【技術實現步驟摘要】
本專利技術涉及反套現，具體為一種基于大數據的反套現監控方法。
技術介紹
1、隨著互聯網和金融技術的迅速發展，移動支付、網上銀行等電子支付手段逐漸普及，極大地方便了人們的日常消費與交易；然而，隨著電子支付手段的廣泛應用，套現行為也隨之產生并日益猖獗；套現行為是指利用信用卡、支付平臺或其他金融工具，通過虛假交易、轉移資金等方式，將信用額度或賬戶余額轉化為現金的非法行為；套現行為不僅擾亂了金融市場的正常秩序，還可能引發金融風險，給金融機構和消費者帶來損失。
2、傳統的反套現監控方法主要依賴于人工審核和事后分析，這些方法存在諸多不足。首先，人工審核需要大量的人力和時間，效率較低，無法應對大規模交易數據的實時監控；其次，事后分析往往無法及時發現和制止套現行為，給金融機構和消費者帶來不可逆的損失；此外，套現手段的多樣化和復雜化，使得傳統監控方法難以準確識別和判斷套現行為；大數據技術的發展為解決上述問題提供了新的思路和方法；大數據技術可以通過對海量交易數據的實時采集、處理和分析，及時發現和識別異常交易行為，從而有效遏制套現行為。
3、綜上所述，本文提出了一種基于大數據的反套現監控方法；該方法可以實現對大規模交易數據的實時監控和分析，有效提高反套現監控的效率和準確性。
技術實現思路
1、本專利技術提供了一種基于大數據的反套現監控方法，促進解決了上述
技術介紹
中所提到的問題。
2、本專利技術提供如下技術方案：一種基于大數據的反套現監控方法，具體包括：
3
4、所述賬戶交易信息包括收入的時間、收入的金額、支出的時間和支出的金額；
5、若用戶的賬戶出現支出；
6、根據第一種類判斷策略判斷用戶是否存在第一種類異常行為；
7、若用戶存在第一種類異常行為，將存在第一種類異常行為的用戶記為第一異常用戶；
8、若用戶不存在第一種類異常行為，根據第二種類判斷策略判斷用戶是否存在第二種類異常行為；
9、若用戶存在第二種類異常行為，則將存在第二種類異常行為的用戶記為第二異常用戶；
10、若用戶不存在第二種類異常行為，根據第三種類判斷策略判斷用戶是否存在第三種類異常行為；
11、若用戶存在第三種類異常行為，則將存在第三種類異常行為的用戶記為第三異常用戶；
12、若用戶不存在第三種類異常行為，則不做處理；
13、獲取所有第一異常用戶、第二異常用戶和第三異常用戶，所有第一異常用戶、第二異常用戶和第三異常用戶構成異常用戶集合；
14、人工審核異常用戶集合中的所有用戶，以確定是否確實存在套現行為；
15、完成審核后，將審核結果記錄并更新用戶狀態；
16、若用戶被確認為套現，則封禁套現用戶的賬戶；
17、若用戶未被確認為套現，則不做處理。
18、可選的，所述根據第一種類判斷策略判斷用戶是否存在第一種類異常行為，具體包括：
19、設置第一消費閾值；
20、獲取用戶的所有賬戶支出，分別記為第一支出、第二支出……第a支出；
21、針對第一支出、第二支出……第a支出中的每個支出；
22、若支出的金額大于第一消費閾值，不做處理；
23、若支出的金額小于等于第一消費閾值，則將金額小于等于第一消費閾值的支出歸類于第一集合；
24、所有金額小于等于第一消費閾值的支出構成第一集合；
25、針對第一集合中的每個支出；
26、獲取支出的時間，記為第一目標時間；
27、獲取支出的金額，記為第一目標金額。
28、可選的，所述根據第一種類判斷策略判斷用戶是否存在第一種類異常行為，還包括：
29、獲取第一目標時間之后二十四小時內用戶所有賬戶收入的金額；
30、設置第一異常閾值；
31、針對第一目標時間之后二十四小時內用戶每一賬戶收入的金額，計算第一實際偏差值；
32、通過以下公式計算第一實際偏差值：
33、
34、若第一實際偏差值大于等于第一異常閾值，則認定用戶存在第一種類異常行為；
35、將第一實際偏差值大于等于第一異常閾值的賬戶收入歸類到異常交易集合；
36、將存在第一種類異常行為的用戶記為第一異常用戶；
37、若第一實際偏差值小于第一異常閾值，則認定用戶不存在第一種類異常行為。
38、可選的，所述根據第二種類判斷策略判斷用戶是否存在第二種類異常行為，具體包括：
39、設置第二消費閾值；
40、獲取用戶的所有賬戶支出，分別記為第一支出、第二支出……第a支出；
41、針對第一支出、第二支出……第a支出中的每個支出；
42、若支出的金額小于第二消費閾值，不做處理；
43、若支出的金額大于等于第二消費閾值，則將金額大于等于第二消費閾值的支出歸類于第二集合；
44、所有金額大于等于第二消費閾值的支出構成第二集合；
45、針對第二集合中的每個支出；
46、獲取支出的時間，記為第二目標時間；
47、獲取支出的金額，記為第二目標金額。
48、可選的，所述根據第二種類判斷策略判斷用戶是否存在第二種類異常行為，還包括：
49、獲取第二目標時間之后四十八小時內用戶所有賬戶收入的金額；
50、設置第二異常閾值；
51、針對第二目標時間之后四十八小時內用戶每一賬戶收入的金額，計算第二實際偏差值；
52、通過以下公式計算第二實際偏差值：
53、
54、若第二實際偏差值大于等于第二異常閾值，則認定用戶存在第二種類異常行為；
55、將第二實際偏差值大于等于第二異常閾值的賬戶收入歸類到異常交易集合；
56、將存在第二種類異常行為的用戶記為第二異常用戶；
57、若第二實際偏差值小于第二異常閾值，則認定用戶不存在第二種類異常行為。
58、可選的，所述根據第三種類判斷策略判斷用戶是否存在第三種類異常行為，具體包括：
59、獲取用戶的實名手機號；
60、獲取用戶實名手機號的月消費金額；
61、設置繳費閾值；
62、所述繳費閾值＝用戶實名手機號的月消費金額*12；
63、獲取用戶實名手機號的繳費情況；
64、所述用戶實名手機號的繳費情況包括繳費金額和繳費時間；
65、若繳費的金額小于繳費閾值，不做處理；
66、若繳費的金額大于等于繳費閾值，則將繳費金額大于等于繳費閾值的支出歸類到第三集合；
67、所有繳費金額大于等于繳費閾值的支出構成第三集合；
68、針對第三集合中的每個支出；
69、獲取本文檔來自技高網...
【技術保護點】
1.一種基于大數據的反套現監控方法，其特征在于，具體包括：
2.根據權利要求1所述的一種基于大數據的反套現監控方法，其特征在于：所述根據第一種類判斷策略判斷用戶是否存在第一種類異常行為，具體包括：
3.根據權利要求2所述的一種基于大數據的反套現監控方法，其特征在于：所述根據第一種類判斷策略判斷用戶是否存在第一種類異常行為，還包括：
4.根據權利要求1所述的一種基于大數據的反套現監控方法，其特征在于：所述根據第二種類判斷策略判斷用戶是否存在第二種類異常行為，具體包括：
5.根據權利要求4所述的一種基于大數據的反套現監控方法，其特征在于：所述根據第二種類判斷策略判斷用戶是否存在第二種類異常行為，還包括：
6.根據權利要求1所述的一種基于大數據的反套現監控方法，其特征在于：所述根據第三種類判斷策略判斷用戶是否存在第三種類異常行為，具體包括：
7.根據權利要求1所述的一種基于大數據的反套現監控方法，其特征在于：所述根據第三種類判斷策略判斷用戶是否存在第三種類異常行為，還包括：
8.根據權利要求1所述的一種
...【技術特征摘要】
1.一種基于大數據的反套現監控方法，其特征在于，具體包括：
2.根據權利要求1所述的一種基于大數據的反套現監控方法，其特征在于：所述根據第一種類判斷策略判斷用戶是否存在第一種類異常行為，具體包括：
3.根據權利要求2所述的一種基于大數據的反套現監控方法，其特征在于：所述根據第一種類判斷策略判斷用戶是否存在第一種類異常行為，還包括：
4.根據權利要求1所述的一種基于大數據的反套現監控方法，其特征在于：所述根據第二種類判斷策略判斷用戶是否存在第二種類異常行為，具體包括：
5.根據權利要求4所述的一種基于大數...
【專利技術屬性】
技術研發人員：于佳旻，
申請(專利權)人：上海界吉信息技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。