A suspicious Risk Transaction screening method (200) includes the following steps: obtaining known customer information data (201), wherein the known customer information data includes known customer transaction information data and known customer personal information data; calculating the known customer transaction characteristics (202) from the known customer information data; utilizing proximity according to the calculated known customer transaction characteristics The sampling random forest method trains the customer suspicious behavior screening model (203); according to the trained customer suspicious behavior screening model, the transaction behavior of the target screening customer is screened (204).
【技术实现步骤摘要】
一种可疑风险交易筛查方法与相应系统
本专利技术涉及金融安全分析
,具体地涉及一种可疑风险交易筛查方法与相应系统。
技术介绍
文献CN201510947459.7公开一种可疑交易节点集合侦测方法及装置,其中通过充分考虑节点与节点之间的关联性,节点之间的网络拓扑结构中各个节点之间的关系,来确定出金融网络中的可疑交易节点的集合。此外,文献CN201510857280.2公开一种应用于反洗钱处理的数据处理系统及方法,其中通过对待进行反洗钱处理的报文进行报文处理、消息收发、状态确认,接入不同的反洗钱系统。再者,文献CN201610647003.3公开一种洗钱账户的确定方法及装置,其中根据在多个数据样本中的每个数据样本的权重将其进行分类,然后确定目标数据样本,根据目标数据样本对应的账户是否符合预设的洗钱账户标准,来确定是否为洗钱账户。此外,文献CN201610522577.8还公开一种可疑洗钱账户的确定方法及装置,其中针对用于表示一个账户在设定时间段的设定时长内的交易信息的多个数据样本进行分类,从而获得最佳分类,从特定类数据样本中确定出孤立点数据样本,并且将该孤立点数据样本确定为可疑洗钱账户。此外,文献CN201710576257.5还公开一种反洗钱系统的异常业务数据筛选方法,其中通过采取异常指标、异常模型筛选的方法,同时筛选方法与业务场景相结合,通过满足该异常模型触发条件的触发方式进行筛选,从而筛选出异常业务数据。
技术实现思路
本专利技术所要解决的技术问题在于提供一种 ...
【技术保护点】
1.一种可疑风险交易筛查方法(200),该方法包括如下步骤:/n获取已知客户信息数据(201),其中所述已知客户信息数据包括已知客户交易信息数据和已知客户个人信息数据;/n由所述已知客户信息数据计算已知客户交易特征(202);/n根据所述计算的已知客户交易特征利用邻近采样随机森林方法训练客户可疑行为筛选模型(203);/n根据所述训练好的客户可疑行为筛选模型对目标筛选客户的交易行为进行筛选(204)。/n
【技术特征摘要】 【专利技术属性】
1.一种可疑风险交易筛查方法(200),该方法包括如下步骤:
获取已知客户信息数据(201),其中所述已知客户信息数据包括已知客户交易信息数据和已知客户个人信息数据;
由所述已知客户信息数据计算已知客户交易特征(202);
根据所述计算的已知客户交易特征利用邻近采样随机森林方法训练客户可疑行为筛选模型(203);
根据所述训练好的客户可疑行为筛选模型对目标筛选客户的交易行为进行筛选(204)。
2.根据权利要求1所述的方法(200),其特征在于,在根据所述获取的已知客户交易特征利用邻近采样随机森林方法训练客户可疑行为筛选模型的步骤(203)中包括如下子步骤:
区分具有可疑交易行为的客户与交易行为正常的客户(2031);
对所述所有已知客户交易特征使用K-MEANS聚类算法进行无监督聚类(2032);
根据上述聚类结果对所述交易行为正常的客户进行下采样(2033);
使用随机森林方法对具有可疑交易行为的客户与经下采样后的交易行为正常的客户进行训练(2034),获得客户可疑行为筛选模型。
3.根据权利要求1或2所述的方法(200),其特征在于,所述已知客户交易信息数据包括:交易时间、交易金额、交易IP、交易账户信息和交易留言。
4.根据权利要求1或2所述的方法(200),其特征在于,所述已知客户个人信息数据包括:客户账户号、客户姓名、开户日期和联系方式。
5.根据权利要求1或2所述的方法(200),其特征在于,在获取已知客户信息数据之后,对所述获取的已知客户信息数据进行数据清洗以便使得数据结构化。
技术研发人员:王子剑,严武,陈龙,曹磊,
申请(专利权)人:上海诺悦智能科技有限公司,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。