CN116911852B - 一种rpa的用户动态信息监控方法及系统 - Google Patents
一种rpa的用户动态信息监控方法及系统 Download PDFInfo
- Publication number
- CN116911852B CN116911852B CN202310901364.6A CN202310901364A CN116911852B CN 116911852 B CN116911852 B CN 116911852B CN 202310901364 A CN202310901364 A CN 202310901364A CN 116911852 B CN116911852 B CN 116911852B
- Authority
- CN
- China
- Prior art keywords
- amount
- sample
- analysis
- running water
- abnormal
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 40
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 197
- 238000004458 analytical method Methods 0.000 claims abstract description 132
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000012795 verification Methods 0.000 claims abstract description 49
- 230000008859 change Effects 0.000 claims abstract description 33
- 238000004457 water analysis Methods 0.000 claims abstract description 30
- 230000002159 abnormal effect Effects 0.000 claims description 150
- 230000011218 segmentation Effects 0.000 claims description 73
- 238000013507 mapping Methods 0.000 claims description 9
- 238000003066 decision tree Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000007418 data mining Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 abstract description 14
- 230000008569 process Effects 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009466 transformation 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/389—Keeping log of transactions for guaranteeing non-repudiation of a transaction
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种RPA的用户动态信息监控方法及系统,属于信息安全领域,其中方法包括:实时监控用户账户金额变化,当检测到账户金额发生变化时,生成流水时间和流水编号,并启动流水分析指令;响应流水分析指令,在电子流水库和纸质流水库对流水进行检索,获取目标流水电子文档和纸质文档图像;启动流水核验脚本,提取电子流水文档的交易信息和纸质文档图像的交易信息是否一致,在不一致时启动预警分析脚本和异常分析通道,获取异常等级;生成流水监控管理方案进行监控管理。本申请解决了现有技术中无法实时高效地监控用户账户业务流程,监控错误率高的技术问题,达到了提高监控处理效率和提高监控准确率的技术效果。
Description
技术领域
本发明涉及信息安全领域,具体涉及一种RPA的用户动态信息监控方法及系统。
背景技术
随着金融业务的数字化转型,用户可通过各种电子渠道进行资金收支和资产配置等操作,为了防范金融舞弊等安全风险,对用户账户的各项业务操作进行实时监控。目前,对用户账户业务流程的监控主要通过模型进行,主要监测交易频繁性和交易时间等。这种监控方式误报率高、效率较低,容易导致监控漏报或错误判断,无法实时准确地监控用户账户信息变化,难以防范舞弊行为的发生。
发明内容
本申请通过提供了一种RPA的用户动态信息监控方法及系统,旨在解决现有技术中无法实时高效地监控用户账户业务流程,监控错误率高的技术问题。
鉴于上述问题,本申请提供了一种RPA的用户动态信息监控方法及系统。
本申请公开的第一个方面,提供了一种RPA的用户动态信息监控方法,该方法包括:通过账户金额监控脚本,监控目标账户金额是否发生变化,若是,则获取变化金额,生成流水时间和流水编号,并启动流水分析指令;响应于流水分析指令,根据流水编号,在电子流水库和纸质流水库内进行检索,判断是否存在包括流水编号对应的目标电子流水文档和目标纸质流水文档,若否,则进行预警,若是,则获取目标电子流水文档和目标纸质流水文档的纸质文档图像;启动流水核验脚本,提取目标电子流水文档内的第一交易金额、第一交易对象和第一资金类型,并对纸质文档图像进行语义分割处理和识别处理,获取第二交易金额、第二交易对象和第二资金类型;验证第一交易金额、第二交易金额和变化金额是否一致,并生成金额一致性参数,验证第一交易对象、第一资金类型、第二交易对象和第二资金类型是否一致,并生成明细一致性参数;在金额一致性参数或明细一致性参数不为1时,启动预警分析脚本,将金额一致性参数和明细一致性参数输入异常分析通道内的异常等级分析分支,进行异常等级分析,获得异常等级;根据流水时间进行人工繁忙度分析,获得人工繁忙等级,将异常等级和人工繁忙等级输入异常分析通道内的监控决策分析分支内,获得流水监控管理方案,进行监控管理。
本申请公开的另一个方面,提供了一种RPA的用户动态信息监控系统,该系统包括:目标账户监控模块,用于通过账户金额监控脚本,监控目标账户金额是否发生变化,若是,则获取变化金额,生成流水时间和流水编号,并启动流水分析指令;流水文档判断模块,用于响应于流水分析指令,根据流水编号,在电子流水库和纸质流水库内进行检索,判断是否存在包括流水编号对应的目标电子流水文档和目标纸质流水文档,若否,则进行预警,若是,则获取目标电子流水文档和目标纸质流水文档的纸质文档图像;流水文档处理模块,用于启动流水核验脚本,提取目标电子流水文档内的第一交易金额、第一交易对象和第一资金类型,并对纸质文档图像进行语义分割处理和识别处理,获取第二交易金额、第二交易对象和第二资金类型;交易参数验证模块,用于验证第一交易金额、第二交易金额和变化金额是否一致,并生成金额一致性参数,验证第一交易对象、第一资金类型、第二交易对象和第二资金类型是否一致,并生成明细一致性参数;异常等级分析模块,用于在金额一致性参数或明细一致性参数不为1时,启动预警分析脚本,将金额一致性参数和明细一致性参数输入异常分析通道内的异常等级分析分支,进行异常等级分析,获得异常等级;管理方案获取模块,用于根据流水时间进行人工繁忙度分析,获得人工繁忙等级,将异常等级和人工繁忙等级输入异常分析通道内的监控决策分析分支内,获得流水监控管理方案,进行监控管理。
本申请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:
由于采用了通过账户金额监控脚本实时监控用户账户金额变化,当检测到账户金额发生变化时,自动生成流水时间和流水编号,并启动流水分析指令和流水核验脚本;响应流水分析指令,在电子流水库和纸质流水库对流水进行检索,获取目标流水电子文档和纸质文档图像;启动流水核验脚本,提取电子流水文档的第一交易信息和对纸质文档图像进行识别处理,获取第二交易信息;验证第一交易信息和第二交易信息是否一致,在不一致时启动预警分析脚本和异常分析通道;进行异常等级分析,获取异常等级;根据异常等级和人工繁忙等级获取流水监控管理方案,根据该方案进行监控管理的技术效果,解决了现有技术中无法实时高效地监控用户账户业务流程,监控错误率高的技术问题,达到了提高监控处理效率和提高监控准确率的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种RPA的用户动态信息监控方法可能的流程示意图;
图2为本申请实施例提供了一种RPA的用户动态信息监控方法中获得人工繁忙等级可能的流程示意图;
图3为本申请实施例提供了一种RPA的用户动态信息监控方法中获得所述流水监控管理方案可能的流程示意图;
图4为本申请实施例提供了一种RPA的用户动态信息监控系统可能的结构示意图。
附图标记说明:目标账户监控模块11,流水文档判断模块12,流水文档处理模块13,交易参数验证模块14,异常等级分析模块15,管理方案获取模块16。
具体实施方式
本申请提供的技术方案总体思路如下:
本申请实施例提供了一种RPA的用户动态信息监控方法及系统。首先,实时监控用户账户金额变化,当检测到账户金额发生变化时,自动生成流水时间和流水编号,并启动流水分析指令和流水核验脚本,实现流水变化的自动检测;其次,响应流水分析指令,在电子流水库和纸质流水库对流水进行检索,获取目标流水电子文档和纸质文档图像,实现流水的自动分析和获取;再次,启动流水核验脚本,提取电子流水文档的第一交易信息,对纸质文档图像进行识别处理,获取第二交易信息,实现流水信息的自动核验;继而,验证第一交易信息和第二交易信息是否一致,在不一致时启动预警分析脚本和异常分析通道,实现信息异常的自动检测;最后,进行异常等级分析和监控管理,实现对用户账户业务流程的实时准确监控,完成对账户业务流程的自动化监控。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种RPA的用户动态信息监控方法,该方法包括:
步骤S100:通过账户金额监控脚本,监控目标账户金额是否发生变化,若是,则获取变化金额,生成流水时间和流水编号,并启动流水分析指令;
具体而言,通过编制的账户金额监控脚本监控目标账户金额的变化,该账户金额监控脚本是根据机器人流程自动化编辑,用于自动执行的程序。
首先,账户金额监控脚本定期扫描目标账户的金额信息,例如每隔1秒扫描一次,该扫描的时间间隔根据实际需要进行设置。其次,账户金额监控脚本扫描目标账户金额信息时,将实时获取的金额信息与上一次扫描获取的历史金额信息进行比对。如果两个金额信息不一致,则表示目标账户金额发生了变化。当监控脚本检测到目标账户金额发生变化时,获取变化的具体金额,并生成流水时间和流水编号。其中,流水时间采用时间戳的方式予以生成,用于后续步骤的人工繁忙度分析;流水编号按照时间先后顺序依次生成,用于后续在电子流水库和纸质流水库内的流水检索。同步,启动流水分析指令,该流水分析指令用于在电子流水库和纸质流水库内进行流水分析,检索是否存在与本次流水编号对应的电子流水文档和纸质流水文档,从而进行交易信息的核验和监控管理。
通过编制的账户金额监控脚本实现对目标账户金额变化的实时监控,当账户金额发生变化时,获取变化信息和生成对应编号,并启动流水分析指令,为后续的流水分析和监控管理提供基础。
步骤S200:响应于所述流水分析指令,根据所述流水编号,在电子流水库和纸质流水库内进行检索,判断是否存在包括所述流水编号对应的目标电子流水文档和目标纸质流水文档,若否,则进行预警,若是,则获取所述目标电子流水文档和目标纸质流水文档的纸质文档图像;
具体而言,响应流水分析指令,根据生成的流水编号,在电子流水库和纸质流水库内进行流水检索,判断是否存在与流水编号对应的目标电子流水文档和目标纸质流水文档。其中,电子流水库存储了用户的历史电子流水信息,通过流水编号可快速检索与之对应的电子流水文档;同样,纸质流水库存储了用户的历史纸质流水复印件或扫描件图像信息,通过流水编号可检索与之对应的纸质流水文档图像。
首先,流水分析指令会将生成的流水编号传入电子流水库和纸质流水库;其次,电子流水库和纸质流水库会根据传入的流水编号,在数据库内进行匹配检索,判断是否存在与流水编号完全匹配或部分匹配的电子流水文档和纸质流水文档图像。如果检索结果为空,即未找到匹配的流水,则表明该流水编号对应的流水信息无法找到,进行预警。如果电子流水库和纸质流水库均能检索到与流水编号完全匹配或部分匹配的目标电子流水文档和目标纸质流水文档图像,则获取目标电子流水文档内的交易信息,以及目标纸质流水文档图像。其中,目标电子流水文档的交易信息用于与后续识别得到的目标纸质流水文档的交易信息进行验证;目标纸质流水文档图像用于后续的语义分割和识别,提取交易信息。
通过根据流水分析指令和流水编号,在电子流水库和纸质流水库内进行流水检索,如果检索不到与流水编号对应的流水,则进行预警;如果检索到的流水信息可进行交易信息验证,则获取目标电子流水文档和目标纸质流水文档图像以供后续交易信息核验和分析,保证交易信息的真实完整,为异常监控和管理提供有效信息支持。
步骤S300:启动流水核验脚本,提取所述目标电子流水文档内的第一交易金额、第一交易对象和第一资金类型,并对所述纸质文档图像进行语义分割处理和识别处理,获取第二交易金额、第二交易对象和第二资金类型;
具体而言,流水核验脚本采用事件触发机制启动,当账户金额发生变化时,等待流水分析指令获取目标电子流水文档和目标纸质流水文档的纸质文档图像后,启动流水核验脚本。流水核验脚本首先从目标电子流水文档中提取第一交易金额、第一交易对象和第一资金类型。第一交易金额是目标电子流水文档记录的交易金额;第一交易对象是交易对方的名称或账号;第一资金类型是交易所涉及的资金种类,如人民币或美元等。然后,流水核验脚本对目标纸质流水文档图像进行语义分割处理和识别处理,从中获取第二交易金额、第二交易对象和第二资金类型。其中,语义分割处理用于从目标纸质流水文档图像中分割出交易信息所在区域;识别处理用于识别分割区域内的交易信息,获取第二交易金额、第二交易对象和第二资金类型。
通过启动流水核验脚本,从目标电子流水文档提取交易信息,以及对目标纸质流水文档图像进行语义分割和识别处理以获取交易信息,然后验证得到的两组交易信息,为对比交易信息一致性提供信息基础,也为后续的异常监控和管理提供可靠信息支撑,从而实现流水信息的自动化动态核验。
步骤S400:验证所述第一交易金额、第二交易金额和所述变化金额是否一致,并生成金额一致性参数,验证所述第一交易对象、第一资金类型、第二交易对象和第二资金类型是否一致,并生成明细一致性参数;
具体而言,首先,将提取的第一交易金额、第二交易金额和变化金额的数值信息,并进行直接数值比对,判断三者是否完全一致。如果三者完全一致,则生成金额一致性参数1,表示交易金额验证通过;如果三者不一致,则开始验证第一交易对象、第一资金类型、第二交易对象和第二资金类型是否一致,如果第一交易对象和第二交易对象一致,并且第一资金类型和第二资金类型一致,则生成明细一致性参数1;如果不一致,则生成明细一致性参数0。
通过验证交易金额和交易明细的一致性,生成金额一致性参数和明细一致性参数,实现对目标电子流水文档和目标纸质流水文档中提取和识别得到交易信息的有效性验证,为后续的异常监控和管理提供交易信息验证的依据。
步骤S500:在所述金额一致性参数或明细一致性参数不为1时,启动预警分析脚本,将所述金额一致性参数和明细一致性参数输入异常分析通道内的异常等级分析分支,进行异常等级分析,获得异常等级;
具体而言,当金额一致性参数或明细一致性参数不为1时,表明交易信息验证不通过,启动预警分析脚本,将生成的金额一致性参数和明细一致性参数输入异常分析通道进行异常等级分析,获得异常监控的等级。其中,预警分析脚本将金额一致性参数和明细一致性参数输入异常分析通道内的异常等级分析分支;异常分析通道是包含多个分析分支的分析框架,用于综合判断异常情况的严重程度,异常等级分析分支会根据输入的金额一致性参数和明细一致性参数,判断异常属于哪个等级。
异常等级分析分支通过获取多个样本金额一致性参数和明细一致性参数,并进行打标记,构建异常分析坐标系。目标金额一致性参数和明细一致性参数输入该坐标系后,获取最邻近的两个样本点对应的异常等级,取中间值作为最终的异常等级,异常等级越高表示异常越严重。
通过在交易信息验证不通过的情况下,启动预警分析,通过异常分析通道中的异常等级分析分支对异常情况进行判断,获得相应的异常等级,为异常情况的监控管理提供了异常严重程度的判断参考,有利于选择恰当的管理方案。
步骤S600:根据所述流水时间进行人工繁忙度分析,获得人工繁忙等级,将所述异常等级和所述人工繁忙等级输入所述异常分析通道内的监控决策分析分支内,获得流水监控管理方案,进行监控管理。
具体而言,首先,获取预设时间范围内的多个时间点,如每5分钟为一个时间点,获取当日的时间点列表。其次,统计每个时间点范围内的流水数量,并计算平均流水数量。然后计算每个时间点的流水数量占平均流水数量的比例,得到人工繁忙指标,人工繁忙等级越高表示当时人工资源越繁忙。接着,根据人工繁忙指标,生成人工繁忙等级,例如人工繁忙指标超过80%时,人工繁忙等级为3;60%—80%间时,人工繁忙等级为2;40%—60%间时,人工繁忙等级为1;40%以下时,人工繁忙等级为0。然后,获取目标流水对应的流水时间,在时间点列表中找到最邻近的时间点,该时间点范围内的人工繁忙等级即为目标流水的人工繁忙等级。最后,将目标流水的异常等级和人工繁忙等级输入监控决策分析分支进行判断,选择对应管理方案,流水监控管理方案包括人工复核、记录归档、双重审核、直接预警等。
通过根据流水时间判断人工繁忙度,获得人工繁忙等级;并将异常等级和人工繁忙等级输入监控决策分析分支,选择流水监控管理方案,实现结合异常情况的严重程度和人工资源的繁忙状况,针对性选择匹配的管理方案,实现对流水异常情况的智能化和精准化管理,提高管理效率。
进一步的,本申请实施例包括:
步骤S310:通过对所述纸质流水库内的纸质流水文档进行数据挖掘,获取样本纸质文档图像集合;
步骤S320:对所述样本纸质文档图像集合内多个样本纸质文档中包括交易金额、交易对象和资金类型的区域进行分割和标识,获取多个样本分割结果集合;
步骤S330:基于所述样本纸质文档图像集合和多个样本分割结果集合,构建对所述纸质文档图像进行语义分割处理的纸质文档分割分支;
步骤S340:根据所述多个样本分割结果集合,进行交易额、交易对象和资金类型的识别和标记,获取多个样本识别结果集合;
步骤S350:基于所述多个样本分割结果集合和多个样本识别结果集合,构建对纸质文档图像进行识别的纸质文档识别分支;
步骤S360:连接所述纸质文档分割分支和所述纸质文档识别分支,获取纸质文档核验通道;
步骤S370:启动所述流水核验脚本,将所述纸质文档图像输入所述纸质文档核验通道,进行语义分割处理和识别处理。
具体而言,首先,获取纸质流水库内的所有纸质流水文档,这些文档包含了用户的历史纸质流水信息,并以图像格式存储;对纸质文档图像进行预处理,包括去噪、图片裁剪、图片归一化等,提高图片质量,调整至统一的格式;采用聚类分析模型,将纸质文档图像进行聚类,挖掘出类型相似的纸质流水文档集合;要对挖掘结果进行手动检查和验证,过滤掉无效和错误结果,获得最终的样本纸质文档图像集合。其次,采用边缘检测对样本图像进行分割,获得候选交易金额、交易对象和资金类型区域的分割结果;对分割结果进行人工检查和修正;判断分割结果是否准确切割出相关区域,并对错误的分割结果进行修正,获得最终的多个样本分割结果集合。然后,基于样本纸质文档图像集合和多个样本分割结果集合采用全卷积神经网络构建对纸质文档图像进行语义分割处理的纸质文档分割分支。
接着,构建目标对象的模板图像,模板图像是目标对象的标准图像,包含对象的空间特征信息;然后在输入图像中利用模板图像进行匹配,找到与模板图像相似度最高的区域;如果相似度足够高,则认为找到了目标对象。例如,构建交易额“金额”的图像模板、交易对象“收/付款人”的图像模板等,对输入的交易信息区域图像进行模板匹配,判断与每个模板的相似度,如匹配度最高的模板为“金额”模板,则识读结果为“交易额”。然后,对匹配的识别结果进行人工检查和修正,判断识别结果与样本分割区域内的内容是否一致,并对错误的识别结果进行修正,获得最终的样本识别结果集合。继而,选择基于OCR的文本识读模型,对样本分割结果集合和样本识别结果集合进行训练,构建纸质文档识别分支。
随后,连接纸质文档分割分支和纸质文档识别分支,获取纸质文档核验通道。先将纸质文档图像作为输入,输入纸质文档分割分支,实现对图像的语义分割,获得交易信息区域的图像;再将分割得到的交易信息区域图像作为输入,进入纸质文档识别分支,实现对交易信息区域内的文本或数字内容进行识读,获得交易信息的识读结果,如交易额、交易对象等;从而将分割结果和识读结果进行结合,实现对原始纸质文档图像的语义理解,获取最终的交易信息提取结果,构成纸质文档核验通道。最后,启动流水核验脚本,将纸质文档图像输入纸质文档核验通道,可实现纸质文档图像进行语义分割和内容识读处理。
进一步的,本申请实施例包括:
步骤S331:基于全卷积神经网络,构建包括编码器和解码器的所述纸质文档分割分支;
步骤S332:采用所述样本纸质文档图像集合和多个样本分割结果集合,对所述编码器和解码器进行监督训练,通过梯度下降,更新网络参数,直到符合收敛条件,并进行验证和测试,获得所述纸质文档分割分支。
具体而言,首先,选择U-Net或SegNet网络结构作为全卷积神经网络的结构,其中网络结构包含编码器和解码器两个部分;其次,采用多个卷积层、归一化层、激活层等构建编码器,每个卷积层采用卷积核进行特征抽取,使图像尺寸逐渐减小,获得图像的语义特征表达,用于抽取图像特征;再次,采用上采样、卷积层、规范层构建解码器,上采样层用于将编码器的特征图上采样至原始图像大小,卷积层用于融合特征信息,还原细节,规范层用于将特征映射至像素级的二分类结果,从而得到最终的图像分割结果;接着,采用交叉熵损失函数为损失函数,用于比较分割结果与真实标签图像之间的差异,用于网络参数更新的导向;随后,选择Adam优化器,同时确定学习率等参数后编译网络模型,得到最初的纸质文档分割分支。
然后,采用样本纸质文档图像集合和多个样本分割结果集合,对编码器和解码器进行监督训练,训练过程首先将样本图像输入编码器,获得特征表示。然后将特征表示输入解码器,获得初步的分割结果。再然后,将初步分割结果与样本分割结果集合中的真实分割结果对比,计算损失函数值。基于损失函数值,利用反向传播算法更新编码器和解码器的参数,降低损失,提高分割精度。这一过程需要进行多次迭代,在每个迭代过程中更新参数,损失逐渐降低,精度提高,直到达到预设的收敛条件。达到收敛条件后,采用留出的验证样本对模型进行测试。如果测试精度满足要求,则获得最终的纸质文档分割分支;如果测试精度不满足要求,则利用更多训练样本继续优化模型,直至取得满意的测试精度。最后,纸质文档分割分支在线上环境中对新输入的纸质文档图像进行语义分割,提供高精度的分割结果。
进一步的,本申请实施例包括:
步骤S410:验证所述第一交易金额、第二交易金额和所述变化金额是否一致,若是,则生成为1的金额一致性参数,若否,则计算获得平均误差金额,并输入金额一致性对照表,获得所述金额一致性参数,所述金额一致性对照表内包括多个样本平均误差金额和多个样本金额一致性参数的映射关系;
步骤S420:验证所述第一交易对象、第一资金类型、第二交易对象和第二资金类型是否一致,若是,则生成为1的明细一致性参数,若否,则生成为0的明细一致性参数。
具体而言,验证目标电子流水文档内第一交易金额、纸质文档图像内第二交易金额和目标账户金额内的变化金额是否一致,如果三者一致则生成金额一致性参数为1,如果三者不一致,则计算变化金额与第一交易金额的差额,以及变化金额与第二交易金额的差额,将两个差额的绝对值相加,再除以2,得到平均误差金额。金额一致性对照表内包含多个样本平均误差金额与对应的样本金额一致性参数,两个变量之间的映射关系。查找表内与所得平均误差金额最相邻的样本平均误差金额,其对应的样本金额一致性参数即为目标的金额一致性参数。
接着,获取第一交易对象、第一资金类型、第二交易对象、第二资金类型4个变量。首先判断第一交易对象与第二交易对象是否一致,如果一致,则明细一致性参数的第一个位赋值为1;如果不一致,则第一个位赋值为0。然后判断第一资金类型与第二资金类型是否一致,如果一致,则明细一致性参数的第二个位赋值为1;如果不一致,则第二个位赋值为0。将两个判断结果拼接,得到2位的明细一致性参数。如果两个位都是1,则明细一致性参数为11,即全部一致;如果两个位都是0,则明细一致性参数为00,即全部不一致;如果一个位为1一个位为0,则明细一致性参数为01或10,表示部分不一致。将得到的2个明细一致性参数输出,作为后续判断交易流水明细异常的依据。
通过对交易金额信息的校验与判定,输出金额一致性参数,对交易明细信息的校验与判定,输出明细一致性参数,为异常判断与监控管理提供信息基础。
进一步的,本申请实施例包括:
步骤S510:根据所述多个样本金额一致性参数和两个样本明细一致性参数,获取多个样本异常等级,其中,样本金额一致性参数的大小与样本异常等级的大小成负相关;
步骤S520:基于金额一致性参数和明细一致性参数,构建两条异常分析坐标轴;
步骤S530:将所述多个样本金额一致性参数和两个样本明细一致性参数分别组合,并输入所述两条异常分析坐标轴,获得多个异常分析坐标点;
步骤S540:采用所述多个样本异常等级,对所述多个异常分析坐标点进行标记,获得所述异常等级分析分支;
步骤S550:将所述金额一致性参数和明细一致性参数输入所述异常等级分析分支内对应的异常分析坐标轴中,获得目标坐标点;
步骤S560:计算所述目标坐标点最邻近的两个异常分析坐标点对应的样本异常等级的均值,取整作为所述异常等级。
具体而言,首先,获得多个样本金额一致性参数和两个样本明细一致性参数,金额一致性参数表示交易金额差异程度,取值范围为0至1,值越小表示越不一致,异常程度越高。明细一致性参数表示交易对象和资金类型的一致性,取值为0或1,0表示不一致,1表示一致。
然后,设置两条坐标轴,其中,一条是明细一致性参数为0的坐标轴,坐标轴上的坐标值为金额一致性参数,不同的金额一致性参数对应不同的异常等级,得到第一坐标轴;另一条是明细一致性参数为1的坐标轴,得到第二坐标轴,这条坐标轴上相同的金额一致性参数对应的异常等级比明细一致性参数为0的坐标轴上的异常等级小。随后,将多个样本金额一致性参数和两个样本明细一致性参数分别组合,并输入两条异常分析坐标轴,得到多个异常分析坐标点。当所输入明细一致性参数为0时,使用第一坐标轴匹配异常等级;当所输入明细一致性参数为1时,使用第二坐标轴匹配异常等级;进而根据多个样本金额一致性参数获取对应的多个异常分析坐标点。然后,采用多个样本异常等级对多个异常分析坐标点进行标记,得到异常等级分析分支,该分支将异常分析坐标轴与异常等级相结合,为后续输入的新参数组合提供异常等级判断。
接着,将金额一致性参数和明细一致性参数输入异常等级分析分支内的坐标轴,得到目标坐标点,表示新输入参数组合在两个坐标轴上的具体坐标;最后,计算目标坐标点最邻近的两个异常分析坐标点的样本异常等级的均值,并取整为最终的异常等级。
通过构建异常等级分析分支,基于金额一致性参数和明细一致性参数的新输入,在分支内的异常分析坐标轴进行定位,判断对应的异常等级,为获取流水监控管理方案提供支持。
进一步的,如图2所示,本申请实施例包括:
步骤S610:获取多个时间节点,并获取预设时间范围内所述多个时间节点内的多个流水数量;
步骤S620:根据所述多个流水数量与平均流水流量的比值,计算获得多个样本人工繁忙等级;
步骤S630:根据所述流水时间,与所述多个样本人工繁忙等级进行映射匹配,获得所述人工繁忙等级。
具体而言,首先,获取多个时间节点,以及预设时间范围内的多个时间节点对应的多个流水数量。时间节点表示交易流水生成的具体时间点,预设时间范围根据流水监控的时间粒度进行设置,如每5分钟为一个时间节点,从而根据时间节点获取对应的多个流水数量。
然后,加和多个流水数量作为总流水数量,利用总流水数量除以时间节点数,得到平均流水量;对每个时间节点,计算对应的流水数量与平均流水流量的比值,如果比值远大于1,表示流量远超平均水平,人工繁忙程度较高;如果接近1则人工繁忙程度一般;如果远小于1则人工繁忙程度较低。然后,根据比值的大小,确定对应人工繁忙等级。例如,比值>=2:人工繁忙等级5;1.5<=比值<2:人工繁忙等级4;1.2<=比值<1.5:人工繁忙等级3;0.8<=比值<1.2:人工繁忙等级2;比值<0.8:人工繁忙等级1。
接着,根据流水的生成时间,确定所属的时间节点。然后,根据该时间节点的流水数量与平均流水流量的比值确定人工繁忙等级。为多个流水时间一一进行等级映射,从而获取获得人工繁忙等级,为获取流水监控管方案提供信息基础。
进一步的,如图3所示,本申请实施例包括:
步骤S640:获取多个样本人工繁忙等级、多个样本异常等级,并根据所述多个样本人工繁忙等级、多个样本异常等级,制定多个样本流水监控管理方案;
步骤S650:采用所述多个样本人工繁忙等级、多个样本异常等级和多个样本流水监控管理方案,基于决策树,构建所述监控决策分析分支;
步骤S660:将所述异常等级和所述人工繁忙等级输入所述监控决策分析分支,获得所述流水监控管理方案。
具体而言,人工繁忙等级表示流水生成时对应的人工繁忙程度;异常等级表示流水的异常程度,由金额一致性参数和明细一致性参数决定。根据人工繁忙等级和异常等级进行排列组合,获取多种样本人工繁忙等级和样本异常等级组合,进而根据实际运维情况生成定制的样本流水管理方案。例如,人工繁忙等级高且异常等级低,则对应的方案为延后处理;人工繁忙等级低但异常等级高,方案为标记后续处理,人工繁忙等级低且异常等级一般,方案为暂时搁置等。
然后,通过多个样本人工繁忙等级、异常等级和对应的流水监控管理方案,构建决策树。先确定决策树输入特征为人工繁忙等级和异常等级,输出结果为流水监控管理方案。再从决策树的根节点开始,根据输入特征的值范围进行分支,最终每个叶子节点对应一个输出结果。再确定每个分支节点的切分点,每个分支节点根据输入特征的值范围,将样本划分为两个或多个子集。对每个叶子节点进行标记,对应样本流水监控管理方案中的一个方案作为输出结果。叶子节点表示输入特征的某一组合,对应的样本应具有相同的方案输出,实现对监控决策分析分支的构建。最后将实时得到的异常等级和人工繁忙等级输入构建的监控决策分析分支,经过决策树的多层判断,最终获得对应的流水监控管理方案,进行监控管理。
通过构建监控决策分析分支,实现基于异常等级和人工繁忙等级实时输出流水监控管理方案的目的,从而达到提高监控处理,提高监控准确率。
综上所述,本申请实施例所提供的一种RPA的用户动态信息监控方法具有如下技术效果:
通过账户金额监控脚本,监控目标账户金额是否发生变化,若是,则获取变化金额,生成流水时间和流水编号,并启动流水分析指令,通过实时监控账户变化,触发后续的流水分析和核验流程;响应于流水分析指令,根据流水编号,在电子流水库和纸质流水库内进行检索,判断是否存在包括流水编号对应的目标电子流水文档和目标纸质流水文档,若否,则进行预警,若是,则获取目标电子流水文档和目标纸质流水文档的纸质文档图像,实现自动分析和获取流水电子文档和纸质文档;启动流水核验脚本,提取目标电子流水文档内的第一交易金额、第一交易对象和第一资金类型,并对纸质文档图像进行语义分割处理和识别处理,获取第二交易金额、第二交易对象和第二资金类型,自动核验电子流水文档和纸质流水文档中的交易信息;验证第一交易金额、第二交易金额和变化金额是否一致,并生成金额一致性参数,验证第一交易对象、第一资金类型、第二交易对象和第二资金类型是否一致,并生成明细一致性参数,自动检测和预警交易信息的异常;在金额一致性参数或明细一致性参数不为1时,启动预警分析脚本,将金额一致性参数和明细一致性参数输入异常分析通道内的异常等级分析分支,进行异常等级分析,获得异常等级,为生成流水监控管理方案提供支持;根据流水时间进行人工繁忙度分析,获得人工繁忙等级,将异常等级和人工繁忙等级输入异常分析通道内的监控决策分析分支内,获得流水监控管理方案,进行监控管理,达到提高监控处理效率和提高监控准确率的技术效果。
实施例二
基于与前述实施例中一种RPA的用户动态信息监控方法相同的发明构思,如图4所示,本申请实施例提供了一种RPA的用户动态信息监控系统,该系统包括:
目标账户监控模块11,用于通过账户金额监控脚本,监控目标账户金额是否发生变化,若是,则获取变化金额,生成流水时间和流水编号,并启动流水分析指令;
流水文档判断模块12,用于响应于所述流水分析指令,根据所述流水编号,在电子流水库和纸质流水库内进行检索,判断是否存在包括所述流水编号对应的目标电子流水文档和目标纸质流水文档,若否,则进行预警,若是,则获取所述目标电子流水文档和目标纸质流水文档的纸质文档图像;
流水文档处理模块13,用于启动流水核验脚本,提取所述目标电子流水文档内的第一交易金额、第一交易对象和第一资金类型,并对所述纸质文档图像进行语义分割处理和识别处理,获取第二交易金额、第二交易对象和第二资金类型;
交易参数验证模块14,用于验证所述第一交易金额、第二交易金额和所述变化金额是否一致,并生成金额一致性参数,验证所述第一交易对象、第一资金类型、第二交易对象和第二资金类型是否一致,并生成明细一致性参数;
异常等级分析模块15,用于在所述金额一致性参数或明细一致性参数不为1时,启动预警分析脚本,将所述金额一致性参数和明细一致性参数输入异常分析通道内的异常等级分析分支,进行异常等级分析,获得异常等级;
管理方案获取模块16,用于根据所述流水时间进行人工繁忙度分析,获得人工繁忙等级,将所述异常等级和所述人工繁忙等级输入所述异常分析通道内的监控决策分析分支内,获得流水监控管理方案,进行监控管理。
进一步的,流水文档处理模块13包括以下执行步骤:
通过对所述纸质流水库内的纸质流水文档进行数据挖掘,获取样本纸质文档图像集合;
对所述样本纸质文档图像集合内多个样本纸质文档中包括交易金额、交易对象和资金类型的区域进行分割和标识,获取多个样本分割结果集合;
基于所述样本纸质文档图像集合和多个样本分割结果集合,构建对所述纸质文档图像进行语义分割处理的纸质文档分割分支;
根据所述多个样本分割结果集合,进行交易额、交易对象和资金类型的识别和标记,获取多个样本识别结果集合;
基于所述多个样本分割结果集合和多个样本识别结果集合,构建对纸质文档图像进行识别的纸质文档识别分支;
连接所述纸质文档分割分支和所述纸质文档识别分支,获取纸质文档核验通道;
启动所述流水核验脚本,将所述纸质文档图像输入所述纸质文档核验通道,进行语义分割处理和识别处理。
进一步的,流水文档处理模块13还包括以下执行步骤:
基于全卷积神经网络,构建包括编码器和解码器的所述纸质文档分割分支;
采用所述样本纸质文档图像集合和多个样本分割结果集合,对所述编码器和解码器进行监督训练,通过梯度下降,更新网络参数,直到符合收敛条件,并进行验证和测试,获得所述纸质文档分割分支。
进一步的,交易参数验证模块14包括以下执行步骤:
验证所述第一交易金额、第二交易金额和所述变化金额是否一致,若是,则生成为1的金额一致性参数,若否,则计算获得平均误差金额,并输入金额一致性对照表,获得所述金额一致性参数,所述金额一致性对照表内包括多个样本平均误差金额和多个样本金额一致性参数的映射关系;
验证所述第一交易对象、第一资金类型、第二交易对象和第二资金类型是否一致,若是,则生成为1的明细一致性参数,若否,则生成为0的明细一致性参数。
进一步的,异常等级分析模块15包括以下执行步骤:
根据所述多个样本金额一致性参数和两个样本明细一致性参数,获取多个样本异常等级,其中,样本金额一致性参数的大小与样本异常等级的大小成负相关;
基于金额一致性参数和明细一致性参数,构建两条异常分析坐标轴;
将所述多个样本金额一致性参数和两个样本明细一致性参数分别组合,并输入所述两条异常分析坐标轴,获得多个异常分析坐标点;
采用所述多个样本异常等级,对所述多个异常分析坐标点进行标记,获得所述异常等级分析分支;
将所述金额一致性参数和明细一致性参数输入所述异常等级分析分支内对应的异常分析坐标轴中,获得目标坐标点;
计算所述目标坐标点最邻近的两个异常分析坐标点对应的样本异常等级的均值,取整作为所述异常等级。
进一步的,管理方案获取模块16包括以下执行步骤:
获取多个时间节点,并获取预设时间范围内所述多个时间节点内的多个流水数量;
根据所述多个流水数量与平均流水流量的比值,计算获得多个样本人工繁忙等级;
根据所述流水时间,与所述多个样本人工繁忙等级进行映射匹配,获得所述人工繁忙等级。
进一步的,管理方案获取模块16还包括以下执行步骤:
获取多个样本人工繁忙等级、多个样本异常等级,并根据所述多个样本人工繁忙等级、多个样本异常等级,制定多个样本流水监控管理方案;
采用所述多个样本人工繁忙等级、多个样本异常等级和多个样本流水监控管理方案,基于决策树,构建所述监控决策分析分支;
将所述异常等级和所述人工繁忙等级输入所述监控决策分析分支,获得所述流水监控管理方案。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中,并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法,在此不做多余限制。
进一步的,综上所述的第一或第二可能不止代表次序关系,也可能代表某项特指概念,和/或指的是多个元素之间可单独或全部选择。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (4)
1.一种RPA的用户动态信息监控方法,其特征在于,包括:
通过账户金额监控脚本,监控目标账户金额是否发生变化,若是,则获取变化金额,生成流水时间和流水编号,并启动流水分析指令;
响应于所述流水分析指令,根据所述流水编号,在电子流水库和纸质流水库内进行检索,判断是否存在包括所述流水编号对应的目标电子流水文档和目标纸质流水文档,若否,则进行预警,若是,则获取所述目标电子流水文档和目标纸质流水文档的纸质文档图像;
启动流水核验脚本,提取所述目标电子流水文档内的第一交易金额、第一交易对象和第一资金类型,并对所述纸质文档图像进行语义分割处理和识别处理,获取第二交易金额、第二交易对象和第二资金类型;
验证所述第一交易金额、第二交易金额和所述变化金额是否一致,并生成金额一致性参数,验证所述第一交易对象、第一资金类型、第二交易对象和第二资金类型是否一致,并生成明细一致性参数;
在所述金额一致性参数或明细一致性参数不为1时,启动预警分析脚本,将所述金额一致性参数和明细一致性参数输入异常分析通道内的异常等级分析分支,进行异常等级分析,获得异常等级;
根据所述流水时间进行人工繁忙度分析,获得人工繁忙等级,将所述异常等级和所述人工繁忙等级输入所述异常分析通道内的监控决策分析分支内,获得流水监控管理方案,进行监控管理;
其中,对所述纸质文档图像进行语义分割处理和识别处理,包括:
通过对所述纸质流水库内的纸质流水文档进行数据挖掘,获取样本纸质文档图像集合;
对所述样本纸质文档图像集合内多个样本纸质文档中包括交易金额、交易对象和资金类型的区域进行分割和标识,获取多个样本分割结果集合;
基于所述样本纸质文档图像集合和多个样本分割结果集合,构建对所述纸质文档图像进行语义分割处理的纸质文档分割分支;
根据所述多个样本分割结果集合,进行交易额、交易对象和资金类型的识别和标记,获取多个样本识别结果集合;
基于所述多个样本分割结果集合和多个样本识别结果集合,构建对纸质文档图像进行识别的纸质文档识别分支;
连接所述纸质文档分割分支和所述纸质文档识别分支,获取纸质文档核验通道;
启动所述流水核验脚本,将所述纸质文档图像输入所述纸质文档核验通道,进行语义分割处理和识别处理;
基于所述样本纸质文档图像集合和多个样本分割结果集合,构建对所述纸质文档图像进行语义分割处理的纸质文档分割分支,包括:
基于全卷积神经网络,构建包括编码器和解码器的所述纸质文档分割分支;
采用所述样本纸质文档图像集合和多个样本分割结果集合,对所述编码器和解码器进行监督训练,通过梯度下降,更新网络参数,直到符合收敛条件,并进行验证和测试,获得所述纸质文档分割分支;
验证所述第一交易金额、第二交易金额和所述变化金额是否一致,并生成金额一致性参数,验证所述第一交易对象、第一资金类型、第二交易对象和第二资金类型是否一致,并生成明细一致性参数,包括:
验证所述第一交易金额、第二交易金额和所述变化金额是否一致,若是,则生成为1的金额一致性参数,若否,则计算获得平均误差金额,并输入金额一致性对照表,获得所述金额一致性参数,所述金额一致性对照表内包括多个样本平均误差金额和多个样本金额一致性参数的映射关系;
验证所述第一交易对象、第一资金类型、第二交易对象和第二资金类型是否一致,若是,则生成为1的明细一致性参数,若否,则生成为0的明细一致性参数;
根据所述流水时间进行人工繁忙度分析,获得人工繁忙等级,包括:
获取多个时间节点,并获取预设时间范围内所述多个时间节点内的多个流水数量;
根据所述多个流水数量与平均流水流量的比值,计算获得多个样本人工繁忙等级;
根据所述流水时间,与所述多个样本人工繁忙等级进行映射匹配,获得所述人工繁忙等级。
2.根据权利要求1所述的方法,其特征在于,将所述金额一致性参数和明细一致性参数输入异常分析通道内的异常等级分析分支,进行异常等级分析,获得异常等级,包括:
根据所述多个样本金额一致性参数和两个样本明细一致性参数,获取多个样本异常等级,其中,样本金额一致性参数的大小与样本异常等级的大小成负相关;
基于金额一致性参数和明细一致性参数,构建两条异常分析坐标轴;
将所述多个样本金额一致性参数和两个样本明细一致性参数分别组合,并输入所述两条异常分析坐标轴,获得多个异常分析坐标点;
采用所述多个样本异常等级,对所述多个异常分析坐标点进行标记,获得所述异常等级分析分支;
将所述金额一致性参数和明细一致性参数输入所述异常等级分析分支内对应的异常分析坐标轴中,获得目标坐标点;
计算所述目标坐标点最邻近的两个异常分析坐标点对应的样本异常等级的均值,取整作为所述异常等级。
3.根据权利要求1所述的方法,其特征在于,将所述异常等级和所述人工繁忙等级输入所述异常分析通道内的监控决策分析分支内,获得流水监控管理方案,包括:
获取多个样本人工繁忙等级、多个样本异常等级,并根据所述多个样本人工繁忙等级、多个样本异常等级,制定多个样本流水监控管理方案;
采用所述多个样本人工繁忙等级、多个样本异常等级和多个样本流水监控管理方案,基于决策树,构建所述监控决策分析分支;
将所述异常等级和所述人工繁忙等级输入所述监控决策分析分支,获得所述流水监控管理方案。
4.一种RPA的用户动态信息监控系统,其特征在于,用于实施权利要求1-3任意一项所述的一种RPA的用户动态信息监控方法,包括:
目标账户监控模块,所述目标账户监控模块用于通过账户金额监控脚本,监控目标账户金额是否发生变化,若是,则获取变化金额,生成流水时间和流水编号,并启动流水分析指令;
流水文档判断模块,所述流水文档判断模块用于响应于所述流水分析指令,根据所述流水编号,在电子流水库和纸质流水库内进行检索,判断是否存在包括所述流水编号对应的目标电子流水文档和目标纸质流水文档,若否,则进行预警,若是,则获取所述目标电子流水文档和目标纸质流水文档的纸质文档图像;
流水文档处理模块,所述流水文档处理模块用于启动流水核验脚本,提取所述目标电子流水文档内的第一交易金额、第一交易对象和第一资金类型,并对所述纸质文档图像进行语义分割处理和识别处理,获取第二交易金额、第二交易对象和第二资金类型;
交易参数验证模块,所述交易参数验证模块用于验证所述第一交易金额、第二交易金额和所述变化金额是否一致,并生成金额一致性参数,验证所述第一交易对象、第一资金类型、第二交易对象和第二资金类型是否一致,并生成明细一致性参数;
异常等级分析模块,所述异常等级分析模块用于在所述金额一致性参数或明细一致性参数不为1时,启动预警分析脚本,将所述金额一致性参数和明细一致性参数输入异常分析通道内的异常等级分析分支,进行异常等级分析,获得异常等级;
管理方案获取模块,所述管理方案获取模块用于根据所述流水时间进行人工繁忙度分析,获得人工繁忙等级,将所述异常等级和所述人工繁忙等级输入所述异常分析通道内的监控决策分析分支内,获得流水监控管理方案,进行监控管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310901364.6A CN116911852B (zh) | 2023-07-21 | 2023-07-21 | 一种rpa的用户动态信息监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310901364.6A CN116911852B (zh) | 2023-07-21 | 2023-07-21 | 一种rpa的用户动态信息监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116911852A CN116911852A (zh) | 2023-10-20 |
CN116911852B true CN116911852B (zh) | 2024-01-26 |
Family
ID=88356217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310901364.6A Active CN116911852B (zh) | 2023-07-21 | 2023-07-21 | 一种rpa的用户动态信息监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116911852B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011959A (zh) * | 2021-05-24 | 2021-06-22 | 国能大渡河大数据服务有限公司 | 一种“七项费用”智慧审计系统及其使用方法 |
WO2021139235A1 (zh) * | 2020-06-30 | 2021-07-15 | 平安科技(深圳)有限公司 | 系统异常检测方法、装置、设备及存储介质 |
WO2022134588A1 (zh) * | 2020-12-21 | 2022-06-30 | 深圳壹账通智能科技有限公司 | 信息审核分类模型的构建方法和信息审核方法 |
CN115964272A (zh) * | 2022-12-05 | 2023-04-14 | 中信银行股份有限公司 | 交易数据自动化测试方法、装置、设备及可读存储介质 |
CN116012168A (zh) * | 2022-11-30 | 2023-04-25 | 中国农业银行股份有限公司厦门市分行 | 一种异常账户实时监测预警方法、装置、设备和介质 |
-
2023
- 2023-07-21 CN CN202310901364.6A patent/CN116911852B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021139235A1 (zh) * | 2020-06-30 | 2021-07-15 | 平安科技(深圳)有限公司 | 系统异常检测方法、装置、设备及存储介质 |
WO2022134588A1 (zh) * | 2020-12-21 | 2022-06-30 | 深圳壹账通智能科技有限公司 | 信息审核分类模型的构建方法和信息审核方法 |
CN113011959A (zh) * | 2021-05-24 | 2021-06-22 | 国能大渡河大数据服务有限公司 | 一种“七项费用”智慧审计系统及其使用方法 |
CN116012168A (zh) * | 2022-11-30 | 2023-04-25 | 中国农业银行股份有限公司厦门市分行 | 一种异常账户实时监测预警方法、装置、设备和介质 |
CN115964272A (zh) * | 2022-12-05 | 2023-04-14 | 中信银行股份有限公司 | 交易数据自动化测试方法、装置、设备及可读存储介质 |
Non-Patent Citations (2)
Title |
---|
RPA技术在银行业应用的创新实践;徐小锋;王旺;吴子兵;;中国银行业(第12期);全文 * |
财务共享自动化流程设计;连敏;张震;吴文往;刘冬颖;蒋芳;董光跃;方洁;邓如建;;国企管理(第22期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116911852A (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109255499B (zh) | 投诉、投诉案件处理方法、装置及设备 | |
CN108256074B (zh) | 校验处理的方法、装置、电子设备和存储介质 | |
CN110750588A (zh) | 面向多源异构的数据融合方法、系统、装置及存储介质 | |
CN116932523B (zh) | 一种整合和监管第三方环境检测机构的平台 | |
CN115630621A (zh) | 一种基于pdf财务数据报表的数据采集、处理的方法及系统 | |
CN113537200A (zh) | 基于图像识别的信息回填方法、装置、设备及介质 | |
CN116596411B (zh) | 一种结合两票检测的生产安全评价方法及系统 | |
CN114140793A (zh) | 一种用于端子排和端子排接线的匹配方法及装置 | |
CN114092230A (zh) | 一种数据处理方法、装置、电子设备及计算机可读介质 | |
CN117875293A (zh) | 一种业务表单模板快速数字化的生成方法 | |
CN116911852B (zh) | 一种rpa的用户动态信息监控方法及系统 | |
KR102525491B1 (ko) | 구조물 손상검출 보고서 제공 방법 | |
CN116821759A (zh) | 类别标签的识别预测方法、装置和处理器及电子设备 | |
CN116739764A (zh) | 一种基于机器学习的交易风险检测方法、装置、设备及介质 | |
CN113409305B (zh) | 一种光缆资源数字化管理方法 | |
CN115240145A (zh) | 基于场景识别的违章作业行为检测方法及系统 | |
CN114862053A (zh) | 一种材料供应商推送方法、系统及设备 | |
CN112152968B (zh) | 网络威胁检测方法和装置 | |
CN116303376B (zh) | 一种基于资产大数据平台的资产管理优化方法及系统 | |
CN117391643B (zh) | 一种基于知识图谱的医保单据审核方法及系统 | |
CN116757807B (zh) | 一种基于光学字符识别的智能辅助评标方法 | |
CN117555983B (zh) | 一种基于机器学习的辅助定密方法及系统 | |
CN117057022A (zh) | 一种基于多源数据自动建模方法和系统 | |
CN117875706A (zh) | 一种基于ai的评级工艺数字化管理方法 | |
CN117932056A (zh) | 一种基于文本分析的数字化智能校对方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |