(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 202210779601.1 (22)申请日 2022.07.04 (71)申请人 北京天德科技有限公司 地址 102488 北京市房山区阎富路69号院 37号楼-1层至4层102三层10 申请人 天民 （青岛） 国际沙盒研究院有限公 司 (72)发明人 蔡维德　 (51)Int.Cl. G06Q 20/40(2012.01) G06Q 40/04(2012.01) G06F 16/2455(2019.01) G06F 16/27(2019.01) G06F 16/28(2019.01) G06N 20/00(2019.01) (54)发明名称 一种基于区块链数据湖的三阶段金融违规 多重裁判系统 (57)摘要 本发明提供一种基于区块链数据湖的三阶 段金融违规多重裁判系统， 包括： 外部数据模块， 用于通过外部数据集的形式存储 金融交易数据； 预言机模块， 用于基于预言机查询检验金融交易 数据， 判定金融交易数据是否合规； 区块链数据 湖模块， 包 括MySQL数据库、 缓存数据库以及智能 合约数据库； 多重裁判引擎模块， 包括智能投票 器， 用于将区块链数据湖的智能合约数据库中不 同区位的特征属性数据依次执行交易前期、 交易 中期和交易后期操作； 基于规则的KYC方法和基 于机器学习的反非法收入合法化算法由智能投 票器裁判金融交易数据是否存在金融违规的最 终判别结果； 及智能控制器模块， 用于控制数据、 算法、 区块、 数据库的联合运算操作。 还提供了一 种金融交易 监管系统。 权利要求书4页 说明书10页 附图4页 CN 115170139 A 2022.10.11 CN 115170139 A 1.一种基于区块链数据湖的三阶段 金融违规多重 裁判系统， 其特 征在于， 包括： 外部数据模块， 用于通过外 部数据集的形式存 储金融交易数据； 预言机模块， 用于基于预言机查询检验所述金融交易数据， 判定所述金融交易数据是 否合规； 区块链数据湖模块， 包括MySQL数据库、 缓存数据库以及智能合约数据库， 用于根据所 述金融交易数据的属性、 特征、 类别以及所在处理阶段的不同， 将其分别存储在MySQL数据 库、 缓存数据库以及智能合约数据库中， 所述处理阶段包括交易前期、 交易中期和交易后 期； 多重裁判引擎模块， 用于将所述区块链数据湖的智能合约数据库中不同区位的特征属 性数据依 次执行交易前期、 交易中期和交易后期操作； 所述多重裁判引擎模块包括智能投 票器， 用于基于规则的KYC方法和 基于机器学习的反非法收入合法化算法由所述智能投票 器裁判所述金融交易数据是否存在金融违规的最终判别结果； 以及 智能控制器模块， 用于控制数据、 算法、 区块、 数据库的联合 运算操作； 所述基于区块链数据湖的三阶段金融违规多重裁判系统实时的为对于金融违规的多 重裁判方法， 所述方法包括： S10， 预言机通过外部获取金融交易数据， 对所述金融交易数据进行数据深加工后， 按 照其对应的金融属性进行数据特征划分后获得上区块链所需的检测数据集， 所述数据深加 工为数据预处 理； S20， 所述预言机将所述检测数据集作为数据源发送到智能合约数据库或区块链系统， 所述智能合约数据库或所述区块链系统收到所述检测数据集后， 将所述检测数据集上链并 导入所述区块链系统内， 若所述检测数据集内的金融交易数据不合规则返回， 即终止此次 交易； S30， 导入所述区块链系统内的检测数据集根据内部的金融交易数据的属性、 特征、 类 别以及所在处理阶段因素被分别存放在MySQL数据库、 缓存数据库以及智能合约数据库中； 其中MySQL数据库存放反洗钱操作前的全部链上数据类型， 缓存数据库存放短间隔高频次 细粒度调用的数据类型以及多重裁判返回的数据信息； 所述智能合约数据库则存放交易特 征属性的数据类型； S40， 基于智能控制器的控制， 所述区块链数据湖上不同模块的特征属性数据被依次传 入多重裁判引擎， 首先执行交易前期的操作， 所述交易前期的操作针对所有类型 的监管机 制； 所述交易前期的操作由智能控制器执 行； S50， 基于智能控制器的控制， 智能合约数据库中的特征属性数据被分别执行反非法收 入合法化检测中的交易中期和交易后 期的操作获得操作后数据； 交易中期和交易后期的操 作均为基于 机器学习算法的判定方法； 包括： S51,智能控制器从机器学习算法集合中随机选取的算法对所述区块链数据湖上不同 模块的特 征属性数据依次进行 行为建模判定和链路分析判定， 包括： S511， 根据所述区块链数据湖上不同模块的特征属性数据 是否含有再次裁判标记判断 其是否在执行多重裁判操作， 若否， 则依次生 成K个0‑9的第一随机数(0<K<10)， 生 成的过程 中采取剪枝的方法， 即每生 成一个第一随机数， 则将其从对应的随机数集合中删掉， 保障选 取的算法不会重复； 同时在机器学习算法集合中选取K个算法， K个算法中每个算法的标号权　利　要　求　书 1/4 页 2 CN 115170139 A 2与生成的第一随机数相对应； 对所述区块链数据湖上不同模块的特征属性数据依次执行行 为建模判定操作， 运行结束后将判定的预测结果返回给智能投票器， 若判定的预测结果为 存在违规， 则更新机器学习算法集合， 重新分配10个新的机器学习算法， 并随机生 成N个0‑9 的第二随机数(0<N<10)， 在生成的过程中， 每生 成一个第二随机数， 则将其从对应的随机数 集合中删掉， 保障选取的算法不会重复， 在更新后的机器学习算法集合中重新选择N个新的 算法， N个新的算法中每个算法的标号与生成的第二随机数相对应， 对所述区块链数据湖上 不同模块的特征属性数据依次执行行为建模判定操作， 并将再次裁判的预测结果V1发送到 智能投票器； S512， 重复步骤S511， 对所述区块链数据湖上不同模块的特征属性数据执行链路分析 操作后获得 预测结果V 2； 将预测结果V 2发送到智能投票器； S52， 智能控制器从机器学习算法集合中随机选取的算法对所述区块链数据湖上不同 模块的特 征属性数据依次进行风险预警和异常检测分析判定， 包括： S521， 根据所述区块链数据湖上不同模块的特征属性数据 是否含有再次裁判标记判断 其是否在执行多重裁判操作， 若否， 则依次生 成K个0‑9的第一随机数(0<K<10)， 生 成的过程 中采取剪枝的方法， 即每生 成一个第一随机数， 则将其从对应的随机数集合中删掉， 保障选 取的算法不会重复； 同时在机器学习算法集合中选取K个算法， K个算法中每个算法的标号 与生成的第一随机数相对应； 对所述区块链数据湖上不同模块的特征属性数据依次执行风 险预警判定操作， 运行结束后将判定的预测结果返回给智能投票器， 若判定的预测结果为 存在违规， 则更新机器学习算法集合， 重新分配10个新的机器学习算法， 并随机生 成N个0‑9 的第二随机数(0<N<10)， 在生成的过程中， 每生 成一个第二随机数， 则将其从对应的随机数 集合中删掉， 保障选取的算法不会重复， 在更新后的机器学习算法集合中重新选择N个新的 算法， N个新的算法中每个算法的标号与生成的第二随机数相对应， 对所述区块链数据湖上 不同模块的特征属性数据依次执行风险预警判定操作， 并将再次裁判的预测结果V3发送到 智能投票器； S522， 重复步骤S521中的操作， 对所述区块链数据湖上不同模块的特征属性数据执行 异常检测分析判定后获得判定结果V4； 将判定结果V4发送到智能投票器； S60， 基于智能控制器的控制， 将经过交易中期和交易后期的操作的数据发送给智能投 票器， 在智能投票器的裁判 下分别执行交易通过， 交易撤回或多重裁判的操作获得最终判 别结果； 若执行多重裁判操作， 则对所述经过交易中期和交易后期的操作的数据重新标记 后再次重复执 行S50； 所述S6 0包括： 若最终结果V 1、 预测结果V2、  再次裁判的预测结果V3和判定结果V4均为0， 则金融交易 为正常交易， 智能投票器的裁判结果 为通过， 该笔交易通过； 若最终结果V1、 预测结果V2、  再次裁判的预测结果V3和判定结果V4有2个及以上为1， 则金融交易 为可疑交易， 智能投票器裁判结果 为撤回， 该 笔交易终止； 若最终结果V 1、 预测结果V2、  再次裁判的预测结果V3和判定结果V4有1个为1且不含有 再次裁判标记， 则金融交易为可疑交易， 智能投票器将对应结果标记后导入区块链数据湖 并执行再次裁判操作， 即重新执 行S40， 且 对应数据集含有再次裁判标记； 若最终结果V 1、 预测结果V2、  再次裁判的预测结果V3和判定结果V4有1个为1且含有再 次裁判标记， 则金融交易 为可疑交易， 智能投票器裁判结果 为撤回， 该 笔交易终止；权　利　要　求　书 2/4 页 3 CN 115170139 A 3