[发明专利]一种预付费交易场景下的异常行为监测方法及装置

说明书

本申请提供一种预付费交易场景下的异常行为监测方法及装置，涉及大数据领域，可以用于金融领域，所述方法包括：获取被监管账户设定时段的真实交易数据；根据设定周期的历史交易数据，利用预先构建的异常行为监测模型预测所述设定时段的预测交易数据；根据预先设定的异常行为阈值、所述预测交易数据及所述真实交易数据对所述被监管账户进行异常行为监测。本申请能够通过构建异常行为监测模型，根据被监管账户的真实交易数据对被监管账户进行异常行为监测。

技术领域

本申请涉及大数据及人工智能领域，可以用于金融领域，具体是一种预付费交易场景下的异常行为监测方法及装置。

背景技术

目前，国家对预付费交易场景的经营及资金流向实施全链路全方位的监管，从而尽量规避或降低经营风险及资金风险，对项目开办、申请资金划拨、资金划拨执行以及消费者付费等一系列预定流程进行人工管控。

现有传统的监管方式由于规则及流程相对固化，容易让流程中的参与者看破监管方式，从而利用系统漏洞进行信息数据造假，躲避正常监管流程，达到资金套取，提前划拨，随意划拨等一系列监管中不允许的目的。

诸如此类的问题皆因受现有监管流程及监管系统功能的限制而无法被提前发现，业务上不合规操作所带来的风险也无法及时被识别出来。虽然，这些问题也可以通过事后审计追责进行处理，但是时效性太差，很多已成既定事实，因此需要有更先进的手段在事中就对业务风险及资金风险进行管控，避免异常业务行为的发生。

发明内容

针对现有技术中的问题，本申请提供一种预付费交易场景下的异常行为监测方法及装置，能够通过构建异常行为监测模型，根据被监管账户的真实交易数据对被监管账户进行异常行为监测。

为解决上述技术问题，本申请提供以下技术方案：

第一方面，本申请提供一种预付费交易场景下的异常行为监测方法，包括：

获取被监管账户设定时段的真实交易数据；

根据设定周期的历史交易数据，利用预先构建的异常行为监测模型预测所述设定时段的预测交易数据；

根据预先设定的异常行为阈值、所述预测交易数据及所述真实交易数据对所述被监管账户进行异常行为监测。

进一步地，预先构建异常行为监测模型的步骤，包括：

根据所述被监管账户的账户基本信息及用于模型训练的历史交易数据构建异常行为监测模型。

进一步地，所述用于模型训练的历史交易数据包括历史交易维度特征，所述根据所述被监管账户的账户基本信息及用于模型训练的历史交易数据构建异常行为监测模型，包括：

获取所述账户基本信息及所述历史交易维度特征；其中，所述历史交易维度特征至少包括时间维度特征及金额维度特征；

将所述账户基本信息及所述历史交易维度特征输入梯度提升决策树模型，得到所述异常行为监测模型。

进一步地，所述用于模型训练的历史交易数据包括历史交易统计特征，所述根据所述被监管账户的账户基本信息及用于模型训练的历史交易数据构建异常行为监测模型，包括：

获取所述账户基本信息及所述历史交易统计特征；其中，所述历史交易统计特征至少包括历史交易维度特征的平均值、最大值、最小值及中位数；

将所述账户基本信息及所述历史交易统计特征输入梯度提升决策树模型，得到所述异常行为监测模型。

进一步地，所述预测交易数据包括拟合维度特征，所述根据设定周期的历史交易数据，利用预先构建的异常行为监测模型预测所述设定时段的预测交易数据，包括：

根据设定周期的历史交易维度特征，利用所述异常行为监测模型确定所述设定周期的拟合维度特征。