一种基于网络建模的异常交易风险预警方法及系统技术方案

本发明专利技术涉及一种基于网络建模的异常交易风险预警方法及系统，由各区块链节点使用客户信息特征子集、交易信息特征子集和异常交易特征子集中的各特征为节点、各特征之间的相似性为边，构建异常交易风险度量网络并交叉验证，生成全局模型，基于多种数据及其联系，构建基于复杂网络建模的异常交易风险度量算法，并融合风险度量算法形成基于区块链的异常交易风险预警与数据共享方法，使用中能够通过区块链技术结合联邦学习，实现数据存储和共享，结合多种渠道共享数据，完善数据模型构建，以达成风险预警及自动上报预警情况。风险预警及自动上报预警情况。风险预警及自动上报预警情况。

【技术实现步骤摘要】
一种基于网络建模的异常交易风险预警方法及系统


[0001]本专利技术涉及金融数据处理及金融风险防控
，尤其涉及一种基于网络建模的异常交易风险预警方法及系统。

技术介绍

[0002]随着世界经济一体化进程的逐步加快，金融作为现代经济的核心，其交易规模日益庞大，交易手段不断翻新。在提供更加便捷服务的同时，也必须时刻关注防止不法分子通过银行等金融渠道转移资金或财产掩饰其非法所得或为犯罪行为提供资助，同时也必须保证客户资金安全，预防电信诈骗等造成客户资金损失。因此，需要金融业利用数据分析的方法筛选异常交易数据以及时进行预警处理。
[0003]金融交易数据中存在两种数据：海量的正常交易数据和少量的异常交易数据(可疑交易行为数据)。异常交易检测的任务就是要在海量数据中找出少量的可疑金融交易记录。随着各行各业数据资源的数量和复杂性在大大增加。如果运用手工操作提取交易数据的特征并对交易数据进行分析几乎是不可能的，必须通过计算机算法等方式，智能化的对数据信息进行分析，获取可能存在的风险情况，并且做出预警检测警报，能及时提醒商业银行并采取正确的挽救措施，从而减轻银行的风险及客户异常资金的情况，达到交易行为监管可控。
[0004]由于在大量的业务数据中，绝大部分的交易数据为正常数据，导致异常交易的数据量较少，导致的一大问题是用于数据分析的可观测的分离特征不足。特比是对于浩繁的资金支付交易信息，如果缺乏必要的训练样本集，数据的缺失会严重影响模型的精度；过多的采集并分析交易数据也会增大客户隐私泄露的风险。同时，使用模型拟合的风险预警还往往存在着模型解释性差、难以根据实时数据等缺点。

技术实现思路

[0005]为解决现有技术的不足，本专利技术提出一种基于网络建模的异常交易风险预警方法及系统，基于多种数据及其联系，构建基于复杂网络建模的异常交易风险度量算法，并融合风险度量算法形成基于区块链的异常交易风险预警与数据共享方法，使用中能够通过区块链技术结合联邦学习，实现数据存储和共享，结合多种渠道共享数据，完善数据模型构建，以达成风险预警及自动上报预警情况。
[0006]为实现以上目的，本专利技术所采用的技术方案包括：
[0007]一种基于网络建模的异常交易风险预警方法，其特征在于，包括：
[0008]S1、各区块链节点分别采集获得第一数据集和第二数据集，所述第一数据集包括交易主数据，所述第二数据集包括辅助数据；
[0009]S2、从第一数据集和第二数据集提取第一数据特征集；
[0010]S3、对第一数据特征组执行特征筛选获得第二数据特征集，所述第二数据特征组包括客户信息特征子集、交易信息特征子集和异常交易特征子集；
[0011]S4、使用客户信息特征子集、交易信息特征子集和异常交易特征子集中的各特征为节点、各特征之间的相似性为边，构建异常交易风险度量网络，所述异常交易风险度量网络包括各节点和各边对应的权重计算模型和风险阈值；
[0012]S5、各区块链节点将生成的异常交易风险度量网络上链并交叉验证，生成全局模型；
[0013]S6、各区块链节点使用全局模型审核实时交易数据生成异常交易风险预警信息，并将异常交易风险预警信息上链形成不可修改的共识记录。
[0014]进一步地，所述交易主数据包括以预设可信数据源直接采集获得的交易相关数据；
[0015]所述辅助数据包括以非预设可信数据源直接采集获得的交易相关数据，和/或，通过采集的数据经二次加工处理后获得的交易相关数据。
[0016]进一步地，所述步骤S1还包括：
[0017]对采集到的数据进行预处理，所述预处理包括对缺失值进行预测补充、过采样处理和统一量纲处理中的一种或多种组合。
[0018]进一步地，所述步骤S2包括采用PCA、ICA、LDA中的任意一种或多种组合对第一数据集和第二数据集中的原始数据执行数据降维操作。
[0019]进一步地，所述步骤S3包括采用最大信息系数、皮尔森相关系数、正则化方法、特征排序方法中的任意一种或多种组合对第一数据特征组中的特征进行筛选。
[0020]进一步地，所述步骤S2还包括：
[0021]对第一数据特征组中的特征添加等级标签，所述等级标签包括对应第一数据集来源的主标签和对应第二数据集来源的辅助标签。
[0022]进一步地，所述步骤S4还包括：
[0023]根据等级标签调整权重计算模型和风险阈值。
[0024]本专利技术还涉及一种基于网络建模的异常交易风险预警系统，其特征在于，包括：
[0025]区块链节点，包括数据采集模块、特征识别模块、模型生成模块和风险识别模块；
[0026]模型验证模块，通过区块链连接若干个区块链节点，用于交叉验证各区块链节点上链的异常交易风险度量网络，生成全局模型；
[0027]所述数据采集模块，用于采集获得第一数据集和第二数据集；
[0028]所述特征识别模块，用于从第一数据集和第二数据集提取第一数据特征集，并对第一数据特征组执行特征筛选获得第二数据特征集；
[0029]所述模型生成模块，用于构建异常交易风险度量网络；
[0030]所述风险识别模块，用于使用全局模型审核实时交易数据生成异常交易风险预警信息。
[0031]本专利技术还涉及一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。
[0032]本专利技术还涉及一种电子设备，其特征在于，包括处理器和存储器；
[0033]所述存储器，用于存储权重计算模型和风险阈值；
[0034]所述处理器，用于通过调用权重计算模型和风险阈值，执行上述的方法。
[0035]本专利技术还涉及一种计算机程序产品，包括计算机程序和/或指令，其特征在于，该
计算机程序和/或指令被处理器执行时实现上述方法的步骤。
[0036]本专利技术的有益效果为：
[0037]采用本专利技术所述基于网络建模的异常交易风险预警方法及系统，基于多种数据及其联系，构建基于复杂网络建模的异常交易风险度量算法，并融合风险度量算法形成基于区块链的异常交易风险预警与数据共享方法，使用中能够通过区块链技术结合联邦学习，实现数据存储和共享，结合多种渠道共享数据，完善数据模型构建，以达成风险预警及自动上报预警情况。风险模型度量可能存在的交易异常情况，通过区块链技术实现数据的安全存储与共享，还优选的通过联邦学习进行分布式全局模型训练，结合智能合约实现及时准确的异常交易风险预警，各节点对预警达成分布式共识后进行自动上报，改进了异常交易风险预警和上报流程，并且通过区块链的模式保障客户数据安全，在数据共享时，最大化保护客户隐私等数据。
附图说明
[0038]图1为本专利技术基于网络建模的异常交易风险预警方法流程示意图。
[0039]图2为本专利技术基于网络建模的异常交易风险预警系统结构示意图。
具体实施方式
[0040]为了更清楚的理解本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于网络建模的异常交易风险预警方法，其特征在于，包括：S1、各区块链节点分别采集获得第一数据集和第二数据集，所述第一数据集包括交易主数据，所述第二数据集包括辅助数据；S2、从第一数据集和第二数据集提取第一数据特征集；S3、对第一数据特征组执行特征筛选获得第二数据特征集，所述第二数据特征组包括客户信息特征子集、交易信息特征子集和异常交易特征子集；S4、使用客户信息特征子集、交易信息特征子集和异常交易特征子集中的各特征为节点、各特征之间的相似性为边，构建异常交易风险度量网络，所述异常交易风险度量网络包括各节点和各边对应的权重计算模型和风险阈值；S5、各区块链节点将生成的异常交易风险度量网络上链并交叉验证，生成全局模型；S6、各区块链节点使用全局模型审核实时交易数据生成异常交易风险预警信息，并将异常交易风险预警信息上链形成不可修改的共识记录。2.如权利要求1所述的方法，其特征在于，所述交易主数据包括以预设可信数据源直接采集获得的交易相关数据；所述辅助数据包括以非预设可信数据源直接采集获得的交易相关数据，和/或，通过采集的数据经二次加工处理后获得的交易相关数据。3.如权利要求1所述的方法，其特征在于，所述步骤S1还包括：对采集到的数据进行预处理，所述预处理包括对缺失值进行预测补充、过采样处理和统一量纲处理中的一种或多种组合。4.如权利要求1所述的方法，其特征在于，所述步骤S2包括采用PCA、ICA、LDA中的任意一种或多种组合对第一数据集和第二数据集中的原始数据执行数据降维操作。5.如权利要求1所述的方法，其特征在于，所述步骤S3包括采用最大信息系数、皮尔森相关系...

【专利技术属性】
技术研发人员：林佳静，
申请(专利权)人：中信银行股份有限公司，
类型：发明
国别省市：