银行交易数据管理方法及系统技术方案

一种银行交易数据管理方法及系统，获取待分析银行交易数据；采用基于深度学习的人工智能技术，挖掘所述待分析银行交易数据中关于个人信息数据的隐含语义理解特征，并基于隐含语义理解特征将涉及到个人信息数据的数据段进行隐藏或者加密处理以确保个人信息数据安全。这样，可以精准地对于银行交易数据中的个人信息数据进行加密，以此来完成银行交易数据的脱敏处理，保证银行交易数据中的个人信息数据安全。全。全。

【技术实现步骤摘要】
银行交易数据管理方法及系统


[0001]本申请涉及智能化管理
，并且更具体地，涉及一种银行交易数据管理方法及系统。

技术介绍

[0002]目前，我国商业银行正处于战略转型的关键时期，银行需要探寻新的发展模式，逐步实现从“银行信息化”向“信息化银行”的转变，银行业务的电子化等都离不开“数据”，因此，对于银行交易的数据管理尤为重要。
[0003]目前，在内部变更需求和外部竞争压力的双重驱动下，大型商业银行、城市商业银行以及农村商业银行纷纷借助IT信息系统推动数据治理体系的建设，提升企业数据质量。这种方式虽然已经有了一定的数据治理成果，但是从整体上看，我国商业银行的数据管理仍存在很多问题。近年来，各国银行信息安全事件频发，大量用户信息被泄露，引起了社会公众的广泛关注。金融机构在个人信息数据安全保护方面亟待加强。
[0004]因此，期望一种优化的银行交易数据管理系统。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种银行交易数据管理方法及系统，获取待分析银行交易数据；采用基于深度学习的人工智能技术，挖掘所述待分析银行交易数据中关于个人信息数据的隐含语义理解特征，并基于隐含语义理解特征将涉及到个人信息数据的数据段进行隐藏或者加密处理以确保个人信息数据安全。这样，可以精准地对于银行交易数据中的个人信息数据进行加密，以此来完成银行交易数据的脱敏处理，保证银行交易数据中的个人信息数据安全。
[0006]第一方面，提供了一种银行交易数据管理系统，其包括：
[0007]交易数据采集模块，用于获取待分析银行交易数据；
[0008]分词处理模块，用于对所述待分析银行交易数据进行分词处理以得到交易数据词的序列；
[0009]词嵌入模块，用于将所述交易数据词序列通过词嵌入层以得到交易数据词特征向量的序列；
[0010]交易语义理解模块，用于将所述交易数据词特征向量的序列通过基于转换器的上下文编码器以得到多个交易数据词上下文关联语义特征向量；
[0011]全局关联编码模块，用于将所述交易数据词特征向量的序列排列为二维特征矩阵后通过文本卷积神经网络模型以得到交易数据词全局理解特征向量；
[0012]查询模块，用于分别以所述各个交易数据词上下文关联语义特征向量作为查询特征向量，计算其与所述交易数据词全局理解特征向量之间的转移矩阵以得到多个分类特征矩阵；
[0013]检测结果判断模块，用于将所述多个分类特征矩阵通过分类器以得到多个分类结
果，所述各个分类结果用于表示各个交易数据词是否属于个人信息；以及
[0014]脱敏模块，用于基于所述多个分类结果，对所述待分析银行交易数据进行脱敏处理。
[0015]在上述银行交易数据管理系统中，所述交易语义理解模块，包括：查询向量构造单元，用于将所述交易数据词特征向量的序列进行一维排列以得到全局交易数据词特征向量；自注意单元，用于计算所述全局交易数据词特征向量与所述交易数据词特征向量的序列中各个交易数据词特征向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；以及，注意力施加单元，用于分别以所述多个概率值中各个概率值作为权重对所述交易数据词特征向量的序列中各个交易数据词特征向量进行加权以得到所述多个交易数据词上下文关联语义特征向量。
[0016]在上述银行交易数据管理系统中，所述全局关联编码模块，用于：使用所述文本卷积神经网络模型的各层在层的正向传递中分别对输入数据进行卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述文本卷积神经网络模型的最后一层输出所述交易数据词全局理解特征向量，其中，所述文本卷积神经网络模型的第一层的输入为所述二维特征矩阵。
[0017]在上述银行交易数据管理系统中，所述查询模块，包括：优化因数计算单元，用于分别计算所述各个交易数据词上下文关联语义特征向量和所述交易数据词全局理解特征向量之间的关联
‑
概率密度分布仿射映射因数以得到多个第一关联
‑
概率密度分布仿射映射因数和多个第二关联
‑
概率密度分布仿射映射因数；加权优化单元，用于分别以所述多个第一关联
‑
概率密度分布仿射映射因数和所述多个第二关联
‑
概率密度分布仿射映射因数作为权重，分别对所述各个交易数据词上下文关联语义特征向量和所述交易数据词全局理解特征向量进行加权以得到多个校正后交易数据词上下文关联语义特征向量和多个校正后交易数据词全局理解特征向量；以及，转移关联单元，用于计算每组对应的所述校正后交易数据词上下文关联语义特征向量相对于所述校正后交易数据词全局理解特征向量的转移矩阵以得到所述多个分类特征矩阵。
[0018]在上述银行交易数据管理系统中，所述优化因数计算单元，用于：以如下优化公式分别计算所述各个交易数据词上下文关联语义特征向量和所述交易数据词全局理解特征向量之间的关联
‑
概率密度分布仿射映射因数以得到所述多个第一关联
‑
概率密度分布仿射映射因数和所述多个第二关联
‑
概率密度分布仿射映射因数；其中，所述优化公式为：
[0019][0020][0021]其中，V1表示所述各个交易数据词上下文关联语义特征向量，V2表示所述交易数据词全局理解特征向量，M为所述各个交易数据词上下文关联语义特征向量和所述交易数据词全局理解特征向量之间的逐位置关联得到的关联矩阵，μ和∑是所述各个交易数据词上
下文关联语义特征向量和所述交易数据词全局理解特征向量构成的各个高斯密度图的均值向量和逐位置方差矩阵，表示矩阵乘法，exp(
·
)表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值，w1表示所述多个第一关联
‑
概率密度分布仿射映射因数中的各个第一关联
‑
概率密度分布仿射映射因数，w2表示所述多个第二关联
‑
概率密度分布仿射映射因数中的各个第二关联
‑
概率密度分布仿射映射因数。
[0022]在上述银行交易数据管理系统中，所述转移关联单元，用于：以如下转移公式计算每组对应的所述校正后交易数据词上下文关联语义特征向量相对于所述校正后交易数据词全局理解特征向量的转移矩阵以得到所述多个分类特征矩阵；其中，所述转移公式为：
[0023][0024]其中，V1表示所述校正后交易数据词上下文关联语义特征向量，V2表示所述校正后交易数据词全局理解特征向量，M表示所述多个分类特征矩阵，表示矩阵相乘。
[0025]在上述银行交易数据管理系统中，所述检测结果判断模块，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种银行交易数据管理系统，其特征在于，包括：交易数据采集模块，用于获取待分析银行交易数据；分词处理模块，用于对所述待分析银行交易数据进行分词处理以得到交易数据词的序列；词嵌入模块，用于将所述交易数据词序列通过词嵌入层以得到交易数据词特征向量的序列；交易语义理解模块，用于将所述交易数据词特征向量的序列通过基于转换器的上下文编码器以得到多个交易数据词上下文关联语义特征向量；全局关联编码模块，用于将所述交易数据词特征向量的序列排列为二维特征矩阵后通过文本卷积神经网络模型以得到交易数据词全局理解特征向量；查询模块，用于分别以所述各个交易数据词上下文关联语义特征向量作为查询特征向量，计算其与所述交易数据词全局理解特征向量之间的转移矩阵以得到多个分类特征矩阵；检测结果判断模块，用于将所述多个分类特征矩阵通过分类器以得到多个分类结果，所述各个分类结果用于表示各个交易数据词是否属于个人信息；以及脱敏模块，用于基于所述多个分类结果，对所述待分析银行交易数据进行脱敏处理。2.根据权利要求1所述的银行交易数据管理系统，其特征在于，所述交易语义理解模块，包括：查询向量构造单元，用于将所述交易数据词特征向量的序列进行一维排列以得到全局交易数据词特征向量；自注意单元，用于计算所述全局交易数据词特征向量与所述交易数据词特征向量的序列中各个交易数据词特征向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；以及注意力施加单元，用于分别以所述多个概率值中各个概率值作为权重对所述交易数据词特征向量的序列中各个交易数据词特征向量进行加权以得到所述多个交易数据词上下文关联语义特征向量。3.根据权利要求2所述的银行交易数据管理系统，其特征在于，所述全局关联编码模块，用于：使用所述文本卷积神经网络模型的各层在层的正向传递中分别对输入数据进行卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述文本卷积神经网络模型的最后一层输出所述交易数据词全局理解特征向量，其中，所述文本卷积神经网络模型的第一层的输入为所述二维特征矩阵。4.根据权利要求3所述的银行交易数据管理系统，其特征在于，所述查询模块，包括：优化因数计算单元，用于分别计算所述各个交易数据词上下文关联语义特征向量和所述交易数据词全局理解特征向量之间的关联
‑
概率密度分布仿射映射因数以得到多个第一关联
‑
概率密度分布仿射映射因数和多个第二关联
‑
概率密度分布仿射映射因数；加权优化单元，用于分别以所述多个第一关联
‑
概率密度分布仿射映射因数和所述多
个第二关联
‑
概率密度分布仿射映射因数作为权重，分别对所述各个交易数据词上下文关联语义特征向量和所述交易数据词全局理解特征向量进行加权以得到多个校正后交易数据词上下文关联语义特征向量和多个校正后交易数据词全局理解特征向量；以及转移关联单元，用于计算每组对应的所述校正后交易数据词上下文关联语义特征向量相对于所述校正后交易数据词全局理解特征向量的转移矩阵以得到所述多个分类特征矩阵。5.根据权利要求4所述的银行交易数据管理系统，其特征在于，所述优化因数计算单元，用于：以如下优化公式分别计算所述各个交易数据词上下文关联语义特征向量和所述交易数据词全局理解特征向量之间的关联
‑
概率密度分布仿射映射因数以得到所述多个第一关联
‑
概率密度分布仿射映射因数和所述多个第二关联
‑
概率密度分布仿射映射因数；其中，所述优化公式为：其中，所述优化公式为：其中，V1表示所述各个交易数据词上下文关联语义特征向量，V2表示所述交易数...

【专利技术属性】
技术研发人员：袁明浩，欧智彪，王圳义，
申请(专利权)人：广州微明信息科技有限公司，
类型：发明
国别省市：