CN111489074A - 数据处理方法、装置、设备及存储介质 - Google Patents
数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111489074A CN111489074A CN202010264104.9A CN202010264104A CN111489074A CN 111489074 A CN111489074 A CN 111489074A CN 202010264104 A CN202010264104 A CN 202010264104A CN 111489074 A CN111489074 A CN 111489074A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- risk
- value
- project
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 69
- 230000002159 abnormal effect Effects 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims description 30
- 230000005856 abnormality Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 3
- 239000000047 product Substances 0.000 description 20
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 208000001613 Gambling Diseases 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000037805 labour Diseases 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书的一个或多个实施例公开了一种数据处理方法、装置、设备及存储介质，该数据处理方法包括：获取目标项目的多个目标节点的业务数据；对于每个目标节点，根据目标节点的业务数据，确定用于表征目标节点的异常程度的第一数据；对多个目标节点的第一数据进行处理，得到用于表征目标项目的异常程度的目标数据；根据目标数据，确定目标项目的风险监控结果；输出目标项目的风险监控结果。根据本说明书实施例，可以及时发现目标项目的异常风险，避免出现目标项目的风险无法被发现的问题。
Description
技术领域
本说明书属于计算机领域，尤其涉及一种数据处理方法、装置、设备及存储介质。
背景技术
随着信息技术的发展，用户在日常的生活和工作中可以使用越来越多的业务，满足用户的使用需求。
由于业务在运行过程中存在一定的风险，针对此问题，相关的解决方式是以产品为维度，判断产品的大盘业务数据(即产品的整体业务数据)是否异常，以监控该产品的是否有风险。但是，由于某些风险出现时，大盘业务数据并不会出现异常，因此，基于大盘业务数据进行风险监控时，会出现有些风险无法被发现的问题。
发明内容
本说明书实施例提供一种数据处理方法、装置、设备及存储介质，能够解决有些风险无法被发现的问题。
一方面，本说明书实施例提供一种数据处理方法，应用于计算机设备，该数据处理方法包括：
获取目标项目的多个目标节点的业务数据；
对于每个目标节点，根据目标节点的业务数据，确定用于表征目标节点的异常程度的第一数据；
对多个目标节点的第一数据进行处理，得到用于表征目标项目的异常程度的目标数据；
根据目标数据，确定目标项目的风险监控结果；
输出目标项目的风险监控结果。
另一方面，本说明书实施例提供了一种数据处理装置，应用于计算机设备，该数据处理装置包括：
业务数据获取模块，用于获取目标项目的多个目标节点的业务数据；
第一数据确定模块，用于对于每个目标节点，根据目标节点的业务数据，确定用于表征目标节点的异常程度的第一数据；
目标数据确定模块，用于对多个目标节点的第一数据进行处理，得到用于表征目标项目的异常程度的目标数据；
监控结果确定模块，用于根据目标数据，确定目标项目的风险监控结果；
监控结果输出模块，用于输出目标项目的风险监控结果。
再一方面，本说明书实施例提供了一种计算机设备，该计算机设备包括：处理器以及存储有计算机程序指令的存储器；处理器执行计算机程序指令时实现上述的数据处理方法。
再一方面，本说明书实施例提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现上述的数据处理方法。
本说明书实施例的数据处理方法、装置、设备及存储介质，由于目标项目的风险情况体现在其各个目标节点(比如目标节点为风险节点)的业务数据上。因此，计算机设备从目标节点的业务数据入手，先根据每个目标节点的业务数据，确定用于表征目标节点的异常程度的第一数据。然后计算机设备根据多个目标节点的第一数据，反推得到表征目标项目的异常程度的目标数据，并输出风险监控结果。由于本发明实施例是以项目为维度进行风险监控，而不是以整个产品为维度进行风险监控，因此，如果产品的目标项目出现异常，即使该目标项目的异常没有导致大盘业务数据的异常，也可以及时发现该目标项目的异常风险，避免出现目标项目的风险无法被发现的问题。
附图说明
为了更清楚地说明本说明书实施例的技术方案，下面将对本说明书实施例中所需要使用的附图作简单的介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本说明书一个实施例提供的用于实现数据处理方法的系统框架图；
图2示出了本说明书一个实施例提供的数据处理方法的流程示意图；
图3示出了本发明一个实施例提供的项目层-节点层-风险域-指标层的链路结构示意图；
图4示出了本说明书另一个实施例提供的数据处理方法的流程示意图；
图5示出了本说明书一个实施例提供的数据处理装置的结构示意图；
图6示出了本说明书一个实施例提供的计算机设备的硬件结构示意图。
具体实施方式
下面将详细描述本说明书的各个方面的特征和示例性实施例，为了使本说明书的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本说明书进行进一步详细描述。对于本领域技术人员来说，本说明书可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本说明书的示例来提供对本说明书更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
由于业务在运行过程中存在一定的风险，针对此问题，相关技术中的解决方式是以产品为维度，监控产品的大盘业务数据是否异常，以监控该产品是否有风险。其中，主要的监控路径为：人工为各个风险类型进行配置，从风险类型出发，对交易、转账等大盘业务数据进行监控。
但是，有时候一个产品的项目的异常并不会导致大盘业务数据的异常，比如，业务量级小的项目的异常并不会导致大盘业务数据的异常，这样就导致无法发现该项目的异常风险。
为了解决上述技术问题，本说明书实施例提供了一种数据处理方法、装置、设备及存储介质。下面首先对本说明书实施例所提供的用于实现数据处理方法的系统框架进行介绍。
如图1所示，目标项目的运行流程包括多个节点，分别是节点1至节点N，N为大于或等于2的正整数。通过对目标项目的运行流程中的每个节点进行分析，以从目标项目的运行流程中筛选出多个具有潜在风险的目标节点(比如节点1、节点2和节点3)。由于目标项目存在风险时，目标项目的风险体现在目标节点的业务数据上。因此，先根据筛选出的多个目标节点的业务数据，得到各个目标节点的异常情况。然后根据各个目标节点的异常情况，反推出目标项目的风险情况。
基于上述系统框架，下面首先对本说明书实施例所提供的数据处理方法进行介绍。图2示出了本说明书一个实施例提供的数据处理方法的流程示意图。数据处理方法应用与计算机设备，如图2所示，数据处理方法包括：
S101，获取目标项目的多个目标节点的业务数据。
其中，目标项目的运行流程中有多个节点，目标节点可以是从目标项目的运行流程的所有节点中筛选出的具有潜在风险的风险节点。比如，会员卡项目的运行流程包括以下节点：点击开通会员卡、签订协议、分配会员卡、领取会员卡和会员支付。对于点击开通会员卡、签订协议、领取会员卡和会员支付这四个节点，由于点击开通会员卡的操作、签订协议的操作、领取会员卡的操作和会员支付的操作可能不是用户本人的操作，因此，这四个节点为具有潜在风险的风险节点。
S102，对于每个目标节点，根据目标节点的业务数据，确定目标节点的用于表征业务节点异常程度的第一数据。
其中，第一数据可以为用于表征业务节点异常程度的异常分值。比如异常分值越高，表示业务节点越异常。或者，第一数据可以为业务节点的异常等级。比如，异常等级越高，表示业务节点越异常。
S103，对多个目标节点的第一数据进行处理，得到用于表征目标项目的异常程度的目标数据。
其中，目标数据可以为用于表征目标项目的异常程度的风险分值。
S104，根据目标数据，确定目标项目的风险监控结果。
S105，输出目标项目的风险监控结果。
其中，可以在风险监控结果满足预定条件时，发出风险告警，从而通知相关负责人及时跟进处理。
在本说明书实施例中，由于目标项目的风险情况体现在其各个目标节点(比如目标节点为风险节点)的业务数据上。因此，计算机设备从目标节点的业务数据入手，先根据每个目标节点的业务数据，确定用于表征目标节点的异常程度的第一数据。然后计算机设备根据多个目标节点的第一数据，反推得到表征目标项目的异常程度的目标数据，并输出风险监控结果。由于本说明书实施例是以项目为维度进行风险监控，而不是以整个产品为维度进行风险监控，监控维度的粒度更小。因此，如果产品的目标项目出现异常，即使该目标项目的异常没有导致大盘业务数据的异常，也可以及时发现该目标项目的异常风险，避免出现目标项目的风险无法被发现的问题。
相比于监控大盘业务数据而言，本说明书实施例可以挖掘出项目的风险，避免出现由于监控大盘业务数据而无法细化各项目场景，导致的项目风险异常被漏过的情况。比如，一个产品(该产品可以是一个应用程序)具有多个项目，如果业务量小的项目被非法使用，导致该项目的业务量激增，出现异常。但是，由于该项目的业务量远小于整个产品的业务量，因此，该项目的异常并没有给整个产品的大盘业务数据带来异常。如果以产品为维度进行风险监控，那么基于产品的大盘业务数据无法发现项目异常。而采用本说明书实施例的方案，以项目为维度进行监控，可以及时发现项目的异常。
另外，本说明书实施例的方案可以在产品的新项目上线时，自动将该项目作为监控主体，对该项目的风险节点进行套现、作弊等方面的风险监控。由于不需要工作人员针对各个项目进行配置，而且多个项目可以共用一套监控系统，实现项目的系统化监控，可以大幅度节省人力开发成本。
在本说明书的一个或多个实施例中，每个目标节点对应多个风险类型，每个目标节点的业务数据包括：与每个风险类型分别相关的多个预定指标的业务数据。
根据目标节点的业务数据，确定目标节点的用于表征业务节点异常程度的第一数据，具体包括：
对每个预定指标的业务数据进行异常检测，得到每个预定指标的第二数据，第二数据表征预定指标的异常程度；
对同一个风险类型关联的多个预定指标的第二数据进行处理，得到每个风险类型的第三数据，第三数据表征风险类型对应的异常程度；
对同一个目标节点的多个风险类型分别对应的第三数据进行处理，得到目标节点的第一数据。
比如，第二数据为预定指标的异常分值，第三数据为风险类型对应的异常分值，第一数据为目标节点的异常分值。当然，在此并不限定第一数据至第三数据为异常分值，第一数据至第三数据还可以为异常等级。
其中，图3示出了本说明书一个实施例提供的项目层-节点层-风险域-指标层的链路结构示意图。
参考图3，项目层的目标项目是监控主体，针对每一个提交进行风险评估的目标项目，统一为该目标项目生成主体标识(比如项目号)。
节点层包括目标项目的运行流程中的风险节点，一个目标项目可关联多个风险节点。在图3中，目标项目的目标节点1、目标节点2和目标节点3是风险节点。
风险域包括不同风险类型，如赌博、作弊等具象风险类型。风险域包括每个风险节点分别对应多个风险类型。在图3中，目标节点1有三种风险类型，分别是风险类型1、风险类型2和风险类型3。比如，风险类型1为赌博风险，风险类型2为作弊风险，风险类型3为信用风险。与目标节点1类似，目标节点2和目标节点3分别对应多个风险类型。其中，目标节点1至目标节点3之间风险类型可以相同或不相同。
指标层为项目风险监控数据变量层，预定指标的业务数据以时间为序列，记录单维度数据表现，主要涵盖业务量统计、风险稽核统计、风险案件统计等类型数据。在图3中，风险类型1关联有预定指标1至预定指标3，比如，预定指标1为风险拦截量，预定指标2为风险案件量，预定指标3为其他风险变量。与风险类型1类似，风险类型2和风险类型3分别关联多个预定指标。风险类型1至风险类型3之间关联的预定指标可以相同或不相同。
由此形成了项目层-节点层-风险域-指标层的监控粒度逐渐减小的链路结构。基于此链路结构，(1)根据风险类型1的三个预定指标的业务数据，得到每个预定指标的异常程度。(2)将预定指标的异常程度反馈给风险域层，得到风险类型1对应的异常程度。同理，得到风险类型2和风险类型3分别对应的异常程度。(3)将风险类型对应的异常程度反馈给目标节点。其中，根据目标节点1对应的风险类型1至风险类型3的异常程度，得到目标节点1的异常程度。同理，得到目标节点2和目标节点3的异常程度。(4)将目标节点1至目标节点3的异常程度反馈给目标项目，得到目标项目的异常程度。(5)根据目标项目的异常程度输出目标项目的风险监控结果。其中，风险监控结果输出的时效性依赖于获取预定指标的业务数据的时效性。
本说明书实施例中，基于项目层-节点层-风险域-指标层的监控粒度逐渐减小的链路结构，从最小监控粒度(即指标)的业务数据出发，搭建以项目为维度的监控系统。在项目上线后，将项目作为监控主体，并通过前端产品，实现数据的可视化，及针对各项目、操作节点、风险域的风险等级的查询及跟踪服务。解决了由于风险指标黑盒，对风险节点、风险类型、风险稽核、案件指标等数据缺乏了解，导致的同类型项目上线后重复发生历史风险的问题。本发明实施例以项目为维度进行风险监控，将风险监控细化到每一个项目，每个项目都以项目层-节点层-风险域-指标层的监控链路进行监控，大幅度提升项目风险监控的覆盖面，同时满足监控场景细化的需求。有效地解决了大盘业务数据无波动，项目数据突发异常无法被发现的问题。
在本说明书的一个或多个实施例中，每个预定指标的业务数据包括预定指标的第一数值和第二数值；其中，第一数值为预定指标在第一时间的实际数值，第二数值为预定指标在上一个周期内的平均值；或者，第一数值为预定指标在第一时间的实际数值，第二数值为预定指标在第一时间的预测数值。
对每个预定指标的业务数据进行异常检测，得到每个预定指标的第二数据，包括：
计算第一数值和第二数值之间的差值；根据第一数值和第二数值之间的差值，确定每个预定指标的第二数据。
其中，每个预定指标的第二数据可以包括预定指标的异常分值。第一数值和第二数值之间的差值越大，预定指标的异常分值越大。
本说明书实施例中，每个预定指标的数值呈现周期性地变化，比如，预定指标的数值按照小时、天、周、月等周期发生变化。可以计算预定指标在第一时间(比如当前时间)的实际数值与预定指标在上一个周期内的平均值之间的差值，根据该差值确定每个预定指标的第二数据。
或者，根据预定指标在上一个周期内的数值预测预定指标在第一时间(比如当前时间)的预测数值，计算预定指标在第一时间的预测数值和在第一时间的实际数值之间的差值，根据该差值确定每个预定指标的第二数据。
在本说明书的一个或多个实施例中，S101具体包括：
为每个目标节点配置标识信息；
根据每个目标节点的标识信息，从预定引擎的实时业务数据中定位到每个目标节点的业务数据。
本说明书实施例中，通过为每个目标节点配置标识信息，该标识信息可以具有唯一性，用来标记目标项目在某个目标节点下的业务数据。基于此，在对接预定引擎(比如风控引擎)之后，预定引擎中混合了目标项目的所有节点的实时业务数据，可以根据每个目标节点的标识信息，从预定引擎的实时业务数据中筛选出具有同一标识信息的业务数据，具有同一标识信息的业务数据即为同一个目标节点的业务数据。
在本说明书的一个或多个实施例中，S103具体包括：
对多个目标节点的第一数据进行加权计算，得到加权计算的结果；将加权计算的结果作为目标数据。
其中，先为每个目标节点赋予权重系数，再根据每个目标节点的权重系数，对多个目标节点的第一数据进行加权计算。赋予权重系数的方式包括等权、熵权、灰色关联和神经网络等赋权方式。
另外，针对图3所示的项目层-节点层-风险域-指标层的监控粒度逐渐减小的链路结构，在得到每个预定指标的异常分值之后，将同一个风险类型关联的多个预定指标的异常分值进行加权计算，得到每个风险类型的异常分值。然后，对同一个目标节点的多个风险类型分别对应的异常分值进行加权计算，得到每个目标节点的异常分值。由此实现了从指标层的业务数据开始，反向推出项目层的风险情况。
在本说明书的一个或多个实施例中，目标数据为用于表征目标项目的异常程度的风险分值。
S104具体包括：
获取目标项目的风险分值所在的目标数值范围；
根据多个数值范围与多个风险等级的对应关系，确定目标数值范围对应的目标风险等级；
将目标风险等级作为目标项目的风险监控结果。
本说明书实施例中，根据目标项目的风险分值输出对应的目标风险等级，从而项目风险负责人判断目标项目的风险程度，进而方便采取对应的处理方式应对目标项目的风险。另外，由于在项目发生风险时，可以自动告警项目风险，再由相关负责人关注并进行跟进，避免了人力时刻关注项目是否具有风险，节省了一部分人力资源。
图4示出了本说明书另一个实施例提供的数据处理方法的流程示意图。该数据处理方法应用于电子设备，该数据处理方法包括：
S201，获取目标项目的多个目标节点。
其中，在接收到提交的目标项目的情况下，对目标项目的运行流程中的各个节点进行分析，并在目标项目的运行流程中筛选出有出现风险的可能的多个目标节点。
S202，为每个目标节点进行特征刻画。具体的，为每个目标节点配置标识信息，该标识信息可以为枚举值。
S203，对接预定引擎，从预定引擎的实时业务数据中定位到每个目标节点的业务数据。具体地，从预定引擎的实时业务数据中筛选出具有相同枚举值的业务数据，具有相同枚举值的业务数据即为同一个目标节点的业务数据。
S204，业务数据合并。
在S204中，按照项目层-节点层-风险域-指标层的监控粒度逐渐减小的链路结构，从粒度最小的指标层出发，先利用时序异常检测算法，检测每个预定指标的时序数据，得到每个预定指标的异常分值。然后将同一风险类型关联的多个预定指标的异常分值进行加权求和，得到每个风险类型的异常分值。再然后将同一目标节点对应的多个风险类型的异常分值进行加权求和，得到每个目标节点的异常分值。再然后将目标项目的多个目标节点的异常分值进行加权求和，得到目标项目的异常分值。
S205，输出风险监控结果。
在S205中，在得到目标项目的异常分值之后，划分目标项目的目标风险等级，在该目标风险等级高于预定等级阈值的情况下，输出目标项目的风险监控结果，以进行风险告警。其中，可以通过社交软件、短信或邮件等方式输出风险监控结果，从而通知项目风险负责人进行风险跟进并处理。
图5示出了本说明书一个实施例提供的数据处理装置的结构示意图。该数据处理装置应用于计算机设备，如图5所示，数据处理装置包括：
业务数据获取模块301，用于获取目标项目的多个目标节点的业务数据；
第一数据确定模块302，用于对于每个目标节点，根据目标节点的业务数据，确定用于表征目标节点的异常程度的第一数据；
目标数据确定模块303，用于对多个目标节点的第一数据进行处理，得到用于表征目标项目的异常程度的目标数据；
监控结果确定模块304，用于根据目标数据，确定目标项目的风险监控结果；
监控结果输出模块305，用于输出目标项目的风险监控结果。
在本说明书实施例中，由于目标项目的风险情况体现在其各个目标节点(比如目标节点为风险节点)的业务数据上。因此，计算机设备从目标节点的业务数据入手，先根据每个目标节点的业务数据，确定用于表征目标节点的异常程度的第一数据。然后计算机设备根据多个目标节点的第一数据，反推得到表征目标项目的异常程度的目标数据，并输出风险监控结果。由于本说明书实施例是以项目为维度进行风险监控，而不是以整个产品为维度进行风险监控，监控维度的粒度更小。因此，如果产品的目标项目出现异常，即使该目标项目的异常没有导致大盘业务数据的异常，也可以及时发现该目标项目的异常风险，避免出现目标项目的风险无法被发现的问题。
在本说明书的一个或多个实施例中，每个目标节点对应多个风险类型，每个目标节点的业务数据包括：与每个风险类型分别相关的多个预定指标的业务数据；
第一数据确定模块302包括：
异常检测模块，用于对每个预定指标的业务数据进行异常检测，得到每个预定指标的第二数据，第二数据表征预定指标的异常程度；
第一处理模块，用于对同一个风险类型关联的多个预定指标的第二数据进行处理，得到每个风险类型的第三数据，第三数据表征风险类型对应的异常程度；
第二处理模块，用于对同一个目标节点的多个风险类型分别对应的第三数据进行处理，得到目标节点的第一数据。
在本说明书的一个或多个实施例中，每个预定指标的业务数据包括预定指标的第一数值和第二数值；其中，第一数值为预定指标在第一时间的实际数值，第二数值为预定指标在上一个周期内的平均值；或者，第一数值为预定指标在第一时间的实际数值，第二数值为预定指标在第一时间的预测数值；
异常检测模块，具体用于计算第一数值和第二数值之间的差值；根据第一数值和第二数值之间的差值，确定每个预定指标的第二数据。
在本说明书的一个或多个实施例中，业务数据获取模块301包括：
标识配置模块，用于为每个目标节点配置标识信息；
数据筛选模块，用于根据每个目标节点的标识信息，从预定引擎的实时业务数据中定位到每个目标节点的业务数据。
在本说明书的一个或多个实施例中，目标数据确定模块303包括：
加权计算模块，用于对多个目标节点的第一数据进行加权计算，得到加权计算的结果；
加权数据确定模块，用于将加权计算的结果作为目标数据。
在本说明书的一个或多个实施例中，目标数据为用于表征目标项目的异常程度的风险分值。
监控结果确定模块305包括：
范围获取模块，用于获取风险分值所在的目标数值范围；
风险等级确定模块，用于根据多个数值范围与多个风险等级的对应关系，确定目标数值范围对应的目标风险等级；
风险结果确定模块，用于将目标风险等级作为目标项目的风险监控结果。
图6示出了本说明书一个实施例提供的计算机设备的硬件结构示意图。
计算机设备可以包括处理器401以及存储有计算机程序指令的存储器402。
具体地，上述处理器401可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本说明书实施例的一个或多个集成电路。
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器402可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器402可在综合网关容灾设备的内部或外部。在特定实施例中，存储器402是非易失性固态存储器。在特定实施例中，存储器402包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器401通过读取并执行存储器402中存储的计算机程序指令，以实现上述实施例中的任意一种数据处理方法。
在一个示例中，计算机设备还可包括通信接口403和总线410。其中，如图6所示，处理器401、存储器402、通信接口403通过总线410连接并完成相互间的通信。
通信接口403，主要用于实现本说明书实施例中各模块、装置、单元和/或设备之间的通信。
总线410包括硬件、软件或两者，将计算机设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线410可包括一个或多个总线。尽管本说明书实施例描述和示出了特定的总线，但本说明书考虑任何合适的总线或互连。
该计算机设备可以执行本说明书实施例中的数据处理方法，从而实现结合图2、图4和图5描述的数据处理方法和装置。
另外，结合上述实施例中的数据处理方法，本说明书实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种数据处理方法。
需要明确的是，本说明书并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本说明书的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本说明书的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本说明书的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本说明书中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本说明书不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述，仅为本说明书的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本说明书的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本说明书揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本说明书的保护范围之内。
Claims (14)
1.一种数据处理方法，应用于计算机设备，所述方法包括：
获取目标项目的多个目标节点的业务数据；
对于每个所述目标节点，根据所述目标节点的业务数据，确定用于表征所述目标节点的异常程度的第一数据；
对所述多个目标节点的第一数据进行处理，得到用于表征所述目标项目的异常程度的目标数据；
根据所述目标数据，确定所述目标项目的风险监控结果；
输出所述目标项目的风险监控结果。
2.根据权利要求1所述的方法，其中，每个所述目标节点对应多个风险类型，每个所述目标节点的业务数据包括：与每个所述风险类型分别相关的多个预定指标的业务数据；
所述根据所述目标节点的业务数据，确定所述目标节点的用于表征业务节点异常程度的第一数据，具体包括：
对每个所述预定指标的业务数据进行异常检测，得到每个所述预定指标的第二数据，所述第二数据表征所述预定指标的异常程度；
对同一个所述风险类型关联的多个预定指标的第二数据进行处理，得到每个所述风险类型的第三数据，所述第三数据表征所述风险类型对应的异常程度；
对同一个所述目标节点的所述多个风险类型分别对应的第三数据进行处理，得到所述目标节点的第一数据。
3.根据权利要求2所述的方法，其中，每个所述预定指标的业务数据包括预定指标的第一数值和第二数值；其中，所述第一数值为预定指标在第一时间的实际数值，所述第二数值为预定指标在上一个周期内的平均值；或者，所述第一数值为预定指标在第一时间的实际数值，第二数值为预定指标在第一时间的预测数值；
所述对每个所述预定指标的业务数据进行异常检测，得到每个所述预定指标的第二数据，包括：
计算所述第一数值和所述第二数值之间的差值；
根据所述第一数值和所述第二数值之间的差值，确定每个所述预定指标的第二数据。
4.根据权利要求1所述的方法，其中，所述获取目标项目的多个目标节点的业务数据，具体包括：
为每个所述目标节点配置标识信息；
根据每个所述目标节点的标识信息，从预定引擎的实时业务数据中定位到每个所述目标节点的业务数据。
5.根据权利要求1所述的方法，其中，所述对所述多个目标节点的第一数据进行处理，得到用于表征所述目标项目的异常程度的目标数据，具体包括：
对所述多个目标节点的第一数据进行加权计算，得到加权计算的结果；
将所述加权计算的结果作为所述目标数据。
6.根据权利要求1所述的方法，其中，所述目标数据为用于表征所述目标项目的异常程度的风险分值；
所述根据所述目标数据，确定所述目标项目的风险监控结果，具体包括：
获取所述风险分值所在的目标数值范围；
根据多个数值范围与多个风险等级的对应关系，确定所述目标数值范围对应的目标风险等级；
将所述目标风险等级作为所述目标项目的风险监控结果。
7.一种数据处理装置，应用于计算机设备，所述装置包括：
业务数据获取模块，用于获取目标项目的多个目标节点的业务数据；
第一数据确定模块，用于对于每个所述目标节点，根据所述目标节点的业务数据，确定用于表征所述目标节点的异常程度的第一数据；
目标数据确定模块，用于对所述多个目标节点的第一数据进行处理，得到用于表征所述目标项目的异常程度的目标数据；
监控结果确定模块，用于根据所述目标数据，确定所述目标项目的风险监控结果；
监控结果输出模块，用于输出所述目标项目的风险监控结果。
8.根据权利要求7所述的装置，其中，每个所述目标节点对应多个风险类型，每个所述目标节点的业务数据包括：与每个所述风险类型分别相关的多个预定指标的业务数据；
所述第一数据确定模块包括：
异常检测模块，用于对每个所述预定指标的业务数据进行异常检测，得到每个所述预定指标的第二数据，所述第二数据表征所述预定指标的异常程度；
第一处理模块，用于对同一个所述风险类型关联的多个预定指标的第二数据进行处理，得到每个所述风险类型的第三数据，所述第三数据表征所述风险类型对应的异常程度；
第二处理模块，用于对同一个所述目标节点的所述多个风险类型分别对应的第三数据进行处理，得到所述目标节点的第一数据。
9.根据权利要求8所述的装置，其中，每个所述预定指标的业务数据包括预定指标的第一数值和第二数值；其中，所述第一数值为预定指标在第一时间的实际数值，所述第二数值为预定指标在上一个周期内的平均值；或者，所述第一数值为预定指标在第一时间的实际数值，第二数值为预定指标在第一时间的预测数值；
异常检测模块，具体用于计算所述第一数值和所述第二数值之间的差值；根据所述第一数值和所述第二数值之间的差值，确定每个所述预定指标的第二数据。
10.根据权利要求7所述的装置，其中，所述业务数据获取模块包括：
标识配置模块，用于为每个所述目标节点配置标识信息；
数据筛选模块，用于根据每个所述目标节点的标识信息，从预定引擎的实时业务数据中定位到每个所述目标节点的业务数据。
11.根据权利要求7所述的装置，其中，所述目标数据确定模块包括：
加权计算模块，用于对所述多个目标节点的第一数据进行加权计算，得到加权计算的结果；
加权数据确定模块，用于将所述加权计算的结果作为所述目标数据。
12.根据权利要求7所述的装置，其中，所述目标数据为用于表征所述目标项目的异常程度的风险分值；
所述监控结果确定模块包括：
范围获取模块，用于获取所述风险分值所在的目标数值范围；
风险等级确定模块，用于根据多个数值范围与多个风险等级的对应关系，确定所述目标数值范围对应的目标风险等级；
风险结果确定模块，用于将所述目标风险等级作为所述目标项目的风险监控结果。
13.一种计算机设备，所述设备包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如权利要求1-6任意一项所述的数据处理方法。
14.一种计算机存储介质，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-6任意一项所述的数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010264104.9A CN111489074A (zh) | 2020-04-07 | 2020-04-07 | 数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010264104.9A CN111489074A (zh) | 2020-04-07 | 2020-04-07 | 数据处理方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111489074A true CN111489074A (zh) | 2020-08-04 |
Family
ID=71792486
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010264104.9A Pending CN111489074A (zh) | 2020-04-07 | 2020-04-07 | 数据处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111489074A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112953904A (zh) * | 2021-01-27 | 2021-06-11 | 北京达佳互联信息技术有限公司 | 异常检测方法、装置、服务器以及存储介质 |
| CN114915473A (zh) * | 2022-05-18 | 2022-08-16 | 中国工商银行股份有限公司 | 一种服务器入侵处理方法及相关装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100030614A1 (en) * | 2008-07-31 | 2010-02-04 | Siemens Ag | Systems and Methods for Facilitating an Analysis of a Business Project |
| CN104376418A (zh) * | 2014-11-20 | 2015-02-25 | 上海新炬网络信息技术有限公司 | 基于业务的系统变更风险控制方法 |
| CN109543984A (zh) * | 2018-11-15 | 2019-03-29 | 上海盛付通电子支付服务有限公司 | 风险控制方法、装置、电子设备及介质 |
| CN110020766A (zh) * | 2018-11-21 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 风险控制方法、装置、服务器及存储介质 |
| CN110046781A (zh) * | 2018-12-04 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 商户风险防控方法及装置 |
| CN110659800A (zh) * | 2019-08-15 | 2020-01-07 | 平安科技（深圳）有限公司 | 风险监控处理方法、装置、计算机设备和存储介质 |
| CN110705959A (zh) * | 2019-09-12 | 2020-01-17 | 武汉儒松科技有限公司 | 基于风险大数据的项目管理方法、装置、设备及介质 |
| CN110929965A (zh) * | 2018-09-19 | 2020-03-27 | 北京国双科技有限公司 | 一种项目风险评估方法及装置 |
| US20210019657A1 (en) * | 2018-03-23 | 2021-01-21 | Welab Information Technology (Shenzhen) Limited | Fraud detection and risk assessment method, system, device, and storage medium |
-
2020
- 2020-04-07 CN CN202010264104.9A patent/CN111489074A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100030614A1 (en) * | 2008-07-31 | 2010-02-04 | Siemens Ag | Systems and Methods for Facilitating an Analysis of a Business Project |
| CN104376418A (zh) * | 2014-11-20 | 2015-02-25 | 上海新炬网络信息技术有限公司 | 基于业务的系统变更风险控制方法 |
| US20210019657A1 (en) * | 2018-03-23 | 2021-01-21 | Welab Information Technology (Shenzhen) Limited | Fraud detection and risk assessment method, system, device, and storage medium |
| CN110929965A (zh) * | 2018-09-19 | 2020-03-27 | 北京国双科技有限公司 | 一种项目风险评估方法及装置 |
| CN109543984A (zh) * | 2018-11-15 | 2019-03-29 | 上海盛付通电子支付服务有限公司 | 风险控制方法、装置、电子设备及介质 |
| CN110020766A (zh) * | 2018-11-21 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 风险控制方法、装置、服务器及存储介质 |
| CN110046781A (zh) * | 2018-12-04 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 商户风险防控方法及装置 |
| CN110659800A (zh) * | 2019-08-15 | 2020-01-07 | 平安科技（深圳）有限公司 | 风险监控处理方法、装置、计算机设备和存储介质 |
| CN110705959A (zh) * | 2019-09-12 | 2020-01-17 | 武汉儒松科技有限公司 | 基于风险大数据的项目管理方法、装置、设备及介质 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112953904A (zh) * | 2021-01-27 | 2021-06-11 | 北京达佳互联信息技术有限公司 | 异常检测方法、装置、服务器以及存储介质 |
| CN112953904B (zh) * | 2021-01-27 | 2022-11-18 | 北京达佳互联信息技术有限公司 | 异常检测方法、装置、服务器以及存储介质 |
| CN114915473A (zh) * | 2022-05-18 | 2022-08-16 | 中国工商银行股份有限公司 | 一种服务器入侵处理方法及相关装置 |
| CN114915473B (zh) * | 2022-05-18 | 2024-01-30 | 中国工商银行股份有限公司 | 一种服务器入侵处理方法及相关装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3131234B1 (en) | Core network analytics system | |
| US11902114B2 (en) | System and method for predicting and reducing subscriber churn | |
| CN111193728B (zh) | 网络安全评估方法、装置、设备及存储介质 | |
| CN107911231B (zh) | 一种威胁数据的评估方法及装置 | |
| CN111489074A (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN109344042B (zh) | 异常操作行为的识别方法、装置、设备及介质 | |
| CN115280337A (zh) | 基于机器学习的数据监控 | |
| CN112491900B (zh) | 异常节点识别方法、装置、设备及介质 | |
| EP3726437A1 (en) | Failure analysis device, failure analysis method, and failure analysis program | |
| CN114338372B (zh) | 网络信息安全监控方法及系统 | |
| CN110348472A (zh) | 数据检测规则生成方法、装置、计算机设备及存储介质 | |
| CN112214577A (zh) | 目标用户的确定方法、装置、设备及计算机存储介质 | |
| CN111611097A (zh) | 故障检测方法、装置、设备及存储介质 | |
| CN113902338A (zh) | 一种规则配置方法、装置、设备及存储介质 | |
| CN109639526A (zh) | 网络数据监控方法、装置、设备及介质 | |
| Heartfield et al. | Evaluating the reliability of users as human sensors of social media security threats | |
| CN115392812B (zh) | 一种异常根因定位方法、装置、设备及介质 | |
| CN115174355B (zh) | 故障根因定位模型的生成方法，故障根因定位方法和装置 | |
| CN111078503A (zh) | 一种异常监控方法及系统 | |
| CN115878171A (zh) | 中间件配置的优化方法、装置、设备及计算机存储介质 | |
| Ghosh et al. | Real time failure prediction of load balancers and firewalls | |
| CN113076451B (zh) | 异常行为识别和风险模型库的建立方法、装置及电子设备 | |
| CN109993181B (zh) | 异常行为模式识别方法、装置、设备及介质 | |
| Wu et al. | An integrated cyber security monitoring system using correlation-based techniques | |
| EP3457609A1 (en) | System and method for computing of anomalies based on frequency driven transformation and computing of new features based on point anomaly density |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200804 |
|
| RJ01 | Rejection of invention patent application after publication |