CN116881472B - 基于图数据库技术的资金穿透与人物关系分析方法 - Google Patents

基于图数据库技术的资金穿透与人物关系分析方法 Download PDF

Info

Publication number
CN116881472B
CN116881472B CN202310865701.0A CN202310865701A CN116881472B CN 116881472 B CN116881472 B CN 116881472B CN 202310865701 A CN202310865701 A CN 202310865701A CN 116881472 B CN116881472 B CN 116881472B
Authority
CN
China
Prior art keywords
data
transaction
user
fund
affinity
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
Application number
CN202310865701.0A
Other languages
English (en)
Other versions
CN116881472A (zh
Inventor
王中豹
汤小乔
杨鹏辉
吴保国
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.)
Zhengzhou Huashang Technology Co ltd
Original Assignee
Zhengzhou Huashang Technology 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 Zhengzhou Huashang Technology Co ltd filed Critical Zhengzhou Huashang Technology Co ltd
Priority to CN202310865701.0A priority Critical patent/CN116881472B/zh
Publication of CN116881472A publication Critical patent/CN116881472A/zh
Application granted granted Critical
Publication of CN116881472B publication Critical patent/CN116881472B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • 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
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • 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
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • 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
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioethics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了基于图数据库技术的资金穿透与人物关系分析方法，属于人物关系分析技术领域。本发明解决了现有分析方法效率低、误差大的问题，通过数据表梳理用户多方数据信息，提取多方数据的属性信息；并将属性信息导入图数据库生成用户知识图谱，同时将其设定为检索关键字，用以检索双方交易人知识图谱与资金交易数据记录；通过提取双方交易人员信息与资金交易数据，并确定两人之间的交易资金比值，由此获得双方资金往来记录；再判定关系表中的主体和客体是否为成员关系、共同交易对手，并进一步判定双方是否为同乡、同姓关系；基于上述判定结果，综合得出两人的亲密度，从而确定双方人物关系，进而提高人物关系分析的准确性与效率。

Description

基于图数据库技术的资金穿透与人物关系分析方法
技术领域
本发明涉及人物关系分析技术领域，具体为基于图数据库技术的资金穿透与人物关系分析方法。
背景技术
资金穿透指的是按照“穿透原则”加强资本金审查，确保融资主体的资本金来源合法合规，融资项目满足规定的资本金比例要求；随着现代信息技术的不断发展，从资金交易数据中分析人员关系是一项新事物，然而在现有技术中，基于资金交易数据分析人员关系大多通过人工自行筛查，但由于资金交易数据庞大，通过人工对Excel文件进行筛查分析，不仅分析速度较慢，且产生的误差值较大，进而降低了人物关系分析的准确性。
因此，不满足现有的需求，对此我们提出了基于图数据库技术的资金穿透与人物关系分析方法。
发明内容
本发明的目的在于提供基于图数据库技术的资金穿透与人物关系分析方法，通过数据表梳理用户多方数据信息，提取多方数据的属性信息；并将属性信息导入图数据库生成用户知识图谱，同时将其设定为检索关键字，用以检索双方交易人知识图谱与资金交易数据记录；通过提取双方交易人员信息与资金交易数据，并确定两人之间的交易资金比值，由此获得双方资金往来记录；再判定关系表中的主体和客体是否为成员关系、共同交易对手、同乡、同姓关系；综合得出两人的亲密度，从而确定双方人物关系，提高人物关系分析的准确性与效率，解决了上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：基于图数据库技术的资金穿透与人物关系分析方法，所述分析方法包括以下步骤：
S1、获取用户集的多方数据，并建立数据表；
S2、将获取到的用户集的多方数据导入数据表中；
S3、构建结构化数据模型，并对用户集的多方数据进行结构化处理，以获取用户集多方数据的属性信息；
S4、将用户集多方数据的属性信息保存至图数据库中，由此生成用户知识图谱；
S5、增加常用的关键字信息，以作为知识图谱搜索介质，以便用户检索所需人物关系图谱；
S6、基于所检索的人物关系图谱，结合双方资金交易记录，并对资金交易记录做资金穿透侦查，基于资金穿透侦查结果为基准，用以对人物关系进行分析；
S7、基于S6所分析出的关系结果进行展示。
进一步的，所述S1中用户集的多方数据包括：用户社会关系和资金交易数据；其中，
用户社会关系包括：关系人信息、关系群体信息；
资金交易数据包括：银行、反洗钱中心等单位的相关资金交易数据；其中，相关资金交易数据包括：用户使用移动设备进行线上交易、转账时产生的数据资料。
进一步的，所述S1中建立数据表是指在数据库中建立表，包括：资金交易表、人员表、关系表、参数表；其中，在建立参数表时，还需对参数表中的参数进行设置或修改，具体包括：设置资金交易最小金额、净值比总值的阈值、共同交易对手最小个数、同乡亲密度、同姓亲密度、同乡且同姓亲密度、共同交易对手亲密度和成员亲密度中的一种或多种参数。
进一步的，所述S2中将用户集的多方数据导入数据表中，具体为：
S2.1、将用户集中用户社会关系信息的依次导入至S1所建立的数据表中；
S2.2、将银行、反洗钱中心等单位的相关资金交易数据导入至S1所建立的数据表中；其中，银行、反洗钱中心等单位的相关资金交易数据为多个Excel文件，每个Excel文件中具有多个表格，需将所有表格中的每条数据均导入到资金交易表中。
进一步的，S7中，将关系结果进行展示之前，还包括：
获取对人物关系进行分析的目标结果数据，并获取人物关系中每个人物的人物标签，同时，将人物标签输入至预设人物信息库中调取人物标签的标签序列，并将标签序列随机插入至目标结果数据中，获得第一加密数据，并将标签序列作为第一密钥；
将第一加密数据平均分成若干个子加密数据段，并将若干个子加密数据段随机调整顺序，并分别提取随机调整顺序后的若干子加密数据段的首段加密数据段与尾段加密数据段；
调取对目标结果访问的权限信息，并根据目标结果访问的权限信息在预设密钥库中调取公用密钥作为第二密钥；
将第二密钥添加至首段加密数据段与尾段加密数据段中间，构成第二加密数据；
获取图数据库的第一数据地址，并将图数据库的第一数据地址与第二加密数据进行第一融合，获得第三加密数据，同时，获取用户数据访问终端的第二数据地址，并将第二数据地址与第二加密数据进行第二融合，获得第四加密数据；
将第三加密数据与第四加密数据进行第三融合，获得第五加密数据，同时，将第一数据地址与第二数据地址作为第三密钥；
将第一密钥、第二密钥以及第三密钥进行融合，获得第五加密数据进行解密的综合密钥；
将综合密钥传输至用户访问终端，并当用户访问终端在数据展示终端中基于综合密钥对第五加密数据解密后，将目标结果数据对应的关系结果进行展示。
进一步的，所述S3中对构建结构化数据模型，对用户集的多方数据进行结构化处理，具体为：
基于当前用户集的多方数据，将用户集的多方数据抽取出相对结构化的形式，构建结构化数据模型；并将用户集的多方数据的属性信息依据结构化形式进行结构化处理。
进一步的，所述S5中增加常用关键字，以作为知识图谱搜索介质，具体为：
S5.1、提取用户集多方数据属性信息中的关键字，由此生成知识图谱检索关键字，同时还需保存检索渠道中多次出现的关键字及对应的检索结果；
S5.2、输入检索关键字或检索语句进行检索时，依据检索渠道中处理器提取关键字信息或对检索语句进行语义分析；
S5.3、基于检索关键字或检索语句的分析结果，查找出与之对应的人物关系图谱与双方资金交易记录；
S5.4、展示符合分析结果的人物关系图谱与双方资金交易记录，以供用户自行选择所需结果。
进一步的，所述S6中对资金交易记录做资金穿透侦查，具体为：
S6.1、将检索到的资金交易数据导入到资金穿透软件中，对所导入的数据进行去重，并编辑和修正一些明显数据错误，以保障数据分析结果的准确性；
S6.2、依据数据关联方向设置可视化关系模型，以保障数据出图分析的准确性；
S6.3、设置关系显示标签，为交易账户和对手卡号，该关系显示标签支持多个关系标签的设置，用以多角度建立分析关系维度；
S6.4、选定所需的关系标签与所需的数据并出图，或选定所需的关系标签与全部数据并出图；
S6.5、选定所需分析的交易账户进行资金穿透，由此形成资金穿透图像；
S6.6、对资金穿透图像进行分析判断，以获取交易账户的资金来源和去向，基于判断结果对人物关系进行分析。
进一步的，所述S5.2中提取关键字或进行语义分析后，依据关键字并结合处理器来分析关键字的语义，先判断检索的关键字是属于用户社会关系信息还是资金交易数据信息，再判断检索语句的语义是否存在歧义；若语义存在歧义时，则依照歧义与用户集的多方数据的关联度和相似度将各个存有歧义的关键字进行优先级排序，并优先搜索与用户集的多方数据的关联度和相似度最大的关键字；若关键字语义不存在歧义时，则在图数据库的检索渠道中直接搜索关键字信息。
进一步的，所述S6.6中基于交易账户的资金来源和去向对人物关系进行分析，具体为：
S6.6.1、从资金穿透图像与资金交易表中提取双方交易人员信息与资金交易数据；
S6.6.2、基于双方资金交易数据确定交易资金比值；
S6.6.3、基于数据表中人员表、关系表和参数表，并结合交易资金比值判断人物关系；
S6.6.4、通过将人员表中的所有人员进行两两组合，获得双方共同交易对手个数；
S6.6.5、基于数据表中人员表、关系表和参数表判断双方是否存在同乡、同姓关系；
S6.6.6、基于资金穿透图像与交易资金比值、共同交易对手个数以及同乡、同姓关系，确定双方多维亲密度，双方多维亲密度包括：乡亲亲密度、共同交易对手亲密度和资金亲密度。
进一步的，所述S6.6.6中，基于资金穿透图像与交易资金比值、共同交易对手个数以及同乡、同姓关系，确定双方多维亲密度，包括：
获取第一交易用户与第二交易用户之间亲密度的维度，并根据第一交易用户与第二交易用户之间亲密度的维度对第一交易用户与第二交易用户进行评分，确定第一交易用户与第二交易用户之间的综合亲密度评分值，并基于综合亲密度评分值将第一交易用户与第二交易用户的用户信息进行分类，具体过程为：
获取第一交易用户与第二交易用户之间亲密度的维度，并根据第一交易用户与第二交易用户之间亲密度的维度计算第一交易用户与第二交易用户之间的综合亲密度评分值；
其中，F表示第一交易用户与第二交易用户之间的综合亲密度评分值；η1表示相乡亲亲密度所占评分权重；q1表示乡亲亲密度；q2表示第一交易用户与第二交易用户之间共同交易对手的亲密度；q3表示第一交易用户与第二交易用户之间的资金亲密度；e表示自然常数；η2表示共同交易对手亲密度所占评分权重；η3表示资金亲密度所占评分权重；
基于第一交易用户与第二交易用户之间的综合亲密度评分值；η1表示相乡亲亲密度所占评分权重并根据如下公式，计算分类系数；
其中，ψ表示分类系数；表示分类系数对应的分类函数；F阈表示预设亲密度评分阈值；
根据分类系数，判断第一交易用户与第二交易用户是否可以归为同一类别；
其中，当分类系数输出为1时，则可以将第一交易用户与第二交易用户归为同一类别；
当分类系数输出为0时，则不可以将第一交易用户与第二交易用户归为同一类别。
与现有技术相比，本发明的有益效果是：
1、本发明通过数据表梳理用户多方数据信息，并对用户多方数据信息进行结构化处理，由此获得用户多方数据信息的属性信息；并将上述属性信息导入至图数据库生成用户知识图谱，同时将其属性信息设定为检索关键字，用以检索双方交易人知识图谱与资金交易数据记录，由此获得所需分析的双方人物信息；通过提取双方交易人员信息与资金交易数据，由此获得所需分析的双方人物信息；并基于资金交易数据确定两人之间的交易资金比值，由此获得双方资金往来记录；再结合人员表、关系表和参数表，判定关系表中的主体和客体是否为成员关系、共同交易对手，并进一步判定双方是否为同乡、同姓关系；基于上述判定结果，综合得出两人的亲密度，从而确定双方人物关系，进而提高人物关系分析的准确性与效率。
2、通过确定目标结果数据，对目标结果数据进行加密，通过获取第一加密数据、第二加密数据、第三加密数据以及第四加密数据的过程，进而实现对目标结果数据实现最后的加密(即第五加密数据)，第一数据地址与第二数据地址对目标结果数据的加密，有效确定第五加密数据的数据来源与去向，合理保障数据的展示的有效性，通过上述技术有效保障对目标结果数据的私密性与安全性，进而保障数据的安全展示。
3、通过获取第一交易用户与第二交易用户之间亲密度的维度，并根据第一交易用户与第二交易用户之间亲密度的维度对第一交易用户与第二交易用户进行评分，从而有效确定第一交易用户与第二交易用户之间的综合亲密度评分值，进而根据综合亲密度评分值将第一交易用户与第二交易用户的用户信息进行分类，实现了对图数据库中人物关系的分类，实现对资金交易数据与人员关系之间的管理效率，从而提高人物关系分析的准确性。
附图说明
图1为本发明的基于图数据库技术的资金穿透与人物关系分析方法流程图。
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。
为了解决现有资金交易数据庞大，通过人工对Excel文件进行筛查分析，不仅分析速度较慢，且产生的误差值较大，进而降低了人物关系分析的准确性的技术问题，请参阅图1，本实施例提供以下技术方案：
基于图数据库技术的资金穿透与人物关系分析方法，其分析方法包括以下步骤：
S1、获取用户集的多方数据，并建立数据表；具体的，数据表为Excel表格，并依据数据属性的不同建立不同内容的数据表，并标明数据表的内容与所建立的时间戳。
S2、将获取到的用户集的多方数据导入数据表中；在一实施例中，通过银行、反洗钱中心等单位获取到产生资金交易的用户多方数据信息，其中用户多方数据信息包括：交易人姓名、联系方式、住址、交易资金往来记录以及交易时间和交易方式，并将上述所收集的各项数据依次导入至所建立的数据表中，由此对用户多方数据进行梳理排序，并将梳理后的数据表先进行保存备份，以防数据丢失。
S3、构建结构化数据模型，并对用户集的多方数据进行结构化处理，以获取用户集多方数据的属性信息；具体的，通过构建结构化数据模型对数据表中的数据属性信息进行提取，由此获得用户集多方数据的属性信息；在一实施例中，通过结构化数据模型提取出交易人姓名、联系方式、住址、交易资金往来记录以及交易时间和交易方式，由此作为用户的属性信息并导入图数据库。
S4、将用户集多方数据的属性信息保存至图数据库中，由此生成用户知识图谱；在一实施例中，通过将交易人姓名、联系方式、住址、交易资金往来记录以及交易时间和交易方式导入图数据库，基于上述属性信息生成所需分析的知识图谱；若银行、反洗钱中心等单位的资金交易数据中留存有交易人照片，还可将交易人照片增设至对应的知识图谱中；若未留存交易人照片，则在知识图谱中选用原始图片进行替代。
S5、增加常用的关键字信息，以作为知识图谱搜索介质，以便用户检索所需人物关系图谱；在一实施例中，通过将交易人姓名、联系方式、住址、交易资金往来记录以及交易时间和交易方式作为检索渠道的关键字信息，并将上述关键字信息与对应的检索结果进行关联并保存，基于图数据库的检索渠道输入关键字，由此提高图数据库的检索效率。
S6、基于所检索的人物关系图谱，结合双方资金交易记录，并对资金交易记录做资金穿透侦查，基于资金穿透侦查结果为基准，用以对人物关系进行分析；在一实施例中，通过在图数据库的检索渠道输入关键字，如：输入交易人姓名，则查询到该交易人及对手的关系图谱及双方资金交易记录，并通过对双方资金交易记录进行资金穿透审查，由此得到审查结果，从而有效对双方人物关系进行分析。
S7、基于S6所分析出的关系结果进行展示；具体的，展示人物关系分析结果的方式可通过电脑显示屏或智能手机进行展示，以供用户自行查看。
上述设计方案的有益效果是：通过数据表梳理用户多方数据信息，并对用户多方数据信息进行结构化处理，由此获得用户多方数据信息的属性信息；并将上述属性信息导入至图数据库生成用户知识图谱，同时将其属性信息设定为检索关键字，用以检索双方交易人知识图谱与资金交易数据记录，由此获得所需分析的双方人物信息；并对资金交易数据进行资金穿透审查，由此获得双方资金往来记录；再结合数据表中的多方数据判定双方人物的关系，从而提高人物关系分析的准确性与效率。
S1中用户集的多方数据包括：用户社会关系和资金交易数据；其中，
用户社会关系包括：关系人信息、关系群体信息；具体的，关系人信息包括：双方交易人姓名、联系方式以及住址；关系群体信息包括：双方交易人所属单位、职位。
资金交易数据包括：银行、反洗钱中心等单位的相关资金交易数据；其中，相关资金交易数据包括：用户使用移动设备进行线上交易、转账时产生的数据资料；还包括：交易资金往来记录、交易时间、交易方式、资金交易所属单位以及每笔资金交易责任人。
S1中建立数据表是指在数据库中建立表，包括：资金交易表、人员表、关系表、参数表；其中，在建立参数表时，还需对参数表中的参数进行设置或修改；具体包括：设置资金交易最小金额、净值比总值的阈值、共同交易对手最小个数、同乡亲密度、同姓亲密度、同乡且同姓亲密度、共同交易对手亲密度和成员亲密度中的一种或多种参数；具体的，通过对用户集的多方数据进行分类梳理，由此建立多个专属数据表，进而提高数据查询时的精准度；其次，通过优化设置数据中的多个参数值，由此提高资金交易数据的详细度，便于用户依据各项参数值判定双方人物关系。
S2中将用户集的多方数据导入数据表中，具体为：
S2.1、将用户集中用户社会关系信息的依次导入至S1所建立的数据表中；
S2.2、将银行、反洗钱中心等单位的相关资金交易数据导入至S1所建立的数据表中；其中，银行、反洗钱中心等单位的相关资金交易数据为多个Excel文件，每个Excel文件中具有多个表格，需将所有表格中的每条数据均导入到资金交易表中；具体的，通过银行、反洗钱中心等单位将获取到的交易人姓名、联系方式、住址、交易资金往来记录以及交易时间和交易方式导入至数据表中进行备份，以防后期数据丢失影响后期查询；并将备份后的数据表中有效属性信息进行提取，从而获得用户集的多方数据的属性信息。
S3中对构建结构化数据模型，对用户集的多方数据进行结构化处理，具体为：基于当前用户集的多方数据，将用户集的多方数据抽取出相对结构化的形式，构建结构化数据模型；并将用户集的多方数据的属性信息依据结构化形式进行结构化处理。
S5中增加常用关键字，以作为知识图谱搜索介质，具体为：
S5.1、提取用户集多方数据属性信息中的关键字，由此生成知识图谱检索关键字，同时还需保存检索渠道中多次出现的关键字及对应的检索结果；在一实施例中，通过从用户集多方数据中提取出交易人姓名、联系方式、住址、交易资金往来记录以及交易时间和交易方式，以此作为检索关键字；并将上述关键字导入图数据库，由此生成用户知识图谱；再对关键字进行保存时，还需将与之对应的检索结果进行关联保存；保障在检索时，若出现上述关键字内容，可优先匹配出对应的检索结果，进而提高检索效率；在检索渠道中多次出现的关键字，表明该关键字查询的几率较大，进而说明该检索结果为用户所需的重要内容；因此将多次出现的检索关键字进行保存，由此生成检索记忆，以供用户下次使用，进一步提高检索效率。
S5.2、输入检索关键字或检索语句进行检索时，依据检索渠道中处理器提取关键字信息或对检索语句进行语义分析；具体的，在提取关键字或进行语义分析后，依据关键字并结合处理器来分析关键字的语义，先判断检索的关键字是属于用户社会关系信息还是资金交易数据信息，再判断检索语句的语义是否存在歧义；若语义存在歧义时，则依照歧义与用户集的多方数据的关联度和相似度将各个存有歧义的关键字进行优先级排序，并优先搜索与用户集的多方数据的关联度和相似度最大的关键字；若关键字语义不存在歧义时，则在图数据库的检索渠道中直接搜索关键字信息。
S5.3、基于检索关键字或检索语句的分析结果，查找出与之对应的人物关系图谱与双方资金交易记录；
S5.4、展示符合分析结果的人物关系图谱与双方资金交易记录，以供用户自行选择所需结果；具体的，通过关键字检索到的结果，获得与之对应的一个或多个人物关系图谱与双方资金交易记录，并对多个人物关系图谱与双方资金交易记录进行优先级判定，由此选择符合所需要的人物图谱与资金交易数据进行分析。
S6中对资金交易记录做资金穿透侦查，具体为：
S6.1、将检索到的资金交易数据导入到资金穿透软件中，对所导入的数据进行去重，并编辑和修正一些明显数据错误，以保障数据分析结果的准确性；
S6.2、依据数据关联方向设置可视化关系模型，以保障数据出图分析的准确性；
S6.3、设置关系显示标签，为交易账户和对手卡号，该关系显示标签支持多个关系标签的设置，用以多角度建立分析关系维度；
S6.4、选定所需的关系标签与所需的数据并出图，或选定所需的关系标签与全部数据并出图；
S6.5、选定所需分析的交易账户进行资金穿透，由此形成资金穿透图像；
S6.6、对资金穿透图像进行分析判断，以获取交易账户的资金来源和去向，基于判断结果对人物关系进行分析。
S6.6中基于交易账户的资金来源和去向对人物关系进行分析，具体为：
S6.6.1、从资金穿透图像与资金交易表中提取双方交易人员信息与资金交易数据；在一实施例中，提取双方交易人员信息与资金交易数据具体包括：从资金交易表中提取姓名、身份证号和银行账号信息；其中，姓名、身份证号和银行账号信息包括：从资金交易表中所提取的付款方账号、付款方名称、付款方证件号码以及收款方账号、收款方名称和收款方证件号码，由此确定双方交易人员的数据及资金交易数据，以供判定双方人物关系。
S6.6.2、基于双方资金交易数据确定交易资金比值；在一实施例中，确定交易资金比值具体包括：确定两人之间的资金交易总值、资金交易净值和净值与总值的比值，由此作为判断人物关系的重要依据。
S6.6.3、基于数据表中人员表、关系表和参数表，并结合交易资金比值判断人物关系；判断人员关系具体为：判断关系表中每条数据的主体和客体之间的关系，其中主体为：付款方，客体为：收款方；在一实施例中，若关系表数据中的净值比总值的绝对值小于参数表中的净值比总值的阈值，则表明关系表中的主体和客体是成员关系；若关系表数据中的净值比总值的绝对值大于参数表中的净值比总值的阈值，则表明主体和客体不是成员关系。
S6.6.4、通过将人员表中的所有人员进行两两组合，获得双方共同交易对手个数；
S6.6.5、基于数据表中人员表、关系表和参数表判断双方是否存在同乡、同姓关系；
S6.6.6、基于资金穿透图像与交易资金比值、共同交易对手个数以及同乡、同姓关系，确定双方多维亲密度，双方多维亲密度包括：乡亲亲密度、共同交易对手亲密度和资金亲密度；具体的，通过确定双方多维亲密度，从而能够有效反应主体和客体之间关系紧密程度的数值。
上述设计方案的有益效果是：通过提取双方交易人员信息与资金交易数据，由此获得所需分析的双方人物信息；并基于资金交易数据确定两人之间的交易资金比值，由此获得双方资金往来记录；再结合人员表、关系表和参数表，判定关系表中的主体和客体是否为成员关系、共同交易对手，并进一步判定双方是否为同乡、同姓关系；基于上述判定结果，综合得出两人的亲密度，进而确定双方人物关系。
本实施例还提供了一种基于图数据库技术的资金穿透与人物关系分析方法，S7中，将关系结果进行展示之前，还包括：
获取对人物关系进行分析的目标结果数据，并获取人物关系中每个人物的人物标签，同时，将人物标签输入至预设人物信息库中调取人物标签的标签序列，并将标签序列随机插入至目标结果数据中，获得第一加密数据，并将标签序列作为第一密钥；
将第一加密数据平均分成若干个子加密数据段，并将若干个子加密数据段随机调整顺序，并分别提取随机调整顺序后的若干子加密数据段的首段加密数据段与尾段加密数据段；
调取对目标结果访问的权限信息，并根据目标结果访问的权限信息在预设密钥库中调取公用密钥作为第二密钥；
将第二密钥添加至首段加密数据段与尾段加密数据段中间，构成第二加密数据；
获取图数据库的第一数据地址，并将图数据库的第一数据地址与第二加密数据进行第一融合，获得第三加密数据，同时，获取用户数据访问终端的第二数据地址，并将第二数据地址与第二加密数据进行第二融合，获得第四加密数据；
将第三加密数据与第四加密数据进行第三融合，获得第五加密数据，同时，将第一数据地址与第二数据地址作为第三密钥；
将第一密钥、第二密钥以及第三密钥进行融合，获得第五加密数据进行解密的综合密钥；
将综合密钥传输至用户访问终端，并当用户访问终端在数据展示终端中基于综合密钥对第五加密数据解密后，将目标结果数据对应的关系结果进行展示。
该实施例中，目标结果数据可以是对人物关系进行分析后得到的数据，用于表征不同人物之间具体关系的信息。
该实施例中，人物标签可以是用于区分不同人物身份的标记标签。
该实施例中，预设人物信息库是提前设定好的，用于存放不同人物对应的具体标签。
该实施例中，标签序列可以是不同人物对应的标准标签，与人物一一对应。
该实施例中，第一加密数据可以是将标签序列插入至目标结果数据中得到的数据，即通过标签序列对目标结果进行加密后得到的数据。
该实施例中，第一密钥可以是将第一加密数据作为下一加密的工具。
该实施例中，子加密数据段可以是将第一加密数据平均划分后得到的数据片段。
该实施例中，首段加密数据段可以是对若干个子加密数据段的顺序调整后位于第一位的数据片段。
该实施例中，尾段加密数据段可以是对若干个子加密数据段的顺序调整后位于最后一位的数据片段。
该实施例中，预设密钥库是提前设定好的，用于存储公用密钥，其中，公用密钥即为公开的密钥，为公开使用的密钥。
该实施例中，第二密钥即为公用密钥。
该实施例中，第二加密数据可以是将第二密钥在首段加密数据段与尾段加密数据段中间进行添加后得到的数据。
该实施例中，第一数据地址可以是对图数据库进行存储管理的地址。
该实施例中，第二数据地址可以是用户数据访问终端的地址，其中，用户数据访问终端可以是想要对关系结果进行访问的目标用户的终端。
该实施例中，第一融合可以是根据第一数据地址的地址字符在第二加密数据中添加，相当于对第二加密数据添加地址标签，从而获得第三加密数据；
第二融合可以是根据第二数据地址的地址字符在第二加密数据中进行添加，相当于对第三加密数据添加地址标签，从而获得第四加密数据；
由于第五加密数据是第三加密数据与第四加密数据进行第三融合得来的，因此，根据第三加密数据可以知道第五加密数据的数据来源，同时，根据第四加密数据可以知道第五加密数据的数据去向。
该实施例中，第三密钥可以是基于第一数据地址与第二数据地址形成的密钥。
上述技术方案的工作原理及有益效果是：通过确定目标结果数据，对目标结果数据进行加密，通过获取第一加密数据、第二加密数据、第三加密数据以及第四加密数据的过程，进而实现对目标结果数据实现最后的加密(即第五加密数据)，第一数据地址与第二数据地址对目标结果数据的加密，有效确定第五加密数据的数据来源与去向，合理保障数据的展示的有效性，通过上述技术有效保障对目标结果数据的私密性与安全性，进而保障数据的安全展示。
本实施例还提供了一种基于图数据库技术的资金穿透与人物关系分析方法，所述S6.6.6中，基于资金穿透图像与交易资金比值、共同交易对手个数以及同乡、同姓关系，确定双方多维亲密度，包括：
获取第一交易用户与第二交易用户之间亲密度的维度，并根据第一交易用户与第二交易用户之间亲密度的维度对第一交易用户与第二交易用户进行评分，确定第一交易用户与第二交易用户之间的综合亲密度评分值，并基于综合亲密度评分值将第一交易用户与第二交易用户的用户信息进行分类，具体过程为：
获取第一交易用户与第二交易用户之间亲密度的维度，并根据第一交易用户与第二交易用户之间亲密度的维度计算第一交易用户与第二交易用户之间的综合亲密度评分值；
其中，F表示第一交易用户与第二交易用户之间的综合亲密度评分值；η1表示相乡亲亲密度所占评分权重；q1表示乡亲亲密度；q2表示第一交易用户与第二交易用户之间共同交易对手的亲密度；q3表示第一交易用户与第二交易用户之间的资金亲密度；e表示自然常数；η2表示共同交易对手亲密度所占评分权重；η3表示资金亲密度所占评分权重；
基于第一交易用户与第二交易用户之间的综合亲密度评分值；η1表示相乡亲亲密度所占评分权重并根据如下公式，计算分类系数；
其中，ψ表示分类系数；表示分类系数对应的分类函数；F阈表示预设亲密度评分阈值；
根据分类系数，判断第一交易用户与第二交易用户是否可以归为同一类别；
其中，当分类系数输出为1时，则可以将第一交易用户与第二交易用户归为同一类别；
当分类系数输出为0时，则不可以将第一交易用户与第二交易用户归为同一类别。
该实施例中，分类系数可以是基于综合亲密度评分值与预设亲密度评分阈值根据分类函数进行比较计算后输出的系数，可以根据分类系数将交易用户进行分类。
该实施例中，预设亲密度评分阈值可以是提前设定的，用来衡量第一交易用户与第二交易用户是否可以归为一类的标准。
上述技术方案的工作原理及有益效果是：通过获取第一交易用户与第二交易用户之间亲密度的维度，并根据第一交易用户与第二交易用户之间亲密度的维度对第一交易用户与第二交易用户进行评分，从而有效确定第一交易用户与第二交易用户之间的综合亲密度评分值，进而根据综合亲密度评分值将第一交易用户与第二交易用户的用户信息进行分类，实现了对图数据库中人物关系的分类，实现对资金交易数据与人员关系之间的管理效率，从而提高人物关系分析的准确性。
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。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.基于图数据库技术的资金穿透与人物关系分析方法，其特征在于，所述分析方法包括以下步骤：
S1、获取用户集的多方数据，并建立数据表；
S2、将获取到的用户集的多方数据导入数据表中；
S3、构建结构化数据模型，并对用户集的多方数据进行结构化处理，以获取用户集多方数据的属性信息；
S4、将用户集多方数据的属性信息保存至图数据库中，由此生成用户知识图谱；
S5、增加常用的关键字信息，以作为知识图谱搜索介质，以便用户检索所需人物关系图谱；
S6、基于所检索的人物关系图谱，结合双方资金交易记录，并对资金交易记录做资金穿透侦查，基于资金穿透侦查结果为基准，用以对人物关系进行分析；具体为：
S6.1、将检索到的资金交易数据导入到资金穿透软件中，对所导入的数据进行去重，并编辑和修正一些明显数据错误，以保障数据分析结果的准确性；
S6.2、依据数据关联方向设置可视化关系模型，以保障数据出图分析的准确性；
S6.3、设置关系显示标签，为交易账户和对手卡号，该关系显示标签支持多个关系标签的设置，用以多角度建立分析关系维度；
S6.4、选定所需的关系标签与所需的数据并出图，或选定所需的关系标签与全部数据并出图；
S6.5、选定所需分析的交易账户进行资金穿透，由此形成资金穿透图像；
S6.6、对资金穿透图像进行分析判断，以获取交易账户的资金来源和去向，基于判断结果对人物关系进行分析；具体为：
S6.6.1、从资金穿透图像与资金交易表中提取双方交易人员信息与资金交易数据；
S6.6.2、基于双方资金交易数据确定交易资金比值；
S6.6.3、基于数据表中人员表、关系表和参数表，并结合交易资金比值判断人物关系；
S6.6.4、通过将人员表中的所有人员进行两两组合，获得双方共同交易对手个数；
S6.6.5、基于数据表中人员表、关系表和参数表判断双方是否存在同乡、同姓关系；
S6.6.6、基于资金穿透图像与交易资金比值、共同交易对手个数以及同乡、同姓关系，确定双方多维亲密度，双方多维亲密度包括：乡亲亲密度、共同交易对手亲密度和资金亲密度；其中，基于资金穿透图像与交易资金比值、共同交易对手个数以及同乡、同姓关系，确定双方多维亲密度，包括：
获取第一交易用户与第二交易用户之间亲密度的维度，并根据第一交易用户与第二交易用户之间亲密度的维度对第一交易用户与第二交易用户进行评分，确定第一交易用户与第二交易用户之间的综合亲密度评分值，并基于综合亲密度评分值将第一交易用户与第二交易用户的用户信息进行分类，具体过程为：
获取第一交易用户与第二交易用户之间亲密度的维度，并根据第一交易用户与第二交易用户之间亲密度的维度计算第一交易用户与第二交易用户之间的综合亲密度评分值；
其中，F表示第一交易用户与第二交易用户之间的综合亲密度评分值；η1表示乡亲亲密度所占评分权重；q1表示乡亲亲密度；q2表示第一交易用户与第二交易用户之间共同交易对手的亲密度；q3表示第一交易用户与第二交易用户之间的资金亲密度；e表示自然常数；η2表示共同交易对手亲密度所占评分权重；η3表示资金亲密度所占评分权重；
基于第一交易用户与第二交易用户之间的综合亲密度评分值；并根据如下公式，计算分类系数；
其中，ψ表示分类系数；表示分类系数对应的分类函数；F阈表示预设亲密度评分阈值；
根据分类系数，判断第一交易用户与第二交易用户是否可以归为同一类别；
其中，当分类系数输出为1时，则可以将第一交易用户与第二交易用户归为同一类别；
当分类系数输出为0时，则不可以将第一交易用户与第二交易用户归为同一类别；
S7、基于S6所分析出的关系结果进行展示；S7中，将关系结果进行展示之前，还包括：
获取对人物关系进行分析的目标结果数据，并获取人物关系中每个人物的人物标签，同时，将人物标签输入至预设人物信息库中调取人物标签的标签序列，并将标签序列随机插入至目标结果数据中，获得第一加密数据，并将标签序列作为第一密钥；
将第一加密数据平均分成若干个子加密数据段，并将若干个子加密数据段随机调整顺序，并分别提取随机调整顺序后的若干子加密数据段的首段加密数据段与尾段加密数据段；
调取对目标结果访问的权限信息，并根据目标结果访问的权限信息在预设密钥库中调取公用密钥作为第二密钥；
将第二密钥添加至首段加密数据段与尾段加密数据段中间，构成第二加密数据；
获取图数据库的第一数据地址，并将图数据库的第一数据地址与第二加密数据进行第一融合，获得第三加密数据，同时，获取用户数据访问终端的第二数据地址，并将第二数据地址与第二加密数据进行第二融合，获得第四加密数据；
将第三加密数据与第四加密数据进行第三融合，获得第五加密数据，同时，将第一数据地址与第二数据地址作为第三密钥；
将第一密钥、第二密钥以及第三密钥进行融合，获得第五加密数据进行解密的综合密钥；
将综合密钥传输至用户访问终端，并当用户访问终端在数据展示终端中基于综合密钥对第五加密数据解密后，将目标结果数据对应的关系结果进行展示。
2.根据权利要求1所述的基于图数据库技术的资金穿透与人物关系分析方法，其特征在于：所述S1中用户集的多方数据包括：用户社会关系和资金交易数据；其中，
用户社会关系包括：关系人信息、关系群体信息；
资金交易数据包括：银行、反洗钱中心的资金交易数据；其中，相关资金交易数据包括：用户使用移动设备进行线上交易、转账时产生的数据资料。
3.根据权利要求1所述的基于图数据库技术的资金穿透与人物关系分析方法，其特征在于：所述S1中建立数据表包括：资金交易表、人员表、关系表、参数表；其中，在建立参数表时，对参数表中的参数进行设置或修改，具体包括：设置资金交易最小金额、净值比总值的阈值、共同交易对手最小个数、同乡亲密度、同姓亲密度、同乡且同姓亲密度、共同交易对手亲密度和成员亲密度中的一种或多种参数。
4.根据权利要求1所述的基于图数据库技术的资金穿透与人物关系分析方法，其特征在于：所述S2中将用户集的多方数据导入数据表中，具体为：
S2.1、将用户集中用户社会关系信息的依次导入至S1所建立的数据表中；
S2.2、将银行、反洗钱中心的资金交易数据导入至S1所建立的数据表中；其中，银行、反洗钱中心的资金交易数据为多个Excel文件，每个Excel文件中具有多个表格，将所有表格中的每条数据均导入到资金交易表中。
5.根据权利要求1所述的基于图数据库技术的资金穿透与人物关系分析方法，其特征在于：所述S3中对构建结构化数据模型，对用户集的多方数据进行结构化处理，具体为：
基于当前用户集的多方数据，将用户集的多方数据抽取出相对结构化的形式，构建结构化数据模型；并将用户集的多方数据的属性信息依据结构化形式进行结构化处理。
6.根据权利要求1所述的基于图数据库技术的资金穿透与人物关系分析方法，其特征在于：所述S5中增加关键字，以作为知识图谱搜索介质，具体为：
S5.1、提取用户集多方数据属性信息中的关键字，由此生成知识图谱检索关键字，同时还需保存检索渠道中多次出现的关键字及对应的检索结果；
S5.2、输入检索关键字或检索语句进行检索时，依据检索渠道中处理器提取关键字信息或对检索语句进行语义分析；在提取关键字或进行语义分析后，依据关键字并结合处理器来分析关键字的语义，先判断检索的关键字是属于用户社会关系信息还是资金交易数据信息，再判断检索语句的语义是否存在歧义；若语义存在歧义时，则依照歧义与用户集的多方数据的关联度和相似度将各个存有歧义的关键字进行优先级排序，并优先搜索与用户集的多方数据的关联度和相似度最大的关键字；若关键字语义不存在歧义时，则在图数据库的检索渠道中搜索关键字信息；
S5.3、基于检索关键字或检索语句的分析结果，查找出与之对应的人物关系图谱与双方资金交易记录；
S5.4、展示符合分析结果的人物关系图谱与双方资金交易记录，以供用户自行选择所需结果。
CN202310865701.0A 2023-07-14 2023-07-14 基于图数据库技术的资金穿透与人物关系分析方法 Active CN116881472B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310865701.0A CN116881472B (zh) 2023-07-14 2023-07-14 基于图数据库技术的资金穿透与人物关系分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310865701.0A CN116881472B (zh) 2023-07-14 2023-07-14 基于图数据库技术的资金穿透与人物关系分析方法

Publications (2)

Publication Number Publication Date
CN116881472A CN116881472A (zh) 2023-10-13
CN116881472B true CN116881472B (zh) 2024-04-30

Family

ID=88254472

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310865701.0A Active CN116881472B (zh) 2023-07-14 2023-07-14 基于图数据库技术的资金穿透与人物关系分析方法

Country Status (1)

Country Link
CN (1) CN116881472B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110750656A (zh) * 2019-10-29 2020-02-04 上海德拓信息技术股份有限公司 一种基于知识图谱的多媒体检测方法
CN112825177A (zh) * 2019-11-20 2021-05-21 北京宸瑞科技股份有限公司 基于资金交易数据分析人员关系的方法及系统
CN113360676A (zh) * 2021-07-01 2021-09-07 上海明略人工智能(集团)有限公司 一种基于知识图谱确定企业潜在关系的方法及装置
CN113408729A (zh) * 2021-07-06 2021-09-17 安徽理工大学 一种dna计算的数据处理方法
CN116186747A (zh) * 2023-04-27 2023-05-30 暗链科技(深圳)有限公司 自适应哈希加密方法、非易失性可读存储介质及电子设备
CN116388984A (zh) * 2023-04-07 2023-07-04 易迅通科技有限公司 一种量子资源优化分配方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060066627A (ko) * 2004-12-13 2006-06-16 엘지전자 주식회사 컨텐트의 암호/해독을 위한 키를 기록하고 사용하는 방법및 장치와 그 방법에 의해 키가 기록되어 있는 기록매체
JP5674630B2 (ja) * 2011-12-02 2015-02-25 株式会社東芝 暗号化演算装置を搭載する不揮発性半導体記憶装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110750656A (zh) * 2019-10-29 2020-02-04 上海德拓信息技术股份有限公司 一种基于知识图谱的多媒体检测方法
CN112825177A (zh) * 2019-11-20 2021-05-21 北京宸瑞科技股份有限公司 基于资金交易数据分析人员关系的方法及系统
CN113360676A (zh) * 2021-07-01 2021-09-07 上海明略人工智能(集团)有限公司 一种基于知识图谱确定企业潜在关系的方法及装置
CN113408729A (zh) * 2021-07-06 2021-09-17 安徽理工大学 一种dna计算的数据处理方法
CN116388984A (zh) * 2023-04-07 2023-07-04 易迅通科技有限公司 一种量子资源优化分配方法及装置
CN116186747A (zh) * 2023-04-27 2023-05-30 暗链科技(深圳)有限公司 自适应哈希加密方法、非易失性可读存储介质及电子设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Component Fusion Image Encryption Method Based on Composite Chaotic Model;Huihong Chen;《2019 4th International Conference on Mechanical, Control and Computer Engineering (ICMCCE)》;20200127;493-497 *
基于无证书短签名的ADS-B消息认证方法;郭安心;《中国优秀硕士学位论文全文数据库信息科技辑》;20200215(第2期);I136-595 *
基于隐私同态的传感网数据融合隐私保护算法研究;傅春福;《中国优秀硕士学位论文全文数据库信息科技辑》;20160515(第5期);I140-87 *

Also Published As

Publication number Publication date
CN116881472A (zh) 2023-10-13

Similar Documents

Publication Publication Date Title
WO2019200752A1 (zh) 基于语义理解的兴趣点查询方法、装置和计算机设备
CN111178005B (zh) 数据处理系统、方法及存储介质
Billard Weighted forensics evidence using blockchain
CN110737821B (zh) 相似事件查询的方法、装置、存储介质和终端设备
CN109376182A (zh) 基于计算机软件系统实现关联公司识别处理的方法
CN109033132A (zh) 利用知识图谱计算文本和主体相关度的方法以及装置
Kim et al. The impact of name ambiguity on properties of coauthorship networks
CN110752027B (zh) 电子病历数据推送方法、装置、计算机设备和存储介质
Yan-Li et al. Research on data preprocessing in credit card consuming behavior mining
Lesot et al. Credit-card fraud profiling using a hybrid incremental clustering methodology
CN111191153A (zh) 一种信息技术咨询服务展示装置
CN108734021B (zh) 一种基于去隐私数据的金融贷款大数据风险评估方法与系统
CN116881472B (zh) 基于图数据库技术的资金穿透与人物关系分析方法
CN109144999B (zh) 一种数据定位方法、装置及存储介质、程序产品
Krysovatyy et al. Classification Method of Fictitious Enterprises Based on Gaussian Naive Bayes
CN107016052A (zh) 一种信息智能加工方法
CN113988878B (zh) 一种基于图数据库技术的反欺诈方法及系统
US20220405681A1 (en) Personal introduction information generating method, computing device using the same, and storage medium
CN111428041A (zh) 案件摘要生成方法、装置、系统和存储介质
CN112365248B (zh) 一种分析数字货币交易路径的方法及系统
CN112434126B (zh) 一种信息处理方法、装置、设备和存储介质
Zeng et al. Model-Stacking-based network user portrait from multi-source campus data
Sudhakar et al. Web User Profile Generation and Discovery Analysis using LSTM Architecture
CN108520334A (zh) 一种职业征信方法和装置
Shivraman et al. A Model Frame Work To Segregate Clusters Through K-Means Method

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
GR01 Patent grant
GR01 Patent grant