业务流量数据的异常检测方法、装置、电子设备与流程

本公开涉及通信，具体涉及一种业务流量数据的异常检测方法、装置、电子设备。

背景技术：

1、当前，金融行业如银行等越来越多的依靠金融客户端为用户提供更加便捷的服务。金融客户端可实现与用户的交互，以及与服务器的通信，通过与服务器的通信实现业务数据的传输，进而为用户提供相应的业务服务。通常在金融服务系统中建立数据中心，数据中心作为金融客户端与服务器端数据传送的枢纽，承载着巨大的数据流量吞吐，以支撑各金融客户端的业务流程。因而，如果数据传输存在异常，需要数据中心及时发现，以避免业务流程的停滞，进而导致影响用户体验。

2、当前数据中心在进行数据监测时，对数据监测的指标单一，通过预设的特定阈值来判断数据的异常，进而生成告警提醒信息。然而，此种方式并未考虑金融行业业务数据的多样性，这就导致当前数据中心判断数据异常的方式过于单一，无法保证对业务流量数据的精准检测。

技术实现思路

1、为了解决相关技术中的问题，本公开实施例提供一种业务流量数据的异常检测方法、装置、电子设备。

2、第一方面，本公开实施例中提供了一种业务流量数据的异常检测方法，包括：

3、获取源对象端发送的业务流量数据；

4、对所述业务流量数据进行分类预处理，得到各业务类型的业务指标数据，其中，所述业务类型包括用户类型，交易风格类型以及操作规律类型；

5、将所述各业务类型的业务指标数据输入至目标分类检测模型中，根据所述目标分类检测模型中的告警阈值曲线对所述业务指标数据进行分类检测，其中，所述告警阈值曲线是由历史业务流量数据通过所述目标分类检测模型得到的；

6、当根据所述告警阈值曲线检测到所述业务指标数据中存在异常数据时，输出告警提示信息。

7、根据本公开的实施例，所述对所述业务流量数据进行分类预处理，得到各业务类型的业务指标数据，包括：

8、对所述业务流量数据进行时间排序和切片处理，以得到时间片数据；

9、根据所述业务类型，对所述时间片数据进行分类汇总，得到各业务类型的业务指标数据。

10、根据本公开的实施例，所述告警阈值曲线包括所述各业务类型对应的告警阈值曲线，所述将所述各业务类型的业务指标数据输入至目标分类检测模型中，根据所述目标分类检测模型中的告警阈值曲线对所述业务指标数据进行分类检测，包括：

11、将所述各业务类型的业务指标数据输入至所述目标分类检测模型中的所述各业务类型对应的通道中，所述通道包括对所述各业务类型的业务指标数据的检测算法；

12、在所述各业务类型对应的通道中，根据所述检测算法以及所述各业务类型对应的告警阈值曲线，对所述业务指标数据进行分类检测。

13、根据本公开的实施例，所述业务流量数据包括所述源对象端的属性信息，所述业务指标数据包括时间片数据和流量指标数据，所述对所述业务流量数据进行分类预处理，得到各业务类型的业务指标数据，包括：

14、对所述业务流量数据进行时间排序和切片处理，以得到时间片数据；

15、根据所述属性信息，对所述时间片数据进行分类汇总，得到各源对象端的时间片数据；

16、根据所述业务类型，对所述各源对象端的时间片数据进行分类汇总，得到各业务类型的业务指标数据。

17、根据本公开的实施例，所述将所述各业务类型的业务指标数据输入至目标分类检测模型中，根据所述目标分类检测模型中的告警阈值曲线对所述业务指标数据进行分类检测，包括：

18、将所述各业务类型的业务指标数据输入至所述目标分类检测模型中，由所述目标分类检测模型解析出所述业务指标数据对应的业务类型和属性信息；

19、根据所述业务指标数据对应的业务类型和属性信息查找对应的告警阈值曲线；

20、根据所述告警阈值曲线对所述业务指标数据进行分类检测。

21、根据本公开的实施例，所述目标分类检测模型包括至少两个基础检测模型，所述将所述各业务类型的业务指标数据输入至目标分类检测模型中，根据所述目标分类检测模型中的告警阈值曲线对所述业务指标数据进行分类检测，包括：

22、将所述各业务类型的业务指标数据分别输入至所述至少两个基础检测模型；

23、由所述至少两个基础检测模型中的一个检测所述各源对象端是否存在异常源对象端；

24、由所述至少两个基础检测模型中的另一个根据所述目标分类检测模型中的所述告警阈值曲线对所述业务指标数据进行分类检测。

25、第二方面，本公开实施例中提供了一种业务流量数据的异常检测装置，包括：

26、获取模块，用于获取源对象端发送的业务流量数据；

27、处理模块，用于对所述业务流量数据进行分类预处理，得到各业务类型的业务指标数据，其中，所述业务类型包括用户类型，交易风格类型以及操作规律类型；

28、输入模块，用于将所述各业务类型的业务指标数据输入至目标分类检测模型中，根据所述目标分类检测模型中的告警阈值曲线对所述业务指标数据进行分类检测，其中，所述告警阈值曲线是由历史业务流量数据通过所述目标分类检测模型得到的；

29、输出模块，用于当根据所述告警阈值曲线检测到所述业务指标数据中存在异常数据时，输出告警提示信息。

30、根据本公开的实施例，所述处理模块具体用于：

31、对所述业务流量数据进行时间排序和切片处理，以得到时间片数据；

32、根据所述业务类型，对所述时间片数据进行分类汇总，得到各业务类型的业务指标数据。

33、根据本公开的实施例，所述告警阈值曲线包括所述各业务类型对应的告警阈值曲线，所述输入模块具体用于：

34、将所述各业务类型的业务指标数据输入至所述目标分类检测模型中的所述各业务类型对应的通道中，所述通道包括对所述各业务类型的业务指标数据的检测算法；

35、在所述各业务类型对应的通道中，根据所述检测算法以及所述各业务类型对应的告警阈值曲线，对所述业务指标数据进行分类检测。

36、根据本公开的实施例，所述业务流量数据包括所述源对象端的属性信息，所述业务指标数据包括时间片数据和流量指标数据，所述处理模块具体用于：

37、对所述业务流量数据进行时间排序和切片处理，以得到时间片数据；

38、根据所述属性信息，对所述时间片数据进行分类汇总，得到各源对象端的时间片数据；

39、根据所述业务类型，对所述各源对象端的时间片数据进行分类汇总，得到各业务类型的业务指标数据。

40、根据本公开的实施例，所述输入模块具体用于：

41、将所述各业务类型的业务指标数据输入至所述目标分类检测模型中，由所述目标分类检测模型解析出所述业务指标数据对应的业务类型和属性信息；

42、根据所述业务指标数据对应的业务类型和属性信息查找对应的告警阈值曲线；

43、根据所述告警阈值曲线对所述业务指标数据进行分类检测。

44、根据本公开的实施例，所述目标分类检测模型包括至少两个基础检测模型，所述输入模块具体用于：

45、将所述各业务类型的业务指标数据分别输入至所述至少两个基础检测模型；

46、由所述至少两个基础检测模型中的一个检测所述各源对象端是否存在异常源对象端；

47、由所述至少两个基础检测模型中的另一个根据所述目标分类检测模型中的所述告警阈值曲线对所述业务指标数据进行分类检测。

48、第三方面，本公开实施例提供了一种电子设备，包括存储器和处理器，其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如第一方面所述的方法。

49、第四方面，本公开实施例中提供了一种计算机可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现如第一方面所述的方法。

50、第五方面，本公开实施例中提供了一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现如第一方面所述的方法步骤。

51、通过上述实现方式，根据业务类型对业务流量数据进行分类处理，将业务流量数据细化为各业务类型的业务指标数据，并将各业务类型的业务指标数据输入至目标分类检测模型中，能够实现目标分类检测模型基于各业务类型的业务指标数据进行分类检测，并在发现异常时输出告警提示信息。通过上述方式，考虑了数据的业务类型，细化了数据检测的颗粒度，进而提升了检测精度。

52、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。