(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 202210617507.6 (22)申请日 2022.06.01 (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 10/04(2012.01) G06Q 40/02(2012.01) G06Q 40/04(2012.01) (54)发明名称 无人银行网点 风险控制方法及装置 (57)摘要 本发明公开了一种无人银行网点风险控制 方法及装置， 涉及金融技术领域， 其中该方法包 括： 获取指定区域内银行客户的支付数据， 确定 无人银行网点对应的多个交易地点； 根据多个交 易地点的支付数据， 确定无人银行网点的待控制 风险类型； 对每个待控制风险类型， 确定该待控 制风险类型对应的风险预测模型； 用待控制风险 类型对应的风险预测模型实时计算无人银行网 点中客户的每一笔交易关于各个待控制风险类 型的概率； 当无人银行网点中客户的单笔交易关 于任一待控制风险类型的概率大于等于控制阈 值时， 控制该客户的该笔交易。 本发明可 以实时 对无人银行网点的交易进行风险监控。 权利要求书5页 说明书11页 附图3页 CN 114971040 A 2022.08.30 CN 114971040 A 1.一种无 人银行网点风险控制方法， 其特 征在于， 所述方法包括： 获取指定区域内银 行客户的支付数据， 确定无 人银行网点对应的多个交易 地点； 根据所述多个交易 地点的支付数据， 确定无 人银行网点的待控制风险类型； 对每个待控制风险类型， 确定该待控制风险类型对应的风险预测模型； 利用待控制风险类型对应的风险预测模型实时计算无人银行网点中客户的每一笔交 易关于各个待控制风险类型的概 率； 当无人银行网点中客户的单笔交易关于任一待控制风险类型的概率大于等于控制阈 值时， 控制该客户的该 笔交易。 2.根据权利要求1所述的方法， 其特征在于， 获取指定区域内银行客户的支付数据， 确 定无人银行网点对应的多个交易 地点， 包括： 从所述支付数据中提取每一次交易的交易对手， 所述交易对手为收款商家； 确定每一交易对手的营业 地点， 以及每一营业 地点与无人银行网点的距离； 将距离在指定距离范围内的营业 地点确定为无 人银行网点对应的交易 地点。 3.根据权利要求1所述的方法， 其特征在于， 根据所述多个交易地点的支付数据， 确定 无人银行网点的待控制风险类型， 包括： 依据所述支付数据， 确定该 无人银行网点所处环境关于各个风险类别的概 率； 对指定区域内的每 个有人银行网点， 确定该有人 银行网点对应的多个交易 地点； 依据该有人银行网点对应的多个交易地点的支付数据， 确定该有人银行网点所处环境 关于各个风险类别的概 率； 依据该无人银行网点所处环境关于各个风险类别的概率以及指定区域内的多个有人 银行网点所处环境关于各个风险类别的概率， 确定网点对应的偏序， 其中， 该偏序用于确定 指定区域内的任何两个银 行网点中第一银 行网点是否优于第二银 行网点； 依据网点对应的偏序， 从指定区域内的多个有人银行网点中选取出多个极大网点， 其 中， 极大网点是 该偏序的极大 元素； 依据该多个极大网点的交易数据， 确定多个极大网点关于各个风险类别的概 率； 对于每个风险类别， 如果多个极大网点关于该风险类别的概率大于第一概率阈值， 则 将该风险类别确定为无 人银行网点的待控制风险类型。 4.根据权利要求3所述的方法， 其特征在于， 依据 该无人银行网点所处环境关于各个风 险类别的概率以及指 定区域内的多个有人银行网点所 处环境关于各个风险类别的概率， 确 定网点对应的偏序， 包括： 对于每个风险类别， 将该无人银行网点所处环境关于该风险类别的概率与每个有人银 行网点关于该风险类别的概率的差的绝对值， 确定为该有 人银行网点关于该风险类别的差 距值； 确定网点对应的偏序， 其中， 对于任何两个有人银行网点， 如果对于任何风险类别， 该 两个有人银行网点中的第一有人银行网点关于该风险类别的差距值都小于等于该两个有 人银行网点中的第二有人银行网点关于该风险类别的差距值， 则确定该第一有人银行网点 优于该第二有人 银行网点。 5.根据权利要求1所述的方法， 其特征在于， 根据所述多个交易地点的支付数据， 确定 无人银行网点的待控制风险类型， 包括：权　利　要　求　书 1/5 页 2 CN 114971040 A 2根据所述支付数据， 确定该 无人银行网点所处环境关于各个风险类别的概 率； 对于各个风险类别， 确定该无人银行网点所处环境关于各个风险类别的概率与该风险 类别对应的第二概率阈值的差值， 将对应的差值最大的风险类别确定为无人银行网点的主 要环境风险类型； 根据该无人银行网点所处环境关于各个风险类别的概率， 确定无人银行网点的环境风 险类别向量， 所述环境风险类别向量中每个分量和各个风险类别一一对应， 每个分量的值 等于该无人银行网点所处环境关于该分量对应的风险类别的概 率； 从指定区域的多个有人银行网点中， 筛选与无人银行网点的主要环境风险类型相同的 有人银行网点， 作为备选银 行网点； 对于每个备选银行网点， 计算该备选银行网点的环境风险类别向量与 无人银行网点的 环境风险类别向量的距离， 将对应的距离最小的多个备选银行网点确定为无人银行网点的 相似银行网点； 获取相似银行网点的交易数据， 根据交易数据确定相似银行网点关于各个风险类型的 概率； 对于每个风险类别， 如果相似银行网点关于该风险类别的概率大于第一概率阈值， 则 将该风险类别确定为无 人银行网点的待控制风险类型。 6.根据权利要求5所述的方法， 其特征在于， 对每个待控制风险类型， 确定该待控制风 险类型对应的风险预测模型， 包括： 对于每个待控制风险类型， 利用银行的交易数据， 以该待控制风险类型为学习标识， 用 监督学习模型进行训练， 得到该待控制风险类型对应的风险预测模型。 7.根据权利要求1或6所述的方法， 其特征在于， 在根据所述待控制风险类型， 确定每一 待控制风险类型对应的风险控制模型之后， 所述方法还 包括： 获取无人银行网点对应的多个交易地点的支付数据； 从所述支付数据中提取付款方身 份信息， 将付 款方身份信息所指示的付 款方作为无 人银行网点的潜在客户； 对于无人银行网点的每个潜在客户， 获取每个潜在客户在银行的交易数据， 利用风险 控制模型， 预测该潜在客户关于各个待控制风险类型的客户概 率； 确定潜在客户的偏序， 其中， 对于任何两个潜在客户， 如果对于任何待控制风险类型， 两个潜在客户的第一客户关于该待控制风险类型的客户概率都小于等于两个潜在客户的 第二客户关于该待控制风险类型的客户概率， 且第一客户关于各个待控制风险类型的客户 概率均小于相应待控制风险类型的概 率阈值， 则确定该第一 客户优于该第二 客户； 依据潜在客户的偏序， 从无人银行网点的潜在客户中选取出多个极大客户， 其中， 极大 客户是该偏序的极大 元素； 将多个极大客户确定为无 人银行网点的低风险客户， 得到低风险客户集 合； 将低风险客户集 合中客户的客户信息存 储至redis数据库中。 8.根据权利要求7 所述的方法， 其特 征在于， 所述方法还 包括： 当确认无人银行网点的客户属于低 风险客户时， 则将该客户的客户信 息存储至无人银 行网点的边缘计算存储系统的高速缓存cache中， 其中， 高速缓存cache中存储的客户信息 用于无人银行网点对客户进行身份认证。 9.一种无 人银行网点风险控制装置， 其特 征在于， 所述装置包括：权　利　要　求　书 2/5 页 3 CN 114971040 A 3