CN115860747A - 一种基于大数据的海关进出口商品风险管理方法及*** - Google Patents
一种基于大数据的海关进出口商品风险管理方法及*** Download PDFInfo
- Publication number
- CN115860747A CN115860747A CN202211593524.7A CN202211593524A CN115860747A CN 115860747 A CN115860747 A CN 115860747A CN 202211593524 A CN202211593524 A CN 202211593524A CN 115860747 A CN115860747 A CN 115860747A
- Authority
- CN
- China
- Prior art keywords
- commodity
- risk
- data
- customs
- information
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的海关进出口商品风险管理方法及***,涉及数据处理技术领域,所述方法包括:对大数据获取的多维度海关商品数据信息进行数据标准化、整合,获得多维度标准海关商品数据信息;对多维度标准海关商品数据信息进行风险特征分析,获得海关商品风险线索信息;基于海关商品风险线索信息,构建海关商品风险分析模型;根据模型输出结果即商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息,确定海关进出口商品风险信息;当海关进出口商品风险信息超出预设商品风险阈值时,对海关进出口商品进行风险预警管理。达到提高海关商品风险识别精准度和处理效率,进而保证海关商品风险预警及时性的技术效果。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于大数据的海关进出口商品风险管理方法及***。
背景技术
随着国家发展进程的日渐深化,国民经济的日益快速发展,海关的工作更注重为区域经济服务、便利社会企业贸易等各项具体工作。通过海关大数据的利用,不仅是将对海关自身综合监管体系的建设起到重要作用,而且也将成为支持外贸经济发展、服务企业发展的又一落脚点,对促进贸易便利化、服务区域经济建设,提升服务型海关的建设具有重要意义。
然而,现有技术海关进出口商品识别风险精准度不高、处理效率低,导致影响海关商品风险预警及时性的技术问题。
发明内容
本申请通过提供一种基于大数据的海关进出口商品风险管理方法及***,解决了现有技术海关进出口商品识别风险精准度不高、处理效率低,导致影响海关商品风险预警及时性的技术问题,达到通过对大数据获取的多维度海关商品数据进行全面整合处理,以此构建海关商品风险分析模型对海关进出口商品风险进行及时分析,提高识别精准度和处理效率,进而保证海关商品风险预警及时性的技术效果。
鉴于上述问题,本发明提供了一种基于大数据的海关进出口商品风险管理方法及***。
第一方面,本申请提供了一种基于大数据的海关进出口商品风险管理方法,所述方法包括:通过大数据获取多维度海关商品数据信息;对所述多维度海关商品数据信息进行数据标准化、整合,获得多维度标准海关商品数据信息;将所述多维度标准海关商品数据信息脱敏上传至风险特征识别模块进行分析,获得海关商品风险线索信息;基于所述海关商品风险线索信息,构建海关商品风险分析模型,所述海关商品风险分析模型包括商品危险等级分析模型、商品质量风险分析模型、商品交易风险分析模型;基于所述商品危险等级分析模型、商品质量风险分析模型、商品交易风险分析模型,获得商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息;根据所述商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息,确定海关进出口商品风险信息;当所述海关进出口商品风险信息超出预设商品风险阈值时,对海关进出口商品进行风险预警管理。
另一方面,本申请还提供了一种基于大数据的海关进出口商品风险管理***,所述***包括:海关商品数据获取模块,用于通过大数据获取多维度海关商品数据信息;数据标准化整合模块,用于对所述多维度海关商品数据信息进行数据标准化、整合,获得多维度标准海关商品数据信息;风险特征识别模块,用于将所述多维度标准海关商品数据信息脱敏上传至风险特征识别模块进行分析,获得海关商品风险线索信息;模型构建模块,用于基于所述海关商品风险线索信息,构建海关商品风险分析模型,所述海关商品风险分析模型包括商品危险等级分析模型、商品质量风险分析模型、商品交易风险分析模型;模型分析模块,用于基于所述商品危险等级分析模型、商品质量风险分析模型、商品交易风险分析模型,获得商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息;商品风险信息确定模块,用于根据所述商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息,确定海关进出口商品风险信息;商品风险预警管理模块,用于当所述海关进出口商品风险信息超出预设商品风险阈值时,对海关进出口商品进行风险预警管理。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了对大数据获取的多维度海关商品数据信息进行数据标准化、整合,再将多维度标准海关商品数据信息脱敏上传至风险特征识别模块进行分析,获得海关商品风险线索信息,基于海关商品风险线索信息,构建海关商品风险分析模型,基于海关商品风险分析模型,输出商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息,并以此确定海关进出口商品风险信息,当海关进出口商品风险信息超出预设商品风险阈值时,对海关进出口商品进行风险预警管理的技术方案。进而达到了通过对大数据获取的多维度海关商品数据进行全面整合处理,以此构建海关商品风险分析模型对海关进出口商品风险进行及时分析,提高识别精准度和处理效率,进而保证海关商品风险预警及时性的技术效果。
附图说明
图1为本申请一种基于大数据的海关进出口商品风险管理方法的流程示意图;
图2为本申请一种基于大数据的海关进出口商品风险管理方法中获得多维度标准海关商品数据信息的流程示意图;
图3为本申请一种基于大数据的海关进出口商品风险管理方法中获得数据维度可信度规则的流程示意图;
图4为本申请一种基于大数据的海关进出口商品风险管理***的结构示意图;
附图标记说明:海关商品数据获取模块11,数据标准化整合模块12,风险特征识别模块13,模型构建模块14,模型分析模块15,商品风险信息确定模块16,商品风险预警管理模块17。
具体实施方式
本申请通过提供了一种基于大数据的海关进出口商品风险管理方法***,解决了现有技术海关进出口商品识别风险精准度不高、处理效率低,导致影响海关商品风险预警及时性的技术问题,达到了通过对大数据获取的多维度海关商品数据进行全面整合处理,以此构建海关商品风险分析模型对海关进出口商品风险进行及时分析,提高识别精准度和处理效率,进而保证海关商品风险预警及时性的技术效果。
实施例一
如图1所示,本申请提供了一种基于大数据的海关进出口商品风险管理方法,所述方法应用于海关进出口商品风险管理***,所述方法包括:
步骤S100:通过大数据获取多维度海关商品数据信息;
具体而言,随着国家发展进程的日渐深化,国民经济的日益快速发展,海关的工作更注重为区域经济服务、便利社会企业贸易等各项具体工作。通过海关大数据的利用,不仅是将对海关自身综合监管体系的建设起到重要作用,而且也将成为支持外贸经济发展、服务企业发展的又一落脚点,对促进贸易便利化、服务区域经济建设,提升服务型海关的建设具有重要意义。
首先通过大数据信息化技术采集获取多维度海关商品数据信息,所述多维度海关商品数据信息为结合海关、税务、企业等多部门的进出口商品汇集数据资源,包括报关数据、查验数据、空港物流数据、工商数据、商品企业数据等多维度全方面商品数据。通过大数据赋能挖掘数据,获取数据海量有效,提高海关智能化水平,为后续海关商品风险分析模型提供数据基础。
步骤S200:对所述多维度海关商品数据信息进行数据标准化、整合,获得多维度标准海关商品数据信息;
如图2所示,进一步而言,所述获得多维度标准海关商品数据信息,本申请步骤S200还包括:
步骤S210:对所述多维度海关商品数据信息进行归一化处理,获得规范海关商品数据信息;
步骤S220:基于所述规范海关商品数据信息进行数据一致性检查,获得负海关商品数据信息;
步骤S230:对所述多维度海关商品数据信息中的各数据维度信息进行可信度分析,获得数据维度可信度规则;
步骤S240:基于所述数据维度可信度规则对所述负海关商品数据信息进行审核校正,获得正海关商品数据信息;
步骤S250:对所述正海关商品数据信息进行数据格式整合,获得所述多维度标准海关商品数据信息。
如图3所示,进一步而言,所述获得数据维度可信度规则,本申请步骤S230还包括:
步骤S231:获得数据可信度特征指标,所述数据可信度特征指标包括数据提供来源、数据时效性、数据提供方;
步骤S232:根据所述数据可信度特征指标,构建数据可信度三维坐标系;
步骤S233:将所述各数据维度信息输入至所述数据可信度三维坐标系中进行评价,获得数据维度向量集合;
步骤S234:基于所述数据维度向量集合中各向量的模进行排序,确定所述数据维度可信度规则
具体而言,为提高数据处理规范性,对所述多维度海关商品数据信息进行数据标准化、整合。首先对所述多维度海关商品数据信息进行归一化处理,即将有量纲数据变为无量纲数据,使其计量量纲统一标准化,获得其对应的规范海关商品数据信息。基于所述规范海关商品数据信息进行数据一致性检查,即对各部门维度商品数据进行数据准确性分析,判断来源商品数据是否一致,得出其数据值不一致的负海关商品数据信息,例如商品销售价格不一致。
为保证数据一致性,对所述多维度海关商品数据信息中的各数据维度信息进行可信度分析,即数据真实性分析,获得数据维度可信度规则,所述数据维度可信度规则为各维度来源商品数据的可信度等级确认规则。可信度规则制定过程为首先获得数据可信度特征指标,所述数据可信度特征指标为维度数据可信度优先级判定指标,包括数据提供来源,例如海关报关单、税务单、商品交易单等;数据时效性,即数据来源时间远近,时间来源越近,数据时效性越好;数据提供方,例如海关部门、企业、税务部门等。
根据所述数据可信度特征指标,构建数据可信度三维坐标系,坐标系的每个坐标与可信度特征指标相对应。将所述各数据维度信息输入至所述数据可信度三维坐标系中进行评价,按照数据来源可信度属性进行评价,示例性的,针对数据提供方这一指标,数据提供方不同,其对应的可信度等级也不同,例如可信度的等级顺序为海关部门、税务部门、企业等,获得各商品数据在坐标系中评价等级可视化对应的数据维度向量集合。基于所述数据维度向量集合中各向量的模进行排序,即对各维度数据三维坐标向量的模大小进行排序,确定所述数据维度可信度规则,示例性的,数据维度可信度规则顺序为报关数据、工商数据、商品企业数据等。
基于所述数据维度可信度规则对所述负海关商品数据信息进行审核校正,即当商品数据不一致时,按照数据维度可信度高的商品数据为准进行校正,获得校正后的正海关商品数据信息,保证数据准确一致性。对所述正海关商品数据信息进行数据格式整合,即按照相同数据格式进行数据整合,例如按照数据类型:数值的格式进行整合,获得标准化后的所述多维度标准海关商品数据信息。达到通过对大数据获取的多维度海关商品数据进行全面整合处理,保证数据标准化,使得数据之间具有可比性,进而提高数据处理效率。
步骤S300:将所述多维度标准海关商品数据信息脱敏上传至风险特征识别模块进行分析,获得海关商品风险线索信息;
进一步而言,所述将所述多维度标准海关商品数据信息脱敏上传至风险特征识别模块进行分析,本申请步骤S300还包括:
步骤S310:对所述多维度标准海关商品数据信息进行敏感数据识别,获得海关商品敏感数据信息;
步骤S320:对所述海关商品敏感数据信息进行分类,获得商品敏感数据类型属性;
步骤S330:按照预设敏感划分规则对所述商品敏感数据类型属性进行划分,获得敏感数据类型等级;
步骤S340:基于所述敏感数据类型等级对所述海关商品敏感数据信息进行数据脱敏,获得海关商品脱敏数据信息,并将所述海关商品脱敏数据信息上传至风险特征识别模块。
进一步而言,所述获得海关商品脱敏数据信息,本申请步骤S340还包括:
步骤S341:根据所述敏感数据类型等级,确定数据脱敏系数;
步骤S342:基于所述数据脱敏系数,获得数据动态脱敏规则;
步骤S343:根据所述数据动态脱敏规则,配置数据动态脱敏算法;
步骤S344:基于所述数据动态脱敏算法对所述海关商品敏感数据信息进行数据脱敏,获得所述海关商品脱敏数据信息。
进一步而言,所述获得海关商品风险线索信息,本申请步骤S300还包括:
步骤S350:通过所述风险特征识别模块,获得商品风险识别支持向量机;
步骤S360:将所述多维度标准海关商品数据信息输入至所述商品风险识别支持向量机进行识别,获得商品风险识别信息;
步骤S370:对所述商品风险识别信息进行提取分类,获得商品风险分类要素信息;
步骤S380:基于所述商品风险分类要素信息进行特征梳理,获得所述海关商品风险线索信息。
具体而言,将所述多维度标准海关商品数据信息脱敏上传至风险特征识别模块进行分析,所述风险特征识别模块为海关进出口商品风险管理***的功能模块,用于对多维度商品数据进行风险特征识别。在数据上传分析前,为保证数据传输安全性,对所述多维度标准海关商品数据信息进行敏感数据识别,获得海关商品敏感数据信息,所述海关商品敏感数据信息是指泄漏后可能会给企业或个人带来严重危害的数据,包括个人隐私数据,如姓名、身份证号码、住址、电话、银行账号、邮箱、密码等,也包括企业或社会机构不适合公布的数据,如企业的经营情况数据、商品报关数据等。
对所述海关商品敏感数据信息进行分类,即对敏感数据进行类别划分,获得商品敏感数据类型属性,例如个人隐私数据类型、企业商品报关数据类型等。按照预设敏感划分规则对所述商品敏感数据类型属性进行划分,所述预设敏感划分规则为根据敏感数据类型不同,进行敏感数据等级动态确定,获得属性划分后的敏感数据类型等级,示例性的,企业商品报关数据敏感等级大于企业税务数据敏感等级。
基于所述敏感数据类型等级对所述海关商品敏感数据信息进行数据脱敏,数据脱敏也叫数据的去隐私化,是通过脱敏规则进行数据变形的一种技术手段,例如对敏感数据银行***等信息进行转换、修改或者遮盖。具体脱敏过程为根据所述敏感数据类型等级,确定数据脱敏系数,所述数据脱敏系数为与数据敏感等级相对应的数据脱敏程度,系数越大,对应的数据脱敏程度越大。基于所述数据脱敏系数,获得数据动态脱敏规则,所述数据动态脱敏规则为根据多个数据脱敏系数的不同,配置相应程度等级脱敏算法的数据脱敏处理策略。根据所述数据动态脱敏规则,配置各脱敏系数等级相对应的数据动态脱敏算法,常用的数据动态脱敏算法包括混淆算法、任意替换、置空算法、数据加密等。基于所述数据动态脱敏算法对所述海关商品敏感数据信息进行数据脱敏,获得处理后的海关商品脱敏数据信息,实现商品敏感数据的可靠性保护,保证数据传输安全。
将所述海关商品脱敏数据信息上传至风险特征识别模块进行分析,首先通过所述风险特征识别模块,获得商品风险识别支持向量机,所述商品风险识别支持向量机通过历史海关进出口商品数据进行标签训练获得,用于对商品风险进行识别标记。将所述多维度标准海关商品数据信息输入至所述商品风险识别支持向量机进行识别,模型输出获得商品风险识别信息,即对有风险的海关商品进行识别标记。再对所述商品风险识别信息进行提取分类,即对有风险的海关商品数据进行提取并对其风险数据进行分类,获得商品风险分类要素信息,所述商品风险分类要素信息为商品风险要素,包括风险类别及等级等,例如商品报关数据异常、商品危险度过高、商品质量风险、生产企业风险过高等。基于所述商品风险分类要素信息进行特征梳理,即对其风险数据和风险类型及等级进行数据特征整合,作为海关商品风险线索信息。通过对多维度标准海关商品数据信息进行数据脱敏上传及风险特征识别,保证数据处理安全性和风险特征识别准确性,为下一步海关商品风险分析模型的准确构建提供数据基础。
步骤S400:基于所述海关商品风险线索信息,构建海关商品风险分析模型,所述海关商品风险分析模型包括商品危险等级分析模型、商品质量风险分析模型、商品交易风险分析模型;
步骤S500:基于所述商品危险等级分析模型、商品质量风险分析模型、商品交易风险分析模型,获得商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息;
步骤S600:根据所述商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息,确定海关进出口商品风险信息;
具体而言,基于所述海关商品风险线索信息,进行神经网络模型训练,直至模型收敛或模型输出准确率达标,构建获得海关商品风险分析模型,所述海关商品风险分析模型用于对海关商品数据进行风险分析,包括商品危险等级分析模型、商品质量风险分析模型、商品交易风险分析模型。当对海关商品数据进行风险识别时,基于所述商品危险等级分析模型、商品质量风险分析模型、商品交易风险分析模型,分别输出获得商品危险度分析信息,即商品本身危险程度,例如化学品、消毒剂、烟花爆竹等危险品;商品质量风险分析信息,即商品质量合格风险,例如未经批准进口药等;商品交易风险分析信息,即商品交易企业风险,例如交易企业经营状况存在风险、虚假交易等。根据所述商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息,共同确定海关进出口商品风险信息,所述海关进出口商品风险信息为海关商品综合风险信息,包括风险类型及风险等级。通过构建海关商品风险分析模型对海关进出口商品风险进行及时分析,提高风险识别精准度和风险处理效率。
步骤S700:当所述海关进出口商品风险信息超出预设商品风险阈值时,对海关进出口商品进行风险预警管理。
进一步而言,所述对海关进出口商品进行风险预警管理,本申请步骤还包括:
步骤S710:根据所述海关进出口商品风险信息,获得商品风险类型特征信息;
步骤S720:将所述海关进出口商品风险信息和所述预设商品风险阈值的差值,作为商品风险预警等级;
步骤S730:基于商品风险类型特征信息和所述商品风险预警等级,生成商品风险预警管控方案;
步骤S740:基于所述商品风险预警管控方案,对海关进出口商品进行风险预警管控。
具体而言,当所述海关进出口商品风险信息超出预设商品风险阈值时,所述预设商品风险阈值为海关商品风险警示阈值,可通过海关规定进行设定,当海关商品风险过大时对海关进出口商品进行风险预警管理。首先根据所述海关进出口商品风险信息,确定商品风险类型特征信息,例如危险度过高的化学海关商品、外来物种、商品质量合格风险等类型。再将所述海关进出口商品风险信息和所述预设商品风险阈值的差值,作为商品风险预警等级,风险预警等级越高,表明海关商品风险度越大。
基于商品风险类型特征信息和所述商品风险预警等级,生成商品风险预警管控方案,所述商品风险预警管控方案为海关部门对风险进出口商品的预警处理方案。基于所述商品风险预警管控方案,对海关进出口商品进行风险预警管控,示例性的,对外来物种商品进行销毁,对质量不合格商品进行退返处理等。通过适应性海关风险商品处理方案,保证海关商品风险预警及时性,进而实现海关进出口商品安全性。
综上所述,本申请所提供的一种基于大数据的海关进出口商品风险管理方法及***具有如下技术效果:
由于采用了对大数据获取的多维度海关商品数据信息进行数据标准化、整合,再将多维度标准海关商品数据信息脱敏上传至风险特征识别模块进行分析,获得海关商品风险线索信息,基于海关商品风险线索信息,构建海关商品风险分析模型,基于海关商品风险分析模型,输出商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息,并以此确定海关进出口商品风险信息,当海关进出口商品风险信息超出预设商品风险阈值时,对海关进出口商品进行风险预警管理的技术方案。进而达到了通过对大数据获取的多维度海关商品数据进行全面整合处理,以此构建海关商品风险分析模型对海关进出口商品风险进行及时分析,提高识别精准度和处理效率,进而保证海关商品风险预警及时性的技术效果。
实施例二
基于与前述实施例中一种基于大数据的海关进出口商品风险管理方法同样发明构思,本发明还提供了一种基于大数据的海关进出口商品风险管理***,如图4所示,所述***包括:
海关商品数据获取模块11,用于通过大数据获取多维度海关商品数据信息;
数据标准化整合模块12,用于对所述多维度海关商品数据信息进行数据标准化、整合,获得多维度标准海关商品数据信息;
风险特征识别模块13,用于将所述多维度标准海关商品数据信息脱敏上传至风险特征识别模块进行分析,获得海关商品风险线索信息;
模型构建模块14,用于基于所述海关商品风险线索信息,构建海关商品风险分析模型,所述海关商品风险分析模型包括商品危险等级分析模型、商品质量风险分析模型、商品交易风险分析模型;
模型分析模块15,用于基于所述商品危险等级分析模型、商品质量风险分析模型、商品交易风险分析模型,获得商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息;
商品风险信息确定模块16,用于根据所述商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息,确定海关进出口商品风险信息;
商品风险预警管理模块17,用于当所述海关进出口商品风险信息超出预设商品风险阈值时,对海关进出口商品进行风险预警管理。
进一步的,所述数据标准化整合模块还包括:
归一化处理单元,用于对所述多维度海关商品数据信息进行归一化处理,获得规范海关商品数据信息;
数据一致性检查单元,用于基于所述规范海关商品数据信息进行数据一致性检查,获得负海关商品数据信息;
可信度分析单元,用于对所述多维度海关商品数据信息中的各数据维度信息进行可信度分析,获得数据维度可信度规则;
审核校正单元,用于基于所述数据维度可信度规则对所述负海关商品数据信息进行审核校正,获得正海关商品数据信息;
行数据格式整合单元,用于对所述正海关商品数据信息进行数据格式整合,获得所述多维度标准海关商品数据信息。
进一步的,所述可信度分析单元还包括:
可信度特征指标获得单元,用于获得数据可信度特征指标,所述数据可信度特征指标包括数据提供来源、数据时效性、数据提供方;
可信度坐标系构建单元,用于根据所述数据可信度特征指标,构建数据可信度三维坐标系;
信息评价单元,用于将所述各数据维度信息输入至所述数据可信度三维坐标系中进行评价,获得数据维度向量集合;
向量排序单元,用于基于所述数据维度向量集合中各向量的模进行排序,确定所述数据维度可信度规则。
进一步的,所述风险特征识别模块还包括:
敏感数据识别单元,用于对所述多维度标准海关商品数据信息进行敏感数据识别,获得海关商品敏感数据信息;
敏感数据分类单元,用于对所述海关商品敏感数据信息进行分类,获得商品敏感数据类型属性;
数据属性划分单元,用于按照预设敏感划分规则对所述商品敏感数据类型属性进行划分,获得敏感数据类型等级;
数据脱敏识别单元,用于基于所述敏感数据类型等级对所述海关商品敏感数据信息进行数据脱敏,获得海关商品脱敏数据信息,并将所述海关商品脱敏数据信息上传至风险特征识别模块。
进一步的,所述数据脱敏识别单元还包括:
脱敏系数确定单元,用于根据所述敏感数据类型等级,确定数据脱敏系数;
动态脱敏规则获得单元,用于基于所述数据脱敏系数,获得数据动态脱敏规则;
动态脱敏算法配置单元,用于根据所述数据动态脱敏规则,配置数据动态脱敏算法;
数据脱敏单元,用于基于所述数据动态脱敏算法对所述海关商品敏感数据信息进行数据脱敏,获得所述海关商品脱敏数据信息。
进一步的,所述风险特征识别模块还包括:
支持向量机获得单元,用于通过所述风险特征识别模块,获得商品风险识别支持向量机;
商品风险识别单元,用于将所述多维度标准海关商品数据信息输入至所述商品风险识别支持向量机进行识别,获得商品风险识别信息;
信息提取分类单元,用于对所述商品风险识别信息进行提取分类,获得商品风险分类要素信息;
要素特征梳理单元,用于基于所述商品风险分类要素信息进行特征梳理,获得所述海关商品风险线索信息。
进一步的,所述商品风险预警管理模块还包括:
风险类型特征获得单元,用于根据所述海关进出口商品风险信息,获得商品风险类型特征信息;
风险预警等级获得单元,用于将所述海关进出口商品风险信息和所述预设商品风险阈值的差值,作为商品风险预警等级;
预警管控方案生成单元,用于基于商品风险类型特征信息和所述商品风险预警等级,生成商品风险预警管控方案;
风险预警管控单元,用于基于所述商品风险预警管控方案,对海关进出口商品进行风险预警管控。
本申请提供了一种基于大数据的海关进出口商品风险管理方法,所述方法包括:通过大数据获取多维度海关商品数据信息;对所述多维度海关商品数据信息进行数据标准化、整合,获得多维度标准海关商品数据信息;将所述多维度标准海关商品数据信息脱敏上传至风险特征识别模块进行分析,获得海关商品风险线索信息;基于所述海关商品风险线索信息,构建海关商品风险分析模型,所述海关商品风险分析模型包括商品危险等级分析模型、商品质量风险分析模型、商品交易风险分析模型;基于所述商品危险等级分析模型、商品质量风险分析模型、商品交易风险分析模型,获得商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息;根据所述商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息,确定海关进出口商品风险信息;当所述海关进出口商品风险信息超出预设商品风险阈值时,对海关进出口商品进行风险预警管理。解决了现有技术海关进出口商品识别风险精准度不高、处理效率低,导致影响海关商品风险预警及时性的技术问题。达到通过对大数据获取的多维度海关商品数据进行全面整合处理,以此构建海关商品风险分析模型对海关进出口商品风险进行及时分析,提高识别精准度和处理效率,进而保证海关商品风险预警及时性的技术效果。
本说明书和附图仅仅是本申请的示例性说明,如果本发明的修改和变型属于本发明及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于大数据的海关进出口商品风险管理方法,其特征在于,所述方法包括:
通过大数据获取多维度海关商品数据信息;
对所述多维度海关商品数据信息进行数据标准化、整合,获得多维度标准海关商品数据信息;
将所述多维度标准海关商品数据信息脱敏上传至风险特征识别模块进行分析,获得海关商品风险线索信息;
基于所述海关商品风险线索信息,构建海关商品风险分析模型,所述海关商品风险分析模型包括商品危险等级分析模型、商品质量风险分析模型、商品交易风险分析模型;
基于所述商品危险等级分析模型、商品质量风险分析模型、商品交易风险分析模型,获得商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息;
根据所述商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息,确定海关进出口商品风险信息;
当所述海关进出口商品风险信息超出预设商品风险阈值时,对海关进出口商品进行风险预警管理。
2.如权利要求1所述的方法,其特征在于,所述获得多维度标准海关商品数据信息,包括:
对所述多维度海关商品数据信息进行归一化处理,获得规范海关商品数据信息;
基于所述规范海关商品数据信息进行数据一致性检查,获得负海关商品数据信息;
对所述多维度海关商品数据信息中的各数据维度信息进行可信度分析,获得数据维度可信度规则;
基于所述数据维度可信度规则对所述负海关商品数据信息进行审核校正,获得正海关商品数据信息;
对所述正海关商品数据信息进行数据格式整合,获得所述多维度标准海关商品数据信息。
3.如权利要求2所述的方法,其特征在于,所述获得数据维度可信度规则,包括:
获得数据可信度特征指标,所述数据可信度特征指标包括数据提供来源、数据时效性、数据提供方;
根据所述数据可信度特征指标,构建数据可信度三维坐标系;
将所述各数据维度信息输入至所述数据可信度三维坐标系中进行评价,获得数据维度向量集合;
基于所述数据维度向量集合中各向量的模进行排序,确定所述数据维度可信度规则。
4.如权利要求1所述的方法,其特征在于,所述将所述多维度标准海关商品数据信息脱敏上传至风险特征识别模块进行分析,包括:
对所述多维度标准海关商品数据信息进行敏感数据识别,获得海关商品敏感数据信息;
对所述海关商品敏感数据信息进行分类,获得商品敏感数据类型属性;
按照预设敏感划分规则对所述商品敏感数据类型属性进行划分,获得敏感数据类型等级;
基于所述敏感数据类型等级对所述海关商品敏感数据信息进行数据脱敏,获得海关商品脱敏数据信息,并将所述海关商品脱敏数据信息上传至风险特征识别模块。
5.如权利要求4所述的方法,其特征在于,所述获得海关商品脱敏数据信息,包括:
根据所述敏感数据类型等级,确定数据脱敏系数;
基于所述数据脱敏系数,获得数据动态脱敏规则;
根据所述数据动态脱敏规则,配置数据动态脱敏算法;
基于所述数据动态脱敏算法对所述海关商品敏感数据信息进行数据脱敏,获得所述海关商品脱敏数据信息。
6.如权利要求1所述的方法,其特征在于,所述获得海关商品风险线索信息,包括:
通过所述风险特征识别模块,获得商品风险识别支持向量机;
将所述多维度标准海关商品数据信息输入至所述商品风险识别支持向量机进行识别,获得商品风险识别信息;
对所述商品风险识别信息进行提取分类,获得商品风险分类要素信息;
基于所述商品风险分类要素信息进行特征梳理,获得所述海关商品风险线索信息。
7.如权利要求1所述的方法,其特征在于,所述对海关进出口商品进行风险预警管理,包括:
根据所述海关进出口商品风险信息,获得商品风险类型特征信息;
将所述海关进出口商品风险信息和所述预设商品风险阈值的差值,作为商品风险预警等级;
基于商品风险类型特征信息和所述商品风险预警等级,生成商品风险预警管控方案;
基于所述商品风险预警管控方案,对海关进出口商品进行风险预警管控。
8.一种基于大数据的海关进出口商品风险管理***,其特征在于,所述***包括:
海关商品数据获取模块,用于通过大数据获取多维度海关商品数据信息;
数据标准化整合模块,用于对所述多维度海关商品数据信息进行数据标准化、整合,获得多维度标准海关商品数据信息;
风险特征识别模块,用于将所述多维度标准海关商品数据信息脱敏上传至风险特征识别模块进行分析,获得海关商品风险线索信息;
模型构建模块,用于基于所述海关商品风险线索信息,构建海关商品风险分析模型,所述海关商品风险分析模型包括商品危险等级分析模型、商品质量风险分析模型、商品交易风险分析模型;
模型分析模块,用于基于所述商品危险等级分析模型、商品质量风险分析模型、商品交易风险分析模型,获得商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息;
商品风险信息确定模块,用于根据所述商品危险度分析信息、商品质量风险分析信息、商品交易风险分析信息,确定海关进出口商品风险信息;
商品风险预警管理模块,用于当所述海关进出口商品风险信息超出预设商品风险阈值时,对海关进出口商品进行风险预警管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211593524.7A CN115860747A (zh) | 2022-12-13 | 2022-12-13 | 一种基于大数据的海关进出口商品风险管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211593524.7A CN115860747A (zh) | 2022-12-13 | 2022-12-13 | 一种基于大数据的海关进出口商品风险管理方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115860747A true CN115860747A (zh) | 2023-03-28 |
Family
ID=85672252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211593524.7A Pending CN115860747A (zh) | 2022-12-13 | 2022-12-13 | 一种基于大数据的海关进出口商品风险管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115860747A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117436705A (zh) * | 2023-12-11 | 2024-01-23 | 深圳市明心数智科技有限公司 | 一种贸易风险分析方法、***及介质 |
-
2022
- 2022-12-13 CN CN202211593524.7A patent/CN115860747A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117436705A (zh) * | 2023-12-11 | 2024-01-23 | 深圳市明心数智科技有限公司 | 一种贸易风险分析方法、***及介质 |
CN117436705B (zh) * | 2023-12-11 | 2024-04-19 | 深圳市明心数智科技有限公司 | 一种贸易风险分析方法、***及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564286B (zh) | 一种基于大数据征信的人工智能金融风控授信评定方法和*** | |
CN109543096B (zh) | 数据查询方法、装置、计算机设备和存储介质 | |
CN109767322B (zh) | 基于大数据的可疑交易分析方法、装置和计算机设备 | |
CN107993144A (zh) | 客户风险等级确定方法、装置、设备及可读存储介质 | |
CN111861697B (zh) | 一种基于贷款多头数据的用户画像生成方法及*** | |
US20150339600A1 (en) | Method and system for analysing data | |
CN115860747A (zh) | 一种基于大数据的海关进出口商品风险管理方法及*** | |
CN105809195A (zh) | 用于判别一个商户是否属于特定商户类别的方法和装置 | |
CN116596305A (zh) | 用于食品安全管理的风险分级方法 | |
CN111861716B (zh) | 一种基于软件***的贷中监控预警等级生成方法 | |
CN113516313A (zh) | 一种基于用户画像的燃气异常检测方法 | |
Tilimbe | Ethical implications of predictive risk intelligence | |
Jaroonchokanan et al. | Dynamics of hierarchical clustering in stocks market during financial crises | |
Fieberg et al. | Machine learning in accounting research | |
KR20210029326A (ko) | 비정형 재무정보 추출을 활용한 기업 건전성 진단 장치 및 방법 | |
CN112711577A (zh) | 一种异常交易企业识别方法及装置 | |
CN115907837B (zh) | 基于机器学习的期货数据分析、风险预测方法及*** | |
CN115797047A (zh) | 智能化客户经营风险评估方法及*** | |
CN115713399B (zh) | 一种结合第三方数据源的用户信用评估*** | |
CN110543910A (zh) | 信用状态监测***和监测方法 | |
CN114022114B (zh) | 基于电信行业的数据治理***和方法 | |
Yang et al. | Anomaly detection of vehicle data based on LOF algorithm | |
Kapoor | Deception Detection And Vulnerability Analysis Using A Multi-Level Clustering Machine Learning Algorithm In Business Transactions | |
Mahalle et al. | Data Acquisition and Preparation | |
CN111861725B (zh) | 三方数据源成本核算方法及*** |
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 |