本公开提供了银行员工套现行为的识别方法、装置、模型训练方法，涉及数据处理技术领域。具体实现方案为：获取信用卡交易记录中涉及的员工基础信息及信用卡交易信息；将员工基础信息和信用卡交易信息输入信用卡套现模型；基于员工基础信息进行分析得到员工风险综合评级；基于信用卡交易信息提取多个交易特征，并基于多个交易特征进行初步计算分析筛选出信用卡交易信息中的疑点交易信息；基于员工风险综合评级和多个交易特征对疑点交易信息进行识别，输出可疑员工名单。本公开可以针对员工套现行为进行精准地识别，提升员工行为管理实效。实效。实效。
【技术实现步骤摘要】
银行员工套现行为的识别方法、装置、模型训练方法
[0001]本公开涉及数据处理
，具体涉及基于深度学习的数据处理方法，尤其涉及银行员工套现行为的识别方法、装置、模型训练方法。
技术介绍
[0002]目前，银行业金融机构对客户信用卡套现行为的识别和管控主要是基于风险管理需要，基于机构自身风险偏好，运用大数法则对客户进行标签化管理。针对员工信用卡套现的识别，一般采取颗粒度较粗的管理模式，尚未形成一套成熟、准确、有针对性的员工套现行为识别方法。
[0003]基于客户的套现风险识别，主要基于风险偏好和大数法则，由于银行客户没有配合银行证明交易真实性的义务，故以客户为识别目标的模型一般不具备充分的可证伪性，且无法定位到具体的疑点交易记录。如直接应用于银行内部员工行为管理，后续的核查工作难以开展，在银行业“强监管”的背景下不利于压实员工行为管理责任。
技术实现思路
[0004]本公开提供了一种用于识别银行员工套现行为的方法、装置、设备以及存储介质。
[0005]根据本公开的第一方面，提供了一种银行员工套现行为的识别方法，包括：
[0006]获取信用卡交易记录中涉及的员工基础信息及信用卡交易信息；
[0007]将所述员工基础信息和所述信用卡交易信息输入信用卡套现模型；
[0008]基于所述员工基础信息进行分析得到员工风险综合评级；
[0009]基于所述信用卡交易信息提取多个交易特征，并基于所述多个交易特征进行初步计算分析筛选出所述信用卡交易信息中的疑点交易信息；
[0010]基于所述员工风险综合评级和所述多个交易特征对所述疑点交易信息进行识别，输出可疑员工名单。
[0011]根据本公开的第二方面，提供了一种信用卡套现模型的训练方法，应用于训练上述技术方案中任意一项所述的信用卡套现模型，包括：
[0012]获取员工基础信息和信用卡交易信息，并提取多个特征变量；
[0013]对提取到的所述多个特征变量进行数据预处理；
[0014]从所述信用卡交易信息中获取已识别出的套现数据，将所述套现数据作为训练样本；
[0015]基于所述训练样本从所述多个特征变量中筛选出与员工套现行为相关的显著特征变量；
[0016]将所述训练样本对应的所述显著特征变量输入逻辑回归模型进行机器学习训练、测试以及模型评估，得到所述信用卡套现模型。
[0017]根据本公开的第三方面，提供了一种银行员工套现行为的识别装置，包括：
[0018]获取模块，被配置为获取信用卡交易记录中涉及的员工基础信息及信用卡交易信
息；
[0019]输入模块，被配置为将所述员工基础信息和所述信用卡交易信息输入信用卡套现模型；
[0020]员工风险分析模块，被配置为基于所述员工基础信息进行分析得到员工风险综合评级；
[0021]交易特征分析模块，被配置为基于所述信用卡交易信息提取多个交易特征，并基于所述多个交易特征进行初步计算分析筛选出所述信用卡交易信息中的疑点交易信息；
[0022]可疑交易识别模块，被配置为基于所述员工风险综合评级和所述多个交易特征对所述疑点交易信息进行识别，输出可疑员工名单。
[0023]根据本公开的第四方面，提供了一种电子设备，包括：
[0024]至少一个处理器；以及
[0025]与所述至少一个处理器通信连接的存储器；其中，
[0026]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述技术方案中任一项所述的识别方法或所述的训练方法。
[0027]根据本公开的第五方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述技术方案中任一项所述的识别方法或所述的训练方法。
[0028]根据本公开的第六方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述技术方案中任一项所述的识别方法或所述的训练方法。
[0029]本公开提供了银行员工套现行为的识别方法、装置以及用于识别员工套现行为的信用卡套现模型，可以针对员工套现行为进行精准地识别，提升员工行为管理实效。
[0030]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0031]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0032]图1是本公开实施例中的银行员工套现行为的识别方法的步骤示意图；
[0033]图2是本公开实施例中的银行员工套现行为的识别方法的流程图；
[0034]图3是本公开实施例中的信用卡套现模型训练方法的步骤示意图；
[0035]图4是本公开实施例中的信用卡套现模型训练过程中的ROC曲线图；
[0036]图5是本公开实施例中的银行员工套现行为的识别装置的原理框图。
具体实施方式
[0037]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0038]目前，业内尚未出现针对员工套现行为进行识别的方法，针对该技术问题，本公开提供了一种银行员工套现行为的识别方法，如图1所示，包括：
[0039]步骤S101，获取信用卡交易记录中涉及的员工基础信息及信用卡交易信息；
[0040]步骤S102，将员工基础信息和信用卡交易信息输入信用卡套现模型；
[0041]步骤S103，基于员工基础信息进行分析得到员工风险综合评级；
[0042]步骤S104，基于信用卡交易信息提取多个交易特征，并基于多个交易特征进行初步计算分析筛选出信用卡交易信息中的疑点交易信息；
[0043]步骤S105，基于员工风险综合评级和多个交易特征对疑点交易信息进行识别，输出可疑员工名单。
[0044]具体地，员工套现行为的判断依据很重要的一个方面是个体行为特征，可以通过将员工基础信息进行整合，得出员工风险综合评级，在识别员工套现行为时作为一个参考指标。示例性地，本实施例中的对员工进行员工风险综合评级是指基于各项员工基础信息进行综合评价，例如考察员工的负债状况，通常员工的负债越高，其风险等级也越高。可以依据风险程度将员工风险综合评级划分为A、B、C、D四个等级，对于资产状况良好并且无历史违规或违约记录等负面评价的员工，可以评为A级，对于负债较高，并且名下有违约记录的可以评为D级。此外，作为另一种可选的实施方式，还可以利用模型基于员工基础信息计算得到每个员工的风险概率，例如针对某员工的各项基础信息计算得到该本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种银行员工套现行为的识别方法，其特征在于，包括：获取信用卡交易记录中涉及的员工基础信息及信用卡交易信息；将所述员工基础信息和所述信用卡交易信息输入信用卡套现模型；基于所述员工基础信息进行分析得到员工风险综合评级；基于所述信用卡交易信息提取多个交易特征，并基于所述多个交易特征进行初步计算分析筛选出所述信用卡交易信息中的疑点交易信息；基于所述员工风险综合评级和所述多个交易特征对所述疑点交易信息进行识别，输出可疑员工名单。2.根据权利要求1所述的方法，其特征在于，所述输出可疑员工名单之后，还包括：基于所述疑点交易信息以及与所述疑点交易信息关联的套现台账信息生成员工行为查证单。3.根据权利要求1所述的方法，其中，所述员工基础信息包括以下至少一项：员工所在部门；员工岗位；员工资产负债；员工信用评级；员工信用卡额度；员工风险标签。4.根据权利要求1所述的方法，其中，所述信用卡交易信息包括信用卡信息和借记卡信息，所述信用卡信息和所述借记卡信息至少包括：账户信息；交易信息；负债信息；资产信息。5.根据权利要求1所述的方法，其中，所述基于所述多个交易特征进行初步计算分析筛选出所述信用卡交易信息中的疑点交易信息包括：基于信用卡持卡人和信用卡还款机构分类统计还款金额，其中，包括统计偿还本行本人信用卡、本行他人信用卡、他行本人信用卡、他人他行信用卡，并分别统计出实际月均还款额和实际还款月份数；基于偿还本人信用卡和代还他人信用卡进行分组，利用本行信用卡交易流水统计POS机交易金额占所有消费交易的金额占比，通过统计分析框定数据偏离度较大的占比区间，设定模型阈值，提取所述疑点交易信息。标识以第三方支付机构作为收单方的所述信用卡交易信息。6.根据权利要求1
‑
5中任意一项所述的方法，其中，所述基于所述员工风险综合评级和所述多个交易特征对所述疑点交易信息进行识别，输出可疑员工名单包括：基于套现概率公式计算出所有在职员工的套现概率指标：其中，x
i
表示所述信用卡套现模型训练过程中获取的特征变量；k0表示所述信用卡套现模型的截距项；k
i
表示所述特征变量的系数；基于计算出的所述套现概率指标是否达到所述信用卡套现模型的模型阈值筛选出所述可疑员工名单。7.根据权利要求6所述的方法，其中，所述特征变量包括以下至少一项：核查期间内的支付机构集中度；交易商户集中度；同一支付机构的金额及笔数占比情况；同一交易商户的金额及笔数占比情况；POS机交易金额占比；实际月均还款额；实际消费月份数。8.一种信用卡...
【专利技术属性】
技术研发人员：刘晓婉，陈尚京，
申请(专利权)人：中信银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。