CN111951011B - 监控系统阈值确定方法及装置 - Google Patents
监控系统阈值确定方法及装置 Download PDFInfo
- Publication number
- CN111951011B CN111951011B CN202010750982.1A CN202010750982A CN111951011B CN 111951011 B CN111951011 B CN 111951011B CN 202010750982 A CN202010750982 A CN 202010750982A CN 111951011 B CN111951011 B CN 111951011B
- Authority
- CN
- China
- Prior art keywords
- value
- parameter
- characteristic
- parameters
- determining
- 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.)
- Active
Links
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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Technology Law (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种监控系统阈值确定方法及装置,可用于金融领域,方法包括:根据目标业务的历史数据和预设业务演算规则,确定对应的至少一个特征参数;根据所述特征参数的属性特征和与所述属性特征对应的参数划分规则对所述特征参数进行划分,得到至少一个特征参数分段值;根据各所述特征参数之间各所述特征参数分段值的组合以及所述业务演算规则进行业务演算,得到目标参数的演算值;对所述目标参数的演算值进行统计分析,确定各所述特征参数的阈值,以使监控系统根据所述阈值对所述目标业务进行阈值监控;本申请能够有效提升监控系统中参数阈值的准确性、及时性和可靠性,从而提升了整个系统的风险防范能力。
Description
技术领域
本申请涉及数据处理领域,也可用于金融领域,具体涉及一种监控系统阈值确定方法及装置。
背景技术
随着计算机技术和互联网的普及,大型企业的运营管理过程的系统化、线上化、自动化程度越来越高,用户量、业务量呈直线甚至指数级增长,一旦发生风险问题,影响也越发严重。因此对安全管控的要求也越来越高,对风险的发现要求更及时、更准确,甚至超前预测风险。
现有技术中的监控系统都需要预设好监控规则、监控参数阀值,超过阀值范围就报警。目前人工分析总结,设计出针对某种风险的监控模型,或通过机器学习平台,在对海量数据进行部分特征数据的标注后进行分析运算,总结出风险发生的规律或发现新的规律,用于辅助设计监控模型。但监控模型设计出来之后,面对海量数据海量用户和多样化的场景,每种场景下的监控模型参数阀值应该设置为多少是最符合期望的,在最多发现与减少误报之间如何权衡,这些都是现有技术无法实现的。
发明人发现,现有技术中的监控系统只能是人工根据经验设置参数阈值,或多次尝试设置不同参数阈值后根据监控结果多次迭代优化设置,需要有人员经验储备和数据敏感性,以及较长的调试验证时间才能获得较合理的监控阀值,而这期间无疑又为风险的发生留下了机会。
发明内容
针对现有技术中的问题,本申请提供一种监控系统阈值确定方法及装置,能够有效提升监控系统中参数阈值的准确性、及时性和可靠性,从而提升了整个系统的风险防范能力。
为了解决上述问题中的至少一个,本申请提供以下技术方案:
第一方面,本申请提供一种监控系统阈值确定方法,包括:
根据目标业务的历史数据和预设业务演算规则,确定对应的至少一个特征参数;
根据所述特征参数的属性特征和与所述属性特征对应的参数划分规则对所述特征参数进行划分,得到至少一个特征参数分段值;
根据各所述特征参数之间各所述特征参数分段值的组合以及所述业务演算规则进行业务演算,得到目标参数的演算值;
对所述目标参数的演算值进行统计分析,确定各所述特征参数的阈值,以使监控系统根据所述阈值对所述目标业务进行阈值监控。
进一步地,所述根据目标业务的历史数据和预设业务演算规则,确定对应的至少一个特征参数,包括:
根据预设业务演算规则的演算需求从目标业务的历史数据中获取至少一个特征参数;
判断所述特征参数是否符合所述业务演算规则中间接参数的判定条件,若是,则对该特征参数进行拆分,得到经过拆分后的特征参数。
进一步地,所述属性特征包括账户类型特征、数值范围特征以及时间跨度特征,所述根据所述特征参数的属性特征和与所述属性特征对应的参数划分规则对所述特征参数进行划分,得到至少一个特征参数分段值,包括:
根据所述特征参数的账户类型特征,将所述特征参数划分为活期账户特征参数分段值和非活期账户特征参数分段值;
根据所述特征参数的数值范围特征,将所述特征参数划分为极值特征参数分段值和中间值特征参数分段值;
根据所述特征参数的时间跨度特征,将所述特征参数划分为至少一个特定时间周期特征参数分段值。
进一步地,所述对所述目标参数的演算值进行统计分析,确定各所述特征参数的阈值,包括:
对业务演算后得到的目标参数的演算值进行数值排序;
按照设定划分比例将经过数值排序后所述目标参数的演算值划分为有效数值和无效数值,并将所述有效数值和所述无效数值之间的演算值确定为临界值;
根据与所述目标参数的临界值对应的特征参数分段值,确定所述特征参数的阈值。
第二方面,本申请提供一种监控系统阈值确定装置,包括:
特征参数确定模块,用于根据目标业务的历史数据和预设业务演算规则,确定对应的至少一个特征参数;
特征参数划分模块,用于根据所述特征参数的属性特征和与所述属性特征对应的参数划分规则对所述特征参数进行划分,得到至少一个特征参数分段值;
业务演算模块,用于根据各所述特征参数之间各所述特征参数分段值的组合以及所述业务演算规则进行业务演算,得到目标参数的演算值;
阈值确定模块,用于对所述目标参数的演算值进行统计分析,确定各所述特征参数的阈值,以使监控系统根据所述阈值对所述目标业务进行阈值监控。
进一步地,所述特征参数确定模块包括:
特征参数筛选单元,用于根据预设业务演算规则的演算需求从目标业务的历史数据中获取至少一个特征参数;
间接参数拆分单元,用于判断所述特征参数是否符合所述业务演算规则中间接参数的判定条件,若是,则对该特征参数进行拆分,得到经过拆分后的特征参数。
进一步地,所述特征参数划分模块包括:
账户分段单元,用于根据所述特征参数的账户类型特征,将所述特征参数划分为活期账户特征参数分段值和非活期账户特征参数分段值;
数值分段单元,用于根据所述特征参数的数值范围特征,将所述特征参数划分为极值特征参数分段值和中间值特征参数分段值;
时间分段单元,用于根据所述特征参数的时间跨度特征,将所述特征参数划分为至少一个特定时间周期特征参数分段值。
进一步地,所述阈值确定模块包括:
数值排序单元,用于对业务演算后得到的目标参数的演算值进行数值排序;
临界值确定单元,用于按照设定划分比例将经过数值排序后所述目标参数的演算值划分为有效数值和无效数值,并将所述有效数值和所述无效数值之间的演算值确定为临界值;
阈值确定单元,用于根据与所述目标参数的临界值对应的特征参数分段值,确定所述特征参数的阈值。
第三方面,本申请提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的监控系统阈值确定方法的步骤。
第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述的监控系统阈值确定方法的步骤。
由上述技术方案可知,本申请提供一种监控系统阈值确定方法及装置,通过目标业务的具体监控场景中的业务演算规则,从目标业务的历史数据中筛选出至少一个特征参数,并根据特征参数的属性特征和相应的参数划分规则对该特征参数进行划分,得到至少一个特征参数分段值,再通过各特征参数之间的各特征参数分段值的多种互相组合依据业务演算规则进行业务演算,以此得到目标参数的演算值,然后对目标参数的演算值进行统计分析,以确定各特征参数的准确的阈值,以使监控系统能够根据该阈值对目标业务进行后续的阈值监控,有效提升监控系统中参数阈值的准确性、及时性和可靠性,从而提升了整个系统的风险防范能力。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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为本申请实施例中的监控系统阈值确定方法的流程示意图之一;
图2为本申请实施例中的监控系统阈值确定方法的流程示意图之二;
图3为本申请实施例中的监控系统阈值确定方法的流程示意图之三;
图4为本申请实施例中的监控系统阈值确定方法的流程示意图之四;
图5为本申请实施例中的监控系统阈值确定装置的结构图之一;
图6为本申请实施例中的监控系统阈值确定装置的结构图之二;
图7为本申请实施例中的监控系统阈值确定装置的结构图之三;
图8为本申请实施例中的监控系统阈值确定装置的结构图之四;
图9为本申请实施例中的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
考虑到发明人发现,现有技术中的监控系统只能是人工根据经验设置参数阈值,或多次尝试设置不同参数阈值后根据监控结果多次迭代优化设置,需要有人员经验储备和数据敏感性,以及较长的调试验证时间才能获得较合理的监控阀值,而这期间无疑又为风险的发生留下了机会的问题,本申请提供一种监控系统阈值确定方法及装置,通过目标业务的具体监控场景中的业务演算规则,从目标业务的历史数据中筛选出至少一个特征参数,并根据特征参数的属性特征和相应的参数划分规则对该特征参数进行划分,得到至少一个特征参数分段值,再通过各特征参数之间的各特征参数分段值的多种互相组合依据业务演算规则进行业务演算,以此得到目标参数的演算值,然后对目标参数的演算值进行统计分析,以确定各特征参数的准确的阈值,以使监控系统能够根据该阈值对目标业务进行后续的阈值监控,有效提升监控系统中参数阈值的准确性、及时性和可靠性,从而提升了整个系统的风险防范能力。
为了能够有效提升监控系统中参数阈值的准确性、及时性和可靠性,从而提升了整个系统的风险防范能力,本申请提供一种监控系统阈值确定方法的实施例,参见图1,所述监控系统阈值确定方法具体包含有如下内容:
步骤S101:根据目标业务的历史数据和预设业务演算规则,确定对应的至少一个特征参数。
可选地,以所述目标业务为一种资金交易业务为例,在监控系统中对其执行一种例如“一段时间内所有活期账户快进快出的可疑资金交易”的监控操作,则对应的业务演算规则至少需要从该目标业务的历史数据中获取账户类型、单笔最低金额、时间跨度、进出差额比率这4个特征参数。
其中,进出差额比率=|(单个账户时间跨度内的累计收入金额-单个账户时间跨度内的累计支出金额)|/单个账户时间跨度内的累计支出金额。
在一个优选实例中,所述账户类型为:活期账户,所述单笔最低金额为:100元,所述时间跨度为:1天,所述进出差额比率为:大于20%。
其中,所述进出差额比率实际隐含了2个特征参数的计算:(1)每个账户时间跨度内的累计收入金额,(2)每个账户时间跨度内的累计支出金额;因此所述进出差额比率实际是一种间接参数,需要对其进行拆分。
步骤S102:根据所述特征参数的属性特征和与所述属性特征对应的参数划分规则对所述特征参数进行划分,得到至少一个特征参数分段值。
可选地,针对目标业务的不同业务场景可以使用不同的特征参数,针对各个特征参数自身不同的属性特征也可以对特征参数依照参数划分规则进行相应的划分,针对每一特征参数,将其划分为至少一个特征参数分段值。
可选地,所述属性特征包括但不限于:账户类型特征、数值范围特征以及时间跨度特征。
可选地,依据账户类型特征的不同,可以将特征参数划分为至少一个活期账户特征参数分段值,在本申请的其他一些实施例中,也可以依据账户类型特征中的是否是活跃账户、是否是对公账户等特征进行划分。
可选地,依据数值范围特征的不同,可以将特征参数中的金额数值(例如单笔最低金额)进行数值划分,例如从交易明细表中找出最大值、最小值和中间值,假设最小值为1万,最大值为1亿,中间值可以在1万至1亿之间按照设定比例进行分段,每段递增100%,得到1万、2万、4万等待总共16段。
可选地,依据时间跨度特征的不同,可以将特征参数划分为一个月、一个周、1天等,也可人工设定。
具体地,所述特征参数分段值的获取方式可以有如下几类:
第一类,从源数据表里找出最大值、最小值,在最大值与最小值之间分段,每段设置递增百分比,如:
1、单笔交易金额;
2、单账户余额;
3、累计交易金额;
4、累计支出金额;
5、累计收入金额;
6、累计交易笔数;
7、平均交易金额;
8、收付百分比;
9、交易量环比变化率;
10、交易量同比变化率;
11、逾期天数、逾期时间;
12、账户个数,如监控多个账户在相近的时间内在同一个商户消费;
13、存期;
14、利率。
第二类,人工给出参数值列表,如:
1、交易时间跨度,人工给出年、半年、季度、月、周、X天、X小时等;
2、资金用途、对手户名、异常交易场所等,人工给出要监控匹配的关键字列表;
3、异常交易时间,监控太迟或太早等时间不正常的交易,人工界定时间。
第三类,有专用的参数值定义表,监控参数值在或不在定义表中,如:
1、银行网点号、银行行号等;
2、地区号、省份、国家代码等;
3、机构号、单位群、账户组等;
4、黑名单账户、白名单账户等。
第四类,间接参数,不直接作用于监控结果,但需要经过间接参数进一步计算得到最终监控参数值,如上方示例中的进出差额比率实际上隐含了单个账户时间跨度内的累计收入金额、单个账户时间跨度内的累计支出金额,虽然对这2个金额的值没有限制,但对两个金额的差额比例有限制。单个账户时间跨度内的累计收入金额、单个账户时间跨度内的累计支出金额就是间接参数。
步骤S103:根据各所述特征参数之间各所述特征参数分段值的组合以及所述业务演算规则进行业务演算,得到目标参数的演算值。
可选地,以上述特征参数“活期账户”、“单笔最低金额”和“时间跨度”举例,对其分别进行划分后得到特征参数分段值,得到N个活期账户、16个单笔最低金额以及3个时间跨度,然后将三种特征参数分段值进行组合,得到48N中可能的组合。
可选地,对于每一种组合,用分布式计算模块计算指定账户在指定时间跨度内单笔金额>指定单笔最低金额的累计收入金额、累计支出金额,根据进出差额比率计算公式计算出对应的进出差额比率,从而得到48N条进出差额比率及其对应的参数。
可以理解的是,所述目标参数可以为上述特征参数中的其中一种(例如进出差额比率),也可以为在业务演算过程中新增的或得到的其他参数。
步骤S104:对所述目标参数的演算值进行统计分析,确定各所述特征参数的阈值,以使监控系统根据所述阈值对所述目标业务进行阈值监控。
可选地,对演算结果进行统计分析,例如列出各差额比率的区间分布,并基于此确定符合当前业务场景的各特征参数的阈值。
例如,假设用户已知历史数据大概有1.5%的数据是快进快出的,用户录入的参照数据量比例:1.5%。系统按“进出差额比率”字段对48N条组合记录排序,取“进出差额比率”最小的前1.5%的记录的最后一条作为参照线,该参照线记录对应的单笔最低金额、时间跨度、进出差额比率,就是符合客户预期的推荐阀值。如果该记录的时间跨度是1周的,还可以从该参照线往上查找最后一条时间跨度是1个月的记录、1天的记录,三条记录综合考虑,甚至取更多条记录,综合考虑,人工微调后生成一条或多条推荐阀值记录,作为监控系统的参数阀值。
可以理解的是,所举例的监控系统是快进快出,进出差额比越小快进快出的可能性越高,故监控的是进出差额比小于某个范围的部分,排序是从小到大。而有些模型是监控超过某个比例或某个金额的,则排序是从大到小,取大于某个值的部分。需要根据具体监控场景具体选择对应的排序、划线方式、分布式计算任务和逻辑。
从上述描述可知,本申请实施例提供的监控系统阈值确定方法,能够通过目标业务的具体监控场景中的业务演算规则,从目标业务的历史数据中筛选出至少一个特征参数,并根据特征参数的属性特征和相应的参数划分规则对该特征参数进行划分,得到至少一个特征参数分段值,再通过各特征参数之间的各特征参数分段值的多种互相组合依据业务演算规则进行业务演算,以此得到目标参数的演算值,然后对目标参数的演算值进行统计分析,以确定各特征参数的准确的阈值,以使监控系统能够根据该阈值对目标业务进行后续的阈值监控,有效提升监控系统中参数阈值的准确性、及时性和可靠性,从而提升了整个系统的风险防范能力。
为了能够提升业务演算的准确性,在本申请的监控系统阈值确定方法的一实施例中,参见图2,还可以具体包含如下内容:
步骤S201:根据预设业务演算规则的演算需求从目标业务的历史数据中获取至少一个特征参数。
步骤S202:判断所述特征参数是否符合所述业务演算规则中间接参数的判定条件,若是,则对该特征参数进行拆分,得到经过拆分后的特征参数。
可选地,所述间接参数不直接作用于监控结果,但需要经过间接参数进一步计算得到最终监控参数值,如上方示例中的进出差额比率实际上隐含了单个账户时间跨度内的累计收入金额、单个账户时间跨度内的累计支出金额,虽然对这2个金额的值没有限制,但对两个金额的差额比例有限制。单个账户时间跨度内的累计收入金额、单个账户时间跨度内的累计支出金额就是间接参数。
为了能够准确地对特征参数进行划分,在本申请的监控系统阈值确定方法的一实施例中,参见图3,还可以具体包含如下内容:
步骤S301:根据所述特征参数的账户类型特征,将所述特征参数划分为活期账户特征参数分段值和非活期账户特征参数分段值。
步骤S302:根据所述特征参数的数值范围特征,将所述特征参数划分为极值特征参数分段值和中间值特征参数分段值。
步骤S303:根据所述特征参数的时间跨度特征,将所述特征参数划分为至少一个特定时间周期特征参数分段值。
可选地,所述属性特征包括但不限于:账户类型特征、数值范围特征以及时间跨度特征。
可选地,依据账户类型特征的不同,可以将特征参数划分为至少一个活期账户特征参数分段值,在本申请的其他一些实施例中,也可以依据账户类型特征中的是否是活跃账户、是否是对公账户等特征进行划分。
可选地,依据数值范围特征的不同,可以将特征参数中的金额数值(例如单笔最低金额)进行数值划分,例如从交易明细表中找出最大值、最小值和中间值,假设最小值为1万,最大值为1亿,中间值可以在1万至1亿之间按照设定比例进行分段,每段递增100%,得到1万、2万、4万等待总共16段。
可选地,依据时间跨度特征的不同,可以将特征参数划分为一个月、一个周、1天等,也可人工设定。
为了能够根据演算值的统计分析结果确定符合业务需求的特征参数的阈值,在本申请的监控系统阈值确定方法的一实施例中,参见图4,还可以具体包含如下内容:
步骤S401:对业务演算后得到的目标参数的演算值进行数值排序。
步骤S402:按照设定划分比例将经过数值排序后所述目标参数的演算值划分为有效数值和无效数值,并将所述有效数值和所述无效数值之间的演算值确定为临界值。
步骤S403:根据与所述目标参数的临界值对应的特征参数分段值,确定所述特征参数的阈值。
可选地,对演算结果进行统计分析,例如列出各差额比率的区间分布,并基于此确定符合当前业务场景的各特征参数的阈值。
例如,假设用户已知历史数据大概有1.5%的数据是快进快出的,用户录入的参照数据量比例:1.5%。系统按“进出差额比率”字段对48N条组合记录排序,取“进出差额比率”最小的前1.5%的记录的最后一条作为参照线,即前1.5%可以被划分为有效数值,其他部分被划分为无效数值,该参照线记录对应的单笔最低金额、时间跨度、进出差额比率,就是符合客户预期的推荐阀值。如果该记录的时间跨度是1周的,还可以从该参照线往上查找最后一条时间跨度是1个月的记录、1天的记录,三条记录综合考虑,甚至取更多条记录,综合考虑,人工微调后生成一条或多条推荐阀值记录,作为监控系统的参数阀值。
为了能够有效提升监控系统中参数阈值的准确性、及时性和可靠性,从而提升了整个系统的风险防范能力,本申请提供一种用于实现所述监控系统阈值确定方法的全部或部分内容的监控系统阈值确定装置的实施例,参见图5,所述监控系统阈值确定装置具体包含有如下内容:
特征参数确定模块10,用于根据目标业务的历史数据和预设业务演算规则,确定对应的至少一个特征参数。
特征参数划分模块20,用于根据所述特征参数的属性特征和与所述属性特征对应的参数划分规则对所述特征参数进行划分,得到至少一个特征参数分段值。
业务演算模块30,用于根据各所述特征参数之间各所述特征参数分段值的组合以及所述业务演算规则进行业务演算,得到目标参数的演算值。
阈值确定模块40,用于对所述目标参数的演算值进行统计分析,确定各所述特征参数的阈值,以使监控系统根据所述阈值对所述目标业务进行阈值监控。
从上述描述可知,本申请实施例提供的监控系统阈值确定装置,能够通过目标业务的具体监控场景中的业务演算规则,从目标业务的历史数据中筛选出至少一个特征参数,并根据特征参数的属性特征和相应的参数划分规则对该特征参数进行划分,得到至少一个特征参数分段值,再通过各特征参数之间的各特征参数分段值的多种互相组合依据业务演算规则进行业务演算,以此得到目标参数的演算值,然后对目标参数的演算值进行统计分析,以确定各特征参数的准确的阈值,以使监控系统能够根据该阈值对目标业务进行后续的阈值监控,有效提升监控系统中参数阈值的准确性、及时性和可靠性,从而提升了整个系统的风险防范能力。
为了能够提升业务演算的准确性,在本申请的监控系统阈值确定装置的一实施例中,参见图6,所述特征参数确定模块10包括:
特征参数筛选单元11,用于根据预设业务演算规则的演算需求从目标业务的历史数据中获取至少一个特征参数。
间接参数拆分单元12,用于判断所述特征参数是否符合所述业务演算规则中间接参数的判定条件,若是,则对该特征参数进行拆分,得到经过拆分后的特征参数。
为了能够准确地对特征参数进行划分,在本申请的监控系统阈值确定装置的一实施例中,参见图7,所述属性特征包括账户类型特征、数值范围特征以及时间跨度特征,所述特征参数划分模块20包括:
账户分段单元21,用于根据所述特征参数的账户类型特征,将所述特征参数划分为活期账户特征参数分段值和非活期账户特征参数分段值。
数值分段单元22,用于根据所述特征参数的数值范围特征,将所述特征参数划分为极值特征参数分段值和中间值特征参数分段值。
时间分段单元23,用于根据所述特征参数的时间跨度特征,将所述特征参数划分为至少一个特定时间周期特征参数分段值。
为了能够根据演算值的统计分析结果确定符合业务需求的特征参数的阈值,在本申请的监控系统阈值确定装置的一实施例中,参见图8,所述阈值确定模块40包括:
数值排序单元41,用于对业务演算后得到的目标参数的演算值进行数值排序。
临界值确定单元42,用于按照设定划分比例将经过数值排序后所述目标参数的演算值划分为有效数值和无效数值,并将所述有效数值和所述无效数值之间的演算值确定为临界值。
阈值确定单元43,用于根据与所述目标参数的临界值对应的特征参数分段值,确定所述特征参数的阈值。
从硬件层面来说,为了能够有效提升监控系统中参数阈值的准确性、及时性和可靠性,从而提升了整个系统的风险防范能力,本申请提供一种用于实现所述监控系统阈值确定方法中的全部或部分内容的电子设备的实施例,所述电子设备具体包含有如下内容:
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述通信接口用于实现监控系统阈值确定装置与核心业务系统、用户终端以及相关数据库等相关设备之间的信息传输;该逻辑控制器可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该逻辑控制器可以参照实施例中的监控系统阈值确定方法的实施例,以及监控系统阈值确定装置的实施例进行实施,其内容被合并于此,重复之处不再赘述。
可以理解的是,所述用户终端可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中,所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。
在实际应用中,监控系统阈值确定方法的部分可以在如上述内容所述的电子设备侧执行,也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力,以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成,所述客户端设备还可以包括处理器。
上述的客户端设备可以具有通信模块(即通信单元),可以与远程的服务器进行通信连接,实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器,其他的实施场景中也可以包括中间平台的服务器,例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备,也可以包括多个服务器组成的服务器集群,或者分布式装置的服务器结构。
图9为本申请实施例的电子设备9600的系统构成的示意框图。如图9所示,该电子设备9600可以包括中央处理器9100和存储器9140;存储器9140耦合到中央处理器9100。值得注意的是,该图9是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
一实施例中,监控系统阈值确定方法功能可以被集成到中央处理器9100中。其中,中央处理器9100可以被配置为进行如下控制:
步骤S101:根据目标业务的历史数据和预设业务演算规则,确定对应的至少一个特征参数。
步骤S102:根据所述特征参数的属性特征和与所述属性特征对应的参数划分规则对所述特征参数进行划分,得到至少一个特征参数分段值。
步骤S103:根据各所述特征参数之间各所述特征参数分段值的组合以及所述业务演算规则进行业务演算,得到目标参数的演算值。
步骤S104:对所述目标参数的演算值进行统计分析,确定各所述特征参数的阈值,以使监控系统根据所述阈值对所述目标业务进行阈值监控。
从上述描述可知,本申请实施例提供的电子设备,通过目标业务的具体监控场景中的业务演算规则,从目标业务的历史数据中筛选出至少一个特征参数,并根据特征参数的属性特征和相应的参数划分规则对该特征参数进行划分,得到至少一个特征参数分段值,再通过各特征参数之间的各特征参数分段值的多种互相组合依据业务演算规则进行业务演算,以此得到目标参数的演算值,然后对目标参数的演算值进行统计分析,以确定各特征参数的准确的阈值,以使监控系统能够根据该阈值对目标业务进行后续的阈值监控,有效提升监控系统中参数阈值的准确性、及时性和可靠性,从而提升了整个系统的风险防范能力。
在另一个实施方式中,监控系统阈值确定装置可以与中央处理器9100分开配置,例如可以将监控系统阈值确定装置配置为与中央处理器9100连接的芯片,通过中央处理器的控制来实现监控系统阈值确定方法功能。
如图9所示,该电子设备9600还可以包括:通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是,电子设备9600也并不是必须要包括图9中所示的所有部件;此外,电子设备9600还可以包括图9中没有示出的部件,可以参考现有技术。
如图9所示,中央处理器9100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中,存储器9140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序,以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器9140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142,该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143,该数据存储部9143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块9110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132,以经由扬声器9131提供音频输出,并接收来自麦克风9132的音频输入,从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器9130还耦合到中央处理器9100,从而使得可以通过麦克风9132能够在本机上录音,且使得可以通过扬声器9131来播放本机上存储的声音。
本申请的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的监控系统阈值确定方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的监控系统阈值确定方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤S101:根据目标业务的历史数据和预设业务演算规则,确定对应的至少一个特征参数。
步骤S102:根据所述特征参数的属性特征和与所述属性特征对应的参数划分规则对所述特征参数进行划分,得到至少一个特征参数分段值。
步骤S103:根据各所述特征参数之间各所述特征参数分段值的组合以及所述业务演算规则进行业务演算,得到目标参数的演算值。
步骤S104:对所述目标参数的演算值进行统计分析,确定各所述特征参数的阈值,以使监控系统根据所述阈值对所述目标业务进行阈值监控。
从上述描述可知,本申请实施例提供的计算机可读存储介质,通过目标业务的具体监控场景中的业务演算规则,从目标业务的历史数据中筛选出至少一个特征参数,并根据特征参数的属性特征和相应的参数划分规则对该特征参数进行划分,得到至少一个特征参数分段值,再通过各特征参数之间的各特征参数分段值的多种互相组合依据业务演算规则进行业务演算,以此得到目标参数的演算值,然后对目标参数的演算值进行统计分析,以确定各特征参数的准确的阈值,以使监控系统能够根据该阈值对目标业务进行后续的阈值监控,有效提升监控系统中参数阈值的准确性、及时性和可靠性,从而提升了整个系统的风险防范能力。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种监控系统阈值确定方法,其特征在于,所述方法包括:
根据目标业务的历史数据和预设业务演算规则,确定对应的至少一个特征参数;
根据所述特征参数的账户类型特征,将所述特征参数划分为活期账户特征参数分段值和非活期账户特征参数分段值;根据所述特征参数的数值范围特征,将所述特征参数划分为极值特征参数分段值和中间值特征参数分段值;根据所述特征参数的时间跨度特征,将所述特征参数划分为至少一个特定时间周期特征参数分段值;
根据各所述特征参数之间各所述特征参数分段值的组合以及所述业务演算规则进行业务演算,得到目标参数的演算值;
对业务演算后得到的目标参数的演算值进行数值排序;按照设定划分比例将经过数值排序后所述目标参数的演算值划分为有效数值和无效数值,并将所述有效数值和所述无效数值之间的演算值确定为临界值;根据与所述目标参数的临界值对应的特征参数分段值,确定所述特征参数的阈值,以使监控系统根据所述阈值对所述目标业务进行阈值监控。
2.根据权利要求1所述的监控系统阈值确定方法,其特征在于,所述根据目标业务的历史数据和预设业务演算规则,确定对应的至少一个特征参数,包括:
根据预设业务演算规则的演算需求从目标业务的历史数据中获取至少一个特征参数;
判断所述特征参数是否符合所述业务演算规则中间接参数的判定条件,若是,则对该特征参数进行拆分,得到经过拆分后的特征参数。
3.一种监控系统阈值确定装置,其特征在于,包括:
特征参数确定模块,用于根据目标业务的历史数据和预设业务演算规则,确定对应的至少一个特征参数;
特征参数划分模块,用于根据所述特征参数的账户类型特征,将所述特征参数划分为活期账户特征参数分段值和非活期账户特征参数分段值;根据所述特征参数的数值范围特征,将所述特征参数划分为极值特征参数分段值和中间值特征参数分段值;根据所述特征参数的时间跨度特征,将所述特征参数划分为至少一个特定时间周期特征参数分段值;
业务演算模块,用于根据各所述特征参数之间各所述特征参数分段值的组合以及所述业务演算规则进行业务演算,得到目标参数的演算值;
阈值确定模块,用于对业务演算后得到的目标参数的演算值进行数值排序;按照设定划分比例将经过数值排序后所述目标参数的演算值划分为有效数值和无效数值,并将所述有效数值和所述无效数值之间的演算值确定为临界值;根据与所述目标参数的临界值对应的特征参数分段值,确定所述特征参数的阈值,以使监控系统根据所述阈值对所述目标业务进行阈值监控。
4.根据权利要求3所述的监控系统阈值确定装置,其特征在于,所述特征参数确定模块包括:
特征参数筛选单元,用于根据预设业务演算规则的演算需求从目标业务的历史数据中获取至少一个特征参数;
间接参数拆分单元,用于判断所述特征参数是否符合所述业务演算规则中间接参数的判定条件,若是,则对该特征参数进行拆分,得到经过拆分后的特征参数。
5.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至2任一项所述的监控系统阈值确定方法的步骤。
6.一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,该计算机程序被处理器执行时实现权利要求1至2任一项所述的监控系统阈值确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010750982.1A CN111951011B (zh) | 2020-07-30 | 2020-07-30 | 监控系统阈值确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010750982.1A CN111951011B (zh) | 2020-07-30 | 2020-07-30 | 监控系统阈值确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111951011A CN111951011A (zh) | 2020-11-17 |
CN111951011B true CN111951011B (zh) | 2023-09-29 |
Family
ID=73338608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010750982.1A Active CN111951011B (zh) | 2020-07-30 | 2020-07-30 | 监控系统阈值确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111951011B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115145982B (zh) * | 2022-08-03 | 2024-09-06 | 浙江网商银行股份有限公司 | 数据处理方法以及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976419A (zh) * | 2010-10-19 | 2011-02-16 | 中国工商银行股份有限公司 | 交易数据的风险监控处理方法和系统 |
CN106415576A (zh) * | 2014-03-26 | 2017-02-15 | 瑞士再保险有限公司 | 用于离散网络风险的测量和自动化累积的系统以及其对应的方法 |
CN108595300A (zh) * | 2018-03-21 | 2018-09-28 | 北京奇艺世纪科技有限公司 | 一种可配置的监控和报警的方法及装置 |
CN110362454A (zh) * | 2019-06-29 | 2019-10-22 | 北京淇瑀信息科技有限公司 | 一种支持可配置的决策引擎的报警方法、装置和电子设备 |
CN110414914A (zh) * | 2019-06-17 | 2019-11-05 | 深圳壹账通智能科技有限公司 | 业务数据监控方法和装置 |
CN110912884A (zh) * | 2019-11-20 | 2020-03-24 | 深信服科技股份有限公司 | 一种检测方法、设备及计算机存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108305158B (zh) * | 2017-12-27 | 2020-06-09 | 阿里巴巴集团控股有限公司 | 一种训练风控模型和风控的方法、装置及设备 |
-
2020
- 2020-07-30 CN CN202010750982.1A patent/CN111951011B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976419A (zh) * | 2010-10-19 | 2011-02-16 | 中国工商银行股份有限公司 | 交易数据的风险监控处理方法和系统 |
CN106415576A (zh) * | 2014-03-26 | 2017-02-15 | 瑞士再保险有限公司 | 用于离散网络风险的测量和自动化累积的系统以及其对应的方法 |
CN108595300A (zh) * | 2018-03-21 | 2018-09-28 | 北京奇艺世纪科技有限公司 | 一种可配置的监控和报警的方法及装置 |
CN110414914A (zh) * | 2019-06-17 | 2019-11-05 | 深圳壹账通智能科技有限公司 | 业务数据监控方法和装置 |
CN110362454A (zh) * | 2019-06-29 | 2019-10-22 | 北京淇瑀信息科技有限公司 | 一种支持可配置的决策引擎的报警方法、装置和电子设备 |
CN110912884A (zh) * | 2019-11-20 | 2020-03-24 | 深信服科技股份有限公司 | 一种检测方法、设备及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111951011A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100751965B1 (ko) | 탈퇴 고객들을 예측하기 위한 방법 및 시스템 | |
CN103150696A (zh) | 选择目标增值业务潜在客户的方法及装置 | |
US10599985B2 (en) | Systems and methods for expediting rule-based data processing | |
CN110992190A (zh) | 基于用户画像的资产配置方法及装置 | |
CN110728301A (zh) | 一种个人用户的信用评分方法、装置、终端及存储介质 | |
CN110866698A (zh) | 用于评定服务提供方的服务分值的装置 | |
CN112766825A (zh) | 企业金融服务风险预测方法及装置 | |
CN112784112A (zh) | 报文校验方法及装置 | |
CN109345371A (zh) | 个人征信报告回溯方法及系统 | |
CN112085596A (zh) | 用户风险等级信息的确定方法及装置 | |
CN111951011B (zh) | 监控系统阈值确定方法及装置 | |
CN112163861B (zh) | 交易风险要素特征提取方法及装置 | |
US20140279378A1 (en) | Model performance simulator | |
CN116361542A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN115495519A (zh) | 报表数据加工方法及装置 | |
CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN112116402A (zh) | 信用风险客户级违约率确定方法及装置 | |
CN112598499A (zh) | 确定授信额度的方法和装置 | |
CN111582648A (zh) | 用户策略生成方法、装置及电子设备 | |
CN111401395A (zh) | 一种数据处理方法、终端设备及存储介质 | |
CN114792257B (zh) | 物品流转信息生成方法、流转预测信息生成方法和装置 | |
EP4209986A1 (en) | Method and apparatus for iterating credit scorecard model, electronic device and storage medium | |
CN111932018B (zh) | 银行业务绩效贡献信息预测方法及装置 | |
CN118014636A (zh) | 组合商品的销售预测和库存告警方法及装置 | |
CN117633351A (zh) | 一种推荐过程中的实时召回方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |