[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

说明书

本申请公开了一种基于智能合约数据湖的金融交易监管模型、系统、设备，该模型包含四部分，分别为预言机、智能合约数据湖、智能控制器、机器学习引擎。具体流程为：获取交易数据；预言机判断其是否符合上链条件；交易数据经预言机判定合规后传入智能合约数据湖，智能合约数据湖由MySQL数据库、cache数据库和智能合约数据库组成，其中MySQL数据库存储交易数据，cache数据库存储高频繁高风险交易数据，智能合约数据库存储监管流程数据；交易数据在智能控制器指挥下在机器学习引擎中依次执行监管前期、监管中期和监管后期操作；机器学习引擎结合基于规则的KYC(用户身份识别)、AML(反洗钱)方法与机器学习算法对本次交易的风险进行分类，实现链路分析、行为建模、风险预警、异常检测和交易评分功能并得到最终判定结果；智能控制器根据结果执行交易通过或交易撤回操作。

技术领域

本发明属于区块链领域，具体涉及一种基于智能合约数据湖的金融交易监管模型、系统、设备。

背景技术

作为现代金融监管体系的重要内容，反洗钱是维护经济社会稳定的重要保障，是切实防范金融风险、优化行业监管效果的重要抓手，也是参与全球治理、扩大金融业双向开放的重要手段。

常见的金融监管平台由两部分组成：客户身份识别模块和反洗钱模块。其中客户身份识别通过客户尽职调查、增强尽职调查、SWIFT过滤、指纹人脸等生物信息识别的方法对客户进行身份识别认证。该步骤需要大量使用文本、电子表格等工具对客户信息进行记录比对，会耗费人力成本和时间成本，同时会降低客户粘性及交易效率，在某些国家和地区还会造成隐私问题。而反洗钱模块则包含传统的基于规则引擎的检测方法和使用机器学习技术的检测方案。传统的基于规则引擎的检测方法无法对低频转账交易中的可疑行为进及海量交易中的复杂交易洗钱行为进行识别。而机器学习算法则对复杂关联交易、偶发低频交易的诊断准确率较低。

从目前各金融机构反洗钱机制来看，仍然存在着客户身份识别效率低、反洗钱工作信息化程度低、反洗钱监管成本高以及金融机构间相关数据不同步不共享等问题。因此引入区块链实现部门内监管的创新，将区块链技术引入到金融机构日常客户身份识别、反洗钱检测、交易审计等环节中，利用智能合约实现对交易前、交易中、交易后监管规则的数字化、自动化、智能化实时监管势在必行。

发明内容

为解决现有技术中的上述问题，本发明提出了一种基于智能合约数据湖的金融交易监管模型、系统、设备，提升了监管的准确率和效率，降低了人力资源与时间成本。

本发明一面提出了一种基于智能合约数据湖的金融交易监管模型，包括以下步骤：

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等因素被分别存放在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，如：关系数据、账户数据、税务数据、历史数据、评分数据及黑名单\白名单数据等。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\白名单等数据，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；