本發(fā)明涉及財(cái)務(wù)數(shù)據(jù)安全監(jiān)測(cè)，具體涉及一種基于人工智能的財(cái)務(wù)數(shù)據(jù)共享安全監(jiān)測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、在實(shí)施財(cái)務(wù)共享以前，業(yè)務(wù)系統(tǒng)、賬務(wù)系統(tǒng)、資金系統(tǒng)等各自管理其系統(tǒng)內(nèi)的數(shù)據(jù)安全，在實(shí)施財(cái)務(wù)共享后，將業(yè)務(wù)流程、財(cái)務(wù)流程、資金流程一體化，共同形成財(cái)務(wù)共享流程，相關(guān)數(shù)據(jù)也通過系統(tǒng)無縫集成技術(shù)，將業(yè)務(wù)數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)、資金數(shù)據(jù)形成整個(gè)數(shù)據(jù)鏈條，使得財(cái)務(wù)共享管理平臺(tái)形成一個(gè)標(biāo)準(zhǔn)數(shù)據(jù)的數(shù)據(jù)集中平臺(tái)，這樣可以供決策層、業(yè)務(wù)管理層、上級(jí)主管部門以及相關(guān)方共享使用，促進(jìn)了管理效果的提升。財(cái)務(wù)共享管理平臺(tái)具有數(shù)據(jù)高度集中、數(shù)據(jù)量巨大、數(shù)據(jù)共享的特點(diǎn)，其數(shù)據(jù)安全至關(guān)重要。在財(cái)務(wù)共享數(shù)據(jù)的全生命周期中，通過安全技術(shù)手段以及安全管理手段，可以防止數(shù)據(jù)泄露、篡改，損壞、丟失，以保證財(cái)務(wù)共享信息的真實(shí)性、完整性；如數(shù)據(jù)脫敏，數(shù)據(jù)脫敏也是保障數(shù)據(jù)共享、分發(fā)、使用場(chǎng)景中隱私數(shù)據(jù)安全的有效手段；

2、但是目前針對(duì)數(shù)據(jù)脫敏，通常是根據(jù)請(qǐng)求數(shù)據(jù)的用戶的權(quán)限進(jìn)行不同級(jí)別的脫敏處理，然而，并不存在對(duì)用戶數(shù)據(jù)請(qǐng)求行為是否異常進(jìn)行監(jiān)控的方案，導(dǎo)致財(cái)務(wù)數(shù)據(jù)在脫敏過程的安全風(fēng)險(xiǎn)性高，即例如在同一公司的部門層面，同屬于業(yè)務(wù)部的人員，可能各業(yè)務(wù)人員挖掘和維持的客戶并不相同，但是各自負(fù)責(zé)的客戶對(duì)于相應(yīng)的業(yè)務(wù)人員而言仍存在個(gè)人的商業(yè)秘密價(jià)值，若不對(duì)用戶數(shù)據(jù)請(qǐng)求行為是否異常進(jìn)行監(jiān)控的方案，可能仍會(huì)存在業(yè)務(wù)人員個(gè)人的商業(yè)秘密泄露，導(dǎo)致財(cái)務(wù)數(shù)據(jù)的安全性較差，然而，在公司層面，由于各個(gè)客戶之間不可避免的存在業(yè)務(wù)耦合關(guān)系，對(duì)各業(yè)務(wù)人員的數(shù)據(jù)請(qǐng)求行為是否異常進(jìn)行監(jiān)控和評(píng)價(jià)困難，如何對(duì)各業(yè)務(wù)人員的數(shù)據(jù)請(qǐng)求行為是否異常進(jìn)行監(jiān)控和評(píng)價(jià)是現(xiàn)有技術(shù)亟待解決的問題。

3、因此，現(xiàn)有技術(shù)還有待進(jìn)一步發(fā)展。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服上述技術(shù)不足，提供一種基于人工智能的財(cái)務(wù)數(shù)據(jù)共享安全監(jiān)測(cè)方法及系統(tǒng)，以解決現(xiàn)有技術(shù)存在的問題。

2、為達(dá)到上述技術(shù)目的，根據(jù)本發(fā)明的第一方面，本發(fā)明提供了一種基于人工智能的財(cái)務(wù)數(shù)據(jù)共享安全監(jiān)測(cè)方法，包括：

3、s100、以前端業(yè)務(wù)系統(tǒng)、財(cái)務(wù)系統(tǒng)、共享系統(tǒng)和銀企系統(tǒng)為基礎(chǔ)構(gòu)建財(cái)務(wù)數(shù)據(jù)管理平臺(tái)，當(dāng)獲取到來自用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求時(shí)，獲取該用戶的身份信息、該用戶的職位名稱以及該用戶所請(qǐng)求的財(cái)務(wù)數(shù)據(jù)中的關(guān)鍵詞字段，根據(jù)該用戶的身份信息、該用戶的職位名稱以及該用戶所請(qǐng)求的財(cái)務(wù)數(shù)據(jù)中的預(yù)設(shè)關(guān)鍵詞字段對(duì)應(yīng)的內(nèi)容，形成請(qǐng)求人工作范圍數(shù)據(jù)集合；采集來自該用戶的第一預(yù)設(shè)數(shù)量的請(qǐng)求人工作范圍數(shù)據(jù)集合，將所采集的請(qǐng)求人工作范圍數(shù)據(jù)集合按照第一預(yù)設(shè)比例分為訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集；

4、s200、利用所采集的訓(xùn)練數(shù)據(jù)集訓(xùn)練該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型，利用驗(yàn)證數(shù)據(jù)集對(duì)該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型進(jìn)行模型優(yōu)化，優(yōu)化模型參數(shù)，完成該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型訓(xùn)練；

5、s300、當(dāng)模型完成訓(xùn)練后，再次獲取來自該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求，獲取該用戶的身份信息、該用戶的職位名稱以及該用戶所請(qǐng)求的財(cái)務(wù)數(shù)據(jù)中的預(yù)設(shè)關(guān)鍵詞字段對(duì)應(yīng)的內(nèi)容，形成目標(biāo)請(qǐng)求人工作范圍數(shù)據(jù)集合，將目標(biāo)請(qǐng)求人工作范圍數(shù)據(jù)集合輸入到該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型中，進(jìn)而判斷財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為是否異常，根據(jù)判斷結(jié)果判定是否對(duì)該用戶所請(qǐng)求的財(cái)務(wù)數(shù)據(jù)進(jìn)行脫敏后輸出給該用戶，并輸出有關(guān)于財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常的報(bào)警信號(hào)。

6、具體的，所述獲取該用戶的身份信息、該用戶的職位名稱以及該用戶所請(qǐng)求的財(cái)務(wù)數(shù)據(jù)中的預(yù)設(shè)關(guān)鍵詞字段對(duì)應(yīng)的內(nèi)容，包括：

7、獲取該用戶的人臉圖像，對(duì)該用戶的人臉圖像進(jìn)行識(shí)別，獲取該用戶的用戶名，根據(jù)該用戶的用戶名，獲取該用戶的用戶名對(duì)應(yīng)的職位名稱。

8、具體的，所述該用戶所請(qǐng)求的財(cái)務(wù)數(shù)據(jù)中的預(yù)設(shè)關(guān)鍵詞字段，包括以下至少一種：

9、客戶名稱、業(yè)務(wù)類型、合作價(jià)格、利潤、成本、預(yù)算。

10、具體的，所述利用所采集的訓(xùn)練數(shù)據(jù)集訓(xùn)練該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型，利用驗(yàn)證數(shù)據(jù)集對(duì)該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型進(jìn)行模型優(yōu)化，優(yōu)化模型參數(shù)，完成該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型訓(xùn)練，包括：

11、將訓(xùn)練數(shù)據(jù)集分批次輸入預(yù)設(shè)網(wǎng)絡(luò)層中進(jìn)行訓(xùn)練，所述預(yù)設(shè)網(wǎng)絡(luò)層包括transformer網(wǎng)絡(luò)層，所述transformer網(wǎng)絡(luò)層則用于根據(jù)當(dāng)前次財(cái)務(wù)數(shù)據(jù)請(qǐng)求的請(qǐng)求人工作范圍數(shù)據(jù)集合前向傳播預(yù)測(cè)下一次的財(cái)務(wù)數(shù)據(jù)請(qǐng)求的請(qǐng)求人工作范圍數(shù)據(jù)集合，進(jìn)而獲取預(yù)測(cè)的損失值；計(jì)算預(yù)設(shè)網(wǎng)絡(luò)層的損失值并輸入優(yōu)化器進(jìn)行優(yōu)化，確定該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型的參數(shù)梯度下降最快的方向；所述該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型根據(jù)損失值和模型的參數(shù)梯度進(jìn)行反向傳播，優(yōu)化該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型的參數(shù)。

12、具體的，所述利用所采集的訓(xùn)練數(shù)據(jù)集訓(xùn)練該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型，利用驗(yàn)證數(shù)據(jù)集對(duì)該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型進(jìn)行模型優(yōu)化，優(yōu)化模型參數(shù)，完成該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型訓(xùn)練，還包括：

13、每次訓(xùn)練后將驗(yàn)證數(shù)據(jù)集分批次輸入前一次訓(xùn)練的預(yù)設(shè)網(wǎng)絡(luò)層中進(jìn)行模型參數(shù)驗(yàn)證，進(jìn)行循環(huán)訓(xùn)練，總的訓(xùn)練輪次設(shè)置為第一預(yù)設(shè)輪次；記錄所述預(yù)設(shè)網(wǎng)絡(luò)層的損失值，判斷損失值是否滿足第一預(yù)設(shè)條件，并根據(jù)判斷結(jié)果判斷是否結(jié)束訓(xùn)練并輸出模型參數(shù)。

14、具體的，所述判斷損失值是否滿足第一預(yù)設(shè)條件，并根據(jù)判斷結(jié)果判斷是否結(jié)束訓(xùn)練并輸出模型參數(shù)，包括：

15、若損失值滿足第一預(yù)設(shè)條件，則結(jié)束訓(xùn)練并輸出當(dāng)前該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型的參數(shù)；若損失值不滿足第一預(yù)設(shè)條件，則繼續(xù)進(jìn)行訓(xùn)練；

16、所述第一預(yù)設(shè)條件為：在進(jìn)行了第二預(yù)設(shè)輪次的訓(xùn)練后，下一輪次訓(xùn)練所得到的損失值均大于或者等于在進(jìn)行第二預(yù)設(shè)輪次的訓(xùn)練過程中出現(xiàn)過的損失值。

17、具體的，所述該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型的模型輸出結(jié)果包括財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為正常和財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常。

18、具體的，所述將目標(biāo)請(qǐng)求人工作范圍數(shù)據(jù)集合輸入到該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型中，進(jìn)而判斷財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為是否異常，根據(jù)判斷結(jié)果判定是否對(duì)該用戶所請(qǐng)求的財(cái)務(wù)數(shù)據(jù)進(jìn)行脫敏后輸出給該用戶，并輸出有關(guān)于財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常的報(bào)警信號(hào)，包括：

19、若判斷財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常，對(duì)該用戶所請(qǐng)求的財(cái)務(wù)數(shù)據(jù)進(jìn)行脫敏后輸出給該用戶，并輸出有關(guān)于財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常的報(bào)警信號(hào)。

20、具體的，所述將目標(biāo)請(qǐng)求人工作范圍數(shù)據(jù)集合輸入到該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型中，進(jìn)而判斷財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為是否異常，根據(jù)判斷結(jié)果判定是否對(duì)該用戶所請(qǐng)求的財(cái)務(wù)數(shù)據(jù)進(jìn)行脫敏后輸出給該用戶，并輸出有關(guān)于財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常的報(bào)警信號(hào)，還包括：

21、若判斷財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為正常，直接該用戶所請(qǐng)求的財(cái)務(wù)數(shù)據(jù)輸出給該用戶，并輸出有關(guān)于財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為正常的提示信號(hào)。

22、根據(jù)本發(fā)明的第二方面，提供一種基于人工智能的財(cái)務(wù)數(shù)據(jù)共享安全監(jiān)測(cè)系統(tǒng)，包括：

23、獲取模塊，用于獲取來自用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求；用于獲取該用戶的身份信息、該用戶的職位名稱以及該用戶所請(qǐng)求的財(cái)務(wù)數(shù)據(jù)中的關(guān)鍵詞字段；

24、控制模塊，用于以前端業(yè)務(wù)系統(tǒng)、財(cái)務(wù)系統(tǒng)、共享系統(tǒng)和銀企系統(tǒng)為基礎(chǔ)構(gòu)建財(cái)務(wù)數(shù)據(jù)管理平臺(tái)，當(dāng)獲取到來自用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求時(shí)，根據(jù)該用戶的身份信息、該用戶的職位名稱以及該用戶所請(qǐng)求的財(cái)務(wù)數(shù)據(jù)中的預(yù)設(shè)關(guān)鍵詞字段對(duì)應(yīng)的內(nèi)容，形成請(qǐng)求人工作范圍數(shù)據(jù)集合；采集來自該用戶的第一預(yù)設(shè)數(shù)量的請(qǐng)求人工作范圍數(shù)據(jù)集合，將所采集的請(qǐng)求人工作范圍數(shù)據(jù)集合按照第一預(yù)設(shè)比例分為訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集；用于利用所采集的訓(xùn)練數(shù)據(jù)集訓(xùn)練該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型，利用驗(yàn)證數(shù)據(jù)集對(duì)該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型進(jìn)行模型優(yōu)化，優(yōu)化模型參數(shù)，完成該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型訓(xùn)練；用于當(dāng)模型完成訓(xùn)練后，再次獲取來自該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求，獲取該用戶的身份信息、該用戶的職位名稱以及該用戶所請(qǐng)求的財(cái)務(wù)數(shù)據(jù)中的預(yù)設(shè)關(guān)鍵詞字段對(duì)應(yīng)的內(nèi)容，形成目標(biāo)請(qǐng)求人工作范圍數(shù)據(jù)集合，將目標(biāo)請(qǐng)求人工作范圍數(shù)據(jù)集合輸入到該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型中，進(jìn)而判斷財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為是否異常，根據(jù)判斷結(jié)果判定是否對(duì)該用戶所請(qǐng)求的財(cái)務(wù)數(shù)據(jù)進(jìn)行脫敏后輸出給該用戶，并輸出有關(guān)于財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常的報(bào)警信號(hào)。

25、有益效果：

26、本發(fā)明通過訓(xùn)練該用戶的財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常智能識(shí)別模型，對(duì)發(fā)起財(cái)務(wù)數(shù)據(jù)請(qǐng)求的用戶的請(qǐng)求人工作范圍數(shù)據(jù)集合進(jìn)行評(píng)價(jià)，判斷財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為是否異常，根據(jù)判斷結(jié)果判定是否對(duì)該用戶所請(qǐng)求的財(cái)務(wù)數(shù)據(jù)進(jìn)行脫敏后輸出給該用戶，并輸出有關(guān)于財(cái)務(wù)數(shù)據(jù)請(qǐng)求行為異常的報(bào)警信號(hào)，解決了例如在公司層面、由于各個(gè)客戶之間不可避免的存在業(yè)務(wù)耦合關(guān)系、對(duì)各業(yè)務(wù)人員的數(shù)據(jù)請(qǐng)求行為是否異常進(jìn)行監(jiān)控和評(píng)價(jià)比較困難的問題，很大程度上提高了財(cái)務(wù)數(shù)據(jù)共享的安全性。