CN117522560A - 一种识别***不合规异地交易的方法 - Google Patents
一种识别***不合规异地交易的方法 Download PDFInfo
- Publication number
- CN117522560A CN117522560A CN202311543653.XA CN202311543653A CN117522560A CN 117522560 A CN117522560 A CN 117522560A CN 202311543653 A CN202311543653 A CN 202311543653A CN 117522560 A CN117522560 A CN 117522560A
- Authority
- CN
- China
- Prior art keywords
- customer
- consumption
- information
- certificate
- address
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000011218 segmentation Effects 0.000 claims description 53
- 230000008569 process Effects 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000003203 everyday effect Effects 0.000 claims description 15
- 101100533306 Mus musculus Setx gene Proteins 0.000 claims description 13
- 230000004308 accommodation Effects 0.000 claims description 5
- 230000006399 behavior Effects 0.000 claims description 3
- 230000002354 daily effect Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000001932 seasonal effect Effects 0.000 claims description 3
- 238000011066 ex-situ storage Methods 0.000 claims 1
- 230000001788 irregular Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 101100202860 Enterobacteria phage T4 segB gene Proteins 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009295 sperm incapacitation Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种识别***不合规异地交易的方法,通过采集多种第三方数据并批量入库,然后通过客户消费发生时的地址与常住地址、单位地址、住宅地及得到的客户相关的地址信息进行比对,计算出异地概率值,再通过异地概率值及客户的性别、年龄、职位岗位,再通过计算出此客户的异地值,分析客户日、月、季、年的异地值,以及分析历史不合规异地交易的数据等,降低了不合规异地交易的金融风险,维护了市场稳定性。
Description
技术领域
本发明涉及金融工具技术领域,尤其涉及一种识别***不合规异地交易的方法。
背景技术
***(Credit Card)是指记录持卡人账户相关信息,具备银行授信额度和透支功能,并为持卡人提供相关银行服务的各类介质。***消费是一种非现金交易付款的方式,消费时无须支付现金,待账单日(Billing Date)时再进行还款。
***分为贷记卡和准贷记卡,贷记卡是指持卡人拥有一定的信用额度、可在信用额度内先消费后还款的***;准贷记卡是指持卡人按要求交存一定金额的备用金,当备用金账户余额不足支付时,可在规定的信用额度内透支的准贷记卡。所说的***,一般单指贷记卡。
***主要特点如下:
①***是当今发展最快的一项金融业务之一,它是一种可在一定范围内替代传统现金流通的电子货币;
②***同时具有支付和信贷两种功能。持卡人可用其购买商品或享受服务,还可通过使用***从发卡机构获得一定的贷款;
③***是集金融业务与电脑技术于一体的高科技产物。
④***能减少现金货币的使用;
⑤***能提供结算服务,方便购物消费,增强安全感;
⑥***能简化收款手续,节约社会劳动力;
⑦***能促进商品销售,刺激社会需求。
***的安全问题主要分为下述五大方面:
***:不法分子或犯罪集团以假卡或废卡(过期/遗失作废/磁带损毁...等)冒充正卡消费,直接蒙骗商家或甚发卡机构。
持卡人:卡片保管不善/处理不当(过期/磁带失效的***未进行销毁,或遗失未立即作废等),以及个人身份信息无意之间遭窃取或骗取。
消费商家:服务人员于持卡人消费过程超刷,或窃取其***资讯至其他商家消费。这种情况无论是实体商家还是网络虚拟商家,皆有可能发生。
发卡机构:电脑***遭恶意入侵,窃取客户基本/交易资讯。亦有机构内部从业人员监守自盗或内神通外鬼等不肖事情。
交易***与机制:只要是人类所制作的或经手的,就免不了人为的错误与疏失;再严谨的交易机制,配合从确认到结算的世界级交易***,仍然有被入侵的可能,而且所谓的“入侵”其实也具有等级层次上的差别。
非***持卡人的不合规交易通常为异地交易,会引发金融风险、市场混乱,然而,针对上述问题,目前尚未提出有效的解决方案,而通过人工监控的方式识别会消耗巨大人力资源成本,且效率低下。
发明内容
为了解决上述问题,本发明提出一种识别***不合规异地交易的方法及装置,降低了***不合规交易发生的可能性。
为了实现上述目的,本发明提供如下技术方案:
本发明提供一种识别***不合规异地交易的方法,包括以下步骤:
S1、通过客户证件号码或手***时获取并存储本行***客户通行凭证,包括各航空数据、火车数据、公共汽车数据;
S2、通过客户车牌号定时获取并存储本行***客户自驾信息凭证,包括加油站数据、高速服务区数据、充电站数据;
S3、通过客户证件类型、证件号码、姓名、手***时获取并存储本行***客户网上消费凭证和现金消费凭证,网上消费凭证包括第三方购物App消费记录、银行消费记录,现金消费凭证包括各便利店记录、商城记录;
S4、通过客户手***时获取并存储本行***客户快递凭证,包括各快递公司记录;
S5、通过客户证件号码或手***时获取并存储本行***客户住宿凭证;
S6、通过将客户消费发生时的地址与常住地址、单位地址、住宅地址及步骤S1-S5得到的客户相关的地址信息进行比对,计算出异地概率值;客户相关的地址信息包括客户相关的目的地址信息和客户相关的发出地址信息,客户相关的目的地址信息与常住地址、单位地址、住宅地址进行相识的计算,客户相关的发出地址信息与常住地址、单位地址、住宅地址进行相识的计算;
S7、通过步骤S6得到的异地概率值及客户的性别异地值系数、年龄异地值系数、职位岗位异地值系数,计算出此客户的异地值:异地值=异地概率值×性别异地值系数×年龄异地值系数×职位岗位异地值系数;其中,性别异地值系数:男性:1.12,女性:0.95;年龄异地值系数:0-18岁:0.9,18-30岁:1.4,30-40岁:1.25,40-55岁:1.3,55岁以上:0.9;职位岗位异地值系数:一般员工:1.20,一般管理人员:1.25,中层管理人员:1.12,企业负责人:1;
S8、分析客户日、月、季、年的异地值,从而得到日、月、季、年的同比、环比、平均值;
S9、每日对历史不合规异地交易的数据分析,每月月初统计近一年每位客户历史不合规异地交易连续三个月发生不合规异地交易或累计六个月发生不合规异地交易时,将此客户信息维护至不合规异地交易黑名单中;每月月初统计近三年每位客户历史不合规异地累计不超过一次时,将此客户信息从不合规异地交易黑名单中注销;
S10、获取并保存客户近半年的消费信息,包括消费种类、消费金额、消费场所;
S11、根据步骤S10采集的消费信息建立此客户消费种类预测模型,通过每类商品的消费预测模型得到用户的商品种类消费预测值;
S12、当客户消费发生时,根据预测客户消费商品种类消费预测值,判断是否为此客户消费,当预测值大于0.7,则表示为此客户消费,否则为存在不合规交易风险;
S13、根据步骤S10采集的消费信息建立此客户消费金额预测模型,通过客户消费金额预测模型预测出客户消费此类商品的金额范围;
S14、当客户消费发生时,根据预测客户消费商品种类消费金额预测范围,判断是否为此客户消费,当消费金额超过预测范围最大值的10%或低于预测范围最小值的90%,则为此客户存在不合规交易风险;
S15、当客户消费发生时,客户在不合规异地交易黑名单中时,不合规异地交易的可能性码值为0.75;客户存在异地值时,不合规异地交易的可能性码值为异地值;可能性码值大于0.7,表示此笔消费存在不合规异地交易的风险。
进一步地,步骤S1中,定时获取并存储本行***客户通行凭证的过程如下:
每日零时从航空公司获取客户前一日的航班行驶信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用航空公司检票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名信息,并将得到的数据信息保存至数据库航空行程数据表中;
每整点从航空公司获取客户上一小时的航班订票信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用航空公司订票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名等信息,并将得到的数据信息保存至数据库航空订票数据表中;
每日零时从铁路公司获取客户前一日的列车信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用铁路公司检票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名信息,并将得到的数据信息保存至数据库火车行程数据表中;
每整点从铁路公司获取客户上一小时的列车信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用铁路公司订票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名信息,并将得到的数据信息保存至数据库火车订票数据表中;
每日零时从客运公司获取客户前一日的客车信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用客运公司检票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名信息,并将得到的数据信息保存至数据库客车行程数据表中;
每整点从客运公司获取客户上一小时的客车信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用客运公司订票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名信息,并将得到的数据信息保存至数据库客车订票数据表中。
进一步地,步骤S2中,获取并存储本行***客户自驾信息凭证的过程如下:
每日零时批量获取录入车牌号的***客户,筛选出燃油车的车牌号、证件号码、证件类型、姓名;批量调用各大加油***加油记录查询接口,得到前一日的加油站地址、加油量、加油时间、车牌号,并将得到的数据信息保存至数据库加油记录数据表中;
每日零时批量获取录入车牌号的***客户,筛选出电车的车牌号、证件号码、证件类型、姓名;批量调用充电桩***充电记录查询接口,得到充前一日的电站地址、充电开始时间、充电结束时间、充电时长、车牌号,并将得到的数据信息保存至数据库充电记录数据表中;
每日零时批量获取录入车牌号的***客户,通过车牌号、证件号码、证件类型、姓名,批量调用高速通行***高速行驶查询接口,得到前一日的驶入高速时间、驶入高速站点名称、驶离高速时间、驶离高速站点名称、车牌号,并将得到的数据信息保存至数据库高速通行记录数据表中。
进一步地,步骤S3中,获取并存储本行***客户网上消费凭证和现金消费凭证的过程如下:
每日零时批量获取***客户的证件号码、姓名、证件类型、手机号,通过调用银联数据的第三方接口获取客户的交易数据凭证,得到客户交易地点、交易时间、商品类型,并将得到的数据信息保存至数据库网上消费凭证数据表中;
每日零时批量获取***客户的证件号码、姓名、证件类型、手机号,通过调用各个消费场所交易信息的第三方的接口获取客户的交易数据凭证,得到客户交易地点、交易时间、商品类型,并将得到的数据信息保存至数据库现金消费凭证数据表中。
进一步地,步骤S4中,获取并存储本行***客户快递凭证的过程如下:
每日零时批量获取***客户的姓名、手机号,通过调用物流快递信息查询***的第三方的接口获取客户的快递数据凭证,得到客户收货地址、交易时间、商品类型、地址标签、收件人、收件人手机号码、签收时间、签收人姓名,并将得到的数据信息保存至数据库快递凭证数据表中。
进一步地,步骤S5中,获取并存储本行***客户住宿凭证的过程如下:
每日零时批量获取***客户的证件号码、姓名、证件类型、手机号,通过调用酒店入住信息管理***的第三方查询的接口获取客户的住宿数据凭证,得到客户入住时间、酒店地址、交易时间、入住人证件号码、姓名、证件类型、离开时间,并将得到的数据信息保存至数据库酒店入住凭证数据表中。
进一步地,步骤S6中,客户相关的目的地址信息与常住地址、单位地址、住宅地址进行相识的计算,计算方法为:
计算AddrH={w1,w2,w3..wn},AddrH为客户目的地址经过分词SetA、分词SetB分词的每一个词组成的数组;分词SetA为省市地址分词器,分词SetB为地址分词器;
计算AddrD={y1,y2,y3..yn},AddrD为客户的常住地址、单位地址、住宅地址经过分词SetA、分词SetB分词的每一个词组成的数组;
计算Addr={z1,z2,z3,zn},Addr为AddrH和AddrD两个地址的并集,对多次出现的词只保留一次;
计算SetX={1,2,1,3,2,3,...,1},SetX为Addr中的每个词在地址AddrH中出现的次数的集合,由分词SetA进行分词的词出现的次数=实际出现的次数*分词系数;
计算SetY={0,3,2,1,...,2},SetY为Addr中的每个词在地址AddrD中出现的次数的集合,由分词SetA进行分词的词出现的次数=实际出现的次数*分词系数;
计算
其中Sim的范围为0-1;
取多个Sim的平均值,异地概率值为1-Sim;
客户相关的发出地址信息与常住地址、单位地址、住宅地址进行相识的计算,计算方法为:
计算AddrH={w1,w2,w3..wn},AddrH为客户目的地址经过分词SetA、分词SetB分词的每一个词组成的数组;分词SetA为省市地址分词器,分词SetB为地址分词器;
计算AddrD={y1,y2,y3..yn},AddrD为客户的常住地址、单位地址、住宅地址经过分词SetA、分词SetB分词的每一个词组成的数组;
计算Addr={z1,z2,z3,zn},Addr为AddrH和AddrD两个地址的并集,对多次出现的词只保留一次;
计算SetX={1,2,1,3,2,3,...,1},SetX为Addr中的每个词在地址AddrH中出现的次数的集合,由分词SetA进行分词的词出现的次数=实际出现的次数*分词系数;
计算SetY={0,3,2,1,...,2},SetY为Addr中的每个词在地址AddrD中出现的次数的集合,由分词SetA进行分词的词出现的次数=实际出现的次数*分词系数;
计算
其中Sim的范围为0-1;
取多个Sim的平均值,异地概率值为Sim。
进一步地,步骤S10中,获取客户的近半年的消费信息的过程如下:
每日零时批量获取***客户的证件号码、姓名、证件类型、手机号,通过调用第三方查询的接口获取客户的消费明细,得到客户的消费种类、消费金额、消费场所等消费信息,并将得到的数据信息保存至数据库消费明细信息数据表中。
进一步地,步骤S11中,根据步骤S10采集的消费信息建立此客户消费预测模型,通过每类商品的消费预测模型得到用户的商品种类消费预测值,过程如下:
1)、以消费种类作为维度,选择a天数据作为模型预测数据,客户在一天中消费此类商品则标记为1,否则标记为0,记录每个客户a天的各类商品消费行为;
2)、客户a天之后的b天消费了同一类商品,则把此类商品标记为1,否则标记为0;
3)、1)中的每位客户的a天的各类商品的数据作为自变量,2)中的同类的结果值作为因变量,建立此类商品的消费预测模型;
4)、根据待消费的客户x天的消费商品种类序列,通过每类商品的消费预测模型可得到用户的商品种类消费预测值。
进一步地,步骤S13中,根据步骤S10采集的消费信息建立此客户消费金额预测模型,通过客户消费金额预测模型预测出客户消费此类商品的金额范围,过程如下:
1)、按商品种类统计出每位客户此类商品的消费金额范围;
2)、按个人收入统计出每位客户每类商品的消费金额的变化趋势及区间范围;
3)、按家庭收入统计出每位客户每类商品的消费金额的变化趋势及区间范围;
4)、按季节变化统计出每位客户每类商品的消费金额的变化趋势及区间范围;
5)、根据待消费的客户信息,预测出客户消费此类商品的金额范围。
与现有技术相比,本发明的有益效果为:
本发明提出的识别***不合规异地交易的方法,通过采集多种第三方数据并批量入库,然后通过客户消费发生时的地址与常住地址、单位地址、住宅地及得到的客户相关的地址信息进行比对,计算出异地概率值,再通过异地概率值及客户的性别、年龄、职位岗位,再通过计算出此客户的异地值,分析客户日、月、季、年的异地值,以及分析历史不合规异地交易的数据等,降低了不合规异地交易的金融风险,可用于在电子设备的应用程序中,节约人力成本,维护了市场稳定性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明提供的识别***不合规异地交易的方法流程图。
具体实施方式
为了更好地理解本技术方案,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、完整的描述。显然,所描述的实例仅仅是本发明实施例一部分实施例,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基于本申请所获得的所有其他实施例,都属于本发明保护的范围。
本发明提出的识别***不合规异地交易的方法,如图1所示,包括以下步骤:
S1、通过客户证件号码或手***时获取并存储本行***客户通行凭证,包括各航空数据、火车数据、公共汽车数据。
具体的实施方式中,上述定时获取并存储本行***客户通行凭证的过程如下:
每日零时从航空公司获取客户前一日的航班行驶信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用航空公司检票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名信息,并将得到的数据信息保存至数据库航空行程数据表中;
每整点从航空公司获取客户上一小时的航班订票信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用航空公司订票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名等信息,并将得到的数据信息保存至数据库航空订票数据表中;
每日零时从铁路公司获取客户前一日的列车信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用铁路公司检票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名信息,并将得到的数据信息保存至数据库火车行程数据表中;
每整点从铁路公司获取客户上一小时的列车信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用铁路公司订票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名信息,并将得到的数据信息保存至数据库火车订票数据表中;
每日零时从客运公司获取客户前一日的客车信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用客运公司检票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名信息,并将得到的数据信息保存至数据库客车行程数据表中;
每整点从客运公司获取客户上一小时的客车信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用客运公司订票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名信息,并将得到的数据信息保存至数据库客车订票数据表中。
S2、通过客户车牌号定时获取并存储本行***客户自驾信息凭证,包括加油站数据、高速服务区数据、充电站数据。
具体的实施方式中,上述获取并存储本行***客户自驾信息凭证的过程如下:
每日零时批量获取录入车牌号的***客户,筛选出燃油车的车牌号、证件号码、证件类型、姓名;批量调用各大加油***加油记录查询接口,得到前一日的加油站地址、加油量、加油时间、车牌号,并将得到的数据信息保存至数据库加油记录数据表中;
每日零时批量获取录入车牌号的***客户,筛选出电车的车牌号、证件号码、证件类型、姓名;批量调用充电桩***充电记录查询接口,得到充前一日的电站地址、充电开始时间、充电结束时间、充电时长、车牌号,并将得到的数据信息保存至数据库充电记录数据表中;
每日零时批量获取录入车牌号的***客户,通过车牌号、证件号码、证件类型、姓名,批量调用高速通行***高速行驶查询接口,得到前一日的驶入高速时间、驶入高速站点名称、驶离高速时间、驶离高速站点名称、车牌号,并将得到的数据信息保存至数据库高速通行记录数据表中。
S3、通过客户证件类型、证件号码、姓名、手***时获取并存储本行***客户网上消费凭证和现金消费凭证,网上消费凭证包括第三方购物App消费记录、银行消费记录,现金消费凭证包括各便利店记录、商城记录。
具体的实施方式中,上述获取并存储本行***客户网上消费凭证和现金消费凭证的过程如下:
每日零时批量获取***客户的证件号码、姓名、证件类型、手机号,通过调用银联数据的第三方接口获取客户的交易数据凭证,得到客户交易地点、交易时间、商品类型,并将得到的数据信息保存至数据库网上消费凭证数据表中;
每日零时批量获取***客户的证件号码、姓名、证件类型、手机号,通过调用各个消费场所交易信息的第三方的接口获取客户的交易数据凭证,得到客户交易地点、交易时间、商品类型,并将得到的数据信息保存至数据库现金消费凭证数据表中。
S4、通过客户手***时获取并存储本行***客户快递凭证,包括各快递公司记录。
具体的实施方式中,上述获取并存储本行***客户快递凭证的过程如下:
每日零时批量获取***客户的姓名、手机号,通过调用物流快递信息查询***的第三方的接口获取客户的快递数据凭证,得到客户收货地址、交易时间、商品类型、地址标签、收件人、收件人手机号码、签收时间、签收人姓名,并将得到的数据信息保存至数据库快递凭证数据表中。
S5、通过客户证件号码或手***时获取并存储本行***客户住宿凭证(各酒店住宿记录)。
具体的实施方式中,上述获取并存储本行***客户住宿凭证的过程如下:
每日零时批量获取***客户的证件号码、姓名、证件类型、手机号,通过调用酒店入住信息管理***的第三方查询的接口获取客户的住宿数据凭证,得到客户入住时间、酒店地址、交易时间、入住人证件号码、姓名、证件类型、离开时间,并将得到的数据信息保存至数据库酒店入住凭证数据表中。
S6、通过将客户消费发生时的地址与常住地址、单位地址、住宅地址及步骤S1-S5得到的客户相关的地址信息进行比对,计算出异地概率值;客户相关的地址信息包括客户相关的目的地址信息和客户相关的发出地址信息,客户相关的目的地址信息与常住地址、单位地址、住宅地址进行相识的计算,客户相关的发出地址信息与常住地址、单位地址、住宅地址进行相识的计算。
具体的实施方式中,取步骤S1中客户相关的目的地址信息的抵达时间范围为客户消费时间的一周内(此范围为预估范围,可以通过大量测试进行更准确维护),客户相关的目的地址信息与常住地址、单位地址、住宅地址进行相识的计算,计算方法为:
计算AddrH={w1,w2,w3..wn},AddrH为客户目的地址经过分词SetA、分词SetB分词的每一个词组成的数组;分词SetA为省市地址分词器,分词SetB为地址分词器,***后台进行维护;
计算AddrD={y1,y2,y3..yn},AddrD为客户的常住地址、单位地址、住宅地址经过分词SetA、分词SetB分词的每一个词组成的数组;
计算Addr={z1,z2,z3,zn},Addr为AddrH和AddrD两个地址的并集,对多次出现的词只保留一次;
计算SetX={1,2,1,3,2,3,...,1},SetX为Addr中的每个词在地址AddrH中出现的次数的集合,由分词SetA进行分词的词出现的次数=实际出现的次数*分词系数;
计算SetY={0,3,2,1,...,2},SetY为Addr中的每个词在地址AddrD中出现的次数的集合,由分词SetA进行分词的词出现的次数=实际出现的次数*分词系数;
计算
其中Sim的范围为0-1;
取多个Sim的平均值,异地概率值为1-Sim;异地概率值越大时说明异地不合法消费性越大。
例如,客户目的地址:{吉林省,长春市,南关区,卫星路,1号}。
客户常驻地址:{吉林省,长春市,净月区,福祉大路,50号}。
省市地址分词系数:2。
两个地址的并集:{吉林省,长春市,南关区,净月区,卫星路,福祉大路,1号,50号}。
SetX:{2,2,1,0,1,0,1,0}。
SetY:{2,2,0,1,0,1,0,1}。
客户消费时间为步骤S1中客户相关的出发地址信息的起始时间的一周内(此范围为预估范围,可以通过大量测试进行更准确维护)。
客户相关的发出地址信息与常住地址、单位地址、住宅地址进行相识的计算,计算方法为:
计算AddrH={w1,w2,w3..wn},AddrH为客户目的地址经过分词SetA、分词SetB分词的每一个词组成的数组;分词SetA为省市地址分词器,分词SetB为地址分词器;
计算AddrD={y1,y2,y3..yn},AddrD为客户的常住地址、单位地址、住宅地址经过分词SetA、分词SetB分词的每一个词组成的数组;
计算Addr={z1,z2,z3,zn},Addr为AddrH和AddrD两个地址的并集,对多次出现的词只保留一次;
计算SetX={1,2,1,3,2,3,...,1},SetX为Addr中的每个词在地址AddrH中出现的次数的集合,由分词SetA进行分词的词出现的次数=实际出现的次数*分词系数;
计算SetY={0,3,2,1,...,2},SetY为Addr中的每个词在地址AddrD中出现的次数的集合,由分词SetA进行分词的词出现的次数=实际出现的次数*分词系数;
计算
其中Sim的范围为0-1;
取多个Sim的平均值,异地概率值为Sim,异地概率值越大时说明异地不合法消费性越大。
S7、通过步骤S6得到的异地概率值及客户的性别异地值系数、年龄异地值系数、职位岗位异地值系数,计算出此客户的异地值:异地值=异地概率值×性别异地值系数×年龄异地值系数×职位岗位异地值系数;其中,性别异地值系数:男性:1.12,女性:0.95;年龄异地值系数:0-18岁:0.9,18-30岁:1.4,30-40岁:1.25,40-55岁:1.3,55岁以上:0.9;职位岗位异地值系数:一般员工:1.20,一般管理人员:1.25,中层管理人员:1.12,企业负责人:1。异地值系数可以通过大量测试进行更准确维护。
S8、分析客户日、月、季、年的异地值,从而得到日、月、季、年的同比、环比、平均值等相关指标。
通过客户的同比指标的变化趋势为下降,表示预测此客户不合规异地交易风险变低;变化趋势为上升,表示预测此客户不合规异地交易风险变高,需要加强关注。
通过客户的环比指标的变化趋势为下降,表示预测此客户不合规异地交易风险变低;变化趋势为上升,表示预测此客户不合规异地交易风险变高,需要加强关注。
S9、每日对历史不合规异地交易的数据分析,每月月初统计近一年每位客户历史不合规异地交易连续三个月发生不合规异地交易或累计六个月发生不合规异地交易时,将此客户信息维护至不合规异地交易黑名单中;每月月初统计近三年每位客户历史不合规异地累计不超过一次时,将此客户信息从不合规异地交易黑名单中注销。
S10、获取并保存客户近半年的消费信息,包括消费种类、消费金额、消费场所。
具体的实施方式中,上述获取客户的近半年的消费信息的过程如下:
每日零时批量获取***客户的证件号码、姓名、证件类型、手机号,通过调用第三方查询的接口获取客户的消费明细,得到客户的消费种类、消费金额、消费场所等消费信息,并将得到的数据信息保存至数据库消费明细信息数据表中。
S11、根据步骤S10采集的消费信息建立此客户消费种类预测模型,通过每类商品的消费预测模型得到用户的商品种类消费预测值。
具体的实施方式中,根据步骤S10采集的消费信息建立此客户消费预测模型,通过每类商品的消费预测模型得到用户的商品种类消费预测值,过程如下:
1)、以消费种类作为维度,选择a天数据作为模型预测数据,客户在一天中消费此类商品则标记为1,否则标记为0,记录每个客户a天的各类商品消费行为;
2)、客户a天之后的b天消费了同一类商品,则把此类商品标记为1,否则标记为0;
3)、1)中的每位客户的a天的各类商品的数据作为自变量,2)中的同类的结果值作为因变量,建立此类商品的消费预测模型;
4)、根据待消费的客户x天的消费商品种类序列,通过每类商品的消费预测模型可得到用户的商品种类消费预测值。
S12、当客户消费发生时,根据预测客户消费商品种类消费预测值,判断是否为此客户消费,当预测值大于0.7,则表示为此客户消费,否则为存在不合规交易风险。
S13、根据步骤S10采集的消费信息建立此客户消费金额预测模型,通过客户消费金额预测模型预测出客户消费此类商品的金额范围。
具体的实施方式中,根据步骤S10采集的消费信息建立此客户消费金额预测模型,通过客户消费金额预测模型预测出客户消费此类商品的金额范围,过程如下:
1)、按商品种类统计出每位客户此类商品的消费金额范围;
2)、按个人收入统计出每位客户每类商品的消费金额的变化趋势及区间范围;
3)、按家庭收入统计出每位客户每类商品的消费金额的变化趋势及区间范围;
4)、按季节变化统计出每位客户每类商品的消费金额的变化趋势及区间范围;
5)、根据待消费的客户信息,预测出客户消费此类商品的金额范围。
S14、当客户消费发生时,根据预测客户消费商品种类消费金额预测范围,判断是否为此客户消费,当消费金额超过预测范围最大值的10%或低于预测范围最小值的90%,则为此客户存在不合规交易风险。
S15、当客户消费发生时,客户在不合规异地交易黑名单中时,不合规异地交易的可能性码值为0.75;客户存在异地值时,不合规异地交易的可能性码值为异地值;可能性码值大于0.7,表示此笔消费存在不合规异地交易的风险。
本发明提出的识别***不合规异地交易的方法,通过采集多种第三方数据并批量入库,然后通过客户消费发生时的地址与常住地址、单位地址、住宅地及得到的客户相关的地址信息进行比对,计算出异地概率值,再通过异地概率值及客户的性别、年龄、职位岗位,再通过计算出此客户的异地值,分析客户日、月、季、年的异地值,以及分析历史不合规异地交易的数据等,降低了不合规异地交易的金融风险,可用于在电子设备的应用程序中,节约人力成本,维护了市场稳定性。
以上所述仅是对本发明的优选实施例及原理进行了详细说明,并非用于限定本发明的保护范围。对本领域的普通技术人员而言,依据本发明提供的思想,凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均应视为本发明的保护范围。
Claims (10)
1.一种识别***不合规异地交易的方法,其特征在于,包括以下步骤:
S1、通过客户证件号码或手***时获取并存储本行***客户通行凭证,包括各航空数据、火车数据、公共汽车数据;
S2、通过客户车牌号定时获取并存储本行***客户自驾信息凭证,包括加油站数据、高速服务区数据、充电站数据;
S3、通过客户证件类型、证件号码、姓名、手***时获取并存储本行***客户网上消费凭证和现金消费凭证,网上消费凭证包括第三方购物App消费记录、银行消费记录,现金消费凭证包括各便利店记录、商城记录;
S4、通过客户手***时获取并存储本行***客户快递凭证,包括各快递公司记录;
S5、通过客户证件号码或手***时获取并存储本行***客户住宿凭证;
S6、通过将客户消费发生时的地址与常住地址、单位地址、住宅地址及步骤S1-S5得到的客户相关的地址信息进行比对,计算出异地概率值;客户相关的地址信息包括客户相关的目的地址信息和客户相关的发出地址信息,客户相关的目的地址信息与常住地址、单位地址、住宅地址进行相识的计算,客户相关的发出地址信息与常住地址、单位地址、住宅地址进行相识的计算;
S7、通过步骤S6得到的异地概率值及客户的性别异地值系数、年龄异地值系数、职位岗位异地值系数,计算出此客户的异地值:异地值=异地概率值×性别异地值系数×年龄异地值系数×职位岗位异地值系数;其中,性别异地值系数:男性:1.12,女性:0.95;年龄异地值系数:0-18岁:0.9,18-30岁:1.4,30-40岁:1.25,40-55岁:1.3,55岁以上:0.9;职位岗位异地值系数:一般员工:1.20,一般管理人员:1.25,中层管理人员:1.12,企业负责人:1;
S8、分析客户日、月、季、年的异地值,从而得到日、月、季、年的同比、环比、平均值;
S9、每日对历史不合规异地交易的数据分析,每月月初统计近一年每位客户历史不合规异地交易连续三个月发生不合规异地交易或累计六个月发生不合规异地交易时,将此客户信息维护至不合规异地交易黑名单中;每月月初统计近三年每位客户历史不合规异地累计不超过一次时,将此客户信息从不合规异地交易黑名单中注销;
S10、获取并保存客户近半年的消费信息,包括消费种类、消费金额、消费场所;
S11、根据步骤S10采集的消费信息建立此客户消费种类预测模型,通过每类商品的消费预测模型得到用户的商品种类消费预测值;
S12、当客户消费发生时,根据预测客户消费商品种类消费预测值,判断是否为此客户消费,当预测值大于0.7,则表示为此客户消费,否则为存在不合规交易风险;
S13、根据步骤S10采集的消费信息建立此客户消费金额预测模型,通过客户消费金额预测模型预测出客户消费此类商品的金额范围;
S14、当客户消费发生时,根据预测客户消费商品种类消费金额预测范围,判断是否为此客户消费,当消费金额超过预测范围最大值的10%或低于预测范围最小值的90%,则为此客户存在不合规交易风险;
S15、当客户消费发生时,客户在不合规异地交易黑名单中时,不合规异地交易的可能性码值为0.75;客户存在异地值时,不合规异地交易的可能性码值为异地值;可能性码值大于0.7,表示此笔消费存在不合规异地交易的风险。
2.根据权利要求1所述的识别***不合规异地交易的方法,其特征在于,步骤S1中,定时获取并存储本行***客户通行凭证的过程如下:
每日零时从航空公司获取客户前一日的航班行驶信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用航空公司检票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名信息,并将得到的数据信息保存至数据库航空行程数据表中;
每整点从航空公司获取客户上一小时的航班订票信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用航空公司订票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名等信息,并将得到的数据信息保存至数据库航空订票数据表中;
每日零时从铁路公司获取客户前一日的列车信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用铁路公司检票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名信息,并将得到的数据信息保存至数据库火车行程数据表中;
每整点从铁路公司获取客户上一小时的列车信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用铁路公司订票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名信息,并将得到的数据信息保存至数据库火车订票数据表中;
每日零时从客运公司获取客户前一日的客车信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用客运公司检票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名信息,并将得到的数据信息保存至数据库客车行程数据表中;
每整点从客运公司获取客户上一小时的客车信息,即批量通过客户***信息的证件号码、证件类型、姓名、手机号调用客运公司订票查询接口,得到客户的出发地、目的地、出发时间、到达时间、客户证件号码、客户姓名信息,并将得到的数据信息保存至数据库客车订票数据表中。
3.根据权利要求1所述的识别***不合规异地交易的方法,其特征在于,步骤S2中,获取并存储本行***客户自驾信息凭证的过程如下:
每日零时批量获取录入车牌号的***客户,筛选出燃油车的车牌号、证件号码、证件类型、姓名;批量调用各大加油***加油记录查询接口,得到前一日的加油站地址、加油量、加油时间、车牌号,并将得到的数据信息保存至数据库加油记录数据表中;
每日零时批量获取录入车牌号的***客户,筛选出电车的车牌号、证件号码、证件类型、姓名;批量调用充电桩***充电记录查询接口,得到充前一日的电站地址、充电开始时间、充电结束时间、充电时长、车牌号,并将得到的数据信息保存至数据库充电记录数据表中;
每日零时批量获取录入车牌号的***客户,通过车牌号、证件号码、证件类型、姓名,批量调用高速通行***高速行驶查询接口,得到前一日的驶入高速时间、驶入高速站点名称、驶离高速时间、驶离高速站点名称、车牌号,并将得到的数据信息保存至数据库高速通行记录数据表中。
4.根据权利要求1所述的识别***不合规异地交易的方法,其特征在于,步骤S3中,获取并存储本行***客户网上消费凭证和现金消费凭证的过程如下:
每日零时批量获取***客户的证件号码、姓名、证件类型、手机号,通过调用银联数据的第三方接口获取客户的交易数据凭证,得到客户交易地点、交易时间、商品类型,并将得到的数据信息保存至数据库网上消费凭证数据表中;
每日零时批量获取***客户的证件号码、姓名、证件类型、手机号,通过调用各个消费场所交易信息的第三方的接口获取客户的交易数据凭证,得到客户交易地点、交易时间、商品类型,并将得到的数据信息保存至数据库现金消费凭证数据表中。
5.根据权利要求1所述的识别***不合规异地交易的方法,其特征在于,步骤S4中,获取并存储本行***客户快递凭证的过程如下:
每日零时批量获取***客户的姓名、手机号,通过调用物流快递信息查询***的第三方的接口获取客户的快递数据凭证,得到客户收货地址、交易时间、商品类型、地址标签、收件人、收件人手机号码、签收时间、签收人姓名,并将得到的数据信息保存至数据库快递凭证数据表中。
6.根据权利要求1所述的识别***不合规异地交易的方法,其特征在于,步骤S5中,获取并存储本行***客户住宿凭证的过程如下:
每日零时批量获取***客户的证件号码、姓名、证件类型、手机号,通过调用酒店入住信息管理***的第三方查询的接口获取客户的住宿数据凭证,得到客户入住时间、酒店地址、交易时间、入住人证件号码、姓名、证件类型、离开时间,并将得到的数据信息保存至数据库酒店入住凭证数据表中。
7.根据权利要求1所述的识别***不合规异地交易的方法,其特征在于,步骤S6中,客户相关的目的地址信息与常住地址、单位地址、住宅地址进行相识的计算,计算方法为:
计算AddrH={w1,w2,w3..wn},AddrH为客户目的地址经过分词SetA、分词SetB分词的每一个词组成的数组;分词SetA为省市地址分词器,分词SetB为地址分词器;
计算AddrD={y1,y2,y3..yn},AddrD为客户的常住地址、单位地址、住宅地址经过分词SetA、分词SetB分词的每一个词组成的数组;
计算Addr={z1,z2,z3,zn},Addr为AddrH和AddrD两个地址的并集,对多次出现的词只保留一次;
计算SetX={1,2,1,3,2,3,...,1},SetX为Addr中的每个词在地址AddrH中出现的次数的集合,由分词SetA进行分词的词出现的次数=实际出现的次数*分词系数;
计算SetY={0,3,2,1,...,2},SetY为Addr中的每个词在地址AddrD中出现的次数的集合,由分词SetA进行分词的词出现的次数=实际出现的次数*分词系数;
计算
其中Sim的范围为0-1;
取多个Sim的平均值,异地概率值为1-Sim;
客户相关的发出地址信息与常住地址、单位地址、住宅地址进行相识的计算,计算方法为:
计算AddrH={w1,w2,w3..wn},AddrH为客户目的地址经过分词SetA、分词SetB分词的每一个词组成的数组;分词SetA为省市地址分词器,分词SetB为地址分词器;
计算AddrD={y1,y2,y3..yn},AddrD为客户的常住地址、单位地址、住宅地址经过分词SetA、分词SetB分词的每一个词组成的数组;
计算Addr={z1,z2,z3,zn},Addr为AddrH和AddrD两个地址的并集,对多次出现的词只保留一次;
计算SetX={1,2,1,3,2,3,...,1},SetX为Addr中的每个词在地址AddrH中出现的次数的集合,由分词SetA进行分词的词出现的次数=实际出现的次数*分词系数;
计算SetY={0,3,2,1,...,2},SetY为Addr中的每个词在地址AddrD中出现的次数的集合,由分词SetA进行分词的词出现的次数=实际出现的次数*分词系数;
计算
其中Sim的范围为0-1;
取多个Sim的平均值,异地概率值为Sim。
8.根据权利要求1所述的识别***不合规异地交易的方法,其特征在于,步骤S10中,获取客户的近半年的消费信息的过程如下:
每日零时批量获取***客户的证件号码、姓名、证件类型、手机号,通过调用第三方查询的接口获取客户的消费明细,得到客户的消费种类、消费金额、消费场所等消费信息,并将得到的数据信息保存至数据库消费明细信息数据表中。
9.根据权利要求1所述的识别***不合规异地交易的方法,其特征在于,步骤S11中,根据步骤S10采集的消费信息建立此客户消费预测模型,通过每类商品的消费预测模型得到用户的商品种类消费预测值,过程如下:
1)、以消费种类作为维度,选择a天数据作为模型预测数据,客户在一天中消费此类商品则标记为1,否则标记为0,记录每个客户a天的各类商品消费行为;
2)、客户a天之后的b天消费了同一类商品,则把此类商品标记为1,否则标记为0;
3)、1)中的每位客户的a天的各类商品的数据作为自变量,2)中的同类的结果值作为因变量,建立此类商品的消费预测模型;
4)、根据待消费的客户x天的消费商品种类序列,通过每类商品的消费预测模型可得到用户的商品种类消费预测值。
10.根据权利要求1所述的识别***不合规异地交易的方法,其特征在于,步骤S13中,根据步骤S10采集的消费信息建立此客户消费金额预测模型,通过客户消费金额预测模型预测出客户消费此类商品的金额范围,过程如下:
1)、按商品种类统计出每位客户此类商品的消费金额范围;
2)、按个人收入统计出每位客户每类商品的消费金额的变化趋势及区间范围;
3)、按家庭收入统计出每位客户每类商品的消费金额的变化趋势及区间范围;
4)、按季节变化统计出每位客户每类商品的消费金额的变化趋势及区间范围;
5)、根据待消费的客户信息,预测出客户消费此类商品的金额范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311543653.XA CN117522560A (zh) | 2023-11-20 | 2023-11-20 | 一种识别***不合规异地交易的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311543653.XA CN117522560A (zh) | 2023-11-20 | 2023-11-20 | 一种识别***不合规异地交易的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117522560A true CN117522560A (zh) | 2024-02-06 |
Family
ID=89741518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311543653.XA Pending CN117522560A (zh) | 2023-11-20 | 2023-11-20 | 一种识别***不合规异地交易的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117522560A (zh) |
-
2023
- 2023-11-20 CN CN202311543653.XA patent/CN117522560A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090823B (zh) | 基于SaaS的账务数据管理*** | |
US6658393B1 (en) | Financial risk prediction systems and methods therefor | |
US20070233597A1 (en) | Least cost network routing for electronic transactions | |
US20110010290A1 (en) | Interchange Categories | |
US20070174208A1 (en) | System and Method for Global Automated Address Verification | |
US20040206814A1 (en) | Electronic money system and transaction method using the same | |
CA2753246A1 (en) | Authorization refresh system and method | |
US20100268613A1 (en) | Systems and methods for capturing and transmitting transactional data related to product and service sales | |
JPH11501423A (ja) | 当座貸越保護型のクライエント財務勘定を管理するコンピュータシステム | |
CN106537433A (zh) | 用于收回可退税款的***和方法 | |
WO2002063432A2 (en) | Method and system for completing a transaction between a customer and a merchant | |
CN101004810A (zh) | 一种基于网络的电子票据方法及*** | |
CN106022914A (zh) | 一种基于监控和平衡现金储备的取款方法及装置 | |
CN111798221A (zh) | 一种增值税***管理*** | |
US20030088512A1 (en) | Computer methods and systems for payment applications | |
CN111815430A (zh) | 一种用于不良贷款处置的资产管理*** | |
US8355986B2 (en) | Methods and systems for managing government issued entitlements | |
CN112308698B (zh) | 一种支持二级法人的微信端贷款产品管理方法及*** | |
KR20090001917A (ko) | 여신 고객에 대한 조기경보 방법 및 시스템과 이를 위한기록매체 | |
CN117522560A (zh) | 一种识别***不合规异地交易的方法 | |
KR20170124955A (ko) | 통합 재정 관리 시스템 및 방법 | |
CN101281672A (zh) | 一种实现联名商务卡的***及方法 | |
US20160063620A1 (en) | System and method of facilitating payday loans | |
WO2005076855A2 (en) | Account-owner verificaton database | |
CN108985924A (zh) | 用于校园债务清偿的管理*** |
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 |