CN113836360A - 数据检测方法及装置 - Google Patents
数据检测方法及装置 Download PDFInfo
- Publication number
- CN113836360A CN113836360A CN202111123241.1A CN202111123241A CN113836360A CN 113836360 A CN113836360 A CN 113836360A CN 202111123241 A CN202111123241 A CN 202111123241A CN 113836360 A CN113836360 A CN 113836360A
- Authority
- CN
- China
- Prior art keywords
- data
- service
- detected
- detection
- strategy
- 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 321
- 238000012545 processing Methods 0.000 claims abstract description 93
- 230000002159 abnormal effect Effects 0.000 claims abstract description 77
- 238000012216 screening Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000012550 audit Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本说明书提供数据检测方法及装置,其中所述数据检测方法包括:获取目标业务关联的待检测业务数据;选择与所述目标业务关联的数据检测策略组成策略集合;按照所述策略集合中的数据检测策略依次对所述待检测业务数据进行处理;根据处理结果在所述待检测业务数据中筛选异常业务数据。
Description
技术领域
本说明书涉及合规数据管理技术领域,特别涉及数据检测方法及装置。
背景技术
随着互联网技术的发展,越来越多的用户选择线上消费,不同于传统的实体消费场景,用户通过互联网即可完成购物、预定、炒股、办理证件等,很大程度上提高了用户的便捷性。随着线上服务的开展加深,涉及到的数据也就越来越多,当对业务项目具有优化需求时,就需要对业务项目涉及到的全量数据进行统计和检测。现有技术中,在对业务项目涉及到的数据进行检测时,通常都是对单一维度的数据单独完成检测,无法全面覆盖业务项目涉及到的全部数据,并且每个维度的检测结果并不会汇总,从而导致业务项目一直存在潜在的风险无法解决,因此亟需一种有效的方案以解决上述问题。
发明内容
有鉴于此,本说明书实施例提供了一种数据检测方法。本说明书同时涉及一种数据检测装置,一种计算设备,一种计算机可读存储介质以及一种计算机程序,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,提供了一种数据检测方法,包括:
获取目标业务关联的待检测业务数据;
选择与所述目标业务关联的数据检测策略组成策略集合;
按照所述策略集合中的数据检测策略依次对所述待检测业务数据进行处理;
根据处理结果在所述待检测业务数据中筛选异常业务数据。
可选地,所述获取目标业务关联的待检测业务数据,包括:
确定所述目标业务关联的列式数据库;
在所述列式数据库中读取预设时间区间内的所述待检测业务数据;其中,所述待检测业务数据具有相同数据结构。
可选地,所述数据检测策略包括下述至少一项:
指标类数据检测策略、明细类数据检测策略、业务数据检测策略、算法检测策略。
可选地,在所述策略集合中包含所述指标类数据检测策略的情况下,所述按照所述策略集合中的数据检测策略依次对所述待检测业务数据进行处理,包括:
对所述待检测业务数据进行解析,获得待检测指标类数据;
读取所述待检测指标类数据对应的历史指标类数据;
将所述待检测指标类数据和所述历史指标类数据进行比对获得指标波动值;
将所述指标波动值与预设指标阈值进行比较,根据比较结果确定所述处理结果。
可选地,在所述策略集合中包含所述明细类数据检测策略的情况下,所述按照所述策略集合中的数据检测策略依次对所述待检测业务数据进行处理,包括:
对所述待检测业务数据进行解析,获得待检测明细类数据;
根据所述明细类数据检测策略确定结构检测条件和业务检测条件;
基于所述结构检测条件和所述业务检测条件对所述待检测明细类数据进行检测,根据检测结果确定所述处理结果。
可选地,在所述策略集合中包含所述业务数据检测策略的情况下,所述按照所述策略集合中的数据检测策略依次对所述待检测业务数据进行处理,包括:
对所述待检测业务数据进行解析,获得关联业务数据;
根据所述业务数据检测策略确定所述关联业务数据对应的识别算法以及关联检测条件;
基于所述识别算法对所述关联业务数据进行识别,获得业务识别信息;
基于所述关联检测条件对所述业务识别信息进行检测,根据检测结果确定所述处理结果。
可选地,在所述策略集合中包含所述算法检测策略的情况下,所述按照所述策略集合中的数据检测策略依次对所述待检测业务数据进行处理,包括:
基于所述算法检测策略确定所述目标业务关联的业务预测模型;
将所述待检测业务数据输入至所述业务预测模型进行处理,获得业务分值;
将所述业务分值与预设业务分值进行比较,根据比较结果确定所述处理结果。
可选地,所述根据处理结果在所述待检测业务数据中筛选异常业务数据,包括:
根据所述处理结果筛选不满足所述数据检测策略对应的检测条件的待检测业务数据作为所述异常业务数据。
可选地,所述根据处理结果在所述待检测业务数据中筛选异常业务数据步骤执行之后,还包括:
确定所述异常业务数据对应的异常信息;
基于所述异常信息创建预警信息,并将所述预警信息发送至所述目标业务的服务方。
根据本说明书实施例的第二方面,提供了一种数据检测装置,包括:
获取数据模块,被配置为获取目标业务关联的待检测业务数据;
选择策略模块,被配置为选择与所述目标业务关联的数据检测策略组成策略集合;
数据处理模块,被配置为按照所述策略集合中的数据检测策略依次对所述待检测业务数据进行处理;
筛选数据模块,被配置为根据处理结果在所述待检测业务数据中筛选异常业务数据。
根据本说明书实施例的第三方面,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时,实现所述数据检测方法的步骤。
根据本说明书实施例的第四方面,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数据检测方法的步骤。
根据本说明书实施例的第五方面,提供了一种计算机程序,当所述计算机程序在计算机中执行时,令计算机执行所述数据检测方法的步骤。
本说明书提供的数据检测方法,在获取到目标业务关联的待检测业务数据之后,为了能够从多个维度联合实现检测处理,可以选择与目标业务关联的数据检测策略组成策略集合,之后按照策略集合中的数据检测策略依次对待检测业务数据进行处理,以根据处理结果确定待检测业务数据中的异常业务数据,实现了通过多维度检测的方式定位异常业务数据,以此反映目标业务存在的风险原因,有效的降低了目标业务存在的潜在风险,并且通过联合多种数据检测策略对数据进行检测,能够更加精准且全面的覆盖全部风险点,从而保证目标业务的业务场景的规范性。
附图说明
图1是本说明书一实施例提供的一种数据检测方法的示意图;
图2是本说明书一实施例提供的一种数据检测方法的流程图;
图3是本说明书一实施例提供的一种应用于业务优化场景中的数据检测方法的处理流程图;
图4是本说明书一实施例提供的一种数据检测装置的结构示意图;
图5是本说明书一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,提供了一种数据检测方法,本说明书同时涉及一种数据检测装置,一种计算设备,一种计算机可读存储介质以及一种计算机程序,在下面的实施例中逐一进行详细说明。
参见图1所述的数据检测方法的示意图,在获取到目标业务关联的待检测业务数据之后,为了能够从多个维度联合实现检测处理,可以选择与目标业务关联的数据检测策略组成策略集合,之后按照策略集合中的数据检测策略依次对待检测业务数据进行处理,以根据处理结果确定待检测业务数据中的异常业务数据,实现了通过多维度检测的方式定位异常业务数据,以此反映目标业务存在的风险原因,有效的降低了目标业务存在的潜在风险,并且通过联合多种数据检测策略对数据进行检测,能够更加精准且全面的覆盖全部风险点,从而保证目标业务的业务场景的规范性。
图2示出了根据本说明书一实施例提供的一种数据检测方法的流程图,具体包括以下步骤:
步骤S202,获取目标业务关联的待检测业务数据。
具体的,目标业务具体是指向用户或者商家提供业务服务的项目,如购物业务,支付业务,证券业务,共享业务等;相应的,待检测业务数据具体是指目标项目中涉及到的全部数据,可以将待检测业务数据分类两大类,分别为指标类数据和明细类数据,其中指标类数据是指目标业务中与数量信息相关的数据;明细类数据是指目标业务中与业务信息相关的数据。
具体实施时,为了能够减少数据检测时消耗更多的计算资源,可以联合其他处理操作共同完成,该其他处理操作具体是指对数据具有统计需求的操作,如业务审计,数据报送或者业务年结等阶段,都会涉及到数据统计操作,此时即可开启数据检测处理,以避免单独进行数据检测浪费过多的计算资源以及数据统计时间。即数据检测开启条件即为数据统计操作完成后触发。
实际应用中,由于目标业务关联的待检测业务数据较多,并且分别对应不同的数据源,这就很大程度加大了数据检测的难度,同时在目标业务未违规的情况下,将一直向用户提供相应的服务,这就导致数据会以增量的方式产生,如果统计全部数据进行检测,不仅会浪费较多的时间,还无法直观反映当前阶段目标业务的风险详情,因此为了能够从数据检测角度出发实现对目标业务进行风险预测,可以在获取待检测业务数据时,按照如下方式实现:
确定所述目标业务关联的列式数据库;
在所述列式数据库中读取预设时间区间内的所述待检测业务数据;其中,所述待检测业务数据具有相同数据结构。
具体的,列式数据库具体是指用于存储目标业务相关的业务数据的数据库,数据的存储结构为{主体,ID,字段名,字段值},实现对每种类型的业务数据都可以按照相同的结构进行存储,避免因为多种数据源的问题而影响数据检测的效率。相应的,预设时间区间具体是指能够反映目标业务当前阶段具体风险详情所对应的时间区间;需要说明的是,预设时间区间可以根据实际需求设定,如1天,1周,或者1个月,本实施例在此不作任何限定。
基于此,当触发对目标业务关联的待检测业务数据进行检测时,由于触发条件是对目标业务关联的数据进行统计后得到的,因此可以确定被统计的数据都存储在目标业务关联的列式数据库中,此时可以直接读取目标业务关联的列式数据库,之后选择预设时间区间内的数据作为待检测业务数据,以用于后续筛选异常业务数据,方便下游业务以此为基础对目标业务进行风险预测。
举例说明,业务管理机构需要了解支付业务近期运营情况,将需要获取支付业务2月至3月的相关数据,此时支付业务的服务方会向各个节点发送数据报送请求,并接收各个节点返回的对应多种数据源的业务数据,之后通过转换将相同数据结构的业务数据写入业务数据库,此时数据统计处理完成,为了能够节省资源消耗,服务方可以开启数据检测处理,以对支付业务进行风险预测。基于此,将在业务数据库中读取2月至3月的待检测业务数据,以用于后续从多个维度定位异常业务数据,以此分析支付业务的风险详情。
综上,通过在目标业务的数据统计操作后开启数据检测处理,不仅可以节省单独进行数据检测所消耗的计算资源,还能够降低数据检测时间,从而有效的保证了数据检测效率。
步骤S204,选择与所述目标业务关联的数据检测策略组成策略集合。
具体的,在上述获取到待检测业务数据的基础上,进一步的,为了能够更加全面的实现异常业务数据的筛选,避免出现遗漏的问题,可以在进行异常业务数据筛选前,选择与目标业务关联的全部数据检测策略组成策略集合,以通过集合中包含的全部数据检测策略完成检测处理操作,达到全面风险点覆盖,提高检测精准度。
其中,所述数据检测策略具体是指能够从多个维度对待检测业务数据进行检测处理的策略,用于从多个维度定位不符合规范条款的待检测业务数据,以此分析目标业务存在的风险;相应的,策略集合具体是指整合多个数据检测策略所组成的集合,且每个数据检测策略对应一个检测维度。
基于此,数据检测策略包括但不限于指标类数据检测策略、明细类数据检测策略、业务数据检测策略、算法检测策略。其中,指标类数据检测策略具体是指对待检测业务数据进行四则运算,并根据运算结果与阈值比较的方式实现在指标维度完成数据的检测;明细类数据检测策略具体是指对待检测业务数据进行结构分析和业务分析,以根据分析结果实现在明细维度完成数据的检测;业务数据检测策略具体是指对待检测业务数据进行关联信息比对,以根据比对结果实现在内容维度完成数据的检测;算法检测策略具体是指对待检测业务数据进行模型预测,以根据预测结果实现在预测维度完成数据的检测。
实际应用中,不同的目标业务提供不同的服务功能,相应产生的业务数据也不同,因此在选择数据检测策略时,不同的目标业务可以对应不同的策略,只需要实现能够对待检测业务数据进行检测处理即可,本实施例在此不作任何限定。
此外,随着目标业务的开展,数据检测策略可能出现无法全面覆盖的问题,因此为保证预测全面性,数据检测策略可以动态增加,即当有新的检测需求时,即可增加新的数据检测策略,并写入策略即可,以完成对待检测业务数据的检测处理操作。
步骤S206,按照所述策略集合中的数据检测策略依次对所述待检测业务数据进行处理。
具体的,在上述获得与目标业务关联的策略集合后,进一步的,为了能够保证全面性,即从多个维度完成对待检测业务数据的检测处理,可以按照策略集合中包含的数据检测策略依次对待检测业务数据进行检测处理,以实现后续可以从多个维度分析出待检测业务数据中的异常业务数据,保证筛选出异常业务数据的精准度和全面性。
在此过程中,由于不同的数据检测策略会采用不同的方式对待检测业务数据进行检测处理,因此在检测处理过程中,可以采用并行的方式同时基于多个数据检测策略对待检测业务数据进行检测;也可以采用顺序检测的方式对对待检测业务数据进行检测,本实施例在此不作任何限定。
进一步的,由于不同的策略对应不同的数据检测方式,因此数据检测过程也并不相同,每种数据检测策略的具体实现方式如下:
(1)在通过指标类数据检测策略对待检测业务数据进行处理的过程中,可以根据数据的波动情况分析数据是否异常,以达到在指标维度完成检测,本实施例中,具体实现方式如下:
对所述待检测业务数据进行解析,获得待检测指标类数据;读取所述待检测指标类数据对应的历史指标类数据;将所述待检测指标类数据和所述历史指标类数据进行比对获得指标波动值;将所述指标波动值与预设指标阈值进行比较,根据比较结果确定所述处理结果。
具体的,待检测指标类数据具体是指待检测业务数据中与数量相关的数据,如支付业务中,入驻商家的数量,订单数量,销售额度等;相应的,历史指标类数据具体是指上一个或多个数据统计周期中,每个统计周期所对应的指标类数据,用于对比待检测指标类数据;指标波动值具体是指待检测指标类数据与历史指标类数据进行比对后数据波动对应的数值。
基于此,在策略集合中包含指标类数据检测策略的情况下,此时可以根据该策略对待检测业务数据进行解析,获得待检测指标类数据,实现在指标维度对数据的异常情况进行检测,具体试下如下:在获得待检测指标类数据后,可以读取与待检测指标类数据对应的历史指标类数据,之后将二者进行比对,以根据比对情况分析待检测指标类数据相比于历史指标类数据的波动详情,并得到指标波动值;指标波动值越大说明待检测指标类数据相比于历史指标类数据波动幅度越大,说明数据异常的概率越大,反之指标波动值越小说明待检测指标类数据相比于历史指标类数据波动幅度越小,说明数据异常的概率越小。之后将指标波动值与预设的指标波动阈值进行比较,即可得到每条待检测指标类数据的指标检测结果,以确定待检测业务数据在指标维度对应的指标检测结果。
沿用上例,通过对支付业务的业务数据进行解析,获得待检测指标类数据{商家入驻数量,商家营业额,买家数量,订单数量},同时读取支付业务在1月到2月的历史指标类数据{历史商家入驻数量,历史商家营业额,历史买家数量,历史订单数量},之后选择相同类型的数据进行比对,以根据比对结果确定每种类型数据的波动指标值,再将每种类型的波动指标值与其对应的阈值进行比较,根据比较结果确定每条待检测指标类数据的指标检测结果,以方便后续筛选异常业务数据,其中,商家入驻数量的波动指标值大于阈值。
综上,通过采用与历史指标类数据比对的方式分析待检测指标类数据,实现结合待检测指标类数据的特性完成指标维度的检测处理操作,不仅可以提高检测精准度,还能够充分反映目标业务的业务相应,以提高目标业务的业务场景合规性。
(2)在通过明细类数据检测策略对待检测业务数据进行处理的过程中,可以根据数据结构和业务规范分析数据是否异常,以达到在明细维度完成检测,本实施例中,具体实现方式如下:
对所述待检测业务数据进行解析,获得待检测明细类数据;根据所述明细类数据检测策略确定结构检测条件和业务检测条件;基于所述结构检测条件和所述业务检测条件对所述待检测明细类数据进行检测,根据检测结果确定所述处理结果。
具体的,待检测明细类数据具体是指待检测业务数据中与业务明细相关的数据,如支付业务中,订单信息,商家信息,买家信息等;相应的,结构检测条件具体是指对待检测明细类数据的结构进行检测的条件,用于分析数据本身是否存在缺少的问题;业务检测条件具体是指对待检测明细类数据的格式进行检测的条件,用于分析数据是否存在格式不一致的问题。
基于此,在策略集合中包含明细类数据检测策略的情况下,此时可以根据该策略对待检测业务数据进行解析,获得待检测明细类数据,同时确定能够对待检测明细类数据进行检测的结构检测条件和业务检测条件,实现在明细维度对数据的异常情况进行检测,之后再基于结构检测条件和业务检测条件分别对每条待检测明细类数据进行检测,即可得到每条待检测明细类数据的明细检测结果,以确定待检测业务数据在明细维度对应的明细检测结果。
沿用上例,通过对支付业务的业务数据进行解析,获得待检测明细类数据{订单信息,商家信息,买家信息},同时根据明细类数据检测策略确定结构检测条件和业务检测条件,结构检测条件用于检测每条数据是否存在缺失的问题,业务检测条件用于检测每条数据是否存在格式不一致的问题;之后结合结构检测条件和业务检测条件对每条待检测明细类数据进行检测,以确定每条待检测明细类数据的明细检测结果,以方便后续筛选异常业务数据,其中,商家信息中缺少商家地址对应的数据,买家信息中身份标识号码格式不正确。
综上,通过采用结构检测条件和业务检测条件联合的方式对待检测明细类数据进行检测,实现在明细维度分析了待检测业务数据的异常情况,有效的保证了检测精准度。
(3)在通过业务数据检测策略对待检测业务数据进行处理的过程中,可以通过内容识别的方式分析数据是否异常,以达到在内容维度完成检测,本实施例中,具体实现方式如下:
对所述待检测业务数据进行解析,获得关联业务数据;根据所述业务数据检测策略确定所述关联业务数据对应的识别算法以及关联检测条件;基于所述识别算法对所述关联业务数据进行识别,获得业务识别信息;基于所述关联检测条件对所述业务识别信息进行检测,根据检测结果确定所述处理结果。
具体的,关联业务数据具体是指待检测业务数据中彼此之间存在关联关系的业务数据,如商家的法人与营业执照相关,营业执照与门头照名称相关等,识别算法具体是指能够从关联业务数据中识别出相互关联的信息的算法,以用于对图片或者文字进行识别。关联检测条件具体是指分析相关关联的信息之间的关联度的条件,以根据关联度得出关联检测结果;相应的,业务识别信息具体是指从关联业务数据中识别出的可能存在关联关系的信息,如商家法人名字,营业执照中的法人名字和商家名称,商家门头照中的商家名称等。
基于此,在策略集合中包含业务检测策略的情况下,此时可以根据该策略对待检测业务数据进行解析,获得关联业务数据,同时确定关联业务数据对应的识别算法和关联检测条件,以实现可以在内容维度对数据的异常情况进行检测。在此过程中,可以先通过识别算法从关联业务数据中提取业务识别信息,之后再通过关联检测条件对业务识别信息进行检测,即可得到每条关联业务数据的关联检测结果,以确定待检测业务数据在内容维度对应的关联检测结果。
沿用上例,通过对支付业务的业务数据进行解析,获得关联业务数据{商家营业执照,商家门头照,商家法人身份信息},同时根据业务检测策略确定关联业务数据对应的识别算法和关联检测条件,之后通过识别算法对关联业务数据进行识别,获得业务识别信息:商家营业执照中的法人名字、身份标识和公司名称,商家门头照中的公司名称,商家法人身份信息中的法人名字和身份标识;之后再按照关联检测条件对业务识别信息进行检测,即分析商家营业执照中的法人名字和身份标识与商家法人身份信息中的法人名字和身份标识是否一致,分析商家营业执照中的公司名称和商家门头照中的公司名称是否一致,以确定每条关联业务数据的关联检测结果,以方便后续筛选异常业务数据,其中,商家A的商家营业执照中的公司名称和商家门头照中的公司名称不一致。
综上,通过采用内容识别的方式对关联业务数据进行检测,不仅丰富了数据检测维度,还能够从内容维度分析了解数据详情,从而进一步提高了检测效率。
(4)在通过算法检测策略对待检测业务数据进行处理的过程中,可以通过模型预测的方式分析数据是否异常,以达到在预测维度完成检测,本实施例中,具体实现方式如下:
基于所述算法检测策略确定所述目标业务关联的业务预测模型;将所述待检测业务数据输入至所述业务预测模型进行处理,获得业务分值;将所述业务分值与预设业务分值进行比较,根据比较结果确定所述处理结果。
具体的,业务预测模型具体是指能够针对目标业务关联的待检测业务数据给出风险预测分值的模型,也就是说,业务预测模型能够通过对待检测业务数据进行打分,确定每条待检测业务数据是否存在异常。相应的,业务分值即为待检测业务数据对应的风险预测分值,业务分值越大表明异常概率越高,反之业务分值越小表明异常概率越低。
需要说明的是,由于不同的目标业务向用户提供业务服务不同,如果都采用相同的业务预测模型可能无法保证精准度,因此可以针对每个业务单独训练一种业务预测模型,以保证预测精准度。
基于此,在策略集合中包含算法检测策略的情况下,此时可以根据该策略确定目标业务关联的业务预测模型,之后再将待检测业务数据输入至业务预测模型进行处理,即可得到每条待检测业务数据对应的业务分值,最后再将业务分值与预设业务分值进行比较,即可从预测维度确定待检测业务数据对应的预测检测结果。
沿用上例,在得到支付业务对应的业务数据后,此时可以读取支付业务对应的业务预测模型,之后将每条业务数据分别输入至业务预测模型进行处理,以获得每条待检测业务数据对应的业务分值,之后再将业务分值与预设业务分值进行比较,即可根据比较结果确定业务数据的预测检测结果,以方便后续筛选异常业务数据,其中,业务数据中订单额度过大。
综上,通过采用模型预测的方式对待检测业务数据进行检测,不仅可以节省资源的消耗,还能够有效提高数据检测效率。
步骤S208,根据处理结果在所述待检测业务数据中筛选异常业务数据。
具体的,在上述通过数据检测策略依次对待检测业务数据进行处理后,再根据处理结果从待检测业务数据中筛选异常业务数据即可,其中,异常业务数据具体是指待检测业务数据中不符合数据检测策略对应的检测条件的数据。
也就是说,根据所述处理结果即可筛选出不满足所述数据检测策略对应的检测条件的待检测业务数据作为所述异常业务数据。以用于后续可以根据异常业务数据对目标业务进行调整,达到内部优化的目的,提高业务场景的合规性。
沿用上例,通过策略集合中的明细类数据检测策略、指标类数据检测策略、业务数据监测策略以及算法检测策略对支付业务的业务数据进行检测后,根据检测结果确定待检测指标类数据中商家入驻数量的波动指标值大于阈值;待检测明细类数据中商家信息中缺少商家地址对应的数据,买家信息中身份标识号码格式不正确;关联业务数据中商家A的商家营业执照中的公司名称和商家门头照中的公司名称不一致;业务数据中订单额度过大。基于此,通过在业务数据中筛选出上述数据即可得到支付业务对应的异常业务数据,以方便后续进行支付业务的调整。
综上,通过筛选各个检测维度中不符合检测条件的数据作为异常业务数据,能够有效保证检测精准度,同时联合多个维度提高数据检测全面性,方便后续能够更加精准的完成业务的优化处理。
此外,当确定异常业务数据后,为了能够快速优化目标业务,可以创建异常信息并发送至目标业务的服务方,以保证目标业务的业务场景的规范性,本实施例中,具体实现方式如下所述:
确定所述异常业务数据对应的异常信息;
基于所述异常信息创建预警信息,并将所述预警信息发送至所述目标业务的服务方。
具体的,异常信息具体是指将异常业务数据的异常原因进行整合的信息;相应的预警信息具体是指向目标业务的服务方发送后,能够提醒目标业务存在风险的相关信息。基于此,在确定异常业务数据后,即可确定所述异常信息,并基于异常信息创建预警信息,最后再发送到所述目标业务的服务方,实现服务方对目标业务进行优化。
沿用上例,在筛选出异常业务数据后,根据异常业务数据确定支付业务存在商家入驻数量的波动指标值大于阈值;商家信息中缺少商家地址对应的数据,买家信息中身份标识号码格式不正确;商家A的商家营业执照中的公司名称和商家门头照中的公司名称不一致,业务数据中订单额度过大,则可以基于上述内容创建预警信息并发送给支付业务的服务方,以方便其对支付业务进行优化。
本实施例提供的数据检测方法,在获取到目标业务关联的待检测业务数据之后,为了能够从多个维度联合实现检测处理,可以选择与目标业务关联的数据检测策略组成策略集合,之后按照策略集合中的数据检测策略依次对待检测业务数据进行处理,以根据处理结果确定待检测业务数据中的异常业务数据,实现了通过多维度检测的方式定位异常业务数据,以此反映目标业务存在的风险原因,有效的降低了目标业务存在的潜在风险,并且通过联合多种数据检测策略对数据进行检测,能够更加精准且全面的覆盖全部风险点,从而保证目标业务的业务场景的规范性。
下述结合附图3,以本说明书提供的数据检测方法在业务优化场景中的应用为例,对所述数据检测方法进行进一步说明。其中,图3示出了本说明书一实施例提供的一种应用于业务优化场景中的数据检测方法的处理流程图,具体包括以下步骤:
步骤S302,确定购物业务关联的业务数据库。
步骤S304,在业务数据库中读取预设时间区间内的待检测业务数据。
步骤S306,选择与购物业务关联的指标类数据检测策略、明细类数据检测策略、业务数据检测策略和算法检测策略。
步骤S308,提取待检测业务数据中的待检测指标类数据,并根据指标类数据检测策略读取待检测指标类数据对应的历史指标类数据。
步骤S310,将待检测指标类数据和历史指标类数据进行比对,获得指标波动值。
步骤S312,将指标波动值与预设指标阈值进行比较,根据比较结果获得指标检测结果。
步骤S314,提取待检测业务数据中的待检测明细类数据,并根据明细类数据检测策略确定结构检测条件和业务检测条件。
步骤S316,基于结构检测条件和业务检测条件对待检测明细类数据进行检测,获得明细检测结果。
步骤S318,提取待检测业务数据中的关联业务数据,并根据业务数据检测策略确定关联业务数据对应的识别算法以及关联检测条件。
步骤S320,基于所述识别算法对关联业务数据进行识别获得业务识别信息。
步骤S322,基于关联检测条件对业务识别信息进行检测,获得关联检测结果。
步骤S324,基于算法检测策略确定购物业务关联的业务预测模型。
步骤S326,将待检测业务数据输入至业务预测模型进行处理,获得业务分值。
步骤S328,将业务分值与预设业务分值进行比较,根据比较结果确定预测检测结果。
步骤S330,基于指标检测结果、明细检测结果、关联检测结果和预测检测结果在待检测业务数据中筛选异常业务数据。
步骤S332,基于异常业务数据创建预警信息,并将预警信息发送至购物业务的服务方对购物业务进行优化。
综上所述,在获取到目标业务关联的待检测业务数据之后,为了能够从多个维度联合实现检测处理,可以选择与目标业务关联的数据检测策略组成策略集合,之后按照策略集合中的数据检测策略依次对待检测业务数据进行处理,以根据处理结果确定待检测业务数据中的异常业务数据,实现了通过多维度检测的方式定位异常业务数据,以此反映目标业务存在的风险原因,有效的降低了目标业务存在的潜在风险,并且通过联合多种数据检测策略对数据进行检测,能够更加精准且全面的覆盖全部风险点,从而保证目标业务的业务场景的规范性。
与上述方法实施例相对应,本说明书还提供了数据检测装置实施例,图4示出了本说明书一实施例提供的一种数据检测装置的结构示意图。如图4所示,该装置包括:
获取数据模块402,被配置为获取目标业务关联的待检测业务数据;
选择策略模块404,被配置为选择与所述目标业务关联的数据检测策略组成策略集合;
数据处理模块406,被配置为按照所述策略集合中的数据检测策略依次对所述待检测业务数据进行处理;
筛选数据模块408,被配置为根据处理结果在所述待检测业务数据中筛选异常业务数据。
一个可选的实施例中,所述获取数据模块402进一步被配置为:
确定所述目标业务关联的列式数据库;在所述列式数据库中读取预设时间区间内的所述待检测业务数据;其中,所述待检测业务数据具有相同数据结构。
一个可选的实施例中,所述数据检测策略包括下述至少一项:
指标类数据检测策略、明细类数据检测策略、业务数据检测策略、算法检测策略。
一个可选的实施例中,在所述策略集合中包含所述指标类数据检测策略的情况下,所述数据处理模块406进一步被配置为:
对所述待检测业务数据进行解析,获得待检测指标类数据;读取所述待检测指标类数据对应的历史指标类数据;将所述待检测指标类数据和所述历史指标类数据进行比对获得指标波动值;将所述指标波动值与预设指标阈值进行比较,根据比较结果确定所述处理结果。
一个可选的实施例中,在所述策略集合中包含所述明细类数据检测策略的情况下,所述数据处理模块406进一步被配置为:
对所述待检测业务数据进行解析,获得待检测明细类数据;根据所述明细类数据检测策略确定结构检测条件和业务检测条件;基于所述结构检测条件和所述业务检测条件对所述待检测明细类数据进行检测,根据检测结果确定所述处理结果。
一个可选的实施例中,在所述策略集合中包含所述业务数据检测策略的情况下,所述数据处理模块406进一步被配置为:
对所述待检测业务数据进行解析,获得关联业务数据;根据所述业务数据检测策略确定所述关联业务数据对应的识别算法以及关联检测条件;基于所述识别算法对所述关联业务数据进行识别,获得业务识别信息;基于所述关联检测条件对所述业务识别信息进行检测,根据检测结果确定所述处理结果。
一个可选的实施例中,在所述策略集合中包含所述算法检测策略的情况下,所述数据处理模块406进一步被配置为:
基于所述算法检测策略确定所述目标业务关联的业务预测模型;将所述待检测业务数据输入至所述业务预测模型进行处理,获得业务分值;将所述业务分值与预设业务分值进行比较,根据比较结果确定所述处理结果。
一个可选的实施例中,所述筛选数据模块408进一步被配置为:
根据所述处理结果筛选不满足所述数据检测策略对应的检测条件的待检测业务数据作为所述异常业务数据。
一个可选的实施例中,所述数据检测装置,还包括:
发送模块,被配置为确定所述异常业务数据对应的异常信息;基于所述异常信息创建预警信息,并将所述预警信息发送至所述目标业务的服务方。
本实施例提供的数据检测装置,在获取到目标业务关联的待检测业务数据之后,为了能够从多个维度联合实现检测处理,可以选择与目标业务关联的数据检测策略组成策略集合,之后按照策略集合中的数据检测策略依次对待检测业务数据进行处理,以根据处理结果确定待检测业务数据中的异常业务数据,实现了通过多维度检测的方式定位异常业务数据,以此反映目标业务存在的风险原因,有效的降低了目标业务存在的潜在风险,并且通过联合多种数据检测策略对数据进行检测,能够更加精准且全面的覆盖全部风险点,从而保证目标业务的业务场景的规范性。
上述为本实施例的一种数据检测装置的示意性方案。需要说明的是,该数据检测装置的技术方案与上述的数据检测方法的技术方案属于同一构思,数据检测装置的技术方案未详细描述的细节内容,均可以参见上述数据检测方法的技术方案的描述。
图5示出了根据本说明书一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,处理器520用于执行如下计算机可执行指令:
获取目标业务关联的待检测业务数据;
选择与所述目标业务关联的数据检测策略组成策略集合;
按照所述策略集合中的数据检测策略依次对所述待检测业务数据进行处理;
根据处理结果在所述待检测业务数据中筛选异常业务数据。
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数据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,均可以参见上述数据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:
获取目标业务关联的待检测业务数据;
选择与所述目标业务关联的数据检测策略组成策略集合;
按照所述策略集合中的数据检测策略依次对所述待检测业务数据进行处理;
根据处理结果在所述待检测业务数据中筛选异常业务数据。
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数据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,均可以参见上述数据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程序,当所述计算机程序在计算机中执行时,令计算机执行所述数据检测方法的步骤。
上述为本实施例的一种计算机程序的示意性方案。需要说明的是,该计算机程序与上述的数据检测方法的技术方案属于同一构思,计算机程序的技术方案未详细描述的细节内容,均可以参见上述数据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,本说明书并不受所描述的动作顺序的限制,因为依据本说明书,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 (12)
1.一种数据检测方法,包括:
获取目标业务关联的待检测业务数据;
选择与所述目标业务关联的数据检测策略组成策略集合;
按照所述策略集合中的数据检测策略依次对所述待检测业务数据进行处理;
根据处理结果在所述待检测业务数据中筛选异常业务数据。
2.根据权利要求1所述的数据检测方法,所述获取目标业务关联的待检测业务数据,包括:
确定所述目标业务关联的列式数据库;
在所述列式数据库中读取预设时间区间内的所述待检测业务数据;其中,所述待检测业务数据具有相同数据结构。
3.根据权利要求1所述的数据检测方法,所述数据检测策略包括下述至少一项:
指标类数据检测策略、明细类数据检测策略、业务数据检测策略、算法检测策略。
4.根据权利要求3所述的数据检测方法,在所述策略集合中包含所述指标类数据检测策略的情况下,所述按照所述策略集合中的数据检测策略依次对所述待检测业务数据进行处理,包括:
对所述待检测业务数据进行解析,获得待检测指标类数据;
读取所述待检测指标类数据对应的历史指标类数据;
将所述待检测指标类数据和所述历史指标类数据进行比对获得指标波动值;
将所述指标波动值与预设指标阈值进行比较,根据比较结果确定所述处理结果。
5.根据权利要求3所述的数据检测方法,在所述策略集合中包含所述明细类数据检测策略的情况下,所述按照所述策略集合中的数据检测策略依次对所述待检测业务数据进行处理,包括:
对所述待检测业务数据进行解析,获得待检测明细类数据;
根据所述明细类数据检测策略确定结构检测条件和业务检测条件;
基于所述结构检测条件和所述业务检测条件对所述待检测明细类数据进行检测,根据检测结果确定所述处理结果。
6.根据权利要求3所述的数据检测方法,在所述策略集合中包含所述业务数据检测策略的情况下,所述按照所述策略集合中的数据检测策略依次对所述待检测业务数据进行处理,包括:
对所述待检测业务数据进行解析,获得关联业务数据;
根据所述业务数据检测策略确定所述关联业务数据对应的识别算法以及关联检测条件;
基于所述识别算法对所述关联业务数据进行识别,获得业务识别信息;
基于所述关联检测条件对所述业务识别信息进行检测,根据检测结果确定所述处理结果。
7.根据权利要求3所述的数据检测方法,在所述策略集合中包含所述算法检测策略的情况下,所述按照所述策略集合中的数据检测策略依次对所述待检测业务数据进行处理,包括:
基于所述算法检测策略确定所述目标业务关联的业务预测模型;
将所述待检测业务数据输入至所述业务预测模型进行处理,获得业务分值;
将所述业务分值与预设业务分值进行比较,根据比较结果确定所述处理结果。
8.根据权利要求1-7任意一项所述的数据检测方法,所述根据处理结果在所述待检测业务数据中筛选异常业务数据,包括:
根据所述处理结果筛选不满足所述数据检测策略对应的检测条件的待检测业务数据作为所述异常业务数据。
9.根据权利要求1-7任意一项所述的数据检测方法,所述根据处理结果在所述待检测业务数据中筛选异常业务数据步骤执行之后,还包括:
确定所述异常业务数据对应的异常信息;
基于所述异常信息创建预警信息,并将所述预警信息发送至所述目标业务的服务方。
10.一种数据检测装置,包括:
获取数据模块,被配置为获取目标业务关联的待检测业务数据;
选择策略模块,被配置为选择与所述目标业务关联的数据检测策略组成策略集合;
数据处理模块,被配置为按照所述策略集合中的数据检测策略依次对所述待检测业务数据进行处理;
筛选数据模块,被配置为根据处理结果在所述待检测业务数据中筛选异常业务数据。
11.一种计算设备,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任意一项所述方法的步骤。
12.一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任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111123241.1A CN113836360B (zh) | 2021-09-24 | 2021-09-24 | 数据检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111123241.1A CN113836360B (zh) | 2021-09-24 | 2021-09-24 | 数据检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113836360A true CN113836360A (zh) | 2021-12-24 |
CN113836360B CN113836360B (zh) | 2024-06-11 |
Family
ID=78970200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111123241.1A Active CN113836360B (zh) | 2021-09-24 | 2021-09-24 | 数据检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113836360B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114490663A (zh) * | 2022-02-14 | 2022-05-13 | 支付宝(杭州)信息技术有限公司 | 数据处理方法及装置 |
CN116720202A (zh) * | 2023-05-19 | 2023-09-08 | 国网物资有限公司 | 业务信息检测方法、装置、电子设备和计算机可读介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020114110A1 (zh) * | 2018-12-04 | 2020-06-11 | 阿里巴巴集团控股有限公司 | 商户风险防控方法及装置 |
CN111651646A (zh) * | 2020-06-30 | 2020-09-11 | 支付宝(杭州)信息技术有限公司 | 业务处理方法及装置 |
-
2021
- 2021-09-24 CN CN202111123241.1A patent/CN113836360B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020114110A1 (zh) * | 2018-12-04 | 2020-06-11 | 阿里巴巴集团控股有限公司 | 商户风险防控方法及装置 |
CN111651646A (zh) * | 2020-06-30 | 2020-09-11 | 支付宝(杭州)信息技术有限公司 | 业务处理方法及装置 |
Non-Patent Citations (2)
Title |
---|
CHUNYAN XUE: "Design and Implementation of the Program of Customer Risk Monitoring and Scoring for Risk Early Warning", IEEE, 29 January 2018 (2018-01-29) * |
黄晓丹;罗伟;李秀峰;李晓冰;刘建建;: "基于TF-IDF算法的AAA服务异常检测机制研究", 移动通信, no. 02, 30 January 2016 (2016-01-30) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114490663A (zh) * | 2022-02-14 | 2022-05-13 | 支付宝(杭州)信息技术有限公司 | 数据处理方法及装置 |
CN116720202A (zh) * | 2023-05-19 | 2023-09-08 | 国网物资有限公司 | 业务信息检测方法、装置、电子设备和计算机可读介质 |
CN116720202B (zh) * | 2023-05-19 | 2024-03-29 | 国网物资有限公司 | 业务信息检测方法、装置、电子设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113836360B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11676087B2 (en) | Systems and methods for vulnerability assessment and remedy identification | |
US10565525B2 (en) | Collaborative filtering method, apparatus, server and storage medium in combination with time factor | |
CN113836360A (zh) | 数据检测方法及装置 | |
WO2019041925A1 (zh) | 工作流数据处理方法、装置、存储介质和计算机设备 | |
US10142363B2 (en) | System for monitoring and addressing events based on triplet metric analysis | |
CN111815169A (zh) | 业务审批参数配置方法及装置 | |
CN110555749A (zh) | 基于神经网络的信用行为预测方法以及装置 | |
CN115409518A (zh) | 用户交易风险预警方法及装置 | |
CN113297269A (zh) | 数据查询方法及装置 | |
CN110263132B (zh) | 项目案件推送方法以及装置 | |
CN111783415A (zh) | 模板配置方法以及装置 | |
CN112000862B (zh) | 数据处理方法及装置 | |
CN111401478A (zh) | 数据异常识别方法以及装置 | |
CN107784062B (zh) | 产品数据处理系统和方法 | |
CN111191901B (zh) | 基于区块链的业务处理方法以及装置 | |
CN110956140B (zh) | 图像信息提取方法、装置、设备以及存储介质 | |
CN111882252A (zh) | 任务审核方法及装置 | |
CN111563679A (zh) | 数据处理方法以及装置 | |
US9723146B1 (en) | Systems and methods for representative credit predicated upon relationship development | |
CN111882253B (zh) | 任务审核方法及装置 | |
CN111447082B (zh) | 关联账号的确定方法、装置和关联数据对象的确定方法 | |
CN114662007B (zh) | 数据推荐方法、装置、计算机设备和存储介质 | |
CN114816845B (zh) | 一种基于MongoDB的快速数据回滚方法及装置 | |
CN114490665A (zh) | 数据核查方法及装置 | |
CN117611329A (zh) | 事务数据预测方法、装置、存储介质、产品及电子设备 |
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 |