如，可以是分别将P个控制程度分数与预设阈值进行比较，在检测到一控制程度分数高于预设阈值时，可以认为该目标员工的目标参数信息与某一客户参考目标参数信息的相似度较高，此时将该控制程度分数对应的账户识别为上述目标员工与目标参数信息对应的控制账户。

如此，通过对P个控制程度分数分别进行检测判断，可以确定出目标员工与目标参数信息对应的控制账户。考虑到实际情况，上述所确定得到的控制账户的数量可以为至少一个，也可以是为零。

在一些实施方式中，为了对识别出的控制账户进行交易行为监测，以进一步提高员工管理效果，根据P个控制程度分数，确定目标账户集合中，目标员工与目标参数信息对应的控制账户之后，该账户识别方法还可以包括：

获取目标用户的Q个控制账户的账户交易行为特征，Q个控制账户可以包括目标员工分别与N维参数信息中各参数信息对应的控制账户，Q为正整数；

将Q个控制账户的账户交易行为特征分别输入至目标控制账户交易监测模型，得到与Q个控制账户一一对应的Q个监测结果；

在Q个监测结果中存在至少一个监测结果指示账户交易行为特征异常的情况下，输出交易异常告警信息。

具体地，上述Q个控制账户可以是对目标员工N维参数信息中的每一维度都进行了上述的控制账户识别处理后，所得到的多维度下的控制账户。

基于识别出的上述目标用户的Q个控制账户，在具体实施时，可以是通过相应的大数据技术手段获取Q个控制账户分别对应的账户交易行为特征。基于此，将Q个控制账户的账户交易行为特征分别输入至目标控制账户交易监测模型，从而可以得到目标控制账户交易监测模型输出的、与Q个控制账户一一对应的Q个监测结果。

如此，可以通过对上述Q个监测结果分别进行检测，在Q个监测结果中存在至少一个监测结果指示账户交易行为特征异常的情况下，输出交易异常告警信息。例如，上述监测结果可以体现为具体的分数信息，通过分别将Q个监测结果与预设异常分数阈值进行比较，在存在监测结果分数值高于预设异常阈值时，输出交易异常告警信息。

实施例中，交易异常告警信息中可以包括具体的交易异常控制账户信息、交易异常监测结果中的至少一项，交易异常告警信息的输出形式可以包括但不限于短信通知、邮件通知或者语音播报告警等。

需要说明，上述目标控制账户交易监测模型可以是依据经验常识或者实际的交易行为规定来构建，也可以是基于与账户交易活动相关联的数据信息进行构建，本申请对此不做具体限制。

在一些实施方式中，考虑到涉及参数信息的复杂度，为了更准确地对识别出的控制账户进行监测，在将Q个控制账户的账户交易行为特征分别输入至目标控制账户交易监测模型，得到与Q个控制账户一一对应的Q个监测结果之前，该账户识别方法可以包括：

获取目标交易流水数据；

从目标交易流水数据中提取交易特征变量，交易特征变量可以包括基础交易指标、借贷及消费指标、现金交易指标、对公交易指标中的至少一项；

基于交易特征变量，构建目标控制账户交易监测模型。

具体地，上述目标交易流水数据可以是基于大数据技术手段获取。例如，在上述目标员工为商业银行员工时，可以是将商业银行交易流水作为目标交易流水数据。

上述基础交易指标可以包括但不限于交易金额、交易笔数、借贷比以及异常时间交易占比中的至少一项。

上述借贷及消费指标可以包括但不限于信用卡消费金额、第三方消费金额、贷款金额以及年收入中的至少一项。

上述现金交易指标可以包括但不限于存取占比、存取次数、存取金额、大额取现以及异地存入中的至少一项。

上述对公交易指标可以包括但不限于同机构对公交易占比、异地对公交易占比、对公交易金额以及对公交易笔数中的至少一项。

具体实现时，示例性地，可以是以商业银行交易流水作为目标交易流水数据，基于商业银行交易流水数据从中抽取及量化交易特征变量，并根据所提取的交易特征变量构建目标控制账户交易监测模型。该目标控制账户交易监测模型即可用于对控制账户的账户交易行为特征进行有效监测，从而可以降低恶性商业事故的发生几率。

在一些实施方式中，考虑到员工之间的差异性，为了能够建立更为合理准确的控制账户交易检测模型，根据交易特征变量，构建目标控制账户交易监测模型，可以包括：

根据交易特征变量，确定在员工身份属性分组集合中每一分组下的交易特征变量；员工身份属性分组集合可以基于各个员工的身份属性参数划分得到；身份属性参数可以包括员工所属地域、所属机构、员工岗位、员工年龄以及员工薪资水平中的至少一项；

根据每一分组下的交易特征变量，构建每一分组下的控制账户交易监测模型；

其中，目标控制账户交易监测模型可以为每一分组下的任一控制账户交易监测模型。

具体地，通过对上述各个员工的身份属性参数进行合理分组，并确定上述交易特征变量在每一分组下的分布情况。如此，可以根据每一分组下的交易特征变量分别构建与每一分组对应的控制账户交易监测模型。

在一些实施方式中，进一步地，为了能够更为合理准确的对员工控制账户的交易行为进行检测，将Q个控制账户的账户交易行为特征分别输出至目标控制账户交易监测模型，得到与Q个控制账户一一对应的Q个监测结果，还可以包括：

获取目标员工的身份属性参数；

基于目标员工的身份属性参数，在员工身份属性分组集合中确定目标员工的所属分组；

根据目标员工的所属分组，确定与目标员工所属分组对应的目标控制账户交易监测模型；

将Q个控制账户的账户交易行为特征分别输入至与目标员工所属分组对应的目标控制账户交易监测模型，得到与Q个控制账户一一对应的Q个监测结果。

实施例中，在对目标员工的Q个控制账户进行交易行为监测之前，可以先获取目标员工的身份属性参数，并根据该目标员工的身份属性参数对其进行身份属性分组。

如此，在确定该目标员工的所属分组之后，进一步地，可以确定该所属分组下所对应的目标控制账户交易监测模型，再通过确定的目标控制账户交易监测模型对Q个控制账户进行监测，并输出与Q个控制账户分别对应的Q个监测结果。

上述实施例基于员工身份属性参数对控制账户交易监测模型进行分组构建，如此，能够结合员工之间的存在的差异与规律，做到对员工控制账户交易行为更为合理的监测。

在一些实施方式中，为了进一步地对控制账户的交易场景进行监测，该账户识别方法还可以包括：

根据历史异常场景的数据信息，构建控制账户异常场景监测模型；

根据控制账户异常场景监测模型，检测目标用户的Q个控制账户的交易场景是否异常；

在检测到Q个控制账户中存在任一控制账户交易场景异常的情况下，输出交易场景异常告警信息。

需要说明，上述历史异常场景的数据信息的来源渠道可以为但不限于企业机构内部历史数据、相关交易场景规定条目等，本申请在此不做限制。

具体地，可以基于上述历史异常场景的数据信息设计相应的模型规则，从而实现对控制账户异常场景监测模型的构建。

具体实施时，根据上述构建的控制账户异常场景监测模型，对目标用户的Q个控制账户的交易场景是否异常进行检测，在检测到Q个控制账户中存在任一控制账户交易场景异常的情况下，输出交易场景异常告警信息。

示例性地，在该员工为商业银行员工时，上述异常交易场景可以为归集客户资金异常交易场景，具体可以表现为：目标员工的至少一个控制账户收到了多名客户的单向大额转账，且资金流动方向相似；上述异常交易场景也可以为挪用客户资金异常交易场景，具体可以表现为：目标员工收到控制账户转账，且交易前后登录方式相似。

上述异常交易场景还可以是代客操作异常交易场景，具体可以表现为：目标员工的多个控制账户短时间内登录了同一设备。可以理解的是，由于实际交易场景的复杂多样性，因此本申请在此并不对具体的异常交易场景进行限制。

实施例中，交易场异常告警信息中可以包括具体的交易场景异常控制账户信息、异常交易场景信息中的至少一项，交易场景异常告警信息的输出形式可以包括但不限于短信通知、邮件通知或者语音播报告警等。

基于上述实施例提供的账户识别方法，本申请还提供了与上述账户识别方法相对应的一种账户识别装置，下面通过图2对账户识别装置进行详细介绍。

图2示出了本申请又一个实施例提供的账户识别装置的结构示意图。图2示出的账户识别装置200包括：

第一获取模块210，用于获取目标员工的N维参数信息，N维参数信息包括基本信息、交易信息、设备信息、位置信息中的至少一项，N为正整数；

第一匹配模块220，用于将N维参数信息中的目标参数信息分别与P个参考目标参数信息进行匹配，得到与目标参数信息对应的P个控制程度分数，P为正整数；

识别模块230，用于根据P个控制程度分数，确定目标账户集合中，目标员工与目标参数信息对应的控制账户，其中，目标账户集合包括与P个参考目标参数信息一一对应的P个账户。

本申请实施例的账户识别装置，能够通过相应的功能模块获取目标员工的多维度的参数信息，再将任一维度下的参数信息分别与多个参考目标参数信息进行匹配，得到多个控制程度分数。如此，可以根据多个控制程度分数以及目标账户集合，从中识别目标员工与目标参数信息对应的控制账户。本申请提供的一种账户识别方法，能够结合多维度参数信息识别出员工的控制账户，以便后续对员工控制账户的交易行为和交易场景进行监测和告警。如此，能够准确地对员工的不正当行为进行监控，从而可以有效降低恶性商业事件发生概率。

在一些实施方式中，考虑到员工参数信息的复杂性和差异性，为了得到更为准确的控制程度分数，第一匹配模块220，可以具体包括：

第一确定子模块，可以用于根据目标参数信息的所属维度，确定与目标参数信息对应的预设控制账户模型；

第一得到子模块，通过预设控制账户模型，将N维参数信息中的目标参数信息分别与P个参考目标参数信息进行匹配，得到与目标参数信息对应的P个控制程度分数；其中，预设控制账户模型可以基于P个参考目标参数信息构建。

在一些实施方式中，为了对识别出的控制账户进行交易行为监测，以进一步提高员工管理效果，根据P个控制程度分数，确定目标账户集合中，目标员工与目标参数信息对应的控制账户之后，该账户识别装置200，还可以包括：

第二获取模块，可以用于获取目标用户的Q个控制账户的账户交易行为特征，Q个控制账户可以包括目标员工分别与N维参数信息中各参数信息对应的控制账户，Q为正整数；

第一得到模块，可以用于将Q个控制账户的账户交易行为特征分别输入至目标控制账户交易监测模型，得到与Q个控制账户一一对应的Q个监测结果；

第一输出模块，可以用于在Q个监测结果中存在至少一个监测结果指示账户交易行为特征异常的情况下，输出交易异常告警信息。

在一些实施方式中，考虑到涉及参数信息的复杂度，为了更准确地对识别出的控制账户进行监测，在将Q个控制账户的账户交易行为特征分别输入至目标控制账户交易监测模型，得到与Q个控制账户一一对应的Q个监测结果之前，该账户识别装置200可以包括：

第三获取模块，可以用于获取目标交易流水数据；

提取模块，可以用于从目标交易流水数据中提取交易特征变量，交易特征变量可以包括基础交易指标、借贷及消费指标、现金交易指标、对公交易指标中的至少一项；

第一构建模块，可以用于基于交易特征变量，构建目标控制账户交易监测模型。

在一些实施方式中，考虑到员工之间的差异性，为了能够建立更为合理准确的控制账户交易检测模型，第一构建模块，可以包括：

第二确定子模块，可以用于根据交易特征变量，确定在员工身份属性分组集合中每一分组下的交易特征变量；员工身份属性分组集合可以基于各个员工的身份属性参数划分得到；身份属性参数可以包括员工所属地域、所属机构、员工岗位、员工年龄以及员工薪资水平中的至少一项；

构建子模块，可以用于根据每一分组下的交易特征变量，构建每一分组下的控制账户交易监测模型；

其中，目标控制账户交易监测模型可以为每一分组下的任一控制账户交易监测模型。

在一些实施方式中，进一步地，为了能够更为合理准确的对员工控制账户的交易行为进行检测，第一得到模块，还可以具体包括：

获取子模块，可以用于获取目标员工的身份属性参数；

第二确定子模块，可以用于基于目标员工的身份属性参数，在员工身份属性分组集合中确定目标员工的所属分组；

第三确定子模块，可以用于根据目标员工的所属分组，确定与目标员工所属分组对应的目标控制账户交易监测模型；

第二得到子模块，可以用于将Q个控制账户的账户交易行为特征分别输入至与目标员工所属分组对应的目标控制账户交易监测模型，得到与Q个控制账户一一对应的Q个监测结果。

在一些实施方式中，为了进一步地对控制账户的交易场景进行监测，该账户识别装置200，还可以包括：

第二构建模块，可以用于根据历史异常场景的数据信息，构建控制账户异常场景监测模型；

检测模块，可以用于根据控制账户异常场景监测模型，检测目标用户的Q个控制账户的交易场景是否异常；

第二输出模块，可以用于在检测到Q个控制账户中存在任一控制账户交易场景异常的情况下，输出交易场景异常告警信息。

在一些实施方式中，为了有效筛选出目标用户的常用设备信息，以便提高后续数据应用的准确率，设备信息可以包括目标员工的常用设备信息，在获取目标员工的N维参数信息之前，该账户识别方装置200，还可以包括：

第四获取模块，可以用于获取各个员工的电子设备登录痕迹数据；

第一衍生模块，可以用于根据各个员工的电子设备登录痕迹数据，衍生使用频率、使用占比、使用人数中的至少一项特征参数；

第一建立模块，可以用于基于使用频率、使用占比、使用人数中的至少一项特征参数，建立员工常用设备模型；

第一确定模块，可以用于基于员工常用设备模型，根据目标员工的电子设备登录痕迹数据确定目标员工的常用设备信息。

在一些实施方式中，为了有效筛选出目标用户的常用位置信息，以便提高后续数据应用的准确率，位置信息可以包括目标员工的常用位置信息，在获取目标员工的N维参数信息之前，该账户识别装置200，还可以包括：

第二衍生模块，可以用于根据各个员工的电子设备登录痕迹数据，衍生位置登录频率、登录占比、位置登录人数中的至少一项特征参数；

第二建立模块，可以用于基于位置登录频率、登录占比、位置登录人数中的至少一项特征参数，建立员工常用位置模型；

第二确定模块，可以用于根据员工常用位置模型，确定目标员工的常用位置信息。

图3是本申请又一个实施例提供的账户识别设备的结构示意图。

账户识别设备可以包括处理器301以及存储有计算机程序指令的存储器302。

具体地，上述处理器301可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

存储器302可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器302可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器302可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器302可在综合网关容灾设备的内部或外部。在特定实施例中，存储器302是非易失性固态存储器。

存储器可包括只读存储器(ROM)，随机存取存储器(RAM)，磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行参考根据本公开的一方面的方法所描述的操作。

处理器301通过读取并执行存储器302中存储的计算机程序指令，以实现上述实施例中的任意一种账户识别方法。

在一个示例中，数据账户识别设备还可包括通信接口303和总线310。其中，如图3所示，处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。

通信接口303，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。

总线310包括硬件、软件或两者，将账户识别设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线310可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

该账户识别设备执行本申请实施例中的账户识别方法，从而实现图1描述的账户识别方法。

另外，结合上述实施例中的账户识别方法，本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种账户识别方法。

需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。

以上所述，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。

Claims (13)

1.一种账户识别方法，其特征在于，包括：

获取目标员工的N维参数信息，所述N维参数信息包括基本信息、交易信息、设备信息、位置信息中的至少一项，N为正整数；

将所述N维参数信息中的目标参数信息分别与P个参考目标参数信息进行匹配，得到与所述目标参数信息对应的P个控制程度分数，P为正整数；

根据所述P个控制程度分数，确定目标账户集合中，所述目标员工与所述目标参数信息对应的控制账户，其中，所述目标账户集合包括与所述P个参考目标参数信息一一对应的P个账户。

2.根据权利要求1所述的方法，其特征在于，所述将所述N维参数信息中的目标参数信息分别与P个参考目标参数信息进行匹配，得到与所述目标参数信息对应的P个控制程度分数，包括：

根据所述目标参数信息的所属维度，确定与所述目标参数信息对应的预设控制账户模型；

通过所述预设控制账户模型，将所述N维参数信息中的目标参数信息分别与P个参考目标参数信息进行匹配，得到与所述目标参数信息对应的P个控制程度分数；

其中，所述预设控制账户模型基于所述P个参考目标参数信息构建。

3.根据权利要求1所述的方法，其特征在于，所述根据所述P个控制程度分数，确定目标账户集合中，所述目标员工与所述目标参数信息对应的控制账户之后，所述方法还包括：

获取所述目标用户的Q个控制账户的账户交易行为特征，所述Q个控制账户包括所述目标员工分别与所述N维参数信息中各参数信息对应的控制账户，Q为正整数；

将所述Q个控制账户的账户交易行为特征分别输入至目标控制账户交易监测模型，得到与所述Q个控制账户一一对应的Q个监测结果；

在所述Q个监测结果中存在至少一个监测结果指示账户交易行为特征异常的情况下，输出交易异常告警信息。

4.根据权利要求3所述的方法，其特征在于，在所述将所述Q个控制账户的账户交易行为特征分别输入至目标控制账户交易监测模型，得到与所述Q个控制账户一一对应的Q个监测结果之前，包括：

获取目标交易流水数据；

从所述目标交易流水数据中提取交易特征变量，所述交易特征变量包括基础交易指标、借贷及消费指标、现金交易指标、对公交易指标中的至少一项；

基于所述交易特征变量，构建所述目标控制账户交易监测模型。

5.根据权利要求4所述的方法，其特征在于，所述根据所述交易特征变量，构建所述目标控制账户交易监测模型，包括：

根据所述交易特征变量，确定在员工身份属性分组集合中每一分组下的交易特征变量；所述员工身份属性分组集合基于各个员工的身份属性参数划分得到；所述身份属性参数包括员工所属地域、所属机构、员工岗位、员工年龄以及员工薪资水平中的至少一项；

根据所述每一分组下的交易特征变量，构建所述每一分组下的控制账户交易监测模型；

其中，所述目标控制账户交易监测模型为所述每一分组下的任一控制账户交易监测模型。

6.根据权利要求3-5中任一项的所述的方法，其特征在于，所述将所述Q个控制账户的账户交易行为特征分别输出至目标控制账户交易监测模型，得到与所述Q个控制账户一一对应的Q个监测结果，还包括：

获取所述目标员工的身份属性参数；

基于所述目标员工的身份属性参数，在所述员工身份属性分组集合中确定所述目标员工的所属分组；

根据所述目标员工的所属分组，确定与所述目标员工所属分组对应的所述目标控制账户交易监测模型；

将所述Q个控制账户的账户交易行为特征分别输入至与所述目标员工所属分组对应的所述目标控制账户交易监测模型，得到与所述Q个控制账户一一对应的Q个监测结果。

7.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：

根据历史异常场景的数据信息，构建控制账户异常场景监测模型；

根据所述控制账户异常场景监测模型，检测所述目标用户的Q个控制账户的交易场景是否异常；

在检测到所述Q个控制账户中存在任一控制账户交易场景异常的情况下，输出交易场景异常告警信息。

8.根据权利要求1所述的方法，其特征在于，所述设备信息包括所述目标员工的常用设备信息，在所述获取目标员工的N维参数信息之前，所述方法还包括：

获取各个员工的电子设备登录痕迹数据；

根据所述各个员工的电子设备登录痕迹数据，衍生使用频率、使用占比、使用人数中的至少一项特征参数；

基于所述使用频率、使用占比、使用人数中的至少一项特征参数，建立员工常用设备模型；

基于所述员工常用设备模型，根据所述目标员工的电子设备登录痕迹数据确定所述目标员工的常用设备信息。

9.根据权利要求8所述的方法，其特征在于，所述位置信息包括所述目标员工的常用位置信息，在所述获取目标员工的N维参数信息之前，所述方法还包括：

根据所述各个员工的电子设备登录痕迹数据，衍生位置登录频率、登录占比、位置登录人数中的至少一项特征参数；

基于所述位置登录频率、登录占比、位置登录人数中的至少一项特征参数，建立员工常用位置模型；

根据所述员工常用位置模型，确定所述目标员工的常用位置信息。

10.一种账户识别装置，其特征在于，所述装置包括：

第一获取模块，用于获取目标员工的N维参数信息，所述N维参数信息包括基本信息、交易信息、设备信息、位置信息中的至少一项，N为正整数；

第一匹配模块，用于将所述N维参数信息中的目标参数信息分别与P个参考目标参数信息进行匹配，得到与所述目标参数信息对应的P个控制程度分数，P为正整数；

识别模块，用于根据所述P个控制程度分数，确定目标账户集合中，所述目标员工与所述目标参数信息对应的控制账户，其中，所述目标账户集合包括与所述P个参考目标参数信息一一对应的P个账户。

11.一种账户识别设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；

所述处理器执行所述计算机程序指令时实现如权利要求1-9任意一项所述的账户识别方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-9任意一项所述的账户识别方法。

13.一种计算机程序产品，其特征在于，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如权利要求1-9任意一项所述的账户识别方法。

Images