CN113538130A - 异常检测方法、装置及系统 - Google Patents
异常检测方法、装置及系统 Download PDFInfo
- Publication number
- CN113538130A CN113538130A CN202110830113.4A CN202110830113A CN113538130A CN 113538130 A CN113538130 A CN 113538130A CN 202110830113 A CN202110830113 A CN 202110830113A CN 113538130 A CN113538130 A CN 113538130A
- Authority
- CN
- China
- Prior art keywords
- item
- detected
- data
- detection
- abnormal
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 395
- 230000002159 abnormal effect Effects 0.000 claims abstract description 193
- 230000005856 abnormality Effects 0.000 claims abstract description 48
- 238000012216 screening Methods 0.000 claims abstract description 11
- 230000003993 interaction Effects 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 12
- 238000013468 resource allocation Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 abstract description 29
- 238000004458 analytical method Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Debugging And Monitoring (AREA)
Abstract
本说明书实施例提供异常检测方法、装置及系统，其中所述异常检测方法包括：获取与待检测项目相关的至少两个维度的项目数据，其中，每个维度下包含多个子维度，对所述至少两个维度下的多个子维度进行组合，并将组合结果作为所述待检测项目的维度因子，根据所述项目数据筛选与所述维度因子关联的目标用户，并基于所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据，根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果。
Description
技术领域
本说明书实施例涉及计算机技术领域，特别涉及一种异常检测方法。本说明书一个或者多个实施例同时涉及一种异常检测装置，一种异常检测系统，一种计算设备，以及一种计算机可读存储介质。
背景技术
随着经济的快速发展，以及经济发展方式日趋多样性，越来越多的金融工具随之应运而生，许多企业或用户可以从不同金融工具中进行借贷，以缓减短期的经济压力。
目前借贷资金作为各金融机构借贷项目的重要组成部分，往往会对金融机构的现金流产生很大的影响。而每日借贷额度是金融机构进行日常管理的重要目标和决策参考。然而由于用户行为和市场环境的不确定性，金融机构的借贷额度往往会有一定的波动。从多个维度进行波动原因的识别，有助于更好更全面地了解引起波动的根本原因，以便对借贷项目的风控策略进行调整，因此，亟需一种有效的检测方法，以提高异常波动原因的分析结果的准确率。
发明内容
有鉴于此，本说明书实施例提供了一种异常检测方法。本说明书一个或者多个实施例同时涉及一种异常检测装置，一种异常检测系统，一种计算设备，以及一种计算机可读存储介质，以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面，提供了一种异常检测方法，包括：
获取与待检测项目相关的至少两个维度的项目数据，其中，每个维度下包含多个子维度；
对所述至少两个维度下的多个子维度进行组合，并将组合结果作为所述待检测项目的维度因子；
根据所述项目数据筛选与所述维度因子关联的目标用户，并基于所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据；
根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果。
可选地，所述对所述至少两个维度下的多个子维度进行组合，包括：
对所述至少两个维度中任一维度下的多个子维度进行组合；和/或，
对所述至少两个维度中任意两个或多个维度下的多个子维度进行组合。
可选地，所述基于所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据，包括：
确定所述目标用户的项目资源获取数据与第一资源值间的第一差值；和/或，
确定所述目标用户的项目资源获取数据与第二资源值间的第二差值，并将所述第一差值和第二差值作为所述目标用户的异常检测数据；
其中，所述第一资源值为所述待检测项目的固定资源值，所述第二资源值为基于所述项目数据生成的调整资源值。
可选地，所述根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果，包括：
确定所述待检测项目对应的异常检测规则，并确定所述异常检测规则对应的异常检测参考值；
基于所述异常检测规则，判断所述异常检测数据中包含的资源变化值是否大于等于所述异常检测参考值；
若是，则确定所述待检测项目存在异常，并将所述维度因子作为所述待检测项目的异常检测结果。
可选地，所述根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果，包括：
根据所述第一资源值和第二资源值分别对应的权重，确定用于进行异常检测的目标资源值；
确定所述待检测项目中与所述目标资源值关联的异常检测规则，并确定所述异常检测规则对应的异常检测参考值；
基于所述异常检测规则，判断所述目标资源值是否大于等于所述异常检测参考值；
若是，则将所述维度因子作为所述待检测项目的异常检测结果。
可选地，所述异常检测方法，还包括：
接收用户针对所述待检测项目的检测指标提交的异常检测指令；
按照所述异常检测指令中携带的所述检测指标的目标维度因子，对所述检测指标进行异常检测；
生成对应的异常检测结果并展示。
可选地，所述获取与待检测项目相关的至少两个维度的项目数据之前，还包括：
接收用户针对所述待检测项目提交的检测参数配置指令，所述检测参数配置指令中包含所述待检测项目的异常检测时间间隔；
按照预设检测周期轮询检测当前时间与所述待检测项目的历史异常检测时间的时间差是否大于等于所述异常检测时间间隔；
若是，则执行所述获取与待检测项目相关的至少两个维度的项目数据的步骤。
可选地，所述确定所述待检测项目的异常检测结果之后，还包括：
若根据所述异常检测结果确定所述待检测项目存在异常，则确定与所述异常检测结果关联的维度因子；
将所述维度因子作为子维度添加至所述项目数据。
可选地，所述确定所述待检测项目的异常检测结果之后，还包括：
若根据所述异常检测结果确定所述待检测项目存在异常，则根据所述目标用户的项目资源获取数据，对所述目标用户的资源分配策略进行调整。
根据本说明书实施例的第二方面，提供了一种异常检测装置，包括：
获取模块，被配置为获取与待检测项目相关的至少两个维度的项目数据，其中，每个维度下包含多个子维度；
组合模块，被配置为对所述至少两个维度下的多个子维度进行组合，并将组合结果作为所述待检测项目的维度因子；
筛选模块，被配置为根据所述项目数据筛选与所述维度因子关联的目标用户，并基于所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据；
确定模块，被配置为根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果。
根据本说明书实施例的第三方面，提供了一种异常检测系统，包括：
数据层、引擎层以及交互层；
所述数据层，被配置为获取与待检测项目相关的至少两个维度的项目数据，其中，每个维度下包含多个子维度；
所述引擎层，被配置为从所述数据层中提取所述项目数据，对所述至少两个维度下的多个子维度进行组合，并将组合结果作为所述待检测项目的维度因子，根据所述项目数据筛选与所述维度因子关联的目标用户，并基于所述项目数据中包含的所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据，根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的第一检测结果；
所述交互层，被配置为对所述第一检测结果进行展示。
可选地，所述交互层，还被配置为接收用户针对所述待检测项目的检测指标提交的异常检测指令；
所述引擎层，还被配置为按照所述异常检测指令中携带的所述检测指标的目标维度因子，对所述检测指标进行异常检测，生成第二检测结果；
所述交互层，还被配置为对所述第二检测结果进行展示。
根据本说明书实施例的第四方面，提供了一种计算设备，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：
获取与待检测项目相关的至少两个维度的项目数据，其中，每个维度下包含多个子维度；
对所述至少两个维度下的多个子维度进行组合，并将组合结果作为所述待检测项目的维度因子；
根据所述项目数据筛选与所述维度因子关联的目标用户，并基于所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据；
根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果。
根据本说明书实施例的第五方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现所述异常检测方法的步骤。
本说明书一个实施例通过获取与待检测项目相关的至少两个维度的项目数据，其中，每个维度下包含多个子维度，对所述至少两个维度下的多个子维度进行组合，并将组合结果作为所述待检测项目的维度因子，根据所述项目数据筛选与所述维度因子关联的目标用户，并基于所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据，根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果。
本说明书实施例通过对至少两个维度下的多个子维度进行组合，实现了维度交叉，基于维度交叉生成的维度因子筛选目标用户，并根据目标用户的项目资源获取数据对待检测项目进行异常检测，从而有利于挖掘部分根据专家经验难以披露的维度因子，生成具备启发性的异常检测结果(异常归因分析结果)进一步有利于提高待检测项目的异常检测结果。
附图说明
图1是本说明书一个实施例提供的一种异常检测系统的示意图；
图2是本说明书一个实施例提供的一种异常检测方法的处理流程图；
图3是本说明书一个实施例提供的一种异常检测方法的处理过程流程图；
图4是本说明书一个实施例提供的一种异常检测装置的示意图；
图5是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在本说明书中，提供了一种异常检测方法，本说明书同时涉及一种异常检测装置，一种异常检测系统，一种计算设备，以及一种计算机可读存储介质，在下面的实施例中逐一进行详细说明。
目前已有的分析方法通常是基于人工的，由项目人员根据专家经验选取可能引起变动的潜在因素(如借款的人突然多了、是否有大型促活活动等)，通过人工取数来分析哪些指标发生了变化，进而计算对余额波动的影响。
缺点：
1)维度单一。由于精力和时间的限制，传统的方法往往只选取几个重点指标进行分析，且通常研究单一指标变化对余额变动的影响，交叉性的多维度分析不多。
2)缺乏洞察力。依赖专家经验的分析，其结果往往局限在操作者的主观认知里，分析结果通常也只是验证了操作者认为是正确的结果，较难给出经验之外的启发性结果。
3)无法自动化。人工取数验证流程繁琐，过多重复性流程化的分析过程影响项目员的日常工作。
基于此，本说明书实施例提供一种异常检测系统，具体的异常检测系统的示意图如图1所示，包括：
数据层102、引擎层104以及交互层106；
所述数据层102，被配置为获取与待检测项目相关的至少两个维度的项目数据，其中，每个维度下包含多个子维度；
所述引擎层104，被配置为从所述数据层102中提取所述项目数据，对所述至少两个维度下的多个子维度进行组合，并将组合结果作为所述待检测项目的维度因子，根据所述项目数据筛选与所述维度因子关联的目标用户，并基于所述项目数据中包含的所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据，根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的第一检测结果；
所述交互层106，被配置为对所述第一检测结果进行展示。
可选地，所述交互层106，还被配置为接收用户针对所述待检测项目的检测指标提交的异常检测指令；
所述引擎层104，还被配置为按照所述异常检测指令中携带的所述检测指标的目标维度因子，对所述检测指标进行异常检测，生成第二检测结果；
所述交互层106，还被配置为对所述第二检测结果进行展示。
具体的，所述待检测项目，即需要进行异常检测的项目，包括但不限于资源交易项目、资源借贷项目、理赔项目、公益项目等。
本说明书实施例以所述待检测项目为资源借贷项目为例进行说明，则所述至少两个维度即可以包括但不限于用户属性、用户行为、项目运营、项目市场变化等。
另外，每个维度下均包含多个子维度，以所述用户属性维度为例，其包含的子维度包括但不限于用户住址以及用户职业等。
如图1所示，本说明书实施例提供的异常检测系统中包含数据层102、引擎层104以及交互层106；其中，首先由数据层102获取并存储与待检测项目相关的至少两个维度的项目数据(用户画像、宏观经济、项目运营等数据)，并由引擎层104从数据层102进行数据提取，然后对提取的数据进行维度交叉，并对维度交叉结果进行异变分析，再根据异变分析结果对待检测项目进行根因判断，具体即判断待检测项目是否存在异常，以及在存在异常的情况下，导致异常的原因等；得到待检测项目的根因分析结果后，可通过交互层106对根因分析结果进行可视化展示。
本说明书实施例提供的异常检测系统的核心在于：基于数据层102的项目数据，对各个子维度进行组合交叉，进而判断交叉生成的维度因子的异变程度，然后根据待检测项目设置的异常检测规则，筛选符合条件的维度因子作为潜在的异常根因。
其中，引擎层104可实现两种模式：
1)自动分析，算法引擎可通过自动调度来判断待检测项目的项目资源值是否发生异常变化，进而自动分析造成异常变化的原因；
2)项目定制，用户若确定所述待检测项目出现异常，则可通过交互层106对引擎层104发送异常分析指令，以由引擎层104按照用户定制的分析路径进行异常分析或自动下钻分析。
另外，交互层是用户直接感知层，可在产品化的界面进行项目资源值的日常检测，也可以通过交互层向引擎层发送异常分析指令。而引擎层主动进行异常分析或自动进行异常分析生成的分析结果均会通过交互层的可视化效果向用户展示。
本说明书实施例通过对至少两个维度下的多个子维度进行组合，实现了维度交叉，基于维度交叉生成的维度因子筛选目标用户，并根据目标用户的项目资源获取数据对待检测项目进行异常检测，从而有利于挖掘部分根据专家经验难以披露的维度因子，生成具备启发性的异常检测结果(异常归因分析结果)进一步有利于提高待检测项目的异常检测结果。
图2示出了根据本说明书一个实施例提供的一种异常检测方法的处理流程图，包括步骤202至步骤208。
步骤202，获取与待检测项目相关的至少两个维度的项目数据，其中，每个维度下包含多个子维度。
具体的，所述待检测项目，即需要进行异常检测的项目，包括但不限于资源交易项目、资源借贷项目、理赔项目、公益项目等。
本说明书实施例以所述待检测项目为资源借贷项目为例进行说明，则所述至少两个维度即可以包括但不限于用户属性、用户行为、项目运营、项目市场变化等。
另外，每个维度下仅包含多个子维度，以所述用户属性维度为例，其包含的子维度包括但不限于用户住址以及用户职业等。
获取至少两个维度的项目数据后，即可基于所述项目数据对待检测项目进行异常检测。但在实际应用中，为保证异常检测结果的准确性，以及提高异常检测效率，本说明书实施例在利用项目数据进行异常检测之前，还可先对这些项目数据进行相应的处理，例如，可对项目数据进行清洗，去除脏数据，还可对项目数据中不同子维度的数据进行统计，包括但不限于统计同一子维度的项目数据中的最大值、最小值以及均值等。
具体实施时，获取与待检测项目相关的至少两个维度的项目数据之前，还包括：
接收用户针对所述待检测项目提交的检测参数配置指令，所述检测参数配置指令中包含所述待检测项目的异常检测时间间隔；
按照预设检测周期轮询检测当前时间与所述待检测项目的历史异常检测时间的时间差是否大于等于所述异常检测时间间隔；
若是，则获取与待检测项目相关的至少两个维度的项目数据。
具体的，在对待检测项目进行异常检测之前，可先主动分析该待检测项目或该待检测项目的相关检测指标是否存在异常；若存在异常，则可执行获取与待检测项目相关的至少两个维度的项目数据，并根据所述项目数据确定所述待检测项目的异常原因。
实际应用中，用户在异常检测平台配置待检测项目的检测参数的过程中，可设置该待检测项目的自动检测周期，以使得所述异常检测平台可以按照一定周期定时自动对该待检测项目进行异常检测。
因此，所述异常检测平台在接收到用户针对该待检测项目提交的检测参数配置指令后，可从所述检测参数配置指令中查询该待检测项目的检测周期，即异常检测时间间隔，并在检测到当前时间与该待检测项目的上一次异常检测时间(历史异常检测时间)的时间差大于等于所述异常检测时间间隔的情况下，则执行获取与待检测项目相关的至少两个维度的项目数据，以对该待检测项目进行异常检测。
实际应用中，还可由用户实时手动触发待检测项目的异常检测过程，具体可根据实际需求确定，在此不做限制。
本说明书实施例中，通过设置待检测项目的异常检测周期，即异常检测时间间隔，使得异常检测平台在检测到当前时间与待检测项目的上一次异常检测时间的时间间隔大于等于所述异常检测时间间隔的情况下，即可自动执行异常检测的过程，以减少对待检测项目进行异常检测所需消耗的时间，从而提高检测效率。
步骤204，对所述至少两个维度下的多个子维度进行组合，并将组合结果作为所述待检测项目的维度因子。
具体的，获取待检测项目相关的至少两个维度的项目数据后，可对至少两个维度下的多个子维度进行组合，以将组合结果作为维度因子，对待检测项目进行异常检测。
或者，在进行组合之前，可先根据用户给定的维度或子维度进行数据提取，并对提取的数据所覆盖的子维度进行组合。
具体实施时，对所述至少两个维度下的多个子维度进行组合，包括：
对所述至少两个维度中任一维度下的多个子维度进行组合；和/或，
对所述至少两个维度中任意两个或多个维度下的多个子维度进行组合。
具体的，在获取至少两个维度的项目数据后，可对任意一个维度下的子维度进行组合，或对两个或多个维度下的子维度进行组合。
以所述待检测项目为资源借贷项目为例，则所述至少两个维度包括用户属性、用户行为、项目运营、项目市场变化等。
其中，所述用户属性维度下的子维度包括但不限于用户所在地(城市1、城市2、城市3等)以及用户职业(教师、白领、创业者等)等；所述用户行为维度下的子维度包括但不限于用户的资源获取次数(资源借贷次数)、资源获取时间以及资源获取额度(资源借贷额度)等。
对所述至少两个维度下的多个子维度进行组合，即可将用户属性维度下的男性、城市1进行组合，或可将男性、城市1、用户的资源获取额度进行组合。
本说明书实施例通过对子维度进行组合的方式，增加维度因子的多样性，并通过维度因子对待检测项目进行异常检测，有利于提高异常检测结果的准确性。
步骤206，根据所述项目数据筛选与所述维度因子关联的目标用户，并基于所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据。
具体的，对至少两个维度下的多个子维度进行组合，得到待检测项目的维度因子后，可根据项目数据筛选与维度因子关联的目标用户，并根据目标用户的项目资源获取数据，确定用户的异常检测数据。
沿用上例，若组合生成的维度因子包括男性和城市1，然后根据所述项目数据确定有10万人符合这个维度因子的条件，则可筛选出这10万人作为目标用户，然后再从项目数据中确定目标用户的项目资源获取数据(资源获取额度)，例如，可确定用户上周和本周的资源获取额度，然后比较两周之间资源获取额度的变化，并将比较结果作为目标用户的异常检测数据(可将两周之间资源获取额度的变化值作为目标用户的异常检测数据)。
步骤208，根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果。
具体的，确定目标用户的异常检测数据后，可根据待检测项目对应的异常检测规则以及所述异常检测数据，确定待检测项目的异常检测结果。
具体实施时，根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果，具体可通过以下方式实现：
确定所述待检测项目对应的异常检测规则，并确定所述异常检测规则对应的异常检测参考值；
基于所述异常检测规则，判断所述异常检测数据中包含的资源变化值是否大于等于所述异常检测参考值；
若是，则确定所述待检测项目存在异常，并将所述维度因子作为所述待检测项目的异常检测结果。
具体的，确定用户的异常检测数据后，可通过待检测项目的异常检测规则结合所述异常检测数据，对待检测项目进行异常检测，并生成对应的异常检测结果。
具体即确定所述待检测项目对应的异常检测规则，并确定所述异常检测规则对应的异常检测参考值，基于所述异常检测规则，判断所述异常检测数据中包含的资源变化值是否大于等于所述异常检测参考值，若是，则确定所述待检测项目存在异常，并将所述维度因子作为所述待检测项目的异常检测结果。
具体实施时，确定所述待检测项目的异常检测结果之后，若根据所述异常检测结果确定所述待检测项目存在异常，则根据所述目标用户的项目资源获取数据，对所述目标用户的资源分配策略进行调整。
具体的，基于维度因子对待检测项目进行异常检测，生成对应的异常检测结果后，若根据异常检测结果确定存在异常，则可确定异常原因即为维度因子所圈定的目标用户，由于目标用户的项目资源获取数据(包括但不限于项目资源获取额度及项目资源获取时间等)存在异常，导致待检测项目(或待检测项目的部分指标)发生异常。这种情况下，可根据目标用户的项目资源获取数据，对目标用户的资源分配策略进行调整，即针对目标用户进行风控策略或运营策略调整。
具体实施时，基于所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据，还可通过以下方式实现：
确定所述目标用户的项目资源获取数据与第一资源值间的第一差值；和/或，
确定所述目标用户的项目资源获取数据与第二资源值间的第二差值，并将所述第一差值和第二差值作为所述目标用户的异常检测数据；
其中，所述第一资源值为所述待检测项目的固定资源值，所述第二资源值为基于所述项目数据生成的调整资源值。
进一步的，根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果，包括：
根据所述第一资源值和第二资源值分别对应的权重，确定用于进行异常检测的目标资源值；
确定所述待检测项目中与所述目标资源值关联的异常检测规则，并确定所述异常检测规则对应的异常检测参考值；
基于所述异常检测规则，判断所述目标资源值是否大于等于所述异常检测参考值；
若是，则将所述维度因子作为所述待检测项目的异常检测结果。
具体的，根据项目数据筛选与维度因子关联的目标用户后，可基于目标用户的项目资源获取数据，确定目标用户的异常检测数据，具体可基于用户的项目资源获取数据，计算目标用户的项目资源获取数据与第一资源值间的第一差值；和/或，确定目标用户的项目资源获取数据与第二资源值间的第二差值，并将第一差值和第二差值作为目标用户的异常检测数据；
其中，第一资源值为待检测项目的固定资源值(预先设置的固定值，保持不变)，第二资源值为基于项目数据生成的调整资源值(可根据项目数据的变化而变化)，项目资源获取数据与第二资源值间的第二差值可用于表征相对变化。
具体实施时，还可接收用户针对所述待检测项目的检测指标提交的异常检测指令，按照所述异常检测指令中携带的所述检测指标的目标维度因子，对所述检测指标进行异常检测，生成对应的异常检测结果并展示。
具体的，异常检测平台可自动对待检测项目进行异常检测，并向用户展示检测结果，用户在根据所述检测结果确定待检测项目存在异常的情况下，即可向异常检测平台下发异常检测指令，所述异常检测指令中携带检测指标的目标维度因子；异常检测平台接收该异常检测指令后，可按照所述目标维度因子对所述检测指标进行异常检测，生成对应的异常检测结果并展示。
另外，确定所述待检测项目的异常检测结果之后，若根据所述异常检测结果确定所述待检测项目存在异常，则确定与所述异常检测结果关联的维度因子，并将所述维度因子作为子维度添加至所述项目数据。
本说明书一个实施例通过获取与待检测项目相关的至少两个维度的项目数据，其中，每个维度下包含多个子维度，对所述至少两个维度下的多个子维度进行组合，并将组合结果作为所述待检测项目的维度因子，根据所述项目数据筛选与所述维度因子关联的目标用户，并基于所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据，根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果。
本说明书实施例通过对至少两个维度下的多个子维度进行组合，实现了维度交叉，基于维度交叉生成的维度因子筛选目标用户，并根据目标用户的项目资源获取数据对待检测项目进行异常检测，从而有利于挖掘部分根据专家经验难以披露的维度因子，生成具备启发性的异常检测结果(异常归因分析结果)进一步有利于提高待检测项目的异常检测结果。
下述结合附图3，以本说明书提供的异常检测方法在资源借贷场景的应用为例，对所述异常检测方法进行进一步说明。其中，图3示出了本说明书一个实施例提供的一种异常检测方法的处理过程流程图，具体步骤包括步骤302至步骤320。
步骤302，获取与资源借贷项目相关的至少两个维度的项目数据。
其中，每个维度下包含多个子维度。
步骤304，提取目标维度下的项目数据。
步骤306，对目标维度下的多个子维度进行组合，并将组合结果作为资源借贷项目的维度因子。
步骤308，根据目标维度下的项目数据筛选与所述维度因子关联的目标用户。
步骤310，从至少两个维度的项目数据中获取目标用户的资源借贷数据。
步骤312，基于所述目标用户的资源借贷数据，确定所述目标用户的异常检测数据。
步骤314，确定所述资源借贷项目对应的异常检测规则，并确定所述异常检测规则对应的异常检测参考值。
步骤316，基于所述异常检测规则，判断所述异常检测数据中包含的资源变化值是否大于等于所述异常检测参考值。
若是，则执行步骤318；若否，则确定所述资源借贷项目不存在异常，返回不存在异常的异常检测结果即可。
步骤318，确定所述资源借贷项目存在异常，并将所述维度因子作为所述资源借贷项目的异常检测结果。
步骤320，根据所述目标用户的资源借贷数据，对所述目标用户的资源分配策略进行调整。
本说明书实施例通过对至少两个维度下的多个子维度进行组合，实现了维度交叉，基于维度交叉生成的维度因子筛选目标用户，并根据目标用户的资源借贷数据对资源借贷项目进行异常检测，从而有利于挖掘部分根据专家经验难以披露的维度因子，生成具备启发性的异常检测结果(异常归因分析结果)进一步有利于提高资源借贷项目的异常检测结果。
与上述方法实施例相对应，本说明书还提供了异常检测装置实施例，图4示出了本说明书一个实施例提供的一种异常检测装置的示意图。如图4所示，该装置包括：
获取模块402，被配置为获取与待检测项目相关的至少两个维度的项目数据，其中，每个维度下包含多个子维度；
组合模块404，被配置为对所述至少两个维度下的多个子维度进行组合，并将组合结果作为所述待检测项目的维度因子；
筛选模块406，被配置为根据所述项目数据筛选与所述维度因子关联的目标用户，并基于所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据；
确定模块408，被配置为根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果。
可选地，所述对所述至少两个维度下的多个子维度进行组合，包括：
对所述至少两个维度中任一维度下的多个子维度进行组合；和/或，
对所述至少两个维度中任意两个或多个维度下的多个子维度进行组合。
可选地，所述基于所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据，包括：
确定所述目标用户的项目资源获取数据与第一资源值间的第一差值；和/或，
确定所述目标用户的项目资源获取数据与第二资源值间的第二差值，并将所述第一差值和第二差值作为所述目标用户的异常检测数据；
其中，所述第一资源值为所述待检测项目的固定资源值，所述第二资源值为基于所述项目数据生成的调整资源值。
可选地，所述根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果，包括：
确定所述待检测项目对应的异常检测规则，并确定所述异常检测规则对应的异常检测参考值；
基于所述异常检测规则，判断所述异常检测数据中包含的资源变化值是否大于等于所述异常检测参考值；
若是，则确定所述待检测项目存在异常，并将所述维度因子作为所述待检测项目的异常检测结果。
可选地，所述根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果，包括：
根据所述第一资源值和第二资源值分别对应的权重，确定用于进行异常检测的目标资源值；
确定所述待检测项目中与所述目标资源值关联的异常检测规则，并确定所述异常检测规则对应的异常检测参考值；
基于所述异常检测规则，判断所述目标资源值是否大于等于所述异常检测参考值；
若是，则将所述维度因子作为所述待检测项目的异常检测结果。
可选地，所述异常检测装置，还包括：
接收用户针对所述待检测项目的检测指标提交的异常检测指令；
按照所述异常检测指令中携带的所述检测指标的目标维度因子，对所述检测指标进行异常检测；
生成对应的异常检测结果并展示。
可选地，所述获取与待检测项目相关的至少两个维度的项目数据之前，还包括：
接收用户针对所述待检测项目提交的检测参数配置指令，所述检测参数配置指令中包含所述待检测项目的异常检测时间间隔；
按照预设检测周期轮询检测当前时间与所述待检测项目的历史异常检测时间的时间差是否大于等于所述异常检测时间间隔；
若是，则执行所述获取与待检测项目相关的至少两个维度的项目数据的步骤。
可选地，所述确定所述待检测项目的异常检测结果之后，还包括：
若根据所述异常检测结果确定所述待检测项目存在异常，则确定与所述异常检测结果关联的维度因子；
将所述维度因子作为子维度添加至所述项目数据。
可选地，所述确定所述待检测项目的异常检测结果之后，还包括：
若根据所述异常检测结果确定所述待检测项目存在异常，则根据所述目标用户的项目资源获取数据，对所述目标用户的资源分配策略进行调整。
上述为本实施例的一种异常检测装置的示意性方案。需要说明的是，该异常检测装置的技术方案与上述的异常检测方法的技术方案属于同一构思，异常检测装置的技术方案未详细描述的细节内容，均可以参见上述异常检测方法的技术方案的描述。
图5示出了根据本说明书一个实施例提供的一种计算设备500的结构框图。该计算设备500的部件包括但不限于存储器510和处理器520。处理器520与存储器510通过总线530相连接，数据库550用于保存数据。
计算设备500还包括接入设备540，接入设备540使得计算设备500能够经由一个或多个网络560通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备540可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC))中的一个或多个，诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口，等等。
在本说明书的一个实施例中，计算设备500的上述部件以及图5中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图5所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
计算设备500可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或PC的静止计算设备。计算设备500还可以是移动式或静止式的服务器。
其中，所述存储器510用于存储计算机可执行指令，处理器520用于执行如下计算机可执行指令：
获取与待检测项目相关的至少两个维度的项目数据，其中，每个维度下包含多个子维度；
对所述至少两个维度下的多个子维度进行组合，并将组合结果作为所述待检测项目的维度因子；
根据所述项目数据筛选与所述维度因子关联的目标用户，并基于所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据；
根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果。
上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的异常检测方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述异常检测方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时以用于实现所述异常检测方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的异常检测方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述异常检测方法的技术方案的描述。
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。
所述计算机指令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、可执行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)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本说明书实施例并不受所描述的动作顺序的限制，因为依据本说明书实施例，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书实施例的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书实施例的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (14)
1.一种异常检测方法，包括：
获取与待检测项目相关的至少两个维度的项目数据，其中，每个维度下包含多个子维度；
对所述至少两个维度下的多个子维度进行组合，并将组合结果作为所述待检测项目的维度因子；
根据所述项目数据筛选与所述维度因子关联的目标用户，并基于所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据；
根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果。
2.根据权利要求1所述的异常检测方法，所述对所述至少两个维度下的多个子维度进行组合，包括：
对所述至少两个维度中任一维度下的多个子维度进行组合；和/或，
对所述至少两个维度中任意两个或多个维度下的多个子维度进行组合。
3.根据权利要求1所述的异常检测方法，所述基于所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据，包括：
确定所述目标用户的项目资源获取数据与第一资源值间的第一差值；和/或，
确定所述目标用户的项目资源获取数据与第二资源值间的第二差值，并将所述第一差值和第二差值作为所述目标用户的异常检测数据；
其中，所述第一资源值为所述待检测项目的固定资源值，所述第二资源值为基于所述项目数据生成的调整资源值。
4.根据权利要求1所述的异常检测方法，所述根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果，包括：
确定所述待检测项目对应的异常检测规则，并确定所述异常检测规则对应的异常检测参考值；
基于所述异常检测规则，判断所述异常检测数据中包含的资源变化值是否大于等于所述异常检测参考值；
若是，则确定所述待检测项目存在异常，并将所述维度因子作为所述待检测项目的异常检测结果。
5.根据权利要求3所述的异常检测方法，所述根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果，包括：
根据所述第一资源值和第二资源值分别对应的权重，确定用于进行异常检测的目标资源值；
确定所述待检测项目中与所述目标资源值关联的异常检测规则，并确定所述异常检测规则对应的异常检测参考值；
基于所述异常检测规则，判断所述目标资源值是否大于等于所述异常检测参考值；
若是，则将所述维度因子作为所述待检测项目的异常检测结果。
6.根据权利要求1所述的异常检测方法，还包括：
接收用户针对所述待检测项目的检测指标提交的异常检测指令；
按照所述异常检测指令中携带的所述检测指标的目标维度因子，对所述检测指标进行异常检测；
生成对应的异常检测结果并展示。
7.根据权利要求1所述的异常检测方法，所述获取与待检测项目相关的至少两个维度的项目数据之前，还包括：
接收用户针对所述待检测项目提交的检测参数配置指令，所述检测参数配置指令中包含所述待检测项目的异常检测时间间隔；
按照预设检测周期轮询检测当前时间与所述待检测项目的历史异常检测时间的时间差是否大于等于所述异常检测时间间隔；
若是，则执行所述获取与待检测项目相关的至少两个维度的项目数据的步骤。
8.根据权利要求1所述的异常检测方法，所述确定所述待检测项目的异常检测结果之后，还包括：
若根据所述异常检测结果确定所述待检测项目存在异常，则确定与所述异常检测结果关联的维度因子；
将所述维度因子作为子维度添加至所述项目数据。
9.根据权利要求1所述的异常检测方法，所述确定所述待检测项目的异常检测结果之后，还包括：
若根据所述异常检测结果确定所述待检测项目存在异常，则根据所述目标用户的项目资源获取数据，对所述目标用户的资源分配策略进行调整。
10.一种异常检测装置，包括：
获取模块，被配置为获取与待检测项目相关的至少两个维度的项目数据，其中，每个维度下包含多个子维度；
组合模块，被配置为对所述至少两个维度下的多个子维度进行组合，并将组合结果作为所述待检测项目的维度因子；
筛选模块，被配置为根据所述项目数据筛选与所述维度因子关联的目标用户，并基于所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据；
确定模块，被配置为根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的异常检测结果。
11.一种异常检测系统，包括：
数据层、引擎层以及交互层；
所述数据层，被配置为获取与待检测项目相关的至少两个维度的项目数据，其中，每个维度下包含多个子维度；
所述引擎层，被配置为从所述数据层中提取所述项目数据，对所述至少两个维度下的多个子维度进行组合，并将组合结果作为所述待检测项目的维度因子，根据所述项目数据筛选与所述维度因子关联的目标用户，并基于所述项目数据中包含的所述目标用户的项目资源获取数据，确定所述目标用户的异常检测数据，根据所述待检测项目对应的异常检测规则及所述异常检测数据，确定所述待检测项目的第一检测结果；
所述交互层，被配置为对所述第一检测结果进行展示。
12.根据权利要求11所述的异常检测系统，所述交互层，还被配置为接收用户针对所述待检测项目的检测指标提交的异常检测指令；
所述引擎层，还被配置为按照所述异常检测指令中携带的所述检测指标的目标维度因子，对所述检测指标进行异常检测，生成第二检测结果；
所述交互层，还被配置为对所述第二检测结果进行展示。
13.一种计算设备，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令以实现权利要求1至9任意一项所述异常检测方法的步骤。
14.一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现权利要求1至9任意一项所述异常检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110830113.4A CN113538130B (zh) | 2021-07-22 | 2021-07-22 | 异常检测方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110830113.4A CN113538130B (zh) | 2021-07-22 | 2021-07-22 | 异常检测方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113538130A true CN113538130A (zh) | 2021-10-22 |
| CN113538130B CN113538130B (zh) | 2024-05-24 |
Family
ID=78120467
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110830113.4A Active CN113538130B (zh) | 2021-07-22 | 2021-07-22 | 异常检测方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113538130B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105912699A (zh) * | 2016-04-25 | 2016-08-31 | 乐视控股（北京）有限公司 | 一种数据分析方法及装置 |
| CN108346011A (zh) * | 2018-05-15 | 2018-07-31 | 阿里巴巴集团控股有限公司 | 指标波动分析方法及装置 |
| CN109684378A (zh) * | 2018-12-14 | 2019-04-26 | 北京向上一心科技有限公司 | 数据筛选方法、数据展示方法、装置、设备及存储介质 |
| CN110119340A (zh) * | 2019-05-17 | 2019-08-13 | 北京字节跳动网络技术有限公司 | 异常监测方法、装置、电子设备和存储介质 |
| CN110147945A (zh) * | 2019-04-30 | 2019-08-20 | 阿里巴巴集团控股有限公司 | 一种数据波动的处理方法、装置及设备 |
| CN111026570A (zh) * | 2019-11-01 | 2020-04-17 | 支付宝(杭州)信息技术有限公司 | 用于确定业务系统异常原因的方法和装置 |
| CN112700252A (zh) * | 2021-03-25 | 2021-04-23 | 腾讯科技（深圳）有限公司 | 一种信息安全性检测方法、装置、电子设备和存储介质 |
-
2021
- 2021-07-22 CN CN202110830113.4A patent/CN113538130B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105912699A (zh) * | 2016-04-25 | 2016-08-31 | 乐视控股（北京）有限公司 | 一种数据分析方法及装置 |
| CN108346011A (zh) * | 2018-05-15 | 2018-07-31 | 阿里巴巴集团控股有限公司 | 指标波动分析方法及装置 |
| CN109684378A (zh) * | 2018-12-14 | 2019-04-26 | 北京向上一心科技有限公司 | 数据筛选方法、数据展示方法、装置、设备及存储介质 |
| CN110147945A (zh) * | 2019-04-30 | 2019-08-20 | 阿里巴巴集团控股有限公司 | 一种数据波动的处理方法、装置及设备 |
| CN110119340A (zh) * | 2019-05-17 | 2019-08-13 | 北京字节跳动网络技术有限公司 | 异常监测方法、装置、电子设备和存储介质 |
| CN111026570A (zh) * | 2019-11-01 | 2020-04-17 | 支付宝(杭州)信息技术有限公司 | 用于确定业务系统异常原因的方法和装置 |
| CN112700252A (zh) * | 2021-03-25 | 2021-04-23 | 腾讯科技（深圳）有限公司 | 一种信息安全性检测方法、装置、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113538130B (zh) | 2024-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101864286B1 (ko) | 머신 러닝 알고리즘을 이용하는 방법 및 장치 | |
| US10778714B2 (en) | Method and apparatus for generating cyber security threat index | |
| CN109544163B (zh) | 一种用户支付行为的风险控制方法、装置、设备及介质 | |
| CN111612165A (zh) | 预测分析平台 | |
| JP2019519027A (ja) | 履歴ログからの学習と、ｅｔｌツール内のデータアセットに関するデータベースオペレーションの推奨 | |
| US20170374092A1 (en) | System for monitoring and addressing events based on triplet metric analysis | |
| CN111738331A (zh) | 用户分类方法及装置、计算机可读存储介质、电子设备 | |
| CN115185760A (zh) | 异常检测方法以及装置 | |
| CN112950218A (zh) | 一种业务风险评估方法、装置、计算机设备和存储介质 | |
| CN111768230A (zh) | 客户画像系统的标签推荐方法、装置及计算机设备 | |
| AU2021204470A1 (en) | Benefit surrender prediction | |
| US20180276685A1 (en) | Remote Supervision of Client Device Activity | |
| CN113723747A (zh) | 分析报告生成方法、电子设备及可读存储介质 | |
| US11475322B2 (en) | Methods of explaining an individual predictions made by predictive processes and/or predictive models | |
| CN109241249B (zh) | 一种确定突发问题的方法及装置 | |
| CN113538130A (zh) | 异常检测方法、装置及系统 | |
| Liu et al. | Cloud service selection based on rough set theory | |
| CN115374940A (zh) | 基于知识图谱的风险标签确定方法以及装置 | |
| CN111291259B (zh) | 一种数据筛选方法、装置、电子设备和存储介质 | |
| CN115033891A (zh) | 漏洞评估方法及装置、存储介质、电子设备 | |
| CN115185606A (zh) | 业务配置参数的获得方法、装置、设备及存储介质 | |
| US20130151307A1 (en) | Deriving market intelligence from social content | |
| CN110472680B (zh) | 目标分类方法、装置和计算机可读存储介质 | |
| CN112328937A (zh) | 信息投放方法及装置 | |
| CN112200602A (zh) | 用于广告推荐的神经网络模型训练方法及装置 |
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 |