数据检验方法、装置、处理器以及电子设备制造方法及图纸

本申请公开了一种数据检验方法、装置、处理器以及电子设备。涉及金融科技领域，该方法包括：获取多个客户在目标时间周期内产生的目标消费数据，并确定产生目标消费数据的日期的类型以及类型关联的消费数据阈值；获取目标时间周期内产生的实际报送量；将目标消费数据输入到类型匹配的预测模型，输出N个预测报送量，其中，预测模型是由M组样本数据训练预设预测模型得到，每组样本数据包括历史消费数据和历史报送量；利用N个预测报送量对实际报送量进行验证，得到第一验证结果，并根据第一验证结果确定实际报送量的状态。通过本申请，解决了相关技术中难以快速识别异常报送量的问题。相关技术中难以快速识别异常报送量的问题。相关技术中难以快速识别异常报送量的问题。

【技术实现步骤摘要】
数据检验方法、装置、处理器以及电子设备


[0001]本申请涉及金融科技领域，具体而言，涉及一种数据检验方法、装置、处理器以及电子设备。

技术介绍

[0002]为加强打击金融犯罪的力度，加强境外交易的监测管理，维护境外交易秩序，金融机构需要每日上报前一日出现的异常消费信息，同时，需要实时检测并控制下发到金融机构的黑名单中用户产生的消费。
[0003]为了防止黑名单用户在境外进行违规消费，现有技术中，通过将待识别的数据进行加工链路的识别处理，进而再进行上传操作。但由于加工链路较长，并且涉及到多次加工处理，并且若数据加工链路某个环节出现问题时，容易导致数据不能及时识别或存在部分数据的遗漏，进而使得进入黑名单的用户进行再一次的违规消费。
[0004]针对相关技术中难以快速识别异常报送量的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本申请的主要目的在于提供一种数据检验方法、装置、处理器以及电子设备，以解决相关技术中难以快速识别异常报送量的问题。
[0006]为了实现上述目的，根据本申请的一个方面，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据检验方法，其特征在于，包括：获取多个客户在目标时间周期内产生的目标消费数据，并确定产生所述目标消费数据的日期的类型以及所述类型关联的消费数据阈值；获取所述目标时间周期内产生的实际报送量，其中，所述实际报送量是指消费数据大于所述消费数据阈值的客户数量；将所述目标消费数据输入到所述类型匹配的预测模型，输出N个预测报送量，其中，所述预测模型是由M组样本数据训练预设预测模型得到，每组样本数据包括历史消费数据和历史报送量；利用所述N个预测报送量对所述实际报送量进行验证，得到第一验证结果，并根据所述第一验证结果确定所述实际报送量的状态，其中，所述实际报送量的状态包含正常状态或者异常状态。2.根据权利要求1所述的方法，其特征在于，产生所述目标消费数据的日期的类型包含目标日和非目标日，所述目标日关联的消费数据阈值大于所述非目标日关联的消费数据阈值，将所述目标消费数据输入到所述类型匹配的预测模型包括：在所述类型为所述目标日的情况下，将所述目标消费数据输入到第一预测模型，其中，所述第一预测模型是由M1组第一样本数据训练所述预设预测模型得到，所述第一样本数据包括历史目标日的消费数据和历史目标日的报送量；在所述类型为所述非目标日的情况下，将所述目标消费数据输入到第二预测模型，其中，所述第二预测模型是由M2组第二样本数据训练所述预设预测模型得到，所述第二样本数据包括历史非目标日的消费数据和历史非目标日的报送量，M1和M2之和为M。3.根据权利要求1所述的方法，其特征在于，所述预测模型通过以下方式训练得到：获取M个历史消费数据以及历史报送量，得到M组样本数据；通过所述M组样本数据训练所述预设预测模型，得到初始预测模型；判断所述初始预测模型的评价指标值是否满足预设要求，并在所述评价指标值不满足所述预设要求的情况下，调整所述初始预测模型的模型参数，直至调整后的预测模型的评价指标值满足所述预设要求，得到所述预测模型，其中，所述评价指标值由输入预测模型的历史预测报送量和预测模型输出的历史预测报送量计算得到，所述评价指标至少包括以下之一：均方误差以及决定系数。4.根据权利要求1所述的方法，其特征在于，利用所述N个预测报送量对所述实际报送量进行验证，得到第一验证结果，根据所述第一验证结果确定所述实际报送量的状态包括：计算所述N个预测报送量的均值以及方差，并利用所述均值以及所述方差计算得到检验值；将所述检验值和置信度进行比较，在所述检验值大于等于所述置信度的情况下，确定所述实际报送量的状态...

【专利技术属性】
技术研发人员：赵亚晴，李晓园，梁顺利，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：