[发明专利]基于交易规律识别的异常交易检测方法及装置

说明书

本发明提供一种基于交易规律识别的异常交易检测方法及装置，其中，该方法包括：获取待检测交易的交易明细数据，生成待检测时间序列；根据待检测时间序列，以及预先训练生成的交易历史规律量化识别模型，得到待检测交易对应的历史规律量化要素评估值和历史时间序列；根据待检测时间序列和历史规律量化要素评估值，确定待检测时间序列的平均信息量；根据待检测时间序列和历史时间序列之间的相关系数值、交易数据变化系数值，平均信息量，确定待检测交易下各异常情况的经营单位占比，以及待检测交易的整体异常度评分。上述技术方案实现了定量识别多种不同类型的异常交易，提高了异常交易检测的准确度和效率，保证了系统的可靠性和有效性。

技术领域

本发明涉及异常交易检测领域，特别涉及一种基于交易规律识别的异常交易检测方法及装置。

背景技术

异常交易是指当前运行状况较以往存在显著差别的交易，其出现往往与风险事件爆发、市场波动、客群和经营环境变化等因素相关联，是金融、零售、物流等行业需要重点关注的对象。然而，目前异常交易的检测手段仍然主要依靠用户(例如管理者)主观经验和简单的交易数据统计，很难做到标准统一、客观科学，而且耗时耗力，自动化水平低。加之交易种类众多、异常表现各异，传统的异常交易检测方法更是难以准确捕捉异常，并根据统一的标准对交易的异常水平进行定量描述，因而无法为处理异常提供有效的决策支持。

以工商银行为例，工商银行在北京地区网点覆盖广，柜面交易众多，仅2016年12月柜台处理的交易就涉及2658种。如何在现有人员配置下，从众多柜面交易中有效识别异常交易一直是工作中面临的一个挑战。目前异常交易问题的发现大体依赖两个途径，即基层网点汇报和交易量变化对比。下面对这两个异常交易检测方案进行介绍。

一、基层网点汇报主要指在渠道管理部门组织的调研中，根据与会网点工作人员的汇报发现柜面交易问题的过程。通过这一途径反映问题，具有时效性差、沟通环节多、自动化水平低的缺点。此外，汇总出来的问题往往具有较强的网点针对性，不能反映整个分行甚至支行层面的真实情况。即使隶属不同支行的网点反映了相同问题，也会因各自不同的历史情况，难以采用相同的策略加以解决。例如：网点A和B都发现了XXX交易出现押柜现象(即，某支交易占用了大量的柜面处理时间，造成服务队列积压)，但网点A是由于XXX交易的高峰由以往的下午提前到了上午所致，但整体交易量未发生明显变化；而网点B则是由于XXX交易整体交易量提升导致了押柜。两种情况虽然表现相似，但原因不尽相同。从客户体验考虑，网点B适合增加开柜数量，限制同一时间柜员休假人数等手段解决问题；而从成本考量，网点A则更适合通过将熟悉XXX交易的柜员安排在上午接柜(即，上柜服务)，或通过官网、APP等渠道对欲办理该业务的客户进行闲忙时提醒等方式解决押柜问题。

二、与基层网点汇报相比，交易数据变化对比更具主动性，它是指渠道管理部门通过统计方法，根据各支交易量、交易额等数据的变化水平进行异常交易识别的手段。该手段将交易数据突变默认为交易异常的唯一形式，但在实际运营中，交易量突变仅是交易异常的一种表现。例如：某支交易目前日交易总量未发生明显变化，但以往一天中相对平均的交易量却突然集中到了一个特定时段。若此交易涉及某一固定客群，这一变化很可能说明交易客群发生了变化；若此交易涉及高风险操作，这一变化很可能引出员工内外勾结作案的线索；若此交易涉及某项营销活动，这一变化很可能反映营销效果的好坏。虽然本例中的交易并未产生交易量的明显变化，但不论从哪个方面分析都应划归异常，引起管理部门的注意。然而，基于交易数据变化对比的分析手段，不能有效察觉以上交易异常，不具备识别复杂异常情况的能力。此外，由于缺乏对交易异常度的量化描述能力，依托传统统计方法的交易量对比手段，只能依赖人工查验和设定阈值等方式识别异常交易，难以实现网点层面的交易异常情况细分，无法提供精细化的决策支持信息。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种基于交易规律识别的异常交易检测方法，用以定量识别多种不同类型的异常交易，提高异常交易检测的准确度和效率，该检测方法包括：