异常交易行为监测方法、装置、设备及存储介质与流程

本发明涉及数据处理，尤其涉及一种异常交易行为监测方法、装置、设备及存储介质。

背景技术：

1、银行在进行客户的异常交易行为监测时，通常通过在月底通过简单的筛选规则筛选出潜在风险的客户，然后通过人工甄别的方式最终判断并对筛选出的客户进行风险监管。

2、这种方式较为主观，且在金融犯罪日新月异的今天，这些客户可能会刻意规避筛选规则从而逃避监管，因而现有的通过单一规则或者几条规则筛选的方法很难有效筛选出目标对象；其次，这种事后的且需要人工参与的筛选方式无法实现实时在线监测，不能在第一时间警示或阻止。

技术实现思路

1、针对现有技术存在的问题，本发明提供一种异常交易行为监测方法、装置、设备及存储介质。

2、本发明提供一种异常交易行为监测方法，包括：

3、获取业务交易系统上传的客户信息数据；

4、将所述客户信息数据输入异常交易行为监测模型，获得所述异常交易行为监测模型输出的异常交易行为监测结果；

5、其中，所述异常交易行为监测模型是基于在元宇宙中生成的所述业务交易系统上传的客户信息样本数据对应的孪生数据，对初始深度学习模型训练得到的。

6、根据本发明提供的异常交易行为监测方法，所述获得所述异常交易行为监测模型输出的异常交易行为监测结果之后，包括：

7、确定所述异常交易行为监测结果中包括目标异常交易行为监测标签，所述目标异常交易行为监测标签表征所述客户信息数据匹配的目标客户需要进行异常交易行为监测；

8、基于所述目标异常交易行为监测标签更新所述目标客户在所述元宇宙中的虚拟身份的状态。

9、根据本发明提供的异常交易行为监测方法，所述确定所述异常交易行为监测结果中包括目标异常交易行为监测标签之后，还包括：

10、在所述业务交易系统中的异常交易行为监管人员的终端上显示所述目标客户匹配的客户信息数据；

11、在所述目标客户的终端上显示异常交易行为预警信息。

12、根据本发明提供的异常交易行为监测方法，所述异常交易行为监测模型通过以下步骤训练得到：

13、获取所述业务交易系统上传的客户信息样本数据；

14、对所述客户信息样本数据进行特征筛选，在元宇宙中生成筛选后的客户信息样本数据对应的孪生数据；

15、对所述孪生数据标记对应的异常交易行为监测标签，构建得到样本集；

16、通过所述样本集，对初始深度学习模型进行训练，得到异常交易行为监测模型。

17、根据本发明提供的异常交易行为监测方法，所述对所述客户信息样本数据进行特征筛选之前，还包括：

18、对所述客户信息样本数据进行数据归一化，以将所述客户信息样本数据中每个维度的特征数据转化为无量纲数据。

19、根据本发明提供的异常交易行为监测方法，所述客户信息数据包括客户基本信息以及客户交易信息。

20、本发明还提供一种异常交易行为监测装置，包括：

21、获取模块，用于获取业务交易系统上传的客户信息数据；

22、监测模块，用于将所述客户信息数据输入异常交易行为监测模型，获得所述异常交易行为监测模型输出的异常交易行为监测结果；

23、其中，所述异常交易行为监测模型是基于在元宇宙中生成的所述业务交易系统上传的客户信息样本数据对应的孪生数据，对初始深度学习模型训练得到的。

24、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述异常交易行为监测方法。

25、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述异常交易行为监测方法。

26、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述异常交易行为监测方法。

27、本发明提供的异常交易行为监测方法、装置、设备及存储介质，通过获取业务交易系统上传的客户信息数据；将客户信息数据输入异常交易行为监测模型，获得异常交易行为监测模型输出的异常交易行为监测结果，其中，异常交易行为监测模型是基于在元宇宙中生成的业务交易系统上传的客户信息样本数据对应的孪生数据，对初始深度学习模型训练得到的，如此通过深度学习与数字孪生结合起来，根据客户信息数据对客户的异常交易行为进行实时干预，提高了异常交易行为监测自动化程度和效率。

技术特征：

1.一种异常交易行为监测方法，其特征在于，包括：

2.根据权利要求1所述的异常交易行为监测方法，其特征在于，所述获得所述异常交易行为监测模型输出的异常交易行为监测结果之后，包括：

3.根据权利要求2所述的异常交易行为监测方法，其特征在于，所述确定所述异常交易行为监测结果中包括目标异常交易行为监测标签之后，还包括：

4.根据权利要求1所述的异常交易行为监测方法，其特征在于，所述异常交易行为监测模型通过以下步骤训练得到：

5.根据权利要求4所述的异常交易行为监测方法，其特征在于，所述对所述客户信息样本数据进行特征筛选之前，还包括：

6.根据权利要求1至3任一项所述的异常交易行为监测方法，其特征在于，所述客户信息数据包括客户基本信息以及客户交易信息。

7.一种异常交易行为监测装置，其特征在于，包括：

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述异常交易行为监测方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述异常交易行为监测方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述异常交易行为监测方法。

技术总结
本发明提供一种异常交易行为监测方法、装置、设备及存储介质，该方法包括：获取业务交易系统上传的客户信息数据；将客户信息数据输入异常交易行为监测模型，获得异常交易行为监测模型输出的异常交易行为监测结果，其中，异常交易行为监测模型是基于在元宇宙中生成的业务交易系统上传的客户信息样本数据对应的孪生数据，对初始深度学习模型训练得到的，通过深度学习与数字孪生结合起来，根据客户信息数据对客户的异常交易行为进行实时干预，提高了异常交易行为监测自动化程度和效率。

技术研发人员：张燕灵
受保护的技术使用者：中银金融科技有限公司
技术研发日：
技术公布日：2024/1/15