1.本发明涉及数据处理技术领域，具体涉及一种账户监测处理方法及装置。
背景技术：2.随着移动通信及互联网等技术的飞速发展，其在给大众带来便利的同时，也为不法分子带来了可乘之机，保证用户财产安全显得尤为重要。
3.现有不法分子诈骗花样繁多，现有识别方法容易漏检不法分子使用的风险账户。
技术实现要素：4.针对现有技术中的问题，本发明实施例提供一种账户监测处理方法及装置，能够至少部分地解决现有技术中存在的问题。
5.一方面，本发明提出一种账户监测处理方法，包括：
6.获取待监测账户，并对所述待监测账户启用人工智能外呼；
7.根据人工智能外呼响应结果确定反映回访风险等级的响应级别；所述响应级别包括一级响应；
8.若确定所述响应级别为所述一级响应，则对所述待监测账户启用人工外呼，并响应人工外呼的反馈结果；
9.若确定所述反馈结果为异常，则移送所述待监测账户至监管数据库。
10.其中，所述响应级别包括二级响应；相应的，所述账户监测处理方法还包括：
11.若确定所述响应级别为所述二级响应，则移送所述待监测账户至监测数据库；
12.其中，所述二级响应对应的回访风险等级低于所述一级响应对应的回访风险等级；所述监测数据库中的账户风险等级低于所述监管数据库中的账户风险等级；
13.对所述监测数据库中的待监测账户进行动态监测，若确定动态监测结果异常，则执行所述对所述待监测账户启用人工外呼，以及后续步骤。
14.其中，所述响应级别包括三级响应；相应的，所述账户监测处理方法还包括：
15.若确定所述响应级别为所述三级响应，则移送所述待监测账户至普通数据库；
16.其中，所述三级响应对应的回访风险等级低于所述二级响应对应的回访风险等级；所述普通数据库中的账户风险等级低于所述监测数据库中的账户风险等级；
17.对所述普通数据库中的待监测账户进行动态监测，若确定动态监测结果异常，则执行所述移送所述待监测账户至监测数据库，以及后续步骤。
18.其中，所述账户监测处理方法还包括：
19.若确定所述监测数据库中的待监测账户的动态监测结果异常次数大于预设次数阈值，则在启用人工外呼完成后直接移送所述待监测账户至所述监管数据库。
20.其中，所述账户监测处理方法还包括：
21.若确定所述反馈结果为正常，则执行所述移送所述待监测账户至监测数据库，以及后续步骤。
22.其中，所述账户监测处理方法还包括：
23.若确定动态监测结果正常，则不对所述监测数据库中的待监测账户和所述普通数据库中的待监测账户进行移送。
24.其中，对所述监测数据库中的待监测账户或普通数据库中的待监测账户进行动态监测，包括：
25.基于预设账户监测模型对所述监测数据库中的待监测账户或普通数据库中的待监测账户进行动态监测进行动态监测；
26.其中，所述预设账户监测模型根据账户特征样本数据训练攻击检测模型得到。
27.一方面，本发明提出一种账户监测处理装置，包括：
28.获取单元，用于获取待监测账户，并对所述待监测账户启用人工智能外呼；
29.确定单元，用于根据人工智能外呼响应结果确定反映回访风险等级的响应级别；所述响应级别包括一级响应；
30.响应单元，用于若确定所述响应级别为所述一级响应，则对所述待监测账户启用人工外呼，并响应人工外呼的反馈结果；
31.移送单元，用于若确定所述反馈结果为异常，则移送所述待监测账户至监管数据库。
32.再一方面，本发明实施例提供一种电子设备，包括：处理器、存储器和总线，其中，
33.所述处理器和所述存储器通过所述总线完成相互间的通信；
34.所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如下方法：
35.获取待监测账户，并对所述待监测账户启用人工智能外呼；
36.根据人工智能外呼响应结果确定反映回访风险等级的响应级别；所述响应级别包括一级响应；
37.若确定所述响应级别为所述一级响应，则对所述待监测账户启用人工外呼，并响应人工外呼的反馈结果；
38.若确定所述反馈结果为异常，则移送所述待监测账户至监管数据库。
39.本发明实施例提供一种非暂态计算机可读存储介质，包括：
40.所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如下方法：
41.获取待监测账户，并对所述待监测账户启用人工智能外呼；
42.根据人工智能外呼响应结果确定反映回访风险等级的响应级别；所述响应级别包括一级响应；
43.若确定所述响应级别为所述一级响应，则对所述待监测账户启用人工外呼，并响应人工外呼的反馈结果；
44.若确定所述反馈结果为异常，则移送所述待监测账户至监管数据库。
45.本发明实施例提供的账户监测处理方法及装置，获取待监测账户，并对所述待监测账户启用人工智能外呼；根据人工智能外呼响应结果确定反映回访风险等级的响应级别；所述响应级别包括一级响应；若确定所述响应级别为所述一级响应，则对所述待监测账户启用人工外呼，并响应人工外呼的反馈结果；若确定所述反馈结果为异常，则移送所述待
监测账户至监管数据库，能够高效和准确地识别待监测账户风险。
附图说明
46.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
47.图1是本发明一实施例提供的账户监测处理方法的流程示意图。
48.图2是本发明另一实施例提供的账户监测处理方法的流程示意图。
49.图3是本发明另一实施例提供的账户监测处理方法的说明示意图。
50.图4是本发明一实施例提供的账户监测处理装置的结构示意图。
51.图5为本发明实施例提供的电子设备实体结构示意图。
具体实施方式
52.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互任意组合。
53.图1是本发明一实施例提供的账户监测处理方法的流程示意图，如图1所示，本发明实施例提供的账户监测处理方法，包括：
54.步骤s1：获取待监测账户，并对所述待监测账户启用人工智能外呼。
55.步骤s2：根据人工智能外呼响应结果确定反映回访风险等级的响应级别；所述响应级别包括一级响应。
56.步骤s3：若确定所述响应级别为所述一级响应，则对所述待监测账户启用人工外呼，并响应人工外呼的反馈结果。
57.步骤s4：若确定所述反馈结果为异常，则移送所述待监测账户至监管数据库。
58.在上述步骤s1中，装置获取待监测账户，并对所述待监测账户启用人工智能外呼。装置可以是执行该方法的计算机设备，例如可以包括服务器。需要说明是，本发明实施例涉及数据的获取及分析是经用户授权的。
59.待监测账户可以包括用户申请新开账户或挂失新开账户，可以即时对待监测账户启用人工智能外呼。
60.如图2所示，也可以在身份识别验证通过后，将开户相关信息上传总数据库，本发明实施例的总数据库即是普通数据库，即账户风险等级为最低级的数据库。
61.在开户相关信息入库后，可以对开户时间监测，当申请新开账户或挂失新开账户到达预设时间间隔时，对待监测账户启用人工智能外呼，预设时间间隔可以根据实际情况自主设置，可选为1周。
62.在上述步骤s2中，装置根据人工智能外呼响应结果确定反映回访风险等级的响应级别；所述响应级别包括一级响应。即利用人工智能技术向待监测账户的用户预留手机号进行外呼。外呼相关内容如表1所示：
63.表1
[0064][0065]
根据人工智能外呼响应结果确定反映回访风险等级的响应级别，如表2所示：
[0066]
表2
[0067]
序号响应级别标星数1三级0(含)-3(含)星2二级3(不含)-7(含)星3一级7(不含)-10(含)星
[0068]
在上述步骤s3中，装置若确定所述响应级别为所述一级响应，则对所述待监测账户启用人工外呼，并响应人工外呼的反馈结果。对所述待监测账户启用人工外呼，可以包括：
[0069]
将待监测账户信息发送至客户经理工作所使用的用户端设备，由客户经理通过使用用户端设备实现人工外呼，人工外呼话术内容可以根据实际情况自主设置，或者可以通过培训客户经理确定。
[0070]
人工外呼的反馈结果可以基于客户经理的人工经验进行判断，也可以借助于现有语音语义识别模型得到反馈结果，反馈结果可以包括异常或正常，异常是指确定该待监测账户是不法分子诈骗使用的账户；正常是指确定该待监测账户不是不法分子诈骗使用的账户。
[0071]
在上述步骤s4中，装置若确定所述反馈结果为异常，则移送所述待监测账户至监管数据库。如图2所示，监管数据库中的账户风险等级要高于监测数据库中的账户风险等级、监测数据库中的账户风险等级要高于普通数据库中的账户风险等级。
[0072]
因此，对于监管数据库中的账户应采取最为严苛的监管策略。
[0073]
本发明实施例提供的账户监测处理方法，获取待监测账户，并对所述待监测账户启用人工智能外呼；根据人工智能外呼响应结果确定反映回访风险等级的响应级别；所述响应级别包括一级响应；若确定所述响应级别为所述一级响应，则对所述待监测账户启用人工外呼，并响应人工外呼的反馈结果；若确定所述反馈结果为异常，则移送所述待监测账户至监管数据库，能够高效和准确地识别待监测账户风险。
[0074]
进一步地，所述响应级别包括二级响应；相应的，所述账户监测处理方法还包括：
[0075]
若确定所述响应级别为所述二级响应，则移送所述待监测账户至监测数据库；
[0076]
其中，所述二级响应对应的回访风险等级低于所述一级响应对应的回访风险等级；所述监测数据库中的账户风险等级低于所述监管数据库中的账户风险等级；
[0077]
对所述监测数据库中的待监测账户进行动态监测，若确定动态监测结果异常，则
执行所述对所述待监测账户启用人工外呼，以及后续步骤。
[0078]
所述账户监测处理方法还包括：
[0079]
若确定动态监测结果正常，则不对所述监测数据库中的待监测账户进行移送，即将待监测账户还保留在监测数据库中。
[0080]
所述账户监测处理方法还包括：
[0081]
若确定所述反馈结果为正常，则执行所述移送所述待监测账户至监测数据库，以及后续步骤。即响应人工外呼的反馈结果为正常，则将待监测账户移送至监测数据库。
[0082]
所述账户监测处理方法还包括：
[0083]
若确定所述监测数据库中的待监测账户的动态监测结果异常次数大于预设次数阈值，则在启用人工外呼完成后直接移送所述待监测账户至所述监管数据库。预设次数阈值可以根据实际情况自主设置，可选为3次。
[0084]
即无论人工外呼的反馈结果为正常或异常，都将待监测账户移送至监管数据库。
[0085]
对所述监测数据库中的待监测账户进行动态监测，包括：
[0086]
基于预设账户监测模型对所述监测数据库中的待监测账户进行动态监测进行动态监测；即将监测数据库中的待监测账户输入预设账户监测模型，将预设账户监测模型的输出结果作为动态监测结果。
[0087]
其中，所述预设账户监测模型根据账户特征样本数据训练攻击检测模型得到。预设账户监测模型对应图2中的黑名单模型，对建模过程说明如下：
[0088]
专家规则收集：收集借记卡交易流水，获取涉案账户，对接客户经理实际了解涉案账户流水常见异常以及规律，构建特征工程。
[0089]
为了更准确地总结个人涉诈账户的风险特征属性，选取了范围广泛、类别丰富的特征指标。本次建模主要以账户交易行为构造模型特征，入模指标共计41项，列举如表3所示：
[0090]
表3
[0091][0092][0093]
数据收集整理：抽取最新涉案账户数据，从数据湖调取借记卡流水，依照特征工程计算指标数据。
[0094]
建模过程：根据数据收集整理结果进行模型训练，按照实际需求定模。
[0095]
模型部署：定期如每季度、每半年进行一次模型更新，利用最新如近一季度、近半年的涉案账户样本，以此保证模型能有效捕捉最新的诈骗行为表现，提升精准识别可疑账户能力。
[0096]
调取近三年某地区涉案账户流水，依照特征工程中的特征指标对涉案账户指标数值进行运算统计。建立二维空间横纵轴，将横轴作为目标数值，将纵轴作为目标特征指标，将每个涉案账户看作ddos攻击原子，按照涉案账户对应的特征指标及数值对二维空间进行攻击，原子攻击形成的原子点越密集，则该特征指标在某个数值范围内账户涉案可能性越高。则构成模型基本形式如下：
[0097]
设定当账户在
[0098]
β≤z(y＝1,y＝2,...,y＝42)＝k(x＝1,x＝2,...,x＝n)/r≤α
[0099]
区域内时，则触发黑名单模型(β、α可根据管控力度动态调节)
[0100]
z为击中概率，y为目标特征指标，x为目标数值，k为原子攻击次数，r为抽取涉案账户样本数量。模型具体为：在y特征下，涉案账户原子击中x数值的概率；模型输出结果为：原子击中概率在β、α范围内的特征区域，该区域即为黑名单区域。
[0101]
本发明实施例提供的账户监测处理方法，进一步能够高效和准确地识别待监测账户风险。
[0102]
进一步地，所述响应级别包括三级响应；相应的，所述账户监测处理方法还包括：
[0103]
若确定所述响应级别为所述三级响应，则移送所述待监测账户至普通数据库；
[0104]
其中，所述三级响应对应的回访风险等级低于所述二级响应对应的回访风险等级；所述普通数据库中的账户风险等级低于所述监测数据库中的账户风险等级；
[0105]
对所述普通数据库中的待监测账户进行动态监测，若确定动态监测结果异常，则执行所述移送所述待监测账户至监测数据库，以及后续步骤。对所述普通数据库中的待监测账户进行动态监测，包括：
[0106]
基于预设账户监测模型对所述普通数据库中的待监测账户进行动态监测；将普通数据库中的待监测账户输入预设账户监测模型，将预设账户监测模型的输出结果作为动态监测结果。
[0107]
其中，所述预设账户监测模型根据账户特征样本数据训练攻击检测模型得到。
[0108]
可参照上述说明，不再赘述。
[0109]
所述账户监测处理方法还包括：
[0110]
若确定动态监测结果正常，则不对所述普通数据库中的待监测账户进行移送。
[0111]
可参照上述说明，不再赘述。
[0112]
图2中的rpa即机器人流程自动化(robotic process automation)，主要的功能就是将工作信息与业务交互通过机器人来按照自先设计的流程去执行。这样如果当工作信息与业务交互过多时，rpa就可以高效解决这些复杂的流程，节约人工成本。
[0113]
如图3所示，为rpa的说明示意图。
[0114]
rpa机器人结构由机器人组件和流程单元、机器人任务单元、机器人管理单元构成，具体的：
[0115]
机器人组件和流程单元，组件单元是执行一个个具体逻辑业务的独立模块，用脚
本语言编写，可以模拟日常人工操作流程，例如文件生成、鼠标点击、键盘模拟、复制\粘贴等方法。流程单元用于将一个个的独立组件单元串联为全步骤流程，形成业务流程闭环，实现规则设计的流程自动化。
[0116]
机器人任务单元，负责对自动任务的时间配置，按照所设定的任务时间参数自动执行机器人流程单元，实现自动化执行流程任务操作。
[0117]
机器人管理单元，用于对多台机器人资源调度及监控管理，通过可视化视图方式监控和追踪当前机器人运行情况和历史执行情况。同时，对于机器人每次执行的历史流程，操作日志会将机器人每个节点执行结果、执行时间等所有操作记录都记录下来，用于用户跟踪查看。
[0118]
本发明实施例提供的账户监测处理方法，进一步能够高效和准确地识别待监测账户风险。
[0119]
进一步地，所述账户监测处理方法还包括：
[0120]
若确定所述监测数据库中的待监测账户的动态监测结果异常次数大于预设次数阈值，则在启用人工外呼完成后直接移送所述待监测账户至所述监管数据库。可参照上述说明，不再赘述。
[0121]
本发明实施例提供的账户监测处理方法，进一步能够高效和准确地识别待监测账户风险。
[0122]
进一步地，所述账户监测处理方法还包括：
[0123]
若确定所述反馈结果为正常，则执行所述移送所述待监测账户至监测数据库，以及后续步骤。可参照上述说明，不再赘述。
[0124]
本发明实施例提供的账户监测处理方法，进一步能够高效和准确地识别待监测账户风险。
[0125]
进一步地，所述账户监测处理方法还包括：
[0126]
若确定动态监测结果正常，则不对所述监测数据库中的待监测账户和所述普通数据库中的待监测账户进行移送。可参照上述说明，不再赘述。
[0127]
本发明实施例提供的账户监测处理方法，进一步能够高效和准确地识别待监测账户风险。
[0128]
进一步地，对所述监测数据库中的待监测账户或普通数据库中的待监测账户进行动态监测，包括：
[0129]
基于预设账户监测模型对所述监测数据库中的待监测账户或普通数据库中的待监测账户进行动态监测进行动态监测；可参照上述说明，不再赘述。
[0130]
其中，所述预设账户监测模型根据账户特征样本数据训练攻击检测模型得到。可参照上述说明，不再赘述。
[0131]
本发明实施例提供的账户监测处理方法，进一步能够高效和准确地识别待监测账户风险。
[0132]
本发明实施例将ai+rpa技术融合应用，实现rpa控制力与ai认知力的相互融合机制，可以用于自动化、智能化纠查电信诈骗账户，同时替代了业务人员传统的新开账户人工回访方式。该发明实施例可全天候7
×
24稳定执行，大量释放人力，在银行数字化转型的时代背景下，可广泛运用于商业银行对于账户合规合法管理。
[0133]
需要说明的是，本发明实施例提供的账户监测处理方法可用于金融领域，也可用于除金融领域之外的任意技术领域，本发明实施例对账户监测处理方法的应用领域不做限定。
[0134]
图4是本发明一实施例提供的账户监测处理装置的结构示意图，如图4所示，本发明实施例提供的账户监测处理装置，包括获取单元401、确定单元402、响应单元403和移送单元404，其中：
[0135]
获取单元401用于获取待监测账户，并对所述待监测账户启用人工智能外呼；确定单元402用于根据人工智能外呼响应结果确定反映回访风险等级的响应级别；所述响应级别包括一级响应；响应单元403用于若确定所述响应级别为所述一级响应，则对所述待监测账户启用人工外呼，并响应人工外呼的反馈结果；移送单元404用于若确定所述反馈结果为异常，则移送所述待监测账户至监管数据库。
[0136]
具体的，装置中的获取单元401用于获取待监测账户，并对所述待监测账户启用人工智能外呼；确定单元402用于根据人工智能外呼响应结果确定反映回访风险等级的响应级别；所述响应级别包括一级响应；响应单元403用于若确定所述响应级别为所述一级响应，则对所述待监测账户启用人工外呼，并响应人工外呼的反馈结果；移送单元404用于若确定所述反馈结果为异常，则移送所述待监测账户至监管数据库。
[0137]
本发明实施例提供的账户监测处理装置，获取待监测账户，并对所述待监测账户启用人工智能外呼；根据人工智能外呼响应结果确定反映回访风险等级的响应级别；所述响应级别包括一级响应；若确定所述响应级别为所述一级响应，则对所述待监测账户启用人工外呼，并响应人工外呼的反馈结果；若确定所述反馈结果为异常，则移送所述待监测账户至监管数据库，能够高效和准确地识别待监测账户风险。
[0138]
进一步地，所述响应级别包括二级响应；相应的，所述账户监测处理装置还用于：
[0139]
若确定所述响应级别为所述二级响应，则移送所述待监测账户至监测数据库；
[0140]
其中，所述二级响应对应的回访风险等级低于所述一级响应对应的回访风险等级；所述监测数据库中的账户风险等级低于所述监管数据库中的账户风险等级；
[0141]
对所述监测数据库中的待监测账户进行动态监测，若确定动态监测结果异常，则执行所述对所述待监测账户启用人工外呼，以及后续步骤。
[0142]
本发明实施例提供的账户监测处理装置，进一步能够高效和准确地识别待监测账户风险。
[0143]
进一步地，所述响应级别包括三级响应；相应的，所述账户监测处理装置还用于：
[0144]
若确定所述响应级别为所述三级响应，则移送所述待监测账户至普通数据库；
[0145]
其中，所述三级响应对应的回访风险等级低于所述二级响应对应的回访风险等级；所述普通数据库中的账户风险等级低于所述监测数据库中的账户风险等级；
[0146]
对所述普通数据库中的待监测账户进行动态监测，若确定动态监测结果异常，则执行所述移送所述待监测账户至监测数据库，以及后续步骤。
[0147]
本发明实施例提供的账户监测处理装置，进一步能够高效和准确地识别待监测账户风险。
[0148]
进一步地，所述账户监测处理装置还用于：
[0149]
若确定所述监测数据库中的待监测账户的动态监测结果异常次数大于预设次数
阈值，则在启用人工外呼完成后直接移送所述待监测账户至所述监管数据库。
[0150]
本发明实施例提供的账户监测处理装置，进一步能够高效和准确地识别待监测账户风险。
[0151]
进一步地，所述账户监测处理装置还用于：
[0152]
若确定所述反馈结果为正常，则执行所述移送所述待监测账户至监测数据库，以及后续步骤。
[0153]
本发明实施例提供的账户监测处理装置，进一步能够高效和准确地识别待监测账户风险。
[0154]
进一步地，所述账户监测处理装置还用于：
[0155]
若确定动态监测结果正常，则不对所述监测数据库中的待监测账户和所述普通数据库中的待监测账户进行移送。
[0156]
本发明实施例提供的账户监测处理装置，进一步能够高效和准确地识别待监测账户风险。
[0157]
进一步地，所述账户监测处理装置还具体用于：
[0158]
基于预设账户监测模型对所述监测数据库中的待监测账户或普通数据库中的待监测账户进行动态监测进行动态监测；
[0159]
其中，所述预设账户监测模型根据账户特征样本数据训练攻击检测模型得到。
[0160]
本发明实施例提供的账户监测处理装置，进一步能够高效和准确地识别待监测账户风险。
[0161]
本发明实施例提供账户监测处理装置的实施例具体可以用于执行上述各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。
[0162]
图5为本发明实施例提供的电子设备实体结构示意图，如图5所示，所述电子设备包括：处理器(processor)501、存储器(memory)502和总线503；
[0163]
其中，所述处理器501、存储器502通过总线503完成相互间的通信；
[0164]
所述处理器501用于调用所述存储器502中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：
[0165]
获取待监测账户，并对所述待监测账户启用人工智能外呼；
[0166]
根据人工智能外呼响应结果确定反映回访风险等级的响应级别；所述响应级别包括一级响应；
[0167]
若确定所述响应级别为所述一级响应，则对所述待监测账户启用人工外呼，并响应人工外呼的反馈结果；
[0168]
若确定所述反馈结果为异常，则移送所述待监测账户至监管数据库。
[0169]
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：
[0170]
获取待监测账户，并对所述待监测账户启用人工智能外呼；
[0171]
根据人工智能外呼响应结果确定反映回访风险等级的响应级别；所述响应级别包括一级响应；
[0172]
若确定所述响应级别为所述一级响应，则对所述待监测账户启用人工外呼，并响
应人工外呼的反馈结果；
[0173]
若确定所述反馈结果为异常，则移送所述待监测账户至监管数据库。
[0174]
本实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述各方法实施例所提供的方法，例如包括：
[0175]
获取待监测账户，并对所述待监测账户启用人工智能外呼；
[0176]
根据人工智能外呼响应结果确定反映回访风险等级的响应级别；所述响应级别包括一级响应；
[0177]
若确定所述响应级别为所述一级响应，则对所述待监测账户启用人工外呼，并响应人工外呼的反馈结果；
[0178]
若确定所述反馈结果为异常，则移送所述待监测账户至监管数据库。
[0179]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0180]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0181]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0182]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0183]
在本说明书的描述中，参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0184]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
技术特征：1.一种账户监测处理方法，其特征在于，包括：获取待监测账户，并对所述待监测账户启用人工智能外呼；根据人工智能外呼响应结果确定反映回访风险等级的响应级别；所述响应级别包括一级响应；若确定所述响应级别为所述一级响应，则对所述待监测账户启用人工外呼，并响应人工外呼的反馈结果；若确定所述反馈结果为异常，则移送所述待监测账户至监管数据库。2.根据权利要求1所述的账户监测处理方法，其特征在于，所述响应级别包括二级响应；相应的，所述账户监测处理方法还包括：若确定所述响应级别为所述二级响应，则移送所述待监测账户至监测数据库；其中，所述二级响应对应的回访风险等级低于所述一级响应对应的回访风险等级；所述监测数据库中的账户风险等级低于所述监管数据库中的账户风险等级；对所述监测数据库中的待监测账户进行动态监测，若确定动态监测结果异常，则执行所述对所述待监测账户启用人工外呼，以及后续步骤。3.根据权利要求2所述的账户监测处理方法，其特征在于，所述响应级别包括三级响应；相应的，所述账户监测处理方法还包括：若确定所述响应级别为所述三级响应，则移送所述待监测账户至普通数据库；其中，所述三级响应对应的回访风险等级低于所述二级响应对应的回访风险等级；所述普通数据库中的账户风险等级低于所述监测数据库中的账户风险等级；对所述普通数据库中的待监测账户进行动态监测，若确定动态监测结果异常，则执行所述移送所述待监测账户至监测数据库，以及后续步骤。4.根据权利要求2所述的账户监测处理方法，其特征在于，所述账户监测处理方法还包括：若确定所述监测数据库中的待监测账户的动态监测结果异常次数大于预设次数阈值，则在启用人工外呼完成后直接移送所述待监测账户至所述监管数据库。5.根据权利要求2所述的账户监测处理方法，其特征在于，所述账户监测处理方法还包括：若确定所述反馈结果为正常，则执行所述移送所述待监测账户至监测数据库，以及后续步骤。6.根据权利要求3所述的账户监测处理方法，其特征在于，所述账户监测处理方法还包括：若确定动态监测结果正常，则不对所述监测数据库中的待监测账户和所述普通数据库中的待监测账户进行移送。7.根据权利要求3至6任一所述的账户监测处理方法，其特征在于，对所述监测数据库中的待监测账户或普通数据库中的待监测账户进行动态监测，包括：基于预设账户监测模型对所述监测数据库中的待监测账户或普通数据库中的待监测账户进行动态监测进行动态监测；其中，所述预设账户监测模型根据账户特征样本数据训练攻击检测模型得到。8.一种账户监测处理装置，其特征在于，包括：
获取单元，用于获取待监测账户，并对所述待监测账户启用人工智能外呼；确定单元，用于根据人工智能外呼响应结果确定反映回访风险等级的响应级别；所述响应级别包括一级响应；响应单元，用于若确定所述响应级别为所述一级响应，则对所述待监测账户启用人工外呼，并响应人工外呼的反馈结果；移送单元，用于若确定所述反馈结果为异常，则移送所述待监测账户至监管数据库。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
技术总结本发明提供一种账户监测处理方法及装置，涉及数据处理技术领域，可用于金融领域或其他技术领域。所述方法包括：获取待监测账户，并对所述待监测账户启用人工智能外呼；根据人工智能外呼响应结果确定反映回访风险等级的响应级别；所述响应级别包括一级响应；若确定所述响应级别为所述一级响应，则对所述待监测账户启用人工外呼，并响应人工外呼的反馈结果；若确定所述反馈结果为异常，则移送所述待监测账户至监管数据库。所述装置执行上述方法。本发明实施例提供的账户监测处理方法及装置，能够高效和准确地识别待监测账户风险。高效和准确地识别待监测账户风险。高效和准确地识别待监测账户风险。
技术研发人员：杜袁弘靖 狄先红 邹琳 薛钦予
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：2022.07.25
技术公布日：2022/11/1
