(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 202210318187.4 (22)申请日 2022.03.29 (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　 (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 杨丹　沈珍珠 (51)Int.Cl. G06Q 40/08(2012.01) G06Q 40/02(2012.01) G06K 9/62(2022.01) (54)发明名称 基于业务办理数据进行风险分析的方法及 系统 (57)摘要 本发明提出了一种基于业务办理数据进行 风险分析的方法及系统， 涉及金融数据分析处理 技术领域， 该方法包括： 根据所述多维度数据对 业务类别进行聚类 分析， 将业务类别集合划分为 多个业务类别子集合； 获取预定区域内各个银行 网点的业务 办理数据， 确定各个银行网点对应的 业务类别向量、 风险类别向量、 主要风险类别； 对 预定区域内的银行网点进行聚类分析， 得到多个 银行网点子集合； 根据各个银行网点子集合中柜 员处理业务时的业务办理数据， 确定各个业务类 别的业务办理时长， 得到各个业务类别的业务办 理时长的概率密度函数； 银行网点实时获取柜员 办理业务时的业务办理数据， 根据各个业务类别 的业务办理时长的概率密度函数， 对业务办理数 据进行风险分析。 权利要求书5页 说明书14页 附图6页 CN 114638723 A 2022.06.17 CN 114638723 A 1.一种基于业 务办理数据进行风险分析的方法， 其特 征在于， 包括： 获取银行网点的业务类别集合中各个业务类别的多维度 数据， 根据所述多维度 数据对 业务类别进行聚类分析， 将业 务类别集 合划分为多个业 务类别子集 合； 获取预定区域内各个银行网点的业务办理数据， 确定各个银行网点对应的业务类别向 量、 风险类别向量、 主 要风险类别； 其中， 业 务类别向量的分量和业 务类别子集 合一一对应； 根据各个银行网点对应的业务类别向量、 风险类别向量、 主要风险类别， 对预定区域内 的银行网点进行聚类分析， 得到多个银 行网点子集 合； 根据各个银行网点子集合中柜员处理业务 时的业务办理数据， 确定各个业务类别的业 务办理时长， 得到各个业 务类别的业 务办理时长的概 率密度函数； 银行网点实时获取柜员办理业务 时的业务办理数据， 根据 各个业务类别的业务办理时 长的概率密度函数， 对业务办理数据进行风险分析， 将存在风险的业务办理数据存储到银 行网点的区块链节 点中， 并上传到银行服务器， 向柜员发送 风险提示信息， 接收该柜员的数 字签名的反馈信息， 将所述反馈信息存 储到区块链中。 2.根据权利要求1所述的方法， 其特 征在于， 还 包括： 在每日银行网点停止营业后， 由银行服务器对当天所有银行网点的所有柜员的业务办 理数据进行风险分析， 确定各个柜员和各个业务类别的风险， 将存在风险的业务办理数据 存储到银行服务器的区块链节点中， 向柜员发送风险提示信息， 接 收该柜员的数字签名的 反馈信息， 将所述反馈信息存 储到区块链中。 3.根据权利要求1所述的方法， 其特征在于， 获取预定区域内各个银行网点的业务办理 数据， 确定各个银 行网点对应的业 务类别向量、 风险类别向量、 主 要风险类别， 包括： 对于预定区域内各个银行网点， 根据对应的历史业务数据， 确定所有业务办理数据中 业务归属于各个业务类别子集合的业务办理数据， 设置该银行网点的业务类别向量； 其中， 所述业务类别向量的长度等于业务类别子集合的元素个数， 业务类别向量的分量和业务类 别子集合一一对应， 分量的值等于该银行网点的业务办理数据中业务类别归属于该分量对 应的业务类别子集 合的业务量； 根据各个银行网点的历史业务数据中的风险数据， 确定该银行网点的风险类别和该银 行网点关于各个风险类别的风险概率， 设置该银行网点的风险类别向量； 其中， 风险类别向 量的长度等于银行网点的风险类别的个数， 风险类别 向量的分量和各个风险类别一一对 应， 且分量的值设置为该 银行网点关于该分量对应的风险类别的风险概 率； 计算所述风险概率和对应的预设阈值的差值， 将差值最大的风险类别作为所述银行网 点的主要风险类别。 4.根据权利要求3所述的方法， 其特征在于， 根据各个银行网点对应的业务类别向量、 风险类别向量、 主要风险类别， 对预定区域内的银行网点进 行聚类分析， 得到多个银行网点 子集合， 包括： 根据业务类别向量的欧式距离， 确定业务类别向量对应的距离函数； 根据风险类别向 量的欧式距离， 确定风险类别向量对应的距离函数； 根据业务类别向量对应的距离函数及风险类别向量对应的距离函数， 确定银行网点对 应的距离函数； 根据确定的银行网点对应的距离函数， 对预定区域内的银行网点进行聚类， 获得多个权　利　要　求　书 1/5 页 2 CN 114638723 A 2银行网点子集 合。 5.根据权利要求1所述的方法， 其特征在于， 银行网点实时获取柜员办理业务 时的业务 办理数据， 根据各个业务类别的业务办理时长的概率密度函数， 对业务办理数据进行风险 分析， 将存在风险的业务办理数据存储到银行网点的区块链节点中， 并上传到银行服务器， 向柜员发送风险提示信息， 接 收该柜员的数字签名的反馈信息， 将所述反馈信息存储到区 块链中， 包括： 依据实时获取的柜员办理业务 时的业务办理数据， 确定柜员办理 的业务类别和对应的 办理业务时长； 所述银行网点将该业务类别和该办理业务 时长发送到银行服务器， 由所述银行服务器 依据该业务类别的业务办理 时长的概率密度函数和该办理业务时长， 确定该业务办理数据 对应的概 率； 其中， 如果 概率小于设定阈值， 判定为有风险， 否则为无风险。 6.根据权利要求1所述的方法， 其特征在于， 根据 各个银行网点子集合中柜员处理业务 时的业务办理数据， 确定各个业务类别的业务办理时长， 得到各个业务类别的业务办理时 长的概率密度函数， 包括： 当业务办理数据的数据量大于预设阈值 时， 确定业务办理数据对应的业务类别的业务 办理时长的概 率密度函数； 对于各个业务类别， 根据该业务类别的业务办理时长的概率密度函数， 确定该业务类 别对应的置信区间； 当银行网点处理 的业务量大于阈值 时， 银行服务器将各个业务类别对应的置信区间加 密， 并下发到该 银行网点； 银行网点依据实时获取的柜员办理业务 时的业务办理数据， 确定柜员办理的业务类别 和对应的办理业 务时长； 如果该银行网点存储有该业务类别的置信区间， 根据该置信区间确定该柜员的业务办 理是否存在风险， 如果该办理业务时长不位于该置信区间内， 则判定为有风险， 否则为无风 险； 如果该银行网点没有存储该业务类别的置信区间， 该银行网点将该业务类别和该办理 业务时长发送到银行服务器， 由所述银行服务器依据该业务类别的业务办理 时长的概率密 度函数和该办理业务时长， 确定该业务办理数据对应的概率； 其中， 如果概率小于设定阈 值， 判定为有风险， 否则为无风险。 7.根据权利要求2所述的方法， 其特征在于， 在每日银行网点停止营业后， 由银行服务 器对当天所有银行网点的所有柜员的业务办理数据进 行风险分析， 确定各个柜员和各个业 务类别的风险， 将存在风险的业务办理数据存储到银行服务器的区块链节点中， 向柜员发 送风险提示信息， 接收该柜员的数字签名的反馈信息， 将所述反馈信息存储到区块链中， 包 括： 获取柜员办理业务 时的业务办理时长， 根据业务办理时长及各个业务类别的业务办理 时长的概率密度函数， 确定该柜员的在办理各个业务类别的业务时所对应的业务办理时长 的概率； 其中， 将办理业务中业务办理时长的概率小于设定阈值的多个业务办理数据上传 到区块链， 向柜员发送风险提 示信息， 接收该柜员的数字签名的反馈信息； 获取各个业务类别的业务办理数据， 筛选出业务办理时长的概率最小的业务办理数权　利　要　求　书 2/5 页 3 CN 114638723 A 3