CN113657902B - 基于图数据库的金融安全管理方法、***及存储介质 - Google Patents
基于图数据库的金融安全管理方法、***及存储介质 Download PDFInfo
- Publication number
- CN113657902B CN113657902B CN202110886130.XA CN202110886130A CN113657902B CN 113657902 B CN113657902 B CN 113657902B CN 202110886130 A CN202110886130 A CN 202110886130A CN 113657902 B CN113657902 B CN 113657902B
- Authority
- CN
- China
- Prior art keywords
- user
- data
- feature detection
- risk
- graph database
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 5
- 238000007418 data mining Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000004044 response Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Computer Security & Cryptography (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例公开了基于图数据库的金融安全管理方法、***及存储介质,方法包括:获取用户身份数据;根据所述用户身份数据,从个人信用信息基础数据库中获取用户信用记录数据和用户关系网络数据;利用图数据库对所述用户身份数据、用户信用记录数据和用户关系网络数据进行处理,获取用户的风险度评分;根据用户的风险度评分判断用户是否为安全用户。本申请基于图数据库技术构建的关系图谱可用于深度数据挖掘,处理海量的用户关联关系,通过多维度的特征检测分析来识别欺诈风险,提供了由点及面的反欺诈解决方案。
Description
技术领域
本发明涉及计算机软件技术领域,具体涉及一种基于图数据库的金融安全管理方法、***及存储介质。
背景技术
随着互联网金融业务的不断发展,保障交易安全、防范网络欺诈行为的重要性日渐凸显,反欺诈形势严峻。逾期、欺诈等现象多发、频发,损害投资者利益,情况严重的甚至会导致互联网金融平台资金链断裂、引发平台跑路等安全事件。数字金融欺诈逐渐表现出专业化、产业化、隐蔽化、场景化的特征,同传统的诈骗相比,数字金融诈骗往往是有组织,成规模的,他们分工明确、合作紧密、协同作案,形成一条完整的犯罪产业链。传统反欺诈技术面临的三大挑战:维度单一、效率低下、范围受限。如何避免和防范这些金融欺诈行为是互联网金融企业安全管理的重要环节。
发明内容
针对现有技术中的技术缺陷,本发明实施例的目的在于提供一种基于图数据库的金融安全管理方法,以解决背景技术中的技术问题。
为实现上述目的,第一方面,本发明实施例提供了一种基于图数据库的金融安全管理方法,包括:
获取用户身份数据;
根据所述用户身份数据,从个人信用信息基础数据库中获取用户信用记录数据和用户关系网络数据;
利用图数据库对所述用户身份数据、用户信用记录数据和用户关系网络数据进行处理,获取用户的风险度评分;
根据用户的风险度评分判断用户是否为安全用户。
进一步,所述用户身份数据包括用户姓名、身份证号、用户面部照片、电话号码、设备识别码和银行账号。
进一步,所述根据所述用户身份数据,从个人信用信息基础数据库中获取用户信用记录数据和用户关系网络数据,包括:
将用户姓名、身份证号和用户面部照片输入个人信用信息基础数据库中进行匹配;
若匹配成功,从所述个人信用信息基础数据库中获取该用户的用户信用记录数据和用户关系网络数据。
进一步,所述利用图数据库对所述用户身份数据、用户信用记录数据和用户关系网络数据进行处理,获取用户的风险度评分,包括:
利用图数据库根据所述用户身份数据、用户信用记录数据和用户关系网络数据构建关系图谱;
利用图数据库根据关系图谱对用户进行多维度的特征检测分析,获取用户的风险度评分。
进一步,所述多维度的特征检测分析包括个人特征检测和团体特征检测;
其中,
所述个人特征检测包括属性特征检测和关系特征检测;
所述团体特征检测包括关联度检测和社区结构检测。
进一步,所述属性特征检测包括:
分析用户信用记录数据,若用户有贷款还款逾期记录,或者,将用户姓名、身份证号或电话号码中的至少一个信息与失信名单进行匹配,判定用户为失信人员,则将所述用户标记为风险用户;
其中,所述失信名单为公检法公开名单;
所述关系特征检测包括:
检测所述电话号码是否被多个账户使用,若是,则将所述电话号码标记为风险号码;
根据所述设备识别码检测用户的终端设备是否被多个账户使用,或者,所述终端设备是否在多个平台申请借贷,若是,则将所述终端设备标记为风险设备;
检测所述银行账号是否在多个平台申请借贷,若是,则将所述银行账号标记为风险账号。
进一步,所述关联度检测包括:
根据所述用户关系网络数据检测用户的多层社会关系是否符合正常的图谱特征,若否,将所述用户标记为风险用户;
所述社区结构检测包括:
为所有节点指定一个唯一的标签;
逐轮刷新所有节点的标签,直到达到收敛要求为止;
对于每一轮刷新,节点标签刷新的规则如下:对于某一个节点,考察其所有邻居节点的标签,并进行统计,将出现个数最多的那个标签赋给当前节点,其中,当个数最多的标签不唯一时,随机选取个数最多的标签中的一个。
进一步,所述获取用户的风险度评分,包括:
统计属性特征检测、关系特征检测、关联度检测和社区结构检测后所有标记的个数,将标记的个数作为风险度评分。
第二方面,本申请还提供了一种基于图数据库的金融安全管理***,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如第一方面所述的方法。
第三方面,一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如第一方面所述的方法。
本发明的有益效果体现在:
本申请基于图数据库技术构建的关系图谱可用于深度数据挖掘,处理海量的用户关联关系,通过多维度的特征检测分析来识别欺诈风险,提供了由点及面的反欺诈解决方案。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的一种基于图数据库的金融安全管理方法的流程示意图;
图2是本发明实施例提供的一种基于图数据库的金融安全管理设备的结构示意图;
图3是本发明实施例提供的一种基于图数据库的金融安全管理***的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
如图1所示,其示出了一种基于图数据库的金融安全管理方法,该方法用于高效的从大规模数据中获取有价值的信息,帮助互联网金融平台有效识别欺诈风险,需要说明的是,本申请的方法目的在于提供一种软件平台和机制,对于具体的数据获取不做具体要求。该方法可以包括:
S1:获取用户身份数据。
具体的,所述用户身份数据包括用户姓名、身份证号、用户面部照片、电话号码、设备识别码和银行账号。
S2:根据所述用户身份数据,从个人信用信息基础数据库中获取用户信用记录数据和用户关系网络数据。
个人信用信息基础数据库是社会信用体系建设的重要基础设施,是个人信用信息共享平台。该数据库采集、保存、整理个人信用信息,为商业银行和本人提供信用报告查询服务,为货币政策、金融监管提供统计信息服务。
具体的,所述根据所述用户身份数据,从个人信用信息基础数据库中获取用户信用记录数据和用户关系网络数据,包括:
将用户姓名、身份证号和用户面部照片输入个人信用信息基础数据库中进行匹配;
若匹配成功,从所述个人信用信息基础数据库中获取该用户的用户信用记录数据和用户关系网络数据。
本实施例中,用户关系网络数据包括用户的工作单位、用户的社会关系等数据。
S3:利用图数据库对所述用户身份数据、用户信用记录数据和用户关系网络数据进行处理,获取用户的风险度评分。
图数据库是一种新型的NoSQL数据库管理***,使用图论(GraphTheory)的“图”作为数据模型,将实体表示为图的节点,实体间的关系表示为图的边,能够直接揭示事物之间关联关系。
图数据库解决了困扰数据库界已久的复杂关联(多表关联)难题,善于处理海量的、复杂的、互联的、多变的网状数据,特别适合于高效治理异构大数据、深度挖掘复杂网络以及推理预测隐性关联关系。
进一步,所述利用图数据库对所述用户身份数据、用户信用记录数据和用户关系网络数据进行处理,获取用户的风险度评分,包括:
利用图数据库根据所述用户身份数据、用户信用记录数据和用户关系网络数据构建关系图谱;
利用图数据库根据关系图谱对用户进行多维度的特征检测分析,获取用户的风险度评分。
具体的,所述多维度的特征检测分析包括个人特征检测和团体特征检测;其中,所述个人特征检测包括属性特征检测和关系特征检测;所述团体特征检测包括关联度检测和社区结构检测。
具体的,所述属性特征检测包括:
分析用户信用记录数据,若用户有贷款还款逾期记录,或者,将用户姓名、身份证号或电话号码中的至少一个信息与失信名单进行匹配,判定用户为失信人员,则将所述用户标记为风险用户;其中,所述失信名单为公检法公开名单。
所述关系特征检测包括:
检测所述电话号码是否被多个账户使用,若是,则将所述电话号码标记为风险号码;
根据所述设备识别码检测用户的终端设备是否被多个账户使用,或者,所述终端设备是否在多个平台申请借贷,若是,则将所述终端设备标记为风险设备;
检测所述银行账号是否在多个平台申请借贷,若是,则将所述银行账号标记为风险账号。
通过用户的关系网络来检测其与风险节点的关联度,可识别出其风险程度并作为一个参考指标,比如某用户三度关系之内是否触黑。这个过程我们称之为关联度检测。
进一步,所述关联度检测包括:
根据所述用户关系网络数据检测用户的多层社会关系是否符合正常的图谱特征,若否,将所述用户标记为风险用户。
检测用户的多层社会关系是否符合正常的图谱特征,比如若是孤立的子图则可能是假造的关系网络,该用户存在高风险。检测多层关系网络中是否包含高风险节点,比如二度触黑。其中高风险节点包括黑/灰名单、高风险评分节点等;关系网络是指实体(用户ID、账户、手机号、设备、地点)与各种关系(如通讯录、通话记录、转账交易、登录地点)之间的相互关联组成的网络。
具体的,所述社区结构检测包括:
为所有节点指定一个唯一的标签;
逐轮刷新所有节点的标签,直到达到收敛要求为止;
对于每一轮刷新,节点标签刷新的规则如下:对于某一个节点,考察其所有邻居节点的标签,并进行统计,将出现个数最多的那个标签赋给当前节点,其中,当个数最多的标签不唯一时,随机选取个数最多的标签中的一个。
用户的关联关系是一个复杂的网络,对复杂网络的研究一直是许多领域的研究热点,其中社区结构是复杂网络中的一个普遍特征,同一个社区内的节点之间的连接紧密,而社区与社区之间的连接则比较稀疏。
在金融关系网络里面往往社交属性比较弱,大部分用户的社交关系很稀疏,找到关系紧密的社区就是发现欺诈团伙的关键,当然并不是所有的团伙都是欺诈团伙,因此有必要根据一个阈值来进行评判,比如根据个人特征检测出来各成员的风险评分,如果大于0.7分的用户在某团伙占比达到60%则判为欺诈团伙。进一步,所述获取用户的风险度评分,包括:
统计属性特征检测、关系特征检测、关联度检测和社区结构检测后所有标记的个数,将标记的个数作为风险度评分。
S4:根据用户的风险度评分判断用户是否为安全用户。
管理人员可以根据金融风险管控要求为风险度评分设定管控阈值,若该用户的风险度评分小于该管控阈值,则认为该用户为安全用户,可以为该用户提供金融服务,若该用户的风险度评分大于该管控阈值,则认为该用户为危险用户,及时向管理人员发出警报。
本申请基于图数据库技术构建的关系图谱可用于深度数据挖掘,处理海量的用户关联关系,通过多维度的特征检测分析来识别欺诈风险,提供了由点及面的反欺诈解决方案。
基于相同的发明构思,本发明实施例还提供了一种基于图数据库的金融安全管理设备。如图2所示,该设备可以包括:
第一获取模块201,用于获取用户身份数据;
第二获取模块202,用于根据所述用户身份数据,从个人信用信息基础数据库中获取用户信用记录数据和用户关系网络数据;
数据处理模块203,用于利用图数据库对所述用户身份数据、用户信用记录数据和用户关系网络数据进行处理,获取用户的风险度评分;以及
风险判断模块204,用于根据用户的风险度评分判断用户是否为安全用户。
基于相同的发明构思,本发明实施例还提供一种基于图数据库的金融安全管理***。如图3所示,该***可以包括:一个或多个处理器101、一个或多个输入设备102、一个或多个输出设备103和存储器104,上述处理器101、输入设备102、输出设备103和存储器104通过总线105相互连接。存储器104用于存储计算机程序,所述计算机程序包括程序指令,所述处理器101被配置用于调用所述程序指令执行上述基于图数据库的金融安全管理方法实施例部分的方法。
应当理解,在本发明实施例中,所称处理器101可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备102可以包括键盘等,输出设备103可以包括显示器(LCD等)、扬声器等。
该存储器104可以包括只读存储器和随机存取存储器,并向处理器101提供指令和数据。存储器104的一部分还可以包括非易失性随机存取存储器。例如,存储器104还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器101、输入设备102、输出设备103可执行本发明实施例提供的基于图数据库的金融安全管理方法的实施例中所描述的实现方式,在此不再赘述。
需要说明的是,关于基于图数据库的金融安全管理***的具体工作流程,可参考前述方法实施例部分,在此不再赘述。
进一步地,本发明实施例还提供了一种可读存储介质,存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时实现:上述基于图数据库的金融安全管理方法。
所述计算机可读存储介质可以是前述实施例所述的后台服务器的内部存储单元,例如***的硬盘或内存。所述计算机可读存储介质也可以是所述***的外部存储设备,例如所述***上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述***的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述***所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种基于图数据库的金融安全管理方法,其特征在于,包括:
获取用户身份数据;
根据所述用户身份数据,从个人信用信息基础数据库中获取用户信用记录数据和用户关系网络数据;
利用图数据库对所述用户身份数据、用户信用记录数据和用户关系网络数据进行处理,获取用户的风险度评分;
根据用户的风险度评分判断用户是否为安全用户;其中,
所述利用图数据库对所述用户身份数据、用户信用记录数据和用户关系网络数据进行处理,获取用户的风险度评分,包括:
利用图数据库根据所述用户身份数据、用户信用记录数据和用户关系网络数据构建关系图谱;
利用图数据库根据关系图谱对用户进行多维度的特征检测分析,获取用户的风险度评分;
所述多维度的特征检测分析包括个人特征检测和团体特征检测;其中,
所述个人特征检测包括属性特征检测和关系特征检测;
所述团体特征检测包括关联度检测和社区结构检测;
所述关联度检测包括:
根据所述用户关系网络数据检测用户的多层社会关系是否符合正常的图谱特征,若否,将所述用户标记为风险用户;
所述社区结构检测包括:
为所有节点指定一个唯一的标签;
逐轮刷新所有节点的标签,直到达到收敛要求为止;对于每一轮刷新,节点标签刷新的规则如下:对于某一个节点,考察其所有邻居节点的标签,并进行统计,将出现个数最多的那个标签赋给当前节点,其中,当个数最多的标签不唯一时,随机选取个数最多的标签中的一个;
所述获取用户的风险度评分,包括:
统计属性特征检测、关系特征检测、关联度检测和社区结构检测后所有标记的个数,将标记的个数作为风险度评分。
2.根据权利要求1所述的一种基于图数据库的金融安全管理方法,其特征在于:所述用户身份数据包括用户姓名、身份证号、用户面部照片、电话号码、设备识别码和银行账号。
3.根据权利要求2所述的一种基于图数据库的金融安全管理方法,其特征在于:
所述根据所述用户身份数据,从个人信用信息基础数据库中获取用户信用记录数据和用户关系网络数据,包括:
将用户姓名、身份证号和用户面部照片输入个人信用信息基础数据库中进行匹配;
若匹配成功,从所述个人信用信息基础数据库中获取该用户的用户信用记录数据和用户关系网络数据。
4.根据权利要求3所述的一种基于图数据库的金融安全管理方法,其特征在于,所述属性特征检测包括:
分析用户信用记录数据,若用户有贷款还款逾期记录,或者,将用户姓名、身份证号或电话号码中的至少一个信息与失信名单进行匹配,判定用户为失信人员,则将所述用户标记为风险用户;
其中,所述失信名单为公检法公开名单;
所述关系特征检测包括:
检测所述电话号码是否被多个账户使用,若是,则将所述电话号码标记为风险号码;
根据所述设备识别码检测用户的终端设备是否被多个账户使用,或者,所述终端设备是否在多个平台申请借贷,若是,则将所述终端设备标记为风险设备;
检测所述银行账号是否在多个平台申请借贷,若是,则将所述银行账号标记为风险账号。
5.一种基于图数据库的金融安全管理***,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-4任一项所述的方法。
6.一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计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110886130.XA CN113657902B (zh) | 2021-08-03 | 2021-08-03 | 基于图数据库的金融安全管理方法、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110886130.XA CN113657902B (zh) | 2021-08-03 | 2021-08-03 | 基于图数据库的金融安全管理方法、***及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113657902A CN113657902A (zh) | 2021-11-16 |
CN113657902B true CN113657902B (zh) | 2024-03-22 |
Family
ID=78478352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110886130.XA Active CN113657902B (zh) | 2021-08-03 | 2021-08-03 | 基于图数据库的金融安全管理方法、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113657902B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114285929B (zh) * | 2021-12-27 | 2024-05-28 | 中国联合网络通信集团有限公司 | 恶意反催收用户的识别方法、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7562814B1 (en) * | 2003-05-12 | 2009-07-21 | Id Analytics, Inc. | System and method for identity-based fraud detection through graph anomaly detection |
CN110297912A (zh) * | 2019-05-20 | 2019-10-01 | 平安科技(深圳)有限公司 | 欺诈识别方法、装置、设备及计算机可读存储介质 |
CN110413707A (zh) * | 2019-07-22 | 2019-11-05 | 百融云创科技股份有限公司 | 互联网中欺诈团伙关系的挖掘与排查方法及其*** |
CN110930246A (zh) * | 2019-12-04 | 2020-03-27 | 深圳市新国都金服技术有限公司 | 信贷反欺诈识别方法、装置、计算机设备及计算机可读存储介质 |
WO2020186789A1 (zh) * | 2019-03-15 | 2020-09-24 | 平安科技(深圳)有限公司 | 用户反欺诈实现方法、装置、计算机设备及存储介质 |
CN112053221A (zh) * | 2020-08-14 | 2020-12-08 | 百维金科(上海)信息科技有限公司 | 一种基于知识图谱的互联网金融团伙欺诈行为检测方法 |
CN112053222A (zh) * | 2020-08-14 | 2020-12-08 | 百维金科(上海)信息科技有限公司 | 一种基于知识图谱的互联网金融团伙欺诈行为检测方法 |
-
2021
- 2021-08-03 CN CN202110886130.XA patent/CN113657902B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7562814B1 (en) * | 2003-05-12 | 2009-07-21 | Id Analytics, Inc. | System and method for identity-based fraud detection through graph anomaly detection |
WO2020186789A1 (zh) * | 2019-03-15 | 2020-09-24 | 平安科技(深圳)有限公司 | 用户反欺诈实现方法、装置、计算机设备及存储介质 |
CN110297912A (zh) * | 2019-05-20 | 2019-10-01 | 平安科技(深圳)有限公司 | 欺诈识别方法、装置、设备及计算机可读存储介质 |
CN110413707A (zh) * | 2019-07-22 | 2019-11-05 | 百融云创科技股份有限公司 | 互联网中欺诈团伙关系的挖掘与排查方法及其*** |
CN110930246A (zh) * | 2019-12-04 | 2020-03-27 | 深圳市新国都金服技术有限公司 | 信贷反欺诈识别方法、装置、计算机设备及计算机可读存储介质 |
CN112053221A (zh) * | 2020-08-14 | 2020-12-08 | 百维金科(上海)信息科技有限公司 | 一种基于知识图谱的互联网金融团伙欺诈行为检测方法 |
CN112053222A (zh) * | 2020-08-14 | 2020-12-08 | 百维金科(上海)信息科技有限公司 | 一种基于知识图谱的互联网金融团伙欺诈行为检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113657902A (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112507936B (zh) | 图像信息审核方法、装置、电子设备及可读存储介质 | |
CN112561684B (zh) | 金融欺诈风险识别方法、装置、计算机设备及存储介质 | |
CN112053221A (zh) | 一种基于知识图谱的互联网金融团伙欺诈行为检测方法 | |
US8918891B2 (en) | Identity manipulation detection system and method | |
CN107798541B (zh) | 一种用于在线业务的监控方法及*** | |
US20140283094A1 (en) | System and method for systematic detection of fraud rings | |
CN113989019A (zh) | 识别风险的方法、装置、设备及存储介质 | |
CN112541698A (zh) | 基于企业外部特征识别企业风险的方法和*** | |
CN110209729B (zh) | 数据转移对象识别的方法及装置 | |
CN112053222A (zh) | 一种基于知识图谱的互联网金融团伙欺诈行为检测方法 | |
CN110795574A (zh) | 一种基于金融反欺诈的知识图谱构建方法 | |
WO2021218312A1 (zh) | 业务欺诈识别数据库的构建方法、装置和计算机设备 | |
CN110138758A (zh) | 基于域名词汇的误植域名检测方法 | |
US20130332374A1 (en) | Fraud prevention for real estate transactions | |
Mak et al. | Is Certiorari Contingent on Litigant Behavior? Petitioners' Role in Strategic Auditing | |
CN113657902B (zh) | 基于图数据库的金融安全管理方法、***及存储介质 | |
CN116823428A (zh) | 一种反欺诈检测方法、装置、设备及存储介质 | |
CN113112323B (zh) | 基于数据分析的异常订单识别方法、装置、设备及介质 | |
CN111861733B (zh) | 基于地址模糊匹配的欺诈防控***及方法 | |
CN111259216A (zh) | 一种信息识别方法、装置及设备 | |
Pandey et al. | Case study on online fraud detection using machine learning | |
Bose | Intelligent technologies for managing fraud and identity theft | |
Luell | Employee fraud detection under real world conditions | |
CN116342141A (zh) | 一种空壳企业识别方法、装置和设备 | |
CN110766091B (zh) | 一种套路贷团伙的识别方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |