【技术实现步骤摘要】
本专利技术涉及金融业务风控领域，尤其涉及一种非法资金合法化风险团队、用户的检测方法、装置。
技术介绍
1、伴随互联网的发展，金融科技不断创建、支付产品日趋多元化，各种各样的新型欺诈、非法资金合法化等金融犯罪行为层出不穷，在非法资金合法化犯罪中，非法资金合法化行为既有团队作案，也有个人作案，随着支付手段愈来愈多样，非法资金合法化手法也越来越狡猾。因此需要对存在交易的用户进行检测、及时发现作案人员。
2、现有技术对非法资金合法化团队的检测，通过匹配预设规则再进行人工筛查，需要投入大量成本，或是通过知识图谱构建可疑非法资金合法化团队，但难以对团队及其成员进行量化分析，从而不能得到精细的评价结果。现有技术对非法资金合法化用户的检测，通过匹配预警规则再经人工筛查，能够保证非法资金合法化风险检测的准确性，但需要投入大量人力成本，且简单预警规则对潜在风险用户匹配度有限，未被匹配到的非法资金合法化用户存在逃脱风险，或是通过机器学习模型预测用户个人的非法资金合法化风险，但模型的训练数据来源单一、检测效果差，难以合理预测出更多潜在非法资金合法化用户。
技术实现思路
1、本专利技术提供一种非法资金合法化风险团队、用户的检测方法、装置，用于解决团队非法资金合法化风险定量化分析困难，以及个人非法资金合法化风险检测效果差、成本高的问题。
2、为了解决上述技术问题，本文的第一方面提供一种非法资金合法化风险团队的检测方法，所述方法包括：
3、获取基于知识图谱划分的团队；
...【技术保护点】
1.一种非法资金合法化风险团队的检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述知识图谱预先通过以下方式构建，包括：
3.如权利要求1所述的方法，其特征在于，还包括：
4.如权利要求3所述的方法，其特征在于，所述根据所述第一最大概率和所述第二最大概率，确定所述团队的非法资金合法化风险检测结果，包括：
5.如权利要求4所述的方法，其特征在于，所述根据所述第一最大概率和所述第二最大概率，确定所述团队中每个成员的非法资金合法化风险得分，包括：
6.如权利要求1所述的方法，其特征在于，所述第一机器学习模型预先通过以下方式构建，包括：
7.如权利要求1所述的方法，其特征在于，所述第二机器学习模型预先通过以下方式构建，包括：
8.如权利要求7所述的方法，其特征在于，所述得到所述第二机器学习模型后，包括：
9.如权利要求1所述的方法，其特征在于，所述方法还包括：
10.如权利要求1所述的方法，其特征在于，所述方法还包括：
11.一种非法资金合
12.如权利要求11所述的方法，其特征在于，所述第一机器学习模型预先通过以下方式构建，包括：
13.如权利要求11所述的方法，其特征在于，所述第二机器学习模型预先通过以下方式构建，包括：
14.如权利要求13所述的方法，其特征在于，所述得到所述第二机器学习模型后，包括：
15.一种非法资金合法化风险团队的检测装置，其特征在于，所述装置包括：
16.一种非法资金合法化风险用户的检测装置，其特征在于，所述装置包括：
17.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至14任意一项所述方法。
18.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被计算机设备的处理器执行时实现权利要求1至14任意一项所述方法。
...【技术特征摘要】
1.一种非法资金合法化风险团队的检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述知识图谱预先通过以下方式构建，包括：
3.如权利要求1所述的方法，其特征在于，还包括：
4.如权利要求3所述的方法，其特征在于，所述根据所述第一最大概率和所述第二最大概率，确定所述团队的非法资金合法化风险检测结果，包括：
5.如权利要求4所述的方法，其特征在于，所述根据所述第一最大概率和所述第二最大概率，确定所述团队中每个成员的非法资金合法化风险得分，包括：
6.如权利要求1所述的方法，其特征在于，所述第一机器学习模型预先通过以下方式构建，包括：
7.如权利要求1所述的方法，其特征在于，所述第二机器学习模型预先通过以下方式构建，包括：
8.如权利要求7所述的方法，其特征在于，所述得到所述第二机器学习模型后，包括：
9.如权利要求1所述的方法，其特征在于，所述方法还包括：
10.如权利要求1所述的方法，其特征...
【专利技术属性】
技术研发人员：陈韬，安文娟，马杨，郑重，徐迎田，孟鑫蕊，马珊，
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。