CN115905427A - 资金流向异常识别方法、装置、设备及计算机存储介质 - Google Patents
资金流向异常识别方法、装置、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN115905427A CN115905427A CN202211637477.1A CN202211637477A CN115905427A CN 115905427 A CN115905427 A CN 115905427A CN 202211637477 A CN202211637477 A CN 202211637477A CN 115905427 A CN115905427 A CN 115905427A
- Authority
- CN
- China
- Prior art keywords
- fund
- flow direction
- fund flow
- data
- map
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种资金流向异常识别方法、装置、设备及计算机存储介质,通过获取多个资金数据,再根据多个资金数据中的多个实体对象以及资金流向关系,构建得到资金流向关系图谱。识别资金流向关系图谱,得到第一识别结果,第一识别结果用于指示资金流向关系图谱中是否存在异常资金流向。如此,通过识别由多个资金数据构成的资金流向关系图谱,确定是否存在异常资金流向,能够减少对关系数据的大量关联计算,提高对资金流向的管控效率。
Description
技术领域
本申请属于资金监管领域,尤其涉及一种资金流向异常识别方法、装置、设备及计算机存储介质。
背景技术
工程建设资金监管是工程项目管理中的重要环节,能够预防施工单位对建设资金的恶意转移,建立对拨付给工程建设施工单位的资金及其使用方向、使用效率的资金监管约束机制。有利于保证工程建设资金的专款专用,确保工程资金不被挪作他用,从资金角度保障工程建设的顺利推进。
现有的资金监管方法主要通过建立资金监管报表,并通过人工对资金流向进行审核、分析和监控,施工单位以报表的形式上报工程资金预算和资金实际使用情况,且资金数据存储在关系型数据库中,需要通过传统的关系数据库对应的关联查询的方式进行资金流向追踪,并通过对关系数据的大量关联计算来进行异常资金流向的识别,导致对资金流向的管控效率较低。
发明内容
本申请实施例提供一种资金流向异常识别方法、装置、设备及计算机存储介质,能够提高对资金流向的管控效率。
第一方面,本申请实施例提供一种资金流向异常识别方法,该方法可以包括:
获取多个资金数据,各资金数据包括实体对象信息和资金流向信息,实体对象信息用于指示多个实体对象,资金流向信息用于指示资金在多个实体对象之间的流动方向和金额;
根据多个资金数据中的多个实体对象以及资金流向关系,构建得到资金流向关系图谱;
识别资金流向关系图谱,得到第一识别结果,第一识别结果用于指示资金流向关系图谱中是否存在异常资金流向。
在其中一个实施例中,上述涉及到的识别资金流向关系图谱,得到第一识别结果,包括:
识别资金流向关系图谱中的资金流动闭环,得到第二识别结果,资金流动闭环包括至少两个实体对象以及闭环流动资金,闭环流动资金在至少两个实体对象中流动,第二识别结果用于指示资金流向关系图谱中是否存在资金流动闭环;
在第二识别结果指示资金流向关系图谱中存在资金流动闭环的情况下,确定资金流向关系图谱中存在异常资金流向;
在第二识别结果指示资金流向关系图谱中不存在资金流动闭环的情况下,确定资金流向关系图谱中不存在异常资金流向。
在其中一个实施例中,上述涉及到的识别资金流向关系图谱中的资金流动闭环,得到第二识别结果,包括:
通过Tarjan算法识别资金流向关系图谱中的资金流动闭环,得到第二识别结果。
在其中一个实施例中,上述涉及到的在第二识别结果指示资金流向关系图谱中存在资金流动闭环的情况下,确定资金流向关系图谱中存在异常资金流向,包括:
在第二识别结果指示资金流向关系图谱中存在资金流动闭环的情况下,获取资金流动闭环的数量;
根据资金流动闭环的数量,确定资金流向关系图谱中存在异常资金流向的风险等级。
在其中一个实施例中,上述涉及到的根据多个资金数据中的多个实体对象以及资金流向关系,构建得到资金流向关系图谱,包括:
从多个资金数据中,提取出各资金数据对应的实体对象以及实体对象之间的资金流向关系;
对各资金数据对应的实体对象、实体对象之间的资金流向关系以及各资金数据对应的属性进行整合,构建得到资金流向关系图谱。
在其中一个实施例中,上述涉及到的获取多个资金数据之前,还包括:
在获取到多个项目支付数据的情况下,对多个项目支付数据执行预处理操作,得到多个资金数据,预处理操作包括数据标准化操作和数据清洗操作,数据标准化操作包括将项目支付数据的数据编码转码为预设编码以及将项目支付数据的数据格式转化为预设格式,数据清洗操作包括数据缺失值处理、数据异常值处理和数据重复值处理。
在其中一个实施例中,上述涉及到的对多个项目支付数据执行预处理操作,得到多个资金数据之后,还包括:
对多个资金数据进行结构化存储。
第二方面,本申请实施例提供一种资金流向异常识别装置,装置包括:
获取模块,用于获取多个资金数据,各资金数据包括实体对象信息和资金流向信息,实体对象信息用于指示多个实体对象,资金流向信息用于指示资金在多个实体对象之间的流动方向和金额;
构建模块,用于根据多个资金数据中的多个实体对象以及资金流向关系,构建得到资金流向关系图谱;
识别模块,用于识别资金流向关系图谱,得到第一识别结果,第一识别结果用于指示资金流向关系图谱中是否存在异常资金流向。
第三方面,本申请实施例提供了一种电子设备,设备包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,处理器被配置为执行指令,以实现如第一方面的任一项实施例中所示的资金流向异常识别方法。
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计算机程序,计算机程序被处理器执行时实现如第一方面的任一项实施例中所示的资金流向异常识别方法。
第五方面,本申请实施例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,该计算机程序存储在可读存储介质中,设备的至少一个处理器从存储介质读取并执行计算机程序,使得设备执行第一方面的任一项实施例中所示的资金流向异常识别方法。
本申请实施例提供了一种资金流向异常识别方法、装置、设备及计算机存储介质,相较于现有技术,本申请具有以下有益效果:
本申请实施例提供的一种资金流向异常识别方法、装置、设备及计算机存储介质,通过获取多个资金数据,再根据多个资金数据中的多个实体对象以及资金流向关系,构建得到资金流向关系图谱。识别资金流向关系图谱,得到第一识别结果,第一识别结果用于指示资金流向关系图谱中是否存在异常资金流向。
如此,通过识别由多个资金数据构成的资金流向关系图谱,确定是否存在异常资金流向,能够减少对关系数据的大量关联计算,提高对资金流向的管控效率。
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是本申请实施例提供的一种资金流向异常识别方法的流程示意图;
图2是本申请实施例提供的另一种资金流向异常识别方法的流程示意图;
图3是本申请实施例提供的一种资金流动闭环的示意图;
图4是本申请实施例提供的再一种资金流向异常识别方法的流程示意图;
图5是本申请实施例提供的再一种资金流向异常识别方法的流程示意图;
图6是本申请实施例提供的一种资金流向异常识别装置的结构示意图;
图7是本申请实施例提供的一种电子设备的结构示意图。
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,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。
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,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
工程建设资金监管是工程项目管理的一个关键环节,从有利于工程建设的需求出发,预防施工单位对资金的的恶意转移,建立对拨付给工程建设施工单位的资金及其使用方向、使用效率的资金监管约束机制。有利于提高工程资金的使用效率,保证工程建设资金的专款专用,从根本上保证工程资金不被挪作他用,从资金角度保障工程建设的顺利推进。
基于背景技术部分可知,现有的资金流向异常识别方法主要通过建立资金监管报表,人工进行资金的审核、分析和监控。施工单位以报表的形式上报工程资金预算和实际资金使用情况。数据主要存储在关系型数据库中,使用传统的关系数据库中关联查询的方法进行资金流向追踪。
传统工程建设资金监管的方式主要包括:
1.首先获取工程项目的资金信息、当前进度信息以及与进度匹配的工程建设阶段信息。工程建设资金信息主要包括合同金额、概算投资、下达预算、项目状态、资金拨付流水、累计拨付等。当前进度信息包括当前的施工进展等,与其对应的工程建设阶段分为:招投标阶段、施工阶段、竣工阶段和验收阶段。
2.对数据进行加工、处理和结构化存储。对获取的工程项目建设进展和资金拨付信息进行数据处理,清洗异常数据,结构化存储关系数据库中,建立数据库表中各数据项之间的关联。例如建立工程建设进展和资金拨付之间的关联,工程建设项目和建设标段之间的关联等。
3.利用人工经验,建立关联规则,进行异常资金流向的识别。业务人员通过查看工程建设资金流水的记录,利用人工经验建立人工规则和模型,通过对关系数据的大量关联计算进行异常流向的识别。而一套异常资金流水识别系统通常需要部署几十条甚至数百条规则,几个甚至几十个模型,这些模型的落地和部署也会带来巨大的工作量。
传统的工程建设资金监管中资金流向分析是通过关系数据库的SQL加工规则来描述账户间的资金往来情况,加工流程漫长,加工逻辑复杂,而且加工出来的规则无法精准刻画资金往来的特点,并且存在一系列的问题,1)开发效率低,尤其是识别复杂资金往来关系的规则实现相当复杂;2精准度低,SQL规则细粒度不足,账户的资金流向关系无法精准识别;3)识别不全,由于资金流向的不确定性,无法完整刻画账户的多层资金流向。
传统的关系型数据库以表格的方式储存和展现数据。当资金流水数据量巨大的时候,使用传统的查询方法耗时耗力,成为了许多单位开展资金追踪的障碍。相比基于关系型数据库的查询,基于图数据查询的条件设置简单,无论从关联图结构还是业务逻辑上,都有较强的可解释性。另外基于关系型数据库的资金链路追踪分析难以解决数据不足的问题。而利用图分析技术,即使是在数据量不足的情况下,我们也能将业务人员的经验总结为更多的规则,编写多种查询,使查询输出的结果具有更高的覆盖度,有利于业务人员进行资金的追踪和监控。
为了解决现有技术中存在的问题,本申请实施例提供了一种资金流向异常识别方法、装置、设备及计算机存储介质,通过获取多个资金数据,再根据多个资金数据中的多个实体对象以及资金流向关系,构建得到资金流向关系图谱。识别资金流向关系图谱,得到第一识别结果,第一识别结果用于指示资金流向关系图谱中是否存在异常资金流向。
如此,通过识别由多个资金数据构成的资金流向关系图谱,确定是否存在异常资金流向,能够减少对关系数据的大量关联计算,提高对资金流向的管控效率。
下面首先对本申请实施例所提供的资金流向异常识别方法进行介绍。
如图1所示,本申请实施例提供的资金流向异常识别方法,包括以下步骤:
S101:获取多个资金数据,各资金数据包括实体对象信息和资金流向信息,实体对象信息用于指示多个实体对象,资金流向信息用于指示资金在多个实体对象之间的流动方向和金额;
S102:根据多个资金数据中的多个实体对象以及资金流向关系,构建得到资金流向关系图谱;
S103:识别资金流向关系图谱,得到第一识别结果,第一识别结果用于指示资金流向关系图谱中是否存在异常资金流向。
本申请实施例提供了一种资金流向异常识别方法,通过获取多个资金数据,再根据多个资金数据中的多个实体对象以及资金流向关系,构建得到资金流向关系图谱。识别资金流向关系图谱,得到第一识别结果,第一识别结果用于指示资金流向关系图谱中是否存在异常资金流向。
如此,通过识别由多个资金数据构成的资金流向关系图谱,确定是否存在异常资金流向,能够减少对关系数据的大量关联计算,提高对资金流向的管控效率。
在S101中,在一个实施例中,按照工程项目的产生、实施、验收及其相应资金拨付、支付流程,从项目立项阶段开始采集项目信息。多个资金数据可以包括项目的批复概算、下达概算、资金拨付、工程款支付、监管账户信息、竣工结算款支付等数据。实体对象信息可以用于指示实体对象,在一个具体的实施例中,实体对象可以包括工程建设单位、施工单位和材料供应商,资金流向信息可以指示资金在不同实体对象之间的流动关系、连接关系或支付关系。
在S102中,根据多个资金数据中的多个实体对象以及不同实体对象之间的资金流向关系,将多个实体对象之间的资金流向关系相互连接,构建出网状的资金流向关系图谱,以表示工程建设领域资金往来中复杂的关联逻辑。
下面以一个具体的实施例对资金流向关系图谱的构建过程进行介绍:
第一步、数据采集。数据采集包括采集结构化数据、半结构化数据以及非结构化数据。
第二步、信息抽取。信息抽取包括账户唯一标识抽取、施工单位唯一标识抽取、供应商唯一标识抽取、账户资金余额抽取、资金流动金额抽取以及账户间资金流动关系抽取。
第三步、知识融合。知识融合包括确定主表主键、实体链接以及实体消歧。
第四步、图谱加工,图谱加工包括资金流向图谱本体构建以及图谱质量评估。
第五步、生成工程建设资金流向知识图谱。
在S103中,通过识别资金流向关系图谱中的资金交易闭环,确定资金流向关系图谱中是否存在异常资金流向。在一个示例中,通过图分析方法中的强连通分量发现算法,对资金交易闭环进行识别。举例说明,通过挖掘工程建领域设资金支付流水的交易闭环,找出资金从某一账户转出,与其他账户交易后又转入原始账户的交易闭环。
为了提高对资金流向的管控效率,如图2所示,S103可以包括:
S1031:识别资金流向关系图谱中的资金流动闭环,得到第二识别结果,资金流动闭环包括至少两个实体对象以及闭环流动资金,闭环流动资金在至少两个实体对象中流动,第二识别结果用于指示资金流向关系图谱中是否存在资金流动闭环;
S1032:在第二识别结果指示资金流向关系图谱中存在资金流动闭环的情况下,确定资金流向关系图谱中存在异常资金流向;
S1033:在第二识别结果指示资金流向关系图谱中不存在资金流动闭环的情况下,确定资金流向关系图谱中不存在异常资金流向。
通过识别资金流向关系图谱中的资金流动闭环,得到第二识别结果,再基于第二识别结果,确定资金流向关系图谱中是否存在异常资金流向,能够提高对资金流向的管控效率。
在S1031中,在一个示例中,第二识别结果还可以用于知识资金流向关系图谱中存在资金流动闭环的数量。在一个具体的实施例中,可以通过Tarjan算法识别资金流向关系图谱中的资金流动闭环,得到第二识别结果。由于资金流向关系图谱是有向图,采用Tarjan算法识别资金流向关系图谱中的强连通图,即图中的任意两个顶点可以相互通达,从而识别出资金流动闭环。
Tarjan算法是基于对图深度优先搜索的算法,每个强连通分量为搜索树中的一棵子树。搜索时,把当前搜索树中未处理的节点加入一个堆栈,回溯时可以判断栈顶到栈中的节点是否为一个强连通分量。
具体算法定义包括:DFN(u)为节点u搜索的次序编号(时间戳);LOW(u)为u或u的子树能够追溯到的最早的栈中节点的次序号;由定义可以得出,当DFN(u)=LOW(u)时,以u为根的搜索子树上所有节点是一个强连通分量。
具体算法过程包括:
1.当首次搜索到点u时DFN[u]=LOW[u]=time;
2.每当搜索到一个点,把该点压入栈顶;
3.当u和v有边相连时:
a)如果v不在栈中(树枝边),DFS(v),并且LOW[u]=min{LOW(u),LOW(v)};
b)如果v在栈中(前向边/后向边),此时LOW[u]=min{LOW[u],DFN[v]}
4.当DFN[u]=LOW[u]时,将它以及在它之上的元素弹出栈,此时,弹出栈的结点构成一个强连通分量;
5.继续搜索,直到图被遍历完毕。
6.该节点往上的所有节点构成的强联通分量。
如图3所示,基于Tarjan算法挖掘强联通分量,可以发现资金从账户V1转出,经过账户V2、V3、V5路径,以及账户V2、V3、V4、V5路径,回流至账户A1,形成了两条资金闭环。
在S1032中,在第二识别结果指示资金流向关系图谱中存在资金流动闭环的情况下,确定资金流向关系图谱中存在异常资金流向,举例说明,当S1031中识别得到资金流向关系图谱中存在两条异常资金流向时,确定资金流向关系图谱中存在异常资金流向,识别出存在虚假资金支付等风险的行为。
在一个示例中,在第二识别结果指示资金流向关系图谱中存在资金流动闭环的情况下,确定资金流向关系图谱中存在异常资金流向,还可以包括:在第二识别结果指示资金流向关系图谱中存在资金流动闭环的情况下,获取资金流动闭环的数量;根据资金流动闭环的数量,确定资金流向关系图谱中存在异常资金流向的风险等级。在一个示例中,资金流动闭环的数量越多,可以确定资金流向关系图谱中存在异常资金流向的风险等级越高。
在S1033中,在第二识别结果指示资金流向关系图谱中不存在资金流动闭环的情况下,确定资金流向关系图谱中不存在异常资金流向。
为了提高构建资金流向关系图谱的准确性,如图4所示,S102可以包括:
S1021:从多个资金数据中,提取出各资金数据对应的实体对象以及实体对象之间的资金流向关系;
S1022:对各资金数据对应的实体对象、实体对象之间的资金流向关系以及各资金数据对应的属性进行整合,构建得到资金流向关系图谱。
通过对各资金数据对应的实体对象、实体对象之间的资金流向关系以及各资金数据对应的属性进行整合,能够提高构建资金流向关系图谱的准确性。
在S1022中,在一个具体的实施例中,首先确定工程建设领域中的实体对象类型,以及实体对象之间的资金流向关系,再根据框架中定义好的实体对象类型以及关系类型,从多源异构的资金数据中提取出对应的实体对象,再将实体对象、资金流向关系以及资金数据属性以三元组的形式存储至图数据库中,以形成资金流向关系图谱。
为了进一步提高资金数据的准确性,如图5所示,S101之前还可以包括:
S501:在获取到多个项目支付数据的情况下,对多个项目支付数据执行预处理操作,得到多个资金数据,预处理操作包括数据标准化操作和数据清洗操作,数据标准化操作包括将项目支付数据的数据编码转码为预设编码以及将项目支付数据的数据格式转化为预设格式,数据清洗操作包括数据缺失值处理、数据异常值处理和数据重复值处理。
通过对多个项目支付数据执行预处理操作,得到多个资金数据,能够进一步提高资金数据的准确性。
在S501中,在一个具体的实施例中,在获取到目的批复概算、下达概算、资金拨付、工程款支付、监管账户信息、竣工结算款支付等项目支付数据的情况下,对多个项目支付数据执行预处理操作,得到多个资金数据。其中数据标准化处理可以包括将项目支付数据的数据编码转码为预设编码以及将项目支付数据的数据格式转化为预设格式,预设编码和预设格式可以根据实际需求进行设置,举例说明,预设编码可以是utf8编码,以及预设格式可以是json格式。
在一个示例中,对多个项目支付数据执行预处理操作,得到多个资金数据之后,还可以包括:对多个资金数据进行结构化存储。在一个示例中,将结构化数据、非结构化数据以及半结构化数据进行结构化存储后,得到的数据都为结构化数据。
基于上述实施例提供的一种资金流向异常识别方法,相应地,如图6所示,本申请实施例提供一种资金流向异常识别装置600,该装置可以包括:
获取模块601,用于获取多个资金数据,各资金数据包括实体对象信息和资金流向信息,实体对象信息用于指示多个实体对象,资金流向信息用于指示资金在多个实体对象之间的流动方向和金额;
构建模块602,用于根据多个资金数据中的多个实体对象以及资金流向关系,构建得到资金流向关系图谱;
识别模块603,用于识别资金流向关系图谱,得到第一识别结果,第一识别结果用于指示资金流向关系图谱中是否存在异常资金流向。
本申请公开了一种资金流向异常识别装置600,通过获取模块601获取多个资金数据,构建模块602再根据多个资金数据中的多个实体对象以及资金流向关系,构建得到资金流向关系图谱。识别模块603识别资金流向关系图谱,得到第一识别结果,第一识别结果用于指示资金流向关系图谱中是否存在异常资金流向。如此,通过识别由多个资金数据构成的资金流向关系图谱,确定是否存在异常资金流向,能够减少对关系数据的大量关联计算,提高对资金流向的管控效率。
在一个实施例中,识别模块包括:
第一识别单元,用于识别资金流向关系图谱中的资金流动闭环,得到第二识别结果,资金流动闭环包括至少两个实体对象以及闭环流动资金,闭环流动资金在至少两个实体对象中流动,第二识别结果用于指示资金流向关系图谱中是否存在资金流动闭环;
第二识别单元,用于在第二识别结果指示资金流向关系图谱中存在资金流动闭环的情况下,确定资金流向关系图谱中存在异常资金流向;
第三识别单元,用于在第二识别结果指示资金流向关系图谱中不存在资金流动闭环的情况下,确定资金流向关系图谱中不存在异常资金流向。
在一个实施例中,第一识别单元具体用于:
通过Tarjan算法识别资金流向关系图谱中的资金流动闭环,得到第二识别结果。
在一个实施例中,第二识别单元具体用于:
在第二识别结果指示资金流向关系图谱中存在资金流动闭环的情况下,获取资金流动闭环的数量;
根据资金流动闭环的数量,确定资金流向关系图谱中存在异常资金流向的风险等级。
在一个实施例中,构建模块具体用于:
从多个资金数据中,提取出各资金数据对应的实体对象以及实体对象之间的资金流向关系;
对各资金数据对应的实体对象、实体对象之间的资金流向关系以及各资金数据对应的属性进行整合,构建得到资金流向关系图谱。
在一个实施例中,资金流向异常识别装置还包括:
预处理模块,用于在获取到多个项目支付数据的情况下,对多个项目支付数据执行预处理操作,得到多个资金数据,预处理操作包括数据标准化操作和数据清洗操作,数据标准化操作包括将项目支付数据的数据编码转码为预设编码以及将项目支付数据的数据格式转化为预设格式,数据清洗操作包括数据缺失值处理、数据异常值处理和数据重复值处理。
在一个实施例中,资金流向异常识别装置还包括:
存储模块,用于对所述多个资金数据进行结构化存储。
基于上述实施例提供的资金流向异常识别方法和装置,本申请实施例还提供一种电子设备700,如图7所示:
包括处理器701,存储器702,存储在存储器702上并可在处理器701上运行的计算机程序,该计算机程序被处理器701执行时实现上述资金流向异常识别方法实施例的各个过程,且能达到相同的技术效果。
具体地,上述处理器701可以包括中央处理器(CPU),或者特定集成电路(ASIC,Application Specific Integrated Circuit),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702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702可包括硬盘驱动器(HDD,Hard Disk Drive)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(USB,Universal Serial Bus)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702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702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702是非易失性固态存储器。
在特定实施例中,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申请的一方面的方法所描述的操作。
处理器701通过读取并执行存储器702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资金流向异常识别方法。
在一个示例中,电子设备还可包括通信接口703和总线710。作为一种示例,如图7所示,处理器701、存储器702、通信接口703通过总线710连接并完成相互间的通信。
通信接口703,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710包括硬件、软件或两者,将在线数据流量计费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710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。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述资金流向异常识别方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,的计算机可读存储介质,如只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等。
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。
上面参考根据本申请的实施例的方法、装置和计算机程序产品的流程图和/或框图描述了本申请的各方面。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,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 (11)
1.一种资金流向异常识别方法,其特征在于,包括:
获取多个资金数据,各所述资金数据包括实体对象信息和资金流向信息,所述实体对象信息用于指示多个实体对象,所述资金流向信息用于指示资金在所述多个实体对象之间的流动方向和金额;
根据所述多个资金数据中的多个实体对象以及资金流向关系,构建得到资金流向关系图谱;
识别所述资金流向关系图谱,得到第一识别结果,所述第一识别结果用于指示所述资金流向关系图谱中是否存在异常资金流向。
2.根据权利要求1所述的方法,其特征在于,所述识别所述资金流向关系图谱,得到第一识别结果,包括:
识别所述资金流向关系图谱中的资金流动闭环,得到第二识别结果,所述资金流动闭环包括至少两个实体对象以及闭环流动资金,所述闭环流动资金在所述至少两个实体对象中流动,所述第二识别结果用于指示所述资金流向关系图谱中是否存在资金流动闭环;
在所述第二识别结果指示所述资金流向关系图谱中存在资金流动闭环的情况下,确定所述资金流向关系图谱中存在异常资金流向;
在所述第二识别结果指示所述资金流向关系图谱中不存在资金流动闭环的情况下,确定所述资金流向关系图谱中不存在异常资金流向。
3.根据权利要求2所述的方法,其特征在于,所述识别所述资金流向关系图谱中的资金流动闭环,得到第二识别结果,包括:
通过Tarjan算法识别所述资金流向关系图谱中的资金流动闭环,得到第二识别结果。
4.根据权利要求2所述的方法,其特征在于,所述在所述第二识别结果指示所述资金流向关系图谱中存在资金流动闭环的情况下,确定所述资金流向关系图谱中存在异常资金流向,包括:
在所述第二识别结果指示所述资金流向关系图谱中存在资金流动闭环的情况下,获取所述资金流动闭环的数量;
根据所述资金流动闭环的数量,确定所述资金流向关系图谱中存在异常资金流向的风险等级。
5.根据权利要求1所述的方法,其特征在于,所述根据所述多个资金数据中的多个实体对象以及资金流向关系,构建得到资金流向关系图谱,包括:
从所述多个资金数据中,提取出各所述资金数据对应的实体对象以及所述实体对象之间的资金流向关系;
对所述各所述资金数据对应的实体对象、所述实体对象之间的资金流向关系以及各所述资金数据对应的属性进行整合,构建得到所述资金流向关系图谱。
6.根据权利要求1所述的方法,其特征在于,所述获取多个资金数据之前,还包括:
在获取到多个项目支付数据的情况下,对所述多个项目支付数据执行预处理操作,得到多个所述资金数据,所述预处理操作包括数据标准化操作和数据清洗操作,所述数据标准化操作包括将所述项目支付数据的数据编码转码为预设编码以及将所述项目支付数据的数据格式转化为预设格式,所述数据清洗操作包括数据缺失值处理、数据异常值处理和数据重复值处理。
7.根据权利要求6所述的方法,其特征在于,所述对所述多个项目支付数据执行预处理操作,得到多个所述资金数据之后,还包括:
对所述多个资金数据进行结构化存储。
8.一种资金流向异常识别装置,其特征在于,所述装置包括:
获取模块,用于获取多个资金数据,各所述资金数据包括实体对象信息和资金流向信息,所述实体对象信息用于指示多个实体对象,所述资金流向信息用于指示资金在所述多个实体对象之间的流动方向和金额;
构建模块,用于根据所述多个资金数据中的多个实体对象以及资金流向关系,构建得到资金流向关系图谱;
识别模块,用于识别所述资金流向关系图谱,得到第一识别结果,所述第一识别结果用于指示所述资金流向关系图谱中是否存在异常资金流向。
9.一种电子设备,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1-7任意一项所述的资金流向异常识别方法。
10.一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1-7任意一项所述的资金流向异常识别方法。
11.一种计算机程序产品,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1-7任意一项所述的资金流向异常识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211637477.1A CN115905427A (zh) | 2022-12-16 | 2022-12-16 | 资金流向异常识别方法、装置、设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211637477.1A CN115905427A (zh) | 2022-12-16 | 2022-12-16 | 资金流向异常识别方法、装置、设备及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115905427A true CN115905427A (zh) | 2023-04-04 |
Family
ID=86489840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211637477.1A Pending CN115905427A (zh) | 2022-12-16 | 2022-12-16 | 资金流向异常识别方法、装置、设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115905427A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116167852A (zh) * | 2023-04-19 | 2023-05-26 | 苏州傲林科技有限公司 | 资金流向数据处理方法及装置 |
CN116227940A (zh) * | 2023-05-04 | 2023-06-06 | 深圳市迪博企业风险管理技术有限公司 | 一种基于资金流向图的企业资金流异常检测方法 |
-
2022
- 2022-12-16 CN CN202211637477.1A patent/CN115905427A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116167852A (zh) * | 2023-04-19 | 2023-05-26 | 苏州傲林科技有限公司 | 资金流向数据处理方法及装置 |
CN116167852B (zh) * | 2023-04-19 | 2023-07-04 | 苏州傲林科技有限公司 | 资金流向数据处理方法及装置 |
CN116227940A (zh) * | 2023-05-04 | 2023-06-06 | 深圳市迪博企业风险管理技术有限公司 | 一种基于资金流向图的企业资金流异常检测方法 |
CN116227940B (zh) * | 2023-05-04 | 2023-07-25 | 深圳市迪博企业风险管理技术有限公司 | 一种基于资金流向图的企业资金流异常检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115905427A (zh) | 资金流向异常识别方法、装置、设备及计算机存储介质 | |
CN113282461B (zh) | 传输网的告警识别方法和装置 | |
CN111726248A (zh) | 一种告警根因定位方法及装置 | |
CN110287316A (zh) | 一种告警分类方法、装置、电子设备及存储介质 | |
CN114880312B (zh) | 一种可柔性设置的应用系统业务数据稽核方法 | |
CN112905370A (zh) | 拓扑图生成方法、异常检测方法、装置、设备及存储介质 | |
CN112581271B (zh) | 一种商户交易风险监测方法、装置、设备及存储介质 | |
CN110765100B (zh) | 标签的生成方法、装置、计算机可读存储介质及服务器 | |
CN111162945B (zh) | 一种告警关联关系的确定方法、装置、设备及存储介质 | |
CN116823164A (zh) | 一种业务审批方法、装置、设备及存储介质 | |
CN116340172A (zh) | 基于测试场景的数据收集方法、装置及测试用例检测方法 | |
CN116431505A (zh) | 一种回归测试方法、装置、电子设备、存储介质及产品 | |
CN115761770A (zh) | 实体识别模型的训练方法、图像识别方法、装置及设备 | |
CN115391160A (zh) | 一种异常变更检测方法、装置、设备及存储介质 | |
CN113420174A (zh) | 难样本挖掘方法、装置、设备以及存储介质 | |
CN112380321A (zh) | 基于票据知识图谱的主次数据库分配方法及相关设备 | |
CN111798237A (zh) | 基于应用日志的异常交易诊断方法及系统 | |
CN112965878B (zh) | 一种基于因果图的告警风暴中根源告警的智能识别方法 | |
CN117634470A (zh) | 一种校验方法、装置、设备及存储介质 | |
CN115619411A (zh) | 一种可疑交易监测方法、装置、设备及存储介质 | |
CN114997720A (zh) | 一种软件研发项目风险监测方法、装置、设备及存储介质 | |
CN118277216A (zh) | 日志异常检测方法、装置、设备、介质及程序产品 | |
CN115878873A (zh) | 异常用户的特征确定方法、装置、设备及存储介质 | |
CN115758135A (zh) | 轨道交通信号系统功能需求追溯方法、装置及电子设备 | |
CN116757455A (zh) | 基于物联网的汽配交易管理方法及系统 |
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 |