业务的异常检测方法、装置及计算机设备与流程

本公开涉及大数据处理领域，尤其涉及一种业务的异常检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

背景技术：

1、目前，金融机构、电商平台等经常会开展大量的业务活动，通过业务活动向新老用户投放一定的资源，以扩大用户规模、提高用户活跃度。这些业务活动通常可以起到一定的积极效果，但也有部分用户故意利用业务活动的漏洞或通过批量注册账户等方式，大量违规获取平台投放的资源，这种异常行为给平台造成了严重损失。

2、为降低平台开展业务活动的风险以及减少平台损失，目前可以通过人工监测或使用爬虫技术检测业务活动中的异常行为。然而，人工监测需要熟悉业务活动规则的工作人员时刻关注业务数据，人工确定异常，这种方式面对海量数据时效率低下，效果欠佳。爬虫监控一般是通过关键字检测外部活动数据，检测力度有限，准确性和时效性都不理想。

技术实现思路

1、基于此，针对上述技术问题，提供一种业务的异常检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。本公开的技术方案如下：

2、根据本公开实施例的一个方面，提供一种业务的异常检测方法，包括：

3、获取目标业务的实时数据；

4、根据所述目标业务的类型确定异常监控指标，并根据确定出的异常监控指标从所述实时数据中筛选出异常监控数据；

5、获取与所述异常监控指标对应的异常识别实现类；所述异常识别实现类用于确认所识别的数据是否满足预设的异常识别规则；

6、将所述异常识别实现类导入预设模板，得到异常检测脚本；

7、通过所述异常检测脚本对所述异常监控数据进行检测，得到满足所述异常识别规则的异常数据。

8、在其中一个实施例中，所述异常识别实现类通过以下方式得到：

9、获取系统中多个业务的资源投放规则；所述多个业务包括所述目标业务；

10、根据所述资源投放规则生成异常识别规则；

11、将所述异常识别规则生成编程语言可调用的异常识别实现类。

12、在其中一个实施例中，所述通过所述异常检测脚本对所述异常监控数据进行检测，得到满足所述异常监控指标的异常数据包括：

13、根据预设的定时频率和所述异常检测脚本，生成定时任务；

14、通过所述定时任务对所述异常监控数据进行检测，得到异常数据。

15、在其中一个实施例中，在根据预设的定时频率和所述异常检测脚本，生成定时任务之后，还包括：

16、获取所述目标业务新增的资源投放规则；

17、根据所述新增的资源投放规则生成新的异常识别实现类；

18、根据所述新的异常识别实现类对所述定时任务进行更新。

19、在其中一个实施例中，在通过所述异常检测脚本对所述异常监控数据进行识别，得到满足所述异常监控指标的异常数据之后，还包括：

20、检测所述异常数据是否高于预设第一阈值，若高于所述第一阈值，则根据所述异常数据生成预警信息，并将所述预警信息发送至指定终端。

21、在其中一个实施例中，在通过所述异常检测脚本对所述异常监控数据进行识别，得到满足所述异常监控指标的异常数据之后，还包括：

22、检测所述异常数据是否高于预设第二阈值，若高于所述第二阈值，则中止所述目标业务并发布预设的应急文案。

23、根据本公开实施例的另一方面，提供一种业务的异常检测装置，包括：

24、数据获取模块，用于获取目标业务的实时数据；

25、监控指标确定模块，用于根据所述目标业务的类型确定异常监控指标，并根据确定出的异常监控指标从所述实时数据中筛选出异常监控数据；

26、指标处理模块，用于获取与所述异常监控指标对应的异常识别实现类；所述异常识别实现类用于确认所识别的数据是否满足预设的异常识别规则；

27、脚本生成模块，用于将所述异常识别实现类导入预设模板，得到异常检测脚本；

28、监控检测模块，用于通过所述异常检测脚本对所述异常监控数据进行检测，得到满足所述异常识别规则的异常数据。

29、根据本公开实施例的另一方面，还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

30、根据本公开实施例的另一方面，还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

31、根据本公开实施例的另一方面，还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

32、本公开实施例提供的技术方案中，可以根据目标业务的类型确定异常监控指标，并根据异常监控指标从业务数据中筛选出需要进行异常监控的数据，再将预设的与异常监控指标对应的异常识别实现类导入到预设模板中，可以通过模板得到的脚本对筛选出的数据进行检测，得到与异常识别实现类中异常规则所匹配的异常数据。其中，异常识别实现类可以预先根据业务系统中指定的业务活动规则提前配置，这样在对目标业务进行异常检测时，可以根据业务类型确定异常监控指标并选择对应的实现类，无需针对每个业务活动训练模型，并且在模板的基础上可以灵活配置异常识别实现类，可扩展性强，方案简单易行，检测效率更高，适用于快速解决大批量业务的异常检测。

33、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。

技术特征：

1.一种业务的异常检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述异常识别实现类通过以下方式得到：

3.根据权利要求1所述的方法，其特征在于，所述通过所述异常检测脚本对所述异常监控数据进行检测，得到满足所述异常监控指标的异常数据包括：

4.根据权利要求3所述的方法，其特征在于，在根据预设的定时频率和所述异常检测脚本，生成定时任务之后，还包括：

5.根据权利要求1所述的方法，其特征在于，在通过所述异常检测脚本对所述异常监控数据进行识别，得到满足所述异常监控指标的异常数据之后，还包括：

6.根据权利要求1所述的方法，其特征在于，在通过所述异常检测脚本对所述异常监控数据进行识别，得到满足所述异常监控指标的异常数据之后，还包括：

7.一种业务的异常检测装置，其特征在于，包括：

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结
本申请涉及一种业务的异常检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，可用于金融领域业务数据的异常检测。其中，检测方法包括：根据目标业务的类型确定异常监控指标，并根据异常监控指标从业务数据中筛选出需要进行异常监控的数据，再将预设的与异常监控指标对应的异常识别实现类导入到预设模板中，可以通过模板得到的脚本对筛选出的数据进行检测，得到与异常识别实现类中异常规则所匹配的异常数据。这样，无需针对每个业务活动训练模型，并且在模板的基础上可以灵活配置异常识别实现类，可扩展性强，方案简单易行，检测效率更高，适用于快速解决大批量业务的异常检测。

技术研发人员：刘晓霞,李驰,杨黎
受保护的技术使用者：中国银行股份有限公司
技术研发日：
技术公布日：2024/1/15