异常转账监测方法、装置、设备及存储介质与流程

1.本技术涉及金融技术领域，尤其涉及一种异常转账监测方法、装置、设备及存储介质。


背景技术：

2.随着网络技术的发展，线上金融交易逐渐占据了金融行业的主要地位。例如，用户可以使用网银或手机银行进行线上转账。
3.线上金融交易虽然为用户带来了很大的便利性，但用户的资金安全也面临着较多的风险。例如，用户使用网银或手机银行进行线上转账时，用户可能处于被欺骗或被劫持的场景中，用户的资金安全得不到保障。如：用户可能受到电信诈骗，使用网银或手机银行向诈骗人员进行线上转账。


技术实现要素：

4.本技术提供一种异常转账监测方法、装置、设备及存储介质，可以在用户进行线上转账时，监测用户是否处于被欺骗或被劫持的场景中。
5.本技术的技术方案如下：
6.第一方面，本技术提供一种异常转账监测方法，所述方法包括：检测到用户进行线上转账时，获取第一时长内用户的语音数据；将语音数据转换为文本数据；对文本数据进行语义分析，确定线上转账的场景识别结果，场景识别结果包括：异常场景或正常场景。
7.该异常转账监测方法可以在检测到用户进行线上转账时，获取第一时长内用户的语音数据，将第一时长内用户的语音数据转换为文本数据，并对文本数据进行语义分析，确定线上转账的场景识别结果，场景识别结果包括：异常场景或正常场景。通过确定线上转账的场景识别结果，可以使得场景识别结果为异常场景时，能够及时对用户的线上转账进行预警或终止，保证用户的资金安全。
8.一种实现方式中，所述对文本数据进行语义分析，确定线上转账的场景识别结果，包括：对文本数据进行语义分析，确定文本数据中是否包括预设的第一字段；当文本数据中包括第一字段时，确定线上转账的场景识别结果为异常场景；当文本数据中不包括第一字段时，确定线上转账的场景识别结果为正常场景。
9.其中，第一字段可以是用户处于被劫持或被欺骗的场景中进行线上转账时经常讲的一些词语、句子等，例如，第一字段可以包括“报警”、“不报警”、“伤害”、“银行卡号”、“身份证”等。
10.可选地，所述第一字段包括一个或多个。所述当文本数据中包括第一字段时，确定线上转账的场景识别结果为异常场景，包括：当文本数据中包括至少一个第一字段时，确定线上转账的场景识别结果为异常场景。
11.所述当文本数据中不包括第一字段时，确定线上转账的场景识别结果为正常场景，包括：当文本数据中不包括任意一个第一字段时，确定线上转账的场景识别结果为正常
场景。
12.另一种实现方式中，所述对文本数据进行语义分析，确定线上转账的场景识别结果，包括：采用预训练的场景识别模型对文本数据进行语义分析，确定线上转账的场景识别结果；其中，场景识别模型具有根据文本数据输出线上转账的场景识别结果的功能。
13.可选地，所述采用预训练的场景识别模型对文本数据进行语义分析，确定线上转账的场景识别结果之前，所述方法还包括：获取第一训练集合；第一训练集合包括一条或多条第一训练文本数据、以及一条或多条第二训练文本数据，第一训练文本数据包括异常场景标签，第二训练文本数据包括正常场景标签；采用第一训练集合，将第一训练文本数据作为输入、第一训练文本数据包括的异常场景标签作为输出，以及将第二训练文本数据作为输入、第二训练文本数据包括的正常场景标签作为输出，对神经网络进行训练，得到场景识别模型。
14.例如，第一训练文本数据可以是用户处于被劫持或被欺骗的场景中进行线上转账时经常所讲的语音数据转换得到的文本数据，第二训练文本数据可以是用户处于正常场景(未处于于被劫持或被欺骗的场景)下进行线上转账时所讲的语音数据转换得到的文本数据。
15.将第一时长内用户的语音数据转换得到的文本数据输入上述场景识别模型后，场景识别模型可以输出线上转账的场景识别结果，场景识别结果可以包括正常场景标签或异常场景标签。若场景识别结果为正常场景标签，则表示用户处于正常场景下进行线上转账。若场景识别结果为异常场景标签，则表示用户可能处于被劫持或被欺骗的场景中进行线上转账。
16.一种实现方式中，所述方法还包括：当线上转账的场景识别结果为异常场景时，向用户发出预警信息，和/或，终止线上转账。
17.示例性地，预警信息可以包括文字提示信息、声音提示信息、短信提示等。
18.一种实现方式中，所述检测到用户进行线上转账时，获取第一时长内用户的语音数据，包括：检测到用户进行线上转账、且线上转账的交易金额大于第一阈值时，获取第一时长内用户的语音数据。
19.本实现方式中，当用户进行线上转账的交易金额大于第一阈值时，该异常转账监测方法可以对线上转账的场景进行识别。
20.一种实现方式中，所述方法应用于所述用户进行所述线上转账时所使用的终端设备；所述终端设备具有获取所述用户的语音数据、将所述语音数据转换为文本数据、以及对所述文本数据进行语义分析确定所述线上转账的场景识别结果的功能。
21.该方法由终端设备执行可以具有更好的时效性，能够使得处于用户异常环境(如被劫持或被诈骗)时及时给用户风险提示。语音数据不用上传后台服务器，可以有效降低该方法执行过程中产生的时延。
22.第二方面，本技术提供一种异常转账监测装置，所述装置包括：获取单元，用于检测到用户进行线上转账时，获取第一时长内用户的语音数据；语音转换单元，用于将语音数据转换为文本数据；语义识别单元，用于对文本数据进行语义分析，确定线上转账的场景识别结果，场景识别结果包括：异常场景或正常场景。
23.一种实现方式中，所语义识别单元，具体用于对文本数据进行语义分析，确定文本
数据中是否包括预设的第一字段；当文本数据中包括第一字段时，确定线上转账的场景识别结果为异常场景；当文本数据中不包括第一字段时，确定线上转账的场景识别结果为正常场景。
24.可选地，所述第一字段包括一个或多个。所语义识别单元，具体用于当文本数据中包括至少一个第一字段时，确定线上转账的场景识别结果为异常场景。当文本数据中不包括任意一个第一字段时，确定线上转账的场景识别结果为正常场景。
25.另一种实现方式中，所语义识别单元，具体用于采用预训练的场景识别模型对文本数据进行语义分析，确定线上转账的场景识别结果；其中，场景识别模型具有根据文本数据输出线上转账的场景识别结果的功能。
26.可选地，所述装置还包括：训练单元，用于获取第一训练集合；第一训练集合包括一条或多条第一训练文本数据、以及一条或多条第二训练文本数据，第一训练文本数据包括异常场景标签，第二训练文本数据包括正常场景标签；采用第一训练集合，将第一训练文本数据作为输入、第一训练文本数据包括的异常场景标签作为输出，以及将第二训练文本数据作为输入、第二训练文本数据包括的正常场景标签作为输出，对神经网络进行训练，得到场景识别模型。
27.一种实现方式中，所述装置还包括：预警单元，用于当线上转账的场景识别结果为异常场景时，向用户发出预警信息，和/或，终止线上转账。
28.一种实现方式中，所述获取单元，具体用于检测到用户进行线上转账、且线上转账的交易金额大于第一阈值时，获取第一时长内用户的语音数据。
29.第三方面，本技术提供一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当所述电子设备运行时，所述处理器与所述存储介质之间通过所述总线通信，所述处理器执行所述机器可读指令，以执行如第一方面所述的方法。
30.第四方面，本技术提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如第一方面所述的方法。
31.第五方面，本技术提供一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备中运行时，所述电子设备中的处理器实现如第一方面所述的方法。
32.上述第二方面至第五方面所具备的有益效果可参考第一方面中所述，不再赘述。
33.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
34.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理，并不构成对本技术的不当限定。
35.图1为本技术实施例提供的异常转账监测方法的流程示意图；
36.图2为本技术实施例提供的训练获取场景识别模型的流程示意图；
37.图3为本技术实施例提供的异常转账监测方法的另一流程示意图；
38.图4为本技术实施例提供的异常转账监测方法的又一流程示意图；
39.图5为本技术实施例提供的异常转账监测装置的结构示意图；
40.图6为本技术实施例提供的异常转账监测装置的另一结构示意图；
41.图7为本技术实施例提供的异常转账监测装置的又一结构示意图。
具体实施方式
42.为了使本领域普通人员更好地理解本技术的技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。
43.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
44.还应当理解的是，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步骤、操作、元素和/或组件的存在或添加。
[0045]“和/或”用于描述关联对象的关联关系，表示可以存在三种关系。例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0046]
随着网络技术的发展，线上金融交易逐渐占据了金融行业的主要地位。例如，用户可以使用网银或手机银行进行线上转账。
[0047]
线上金融交易虽然为用户带来了很大的便利性，但用户的资金安全也面临着较多的风险。例如，用户使用网银或手机银行进行线上转账时，用户可能处于被欺骗或被劫持的场景中，用户的资金安全得不到保障。如：用户可能受到电信诈骗，使用网银或手机银行向诈骗人员进行线上转账。
[0048]
本技术实施例提供了一种异常转账监测方法，可以在用户进行线上转账时，监测用户是否处于被欺骗或被劫持的场景中，以及时对用户的线上转账进行预警或终止，保证用户的资金安全。
[0049]
可选地,本技术实施例提供的异常转账监测方法的执行主体可以是银行、金融企业等为用户提供线上转账交易的后台服务器，或者，也可以是用户进行线上转账时所使用的终端设备，如：手机、电脑等。其中，服务器可以是单独的一个服务器，或者，也可以是由多个服务器构成的服务器集群。部分实施方式中，服务器集群还可以是分布式集群。本技术对该异常转账监测方法的执行主体不作限制。
[0050]
示例性地，以对该异常转账监测方法的执行主体为用户进行线上转账时所使用的手机为例，手机中可以安装有能够为用户提供线上转账功能的应用程序，如：第一应用。该异常转账监测方法所述的全部功能具体可以在第一应用中实现。
[0051]
以下结合附图对本技术实施例提供的异常转账监测方法进行示例性说明。
[0052]
示例性地，图1为本技术实施例提供的异常转账监测方法的流程示意图。
[0053]
如图1所示，本技术实施例提供的异常转账监测方法可以包括：
[0054]
s101、检测到用户进行线上转账时，获取第一时长内用户的语音数据。
[0055]
例如，以用户使用手机中安装的第一应用(如第一应用可以是手机银行)进行线上转账，该异常转账监测方法的执行主体为手机为例，当第一应用检测到用户进行线上转账时，手机可以通过第一应用获取第一时长内用户的语音数据。或者，手机可以通过第二应用(如录音机应用)获取第一时长内用户的语音数据。
[0056]
示例性地，第一应用检测到用户进行线上转账，可以包括：第一应用接收到用户进行线上转账的操作，如：第一应用的显示界面中可以包括一个转账按钮，用户进行线上转账的操作可以是用户点击转账按钮的操作。或者，用户进行线上转账的操作还可以是用户在第一应用中输入转账金额的操作、输入收款方信息的操作等，在此不作限制。
[0057]
示例性地，第一应用可以调用手机的音频设备(如麦克风)对用户的语音数据进行采集，得到第一时长内用户的语音数据。
[0058]
第一时长可以是2分钟、5分钟、10分钟等，在此对第一时长的大小不作限制。
[0059]
又例如，以用户使用手机中安装的第一应用进行线上转账，该异常转账监测方法的执行主体为第一应用对应的后台服务器为例，当后台服务器检测到用户进行线上转账时(如接收到手机侧第一应用发送的线上转账请求)，后台服务器可以向手机发送第一指令，第一指令可以指示手机获取第一时长内用户的语音数据并返回给后台服务器，从而后台服务器可以获取到第一时长内用户的语音数据。
[0060]
s102、将第一时长内用户的语音数据转换为文本数据。
[0061]
同样以用户使用手机中安装的第一应用进行线上转账，该异常转账监测方法的执行主体为手机为例，一种实现方式中，手机或第一应用中可以预设有语音元素与文本字节的映射关系，手机可以将第一时长内用户的语音数据进行拆分，得到一个或多个语音元素，每个语音元素可以是一个字的读音(或音节)；然后，手机可以根据语音元素与文本字节的映射关系，将每个语音元素转换为文字，从而实现将第一时长内用户的语音数据转换为文本数据。
[0062]
其他一些实现方式中，手机中也可以预设有一些语音转换引擎，手机可以通过语音转换引擎将第一时长内用户的语音数据转换为文本数据，本技术对如何将语音数据转换为文本数据的具体实现方式并不作限制。
[0063]
类似地，当该异常转账监测方法的执行主体为后台服务器时，服务器也可以参考上述实现方式类似的方法将第一时长内用户的语音数据转换为文本数据。
[0064]
s103、对文本数据进行语义分析，确定线上转账的场景识别结果，场景识别结果包括：异常场景或正常场景。
[0065]
其中，正常场景表示用户进行的本次线上转账为正常线上转账；异常场景表示用户进行的本次线上转账为异常线上转账，用户可能处于被劫持或被欺骗的场景中。
[0066]
一种可能的实现方式中，对文本数据进行语义分析，确定对线上转账的场景识别结果，可以包括：对文本数据进行语义分析，确定文本数据中是否包括预设的第一字段；当文本数据中包括预设的第一字段时，确定线上转账的场景识别结果为异常场景；当文本数据中不包括预设的第一字段时，确定线上转账的场景识别结果为正常场景。
[0067]
其中，第一字段可以是用户处于被劫持或被欺骗的场景中进行线上转账时经常讲的一些词语、句子等，例如，第一字段可以包括“报警”、“不报警”、“伤害”、“银行卡号”、“身份证”等，在此对第一字段的类型不作限制。
[0068]
可选地，第一字段可以包括一个或多个，当文本数据中包括至少一个第一字段时，可以确定线上转账的场景识别结果为异常场景。当文本数据中不包括任意一个第一字段时，可以确定线上转账的场景识别结果为正常场景。
[0069]
另一种可能的实现方式中，对文本数据进行语义分析，确定对线上转账的场景识别结果，可以包括：采用预训练的场景识别模型对文本数据进行语义分析，确定线上转账的场景识别结果。
[0070]
其中，场景识别模型具有根据文本数据输出线上转账的场景识别结果的功能。场景识别模型可以是采用第一训练集合对神经网络进行训练得到的，第一训练集合可以包括一条或多条第一训练文本数据、以及一条或多条第二训练文本数据，每条第一训练文本数据可以包括一个异常场景标签，每条第二训练文本数据可以包括一个正常场景标签。异常场景标签和正常场景标签可以采用人工标记的方式进行添加。
[0071]
例如，第一训练文本数据可以是用户处于被劫持或被欺骗的场景中进行线上转账时经常所讲的语音数据转换得到的文本数据，第二训练文本数据可以是用户处于正常场景(未处于于被劫持或被欺骗的场景)下进行线上转账时所讲的语音数据转换得到的文本数据。
[0072]
将第一时长内用户的语音数据转换得到的文本数据输入上述场景识别模型后，场景识别模型可以输出线上转账的场景识别结果，场景识别结果可以包括正常场景标签或异常场景标签。若场景识别结果为正常场景标签，则表示用户处于正常场景下进行线上转账。若场景识别结果为异常场景标签，则表示用户可能处于被劫持或被欺骗的场景中进行线上转账。
[0073]
本技术实施例提供的该异常转账监测方法，可以在检测到用户进行线上转账时，获取第一时长内用户的语音数据，将第一时长内用户的语音数据转换为文本数据，并对文本数据进行语义分析，确定线上转账的场景识别结果，场景识别结果包括：异常场景或正常场景。该方法通过确定线上转账的场景识别结果，可以使得场景识别结果为异常场景时，能够及时对用户的线上转账进行预警或终止，保证用户的资金安全。
[0074]
例如，场景识别结果为异常场景时，用户可能处于被劫持或被欺骗的场景中，此时，及时对用户的线上转账进行预警或终止，可以有效保证用户的资金安全。
[0075]
可选地，对于上述采用预训练的场景识别模型对文本数据进行语义分析，确定线上转账的场景识别结果的方式，在上述采用预训练的场景识别模型对文本数据进行语义分析，确定线上转账的场景识别结果的步骤之前，该异常转账监测方法还可以包括采用第一训练集合对神经网络进行训练，获取上述场景识别模型的步骤。
[0076]
例如，图2为本技术实施例提供的训练获取场景识别模型的流程示意图。
[0077]
如图2所示，在上述采用预训练的场景识别模型对文本数据进行语义分析，确定线上转账的场景识别结果的步骤之前，该异常转账监测方法还可以包括：
[0078]
s201、获取第一训练集合。
[0079]
如上所述，第一训练集合可以包括一条或多条第一训练文本数据、以及一条或多条第二训练文本数据，每条第一训练文本数据可以包括一个异常场景标签，每条第二训练文本数据可以包括一个正常场景标签。
[0080]
s202、采用第一训练集合，将第一训练文本数据作为输入、第一训练文本数据包括
的异常场景标签作为输出，以及将第二训练文本数据作为输入、第二训练文本数据包括的正常场景标签作为输出，对神经网络进行训练，得到场景识别模型。
[0081]
图3为本技术实施例提供的异常转账监测方法的另一流程示意图。
[0082]
如图3所示，一些实施例中，本技术实施例提供的异常转账监测方法还可以包括：
[0083]
s301、当线上转账的场景识别结果为异常场景时，向用户发出预警信息。
[0084]
例如，以用户使用手机中安装的第一应用进行线上转账，该异常转账监测方法的执行主体为手机为例，当线上转账的场景识别结果为异常场景时，手机可以向用户发出预警信息。
[0085]
预警信息可以用于提示用户当前转账存在异常。
[0086]
示例性地，预警信息可以包括文字提示信息、声音提示信息、短信提示等。例如，文字提示信息可以是“您当前的转账存在异常”。在此对预警信息的具体类型不作限制。
[0087]
又例如，以用户使用手机中安装的第一应用进行线上转账，该异常转账监测方法的执行主体为第一应用对应的后台服务器为例，当线上转账的场景识别结果为异常场景时，后台服务器可以向手机发送第二指令，第二指令可以指示手机向用户发出预警信息。手机可以响应于接收到的第二指令，发出预警信息。
[0088]
图4为本技术实施例提供的异常转账监测方法的又一流程示意图。
[0089]
如图4所示，一些实施例中，本技术实施例提供的异常转账监测方法还可以包括：
[0090]
s401、当线上转账的场景识别结果为异常场景时，终止线上转账。
[0091]
例如，以用户使用手机中安装的第一应用进行线上转账，该异常转账监测方法的执行主体为手机为例，当线上转账的场景识别结果为异常场景时，手机可以向后台服务器上报第一信息，第一信息可以用于指示后台服务器终止本次线上转账。如：第一信息可以包括：“线上转账的场景识别结果为异常场景”，后台服务器接收到第一信息后，可以终止本次线上转账。
[0092]
或者，第一信息也可以仅用于指示线上转账的场景识别结果为异常场景，后台服务器接收到第一信息后可以判断是否终止本地线上转账。也即，是否终止本次线上转账的决策权可以在后台服务器侧，在此不作限制。
[0093]
可选地，上述图3和图4所示的实施例也可以为“和/或”的关系。例如，当线上转账的场景识别结果为异常场景时，可以向用户发出预警信息，和/或，可以终止线上转账。
[0094]
可选地，当线上转账的场景识别结果为正常场景时，可以不作任何处理。
[0095]
可选地，本技术实施例中，用户进行线上转账时所使用的终端设备(如手机)、或者终端设备上安装的为用户提供线上转账功能的应用程序(如上述第一应用)，可以为用户提供一项签约服务(如可以称为反欺诈反劫持交易签约服务)。当用户签署该签约服务对应的服务协议后，终端设备或者应用程序才可以拥有收集用户的语音数据的权限。
[0096]
一些实施例中，本技术实施例提供的异常转账监测方法也可以针对一些大额线上转账的场景进行监测。例如，上述s101可以包括：检测到用户进行线上转账、且线上转账的交易金额大于第一阈值时，获取第一时长内用户的语音数据。
[0097]
例如，第一阈值可以是2万元、5万元、10万元等，在此对第一阈值的大小不作限制。
[0098]
也即，本实施例中，当用户进行线上转账的交易金额大于第一阈值时，该异常转账监测方法可以对线上转账的场景进行识别。
[0099]
以上实施例中主要以该异常转账监测方法的执行主体是为用户提供线上转账交易的后台服务器，或者，用户进行线上转账时所使用的终端设备为例进行了说明。可选地，其他一些实施例中，该异常转账监测方法也可以由为用户提供线上转账交易的后台服务器和用户进行线上转账时所使用的终端设备共同实现。例如，上述s101和s102可以在用户进行线上转账时所使用的终端设备上实现，s103可以在为用户提供线上转账交易的后台服务器上实现。或者，上述s101和s102可以在为用户提供线上转账交易的后台服务器上实现，s103可以在用户进行线上转账时所使用的终端设备上实现等。
[0100]
可选地，还有一些实施例中，该异常转账监测方法的全部步骤可以在用户进行线上转账时所使用的终端设备上实现。当该异常转账监测方法的全部步骤在用户进行线上转账时所使用的终端设备上实现时，用户的语音数据以及对语音数据转换后的文本数据等不会上送至后台服务器，可以避免用户的隐私泄露。
[0101]
也即，该方法可以应用于所述用户进行所述线上转账时所使用的终端设备；所述终端设备具有获取所述用户的语音数据、将所述语音数据转换为文本数据、以及对所述文本数据进行语义分析确定所述线上转账的场景识别结果的功能。
[0102]
该方法由终端设备执行可以具有更好的时效性，能够使得处于用户异常环境(如被劫持或被诈骗)时及时给用户风险提示。语音数据不用上传后台服务器，可以有效降低该方法执行过程中产生的时延。
[0103]
可以理解的，在实际实施时，本技术实施例所述的为用户提供线上转账交易的后台服务器、用户进行线上转账时所使用的终端设备等可以包含有用于实现前述异常转账监测方法的一个或多个硬件结构和/或软件模块(单元)，这些执行硬件结构和/或软件模块可以构成一个电子设备。本领域技术人员应该很容易意识到，结合本文中所申请的实施例描述的各示例的算法步骤，本技术能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0104]
基于这样的理解，本技术实施例还对应提供一种异常转账监测装置，可以应用于上述为用户提供线上转账交易的后台服务器、或者用户进行线上转账时所使用的终端设备。图5为本技术实施例提供的异常转账监测装置的结构示意图。如图5所示，该异常转账监测装置可以包括：
[0105]
获取单元501，用于检测到用户进行线上转账时，获取第一时长内用户的语音数据；语音转换单元502，用于将语音数据转换为文本数据；语义识别单元503，用于对文本数据进行语义分析，确定线上转账的场景识别结果，场景识别结果包括：异常场景或正常场景。
[0106]
一种实现方式中，所语义识别单元503，具体用于对文本数据进行语义分析，确定文本数据中是否包括预设的第一字段；当文本数据中包括第一字段时，确定线上转账的场景识别结果为异常场景；当文本数据中不包括第一字段时，确定线上转账的场景识别结果为正常场景。
[0107]
可选地，所述第一字段包括一个或多个。所语义识别单元503，具体用于当文本数据中包括至少一个第一字段时，确定线上转账的场景识别结果为异常场景。当文本数据中
不包括任意一个第一字段时，确定线上转账的场景识别结果为正常场景。
[0108]
另一种实现方式中，所语义识别单元503，具体用于采用预训练的场景识别模型对文本数据进行语义分析，确定线上转账的场景识别结果；其中，场景识别模型具有根据文本数据输出线上转账的场景识别结果的功能。
[0109]
图6为本技术实施例提供的异常转账监测装置的另一结构示意图。可选地，如图6所示，该异常转账监测装置可以包括：训练单元504，用于获取第一训练集合；第一训练集合包括一条或多条第一训练文本数据、以及一条或多条第二训练文本数据，第一训练文本数据包括异常场景标签，第二训练文本数据包括正常场景标签；采用第一训练集合，将第一训练文本数据作为输入、第一训练文本数据包括的异常场景标签作为输出，以及将第二训练文本数据作为输入、第二训练文本数据包括的正常场景标签作为输出，对神经网络进行训练，得到场景识别模型。
[0110]
图7为本技术实施例提供的异常转账监测装置的又一结构示意图。如图6所示，一种实现方式中，该异常转账监测装置可以包括：预警单元505，用于当线上转账的场景识别结果为异常场景时，向用户发出预警信息，和/或，终止线上转账。
[0111]
一种实现方式中，所述获取单元501，具体用于检测到用户进行线上转账、且线上转账的交易金额大于第一阈值时，获取第一时长内用户的语音数据。
[0112]
如上所述，本技术实施例可以根据上述方法示例对为用户提供线上转账交易的后台服务器、或者用户进行线上转账时所使用的终端设备进行功能模块的划分。其中，上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。另外，还需要说明的是，本技术实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。
[0113]
关于上述实施例中的异常转账监测装置，其中各个模块执行操作的具体方式、以及具备的有益效果，均已经在前述方法实施例中进行了详细描述，此处不再赘述。
[0114]
本技术实施例还提供一种电子设备，该电子设备可以是上述为用户提供线上转账交易的后台服务器、或者用户进行线上转账时所使用的终端设备，电子设备包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当所述电子设备运行时，所述处理器与所述存储介质之间通过所述总线通信，所述处理器执行所述机器可读指令，以执行如上述实施例所述的方法。
[0115]
在示例性实施例中，本技术还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述实施例所述的方法。
[0116]
可选地，上述计算机可读存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
[0117]
在示例性实施例中，本技术实施例还提供一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备中运行时，所述电子设备中的处理器实现如上述实施例所述的方法。
[0118]
本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或
者适应性变化遵循本技术的一般性原理并包括本技术未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求指出。
[0119]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求来限制。

技术特征：
1.一种异常转账监测方法，其特征在于，所述方法包括：检测到用户进行线上转账时，获取第一时长内所述用户的语音数据；将所述语音数据转换为文本数据；对所述文本数据进行语义分析，确定所述线上转账的场景识别结果，所述场景识别结果包括：异常场景或正常场景。2.根据权利要求1所述的方法，其特征在于，所述对所述文本数据进行语义分析，确定所述线上转账的场景识别结果，包括：对所述文本数据进行语义分析，确定所述文本数据中是否包括预设的第一字段；当所述文本数据中包括所述第一字段时，确定所述线上转账的场景识别结果为异常场景；当所述文本数据中不包括所述第一字段时，确定所述线上转账的场景识别结果为正常场景。3.根据权利要求1所述的方法，其特征在于，所述对所述文本数据进行语义分析，确定所述线上转账的场景识别结果，包括：采用预训练的场景识别模型对所述文本数据进行语义分析，确定所述线上转账的场景识别结果；其中，所述场景识别模型具有根据所述文本数据输出所述线上转账的场景识别结果的功能。4.根据权利要求3所述的方法，其特征在于，所述采用预训练的场景识别模型对所述文本数据进行语义分析，确定所述线上转账的场景识别结果之前，所述方法还包括：获取第一训练集合；所述第一训练集合包括一条或多条第一训练文本数据、以及一条或多条第二训练文本数据，所述第一训练文本数据包括异常场景标签，所述第二训练文本数据包括正常场景标签；采用所述第一训练集合，将所述第一训练文本数据作为输入、所述第一训练文本数据包括的异常场景标签作为输出，以及将所述第二训练文本数据作为输入、所述第二训练文本数据包括的正常场景标签作为输出，对神经网络进行训练，得到所述场景识别模型。5.根据权利要求1-4任一项述的方法，其特征在于，所述方法应用于所述用户进行所述线上转账时所使用的终端设备；所述终端设备具有获取所述用户的语音数据、将所述语音数据转换为文本数据、以及对所述文本数据进行语义分析确定所述线上转账的场景识别结果的功能。6.根据权利要求1-4任一项述的方法，其特征在于，所述方法还包括：当所述线上转账的场景识别结果为异常场景时，向用户发出预警信息，和/或，终止所述线上转账。7.根据权利要求1-4任一项述的方法，其特征在于，所述检测到用户进行线上转账时，获取第一时长内用户的语音数据，包括：检测到用户进行线上转账、且所述线上转账的交易金额大于第一阈值时，获取第一时长内用户的语音数据。8.一种异常转账监测装置，其特征在于，所述装置包括：获取单元，用于检测到用户进行线上转账时，获取第一时长内用户的语音数据；
语音转换单元，用于将所述语音数据转换为文本数据；语义识别单元，用于对所述文本数据进行语义分析，确定所述线上转账的场景识别结果，所述场景识别结果包括：异常场景或正常场景。9.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当所述电子设备运行时，所述处理器与所述存储介质之间通过所述总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1-7任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1-7任一项所述的方法。

技术总结
本申请提供一种异常转账监测方法、装置、设备及存储介质，涉及金融技术领域。本申请可以在检测到用户进行线上转账时，获取第一时长内用户的语音数据，将第一时长内用户的语音数据转换为文本数据，并对文本数据进行语义分析，确定线上转账的场景识别结果，场景识别结果包括：异常场景或正常场景。通过确定线上转账的场景识别结果，可以使得场景识别结果为异常场景时，能够及时对用户的线上转账进行预警或终止，保证用户的资金安全。保证用户的资金安全。保证用户的资金安全。


技术研发人员：农时
受保护的技术使用者：中国银行股份有限公司
技术研发日：2021.11.12
技术公布日：2022/3/8