[发明专利]一种数据合规自查方法及装置有效

专利信息
申请号: 202210318590.7 申请日: 2022-03-29
公开(公告)号: CN114416958B 公开(公告)日: 2022-07-15
发明(设计)人: 何晶晶 申请(专利权)人: 数安信(北京)科技有限公司
主分类号: G06F16/332 分类号: G06F16/332;G06F16/33;G06F40/186;G06Q10/06;G06Q50/18;G06N3/04;G06N3/08
代理公司: 北京智丞瀚方知识产权代理有限公司 11810 代理人: 杨乐
地址: 100044 北京市西城区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 数据 合规 自查 方法 装置
【说明书】:

本申请提供一种数据合规自查方法,包括:建立问卷库、题目库、风险库和法律库;从文件库中选择问卷,根据所述问卷的属性特征,从所述题目库中按照预设规则选择题目,由用户进行选答;根据所述用户的选答,从所述风险库中选择风险点,并根据所述风险点从所述法律库中选择法律条款;调用预训练的AI模型,输入所述风险点和法律条款,获得风险解决方案。通过用户回答问题,寻找风险点和对应的法律条款,并通过AI模型计算获得解决方案,使用户可以自有的进行风险合规自检。本申请还提供一种数据合规自查装置。

技术领域

本申请涉及数据分析技术,尤其涉及一种数据合规自查方法。本申请还涉及一种数据合规自查方法装置。

背景技术

现代社会的运行离不开规章制度的规范,规章制度是指在社会生活中对人或者法人的行为进行规范的规定,当违反规章制度时,需要承担相应的侵权后果。因此合规审查就变得必不可少。

现有技术中,合规审查是基于已有的法律法规对行为进行比较确定的,但是合规审查的专业性较高,很多情况下当事人难以确认其行为的风险点;而通过人工方式进行合规审查的效率较低,成本偏高。因此需要一种高效的合规自查方式解决上述困境。

发明内容

为解决现有技术中无法自查合规风险问题,本申请提供一种数据合规自查方法。本申请还涉及一种数据合规自查方法装置。

本申请提供一种数据合规自查方法,包括:

建立问卷库、题目库、风险库和法律库;

从文件库中选择问卷,根据所述问卷的属性特征,从所述题目库中按照预设规则选择题目,由用户进行选答;

根据所述用户的选答,从所述风险库中选择风险点,并根据所述风险点从所述法律库中选择法律条款;

调用预训练的AI模型,输入所述风险点和法律条款,获得风险解决方案。

可选的,所述选答包括:用户从所述题目的预设答案中选出答案;每个所述答案关联有一个或者多个风险点,每个所述风险点关于有一个或者多个法律条款。

可选的,还包括:

建立输出表,该输出表根据用户的选答,将对应的风险点和法律条款显示。

可选的,所述风险解决方案包括:合规要求。

可选的,所述AI模型是卷积神经网络架构。

本申请还提供一种数据合规自查装置,包括:

建库模块,用于建立问卷库、题目库、风险库和法律库;

答题模块,用于从文件库中选择问卷,根据所述问卷的属性特征,从所述题目库中按照预设规则选择题目,由用户进行选答;

关联模块,用于根据所述用户的选答,从所述风险库中选择风险点,并根据所述风险点从所述法律库中选择法律条款;

计算模块,用于调用预训练的AI模型,输入所述风险点和法律条款,获得风险解决方案。

可选的,所述选答包括:用户从所述题目的预设答案中选出答案;每个所述答案关联有一个或者多个风险点,每个所述风险点关于有一个或者多个法律条款。

可选的,还包括:

输出模块,所述输出模块建立输出表,该输出表根据用户的选答,将对应的风险点和法律条款显示。

可选的,所述风险解决方案包括:合规要求。

可选的,所述AI模型是卷积神经网络架构。

本申请相对与现有技术的优点:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于数安信(北京)科技有限公司,未经数安信(北京)科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210318590.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top