一种基于区块链的三阶段金融违规多重裁判方法技术

本发明专利技术提供一种基于区块链的三阶段金融违规多重裁判方法，包括：预言机获取金融交易数据，进行数据特征划分后获得检测数据集；预言机将数据发送到智能合约数据库或区块链系统，上链并导入区块链系统内，若数据不合规则返回；数据分别存放在MySQL数据库、缓存数据库以及智能合约数据库；区块链数据湖上不同模块的特征属性数据被依次传入多重裁判引擎，执行交易前期的操作；数据被分别执行反非法收入合法化检测中的交易中期和交易后期的操作获得操作后数据；基于智能控制器的控制，在智能投票器的裁判下分别执行交易通过，交易撤回或多重裁判的操作获得最终判别结果；将智能投票器的最终判别结果返回智能合约数据库，以确定最终交易结果。终交易结果。终交易结果。

【技术实现步骤摘要】
一种基于区块链的三阶段金融违规多重裁判方法


[0001]本专利技术属于区块链技术、机器学习以及监管技术，特别是一种基于区块链的三阶段金融违规多重裁判方法。

技术介绍

[0002]由于数字资产是全球性、分布式、网络化的金融产品，而不是由传统中心化的系统和产品。因此自从数字资产得到世界的重视，许多监管单位就都非常关注如何监管数字资产。
[0003]现有技术曾经提出由于数字资产是网络化，分布式的产品，监管数字资产也需要以网络化和分布式的方式进行。但是监管需要多方合作，交易数据需要从网络收集，但是分析还是在后台中心系统处理，因此数字资产监管需要同时间网络化作业，并且辅之以中心化的分析。在中心系统，可以使用大量的机器学习方法。
[0004]数字经济发展可以分为下面几个成熟度：1）没有监管：只有交易机制而没有监管机制；2）最少的监管：例如交易后主动报告交易数据；3）实时嵌入式监管：在交易时监管单位直接参与作业；4）强大监管：在交易时监管单位直接参与作业，而且在后台监管平台还有大量机器学习算法在从事监管计算；5）更强大的监管：在交易时监管单位直接参与作业，而且在后台监管平台还有大量机器学习算法在从事监管计算，而在不同交易阶段同时间使用不同机器学习算法，并且这些机器学习算法包含自动排名的机制。
[0005]例如中国人民银行的数字人民币，由央行直接控制，因此至少在第3成熟度（实时嵌入式监管）或是更高。如果要达到第5成熟度，并且包含自动排名的机制，所面临的问题和前面不同，包括：1）现在有许多机器学习算法，监管系统应该选择使用哪种算法；2）每个机器学习算法都有不同特性以及缺点，如何同时间使用多个机器学习算法而维持监管系统的高准确性；3）新型数字经济的做法和传统数字代币的做法不同，数字代币系统不从事监管，但是合规数字经济需要监管机制，而且监管是在系统交易的每一步骤上都可以进行。如何在新型数字资产交易流程中使用机器学习的方法来发现不合规事件；4）不同数据需要不同的机器学习的算法，而因为交易会一直持续，数据一直在变，因此最优化的机器学习算法应当也是一直在变化。如何在数据动态更新的环境下，找到最适合的机器学习算法；新型数字经济交易流程千变万化，大致可以分为三大阶段：交易前，交易中，交易后三个阶段。每一个阶段的监管目标都不同，因此在三个阶段需要使用不同机器学习算法，而现有技术中没有针对三个阶段融合的金融违规时间的复合裁判法则，因此需要提出能够
在三个阶段使用不同机器学习算法场景下的复合裁判解决方案。

技术实现思路

[0006]本专利技术为了解决现有技术存在的一项或多项技术问题，提出基于机器学习算法的金融违规多重裁判方法及其金融交易监管系统，是一种分布式解决方案，能够发现复杂情境下的金融交易违规，提升了反洗钱监管的效率和正确率，减少了交易时间，降低了人力资源成本。
[0007]本专利技术的目的在于提供一种基于区块链的多阶段金融违规多重裁判方法，其中所述区块链采用区块链数据湖，所述多阶段是三阶段或四阶段，所述三阶段为交易前期、交易中期和交易后期；所述四阶段为预备，交易，结算和清算，包括：S10，预言机通过外部获取金融交易数据，对所述金融交易数据进行数据深加工后，按照其对应的金融属性进行数据特征划分后获得上区块链所需的检测数据集，所述数据深加工为数据预处理；S20，所述预言机将所述检测数据集作为数据源发送到智能合约数据库或区块链系统，所述智能合约数据库或所述区块链系统收到所述检测数据集后，将所述检测数据集上链并导入所述区块链系统内，若所述检测数据集内的金融交易数据不合规则返回，即终止此次交易；S30，导入所述区块链系统内的检测数据集根据内部的金融交易数据的属性、特征、类别以及所在处理阶段因素被分别存放在MySQL数据库、缓存数据库以及智能合约数据库中；其中MySQL数据库存放反洗钱操作前的全部链上数据类型，缓存数据库存放短间隔高频次细粒度调用的数据类型以及多重裁判返回的数据信息；所述智能合约数据库则存放交易特征属性的数据类型；S40，基于智能控制器的控制，所述区块链数据湖上不同模块的特征属性数据被依次传入多重裁判引擎，首先执行交易前期的操作，所述交易前期的操作针对所有类型的监管机制；所述交易前期的操作由智能控制器执行；S50，基于智能控制器的控制，智能合约数据库中的特征属性数据被分别执行反非法收入合法化检测中的交易中期和交易后期的操作获得操作后数据；交易中期和交易后期的操作均为基于机器学习算法的判定方法；包括：S51,智能控制器从机器学习算法集合中随机选取的算法对所述区块链数据湖上不同模块的特征属性数据依次进行行为建模判定和链路分析判定，包括：S511，根据所述区块链数据湖上不同模块的特征属性数据是否含有再次裁判标记判断其是否在执行多重裁判操作，若否，则依次生成K个0
‑
9的第一随机数(0<K<10)，生成的过程中采取剪枝的方法，即每生成一个第一随机数，则将其从对应的随机数集合中删掉，保障选取的算法不会重复；同时在机器学习算法集合中选取K个算法，K个算法中每个算法的标号与生成的第一随机数相对应；对所述区块链数据湖上不同模块的特征属性数据依次执行行为建模判定操作，运行结束后将判定的预测结果返回给智能投票器，若判定的预测结果为存在违规，则更新机器学习算法集合，重新分配10个新的机器学习算法，并随机生成N个0
‑
9的第二随机数(0<N<10)，在生成的过程中，每生成一个第二随机数，则将其从对应的随机数集合中删掉，保障选取的算法不会重复，在更新后的机器学习算法集合中重新选择N
个新的算法，N个新的算法中每个算法的标号与生成的第二随机数相对应，对所述区块链数据湖上不同模块的特征属性数据依次执行行为建模判定操作，并将再次裁判的预测结果V1发送到智能投票器；S512，重复步骤S511，对所述区块链数据湖上不同模块的特征属性数据执行链路分析操作后获得预测结果V2；将预测结果V2发送到智能投票器。
[0008]S52，智能控制器从机器学习算法集合中随机选取的算法对所述区块链数据湖上不同模块的特征属性数据依次进行风险预警和异常检测分析判定，包括：S521，根据所述区块链数据湖上不同模块的特征属性数据是否含有再次裁判标记判断其是否在执行多重裁判操作，若否，则依次生成K个0
‑
9的第一随机数(0<K<10)，生成的过程中采取剪枝的方法，即每生成一个第一随机数，则将其从对应的随机数集合中删掉，保障选取的算法不会重复；同时在机器学习算法集合中选取K个算法，K个算法中每个算法的标号与生成的第一随机数相对应；对所述区块链数据湖上不同模块的特征属性数据依次执行风险预警判定操作，运行结束后将判定的预测结果返回给智能投票器，若判定的预测结果为存在违规，则更新机器学习算法集合，重新分配10个新的机器学习算法，并随机生成N个0
‑
9的第二随机数(0<N<10)，在生成的过程中，每生成一个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链的三阶段金融违规多重裁判方法，其特征在于，其中所述区块链采用区块链数据湖，所述三阶段是三阶段或四阶段，所述三阶段为交易前期、交易中期和交易后期；所述四阶段为预备，交易，结算和清算，包括：S10，预言机通过外部获取金融交易数据，对所述金融交易数据进行数据深加工后，按照其对应的金融属性进行数据特征划分后获得上区块链所需的检测数据集，所述数据深加工为数据预处理；S20，所述预言机将所述检测数据集作为数据源发送到智能合约数据库或区块链系统，所述智能合约数据库或所述区块链系统收到所述检测数据集后，将所述检测数据集上链并导入所述区块链系统内，若所述检测数据集内的金融交易数据不合规则返回，即终止此次交易；S30，导入所述区块链系统内的检测数据集根据内部的金融交易数据的属性、特征、类别以及所在处理阶段因素被分别存放在MySQL数据库、缓存数据库以及智能合约数据库中；其中MySQL数据库存放反洗钱操作前的全部链上数据类型，缓存数据库存放短间隔高频次细粒度调用的数据类型以及多重裁判返回的数据信息；所述智能合约数据库则存放交易特征属性的数据类型；S40，基于智能控制器的控制，所述区块链数据湖上不同模块的特征属性数据被依次传入多重裁判引擎，首先执行交易前期的操作，所述交易前期的操作针对所有类型的监管机制；所述交易前期的操作由智能控制器执行；S50，基于智能控制器的控制，智能合约数据库中的特征属性数据被分别执行反非法收入合法化检测中的交易中期和交易后期的操作获得操作后数据；交易中期和交易后期的操作均为基于机器学习算法的判定方法；包括：S51,智能控制器从机器学习算法集合中随机选取的算法对所述区块链数据湖上不同模块的特征属性数据依次进行行为建模判定和链路分析判定，包括：S511，根据所述区块链数据湖上不同模块的特征属性数据是否含有再次裁判标记判断其是否在执行多重裁判操作，若否，则依次生成K个0
‑
9的第一随机数(0<K<10)，生成的过程中采取剪枝的方法，即每生成一个第一随机数，则将其从对应的随机数集合中删掉，保障选取的算法不会重复；同时在机器学习算法集合中选取K个算法，K个算法中每个算法的标号与生成的第一随机数相对应；对所述区块链数据湖上不同模块的特征属性数据依次执行行为建模判定操作，运行结束后将判定的预测结果返回给智能投票器，若判定的预测结果为存在违规，则更新机器学习算法集合，重新分配10个新的机器学习算法，并随机生成N个0
‑
9的第二随机数(0<N<10)，在生成的过程中，每生成一个第二随机数，则将其从对应的随机数集合中删掉，保障选取的算法不会重复，在更新后的机器学习算法集合中重新选择N个新的算法，N个新的算法中每个算法的标号与生成的第二随机数相对应，对所述区块链数据湖上不同模块的特征属性数据依次执行行为建模判定操作，并将再次裁判的预测结果V1发送到智能投票器；S512，重复步骤S511，对所述区块链数据湖上不同模块的特征属性数据执行链路分析操作后获得预测结果V2；将预测结果V2发送到智能投票器。S52，智能控制器从机器学习算法集合中随机选取的算法对所述区块链数据湖上不同模块的特征属性数据依次进行风险预警和异常检测分析判定，包括：
S521，根据所述区块链数据湖上不同模块的特征属性数据是否含有再次裁判标记判断其是否在执行多重裁判操作，若否，则依次生成K个0
‑
9的第一随机数(0<K<10)，生成的过程中采取剪枝的方法，即每生成一个第一随机数，则将其从对应的随机数集合中删掉，保障选取的算法不会重复；同时在机器学习算法集合中选取K个算法，K个算法中每个算法的标号与生成的第一随机数相对应；对所述区块链数据湖上不同模块的特征属性数据依次执行风险预警判定操作，运行结束后将判定的预测结果返回给智能投票器，若判定的预测结果为存在违规，则更新机器学习算法集合，重新分配10个新的机器学习算法，并随机生成N个0
‑
9的第二随机数(0<N<10)，在生成的过程中，每生成一个第二随机数，则将其从对应的随机数集合中删掉，保障选取的算法不会重复，在更新后的机器学习算法集合中重新选择N个新的算法，N个新的算法中每个算法的标号与生成的第二随机数相对应，对所述区块链数据湖上不同模块的特征属性数据依次执行风险预警判定操作，并将再次裁判的预测结果V3发送到智能投票器；S522，重复步骤S521中的操作，对所述区块链数据湖上不同模块的特征属性数据执行异常检测分析判定后获得判定结果V4；将判定结果V4发送到智能投票器；S60，基于智能控制器的控制，将经过交易中期和交易后期的操作的数据发送给智能投票器，在智能投票器的裁判下分别执行交易通过，交易撤回或多重裁判的操作获得最终判别结果；若执行多重裁判操作，则对所述经过交易中期和交易后期的操作的数据重新标记后再次重复执行S50；所述S60包括：若最终结果V1、预测结果V2、再次裁判的预测结果V3和判定结果V4均为0，则金融交易为正常交易，智能投票器的裁判结果为通过，该笔交易通过；若最终结果V1、预测结果V2、再次裁判的预测结果V3和判定结果V4有2个及以上为1，则金融交易为可疑交易，智能投票器裁判结果为撤回，该笔交易终止；...

【专利技术属性】
技术研发人员：蔡维德，
申请(专利权)人：天民青岛国际沙盒研究院有限公司，
类型：发明
国别省市：