DB3702∕T 0008-2021 养老保险待遇领取资格大数据认证服务规范

1、ICS 03.060CCS A 113702青岛市地方标准DB 3702/T 00082021养老保险待遇领取资格大数据认证服务规范Specification of big data authentication service on old-age insurance benefits qualification2021- 09 - 23 发布2021- 11- 01 实施青岛市市场监督管理局发 布DB 3702/T 00082021目次前言II1 范围12 规范性引用文件13 术语和定义14 认证有效期和预警期25 工作职责25.1 市级认证服务机构25.2 区（市）级认证服务机构25.3

2、 街道（镇）认证服务机构36 大数据认证平台36.1 平台功能架构36.2 平台模块37 服务流程47.1 流程概述47.2 基础信息整理57.3 数据采集57.4 数据属性标注67.5 直接认证信息匹配87.6 辅助认证信息分析87.7 名单生成87.8 生物识别认证87.9 社会化服务认证87.10 停发养老保险待遇87.11 认证有效期递延98 服务保障98.1 人员配备98.2 设施设备98.3 信息安全99 服务监督、评价与改进9参考文献10I库七七 标准下载前言本文件按照GB/T 1.12020标准化工作导则第1部分：标准化文件的结构和起草规则的规定起草。请注意本文件的某些内容可能

3、涉及专利。本文件的发布机构不承担识别专利的责任。本文件由青岛市社会保险事业中心提出并归口。本文件起草单位：青岛市社会保险事业中心、青岛市人力资源发展研究与促进中心、青岛市标准化研究院。本文件主要起草人：王韶伟、徐萍、卢永华、张帅、王伟正、李崇政、王玉瑾、王强、李红伟、尹向华、姜荣强、许静、刘鑫、乔银环。II养老保险待遇领取资格大数据认证服务规范1 范围本文件规定了养老保险待遇领取资格大数据认证服务的认证有效期和预警期、工作职责、大数据认证平台、服务流程、服务保障以及服务监督、评价与改进。本文件适用于青岛市社会保险领域养老保险待遇领取资格大数据认证服务工作。2 规范性引用文件下列文件中的内容通过

4、文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件， 仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T 35273信息安全技术 个人信息安全规范GB/T 37973信息安全技术 大数据安全管理指南3 术语和定义下列术语和定义适用于本文件。3.1大数据认证big data authentication通过共享国家机关、事业单位、社会团体、依法经授权或受委托的具有公共管理职能的组织和公共服务企业等有关数据，运用大数据认证平台，对养老保险待遇领取人员的行为轨迹和生存状态自动进行综合分析，结合生物识别认证和社会化服务认证等方式进行

5、补充认证，判断其养老保险待遇领取资格。3.2有效期validity period大数据认证服务中设置的默认养老保险待遇领取人员具备领取资格的期限。3.3预警期warning period大数据认证有效期结束前需进行认证提醒的期限。3.4递延 defer根据大数据认证结果，对养老保险待遇领取人员的认证有效期起止时间进行动态更新的一种方法。3.51直接认证信息direct authentication information在大数据认证服务中可以直接用来确定本人生存或死亡状态的认证信息，需本人或委托代理人提供本人有效身份证明方可办理的事项产生的数据。3.6辅助认证信息assistant authe

6、ntication information在大数据认证服务中需要结合其他数据间接确定本人生存或死亡状态的认证信息，本人或委托代理人无需提供有效身份证明就可办理的事项产生的数据。4 认证有效期和预警期4.1 大数据认证有效期的开始时间采用递延的方式，开始时间为最新通过大数据认证的时间。新增养老保险待遇领取人员的大数据认证有效期的开始时间为认证服务机构确认领取养老保险待遇的开始时间。4.2 大数据认证服务中不同人员类型的认证有效期如下：a) 企业和事业单位待遇领取人员：养老保险待遇领取人员的死亡一次性抚恤金数额除以其月度保险待遇额，所得月数减去 1 个月；注： 计算结果只取整数部分。计算结果小于1

7、2个月时，取12个月；大于12（含12）且小于24（含24）个月时，取计算结果；大于24个月时，取24个月。b) 机关单位、城乡居民待遇领取人员：12 个月；c) 离休待遇领取人员：24 个月；d) 供养直系亲属待遇领取人员：6 个月。4.3 大数据认证服务中不同人员类型的认证预警期如下:a) 4.2 中a)、b)、c）情况下的认证预警期为 3 个月；b) 4.2 中d）情况下的认证预警期为 1 个月。5 工作职责5.1 市级认证服务机构市级认证服务机构的工作职责包括但不限于：利用信息化手段挖掘大数据认证数据来源；持续优化大数据认证各项辅助认证信息算法；指导各区（市）按月开展养老保险待遇领取资

8、格待核实人员的信息核实工作；拟定大数据认证对外宣传计划并组织实施；对全市大数据认证工作进行督导和考核。5.2 区（市）级认证服务机构区（市）级认证服务机构的工作职责包括但不限于：组织本辖区内各街道（镇）人力资源和社会保障部门开展养老保险待遇领取资格待核实人员信息核实工作；负责本辖区内丧失养老保险待遇领取资格人员的待遇批量停发工作；负责本辖区内停发养老保险待遇人员经核实具备待遇领取资格后的待遇恢复和补发工作；2组织本辖区内各街道（镇）人力资源和社会保障部门做好大数据认证的对外宣传解释工作。注： 本辖区指所管辖区域内养老保险待遇领取人员养老保险关系所在区（市）。5.3 街道（镇）认证服务机构街道（

9、镇）认证服务机构的工作职责包括但不限于：开展本辖区内养老保险待遇领取资格待核实人员信息核实工作；对本辖区内养老保险待遇领取资格待核实且在认证预警期内的人员进行提醒和补充认证；对本辖区内高龄老人或病残人员等行动不便的特殊群体提供上门认证服务；负责本辖区内的大数据认证的对外宣传解释工作。注： 本辖区指所管辖区域内养老保险待遇领取人员户籍所在或居住街道（镇）。6 大数据认证平台6.1 平台功能架构大数据认证平台划分五个模块，分别为大数据基础平台、数据采集管理、数据资源管理、辅助决策服务、数据资源服务。大数据认证平台功能架构按照图1所示。 图 1大数据认证平台功能架构6.2 平台模块6.2.1 大数据

10、基础平台6.2.1.1 大数据基础平台主要采用分布式文件系统，基于 PC 服务器集群构建的分布式云计算平台。6.2.1.2 大数据基础平台利用 Hive 和 Hbase 核心组件构建养老保险待遇数据仓库；利用 Spark SQL、Spark Streaming、MLLib 技术实现算法模型的建模和数据处理；利用任务调度工具实现任务依赖管理和3自动执行；利用 Sqoop 和Kettle 实现数据的抽取、转换和加载；利用 Flume 和 Kafka 实现实时流数据采集。6.2.2 数据采集管理6.2.2.1 数据采集管理主要根据业务主题分析数据源类型、字段和关联关系，实现结构化、半结构化和非结构化

11、数据的采集。6.2.2.2 对于业务数据、行为数据、数据库数据、文本数据使用数据抽取工具进行采集；对于音频数据、图片数据、视频数据需要进行音视频识别比对后，再利用抽取工具进行采集；对于接口数据需要通过服务定制方式实现数据采集。6.2.3 数据资源管理6.2.3.1 数据资源管理从数据生命周期、数据应用质量、数据聚合、数据存储等多方面进行建设。6.2.3.2 数据资源管理包括以下方面：a) 元数据管理：实现元数据的配置、检索及追溯；b) 任务调度管理：定义各类数据源的抽取转换规则，执行各类数据源实时或者定期的抽取任务， 根据转换规则进行数据转换，将转换后的数据自动加载到大数据基础平台中；c) 数

12、据质量管理：构建质量评价体系，输出数据质量评估报告；d) 安全管理：实现用户权限管理、数据级别的访问权限控制、数据加密和脱敏等功能。6.2.4 辅助决策服务6.2.4.1 辅助决策服务是大数据认证平台的核心组件，提供用于生存状态判定识别的规则模型、用于数据分析的多维分析模型和数据挖掘模型、分析执行引擎等。6.2.4.2 辅助决策服务通过量化日常生活中的行为轨迹，利用统计分析、机器学习等技术准确描述、分析、识别其生存状态。大数据认证平台具备基于样本数据自动学习新规则的能力。6.2.5 数据资源服务数据资源服务为不同角色的用户提供结果查询和综合可视化展示；提供对外的数据共享服务，实现共享访问控制、

13、API接口池等功能。7 服务流程7.1 流程概述养老保险待遇领取资格大数据认证服务的流程包括基础信息整理、数据采集、数据属性标注、直接认证信息匹配、辅助认证信息分析、名单生成、生物识别认证、社会化服务认证、停发养老保险待遇、认证有效期递延。服务流程图按照图2所示。4是匹配是否成功否人员是否生存是否是是否具备领取资格否丧失待遇领取资格名单生成具备待遇领取资格名单生成待遇领取资格待核实名单生成生物识别认证社会化服务认证停发养老保险待遇否是否具备领取资格是认证有效期递延辅助认证信息分析直接认证信息匹配数据属性标注数据采集基础信息整理图2养老保险待遇领取资格大数据认证服务流程图7.2 基础信息整理统计

14、整理养老保险待遇领取人员的基础信息，包括但不限于：人员编号，姓名，证件类型，证件号码，性别，出生日期，本人联系电话，户口登记日期，国籍或地区，户籍行政区代码，户籍所属街道（镇）， 户籍地地址，居住地所属街道（镇），居住地地址，联系人姓名，联系人电话，离退休日期，保险类型， 待遇领取状态。7.3 数据采集7.3.1 数据分类和来源5每月进行一次大数据认证服务的数据采集。采集的数据按照数据的来源和载体划分为结构化数据、半结构化数据、非结构化数据。具体采集数据的分类和来源按照图3所示，所采集的数据包括但不限于图3中所列数据。图3大数据认证服务采集数据的分类和来源7.3.2 数据质量检测对采集的数据，

15、从内容、形式和效用上进行数据质量的检测。具体检测规则按表1所示。表1数据质量检测规则质量层次质量维度质量类型规则内容形式一致性数值一致性同一对象属性取值的一致性逻辑一致性数据对数据结构、属性及关系的逻辑规则及时性更新及时性数据采集时数据是否为最新数据内容准确性值域正确性数据取值是否在某一确定范围内合理性数据合理性同一个字段的连续取值定义是否合理效用完整性参照完整性同一个业务的属性取值之间的参照关系列完整性数据记录的关键属性不能为空实体完整性标识符信息不能为空，同一个数据不能存在重复记录总体完整性数据总量必须满足一定的周期变化和总量7.4 数据属性标注对采集的数据进行属性标注，标注为直接认证信息

16、或辅助认证信息。具体采集数据的属性按照图4 所示。6图4大数据认证服务采集数据的属性77.5 直接认证信息匹配7.5.1 大数据认证平台将直接认证信息与基础信息中的证件号码进行匹配，匹配成功且人员为死亡状态，列入丧失待遇领取资格名单；匹配成功且人员为存活状态，列入具备待遇领取资格名单。7.5.2 7.5.1 中匹配不成功的人员进行辅助认证信息分析。7.6 辅助认证信息分析7.6.1 结合分类预测学习模型的分类结果，从一段时间内的本人或代表本人产生的相关行为信息中， 提取基础属性（性别、年龄、职业、参加社会保险类型、待遇状态）和分类特征属性（就医频度、就医周期、就医费用、行为种类、行为频度、行为

17、周期、认证结果）进行分析。7.6.2 通过机器学习、深度学习算法，分析数据属性与生存状态之间的关联关系，建立多维行为决策模型，再结合历史认证数据，建立生存状态认证模型来实现辅助认证信息分析。7.6.3 通过辅助认证信息分析确认具备待遇领取资格人员列入具备待遇领取资格名单；无法确认且在认证预警期的人员，列入待遇领取资格待核实名单。7.7 名单生成通过直接认证信息匹配和辅助认证信息分析，大数据认证平台最终生成3个名单，包括：a) 丧失待遇领取资格名单；b) 具备待遇领取资格名单；c) 待遇领取资格待核实名单。7.8 生物识别认证7.8.1 大数据认证平台自动向街道（镇）认证服务机构推送待遇领取资格

18、待核实名单人员相关信息， 包括但不限于：人员编号、姓名、身份证号码、人员类别、退休类别、单位编号、单位名称、户籍区划、街道（镇）、社区村庄、户籍地址、居住地址、待遇区划、认证状态、最新认证时间、认证有效期到期月份、认证来源、认证结果、最近行为内容、当前待遇领取状态、联系电话、更新时间。7.8.2 在待遇领取资格待核实人员的认证预警期内，街道（镇）认证服务机构每月通过手机短信向待遇领取资格待核实人员发送 1 次提示信息，提醒其可通过生物识别方式或人工服务窗口进行自助认证。7.8.3 在待遇领取资格待核实人员的认证有效期结束前 1 个月内，街道（镇）认证服务机构通过电话提醒方式告知其在规定时间内可

19、通过生物识别方式或人工服务窗口进行自助认证。7.8.4 生物识别认证的具体途径包括但不限于：a) 人力资源和社会保障部签发的电子社保卡；b) “青岛 AI 人社”微信公众号；c) “青岛人社”APP 手机客户端；d) 服务窗口自助服务设备。7.9 社会化服务认证针对7.8中无法认证的人员，街道（镇）认证服务机构通过社会化活动、上门认证等服务方式进行认证，确认其是否具备养老保险待遇领取资格。社会化活动具体包括但不限于文体娱乐活动、走访慰问、健康体检以及就诊、义诊、康复指导。7.10 停发养老保险待遇对于7.5.1中丧失待遇领取资格名单中和7.9中确认丧失养老保险待遇领取资格的人员，停止其养老保险

20、待遇发放。87.11 认证有效期递延将大数据认证的最终结果与具备待遇领取资格人员的原认证有效期进行对比，将其认证有效期开始时间递延更新。8 服务保障8.1 人员配备8.1.1 基本要求8.1.1.1 爱岗敬业，具有良好的职业道德修养和心理素质，以及较好的语言表达和沟通能力。8.1.1.2 熟悉养老保险待遇领取资格大数据认证服务规范，明确工作职责。8.1.1.3 熟悉养老保险政策和相关法律法规。8.1.1.4 能合理应对养老保险待遇领取人员的诉求或舆情事件。8.1.1.5 遵守保密规定，不泄露服务对象有关个人信息。8.1.2 专业技术人员能力大数据认证平台维护技术人员应具备的专业能力包括但不限于：具备数据处理、维度建模、数据分析等专业知识；熟悉 linux 系统，熟练掌握 Java、shell 开发语言；熟悉 oracle、mysql 等关系型数据库，具有数据库开发经验；熟悉 Hadoop、HBase、Kafka、Spark、ElasticSearch 等主流的大数据技术；