异常行为监测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及行为监测技术领域，提供一种异常行为监测方法、装置、电子设备及存储介质，该方法首先获取第一用户在预设时间段内的目标交易数据，并将目标交易数据存入数据库；然后调用数据库中基于数据库编码构建得到的监测模型，对目标交易数据进行解析，得到目标交易特征，并将目标交易特征与异常交易特征进行匹配，基于匹配所得结果，判断第一用户在预设时间段内是否存在异常交易行为。该方法可使得整个判断流程更为简便，节省了人力物力，且不需要对监测模型进行训练，避免了因训练所需的样本数据导致的监测模型准确率低、适用范围小、效率低的问题出现，可以提高判断结果的准确性和可信度，适用范围广，判断效率高。判断效率高。判断效率高。

【技术实现步骤摘要】
异常行为监测方法、装置、电子设备及存储介质


[0001]本专利技术涉及行为监测
，尤其涉及一种异常行为监测方法、装置、电子设备及存储介质。

技术介绍

[0002]在当前互联网时代背景下，层出不穷的新技术一方面带来了传统业务模式的变革和创新，同时也为金融领域的洗钱活动提供了新的场景和技术手段，使其网络化、专业化和隐蔽性日趋增强，这将给反洗钱行为的甄别增加了难度和复杂度。
[0003]目前，随着大数据、AI技术的发展，机器学习被广泛的应用于反洗钱系统中。服务器可以使用包括洗钱行为和正常交易行为在内的样本数据，训练得到数据模型。该数据模型用于根据客户的交易行为，判断该交易行为是否属于洗钱行为。该数据模型的使用相较于传统的逻辑判断，极大的提高了洗钱行为的判断准确率。
[0004]然而，该数据模型的准确度与样本数据直接相关。想要训练得到一个准确度高、适用范围广的数据模型，通常需要对样本数据的量级和质量提出严格的要求。显然，在样本数据的量级和质量较为普通的情况下，训练得到的数据模型容易存在识别准确率低、适用范围小、反洗钱效率低等问题。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常行为监测方法，其特征在于，包括：获取第一用户在预设时间段内的目标交易数据，并将所述目标交易数据存入数据库；调用所述数据库中的监测模型，对所述目标交易数据进行解析，得到目标交易特征，并将所述目标交易特征与异常交易特征进行匹配，基于匹配所得结果，判断所述第一用户在所述预设时间段内是否存在异常交易行为；其中，所述监测模型基于数据库编码构建得到，所述异常交易特征为异常交易行为的交易特征。2.根据权利要求1所述的异常行为监测方法，其特征在于，所述目标交易特征与所述异常交易特征均包括阈值类特征，且所述异常交易特征中的阈值类特征均对应有特征阈值；相应地，所述将所述目标交易特征与异常交易特征进行匹配，基于匹配所得结果，判断所述第一用户在所述预设时间段内是否存在异常交易行为，包括：将所述目标交易特征中的阈值类特征与所述异常交易特征中同一维度的阈值类特征的特征阈值进行比较，若所述目标交易特征中的阈值类特征满足所述异常交易特征中同一维度的阈值类特征的特征阈值对应的限度条件，则确定所述第一用户在所述预设时间段内存在异常交易行为。3.根据权利要求2所述的异常行为监测方法，其特征在于，所述特征阈值基于如下步骤确定：确定具有阈值类特征样本的异常交易数据样本，并确定特征阈值范围；基于所述异常交易数据样本，对所述特征阈值范围内的每一备选特征阈值对应的深度学习模型进行训练，得到各训练后的深度学习模型，并从各训练后的深度学习模型中选取准确度最高的目标模型；确定所述目标模型对应的备选特征阈值为所述特征阈值。4.根据权利要求2所述的异常行为监测方法，其特征在于，所述特征阈值还基于如下步骤确定：接收第二用户输入的阈值编辑请求，并基于所述阈值编辑请求，向所述第二用户展示阈值编辑界面；接收所述第二用户在所述阈值编辑界面输入的所述特征阈值。5.根据权利要求1所述的异常行为监测方法，其特征在于，所述目标交易特征与所述异常交易特征均还包括二分类特征，且所述异常交易特征中的二分类特征均对应有二分类条件；相应地，所述将所述目标交易特征与异常交易特征进行匹配，基于匹配所得结果，判断所述第一用户在所述预设时间段...

【专利技术属性】
技术研发人员：王颖，
申请(专利权)人：中银金融科技有限公司，
类型：发明
国别省市：