[发明专利]操作风险识别方法及装置

权利要求书

1.一种操作风险识别方法，其特征在于，所述方法包含：

获取历史风险事件数据，按预设数据类型提取所述历史风险事件数据中每一风险事件的关联特征；

通过广义回归神经网络对根据所述关联特征进行特征拟合获得所述风险事件的行为特征；

获取待分析的操作行为，将所述操作行为与所述行为特征匹配获得匹配结果；

根据所述匹配结果获得待分析的操作行为的操作风险。

2.根据权利要求1所述的操作风险识别方法，其特征在于，通过广义回归神经网络对根据所述关联特征进行特征拟合获得所述风险事件的行为特征还包含：

通过DBSCAN算法对所述关联特征进行密度聚类，根据聚类结果对不同分区分别应用由高到低的平滑函数获得函数曲线；

根据所述函数曲线上点到原始数据点之间的平均点距离获得评估值；

根据所述评估值获得所述行为特征的评估效果。

3.根据权利要求1所述的操作风险识别方法，其特征在于，获取待分析的操作行为包含：

识别所述待分析的操作行为，当所述待分析的操作行为中存在缺失值时，通过贝叶斯估计中的多重填补对所述缺失值进行补全。

4.根据权利要求3所述的操作风险识别方法，其特征在于，通过贝叶斯估计中的多重填补对所述缺失值进行补全包含：

针对所述待分析的操作行为中各个缺失值分别生成补充值数据集合；

通过评分函数分析各个补充值数据集合，获得所述补充值数据集合中各个补充值数据的评分；

根据所述评分于所述缺失值数据集合调取补全值，通过所述补全值对所述缺失值进行补全。

5.根据权利要求1所述的操作风险识别方法，其特征在于，获取待分析的操作行为，将所述操作行为与所述行为特征匹配获得匹配结果包含：

根据待分析的操作行为记录获取用户的关联信息，根据所述关联信息生成用户画像；

根据所述用户画像筛选所述行为特征，将所述待分析的操作行为记录中的操作行为与筛选后的所述行为特征匹配获得匹配结果。

6.根据权利要求1至5中任一项所述的操作风险识别方法，其特征在于，所述预设数据类型包含风险事件类型、等级、行为、事件和操作人。

7.根据权利要求1至5中任一项所述的操作风险识别方法，其特征在于，所述风险事件数据包含时间信息、风险相关人员信息、时间内容信息、代价信息、概率信息和风险等级信息。

8.一种操作风险识别装置，其特征在于，所述装置包含：数据采集模块、特征提取模块、匹配模块和分析模块；

所述数据采集模块用于获取历史风险事件数据，按预设数据类型提取所述历史风险事件数据中每一风险事件的关联特征；

所述特征提取模块用于通过广义回归神经网络对根据所述关联特征进行特征拟合获得所述风险事件的行为特征；

所述匹配模块用于获取待分析的操作行为，将所述操作行为与所述行为特征匹配获得匹配结果；

所述分析模块用于根据所述匹配结果获得待分析的操作行为的操作风险。

9.根据权利要求8所述的操作风险识别装置，其特征在于，所述特征提取模块还包含优化单元，所述优化单元用于通过DBSCAN算法对所述关联特征进行密度聚类，根据聚类结果对不同分区分别应用由高到低的平滑函数获得函数曲线；根据所述函数曲线上点到原始数据点之间的平均点距离获得评估值；根据所述评估值获得所述行为特征的评估效果。

10.根据权利要求8所述的操作风险识别装置，其特征在于，所述匹配模块包含：补全单元，所述补全单元用于识别所述待分析的操作行为，当所述待分析的操作行为中存在缺失值时，通过贝叶斯估计中的多重填补对所述缺失值进行补全。

11.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一所述方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有由计算机执行权利要求1至7任一所述方法的计算机程序。