System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 交易业务的异常操作的确定方法、装置和服务器制造方法及图纸_技高网

交易业务的异常操作的确定方法、装置和服务器制造方法及图纸

技术编号:41622227 阅读:8 留言:0更新日期:2024-06-13 02:23
本说明书提供了交易业务的异常操作的确定方法、装置和服务器,可用于人工智能领域。预先基于样本用户处理目标交易业务时的行为记录聚类得到的操作权限和业务逻辑,通过有监督学习训练得到对应不同用户类型的多个预设的异常操作检测模型。具体实施时,先确定并根据目标用户的用户类型,确定出相匹配的目标异常操作检测模型;再通过利用该目标异常操作检测模型处理所采集到的目标用户当前处理目标交易业务时的目标行为数据,得到对应的目标行为检测结果;进而可以根据目标行为检测结果,确定目标用户当前处理目标交易业务时的行为操作是否存在异常。从而能够精准、高效地自动检测识别出目标用户在处理目标交易业务时的异常行为操作,避免误操作。

【技术实现步骤摘要】

本说明书属于人工智能,尤其涉及交易业务的异常操作的确定方法、装置和服务器


技术介绍

1、在金融业务场景中,金融业务的工作人员常常需要根据相应的服务协议和操作规则,为客户操作处理相关的交易业务(例如,理财业务)。

2、但是,业务人员在具体操作处理所负责的交易业务时,受诸如不了解相关业务的操作规则、个人业务处理经验有限等因素的影响,操作过程中往往很容易误操作、不清楚怎么合理操作等异常情况,进而影响客户的交易业务的数据安全,甚至造成客户利益的损失。

3、针对上述问题,目前尚未提出有效的解决方案。


技术实现思路

1、本说明书提供了一种交易业务的异常操作的确定方法、装置和服务器,能够精准、高效地自动检测识别出目标用户在处理目标交易业务时的异常行为操作,避免误操作。

2、本说明书提供了一种交易业务的异常操作的确定方法,包括:

3、获取目标用户的登录信息;

4、根据目标用户的登录信息,确定出目标用户的用户类型;

5、根据目标用户的用户类型,从多个预设的异常操作检测模型中确定出相匹配的目标异常操作检测模型;其中,预设的异常操作检测模型为预先基于样本用户处理目标交易业务时的行为记录聚类得到的操作权限和业务逻辑通过有监督学习训练得到的;

6、采集目标用户当前处理目标交易业务时的行为数据,作为目标行为数据;

7、通过利用目标异常操作检测模型处理所述目标行为数据,确定对应的目标行为检测结果;其中,所述目标行为检测结果用于指示目标用户当前在处理目标交易业务时的行为是否存在操作权限异常和/或业务逻辑异常。

8、在一个实施例中,在通过利用目标异常操作检测模型处理所述目标行为数据,确定对应的目标行为检测结果之后,所述方法还包括:

9、根据目标行为检测结果,在确定目标用户当前在处理目标交易业务时的行为存在操作权限异常的情况下,确定目标用户当前处理目标交易业务时的行为操作异常,并生成第一类异常报错提示;

10、响应第一类异常报错提示,中断目标用户关于目标交易业务的当前行为;并向目标用户展示无操作权限的提示信息。

11、在一个实施例中,在通过利用目标异常操作检测模型处理所述目标行为数据,确定对应的目标行为检测结果之后,所述方法还包括:

12、根据目标行为检测结果,在确定目标用户当前在处理目标交易业务时的行为存在业务逻辑异常的情况下,确定目标用户当前处理目标交易业务时的行为操作异常,生成第二类异常报错提示;

13、响应第二类异常报错提示,暂停目标用户关于目标交易业务的当前行为;并获取当前的关联数据;

14、根据当前的关联数据、目标用户的用户类型,通过查询预设的模板策略方案集,生成相匹配的目标业务操作建议;

15、向目标用户展示所述目标业务操作建议。

16、在一个实施例中,当前的关联数据包括以下至少之一:目标交易业务的当前处理进度、与目标交易业务相关的当前环境信息、针对目标交易业务的客户指示。

17、在一个实施例中,所述预设的异常操作检测模型按照以下方式训练得到:

18、获取样本用户处理目标交易业务时的样本行为记录、样本用户的用户信息,以及关于目标交易业务的操作手册;

19、根据样本用户的用户信息,将样本行为记录划分为多个样本数据组;其中,一个样本数据组对应一种用户类型;

20、对多个样本数据组分别进行相应的聚类处理,得到多个样本聚类结果;其中,一个样本聚类结果包含有对应同一个用户类型的操作权限聚类结果和业务逻辑聚类结果;

21、根据多个样本聚类结果和目标交易业务的操作手册,分别构建相应的多个初始的异常操作检测模型;其中,一个初始的异常操作检测模型对应一种用户类型;

22、通过利用相对应的样本数据组和初始的异常操作检测模型进行有监督学习,得到符合要求的多个预设的异常操作检测模型。

23、在一个实施例中,根据多个样本聚类结果和目标交易业务的操作手册,分别构建相应的多个初始的异常操作检测模型,包括:

24、按照以下方式根据当前样本聚类结果和目标交易业务的操作手册,构建相应的初始的当前异常操作检测模型:

25、根据目标交易业务的操作手册,确定出与当前用户类型相关的当前操作规则;其中,所述当前操作规则包括当前操作权限规则和当前业务逻辑规则;

26、根据当前样本聚类结果中的当前操作权限聚类结果和当前操作权限规则,构建初始的当前第一子模型;根据当前样本聚类结果中的当前业务逻辑聚类结果和当前业务逻辑规则,构建初始的当前第二子模型;

27、拼接初始的当前第一子模型和初始的当前第二子模型,得到初始的当前异常操作检测模型;其中,初始的当前异常操作检测模型对应当前用户类型。

28、在一个实施例中,通过利用相对应的样本数据组和初始的异常操作检测模型进行有监督学习,得到符合要求的多个预设的异常操作检测模型,包括:

29、按照以下方式利用相对应的当前样本数据组和初始的当前异常操作检测模型进行有监督学习,得到对应当前用户类型的符合要求的预设的异常操作检测模型:

30、标注出当前样本数据组中的各个样本数据的第一标签和第二标签,得到标注后的当前样本数据组;其中,第一标签用于指示样本数据是否存在操作权限异常;第二标签用于指示样本数据是否存在业务逻辑异常;

31、根据标注后的当前样本数据组,构建相对应的当前模拟数据组;

32、联合使用标注后的当前样本数据组和当前模拟数据组,训练初始的当前异常操作模型,得到对应当前用户类型的符合要求的预设的异常操作检测模型。

33、在一个实施例中,根据标注后的当前样本数据组,构建相对应的当前模拟数据组,包括:

34、根据第一标签和第二标签,从标注后的当前样本数据组中筛选出存在操作权限异常和/或存在业务逻辑异常的样本数据,作为初始异常样本数据;

35、对初始异常样本数据进行聚类处理,得到共性异常特征;

36、根据共性异常特征,调整初始异常样本数据;并组合调整后的异常样本数据,得到相对应的当前模拟数据组。

37、在一个实施例中,在通过利用目标异常操作检测模型处理所述目标行为数据,确定对应的目标行为检测结果之后,所述方法还包括:

38、接收针对目标行为检测结果的反馈数据;

39、在确定针对目标行为检测结果的反馈数据为负面反馈数据的情况下,判断当前是否满足触发条件;

40、在确定当前满足触发条件的情况下,获取与目标用户的用户类型对应的当前时间段累积的负面反馈数据;

41、根据与目标用户的用户类型对应的当前时间段累积的负面反馈数据,更新目标异常操作检测模型。

42、在一个实施例中,根据与目标用户的用户类型对应的当前时间段累积的负面反馈数据,更新目标异常操作检本文档来自技高网...

【技术保护点】

1.一种交易业务的异常操作的确定方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,在通过利用目标异常操作检测模型处理所述目标行为数据,确定对应的目标行为检测结果之后,所述方法还包括:

3.根据权利要求1所述的方法,其特征在于,在通过利用目标异常操作检测模型处理所述目标行为数据,确定对应的目标行为检测结果之后,所述方法还包括:

4.根据权利要求3所述的方法,其特征在于,当前的关联数据包括以下至少之一:目标交易业务的当前处理进度、与目标交易业务相关的当前环境信息、针对目标交易业务的客户指示。

5.根据权利要求1所述的方法,其特征在于,所述预设的异常操作检测模型按照以下方式训练得到:

6.根据权利要求5所述的方法,其特征在于,根据多个样本聚类结果和目标交易业务的操作手册,分别构建相应的多个初始的异常操作检测模型,包括:

7.根据权利要求6所述的方法,其特征在于,通过利用相对应的样本数据组和初始的异常操作检测模型进行有监督学习,得到符合要求的多个预设的异常操作检测模型,包括:

8.根据权利要求7所述的方法,其特征在于,根据标注后的当前样本数据组,构建相对应的当前模拟数据组,包括:

9.根据权利要求1所述的方法,其特征在于,在通过利用目标异常操作检测模型处理所述目标行为数据,确定对应的目标行为检测结果之后,所述方法还包括:

10.根据权利要求9所述的方法,其特征在于,根据与目标用户的用户类型对应的当前时间段累积的负面反馈数据,更新目标异常操作检测模型,包括:

11.根据权利要求1所述的方法,其特征在于,在通过利用目标异常操作检测模型处理所述目标行为数据,确定对应的目标行为检测结果之后,所述方法还包括:

12.一种交易业务的异常操作的确定装置,其特征在于,包括:

13.一种服务器,其特征在于,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现权利要求1至11中任一项所述方法的步骤。

14.一种计算机可读存储介质,其特征在于,其上存储有计算机指令,所述指令被处理器执行时实现权利要求1至11中任一项所述方法的步骤。

15.一种计算机程序产品,其特征在于,包含有计算机程序,所述计算机程序被处理器执行时实现权利要求1至11中任一项所述方法的步骤。

...

【技术特征摘要】

1.一种交易业务的异常操作的确定方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,在通过利用目标异常操作检测模型处理所述目标行为数据,确定对应的目标行为检测结果之后,所述方法还包括:

3.根据权利要求1所述的方法,其特征在于,在通过利用目标异常操作检测模型处理所述目标行为数据,确定对应的目标行为检测结果之后,所述方法还包括:

4.根据权利要求3所述的方法,其特征在于,当前的关联数据包括以下至少之一:目标交易业务的当前处理进度、与目标交易业务相关的当前环境信息、针对目标交易业务的客户指示。

5.根据权利要求1所述的方法,其特征在于,所述预设的异常操作检测模型按照以下方式训练得到:

6.根据权利要求5所述的方法,其特征在于,根据多个样本聚类结果和目标交易业务的操作手册,分别构建相应的多个初始的异常操作检测模型,包括:

7.根据权利要求6所述的方法,其特征在于,通过利用相对应的样本数据组和初始的异常操作检测模型进行有监督学习,得到符合要求的多个预设的异常操作检测模型,包括:

8.根据权利要求7所述的方法,其特征在于,根据标注后...

【专利技术属性】
技术研发人员:石豹林
申请(专利权)人:中国工商银行股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1