用于金融账户的风险监测识别方法及系统与流程

本技术涉及但不限于数据处理，尤其涉及一种用于金融账户的风险监测识别方法及系统。

背景技术：

1、随着金融科技的快速发展，金融账户的安全性和风险控制已成为业界关注的重要问题。金融账户中存储着大量的资金和信息，一旦账户被非法侵入或发生异常交易，将对用户和企业造成巨大的经济损失。因此，如何有效地监测和识别金融账户的风险，成为了当前亟待解决的问题。传统的金融账户风险监测方法主要依赖于人工审核和简单的规则判断，这种方式不仅效率低下，而且容易出现漏判和误判。近年来，随着大数据和人工智能技术的不断发展，利用机器学习算法对金融账户进行风险监测和识别已成为新的研究热点。然而，现有的基于机器学习的风险监测方法仍存在一定的局限性。一方面，由于金融账户数据的复杂性和多样性，单一的风险监测模型往往难以全面覆盖各种风险场景。另一方面，现有的风险监测方法在处理高维数据和复杂特征时，往往面临着计算量大、效率低下的问题。此外，随着金融市场的不断创新和发展，金融账户面临的风险也在不断变化。这就要求风险监测系统能够具备强大的自适应能力和实时性，以便及时应对新出现的风险。

技术实现思路

1、有鉴于此，本技术实施例至少提供一种用于金融账户的风险监测识别方法及系统。本技术实施例的技术方案是这样实现的：

2、一方面，本技术实施例提供一种一种用于金融账户的风险监测识别方法，所述方法包括：

3、获取事前调试的账户风险分类算法；所述事前调试的账户风险分类算法包括一个或多个异常检测分支结构；每个所述异常检测分支结构分别与一账户特征通道对应，所述异常检测分支结构为依据账户行为数据样本库中的账户行为数据样本在所述异常检测分支结构对应的账户特征通道下的行为数据表征信息，对所述账户行为数据样本库进行分类得到的二分搜索分支结构；

4、基于拟分析账户行为数据的行为数据表征信息，确定所述拟分析账户行为数据在各所述异常检测分支结构中对应的遍历路线，所述遍历路线在所述异常检测分支结构中朝向的行为数据表征信息与所述拟分析账户行为数据的行为数据表征信息在相同的所述账户特征通道上对应；

5、基于各所述遍历路线的节点数量，确定所述拟分析账户行为数据是否为风险账户数据。

6、在一些实施例中，所述基于各所述遍历路线的节点数量，确定所述拟分析账户行为数据是否为风险账户数据，包括：

7、获取各所述异常检测分支结构对应的节点数量均值；

8、基于各所述遍历路线的节点数量和各所述异常检测分支结构对应的节点数量均值，确定所述拟分析账户行为数据对应的归一化节点数量；

9、基于所述归一化节点数量，确定所述拟分析账户行为数据是否为风险账户数据。

10、在一些实施例中，所述基于所述归一化节点数量，确定所述拟分析账户行为数据是否为风险账户数据，包括：

11、依据事先设置的转换策略，将所述归一化节点数量转换成账户风险指标；

12、基于所述账户风险指标，确定所述拟分析账户行为数据是否为风险账户数据。

13、在一些实施例中，所述依据事先设置的转换策略，将所述归一化节点数量转换成账户风险指标，包括以下方式中的一种：

14、方式一：获取事先设定的线性转换参变量，所述线性转换参变量包括斜率和截距；基于所述斜率和截距对所述归一化节点数量进行转换，得到所述账户风险指标；

15、方式二：将所述归一化节点数量范围分割为多个风险区间，每个所述风险区间对应不同的风险等级；为每个所述风险区间分别对应的账户风险指标值；根据所述拟分析账户行为数据的归一化节点数量所落入的风险区间，赋予相应的风险指标值；

16、方式三：获取挤压函数作为转换函数，挤压函数为：

17、，

18、其中，g为归一化节点数量对应的账户风险指标；a为斜率参数，用于控制曲线的陡峭程度；c为中点偏移参数，影响函数曲线的位置；k为归一化节点数量；a和c的数值为事先设定；

19、所述基于所述账户风险指标，确定所述拟分析账户行为数据是否为风险账户数据，包括：

20、当所述账户风险指标与事先设置的第一指标参考值之间的误差小于事先设置的第一误差阈值时，确定所述拟分析账户行为数据的账户风险分类结果为风险账户数据；

21、当所述账户风险指标与事先设置的第二指标参考值之间的误差大于事先设置的第二误差阈值时，确定所述拟分析账户行为数据的账户风险分类结果为非风险账户数据。

22、在一些实施例中，所述方法还包括：

23、获取拟分析账户行为数据库中各拟分析账户行为数据对应的账户风险指标；

24、在所述各拟分析账户行为数据对应的账户风险指标与所述事先设置的第二指标参考值之间的误差小于事先设置的第三误差阈值时，确定所述拟分析账户行为数据库对应的账户风险分类结果为所述拟分析账户行为数据库中没有风险账户数据。

25、在一些实施例中，所述获取事前调试的账户风险分类算法，包括：

26、基于所述账户行为数据样本库，确定各所述账户特征通道对应的账户行为数据样本组成集合；

27、对于各所述账户特征通道中的任意一个账户特征通道，对所述账户特征通道对应的账户行为数据样本组成集合在所述账户特征通道下的行为数据表征信息进行分类，获得所述账户特征通道对应的异常检测分支结构；

28、基于各所述账户特征通道对应的异常检测分支结构，生成所述事前调试的账户风险分类算法。

29、在一些实施例中，所述对所述账户特征通道对应的账户行为数据样本组成集合在所述账户特征通道下的行为数据表征信息进行分类，获得所述账户特征通道对应的异常检测分支结构，包括：

30、获取所述账户特征通道下的行为数据表征信息中的表征结果极值；

31、基于所述表征结果极值，确定对于所述账户特征通道的分类参变量；

32、基于所述分类参变量，按层次确定对于所述账户特征通道对应的账户行为数据样本组成集合的风险类型支线，所述风险类型支线被配置为对所述账户特征通道下的行为数据表征信息进行分类；

33、基于对于所述账户特征通道的风险类型支线，生成所述账户特征通道对应的异常检测分支结构。

34、在一些实施例中，所述基于所述分类参变量，按层次确定对于所述账户特征通道对应的账户行为数据样本组成集合的风险类型支线，包括：

35、对所述分类参变量和所述账户特征通道下的行为数据表征信息进行比较，确定对于所述账户特征通道对应的账户行为数据样本组成集合的当下风险类型支线；

36、获取所述当下风险类型支线对应的分类参变量，对比所述当下风险类型支线对应的分类参变量和所述当下风险类型支线下的账户行为数据样本的行为数据表征信息，获得下一风险类型支线；

37、将所述下一风险类型支线确定为新的所述当下风险类型支线，跳转到所述获取所述当下风险类型支线对应的分类参变量的步骤进行循环迭代，直到所述当下风险类型支线仅具有一种所述行为数据表征信息，获得对于所述账户特征通道对应的账户行为数据样本组成集合的风险类型支线。

38、第二方面，本技术提供一种用于金融账户的风险监测识别方法，所述方法包括：

39、获取事前调试的账户风险分类算法；所述事前调试的账户风险分类算法包括一个或多个异常检测分支结构；每个所述异常检测分支结构分别与一用户特征通道对应，所述异常检测分支结构为依据用户标签训练样本集合中的用户标签训练样本在所述异常检测分支结构对应的用户特征通道下的用户表征信息，对所述用户标签训练样本集合进行分类获得的二分搜索分支结构；

40、基于拟分析用户标签的用户表征信息，确定所述拟分析用户标签在各所述异常检测分支结构中对应的遍历路线；所述遍历路线在所述异常检测分支结构中朝向的用户表征信息与所述拟分析用户标签的用户表征信息在相同所述用户特征通道上对应；

41、基于各所述遍历路线的节点数量，得到确定所述拟分析用户标签对应的用户是否为风险用户的用户检测信息。

42、第三方面，本技术提供一种计算机系统，包括存储器和处理器，所述存储器存储有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以上所述方法中的步骤。

43、本技术的有益效果至少包括：

44、本技术提供一种用于金融账户的风险监测识别方法及系统，基于获取事前调试的账户风险分类算法，以获得预先生成并调试好的账户风险分类算法，事前调试的账户风险分类算法包括一个或多个异常检测分支结构；每个异常检测分支结构分别与一账户特征通道对应，异常检测分支结构为依据账户行为数据样本库中的账户行为数据样本在异常检测分支结构对应的账户特征通道下的行为数据表征信息，对账户行为数据样本库进行分类获得的二分搜索分支结构；基于拟分析账户行为数据的行为数据表征信息，确定拟分析账户行为数据在各异常检测分支结构中对应的遍历路线，以依据事前调试的账户风险分类算法的结构，确定拟分析账户行为数据在分类算法中的各异常检测分支结构对应的账户特征通道下的行为数据表征信息对应的精准遍历路线；遍历路线在异常检测分支结构中朝向的行为数据表征信息与拟分析账户行为数据的行为数据表征信息在相同账户特征通道上对应；基于各遍历路线的节点数量，确定拟分析账户行为数据是否为风险账户数据，可以基于事前调试的账户风险分类算法中的各异常检测分支结构，对拟分析账户行为数据在各异常检测分支结构对应的账户特征通道下的行为数据表征信息进行分析，确定拟分析账户行为数据对于各异常检测分支结构的遍历路线，以及基于遍历路线的节点数量，对拟分析账户行为数据进行准确检测，确定拟分析账户行为数据是否为风险账户数据，完成结合各异常检测分支结构对应的账户特征通道，对拟分析账户行为数据的行为数据表征信息进行综合解析，获得拟分析账户行为数据对于各异常检测分支结构的遍历路线，以依据各账户特征通道下遍历路线的节点数量，精准地确定对于拟分析账户行为数据是否为风险账户数据，对风险账户数据进行精确检测，增加风险账户数据的检测速度。

45、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本技术的技术方案。