本发明专利技术涉及人工智能及大数据领域，提供一种支付数据监控方法、装置、设备及介质，能够基于指数分析模型进行风险指数的自动识别及预测，减少人为操作，同时提高了执行效率，根据风险指数对支付数据执行第一风险控制，在第一风险控制执行完毕后，根据支付阈值及支付数据对应的支付额，对支付数据执行第二风险控制，进而在支付过程中实现对支付的事中监测，在第二风险控制执行完毕后，基于支付数据执行支付操作，得到支付结果，在支付过程中，实现了事前预警与事中监测，进一步保证了支付的安全性。此外，本发明专利技术还涉及区块链技术，支付结果可存储于区块链节点中。于区块链节点中。于区块链节点中。
【技术实现步骤摘要】
支付数据监控方法、装置、设备及介质
[0001]本专利技术涉及人工智能及大数据
，尤其涉及一种支付数据监控方法、装置、设备及介质。
技术介绍
[0002]在保险相关的业务流程中，客户在购买保险后，则与保险公司发生了契约关系，在保险的整个生命周期中，保险公司需要对客户提供必要的服务，一般分为保全与理赔。
[0003]在现有的保险业务系统与财务系统中，对客户的支付任务主要发生在客户退保或者理赔环节中，但是，对于资金的风险控制则主要在财务系统中，并且，目前只有大额风险提示(如当资金大于200万时，则进行风险提示)，没有区分各个机构的不同风险应对情况，也无法满足各类专业公司的业务特点和对应的风险特征。
[0004]并且，由于缺少支付数据生成、数据抽档、支付、回销整个支付闭环的追踪与分析，缺少对于客户历史支付数据的分析与风险提示，同时，没有针对特定业务、特定客户或者特定渠道做出的相关分析，因此，由于工作人员失误、客户欺诈、系统退保金或理赔款计算规则等情况，将导致资金损失问题。
技术实现思路
[0005]鉴于以上内容，有必要提供一种支付数据监控方法、装置、设备及介质，旨在解决支付过程中风险较高的问题。
[0006]一种支付数据监控方法，所述支付数据监控方法包括：
[0007]当检测到目标系统有支付数据生成时，确定所述支付数据的接收方，并获取与所述接收方相关联的历史业务数据；
[0008]调用预先训练的指数分析模型，并利用所述指数分析模型分析所述历史业务数据，得到所述接收方的风险指数；
[0009]根据所述风险指数对所述支付数据执行第一风险控制；
[0010]在所述第一风险控制执行完毕后，获取预先配置的所述接收方的支付阈值；
[0011]根据所述支付阈值及所述支付数据对应的支付额，对所述支付数据执行第二风险控制；
[0012]在所述第二风险控制执行完毕后，基于所述支付数据执行支付操作，得到支付结果。
[0013]根据本专利技术优选实施例，在调用预先训练的指数分析模型前，所述方法还包括：
[0014]获取预设的逻辑回归模型；
[0015]从所述目标系统中识别预设时间范围内产生的支付操作；
[0016]获取每个支付操作的支付信息、保单信息以及接收方信息作为输入数据，及获取对每个支付操作标记的风险指数作为输出数据，并训练所述逻辑回归模型；
[0017]当所述逻辑回归模型达到收敛时，停止训练，得到所述指数分析模型。
[0018]根据本专利技术优选实施例，所述根据所述风险指数对所述支付数据执行第一风险控制包括：
[0019]获取预先配置的风险阈值；
[0020]当所述风险指数大于或者等于所述风险阈值时，利用所述风险阈值生成风险标识，并基于所述风险标识对所述支付数据进行标记处理，将标记后的所述支付数据发送至指定平台进行审核；或者
[0021]当所述风险指数小于所述风险阈值时，生成支付提示，其中，所述支付提示用于提示允许基于所述支付数据进行支付。
[0022]根据本专利技术优选实施例，在获取预先配置的所述接收方的支付阈值前，所述方法还包括：
[0023]获取所述接收方在所述目标系统内产生的支付数据；
[0024]从所述接收方在所述目标系统内产生的支付数据中获取每笔支付数据对应的支付额；
[0025]确定所述支付额的中位数，及确定所述支付额的四分位数；
[0026]计算所述支付额的四分位数与预设阈值的乘积，得到第一数值；
[0027]计算所述中位数与所述第一数值的和，作为所述支付阈值。
[0028]根据本专利技术优选实施例，所述方法还包括：
[0029]通过python连接hadoop的数据仓库工具hive库；
[0030]在连接后，将所述目标系统内的数据同步至所述hive库；
[0031]同步完成后，在所述hive库内训练得到所述指数分析模型，及配置所述接收方的支付阈值。
[0032]根据本专利技术优选实施例，所述根据所述支付阈值及所述支付数据对应的支付额，对所述支付数据执行第二风险控制包括：
[0033]当所述支付数据大于或者等于所述支付阈值时，调用第一审批链对所述支付数据进行审批；或者
[0034]当所述支付数据小于所述支付阈值时，调用第二审批链对所述支付数据进行审批；
[0035]其中，所述第一审批链的节点数大于所述第二审批链的节点数。
[0036]根据本专利技术优选实施例，在得到支付结果后，所述方法还包括：
[0037]将所述支付结果发送至所述hive库；
[0038]在所述hive库内，基于所述支付结果优化所述指数分析模型及所述接收方的支付阈值。
[0039]一种支付数据监控装置，所述支付数据监控装置包括：
[0040]确定单元，用于当检测到目标系统有支付数据生成时，确定所述支付数据的接收方，并获取与所述接收方相关联的历史业务数据；
[0041]分析单元，用于调用预先训练的指数分析模型，并利用所述指数分析模型分析所述历史业务数据，得到所述接收方的风险指数；
[0042]执行单元，用于根据所述风险指数对所述支付数据执行第一风险控制；
[0043]获取单元，用于在所述第一风险控制执行完毕后，获取预先配置的所述接收方的
支付阈值；
[0044]所述执行单元，还用于根据所述支付阈值及所述支付数据对应的支付额，对所述支付数据执行第二风险控制；
[0045]所述执行单元，还用于在所述第二风险控制执行完毕后，基于所述支付数据执行支付操作，得到支付结果。
[0046]一种计算机设备，所述计算机设备包括：
[0047]存储器，存储至少一个指令；及
[0048]处理器，执行所述存储器中存储的指令以实现所述支付数据监控方法。
[0049]一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被计算机设备中的处理器执行以实现所述支付数据监控方法。
[0050]由以上技术方案可以看出，本专利技术能够当检测到目标系统有支付数据生成时，确定所述支付数据的接收方，并获取与所述接收方相关联的历史业务数据，调用预先训练的指数分析模型，并利用所述指数分析模型分析所述历史业务数据，得到所述接收方的风险指数，基于所述指数分析模型进行风险指数的自动识别及预测，减少人为操作，同时提高了执行效率，根据所述风险指数对所述支付数据执行第一风险控制，针对不同风险等级的支付数据进行不同的处理：对高风险的支付数据进行风险标记，并进行二次审核，对低风险的支付数据直接允许支付，以实现根据风险高低的针对性控制。通过对高风险的支付数据的特殊处理，进一步提高了支付的安全性，通过对低风险的支付数据的直接支付，避免由于不必要的风险控制影响支付效率，进而实现了支付过程中有效的事前预警，在所述第一风险控制执行完毕后，获取预先配置的所述接收方的支本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种支付数据监控方法，其特征在于，所述支付数据监控方法包括：当检测到目标系统有支付数据生成时，确定所述支付数据的接收方，并获取与所述接收方相关联的历史业务数据；调用预先训练的指数分析模型，并利用所述指数分析模型分析所述历史业务数据，得到所述接收方的风险指数；根据所述风险指数对所述支付数据执行第一风险控制；在所述第一风险控制执行完毕后，获取预先配置的所述接收方的支付阈值；根据所述支付阈值及所述支付数据对应的支付额，对所述支付数据执行第二风险控制；在所述第二风险控制执行完毕后，基于所述支付数据执行支付操作，得到支付结果。2.如权利要求1所述的支付数据监控方法，其特征在于，在调用预先训练的指数分析模型前，所述方法还包括：获取预设的逻辑回归模型；从所述目标系统中识别预设时间范围内产生的支付操作；获取每个支付操作的支付信息、保单信息以及接收方信息作为输入数据，及获取对每个支付操作标记的风险指数作为输出数据，并训练所述逻辑回归模型；当所述逻辑回归模型达到收敛时，停止训练，得到所述指数分析模型。3.如权利要求1所述的支付数据监控方法，其特征在于，所述根据所述风险指数对所述支付数据执行第一风险控制包括：获取预先配置的风险阈值；当所述风险指数大于或者等于所述风险阈值时，利用所述风险阈值生成风险标识，并基于所述风险标识对所述支付数据进行标记处理，将标记后的所述支付数据发送至指定平台进行审核；或者当所述风险指数小于所述风险阈值时，生成支付提示，其中，所述支付提示用于提示允许基于所述支付数据进行支付。4.如权利要求1所述的支付数据监控方法，其特征在于，在获取预先配置的所述接收方的支付阈值前，所述方法还包括：获取所述接收方在所述目标系统内产生的支付数据；从所述接收方在所述目标系统内产生的支付数据中获取每笔支付数据对应的支付额；确定所述支付额的中位数，及确定所述支付额的四分位数；计算所述支付额的四分位数与预设阈值的乘积，得到第一数值；计算所述中位数与所述第一数值的和，作为所述支付阈值。5.如权利要求1所述的支付数据监控方法，其特征在于，所述方法还包...
【专利技术属性】
技术研发人员：韩晓翠，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
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。