一种识别异常资金的方法及系统技术方案

本申请实施方式公开了一种识别异常资金的方法及系统，其中，所述方法包括：获取资金样本集，所述资金样本集中的资金样本与对应的标准资金流类型相关联；基于初始判断模型，预测所述资金样本集中目标资金样本的目标资金流类型；将所述目标资金流类型与所述目标资金样本关联的标准资金流类型进行对比，并根据对比结果，对所述初始判断模型进行校正，以使得通过校正后的判断模型再次预测的所述目标资金样本的资金流类型与对应的标准资金流类型一致。本申请提供的技术方案，能够更加全面地识别异常数据。

【技术实现步骤摘要】
一种识别异常资金的方法及系统
本申请涉及互联网
，特别涉及一种识别异常资金的方法及系统。
技术介绍
随着互联网技术的快速发展，线上业务种类也越来越多样化，使得线上资金流也越来越复杂。这样，在资金流转过程中，线上业务系统中往往会发现一些异常资金数据，例如针对在线购买某件商品的业务场景，用户在提交订单并支付成功以后，线上业务系统通过自身的逻辑规则发现支付的金额与订单金额并不相同，这时，线上业务系统会将此次交易过程中的资金数据作为异常资金数据，并通过与差错平台建立的该业务场景关联的连接关系，将异常资金数据提交至差错平台进行处理。然而，目前线上业务系统可以识别异常资金数据的业务场景比较有限，针对一些规则类的业务场景，例如，当订单金额超过指定金额时，可以使用一定金额的代金券，抵扣一部分支付金额，如果线上业务系统在自身逻辑规则中写入的该指定金额是错误的，当订单金额小于真实的指定金额，但大于错误的指定金额，用户在支付时仍可以使用代金券，这时，线上业务系统却无法识别异常。因此，亟需一种有效的识别异常资金的方法，以更加全面地识别异常资金。
技术实现思路
本申请实施方式的目的是提供一种识别异常资金的方法及系统，能够更加全面地识别异常数据。为实现上述目的，本申请实施方式提供一种识别异常资金的方法；所述方法包括：获取资金样本集，所述资金样本集中的资金样本与对应的标准资金流类型相关联；基于初始判断模型，预测所述资金样本集中目标资金样本的目标资金流类型；将所述目标资金流类型与所述目标资金样本关联的标准资金流类型进行对比，并根据对比结果，对所述初始判断模型进行校正，以使得通过校正后的判断模型再次预测的所述目标资金样本的资金流类型与对应的标准资金流类型一致。为实现上述目的，本申请实施方式还提供一种识别异常资金的系统，所述系统包括获取单元、预测单元和校正单元：其中，所述获取单元，用于获取资金样本集，所述资金样本集中的资金样本与对应的标准资金流类型相关联；所述预测单元，用于基于初始判断模型，预测所述资金样本集中目标资金样本的目标资金流类型；所述校正单元，用于将所述目标资金流类型与所述目标资金样本关联的标准资金流类型进行对比，并根据对比结果，对所述初始判断模型进行校正，以使得通过校正后的判断模型再次预测的所述目标资金样本的资金流类型与对应的标准资金流类型一致。为实现上述目的，本申请实施方式还提供一种服务器，所述服务器包括存储器和处理器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时，实现以下步骤：获取资金样本集，所述资金样本集中的资金样本与对应的标准资金流类型相关联；基于初始判断模型，预测所述资金样本集中目标资金样本的目标资金流类型；将所述目标资金流类型与所述目标资金样本关联的标准资金流类型进行对比，并根据对比结果，对所述初始判断模型进行校正，以使得通过校正后的判断模型再次预测的所述目标资金样本的资金流类型与对应的标准资金流类型一致。由上可见，在本申请中，可以获取资金样本集，所述资金样本集中的资金样本与对应的标准资金流类型相关联，可以基于初始判断模型，预测所述资金样本集中目标资金样本的目标资金流类型，接着可以将所述目标资金流类型与所述目标资金样本关联的标准资金流类型进行对比，并根据对比结果，对所述初始判断模型进行校正，以使得通过校正后的判断模型再次预测的所述目标资金样本的资金流类型与对应的标准资金流类型一致。这样，从线上业务系统中读取线上资金数据以后，便可以通过校正后的判断模型，直接准确预测该线上资金数据对应的资金流类型是否为异常资金流类型。如此，针对不同的业务场景下的异常资金数据，采用本申请方法都可以识别出来，从而可以更加全面地识别异常数据。附图说明为了更清楚地说明本申请实施方式或现有技术中的技术方案，下面将对实施方式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申请中记载的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施方式中识别异常资金的一种流程图；图2是本申请实施方式中识别异常资金的一个应用场景的示意图；图3是本申请实施方式中系统的结构示意图；图4是本申请实施方式中服务器的结构示意图。具体实施方式为了使本
的人员更好地理解本申请中的技术方案，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，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方式，都应当属于本申请保护的范围。本申请实施方式提供一种识别异常资金的方法，所述识别异常资金的方法可以应用于线上资金数据处理的服务器中。请参阅图1，所述方法可以包括以下步骤。S11：获取资金样本集，所述资金样本集中的资金样本与对应的标准资金流类型相关联。在本实施方式中，所述资金样本集可以是指多个资金样本的集合。所述资金样本可以指从线上业务系统中提取的线上资金数据，并且该线上资金数据已经被识别为异常资金数据或正常资金数据。其中，被识别为异常资金数据的资金数据可以作为异常资金样本，被识别为正常资金数据的资金数据可以作为正常资金样本。具体地，所述线上资金数据例如可以是用户在线上购买商品过程中发生的资金流数据。其中，所述资金流数据例如可以包括订单金额和支付金额，当订单金额与支付金额相等时，可以判定所述线上资金数据为正常资金数据，当订单金额与支付金额不相等时，可以判定所述线上资金数据为异常资金数据。在本实施方式中，所述标准资金流类型可以是指所述资金样本对应的识别结果。在所述识别结果表征异常资金数据时，所述标准资金流类型为异常资金流类型。在所述识别结果表征正常资金数据时，所述标准资金流类型为正常资金流类型。这样，所述资金样本集中每一个资金样本均可以与对应的标准资金流类型相关联。S13：基于初始判断模型，预测所述资金样本集中目标资金样本的目标资金流类型。在本实施方式中，所述初始判断模型中可以包括多层训练网络，所述训练网络中可以具备初始传递参数。所述初始传递参数可以是根据资金样本进行设定的。由于所述资金样本与对应的资金流类型相关联，在将资金样本输入所述训练网络之后，资金样本可以与所述传递参数进行数学运算，最终可以输出用于表征资金流类型的数值。这样，便可以基于初始判断模型，预测所述资金样本集中目标资金样本的目标资金流类型。在本实施方式中，基于初始判断模型，预测所述资金样本集中目标资金样本的目标资金流类型，具体可以包括，可以从所述目标资金样本中提取目标特征数据，基于所述初始判断模型，预测所述目标特征数据对应的目标资金流类型。其中，所述资金样本中可以包括多个具有特征类型的字段。例如，该字段可以是某商品的订单金额或某用户的支付金额，这样，该字段的特征类型可以是订单金额类型或支付金额类型。所述目标特征数据可以是一个特征向量，其中，该特征向量中元素的值与具有特征类型的字段包括的信息所表征的值一一对应。例如，该字段可以是某商品的订单金额，订单金额为50元，这时，该特征向量中与该字段对应的元素的值为50。这样，可以将所述特征向量输入所述初始本文档来自技高网...

【技术保护点】
1.一种识别异常资金的方法，其特征在于，所述方法包括：获取资金样本集，所述资金样本集中的资金样本与对应的标准资金流类型相关联；基于初始判断模型，预测所述资金样本集中目标资金样本的目标资金流类型；将所述目标资金流类型与所述目标资金样本关联的标准资金流类型进行对比，并根据对比结果，对所述初始判断模型进行校正，以使得通过校正后的判断模型再次预测的所述目标资金样本的资金流类型与对应的标准资金流类型一致。

【技术特征摘要】
1.一种识别异常资金的方法，其特征在于，所述方法包括：获取资金样本集，所述资金样本集中的资金样本与对应的标准资金流类型相关联；基于初始判断模型，预测所述资金样本集中目标资金样本的目标资金流类型；将所述目标资金流类型与所述目标资金样本关联的标准资金流类型进行对比，并根据对比结果，对所述初始判断模型进行校正，以使得通过校正后的判断模型再次预测的所述目标资金样本的资金流类型与对应的标准资金流类型一致。2.根据权利要求1所述的方法，其特征在于，预测所述资金样本集中目标资金样本的目标资金流类型，包括：从所述目标资金样本中提取目标特征数据，基于所述初始判断模型，预测所述目标特征数据对应的目标资金流类型。3.根据权利要求1或2所述的方法，其特征在于，在对所述初始判断模型进行校正之后，所述方法还包括：从线上资金数据中提取待判断的特征数据；根据所述校正后的判断模型，确定所述待判断的特征数据对应的预测结果。4.根据权利要求3所述的方法，其特征在于，所述资金样本中包括具有特征类型的字段；从所述资金样本中提取的特征数据包括特征向量；所述特征向量中的元素与所述资金样本中字段的特征类型相关联；从线上资金数据中提取待判断的特征数据，包括：从所述线上资金数据中确定与所述特征向量中目标元素关联的特征类型相匹配的目标字段；将所述目标字段中包括的信息所表征的数值作为所述目标元素的值，并将所述特征向量作为所述待判断的特征数据。5.根据权利要求3所述的方法，其特征在于，根据所述校正后的判断模型，确定所述待判断的特征数据对应的预测结果，包括：根据所述校正后的判断模型，确定所述待判断的特征数据对应的预测概率组，所述预测概率组中包括用于表征异常资金流的第一概率值，和用于表征正常资金流的第二概率值；对比所述第一概率值和所述第二概率值，并根据对比结果确定所述待判断的特征数据对应的预测结果。6.根据权利要求5所述的方法，其特征在于，根据对比结果确定所述待判断的特征数据对应的预测结果包括：当所述第一概率值大于或等于所述第二概率值时，确定所述待判断的特征数据对应的资金流类型为异常资金流类型；当所述第一概率值小于所述第二概率值时，确定所述待判断的特征数据对应的资金流类型为正常资金流类型。7.根据权利要求3所述的方法，其特征在于，在确定所述待判断的特征数据对应的预测结果之后，所述方法还包括：读取所述线上资金数据对应的系统日志信息，所述系统日志信息用于表征所述线上资金数据的真实资金流类型；将所述预测结果表征的资金流类型与所述真实资金流类型进行对比，并根据对比结果，对所述校正后的判断模型再次校正，以使得通过再次校正后的判断模型预测的所述线上资金数据的资金流类型与所述真实资金流类型一致。8.根据权利要求1所述的方法，其特征在于，在对所述初始判断模型进行校正之后，所述方法还包括：读取线上资金数据对应的资金流配置信息，所述资金流配置信息表征所述线上资金数据的标准资金流；识别所述线上资金数据当前的资金流；在所述当前的资金流与所述标准资金流不一致的情况下，从线上资金数据中提取待判断的特征数据；根据所述校正后的判断模型，确定所述待判断的特征数据对应的预测结果。9.一种识别异常资金的系统，其特征在于，所述系统包括获取单元、预测单元和校正单元：其中，所述获取单元，用于获取资金样本集，所述资金样本集中的资金样本与对应的...

【专利技术属性】
技术研发人员：李思敏，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY