(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 202210634164.4 (22)申请日 2022.06.07 (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) (54)发明名称 一种基于大数据的风险管控方法和装置 (57)摘要 本发明提供了一种基于大数据的风险管控 方法和装置， 属于大数据， 该方法包括： 根据银行 的风险数据， 构建风险规则集； 依据银行网点的 历史交易数据， 确定所述银行网点的交易风险类 型， 将风险规则集中对应的交易风险类型的规则 信息以风险规则子集的形式下发至流式计算系 统中； 将银行网点的实时交易数据发送至流式计 算系统中， 确定的实时交易数据是否涉及风险； 若涉及风险， 则将该实时交易数据和涉及的交易 风险类型， 存储至区块链节点中； 若确定所述实 时交易数据不满足风险规则子集中的任何规则 信息， 则确定所述实时交易数据对应的潜在规则 信息， 将所述实时交易数据和对应的潜在规则信 息存储至区块链， 并更新 风险规则集。 权利要求书4页 说明书10页 附图5页 CN 114943624 A 2022.08.26 CN 114943624 A 1.一种基于大 数据的风险管控方法， 其特 征在于， 包括： 根据银行的风险数据， 构建风险规则集； 所述风险规则集中包括多条规则信息， 所述规 则信息， 包括 规则头和规则体， 所述 规则头包括交易 风险类型， 所述 规则体包括交易特 征； 依据银行网点的历史交易数据， 确定所述银行网点的交易风险类型， 将风险规则集中 对应该银行网点的交易风险类型的规则信息以风险规则子集的形式下发至该银行网点的 流式计算系统中； 将银行网点的实时交易数据发送至流式计算系统中， 基于风险规则子集， 确定所述银 行网点的实时交易数据是否涉及风险； 若确定所述实时交易数据涉及风险， 则将该实时交易数据和涉及的交易风险类型， 存 储至所述银 行网点的区块链 节点中； 若确定所述实时交易数据不满足风险规则 子集中的任何规则信 息， 则确定所述实时交 易数据对应的潜在规则信息， 将所述实时交易数据和对应的潜在规则信息存储至区块链， 并基于所述实时交易数据和对应的潜在规则 信息生成新 规则信息以更新 风险规则集。 2.如权利要求1所述的方法， 其特征在于， 还包括： 根据 银行的风险数据， 确定风险规则 集中每一规则信息的优先级； 其中， 风险数据中满足规则信息的数据越多， 则对应的规则信 息的优先级越高。 3.如权利要求1所述的方法， 其特征在于， 依据银行网点的历史交易数据， 确定所述银 行网点的交易 风险类型， 包括： 根据银行网点的历史交易数据， 确定所述银行网点的风险类型及对应的概率， 将对应 的概率大于设定阈值的风险类型确定为所述银 行网点的交易 风险类型。 4.如权利要求2所述的方法， 其特征在于， 将银行网点的实时交易数据发送至流式计算 系统中， 基于风险规则子集， 确定所述银 行网点的实时交易数据是否涉及风险， 包括： 将银行网点的实时交易数据发送至流式计算系统中， 从风险规则 子集中按照优先级依 次选择规则 信息； 对于选中的规则， 根据选中的规则的规则体涉及的交易特征， 确定所述实时交易数据 对应于所述交易特征的值， 根据所述交易特征的值确定所述 实时交易数据是否满足该规则 体； 若所述实时交易数据满足该规则体， 则确定所述实时交易数据 涉及风险； 其中， 所述实 时交易数据涉及的风险类型为满足的该规则体对应的规则头的交易 风险类型。 5.如权利要求1所述的方法， 其特征在于， 若确定所述实时交易数据不满足风险规则 子 集中的任何规则信息， 则确定所述实时交易数据对应的潜在规则信息， 将所述实时交易数 据和对应的潜在规则 信息存储至区块链， 包括： 对于风险规则 子集中的每个规则信 息， 将所述实时交易数据满足的所述规则信 息的逻 辑文字确定为所述规则信息对应的逻辑文字， 并将所述对应的逻辑文字的个数与所述规则 信息的长度的比值确定为所述 规则信息对应的满足度； 依据对应的逻辑文字和对应的满足度， 确定规则信息对应的偏序， 其中， 该偏序 可以用 于确定风险规则子集中的任何两个规则 信息中的第一 规则信息是否优于第二 规则信息； 依据规则信 息对应的偏序， 确定风险规则 子集中的多个极大规则信 息， 其中， 极大规则 信息是该偏序的极大 元素；权　利　要　求　书 1/4 页 2 CN 114943624 A 2将所述多个极大规则 信息确定为所述实时交易数据对应的潜在规则 信息； 将所述实时交易数据和对应的潜在规则信 息存储至区块链， 及将所述实时交易数据的 风险标识设置为可疑状态。 6.如权利要求5所述的方法， 其特征在于， 依据对应的逻辑文字和对应的满足度， 确定 规则信息对应的偏序， 包括： 对于风险规则 子集中的任何两个规则信 息， 如果该两个规则信 息中的第一规则信 息对 应的逻辑文字都包含于该两个规则信息中的第二规则信息对应的逻辑文字， 且该第一规则 信息对应的满足度小于等于该第二规则信息对应的满足度， 则确定该第二规则信息优于该 第一规则信息。 7.如权利要求5所述的方法， 其特征在于， 基于所述实时交易数据和对应的潜在规则信 息生成新 规则信息以更新 风险规则集， 包括： 将设置为可疑状态的所述实时交易数据发送至交易人员进行判断， 响应于交易人员得 出的判断结果信息为所述 实时交易数据涉及风险， 则根据判断结果为涉及风险的所述实时 交易数据和对应的潜在规则 信息， 生成新 规则信息以更新 风险规则集。 8.如权利要求7所述的方法， 其特征在于， 根据判断结果为涉及风险的所述实时交易数 据和对应的潜在规则 信息， 生成新 规则信息以更新 风险规则集， 包括： 获取对应的潜在规则信息的规则体涉及的交易特征和对应的潜在规则信息的规则头 涉及的交易 风险类型； 依据所述交易特征， 所述交易风险类型和所述实时交易数据对应于所述交易特征的 值， 构建新 规则信息； 将新规则信 息发送至银行服务器， 对风险规则集进行更新， 并下发至对应的银行网点； 所述对应的银 行网点将新 规则信息存储至风险规则子集。 9.如权利要求8所述的方法， 其特征在于， 将新规则信息发送至银行服务器， 对风险规 则集进行 更新， 包括： 将新规则信息发送至银行服务器， 银行服务器在设定时间触发更新任务， 将新规则信 息与原有风险规则集中的规则 信息进行规则合并， 生成新的风险规则集。 10.如权利要求8所述的方法， 其特 征在于， 还 包括： 银行服务器在设定批量时间点时， 基于设定批量时间点时的风险规则集， 对当天所有 银行网点的风险标识 为未发现风险的交易数据进 行风险判断， 判断交易数据中是否存在风 险； 将判定为存在风险的交易数据推送至银 行风险控制人。 11.一种基于大 数据的风险管控 装置， 其特 征在于， 包括： 风险规则集构建模块， 用于根据 银行的风险数据， 构建风险规则集； 所述风险规则集中 包括多条规则信息， 所述规则信息， 包括规则头和规则体， 所述规则头包括交易风险类型， 所述规则体包括交易特 征； 银行网点交易风险类型确定模块， 用于依据银行网点的历史交易数据， 确定所述银行 网点的交易风险类型， 将风险规则集中对应该银行网点的交易风险类型的规则信息以风险 规则子集的形式下发至该 银行网点的流式计算系统中； 交易数据风险判断模块， 用于将银行网点的实时交易数据发送至流式计算系统中， 基权　利　要　求　书 2/4 页 3 CN 114943624 A 3