一种基于区块链的信息处理方法及系统与流程

本发明涉及保险理赔信息处理，具体为一种基于区块链的信息处理方法及系统。

背景技术：

1、保险行业一直是金融领域中重要的一部分，用于提供风险保障和理赔服务。然而，保险索赔管理一直是一个复杂而繁琐的过程，需要大量的人力和时间来处理索赔信息。传统的保险索赔处理方式通常面临以下问题：

2、(1)、传统的索赔信息处理通常涉及大量的文档工作和手动数据输入，容易出现错误，而且需要大量时间和资源；

3、(2)、一些索赔案件可能会涉及欺诈行为，索赔人可能会夸大损失或提供虚假信息以获取更多的赔偿；

4、(3)、索赔金额的波动可能会引起关注，但传统方法通常无法及时识别异常波动。为了解决这些问题，传统的索赔管理方法在处理效率、欺诈检测和波动监测方面存在许多不足之处。为了解决这些问题，新的技术和方法变得尤为重要，亟需提出一种基于区块链的信息处理方法和系统可能提供了一种潜在的解决方案，可以提高索赔处理的效率、准确性和安全性。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了一种基于区块链的信息处理方法及系统，以解决背景技术提出的处理效率、欺诈检测和波动监测方面存在许多不足之处。

3、(二)技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：一种基于区块链的信息处理方法及系统，包括以下步骤：

5、s1、建立保险索赔区块链网络，设置区块链共识机制，使区块链中的若干个节点具有副本的完整区块链，并建立索赔规则、条件和支付合约；并用于进行验证分析索赔数据；

6、s2、收集索赔人提交的历史索赔记录信息和索赔人当前索赔信息；

7、s3、对历史索赔记录信息进行特征提取，并分析索赔频率、历史索赔金额、事件描述是否存在矛盾，并使用事件序列分析方法来分析索赔金额随时间变化，是否存在异常波动，建立索赔模型，基于历史欺诈案例和正常索赔案例，训练机器学习模型，并对所述索赔人当前索赔信息进行分析计算获得行为指数xw、事件矛盾指数md和异常波动指数yc，所述行为指数xw、事件矛盾指数md和异常波动指数yc由以下公式获得：

8、

9、式中，f表示索赔人在过去一年内的索赔次数频率值，a表示索赔人过去索赔的总金额值，nt表示为不同保险类型或风险类型的数量值，e表示基于历史数据保险金额变量的预期值或平均值，用于与当前的索赔金额进行比较，如果当前的索赔金额高于预期值，则需要对索赔事件进行异常复审；cd表示索赔文档中的矛盾词汇或者矛盾信息的数量，td表示为索赔文档中的总词汇数量；at表示为索赔金额随事件变化的浮动值，r表示根据历史数据计算得到的预期正常波动范围值；c1表示为修正常数；

10、s4、将索赔人的所述行为指数xw、事件矛盾指数md和异常波动指数yc分别和行为标准阈值q1、事件安全阈值q2和异常安全阈值q3进行对比，获得预测评估结果；

11、s5、并依据预测评估结果对索赔人当前索赔信息进行重新复审。

12、优选的，所述s1具体包括：建立ethereum、hyperledger、fabric或corda的区块链平台，设置索赔数据的数据结构和存储方式，并配置区块链节点，在区块链节点存储副本的完整区块链；

13、并选择工作量证明proofofwork、权益证明proofofstake或拜占庭容错共识机制，确保节点之间索赔数据的一致；

14、根据保险索赔的需求，编写智能合约，并对智能合约进行功能测试、性能测试和安全测试，并将智能合约部署至区块链节点中，确保智能合约与索赔规则和条件一致。

15、优选的，所述历史索赔记录信息包括索赔人个人信息、历史索赔类型信息、历史索赔人索赔金额信息、事件日期事件及描述信息、索赔处理结果信息以及支付记录信息；

16、所述索赔人当前索赔信息包括事件描述信息、当前索赔金额信息、索赔事件日期事件及附加信息、当前索赔文件信息和索赔状态信息，所述索赔文件信息包括医疗证明、事故报告和事件照片。

17、优选的，建立索赔模型，依据索赔人历史索赔记录信息，进行特征提取和分析，计算索赔频率f，在过去一年内事件提交的索赔数量，采用时间窗口方法进行计算，确定时间窗口的起始点，按照所选的时间窗口大小滑动窗口，采用计数操作统计索赔人在该窗口期间提交的索赔数量，并每个月更新一次；

18、计算索赔人的历史索赔金额综合、平均值、标准差来统计相关指标，用于获得索赔人索赔金额的分布；

19、使用自然语言处理nlp技术，包括文本挖掘和文本分析，分析历史索赔时间描述是否存有矛盾或异常情况的语言模式，并进行统计；

20、根据时间序列分析方法，采用移动平均或指数平滑法，来分析索赔金额随时间的趋势；检测是否存在异常波动，以及异常波动的值。

21、优选的，所述s4具体包括：

22、将索赔人的所述行为指数xw、事件矛盾指数md和异常波动指数yc分别和行为标准阈值q1、事件安全阈值q2和异常安全阈值q3进行对比，获得以下的预测评估结果；

23、所述预测评估结果包括正常结果、事件矛盾结果、异常波动结果和多重问题结果；

24、所述正常结果包括如下：

25、若行为指数xw<行为标准阈值q1，表示索赔人的行为正常；

26、若事件矛盾指数md<事件安全阈值q2，表示索赔事件没有明显的矛盾；

27、若异常波动指数yc<异常安全阈值q3，表示索赔金额波动正常；

28、当所有指数都低于阈值，索赔被视为正常，无需额外处理。

29、优选的，所述事件矛盾结果包括：

30、若行为指数xw<行为标准阈值q1，表示索赔人的行为正常；

31、若事件矛盾指数md≥事件安全阈值q2，表示索赔事件存在矛盾，需要额外审查；

32、若异常波动指数yc<异常安全阈值q3，表示索赔金额波动正常；

33、由于矛盾指数md超过了事件安全阈值q2，索赔需要额外审查以解决矛盾。

34、优选的，所述异常波动结果包括：

35、若行为指数xw<行为标准阈值q1，表示索赔人的行为正常；

36、若事件矛盾指数md<事件安全阈值q2，表示索赔事件没有明显的矛盾；

37、若异常波动指数yc≥异常安全阈值q3，表示索赔金额波动异常；

38、由于矛盾指数md超过了事件安全阈值q2，索赔需要额外审查以解决矛盾。

39、由于异常波动指数yc超过了异常安全阈值q3，索赔需要额外审查以调查异常波动。

40、优选的，所述多重问题结果包括：

41、若行为指数xw≥行为标准阈值q1，表示索赔人的行为正常；

42、若异常波动指数md≥事件安全阈值q2，表示索赔事件存在矛盾，需要额外审查；

43、异常波动指数≥异常安全阈值q3，表示索赔金额波动异常；

44、由于矛盾指数md和异常波动指数yc都超过了阈值，索赔需要详细审查以解决矛盾和异常波动问题。

45、优选的，根据预测评估结果，索赔人的当前索赔信息被认为是正常的，没有异常行为或矛盾，那么继续处理索赔并批准支付；复审结果表明索赔人的历史行为和当前索赔信息一致，没有引发警示信息；

46、如果预测评估结果提示存在潜在的异常行为、矛盾或风险，但尚无法确定索赔是否正常，那么将索赔信息标记为需要额外审查，且标记为欺诈提醒，引发警示信息。

47、一种基于区块链的信息处理系统，包括区块链网络模块、数据收集模块、特征提取模块、分析模块、行为评估模块和复审模块；

48、所述区块链网络模块用于建立保险索赔区块链网络，配置区块链共识机制，确保区块链中的节点具有副本的完整区块链；并部署智能合约以管理索赔数据和规则的执行；

49、所述数据收集模块用于收集索赔人提交的历史索赔记录信息和当前索赔信息，采用数据接口模式和前端界面交互模式，用于索赔人提交信息；

50、所述特征提取模块用于对历史索赔记录信息进行特征提取，包括索赔频率、历史索赔金额和事件描述是否存在矛盾；

51、所述分析模块用于采用事件序列分析方法来分析索赔金额随时间的变化，检测异常波动，建立索赔模型，包括机器学习模型，用于欺诈检测和分析；

52、所述行为评估模块用于计算索赔人的计算行为指数xw、事件矛盾指数md和异常波动指数yc，并将计算得到的行为指数xw、事件矛盾指数md和异常波动指数yc分别与行为标准阈值q1、事件安全阈值q2和异常安全阈值q3进行对比，获得预测评估结果；

53、所述复审模块用于依据预测评估结果对索赔人当前索赔信息进行重新复审，所述预测评估结果包括正常结果、事件矛盾结果、异常波动结果和多重问题结果。

54、(三)有益效果

55、本发明提供了一种基于区块链的信息处理方法及系统。具备以下有益效果：

56、(1)自动化了许多繁琐的任务和信息，包括数据收集、特征提取、行为评估和异常检测。这减少了人工干预和处理时间，从而提高了整个索赔处理过程的效率，并降低了处理索赔的成本。

57、(2)通过机器学习模型和数据分析，系统能够更准确地识别异常行为、欺诈风险和索赔金额的异常波动。这有助于保险公司更精确地审查索赔，并减少欺诈性索赔的发生，提高了反欺诈能力。

58、(3)系统可以实时监测索赔数据，一旦发现异常，就能立即发出警示并采取相应措施。这有助于降低潜在风险，及时应对问题。

59、(4)系统能够自动标记需要额外审查的索赔，这意味着审查资源可以更有针对性地分配到真正需要关注的案例上，避免了浪费资源在正常索赔上。