[发明专利]一种基于大数据的智能案防系统

说明书

本发明公开了一种基于大数据的智能案防系统，该系统包括管理平台、spark大数据平台、分析引擎、数据预处理引擎、指标引擎、训练引擎和决策引擎。本发明将规则进行细粒度拆分，进行了指标化，进一步提升规则的准确度；指标引擎采用的流处理技术能对原始数据进行特征单点快速提取和计算，从海量原始数据中得到有代表性的特征，充分提取数据中的信息；模型训练使用多种优化过的机器学习模型和集成学习框架，能够克服单个模型过拟合、不稳定的缺陷；智能决策双核引擎订阅规则和模型，两者并行运行，互相补充，可实时判断业务数据和规则和模型的匹配度，提升风险识别能力；基于知识图谱，能够通过关联分析和模型分析快速定位可疑的风险数据。

技术领域

本发明属于案防领域，尤其涉及一种基于大数据的智能案防系统。

背景技术

近年来，我国金融操作风险案件呈现多发、高发态势，多家银行相继曝出涉案金额巨大的运营风险案件，有关银行在业务操作方面的案件屡屡发生，且运营操作风险方面的案情日趋复杂,作案手法隐秘。运营操作风险案件频发，造成了巨大的经济损失和社会影响，给银行业稳健运营带来全新挑战。随着金融行业的改革发展不断深化，管理手段不断升级，尤其是国家大数据战略的推行，对银行的运营操作风险与案件防控能力提出了更高要求。由于风险案件的频发以及银监会要求，针对运营风险案件防控的管理系统也逐渐进行了演变，从全面后督系统到重点后督系统，再从运行风险监控系统到基于大数据的运营风险监控系统。虽然这些系统都多多少少对操作风险进行了防控，但是随着案件越来越复杂，规则也越来越复杂，对案件风险的防控力度不够。案件规则复杂，导致规则细粒度不够，业务人员无法参与规则的可视化配置，只能通过科技人员写SQL配置规则，无法及时发现规则存在的问题和效果；案件规则复杂，且规则重复运行，导致运行耗时、性能低下，系统无法支撑；人工经验达到极限，现有的规则已无法满足当前案件风险防控，急切需要引入人工智能提升规则同时找出更多有效的规则，揭示出“隐藏信息”和“共同信息”。

发明内容

本发明的目的在于针对案防存在的问题，提供一种基于大数据的智能案防系统，通过对复杂案件规则指标化，拆分细粒度化方便规则的组建和运行；同时使用人工智能机器学习模型，将规则和模型组合决策，进一步提升案防能力；基于知识图谱，通过关联分析技术和模型分析技术，快速发现风险点。

本发明的目的是通过以下技术方案来实现的：一种基于大数据的智能案防系统，该系统包括管理平台、spark大数据平台、分析引擎、数据预处理引擎、指标引擎、训练引擎和决策引擎。

所述管理平台包括机器学习建模平台、指标管理平台、智能决策平台、核查平台和知识图谱平台。

所述机器学习建模平台用于对spark大数据平台的数据进行管理、分析和预处理，以及对机器学习模型进行训练、预测以及管理操作。

所述指标管理平台通过调用流处理引擎和DAG引擎，对指标进行加工和管理。

所述智能决策平台基于机器学习模型和加工出来的指标，进行规则的可视化配置，具体为：基于业务指标、机器学习模型结合阈值组合成条件；在条件的基础上通过逻辑与、或关系组合成规则；在规则基础上，通过或的关系组成规则包，用于不同的业务场景。

所述核查平台对触发了规则的核查单进行管理，同时将可疑的数据通过下发流程发至指定机构进行进一步核查。

所述知识图谱平台是基于图库的可视化分析技术，结合时间、空间、行为特征多种维度探索对象间的关联关系，通过关联分析和模式分析辅助业务人员在核查过程中帮助用户快速发现风险点。

所述分析引擎是指通过Python或者SQL对spark大数据平台的数据进行分析，包括技术分析和业务分析，技术分析通过分析数据的质量及分布，确认数据是否可用，业务分析通过分析数据的结构，明确数据的应用场景、当前业务下风险案件的作案手法，获得更符合业务场景特征的指标与规则。