账户风险行为的分析方法及其装置、电子设备及存储介质与流程

本发明涉及信息安全领域，具体而言，涉及一种账户风险行为的分析方法及其装置、电子设备及存储介质。

背景技术：

1、当前，金融机构面对客户账户可疑行为，无法单独依据金融行为维度及时进行账户行为限制等应急处理，而是需要等待指令才能进一步处理，往往存在较大时间差带来的风险时间敞口。

2、相关技术中，针对金融机构客户账户风险行为，主要采用金融大数据分析筛选及人工判断后处理，或者依据指令采取进一步账户行为限制处理，在处理效率、准确性、时效性等方面存在不足。

3、相关技术中的对融机构客户账户风险行为处理的方式具体存在如下不足：(1)效率低，风险行为筛选判断往往需要要人工介入判断，效率较低；(2)准确性不足，基于金融机构账户数据等金融单维度数据分析准确性不足，往往存在漏查、误判等情况；(3)时效性不足，依赖指令情况下，往往风险行为产生到采取处置措施时间差较大，从而放大了风险敞口。

4、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种账户风险行为的分析方法及其装置、电子设备及存储介质，以至少解决相关技术中无法及时、准确地分析客户账户存在的风险行为的技术问题。

2、根据本发明实施例的一个方面，提供了一种账户风险行为的分析方法，包括：接收风险账户筛查请求，其中，所述风险账户筛查请求至少包括：金融机构账户数据、各参与机构的运行参数；将所述金融机构账户数据输入至预先构建的预测模型，得到待筛查账户集合，其中，所述待筛查账户集合中的每个客户账户对应有第一类风险状态；基于所述各参与机构的运行参数，分别调用所述各参与机构的数据获取节点，得到与所述各参与机构对应的参与机构数据；将所述参与机构数据拆分至每个数据计算节点，其中，所述数据计算节点接收每个所述参与机构数据拆分的数据分片，并基于所有所述数据分片确定每个所述客户账户的第二类风险状态；基于所述第一类风险状态以及所述第二类风险状态，分析每个所述客户账户的目标风险状态。

3、可选地，还包括：获取历史时间段内的历史金融机构账户数据，其中，所述历史金融机构账户数据至少包括：历史客户账户行为数据、历史客户关系账户行为数据、历史账户行为评价结果；清洗所述历史金融机构账户数据，得到清洗后的所述历史金融机构账户数据；基于清洗后的所述历史金融机构账户数据，构建所述预测模型。

4、可选地，基于清洗后的所述历史金融机构账户数据，构建所述预测模型的步骤，包括：基于所述历史客户账户行为数据，构建客户账户行为特征，并基于所述历史客户关系账户行为数据，构建客户关系账户行为特征；依据所述历史账户行为评价结果，对所述客户账户行为特征以及所述客户关系账户行为特征进行标注，得到标注数据集，其中，所述标注数据集包括：第一标注数据、第二标注数据、第三标注数据；抽样所述标注数据集，得到多类标注数据，并依据预设比例，将每类标注数据分为训练集和验证集，其中，每类所述标注数据都包括：部分第一标注数据、部分第二标注数据、部分第三标注数据；对每类所述标注数据的所述训练集进行训练，得到初始子预测模型；采用每类所述标注数据的所述验证集，验证所述初始子预测模型，得到验证结果，并基于所述验证结果，调整所述初始子预测模型中的模型参数，直至所述验证结果中的结果值位于预设阈值范围，得到子预测模型；基于所有所述子预测模型，构建所述预测模型。

5、可选地，将所述金融机构账户数据输入至预先构建的预测模型，得到待筛查账户集合的步骤，包括：采用每个所述子预测模型，对所述金融机构账户数据进行计算，得到预测结果值；对所有所述预测结果值进行加权平分计算，得到每个所述客户账户的第一类风险状态；将所述第一类风险状态为预设风险状态的客户账户加入所述待筛查账户集合。

6、可选地，基于所述各参与机构的运行参数，分别调用所述各参与机构的数据获取节点，得到与所述各参与机构对应的参与机构数据的步骤，包括：基于所述运行参数中的连接参数，启动所述数据获取节点；基于所述运行参数中的数据服务参数，采用所述数据获取节点获取所述参与机构的机构数据；依据所述待筛查账户集合中的所述客户账户，对所述机构数据进行筛选，得到所述参与机构数据。

7、可选地，在基于所述各参与机构的运行参数，分别调用所述各参与机构的数据获取节点，得到与所述各参与机构对应的参与机构数据之后，还包括：依据所述数据计算节点的节点数量，拆分所述参与机构数据，得到预设数量的数据分片，其中，所述预设数量与所述节点数量相等；将所述数据分片进行加密处理，得到加密数据分片；将每个所述参与机构数据的某一加密数据分片发送至所述数据计算节点。

8、可选地，所述参与机构分为：第一参与机构、第二参与机构、第三参与机构，基于所有所述数据分片确定每个所述客户账户的第二类风险状态的步骤，包括：将所述第一参与机构的第一参与机构数据与所述第二参与机构的第二参与机构数据进行交集处理，得到第一交集客户账户，并将所述第一交集客户账户中的每个客户账户的第一状态标记为第二风险状态，其中，所述第一参与机构数据至少包括：具有预设风险状态的客户账户及所述客户账户的风险状态，所述第二参与机构数据至少包括：具有预设风险状态的客户账户、所述客户账户的通讯号码及所述通讯号码的通讯状态；在所述客户账户的所有所述通讯号码的所述通讯状态为异常状态的情况下，将所述客户账户的所述第一状态更新为第三风险状态；将所述第一参与机构的第一参与机构数据与所述第三参与机构的第三参与机构数据进行交集处理，得到第二交集客户账户，并将所述第二交集客户账户中的每个客户账户的第二状态标记为第二风险状态，其中，所述第三参与机构数据至少包括：具有预设风险状态以及预设违规状态的客户账户；基于所述第一状态以及所述第二状态，确定每个所述客户账户的所述第二类风险状态。

9、可选地，基于所述第一状态以及所述第二状态，确定每个所述客户账户的所述第二类风险状态的步骤，包括：在所述客户账户的所述第一状态以及所述第二状态均为所述第二风险状态的情况下，将所述客户账户的所述第二类风险状态标记为第三风险状态；在所述客户账户的所述第一状态以及所述第二状态中的任一状态为所述第二风险状态，且另一状态为空的情况下，将所述客户账户的所述第二类风险状态标记为第二风险状态；在所述客户账户的所述第一状态以及所述第二状态均为空的情况下，将所述客户账户的所述第二类风险状态标记为第一风险状态。

10、可选地，基于所述第一类风险状态以及所述第二类风险状态，分析每个所述客户账户的目标风险状态的步骤，包括：在所述第一类风险状态为第三风险状态和/或所述第二类风险状态为第三风险状态的情况下，确定所述客户账户的所述目标风险状态为所述第三风险状态；在所述第一类风险状态为第二风险状态且所述第二类风险状态为第二风险状态的情况下，确定所述客户账户的所述目标风险状态为所述第二风险状态；在所述第一类风险状态为第二风险状态且所述第二类风险状态为第一风险状态的情况下，确定所述客户账户的所述目标风险状态为所述第一风险状态。

11、可选地，在基于所述第一类风险状态以及所述第二类风险状态，分析每个所述客户账户的目标风险状态之后，还包括：在所述客户账户的所述目标风险状态为所述第三风险状态的情况下，采用第一策略处置所述客户账户；在所述客户账户的所述目标风险状态为所述第二风险状态的情况下，采用第二策略处置所述客户账户，其中，所述第一策略与所述第二策略不同。

12、根据本发明实施例的另一方面，还提供了一种账户风险行为的分析装置，包括：接收单元，用于接收风险账户筛查请求，其中，所述风险账户筛查请求至少包括：金融机构账户数据、各参与机构的运行参数；输入单元，用于将所述金融机构账户数据输入至预先构建的预测模型，得到待筛查账户集合，其中，所述待筛查账户集合中的每个客户账户对应有第一类风险状态；调用单元，用于基于所述各参与机构的运行参数，分别调用所述各参与机构的数据获取节点，得到与所述各参与机构对应的参与机构数据；拆分单元，用于将所述参与机构数据拆分至每个数据计算节点，其中，所述数据计算节点接收每个所述参与机构数据拆分的数据分片，并基于所有所述数据分片确定每个所述客户账户的第二类风险状态；分析单元，用于基于所述第一类风险状态以及所述第二类风险状态，分析每个所述客户账户的目标风险状态。

13、可选地，所述分析装置还包括：第一获取模块，用于获取历史时间段内的历史金融机构账户数据，其中，所述历史金融机构账户数据至少包括：历史客户账户行为数据、历史客户关系账户行为数据、历史账户行为评价结果；第一清洗模块，用于清洗所述历史金融机构账户数据，得到清洗后的所述历史金融机构账户数据；第一构建模块，用于基于清洗后的所述历史金融机构账户数据，构建所述预测模型。

14、可选地，所述第一构建模块包括：第一构建子模块，用于基于所述历史客户账户行为数据，构建客户账户行为特征，并基于所述历史客户关系账户行为数据，构建客户关系账户行为特征；第一标注子模块，用于依据所述历史账户行为评价结果，对所述客户账户行为特征以及所述客户关系账户行为特征进行标注，得到标注数据集，其中，所述标注数据集包括：第一标注数据、第二标注数据、第三标注数据；第一抽样子模块，用于抽样所述标注数据集，得到多类标注数据，并依据预设比例，将每类标注数据分为训练集和验证集，其中，每类所述标注数据都包括：部分第一标注数据、部分第二标注数据、部分第三标注数据；第一训练子模块，用于对每类所述标注数据的所述训练集进行训练，得到初始子预测模型；第一验证子模块，用于采用每类所述标注数据的所述验证集，验证所述初始子预测模型，得到验证结果，并基于所述验证结果，调整所述初始子预测模型中的模型参数，直至所述验证结果中的结果值位于预设阈值范围，得到子预测模型；第二构建子模块，用于基于所有所述子预测模型，构建所述预测模型。

15、可选地，所述输入单元包括：第一计算模块，用于采用每个所述子预测模型，对所述金融机构账户数据进行计算，得到预测结果值；第二计算模块，用于对所有所述预测结果值进行加权平分计算，得到每个所述客户账户的第一类风险状态；第一加入模块，用于将所述第一类风险状态为预设风险状态的客户账户加入所述待筛查账户集合。

16、可选地，所述调用单元包括：第一启动模块，用于基于所述运行参数中的连接参数，启动所述数据获取节点；第二获取模块，用于基于所述运行参数中的数据服务参数，采用所述数据获取节点获取所述参与机构的机构数据；第一筛选模块，用于依据所述待筛查账户集合中的所述客户账户，对所述机构数据进行筛选，得到所述参与机构数据。

17、可选地，所述分析装置还包括：第一拆分模块，用于在基于所述各参与机构的运行参数，分别调用所述各参与机构的数据获取节点，得到与所述各参与机构对应的参与机构数据之后，依据所述数据计算节点的节点数量，拆分所述参与机构数据，得到预设数量的数据分片，其中，所述预设数量与所述节点数量相等；第一加密模块，用于将所述数据分片进行加密处理，得到加密数据分片；第一发送模块，用于将每个所述参与机构数据的某一加密数据分片发送至所述数据计算节点。

18、可选地，所述参与机构分为：第一参与机构、第二参与机构、第三参与机构，所述拆分单元包括：第一交集模块，用于将所述第一参与机构的第一参与机构数据与所述第二参与机构的第二参与机构数据进行交集处理，得到第一交集客户账户，并将所述第一交集客户账户中的每个客户账户的第一状态标记为第二风险状态，其中，所述第一参与机构数据至少包括：具有预设风险状态的客户账户及所述客户账户的风险状态，所述第二参与机构数据至少包括：具有预设风险状态的客户账户、所述客户账户的通讯号码及所述通讯号码的通讯状态；第一更新模块，用于在所述客户账户的所有所述通讯号码的所述通讯状态为异常状态的情况下，将所述客户账户的所述第一状态更新为第三风险状态；第二交集模块，用于将所述第一参与机构的第一参与机构数据与所述第三参与机构的第三参与机构数据进行交集处理，得到第二交集客户账户，并将所述第二交集客户账户中的每个客户账户的第二状态标记为第二风险状态，其中，所述第三参与机构数据至少包括：具有预设风险状态以及预设违规状态的客户账户；第一确定模块，用于基于所述第一状态以及所述第二状态，确定每个所述客户账户的所述第二类风险状态。

19、可选地，所述第一确定模块包括：第一标记子模块，用于在所述客户账户的所述第一状态以及所述第二状态均为所述第二风险状态的情况下，将所述客户账户的所述第二类风险状态标记为第三风险状态；第二标记子模块，用于在所述客户账户的所述第一状态以及所述第二状态中的任一状态为所述第二风险状态，且另一状态为空的情况下，将所述客户账户的所述第二类风险状态标记为第二风险状态；第三标记子模块，用于在所述客户账户的所述第一状态以及所述第二状态均为空的情况下，将所述客户账户的所述第二类风险状态标记为第一风险状态。

20、可选地，所述分析单元包括：第二确定模块，用于在所述第一类风险状态为第三风险状态和/或所述第二类风险状态为第三风险状态的情况下，确定所述客户账户的所述目标风险状态为所述第三风险状态；第三确定模块，用于在所述第一类风险状态为第二风险状态且所述第二类风险状态为第二风险状态的情况下，确定所述客户账户的所述目标风险状态为所述第二风险状态；第四确定模块，用于在所述第一类风险状态为第二风险状态且所述第二类风险状态为第一风险状态的情况下，确定所述客户账户的所述目标风险状态为所述第一风险状态。

21、可选地，所述分析装置还包括：第一处置模块，用于在基于所述第一类风险状态以及所述第二类风险状态，分析每个所述客户账户的目标风险状态之后，在所述客户账户的所述目标风险状态为所述第三风险状态的情况下，采用第一策略处置所述客户账户；第二处置模块，用于在所述客户账户的所述目标风险状态为所述第二风险状态的情况下，采用第二策略处置所述客户账户，其中，所述第一策略与所述第二策略不同。

22、根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述账户风险行为的分析方法。

23、根据本发明实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述账户风险行为的分析方法。

24、在本公开中，接收风险账户筛查请求，将金融机构账户数据输入至预先构建的预测模型，得到待筛查账户集合，基于各参与机构的运行参数，分别调用各参与机构的数据获取节点，得到与各参与机构对应的参与机构数据，将参与机构数据拆分至每个数据计算节点，其中，数据计算节点接收每个参与机构数据拆分的数据分片，并基于所有数据分片确定每个客户账户的第二类风险状态，基于第一类风险状态以及第二类风险状态，分析每个客户账户的目标风险状态。在本公开中，可以先通过预先构建的预测模型确定客户账户的第一类风险状态，筛选出待筛查账户集合，然后通过各参与机构的运行参数，分别调用各参与机构的数据获取节点，得到与各参与机构对应的参与机构数据，再通过各参与机构的协同计算，确定客户账户的第二类风险状态，之后根据第一类风险状态以及第二类风险状态，分析客户账户的目标风险状态，能够及时、高效、准确地分析出客户账户存在的风险行为，以及时采取相应处置措施，进而解决了相关技术中无法及时、准确地分析客户账户存在的风险行为的技术问题。