基于人工智能的数据报送方法技术

本申请属于人工智能领域与金融科技领域，涉及一种基于人工智能的数据报送方法，包括：若当时时间符合数据报送时间节点，获取待报送数据；基于数据校验规则从待报送数据中筛选出通过数据校验的第一数据；基于异常检测模型生成第一数据的异常检测结果；从第一数据中筛选出正常的第二数据；基于数据监管方的报送规范对第二数据进行加工得到第三数据；对第三数据进行封装得到目标报送数据并发送至数据监管方

【技术实现步骤摘要】
基于人工智能的数据报送方法、装置、设备及存储介质


[0001]本申请涉及人工智能开发
与金融科技领域，尤其涉及基于人工智能的数据报送方法
、
装置
、
计算机设备及存储介质
。

技术介绍

[0002]对于处于数字时代的当下，在监督管理
、
统计审计等领域都广泛存在着对各种金融科技企业
(
例如保险企业
、
银行等
)
的业务数据的采集报送和管理需求
。
地方金融局也需要从所管辖的类金融机构收集数据实现对类金融机构的监管
。
[0003]现有的金融科技企业采用的数据报送方式一般通过电子邮件或的报送方式，待报送数据传送进行基于规则的人工审核与校验的处理，再将校验通过的报送数据传输至数据监管方
。
整个数据报送过程需要人工干预，且经常需要反复重复报送，需要耗费大量时间
、
人力和带宽资源，处理效率低下，容易导致数据报送出现不及时与不准确的问题
。

技术实现思路

[0004]本申请实施例的目的在于提出一种基于人工智能的数据报送方法
、
装置
、
计算机设备及存储介质，以解决现有的数据报送过程需要人工干预，且经常需要反复重复报送，需要耗费大量时间
、
人力和带宽资源，处理效率低下，容易导致数据报送出现不及时与不准确的情况的技术问题
。
[0005]为了解决上述技术问题，本申请实施例提供一种基于人工智能的数据报送方法，采用了如下所述的技术方案：
[0006]判断当时时间是否符合预设的数据报送时间节点；
[0007]若是，从预设的业务数据库中获取符合报送条件的待报送数据；
[0008]基于预设的数据校验规则对所述待报送数据进行数据校验，从所述待报送数据中筛选出通过数据校验的第一数据；其中，所述第一数据的数量包括多个；
[0009]基于预设的异常检测模型对所述第一数据进行异常检测处理，得到与所述第一数据对应的异常检测结果；其中，所述异常检测结果包括数据异常或数据正常；
[0010]基于所述异常检测结果，从所有所述第一数据中筛选出异常检测结果为数据正常的第二数据；
[0011]获取数据监管方的报送规范，并基于所述报送规范对所述第二数据进行加工处理得到第三数据；
[0012]对所述第三数据进行封装处理得到目标报送数据，并将所述目标报送数据发送至所述数据监管方
。
[0013]进一步的，所述基于预设的异常检测模型对所述第一数据进行异常检测处理，得到与所述第一数据对应的异常检测结果的步骤，具体包括：
[0014]将所述第一数据输入至所述异常检测模型内，通过所述异常检测模型对所述第一数据进行异常分析，得到与所述第一数据对应的异常概率值；
[0015]获取预设的异常阈值；
[0016]若所述异常概率值大于所述异常阈值，则判定所述第一数据为异常数据，并生成与所述第一数据对应的数据异常的第一异常检测结果；
[0017]若所述异常概率值小于所述异常阈值，则判定所述第一数据不为异常数据，并生成与所述第一数据对应的数据正常的第二异常检测结果
。
[0018]进一步的，在所述基于预设的异常检测模型对所述第一数据进行异常检测处理，得到与所述第一数据对应的异常检测结果的步骤之前，还包括：
[0019]获取预先采集的业务样本数据；
[0020]将所述业务样本数据划分为训练样本数据与测试样本数据；
[0021]调用预设的原始学习模型；
[0022]基于所述训练样本数据以及预设的模型训练次数对所述原始学习模型进行训练，得到训练后的原始学习模型；
[0023]基于所述测试样本数据对所述训练后的原始学习模型进行测试；
[0024]若所述原始学习模型通过测试，则将所述训练后的原始学习模型作为所述异常检测模型
。
[0025]进一步的，所述对所述第三数据进行封装处理得到目标报送数据，并将所述目标报送数据发送至所述数据监管方的步骤，具体包括：
[0026]获取与所述数据监管方对应的数据封装格式；
[0027]基于所述数据封装格式对所述第三数据进行封装处理，得到所述目标报送数据；
[0028]获取所述数据监管方的通讯地址；
[0029]基于所述通讯地址，将所述目标报送数据发送至所述数据监管方
。
[0030]进一步的，所述基于所述通讯地址，将所述目标报送数据发送至所述数据监管方的步骤，具体包括：
[0031]获取与所述数据监管方对应的数据加密方式；
[0032]基于所述数据加密方式对所述目标报送数据进行加密处理，得到加密后的目标报送数据；
[0033]基于所述通讯地址，将所述加密后的目标报送数据发送至所述数据监管方
。
[0034]进一步的，在所述对所述第三数据进行封装处理得到目标报送数据，并将所述目标报送数据发送至所述数据监管方的步骤之后，还包括：
[0035]获取所述第三数据的使用信息；
[0036]基于所述使用信息对所述第三数据进行数据分析，以将所述第三数据划分为热数据与冷数据；
[0037]获取与所述热数据对应的第一存储介质，并使用所述第一存储介质对所述热数据进行存储；
[0038]获取与所述热数据对应的第二存储介质，并使用所述第二存储介质对所述冷数据进行存储
。
[0039]进一步的，在所述对所述第三数据进行封装处理得到目标报送数据，并将所述目标报送数据发送至所述数据监管方的步骤之后，还包括：
[0040]接收预设业务系统发出的与所述目标报送数据对应的数据报送结果获取请求；
[0041]接收所述数据监管方在处理所述数据报送结果获取请求后，返回的与所述目标报送数据对应的数据报送结果；
[0042]将所述数据报送结果反馈至所述预设业务系统
。
[0043]为了解决上述技术问题，本申请实施例还提供一种基于人工智能的数据报送装置，采用了如下所述的技术方案：
[0044]判断模块，用于判断当时时间是否符合预设的数据报送时间节点；
[0045]第一获取模块，用于若是，从预设的业务数据库中获取符合报送条件的待报送数据；
[0046]校验模块，用于基于预设的数据校验规则对所述待报送数据进行数据校验，从所述待报送数据中筛选出通过数据校验的第一数据；其中，所述第一数据的数量包括多个；
[0047]检测模块，用于基于预设的异常检测模型对所述第一数据进行异常检测处理，得到与所述第一数据对应的异常检测结果；其中，所述异常检测结果包括数据异常或数据正常；
[0048]筛选模块，用于基于所述异常检测结果，从所有所述第一数据中筛选出异常检测结果为数据正常的第二数据；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的数据报送方法，其特征在于，包括下述步骤：判断当时时间是否符合预设的数据报送时间节点；若是，从预设的业务数据库中获取符合报送条件的待报送数据；基于预设的数据校验规则对所述待报送数据进行数据校验，从所述待报送数据中筛选出通过数据校验的第一数据；其中，所述第一数据的数量包括多个；基于预设的异常检测模型对所述第一数据进行异常检测处理，得到与所述第一数据对应的异常检测结果；其中，所述异常检测结果包括数据异常或数据正常；基于所述异常检测结果，从所有所述第一数据中筛选出异常检测结果为数据正常的第二数据；获取数据监管方的报送规范，并基于所述报送规范对所述第二数据进行加工处理得到第三数据；对所述第三数据进行封装处理得到目标报送数据，并将所述目标报送数据发送至所述数据监管方
。2.
根据权利要求1所述的基于人工智能的数据报送方法，其特征在于，所述基于预设的异常检测模型对所述第一数据进行异常检测处理，得到与所述第一数据对应的异常检测结果的步骤，具体包括：将所述第一数据输入至所述异常检测模型内，通过所述异常检测模型对所述第一数据进行异常分析，得到与所述第一数据对应的异常概率值；获取预设的异常阈值；若所述异常概率值大于所述异常阈值，则判定所述第一数据为异常数据，并生成与所述第一数据对应的数据异常的第一异常检测结果；若所述异常概率值小于所述异常阈值，则判定所述第一数据不为异常数据，并生成与所述第一数据对应的数据正常的第二异常检测结果
。3.
根据权利要求1所述的基于人工智能的数据报送方法，其特征在于，在所述基于预设的异常检测模型对所述第一数据进行异常检测处理，得到与所述第一数据对应的异常检测结果的步骤之前，还包括：获取预先采集的业务样本数据；将所述业务样本数据划分为训练样本数据与测试样本数据；调用预设的原始学习模型；基于所述训练样本数据以及预设的模型训练次数对所述原始学习模型进行训练，得到训练后的原始学习模型；基于所述测试样本数据对所述训练后的原始学习模型进行测试；若所述原始学习模型通过测试，则将所述训练后的原始学习模型作为所述异常检测模型
。4.
根据权利要求1所述的基于人工智能的数据报送方法，其特征在于，所述对所述第三数据进行封装处理得到目标报送数据，并将所述目标报送数据发送至所述数据监管方的步骤，具体包括：获取与所述数据监管方对应的数据封装格式；基于所述数据封装格式对所述第三数据进行封装处理，得到所述目标报送数据；
获取所述数据监管方的通讯地址；基于所述通讯地址，将所述目标报送数据发送至所述数据监管方
。5.
根据权利要求4所述的基于人工智能的数据报送方法，其特征在于，所述基于所述通讯地址，将所述目标报送数据...

【专利技术属性】
技术研发人员：余文俊，
申请(专利权)人：平安健康保险股份有限公司，
类型：发明
国别省市：