交易数据的处理方法、装置、电子设备及程序产品与流程
本技术涉及金融科技领,具体而言,涉及一种交易数据的处理方法、装置、电子设备及程序产品。
背景技术:
1、随着金融科技的飞速发展,资金流转的形态日益复杂化、隐蔽化和网络化。异常交易的资金流转链路往往呈现出团队化、跨区域、多层中转及线上线下结合的特征。近年来,此类活动逐渐向线上引流、线下交易、线上结算的模式演变,资金通过个人账户、对公账户、第三方支付平台进行多层清洗和分发,形成了复杂闭环链条。现有技术中,通用模型通常基于宏观的交易金额、频率等指标进行训练,缺乏对特定场景下高频小额、夜间集中交易、特定行业关联等微观特征的有效捕捉。通用模型难以区分正常商业消费与违法资金流转,导致误报率极高,且无法有效穿透识别多层级的团队关联关系,难以还原完整的资金链路。其次,线下专项打击手段具有滞后性和局限性,这种方式不仅效率低下,而且无法在事前或事中对资金流转进行实时预警和阻断。
2、针对相关技术中对异常交易资金链路的检测主要依赖通用深度学习模型或线下处理手段,难以识别异常交易特定场景下的资金流转模式或团队层级,导致检测准确率较低的问题,目前尚未提出有效的解决方案。
技术实现思路
1、本技术的主要目的在于提供一种交易数据的处理方法、装置、电子设备及程序产品,以解决相关技术中对异常交易资金链路的检测主要依赖通用深度学习模型或线下处理手段,难以识别异常交易特定场景下的资金流转模式或团队层级,导致检测准确率较低的问题。
2、为了实现上述目的,根据本技术的一个方面,提供了一种交易数据的处理方法,该方法包括:按照预设时间周期获取金融机构侧的客户交易信息,其中,客户交易信息至少包括:交易流水信息、客户属性信息、客户关联信息;基于客户属性信息和交易流水信息,采用多个维度规则进行匹配,得到目标匹配结果,依据目标匹配结果确定匹配成功的规则数量和规则匹配评分,其中,多个维度至少包括:个人账户维度、对公账户维度;依据目标匹配结果确定异常客户,以各异常客户为图谱节点,结合节点对应的客户属性信息和客户关联信息构建客户关联关系图谱,并从客户关联关系图谱中提取异常关联客户信息;依据规则数量、规则匹配评分和目标匹配结果确定异常客户的风险等级,并依据异常客户的风险等级和异常关联客户信息对异常客户执行对应风控处置操作。
3、进一步地,采用多个维度规则进行匹配,得到目标匹配结果,依据目标匹配结果确定匹配成功的规则数量和规则匹配评分,包括:依据客户属性信息判断客户交易信息中待检测的目标客户属于个人账户还是对公账户;在目标客户属于个人账户的情况下,采用个人账户维度对应的第一类规则与客户交易信息进行匹配,得到目标匹配结果,其中,第一类规则至少包括以下维度:交易频率、借贷信息、交易摘要、现金交易、交易地址;在目标客户属于对公账户的情况下,采用对公账户维度对应的第二类规则与客户交易信息进行匹配,得到目标匹配结果,其中,第二类规则至少包括以下维度:受益人信息、借贷信息、交易频率、交易摘要、现金交易;依据目标匹配结果确定多个维度规则中与客户交易信息匹配的目标规则,依据目标规则的数量确定规则数量,依据目标规则对应的规则评分确定规则匹配评分。
4、进一步地,采用个人账户维度对应的第一类规则与客户交易信息进行匹配,得到目标匹配结果,包括:依据交易流水信息确定预设时段对应的第一交易,依据第一交易的交易笔数、交易金额和交易对手的经营范围确定第一规则的匹配结果;依据交易流水信息中目标客户作为贷方的贷款笔数、目标客户作为借方的贷款笔数、借贷金额、交易对手账户类型和资金留存信息确定第二规则的匹配结果;依据交易流水信息确定交易摘要中包含异常交易词的第三交易,依据第三交易的交易笔数和交易累计金额确定第三规则的匹配结果;依据交易流水信息确定现金交易,依据现金交易的交易笔数和交易累计金额确定第四规则的匹配结果;依据交易流水信息确定目标客户与相同交易地址或跨城地址进行交易的第四交易,依据第四交易的交易笔数和交易累计金额确定第五规则的匹配结果;依据第一规则的匹配结果、第二规则的匹配结果、第三规则的匹配结果、第四规则的匹配结果和第五规则的匹配结果确定目标匹配结果。
5、进一步地,采用对公账户维度对应的第二类规则与客户交易信息进行匹配,得到目标匹配结果,包括:依据客户属性信息判断目标客户的法定代表人和受益所有人与其它对公账户是否存在关联关系,依据判断结果确定第六规则的匹配结果;依据交易流水信息中目标客户作为贷方的贷款笔数、目标客户作为借方的贷款笔数和资金留存信息确定第七规则的匹配结果;依据交易流水信息确定目标客户向其它个人账户的转账笔数和转账金额,以及确定目标客户的交易对手,依据转账笔数、转账金额、交易对手和交易对手中不同类型账户占比确定第八规则的匹配结果;依据交易流水信息确定现金交易累计金额,依据现金交易累计金额确定第九规则的匹配结果;依据客户属性信息确定客户背景信息,依据客户背景信息确定第十规则的匹配结果;依据第六规则的匹配结果、第七规则的匹配结果、第八规则的匹配结果、第九规则的匹配结果和第十规则的匹配结果确定目标匹配结果。
6、进一步地,按照预设时间周期获取金融机构侧的客户交易信息,包括:从金融机构的预设存储空间采集客户的身份信息、联系信息、职业信息、工作单位信息、开户地区、注册信息,得到客户属性信息;从预设存储空间采集客户的交易对手账号、借贷方向、交易金额、交易时间戳、交易频率、交易地址、交易ip信息、交易渠道、交易摘要,得到交易流水信息;从预设存储空间采集客户之间的亲属关系、交叉持股关系、共同利益关系和已标记的风险账户标签,得到客户关联信息;分别对客户属性信息、交易流水信息和客户关联信息进行标准化处理和特征提取处理,依据处理后的数据和提取到的特征确定客户交易信息,其中,提取到的特征至少包括:交易时段特征、地址编码特征、异常描述特征、异常经营范围。
7、进一步地,以各异常客户为图谱节点,结合节点对应的客户属性信息和客户关联信息构建客户关联关系图谱,包括:从客户属性信息和客户关联信息中提取异常客户的身份关联信息、业务关联信息和交易关联信息,其中,身份关联信息至少包括:实名信息、联系方式、设备使用信息,业务关联信息至少包括:职业信息,其中,对公账户的业务关联信息还包括:客户经营范围、客户注册地址,交易关联信息至少包括:个人交易对手信息、对公交易对手信息、交易模式、交易频率、交易金额、交易地区、交易摘要;依据身份关联信息、业务关联信息和交易关联信息构建异常客户对应节点之间的关联关系;依据异常客户对应的节点和节点之间的关联关系构建客户关联关系图谱。
8、进一步地,从客户关联关系图谱中提取异常关联客户信息,包括:依据客户关联关系图谱确定每个异常客户之间的关联关系数量,并依据关联关系数量确定每个异常客户之间的关联程度;在异常客户中筛选出关联程度大于预设关联程度阈值的目标异常客户;依据客户关联关系图谱中目标异常客户之间的关联关系构建异常关联客户图谱;依据目标异常客户的业务关联信息和异常关联客户图谱确定异常交易资金链路;依据每个异常客户之间的关联程度、异常关联客户图谱和异常交易资金链路确定异常关联客户信息。
9、为了实现上述目的,根据本技术的另一方面,提供了一种交易数据的处理装置,该装置包括:获取单元,用于按照预设时间周期获取金融机构侧的客户交易信息,其中,客户交易信息至少包括:交易流水信息、客户属性信息、客户关联信息;匹配单元,用于基于客户属性信息和交易流水信息,采用多个维度规则进行匹配,得到目标匹配结果,依据目标匹配结果确定匹配成功的规则数量和规则匹配评分,其中,多个维度至少包括:个人账户维度、对公账户维度;构建单元,用于依据目标匹配结果确定异常客户,以各异常客户为图谱节点,结合节点对应的客户属性信息和客户关联信息构建客户关联关系图谱,并从客户关联关系图谱中提取异常关联客户信息;处理单元,用于依据规则数量、规则匹配评分和目标匹配结果确定异常客户的风险等级,并依据异常客户的风险等级和异常关联客户信息对异常客户执行对应风控处置操作。
10、进一步地,匹配单元包括:判断子单元,用于依据客户属性信息判断客户交易信息中待检测的目标客户属于个人账户还是对公账户;第一匹配子单元,用于在目标客户属于个人账户的情况下,采用个人账户维度对应的第一类规则与客户交易信息进行匹配,得到目标匹配结果,其中,第一类规则至少包括以下维度:交易频率、借贷信息、交易摘要、现金交易、交易地址;第二匹配子单元,用于在目标客户属于对公账户的情况下,采用对公账户维度对应的第二类规则与客户交易信息进行匹配,得到目标匹配结果,其中,第二类规则至少包括以下维度:受益人信息、借贷信息、交易频率、交易摘要、现金交易;第一确定子单元,用于依据目标匹配结果确定多个维度规则中与客户交易信息匹配的目标规则,依据目标规则的数量确定规则数量,依据目标规则对应的规则评分确定规则匹配评分。
11、进一步地,第一匹配子单元包括:第一确定模块,用于依据交易流水信息确定预设时段对应的第一交易,依据第一交易的交易笔数、交易金额和交易对手的经营范围确定第一规则的匹配结果;第二确定模块,用于依据交易流水信息中目标客户作为贷方的贷款笔数、目标客户作为借方的贷款笔数、借贷金额、交易对手账户类型和资金留存信息确定第二规则的匹配结果;第三确定模块,用于依据交易流水信息确定交易摘要中包含异常交易词的第三交易,依据第三交易的交易笔数和交易累计金额确定第三规则的匹配结果;第四确定模块,用于依据交易流水信息确定现金交易,依据现金交易的交易笔数和交易累计金额确定第四规则的匹配结果;第五确定模块,用于依据交易流水信息确定目标客户与相同交易地址或跨城地址进行交易的第四交易,依据第四交易的交易笔数和交易累计金额确定第五规则的匹配结果;第六确定模块,用于依据第一规则的匹配结果、第二规则的匹配结果、第三规则的匹配结果、第四规则的匹配结果和第五规则的匹配结果确定目标匹配结果。
12、进一步地,第二匹配子单元包括:第七确定模块,用于依据客户属性信息判断目标客户的法定代表人和受益所有人与其它对公账户是否存在关联关系,依据判断结果确定第六规则的匹配结果;第八确定模块,用于依据交易流水信息中目标客户作为贷方的贷款笔数、目标客户作为借方的贷款笔数和资金留存信息确定第七规则的匹配结果;第九确定模块,用于依据交易流水信息确定目标客户向其它个人账户的转账笔数和转账金额,以及确定目标客户的交易对手,依据转账笔数、转账金额、交易对手和交易对手中不同类型账户占比确定第八规则的匹配结果;第十确定模块,用于依据交易流水信息确定现金交易累计金额,依据现金交易累计金额确定第九规则的匹配结果;第十一确定模块,用于依据客户属性信息确定客户背景信息,依据客户背景信息确定第十规则的匹配结果;第十二确定模块,用于依据第六规则的匹配结果、第七规则的匹配结果、第八规则的匹配结果、第九规则的匹配结果和第十规则的匹配结果确定目标匹配结果。
13、进一步地,获取单元包括:第一采集子单元,用于从金融机构的预设存储空间采集客户的身份信息、联系信息、职业信息、工作单位信息、开户地区、注册信息,得到客户属性信息;第二采集子单元,用于从预设存储空间采集客户的交易对手账号、借贷方向、交易金额、交易时间戳、交易频率、交易地址、交易ip信息、交易渠道、交易摘要,得到交易流水信息;第三采集子单元,用于从预设存储空间采集客户之间的亲属关系、交叉持股关系、共同利益关系和已标记的风险账户标签,得到客户关联信息;处理子单元,用于分别对客户属性信息、交易流水信息和客户关联信息进行标准化处理和特征提取处理,依据处理后的数据和提取到的特征确定客户交易信息,其中,提取到的特征至少包括:交易时段特征、地址编码特征、异常描述特征、异常经营范围。
14、进一步地,构建单元包括:提取子单元,用于从客户属性信息和客户关联信息中提取异常客户的身份关联信息、业务关联信息和交易关联信息,其中,身份关联信息至少包括:实名信息、联系方式、设备使用信息,业务关联信息至少包括:职业信息,其中,对公账户的业务关联信息还包括:客户经营范围、客户注册地址,交易关联信息至少包括:个人交易对手信息、对公交易对手信息、交易模式、交易频率、交易金额、交易地区、交易摘要;第一构建子单元,用于依据身份关联信息、业务关联信息和交易关联信息构建异常客户对应节点之间的关联关系;第二构建子单元,用于依据异常客户对应的节点和节点之间的关联关系构建客户关联关系图谱。
15、进一步地,构建单元包括:第二确定子单元,用于依据客户关联关系图谱确定每个异常客户之间的关联关系数量,并依据关联关系数量确定每个异常客户之间的关联程度;筛选子单元,用于在异常客户中筛选出关联程度大于预设关联程度阈值的目标异常客户;第三构建子单元,用于依据客户关联关系图谱中目标异常客户之间的关联关系构建异常关联客户图谱;第三确定子单元,用于依据目标异常客户的业务关联信息和异常关联客户图谱确定异常交易资金链路;第四确定子单元,用于依据每个异常客户之间的关联程度、异常关联客户图谱和异常交易资金链路确定异常关联客户信息。
16、为了实现上述目的,根据本技术的一个方面,提供了一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现上述任意一项交易数据的处理方法,计算机程序被处理器执行时实现本技术各个实施例中交易数据的处理方法的步骤。
17、为了实现上述目的,根据本技术的一个方面,提供了一种计算机可读存储介质,计算机可读存储介质包括存储的计算机指令,其中,在计算机指令被处理器执行时实现上述任意一项交易数据的处理方法。
18、为了实现上述目的,根据本技术的一个方面,提供了一种电子设备,包括一个或多个处理器和存储器,存储器用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现上述任意一项交易数据的处理方法。
19、在本技术实施例中,通过按照预设时间周期获取金融机构侧的客户交易信息,其中,客户交易信息至少包括:交易流水信息、客户属性信息、客户关联信息;基于客户属性信息和交易流水信息,采用多个维度规则进行匹配,得到目标匹配结果,依据目标匹配结果确定匹配成功的规则数量和规则匹配评分,其中,多个维度至少包括:个人账户维度、对公账户维度;依据目标匹配结果确定异常客户,以各异常客户为图谱节点,结合节点对应的客户属性信息和客户关联信息构建客户关联关系图谱,并从客户关联关系图谱中提取异常关联客户信息;依据规则数量、规则匹配评分和目标匹配结果确定异常客户的风险等级,并依据异常客户的风险等级和异常关联客户信息对异常客户执行对应风控处置操作,能够有效针对具体交易场景识别异常交易,降低了金融机构在异常交易资金监测中的误报率,提升了异常预警的精准度,因此,可以解决相关技术中对异常交易资金链路的检测主要依赖通用深度学习模型或线下处理手段,难以识别异常交易特定场景下的资金流转模式或团队层级,导致检测准确率较低的技术问题,达到了提供异常交易完整的资金交易与团队关联证据链,有助于异常交易的治理的技术效果。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com