【技术实现步骤摘要】
本申请涉及计算机，具体涉及一种银行购物消费券运营风险监控方法及其系统。
技术介绍
1、目前在银行购物消费券运营风险监控方法的过程中，主要是根据用户的历史行为数据确定用户的信用风险和操作风险，进而根据信用风险和操作风险进行银行购物消费券运营风险监控。只根据信用和操作两方面进行风险监控会导致监控结果不准确且不够全面。
技术实现思路
1、本申请实施例提供一种银行购物消费券运营风险监控方法及其系统，旨在提高了银行购物消费券运营风险监控的准确性和全面性。
2、第一方面，本申请实施例提供一种银行购物消费券运营风险监控方法，包括：
3、获取待评估用户的多源通信数据和银行购物消费券；
4、基于所述多源通信数据提取用户行为特征，并基于所述用户行为特征生成所述待评估用户的时序信息；
5、将所述时序信息输入至客户分级模型中，得到所述客户分级模型输出的用户分级结果；所述客户分级模型为基于每一个待评估用户的客户通信数据和客户金融数据训练得到；
6、基于所述用户分级结果对所述待评估用户的银行购物消费券进行运营风险监控。
7、在一个实施例中，所述所述多源通信数据包括基站信息、深度报文解析数据、交互信息和用户基础数据，所述用户基础数据包括用户标识和订购业务信息；所述基于所述多源通信数据提取用户行为特征，并基于所述用户行为特征生成所述待评估用户的时序信息，包括：
8、基于所述交互信息，提取交互行为特征，并基于所述深度报文解析数据，提
9、根据所述交互行为特征、所述网络访问行为特征、所述基站信息、所述用户标识和所述订购业务信息，生成所述待评估用户的时序信息；
10、所述基于所述深度报文解析数据，提取网络访问行为特征，包括：
11、基于所述深度报文解析数据，识别无效访问事件；
12、对所述无效访问事件的无效数据进行过滤清洗，得到所述深度报文解析数据中的有效数据；
13、根据所述有效数据提取所述网络访问行为特征；
14、所述基于所述深度报文解析数据，识别无效访问事件，包括：
15、基于所述深度报文解析数据，统计所述待评估用户对所述深度报文解析数据中的各网址的访问时长；
16、根据所述访问时长，识别所述深度报文解析数据中所述访问时长小于预设的时长阈值的无效访问事件。
17、在一个实施例中，构建所述客户分级模型的具体步骤包括：
18、获取所述待评估用户的客户通信数据和客户金融数据；
19、基于不经意伪随机函数和线性同余抽样算法，对所述客户通信数据和所述客户金融数据进行隐私求交，得到通信企业端和金融企业端的样本客户交集；
20、基于所述样本客户交集进行模型训练，得到所述客户分级模型。
21、在一个实施例中，所述将所述时序信息输入至客户分级模型中，得到所述客户分级模型输出的用户分级结果，包括：
22、以所述待评估用户的用户终端为数据需求端，基于所述时序信息解析出所述待评估用户的客户数据；所述待评估用户对应通信企业端或金融企业端；
23、获取数据提供端；所述数据提供端与所述数据需求端对应，所述数据提供端为金融企业端或通信企业端；
24、基于所述客户分级模型对所述数据提供端和所述数据需求端的客户数据进行处理，得到所述用户分级结果。
25、在一个实施例中，基于所述客户分级模型对所述数据提供端和所述数据需求端的客户数据进行处理，得到所述用户分级结果，包括：
26、获取需要通过不经意传输加密协议传输至所述数据提供端的所述数据需求端的样本唯一标识符，并确定所述数据提供端中是否存在所述样本唯一标识符；
27、若确定存在所述样本唯一标识符，则基于所述客户分级模型分别对所述数据提供端和所述数据需求端的客户数据进行处理，得到所述数据提供端的第一输出结果和所述数据需求端的第二输出结果；
28、基于第一输出结果和第二输出结果，得到所述用户分级结果。
29、在一个实施例中，所述通信企业端为数据需求端或数据提供端，对应的，所述金融企业端为数据提供端或数据需求端；
30、相应地，所述基于不经意伪随机函数和线性同余抽样算法，对所述客户通信数据和所述客户金融数据进行隐私求交，得到通信企业端和金融企业端的样本客户交集，包括：
31、确定所述数据提供端和所述数据需求端的共同哈希函数和储藏桶；共同哈希函数为h1,h2,h3:{0,1}*→[b]，[b]为b个空桶b[1...b]；
32、将所述数据需求端的数据放入至所述b个空桶和储藏桶，构建所述数据提供端的多条数据；
33、根据所述多条数据构建所述数据需求端的多个不经意伪随机函数的随机种子；
34、基于多个随机种子和所述数据提供端的数据，得到第一数据集合和第二数据集合，并根据所述第一数据集合、所述第二数据集合和线性同余抽样算法，得到所述样本客户交集；所述第一数据集合和所述第二数据集合为不同的数据集合。
35、在一个实施例中，所述根据所述第一数据集合、所述第二数据集合和线性同余抽样算法，得到所述样本客户交集，包括：
36、若确定数据需求端的元素在储藏桶中，则在所述第一数据集合中查找对应的不经意伪随机函数输出，否则在所述第二数据集合中查找对应的不经意伪随机函数输出，得到待处理交集；
37、通过线性同余抽样算法在所述待处理交集外随机抽样混淆集合，得到所述样本客户交集。
38、在一个实施例中，所述通信企业端为数据需求端或数据提供端，对应的，所述金融企业端为数据提供端或数据需求端；
39、相应地，所述基于所述样本客户交集进行模型训练，得到所述客户分级模型，包括：
40、将所述数据提供端和所述数据需求端分别进行节点模型初始化，设置模型训练最大迭代步数、学习率，所述数据提供端和所述数据需求端基于同态加密原理生成公钥和私钥；
41、基于所述数据提供端的输入值和模型权重以及所述数据需求端的公钥，得到第一加密输出，并基于所述数据需求端的输入值和模型权重以及所述数据提供端的公钥，得到第二加密输出；
42、基于所述第一加密输出、所述第二加密输出、所述数据提供端的私钥和所述数据需求端的私钥，得到所述客户分级模型。
43、在一个实施例中，所述基于所述第一加密输出、所述第二加密输出、所述数据提供端的私钥和所述数据需求端的私钥，得到所述客户分级模型，包括：
44、通过所述数据需求端的私钥对所述第一加密输出进行解密，得到第一解密输出，并通过所述数据提供端的私钥对所述第二加密输出进行解密，得到第二解密输出；
45、基于所述第一解密输出和所述第二解密输出，确定所述数据提供端和所述数据需求端的模型损失函数；
46、根据所述模型损失函数和本文档来自技高网...
【技术保护点】
1.一种银行购物消费券运营风险监控方法，其特征在于，包括：
2.根据权利要求1所述的银行购物消费券运营风险监控方法，其特征在于，所述多源通信数据包括基站信息、深度报文解析数据、交互信息和用户基础数据，所述用户基础数据包括用户标识和订购业务信息；所述基于所述多源通信数据提取用户行为特征，并基于所述用户行为特征生成所述待评估用户的时序信息，包括：
3.根据权利要求1所述的银行购物消费券运营风险监控方法，其特征在于，构建所述客户分级模型的具体步骤包括：
4.根据权利要求3所述的银行购物消费券运营风险监控方法，其特征在于，所述将所述时序信息输入至客户分级模型中，得到所述客户分级模型输出的用户分级结果，包括：
5.根据权利要求4所述的银行购物消费券运营风险监控方法，其特征在于，所述基于所述客户分级模型对所述数据提供端和所述数据需求端的客户数据进行处理，得到所述用户分级结果，包括：
6.根据权利要求3所述的银行购物消费券运营风险监控方法，其特征在于，所述通信企业端为数据需求端或数据提供端，对应的，所述金融企业端为数据提供端或数据需求
7.根据权利要求6所述的银行购物消费券运营风险监控方法，其特征在于，所述根据所述第一数据集合、所述第二数据集合和线性同余抽样算法，得到所述样本客户交集，包括：
8.根据权利要求3所述的银行购物消费券运营风险监控方法，其特征在于，所述通信企业端为数据需求端或数据提供端，对应的，所述金融企业端为数据提供端或数据需求端；
9.根据权利要求8所述的银行购物消费券运营风险监控方法，其特征在于，所述基于所述第一加密输出、所述第二加密输出、所述数据提供端的私钥和所述数据需求端的私钥，得到所述客户分级模型，包括：
10.一种银行购物消费券运营风险监控系统，其特征在于，包括：
...【技术特征摘要】
1.一种银行购物消费券运营风险监控方法，其特征在于，包括：
2.根据权利要求1所述的银行购物消费券运营风险监控方法，其特征在于，所述多源通信数据包括基站信息、深度报文解析数据、交互信息和用户基础数据，所述用户基础数据包括用户标识和订购业务信息；所述基于所述多源通信数据提取用户行为特征，并基于所述用户行为特征生成所述待评估用户的时序信息，包括：
3.根据权利要求1所述的银行购物消费券运营风险监控方法，其特征在于，构建所述客户分级模型的具体步骤包括：
4.根据权利要求3所述的银行购物消费券运营风险监控方法，其特征在于，所述将所述时序信息输入至客户分级模型中，得到所述客户分级模型输出的用户分级结果，包括：
5.根据权利要求4所述的银行购物消费券运营风险监控方法，其特征在于，所述基于所述客户分级模型对所述数据提供端和所述数据需求端的客户数据进行处理，得到所...
【专利技术属性】
技术研发人员：王珺，吕运，彭绍煜，
申请(专利权)人：深圳市微云信众技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。