一种基于深度神经网络的银行审计方法和系统与流程

本发明涉及深度神经网络，尤其涉及一种基于深度神经网络的银行审计方法和系统。

背景技术：

1、传统的银行审计方法通常需要大量的人力和时间，同时还可能存在漏洞和错误。而随着银行业务的不断发展和市场的不断变化，审计人员需要更快、更准确地检测潜在的欺诈行为和异常活动。因此，银行业需要利用现代科技工具和技术来提高审计的准确性和效率，以满足越来越复杂和高速的金融市场的需求。

技术实现思路

1、本发明为解决上述技术问题，提出了一种基于深度神经网络的银行审计方法和系统，以解决至少一个上述技术问题。

2、本申请提供了一种基于深度神经网络的银行审计方法，包括以下步骤：

3、步骤s1：获取银行账户交易数据，并对银行账户交易数据进行预处理，得到银行账户交易预处理数据；

4、步骤s2：对银行账号交易预处理数据进行特征提取，得到银行账户交易特征数据，并对银行账户交易特征数据进行审计异常模型构建，得到审计异常模型；

5、步骤s3：对审计异常模型进行异常分类层添加，得到审计多重异常处理模型，并根据审计多重异常处理模型进行异常处理，得到审计多重异常数据；

6、步骤s4：根据审计多重异常数据进行概率汇总，得到异常概率汇总数据，以进行异常预警作业。

7、本发明中预处理步骤可以有效减少数据中的噪音和错误，提高模型的准确性和稳定性。通过特征提取步骤，提取出能够反映交易行为的重要特征，增强模型的表达能力。使用深度神经网络建模，可以有效捕捉复杂的时间序列模式和异常行为，提高异常检测的准确性。通过添加异常分类层，可以检测并分类多种类型的异常行为，提升异常检测的全面性和精细度。多重异常处理步骤可以自动化处理不同类型的异常，提高审计处理效率和一致性。通过概率汇总，可以综合评估不同类型异常的整体风险，提供全面的异常预警。预警系统可以及时识别高风险异常行为，并触发相应的预警和响应机制，减少潜在的损失和风险。

8、可选地，本申请还提供了一种基于深度神经网络的银行审计系统，用于执行如上所述的基于深度神经网络的银行审计方法，该基于深度神经网络的银行审计系统包括：

9、银行账户交易预处理模块，用于获取银行账户交易数据，并对银行账户交易数据进行预处理，得到银行账户交易预处理数据；

10、审计异常模型构建模块，用于对银行账号交易预处理数据进行特征提取，得到银行账户交易特征数据，并对银行账户交易特征数据进行审计异常模型构建，得到审计异常模型；

11、审计多重异常处理模块，用于对审计异常模型进行异常分类层添加，得到审计多重异常处理模型，并根据审计多重异常处理模型进行异常处理，得到审计多重异常数据；

12、异常预警作业模块，用于根据审计多重异常数据进行概率汇总，得到异常概率汇总数据，以进行异常预警作业。

13、本发明的目的在于通过数据清洗和预处理，确保交易数据的完整性和一致性，为后续分析和建模提供高质量的数据基础。通过文本预处理、词嵌入和图嵌入等多层次特征提取，全面捕捉交易数据中的复杂模式和关联信息，提升模型的表达能力和检测精度。lstm模型能够有效捕捉交易数据中的时间序列模式，识别潜在的异常行为。通过添加dropout层和参数优化，防止模型过拟合，提高模型的稳定性和泛化能力，增强异常检测的准确性。通过多种方式生成的分类层数据，可以检测和分类多种类型的异常行为，提高异常检测的精细度。多层次、多方式的特征提取和整合，提高模型的鲁棒性和稳定性，减少误报和漏报，提高检测效果。通过极值提取、梯度计算和加权计算，全面评估交易的异常风险，提高检测的精度。通过实时的概率汇总和预警作业，及时识别和响应高风险异常行为，减少潜在的损失和风险。多种方法的汇总和整合，提高异常检测的鲁棒性和稳定性，减少单一方法的局限性和误报率。

技术特征：

1.一种基于深度神经网络的银行审计方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，步骤s1具体为：

3.根据权利要求2所述的方法，其特征在于，步骤s2具体为：

4.根据权利要求1所述的方法，其特征在于，步骤s3具体为：

5.根据权利要求1所述的方法，其特征在于，步骤s4具体为：

6.根据权利要求3所述的方法，其特征在于，其中银行账户交易分类数据包括第一银行账户交易分类数据以及第二银行账户交易分类数据，步骤s12具体为：

7.根据权利要求6所述的方法，其特征在于，步骤s22具体为：

8.根据权利要求4所述的方法，其特征在于，步骤s31具体为：

9.根据权利要求5所述的方法，其特征在于，步骤s41具体为：

10.一种基于深度神经网络的银行审计系统，其特征在于，用于执行如权利要求1所述的基于深度神经网络的银行审计方法，该基于深度神经网络的银行审计系统包括：

技术总结
本发明涉及深度神经网络技术领域，尤其涉及一种基于深度神经网络的银行审计方法和系统。该方法包括以下步骤：获取银行账户交易数据，并对银行账户交易数据进行预处理，得到银行账户交易预处理数据；对银行账号交易预处理数据进行特征提取，得到银行账户交易特征数据，并对银行账户交易特征数据进行审计异常模型构建，得到审计异常模型；对审计异常模型进行异常分类层添加，得到审计多重异常处理模型，并根据审计多重异常处理模型进行异常处理，得到审计多重异常数据；根据审计多重异常数据进行概率汇总，得到异常概率汇总数据，以进行异常预警作业。本发明显著提升了银行审计的智能化和自动化水平，提高了异常检测的准确性和效率。

技术研发人员：文博,张德文,杨凯,周可彬,刘甜
受保护的技术使用者：湖南三湘银行股份有限公司
技术研发日：
技术公布日：2024/7/11