[发明专利]检测黑名单的方法、装置、设备、介质和程序产品

说明书

本公开提供了一种检测黑名单的方法，可用于金融领域和信息安全领域。具体实现方案为：获取待处理信息；采用语义分析模型解析待处理信息，得到针对待处理信息的多个结构化数据；以及采用预设黑名单检索引擎，确定多个结构化数据中的黑名单数据。本公开还提供了一种检测黑名单的装置、设备、介质和程序产品。

技术领域

本公开涉及信息处理技术领域，具体涉及金融领域和信息安全领域，更具体地涉及一种检测黑名单的方法、装置、设备、介质和程序产品。

背景技术

在金融业务办理过程中，金融机构需要对办理业务过程中所生成的业务信息进行黑名单检测，以对业务风险进行防控。

相关技术中，通常采用采购的专业黑名单检查系统和黑名单库对业务信息进行黑名单检测。采用相关技术中的方法往往会导致较多误命中的情况，尤其对于跨境办理的金融业务，涉及的业务对象众多，误命中概率会明显增大。误命中的业务信息通常需要人工确认，在金融业务的环节较多时，会带来较大的人工成本。

发明内容

鉴于上述问题，本公开提供了用于降低误命中概率的检测黑名单的方法、装置、设备、介质和程序产品。

根据本公开的第一个方面，提供了一种检查黑名单的方法，包括：获取待处理信息；采用语义分析模型解析待处理信息，得到针对待处理信息的多个结构化数据；以及采用预设黑名单检索引擎，确定多个结构化数据中的黑名单数据。

根据本公开的实施例，上述待处理信息包括多条信息；采用语义分析模型解析待处理信息包括：识别待处理信息，以确定待处理信息中具有预定标识的至少一条信息，作为待解析信息；以及采用语义分析模型解析待解析信息中的每条信息，得到表征每条信息的结构化数据。

根据本公开的实施例，上述检测黑名单的方法还包括在确定多个结构化数据中的黑名单数据之后：根据预设规则确定黑名单数据中的误中数据。

根据本公开的实施例，上述根据预设规则确定黑名单数据中的误中数据包括：确定黑名单数据中属于预设白名单的数据为误中数据。

根据本公开的实施例，待处理信息包括处理业务所生成的信息；上述根据预设规则确定黑名单数据中的误中数据包括：确定黑名单数据中满足预设误中规则的数据为误中数据，预设误中规则包括以下至少之一：黑名单数据与已确认误中的第一数据相同，第一数据与黑名单数据为处理同一业务所生成的数据；在黑名单数据指示业务对象，且黑名单数据指示的业务对象的类型与业务所针对的业务对象类型不一致；黑名单数据为预设信息的部分信息；黑名单数据中包括非结构化的数据；或者黑名单数据为预设类型的数据。

根据本公开的实施例，上述根据预设规则确定黑名单数据中的误中数据包括：采用预设机器学习模型，确定黑名单数据中每个黑名单数据属于误中数据的概率；以及根据每个黑名单数据属于误中数据的概率与预设阈值，确定每个黑名单数据是否属于误中信息。

根据本公开的实施例，确定针对每个黑名单数据是否属于误中信息包括：在每个黑名单数据属于误中数据的概率大于等于第一预设阈值的情况下，确定每个黑名单数据属于误中数据。

根据本公开的实施例，确定针对每个黑名单数据是否属于误中信息还包括：在每个黑名单数据属于误中数据的概率小于第一预设阈值，且大于等于第二预设阈值的情况下，确定每个黑名单数据属于可疑误中数据；在每个黑名单数据属于误中数据的概率小于第二预设阈值的情况下，确定每个黑名单数据属于命中数据。

根据本公开的实施例，上述预设机器学习模型包括不同类型的至少两个模型，确定黑名单数据中每个黑名单数据属于误中数据的概率包括：根据每个黑名单数据，确定至少两个模型中每个模型的输入数据；以输入数据输入每个模型，输出针对每个黑名单数据的输出信息，以得到针对每个黑名单数据的至少两个输出信息；以及根据针对每个黑名单数据的至少两个输出信息，确定每个黑名单数据属于误中数据的概率。