银行工作人员内部风险控制方法及装置与流程

1.本发明涉及金融技术领域，尤其涉及一种银行工作人员内部风险控制方法及装置。


背景技术：

2.在银行网点，银行工作人员需要控制客户交易的各种风险。当银行工作人员产生风险时，就会对客户的资金和信息产生比较大的影响。为了确保将内部风险降低到最小，需要确保银行工作人员的操作真实有效。而目前，缺乏一种银行工作人员内部风险控制方法。


技术实现要素：

3.本发明实施例提出一种银行工作人员内部风险控制方法，用以实现银行工作人员内部风险控制，该方法包括：
4.构建银行中工作人员结构图；
5.确定工作人员结构图中每个工作人员的极大相关值组合；
6.对于每个工作人员，依据极大相关值组合，确定该工作人员的间接相关工作人员；
7.基于工作人员的间接相关工作人员的人脸图像数据，确定所述工作人员的生物特征识别阈值；
8.在历史风险数据中的工作人员在业务办理中需要生物特征识别时，基于该工作人员的生物特征识别阈值对该工作人员进行生物特征识别；
9.在生物特征识别结果低于所述生物特征识别阈值时，确定业务办理存在风险。
10.本发明实施例提出一种银行工作人员内部风险控制装置，用以实现银行工作人员内部风险控制，该装置包括：
11.工作人员结构图构建模块，用于构建银行中工作人员结构图；
12.极大相关值组合确定模块，用于确定工作人员结构图中每个工作人员的极大相关值组合；
13.间接相关工作人员确定模块，用于对于每个工作人员，依据极大相关值组合，确定该工作人员的间接相关工作人员；
14.生物特征识别阈值确定模块，用于基于工作人员的间接相关工作人员的人脸图像数据，确定所述工作人员的生物特征识别阈值；
15.生物特征识别模块，用于在历史风险数据中的工作人员在业务办理中需要生物特征识别时，基于该工作人员的生物特征识别阈值对该工作人员进行生物特征识别；
16.风险确认模块，用于在生物特征识别结果低于所述生物特征识别阈值时，确定业务办理存在风险。
17.本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述银行工作人员内部风险控制方法。
18.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述银行工作人员内部风险控制方法。
19.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述银行工作人员内部风险控制方法。
20.在本发明实施例中，构建银行中工作人员结构图；确定工作人员结构图中每个工作人员的极大相关值组合；对于每个工作人员，依据极大相关值组合，确定该工作人员的间接相关工作人员；基于工作人员的间接相关工作人员的人脸图像数据，确定所述工作人员的生物特征识别阈值；在历史风险数据中的工作人员在业务办理中需要生物特征识别时，基于该工作人员的生物特征识别阈值对该工作人员进行生物特征识别；在生物特征识别结果低于所述生物特征识别阈值时，确定业务办理存在风险。在上述过程中，通过确定工作人员结构图中每个工作人员的极大相关值组合，查找间接关联相关人员，可以更准确地确定所述工作人员的生物特征识别阈值，从而更准确地判断业务办理是否存在风险。
附图说明
21.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
22.图1为本发明实施例中银行工作人员内部风险控制方法的流程图；
23.图2为本发明实施例中构建银行中工作人员结构图的流程图；
24.图3为本发明实施例中基于关联系数构建工作人员结构图的流程图；
25.图4为本发明实施例中确定工作人员结构图中每个工作人员的极大相关值组合的流程图；
26.图5为本发明实施例中确定该历史风险数据中涉及的工作人员之间的第一距离和关联系数的流程图；
27.图6为本发明实施例中依据极大相关值组合确定该工作人员的间接相关工作人员的流程图；
28.图7为本发明实施例中确定所述工作人员的生物特征识别阈值的流程图；
29.图8为本发明实施例中银行工作人员内部风险控制装置的示意图一；
30.图9为本发明实施例中银行工作人员内部风险控制装置的示意图二；
31.图10为本发明实施例中计算机设备的示意图。
具体实施方式
32.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
33.在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本技术的
至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本技术的实施，其中的步骤顺序不作限定，可根据需要作适当调整。
34.图1为本发明实施例中银行工作人员内部风险控制方法的流程图，包括：
35.步骤101，构建银行中工作人员结构图；
36.步骤102，确定工作人员结构图中每个工作人员的极大相关值组合；
37.步骤103，对于每个工作人员，依据极大相关值组合，确定该工作人员的间接相关工作人员；
38.步骤104，基于工作人员的间接相关工作人员的人脸图像数据，确定所述工作人员的生物特征识别阈值；
39.步骤105，在历史风险数据中的工作人员在业务办理中需要生物特征识别时，基于该工作人员的生物特征识别阈值对该工作人员进行生物特征识别；
40.步骤106，在生物特征识别结果低于所述生物特征识别阈值时，确定业务办理存在风险。
41.在本发明实施例中，通过确定工作人员结构图中每个工作人员的极大相关值组合，查找间接关联相关人员，可以更准确地确定所述工作人员的生物特征识别阈值，从而更准确地判断业务办理是否存在风险。
42.图2为本发明实施例中构建银行中工作人员结构图的流程图，在一实施例中，构建银行中工作人员结构图，包括：
43.步骤201，确定每个工作人员的相关工作人员；
44.步骤202，计算每个工作人员与该工作人员的相关工作人员之间的关联系数；
45.步骤203，基于每个工作人员与该工作人员的相关工作人员之间的关联系数，构建工作人员结构图。
46.在一实施例中，确定每个工作人员的相关工作人员，包括：
47.获取每条业务办理数据涉及的多个工作人员，将所述涉及的多个工作人员中任何两个工作人员设置为对方的相关工作人员。
48.具体地，计算每个工作人员与该工作人员的相关工作人员之间的关联系数，包括：
49.对每个工作人员，将该工作人员与该工作人员的每个相关工作人员之间涉及的业务办理数据确定为该工作人员的每个相关工作人员对应的关联数据量；
50.将所有的关联数据量中的最大值确定为关联数据最大值；
51.对每个工作人员，将该工作人员与该工作人员的每个相关工作人员之间的关联系数确定为该工作人员的每个相关工作人员对应的关联数据量与关联数据最大值的比值。
52.图3为本发明实施例中基于关联系数构建工作人员结构图的流程图，在一实施例中，基于每个工作人员与该工作人员的相关工作人员之间的关联系数，构建工作人员结构图，包括：
53.步骤301，以每个工作人员作为工作人员结构图的一个节点，当且仅当两个工作人员为对方的相关工作人员时，两个工作人员对应的节点有边，所述边为工作人员结构图的边；
54.步骤302，确定每条边的第一距离为1，确定该边对应的关联系数为该边对应的两个工作人员之间的关联系数。
55.图4为本发明实施例中确定工作人员结构图中每个工作人员的极大相关值组合的流程图，在一实施例中，确定工作人员结构图中每个工作人员的极大相关值组合，包括：
56.步骤401，对于每条历史风险数据，确定该历史风险数据中涉及的工作人员；依据工作人员结构图，确定该历史风险数据中涉及的工作人员之间的第一距离和关联系数，将该第一距离和关联系数的组合确定为该涉及的工作人员之间的相关值组合；
57.步骤402，确定相关值组合的偏序，其中，对于任何两个相关值组合，该偏序用于确定该两个相关值组合中的第一相关值组合是否大于第二相关值组合；
58.步骤403，依据相关值组合的偏序，确定所有的相关值组合中的多个极大相关值组合，其中，该相关值组合是该偏序的极大元素。
59.在一实施例中，步骤402确定相关值组合的偏序，包括：
60.对于任何两个相关值组合，如果该两个相关值组合的第一相关值组合的第一距离大于等于该两个相关值组合的第一距离，且该第一相关值组合的关联系数小于等于该第二相关值组合的关联系数，则确定该第一相关值组合大于该第二相关值组合。
61.需要说明的是，偏序的极大元素就是在偏序对应的集合中，不存在其他元素优于该极大元素。也就是对于每个极大相关值组合，不存在其他的相关值组合，使得该其他相关值组合大于该极大相关值组合。
62.在一实施例中，步骤403依据相关值组合的偏序，确定所有的相关值组合中的多个极大相关值组合的一种方法如下：
63.1.将所有的相关值组合中的每个相关值组合对应的极大标识初始化为可能，以及对应的比较标识初始化为是；
64.2.依次对于所有的相关值组合中的每个相关值组合，如果该相关值组合对应的极大标识不是可能，则继续对下一个相关值组合执行步骤2；如果该相关值组合对应的极大标识为可能，则从所有的相关值组合中选取出对应的比较标识为是的多个相关值组合(除该相关值组合之外)，然后将该选取出的多个相关值组合确定为该相关值组合对应的待比较相关值组合；
65.3.依次选取该相关值组合对应的每个待比较相关值组合，如果该待比较相关值组合优于该相关值组合，则将该相关值组合对应的极大标识设置为否，之后继续对下一个相关值组合执行上述步骤2；如果该相关值组合优于该待比较相关值组合，则将该待比较相关值组合对应的极大标识设置为否，并将该待比较相关值组合确定为该相关值组合的次相关值组合；否则，该相关值组合对应的极大标识和该待比较相关值组合对应的极大标识保持不变；
66.4.如果在依次比较该相关值组合和对应的每个待比较相关值组合后，该相关值组合对应的极大标识仍然是可能，则将该相关值组合确定为所有的相关值组合中的极大相关值组合，并且将该极大相关值组合的每个次相关值组合的比较标识更新为否；
67.5.之后继续对下一个相关值组合执行步骤2，直到对所有的相关值组合都执行完上述步骤。
68.图5为本发明实施例中确定该历史风险数据中涉及的工作人员之间的第一距离和
关联系数的流程图，在一实施例中，依据工作人员结构图，确定该历史风险数据中涉及的工作人员之间的第一距离和关联系数，包括：
69.步骤501，依据工作人员结构图，基于每条边的距离为第一距离，计算该历史风险数据中涉及的工作人员之间的最短距离，将该最短距离确定该历史风险数据中涉及的工作人员之间的第一距离；
70.步骤502，对于工作人员结构图的每条边，设置该边的第二距离为：-lg(r)，其中r为该边的关联系数；
71.步骤503，依据工作人员结构图，基于每条边的距离为第二距离，计算该历史风险数据中涉及的工作人员之间的最短距离，将该最短距离确定该历史风险数据中涉及的工作人员之间的第二距离；
72.步骤504，将该历史风险数据中涉及的工作人员之间的关联系数设置为：10-s
，其中s为该历史风险数据中涉及的工作人员之间的第二距离。
73.说明：下面其他步骤的计算都类似，类似步骤不再赘述。
74.图6为本发明实施例中依据极大相关值组合确定该工作人员的间接相关工作人员的流程图，在一实施例中，对于每个工作人员，依据极大相关值组合，确定该工作人员的间接相关工作人员，包括：
75.步骤601，在工作人员结构图中，对每个工作人员，计算该工作人员与其他各个工作人员的第一距离和关联系数，将该第一距离和关联系数的组合确定为该工作人员与其他各个工作人员的相关值组合；
76.步骤602，对于每个其他工作人员，如果存在极大相关值组合大于该工作人员与该其他工作人员的相关值组合，则将该其他工作人员确定为该工作人员的间接相关工作人员。
77.需要说明的是，图6对应的方法在工作人员结构图的结构复杂度比较高时(大于第一阈值时)对应的复杂度会非常高，也就是该方法的计算存在冗余。下面的两个实施例可以有效的解决这个问题。
78.在一实施例中，对于每个工作人员，依据极大相关值组合，确定该工作人员的间接相关工作人员，包括：
79.将对应的关联系数小于指定阈值的边从工作人员结构图中删除，在工作人员结构图中，采用如下的步骤确定该工作人员的间接相关工作人员：
80.对每个工作人员，将该工作人员的相关工作人员按照与该工作人员的关联系数从大到小的顺序依次添加到队列中，重复执行以下步骤，直至该工作人员对应的队列已空，获得该工作人员的间接相关工作人员集合：
81.从队列中，取出队首工作人员，将所述队首工作人员添加到该工作人员的间接相关工作人员集合中；
82.获取该队首工作人员的相关工作人员，对于该队首工作人员的每个相关工作人员，确定该工作人员与该相关工作人员的第一距离和关联系数，将该第一距离和关联系数的组合确定为该工作人员与该相关工作人员的相关值组合，如果存在极大相关值组合大于该工作人员与该相关工作人员的相关值组合，则将该相关工作人员确定为该队首工作人员的待添加工作人员；将该队首工作人员的待添加工作人员按照与该工作人员的关联系数从
大到小的顺序依次添加到队列中。
83.其中，该工作人员与该相关工作人员的第一距离是：其中d1(i)为该工作人员与集合s的第i个间接相关工作人员的第一距离，d2(i)为该相关工作人员与集合s的第i个间接相关工作人员的第一距离；该工作人员与该相关工作人员的关联系数为：其中r1(i)为该工作人员与集合s的第i个间接相关工作人员的关联系数，r2(i)为该相关工作人员与集合s的第i个间接相关工作人员的关联系数；其中，集合s是由已添加到该工作人员的间接相关工作人员集合中且与该相关工作人员在工作人员结构图中有边直连的所有间接相关工作人员组成。
84.在一实施例中，对于每个工作人员，依据极大相关值组合，确定该工作人员的间接相关工作人员，包括：
85.对每个工作人员a，将该工作人员a的所有相关工作人员添加到该工作人员a对应的待选集合中；对于除该工作人员a和该工作人员a的相关工作人员之外的其他工作人员，将该其他工作人员对应的第一距离初始化为一个大于所有极大相关值组合对应的第一距离的数值，以及将该其他工作人员对应的关联系数初始化为一个大于所有极大相关值组合对应的关联系数的数值；
86.重复执行如下步骤，直至该工作人员a对应的待选集合中的所有工作人员和工作人员a的所有相关值组合，满足不存在极大相关值组合大于该所有相关值组合的任何相关值组合：
87.对于该工作人员a对应的待选集合中的所有工作人员和工作人员a的每个相关值组合，如果存在极大相关值组合大于该相关值组合，则将该相关值组合对应的待选集合的工作人员确定为待选工作人员；
88.从确定的待选工作人员中选取出与该工作人员a的关联系数最大的工作人员b；将该选取出的工作人员b从工作人员a对应的待选集合中转移到该工作人员a的间接相关工作人员集合中；
89.对于该选取出的工作人员b的每个相关工作人员c，判断该相关工作人员c是否添加过到该工作人员a的间接相关工作人员集合中，若否，将该相关工作人员c添加到该工作人员a对应的待选集合中；
90.对于该选取出的工作人员b的每个相关工作人员c，更新该相关工作人员c的第一距离为min(d
co
,db d(b,c))，其中，d
co
是该相关工作人员c在更新前的第一距离，db是该选取出的工作人员b的第一距离，d(b,c)是工作人员b和工作人员c的第一距离，以及更新该相关工作人员c的关联系数为max(r
co
,rb·
r(b,c))，其中，r
co
是该相关工作人员c在更新前的关联系数，rb是该选取出的工作人员b的关联系数，r(b,c)是工作人员b和工作人员c的关联系数。
91.图7为本发明实施例中确定所述工作人员的生物特征识别阈值的流程图，在一实施例中，基于工作人员的间接相关工作人员的人脸图像数据，确定所述工作人员的生物特征识别阈值，包括：
92.步骤701，对于该工作人员的每个间接相关工作人员，确定该工作人员的人脸图像与该间接相关工作人员的人脸图像的匹配值；
93.步骤702，将所有匹配值中最大的间接相关工作人员，确定为该工作人员的最大风险工作人员；
94.步骤703，确定该工作人员的生物特征识别阈值为大于该工作人员与该工作人员的最大风险工作人员的人脸图像的匹配值。
95.在一实施例中，所述方法还包括：
96.在生物特征识别结果低于所述生物特征识别阈值时，将该工作人员的人脸图像与该工作人员的每个间接相关工作人员的人脸图像进行人脸匹配，将所有匹配值中最大匹配值对应的间接相关工作人员的信息，以及该工作人员的人脸图像存储到区块链中。
97.在一实施例中，所述方法还包括：在执行图7的方法之前，还执行如下步骤：
98.将银行客户分类，获得多个客户类别；将工作人员结构图中与该工作人员归属于同一客户类别的多个工作人员添加到该工作人员a的间接相关工作人员集合中。
99.其中，将银行客户分类，获得多个客户类别，具体为：
100.确定银行客户的距离函数，具体包括：确定每个业务对应的函数，该函数的自变量是两个银行客户，对应的函数值是该两个银行客户在该业务的业务数量的差的绝对值；进而确定银行客户的距离函数为所有业务对应的函数的平方和的平方根；
101.基于银行客户的距离函数，对所有银行客户进行聚类(比如选择k均值)，获得多个客户子集合；
102.对获得的每一个客户子集合，确定该子集合的每一个银行客户的主要业务；进而确定每一个主要业务对应该子集合的银行客户数与该子集合的银行客户数的比值，将确定的所有比值的最大值确定为该子集合的集中指标；对于该子集合，确定是否满足如下条件b：该子集合的集中指标大于设定值，如果不满足，则继续对该子集合进行聚类，直至新生成的每一个客户子集合满足条件b；
103.将每一个客户子集合对应一个客户类别。
104.综上所述，在本发明实施例提出的方法中，构建银行中工作人员结构图；确定工作人员结构图中每个工作人员的极大相关值组合；对于每个工作人员，依据极大相关值组合，确定该工作人员的间接相关工作人员；基于工作人员的间接相关工作人员的人脸图像数据，确定所述工作人员的生物特征识别阈值；在历史风险数据中的工作人员在业务办理中需要生物特征识别时，基于该工作人员的生物特征识别阈值对该工作人员进行生物特征识别；在生物特征识别结果低于所述生物特征识别阈值时，确定业务办理存在风险。在上述过程中，通过确定工作人员结构图中每个工作人员的极大相关值组合，查找间接关联相关人员，可以更准确地确定所述工作人员的生物特征识别阈值，从而更准确地判断业务办理是否存在风险。
105.本发明实施例还提出一种银行工作人员内部风险控制装置，其原理与银行工作人员内部风险控制方法类似，这里不再赘述。
106.图8为本发明实施例中银行工作人员内部风险控制装置的示意图一，包括：
107.工作人员结构图构建模块801，用于构建银行中工作人员结构图；
108.极大相关值组合确定模块802，用于确定工作人员结构图中每个工作人员的极大相关值组合；
109.间接相关工作人员确定模块803，用于对于每个工作人员，依据极大相关值组合，
确定该工作人员的间接相关工作人员；
110.生物特征识别阈值确定模块804，用于基于工作人员的间接相关工作人员的人脸图像数据，确定所述工作人员的生物特征识别阈值；
111.生物特征识别模块805，用于在历史风险数据中的工作人员在业务办理中需要生物特征识别时，基于该工作人员的生物特征识别阈值对该工作人员进行生物特征识别；
112.风险确认模块806，用于在生物特征识别结果低于所述生物特征识别阈值时，确定业务办理存在风险。
113.在一实施例中，工作人员结构图构建模块具体用于：
114.确定每个工作人员的相关工作人员；
115.计算每个工作人员与该工作人员的相关工作人员之间的关联系数；
116.基于每个工作人员与该工作人员的相关工作人员之间的关联系数，构建工作人员结构图。
117.在一实施例中，工作人员结构图构建模块具体用于：
118.获取每条业务办理数据涉及的多个工作人员，将所述涉及的多个工作人员中任何两个工作人员设置为对方的相关工作人员。
119.在一实施例中，工作人员结构图构建模块具体用于：
120.以每个工作人员作为工作人员结构图的一个节点，当且仅当两个工作人员为对方的相关工作人员时，两个工作人员对应的节点有边，所述边为工作人员结构图的边；
121.确定每条边的第一距离为1，确定该边对应的关联系数为该边对应的两个工作人员之间的关联系数。
122.在一实施例中，极大相关值组合确定模块具体用于：
123.对于每条历史风险数据，确定该历史风险数据中涉及的工作人员；依据工作人员结构图，确定该历史风险数据中涉及的工作人员之间的第一距离和关联系数，将该第一距离和关联系数的组合确定为该涉及的工作人员之间的相关值组合；
124.确定相关值组合的偏序，其中，对于任何两个相关值组合，该偏序用于确定该两个相关值组合中的第一相关值组合是否大于第二相关值组合；
125.依据相关值组合的偏序，确定所有的相关值组合中的多个极大相关值组合，其中，该相关值组合是该偏序的极大元素；
126.在一实施例中，极大相关值组合确定模块具体用于：
127.对于任何两个相关值组合，如果该两个相关值组合的第一相关值组合的第一距离大于等于该两个相关值组合的第一距离，且该第一相关值组合的关联系数小于等于该第二相关值组合的关联系数，则确定该第一相关值组合大于该第二相关值组合。
128.在一实施例中，极大相关值组合确定模块具体用于：
129.依据工作人员结构图，基于每条边的距离为第一距离，计算该历史风险数据中涉及的工作人员之间的最短距离，将该最短距离确定该历史风险数据中涉及的工作人员之间的第一距离；
130.对于工作人员结构图的每条边，设置该边的第二距离为：-lg(r)，其中r为该边的关联系数；
131.依据工作人员结构图，基于每条边的距离为第二距离，计算该历史风险数据中涉
及的工作人员之间的最短距离，将该最短距离确定该历史风险数据中涉及的工作人员之间的第二距离；
132.将该历史风险数据中涉及的工作人员之间的关联系数设置为：10-s
，其中s为该历史风险数据中涉及的工作人员之间的第二距离。
133.在一实施例中，间接相关工作人员确定模块具体用于：
134.在工作人员结构图中，对每个工作人员，计算该工作人员与其他各个工作人员的第一距离和关联系数，将该第一距离和关联系数的组合确定为该工作人员与其他各个工作人员的相关值组合；
135.对于每个其他工作人员，如果存在极大相关值组合大于该工作人员与该其他工作人员的相关值组合，则将该其他工作人员确定为该工作人员的间接相关工作人员。
136.在一实施例中，生物特征识别阈值确定模块具体用于：
137.对于该工作人员的每个间接相关工作人员，确定该工作人员的人脸图像与该间接相关工作人员的人脸图像的匹配值；
138.将所有匹配值中最大的间接相关工作人员，确定为该工作人员的最大风险工作人员；
139.确定该工作人员的生物特征识别阈值为大于该工作人员与该工作人员的最大风险工作人员的人脸图像的匹配值。
140.图9为本发明实施例中银行工作人员内部风险控制装置的示意图二，在一实施例中，所述装置还包括存储模块901，用于：
141.在生物特征识别结果低于所述生物特征识别阈值时，将该工作人员的人脸图像与该工作人员的每个间接相关工作人员的人脸图像进行人脸匹配，将所有匹配值中最大匹配值对应的间接相关工作人员的信息，以及该工作人员的人脸图像存储到区块链中。
142.综上所述，在本发明实施例提出的装置中，工作人员结构图构建模块，用于构建银行中工作人员结构图；极大相关值组合确定模块，用于确定工作人员结构图中每个工作人员的极大相关值组合；间接相关工作人员确定模块，用于对于每个工作人员，依据极大相关值组合，确定该工作人员的间接相关工作人员；生物特征识别阈值确定模块，用于基于工作人员的间接相关工作人员的人脸图像数据，确定所述工作人员的生物特征识别阈值；生物特征识别模块，用于在历史风险数据中的工作人员在业务办理中需要生物特征识别时，基于该工作人员的生物特征识别阈值对该工作人员进行生物特征识别；风险确认模块，用于在生物特征识别结果低于所述生物特征识别阈值时，确定业务办理存在风险。在上述过程中，通过确定工作人员结构图中每个工作人员的极大相关值组合，查找间接关联相关人员，可以更准确地确定所述工作人员的生物特征识别阈值，从而更准确地判断业务办理是否存在风险。
143.本发明实施例还提供一种计算机设备，图10为本发明实施例中计算机设备的示意图，所述计算机设备1000包括存储器1010、处理器1020及存储在存储器1010上并可在处理器1020上运行的计算机程序1030，所述处理器1020执行所述计算机程序1030时实现上述银行工作人员内部风险控制方法。
144.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述银行工作人员内部风险控制方法。
145.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述银行工作人员内部风险控制方法。
146.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序业务系统。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序业务系统的形式。
147.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序业务系统的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
148.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
149.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
150.以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。