买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南三湘银行股份有限公司

摘要：本发明涉及深度神经网络技术领域，尤其涉及一种基于深度神经网络的银行审计方法和系统。该方法包括以下步骤：获取银行账户交易数据，并对银行账户交易数据进行预处理，得到银行账户交易预处理数据；对银行账号交易预处理数据进行特征提取，得到银行账户交易特征数据，并对银行账户交易特征数据进行审计异常模型构建，得到审计异常模型；对审计异常模型进行异常分类层添加，得到审计多重异常处理模型，并根据审计多重异常处理模型进行异常处理，得到审计多重异常数据；根据审计多重异常数据进行概率汇总，得到异常概率汇总数据，以进行异常预警作业。本发明显著提升了银行审计的智能化和自动化水平，提高了异常检测的准确性和效率。

主权项：1.一种基于深度神经网络的银行审计方法，其特征在于，包括以下步骤：步骤S1，包括：步骤S11：获取银行账户交易数据；步骤S12：对银行账户交易数据进行数据分类，得到银行账户交易分类数据；步骤S13：对银行账户交易数据进行数据标准化，得到银行账户交易标准化数据；步骤S14：对银行账户交易标准化数据进行序列化，得到银行账户交易预处理数据；步骤S2，包括：步骤S21：对银行账号交易预处理数据进行特征提取，得到银行账户交易特征数据；步骤S22：根据银行账户交易特征数据进行LSTM建模，得到初级审计异常模型；步骤S23：对初级审计异常模型进行Dropout层添加并参数优化，得到审计异常模型；步骤S3，包括：步骤S31：获取银行账户交易异常类别数据，并根据银行账户交易异常类别数据进行异常分类层生成，得到异常分类层数据；步骤S32：将异常分类层数据添加至审计异常模型，得到审计多重异常处理模型；步骤S33：根据银行账户交易预处理数据进行测试数据集划分，得到银行账户交易测试数据；步骤S34：利用审计多重异常处理模型对银行账户交易测试数据进行异常处理，得到审计多重异常数据；步骤S4：根据审计多重异常数据进行概率汇总，得到异常概率汇总数据，以进行异常预警作业；其中银行账户交易分类数据包括第一银行账户交易分类数据以及第二银行账户交易分类数据，步骤S12具体为：对银行账户交易数据通过预设的专家规则引擎进行初步分类，得到初级银行账户交易分类数据；对初级银行账户交易分类数据进行文本预处理，得到银行账户交易预处理数据；对银行账户交易预处理数据进行词嵌入，得到第一银行账户交易分类数据；根据初级银行账户交易分类数据进行节点生成，得到银行账户交易节点数据，并根据银行账户交易节点数据进行交易图生成，得到银行账户交易图数据；对银行账户交易图数据进行图嵌入，得到第二银行账户交易分类数据；其中图嵌入的步骤具体为：对银行账户交易图数据进行邻接矩阵转换，得到银行账户交易图转换数据；对银行账户交易图转换数据高维邻接矩阵计算，得到银行账户交易图高维数据；对银行账户交易图高维数据进行非负矩阵分解并正则化处理，得到第二银行账户交易分类数据；其中步骤S22具体为：步骤S221：根据银行账户交易特征数据进行细胞层生成，得到银行账户交易细胞层数据；步骤S222：对银行账户交易细胞层数据进行遗忘门计算以及输入门计算，得到银行账户交易遗忘门数据以及银行账户交易输入门数据；步骤S223：根据银行账户交易遗忘门数据以及银行账户交易输入门数据对银行账户交易细胞层数据进行状态更新，得到银行账户交易细胞层更新数据；步骤S224：对银行账户交易细胞层更新数据进行输出门处理，得到银行账户交易细胞层输出门数据；步骤S225：迭代进行步骤S221至步骤S224，直至遍历完银行账户交易特征数据，得到初级审计异常模型；其中银行账户交易细胞层数据包括第一银行账户交易细胞层数据以及第二银行账户交易细胞层数据，细胞层生成具体为：根据第一银行账户交易分类数据对应的银行账户交易特征数据进行聚类计算，得到银行账号交易特征聚类数据；对银行账号交易特征聚类数据进行相似图构建，得到银行账号交易特征相似图数据；对银行账号交易特征相似图数据进行图卷积计算并细胞层生成，得到第一银行账户交易细胞层数据；根据第二银行账户交易分类数据对应的银行账户交易特征数据进行卷积计算，得到银行账户交易卷积层数据；将银行账户交易卷积层数据进行图映射，得到银行账户交易图映射数据；对银行账户交易图映射数据进行自注意力加权计算，得到银行账户交易自注意力加权数据；将银行账户交易自注意力加权数据以及银行账户交易特征数据进行关联细胞层生成，得到第二银行账户交易细胞层数据；其中相似图构建具体为：对银行账号交易特征聚类数据进行多层次相似图构建，得到第一银行账号交易特征相似图数据；对银行账号交易特征聚类数据进行标签相似性计算，得到标签相似性数据；对银行账号交易特征聚类数据进行时序相似性计算，得到时序相似性数据；根据标签相似性数据以及时序相似性数据进行混合相似性度量，得到混合相似性数据；根据混合相似性数据对银行账号交易特征聚类数据进行相似图构建，得到第二银行账号交易特征相似图数据；根据第二银行账号交易特征相似图数据对第一银行账号交易特征相似图数据进行权重调整，得到银行账号交易特征相似图数据；其中步骤S31具体为：获取银行账户交易异常类别数据；根据银行账户交易异常类别数据进行标准全连接层生成，得到第一异常分类层数据；根据银行账户交易异常类别数据进行批归一化全连接层生成，得到第二异常分类层数据；其中批归一化全连接层生成具体为： 为第二异常分类层数据，为缩放调整参数数据，为第个银行账户交易异常类别数据，为输入数据序次项，为批次数据量项，为误差调整项，为平移调整参数数据；根据银行账户交易异常类别数据进行残差连接层生成，得到第三异常分类层数据；将第一异常分类层数据、第二异常分类层数据以及第三异常分类层数据进行整合，得到异常分类层数据。

全文数据：

权利要求：

百度查询： 湖南三湘银行股份有限公司 一种基于深度神经网络的银行审计方法和系统