[发明专利]基于智能合约数据湖的金融交易监管模型的方法及设备

权利要求书

1.一种基于智能合约数据湖的金融交易监管模型的方法，其特征在于，该方法包括：

步骤S10，从UCI数据库中整理出具备金融特征属性的机器学习数据集，经过数据预处理后获得实验所需训练数据集和测试数据集；

步骤S20，将实验数据集作为数据源向Oraclize预言机发送合约调用，经由Oraclize预言机查询检验合规后将实验数据集导入智能合约数据湖，若不合规则返回，即终止此次交易；

步骤S30，实验数据根据属性、特征、类别以及所在处理阶段因素被分别存放在MySQL数据库、Cache数据库以及Smart Contract数据库中；其中MySQL数据库存放实验数据执行监管操作前的全部数据类型，Cache数据库存放短间隔高频次细粒度调用的数据类型，包括：关系数据、账户数据、税务数据、历史数据、评分数据及黑名单\白名单数据；SmartContract数据库则存放交易特征属性的数据类型；

步骤S40，在智能控制器的指挥下，智能合约数据上不同区位的特征数据被依次传入机器学习引擎执行监管前期、监管中期和监管后期操作，分别对应：KYC客户身份识别，AML反洗钱检测，Credit Granting信用风险评分；智能控制器首先调取Cache数据库中缓存的账户数据、评分数据及黑名单\白名单数据，并对其执行KYC操作；若执行结果通过，则进入步骤S50，否则返回，即终止此次交易；

步骤S50，在智能控制器的指挥下，Smart Contract数据库中的特征属性数据被执行AML操作，交易数据在行为建模、链路分析、异常检测三重方法仲裁判决后确定执行结果；若执行结果通过，则进入步骤S60，否则返回，即终止此次交易；

步骤S60，在智能控制器的指挥下，步骤S50中执行通过的数据及其映射在SmartContract数据库中的特征属性数据被执行Credit Granting操作，交易数据在评分卡模型的评判中得到相应分数，作为此次交易的信用得分；智能控制器将评分结果存放在Cache数据库中；

步骤S70，智能控制器将机器学习引擎的最终判别结果返回Smart Contract数据库，以确定最终交易结果并展示交易状况及预测准确率。

2.根据权利要求1所述的一种基于智能合约数据湖的金融交易监管模型的方法，其特征在于，步骤S10中的数据预处理方法为：采用head()方法检查数据，并处理缺失数据，对应添加默认值，之后删除不完整的行和列，规范化数据类型后保存结果。

3.根据权利要求1所述的一种基于智能合约数据湖的金融交易监管模型的方法，其特征在于，步骤S20中Oraclize预言机自下而上依次调用不同层执行查验操作，逻辑结构为：

网络协议是中心化预言机的网络拓扑结构中，由单一的中心化服务商控制一个中介节点；

操作层中智能合约的运行和数据调用均在可信执行环境TEEs上进行；由AWS充当审查角色，通过TLSNotary Proof验证诚实性；依赖多重签名机制让满足超过最小诚实节点数的预言者Oracles同时为相应节点签名；

合约层包括订单匹配合约、服务请求合约、数据调用接口和服务标准协议。

4.根据权利要求1所述的一种基于智能合约数据湖的金融交易监管模型的方法，其特征在于，步骤S40“智能控制器首先调取Cache数据库中缓存的账户数据、评分数据及黑名单\白名单数据，并对其执行KYC操作”，其方法为：

步骤S401，对传入数据做Digital Onboarding数字入职和SWIFT过滤操作，若结果为正进入步骤S402，若为负则返回、即终止此次交易；

步骤S402，对传入数据做CDD客户尽职调查和EDD增强尽职调查操作，若结果为正进入步骤S403，若为负则返回、即终止此次交易；

步骤S403，对传入数据做Whitelist\Blacklist Filter白名单\黑名单过滤操作，若结果通过则进入步骤S50，否则返回、即终止此次交易。