CN111698302A - 数据预警方法、装置、电子设备及介质 - Google Patents

数据预警方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN111698302A
CN111698302A CN202010474268.4A CN202010474268A CN111698302A CN 111698302 A CN111698302 A CN 111698302A CN 202010474268 A CN202010474268 A CN 202010474268A CN 111698302 A CN111698302 A CN 111698302A
Authority
CN
China
Prior art keywords
data set
early warning
data
detected
value
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
Application number
CN202010474268.4A
Other languages
English (en)
Inventor
王天宇
吴满芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
OneConnect Smart Technology Co Ltd
OneConnect Financial Technology Co Ltd Shanghai
Original Assignee
OneConnect Financial Technology Co Ltd Shanghai
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by OneConnect Financial Technology Co Ltd Shanghai filed Critical OneConnect Financial Technology Co Ltd Shanghai
Priority to CN202010474268.4A priority Critical patent/CN111698302A/zh
Publication of CN111698302A publication Critical patent/CN111698302A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H04L63/0435—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload wherein the sending and receiving network entities apply symmetric encryption, i.e. same key used for encryption and decryption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及大数据，提供一种数据预警方法。该方法能够获取多个待检测数据集并确定异常数据，及根据异常数据在该待检测数据集中的异常占比确定第一数据集，计算每个数据集对的关联度，将关联度大于阈值的数据集对确定为目标数据集对，并确定第二数据集，获取每个待检测数据集中的预测值，并获取该待检测数据集对应的变量的上限值及下限值，确定第三数据集，分析第一数据集、第二数据集及第三数据集的共有数据集，能够准确确定预警数据集，基于异常占比、关联度、预测值与上下限值的大小关系，计算第一数值、第二数值、第三数值，并计算加权和，得到目标数值，生成并定制化推送预警信息。本发明还涉及区块链技术，所述预警信息存储于区块链中。

Description

数据预警方法、装置、电子设备及介质
技术领域
本发明涉及数据处理技术领域，尤其涉及一种数据预警方法、装置、电子设备及介质。
背景技术
随着互联网的发展，对数据的预警显得十分的重要，现有的方案是通过人工查看报表后确定出现问题的数据，进而对出现问题的数据进行分析，然而，由于报表的出表时间往往存在较大的时间延迟，使问题的发现时间较晚，从而影响特定环境下的预警，由于人工方式无法对数据进行实时预警，为此，自动化数据预警方案也应运而生。
然而，在现有的自动化数据预警方案中，没有针对多个维度对数据进行分析，导致分析结果不够全面，进而使预警结果不够准确。
因此，如何构建全面的数据预警方案，成了有待解决的技术问题。
发明内容
鉴于以上内容，有必要提供一种数据预警方法、装置、电子设备及介质，不仅能够通过全面分析待检测数据集中的数据准确确定预警信息，还能够根据用户的关注倾向，向用户定制化推送预警信息。
一种数据预警方法，所述方法包括：
从数据平台上获取多个待检测数据集，每个待检测数据集对应一个变量；
确定所述多个待检测数据集中每个待检测数据集的异常数据，及根据每个待检测数据集的异常数据在该待检测数据集中的异常占比确定第一数据集；
计算所述多个待检测数据集中每个数据集对的关联度，其中，每个数据集对包括任意两个待检测数据集；
将关联度大于阈值的数据集对确定为目标数据集对，并将所述目标数据集对中的数据集确定为第二数据集；
获取每个待检测数据集中的预测值，并获取该待检测数据集对应的变量的上限值及下限值；
将预测值大于所述上限值或者预测值小于所述下限值的待检测数据集确定为第三数据集；
将所述第一数据集、所述第二数据集及所述第三数据集的共有数据集确定为预警数据集；
基于异常数据在所述预警数据集中的异常占比，计算所述预警数据集的第一数值，基于所述预警数据集所在的目标数据集对的关联度，计算所述预警数据集的第二数值，及基于所述预警数据集的预测值与上限值的大小关系或者所述预警数据集的预测值与下限值的大小关系，计算所述预警数据集的第三数值；
对所述第一数值、所述第二数值及所述第三数值进行加权和运算，得到所述预警数据集的目标数值；
根据所述预警数据集中的所有数据及所述目标数值生成预警信息，并将所述预警信息按照所述目标数值的大小依照预设顺序进行推送。
根据本发明优选实施例，所述确定所述多个待检测数据集中每个待检测数据集的异常数据，及根据每个待检测数据集的异常数据在该待检测数据集中的异常占比确定第一数据集包括：
确定每个待检测数据集对应的变量所属的变量类型；
针对变量类型为连续类型的待检测数据集，采用拉依达准则将所述待检测数据集中不属于第一预设数据区间的数据确定为所述异常数据，或者，针对变量类型为离散类型的待检测数据集，确定所述待检测数据集中每个枚举值在该待检测数据集中所占的比例，采用拉依达准则将不属于第二预设数据区间的比例确定为目标比例，将所述目标比例对应的枚举值确定为所述异常数据；
计算每个待检测数据集中异常数据的数量，得到每个待检测数据集的目标数量，及计算每个待检测数据集中所有数据的数量，得到每个待检测数据集的总数量；
将每个待检测数据集的目标数量除以每个待检测数据集的总数量，得到每个待检测数据集的异常占比；
将异常占比小于配置值的待检测数据集确定为所述第一数据集。
根据本发明优选实施例，所述计算所述多个待检测数据集中每个数据集对的关联度包括：
对于任意数据集对，若所述任意数据集对中对应的两个变量均为连续变量，计算所述两个变量的协方差，分别计算所述两个变量的标准差，并将所述两个变量的标准差进行相乘，得到乘积，将所述协方差除以所述乘积，得到所述任意数据集对的关联度；或者
若所述任意数据集对中对应的两个变量均为离散变量，根据所述离散变量对应的数据，采用克莱姆法则计算所述任意数据集对的关联度；或者
若所述任意数据集对中对应的两个变量分别为连续变量及离散变量，采用卡方分箱方法将所述连续变量对应的数据进行离散化，得到离散结果，根据所述离散变量对应的数据及所述离散结果，采用克莱姆法则计算所述任意数据集对的关联度。
根据本发明优选实施例，在基于所述预警数据集所在的目标数据集对的关联度，计算所述预警数据集的第二数值之前，所述方法还包括：
当检测到所述预警数据集所在的目标数据集对有多个时，将多个目标数据集对确定为给定数据集对；
获取所述给定数据集对的给定关联度；
计算所述给定关联度的平均值，得到所述预警数据集的关联度。
根据本发明优选实施例，所述基于异常数据在所述预警数据集中的异常占比，计算所述预警数据集的第一数值，基于所述预警数据集所在的目标数据集对的关联度，计算所述预警数据集的第二数值及基于所述预警数据集的预测值与上限值的大小关系或者所述预警数据集的预测值与下限值的大小关系，计算所述预警数据集的第三数值包括：
根据公式一计算所述预警数据集的第一数值，所述公式一为：
Figure BDA0002515321020000041
其中，a表示所述预警数据集的第一数值，m表示所述配置值，r表示所述异常数据集的异常占比；
根据公式二计算所述预警数据集的第二数值，所述公式二为：
Figure BDA0002515321020000042
其中，b表示所述预警数据集的第二数值，c表示所述预警数据集的关联度，q表示所述阈值；
当所述预警数据集的预测值大于所述预警数据集的上限值时，根据公式三计算所述预警数据集的第三数值，所述公式三为：
Figure BDA0002515321020000043
或者当所述预警数据集的预测值小于所述预警数据集的下限值时，根据公式四计算所述预警数据集的第三数值，所述公式四为：
Figure BDA0002515321020000044
其中，c表示所述预警数据集的第三数值，p表示所述预警数据集的预测值，t1表示所述预警数据集的上限值，t2表示所述预警数据集的下限值。
根据本发明优选实施例，所述对所述第一数值、所述第二数值及所述第三数值进行加权和运算，得到所述预警数据集的目标数值包括：
采用埋点技术获取目标人物在所述数据平台上的历史访问日志；
从所述历史访问日志中提取所述目标人物访问异常数据的第一访问日志，所述目标人物访问关联度的第二访问日志，及所述目标人物访问预测值的第三访问日志；
确定所述第一访问日志的第一时长、所述第二访问日志的第二时长及所述第三访问日志的第三时长；
根据所述第一时长、所述第二时长及所述第三时长确定所述第一数值的第一权重、所述第二数值的第二权重及所述第三数值的第三权重；
将所述第一权重与所述第一数值的乘积、所述第二权重与所述第二数值的乘积、所述第三权重与所述第三数值的乘积进行加和运算，得到所述目标数值。
根据本发明优选实施例，所述预警信息存储于区块链中，所述方法还包括：
采用对称加密技术对所述预警信息进行加密，得到密文；
当检测所述密文被成功解密时，显示所述预警信息。
一种数据预警装置，所述装置包括：
获取单元，用于从数据平台上获取多个待检测数据集，每个待检测数据集对应一个变量；
确定单元，用于确定所述多个待检测数据集中每个待检测数据集的异常数据，及根据每个待检测数据集的异常数据在该待检测数据集中的异常占比确定第一数据集；
计算单元，用于计算所述多个待检测数据集中每个数据集对的关联度，其中，每个数据集对包括任意两个待检测数据集；
所述确定单元，还用于将关联度大于阈值的数据集对确定为目标数据集对，并将所述目标数据集对中的数据集确定为第二数据集；
所述获取单元，还用于获取每个待检测数据集中的预测值，并获取该待检测数据集对应的变量的上限值及下限值；
所述确定单元，还用于将预测值大于所述上限值或者预测值小于所述下限值的待检测数据集确定为第三数据集；
所述确定单元，还用于将所述第一数据集、所述第二数据集及所述第三数据集的共有数据集确定为预警数据集；
所述计算单元，还用于基于异常数据在所述预警数据集中的异常占比，计算所述预警数据集的第一数值，基于所述预警数据集所在的目标数据集对的关联度，计算所述预警数据集的第二数值，及基于所述预警数据集的预测值与上限值的大小关系或者所述预警数据集的预测值与下限值的大小关系，计算所述预警数据集的第三数值；
所述计算单元，还用于对所述第一数值、所述第二数值及所述第三数值进行加权和运算，得到所述预警数据集的目标数值；
生成单元，用于根据所述预警数据集中的所有数据及所述目标数值生成预警信息，并将所述预警信息按照所述目标数值的大小依照预设顺序进行推送。
根据本发明优选实施例，所述计算单元计算所述多个待检测数据集中每个数据集对的关联度包括：
对于任意数据集对，若所述任意数据集对中对应的两个变量均为连续变量，计算所述两个变量的协方差，分别计算所述两个变量的标准差，并将所述两个变量的标准差进行相乘，得到乘积，将所述协方差除以所述乘积，得到所述任意数据集对的关联度；或者
若所述任意数据集对中对应的两个变量均为离散变量，根据所述离散变量对应的数据，采用克莱姆法则计算所述任意数据集对的关联度；或者
若所述任意数据集对中对应的两个变量分别为连续变量及离散变量，采用卡方分箱方法将所述连续变量对应的数据进行离散化，得到离散结果，根据所述离散变量对应的数据及所述离散结果，采用克莱姆法则计算所述任意数据集对的关联度。
根据本发明优选实施例，所述确定单元，还用于在基于所述预警数据集所在的目标数据集对的关联度，计算所述预警数据集的第二数值之前，当检测到所述预警数据集所在的目标数据集对有多个时，将多个目标数据集对确定为给定数据集对；
所述获取单元，还用于获取所述给定数据集对的给定关联度；
所述计算单元，还用于计算所述给定关联度的平均值，得到所述预警数据集的关联度。
根据本发明优选实施例，所述计算单元基于异常数据在所述预警数据集中的异常占比，计算所述预警数据集的第一数值，基于所述预警数据集所在的目标数据集对的关联度，计算所述预警数据集的第二数值及基于所述预警数据集的预测值与上限值的大小关系或者所述预警数据集的预测值与下限值的大小关系，计算所述预警数据集的第三数值包括：
根据公式一计算所述预警数据集的第一数值，所述公式一为：
Figure BDA0002515321020000061
其中，a表示所述预警数据集的第一数值，m表示所述配置值，r表示所述异常数据集的异常占比；
根据公式二计算所述预警数据集的第二数值，所述公式二为：
Figure BDA0002515321020000071
其中，b表示所述预警数据集的第二数值，c表示所述预警数据集的关联度，q表示所述阈值；
当所述预警数据集的预测值大于所述预警数据集的上限值时，根据公式三计算所述预警数据集的第三数值，所述公式三为：
Figure BDA0002515321020000072
或者当所述预警数据集的预测值小于所述预警数据集的下限值时，根据公式四计算所述预警数据集的第三数值，所述公式四为：
Figure BDA0002515321020000073
其中，c表示所述预警数据集的第三数值，p表示所述预警数据集的预测值，t1表示所述预警数据集的上限值，t2表示所述预警数据集的下限值。
根据本发明优选实施例，所述计算单元对所述第一数值、所述第二数值及所述第三数值进行加权和运算，得到所述预警数据集的目标数值包括：
采用埋点技术获取目标人物在所述数据平台上的历史访问日志；
从所述历史访问日志中提取所述目标人物访问异常数据的第一访问日志，所述目标人物访问关联度的第二访问日志，及所述目标人物访问预测值的第三访问日志；
确定所述第一访问日志的第一时长、所述第二访问日志的第二时长及所述第三访问日志的第三时长；
根据所述第一时长、所述第二时长及所述第三时长确定所述第一数值的第一权重、所述第二数值的第二权重及所述第三数值的第三权重；
将所述第一权重与所述第一数值的乘积、所述第二权重与所述第二数值的乘积、所述第三权重与所述第三数值的乘积进行加和运算，得到所述目标数值。
根据本发明优选实施例，所述装置还包括：
加密单元，用于采用对称加密技术对所述预警信息进行加密，得到密文；
显示单元，用于当检测所述密文被成功解密时，显示所述预警信息。
一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，获取所述存储器中存储的指令以实现所述数据预警方法。
一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器获取以实现所述数据预警方法。
由以上技术方案可以看出，本发明能够更加全面地分析所述待检测数据集中的数据，进而能够准确确定所述预警信息，另外，本发明还能够根据用户的关注倾向，向用户定制化推送所述预警信息。
附图说明
图1是本发明数据预警方法的较佳实施例的流程图。
图2是本发明数据预警装置的较佳实施例的功能模块图。
图3是本发明实现数据预警方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
如图1所示，是本发明数据预警方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
所述数据预警方法应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital SignalProcessor，DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能式穿戴式设备等。
所述电子设备还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。
所述电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
S10，从数据平台上获取多个待检测数据集，每个待检测数据集对应一个变量。
在本发明的至少一个实施例中，所述数据平台可以是“加马·远望”智能数据搜索分析平台，本发明不作限制。进一步地，所述待检测数据集是指未进行检测是否需要预警的数据集。
在本发明的至少一个实施例中，所述电子设备获取目标标识，进一步地，所述电子设备从所述数据平台上提取与所述目标标识对应的数据集，进一步地，所述电子设备将提取到的数据集确定为所述待检测数据集。
其中，所述目标标识表征未进行检测是否需要进行预警的标识。
S11，确定所述多个待检测数据集中每个待检测数据集的异常数据，及根据每个待检测数据集的异常数据在该待检测数据集中的异常占比确定第一数据集。
在本发明的至少一个实施例中，所述确定所述多个待检测数据集中每个待检测数据集的异常数据，及根据每个待检测数据集的异常数据在该待检测数据集中的异常占比确定第一数据集包括：
所述电子设备确定每个待检测数据集对应的变量所属的变量类型，所述电子设备针对变量类型为连续类型的待检测数据集，采用拉依达准则将所述待检测数据集中不属于第一预设数据区间的数据确定为所述异常数据，或者，针对变量类型为离散类型的待检测数据集，确定所述待检测数据集中每个枚举值在该待检测数据集中所占的比例，采用拉依达准则将不属于第二预设数据区间的比例确定为目标比例，将所述目标比例对应的枚举值确定为所述异常数据，所述电子设备计算每个待检测数据集中异常数据的数量，得到每个待检测数据集的目标数量，及计算每个待检测数据集中所有数据的数量，得到每个待检测数据集的总数量，所述电子设备将每个待检测数据集的目标数量除以每个待检测数据集的总数量，得到每个待检测数据集的异常占比，所述电子设备将异常占比小于配置值的待检测数据集确定为所述第一数据集。
其中，所述拉依达准则(3sigma)指先假设一组检测数据只含有随机误差，对随机误差进行计算处理得到标准偏差，按一定概率确定一个区间，凡超过这个区间的误差，则不属于随机误差而是粗大误差，含有该粗大误差的数据应予以剔除。因此，所述第一预设数据区间是通过计算所述待检测数据集中所有数据的均值及标准差而得到的，所述第二预设数据区间是通过计算所述待检测数据集中所有枚举值的比例的均值及标准差而得到的。例如，假设均值为μ，标准差为σ，基于拉依达准则，则μ±3σ为第一预设数据区间或者第二预设数据区间。
进一步地，所述配置值是根据小概率事件及假设检验的思想，对不同领域的数据进行分析而确定的。
通过上述实施方式，不仅能够针对不同变量类型的待检测数据集，快速确定所述异常数据，还能够确定出异常的第一数据集。
S12，计算所述多个待检测数据集中每个数据集对的关联度，其中，每个数据集对包括任意两个待检测数据集。
在本发明的至少一个实施例中，所述计算所述多个待检测数据集中每个数据集对的关联度包括：
(1)对于任意数据集对，若所述任意数据集对中对应的两个变量均为连续变量，计算所述两个变量的协方差，分别计算所述两个变量的标准差，并将所述两个变量的标准差进行相乘，得到乘积，将所述协方差除以所述乘积，得到所述任意数据集对的关联度。
(2)若所述任意数据集对中对应的两个变量均为离散变量，根据所述离散变量对应的数据，采用克莱姆法则计算所述任意数据集对的关联度。
(3)若所述任意数据集对中对应的两个变量分别为连续变量及离散变量，采用卡方分箱方法将所述连续变量对应的数据进行离散化，得到离散结果，根据所述离散变量对应的数据及所述离散结果，采用克莱姆法则计算所述任意数据集对的关联度。
针对不同变量类型的数据集对，采取不同方式确定数据集对的关联度，能够准确地确定出数据集对的关联度。
具体地，所述电子设备采用卡方分箱方法将所述连续变量对应的数据进行离散化包括：
所述电子设备预先设定卡方阈值及分箱数的目标数值，进一步地，所述电子设备对所述数据进行排序，并为每个数据设定相应的区间，更进一步地，所述电子设备计算每个相邻区间对的卡方值，其中，每个相邻区间对包括任意两个相邻区间，所述电子设备获取卡方值小于所述卡方阈值的目标区间对，并计算所述数据对应的区间数量，进一步地，所述电子设备将所述目标区间对中的两个相邻区间进行合并，直至所述区间数量小于所述目标数值时，所述电子设备停止合并，合并后的区间即为所述离散结果。
S13，将关联度大于阈值的数据集对确定为目标数据集对，并将所述目标数据集对中的数据集确定为第二数据集。
在本发明的至少一个实施例中，所述将关联度大于阈值的数据集对确定为目标数据集对包括：
所述电子设备将每个数据集对的关联度与所述阈值进行对比，得到每个数据集对的对比结果，进一步地，所述电子设备将对比结果为第一结果的数据集对确定为所述目标数据集对，其中，所述第一结果表征关联度大于所述阈值。
其中，本发明对所述阈值的取值不作限制。
在其他实施例中，所述电子设备跳过对比结果为第二结果的数据集对，其中，所述第二结果表征关联度小于或者等于所述阈值。
S14，获取每个待检测数据集中的预测值，并获取该待检测数据集对应的变量的上限值及下限值。
在本发明的至少一个实施例中，所述数据平台会根据每个待检测数据集中的数据预测出相应的预测值，其中，每个待检测数据集中的预测值有且只有一个，所述电子设备通过获取每个待检测数据集中的预测值，及每个待检测数据集对应的变量的上下限值，为后续检测所述预测值是否包含于上下限值对应的区间作了相应铺垫。
S15，将预测值大于所述上限值或者预测值小于所述下限值的待检测数据集确定为第三数据集。
在本发明的至少一个实施例中，当预测值在对应的变量的限定范围内时，所述电子设备无需针对该预测值对应的待检测数据集进行预警，因此，若所述预测值小于或者等于所述上限值及该预测值大于或者等于所述下限值，所述电子设备将跳过该预测值对应的待检测数据集。
S16，将所述第一数据集、所述第二数据集及所述第三数据集的共有数据集确定为预警数据集。
在本发明的至少一个实施例中，由于所述电子设备根据异常占比、关联度及预测值三个维度从所述待检测数据集中分别确定出所述第一数据集、所述第二数据集及所述第三数据集，因此，所述电子设备将所述第一数据集、所述第二数据集及所述第三数据集的共有数据集确定为所述预警数据集，即：所述电子设备对这三个维度进行融合，进而从所述待检测数据集中确定出所述预警数据集。
S17，基于异常数据在所述预警数据集中的异常占比，计算所述预警数据集的第一数值，基于所述预警数据集所在的目标数据集对的关联度，计算所述预警数据集的第二数值，及基于所述预警数据集的预测值与上限值的大小关系或者所述预警数据集的预测值与下限值的大小关系，计算所述预警数据集的第三数值。
在本发明的至少一个实施例中，所述第一数值表征异常数据在所述预警数据集中的重要度，所述第二数值表征关联度在所述预警数据集中的重要度，所述第三数值表征预测值在所述预警数据集中的重要度。
在本发明的至少一个实施例中，在基于所述预警数据集所在的目标数据集对的关联度，计算所述预警数据集的第二数值之前，所述方法还包括：
当检测到所述预警数据集所在的目标数据集对有多个时，所述电子设备将多个目标数据集对确定为给定数据集对，所述电子设备获取所述给定数据集对的给定关联度，所述电子设备计算所述给定关联度的平均值，得到所述预警数据集的关联度。
在其他实施例中，当检测到所述预警数据集所在的目标数据集对有且只有一个时，将该目标数据集对的关联度确定为所述预警数据集的关联度。
例如：所述预警数据集有预警数据集A及预警数据集B，所述预警数据集A所在的目标数据集对有数据集对1、数据集对2及数据集对3，所述预警数据集B所在的目标数据集对为数据集对1，检测到所述预警数据集A所在的目标数据集对有3个(即为多个)，将数据集对1、数据集对2及数据集对3(所述预警数据集A所在的目标数据集对)确定为给定数据集对，所述电子设备获取到给定数据集对1的给定关联度为0.8、给定数据集对2的给定关联度为0.6及给定数据集对3的给定关联度为0.7，计算所述给定关联度的平均值，得到平均值为0.7，因此，所述预警数据集A的关联度为0.7。检测到所述预警数据集B所在的目标数据集对有且只有数据集对1，将所述数据集对1的关联度0.8确定为所述预警数据集B的关联度。
通过上述实施方式，无论所述预警数据集所在的目标数据集对的数量有多少个，所述电子设备仍能计算出所述预警数据集的关联度。
在本发明的至少一个实施例中，所述基于异常数据在所述预警数据集中的异常占比，计算所述预警数据集的第一数值，基于所述预警数据集所在的目标数据集对的关联度，计算所述预警数据集的第二数值及基于所述预警数据集的预测值与上限值的大小关系或者所述预警数据集的预测值与下限值的大小关系，计算所述预警数据集的第三数值包括：
所述电子设备根据公式一计算所述预警数据集的第一数值，所述公式一为：
Figure BDA0002515321020000131
其中，a表示所述预警数据集的第一数值，m表示所述配置值，r表示所述异常数据集的异常占比；
所述电子设备根据公式二计算所述预警数据集的第二数值，所述公式二为：
Figure BDA0002515321020000132
其中，b表示所述预警数据集的第二数值，c表示所述预警数据集的关联度，q表示所述阈值；
当所述预警数据集的预测值大于所述预警数据集的上限值时，所述电子设备根据公式三计算所述预警数据集的第三数值，所述公式三为：
Figure BDA0002515321020000141
或者当所述预警数据集的预测值小于所述预警数据集的下限值时，所述电子设备根据公式四计算所述预警数据集的第三数值，所述公式四为：
Figure BDA0002515321020000142
其中，c表示所述预警数据集的第三数值，p表示所述预警数据集的预测值，t1表示所述预警数据集的上限值，t2表示所述预警数据集的下限值。
通过上述实施方式，能够准确地确定出所述预警数据集的第一数值、第二数值及第三数值。
S18，对所述第一数值、所述第二数值及所述第三数值进行加权和运算，得到所述预警数据集的目标数值。
在本发明的至少一个实施例中，所述目标数值表征所述预警数据集在所述数据平台上的重要度。
在本发明的至少一个实施例中，所述对所述第一数值、所述第二数值及所述第三数值进行加权和运算，得到所述预警数据集的目标数值包括：
所述电子设备采用埋点技术获取目标人物在所述数据平台上的历史访问日志，从所述历史访问日志中提取所述目标人物访问异常数据的第一访问日志，所述目标人物访问关联度的第二访问日志，及所述目标人物访问预测值的第三访问日志，所述电子设备确定所述第一访问日志的第一时长、所述第二访问日志的第二时长及所述第三访问日志的第三时长，所述电子设备根据所述第一时长、所述第二时长及所述第三时长确定所述第一数值的第一权重、所述第二数值的第二权重及所述第三数值的第三权重，所述电子设备将所述第一权重与所述第一数值的乘积、所述第二权重与所述第二数值的乘积、所述第三权重与所述第三数值的乘积进行加和运算，得到所述目标数值。
通过上述实施方式，能够根据所述目标人物的关注倾向确定所述目标权重，为向所述目标人物提供定制化推送服务奠定基础。
S19，根据所述预警数据集中的所有数据及所述目标数值生成预警信息，并将所述预警信息按照所述目标数值的大小依照预设顺序进行推送。
在本发明的至少一个实施例中，所述方法还包括：
所述电子设备采用对称加密技术对所述预警信息进行加密，得到密文，当检测所述密文被成功解密时，所述电子设备显示所述预警信息。
通过上述实施方式，能够防止所述预警信息被篡改，提高了所述预警信息的安全性。
由以上技术方案可以看出，本发明能够更加全面地分析所述待检测数据集中的数据，进而能够准确确定所述预警信息，另外，本发明还能够根据用户的关注倾向，向用户定制化推送所述预警信息。需要强调的是，为进一步保证上述预警信息的私密和安全性，上述预警信息还可以存储于一区块链的节点中。
如图2所示，是本发明数据预警装置的较佳实施例的功能模块图。所述数据预警装置11包括获取单元110、确定单元111、计算单元112、生成单元113、加密单元114及显示单元115。本发明所称的模块/单元是指一种能够被处理器13所获取，并且能够完成固定功能的一系列计算机程序段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
获取单元110从数据平台上获取多个待检测数据集，每个待检测数据集对应一个变量。
在本发明的至少一个实施例中，所述数据平台可以是“加马·远望”智能数据搜索分析平台，本发明不作限制。进一步地，所述待检测数据集是指未进行检测是否需要预警的数据集。
在本发明的至少一个实施例中，所述获取单元110获取目标标识，进一步地，所述获取单元110从所述数据平台上提取与所述目标标识对应的数据集，进一步地，所述获取单元110将提取到的数据集确定为所述待检测数据集。
其中，所述目标标识表征未进行检测是否需要进行预警的标识。
确定单元111确定所述多个待检测数据集中每个待检测数据集的异常数据，及根据每个待检测数据集的异常数据在该待检测数据集中的异常占比确定第一数据集。
在本发明的至少一个实施例中，所述确定单元111确定所述多个待检测数据集中每个待检测数据集的异常数据，及根据每个待检测数据集的异常数据在该待检测数据集中的异常占比确定第一数据集包括：
所述确定单元111确定每个待检测数据集对应的变量所属的变量类型，所述确定单元111针对变量类型为连续类型的待检测数据集，采用拉依达准则将所述待检测数据集中不属于第一预设数据区间的数据确定为所述异常数据，或者，针对变量类型为离散类型的待检测数据集，确定所述待检测数据集中每个枚举值在该待检测数据集中所占的比例，采用拉依达准则将不属于第二预设数据区间的比例确定为目标比例，将所述目标比例对应的枚举值确定为所述异常数据，所述确定单元111计算每个待检测数据集中异常数据的数量，得到每个待检测数据集的目标数量，及计算每个待检测数据集中所有数据的数量，得到每个待检测数据集的总数量，所述确定单元111将每个待检测数据集的目标数量除以每个待检测数据集的总数量，得到每个待检测数据集的异常占比，所述确定单元111将异常占比小于配置值的待检测数据集确定为所述第一数据集。
其中，所述拉依达准则(3sigma)指先假设一组检测数据只含有随机误差，对随机误差进行计算处理得到标准偏差，按一定概率确定一个区间，凡超过这个区间的误差，则不属于随机误差而是粗大误差，含有该粗大误差的数据应予以剔除。因此，所述第一预设数据区间是通过计算所述待检测数据集中所有数据的均值及标准差而得到的，所述第二预设数据区间是通过计算所述待检测数据集中所有枚举值的比例的均值及标准差而得到的。例如，假设均值为μ，标准差为σ，基于拉依达准则，则μ±3σ为第一预设数据区间或者第二预设数据区间。
进一步地，所述配置值是根据小概率事件及假设检验的思想，对不同领域的数据进行分析而确定的。
通过上述实施方式，不仅能够针对不同变量类型的待检测数据集，快速确定所述异常数据，还能够确定出异常的第一数据集。
计算单元112计算所述多个待检测数据集中每个数据集对的关联度，其中，每个数据集对包括任意两个待检测数据集。
在本发明的至少一个实施例中，所述计算单元112计算所述多个待检测数据集中每个数据集对的关联度包括：
(1)对于任意数据集对，若所述任意数据集对中对应的两个变量均为连续变量，所述计算单元112计算所述两个变量的协方差，分别计算所述两个变量的标准差，并将所述两个变量的标准差进行相乘，得到乘积，将所述协方差除以所述乘积，得到所述任意数据集对的关联度。
(2)若所述任意数据集对中对应的两个变量均为离散变量，根据所述离散变量对应的数据，所述计算单元112采用克莱姆法则计算所述任意数据集对的关联度。
(3)若所述任意数据集对中对应的两个变量分别为连续变量及离散变量，所述计算单元112采用卡方分箱方法将所述连续变量对应的数据进行离散化，得到离散结果，根据所述离散变量对应的数据及所述离散结果，采用克莱姆法则计算所述任意数据集对的关联度。
针对不同变量类型的数据集对，采取不同方式确定数据集对的关联度，能够准确地确定出数据集对的关联度。
具体地，所述计算单元112采用卡方分箱方法将所述连续变量对应的数据进行离散化包括：
所述计算单元112预先设定卡方阈值及分箱数的目标数值，进一步地，所述计算单元112对所述数据进行排序，并为每个数据设定相应的区间，更进一步地，所述计算单元112计算每个相邻区间对的卡方值，其中，每个相邻区间对包括任意两个相邻区间，所述计算单元112获取卡方值小于所述卡方阈值的目标区间对，并计算所述数据对应的区间数量，进一步地，所述计算单元112将所述目标区间对中的两个相邻区间进行合并，直至所述区间数量小于所述目标数值时，所述计算单元112停止合并，合并后的区间即为所述离散结果。
所述确定单元111将关联度大于阈值的数据集对确定为目标数据集对，并将所述目标数据集对中的数据集确定为第二数据集。
在本发明的至少一个实施例中，所述确定单元111将关联度大于阈值的数据集对确定为目标数据集对包括：
所述确定单元111将每个数据集对的关联度与所述阈值进行对比，得到每个数据集对的对比结果，进一步地，所述确定单元111将对比结果为第一结果的数据集对确定为所述目标数据集对，其中，所述第一结果表征关联度大于所述阈值。
其中，本发明对所述阈值的取值不作限制。
在其他实施例中，所述确定单元111跳过对比结果为第二结果的数据集对，其中，所述第二结果表征关联度小于或者等于所述阈值。
所述获取单元110获取每个待检测数据集中的预测值，并获取该待检测数据集对应的变量的上限值及下限值。
在本发明的至少一个实施例中，所述数据平台会根据每个待检测数据集中的数据预测出相应的预测值，其中，每个待检测数据集中的预测值有且只有一个，所述获取单元110通过获取每个待检测数据集中的预测值，及每个待检测数据集对应的变量的上下限值，为后续检测所述预测值是否包含于上下限值对应的区间作了相应铺垫。
所述确定单元111将预测值大于所述上限值或者预测值小于所述下限值的待检测数据集确定为第三数据集。
在本发明的至少一个实施例中，当预测值在对应的变量的限定范围内时，所述确定单元111无需针对该预测值对应的待检测数据集进行预警，因此，若所述预测值小于或者等于所述上限值及该预测值大于或者等于所述下限值，所述确定单元111将跳过该预测值对应的待检测数据集。
所述确定单元111将所述第一数据集、所述第二数据集及所述第三数据集的共有数据集确定为预警数据集。
在本发明的至少一个实施例中，由于所述确定单元111根据异常占比、关联度及预测值三个维度从所述待检测数据集中分别确定出所述第一数据集、所述第二数据集及所述第三数据集，因此，所述确定单元111将所述第一数据集、所述第二数据集及所述第三数据集的共有数据集确定为所述预警数据集，即：所述确定单元111对这三个维度进行融合，进而从所述待检测数据集中确定出所述预警数据集。
所述计算单元112基于异常数据在所述预警数据集中的异常占比，计算所述预警数据集的第一数值，基于所述预警数据集所在的目标数据集对的关联度，计算所述预警数据集的第二数值，及基于所述预警数据集的预测值与上限值的大小关系或者所述预警数据集的预测值与下限值的大小关系，计算所述预警数据集的第三数值。
在本发明的至少一个实施例中，所述第一数值表征异常数据在所述预警数据集中的重要度，所述第二数值表征关联度在所述预警数据集中的重要度，所述第三数值表征预测值在所述预警数据集中的重要度。
在本发明的至少一个实施例中，在基于所述预警数据集所在的目标数据集对的关联度，计算所述预警数据集的第二数值之前，当检测到所述预警数据集所在的目标数据集对有多个时，所述确定单元111将多个目标数据集对确定为给定数据集对，所述获取单元110获取所述给定数据集对的给定关联度，所述计算单元112计算所述给定关联度的平均值，得到所述预警数据集的关联度。
在其他实施例中，当检测到所述预警数据集所在的目标数据集对有且只有一个时，将该目标数据集对的关联度确定为所述预警数据集的关联度。
例如：所述预警数据集有预警数据集A及预警数据集B，所述预警数据集A所在的目标数据集对有数据集对1、数据集对2及数据集对3，所述预警数据集B所在的目标数据集对为数据集对1，检测到所述预警数据集A所在的目标数据集对有3个(即为多个)，将数据集对1、数据集对2及数据集对3(所述预警数据集A所在的目标数据集对)确定为给定数据集对，所述获取单元110获取到给定数据集对1的给定关联度为0.8、给定数据集对2的给定关联度为0.6及给定数据集对3的给定关联度为0.7，计算所述给定关联度的平均值，得到平均值为0.7，因此，所述预警数据集A的关联度为0.7。检测到所述预警数据集B所在的目标数据集对有且只有数据集对1，将所述数据集对1的关联度0.8确定为所述预警数据集B的关联度。
通过上述实施方式，无论所述预警数据集所在的目标数据集对的数量有多少个，所述电子设备仍能计算出所述预警数据集的关联度。
在本发明的至少一个实施例中，所述计算单元112基于异常数据在所述预警数据集中的异常占比，计算所述预警数据集的第一数值，基于所述预警数据集所在的目标数据集对的关联度，计算所述预警数据集的第二数值及基于所述预警数据集的预测值与上限值的大小关系或者所述预警数据集的预测值与下限值的大小关系，计算所述预警数据集的第三数值包括：
所述计算单元112根据公式一计算所述预警数据集的第一数值，所述公式一为：
Figure BDA0002515321020000201
其中，a表示所述预警数据集的第一数值，m表示所述配置值，r表示所述异常数据集的异常占比；
所述计算单元112根据公式二计算所述预警数据集的第二数值，所述公式二为：
Figure BDA0002515321020000202
其中，b表示所述预警数据集的第二数值，c表示所述预警数据集的关联度，q表示所述阈值；
当所述预警数据集的预测值大于所述预警数据集的上限值时，所述计算单元112根据公式三计算所述预警数据集的第三数值，所述公式三为：
Figure BDA0002515321020000203
或者当所述预警数据集的预测值小于所述预警数据集的下限值时，所述计算单元112根据公式四计算所述预警数据集的第三数值，所述公式四为：
Figure BDA0002515321020000204
其中，c表示所述预警数据集的第三数值，p表示所述预警数据集的预测值，t1表示所述预警数据集的上限值，t2表示所述预警数据集的下限值。
通过上述实施方式，能够准确地确定出所述预警数据集的第一数值、第二数值及第三数值。
所述计算单元112对所述第一数值、所述第二数值及所述第三数值进行加权和运算，得到所述预警数据集的目标数值。
在本发明的至少一个实施例中，所述目标数值表征所述预警数据集在所述数据平台上的重要度。
在本发明的至少一个实施例中，所述对所述第一数值、所述第二数值及所述第三数值进行加权和运算，得到所述预警数据集的目标数值包括：
所述计算单元112采用埋点技术获取目标人物在所述数据平台上的历史访问日志，从所述历史访问日志中提取所述目标人物访问异常数据的第一访问日志，所述目标人物访问关联度的第二访问日志，及所述目标人物访问预测值的第三访问日志，所述计算单元112确定所述第一访问日志的第一时长、所述第二访问日志的第二时长及所述第三访问日志的第三时长，所述计算单元112根据所述第一时长、所述第二时长及所述第三时长确定所述第一数值的第一权重、所述第二数值的第二权重及所述第三数值的第三权重，所述计算单元112将所述第一权重与所述第一数值的乘积、所述第二权重与所述第二数值的乘积、所述第三权重与所述第三数值的乘积进行加和运算，得到所述目标数值。
通过上述实施方式，能够根据所述目标人物的关注倾向确定所述目标权重，为向所述目标人物提供定制化推送服务奠定基础。
生成单元113根据所述预警数据集中的所有数据及所述目标数值生成预警信息，并将所述预警信息按照所述目标数值的大小依照预设顺序进行推送。
在本发明的至少一个实施例中，加密单元114采用对称加密技术对所述预警信息进行加密，得到密文，当检测所述密文被成功解密时，显示单元115显示所述预警信息。
通过上述实施方式，能够防止所述预警信息被篡改，提高了所述预警信息的安全性。
由以上技术方案可以看出，本发明能够更加全面地分析所述待检测数据集中的数据，进而能够准确确定所述预警信息，另外，本发明还能够根据用户的关注倾向，向用户定制化推送所述预警信息。需要强调的是，为进一步保证上述预警信息的私密和安全性，上述预警信息还可以存储于一区块链的节点中。
如图3所示，是本发明实现数据预警方法的较佳实施例的电子设备的结构示意图。
在本发明的一个实施例中，所述电子设备1包括，但不限于，存储器12、处理器13，以及存储在所述存储器12中并可在所述处理器13上运行的计算机程序，例如数据预警程序。
本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器13可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器13是所述电子设备1的运算核心和控制中心，利用各种接口和线路连接整个电子设备1的各个部分，及获取所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。
所述处理器13获取所述电子设备1的操作系统以及安装的各类应用程序。所述处理器13获取所述应用程序以实现上述各个数据预警方法实施例中的步骤，例如图1所示的步骤。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13获取，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述电子设备1中的获取过程。例如，所述计算机程序可以被分割成获取单元110、确定单元111、计算单元112、生成单元113、加密单元114及显示单元115。
所述存储器12可用于存储所述计算机程序和/或模块，所述处理器13通过运行或获取存储在所述存储器12内的计算机程序和/或模块，以及调用存储在存储器12内的数据，实现所述电子设备1的各种功能。所述存储器12可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器12可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地，所述存储器12可以是具有实物形式的存储器，如内存条、TF卡(Trans-flash Card)等等。
所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器获取时，可实现上述各个方法实施例的步骤。
其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可获取文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
结合图1，所述电子设备1中的所述存储器12存储多个指令以实现一种数据预警方法，所述处理器13可获取所述多个指令从而实现：从数据平台上获取多个待检测数据集，每个待检测数据集对应一个变量；确定所述多个待检测数据集中每个待检测数据集的异常数据，及根据每个待检测数据集的异常数据在该待检测数据集中的异常占比确定第一数据集；计算所述多个待检测数据集中每个数据集对的关联度，其中，每个数据集对包括任意两个待检测数据集；将关联度大于阈值的数据集对确定为目标数据集对，并将所述目标数据集对中的数据集确定为第二数据集；获取每个待检测数据集中的预测值，并获取该待检测数据集对应的变量的上限值及下限值；将预测值大于所述上限值或者预测值小于所述下限值的待检测数据集确定为第三数据集；将所述第一数据集、所述第二数据集及所述第三数据集的共有数据集确定为预警数据集；基于异常数据在所述预警数据集中的异常占比，计算所述预警数据集的第一数值，基于所述预警数据集所在的目标数据集对的关联度，计算所述预警数据集的第二数值，及基于所述预警数据集的预测值与上限值的大小关系或者所述预警数据集的预测值与下限值的大小关系，计算所述预警数据集的第三数值；对所述第一数值、所述第二数值及所述第三数值进行加权和运算，得到所述预警数据集的目标数值；根据所述预警数据集中的所有数据及所述目标数值生成预警信息，并将所述预警信息按照所述目标数值的大小依照预设顺序进行推送。
具体地，所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种数据预警方法，其特征在于，所述数据预警方法包括：
从数据平台上获取多个待检测数据集，每个待检测数据集对应一个变量；
确定所述多个待检测数据集中每个待检测数据集的异常数据，及根据每个待检测数据集的异常数据在该待检测数据集中的异常占比确定第一数据集；
计算所述多个待检测数据集中每个数据集对的关联度，其中，每个数据集对包括任意两个待检测数据集；
将关联度大于阈值的数据集对确定为目标数据集对，并将所述目标数据集对中的数据集确定为第二数据集；
获取每个待检测数据集中的预测值，并获取该待检测数据集对应的变量的上限值及下限值；
将预测值大于所述上限值或者预测值小于所述下限值的待检测数据集确定为第三数据集；
将所述第一数据集、所述第二数据集及所述第三数据集的共有数据集确定为预警数据集；
基于异常数据在所述预警数据集中的异常占比，计算所述预警数据集的第一数值，基于所述预警数据集所在的目标数据集对的关联度，计算所述预警数据集的第二数值，及基于所述预警数据集的预测值与上限值的大小关系或者所述预警数据集的预测值与下限值的大小关系，计算所述预警数据集的第三数值；
对所述第一数值、所述第二数值及所述第三数值进行加权和运算，得到所述预警数据集的目标数值；
根据所述预警数据集中的所有数据及所述目标数值生成预警信息，并将所述预警信息按照所述目标数值的大小依照预设顺序进行推送。
2.如权利要求1所述的数据预警方法，其特征在于，所述确定所述多个待检测数据集中每个待检测数据集的异常数据，及根据每个待检测数据集的异常数据在该待检测数据集中的异常占比确定第一数据集包括：
确定每个待检测数据集对应的变量所属的变量类型；
针对变量类型为连续类型的待检测数据集，采用拉依达准则将所述待检测数据集中不属于第一预设数据区间的数据确定为所述异常数据，或者，针对变量类型为离散类型的待检测数据集，确定所述待检测数据集中每个枚举值在该待检测数据集中所占的比例，采用拉依达准则将不属于第二预设数据区间的比例确定为目标比例，将所述目标比例对应的枚举值确定为所述异常数据；
计算每个待检测数据集中异常数据的数量，得到每个待检测数据集的目标数量，及计算每个待检测数据集中所有数据的数量，得到每个待检测数据集的总数量；
将每个待检测数据集的目标数量除以每个待检测数据集的总数量，得到每个待检测数据集的异常占比；
将异常占比小于配置值的待检测数据集确定为所述第一数据集。
3.如权利要求1所述的数据预警方法，其特征在于，所述计算所述多个待检测数据集中每个数据集对的关联度包括：
对于任意数据集对，若所述任意数据集对中对应的两个变量均为连续变量，计算所述两个变量的协方差，分别计算所述两个变量的标准差，并将所述两个变量的标准差进行相乘，得到乘积，将所述协方差除以所述乘积，得到所述任意数据集对的关联度；或者
若所述任意数据集对中对应的两个变量均为离散变量，根据所述离散变量对应的数据，采用克莱姆法则计算所述任意数据集对的关联度；或者
若所述任意数据集对中对应的两个变量分别为连续变量及离散变量，采用卡方分箱方法将所述连续变量对应的数据进行离散化，得到离散结果，根据所述离散变量对应的数据及所述离散结果，采用克莱姆法则计算所述任意数据集对的关联度。
4.如权利要求1所述的数据预警方法，其特征在于，在基于所述预警数据集所在的目标数据集对的关联度，计算所述预警数据集的第二数值之前，所述数据预警方法还包括：
当检测到所述预警数据集所在的目标数据集对有多个时，将多个目标数据集对确定为给定数据集对；
获取所述给定数据集对的给定关联度；
计算所述给定关联度的平均值，得到所述预警数据集的关联度。
5.如权利要求1所述的数据预警方法，其特征在于，所述基于异常数据在所述预警数据集中的异常占比，计算所述预警数据集的第一数值，基于所述预警数据集所在的目标数据集对的关联度，计算所述预警数据集的第二数值及基于所述预警数据集的预测值与上限值的大小关系或者所述预警数据集的预测值与下限值的大小关系，计算所述预警数据集的第三数值包括：
根据公式一计算所述预警数据集的第一数值，所述公式一为：
Figure FDA0002515321010000031
其中，a表示所述预警数据集的第一数值，m表示所述配置值，r表示所述异常数据集的异常占比；
根据公式二计算所述预警数据集的第二数值，所述公式二为：
Figure FDA0002515321010000032
其中，b表示所述预警数据集的第二数值，c表示所述预警数据集的关联度，q表示所述阈值；
当所述预警数据集的预测值大于所述预警数据集的上限值时，根据公式三计算所述预警数据集的第三数值，所述公式三为：
Figure FDA0002515321010000033
或者当所述预警数据集的预测值小于所述预警数据集的下限值时，根据公式四计算所述预警数据集的第三数值，所述公式四为：
Figure FDA0002515321010000034
其中，c表示所述预警数据集的第三数值，p表示所述预警数据集的预测值，t1表示所述预警数据集的上限值，t2表示所述预警数据集的下限值。
6.如权利要求1所述的数据预警方法，其特征在于，所述对所述第一数值、所述第二数值及所述第三数值进行加权和运算，得到所述预警数据集的目标数值包括：
采用埋点技术获取目标人物在所述数据平台上的历史访问日志；
从所述历史访问日志中提取所述目标人物访问异常数据的第一访问日志，所述目标人物访问关联度的第二访问日志，及所述目标人物访问预测值的第三访问日志；
确定所述第一访问日志的第一时长、所述第二访问日志的第二时长及所述第三访问日志的第三时长；
根据所述第一时长、所述第二时长及所述第三时长确定所述第一数值的第一权重、所述第二数值的第二权重及所述第三数值的第三权重；
将所述第一权重与所述第一数值的乘积、所述第二权重与所述第二数值的乘积、所述第三权重与所述第三数值的乘积进行加和运算，得到所述目标数值。
7.如权利要求1所述的数据预警方法，其特征在于，所述预警信息存储于区块链中，所述数据预警方法还包括：
采用对称加密技术对所述预警信息进行加密，得到密文；
当检测所述密文被成功解密时，显示所述预警信息。
8.一种数据预警装置，其特征在于，所述数据预警装置包括：
获取单元，用于从数据平台上获取多个待检测数据集，每个待检测数据集对应一个变量；
确定单元，用于确定所述多个待检测数据集中每个待检测数据集的异常数据，及根据每个待检测数据集的异常数据在该待检测数据集中的异常占比确定第一数据集；
计算单元，用于计算所述多个待检测数据集中每个数据集对的关联度，其中，每个数据集对包括任意两个待检测数据集；
所述确定单元，还用于将关联度大于阈值的数据集对确定为目标数据集对，并将所述目标数据集对中的数据集确定为第二数据集；
所述获取单元，还用于获取每个待检测数据集中的预测值，并获取该待检测数据集对应的变量的上限值及下限值；
所述确定单元，还用于将预测值大于所述上限值或者预测值小于所述下限值的待检测数据集确定为第三数据集；
所述确定单元，还用于将所述第一数据集、所述第二数据集及所述第三数据集的共有数据集确定为预警数据集；
所述计算单元，还用于基于异常数据在所述预警数据集中的异常占比，计算所述预警数据集的第一数值，基于所述预警数据集所在的目标数据集对的关联度，计算所述预警数据集的第二数值，及基于所述预警数据集的预测值与上限值的大小关系或者所述预警数据集的预测值与下限值的大小关系，计算所述预警数据集的第三数值；
所述计算单元，还用于对所述第一数值、所述第二数值及所述第三数值进行加权和运算，得到所述预警数据集的目标数值；
生成单元，用于根据所述预警数据集中的所有数据及所述目标数值生成预警信息，并将所述预警信息按照所述目标数值的大小依照预设顺序进行推送。
9.一种电子设备，其特征在于，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，获取所述存储器中存储的指令以实现如权利要求1至7中任意一项所述的数据预警方法。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器获取以实现如权利要求1至7中任意一项所述的数据预警方法。
CN202010474268.4A 2020-05-29 2020-05-29 数据预警方法、装置、电子设备及介质 Pending CN111698302A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010474268.4A CN111698302A (zh) 2020-05-29 2020-05-29 数据预警方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010474268.4A CN111698302A (zh) 2020-05-29 2020-05-29 数据预警方法、装置、电子设备及介质

Publications (1)

Publication Number Publication Date
CN111698302A true CN111698302A (zh) 2020-09-22

Family

ID=72478777

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010474268.4A Pending CN111698302A (zh) 2020-05-29 2020-05-29 数据预警方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN111698302A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113408945A (zh) * 2021-07-15 2021-09-17 广西中烟工业有限责任公司 一种烤烟纯度的检测方法、装置、电子设备及存储介质
WO2022170853A1 (zh) * 2021-02-09 2022-08-18 北京沃东天骏信息技术有限公司 信息生成方法、装置、电子设备和计算机可读介质
CN115098287A (zh) * 2022-06-22 2022-09-23 国网智能电网研究院有限公司 传感数据的异常检测方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108595667A (zh) * 2018-04-28 2018-09-28 广东电网有限责任公司 一种网络异常数据的关联性分析方法
CN109766334A (zh) * 2019-01-07 2019-05-17 国网湖南省电力有限公司 用于电力设备在线监测异常数据的处理方法及系统
US10338994B1 (en) * 2018-02-22 2019-07-02 Sas Institute Inc. Predicting and adjusting computer functionality to avoid failures
CN110879805A (zh) * 2019-11-22 2020-03-13 北京锐安科技有限公司 一种数据异常发现方法、装置、服务器及存储介质
CN111090685A (zh) * 2019-12-19 2020-05-01 第四范式（北京）技术有限公司 一种数据异常特征的检测方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10338994B1 (en) * 2018-02-22 2019-07-02 Sas Institute Inc. Predicting and adjusting computer functionality to avoid failures
CN108595667A (zh) * 2018-04-28 2018-09-28 广东电网有限责任公司 一种网络异常数据的关联性分析方法
CN109766334A (zh) * 2019-01-07 2019-05-17 国网湖南省电力有限公司 用于电力设备在线监测异常数据的处理方法及系统
CN110879805A (zh) * 2019-11-22 2020-03-13 北京锐安科技有限公司 一种数据异常发现方法、装置、服务器及存储介质
CN111090685A (zh) * 2019-12-19 2020-05-01 第四范式（北京）技术有限公司 一种数据异常特征的检测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
任兴: "数据安全监控解决方案研究", 电脑知识与技术 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022170853A1 (zh) * 2021-02-09 2022-08-18 北京沃东天骏信息技术有限公司 信息生成方法、装置、电子设备和计算机可读介质
CN113408945A (zh) * 2021-07-15 2021-09-17 广西中烟工业有限责任公司 一种烤烟纯度的检测方法、装置、电子设备及存储介质
CN115098287A (zh) * 2022-06-22 2022-09-23 国网智能电网研究院有限公司 传感数据的异常检测方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN111082966B (zh) 基于批量告警事件的定位方法、装置、电子设备及介质
CN111698302A (zh) 数据预警方法、装置、电子设备及介质
CN111639487A (zh) 基于分类模型的字段抽取方法、装置、电子设备及介质
CN111694840A (zh) 数据同步方法、装置、服务器及存储介质
CN112559831A (zh) 链路监控方法、装置、计算机设备及介质
CN111949708B (zh) 基于时序特征提取的多任务预测方法、装置、设备及介质
CN111638908A (zh) 接口文档生成方法、装置、电子设备及介质
CN112669138A (zh) 数据处理方法及相关设备
CN112163412B (zh) 数据校验方法、装置、电子设备及存储介质
CN111221722A (zh) 行为检测方法、装置、电子设备及存储介质
CN111986763B (zh) 疾病数据分析方法、装置、电子设备及存储介质
CN112948418A (zh) 动态查询方法、装置、设备及存储介质
CN112199483B (zh) 信息录入辅助方法、装置、电子设备及存储介质
CN113900955A (zh) 自动化测试方法、装置、设备及存储介质
CN111680110B (zh) 数据处理方法、装置、bi系统及介质
CN112199494A (zh) 医疗信息搜索方法、装置、电子设备及存储介质
CN113283677B (zh) 指标数据处理方法、装置、设备及存储介质
CN113470775B (zh) 信息采集方法、装置、设备及存储介质
CN111933241B (zh) 医疗数据解析方法、装置、电子设备及存储介质
CN114238296A (zh) 产品指标数据展示方法、装置、设备及存储介质
CN115643090A (zh) 基于隐私检索的纵向联邦分析方法、装置、设备及介质
CN113282218A (zh) 多维报表生成方法、装置、设备及存储介质
CN114490262A (zh) 数据库监控方法、装置、设备及存储介质
CN112685365A (zh) 数据报表导出方法、装置、设备及存储介质
CN112215424A (zh) 医疗指标预测方法、装置、电子设备及存储介质

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