[发明专利]基于风险预测支持终端交易方法及装置在审
申请号: | 202210588251.0 | 申请日: | 2022-05-27 |
公开(公告)号: | CN114936933A | 公开(公告)日: | 2022-08-23 |
发明(设计)人: | 朱江波 | 申请(专利权)人: | 中国银行股份有限公司 |
主分类号: | G06Q40/04 | 分类号: | G06Q40/04;G06Q20/40;G06K9/62 |
代理公司: | 北京三友知识产权代理有限公司 11127 | 代理人: | 汤在彦;沈珍珠 |
地址: | 100818 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 风险 预测 支持 终端 交易 方法 装置 | ||
1.一种基于风险预测支持终端交易方法,其特征在于,包括:
获取银行用户的历史交易数据,依据该历史交易数据对银行用户进行分类,获得多个用户子集合;
对于每个用户子集合,确定该用户子集合对应各个交易场景的风险概率,以及该风险概率对应的概率下界值;
依据对应各个交易场景的风险概率,以及该风险概率对应的概率下界值,确定安全用户子集合;
对于每个安全用户子集合,确定该安全用户子集合对应的低风险交易要素组合;
当用户利用移动终端交易时,如果确定该用户归属的用户子集合是安全用户子集合时以及该交易的交易要素满足该安全用户子集合对应的低风险交易要素组合,则不对该用户的该交易做实时风险控制。
2.如权利要求1所述的方法,其特征在于,对于每个用户子集合,确定该用户子集合对应各个交易场景的风险概率,以及风险概率对应的概率下界值,包括:
获取该用户子集合对应各个交易场景的交易数据;
对于每个交易场景,按照时间先后顺序将该用户子集合对应该交易场景的交易数据划分为多个子数据,使得每个子数据的交易数量大于交易量阈值;
对于每个子数据,确定该子数据中风险数据的比例,将该比例确定为子数据对应的风险概率;
将该用户子集合对应该交易场景的风险概率确定为该多个子数据对应的风险概率的均值;
基于该多个子数据对应的风险概率,确定该用户子集合对应该交易场景的风险概率的方差σ;
选取可以接受的概率误差阈值ε;
确定该用户子集合对应该交易场景的风险概率对应的概率下界值为:其中,n是该多个子数据的个数。
3.如权利要求1所述的方法,其特征在于,依据对应各个交易场景的风险概率,以及该风险概率对应的概率下界值,确定安全用户子集合,包括:
依据对应各个交易场景的风险概率,以及该风险概率对应的概率下界值,确定用户子集合的偏序,其中,对于任何两个用户子集合,该偏序可用于确定该两个用户子集合中的第一用户子集合是否安全于第二用户子集合;
依据用户子集合的偏序,确定该偏序的多个极大用户子集合,其中,该极大用户子集合是该偏序的极大元素;
将该偏序的多个极大用户子集合确定为安全用户子集合。
4.如权利要求3所述的方法,其特征在于,依据对应各个交易场景的风险概率,以及该风险概率对应的概率下界值,确定用户子集合的偏序,包括:
对于任何两个用户子集合,如果对于任何交易场景,该两个用户子集合的第一用户子集合对应该交易场景的风险概率都小于等于该两个用户子集合的第二用户子集合对应该交易场景的风险概率,且该第一用户子集合对应各个交易场景的风险概率对应的概率下界值都小于可以接受的概率下界值,则确定该第一用户子集合安全于该第二用户子集合。
5.如权利要求1所述的方法,其特征在于,对于每个安全用户子集合,确定该安全用户子集合对应的低风险交易要素组合,包括:
对于每一个交易要素组合,获取该安全用户子集合的交易数据;
对于每一个交易要素组合,确定该交易要素组合对应各个交易场景的交易数据中风险数据的比例,将该比例确定为该交易要素组合对应各个交易场景的风险概率;
确定交易要素组合的偏序,其中,对于任何两个交易要素组合,如果对于任何交易场景,该两个交易要素组合的第一交易要素组合对应该交易场景的风险概率都小于等于该两个交易要素组合的第二交易要素组合对应该交易场景的风险概率,则确定该第一交易要素组合安全于该第二交易要素组合;
依据交易要素组合的偏序,确定该偏序的多个极大交易要素组合,其中,该极大交易要素组合是该偏序的极大元素;
将该偏序的多个极大交易要素组合确定为该安全用户子集合对应的低风险交易要素组合。
6.如权利要求5所述的方法,其特征在于,对于每一个交易要素组合,获取该安全用户子集合的交易数据,包括:
对于连续值交易要素,将该交易要素的对应值离散化;
对于每一交易要素组合,根据离散化的交易要素的对应值,获取该安全用户子集合的交易数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国银行股份有限公司,未经中国银行股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210588251.0/1.html,转载请声明来源钻瓜专利网。