1.一种基于图像特征的业务异常检测方法,其特征在于,该方法包括:
从目标页面的页面图像中提取图像特征;
将提取出的所述图像特征输入预设的异常检测模型中进行计算;其中,所述异常检测模型为基于从若干正常页面以及异常界面中提取出的图像特征训练得到的机器学习模型;
基于所述异常检测模型的计算结果针对所述目标页面进行异常检测。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于预设的若干样本页面的页面图像生成图像样本集合;其中,所述图像样本集合中的正常页面的页面图像以及异常页面的页面图像均被标定了对应的识别标签;
分别提取所述图像样本集合中的页面图像的图像特征;
将提取出的图像特征作为训练样本,基于预设的机器学习算法进行训练以得到所述异常检测模型。
3.根据权利要求1或2所述的方法,其特征在于,所述异常检测模型为SVM支持向量机模型。
4.根据权利要求1或2所述的方法,其特征在于,所述图像特征为图像纹理特征;其中,所述图像纹理特征包括图像全局纹理特征和图像局部纹理特征。
5.根据权利要求4所述的方法,其特征在于,所述图像全局纹理特征为GLCM灰度共生矩阵特征;所述图像局部纹理特征为LBP局部二值模式特征。
6.一种基于图像特征的业务异常检测装置,其特征在于,该装置包括:
提取模块,从目标页面的页面图像中提取图像特征;
计算模块,将提取出的所述图像特征输入预设的异常检测模型中进行计算;其中,所述异常检测模型为基于从若干正常页面以及异常界面中提取出的图像特征训练得到的机器学习模型;
检测模块,基于所述异常检测模型的计算结果针对所述目标页面进行异常检测。
7.根据权利要求6所述的装置,其特征在于,所述提取模块进一步:
基于预设的若干样本页面的页面图像生成图像样本集合;其中,所述图像样本集合中的正常页面的页面图像以及异常页面的页面图像均被标定了对应的识别标签;分别提取所述图像样本集合中的页面图像的图像特征;
所述装置还包括:
训练模块,将提取出的图像特征作为训练样本,基于预设的机器学习算法进行训练以得到所述异常检测模型。
8.根据权利要求6或7所述的装置,其特征在于,所述异常检测模型为SVM模型。
9.根据权利要求6或7所述的装置,其特征在于,所述图像特征为图像纹理特征;其中,所述图像纹理特征包括图像全局纹理特征和图像局部纹理特征。
10.根据权利要求9所述的装置,其特征在于,所述图像全局纹理特征为GLCM灰度共生矩阵特征;所述图像局部纹理特征为LBP局部二值模式特征。