(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210557783.8 (22)申请日 2022.05.19 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 朱江波　池振强　赵书祥　马丽贤　 胡佳锋　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 汤在彦　沈珍珠 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/04(2012.01) G06Q 40/04(2012.01) G06Q 40/02(2012.01)G06K 9/62(2022.01) (54)发明名称 交易风险控制方法及装置 (57)摘要 本发明公开了一种交易风险控制方法及装 置， 涉及金融领域， 该方法包括： 基于银行客户的 历史交易数据， 筛选出包括无网络和有网络信号 对应的交易数据的客户作为参考客户； 对参考客 户进行分类， 获得多个参考客户类别； 对于每个 参考客户类别， 基于其在无网络信号对应的交易 数据确定待控制风险类型； 对于每个待控制风险 类型， 基于交易数据确定对应的风险控制模型； 对于只包含有网络信号对应的交易数据的客户， 确定其参考客户类别， 将其对应的待控制风险类 型对应的风险控制模型下发到该客户的移动终 端， 当无网络信号状态时， 用该移动终端存储的 风险控制模型对该移动终端的交易进行风险控 制。 本发明可以在无网络信号状态时对交易进行 风险控制。 权利要求书3页 说明书10页 附图5页 CN 114943446 A 2022.08.26 CN 114943446 A 1.一种交易 风险控制方法， 其特 征在于， 包括： 获取银行客户的历史 交易数据； 基于银行客户的历史交易数据， 筛选出包括无网络信号对应的交易数据和有网络信号 对应的交易数据的客户， 将筛 选出的客户确定为 参考客户； 对参考客户进行分类， 获得多个参 考客户类别； 对于每个参考客户类别， 基于该参考客户类别在无网络信号对应的交易数据， 确定该 参考客户类别在无网络信号的待控制风险类型； 对于该参考客户类别的每个待控制风险类型， 基于该参考客户类别在无网络信号对应 的交易数据， 确定该待控制风险类型对应的风险控制模型； 对于只包 含有网络信号对应的交易数据的客户， 确定该客户对应的参 考客户类别； 将该客户对应的参考客户类别的待控制风险类型对应的风险控制模型下发到该客户 的移动终端， 当客户的移动 终端处于无网络信号状态时， 用该移动 终端存储的风险控制模 型对该移动终端的交易进行风险控制。 2.如权利要求1所述的交易风险控制方法， 其特征在于， 对参考客户进行分类， 获得多 个参考客户类别， 包括： 对每个参考客户， 依据 该客户在有网络信号对应的交易数据， 确定该客户的交易属性， 以及依据该客户在银 行的客户信息， 确定该客户的客户属性； 依据交易属性和客户属性， 确定交易距离函数和客户距离函数， 其中， 两个函数的自变 量是任何两个客户， 对应的函数值分别是 该两个客户的交易距离和客户距离； 依据交易距离函数和客户距离函数， 对参 考客户进行聚类， 获得多个参 考客户类别。 3.如权利要求1所述的交易风险控制方法， 其特征在于， 对于每个参考客户类别， 基于 该参考客户类别 在无网络信号对应的交易数据， 确定该参考客户类别 在无网络信号的待控 制风险类型， 包括： 基于该参考客户类别在无网络信号对应的交易数据， 确定该参考客户类别在无网络信 号对应的风险类型； 按照时间先后顺序将该参考客户类别在无网络信号对应的交易数据划分为多个无网 络信号子数据， 使得每 个无网络信号子数据的交易数量大于交易 量阈值； 对于每个无网络信号子数据， 确定该无网络信号子数据中该参考客户类别在无网络信 号对应的各个风险类型的交易数据的比例， 将该比例确定为该无网络信号子数据对应该各 个风险类型的概 率； 对于该参考客户类别在无网络信号对应的每个风险类型， 将该参考客户类别对应该风 险类型的概率确定为所有 无网络信号子数据对应该风险类型的概率的均值， 以及基于所有 无网络信号子数据对应该风险类型的概 率， 确定该参 考客户类别对应该风险类型的方差； 确定该参考客户类别对应该风险类型的概率下界值为： 其中， n是无网络信号子 数据的个数， ε是选取的概 率误差阈值； 如果该参考客户类别对应该风险类型的概率小于概率阈值， 且该参考客户类别对应该 风险类型的概率下界值大于概率下界阈值， 则确定该风险类型为该参考客户类别 在无网络 信号的待控制风险类型。权　利　要　求　书 1/3 页 2 CN 114943446 A 24.如权利要求1所述的交易风险控制方法， 其特征在于， 对于该参考客户类别的每个待 控制风险类型， 基于该参考客户类别在无网络信号对应的交易数据， 确定该待控制风险类 型对应的风险控制模型， 包括： 以待控制风险类型为监督标识， 用机器学习 模型对该参考客户类别在无网络信号对应 的交易数据进 行训练， 获得该待控制风险类型对应的风险预测模型， 其中， 该风险预测模型 的输入是客户的交易数据， 输出 是该交易数据发生该待控制风险类型的概 率； 依据风险类型和控制方法的对应关系， 确定该待控制风险类型对应的控制方法。 5.如权利要求2所述的交易风险控制方法， 其特征在于， 对于只包含有网络信号对应的 交易数据的客户， 确定该客户对应的参 考客户类别， 包括： 对于该客户， 依据 该客户在有网络信号对应的交易数据， 确定该客户的交易属性， 以及 依据该客户在银 行的客户信息， 确定该客户的客户属性； 对每个参考客户， 依据交易距离函数和客户距离函数确定该客户和该参考客户的交易 距离和客户距离， 将该交易距离确定为该参考客户对应的交易距离， 以及将该客户距离确 定为该参 考客户对应的客户距离； 依据交易距离和客户距离， 确定参考客户的偏序， 其中， 其中， 对于任何两个参考客户， 该偏序可用于确定该两个参 考客户中的第一 参考客户是否 近于第二参考客户； 依据参考客户的偏序， 确定所有参考客户中的多个极大参考客户， 其中， 该极大参考客 户是所有参考客户中的极大 元素； 将该多个极大参 考客户归属的多个参 考客户类别确定为该客户对应的参 考客户类别。 6.如权利要求5所述的交易风险控制方法， 其特征在于， 依据交易距离和客户距离， 确 定参考客户的偏序， 包括： 对于任何两个参考客户， 如果该两个参考客户中的第 一参考客户对应的交易距离小于 等于该两个参考客户中的第二参考客户对应的交易距离， 且该第一参考客户对应的客户距 离小于等于该第二 参考客户对应的客户距离， 则确定该第一 参考客户近于第二参考客户。 7.如权利要求1所述的交易风险控制方法， 其特征在于， 当客户的移动终端处于无网络 信号状态时， 用该移动终端存 储的风险控制模型对该移动终端的交易进行风险控制， 包括： 当客户的移动终端处于无网络信号状态时， 用该移动终端存储的风险预测模型对该移 动终端的交易进行风险预测； 用预测的概率大于指定阈值的风险类型对应的控制方法对该移动终端的交易进行风 险控制。 8.一种交易 风险控制装置， 其特 征在于， 包括： 数据获取模块， 用于获取 银行客户的历史 交易数据； 数据筛选模块， 用于基于银行客户的历史交易数据， 筛选出包括无网络信号对应的交 易数据和有网络信号对应的交易数据的客户， 将筛 选出的客户确定为 参考客户； 参考客户分类模块， 用于对参 考客户进行分类， 获得多个参 考客户类别； 风险类型确定模块， 用于对于每个参考客户类别， 基于该参考客户类别在无网络信号 对应的交易数据， 确定该参 考客户类别在无网络信号的待控制风险类型； 风险控制模型确定模块， 用于对于该参考客户类别的每个待控制风险类型， 基于该参 考客户类别在无网络信号对应的交易数据， 确定该待控制风险类型对应的风险控制模型；权　利　要　求　书 2/3 页 3 CN 114943446 A 3