异常员工确定方法、装置、设备及存储介质制造方法及图纸

本公开提供一种异常员工确定方法、装置、设备及存储介质。预设多个异常查询规则，并为多个异常查询规则分别设置对应的规则风险评分；基于员工对于各个异常查询规则的触发次数以及各个异常查询规则的规则风险评分，确定出各个员工对应的员工风险评分；基于各个员工的员工风险评分确定第一疑似异常员工名单；基于所述第一疑似异常员工名单确定异常员工。本公开方法的准确率和效率均较高。开方法的准确率和效率均较高。开方法的准确率和效率均较高。

【技术实现步骤摘要】
异常员工确定方法、装置、设备及存储介质


[0001]本公开涉及计算机
，尤其涉及一种异常员工确定方法、装置、设备及存储介质。

技术介绍

[0002]银行机构通过为客户办理各种金融服务，掌握了大量的客户信息，如客户征信信息。其中，为了避免银行员工违规查询和出售客户信息，银行机构应当采用相应的措施来预警或识别出客户信息的异常查询行为或识别出贩卖客户信息的员工。
[0003]相关技术中，通常是基于业务经验，从查询量波动阀值、睡眠用户异常查询、非工作时段异常查询、未授权异常查询、跨地域查询等5条规则对员工的查询行为进行监测，以识别出异常查询行为。或者，是基于数据挖掘，通过预测日查询和月查询量，给定异常阈值，从而识别异常查询行为。
[0004]但是相关技术中，存在有以下问题：
[0005]一、单规则预警，即：只要触发了某一规则的预警线即被预警，则会由于某些弱规则的预警而导致预警数据量大、疑点核查工作量大、问题查准率低等问题。
[0006]二、仅基于查询记录识别异常查询行为，难以洞察员工账号违规使用、违规动机和买卖客户信息的违规表现，准确率较低。
[0007]三、缺少员工违规查询征信风险的综合评分模型，难以区别预警规则的风险程度，不利于将有限的核查资源集中在高风险的排查中。

技术实现思路

[0008]本公开提供一种异常员工确定方法、装置、设备及存储介质，用以解决现有技术中创建的大量的线程处于等待状态，使得任务处于空跑状态的问题。
[0009]第一方面，本公开提供一种异常员工确定方法，包括：
[0010]预设多个异常查询规则，并为多个异常查询规则分别设置对应的规则风险评分；
[0011]基于员工对于各个异常查询规则的触发次数以及各个异常查询规则的规则风险评分，确定出各个员工对应的员工风险评分；
[0012]基于各个员工的员工风险评分确定第一疑似异常员工名单；
[0013]基于所述第一疑似异常员工名单确定异常员工。
[0014]第二方面，本公开提供一种异常员工确定装置，包括：
[0015]预设模块，用于预设多个异常查询规则，并为多个异常查询规则分别设置对应的规则风险评分；
[0016]第一确定模块，用于基于员工对于各个异常查询规则的触发次数以及各个异常查询规则的规则风险评分，确定出各个员工对应的员工风险评分；
[0017]第二确定模块，用于基于各个员工的员工风险评分确定第一疑似异常员工名单；
[0018]第三确定模块，用于基于所述第一疑似异常员工名单确定异常员工。
[0019]综上所述，本公开提供的异常员工确定方法、装置、设备及存储介质，会预设多个异常查询规则，并为多个异常查询规则分别设置对应的规则风险评分；之后，会基于员工对于各个异常查询规则的触发次数以及各个异常查询规则的规则风险评分，确定出各个员工对应的员工风险评分；并基于各个员工的员工风险评分确定第一疑似异常员工名单；以及，还会基于第一疑似异常员工名单确定异常员工。
[0020]由此可知，本公开在确定异常员工时，并非仅是基于员工的异常查询次数来确定，还会对各个异常查询规则设置对应的规则风险评分，并综合该规则风险评分和异常查询次数来确定异常员工，则准确率较高。
[0021]此外，本公开中针对各个异常查询规则引入了规则风险评分的概念，则可以区别各个规则的风险程度，由此可以将有限的资源集中对于高风险的异常查询规则进行排查，从而可以降低工作量，则在确保准确性的同时，还确保了高效率和灵活性。
附图说明
[0022]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0023]图1a为本公开实施例提供的异常员工确定方法的流程图；
[0024]图1b为本公开实施例提供的异常查询规则的历史触发频率的统计图；
[0025]图1c为本公开实施例提供的一种风险矩阵的结构示意图；
[0026]图1d为本公开实施例提供的一种员工风险评分统计示意图；
[0027]图2为本公开实施例提供的异常员工确定装置的结构示意图；
[0028]图3为本公开实施例提供的电子设备的结构示意图。
[0029]通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
[0030]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0031]下面以具体地实施例对本公开的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本公开的实施例进行描述。
[0032]图1a为本公开实施例提供的一种异常员工确定方法的流程图。如图1a所示，该异常员工确定方法包括：
[0033]步骤101、预设多个异常查询规则，并为该多个异常查询规则分别设置对应的风险评分。
[0034]其中，在本公开的一个实施例之中，该异常查询规则可以用于体现：员工异常查询客户信息(如客户征信信息)时对应的情形。以及，表1和表2为本公开实施例提供的异常查
询规则的示意表。
[0035]表1
[0036][0037][0038][0039]表2
[0040][0041][0042]如表1和表2所示，该多个异常查询规则可以包括RULE1至RULE19，示例的，RULE1可以为：员工为非正式员工开设查询用户。RULE8可以为：员工的查询行为与业务情况不匹配。
[0043]需要说明的是，上述的表2的RULE19提到的模型可以为查询量预测模型，该查询量预测模型基于多元线性回归模型对员工征信查询量进行预测，其中，被解释变量为每个征信查询员工的单月查询量，通过征信查询会发生的场景，从“历史征信查询行为、历史征信查询频度、查询员工数量、信贷业务量、客户授权”等设定19个解释变量。以及，本模型可以应用于：预警员工当月征信查询量是否超过模型预测的查询量上限。
[0044]以及，在本公开的一个实施例之中，上述的为多个异常查询规则分别设置对应的规则风险评分的步骤可以包括：
[0045]步骤a、基于各个异常查询规则的历史触发频率确定各个异常查询规则对应的等
级评分。
[0046]具体的，可以先统计各个异常查询规则至少一个月的历史触发频率，并计算各个异常查询规则的至少一个月的历史触发频率的平均值，再基于平均值与等级评分的对应关系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常员工确定方法，其特征在于，包括：预设多个异常查询规则，并为多个异常查询规则分别设置对应的规则风险评分；基于员工对于各个异常查询规则的触发次数以及各个异常查询规则的规则风险评分，确定出各个员工对应的员工风险评分；基于各个员工的员工风险评分确定第一疑似异常员工名单；基于所述第一疑似异常员工名单确定异常员工。2.根据权利要求1所述的方法，其特征在于，所述为多个异常查询规则分别设置对应的规则风险评分，包括：基于各个异常查询规则的历史触发频率确定各个异常查询规则对应的等级评分；为各个异常查询规则设置风险严重程度值；利用预设的风险矩阵，基于各个异常查询规则的等级评分和风险严重程度值确定各个异常查询规则对应的规则风险评分。3.根据权利要求1所述的方法，其特征在于，所述基于员工对于各个异常查询规则的触发次数以及各个异常查询规则的规则风险评分，确定出各个员工对应的员工风险评分，包括：针对每个异常查询规则，对各个员工对于所述异常查询规则的触发次数进行排序；基于排序后的触发次数确定出各个异常查询规则下各个员工对应的风险调整系数；其中，风险调整系数与触发次数呈正相关；将所述员工在各个异常查询规则下所对应的风险调整系数与各个异常查询规则的规则风险评分的乘积之和确定为所述员工的员工风险评分。4.根据权利要求1所述的方法，其特征在于，所述基于各个员工的员工风险评分确定第一疑似异常员工名单，包括：将员工风险评分高于第一预设值的员工添加至第一疑似异常员工名单中；和/或将员工风险评分由高到低排序后的前预设百分比的员工添加至第一疑似异常员工名单...

【专利技术属性】
技术研发人员：刘婷，谈锦，何敏，滕放，王思颐，李彬，于涛，刘欣然，
申请(专利权)人：中国建设银行股份有限公司四川省分行，
类型：发明
国别省市：