CN116091225A - 交易行为监测方法、装置、设备及可读存储介质 - Google Patents

交易行为监测方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN116091225A
CN116091225A CN202211647258.1A CN202211647258A CN116091225A CN 116091225 A CN116091225 A CN 116091225A CN 202211647258 A CN202211647258 A CN 202211647258A CN 116091225 A CN116091225 A CN 116091225A
Authority
CN
China
Prior art keywords
data
transaction
monitoring
preset
database
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
Application number
CN202211647258.1A
Other languages
English (en)
Inventor
蒋俊杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
United Life Insurance Co ltd
Original Assignee
United Life Insurance Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by United Life Insurance Co ltd filed Critical United Life Insurance Co ltd
Priority to CN202211647258.1A priority Critical patent/CN116091225A/zh
Publication of CN116091225A publication Critical patent/CN116091225A/zh
Pending legal-status Critical Current

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
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Technology Law (AREA)
  • Marketing (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请公开了一种交易行为监测方法、装置、设备及可读存储介质，当反洗钱系统接收到核心业务系统发送的交易数据时，将交易数据同步至预设的反洗钱数据库中，在满足预设数据处理条件的情况下，利用预设的筛选模型在反洗钱数据库中筛选满足预设条件的数据，并生成中间表，在监测交易行为时，根据交易监测请求确定监测类型，然后基于中间表执行该监测类型对应的操作进程，得到监测结果。本申请在反洗钱系统中建立的反洗钱数据库，独立于核心业务系统的核心数据库，有效避免核心业务系统的进程对反洗钱系统产生影响，提升监测效率，并且，通过中间表能够实现要素信息的提取和整合，避免要素信息过度分散，进一步提升了反洗钱监测的效率。

Description

交易行为监测方法、装置、设备及可读存储介质
技术领域
本申请涉及数据处理技术领域，更具体地说，涉及一种交易行为监测方法、装置、设备及可读存储介质。
背景技术
为了方便金融机构对客户交易行为进行监管，提出一种面向各种金融机构的反洗钱系统，该系统可以直接访问核心业务系统，数据库中的相关数据表，利用大额交易模型、可疑交易模型和客户风险等级划分模型，对数据表中的客户信息、保单信息及交易信息进行筛选和分析，从而实现对客户交易行为的鉴别和监测，并且能够自动上报大额交易及可疑交易，并对客户风险等级进行划分。但是，目前的反洗钱系统监测效率较低，无法满足更高效的处理需求。
发明内容
有鉴于此，本申请提供了一种交易行为监测方法、装置、设备及可读存储介质，用于解决现有的反洗钱系统监测效率低的问题。
为了实现上述目的，现提出的方案如下：
一种交易行为监测方法，应用于反洗钱系统，所述反洗钱系统包含预设的反洗钱数据库，该方法包括：
响应核心业务系统发送的数据同步请求，接收交易数据并存储在所述反洗钱数据库中，所述交易数据为所述核心业务系统在满足预设的数据同步条件的情况下，从所述核心业务系统的核心数据库中获取的数据；
在满足预设数据处理条件的情况下，利用预设筛选模型从所述反洗钱数据库中筛选满足预设条件的数据，将筛选出的数据生成中间表，所述筛选模型包括大额交易模型、可疑交易模型和/或客户风险等级划分模型；
响应交易监测请求，确定对应的监测类型，所述监测类型包括大额交易监测、可疑交易监测及客户风险等级划分；
基于所述中间表执行所述监测类型对应的操作进程，得到监测结果。
优选地，所述利用预设筛选模型从所述反洗钱数据库中筛选满足预设条件的数据，包括：
根据大额交易模型从所述反洗钱数据库中筛选满足预设条件的数据，所述预设条件包括在预设时间段内单笔或累计交易金额超过预设值；
和/或，
根据可疑交易模型从所述反洗钱数据库中筛选满足预设条件的数据，所述预设条件包括交易对象、交易金额或交易方式不属于预先规定的正常范围内；
和/或，
根据客户风险等级划分模型从所述反洗钱数据库中筛选满足预设条件的数据，所述预设条件包括客户被标记为新客户、待审核客户、保全变更客户或批单变更客户。
优选地，所述交易数据包括：
所述核心数据库中存储的全部数据；
或，
按照所述筛选模型在所述核心数据库中进行筛选得到的数据。
优选地，所述基于所述中间表执行所述监测类型对应的操作进程，得到监测结果，包括：
当所述监测类型为大额交易监测时，将所述大额交易模型对应的所述中间表的数据标准化，得到大额交易结果表；
响应报文管理请求，基于所述大额交易结果表的数据执行生成报文、下载报文、上报报文及回执导入操作；
当所述监测类型为可疑交易监测时，通过调用接口在所述核心数据库中获取目标客户对应的全部数据，所述目标客户为所述可疑交易模型对应的所述中间表中的全部客户，并结合所述可疑交易模型对应的所述中间表生成可疑交易信息表；
将所述可疑交易信息表的数据标准化，得到可疑交易结果表；
响应人工审核请求，基于所述可疑交易结果表的数据执行数据确认、数据复核及最终审定操作，得到可疑交易确认表；
响应报文管理请求，基于所述可疑交易确认表的数据执行生成报文、下载报文、上报报文及回执导入操作；
当所述监测类型为客户风险等级划分时，根据所述客户风险等级划分模型对应的所述中间表的数据生成风险评估报告，所述风险评估报告包括客户风险等级划分记录、风险评分及风险提示；
响应人工审核请求，基于所述风险评估报告执行人工三级审定操作，确定客户风险等级并更新，所述人工三级审定操作包括风险等级确认、风险等级复核及风险等级审定。
优选地，当所述监测类型为可疑交易监测时，还包括：
响应用户录入数据操作请求，获取录入数据生成录入表，并发送录入确认提示，所述录入数据包含客户信息；
响应用户录入确认操作请求，通过调用接口在所述核心数据库中获取与所述客户信息对应的全部数据，并结合所述录入表生成录入结果表；
响应人工审核请求，基于所述录入结果表的数据执行数据复核及最终审定操作，得到可疑交易确认表。
优选地，还包括：
在得到所述监测结果之后，将所述中间表删除；
筛选所述反洗钱数据库中的重复数据并删除。
优选地，所述预设数据处理条件包括：
当前时刻与上一次生成中间表的时刻之间的时间差达到第一预设阈值；
或，
在所述反洗钱数据库中存储的数据量达到第二预设阈值；
或，
接收用户发送的数据处理请求。
优选地，所述预设的数据同步条件包括：
当前时刻与上一次所述核心业务系统生成数据同步请求的时刻之间的时间差达到第三预设阈值；
或，
在所述核心数据库中存储的数据量达到第四预设阈值；
或，
接收用户发送的数据同步请求。
一种交易行为监测装置，应用于反洗钱系统，所述反洗钱系统包含预设的反洗钱数据库，该装置包括：
数据同步单元，用于响应核心业务系统发送的数据同步请求，接收交易数据并存储在所述反洗钱数据库中，所述交易数据为所述核心业务系统在满足预设的数据同步条件的情况下，从所述核心业务系统的核心数据库中获取的数据；
数据处理单元，用于在满足预设数据处理条件的情况下，利用预设筛选模型从所述反洗钱数据库中筛选满足预设条件的数据，将筛选出的数据生成中间表，所述筛选模型包括大额交易模型、可疑交易模型和/或客户风险等级划分模型；
监测类型确定单元，用于响应交易监测请求，确定对应的监测类型，所述监测类型包括大额交易监测、可疑交易监测及客户风险等级划分；
监测进程执行单元，用于基于所述中间表执行所述监测类型对应的操作进程，得到监测结果。
一种交易行为监测设备，包括存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现前述交易行为监测方法的各个步骤。
一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现前述交易行为监测方法的各个步骤。
从上述的技术方案可以看出，本申请实施例提供的一种交易行为监测方法，当反洗钱系统接收到核心业务系统发送的交易数据时，将交易数据同步至预设的反洗钱数据库中，在满足预设数据处理条件时，利用预设的大额交易模型、可疑交易模型及客户风险等级划分模型在反洗钱数据库中筛选满足预设条件的数据，将筛选出的数据生成中间表，根据交易监测请求确定监测类型，进而基于中间表执行该监测类型对应的操作进程，得到监测结果。本申请在反洗钱系统中建立反洗钱数据库，将数据存储在独立于核心业务系统的数据库中，避免核心业务系统的进程对反洗钱系统产生影响，有效提升监测效率，并且，通过中间表能够实现要素信息的提取和整合，避免要素信息过度分散，进一步提升了反洗钱监测的效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的交易行为监测方法的一种可选流程图；
图2为本申请实施例提供的一种大额交易监测方法流程图；
图3为本申请实施例提供的一种可疑交易监测方法流程图；
图4为本申请实施例提供的另一种可疑交易监测方法流程图；
图5为本申请实施例提供的一种客户风险等级划分方法流程图；
图6为本申请实施例提供的交易行为监测装置的一种可选结构示意图；
图7为本申请实施例公开的一种交易行为监测设备的硬件结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
经调查发现，反洗钱系统与核心业务系统是基于同一个物理数据库实现的，在监测客户的交易行为时，反洗钱系统可以通过授权直接访问核心业务系统的数据库中的相关数据表，进而对大量客户信息、保单信息及交易信息进行筛选和分析，实现对反洗钱数据的筛查，但是，当反洗钱系统进行监测时，核心业务系统正在执行一项进程，此时反洗钱系统需要等待该进程执行结束，再通过授权查看相关数据，可能导致反洗钱监测进程中断或等待时间较长，降低监测效率。同时，通过授权访问数据库的方式使得反洗钱系统获取数据时只能基于核心数据库中的全部数据进行筛选，导致筛选数据耗时较长，执行效率低。
有鉴于此，发明人提出了一种交易行为监测方法，图1示出了本申请实施例提供的一种交易行为监测方法的可选流程图，如图1所示，该流程可以包括：
步骤S10、响应核心业务系统发送的数据同步请求，接收交易数据并存储在预设的反洗钱数据库中。
具体地，在满足预设的数据同步条件的情况下，核心业务系统从核心数据库中获取交易数据，同时生成数据同步请求，发送至反洗钱系统，进一步地，反洗钱系统响应数据同步请求，接收交易数据，并将交易数据存储在预设的反洗钱数据库中。其中，数据同步条件可以是当前时刻与上一次生成数据同步请求的时刻之间的时间差达到一定预设阈值，也可以是在核心数据库中的存储的数据量达到一定预设阈值，还可以是接收用户发送的数据同步请求，开始执行基于交易数据的数据同步操作。
其中，反洗钱系统中预设的反洗钱数据库可以用于为反洗钱系统提供数据存储空间，并且可以通过反洗钱数据库将反洗钱系统从核心业务系统中独立出来，从而使反洗钱系统可以使用一个单独的数据库，通过数据同步操作将核心数据库中的数据同步至反洗钱数据库，以供反洗钱系统对核心业务系统的数据进行监测。
可选地，从核心数据库中获取的交易数据可以是核心数据库中存储的全部数据，也可以是根据预设的筛选模型在核心数据库中筛选后得到的数据。具体地，交易数据可以是客户通过核心业务系统办理业务时生成的数据，该数据可以包括客户的个人信息、保单信息以及交易信息等。
步骤S11、在满足预设数据处理条件的情况下，利用预设筛选模型从反洗钱数据库中筛选满足预设条件的数据，将筛选出的数据生成中间表。
其中，预设筛选模型可以包括大额交易模型、可疑交易模型以及客户风险等级划分模型，可以分别用于筛选大额交易监测数据、可疑交易监测数据和客户风险等级划分数据。满足预设数据处理条件可以是当前时刻与上一次生成中间表的时刻之间的时间差达到预设阈值，也可以是反洗钱数据库中存储的数据量达到预设阈值，还可以是接收用户发送的数据处理请求，基于反洗钱数据库的数据开始执行数据筛选操作。
具体地，在满足数据处理条件的情况下，根据不同的预设筛选模型筛选数据，生成对应的中间表，可以通过以下三种可选的预设筛选模型进行中间表数据的筛选：
当预设筛选模型为大额交易模型时，根据该大额交易模型可以从反洗钱数据库中筛选出满足预设条件的大额交易监测数据，生成大额交易中间表，其中，满足预设条件的大额交易监测数据可以是在一定时间内单笔或累计交易金额超过预设值对应的交易数据；
当预设筛选模型为可疑交易模型时，根据该可疑交易模型可以从反洗钱数据库中筛选出满足预设条件的可疑交易监测数据，生成可疑交易中间表，其中，满足预设条件的可疑交易监测数据可以包括交易对象、交易金额或交易方式不属于预先规定的正常范围内的交易数据；
当预设筛选模型为客户风险等级划分模型时，根据该客户风险等级划分模型可以从反洗钱数据库中筛选出满足预设条件的客户风险等级划分数据，生成客户风险等级划分中间表，其中，满足预设条件的客户风险等级划分数据可以包括被标记为新客户、待审核客户、保全变更客户或批单变更客户的目标客户对应的交易数据。
步骤S12、响应交易监测请求，确定对应的监测类型。
具体地，系统用户通过反洗钱系统的前台菜单选择需要系统执行的监测类型，反洗钱系统在前台生成对应的交易监测请求，系统后台响应该请求，确定对应的监测类型。其中，监测类型可以是与上述预设筛选模型对应的大额交易监测、可疑交易监测以及客户风险等级划分等类型。
步骤S13、基于所述中间表执行所述监测类型对应的操作进程，得到监测结果。
具体地，在确定交易监测类型后，反洗钱系统基于该监测类型对应的中间表，执行该监测类型相应的操作进程，输出监测结果。例如，当监测类型为大额交易监测时，在反洗钱数据库中获取大额交易中间表，基于该大额交易中间表，执行大额交易监测相应的进程，得到大额交易监测结果。
进一步可选地，得到监测结果之后可以将对应的中间表删除，还可以筛选出反洗钱数据库中的重复数据将其删除，以保证反洗钱数据库数据存储空间的有效性。
本申请实施例中，反洗钱系统接收核心业务系统发送的交易数据，将交易数据同步至预设的反洗钱数据库中，在满足预设数据处理条件时，利用预设的大额交易模型、可疑交易模型及客户风险等级划分模型在反洗钱数据库中筛选满足预设条件的数据，将筛选出的数据生成中间表，根据交易监测请求确定监测类型，进而基于中间表执行该监测类型对应的操作进程，得到监测结果。本申请在反洗钱系统中建立反洗钱数据库，将数据存储在独立于核心业务系统的数据库中，避免核心业务系统的进程对反洗钱系统产生影响，有效提升监测效率，并且，通过中间表能够实现要素信息的提取和整合，避免要素信息过度分散，进一步提升了反洗钱监测的效率。
接下来，通过大额交易监测、可疑交易监测和客户风险等级划分三种可选的监测类型进一步对上述步骤S13进行介绍。
首先参见图2，图2示例了本申请实施例提供的一种大额交易监测方法流程图，如图2所示，该流程可以包括：
步骤S140、当监测类型为大额交易监测时，将大额交易模型对应的中间表的数据标准化，得到大额交易结果表。
其中，大额交易模型对应生成的中间表也就是上述实施例中的大额交易中间表，当监测类型为大额交易监测时，需要将筛选出来的全部满足大额交易监测条件的数据进行上报，因此，可以基于前述步骤S11中生成的大额交易中间表，执行后续上报操作。具体地，从反洗钱数据库中获取大额交易中间表，将该中间表的数据标准化，统一数据处理的指标或量级，并将标准化后的中间表生成大额交易结果表。
步骤S141、响应报文管理请求，基于大额交易结果表的数据执行生成报文、下载报文、上报报文及回执导入操作。
系统用户可以通过反洗钱系统的前台菜单进行报文管理操作，系统后台响应前台生成的报文管理请求，执行对应的操作。其中，报文管理操作可以包括生成报文、下载报文以及回执导入等操作。
具体地，当反洗钱系统执行大额交易监测下的生成报文操作时，基于得到的大额交易结果表生成对应的报文文件，若需要执行下载报文操作，则将对应的报文文件下载至指定目录，进一步，在该报文上报成功后，系统可以收到报文回执，系统用户可以通过回执导入菜单控制反洗钱系统执行回执导入操作，将该报文回执导入至反洗钱系统。
下面参见图3和图4，其示例了本申请实施例提供的可疑交易监测方法的可选流程图。
如图3所示，该流程可以包括：
步骤S150、当监测类型为可疑交易监测时，通过调用接口在核心数据库中获取目标客户对应的全部数据，并结合中间表生成可疑交易信息表。
当监测类型为可疑交易监测时，需要将筛选出来的全部满足可疑交易监测条件的数据进行上报，因此，可以基于前述步骤S11中生成的可疑交易中间表，执行后续上报操作，同时为了更准确地甄别客户的可疑交易行为，需要结合客户的全部交易记录进行审定。
具体地，首先从反洗钱数据库中获取可疑交易中间表，将该中间表中包含的全部客户确定为目标客户，进一步在一种可选的方式下，通过调用接口可以从核心数据库中获取全部目标客户的所有交易数据，将可疑交易中间表与获取的全部数据合并，生成可疑交易信息表。
步骤S151、将可疑交易信息表的数据标准化，得到可疑交易结果表。
具体地，将可疑交易信息表的数据标准化，统一数据处理的指标或数据量级，并将标准化后的数据生成可疑交易结果表。
步骤S152、响应人工审核请求，基于可疑交易结果表的数据执行数据确认、数据复核及最终审定操作，得到可疑交易确认表。
系统用户可以通过反洗钱系统的前台菜单进行人工审核操作，系统后台响应前台生成的人工审核请求，执行对应的操作。
具体地，当反洗钱系统执行可疑交易监测下的人工审核操作时，系统用户可以通过前台的系统生成数据处理菜单，选择数据确认、数据复核或最终审定操作，反洗钱系统响应前台操作，获取人工甄别结果，生成可疑交易确认表。
步骤S153、响应报文管理请求，基于可疑交易确认表的数据执行生成报文、下载报文、上报报文及回执导入操作。
本步骤与上述步骤S141对应，当反洗钱系统执行可疑交易监测下的报文管理操作时，基于可疑交易确认表的数据执行步骤S141中各个操作，详细参照前述介绍，此处不再赘述。
如图4所示，该流程可以包括：
步骤S160、当监测类型为可疑交易监测时，响应用户录入数据操作请求，获取录入数据生成录入表，并发送录入确认提示，所述录入数据包含客户信息。
在一种可选的方式下，当监测类型为可疑交易监测时，系统用户还可以通过反洗钱系统的前台菜单进行人工录入数据操作，系统后台响应前台生成的用户录入数据操作请求，获取用户录入的数据生成录入表，并向前台发送录入确认提示。
步骤S161、响应用户录入确认操作请求，通过调用接口在核心数据库中获取所述客户信息对应的全部数据，并结合所述录入表生成录入结果表。
具体地，系统用户在前台确认录入数据之后，系统后台响应用户录入确认操作请求，进一步在一种可选的方式下，确定录入表中包含的全部客户信息，通过调用接口可以从核心数据库中获取所述客户信息对应的所有交易数据，将该录入表与获取的全部数据合并，生成录入结果表。
步骤S162、响应人工审核请求，基于录入结果表的数据执行数据复核及最终审定操作，得到可疑交易确认表。
系统用户可以通过反洗钱系统的前台菜单进行人工审核操作，系统后台响应前台生成的人工审核请求，执行对应的操作。
具体地，当反洗钱系统执行可疑交易监测下的人工审核操作时，系统用户可以通过前台的手工录入数据处理菜单，选择录入确认、数据复核或最终审定操作，其中，录入确认操作在前述步骤中已经介绍，进一步，反洗钱系统响应前台执行的数据复核及最终审定操作，获取人工甄别结果，生成可疑交易确认表。
步骤S163、响应报文管理请求，基于可疑交易确认表的数据执行生成报文、下载报文、上报报文及回执导入操作。
本步骤与上述步骤S141对应，当反洗钱系统执行可疑交易监测下的报文管理操作时，基于可疑交易确认表的数据执行步骤S141中各个操作，详细参照前述介绍，此处不再赘述。
最后参见图5，图5示例了本申请实施例提供的一种客户风险等级划分方法流程图，如图5所示，该流程可以包括：
步骤S170、当监测类型为客户风险等级划分时，根据客户风险等级划分模型对应的中间表的数据生成风险评估报告。
其中，客户风险等级划分模型对应生成的中间表也就是上述实施例中的客户风险等级划分中间表，当监测类型为大客户风险等级划分时，需要将筛选出来的全部满足客户风险等级划分条件的数据进行上报，因此，可以基于前述步骤S11中生成的客户风险等级划分中间表，执行后续操作。
具体地，从反洗钱数据库中获取客户风险等级划分中间表，根据该中间表的数据生成客户的风险评估报告。其中，风险评估报告可以包括客户风险等级划分记录、风险评分以及风险提示等信息。
步骤S171、响应人工审核请求，基于风险评估报告执行人工三级审定操作，确定客户风险等级并更新。
系统用户可以通过反洗钱系统的前台菜单进行人工三级审定操作，系统后台响应前台生成的人工审核请求，执行对应的操作。
具体地，系统用户可以通过前台菜单，在客户风险等级划分下执行对应的人工三级审定操作，可以分为风险等级确认、风险等级复核以及风险等级审定三个审定步骤，进一步确定最终的客户风险等级，并在反洗钱系统中进行更新。
本申请实施例中，反洗钱系统用户通过前台菜单选择对应的监测类型，进一步选择该监测类型下系统执行的操作，系统后台响应前台的操作指令，执行对应的操作进程，得到监测结果。本申请基于反洗钱数据库中生成的中间表执行对应的交易监测进程，可以包括报文管理、人工审定及人工录入等操作，通过反洗钱系统实现交易监测过程的管理，进一步提高反洗钱监测效率。
下面对本申请实施例提供的一种交易行为监测装置进行描述，下文描述的一种交易行为监测装置与上文描述的一种交易行为监测方法可相互对应参照。
结合图6，对一种交易行为监测装置进行介绍，如图6所示，该装置可以包括：
数据同步单元100，用于响应核心业务系统发送的数据同步请求，接收交易数据并存储在所述反洗钱数据库中，所述交易数据为所述核心业务系统在满足预设的数据同步条件的情况下，从所述核心业务系统的核心数据库中获取的数据；
数据处理单元110，用于在满足预设数据处理条件的情况下，利用预设筛选模型从所述反洗钱数据库中筛选满足预设条件的数据，将筛选出的数据生成中间表，所述筛选模型包括大额交易模型、可疑交易模型和/或客户风险等级划分模型；
监测类型确定单元120，用于响应交易监测请求，确定对应的监测类型，所述监测类型包括大额交易监测、可疑交易监测及客户风险等级划分；
监测进程执行单元130，用于基于所述中间表执行所述监测类型对应的操作进程，得到监测结果。
可选地，所述数据处理单元110可以包括：
大额交易数据处理单元，用于根据大额交易模型从所述反洗钱数据库中筛选满足预设条件的数据，所述预设条件包括在预设时间段内单笔或累计交易金额超过预设值；
可疑交易数据处理单元，用于根据可疑交易模型从所述反洗钱数据库中筛选满足预设条件的数据，所述预设条件包括交易对象、交易金额或交易方式不属于预先规定的正常范围内；
客户风险等级数据处理单元，用于根据客户风险等级划分模型从所述反洗钱数据库中筛选满足预设条件的数据，所述预设条件包括客户被标记为新客户、待审核客户、保全变更客户或批单变更客户。
可选地，所述监测进程执行单元130可以包括：
大额交易监测单元，用于当所述监测类型为大额交易监测时，将所述大额交易模型对应的所述中间表的数据标准化，得到大额交易结果表；
可疑交易监测单元，用于当所述监测类型为可疑交易监测时，通过调用接口在所述核心数据库中获取目标客户对应的全部数据，所述目标客户为所述可疑交易模型对应的所述中间表中的全部客户，并结合所述可疑交易模型对应的所述中间表生成可疑交易信息表，将所述可疑交易信息表的数据标准化，得到可疑交易结果表；
人工审核单元，用于响应人工审核请求，基于所述可疑交易结果表的数据执行数据确认、数据复核及最终审定操作，得到可疑交易确认表；
客户风险等级划分单元，用于当所述监测类型为客户风险等级划分时，根据所述客户风险等级划分模型对应的所述中间表的数据生成风险评估报告，所述风险评估报告包括客户风险等级划分记录、风险评分及风险提示；
人工三级审定单元，用于响应人工审核请求，基于所述风险评估报告执行人工三级审定操作，确定客户风险等级并更新，所述人工三级审定操作包括风险等级确认、风险等级复核及风险等级审定；
报文管理单元，用于响应报文管理请求，执行生成报文、下载报文、上报报文及回执导入操作。
可选地，所述监测进程执行单元130还可以包括：
数据录入单元，用于响应用户录入数据操作请求，获取录入数据生成录入表，并发送录入确认提示，所述录入数据包含客户信息；
数据确认单元，用于响应用户录入确认操作请求，通过调用接口在所述核心数据库中获取与所述客户信息对应的全部数据，并结合所述录入表生成录入结果表；
数据审核单元，用于响应人工审核请求，基于所述录入结果表的数据执行数据复核及最终审定操作，得到可疑交易确认表。
可选的，所述交易行为监测装置还可以包括：
数据删除单元，用于在得到所述监测结果之后，将所述中间表删除；
数据库维护单元，用于筛选所述反洗钱数据库中的重复数据并删除。
本申请实施例提供的交易行为监测装置可应用于交易行为监测设备。图7示出了交易行为监测设备的硬件结构框图，参照图7，交易行为监测设备的硬件结构可以包括：至少一个处理器1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4；
在本申请实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；
处理器1可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；
存储器3可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)等，例如至少一个磁盘存储器；
其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于实现前述交易行为监测方案中的各个处理流程。
本申请实施例还提供一种存储介质，该存储介质可存储有适于处理器执行的程序，所述程序用于实现前述交易行为监测方案中的各个处理流程。
最后，还需要说明的是，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“包括一个……”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。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (11)

1.一种交易行为监测方法，其特征在于，应用于反洗钱系统，所述反洗钱系统包含预设的反洗钱数据库，该方法包括：
响应核心业务系统发送的数据同步请求，接收交易数据并存储在所述反洗钱数据库中，所述交易数据为所述核心业务系统在满足预设的数据同步条件的情况下，从所述核心业务系统的核心数据库中获取的数据；
在满足预设数据处理条件的情况下，利用预设筛选模型从所述反洗钱数据库中筛选满足预设条件的数据，将筛选出的数据生成中间表，所述筛选模型包括大额交易模型、可疑交易模型和/或客户风险等级划分模型；
响应交易监测请求，确定对应的监测类型，所述监测类型包括大额交易监测、可疑交易监测及客户风险等级划分；
基于所述中间表执行所述监测类型对应的操作进程，得到监测结果。
2.根据权利要求1所述的方法，其特征在于，所述利用预设筛选模型从所述反洗钱数据库中筛选满足预设条件的数据，包括：
根据大额交易模型从所述反洗钱数据库中筛选满足预设条件的数据，所述预设条件包括在预设时间段内单笔或累计交易金额超过预设值；
和/或，
根据可疑交易模型从所述反洗钱数据库中筛选满足预设条件的数据，所述预设条件包括交易对象、交易金额或交易方式不属于预先规定的正常范围内；
和/或，
根据客户风险等级划分模型从所述反洗钱数据库中筛选满足预设条件的数据，所述预设条件包括客户被标记为新客户、待审核客户、保全变更客户或批单变更客户。
3.根据权利要求1所述的方法，其特征在于，所述交易数据包括：
所述核心数据库中存储的全部数据；
或，
按照所述筛选模型在所述核心数据库中进行筛选得到的数据。
4.根据权利要求1所述的方法，其特征在于，所述基于所述中间表执行所述监测类型对应的操作进程，得到监测结果，包括：
当所述监测类型为大额交易监测时，将所述大额交易模型对应的所述中间表的数据标准化，得到大额交易结果表；
响应报文管理请求，基于所述大额交易结果表的数据执行生成报文、下载报文、上报报文及回执导入操作；
当所述监测类型为可疑交易监测时，通过调用接口在所述核心数据库中获取目标客户对应的全部数据，所述目标客户为所述可疑交易模型对应的所述中间表中的全部客户，并结合所述可疑交易模型对应的所述中间表生成可疑交易信息表；
将所述可疑交易信息表的数据标准化，得到可疑交易结果表；
响应人工审核请求，基于所述可疑交易结果表的数据执行数据确认、数据复核及最终审定操作，得到可疑交易确认表；
响应报文管理请求，基于所述可疑交易确认表的数据执行生成报文、下载报文、上报报文及回执导入操作；
当所述监测类型为客户风险等级划分时，根据所述客户风险等级划分模型对应的所述中间表的数据生成风险评估报告，所述风险评估报告包括客户风险等级划分记录、风险评分及风险提示；
响应人工审核请求，基于所述风险评估报告执行人工三级审定操作，确定客户风险等级并更新，所述人工三级审定操作包括风险等级确认、风险等级复核及风险等级审定。
5.根据权利要求4所述的方法，其特征在于，当所述监测类型为可疑交易监测时，还包括：
响应用户录入数据操作请求，获取录入数据生成录入表，并发送录入确认提示，所述录入数据包含客户信息；
响应用户录入确认操作请求，通过调用接口在所述核心数据库中获取与所述客户信息对应的全部数据，并结合所述录入表生成录入结果表；
响应人工审核请求，基于所述录入结果表的数据执行数据复核及最终审定操作，得到可疑交易确认表。
6.根据权利要求1所述的方法，其特征在于，还包括：
在得到所述监测结果之后，将所述中间表删除；
筛选所述反洗钱数据库中的重复数据并删除。
7.根据权利要求1所述的方法，其特征在于，所述预设数据处理条件包括：
当前时刻与上一次生成中间表的时刻之间的时间差达到第一预设阈值；
或，
在所述反洗钱数据库中存储的数据量达到第二预设阈值；
或，
接收用户发送的数据处理请求。
8.根据权利要求1所述的方法，其特征在于，所述预设的数据同步条件包括：
当前时刻与上一次所述核心业务系统生成数据同步请求的时刻之间的时间差达到第三预设阈值；
或，
在所述核心数据库中存储的数据量达到第四预设阈值；
或，
接收用户发送的数据同步请求。
9.一种交易行为监测装置，其特征在于，应用于反洗钱系统，所述反洗钱系统包含预设的反洗钱数据库，该装置包括：
数据同步单元，用于响应核心业务系统发送的数据同步请求，接收交易数据并存储在所述反洗钱数据库中，所述交易数据为所述核心业务系统在满足预设的数据同步条件的情况下，从所述核心业务系统的核心数据库中获取的数据；
数据处理单元，用于在满足预设数据处理条件的情况下，利用预设筛选模型从所述反洗钱数据库中筛选满足预设条件的数据，将筛选出的数据生成中间表，所述筛选模型包括大额交易模型、可疑交易模型和/或客户风险等级划分模型；
监测类型确定单元，用于响应交易监测请求，确定对应的监测类型，所述监测类型包括大额交易监测、可疑交易监测及客户风险等级划分；
监测进程执行单元，用于基于所述中间表执行所述监测类型对应的操作进程，得到监测结果。
10.一种交易行为监测设备，其特征在于，包括存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1-8任一项的交易行为监测方法的各个步骤。
11.一种可读存储介质，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，实现如权利要求1-8任一项的交易行为监测方法的各个步骤。
CN202211647258.1A 2022-12-21 2022-12-21 交易行为监测方法、装置、设备及可读存储介质 Pending CN116091225A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211647258.1A CN116091225A (zh) 2022-12-21 2022-12-21 交易行为监测方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211647258.1A CN116091225A (zh) 2022-12-21 2022-12-21 交易行为监测方法、装置、设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN116091225A true CN116091225A (zh) 2023-05-09

Family

ID=86209475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211647258.1A Pending CN116091225A (zh) 2022-12-21 2022-12-21 交易行为监测方法、装置、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN116091225A (zh)

Similar Documents

Publication Publication Date Title
CN107133265B (zh) 一种识别行为异常用户的方法及装置
US8255971B1 (en) Authentication system and method
CN110009347B (zh) 一种区块链交易信息审计的方法及装置
CN112612813B (zh) 一种测试数据的生成方法和装置
US9405531B2 (en) Methods for building application intelligence into event driven applications through usage learning, and systems supporting such applications
CN109544014B (zh) 基于历史数据回放的反欺诈方法及装置
CN111915316A (zh) 一种可疑交易的监控方法、装置、计算机设备和存储介质
CN111242430A (zh) 电力设备供应商评价方法和装置
CN113849362B (zh) 一种业务服务平台管理方法、装置和计算机可读存储介质
CN111124791A (zh) 一种系统测试方法及装置
US20220028008A1 (en) Signals-based data syndication and collaboration
CN117573728B (zh) 一种数据信息的信息维度升维处理方法及系统
CN113724077A (zh) 贷款审批方法、装置和系统
CN116977063A (zh) 一种贷款风险监控装置、方法、设备及存储介质
CN116091225A (zh) 交易行为监测方法、装置、设备及可读存储介质
CN109558064B (zh) 一种电子发票数据链的同步方法、装置、介质及电子设备
CN115794479A (zh) 日志数据处理方法、装置、电子设备及存储介质
CN114547406A (zh) 数据监控方法、系统、存储介质及电子装置
CN114549193A (zh) 名单筛查方法、装置、设备、存储介质和程序产品
CN112801767A (zh) 一种针对新增渠道的账务数据处理方法及装置
CN111061554A (zh) 一种智能任务调度方法、装置、计算机设备及存储介质
CN113138872A (zh) 数据库系统的异常处理装置及方法
CN117972258B (zh) 网页访问数据统计方法、系统、设备及存储介质
CN115829329A (zh) 风险管控系统、方法、计算机设备及计算机可读存储介质
CN116468440A (zh) 互联网金融支付方法、装置、设备及存储介质

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