CN115271957A - 基于云计算的金融风险分析评估系统及方法 - Google Patents

Abstract

本发明公开了基于云计算的金融风险分析评估系统及方法，属于金融风险分析评估技术；通过对待交易的行为进行监测评估，同时将对应用户不同维度的数据进行整合来为待交易的行为风险分析提供数据支持；通过将静态方面各个维度的数据进行整合得到画像系数，基于画像系数可以为不同用户的差异化分析提供数据支持，并将待交易的行为数据与历史交易方面各个维度的数据进行整合联立得到交易安全评分，通过对交易安全评分分析评估来对待交易的行为风险进行归类并实施差异化的处理；本发明用于解决现有方案中在个体方面风险自动识别把控不全面，导致金融风险分析评估的整体效果不佳的技术问题。

Description

基于云计算的金融风险分析评估系统及方法

技术领域

本发明涉及金融风险分析评估技术，具体涉及基于云计算的金融风险分析评估系统及方法。

背景技术

金融风险指的是与金融有关的风险，如金融市场风险、金融产品风险、金融机构风险等等。

在现有的技术中，比如公开号为CN109636237A、名称为一种金融风险评估方法及系统的中国发明，公开了通过进行商业价值分析和商业风险分析，从而综合评价对金融风险进行评估，获得金融风险评估数据，无需人工手动记录和分析，金融风险评估效率高，分析面广，金融风险评估效果好；但是，存在的缺陷包括：不能针对用户个体的实时行为数据配合自身不同维度的历史数据进行自动分析和评估，从不同的维度来对金融交易的风险进行整体把控，使得把控的各个方面之间缺乏关联，进而导致金融风险分析评估的整体效果不佳。

发明内容

本发明的目的在于提供基于云计算的金融风险分析评估系统及方法，用于解决现有方案中在个体方面风险自动识别把控不全面，导致金融风险分析评估的整体效果不佳的技术问题。

本发明的目的可以通过以下技术方案实现：

基于云计算的金融风险分析评估系统，包括数据采集模块、分析评估模块和调度控制模块；

数据采集模块：采集用户待交易的行为数据，并根据行为数据对应的行为特征对用户不同维度的监测信息进行统计并一同发送至分析评估模块，监测信息包含用户的画像数据和历史交易数据；

分析评估模块：对用户不同维度的监测信息进行分析评估得到对应的画像特征和历史交易特征，并将画像特征和历史交易特征相整合对用户待交易的行为信息对应的行为特征进行风险评估并生成交易安全评分；其中，进行风险评估的步骤包括：

根据画像数组获取对应的画像系数；

将交易数组中的各个元素分别与历史交易特征中的时段特征数据、金额特征数据和账户特征数据进行匹配；

当交易数组中的交易时间元素和收款账户元素与对应历史交易特征中的数据相吻合时，则将对应的元素标签设置为0；否则，将对应的元素标签设置为1；

当交易数组中的交易金额元素不大于预警元素时，则将对应的元素标签设置为0；否则，将对应的元素标签设置为1；

将获取的元素权重与用户对应的画像系数进行联立获取交易安全评分；

调度控制模块：根据交易安全评分对用户待交易的行为自动放行或者自动拦截，以及短暂拦截并提示管理员介入来实现对不同风险程度的金融交易数据进行控制。

优选地，根据行为数据获取对应的行为特征，包括：

获取行为数据中的交易时间、交易金额和收款账户；

分别提取交易时间、交易金额和收款账户的数值并进行排序，得到交易时间元素、交易金额元素和收款账户元素；

交易时间元素、交易金额元素和收款账户元素按顺序排列构成交易数组。

优选地，对用户不同维度的监测信息进行分析评估得到对应的画像特征，包括：

获取用户监测信息中的画像数据和历史交易数据；

提取画像数据中的用户性别、用户年龄和用户职业；

获取用户性别相关联的性别权重并将其设定为性别元素；

提取用户年龄的数值并将其设定为年龄元素；

设定不同的职业均对应一个不同的职业预设值，将画像数据中的用户职业与所有的职业进行匹配获取对应的职业预设值并将其设定为职业元素；

性别元素、年龄元素和职业元素按顺序排列构成画像数组。

优选地，对用户不同维度的监测信息进行分析评估得到对应的历史交易特征，包括：

获取用户监测信息中的历史交易数据；

提取历史交易数据中的历史交易时段、历史交易金额和历史交易账户；

提取历史交易时段的数值并将其设定为第一验证序列，并根据第一验证标识提取对应的历史交易金额和历史交易账户的数值并分别将其设定为验证元素和第二验证序列；

将若干个验证元素中的最大验证元素设置为预警元素；

若干个第一验证序列、验证元素以及第二验证序列构成时段特征数据、金额特征数据和账户特征数据。

优选地，根据画像数组获取对应的画像系数，包括：

获取画像数组中性别元素、年龄元素和职业元素对应的数值并依次标记为H1、H2和H3；将标记的各项数据通过公式HX＝α×(h1×H1+h2×H2+h3×H3)联立计算得到画像系数HX；式中，α为画像平衡因子，取值范围为(0,3)，h1、h2、h3均为预设的比例因子，且0＜h1＜h2＜h3。

优选地，将获取的元素权重与用户对应的画像系数进行联立获取交易安全评分，包括：

分别将交易时间元素标签、交易金额元素标签和收款账户元素标签标记为B1、B2和B3；将标记的各项数据通过公式AQP＝HX×(b1×B1+b2×B2+b3×B3)联立计算得到交易安全评分AQP；式中，b1、b2、b3分别为交易时间元素标签、交易金额元素标签和收款账户元素标签对应的控制权重。

优选地，各个元素标签对应的控制权重的获取包括：

获取金融大数据中的异常交易数据；

统计异常交易数据中与交易时间元素标签、交易金额元素标签和收款账户元素标签相关联的异常交易所占比例，分别作为各个元素标签对应的控制权重。

优选地，调度控制模块在工作时，根据画像系数获取对应的交易安全范围，并将交易安全评分与交易安全范围进行匹配来获取待交易行为风险所属的类别，以便实施所属类别相对应的自动控制行为。

为了解决问题，本发明还提出了基于云计算的金融风险分析评估方法，包括：

采集用户待交易的行为数据并进行预处理得到包含交易数组的行为特征；

对用户不同维度的监测信息进行统计和预处理，得到包含画像数组的画像特征以及包含时段特征数据、金额特征数据和账户特征数据的历史交易特征；

将画像数组中的各个元素进行联立获取对应的画像系数；

将交易数组中的各个元素分别与历史交易数据对应的历史交易特征中的时段特征数据、金额特征数据和账户特征数据进行匹配获取对应的元素标签，并将其与用户对应的画像系数进行联立获取交易安全评分；

根据交易安全评分对用户待交易的行为自动放行或者自动拦截，以及短暂拦截并提示管理员介入来实现对不同风险程度的金融交易数据进行控制。

相比于现有方案，本发明实现的有益效果：

1、本发明通过对待交易的行为进行监测评估，同时将对应用户不同维度的数据进行整合来为待交易的行为风险分析提供数据支持，通过云计算实现金融大数据的自动化监测分析，可以为后续的不同类型的风控提供可靠全面的数据支持。

2、本发明通过将静态方面各个维度的数据进行整合得到画像系数，基于画像系数可以为不同用户的差异化分析提供数据支持，并将待交易的行为数据与历史交易方面各个维度的数据进行整合联立得到交易安全评分，通过对交易安全评分分析评估来对待交易的行为风险进行归类并实施差异化的处理，以此来提高金融风险分析评估的整体效果。

附图说明

下面结合附图对本发明作进一步的说明。

图1为本发明基于云计算的金融风险分析评估系统的模块框图。

图2为本发明基于云计算的金融风险分析评估方法的流程示意图。

图3为实现本发明实施例的计算机设备的结构示意图。

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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例一

如图1所示，本发明为基于云计算的金融风险分析评估系统，包括数据采集模块、分析评估模块和调度控制模块；

数据采集模块：采集用户待交易的行为数据，并根据行为数据对应的行为特征对用户不同维度的监测信息进行统计并一同发送至分析评估模块，监测信息包含用户的画像数据和历史交易数据；

其中，根据行为数据获取对应的行为特征，具体的步骤包括：

获取行为数据中的交易时间、交易金额和收款账户；交易时间可以精确到分钟；交易金额的单位为万元；

分别提取交易时间、交易金额和收款账户的数值并进行排序，得到交易时间元素、交易金额元素和收款账户元素；

交易时间元素、交易金额元素和收款账户元素按顺序排列构成交易数组，交易数组即为行为数据对应的行为特征；

区别于现有的风控系统自动识别拦截并容易误冻卡非柜的方案，本发明实施例中，通过对待交易的行为数据结合用户不同维度的监测信息来实现风险评估，以便提高金融风险分析评估的整体效果。

分析评估模块：对用户不同维度的监测信息进行分析评估得到对应的画像特征和历史交易特征，并将画像特征和历史交易特征相整合对用户待交易的行为信息对应的行为特征进行风险评估并生成交易安全评分；

其中，对用户不同维度的监测信息进行分析评估得到对应的画像特征，具体的步骤包括：

获取用户监测信息中的画像数据和历史交易数据；

提取画像数据中的用户性别、用户年龄和用户职业；

获取用户性别相关联的性别权重并将其设定为性别元素，可以基于金融诈骗大数据中不同性别的比例来设置具体的性别权重；

提取用户年龄的数值并将其设定为年龄元素；

设定不同的职业均对应一个不同的职业预设值，将画像数据中的用户职业与所有的职业进行匹配获取对应的职业预设值并将其设定为职业元素；这里通过职业预设值来对不同的职业进行数字化、差异化表示，具体的数值可以基于金融诈骗大数据来进行设置，比如被诈骗次数多的或者诈骗金额多的职业，对应的职业预设值越大；

性别元素、年龄元素和职业元素按顺序排列构成画像数组；

本发明实施例中，通过从用户自身的静态方面来进行数据监测和统计，以便可以将静态维度不同方面的数据进行标准化处理和计算联立，并为后续的待交易的安全控制分析提供数据支持，此外，对不同方面的数据进行处理和计算分析都基于云计算实现。

对用户不同维度的监测信息进行分析评估得到对应的历史交易特征，具体的步骤包括：

获取用户监测信息中的历史交易数据；

提取历史交易数据中的历史交易时段、历史交易金额和历史交易账户；同样，历史交易时段精确到分钟，整体为年/月/日/时/分，历史交易金额的单位为万元；

提取历史交易时段的数值并将其设定为第一验证序列，并根据第一验证标识提取对应的历史交易金额和历史交易账户的数值并分别将其设定为验证元素和第二验证序列；

将若干个验证元素中的最大验证元素设置为预警元素；这里对验证元素进行匹配获取预警元素的目的是从金额方面来评估交易存在的风险；

若干个第一验证序列、验证元素以及第二验证序列构成时段特征数据、金额特征数据和账户特征数据；

本发明实施例中，通过从用户的动态交易方面进行数据监测和统计，以便可以针对性的对用户的交易进行独立的风险评估，从历史的交易时段、交易金额和交易账户三个维度进行数据预处理来构建交易评估大数据并获取用户交易的行为习惯，从而提高风险分析评估的准确性。

进行风险评估的步骤包括：

根据画像数组获取对应的画像系数，包括：

获取画像数组中性别元素、年龄元素和职业元素对应的数值并依次标记为H1、H2和H3；将标记的各项数据通过公式HX＝α×(h1×H1+h2×H2+h3×H3)联立计算得到画像系数HX；式中，α为画像平衡因子，取值范围为(0,3)，可以取值为0.9584，h1、h2、h3均为预设的比例因子，且0＜h1＜h2＜h3，公式中的预设比例系数由本领域的技术人员根据实际情况设定或者大量数据模拟获得，比如，h1可以取值为1.383，h2可以取值为2.427，h3可以取值为3.855；

需要说明的是，画像系数是用于将用户静态方面不同的数据进行联立来对其静态方面进行整体描述的数值；不同的比例因子表示对应的数据项的权重不同；各个比例因子对应的数据项的取值越大，计算获取的画像系数则越大；

将交易数组中的各个元素分别与历史交易特征中的时段特征数据、金额特征数据和账户特征数据进行匹配；

当交易数组中的交易时间元素和收款账户元素与对应历史交易特征中的数据相吻合时，则将对应的元素标签设置为0；否则，将对应的元素标签设置为1；

当交易数组中的交易金额元素不大于预警元素时，则将对应的元素标签设置为0；否则，将对应的元素标签设置为1；

将获取的元素权重与用户对应的画像系数进行联立获取交易安全评分；包括：

分别将交易时间元素标签、交易金额元素标签和收款账户元素标签标记为B1、B2和B3；将标记的各项数据通过公式AQP＝HX×(b1×B1+b2×B2+b3×B3)联立计算得到交易安全评分AQP；式中，b1、b2、b3分别为交易时间元素标签、交易金额元素标签和收款账户元素标签对应的控制权重；

此外，各个元素标签对应的控制权重的获取包括：

获取金融大数据中的异常交易数据；异常交易数据是指用户被诈骗时交易各方面的数据；

统计异常交易数据中与交易时间元素标签、交易金额元素标签和收款账户元素标签相关联的异常交易所占比例，分别作为各个元素标签对应的控制权重。

本发明实施例中，通过将用户的历史交易数据以及金融大数据相结合来获取待交易行为对应的交易安全评分，基于交易安全评分来对待交易行为进行整体分析评估以实现自动控制。

调度控制模块：根据交易安全评分对用户待交易的行为自动放行或者自动拦截，以及短暂拦截并提示管理员介入来实现对不同风险程度的金融交易数据进行控制，包括：

根据画像系数获取对应的交易安全范围，并将交易安全评分与交易安全范围进行匹配；

其中，基于画像系数可以为不同用户的差异化分析提供数据支持，相比于现有中基于单一的触发风控条件来冻结账户的方案，本发明实施例可以实现更精准的控制效果；

若交易安全评分＜交易安全范围的最小值，则判定用户待交易的行为安全并自动放行；

若交易安全范围的最小值≤交易安全评分≤交易安全范围的最大值，则判定用户待交易的行为风险不清晰并短暂拦截并提示管理员介入；

若交易安全评分＞交易安全范围的最大值，则判定用户待交易的行为不安全并自动拦截停止交易。

本发明实施例中，通过对交易安全评分分析评估来对待交易的行为风险进行归类并实施差异化的处理，以此来提高金融风险分析评估的整体效果。

上述公式均是去除量纲取其数值计算，是由采集大量数据进行软件模拟得到最接近真实情况的一个公式。

实施例二

如图2所示，基于云计算的金融风险分析评估方法，具体的步骤包括：

采集用户待交易的行为数据并进行预处理得到包含交易数组的行为特征；

对用户不同维度的监测信息进行统计和预处理，得到包含画像数组的画像特征以及包含时段特征数据、金额特征数据和账户特征数据的历史交易特征；

将画像数组中的各个元素进行联立获取对应的画像系数；

将交易数组中的各个元素分别与历史交易数据对应的历史交易特征中的时段特征数据、金额特征数据和账户特征数据进行匹配获取对应的元素标签，并将其与用户对应的画像系数进行联立获取交易安全评分；

根据交易安全评分对用户待交易的行为自动放行或者自动拦截，以及短暂拦截并提示管理员介入来实现对不同风险程度的金融交易数据进行控制。

实施例三

如图3所示，是本发明实施例提供的实现基于云计算的金融风险分析评估系统的计算机设备的结构示意图。

计算机设备可以包括处理器、存储器和总线，还可以包括存储在存储器中并可在处理器上运行的计算机程序，如基于云计算的金融风险分析评估程序。

其中，存储器至少包括一种类型的可读存储介质，可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器在一些实施例中可以是计算机设备的内部存储单元，例如该计算机设备的移动硬盘。存储器在另一些实施例中也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，存储器还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器不仅可以用于存储安装于计算机设备的应用软件及各类数据，例如基于云计算的金融风险分析评估程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

处理器在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器是计算机设备的控制核心(Control Unit)，利用各种接口和线路连接整个计算机设备的各个部件，通过运行或执行存储在存储器内的程序或者模块(例如基于云计算的金融风险分析评估程序等)，以及调用存储在存储器内的数据，以执行计算机设备的各种功能和处理数据。

总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。总线被设置为实现存储器以及至少一个处理器等之间的连接通信。

图3仅示出了具有部件的计算机设备，本领域技术人员可以理解的是，图3示出的结构并不构成对计算机设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，计算机设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与至少一个处理器逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。计算机设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

计算机设备还可以包括网络接口，可选地，网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该计算机设备与其他计算机设备之间建立通信连接。

该计算机设备还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在计算机设备中处理的信息以及用于显示可视化的用户界面。

应该了解，实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

计算机设备中的存储器存储的基于云计算的金融风险分析评估程序是多个指令的组合。

处理器对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述，在此不赘述。

计算机设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。

本发明还提供一种计算机可读存储介质，可读存储介质存储有计算机程序，计算机程序在被计算机设备的处理器所执行。

在本发明所提供的几个实施例中，应该理解到，所揭露的方法或者系统，可以通过其它的方式实现。例如，以上所描述的发明实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (9)

1.基于云计算的金融风险分析评估系统，其特征在于，包括数据采集模块、分析评估模块和调度控制模块；

数据采集模块：采集用户待交易的行为数据，并根据行为数据对应的行为特征对用户不同维度的监测信息进行统计并一同发送至分析评估模块，监测信息包含用户的画像数据和历史交易数据；

分析评估模块：对用户不同维度的监测信息进行分析评估得到对应的画像特征和历史交易特征，并将画像特征和历史交易特征相整合对用户待交易的行为信息对应的行为特征进行风险评估并生成交易安全评分；其中，进行风险评估的步骤包括：

根据画像数组获取对应的画像系数；

将交易数组中的各个元素分别与历史交易特征中的时段特征数据、金额特征数据和账户特征数据进行匹配；

当交易数组中的交易时间元素和收款账户元素与对应历史交易特征中的数据相吻合时，则将对应的元素标签设置为0；否则，将对应的元素标签设置为1；

当交易数组中的交易金额元素不大于预警元素时，则将对应的元素标签设置为0；否则，将对应的元素标签设置为1；

将获取的元素权重与用户对应的画像系数进行联立获取交易安全评分；

调度控制模块：根据交易安全评分对用户待交易的行为自动放行或者自动拦截，以及短暂拦截并提示管理员介入来实现对不同风险程度的金融交易数据进行控制。

2.根据权利要求1的基于云计算的金融风险分析评估系统，其特征在于，根据行为数据获取对应的行为特征，包括：

获取行为数据中的交易时间、交易金额和收款账户；

分别提取交易时间、交易金额和收款账户的数值并进行排序，得到交易时间元素、交易金额元素和收款账户元素；

交易时间元素、交易金额元素和收款账户元素按顺序排列构成交易数组。

3.根据权利要求1的基于云计算的金融风险分析评估系统，其特征在于，对用户不同维度的监测信息进行分析评估得到对应的画像特征，包括：

获取用户监测信息中的画像数据和历史交易数据；

提取画像数据中的用户性别、用户年龄和用户职业；

获取用户性别相关联的性别权重并将其设定为性别元素；

提取用户年龄的数值并将其设定为年龄元素；

设定不同的职业均对应一个不同的职业预设值，将画像数据中的用户职业与所有的职业进行匹配获取对应的职业预设值并将其设定为职业元素；

性别元素、年龄元素和职业元素按顺序排列构成画像数组。

4.根据权利要求3的基于云计算的金融风险分析评估系统，其特征在于，对用户不同维度的监测信息进行分析评估得到对应的历史交易特征，包括：

获取用户监测信息中的历史交易数据；

提取历史交易数据中的历史交易时段、历史交易金额和历史交易账户；

提取历史交易时段的数值并将其设定为第一验证序列，并根据第一验证标识提取对应的历史交易金额和历史交易账户的数值并分别将其设定为验证元素和第二验证序列；

将若干个验证元素中的最大验证元素设置为预警元素；

若干个第一验证序列、验证元素以及第二验证序列构成时段特征数据、金额特征数据和账户特征数据。

5.根据权利要求4的基于云计算的金融风险分析评估系统，其特征在于，根据画像数组获取对应的画像系数，包括：

获取画像数组中性别元素、年龄元素和职业元素对应的数值并依次标记为H1、H2和H3；将标记的各项数据通过公式HX＝α×(h1×H1+h2×H2+h3×H3)联立计算得到画像系数HX；式中，α为画像平衡因子，取值范围为(0,3)，h1、h2、h3均为预设的比例因子，且0＜h1＜h2＜h3。

6.根据权利要求5的基于云计算的金融风险分析评估系统，其特征在于，将获取的元素权重与用户对应的画像系数进行联立获取交易安全评分，包括：

分别将交易时间元素标签、交易金额元素标签和收款账户元素标签标记为B1、B2和B3；将标记的各项数据通过公式AQP＝HX×(b1×B1+b2×B2+b3×B3)联立计算得到交易安全评分AQP；式中，b1、b2、b3分别为交易时间元素标签、交易金额元素标签和收款账户元素标签对应的控制权重。

7.根据权利要求1的基于云计算的金融风险分析评估系统，其特征在于，各个元素标签对应的控制权重的获取包括：

获取金融大数据中的异常交易数据；

统计异常交易数据中与交易时间元素标签、交易金额元素标签和收款账户元素标签相关联的异常交易所占比例，分别作为各个元素标签对应的控制权重。

8.根据权利要求1的基于云计算的金融风险分析评估系统，其特征在于，调度控制模块在工作时，根据画像系数获取对应的交易安全范围，并将交易安全评分与交易安全范围进行匹配来获取待交易行为风险所属的类别，以便实施所属类别相对应的自动控制行为。

9.基于云计算的金融风险分析评估方法，其特征在于，包括：

采集用户待交易的行为数据并进行预处理得到包含交易数组的行为特征；

对用户不同维度的监测信息进行统计和预处理，得到包含画像数组的画像特征以及包含时段特征数据、金额特征数据和账户特征数据的历史交易特征；

将画像数组中的各个元素进行联立获取对应的画像系数；

将交易数组中的各个元素分别与历史交易数据对应的历史交易特征中的时段特征数据、金额特征数据和账户特征数据进行匹配获取对应的元素标签，并将其与用户对应的画像系数进行联立获取交易安全评分；

根据交易安全评分对用户待交易的行为自动放行或者自动拦截，以及短暂拦截并提示管理员介入来实现对不同风险程度的金融交易数据进行控制。

Images