本发明涉及金融交易技术领域，具体是一种基于大数据和人工智能的金融风控系统。
背景技术：
随着科技的发展，越来越多的商务交易开始朝着电子商务的方向进行，每天在电商平台或者其他线上交易渠道进行的电子交易的数量在逐步递增，从而产生了数量庞大的电子交易数据。这些数量庞大的交易数据在进入后台交互之前需要进行交易数据的风险控制，以防止其中出现异常数据，或者出现一些恶意数据。传统的风险控制方法是预先设置多条风控规则，不同的风控规则可以用于对不同的交易风险进行控制。系统获取的交易数据在进入后台交互之前首先需要经过风控规则的验证，只有通过风控规则验证的数据才被视为正常数据，未通过风控规则验证的数据会被直接拦截，并且相应的数据来源(例如交易者)可能会受到相应的处置惩罚。
但是现有的风险控制方法中，风控规则的设定上可能存在主观性和不合理性，在风控管理中会浪费大量的人力资源。
技术实现要素：
本发明的目的在于提供一种基于大数据和人工智能的金融风控系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于大数据和人工智能的金融风控系统，包括风险信息收集模块、信息管理模块、风险评估模块、风险处理模块和风险存储模块，所述风险信息收集模块用于获取外部系统根据不同的所述业务流程中产生的交易信息数据；所述信息管理模块包括风险信息管理服务器，所述风险信息管理服务器包括风险分类单元、风险识别单元和关键信息提取单元，所述风险信息管理服务器将分类后的风险信息数据按照类别传输至风险评估服务器；所述风险评估模块包括风险评估服务器，所述风险评估服务器包括风险管理单元、评估单元和风险预存储单元，所述风风险管理单元预先在风险预存储单元中建立风险模型；所述评估单元接收到分类后的风险信息数据后，将风险信息数据的关键字与风险预存储单元中相应风险模型中预存的已发生风险模型进行比对；所述风险处理模块与风险评估模块连接，风险处理模块包括处理节点、统计单元和生成单元，规则集被分别部署到不同的处理节点。
作为本发明进一步的方案：所述风险分类单元用于对险信息收集模块所收集到的交易信息数据进行归类。
作为本发明进一步的方案：所述关键信息提取单元用于将收集到的风险数据信息进行关键字的提取，并得到多个关键字。
作为本发明进一步的方案：所述风险识别单元用于将关键信息提取单元提取的风险信息关键字与风险模型中的关键字信息进行比对，进而实现风险数据信息的分类管理。
作为本发明进一步的方案：所述统计单元分别连接每个处理节点，用于获取每个处理节点对交易数据进行匹配处理得到的匹配结果；所述生成单元，连接统计单元，用于根据匹配结果生成新的组合风控规则；生成单元将生成的组合风控规则部署到相应的处理节点中，在之后对风险数据的风控处理中，处理节点除了根据初始风控规则对交易数据进行匹配之外，还需要根据更新的组合风控规则对其进行匹配。
作为本发明进一步的方案：所述风险处理模块还连接风险存储模块，风险存储模块用于保存风险处理模块中输出的所有数据结果。
与现有技术相比，本发明的有益效果是：
本发明通过关键字提取和比对法在风险管理服务器中对风险事项进行分类，同时对分类的风险事项在风险评估服务器中进行评估，能够提高风险管控效率，能够自动实时的对风险进行管控，进而避免的重大风险事项的发生，而且能够时改进和更新风控规则，使得对交易进程的风险控制更全面，并且节省人力资源。
附图说明
图1为本发明的结构示意图。
图2为本发明中信息管理模块的结构示意图。
图3为本发明中风险评估模块的结构示意图。
图中：1-风险信息收集模块，2-信息管理模块，3-风险评估模块，4-风险处理模块，5-风险存储模块，21-风险信息管理服务器，22-风险分类单元，23-风险识别单元，24-关键信息提取单元，31-风险评估服务器，32-风险管理单元，33-风险评估单元，34-风险预存储单元，41-处理节点，42-统计单元，43-生成单元。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请提供了一种基于大数据和人工智能的金融风控系统，该金融风控系统适用在交易业务流程中，并且用于对不同的交易业务流程中产生的交易数据进行风险控制的验证。
本发明的较佳的实施例中，上述金融风控系统中，预先设定多个初始风控规则，关联于不同业务流程的初始风控规则被划分到不同的规则集中。
请参阅图1～3，本发明实施例中，一种基于大数据和人工智能的金融风控系统，包括风险信息收集模块1、信息管理模块2、风险评估模块3、风险处理模块4和风险存储模块5，所述风险信息收集模块1用于获取外部系统根据不同的所述业务流程中产生的交易信息数据。
所述信息管理模块2包括风险信息管理服务器21，所述风险信息管理服务器21包括风险分类单元22、风险识别单元23和关键信息提取单元24，所述风险分类单元22用于对险信息收集模块1所收集到的交易信息数据进行归类；所述关键信息提取单元24用于将收集到的风险数据信息进行关键字的提取，得到多个关键字；所述风险识别单元23用于将关键信息提取单元24提取的风险信息关键字与风险模型中的关键字信息进行比对，进而实现风险数据信息的分类管理；所述风险信息管理服务器21将分类后的风险信息数据按照类别传输至风险评估服务器31。
所述风险评估模块3包括风险评估服务器31，所述风险评估服务器31包括风险管理单元32、评估单元33和风险预存储单元34，所述风风险管理单元32预先在风险预存储单元34中建立风险模型；所述评估单元33接收到分类后的风险信息数据后，将风险信息数据的关键字与风险预存储单元34中相应风险模型中预存的已发生风险模型进行比对；
所述风险处理模块4与风险评估模块3连接，风险处理模块4包括处理节点41、统计单元42和生成单元43，规则集被分别部署到不同的处理节点41；所述统计单元42分别连接每个处理节点41，用于获取每个处理节点41对交易数据进行匹配处理得到的匹配结果；所述生成单元42，连接统计单元42，用于根据匹配结果生成新的组合风控规则；生成单元42将生成的组合风控规则部署到相应的处理节点41中，在之后对风险数据的风控处理中，处理节点41除了根据初始风控规则对交易数据进行匹配之外，还需要根据更新的组合风控规则对其进行匹配。上述整个过程即风控规则的自动学习和更新调整的过程，避免了人工对风控规则进行更新，同时也保证了对交易数据进行风控处理的实时性。
所述风险处理模块4还连接风险存储模块5，风险存储模块5用于保存风险处理模块4中输出的所有数据结果。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。