发明创造名称：反洗钱系统的异常业务数据筛选方法
外观设计名称：
决定号：199935
决定日：2019-12-17
委内编号：1F275948
优先权日：
申请（专利）号：201710576257.5
申请日：2017-07-14
复审请求人：成都农村商业银行股份有限公司
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：何俊
合议组组长：乔凌云
参审员：牛晓丽
国际分类号：G06Q10/06、G06Q40/04
外观设计分类号：
法律依据：专利法第22条第3款
决定要点
：如果一项权利要求相对于最接近现有技术存在区别，然而该区别属于本领域常用手段，那么该权利要求相对于上述现有技术与本领域常用手段的结合不具备创造性。
全文：
本复审请求涉及申请号为201710576257.5，名称为“反洗钱系统的异常业务数据筛选方法”的发明专利申请（下称本申请）。申请人为成都农村商业银行股份有限公司。本申请的申请日为2017年07月14日，公开日为2017年11月17日。
经实质审查，国家知识产权局原审查部门审查员于2018年11月26日发出驳回决定，驳回了本申请，其理由是：权利要求1-10相对于对比文件1（CN106803168A，公开日2017年06月06日）和本领域常用手段的结合不具备创造性。驳回决定所依据的文本为：申请人于申请日2017年07月14日提交的权利要求第1-10项、说明书第1-52段、说明书附图1-2、说明书摘要以及摘要附图。驳回决定所针对的权利要求书如下：
“1. 一种反洗钱系统的异常业务数据筛选方法，其特征在于，包括：
接收业务数据；
根据预设的各个异常指标的触发条件，筛出业务数据触发的异常指标；
根据预设的由若干个异常指标构成的各个异常模型的触发条件，计算被触发的异常指标触发的异常模型；
导出被触发的各个异常模型下包含的被触发的各个异常指标下包含的业务数据，获得异常业务数据。
2. 根据权利要求1所述的反洗钱系统的异常业务数据筛选方法，其特征在于，所述根据预设的由若干个异常指标构成的各个异常模型的触发条件，计算被触发的异常指标触发的异常模型的方法，包括：
获得每个异常模型中包含的各个异常指标的分值；
计算每个异常模型中被触发的异常指标的总分值；
根据预设的每个异常模型的触发分值，筛出被触发的异常模型。
3. 根据权利要求2所述的反洗钱系统的异常业务数据筛选方法，其特征在于，所述获得每个异常模型中包含的各个异常指标的分值的方法，包括获得预设的每个异常模型中包含的各个异常指标的分值。
4. 根据权利要求2所述的反洗钱系统的异常业务数据筛选方法，其特征在于，所述获得每个异常模型中包含的各个异常指标的分值的方法，包括计算每个异常模型中包含的各个异常指标的分值。
5. 根据权利要求4所述的反洗钱系统的异常业务数据筛选方法，其特征在于，所述计算每个异常模型中包含的各个异常指标的分值的方法，包括：
若异常模型的总分值为X分，且包含了N个异常指标，则每个异常指标的分值为X/N，X和N均为大于1的正整数。
6. 根据权利要求2所述的反洗钱系统的异常业务数据筛选方法，其特征在于， 所述计算每个异常模型中被触发的异常指标的总分值的方法，包括：对异常模型中被触发的各个异常指标的分值求和。
7. 根据权利要求2所述的反洗钱系统的异常业务数据筛选方法，其特征在于，所述根据预设的每个异常模型的触发分值，筛出被触发的异常模型的方法，包括：当异常模型中被触发的异常指标的总分值大于或者等于该异常模型预设的触发分值，则该异常模型被触发。
8. 根据权利要求1所述的反洗钱系统的异常业务数据筛选方法，其特征在于，所述业务数据为基础数据经整合获得的业务数据。
9. 根据权利要求8所述的反洗钱系统的异常业务数据筛选方法，其特征在于，所述基础数据经整合获得业务数据的方法，包括：
接收不同来源的基础数据并统一转换成txt文件存储到指定位置；
通过数据加载任务，加载指定位置的所有txt文件；
通过数据库存储过程，将加载的txt文件层层组装成为业务数据。
10. 根据权利要求1所述的反洗钱系统的异常业务数据筛选方法，其特征在于，所述业务数据包括业务发生的频率数据、去向地数据、时间数据、地点数据、金额数据、收付比数据和业务办理的异常行为数据。”
申请人（下称复审请求人）对上述驳回决定不服,于2019年03月11日向国家知识产权局提出了复审请求，同时修改了权利要求书，其中修改了权利要求1-2，删除了权利要求10。复审请求人认为：对比文件1未公开本申请的“所述反洗钱系统包括异常指标明细表和异常模型明细表，……，导出所述被触发的各个异常模型下包含的被触发的各个异常指标下包含的业务数据，获得异常业务数据”，对比文件1和本申请所采用的手段、解决的问题以及达到的效果均不同，因此本申请相对于对比文件1具备创造性。复审请求时新修改的权利要求1-2如下：
“1. 一种反洗钱系统的异常业务数据筛选方法，其特征在于，所述反洗钱系统包括异常指标明细表和异常模型明细表；
所述异常指标明细表中的异常指标是将异常业务数据拆分为反洗钱系统检测的若干个规则，一个异常指标为满足一个特点的业务情况，满足一个异常指标即触发该异常指标；
所述异常模型明细表中的异常模型是将异常案件模型化和指标化分解，所述异常模型明细表预设有异常模型包含的异常指标和异常模型的触发条件；
所述筛选方法包括：
接收业务数据，所述业务数据包括业务发生的频率数据、去向地数据、时间数据、地点数据、金额数据、收付比数据和业务办理的异常行为数据；
根据所述异常指标明细表中预设的各个异常指标的触发条件，筛出业务数据触发的异常指标；
根据所述异常模型明细表中预设的各个异常模型的触发条件，计算所述被触发的异常指标触发的异常模型；
导出所述被触发的各个异常模型下包含的被触发的各个异常指标下包含的业务数据，获得异常业务数据。
2. 根据权利要求1所述的反洗钱系统的异常业务数据筛选方法，其特征在于，所述根据所述异常模型明细表中预设的各个异常模型的触发条件，计算所述被触发的异常指标触发的异常模型的方法，包括：
获得每个异常模型中包含的各个异常指标的分值；
计算每个异常模型中被触发的异常指标的总分值；
根据预设的每个异常模型的触发分值，筛出被触发的异常模型。”
经形式审查合格，国家知识产权局于2019年03月15日依法受理了该复审请求，并将其转送至原审查部门进行前置审查。
原审查部门在前置审查意见书中认为本申请仍未克服驳回决定中指出的缺陷，因而坚持原驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
合议组于2019年08月20日向复审请求人发出复审通知书，指出：权利要求1-9相对于对比文件1和本领域常用手段的结合不具备创造性。
复审请求人于2019年09月27日提交了意见陈述书，同时提交了新的权利要求书，然而修改后的权利要求书与复审通知书针对的权利要求书相比其内容并未发生改变。复审请求人认为：对比文件1未公开本申请的“所述反洗钱系统包括异常指标明细表和异常模型明细表，……，导出所述被触发的各个异常模型下包含的被触发的各个异常指标下包含的业务数据，获得异常业务数据”，对比文件1和本申请所采用的手段、解决的问题以及达到的效果均不同，因此本申请相对于对比文件1具备创造性。
在上述程序的基础上，合议组认为本案事实已经清楚，可以作出审查决定。
二、决定的理由
审查文本的认定
复审请求人在复审阶段修改了权利要求书，经审查，上述修改符合专利法第33条的规定，因此本复审决定所针对的审查文本为：复审请求人于申请日2017年07月14日提交的说明书第1-52段、说明书附图1-2、说明书摘要以及摘要附图；于2019年09月27日提交的权利要求第1-9项。
专利法第22条第3款
专利法第22条第3款规定：创造性，是指与现有技术相比，该发明具有突出的实质性特点和显著的进步，该实用新型具有实质性特点和进步。
本复审决定使用的对比文件与驳回决定以及复审通知书使用的对比文件相同，即：
对比文件1：CN106803168A，公开日2017年06月06日。
（1）权利要求1请求保护一种反洗钱系统的异常业务数据筛选方法，对比文件1公开了（参见说明书第3页第[0035]-[0038]段，第6页第[0074]段，第12页第[0132]-[0133]段，附图1、12）如下内容：一种异常转账侦测方法和装置，所述转账可能为洗钱或电信诈骗活动，获取转账交易信息（相当于接收业务数据），转账交易信息中包括转出方信息；根据转出方信息，确定转出方的异常转账侦测模型，可选地，根据历史转账交易正负样本和用户关系网络，通过机器学习算法建立转出方的异常转账侦测模型（相当于异常模型明细表），包括对用户关系网络中的自身属性、交互属性和支付行为属性进行相关性分析；用户关系网络中的自身属性、交互属性和支付行为属性分别包含着很多信息或者指标，其中自身属性包括身份信息指标、教育程度指标、职业状况指标、家庭情况指标、社会信息指标至少之一，支付行为属性包括转账频率指标（相当于频率数据）、转账时间分布指标、转账地点分布指标（相当于去向地数据、地点数据）、转账金额分布指标、转账方式占比指标（相当于收付比数据）至少之一，交互属性包括好友频率指标、联络频率指标、好感度指标至少之一；在转账对象分析中，根据转账频率由高到低将对象进行排序；在转账金额（相当于金额数据）、转账时间（相当于时间数据）、转账地点分布中，可以分析获得用户的转账金额区间以及随时间的波动趋势，如用户转账呈现规律分布且波动平缓，但当前转账金额突增（相当于业务办理的异常行为数据），且转账时间也游离于分布之外（相当于异常指标明细表中预设的各个异常指标的触发条件），则转账异常概率较高；假设用户A给用户B转账，异常转账侦测系统中异常转账检测模块对用户A和用户B进行分析获取他们的指标（相当于根据所述异常指标明细表中预设的各个异常指标的触发条件，筛出业务数据触发的异常指标）；将指标输入到异常转账侦测模型中，会得出三个异常概率值，分别为自身属性异常概率值、交互属性异常概率值和支付行为属性异常概率值；其中对自身属性、交互属性和支付行为属性中的信息进行打分，在自身属性维度中，对用户的身份信息指标、教育程度指标、职业状况指标、家庭情况指标、社会信息指标进行评判并分别打分；在交互属性维度中，对好友频率指标、联络频率指标、好感度指标等进行评判并打分；在支付行为属性维度中，对相应指标进行打分；对自身属性、交互属性和支付行为属性中的信息打的分数生成各个权重值，将施加权重后的各个异常概率值相加，最终生成该转账交易为异常转账交易的综合异常概率；该综合异常概率表明当前转账交易为异常的风险值，如果该综合概率非常大，系统直接发出异常预警（相当于根据异常模型明细表中预设的各个异常模型的触发条件，计算所述被触发的异常指标触发的异常模型）。
由此可见，该权利要求相对于对比文件1的区别在于：（1）导出所述被触发的各个异常模型下包含的被触发的各个异常指标下包含的业务数据，获得异常业务数据；（2）所述异常指标明细表中的异常指标是将异常业务数据拆分为反洗钱系统检测的若干个规则，一个异常指标为满足一个特点的业务情况，满足一个异常指标即触发该异常指标；所述异常模型明细表中的异常模型是将异常案件模型化和指标化分解，所述异常模型明细表预设有异常模型包含的异常指标和异常模型的触发条件。基于上述区别可以确定该权利要求实际解决的问题是：便于对异常业务数据进行跟踪和调查等。
对于上述区别（1），在对比文件1公开了对异常业务数据发出风险预警的情况下，对于本领域技术人员来说，进一步导出相关业务数据用于后续的分析、跟踪和调查属于本领域常用手段。
对于上述区别（2），在对比文件1公开了根据将异常指标输入到异常转账侦测模型确定转账异常的风险值的情况下，对于本领域技术人员来说，根据业务情况确定若干个规则的异常指标，在业务数据满足一个异常指标即触该发异常指标从而筛出业务数据的异常指标；并将上述业务数据的异常指标输入到模型化和指标化分解的异常模型中，根据异常模型明细表中预设的异常模型异常指标和异常模型触发条件确定异常业务数据属于本领域常用手段。
因此，在对比文件1的基础上结合本领域常用手段以获得该权利要求所请求保护的方案，对本领域技术人员来说是显而易见的，权利要求1不具有突出的实质性特点和显著的进步，不具备专利法第22条第3款规定的创造性。
（2）权利要求2对权利要求1进行了进一步的限定，对比文件1公开了（参见说明书第3页第[0035]-[0038]段，第6页第[0074]段，第12页第[0132]-[0133]段，附图1、12）如下内容：一种异常转账侦测方法和装置，假设用户A给用户B转账，异常转账侦测系统中异常转账检测模块对用户A和用户B进行分析获取他们的指标；将指标输入到异常转账侦测模型中，会得出三个异常概率值，分别为自身属性异常概率值、交互属性异常概率值和支付行为属性异常概率值；其中对自身属性、交互属性和支付行为属性中的信息进行打分，在自身属性维度中，对用户的身份信息指标、教育程度指标、职业状况指标、家庭情况指标、社会信息指标进行评判并分别打分；在交互属性维度中，对好友频率指标、联络频率指标、好感度指标等进行评判并打分；在支付行为属性维度中，对相应指标进行打分（相当于获得每个异常模型中包含的各个异常指标的分值）；对自身属性、交互属性和支付行为属性中的信息打的分数生成各个权重值，将施加权重后的各个异常概率值相加，最终生成该转账交易为异常转账交易的综合异常概率（相当于计算每个异常模型中被触发的异常指标的总分值）；该综合异常概率表明当前转账交易为异常的风险值，如果该综合概率非常大（隐含公开了触发分值），系统直接发出异常预警（相当于根据预设的每个异常模型的触发分值，筛出被触发的异常模型）。由此可见，该权利要求的附加特征被对比文件1公开，在其引用的权利要求不具备创造性的情况下，该权利要求也不具备专利法第22条第3款规定的创造性。
（3）权利要求3-4对权利要求2进行了进一步的限定，对比文件1公开了（参见说明书第3页第[0035]-[0038]段，第6页第[0074]段，第12页第[0132]-[0133]段，附图1、12）如下内容：一种异常转账侦测方法和装置，假设用户A给用户B转账，异常转账侦测系统中异常转账检测模块对用户A和用户B进行分析获取他们的指标；将指标输入到异常转账侦测模型中，会得出三个异常概率值，分别为自身属性异常概率值、交互属性异常概率值和支付行为属性异常概率值；其中对自身属性、交互属性和支付行为属性中的信息进行打分，在自身属性维度中，对用户的身份信息指标、教育程度指标、职业状况指标、家庭情况指标、社会信息指标进行评判并分别打分；在交互属性维度中，对好友频率指标、联络频率指标、好感度指标等进行评判并打分；在支付行为属性维度中，对相应指标进行打分（相当于计算每个异常模型中包含的各个异常指标的分值）。此外，对于本领域技术人员来说通过预设的方式来设定每个异常模型中包含的各个异常指标的分值属于本领域常用手段，因此在其引用的权利要求不具备创造性的情况下，权利要求3-4也不具备专利法第22条第3款规定的创造性。
（4）权利要求5对权利要求4进行了进一步的限定，然而根据异常指标个数的多少来平均赋值的方式属于本领域常用手段，因此在其引用的权利要求不具备创造性的情况下，该权利要求也不具备专利法第22条第3款规定的创造性。
（5）权利要求6-7对权利要求2进行了进一步的限定，对比文件1公开了（参见说明书第3页第[0035]-[0038]段，第6页第[0074]段，第12页第[0132]-[0133]段，附图1、12）如下内容：一种异常转账侦测方法和装置，假设用户A给用户B转账，异常转账侦测系统中异常转账检测模块对用户A和用户B进行分析获取他们的指标；将指标输入到异常转账侦测模型中，会得出三个异常概率值，分别为自身属性异常概率值、交互属性异常概率值和支付行为属性异常概率值；其中对自身属性、交互属性和支付行为属性中的信息进行打分，在自身属性维度中，对用户的身份信息指标、教育程度指标、职业状况指标、家庭情况指标、社会信息指标进行评判并分别打分；在交互属性维度中，对好友频率指标、联络频率指标、好感度指标等进行评判并打分；在支付行为属性维度中，对相应指标进行打分；对自身属性、交互属性和支付行为属性中的信息打的分数生成各个权重值，将施加权重后的各个异常概率值相加（相当于对异常模型中被触发的各个异常指标的分值求和），最终生成该转账交易为异常转账交易的综合异常概率；该综合异常概率表明当前转账交易为异常的风险值，如果该综合概率非常大（隐含公开了触发分值），系统直接发出异常预警（相当于当异常模型中被触发的异常指标的总分值大于或等于该异常模型预设的触发分值，则该异常模型被触发）。由此可见，权利要求6-7的附加特征被对比文件1公开，在其引用的权利要求不具备创造性的情况下，上述权利要求也不具备专利法第22条第3款规定的创造性。
（6）权利要求8对权利要求1进行了进一步的限定，权利要求9对权利要求8进行了进一步的限定，然而对于本领域技术人员来说，将基础数据进行整合获得业务数据以用于异常业务数据筛选，以及对基础数据进行存储、加载和组装整合均属于本领域常用手段，因此在其引用的权利要求不具备创造性的情况下，权利要求8-9也不具备专利法第22条第3款规定的创造性。
对复审请求人相关意见的评述
对于复审请求人的相关意见，合议组认为：对比文件1公开了一种异常转账侦测方法，其中涉及根据转账交易信息的指标通过异常转账侦测模型确定转账异常的风险值，虽然本申请和对比文件1存在区别，然而该区别属于本领域常用手段，因此本申请相对于对比文件1和本领域常用手段的结合不具备创造性。具体理由参见上述对权利要求的详细评述。因此对于复审请求人的上述意见，合议组不予支持。
综上所述，本案合议组依法作出以下决定。
三、决定
维持国家知识产权局于2018年11月26日对本申请作出的驳回决定。
如对本复审请求审查决定不服，根据专利法第41条第2款的规定，复审请求人可以自收到本决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
