CN116797331B - 一种基于大数据的银行卡读卡器读取数据采集管理系统 - Google Patents
一种基于大数据的银行卡读卡器读取数据采集管理系统 Download PDFInfo
- Publication number
- CN116797331B CN116797331B CN202211375058.5A CN202211375058A CN116797331B CN 116797331 B CN116797331 B CN 116797331B CN 202211375058 A CN202211375058 A CN 202211375058A CN 116797331 B CN116797331 B CN 116797331B
- Authority
- CN
- China
- Prior art keywords
- transaction
- amount
- bank card
- card
- appointed
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000012502 risk assessment Methods 0.000 claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims description 30
- 238000012795 verification Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 9
- 230000008014 freezing Effects 0.000 claims description 6
- 238000007710 freezing Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 238000007726 management method Methods 0.000 abstract description 23
- 238000013523 data management Methods 0.000 abstract 1
- 238000012550 audit Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
-
- 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
- G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
- G06Q20/34—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using cards, e.g. integrated circuit [IC] cards or magnetic cards
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Computer Security & Cryptography (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Computer Networks & Wireless Communication (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Technology Law (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及银行卡读取数据管理技术领域,具体公开一种基于大数据的银行卡读卡器读取数据采集管理系统,包括银行卡基本数据读取模块、银行卡交易数据读取模块、指定银行卡效用审核模块、管理数据库、指定银行卡金融风险评估模块和指定银行卡使用状态智能处理终端,通过由银行卡读卡器对持卡人的指定银行卡进行基本数据和交易数据读取,并依据基本数据进行指定银行卡的效用审核,其审核过程充分考虑到了持卡人的身份、银行卡的有效期限和开户人身份证有效期限对银行卡使用效用的影响,打破了现有银行卡效用核查存在的适用局限,同时通过依据交易数据进行指定银行卡的金融风险系数评估,提高了评估结果的真实可靠度。
Description
技术领域
本发明涉及银行卡读取数据管理技术领域,具体而言,是一种基于大数据的银行卡读卡器读取数据采集管理系统。
背景技术
银行卡作为现如今国内个人非现金支付结算工具,凭借着它便捷、高效、安全、灵活等众多突出特点,从推行以来便深受广大客户的欢迎。随着科学技术的进步,银行卡的功能日益完善,其不仅能够实现日常的结算功能,还能够办理相关金融业务,例如个人信贷、外汇买卖、证券交易等,鉴于当前利用银行卡进行非法犯罪的现象此起彼伏,为了严厉打击非法犯罪行为,保障公民的财产安全,这些金融业务在办理过程中均需要对待办理的银行卡进行核查验证,在这种情况下,就需要由银行卡读卡器对待办理的银行卡进行数据读取,由此进行核查验证。
现在对银行卡的核查验证基本都是围绕效用核查和金融风险状况评估,但目前对银行卡的效用核查都只单纯进行身份验证,忽略了银行卡的有效期限和开户人身份证有效期限对银行卡使用效用的影响,导致银行卡效用核查存在适用局限,给银行卡的后续使用埋下了不便隐患,在一定程度上提高了用户因银行卡使用效用受限造成的二次业务办理的发生率,大大浪费了用户的办理时间,从而影响用户对银行卡的使用体验感。
同时,目前对银行卡的金融风险状态评估仅仅依据大额交易状况,没有考虑到单日累计交易状况、小额交易状况对金融风险造成的影响,进而导致金融风险状态评估依据过于单一,致使评估结果存在片面性的缺陷,不仅难以全面反映银行卡的金融风险状态,降低了评估结果的真实可靠度,还容易忽略小额交易等其他金融风险情况,降低了银行卡金融风险发现的及时性,给开户人的财产安全造成极大的安全隐患。
发明内容
为解决上述技术问题,本发明是通过以下技术方案实现的:一种基于大数据的银行卡读卡器读取数据采集管理系统,包括:银行卡基本数据读取模块,用于由银行卡读卡器对持卡人的指定银行卡进行基本数据读取。
银行卡交易数据读取模块,用于由银行卡读卡器对持卡人的指定银行卡进行交易数据读取。
指定银行卡效用审核模块,用于由银行卡读卡器自带的摄像头对持卡人进行人脸图像采集,并基于持卡人对应的人脸图像和指定银行卡的基本数据进行指定银行卡效用审核。
管理数据库,用于存储指定银行卡对应的单日允许累计交易金额、单日允许小额交易记录数量、大额交易阈值和小额交易阈值,存储各种金额风险等级对应的金融风险系数范围,并存储各种金融风险等级对应的银行卡使用状态处理方式。
指定银行卡金融风险评估模块,用于基于指定银行卡对应的交易数据进行指定银行卡的金融风险系数评估。
指定银行卡使用状态智能处理终端,用于基于指定银行卡对应的效用审核结果和金融风险系数对指定银行卡的使用状态进行针对性处理。
在一种优选的方案中,所述基本数据包括卡片自属数据和卡片开户数据。
在一种优选的方案中,所述卡片自属数据包括卡号和有效期限,卡片开户数据包括开户人身份证有效期限和开户时间点。
在一种优选的方案中,所述交易数据为交易记录。
在一种优选的方案中,所述基于持卡人对应的人脸图像和指定银行卡的基本数据进行指定银行卡效用审核对应的具体操作步骤如下:步骤1:从指定银行卡对应的卡片自属数据中提取卡号,并链接到银行开户系统,以此将提取的卡号在银行开户系统中进行查询,得到指定银行卡对应开户人的人脸图像。
步骤2:将持卡人对应的人脸图像与指定银行卡对应开户人的人脸图像进行匹配,若匹配不一致,则指定银行卡对应的效用审核结果为身份验证失败,反之则执行步骤3。
步骤3:从指定银行卡对应的卡片自属数据中提取有效期限,并从有效期限中提取到期日,进而将其与当前日期进行对比,若指定银行卡的到期日在当前日期之前,则指定银行卡对应的效用审核结果为使用状态失效,反之则执行步骤4。
步骤4:从指定银行卡对应的卡片开户数据中提取开户人身份证有效期限,并从中提取截止日期,进而将其与当前日期进行对比,若开户人身份证截止日期在当前日期之前,则指定银行卡对应的效用审核结果为使用状态受限制。
在一种优选的方案中,所述基于指定银行卡对应的交易数据进行指定银行卡的金融风险评估具体包括以下步骤:
S-1:统计交易记录总数量,并从指定银行卡对应的各条交易记录中提取交易时间点和交易金额。
S-2:将各条交易记录对应的交易时间点进行对比分析,从中提取属于同一交易日对应的交易记录,以此构建各交易日对应的交易记录集合。
S-3:将各交易日对应的交易记录集合中各条交易记录的交易金额进行汇总,得到各交易日对应的累计交易金额,并将其与管理数据库中单日允许累计交易金额进行对比,若某交易日对应的累计交易金额大于或等于单日允许累计交易金额,则将该交易日记为重点交易日,此时统计重点交易日的数量,并从各交易日对应的累计交易金额中提取最大累计交易金额,将其作为累计交易金额峰值。
S-4:基于重点交易日的数量和累计交易金额峰值计算指定银行卡对应的累计交易金额风险系数σ,其计算公式为Q累表示为累计交易金额峰值,Q累允表示为指定银行卡对应的单日允许累计交易金额,k表示为重点交易日的数量,K表示为交易日总数量,e表示为自然常数。
S-5:提取各条交易记录对应的交易金额,进而从中筛选出大额交易记录和小额交易记录。
S-6:统计大额交易记录数量,并将各条大额交易记录按照交易时间点的先后顺序依次标记为1,2,...,i,...,n。
S-7:将大额交易记录数量与交易记录总数量进行对比,计算指定银行卡对应的大额交易覆盖率LA,其计算公式为n表示为大额交易记录数量,z表示为交易记录总数量。
S-8:从大额交易记录中提取首条大额交易记录和末条大额交易记录,进而将首条大额交易记录和末条大额交易记录对应的交易时间点进行对比,以此得到大额交易总周期时长,记为TL。
S-9:将大额交易总周期时长和大额交易记录数量导入大额交易频率计算公式得到指定银行卡对应的大额交易频率TF。
S-10:将各条大额交易记录对应的交易金额与管理数据库中指定银行卡对应的大额交易阈值进行对比,以此计算指定银行卡对应的交易金额大额率LR,其计算公式Qmax、Qmin分别表示为最大交易金额、最小交易金额,Q0表示为指定银行卡对应的大额交易阈值,Qi表示为第i条大额交易记录对应的交易金额。
S-11:基于指定银行卡对应的大额交易覆盖率、大额交易频率和交易金额大额率统计指定银行卡对应的大额交易风险系数η,其统计公式为TF′表示为预设的参考大额交易频率,a、b、c分别表示为设定的大额交易覆盖率、大额交易频率、交易金额大额率对应的占比因子。
S-12:统计小额交易记录数量,并依据各条小额交易记录对应的交易时间点从中提取属于同一交易日的小额交易记录,以此构建各交易日对应的小额交易记录集合。
S-13:分别统计各交易日对应的小额交易记录集合内存在的小额交易记录数量,并从中提取最多小额交易记录数量,将其与管理数据库中指定银行卡对应的单日允许小额交易记录数量进行对比,通过小额交易风险系数计算公式得到指定银行卡对应的小额交易风险系数。
在一种优选的方案中,所述基于指定银行卡对应的交易数据进行金融风险评估还包括:S-14:从指定银行卡对应基本数据的卡片开户数据中提取开户时间点,并基于各条交易记录对应的交易时间点,从中选取最早交易时间点。
S-15:将最早交易时间点与开户时间点进行对比,得到指定银行卡对应的开户首次交易间隔时长,并据此分析指定银行卡对应的首次使用空置率λ,其分析公式为t表示为指定银行卡对应的开户首次交易间隔时长,t0表示为规定的处于休眠状态下最小交易间隔时长。
S-16:基于指定银行卡对应的累计交易金额风险系数、大额交易风险系数、小额交易风险系数和首次使用空置率评估指定银行卡对应的金融风险系数,其评估公式为表示为指定银行卡对应的金融风险系数,ξ表示为小额交易风险系数,A、B、C分别表示为累计交易金额风险系数、大额交易风险系数、小额交易风险系数对应的权重因子,且A+B+C=1。
在一种优选的方案中,所述S-5中提取筛选出大额交易记录和小额交易记录对应的具体筛选过程如下:(1)分别从管理数据库中提取大额交易阈值和小额交易阈值。
(2)将各条交易记录对应的交易金额与大额交易阈值进行对比,若某条交易记录对应的交易金额大于或等于大额交易阈值,则将该条交易记录作为大额交易记录,若某条交易记录对应的交易金额小于或等于小额交易阈值,则将该条交易记录作为小额交易记录。
在一种优选的方案中,所述基于指定银行卡对应的效用审核结果和金融风险系数对指定银行卡的使用状态进行针对性处理具体参照如下步骤:第一步:若指定银行卡对应的效用审核结果为身份验证失败,则进行身份验证失败预警,同时保存持卡人人脸图像,并对指定银行卡进行冻结处理,若指定银行卡对应的效用审核结果为使用状态失效,则进行使用状态失效预警,若指定银行卡对应的效用审核结果为使用状态受限制,则进行使用状态受限制提示。
第二步:将指定银行卡对应的金融风险系数与管理数据库中各种金额风险等级对应的金融风险系数范围进行匹配,得到指定银行卡对应的金融风险等级。
第三步:将指定银行卡对应的金融风险等级与管理数据库中各种金融风险等级对应的银行卡使用状态处理方式进行对比,从中筛选出指定银行卡对应的使用状态处理方式,并由银行执行相应操作。
在一种优选的方案中,所述各种金融风险等级对应的使用状态处理方式具体包括冻结、止付、禁止非柜面业务和风控。
与现有技术相比,本发明具有以下优点:1.本发明通过由银行卡读卡器对持卡人的指定银行卡进行基本数据和交易数据读取,并依据基本数据进行指定银行卡的效用审核,其中效用审核充分考虑到了持卡人的身份、银行卡的有效期限和开户人身份证有效期限对银行卡使用效用的影响,打破了现有银行卡效用核查存在的适用局限,使持卡人能够及时客观了解银行卡的当前状态,为银行卡的后续使用提供了便利保障,在一定程度上降低了用户因银行卡使用效用受限造成的二次业务办理的发生率,有利于提高用户对银行卡的使用粘性。
2.本发明通过依据交易数据进行指定银行卡的金融风险系数评估,其评估依据在现有的大额交易状况基础上兼并了单日累计交易状况和小额交易状况,从而丰富了银行卡金融风险状态的评估依据,有效弥补了现有银行卡金融风险状态评估存在的评估依据过于单一的不足,进而克服了评估结果的片面性缺陷,一方面通过多维参数实现了银行卡金融风险状态的全面评估,避免出现评估偏颇现象,提高了评估结果的真实可靠度,另一方面扩大了银行卡金融风险的评估范围,降低了其他金融风险情况的发生率,最大限度保障了开户人的财产安全。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明系统连接示意图。
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,都属于本发明保护的范围。
参照图1所示,一种基于大数据的银行卡读卡器读取数据采集管理系统,包括银行卡基本数据读取模块、银行卡交易数据读取模块、指定银行卡效用审核模块、管理数据库、指定银行卡金融风险评估模块和指定银行卡使用状态智能处理终端,其中银行卡基本数据读取模块与指定银行卡效用审核模块连接,银行卡交易数据读取模块与指定银行卡金融风险评估模块连接,指定银行卡效用审核模块和指定银行卡金融风险评估模块均与指定银行卡使用状态智能处理终端连接,管理数据库分别与指定银行卡金融风险评估模块和指定银行卡使用状态智能处理终端连接。
所述银行卡基本数据读取模块用于由银行卡读卡器对持卡人的指定银行卡进行基本数据读取,其中基本数据包括卡片自属数据和卡片开户数据,所述卡片自属数据包括卡号和有效期限,卡片开户数据包括开户人身份证有效期限和开户时间点。
所述银行卡交易数据读取模块用于由银行卡读卡器对持卡人的指定银行卡进行交易数据读取,其中交易数据为交易记录。
所述指定银行卡效用审核模块用于由银行卡读卡器自带的摄像头对持卡人进行人脸图像采集,并基于持卡人对应的人脸图像和指定银行卡的基本数据进行指定银行卡效用审核,其具体操作步骤如下:步骤1:从指定银行卡对应的卡片自属数据中提取卡号,并链接到银行开户系统,以此将提取的卡号在银行开户系统中进行查询,得到指定银行卡对应开户人的人脸图像。
步骤2:将持卡人对应的人脸图像与指定银行卡对应开户人的人脸图像进行匹配,若匹配不一致,则指定银行卡对应的效用审核结果为身份验证失败,反之则执行步骤3。
需要说明的是,上述提到的身份验证审核能够快速真实体现持卡人与开户人是否一致,其审核结果直观反映了银行卡是否被盗用。
步骤3:从指定银行卡对应的卡片自属数据中提取有效期限,并从有效期限中提取到期日,进而将其与当前日期进行对比,若指定银行卡的到期日在当前日期之前,则指定银行卡对应的效用审核结果为使用状态失效,反之则执行步骤4。
需要说明的是,上述提到的使用状态有效性审核能够反映指定银行卡的使用期限是否到期,其审核结果直接决定了指定银行卡是否能够继续使用。
步骤4:从指定银行卡对应的卡片开户数据中提取开户人身份证有效期限,并从中提取截止日期,进而将其与当前日期进行对比,若开户人身份证截止日期在当前日期之前,则指定银行卡对应的效用审核结果为使用状态受限制。
需要说明的是,上述提到的使用状态限制审核能够反映指定银行卡的使用功能范围是否受限制,其审核结果直接决定了指定银行卡后续使用的通用便捷度。
本发明实施例通过由银行卡读卡器对持卡人的指定银行卡进行基本数据和交易数据读取,并依据基本数据进行指定银行卡的效用审核,其中效用审核充分考虑到了持卡人的身份、银行卡的有效期限和开户人身份证有效期限对银行卡使用效用的影响,打破了现有银行卡效用核查存在的适用局限,使持卡人能够及时客观了解银行卡的当前状态,为银行卡的后续使用提供了便利保障,在一定程度上降低了用户因银行卡使用效用受限造成的二次业务办理的发生率,有利于提高用户对银行卡的使用粘性。
所述管理数据库用于存储指定银行卡对应的单日允许累计交易金额、单日允许小额交易记录数量、大额交易阈值和小额交易阈值,存储各种金额风险等级对应的金融风险系数范围,并存储各种金融风险等级对应的银行卡使用状态处理方式,其银行卡使用状态处理方式具体包括冻结、止付、禁止非柜面业务和风控。
示例性地,上述提到的指定银行卡对应的单日允许累计交易金额为20万,单日允许小额交易记录数量为2000,大额交易阈值为5万,小额交易阈值为200。
所述指定银行卡金融风险评估模块用于基于指定银行卡对应的交易数据进行指定银行卡的金融风险系数评估,具体包括以下步骤:S-1:统计交易记录总数量,并从指定银行卡对应的各条交易记录中提取交易时间点和交易金额,其中交易时间点包含交易日期和具体交易时刻。
S-2:将各条交易记录对应的交易时间点进行对比分析,从中提取属于同一交易日对应的交易记录,以此构建各交易日对应的交易记录集合。
作为优选的实施方式,上述提到的提取属于同一交易日对应的交易记录,其具体提取过程为从各条交易记录对应的交易时间点中提取交易日期,进而将各条交易记录对应的交易日期进行对比,从中筛选出属于相同交易日期的交易记录,其中相同交易日期记为同一交易日。
S-3:将各交易日对应的交易记录集合中各条交易记录的交易金额进行汇总,得到各交易日对应的累计交易金额,并将其与管理数据库中单日允许累计交易金额进行对比,若某交易日对应的累计交易金额大于或等于单日允许累计交易金额,则将该交易日记为重点交易日,此时统计重点交易日的数量,并从各交易日对应的累计交易金额中提取最大累计交易金额,将其作为累计交易金额峰值。
S-4:基于重点交易日的数量和累计交易金额峰值计算指定银行卡对应的累计交易金额风险系数σ,其计算公式为Q累表示为累计交易金额峰值,Q累允表示为指定银行卡对应的单日允许累计交易金额,k表示为重点交易日的数量,K表示为交易日总数量,e表示为自然常数。
于本发明的一实施例中,重点交易日的数量和累计交易金额峰值对累计交易金额风险系数的影响均是正影响。
S-5:提取各条交易记录对应的交易金额,进而从中筛选出大额交易记录和小额交易记录,其具体筛选过程如下:(1)分别从管理数据库中提取大额交易阈值和小额交易阈值。
(2)将各条交易记录对应的交易金额与大额交易阈值进行对比,若某条交易记录对应的交易金额大于或等于大额交易阈值,则将该条交易记录作为大额交易记录,若某条交易记录对应的交易金额小于或等于小额交易阈值,则将该条交易记录作为小额交易记录。
S-6:统计大额交易记录数量,并将各条大额交易记录按照交易时间点的先后顺序依次标记为1,2,...,i,...,n。
S-7:将大额交易记录数量与交易记录总数量进行对比,计算指定银行卡对应的大额交易覆盖率LA,其计算公式为n表示为大额交易记录数量,z表示为交易记录总数量,其中大额交易记录数量越多,大额交易覆盖率越大。
S-8:从大额交易记录中提取首条大额交易记录和末条大额交易记录,进而将末条大额交易记录对应的交易时间点与首条大额交易记录对应的交易时间点相减,以此得到大额交易总周期时长,记为TL。
S-9:将大额交易总周期时长和大额交易记录数量导入大额交易频率计算公式得到指定银行卡对应的大额交易频率TF。
在一些实施方式中,上述大额交易频率直观反映了各次大额交易对应的平均交易间隔时长,且大额交易频率越大,表明大额交易越频繁。
S-10:将各条大额交易记录对应的交易金额与管理数据库中指定银行卡对应的大额交易阈值进行对比,以此计算指定银行卡对应的交易金额大额率LR,其计算公式Qmax、Qmin分别表示为最大交易金额、最小交易金额,Q0表示为指定银行卡对应的大额交易阈值,Qi表示为第i条大额交易记录对应的交易金额。
需要说明的是,上述提到的交易金额大额率计算公式中不仅考虑了交易金额中最大交易金额与最小交易金额之间的差距对交易金额大额率作出的贡献,还考虑了各条大额交易记录的平均交易金额对交易金额大额率的影响,其中最大交易金额与最小交易金额之间的差距反映了大额交易金额的稳定度,而最大交易金额与最小交易金额之间差距越小,表明大额交易金额越稳定,反之,表明大额交易金额波动度越大,其中最小交易金额已经满足大额交易阈值,此时最大交易金额与最小交易金额之间差距越大,代表最大交易金额更大于大额交易阈值,从而表明交易金额大额率更高,而各条大额交易记录的平均交易金额代表了大额交易记录的一般交易金额,其相比于大额交易阈值越大,表明交易金额大额率越高。
S-11:基于指定银行卡对应的大额交易覆盖率、大额交易频率和交易金额大额率统计指定银行卡对应的大额交易风险系数η,其统计公式为TF′表示为预设的参考大额交易频率,a、b、c分别表示为设定的大额交易覆盖率、大额交易频率、交易金额大额率对应的占比因子,其中大额交易覆盖率、大额交易频率、交易金额大额率都对大额交易风险系数存在积极影响。
S-12:统计小额交易记录数量,并依据各条小额交易记录对应的交易时间点从中提取属于同一交易日的小额交易记录,以此构建各交易日对应的小额交易记录集合。
S-13:分别统计各交易日对应的小额交易记录集合内存在的小额交易记录数量,并从中提取最多小额交易记录数量,将其与管理数据库中设置的单日允许小额交易记录数量进行对比,通过小额交易风险系数计算公式得到指定银行卡对应的小额交易风险系数,其中最多小额交易记录数量越多,小额交易风险系数越大。
作为本发明的进一步方案,上述基于指定银行卡对应的交易数据进行金融风险评估还包括:S-14:从指定银行卡对应基本数据的卡片开户数据中提取开户时间点,并基于各条交易记录对应的交易时间点,从中选取最早交易时间点。
S-15:将最早交易时间点与开户时间点进行对比,得到指定银行卡对应的开户首次交易间隔时长,并据此分析指定银行卡对应的首次使用空置率λ,其分析公式为t表示为指定银行卡对应的开户首次交易间隔时长,t0表示为规定的处于休眠状态下最小交易间隔时长,其中指定银行卡对应的开户首次交易间隔时长越大于处于休眠状态下最小交易间隔时长,表明指定银行卡对应的首次使用空置率越大。
在进一步的技术方案中,本发明考虑指定银行卡的首次使用空置率对金融风险的影响,其目的在于银行卡的首次使用空置率越高,表明开户人对该银行卡在开户后的使用频率越小,代表该银行卡属于开户后长期不使用的银行卡,可能已经被转为休眠状态,如果在这种情况下存在大额交易风险、单日累计交易风险和小额交易风险,那么该银行卡的金融风险将加剧,由此可见指定银行卡的首次使用空置率对金融风险存在促进性的影响,通过添加首次使用空置率对金融风险状态评估,在一定程度上更加深化了评估的考量全面性,具有广泛的应用性。
S-16:基于指定银行卡对应的累计交易金额风险系数、大额交易风险系数、小额交易风险系数和首次使用空置率评估指定银行卡对应的金融风险系数,其评估公式为表示为指定银行卡对应的金融风险系数,ξ表示为小额交易风险系数,A、B、C分别表示为累计交易金额风险系数、大额交易风险系数、小额交易风险系数对应的权重因子,且A+B+C=1。
本发明实施例通过依据交易数据进行指定银行卡的金融风险系数评估,其评估依据在现有的大额交易状况基础上兼并了单日累计交易状况和小额交易状况,从而丰富了银行卡金融风险状态的评估依据,有效弥补了现有银行卡金融风险状态评估存在的评估依据过于单一的不足,进而克服了评估结果的片面性缺陷,一方面通过多维参数实现了银行卡金融风险状态的全面评估,避免出现评估偏颇现象,提高了评估结果的真实可靠度,另一方面扩大了银行卡金融风险的评估范围,降低了其他金融风险情况的发生率,最大限度保障了开户人的财产安全。
所述指定银行卡使用状态智能处理终端用于基于指定银行卡对应的效用审核结果和金融风险系数对指定银行卡的使用状态进行针对性处理,具体参照如下步骤:第一步:若指定银行卡对应的效用审核结果为身份验证失败,则进行身份验证失败预警,同时保存持卡人人脸图像,并对指定银行卡进行冻结处理,避免银行卡被盗用造成对开户人的持续财产损失,若指定银行卡对应的效用审核结果为使用状态失效,则进行使用状态失效预警,便于持卡人及时进行换卡处理,若指定银行卡对应的效用审核结果为使用状态受限制,则进行使用状态受限制提示,便于持卡人及时进行身份证补办。
第二步:将指定银行卡对应的金融风险系数与管理数据库中各种金额风险等级对应的金融风险系数范围进行匹配,得到指定银行卡对应的金融风险等级。
第三步:将指定银行卡对应的金融风险等级与管理数据库中各种金融风险等级对应的银行卡使用状态处理方式进行对比,从中筛选出指定银行卡对应的使用状态处理方式,并由银行执行相应操作。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (3)
1.一种基于大数据的银行卡读卡器读取数据采集管理系统,其特征在于,包括:
银行卡基本数据读取模块,用于由银行卡读卡器对持卡人的指定银行卡进行基本数据读取;
银行卡交易数据读取模块,用于由银行卡读卡器对持卡人的指定银行卡进行交易数据读取;
指定银行卡效用审核模块,用于由银行卡读卡器自带的摄像头对持卡人进行人脸图像采集,并基于持卡人对应的人脸图像和指定银行卡的基本数据进行指定银行卡效用审核;
管理数据库,用于存储指定银行卡对应的单日允许累计交易金额、单日允许小额交易记录数量、大额交易阈值和小额交易阈值,存储各种金额风险等级对应的金融风险系数范围,并存储各种金融风险等级对应的银行卡使用状态处理方式;
指定银行卡金融风险评估模块,用于基于指定银行卡对应的交易数据进行指定银行卡的金融风险系数评估;
指定银行卡使用状态智能处理终端,用于基于指定银行卡对应的效用审核结果和金融风险系数对指定银行卡的使用状态进行针对性处理;
所述基本数据包括卡片自属数据和卡片开户数据;所述卡片自属数据包括卡号和有效期限,卡片开户数据包括开户人身份证有效期限和开户时间点;所述交易数据为交易记录;
所述基于持卡人对应的人脸图像和指定银行卡的基本数据进行指定银行卡效用审核对应的具体操作步骤如下:
步骤1:从指定银行卡对应的卡片自属数据中提取卡号,并链接到银行开户系统,以此将提取的卡号在银行开户系统中进行查询,得到指定银行卡对应开户人的人脸图像;
步骤2:将持卡人对应的人脸图像与指定银行卡对应开户人的人脸图像进行匹配,若匹配不一致,则指定银行卡对应的效用审核结果为身份验证失败,反之则执行步骤3;
步骤3:从指定银行卡对应的卡片自属数据中提取有效期限,并从有效期限中提取到期日,进而将其与当前日期进行对比,若指定银行卡的到期日在当前日期之前,则指定银行卡对应的效用审核结果为使用状态失效,反之则执行步骤4:
步骤4:从指定银行卡对应的卡片开户数据中提取开户人身份证有效期限,并从中提取截止日期,进而将其与当前日期进行对比,若开户人身份证截止日期在当前日期之前,则指定银行卡对应的效用审核结果为使用状态受限制;
所述基于指定银行卡对应的交易数据进行指定银行卡的金融风险评估具体包括以下步骤:
S-1:统计交易记录总数量,并从指定银行卡对应的各条交易记录中提取交易时间点和交易金额;
S-2:将各条交易记录对应的交易时间点进行对比分析,从中提取属于同一交易日对应的交易记录,以此构建各交易日对应的交易记录集合;
S-3:将各交易日对应的交易记录集合中各条交易记录的交易金额进行汇总,得到各交易日对应的累计交易金额,并将其与管理数据库中单日允许累计交易金额进行对比,若某交易日对应的累计交易金额大于或等于单日允许累计交易金额,则将该交易日记为重点交易日,此时统计重点交易日的数量,并从各交易日对应的累计交易金额中提取最大累计交易金额,将其作为累计交易金额峰值;
S-4:基于重点交易日的数量和累计交易金额峰值计算指定银行卡对应的累计交易金额风险系数,其计算公式为/>,/>表示为累计交易金额峰值,表示为指定银行卡对应的单日允许累计交易金额,k表示为重点交易日的数量,K表示为交易日总数量,e表示为自然常数;
S-5:提取各条交易记录对应的交易金额,进而从中筛选出大额交易记录和小额交易记录;
S-6:统计大额交易记录数量,并将各条大额交易记录按照交易时间点的先后顺序依次标记为1,2,...,i,...,n;
S-7:将大额交易记录数量与交易记录总数量进行对比,计算指定银行卡对应的大额交易覆盖率,其计算公式为/>,n表示为大额交易记录数量,/>表示为交易记录总数量;
S-8:从大额交易记录中提取首条大额交易记录和末条大额交易记录,进而将首条大额交易记录和末条大额交易记录对应的交易时间点进行对比,以此得到大额交易总周期时长,记为;
S-9:将大额交易总周期时长和大额交易记录数量导入大额交易频率计算公式,得到指定银行卡对应的大额交易频率/>;
S-10:将各条大额交易记录对应的交易金额与管理数据库中指定银行卡对应的大额交易阈值进行对比,以此计算指定银行卡对应的交易金额大额率,其计算公式,/>、/>分别表示为最大交易金额、最小交易金额,/>表示为指定银行卡对应的大额交易阈值,/>表示为第i条大额交易记录对应的交易金额;
S-11:基于指定银行卡对应的大额交易覆盖率、大额交易频率和交易金额大额率统计指定银行卡对应的大额交易风险系数,其统计公式为/>,/>表示为预设的参考大额交易频率,a、b、c分别表示为设定的大额交易覆盖率、大额交易频率、交易金额大额率对应的占比因子;
S-12:统计小额交易记录数量,并依据各条小额交易记录对应的交易时间点从中提取属于同一交易日的小额交易记录,以此构建各交易日对应的小额交易记录集合;
S-13:分别统计各交易日对应的小额交易记录集合内存在的小额交易记录数量,并从中提取最多小额交易记录数量,将其与管理数据库中指定银行卡对应的单日允许小额交易记录数量进行对比,通过小额交易风险系数计算公式,得到指定银行卡对应的小额交易风险系数;
所述基于指定银行卡对应的交易数据进行金融风险评估还包括:
S-14:从指定银行卡对应基本数据的卡片开户数据中提取开户时间点,并基于各条交易记录对应的交易时间点,从中选取最早交易时间点;
S-15:将最早交易时间点与开户时间点进行对比,得到指定银行卡对应的开户首次交易间隔时长,并据此分析指定银行卡对应的首次使用空置率,其分析公式为/>,表示为指定银行卡对应的开户首次交易间隔时长,/>表示为规定的处于休眠状态下最小交易间隔时长;
S-16:基于指定银行卡对应的累计交易金额风险系数、大额交易风险系数、小额交易风险系数和首次使用空置率评估指定银行卡对应的金融风险系数,其评估公式为,/>表示为指定银行卡对应的金融风险系数,/>表示为小额交易风险系数,A、B、C分别表示为累计交易金额风险系数、大额交易风险系数、小额交易风险系数对应的权重因子,且/>;
所述基于指定银行卡对应的效用审核结果和金融风险系数对指定银行卡的使用状态进行针对性处理具体参照如下步骤:
第一步:若指定银行卡对应的效用审核结果为身份验证失败,则进行身份验证失败预警,同时保存持卡人人脸图像,并对指定银行卡进行冻结处理,若指定银行卡对应的效用审核结果为使用状态失效,则进行使用状态失效预警,若指定银行卡对应的效用审核结果为使用状态受限制,则进行使用状态受限制提示;
第二步:将指定银行卡对应的金融风险系数与管理数据库中各种金额风险等级对应的金融风险系数范围进行匹配,得到指定银行卡对应的金融风险等级;
第三步:将指定银行卡对应的金融风险等级与管理数据库中各种金融风险等级对应的银行卡使用状态处理方式进行对比,从中筛选出指定银行卡对应的使用状态处理方式,并由银行执行相应操作。
2.根据权利要求1所述的一种基于大数据的银行卡读卡器读取数据采集管理系统,其特征在于:所述步骤S-5中提取筛选出大额交易记录和小额交易记录对应的具体筛选过程如下:
(1)分别从管理数据库中提取大额交易阈值和小额交易阈值;
(2)将各条交易记录对应的交易金额与大额交易阈值进行对比,若某条交易记录对应的交易金额大于或等于大额交易阈值,则将该条交易记录作为大额交易记录,若某条交易记录对应的交易金额小于或等于小额交易阈值,则将该条交易记录作为小额交易记录。
3.根据权利要求1所述的一种基于大数据的银行卡读卡器读取数据采集管理系统,其特征在于:所述各种金融风险等级对应的使用状态处理方式具体包括冻结、止付、禁止非柜面业务和风控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211375058.5A CN116797331B (zh) | 2022-11-04 | 2022-11-04 | 一种基于大数据的银行卡读卡器读取数据采集管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211375058.5A CN116797331B (zh) | 2022-11-04 | 2022-11-04 | 一种基于大数据的银行卡读卡器读取数据采集管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116797331A CN116797331A (zh) | 2023-09-22 |
CN116797331B true CN116797331B (zh) | 2024-05-28 |
Family
ID=88045648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211375058.5A Active CN116797331B (zh) | 2022-11-04 | 2022-11-04 | 一种基于大数据的银行卡读卡器读取数据采集管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116797331B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101010690A (zh) * | 2004-06-25 | 2007-08-01 | 佩珀尔硬币公司 | 支付处理方法和系统 |
JP2015121997A (ja) * | 2013-12-24 | 2015-07-02 | 株式会社日本総合研究所 | Icカードを用いた金融機関の利用状況管理方法 |
CN108765789A (zh) * | 2018-05-22 | 2018-11-06 | 北京翔云在线数据技术有限公司 | 智能开户机器人及开户方法 |
CN109685642A (zh) * | 2018-11-16 | 2019-04-26 | 北京三快在线科技有限公司 | 信用卡资源处理方法、装置、电子设备及存储介质 |
CN111461704A (zh) * | 2020-03-17 | 2020-07-28 | 福建省农村信用社联合社 | 一种用于农村金融机构的磁条卡交易安全锁的方法及系统 |
CN114648521A (zh) * | 2022-04-02 | 2022-06-21 | 武汉旻一数字科技有限公司 | 一种基于机器视觉的智慧工厂生产在线监测分析系统 |
-
2022
- 2022-11-04 CN CN202211375058.5A patent/CN116797331B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101010690A (zh) * | 2004-06-25 | 2007-08-01 | 佩珀尔硬币公司 | 支付处理方法和系统 |
JP2015121997A (ja) * | 2013-12-24 | 2015-07-02 | 株式会社日本総合研究所 | Icカードを用いた金融機関の利用状況管理方法 |
CN108765789A (zh) * | 2018-05-22 | 2018-11-06 | 北京翔云在线数据技术有限公司 | 智能开户机器人及开户方法 |
CN109685642A (zh) * | 2018-11-16 | 2019-04-26 | 北京三快在线科技有限公司 | 信用卡资源处理方法、装置、电子设备及存储介质 |
CN111461704A (zh) * | 2020-03-17 | 2020-07-28 | 福建省农村信用社联合社 | 一种用于农村金融机构的磁条卡交易安全锁的方法及系统 |
CN114648521A (zh) * | 2022-04-02 | 2022-06-21 | 武汉旻一数字科技有限公司 | 一种基于机器视觉的智慧工厂生产在线监测分析系统 |
Non-Patent Citations (3)
Title |
---|
New Online Payment System using OTP with Security and Ease of Use;Soonduck Yoo;《Journal of KIISE: Computing Practices and Letters》;20120401;第18卷(第4期);第266-275页 * |
基于人工智能的移动金融风控体系建设中的实践;王欣;《信息安全研究》;20171105(第11期);第42-47页 * |
我国第三方网上支付市场信息安全监管研究;李松涛;《中国博士学位论文全《中国博士学位论文全文数据库经济与管理科学辑》文数据库经济与管理科学辑》;20210115(第1期);第J157-7页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116797331A (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7386506B2 (en) | Fraud score calculating program, method of calculating fraud score, and fraud score calculating system for credit cards | |
US6757664B1 (en) | Method and system for verification of checks at a point of sale | |
US8458069B2 (en) | Systems and methods for adaptive identification of sources of fraud | |
US7593895B2 (en) | Profitability evaluation in transaction decision | |
WO2004079508B1 (en) | Method and system for monitoring transactions | |
US7552865B2 (en) | System and method for deep interaction modeling for fraud detection | |
US20090222308A1 (en) | Detecting first party fraud abuse | |
CN110689331A (zh) | 一种基于区块链的数字货币交易方法及系统 | |
CN111461704B (zh) | 一种用于农村金融机构的磁条卡交易安全锁的方法及系统 | |
CN101236638A (zh) | 一种基于Web的银行卡风险监测方法及系统 | |
US20170169432A1 (en) | System and method of identifying baker's fraud in transactions | |
CN111784497A (zh) | 一种基于图像识别线上贷款系统 | |
CN117391709B (zh) | 一种互联网支付管理方法 | |
CN116797331B (zh) | 一种基于大数据的银行卡读卡器读取数据采集管理系统 | |
CN116862661B (zh) | 基于消费金融场景的数字信用审批与风险监测系统 | |
TWM611735U (zh) | 臨時額度申請系統 | |
CN109360085A (zh) | 一种银行客户尽职调查方法及系统 | |
TWM582173U (zh) | Credit card quota management system | |
US20140195414A1 (en) | Method for establishing terms of a financial transaction using player tracking data | |
CN100580720C (zh) | 借助芯片卡管理电子交易的方法、执行该方法的终端及芯片卡 | |
US20210097539A1 (en) | Prospective data-driven self-adaptive system for securing digital transactions over a network with incomplete information | |
Amin et al. | Profit Leveling Actions in Banking in terms of Profitability, Company Size and Capital Structure | |
CN116738258B (zh) | 基于数据分析的用户关键数据挖掘方法 | |
Marouene et al. | Investment-Cash Flow Sensitivity under Financial Constraints Case of Tunisia | |
Calani | Can regulation on loan-loss-provisions for credit risk affect the mortgage market? Evidence from administrative data in Chile |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240430 Address after: No. 80 Xianzheng Road, Yong'an Street, Fengjie County, Chongqing, 400000 Applicant after: Chongqing Fengjie County Xingnong Financing Guarantee Co.,Ltd. Country or region after: China Address before: 430070 Luoyu Road, Hongshan District, Wuhan City, Hubei Province Applicant before: Wuhan Minyi Digital Technology Co.,Ltd. Country or region before: China |
|
GR01 | Patent grant | ||
GR01 | Patent grant |