只能有一个Ⅲ类支付账户?关于央行新规你要知道这些

只能有一个Ⅲ类支付账户?关于央行新规你要知道这些

为了打击电信网络新型违法犯罪,9月30日,中国人民银行发布了《关于加强支付结算管理 防范电信网络新型违法犯罪有关事项的通知》,欲从加强账户实名制、阻断资金转移的主要通道、加强个人支付信息安全保护、建立个人资金保护长效机制等方面杜绝这种犯罪行为。其中部分信息特别值得雷锋网(公众号:雷锋网)读者关注。

一个银行账户

《通知》规定,自2016年12月1日起,同一个人在同一家银行(以法人为单位)只能开立一个Ⅰ类户(为银行结算账户,含银行卡),在同一家支付机构只能开立一个Ⅲ类户。

个人银行结算账户分为Ⅰ、Ⅱ、Ⅲ类。其中,Ⅰ类户为当前个人在银行柜面开立、现场核验身份的账户,具有全功能;Ⅱ、Ⅲ类户为通过银行柜面或者互联网等电子渠道开立的银行账户,具有有限功能,且需要与Ⅰ类户绑定使用。Ⅰ类银行账户与Ⅱ、Ⅲ类银行账户的关系就像是“钱箱”与“钱包”的关系。

《通知》主要对增量账户进行规范,即2016年12月1日起,个人在同一家银行已经开立Ⅰ类户的,不再新开Ⅰ类户,只能开立Ⅱ、Ⅲ类户。个人在2016年12月1日前已经开立的Ⅰ类户不受此次规定影响,仍然保持正常使用。

不过《通知》要求银行应当对2016年12月1日前同一个人开立多个Ⅰ类户的情况进行排查,核实个人开立多个账户的合理性。

一个支付账户

自2016年12月1日起,支付机构为个人开立支付账户的,同一个人在同一家支付机构只能开立一个Ⅲ类账户

同样,个人支付账户也分为Ⅰ、Ⅱ、Ⅲ类。其中,Ⅰ类户仅需要通过一个渠道验证身份信息,开户便捷性最高,账户余额可用于消费和转账,但限额较低;Ⅱ、Ⅲ类户分别需通过至少三个、五个渠道验证身份信息,或者通过面对面方式核实身份,具有更高的余额付款限额;Ⅲ类户的余额除了消费和转账外,还可用于购买投资理财产品。

支付机构应当于2016年11月30日前完成存量支付账户清理工作,联系开户人确认需保留的账户,其余账户降低类别管理或予以撤并;开户人未按规定时间确认的,支付机构应当保留其使用频率较高和金额较大的账户,后续可根据其申请进行变更。

这不是说每人只能有一个支付宝账户。目前支付宝一个人可以开设6个账户,不过现在要分门别类管理一下了。

一个好消息:同行存取现及转账免费

由于个人在一家银行只能开立一个Ⅰ类户,为方便个人异地生产生活需要,《通知》要求银行对本行行内异地存取现、转账等业务,收取异地手续费的,应当自《通知》下发之日起三个月内实现免费,以降低个人支付成本。

一天时间银行转账

《通知》规定,自2016年12月1日起,除向本人同行账户转账外,个人通过自助柜员机转账的,发卡行在受理24小时后办理资金转账,个人在24小时内可以向发卡行申请撤销转账。

这是因为,电信网络新型违法犯罪中近一半受害人是在不法分子的诱骗下,通过自助柜员机具(ATM)向诈骗账户转账。

人民银行表示,这一措施是特定阶段、特殊情况下采取的针对性措施,有助于将资金阻截在被诈骗分子转移之前,但的确也会对一些个人正常业务产生影响,并在一定程度上可能加大银行柜面工作量。对此,还会充分考虑支付安全性与便捷性的平衡,要求银行和银行卡清算机构进一步积极研究提高自助柜员机转账安全性的技术措施。

我们需要做什么?

人民银行表示,希望公众为保障自身资金安全和加强资金管理,能够主动清理本人名下的银行账户和支付账户,撤销已经不用或极少使用的账户,按银行和支付机构要求积极配合确认开立多个账户的合理性,并根据需要配合开展身份核实。

所以,快去清理账户吧。


本文作者:张驰

本文转自雷锋网禁止二次转载,原文链接

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值