CN116012168A - 一种异常账户实时监测预警方法、装置、设备和介质 - Google Patents
一种异常账户实时监测预警方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN116012168A CN116012168A CN202211524520.3A CN202211524520A CN116012168A CN 116012168 A CN116012168 A CN 116012168A CN 202211524520 A CN202211524520 A CN 202211524520A CN 116012168 A CN116012168 A CN 116012168A
- Authority
- CN
- China
- Prior art keywords
- account
- day
- amount
- data
- real
- 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
- Debugging And Monitoring (AREA)
Abstract
本发明提供一种异常账户实时监测预警方法、装置、设备和介质，方法包括：通过脚本，实时获取消费实时动账流水数据；通过使用卡号作为key对动账流水数据进行统计，记录每个key的交易信息；根据设定阈值获取对应的key，将key进行存储；创建最近设定天数的交易统计表，获取交易统计表中key对应的所有的动账流水数据，统计设定天数的交易统计量，所述交易统计量包括每日平均进账金额；若当日进账金额大于每日平均进账金额的n倍，且该key相邻两笔交易金额差距在设定金额，方向相反，且间隔时间在设定时间内，则将该key对应的账号进行预警；便于及时预警。
Description
技术领域
本发明涉及计算机技术领域，特别涉及一种异常账户实时监测预警方法、装置、设备和介质。
背景技术
当前的异常账户识别主要依靠受害者提供相关线索后，由人工根据涉及账户的交易特征逐个账户进行研判识别。该方式的主要缺点在于，仅含有事后处理的环节，而事前防控环节和事中监管环节几乎完全缺失。因此，事前防控和事中监管的重要性凸显。但识别难度大和识别效率低两大主要原因导致了在现有技术背景下难以实现上述防控和监管。
其中，识别难度大有四个主要原因：①数据量大，识别人员需从涉及数十万账户的数百万条流水记录中识别出不到十个的异常账户；②隐蔽性强，对银行行业的了解程度可能更甚于银行从业者，善于发现并利用监管的薄弱环节；③手段新颖，全心全意搞科研，手段不断更新迭代；④人工识别效率低，完全靠人工进行识别不切实际。
而识别效率低则有两个主要原因：①时效性差，使用历史数据反推异常账户特征无法用于事前和事中环节；②数据库不匹配，关系型数据不适合用来处理多维分析，大规模的离线数据加工易对关系型数据库的稳定性产生影响。
发明内容
本发明要解决的技术问题，在于提供一种异常账户实时监测预警方法、装置、设备和介质，对存在不符合客户正常用卡习惯的行为实时进行预警，显著提高异常账户识别的准确性和时效性，起到事前防控、事中监管的作用。
第一方面，本发明提供了一种方法，包括：
步骤1、通过脚本，实时获取消费实时动账流水数据；
步骤2、通过使用卡号作为key对动账流水数据进行统计，记录每个key的交易信息；根据设定阈值获取对应的key，将key进行存储；
步骤3、根据步骤1和步骤2，创建最近设定天数的交易统计表，获取交易统计表中key对应的所有的动账流水数据，统计设定天数的交易统计量，所述交易统计量包括每日平均进账金额；
步骤4、若当日进账金额大于每日平均进账金额的n倍，且该key相邻两笔交易金额差距在设定金额，方向相反，且间隔时间在设定时间内，则将该key对应的账号进行预警。
第二方面，本发明提供了一装置，包括：获取数据模块，通过脚本，实时获取消费实时动账流水数据；
获取账号模块，通过使用卡号作为key对动账流水数据进行统计，记录每个key的当日总交易笔数、当日总交易金额、当日进账笔数、当日进账金额、当日出账笔数、当日出账金额、当日交易对手数以及当日异地取现金额；根据设定阈值获取对应的key，将key进行存储；
统计数据模块，根据步骤1和步骤2，创建最近设定天数的交易统计表，获取交易统计表中key对应的所有的动账流水数据，统计设定天数的交易统计量，所述交易统计量包括每日平均进账金额；
预警模块，若当日进账金额大于每日平均进账金额的n倍，且该key相邻两笔交易金额差距在设定金额，方向相反，且间隔时间在设定时间内，则将该key对应的账号进行预警。
第三方面，本发明提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的方法。
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述的方法。
本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
运用借记卡账户实时的动账流水数据作为基础，解决时效性差的问题；使用流计算引擎实时对总结提炼的账户异常特征进行识别判断，解决数据量大和人工识别效率低下的问题；对下发的涉及账户线索进行总结，对异常特征进行更新迭代，解决隐蔽性强、手段新颖的问题；使用分析型数据库进行离线数据的加工，解决数据库不匹配的问题。通过这一系列改进，对存在不符合客户正常用卡习惯的行为实时进行预警，显著提高异常账户识别的准确性和时效性，起到事前防控、事中监管的作用。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为本发明的框架示意图；
图2为本发明实施例一中方法中的流程图；
图3为本发明实施例二中装置的结构示意图。
具体实施方式
本申请实施例中的技术方案，总体思路如下：
步骤一：
搭建三台为一组的Kafka集群、单台Standalone模式的Flink、三台为一组的ClickHouse集群及单台的MySQL数据库，同时编写实现了Kafka消费者及Kafka生产者功能的Python脚本以备使用。
步骤二：
运行Python脚本，从总行实时数据总线中消费实时动账流水数据，并将消费到的数据生产至分行Kafka集群的dz主题中，同时记录offset、topic、partition、timestamp数据，生产至分行Kafka集群的dz_log主题中，方便排查可能的错误。
步骤三：
编写Flink工程，从分行Kafka集群的dz主题中消费实时动账流水数据，使用卡号作为key进行分组统计，运用Flink的状态来记录每个key的当日总交易笔数、当日总交易金额、当日进账笔数、当日进账金额、当日出账笔数、当日出账金额、当日交易对手数、当日异地取现金额等统计量。
步骤四：
根据近期抓获的涉赌涉诈账户的特征，设定不同统计量组合的阈值，形成数条规则，如交易笔数多、交易对手众多规则，可设定规则组合的阈值如下：
①当日进账笔数+当日出账笔数≥50
②当日交易对手数≥30
再如分散转入、集中转出规则，可设定规则组合的阈值如下：
①当日进账笔数+当日出账笔数≥10
②当日进账笔数/当日出账笔数≥5
③当日进账金额-当日出账金额≥0
④(当日进账金额-当日出账金额)/当日进账金额≤0.05
对于统计量满足所约定阈值组合的key，将其所命中的规则编号、卡号、当前日期写入MySQL数据库中，以便查询。
步骤五：
使用ClickHouse的MySQL引擎创建近90天交易统计量表，将该表与MySQL数据库中的同名表进行关联，当该表插入数据时，MySQL表也会同步插入相同数据。同时，使用ClickHouse的Kafka引擎创建动账流水明细表，从分行Kafka集群的dz主题中消费实时动账流水数据，将流水数据入库ClickHouse，以便后续使用。在日终时调用存储过程，按卡号统计近90天的交易统计量，并插入近90天交易统计量表。
步骤六：
使用Flink读取MySQL数据库中的近90天交易统计量，并与当日进账金额进行对比，若当日进账金额大于近90天平均交易额的5倍，则命中交易放大规则；使用Flink的复杂事件识别(CEP)，若某卡片相邻两笔交易金额相近、方向相反且间隔在5分钟内，则命中快进快出规则。将命中的规则编号、卡号、当前日期写入MySQL数据库中，以便查询。
步骤七：
实时监测平台从MySQL数据库中读取命中情况，并展示给使用者。
各部分组件功能如下：
1.Python脚本：承担数据接收转发的功能，将总行实时数据总线的借记卡实时动账流水从总行Kafka集群转发至分行Kafka集群暂存，方便下游应用处理。
2.Kafka集群：起数据削峰、数据暂存的作用，服务Flink、ClickHouse等下游应用，确保数据不丢失。
3.Flink：实时对动账流水进行统计分析，进行规则命中与否的判断，与MySQL等其他组件进行交互，是整个方案的核心环节。
4.ClickHouse集群：对大量数据进行实时、批量离线加工，并将结果同步至MySQL中，供其他组件使用。
5.MySQL：用于存储规则的命中情况，账户级、客户级、网点级的交易统计，各组件加工处理后的数据等，对外提供查询服务。
6.实时监测平台：给业务人员提供灵活的查询页面、可视化的展示页面，减轻业务人员识别负担，方便业务人员进行进一步识别研判。
实施例一
如图2所示，本实施例提供一种异常账户实时监测预警方法，包括：
步骤1、运行Python脚本，获取总行实时数据总线中消费实时动账流水数据，并存储至分行Kafka集群的dz主题中，同时记录offset、topic、partition、timestamp数据，存储至分行Kafka集群的dz_log主题中；所述Kafka集群用于数据削峰以及数据暂存；所述Python脚本用于数据接收以及转发，即将总行实时数据总线的借记卡实时动账流水从总行Kafka集群转发至分行Kafka集群；
步骤2、使用卡号作为key，Flink对动账流水数据进行统计，记录每个key的当日总交易笔数、当日总交易金额、当日进账笔数、当日进账金额、当日出账笔数、当日出账金额、当日交易对手数以及当日异地取现金额；
将key对应的数据进行比较，
设定规则一：
①当日进账笔数+当日出账笔数≥a
②当日交易对手数≥b
规则二：
①当日进账笔数+当日出账笔数≥c
②当日进账笔数/当日出账笔数≥d
③当日进账金额-当日出账金额≥e
④(当日进账金额-当日出账金额)/当日进账金额≤f
Flink获取满足规则一或者规则二的key，将其所命中的规则编号、卡号、当前日期存储至数据库；所述a、b、c、d、e、f均为设定值；
所述Flink用于实时对动账流水数据进行统计分析，进行规则命中与否的判断；
步骤3、根据步骤1和步骤2，使用ClickHouse集群创建最近设定天数的交易统计表，获取交易统计表中key对应的所有的动账流水数据，统计设定天数的交易统计量，所述交易统计量包括每日平均进账金额；ClickHouse集群用于对数据进行实时、批量离线加工，并将结果同步至数据库；
步骤4、若当日进账金额大于每日平均进账金额的n倍，且该key相邻两笔交易金额差距在设定金额，方向相反，且间隔时间在设定时间内，则将该key对应的账号进行预警。
基于同一发明构思，本申请还提供了与实施例一中的方法对应的装置，详见实施例二。
实施例二
如图3所示，在本实施例中提供了一种异常账户实时监测预警装置，包括：
获取数据模块，运行Python脚本，获取总行实时数据总线中消费实时动账流水数据，并存储至分行Kafka集群的dz主题中，同时记录offset数据(消费偏移量)、topic数据(消费主题)、partition数据(消费分区)、timestamp数据(消费时间戳)，存储至分行Kafka集群的dz_log主题中；所述Kafka集群用于数据削峰以及数据暂存；所述Python脚本用于数据接收以及转发，即将总行实时数据总线的借记卡实时动账流水从总行Kafka集群转发至分行Kafka集群；
获取账号模块，使用卡号作为key，Flink对动账流水数据进行统计，记录每个key的当日总交易笔数、当日总交易金额、当日进账笔数、当日进账金额、当日出账笔数、当日出账金额、当日交易对手数以及当日异地取现金额；
将key对应的数据进行比较，
设定规则一：
①当日进账笔数+当日出账笔数≥a
②当日交易对手数≥b
规则二：
①当日进账笔数+当日出账笔数≥c
②当日进账笔数/当日出账笔数≥d
③当日进账金额-当日出账金额≥e
④(当日进账金额-当日出账金额)/当日进账金额≤f
Flink获取满足规则一或者规则二的key，将其所命中的规则编号、卡号、当前日期存储至数据库；所述a、b、c、d、e、f均为设定值；
所述Flink用于实时对动账流水数据进行统计分析，进行规则命中与否的判断；
统计数据模块，根据获取数据模块和获取账号模块，使用ClickHouse集群创建最近设定天数的交易统计表，获取交易统计表中key对应的所有的动账流水数据，统计设定天数的交易统计量，所述交易统计量包括每日平均进账金额；ClickHouse集群用于对数据进行实时、批量离线加工，并将结果同步至数据库；
预警模块，若当日进账金额大于每日平均进账金额的n倍，且该key相邻两笔交易金额差距在设定金额，方向相反，且间隔时间在设定时间内，则将该key对应的账号进行预警。
由于本发明实施例二所介绍的装置，为实施本发明实施例一的方法所采用的装置，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该装置的具体结构及变形，故而在此不再赘述。凡是本发明实施例一的方法所采用的装置都属于本发明所欲保护的范围。
基于同一发明构思，本申请提供了实施例一对应的电子设备实施例，详见实施例三。
实施例三
本实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，可以实现实施例一中任一实施方式。
由于本实施例所介绍的电子设备为实施本申请实施例一中方法所采用的设备，故而基于本申请实施例一中所介绍的方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中的方法所采用的设备，都属于本申请所欲保护的范围。
基于同一发明构思，本申请提供了实施例一对应的存储介质，详见实施例四。
实施例四
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，可以实现实施例一中任一实施方式。
本申请实施例中提供的技术方案，至少具有如下技术效果或优点：本申请实施例提供的方法、装置、设备及介质，显著提高了事前防控和事中监管的有效性，能够在案件发生前将其扼杀在试卡阶段，在案件发生过程中及时进行管控。同时也为事后的异常账户特征总结提炼提供了参考依据，带来较大的震慑作用。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。
Claims (10)
1.一种异常账户实时监测预警方法，其特征在于，包括：
步骤1、通过脚本，实时获取消费实时动账流水数据；
步骤2、通过使用卡号作为key对动账流水数据进行统计，记录每个key的交易信息；根据设定阈值获取对应的key，将key进行存储；
步骤3、根据步骤1和步骤2，创建最近设定天数的交易统计表，获取交易统计表中key对应的所有的动账流水数据，统计设定天数的交易统计量，所述交易统计量包括每日平均进账金额；
步骤4、若当日进账金额大于每日平均进账金额的n倍，且该key相邻两笔交易金额差距在设定金额，方向相反，且间隔时间在设定时间内，则将该key对应的账号进行预警。
2.根据权利要求1所述的一种异常账户实时监测预警方法，其特征在于，所述步骤1中脚本为Python脚本：所述Python脚本用于数据接收以及转发，即将总行实时数据总线的借记卡实时动账流水从总行Kafka集群转发至分行Kafka集群；
所述步骤1进一步具体为：运行Python脚本，获取总行实时数据总线中消费实时动账流水数据，并存储至分行Kafka集群的dz主题中，同时记录offset、topic、partition、timestamp数据，存储至分行Kafka集群的dz_log主题中；所述Kafka集群用于数据削峰以及数据暂存。
3.根据权利要求1所述的一种异常账户实时监测预警方法，其特征在于，所述步骤2进一步具体为：使用卡号作为key，Flink对动账流水数据进行统计，记录每个key的当日总交易笔数、当日总交易金额、当日进账笔数、当日进账金额、当日出账笔数、当日出账金额、当日交易对手数以及当日异地取现金额；
将key对应的数据进行比较，
设定规则一：
① 当日进账笔数 + 当日出账笔数 ≥ a
② 当日交易对手数 ≥ b
规则二：
① 当日进账笔数 + 当日出账笔数 ≥ c
② 当日进账笔数 / 当日出账笔数 ≥ d
③ 当日进账金额 - 当日出账金额 ≥ e
④ （当日进账金额 - 当日出账金额） / 当日进账金额 ≤ f
Flink获取满足规则一或者规则二的key，将其所命中的规则编号、卡号、当前日期存储至数据库；所述a、b、c、d、e、f均为设定值；
所述Flink用于实时对动账流水数据进行统计分析，进行规则命中与否的判断。
4.根据权利要求1所述的一种异常账户实时监测预警方法，其特征在于，所述步骤3进一步具体为：根据步骤1和步骤2，使用ClickHouse集群创建最近设定天数的交易统计表，获取交易统计表中key对应的所有的动账流水数据，统计设定天数的交易统计量，所述交易统计量包括每日平均进账金额；ClickHouse集群用于对数据进行实时、批量离线加工，并将结果同步至数据库。
5.一种异常账户实时监测预警装置，其特征在于，包括：
获取数据模块，通过脚本，实时获取消费实时动账流水数据；
获取账号模块，通过使用卡号作为key对动账流水数据进行统计，记录每个key的当日总交易笔数、当日总交易金额、当日进账笔数、当日进账金额、当日出账笔数、当日出账金额、当日交易对手数以及当日异地取现金额；根据设定阈值获取对应的key，将key进行存储；
统计数据模块，根据步骤1和步骤2，创建最近设定天数的交易统计表，获取交易统计表中key对应的所有的动账流水数据，统计设定天数的交易统计量，所述交易统计量包括每日平均进账金额；
预警模块，若当日进账金额大于每日平均进账金额的n倍，且该key相邻两笔交易金额差距在设定金额，方向相反，且间隔时间在设定时间内，则将该key对应的账号进行预警。
6.根据权利要求5所述的一种异常账户实时监测预警装置，其特征在于，所述获取数据模块中脚本为Python脚本：所述Python脚本用于数据接收以及转发，即将总行实时数据总线的借记卡实时动账流水从总行Kafka集群转发至分行Kafka集群；
所述获取数据模块进一步具体为：运行Python脚本，获取总行实时数据总线中消费实时动账流水数据，并存储至分行Kafka集群的dz主题中，同时记录offset、topic、partition、timestamp数据，存储至分行Kafka集群的dz_log主题中；所述Kafka集群用于数据削峰以及数据暂存。
7.根据权利要求5所述的一种异常账户实时监测预警装置，其特征在于，所述获取账号模块进一步具体为：使用卡号作为key，Flink对动账流水数据进行统计，记录每个key的当日总交易笔数、当日总交易金额、当日进账笔数、当日进账金额、当日出账笔数、当日出账金额、当日交易对手数以及当日异地取现金额；
将key对应的数据进行比较，
设定规则一：
① 当日进账笔数 + 当日出账笔数 ≥ a
② 当日交易对手数 ≥ b
规则二：
① 当日进账笔数 + 当日出账笔数 ≥ c
② 当日进账笔数 / 当日出账笔数 ≥ d
③ 当日进账金额 - 当日出账金额 ≥ e
④ （当日进账金额 - 当日出账金额） / 当日进账金额 ≤ f
Flink获取满足规则一或者规则二的key，将其所命中的规则编号、卡号、当前日期存储至数据库；所述a、b、c、d、e、f均为设定值；
所述Flink用于实时对动账流水数据进行统计分析，进行规则命中与否的判断。
8.根据权利要求5所述的一种异常账户实时监测预警装置，其特征在于，所述统计数据模块进一步具体为：根据获取数据模块和获取账号模块，使用ClickHouse集群创建最近设定天数的交易统计表，获取交易统计表中key对应的所有的动账流水数据，统计设定天数的交易统计量，所述交易统计量包括每日平均进账金额；ClickHouse集群用于对数据进行实时、批量离线加工，并将结果同步至数据库。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述的方法。
10.一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，该程序被处理器执行时实现如权利要求1至4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211524520.3A CN116012168A (zh) | 2022-11-30 | 2022-11-30 | 一种异常账户实时监测预警方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211524520.3A CN116012168A (zh) | 2022-11-30 | 2022-11-30 | 一种异常账户实时监测预警方法、装置、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116012168A true CN116012168A (zh) | 2023-04-25 |
Family
ID=86019929
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211524520.3A Pending CN116012168A (zh) | 2022-11-30 | 2022-11-30 | 一种异常账户实时监测预警方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116012168A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116911852A (zh) * | 2023-07-21 | 2023-10-20 | 广州嘉磊元新信息科技有限公司 | 一种rpa的用户动态信息监控方法及系统 |
| CN116976655A (zh) * | 2023-06-15 | 2023-10-31 | 四川仕虹腾飞信息技术有限公司 | 一种分布式银行网点交易流程监管系统及其方法 |
-
2022
- 2022-11-30 CN CN202211524520.3A patent/CN116012168A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116976655A (zh) * | 2023-06-15 | 2023-10-31 | 四川仕虹腾飞信息技术有限公司 | 一种分布式银行网点交易流程监管系统及其方法 |
| CN116976655B (zh) * | 2023-06-15 | 2024-05-24 | 四川仕虹腾飞信息技术有限公司 | 一种分布式银行网点交易流程监管系统及其方法 |
| CN116911852A (zh) * | 2023-07-21 | 2023-10-20 | 广州嘉磊元新信息科技有限公司 | 一种rpa的用户动态信息监控方法及系统 |
| CN116911852B (zh) * | 2023-07-21 | 2024-01-26 | 广州嘉磊元新信息科技有限公司 | 一种rpa的用户动态信息监控方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116012168A (zh) | 一种异常账户实时监测预警方法、装置、设备和介质 | |
| CN106952158A (zh) | 解决热点账户问题的记账方法及设备 | |
| CN108537544A (zh) | 一种交易系统实时监控方法及其监控系统 | |
| EP2344962B1 (en) | Detection of confidential information | |
| US10614073B2 (en) | System and method for using data incident based modeling and prediction | |
| CN105095238A (zh) | 用于检测欺诈交易的决策树生成方法 | |
| CN106612202A (zh) | 一种网游渠道刷量的预估判别方法及系统 | |
| CN109472608A (zh) | 基于情绪识别的交易认证方法及终端设备 | |
| CN109840676B (zh) | 基于大数据的风控方法、装置、计算机设备及存储介质 | |
| CN111833182A (zh) | 识别风险对象的方法和装置 | |
| CN113177839A (zh) | 一种信用风险评估方法、装置、存储介质和设备 | |
| CN105405051B (zh) | 金融事件预测方法和装置 | |
| CN109767269A (zh) | 一种游戏数据的处理方法和装置 | |
| CN111445119B (zh) | 配电设备运行状态关联关系在线检测方法及装置 | |
| CN115239479A (zh) | 一种基于大数据的供应链金融风险控制系统及方法 | |
| CN113360548A (zh) | 基于数据资产分析的数据处理方法、装置、设备及介质 | |
| CN113190623B (zh) | 数据处理方法、装置、服务器和存储介质 | |
| CN112835893B (zh) | 一种基于聚类的医保欺诈行为的检测方法及系统 | |
| CN111311276B (zh) | 一种异常用户团体的识别方法、识别装置及可读存储介质 | |
| CN113835947A (zh) | 一种基于异常识别结果确定异常原因的方法和系统 | |
| CN117094764A (zh) | 银行积分处理方法及装置 | |
| CN107798417A (zh) | 基于关联交易数据处理的优化方法、装置和计算机设备 | |
| CN113902199A (zh) | 用户流失预测方法及系统 | |
| CN110738570A (zh) | 基于多通道异质数据的信息型操纵自动识别方法 | |
| CN114780711B (zh) | 基于智慧档案平台的证照申办识别方法、系统及介质 |
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 |