一种用户账户实时监测方法及系统技术方案

本发明专利技术涉及一种用户账户实时监测方法及系统，该方法包括：接收银行系统发送的实时操作数据；基于目标规则模型对实时操作数据进行筛查以获取待监测操作数据、第一预估目标类型以及待监测客户标识；将待监测操作数据输入到监督学习模型得到第一模型分数和第二预估目标类型；调用每个待监测客户标识对应的用户账户的所有历史操作数据分别输入到强化学习模型得到第二模型分数和第三预估目标类型；根据第一至第三预估目标类型、第一模型分数以及第二模型分数获取每个待监测客户标识对应的用户账户的风险标签，并根据风险标签从待监测客户标识中获取目标对象标识以及对应的用户账户下的目标操作数据，该方法采用三级监测，检测准确率高，实时性好。实时性好。实时性好。

【技术实现步骤摘要】
一种用户账户实时监测方法及系统


[0001]本专利技术属于账户安全
，尤其涉及一种用户账户实时监测方法及系统。

技术介绍

[0002]在大数据时代的背景下，银行等金融机构每天都产生海量的交易数据，对于交易数据的安全监测通常是积攒一定时间后集中处理，过大的数据量对交易监测系统的性能要求较高，即需具备较高的数据处理能力和较高的可靠性，且现有的交易监测系统通常是采用规则模型进行交易安全监测，其存在误报率高、可疑确认率低等问题，导致需要用更多的人工处理来弥补模型缺陷，人力成本高。

技术实现思路

[0003]本专利技术意在提供一种用户账户实时监测方法及系统，以解决现有用户账户监测实时差、检测准确率低及人力成本高等问题，本专利技术要解决的技术问题通过以下技术方案来实现：
[0004]本专利技术提供了一种用户账户实时监测方法，包括：
[0005]接收银行系统实时发送的样本账户的实时操作数据；
[0006]基于目标规则模型对所述实时操作数据进行筛查以获取待监测操作数据和第一预估目标类型，并根据所述待监测操作数据获取待监测客户标识；
[0007]将所述待监测操作数据输入到监督学习模型得到第一模型分数和第二预估目标类型；
[0008]调用每个所述待监测客户标识对应的用户账户的所有历史操作数据分别输入到强化学习模型得到第二模型分数和第三预估目标类型；
[0009]根据所述第一预估目标类型、所述第二预估目标类型、所述第三预估目标类型、所述第一模型分数以及所述第二模型分数获取每个所述待监测客户标识对应的用户账户的风险标签，并根据所述风险标签在所述待监测客户标识中获取目标对象标识，以根据所述目标对象标识监测每个所述目标对象标识对应的用户账户下的目标操作数据。
[0010]优选地，所述调用每个所述待监测客户标识对应的用户账户的所有历史操作数据分别输入到强化学习模型得到第二模型分数和第三预估目标类型的步骤包括：
[0011]如果所述第一模型分数高于第一分数阈值，则调用每个所述待监测客户标识对应的用户账户在第一时间段内的所有历史操作数据输入到所述强化学习模型；
[0012]如果所述第一模型分数低于所述第一分数阈值且高于第二分数阈值，则调用每个所述待监测客户标识对应的用户账户在第二时间段内的所有历史操作数据输入到所述强化学习模型。
[0013]优选地，所述调用每个所述待监测客户标识对应的用户账户的所有历史操作数据分别输入到强化学习模型得到第二模型分数和第三预估目标类型的步骤还包括：
[0014]如果所述第一模型分数低于所述第二分数阈值，则以所述待监测操作数据的发生
时间为起点监测每个所述待监测客户标识对应的用户账户的操作数据；
[0015]将每个所述待监测客户标识对应的用户账户在预设时间内新发生的所有操作数据和在第三时间段内的所有历史操作数据输入到所述强化学习模型。
[0016]优选地，所述目标规则模型包括多个子规则模型，每个所述子规则模型根据相应类型的可疑交易规则建立。
[0017]优选地，所述基于目标规则模型对所述实时操作数据进行筛查以获取待监测操作数据和第一预估目标类型，并根据所述待监测操作数据获取待监测客户标识的步骤包括：
[0018]将所述实时操作数据同时分别输入到多个所述子规则模型进行筛查；
[0019]统计多个所述子规则模型的筛查结果；
[0020]如果存在至少一个所述子规则模型的筛查结果为待监测操作数据，则根据所述待监测操作数据获取待监测客户标识，并将相应的所述子规则模型的类型作为第一预估目标类型。
[0021]优选地，所述接收银行系统实时发送的样本账户的实时操作数据的步骤之后还包括：
[0022]如果判定所述实时操作数据对应的用户账户为非特殊用户账户且所述实时操作数据为非可豁免项目的操作数据，则将所述实时操作数据输入到所述目标规则模型。
[0023]另一方面，本专利技术还提供了一种用户账户实时监测系统，包括：
[0024]接收模块，被配置为接收银行系统实时发送的样本账户的实时操作数据；
[0025]目标筛查模块，被配置为基于目标规则模型对所述实时操作数据进行筛查以获取待监测操作数据和第一预估目标类型，并根据所述待监测操作数据获取待监测客户标识；
[0026]有监督学习模型模块，被配置为将所述待监测操作数据输入到监督学习模型得到第一模型分数和第二预估目标类型；
[0027]强化学习模型模块，被配置为调用每个所述待监测客户标识对应的用户账户的所有历史操作数据分别输入到强化学习模型得到第二模型分数和第三预估目标类型；
[0028]目标对象监测模块，被配置为根据所述第一预估目标类型、所述第二预估目标类型、所述第三预估目标类型、所述第一模型分数以及所述第二模型分数获取每个所述待监测客户标识对应的用户账户的风险标签，并根据所述风险标签在所述待监测客户标识中获取目标对象标识，以根据所述目标对象标识监测每个所述目标对象标识对应的用户账户下的目标操作数据。
[0029]优选地，所述强化学习模型模块还被配置为：
[0030]如果所述第一模型分数高于第一分数阈值，则调用每个所述待监测客户标识对应的用户账户在第一时间段内的所有历史操作数据输入到所述强化学习模型；
[0031]如果所述第一模型分数低于所述第一分数阈值且高于第二分数阈值，则调用每个所述待监测客户标识对应的用户账户在第二时间段内的所有历史操作数据输入到所述强化学习模型。
[0032]优选地，所述强化学习模型模块包括：
[0033]监测单元，被配置为如果所述第一模型分数低于所述第二分数阈值，则以所述待监测操作数据的发生时间为起点监测每个所述待监测客户标识对应的用户账户的操作数据；
[0034]模型单元，被配置为将每个所述待监测客户标识对应的用户账户在预设时间内新发生的所有操作数据和在第三时间段内的所有历史操作数据输入到所述强化学习模型。
[0035]优选地，所述目标筛查模块包括：多个子规则模型单元、统计单元以及标记单元，每个所述子规则模型单元根据相应类型的可疑交易规则建立，所述统计单元用于统计多个所述子规则模型的筛查结果，所述标记单元用于如果存在至少一个所述子规则模型的筛查结果为待监测操作数据，则根据所述待监测操作数据获取待监测客户标识，并将相应的所述子规则模型的类型作为第一预估目标类型。
[0036]本专利技术的用户账户实时监测方法采用了三级监测，第一级为目标规则模型，进行宽泛化账户操作数据监测，将所有待监测操作数据筛查出来，第二级为有监督学习模型，进一步较精确监测和评估，第三级为强化学习模型调用待监测客户标识对应的用户账户的历史操作数据进行监测和评估，最后结合三级监测的结果获取得到待监测客户标识对应的用户账户的风险标签，并根据风险标签在待监测客户标识中获取目标对象标识以监测每个目标对象标识对应的用户账户下的目标操作数据。本专利技术实施例的用户账户实时监测方法实时性好本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户账户实时监测方法，其特征在于，包括：接收银行系统实时发送的样本账户的实时操作数据；基于目标规则模型对所述实时操作数据进行筛查以获取待监测操作数据和第一预估目标类型，并根据所述待监测操作数据获取待监测客户标识；将所述待监测操作数据输入到监督学习模型得到第一模型分数和第二预估目标类型；调用每个所述待监测客户标识对应的用户账户的所有历史操作数据分别输入到强化学习模型得到第二模型分数和第三预估目标类型；根据所述第一预估目标类型、所述第二预估目标类型、所述第三预估目标类型、所述第一模型分数以及所述第二模型分数获取每个所述待监测客户标识对应的用户账户的风险标签，并根据所述风险标签在所述待监测客户标识中获取目标对象标识，以根据所述目标对象标识监测每个所述目标对象标识对应的用户账户下的目标操作数据。2.根据权利要求1所述的一种用户账户实时监测方法，其特征在于，所述调用每个所述待监测客户标识对应的用户账户的所有历史操作数据分别输入到强化学习模型得到第二模型分数和第三预估目标类型的步骤包括：如果所述第一模型分数高于第一分数阈值，则调用每个所述待监测客户标识对应的用户账户在第一时间段内的所有历史操作数据输入到所述强化学习模型；如果所述第一模型分数低于所述第一分数阈值且高于第二分数阈值，则调用每个所述待监测客户标识对应的用户账户在第二时间段内的所有历史操作数据输入到所述强化学习模型。3.根据权利要求2所述的一种用户账户实时监测方法，其特征在于，所述调用每个所述待监测客户标识对应的用户账户的所有历史操作数据分别输入到强化学习模型得到第二模型分数和第三预估目标类型的步骤还包括：如果所述第一模型分数低于所述第二分数阈值，则以所述待监测操作数据的发生时间为起点监测每个所述待监测客户标识对应的用户账户的操作数据；将每个所述待监测客户标识对应的用户账户在预设时间内新发生的所有操作数据和在第三时间段内的所有历史操作数据输入到所述强化学习模型。4.根据权利要求1
‑
3任一项所述的一种用户账户实时监测方法，其特征在于，所述目标规则模型包括多个子规则模型，每个所述子规则模型根据相应类型的可疑交易规则建立。5.根据权利要求4所述的一种用户账户实时监测方法，其特征在于，所述基于目标规则模型对所述实时操作数据进行筛查以获取待监测操作数据和第一预估目标类型，并根据所述待监测操作数据获取待监测客户标识的步骤包括：将所述实时操作数据同时分别输入到多个所述子规则模型进行筛查；统计多个所述子规则模型的筛查结果；如果存在至少一个所述子规则模型的筛查结果为待监测操作数据，则根据所述待监测操作数据获取待监测客户标识，并将相应的所述子规则模型的类型作为第一预估目标类型。6.根据权利要求5所述的一...

【专利技术属性】
技术研发人员：李昌盛，
申请(专利权)人：北京开科唯识技术股份有限公司，
类型：发明
国别省市：