CN111652718A - 基于关系网络图的价值流向监控方法、装置、设备和介质 - Google Patents
基于关系网络图的价值流向监控方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN111652718A CN111652718A CN202010654709.9A CN202010654709A CN111652718A CN 111652718 A CN111652718 A CN 111652718A CN 202010654709 A CN202010654709 A CN 202010654709A CN 111652718 A CN111652718 A CN 111652718A
- Authority
- CN
- China
- Prior art keywords
- account
- value
- monitoring
- data
- transaction
- 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.)
- Granted
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
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- G06F16/903—Querying
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请涉及人工智能领域,尤其是一种基于关系网络图的价值流向监控方法、装置、设备和介质。包括:提取待监控价值数据,根据交易时间和交易价值确定监控条件,根据交易时间和账户信息确定当前监控账户;记录当前监控账户的节点层,根据监控条件对当前监控账户的交易进行筛选;根据筛选后的交易确定下一监控账户,将下一监控账户作为当前监控账户,递增节点层后,继续记录当前监控账户对应的节点层,直至节点层达到预设层数;根据各个节点层对应的当前监控账户生成网络关系图;提取网络关系图的结构信息,并根据结构信息得到价值流向对应的问题类型。此外,本申请还涉及区块链技术,待监控价值数据可存储于区块链中。采用本方法能够提高处理效率。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种基于关系网络图的价值流向监控方法、装置、设备和介质。
背景技术
资金监控是各家银行对客户监控的重点,也是各监管机构对金融市场关注的主要方面。在日益发达的线上交易时代,不法分子通过更加隐蔽的作案手法,进行洗钱、欺诈等行为。企业或个人将信贷资金投入不合规的行业,地下钱庄、非法集资的现象日趋严重。隐蔽的手法与团队合作的方式加大了监控的难度,也大幅降低了监控有效率。
传统的资金监控系统,用户需要定期的对所有客户的资金交易进行逐笔检查。耗时耗力,并且难以追踪发现通过多次转账流入禁止行业的行为。
但是对所有的资金交易都进行复杂的检查,需要耗费大量的计算机资源,这样大数据量的处理会导致核查效率降低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高处理效率的基于关系网络图的价值流向监控方法、装置、计算机设备和存储介质。
一种基于关系网络图的价值流向监控方法,所述方法包括:
提取待监控价值数据,所述待监控价值数据包括账户信息、交易时间以及交易价值;
根据所述交易时间和交易价值确定监控条件,根据所述交易时间和账户信息确定当前监控账户;
记录所述当前监控账户对应的节点层,并根据所述监控条件对所当前监控账户的交易进行筛选;
根据筛选后的交易确定下一监控账户,将所确定的下一监控账户作为当前监控账户,并递增所述节点层后,继续记录所述当前监控账户对应的节点层,直至所述节点层达到预设层数;
根据各个节点层对应的当前监控账户生成网络关系图;
提取所述网络关系图的结构信息,并根据所述结构信息得到价值流向对应的问题类型。
在其中一个实施例中,所述根据所述交易时间和交易价值确定监控条件,包括:
接收输入的范围值;
根据所述范围值以及所述交易时间和交易价值确定监控条件。
在其中一个实施例中,所述提取所述网络关系图的结构信息,包括:
确定网络关系图的起点;
根据所述起点,以不重复路径的方式遍历所述网络关系图得到网络关系图的结构信息。
在其中一个实施例中,所述方法还包括:
接收终端上传的待监控账户信息,所述待监控账户信息包括单个账户、批量账户以及机构账户;
提取与所述待监控账户信息对应的价值流向数据,并对所提取的价值流向数据进行清洗得到待监控价值数据;
将所得到的待监控价值数据存储至数据库中或上传至区块链上。
在其中一个实施例中,所述对所提取的价值流向数据进行清洗得到待监控价值数据,包括:
对所提取的价值流向数据进行分类得到业务数据、客户数据以及交易数据;
对所述业务数据进行无效数据删除,对所述流水数据提取关键字段的内容,对所述客户数据进行关联客户整理;
获取标准化字段表,所述标准化字段表中存储有标准字段;
从处理后的业务数据、流水数据以及客户数据分别提取与所述标准字段对应的字段内容;
将所提取的字段内容添加到标准化字段表中得到待监控价值数据。
在其中一个实施例中,所述监控条件还包括指向性条件;所述方法还包括:
通过指向性条件判断所述当前监控账户与下一监控账户之间的关系属性;
根据各个节点层对应的当前监控账户生成网络关系图,包括:
根据各个节点层对应的监控账户生成网络关系图的各个节点;
根据监控账户与下一节点层的监控账户的关系属性生成各个节点之间的连线;
根据所述节点和所述连线得到关系网络图。
一种基于关系网络图的价值流向监控装置,所述装置包括:
提取模块,用于提取待监控价值数据,所述待监控价值数据包括账户信息、交易时间以及交易价值;
当前监控账户确定模块,用于根据所述交易时间和交易价值确定监控条件,根据所述交易时间和账户信息确定当前监控账户;
筛选模块,用于记录所述当前监控账户对应的节点层,并根据所述监控条件对所当前监控账户的交易进行筛选;
循环模块,用于根据筛选后的交易确定下一监控账户,将所确定的下一监控账户作为当前监控账户,并递增所述节点层后,继续记录所述当前监控账户对应的节点层,直至所述节点层达到预设层数;
网络关系图生成模块,用于根据各个节点层对应的当前监控账户生成网络关系图;
输出模块,用于提取所述网络关系图的结构信息,并根据所述结构信息得到价值流向对应的问题类型。
在其中一个实施例中,所述当前监控账户确定模块包括:
接收单元,用于接收输入的范围值;
监控条件生成单元,用于根据所述范围值以及所述交易时间和交易价值确定监控条件。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述中任一项所述的方法的步骤。
一种计算机可读存储介质,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上述任一项所述的方法的步骤。
上述基于关系网络图的价值流向监控方法、装置、设备和介质,首先根据监控条件对交易进行了筛选,这样使得所处理的数据量大大减少,从而可以提高处理的效率,此外,还根据监控条件去筛选下一监控账户,并根据各个节点层对应的当前监控账户生成网络关系图,根据网络关系图的结构信息来判断价值流向的问题类型,相比于对所有的数据进行判断,仅通过网络关系图的结构信息进行判断可以减少数据处理的量的同时,提高处理效率。
附图说明
图1为一个实施例中基于关系网络图的价值流向监控方法的应用环境图;
图2为一个实施例中基于关系网络图的价值流向监控方法的流程示意图;
图3为一个实施例中关系网络图的示意图;
图4为另一个实施例中关系网络图的示意图;
图5为一个实施例中基于关系网络图的价值流向监控装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的基于关系网络图的价值流向监控方法,可以应用于如图1所示的应用环境中。其中,终端102和服务器104均可以和数据库106进行通信。其中,终端102可以上传待监控价值数据至数据可106,从而服务器104可以从数据库106中提取待监控价值数据,该待监控价值数据包括账户信息、交易时间以及交易价值,这样服务器104根据交易时间和交易价值确定监控条件,根据交易时间和账户信息确定当前监控账户;并记录当前监控账户对应的节点层,并根据监控条件对所当前监控账户的交易进行筛选;从而服务器104根据筛选后的交易确定下一监控账户,将所确定的下一监控账户作为当前监控账户,并递增节点层后,继续记录当前监控账户对应的节点层,直至节点层达到预设层数;这样服务器104可以根据各个节点层对应的当前监控账户生成网络关系图;提取网络关系图的结构信息,并根据结构信息得到价值流向对应的问题类型。这样首先根据监控条件对交易进行了筛选,这样使得所处理的数据量大大减少,从而可以提高处理的效率,此外,还根据监控条件去筛选下一监控账户,并根据各个节点层对应的当前监控账户生成网络关系图,根据网络关系图的结构信息来判断价值流向的问题类型,相比于对所有的数据进行判断,仅通过网络关系图的结构信息进行判断可以减少数据处理的量的同时,提高处理效率。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种基于关系网络图的价值流向监控方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
S202:提取待监控价值数据,待监控价值数据包括账户信息、交易时间以及交易价值。
具体地,待监控价值数据是预先经过数据清洗后的数据,其可以包括账户信息、交易时间以及交易价值,其中账户信息是指价值所流经的账户。具体地,待监控价值数据可以是存储在数据库中的数据,例如存储到缓存数据库中,该些待监控价值数据是预信息是指待监控价值流经过的账户,交易时间是指所涉及的账户对应的交易的交易时间,即价值从一个账户转移到另外一个账户的时间,交易价值是指所涉及的账户对应的交易的交易价值,即从一个账户转移到另外一个账户的价值的大小。
为了提高处理效率,服务器可以首先根据待监控账户获取到待监控账户对应的所有的价值流向数据,然后对价值流向数据进行处理得到监控价值数据,并将监控价值数据缓存到数据库中。且服务器可以生成与待监控价值数据对应的定时任务,并建立定时任务与待监控价值数据的对应关系,从而在定时任务启动时,服务器直接从数据库中提取缓存的待监控价值数据进行处理。
S204:根据交易时间和交易价值确定监控条件,根据交易时间和账户信息确定当前监控账户。
具体地,监控条件可以是服务器默认的逻辑或者是根据用户所设定的逻辑生成的,包括根据交易时间生成对应的时间监控条件,以及根据交易价值生成对应的价值监控条件,例如:T1为转入价值时间,Tn为转出价值时间,Ti为用户设定的天数,p为用户设定的价值匹配度(10%~100%),XT1为放款价值或转入价值,YT0为转入XT1前的账户剩余价值,∑X转入为T1和T1之间的累计转入价值,XTn为转出价值。
时间匹配判断:T1<Tn≤T1+Ti
价值匹配判断:p*XT1≤XTn≤(2-p)*XT1
这样时间匹配判断则为时间监控条件,价值匹配判断则为价值监控条件。此外服务器还需要判断当前监控账户,例如服务器匹配判断出放款价值实际到账账号、时间与价值,也就是银行所放贷款的实际接收人,该实际接收人即为第一监控账户,从而服务器可以依次为起点,以监控条件为条件,查询第二监控账户,进行循环,直至到达循环停止条件。
其中确定第一监控账户,也即初始监控账户的方法可以包括:从待监控价值数据中提取与标准机构,例如银行存在交易的账户作为初始监控账户。
S206:记录当前监控账户对应的节点层,并根据监控条件对所当前监控账户的交易进行筛选。
其中节点层是指当前账户所属的层级,例如当当前监控账户为初始监控账户时,则其节点层为一层,当前监控账户为初始监控账户的下一监控账户时,则当前监控账户为二层,依次递增。
服务器根据监控条件对当前监控账户的交易进行筛选,即判断当前监控账户所有的交易中符合监控条件的交易,例如可以首先进行时间判断,然后再进行金额判断,以提高效率。
S208:根据筛选后的交易确定下一监控账户,将所确定的下一监控账户作为当前监控账户,并递增节点层后,继续记录当前监控账户对应的节点层,直至节点层达到预设层数。
具体地,判断出初始监控账户后,以初始监控账户对应的账号、时间与金额作为起点分析该账号放款价值到账后内一段时间的交易流水,该时间段可由用户自主设定。锁定某时间段内的交易流水后,通过金额匹配度甄别出与放款价值相匹配的交易流水。然后以所确定的符合要求的下一监控账户作为当前监控账户,继续进行判断,直至节点层达到预设层数。
其中可选地,服务器中还可以预设黑名单账户,这样在确定下一监控账户后,可以判断所确定的下一监控账户是否为黑名单客户,若是,则进行标记,从而在生成网络关系图时,可以对黑名单客户进行标记。
具体地,A->B交易,依次判断B是否满足预设的风险场景。预设的风险场景包括四个大类,价值用途违规、价值回流、价值流入风险领域、价值集中归集或化整为零,细项共33项。每一细项都预设特定的参数与条件为:
价值用途:通过交易的对账代码、备注判断,如“对公贷款”则判断为“价值用于归还我行贷款”,“收取保证金”则判断为“价值用于缴保证金”。
价值回流:判断交易对手B,将B与A的关联公司表进行匹配,如B与A的名称相同则为“价值回流至同名账户”,如B为A的关联企业则为“价值回流至关联客户账户”
价值流入风险领域:分析B账户名称中是否还有预设的关键字,或者与收集的黑名单进行匹配,如含有“房地产”则判断为“流入房地产公司”,如与黑名单匹配中,则判断为“流入P2P公司”等。
S210:根据各个节点层对应的当前监控账户生成网络关系图。
具体地,在循环的过程中,每一笔交易流水附上不重复的KEY-ID码,下一层的交易流水还存储上一层的KEY-ID码。在展示全链路时,可以通过KEY-ID码进行前一层与后一层的关联。这样服务器可以根据节点层和KEY-ID码搭建关系网络。
S212:提取网络关系图的结构信息,并根据结构信息得到价值流向对应的问题类型。
具体地,服务器可以根据所得到的网络关系图的结构信息判断价值流向对应的问题,例如价值回流:价值流向在关系网络中呈环状,环状图形的判断可用关系网络分析工具的内置函数即可,函数逻辑为在n步以内通过不重复的路径返回起点的图形,如图3所示,则判断为回流。价值用途违规或流入风险领域:判断价值转账的每个节点,通过关键字、黑名单等方式进行匹配;价值集中归集或化整为零:一个客户与多个客户存在价值往来关系,交易关系呈金字塔型,如图4所示。服务器从交易流水层出发,追踪每笔价值转账记录,同时也监控与行外交易记录。填补了之前对多次转账与行外交易监控的空白。该系统实现价值去向与价值来源双路径监控,自动输出问题类型及判别结果。
上述基于关系网络图的价值流向监控方法,首先根据监控条件对交易进行了筛选,这样使得所处理的数据量大大减少,从而可以提高处理的效率,此外,还根据监控条件去筛选下一监控账户,并根据各个节点层对应的当前监控账户生成网络关系图,根据网络关系图的结构信息来判断价值流向的问题类型,相比于对所有的数据进行判断,仅通过网络关系图的结构信息进行判断可以减少数据处理的量的同时,提高处理效率。
在其中一个实施例中,根据交易时间和交易价值确定监控条件,包括:接收输入的范围值;根据范围值以及交易时间和交易价值确定监控条件。
具体地,在该实施例中,监控条件可以根据用户的需求进行调整,也就是上述的Ti和p是可以由用户自行设定的,例如若政策放宽,则Ti和p可以适当缩小,当政策变严,则Ti和p可以适当扩大,其中政策放宽还是变严可以根据服务器所爬取的政策信息,将政策信息输入到预设的判断模型中进行判断得到。
上述实施例中,监控条件可以根据用户的需求进行调整,使得后续所提取的数据更为准确。
在其中一个实施例中,提取网络关系图的结构信息,包括:确定网络关系图的起点;根据起点,以不重复路径的方式遍历网络关系图得到网络关系图的结构信息。
具体地,在循环的过程中,每一笔交易流水附上不重复的KEY-ID码,下一层的交易流水还存储上一层的KEY-ID码。在展示全链路时,可以通过KEY-ID码进行前一层与后一层的关联。因此服务器可以预先确定起点,也就是交易开始的KEY-ID码,然后以该KEY-ID码为基础,以不重复路径的方式遍历网络关系图得到网络关系图的结构信息。
上述实施例中,通过引入KEY-ID码使得网络关系图的结构信息提取效率提高。
在其中一个实施例中,上述的基于关系网络图的价值流向监控方法还可以包括:接收终端上传的待监控账户信息,待监控账户信息包括单个账户、批量账户以及机构账户;提取与待监控账户信息对应的价值流向数据,并对所提取的价值流向数据进行清洗得到待监控价值数据;将所得到的待监控价值数据存储至数据库中或上传至区块链上。
具体地,系统提供了多种查询方式,如单笔查询、批量查询、机构查询。单笔查询。其中用户可输入客户的名称,查询该客户所有存在问题的交易;批量查询:用户可以上传Excel格式的文件进行对多客户的查询;机构查询:用户可选择某家分行或机构来查询该机构的所有问题交易。其中服务器可以提取与待监控账户信息对应的价值流向数据,并对所提取的价值流向数据进行清洗得到待监控价值数据,将所得到的待监控价值数据存储至数据库中,需要强调的是,为了进一步保证上述待监控价值数据的私密和安全性,上述待监控价值数据还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
且可选地,对所提取的价值流向数据进行清洗得到待监控价值数据,包括:对所提取的价值流向数据进行分类得到业务数据、客户数据以及交易数据;对业务数据进行无效数据删除,对流水数据提取关键字段的内容,对客户数据进行关联客户整理;获取标准化字段表,标准化字段表中存储有标准字段;从处理后的业务数据、流水数据以及客户数据分别提取与标准字段对应的字段内容;将所提取的字段内容添加到标准化字段表中得到待监控价值数据。
具体地,服务器对存量的客户信息数据、业务信息数据、交易流水数据等进行清洗,从业务数据中提取贷款发放、价值交易等数据,剔除测试数据、无效数据,从接收贷款账户的流水数据中提取交易流水号、交易金额、交易时间等明细数据。为了提高数据提取与处理的效率,在提取时剔除小额费用、利息等数据。将客户信息数据及外部接入的工商数据整理关联出客户及其关联人信息表。将清洗后的数据灌入系统中,系统也提供了标准化接口,能够对接不同表结构的数据,自动获取表中关键字段,如客户名称、交易金额、交易时间、放款方式等。增量数据以相同的方式每天T+1的周期灌入数据库。
上述实施例中,通过对业务数据进行清洗得到待监控价值数据,剔除了干扰数据和无效数据,提高数据提取与处理的效率。
在其中一个实施例中,监控条件还包括指向性条件;上述的基于关系网络图的价值流向监控方法还可以包括:通过指向性条件判断当前监控账户与下一监控账户之间的关系属性。根据各个节点层对应的当前监控账户生成网络关系图,包括:根据各个节点层对应的监控账户生成网络关系图的各个节点;根据监控账户与下一节点层的监控账户的关系属性生成各个节点之间的连线;根据节点和连线得到关系网络图。
具体地,监控条件还可以包括指向性判断:YT0+∑X转入-XTn≥0或者<0。这样判断该笔交易的指向性,若是上述指向性判断结果为小于则判断为坐实,即该笔交易的价值中必然包含放款价值;若是上述指向性判断结果为大于等于则判断为嫌疑,即该笔交易价值为放款价值或者自有价值;如转账经过行外账户,则判断也为嫌疑。该笔交易定义为第一层,A->B,A为接收贷款账户,也为第一层交易中价值的转出方,B为第一层交易中的价值转入方,也为下一层交易中的价值转出方,这样可以根据坐实还是嫌疑确定关系网络图中的连线的形式。
上述实施例中,监控条件还包括指向性判断,这样服务器可以根据该指向性判断条件确定关系网络图中的连线的形式,例如是嫌疑还是坐实,且不同的形式连线的表达方式不一样,例如颜色或者是线条的样式不一致等,使得关系网络图更为准确。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种基于关系网络图的价值流向监控装置,包括:提取模块100、当前监控账户确定模块200、筛选模块300、循环模块400、网络关系图生成模块500和输出模块600,其中:
提取模块100,用于提取待监控价值数据,待监控价值数据包括账户信息、交易时间以及交易价值;
当前监控账户确定模块200,用于根据交易时间和交易价值确定监控条件,根据交易时间和账户信息确定当前监控账户;
筛选模块300,用于记录当前监控账户对应的节点层,并根据监控条件对所当前监控账户的交易进行筛选;
循环模块400,用于根据筛选后的交易确定下一监控账户,将所确定的下一监控账户作为当前监控账户,并递增节点层后,继续记录当前监控账户对应的节点层,直至节点层达到预设层数;
网络关系图生成模块500,用于根据各个节点层对应的当前监控账户生成网络关系图;
输出模块600,用于提取网络关系图的结构信息,并根据结构信息得到价值流向对应的问题类型。
在其中一个实施例中,上述当前监控账户确定模块200包括:
接收单元,用于接收输入的范围值;
监控条件生成单元,用于根据范围值以及交易时间和交易价值确定监控条件。
在其中一个实施例中,上述输出模块600包括:
起点确定单元,用于确定网络关系图的起点;
结构信息获取单元,用于根据起点,以不重复路径的方式遍历网络关系图得到网络关系图的结构信息。
在其中一个实施例中,上述基于关系网络图的价值流向监控装置还包括:
接收模块,用于接收终端上传的待监控账户信息,待监控账户信息包括单个账户、批量账户以及机构账户;
清洗模块,用于提取与待监控账户信息对应的价值流向数据,并对所提取的价值流向数据进行清洗得到待监控价值数据;
存储模块,用于将所得到的待监控价值数据存储至数据库中或上传至区块链上。
在其中一个实施例中,上述清洗模块包括:
分类单元,用于对所提取的价值流向数据进行分类得到业务数据、客户数据以及交易数据;
第一清洗单元,用于对业务数据进行无效数据删除,对流水数据提取关键字段的内容,对客户数据进行关联客户整理;
标准化字段表获取单元,用于获取标准化字段表,标准化字段表中存储有标准字段;
第二清洗单元,用于从处理后的业务数据、流水数据以及客户数据分别提取与标准字段对应的字段内容;将所提取的字段内容添加到标准化字段表中得到待监控价值数据。
在其中一个实施例中,监控条件还包括指向性条件;上述基于关系网络图的价值流向监控装置还包括:
关系属性获取模块,用于通过指向性条件判断当前监控账户与下一监控账户之间的关系属性;
上述网络关系图生成模块500包括:
节点生成单元,用于根据各个节点层对应的监控账户生成网络关系图的各个节点;
连线生成单元,用于根据监控账户与下一节点层的监控账户的关系属性生成各个节点之间的连线;
组合单元,用于根据节点和连线得到关系网络图。
关于基于关系网络图的价值流向监控装置的具体限定可以参见上文中对于基于关系网络图的价值流向监控方法的限定,在此不再赘述。上述基于关系网络图的价值流向监控装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储待监控价值数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于关系网络图的价值流向监控方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:提取待监控价值数据,待监控价值数据包括账户信息、交易时间以及交易价值;根据交易时间和交易价值确定监控条件,根据交易时间和账户信息确定当前监控账户;记录当前监控账户对应的节点层,并根据监控条件对所当前监控账户的交易进行筛选;根据筛选后的交易确定下一监控账户,将所确定的下一监控账户作为当前监控账户,并递增节点层后,继续记录当前监控账户对应的节点层,直至节点层达到预设层数;根据各个节点层对应的当前监控账户生成网络关系图;提取网络关系图的结构信息,并根据结构信息得到价值流向对应的问题类型。
在一个实施例中,处理器执行计算机程序时所实现的根据交易时间和交易价值确定监控条件,包括:接收输入的范围值;根据范围值以及交易时间和交易价值确定监控条件。
在一个实施例中,处理器执行计算机程序时所实现的提取网络关系图的结构信息,包括:确定网络关系图的起点;根据起点,以不重复路径的方式遍历网络关系图得到网络关系图的结构信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:接收终端上传的待监控账户信息,待监控账户信息包括单个账户、批量账户以及机构账户;提取与待监控账户信息对应的价值流向数据,并对所提取的价值流向数据进行清洗得到待监控价值数据;将所得到的待监控价值数据存储至数据库中或上传至区块链上。
在一个实施例中,处理器执行计算机程序时所实现的对所提取的价值流向数据进行清洗得到待监控价值数据,包括:对所提取的价值流向数据进行分类得到业务数据、客户数据以及交易数据;对业务数据进行无效数据删除,对流水数据提取关键字段的内容,对客户数据进行关联客户整理;获取标准化字段表,标准化字段表中存储有标准字段;从处理后的业务数据、流水数据以及客户数据分别提取与标准字段对应的字段内容;将所提取的字段内容添加到标准化字段表中得到待监控价值数据。
在一个实施例中,处理器执行计算机程序时所涉及的监控条件还包括指向性条件;处理器执行计算机程序时还实现以下步骤:通过指向性条件判断当前监控账户与下一监控账户之间的关系属性;处理器执行计算机程序时还实现以下步骤:根据各个节点层对应的当前监控账户生成网络关系图,包括:根据各个节点层对应的监控账户生成网络关系图的各个节点;根据监控账户与下一节点层的监控账户的关系属性生成各个节点之间的连线;根据节点和连线得到关系网络图。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:提取待监控价值数据,待监控价值数据包括账户信息、交易时间以及交易价值;根据交易时间和交易价值确定监控条件,根据交易时间和账户信息确定当前监控账户;记录当前监控账户对应的节点层,并根据监控条件对所当前监控账户的交易进行筛选;根据筛选后的交易确定下一监控账户,将所确定的下一监控账户作为当前监控账户,并递增节点层后,继续记录当前监控账户对应的节点层,直至节点层达到预设层数;根据各个节点层对应的当前监控账户生成网络关系图;提取网络关系图的结构信息,并根据结构信息得到价值流向对应的问题类型。
在一个实施例中,计算机程序被处理器执行时所实现的根据交易时间和交易价值确定监控条件,包括:接收输入的范围值;根据范围值以及交易时间和交易价值确定监控条件。
在一个实施例中,计算机程序被处理器执行时所实现的提取网络关系图的结构信息,包括:确定网络关系图的起点;根据起点,以不重复路径的方式遍历网络关系图得到网络关系图的结构信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:接收终端上传的待监控账户信息,待监控账户信息包括单个账户、批量账户以及机构账户;提取与待监控账户信息对应的价值流向数据,并对所提取的价值流向数据进行清洗得到待监控价值数据;将所得到的待监控价值数据存储至数据库中或上传至区块链上。
在一个实施例中,计算机程序被处理器执行时所实现的对所提取的价值流向数据进行清洗得到待监控价值数据,包括:对所提取的价值流向数据进行分类得到业务数据、客户数据以及交易数据;对业务数据进行无效数据删除,对流水数据提取关键字段的内容,对客户数据进行关联客户整理;获取标准化字段表,标准化字段表中存储有标准字段;从处理后的业务数据、流水数据以及客户数据分别提取与标准字段对应的字段内容;将所提取的字段内容添加到标准化字段表中得到待监控价值数据。
在一个实施例中,计算机程序被处理器执行时所涉及的监控条件还包括指向性条件;计算机程序被处理器执行时还实现以下步骤:通过指向性条件判断当前监控账户与下一监控账户之间的关系属性;计算机程序被处理器执行时还实现以下步骤:根据各个节点层对应的当前监控账户生成网络关系图,包括:根据各个节点层对应的监控账户生成网络关系图的各个节点;根据监控账户与下一节点层的监控账户的关系属性生成各个节点之间的连线;根据节点和连线得到关系网络图。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于关系网络图的价值流向监控方法,其特征在于,所述方法包括:
提取待监控价值数据,所述待监控价值数据包括账户信息、交易时间以及交易价值;
根据所述交易时间和交易价值确定监控条件,根据所述交易时间和账户信息确定当前监控账户;
记录所述当前监控账户对应的节点层,并根据所述监控条件对所当前监控账户的交易进行筛选;
根据筛选后的交易确定下一监控账户,将所确定的下一监控账户作为当前监控账户,并递增所述节点层后,继续记录所述当前监控账户对应的节点层,直至所述节点层达到预设层数;
根据各个节点层对应的当前监控账户生成网络关系图;
提取所述网络关系图的结构信息,并根据所述结构信息得到价值流向对应的问题类型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述交易时间和交易价值确定监控条件,包括:
接收输入的范围值;
根据所述范围值以及所述交易时间和交易价值确定监控条件。
3.根据权利要求1所述的方法,其特征在于,所述提取所述网络关系图的结构信息,包括:
确定网络关系图的起点;
根据所述起点,以不重复路径的方式遍历所述网络关系图得到网络关系图的结构信息。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
接收终端上传的待监控账户信息,所述待监控账户信息包括单个账户、批量账户以及机构账户;
提取与所述待监控账户信息对应的价值流向数据,并对所提取的价值流向数据进行清洗得到待监控价值数据;
将所得到的待监控价值数据存储至数据库中或上传至区块链上。
5.根据权利要求4所述的方法,其特征在于,所述对所提取的价值流向数据进行清洗得到待监控价值数据,包括:
对所提取的价值流向数据进行分类得到业务数据、客户数据以及交易数据;
对所述业务数据进行无效数据删除,对所述流水数据提取关键字段的内容,对所述客户数据进行关联客户整理;
获取标准化字段表,所述标准化字段表中存储有标准字段;
从处理后的业务数据、流水数据以及客户数据分别提取与所述标准字段对应的字段内容;
将所提取的字段内容添加到标准化字段表中得到待监控价值数据。
6.根据权利要求1至5任意一项所述的方法,其特征在于,所述监控条件还包括指向性条件;所述方法还包括:
通过指向性条件判断所述当前监控账户与下一监控账户之间的关系属性;
根据各个节点层对应的当前监控账户生成网络关系图,包括:
根据各个节点层对应的监控账户生成网络关系图的各个节点;
根据监控账户与下一节点层的监控账户的关系属性生成各个节点之间的连线;
根据所述节点和所述连线得到关系网络图。
7.一种基于关系网络图的价值流向监控装置,其特征在于,所述装置包括:
提取模块,用于提取待监控价值数据,所述待监控价值数据包括账户信息、交易时间以及交易价值;
当前监控账户确定模块,用于根据所述交易时间和交易价值确定监控条件,根据所述交易时间和账户信息确定当前监控账户;
筛选模块,用于记录所述当前监控账户对应的节点层,并根据所述监控条件对所当前监控账户的交易进行筛选;
循环模块,用于根据筛选后的交易确定下一监控账户,将所确定的下一监控账户作为当前监控账户,并递增所述节点层后,继续记录所述当前监控账户对应的节点层,直至所述节点层达到预设层数;
网络关系图生成模块,用于根据各个节点层对应的当前监控账户生成网络关系图;
输出模块,用于提取所述网络关系图的结构信息,并根据所述结构信息得到价值流向对应的问题类型。
8.根据权利要求7所述的装置,其特征在于,所述当前监控账户确定模块包括:
接收单元,用于接收输入的范围值;
监控条件生成单元,用于根据所述范围值以及所述交易时间和交易价值确定监控条件。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010654709.9A CN111652718B (zh) | 2020-07-09 | 2020-07-09 | 基于关系网络图的价值流向监控方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010654709.9A CN111652718B (zh) | 2020-07-09 | 2020-07-09 | 基于关系网络图的价值流向监控方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111652718A true CN111652718A (zh) | 2020-09-11 |
CN111652718B CN111652718B (zh) | 2023-07-28 |
Family
ID=72343219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010654709.9A Active CN111652718B (zh) | 2020-07-09 | 2020-07-09 | 基于关系网络图的价值流向监控方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652718B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117235372A (zh) * | 2023-11-10 | 2023-12-15 | 支付宝(杭州)信息技术有限公司 | 资源追踪方法及装置 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103365969A (zh) * | 2013-06-24 | 2013-10-23 | 北京奇虎科技有限公司 | 一种异常数据检测处理的方法和系统 |
KR20130139530A (ko) * | 2012-06-13 | 2013-12-23 | 엠앤서비스 주식회사 | 신용카드 매출채권 기반의 대출 서비스 시스템 및 방법 |
CN106445776A (zh) * | 2016-08-30 | 2017-02-22 | 中国建设银行股份有限公司 | 一种交易处理方法及系统 |
CN108228706A (zh) * | 2017-11-23 | 2018-06-29 | 中国银联股份有限公司 | 用于识别异常交易社团的方法和装置 |
CN108764943A (zh) * | 2018-05-30 | 2018-11-06 | 公安部第三研究所 | 基于资金交易网络的可疑用户监测分析方法 |
CN109753590A (zh) * | 2018-12-07 | 2019-05-14 | 中国银行业监督管理委员会福建监管局 | 一种查询关联信息的方法及终端 |
CN109783699A (zh) * | 2019-01-29 | 2019-05-21 | 众安信息技术服务有限公司 | 用于监控区块链网络的分布式账本的方法和装置 |
CN109919465A (zh) * | 2019-02-25 | 2019-06-21 | 北京明略软件系统有限公司 | 金融风险预警方法和装置 |
US20190197541A1 (en) * | 2017-12-22 | 2019-06-27 | Peter Rhee | Real-time monitoring system |
CN110264326A (zh) * | 2019-05-24 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 识别异常账户集合和风险账户集合的方法、装置及设备 |
CN110399533A (zh) * | 2019-07-29 | 2019-11-01 | 中国工商银行股份有限公司 | 资金流向查询方法及装置 |
WO2019227337A1 (zh) * | 2018-05-30 | 2019-12-05 | 重庆小雨点小额贷款有限公司 | 基于区块链的安全管理方法、相关装置及存储介质 |
CN111126828A (zh) * | 2019-12-19 | 2020-05-08 | 浙江邦盛科技有限公司 | 一种基于知识图谱的多层资金异常流向监控方法 |
US20200167784A1 (en) * | 2018-11-26 | 2020-05-28 | Bank Of America Corporation | Active malfeasance examination and detection based on dynamic graph network flow analysis |
US20200167787A1 (en) * | 2018-11-26 | 2020-05-28 | Bank Of America Corporation | System for anomaly detection and remediation based on dynamic directed graph network flow analysis |
-
2020
- 2020-07-09 CN CN202010654709.9A patent/CN111652718B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130139530A (ko) * | 2012-06-13 | 2013-12-23 | 엠앤서비스 주식회사 | 신용카드 매출채권 기반의 대출 서비스 시스템 및 방법 |
CN103365969A (zh) * | 2013-06-24 | 2013-10-23 | 北京奇虎科技有限公司 | 一种异常数据检测处理的方法和系统 |
CN106445776A (zh) * | 2016-08-30 | 2017-02-22 | 中国建设银行股份有限公司 | 一种交易处理方法及系统 |
WO2019100967A1 (zh) * | 2017-11-23 | 2019-05-31 | 中国银联股份有限公司 | 用于识别异常交易社团的方法和装置 |
CN108228706A (zh) * | 2017-11-23 | 2018-06-29 | 中国银联股份有限公司 | 用于识别异常交易社团的方法和装置 |
US20190197541A1 (en) * | 2017-12-22 | 2019-06-27 | Peter Rhee | Real-time monitoring system |
WO2019227337A1 (zh) * | 2018-05-30 | 2019-12-05 | 重庆小雨点小额贷款有限公司 | 基于区块链的安全管理方法、相关装置及存储介质 |
CN108764943A (zh) * | 2018-05-30 | 2018-11-06 | 公安部第三研究所 | 基于资金交易网络的可疑用户监测分析方法 |
US20200167784A1 (en) * | 2018-11-26 | 2020-05-28 | Bank Of America Corporation | Active malfeasance examination and detection based on dynamic graph network flow analysis |
US20200167787A1 (en) * | 2018-11-26 | 2020-05-28 | Bank Of America Corporation | System for anomaly detection and remediation based on dynamic directed graph network flow analysis |
CN109753590A (zh) * | 2018-12-07 | 2019-05-14 | 中国银行业监督管理委员会福建监管局 | 一种查询关联信息的方法及终端 |
CN109783699A (zh) * | 2019-01-29 | 2019-05-21 | 众安信息技术服务有限公司 | 用于监控区块链网络的分布式账本的方法和装置 |
CN109919465A (zh) * | 2019-02-25 | 2019-06-21 | 北京明略软件系统有限公司 | 金融风险预警方法和装置 |
CN110264326A (zh) * | 2019-05-24 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 识别异常账户集合和风险账户集合的方法、装置及设备 |
CN110399533A (zh) * | 2019-07-29 | 2019-11-01 | 中国工商银行股份有限公司 | 资金流向查询方法及装置 |
CN111126828A (zh) * | 2019-12-19 | 2020-05-08 | 浙江邦盛科技有限公司 | 一种基于知识图谱的多层资金异常流向监控方法 |
Non-Patent Citations (2)
Title |
---|
杨阳;: "基于知识图谱的涉众型经济犯罪知识建模与情报分析", 中国人民公安大学学报(自然科学版), no. 02 * |
薛耀文,张朋柱,范静: "复杂金融网络中资金异常流动仿真监测平台设计与实现", 系统工程理论方法应用, no. 05 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117235372A (zh) * | 2023-11-10 | 2023-12-15 | 支付宝(杭州)信息技术有限公司 | 资源追踪方法及装置 |
CN117235372B (zh) * | 2023-11-10 | 2024-02-02 | 支付宝(杭州)信息技术有限公司 | 资源追踪方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111652718B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240086930A1 (en) | Blockchain transaction safety | |
Salamai et al. | Dynamic voting classifier for risk identification in supply chain 4.0. | |
JP7313597B2 (ja) | 暗号通貨取引の分析方法及びシステム | |
Ahmed et al. | A survey of anomaly detection techniques in financial domain | |
Srivastava et al. | Credit card fraud detection using hidden Markov model | |
US20240303468A1 (en) | Interleaved sequence recurrent neural networks for fraud detection | |
JP6697584B2 (ja) | データリスクを識別する方法及び装置 | |
US7458508B1 (en) | System and method for identity-based fraud detection | |
US7562814B1 (en) | System and method for identity-based fraud detection through graph anomaly detection | |
JP2024138488A (ja) | マネーロンダリング防止分析のためのシステムおよび方法 | |
JP2020522832A (ja) | 信用力があると判定された消費者にローンを発行するシステムおよび方法 | |
JP7309242B2 (ja) | 暗号通貨取引の分析方法及び装置 | |
US20060236395A1 (en) | System and method for conducting surveillance on a distributed network | |
US11538044B2 (en) | System and method for generation of case-based data for training machine learning classifiers | |
CN113159922A (zh) | 一种数据的流向识别方法、装置、设备及介质 | |
Wu et al. | Dual autoencoders generative adversarial network for imbalanced classification problem | |
US20220327542A1 (en) | Self Learning Machine Learning Transaction Scores Adjustment via Normalization Thereof Accounting for Underlying Transaction Score Bases | |
CN111652718A (zh) | 基于关系网络图的价值流向监控方法、装置、设备和介质 | |
Krysovatyy et al. | Classification Method of Fictitious Enterprises Based on Gaussian Naive Bayes | |
CN116611895A (zh) | 交易异常识别方法、装置、计算机设备和存储介质 | |
El Orche et al. | Approach to combine an ontology-based on payment system with neural network for transaction fraud detection | |
Shukla et al. | Delend: A p2p loan management scheme using public blockchain in 6g network | |
Ravi | Introduction to banking technology and management | |
Tong et al. | User financial credit analysis for blockchain regulation | |
Singh et al. | Comparative Evaluation of Machine Learning Algorithms for Credit Card Fraud Detection |
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 |