(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 202210444759.3 (22)申请日 2022.04.26 (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 40/02(2012.01) G06K 9/62(2022.01) (54)发明名称 银行网点的审核风险处 理方法及系统 (57)摘要 本发明提出了一种银行网点的审核风险处 理方法及系统， 涉及大数据处理技术领域， 该方 法包括： 对于预定区域内的每个银行网点， 确定 该银行网点的风险类别向量及 主要风险类别； 对 预定区域内的银行网点进行聚类， 获得多个银行 网点子集合； 对于每个审核项， 根据审核时长数 据， 确定该银行网点子集合关于该审核项的审核 时长的概率密度函数； 对于每个银行网点， 确定 该各个审核项的审核柜员代表； 实时获取该审核 柜员代表的审核数据； 确定本次审核的风险； 将 存在风险的审核数据存储到银行网点的区块链 节点中， 并上传到银行服务器， 生成风险提示信 息并发送至该审核柜员代表， 接收带有该审核柜 员代表的数字签名的反馈信息， 将该反馈信息存 储至区块链中。 权利要求书4页 说明书10页 附图6页 CN 114926260 A 2022.08.19 CN 114926260 A 1.一种银 行网点的审核风险处 理方法， 其特 征在于， 包括： 对于预定区域内的每 个银行网点， 确定该 银行网点的风险类别向量及主 要风险类别； 根据每个银行网点的风险类别向量及主要风险类别， 对预定区域内的银行网点进行聚 类， 获得多个银 行网点子集 合； 对于每个审核项， 获取银行网点子集合中该审核项的审核数据， 从审核数据中提取审 核该审核项的审核时长数据， 根据审核时长数据， 确定该银行网点子集合关于该审核项的 审核时长的概 率密度函数； 对于每个银行网点， 依据该银行网点归属的银行网点子集合关于各个审核项的审核数 据， 确定该 各个审核 项的审核柜员代 表； 实时获取该审核柜员代表的审核数据； 根据 该审核柜员代表的审核数据及该银行网点 归属的银行网点子集合关于该审核项的审核时长的概率密度函数， 确定本次审核的风险； 将存在风险的审核数据存储到银行网点的区块链节点中， 并上传到银行服务器， 生成风险 提示信息并发送至该审核柜员代表， 接 收带有该审核柜员代表的数字签名的反馈信息， 将 该反馈信息存 储至区块链中。 2.根据权利要求1所述的方法， 其特征在于， 对于预定区域内的每个银行网点， 确定该 银行网点的风险类别向量及主 要风险类别， 包括： 根据每个银行网点的历史 交易数据， 确定该 银行网点对应各个风险类别的风险系数； 将对应的风险系数与对应的设定阈值的差最大的风险类别作为该银行网点的主要风 险类别； 设置该银行网点的风险类别向量， 其中， 该风险类别向量的分量和银行网点的风险类 别一一对应， 每 个分量的值 等于该银行网点对应该分量对应的风险类别的风险系数。 3.根据权利要求1所述的方法， 其特征在于， 根据每个银行网点的风险类别向量及主要 风险类别， 对预定区域内的银 行网点进行聚类， 获得多个银 行网点子集 合， 包括： 确定银行网点的距离函数， 其中， 该距离函数的自变量是任意两个银行网点， 对应的函 数值是该两个银 行网点对应的两个风险类别向量的距离； 根据银行网点的距离函数和主要风险类别， 对预定区域内的银行网点进行聚类， 得到 多个银行网点子集 合。 4.根据权利要求1所述的方法， 其特 征在于， 还 包括： 对于每个审核项， 根据 该银行网点子集合关于该审核项的审核时长的概率密度函数与 预设概率值A设置置信区间； 其中， 包括： 依据该审核 项的审核时长的概 率密度函数， 计算获得 该审核项的审核时长的均值； 获取满足如下条件的值中的最小值n： 大于该均值， 且该审核项的概率密度函数从均值 到该值的积分大于等于预设概 率值A的1/2； 获取满足如下条件的值中的最大值m： 小于该均值， 且该审核项的概率密度函数从该值 到均值的积分大于等于预设概 率值A的1/2； 设置置信区间为[m,n]； 当银行服务器处理的交易量大于交易量阈值 时， 将该审核项对应的置信区间下发到该 银行网点子集 合的银行网点。 5.根据权利要求1所述的方法， 其特征在于， 对于每个银行网点， 依据该银行网点归属权　利　要　求　书 1/4 页 2 CN 114926260 A 2的银行网点子集 合关于各个审核 项的审核数据， 确定该 各个审核 项的审核柜员代 表， 包括： 对于每个审核项， 依据该银行网点归属的银行网点子集合关于该审核项的审核数据， 确定该银行网点关于该审核项和各个风险类别的风险系数； 设置该审核项对应的风险类别 向量， 其中， 该风险类别向量的每个分量和各个风险类别一一对应， 每个分量的值等于该银 行网点关于该审核 项和该分量对应的风险类别的风险系数； 对于该银行网点的每个审核柜员， 获取该审核柜员的审核数据； 依据该审核柜员的审 核数据， 确定该审核柜员关于各个风险类别的风险系 数； 设置该审核柜员对应的风险类别 向量； 其中， 该风险类别向量的每个分量和各个风险类别一一对应， 每个分量的值等于该审 核柜员关于该分量对应的风险类别的风险系数； 对于每个审核项， 依据 该审核项对应的风险类别向量和该银行网点的每个审核柜员对 应的风险类别向量， 确定审核柜员关于该审核项的偏序， 其中， 该偏序用于确定任何两个审 核柜员中第一审核柜员是否优于第二审核柜员； 依据审核柜员关于该审核项的偏序， 确定该银行网点的所有审核柜员中的极大审核柜 员， 其中， 极大审核柜员是 该偏序的极大 元素； 将该银行网点的所有审核柜员中的极大审核柜员作为该审核 项的审核柜员代 表。 6.根据权利要求5所述的方法， 其特征在于， 对于每个审核项， 依据该审核项对应的风 险类别向量和该银行网点的每个审核柜员对应的风险类别向量， 确定审核柜员关于该审核 项的偏序， 包括： 在确定审核柜员关于该审核项的偏序时， 对于该银行网点的任何两个审核柜员， 计算 该两个审核柜员的第一审核柜员的风险类别向量与该两个审核柜员的第二审核柜员的风 险类别向量的第一差值， 以及计算该第一审核柜员的风险类别向量与该审核项对应的风险 类别向量的第二差值， 如果该第一差值的每个分量都小于等于0， 且第二差值存在分量小于 0， 则确定该第一审核柜员优于该第二审核柜员。 7.根据权利要求1所述的方法， 其特征在于， 实时获取该审核柜员代表的审核数据； 根 据该审核柜员代表的审核数据及该银行网点归属的银行网点子集合关于该审核项的审核 时长的概率密度函数， 确定本次审核的风险； 将存在风险的审核数据存储到银行网点的区 块链节点中， 并上传到银行服务器， 生成风险提示信息并发送至该审核柜员代表， 接收带有 该审核柜员代 表的数字签名的反馈信息， 将该反馈信息存 储至区块链中， 包括： 如果当前银行网点存储有该审核项的置信区间， 则基于该置信区间确定本次审核是否 存在风险， 如果该审核 项的审核时长不 位于该置信区间内， 则认定有风险， 否则， 无风险； 如果当前银行网点未存储该审核项的置信区间时， 银行网点将该审核数据发送到银行 服务器， 银行服务器根据对应的概率密度函数确定该审核数据对应的概率， 如果该概率小 于预设概 率阈值， 认为有风险； 否则， 为无风险。 8.一种银 行网点的审核风险处 理系统， 其特 征在于， 包括： 数据处理模块， 用于对于预定区域内的每个银行网点， 确定该银行网点的风险类别向 量及主要风险类别； 聚类模块， 用于根据每个银行网点的风险类别向量及主要风险类别， 对预定区域内的 银行网点进行聚类， 获得多个银 行网点子集 合； 概率密度函数确定模块， 用于对于每个审核项， 获取银行网点子集合中该审核项的审权　利　要　求　书 2/4 页 3 CN 114926260 A 3