CN114595765A - 数据处理方法、装置、电子设备及存储介质 - Google Patents
数据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114595765A CN114595765A CN202210222271.6A CN202210222271A CN114595765A CN 114595765 A CN114595765 A CN 114595765A CN 202210222271 A CN202210222271 A CN 202210222271A CN 114595765 A CN114595765 A CN 114595765A
- Authority
- CN
- China
- Prior art keywords
- transaction
- transaction data
- detected
- data
- classification result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/383—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Abstract
本发明实施例公开了一种数据处理方法、装置、电子设备及存储介质。该方法包括:获取预设时长内的待检测交易数据;对待检测交易数据进行分类处理,得到与待检测交易数据相对应的初始分类结果;基于至少一个预设交易类别对初始分类结果为异常分类的待检测交易数据抽取处理,得到各预设交易类别对应的目标检测交易数据;基于各目标检测交易数据中的错误码,确定与各预设交易类别相对应的目标分类结果。解决了现有技术中通过统计响应报文中某个参数出现占比,当占比高于某个阈值时触发异常报警,导致异常误报的问题,实现提高分类结果确定的准确性,达到精准监控异常,提高异常报送的准确性的效果。
Description
技术领域
本发明实施例涉及计算机处理技术,尤其涉及一种数据处理方法、装置、电子设备及存储介质。
背景技术
近年来,伴随着电子商务的迅猛发展,网上消费需求逐年递增,支付场景和使用人数也在不断增加,随之网上支付交易数量也在不断增加。针对庞大的使用人群和不断新增的交易需求,对系统中数据交易运行状态的监控成为了发现异常的重要一环,是保障系统及时处置问题和保障运行的平稳的关键。
一般来说,数据交易运行过程包含交易请求、交易执行和结果返回这三个阶段,在交易过程中交易的结果会记录在响应报文中,由此,现有的数据交易运行监控方法通常是通过统计响应报文中相应参数出现的占比,判断交易是否发生异常,并发出异常报警。但是,这就造成某些时候会因交易样本数量较少,导致参数占比较高而触发报警。或者,当某些交易被某些发起者定时主动发起,因这种外部因素造成某一参数大量短时间出现,导致因这一参数占比高而触发报警,最终导致异常误报的问题。
发明内容
本发明实施例提供一种数据处理方法、装置、电子设备及存储介质,以实现提高分类结果确定的准确性,达到精准监控异常,提高异常报送准确性的技术效果。
第一方面,本发明实施例提供了一种数据处理方法,该方法包括:
获取预设时长内的待检测交易数据;其中,所述待检测交易数据中包括至少一条待使用交易记录,所述待使用交易记录中包括多个待使用字段;
对所述待检测交易数据进行分类处理,得到与所述待检测交易数据相对应的初始分类结果;其中,所述初始分类结果中包括异常分类和正常分类;
基于至少一个预设交易类别对所述初始分类结果为异常分类的待检测交易数据抽取处理,得到各预设交易类别对应的目标检测交易数据;
基于各目标检测交易数据中的错误码,确定与各预设交易类别相对应的目标分类结果。
第二方面,本发明实施例还提供了一种数据处理装置,该装置包括:
待检测交易数据获取模块,用于获取预设时长内的待检测交易数据;其中,所述待检测交易数据中包括至少一条待使用交易记录,所述待使用交易记录中包括多个待使用字段;
初始分类结果确定模块,用于对所述待检测交易数据进行分类处理,得到与所述待检测交易数据相对应的初始分类结果;其中,所述初始分类结果中包括异常分类和正常分类;
目标检测交易数据获取模块,用于基于至少一个预设交易类别对所述初始分类结果为异常分类的待检测交易数据抽取处理,得到各预设交易类别对应的目标检测交易数据;
目标分类结果确定模块,用于基于各目标检测交易数据中的错误码,确定与各预设交易类别相对应的目标分类结果。
第三方面,本发明实施例还提供了一种电子设备,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例任一所述的数据处理方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例任一所述的数据处理方法。
本发明实施例的技术方案,通过获取预设时长内的待检测交易数据,对待检测交易数据进行分类处理,得到与待检测交易数据相对应的初始分类结果,基于至少一个预设交易类别对初始分类结果为异常分类的待检测交易数据抽取处理,得到各预设交易类别对应的目标检测交易数据,基于各目标检测交易数据中的错误码,确定与各预设交易类别相对应的目标分类结果,解决了现有技术中通过统计响应报文中某个参数出现占比,当占比值高于某个阈值时触发异常报警,导致异常误报的问题,实现了通过对整个待检测交易数据进行初步分类处理,得到初始分类结果,并未是针对数据中某个参数进行统计,提高了数据分类的准确性,当初始分类结果为异常分类时,继续对待检测交易数据抽取处理,实现对正常分类数据的初筛,基于对抽取后的目标检测交易数据进行分类,得到目标分类结果,实现分类结果的二次验证,提高分类结果确定的准确性,达到精准监控异常,提高异常报送的准确性的技术效果。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案,下面对描述实施例中所需要用到的附图做一简单介绍。显然,所介绍的附图只是本发明所要描述的一部分实施例的附图,而不是全部的附图,对于本领域普通技术人员,在不付出创造性劳动的前提下,还可以根据这些附图得到其他的附图。
图1为本发明实施例一所提供的一种数据处理方法的流程图;
图2为本发明实施例二所提供的一种数据处理方法的流程图;
图3为本发明实施例三所提供的一种数据处理方法的示意图;
图4为本发明实施例三所提供的一种数据处理方法的示意图;
图5为本发明实施例三所提供的一种数据处理方法的示意图;
图6为本发明实施例四所提供的一种数据处理装置的结构框图;
图7为本发明实施例五所提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一所提供的一种数据处理方法的流程图,本实施例可适用于对数据进行异常检测的情况,该方法可以由本发明实施例中的数据处理装置来执行,该装置可以采用软件和/或硬件的方式来实现,可选的,通过电子设备来实现,该电子设备可以是移动终端、PC端或服务端等。该装置可配置于计算设备中,本实施例提供的数据处理方法具体包括如下步骤:
S110、获取预设时长内的待检测交易数据。
其中,待检测交易数据可以理解为需要被检测的交易数据。所述待检测交易数据中包括至少一条待使用交易记录,所述待使用交易记录中包括多个待使用字段。例如,在网络数据交易场景中,数据交易的运行过程通常包含数据交易请求、交易执行和结果返回三个阶段,如,某个数据交易请求为系统1向系统2查询数据,此时待使用交易记录中可以记录整个数据交易运行的数据,如记录中可以包括系统1、系统2、数据信息、返回结果以及交易关系等多个字段组成的交易运行记录。
具体的,可以获取某个时间间隔内的若干个数据交易运行的数据记录,作为待检测交易数据,此时系统可以对这些数据进行检测,判断其是否出现异常。
需要说明的是,在获取预设时长内的待检测交易数据,对其进行检测之前,还可以预先记录请求者到服务端的请求报文和服务端经过业务逻辑处理之后产生的响应报文,例如,当客户端请求一个网页时,会先通过http协议将请求的内容封装在http请求报文之中,服务器收到该请求报文后根据协议规范进行报文解析,然后向客户端返回响应报文。可以将请求报文和响应报文这些信息存储在数据库中,以供后续的数据异常分析所使用。
可选的,在获取预设时长内的待检测交易数据之前,包括:接收客户端发送的至少一个业务数据请求对应的请求报文和服务端发送的与请求报文相对应的响应报文;对各请求报文和对应的响应报文进行解析处理,得到多条包含多个待使用字段的待使用交易记录。
其中,请求报文中包括交易码、请求方身份标识和请求时间。响应报文中包括错误码。请求方身份标识可以用于表征请求者唯一身份,可选的,可以为商户号。错误码可以理解为响应码,例如,当数据交易成功时,可以返回成功标识,即成功响应码,如0000。若业务逻辑执行中出现错误,则返回对应的异常错误码,不同的错误码代表着具体错误标识/编号,以用于错误定位和分析。
需要说明的是,用户在客户端上的触发操作会生成相应的业务数据请求,此时可以利用设备实时采集到业务数据请求对应的请求报文,和服务端在接收到请求报文后,经过业务逻辑处理之后产生的响应报文,存储在数据库中。可以利用算法将所记录的请求报文和响应报文进行解析,将所解析的数据记录在数据库中。例如,业务数据请求1对应请求报文A和响应报文A,可以将请求报文A和响应报文A进行解析,请求报文中可以包括交易码、请求者身份标识(商户号)、请求时间等字段,响应报文中的错误码字段,可以将交易码、请求者身份标识(商户号)、请求时间、错误码多个字段标记为一条信息记录,作为待使用交易记录,存在数据库中。可以得到多条待使用交易记录,以使后续可以直接在数据库中调取某个时间间隔内的待检测交易数据进行异常分析。
具体的,可以预先采集客户端发送的各业务数据请求对应的请求报文,和服务端发送的与每个请求报文相对应的响应报文,进而可以利用算法对每个请求报文和对应的响应报文进行解析处理,得到多条包含请求报文和对应的响应报文中解析字段的待使用交易记录。
S120、对所述待检测交易数据进行分类处理,得到与所述待检测交易数据相对应的初始分类结果。
其中,初始分类结果中包括异常分类和正常分类。异常分类可以理解为数据交易运行状态处于异常状态的分类结果。正常分类可以理解为数据交易运行状态处于正常状态的分类结果。
在本实施例中,可以将待检测交易数据输入至分类器中,通过对待检测交易数据进行分类计算,得到待检测交易数据的分类结果,此时只是对待检测交易数据的异常进行初步粗筛,可以将该分类结果作为初始分类结果。
需要说明的是,在对待检测交易数据进行分类处理,得到与待检测交易数据相对应的初始分类结果时,为了提高数据异常检测的准确性,可以预先对待检测交易数据中某个参数的分布情况进行平均度分析,若该参数的分布情况很平均,可以表示该参数处于正常范围,若该参数在某个时间段内大量出现,如出现大批量账户不存在时,可以表示该参数处于异常范围,可以综合考虑各参数对应的状态,以确定最终待检测交易数据的分类结果,提高分类的准确性。
可选的,对待检测交易数据进行分类处理,得到与待检测交易数据相对应的初始分类结果,包括:对待检测交易数据中的与至少一个预设待检测指标相对应的字段内容进行混乱度分析,得到各预设待检测指标对应的混乱度;对各预设待检测指标对应的混乱度进行整合处理,得到与待检测交易数据对应的待分类数据;对待分类数据进行分类处理,得到与待检测交易数据相对应的初始分类结果。
其中,混乱度可以理解为无序程度。例如,某个参数的整齐度上升,相对应的,混乱度下降,用以表征在数据中乱的程度。预设待检测指标可以理解为预设的、观察数据异常状态的指标,例如,预设待检测指标中可以为商户号、账号、错误码、交易码、输入方法等等,具体的可以由技术人员根据实际工作情况进行确定,本技术方案不做限定。
在本实施例中,可以基于待检测交易数据中待处理字段的字段内容,计算预设待检测指标的混乱度,例如,可以计算预设待检测指标的信息熵,作为混乱度,也可以计算预设待检测指标的方差,作为混乱度,只需要可以表征指标在数据中分布的程度即可,对此不作限定。如,特征<商户号>的混乱度为0.1,特征<交易返回码>的混乱度为0.3,特征<响应时间>混乱度为0.2,可以将每个预设待检测指标对应的混乱度进行整合处理,相应的,可以得到一个1×n维的向量,如(0.1,0.3,0.2),作为待分类数据。可以将待分类数据输入至机器学习分类器中,可选的,机器学习分类器可以为SVM(Support Vector Machine,支持向量机)、RF(Random Forest,随机森林)等但不限于以上,对向量的合法性进行分类,可以得到分类结果,作为初始分类结果。若得到的结果为正常分类,则认为当前时间间隔内的待检测交易数据无异常情况发生。若得到的结果为异常分类,则认为当前时间间隔内的待检测交易数据可能有异常情况发生,此时需要对其进行进一步检测。
S130、基于至少一个预设交易类别对所述初始分类结果为异常分类的待检测交易数据抽取处理,得到各预设交易类别对应的目标检测交易数据。
其中,预设交易类别可以理解为预设的、数据交易的形式,如,支付交易、查询数据交易、退单交易等等,可以由技术人员根据实际工作情况进行确定,本技术方案不做限定。
在本实施例中,若初始分类结果为异常分类,则可以针对某种交易类别进行数据检测,此时可以将待检测交易数据中包含的该种交易类别对应的数据进行抽取,得到该种交易类别对应的交易数据作为目标检测交易数据,例如,交易类别为支付交易,其对应的交易码为00,可以将待检测交易数据中所有交易码为00的数据记录抽取,得到最终的待检测交易数据,作为目标检测交易数据。
S140、基于各目标检测交易数据中的错误码,确定与各预设交易类别相对应的目标分类结果。
在实际应用中,可以预先配置每种分类结果分别对应的错误码,存储至映射表中,当得到某种预设交易类别对应的目标检测交易数据时,可以利用算法计算目标检测交易数据中各分类结果对应的错误码出现的频次,得到每个分类结果对应的占比,可以将占比最大者作为该预设交易类别对应的目标分类结果,相应的,可以得到与每个预设交易类别相对应的目标分类结果。
本实施例的技术方案,通过获取预设时长内的待检测交易数据,对待检测交易数据进行分类处理,得到与待检测交易数据相对应的初始分类结果,基于至少一个预设交易类别对初始分类结果为异常分类的待检测交易数据抽取处理,得到各预设交易类别对应的目标检测交易数据,基于各目标检测交易数据中的错误码,确定与各预设交易类别相对应的目标分类结果,解决了现有技术中通过统计响应报文中某个参数出现占比,当占比高于某个阈值时触发异常报警,导致异常误报的问题,实现了基于多个预设检测指标的混乱度综合评定待检测交易数据的分类结果,得到初始分类结果,提高分类结果确定的准确性,当初始分类结果为异常分类时,继续对待检测交易数据检测处理,进一步有效的提高数据分类的准确性,得到精准的分类结果,达到精准监控异常,提高异常报送的准确性的技术效果。
实施例二
图2为本发明实施例二所提供的一种数据处理方法的流程图,在前述实施例的基础上,对S130做进一步的细化。其具体的实施方式可以参见本实施例技术方案。其中,与上述实施例相同或者相应的技术术语在此不再赘述。
如图2所示,该方法具体包括如下步骤:
S210、获取预设时长内的待检测交易数据。
S220、对所述待检测交易数据进行分类处理,得到与所述待检测交易数据相对应的初始分类结果。
S230、若所述初始分类结果为异常分类,则基于至少一个预设商户类别对所述待检测交易数据进行划分,得到各预设商户类别对应的待处理交易数据。
其中,预设商户类别可以理解为预设的、商户类型,例如,预设商户类别可以为个人商户、对公商户、内部商户等等,具体的可以由技术人员根据实际工作情况进行确定,本技术方案不做限定。
在实际应用中,若初始分类结果为异常分类,则可以针对不同的商户类别进行综合检测,此时可以将待检测交易数据中包含的各商户类别对应的数据进行抽取,分别得到每一个商户类别对应的交易数据,例如,商户类别为个人商户,其对应的商户号的表示格式为00-个人,可以将待检测交易数据中所有为00-个人表示格式的商户号的数据记录抽取,得到最终的待检测交易数据,作为待处理交易数据。
需要说明的是,考虑商户类别因素进行数据交易异常判断的原因是,在实际数据交易过程中,可能存在某一类商户所占的数量较高,或者所发起的交易量占比较高(例如,集中发起批量交易),若也被判断为结果异常,存在异常误报的情况。结合商户类别因素综合判断数据交易状态,可以极大地降低因商户的本身因素导致的异常误报情况发生,提高数据检测的准确度。
S240、针对各预设交易类别,基于当前预设交易类别分别对各待处理交易数据进行抽取处理,得到多个待使用交易数据。
在本实施例中,可以将各预设交易类别中的某一个交易类别作为当前预设交易类别进行处理,假设交易类别为支付交易,其对应的交易码为00,可以从各商户类别分别对应的待处理交易数据中抽取出交易码为00的多个待使用数据交易记录,作为待使用交易数据,相应的,可以得到当前预设交易类别对应的多个待使用交易数据。
S250、将各待使用交易数据输入至对应的预先训练好的分类模型中,得到各待使用交易数据对应的第二分类结果。
其中,所述第二分类结果中包括异常分类和正常分类。
在本实施例中,不同商户类别可以对应于不同的分类模型,分类模型为通过预先标注好的交易数据训练得到的,可选的,分类模型可以为SVM(Support Vector Machine,支持向量机)、RF(Random Forest,随机森林)等但不限于以上。当得到某个预设交易类别所对应的各商户类别对应的待使用交易数据后,可以将各待使用交易数据分别作为与商户类别对应的分类模型的输入,分类模型可以对输入数据进行处理,若超过标定范围,则可以认为为异常,若未超过标定范围,可以认为为正常,相应的,可以确定每个商户类别对应的数据分类结果,可以作为第二分类结果。
需要说明的是,得到各待使用交易数据对应的第二分类结果的另一种实现方式还可以是:利用数学逻辑计算出至少一个预设异常判断指标的异常度,例如,预设异常判断指标可以为数据交易情况,如,错误码为0000为数据交易成功,其余错误码均为数据交易失败,可以通过统计0000出现频次在所有错误码中的占比,可以得到交易成功率,相应的,也可以得到交易失败率,若交易失败率大于某个设定阈值时,可以认定为此待使用交易数据的第二分类结果为异常分类。可选的,预设异常判断指标可以有多个,例如,错误码,可以由技术人员根据实际工作情况进行确定,本技术方案不做限定。
S260、若各待使用交易数据对应的第二分类结果均为异常分类,则获取与所述当前预设交易类别相对应的目标检测交易数据。
具体的,若各待使用交易数据对应的第二分类结果均为异常分类,则可以说明该种情况为可能出现的重大异常情况,此时可以从待检测交易数据中抽取出多个与当前预设交易类别相对应的交易记录,作为目标检测交易数据,以使后续对目标检测交易数据进行最终检测。
需要说明的是,在实际应用中,若数据交易状态为异常时,则应该是各商户类别的交易数据均异常结果,如,整体交易成功率下降或其他异常判断指标出现异常,可以说明此交易确实存在异常情况。若个人商户、对公商户、内部商户的分类结果差距较大,如,仅有个人商户的整体交易成功率下降,可能是由于某类商户的行为引起的交易异常,该交易本身无重大异常,不需要告警提示。因此,可以通过判断交易异常的出现是否为普遍现象,以此结合确定最终的分类结果,提高数据分类的准确性,有效防止异常误报。
可选的,若各待使用交易数据对应的第二分类结果均为异常分类,则获取与当前预设交易类别相对应的目标检测交易数据,包括:若各待使用交易数据的第二分类结果均为异常分类,则确定与当前预设交易类别相对应的交易码;基于交易码,从待检测交易数据中获取与交易码相对应的目标检测交易数据。
在本实施例中,若各待使用交易数据的第二分类结果均为异常分类时,可以基于当前预设交易类别相对应的交易码,如交易类别为支付交易,对应的交易码为00,可以从待检测交易数据中获取与交易码为00相关联的所有待使用交易记录,作为目标检测交易数据。
S270、基于各目标检测交易数据中的错误码,确定与各预设交易类别相对应的目标分类结果。
需要说明的是,在实际数据交易执行过程中,每一个数据交易可以根据返回的错误码确定交易结果。若错误码为0000时,则整个交易为流程正常结束。若请求报文中字段不合法、所调用本身异常、外部系统出现异常时,则返回的结果则为各异常情况所对应的错误码。因此,系统可以根据错误码判断出返回的错误信息的来源。
在实际应用中,可以预先设置多个错误码来源所对应的错误码,进而可以通过统计某个目标检测交易数据中某个错误码来源所对应的错误码对于总错误码的占比,得到各错误信息来源对应的占比,可以将最大值占比所对应的错误码来源作为目标分类结果,以基于目标分类结果对错误精准定位。也可以通过统计某个错误码来源所对应的错误码中出现高于某个频次的数量,如存在5个错误码的出现频次均高为500,可以将各数量中数量最大值对应的错误码来源作为目标分类结果。
需要说明的是,在各目标检测交易数据中的错误码,确定与各预设交易类别相对应的目标分类结果时,可以预先根据实际需要对数据交易运行失败的原因进行划分,每个失败原因可以对应相应的错误码,可以通过统计目标检测交易数据中结果原因的错误码信息,确定该交易数据具体属于哪种失败原因,对错误发生原因进行精准定位。
可选的,基于各目标检测交易数据中的错误码,确定与各预设交易类别相对应的目标分类结果,包括:基于各目标检测交易数据中的错误码,确定与至少一个预设分类结果相对应的占比值,并将最大占比值所对应的预设分类结果作为目标分类结果。
其中,预设分类结果可以理解为预设的数据交易状态的结果,可选的,预设分类结果中可以包括但不限于请求异常、内部异常和外部异常等。相应的,目标分类结果与预设分类结果相对应,目标分类结果用于表征数据交易运行错误来源,目标分类结果中可以包括请求异常、内部异常和外部异常等等。
需要说明的是,可以预先配置多个预设分类结果对应的错误码信息,假设分类结果1对应的错误码分别为1111、1112、1222、1223等,分类结果2对应的错误码分别为1444、1445、1555、1556等,进而可以将分类结果与对应的错误码存储至映射表中,相应的,每个预设分类结果可以对应的一个映射表。
具体的,可以通过统计每个预设分类结果所对应的错误码在某个预设交易类别的目标检测交易数据中占比,相应的,可以得到该目标检测交易数据所可能为各预设分类结果的占比值,可以将最大占比值所对应的预设分类结果,作为该预设交易类别对应的目标分类结果。相应的,可以各预设交易类别所对应的目标分类结果。
需要说明的是,若存在预设分类结果A和B的占比值相同的情况,可以通过引入预设参数,如预设参数可以为交易失败率、交易成功率等等,用于与预设分类结果对应的错误码综合评定占比值,确定目标分类结果。
还需要说明的是,在实际交易系统执行过程中,往往一个数据交易运行涉及到许多系统,为了提高异常报送的准确度、有效性,在确定出目标分类结果之后,可以基于目标分类结果和目标检测交易数据中包括的与目标分类结果相对应的错误码,生成告警信息,以发送至目标分类结果对应的系统。
可选的,在基于所述目标检测交易数据中的错误码,确定目标分类结果之后,还包括:基于各目标检测交易数据中与目标分类结果相对应的错误码,确定各目标分类结果对应的告警信息,并将告警信息发送至对应的目标终端设备。
其中,目标终端设备可以包括但不限于手机、台式电脑、笔记本和ipad等移动终端设备。
在实际应用中,可以基于预设交易类型以及对应的目标检测交易数据中包括的与目标分类结果相对应的错误码,生成与该预设交易类型对应的目标分类结果的告警信息。需要说明的是,若目标分类结果为请求异常,则说明该异常为请求本身造成的异常,无需进行任何处理,相应的,可以不发送告警信息。若目标分类结果为内部异常,则说明该异常为系统内部发生的异常,此时可以将告警信息发送至系统内部的开发人员所对应的目标终端设备,以使开发人员根据告警信息对该异常处理。若目标分类结果为外部异常,则说明该异常为系统外部第三方发生的异常,此时可以将告警信息发送至系统内部的开发人员和第三方所对应的目标终端设备,以使第三方根据告警信息对该异常处理。
还需要说明的是,为了提高异常报送的精准性,若目标分类结果为外部异常,则说明该异常为外部的系统第三方发生的异常,此时可能涉及多个外部系统之间互相调用的交易的情况。为了精准判断具体是哪个系统发生的异常,可选的,利用设备实时监控各个系统之间互相调用的交易异常发生情况,针对某一个待检测交易数据的交易,其调用方可能有N个系统组成,当且仅当N大于等于2时,若某个调用方系统调用M系统时发生了系统外部异常,而剩余的N-1个系统,并未发生类似的异常,则说明此时的异常发生来源于请求调用方系统,而并非M系统,则可以将告警信息仅向出现异常的调用方系统发送异常告警信息,并告知被调用接口的异常情况。若N-1个调用方系统中,大于预设阈值数量的系统出现了系统外部异常的情况,则向所有调用该交易的系统发送异常警告信息,并向该交易的提供系统M发送异常情况,提高异常的精准定位和报送。
本实施例的技术方案,通过获取预设时长内的待检测交易数据,对待检测交易数据进行分类处理,得到与待检测交易数据相对应的初始分类结果,基于至少一个预设交易类别对初始分类结果为异常分类的待检测交易数据抽取处理,得到各预设交易类别对应的目标检测交易数据,基于各目标检测交易数据中的错误码,确定与各预设交易类别相对应的目标分类结果,解决了现有技术中通过统计响应报文中某个参数出现占比,当占比高于某个阈值时触发异常报警,导致异常误报的问题,实现了基于多个预设检测指标的混乱度综合评定待检测交易数据的分类结果,得到初始分类结果,提高分类结果确定的准确性,当初始分类结果为异常分类时,继续对待检测交易数据检测处理,进一步有效的提高数据分类的准确性,得到精准的分类结果,达到精准监控异常,提高异常报送的准确性的技术效果。
实施例三
作为上述实施例的一可选实施例,图3为本发明实施例三所提供的一种数据处理方法的示意图。具体的,可以参见下述具体内容。
参见图3,本技术方案的实现可以由待检测交易数据收集模块、数据处理模块、交易监控模块和异常报送模块共同实现,其中,待检测交易数据收集模块,用于记录请求者到服务端的请求报文和服务端经过业务逻辑处理之后的返回报文,并将这些原始信息存储在数据库中,供后续的交易分析过程所使用。网络交易的请求报文和响应报文中包括交易运行状态的关键信息。数据处理模块,用于解析请求报文和响应报文中的数据字段,并存在数据库中。例如,数据处理模块所解析的待使用字段包括:请求报文中的交易码、请求方身份标识(商户号)、请求时间和响应报文中的错误码,可将某一个请求报文和对应的响应报文中的待使用字段标记为一条待使用交易记录,存在数据库中。交易监控模块,用于交易正确性和异常行为的分析与监控,交易监控模块中包括混乱度监控模块、商户类别对应的模型分析模块、目标分类结果确定模块、异常拓扑聚合模块,交易监控模块中各模块调用关系如图4所示。需要说明的是,在获取预设时长内的待检测交易数据之后,可以将待检测交易数据输入至混乱度监控模块中,计算预设时长内的待检测交易数据中每一个预设待检测指标的混乱度,构成一个向量,然后通过SVM、随机森林等机器学习分类器,对向量的合法性进行分类,得到待检测交易数据相对应的初始分类结果。若初始分类结果为正常分类,则认为当前时长内,该交易无异常情况发生。若初始分类结果为异常分类,则认为当前时长内,该交易有异常情况发生,此时还需要对待检测交易数据进行进一步的异常检测。在本技术方案中进一步异常检测的好处在于:当初始分类结果异常时,仅可以代表当前时间段可能出现异常,但是否出现异常,需要根据后续进一步检测才可以确定,达到减少异常误报的技术效果。
在上述技术方案的基础上,若混乱度监控模块通过机器学习分类器进行分类后得到的待检测交易数据对应的初始分类结果为异常分类时,则可以将待检测交易数据输入至商户类别对应的模型分析模块中,模块可以根据预设的商户类别对待检测交易数据进行划分,得到各预设商户类别对应的交易数据,即待处理交易数据,可以将各待处理交易数据输入至与商户类别对应的分类模型中,得到各待处理交易数据对应的分类结果,即第二分类结果。需要说明的是,在网上支付系统中,所有商户可以根据其类型与规模进行划分,得到商户类别,如商户类别为个人商户、对公商户、内部商户。针对不同类别的商户进行分块后,再进行监控分析。原因是:在实际交易过程中,某一类商户所占的数量较高,或者所发起的交易量占比较高(例如,集中发起批量交易),会造成一段时间内监控结果的异常。对商户进行划分后,若某一个数据交易发生异常时,则应该上述三种类别的商户发起的结果均出现异常结果,整体交易成功率下降或其他参考指标出现异常,以此判定该数据交易确实存在异常情况。若个人商户、对公商户、内部商户的监控指标结果差距较大,则说明可能是由某类商户的行为引起的交易异常,该交易本身无重大异常。对商户进行划分,再判断交易异常的出现是否为普遍现象,可以更加有效的提高报警准确性。
在上述技术方案的基础上,若上述三个商户类别对应的第二分类结果均为异常分类时,则可以将待检测交易数据输入至目标分类结果确定模块。此时可以确定与当前预设交易类别相对应的交易码,基于交易码,从待检测交易数据中获取与交易码相对应的目标检测交易数据,进而可以基于目标检测交易数据中的错误码,确定与至少一个预设分类结果相对应的占比值,并将最大占比值所对应的预设分类结果作为目标分类结果。需要说明的是,在数据交易系统执行过程中,往往一个交易涉及到许多系统,其中包括业务逻辑。在代码执行过程中,可以通过定义错误码,对错误的种类进行划分。基于错误码,可以快速定位到错误的发生位置,这可以作为分析异常发生位置和原因的一个重要方法。每一个数据交易可以根据返回的错误码确定交易结果。例如,若交易码为0000时,则整个交易为流程正常结束。若请求报文中字段不合法、所调用本身异常、外部系统出现异常时,则返回的结果则为对应的错误码。因此,系统可以根据错误码判断出返回的错误码的来源。在实际应用中,根据错误码可以划分数据交易失败的来源可能为:请求不合法、系统内部异常、外部系统处理异常等。可以将请求异常、内部异常和外部异常作为预设分类结果,其中,请求异常可以表征请求不合法。内部异常表征系统内部异常。外部异常表征外部系统处理异常。当异常发生且进入目标分类结果确定模块时,若请求异常错误占比远高于内部异常错误和外部异常错误,则说明请求本身造成了本次严重的异常发生,无需进行任何处理。若发生了大量的内部异常错误,则说明系统真正的发生了异常,可以将该交易信息和错误码信息发送至异常报送模块。若发生了大量的外部异常错误,则需要进行进一步分析,分析错误发生原因和影响范围。
在上述技术方案的基础上,若目标分类结果为外部异常,可以将待检测交易数据发送至异常拓扑聚合模块,异常拓扑聚合模块用于监控各个系统之间互相调用的交易异常发生情况,精准定位异常系统。需要说明的是,针对某一个待检测交易数据的交易,其调用方可能有N个系统组成,当且仅当N大于等于2时,若某个调用方系统调用M系统时发生了系统外部异常,而剩余的N-1个系统,并未发生类似的异常,则说明此时的异常发生来源于请求调用方系统,而并非M系统,则可以将告警信息仅向出现异常的调用方系统发送异常告警信息,并告知被调用接口的异常情况。若N-1个调用方系统中,大于预设阈值数量的系统出现了系统外部异常的情况,则向所有调用该交易的系统发送异常警告信息,并向该交易的提供系统M发送异常情况。示例性的,参见图5,若系统A、系统B、系统C的异常来源均为M系统,则可以说明M系统为最终异常系统,此时可以将告警信息发送至M系统。
本实施例的技术方案,通过获取预设时长内的待检测交易数据,对待检测交易数据进行分类处理,得到与待检测交易数据相对应的初始分类结果,基于至少一个预设交易类别对初始分类结果为异常分类的待检测交易数据抽取处理,得到各预设交易类别对应的目标检测交易数据,基于各目标检测交易数据中的错误码,确定与各预设交易类别相对应的目标分类结果,解决了现有技术中通过统计响应报文中某个参数出现占比,当占比高于某个阈值时触发异常报警,导致异常误报的问题,实现了基于多个预设检测指标的混乱度综合评定待检测交易数据的分类结果,得到初始分类结果,提高分类结果确定的准确性,当初始分类结果为异常分类时,继续对待检测交易数据检测处理,进一步有效的提高数据分类的准确性,得到精准的分类结果,达到精准监控异常,提高异常报送的准确性的技术效果。
实施例四
图6为本发明实施例四所提供的一种数据处理装置的结构框图。该装置包括:待检测交易数据获取模块310、初始分类结果确定模块320、目标检测交易数据获取模块330和目标分类结果确定模块340。
其中,待检测交易数据获取模块310,用于获取预设时长内的待检测交易数据;其中,所述待检测交易数据中包括至少一条待使用交易记录,所述待使用交易记录中包括多个待使用字段;初始分类结果确定模块320,用于对所述待检测交易数据进行分类处理,得到与所述待检测交易数据相对应的初始分类结果;其中,所述初始分类结果中包括异常分类和正常分类;目标检测交易数据获取模块330,用于基于至少一个预设交易类别对所述初始分类结果为异常分类的待检测交易数据抽取处理,得到各预设交易类别对应的目标检测交易数据;目标分类结果确定模块340,用于基于各目标检测交易数据中的错误码,确定与各预设交易类别相对应的目标分类结果。
本实施例的技术方案,通过获取预设时长内的待检测交易数据,对待检测交易数据进行分类处理,得到与待检测交易数据相对应的初始分类结果,基于至少一个预设交易类别对初始分类结果为异常分类的待检测交易数据抽取处理,得到各预设交易类别对应的目标检测交易数据,基于各目标检测交易数据中的错误码,确定与各预设交易类别相对应的目标分类结果,解决了现有技术中通过统计响应报文中某个参数出现占比,当占比值高于某个阈值时触发异常报警,导致异常误报的问题,实现了通过对待检测交易数据进行初步分类处理,得到初始分类结果,当初始分类结果为异常分类时,继续对待检测交易数据抽取处理,实现对正常分类数据的初筛,基于对抽取后的目标检测交易数据进行分类,得到目标分类结果,提高分类结果确定的准确性,达到精准监控异常,提高异常报送的准确性的技术效果。
在上述装置的基础上,可选的,所述待检测交易数据获取模块310,包括报文接收单元和待使用交易记录获取单元。
报文接收单元,用于接收客户端发送的至少一个业务数据请求对应的请求报文和服务端发送的与所述请求报文相对应的响应报文;其中,所述请求报文中包括交易码、请求方身份标识和请求时间;所述响应报文中包括错误码;
待使用交易记录获取单元,用于对各请求报文和对应的响应报文进行解析处理,得到多条包含多个待使用字段的待使用交易记录。
在上述装置的基础上,可选的,所述初始分类结果确定模块320,包括混乱度计算单元、待分类数据确定单元和初始分类结果确定单元。
混乱度计算单元,用于对所述待检测交易数据中的与至少一个预设待检测指标相对应的字段内容进行混乱度分析,得到各预设待检测指标对应的混乱度;
待分类数据确定单元,用于对各预设待检测指标对应的混乱度进行整合处理,得到与所述待检测交易数据对应的待分类数据;
初始分类结果确定单元,用于对所述待分类数据进行分类处理,得到与所述待检测交易数据相对应的初始分类结果。
在上述装置的基础上,可选的,所述目标检测交易数据获取模块330,包括待处理交易数据确定单元、待使用交易数据确定单元、第二分类结果确定单元和目标检测交易数据确定单元。
待处理交易数据确定单元,用于若所述初始分类结果为异常分类,则基于至少一个预设商户类别对所述待检测交易数据进行划分,得到各预设商户类别对应的待处理交易数据;
待使用交易数据确定单元,用于针对各预设交易类别,基于当前预设交易类别分别对各待处理交易数据进行抽取处理,得到多个待使用交易数据;
第二分类结果确定单元,用于将各待使用交易数据输入至对应的预先训练好的分类模型中,得到各待使用交易数据对应的第二分类结果;其中,所述第二分类结果中包括异常分类和正常分类;
目标检测交易数据确定单元,用于若各待使用交易数据对应的第二分类结果均为异常分类,则获取与所述当前预设交易类别相对应的目标检测交易数据。
在上述装置的基础上,可选的,所述目标检测交易数据确定单元,包括交易码确定子单元和目标检测交易数据确定子单元。
交易码确定子单元,用于若各待使用交易数据的第二分类结果均为异常分类,则确定与所述当前预设交易类别相对应的交易码;
目标检测交易数据确定子单元,用于基于所述交易码,从所述待检测交易数据中获取与所述交易码相对应的目标检测交易数据。
在上述装置的基础上,可选的,所述目标分类结果确定模块340,包括目标分类结果确定单元。目标分类结果确定单元,用于基于各目标检测交易数据中的错误码,确定与至少一个预设分类结果相对应的占比值,并将最大占比值所对应的预设分类结果作为目标分类结果;其中,所述目标分类结果中包括请求异常、内部异常和外部异常。
在上述装置的基础上,可选的,所述装置还包括告警信息发送模块。
告警信息发送模块,用于基于各目标检测交易数据中与目标分类结果相对应的错误码,确定各目标分类结果对应的告警信息,并将所述告警信息发送至对应的目标终端设备。
本发明实施例所提供的数据处理装置可执行本发明任意实施例所提供的数据处理方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
实施例五
图7为本发明实施例五所提供的一种电子设备的结构示意图。图7示出了适于用来实现本发明实施例实施方式的示例性电子设备40的框图。图7显示的电子设备40仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,电子设备40以通用计算设备的形式表现。电子设备40的组件可以包括但不限于:一个或者多个处理器或者处理单元401,系统存储器402,连接不同系统组件(包括系统存储器402和处理单元401)的总线403。
总线403表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备40典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备40访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器402可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)404和/或高速缓存存储器405。电子设备40可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统406可以用于读写不可移动的、非易失性磁介质(图7未显示,通常称为“硬盘驱动器”)。尽管图7中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线403相连。存储器402可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块407的程序/实用工具408,可以存储在例如存储器402中,这样的程序模块407包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块407通常执行本发明所描述的实施例中的功能和/或方法。
电子设备40也可以与一个或多个外部设备409(例如键盘、指向设备、显示器410等)通信,还可与一个或者多个使得用户能与该电子设备40交互的设备通信,和/或与使得该电子设备40能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口411进行。并且,电子设备40还可以通过网络适配器412与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器412通过总线403与电子设备40的其它模块通信。应当明白,尽管图7中未示出,可以结合电子设备40使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元401通过运行存储在系统存储器402中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的数据处理方法。
实施例六
本发明实施例六还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种数据处理方法。该方法包括:
获取预设时长内的待检测交易数据;其中,所述待检测交易数据中包括至少一条待使用交易记录,所述待使用交易记录中包括多个待使用字段;
对所述待检测交易数据进行分类处理,得到与所述待检测交易数据相对应的初始分类结果;其中,所述初始分类结果中包括异常分类和正常分类;
基于至少一个预设交易类别对所述初始分类结果为异常分类的待检测交易数据抽取处理,得到各预设交易类别对应的目标检测交易数据;
基于各目标检测交易数据中的错误码,确定与各预设交易类别相对应的目标分类结果。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种数据处理方法,其特征在于,包括:
获取预设时长内的待检测交易数据;其中,所述待检测交易数据中包括至少一条待使用交易记录,所述待使用交易记录中包括多个待使用字段;
对所述待检测交易数据进行分类处理,得到与所述待检测交易数据相对应的初始分类结果;其中,所述初始分类结果中包括异常分类和正常分类;
基于至少一个预设交易类别对所述初始分类结果为异常分类的待检测交易数据抽取处理,得到各预设交易类别对应的目标检测交易数据;
基于各目标检测交易数据中的错误码,确定与各预设交易类别相对应的目标分类结果。
2.根据权利要求1所述的方法,其特征在于,在所述获取预设时长内的待检测交易数据之前,包括:
接收客户端发送的至少一个业务数据请求对应的请求报文和服务端发送的与所述请求报文相对应的响应报文;其中,所述请求报文中包括交易码、请求方身份标识和请求时间;所述响应报文中包括错误码;
对各请求报文和对应的响应报文进行解析处理,得到多条包含多个待使用字段的待使用交易记录。
3.根据权利要求1所述的方法,其特征在于,所述对所述待检测交易数据进行分类处理,得到与所述待检测交易数据相对应的初始分类结果,包括:
对所述待检测交易数据中的与至少一个预设待检测指标相对应的字段内容进行混乱度分析,得到各预设待检测指标对应的混乱度;
对各预设待检测指标对应的混乱度进行整合处理,得到与所述待检测交易数据对应的待分类数据;
对所述待分类数据进行分类处理,得到与所述待检测交易数据相对应的初始分类结果。
4.根据权利要求1所述的方法,其特征在于,所述基于至少一个预设交易类别对所述初始分类结果为异常分类的待检测交易数据抽取处理,得到各预设交易类别对应的目标检测交易数据,包括:
若所述初始分类结果为异常分类,则基于至少一个预设商户类别对所述待检测交易数据进行划分,得到各预设商户类别对应的待处理交易数据;
针对各预设交易类别,基于当前预设交易类别分别对各待处理交易数据进行抽取处理,得到多个待使用交易数据;
将各待使用交易数据输入至对应的预先训练好的分类模型中,得到各待使用交易数据对应的第二分类结果;其中,所述第二分类结果中包括异常分类和正常分类;
若各待使用交易数据对应的第二分类结果均为异常分类,则获取与所述当前预设交易类别相对应的目标检测交易数据。
5.根据权利要求4所述的方法,其特征在于,所述若各待使用交易数据对应的第二分类结果均为异常分类,则获取与所述当前预设交易类别相对应的目标检测交易数据,包括:
若各待使用交易数据的第二分类结果均为异常分类,则确定与所述当前预设交易类别相对应的交易码;
基于所述交易码,从所述待检测交易数据中获取与所述交易码相对应的目标检测交易数据。
6.根据权利要求1所述的方法,其特征在于,所述基于各目标检测交易数据中的错误码,确定与各预设交易类别相对应的目标分类结果,包括:
基于各目标检测交易数据中的错误码,确定与至少一个预设分类结果相对应的占比值,并将最大占比值所对应的预设分类结果作为目标分类结果;
其中,所述目标分类结果中包括请求异常、内部异常和外部异常。
7.根据权利要求1所述的方法,其特征在于,在所述基于所述目标检测交易数据中的错误码,确定目标分类结果之后,还包括:
基于各目标检测交易数据中与目标分类结果相对应的错误码,确定各目标分类结果对应的告警信息,并将所述告警信息发送至对应的目标终端设备。
8.一种数据处理装置,其特征在于,包括:
待检测交易数据获取模块,用于获取预设时长内的待检测交易数据;其中,所述待检测交易数据中包括至少一条待使用交易记录,所述待使用交易记录中包括多个待使用字段;
初始分类结果确定模块,用于对所述待检测交易数据进行分类处理,得到与所述待检测交易数据相对应的初始分类结果;其中,所述初始分类结果中包括异常分类和正常分类;
目标检测交易数据获取模块,用于基于至少一个预设交易类别对所述初始分类结果为异常分类的待检测交易数据抽取处理,得到各预设交易类别对应的目标检测交易数据;
目标分类结果确定模块,用于基于各目标检测交易数据中的错误码,确定与各预设交易类别相对应的目标分类结果。
9.一种电子设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的数据处理方法。
10.一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,该程序被处理器执行时实现如权利要求1-7中任一所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210222271.6A CN114595765A (zh) | 2022-03-09 | 2022-03-09 | 数据处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210222271.6A CN114595765A (zh) | 2022-03-09 | 2022-03-09 | 数据处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114595765A true CN114595765A (zh) | 2022-06-07 |
Family
ID=81808153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210222271.6A Pending CN114595765A (zh) | 2022-03-09 | 2022-03-09 | 数据处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114595765A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116932766A (zh) * | 2023-09-15 | 2023-10-24 | 腾讯科技(深圳)有限公司 | 对象分类方法、装置、设备、存储介质及程序产品 |
-
2022
- 2022-03-09 CN CN202210222271.6A patent/CN114595765A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116932766A (zh) * | 2023-09-15 | 2023-10-24 | 腾讯科技(深圳)有限公司 | 对象分类方法、装置、设备、存储介质及程序产品 |
CN116932766B (zh) * | 2023-09-15 | 2023-12-29 | 腾讯科技(深圳)有限公司 | 对象分类方法、装置、设备、存储介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108055281B (zh) | 账户异常检测方法、装置、服务器及存储介质 | |
CN107391359B (zh) | 一种业务测试方法及装置 | |
CN107122669B (zh) | 一种评估数据泄露风险的方法和装置 | |
CN112636957A (zh) | 基于日志的预警方法、装置、服务器及存储介质 | |
CN111754241A (zh) | 一种用户行为感知方法、装置、设备及介质 | |
CN113469857A (zh) | 一种数据处理方法、装置、电子设备以及存储介质 | |
CN112003846A (zh) | 一种信用阈值的训练、ip地址的检测方法及相关装置 | |
CN106301979B (zh) | 检测异常渠道的方法和系统 | |
US10372702B2 (en) | Methods and apparatus for detecting anomalies in electronic data | |
CN109242658B (zh) | 可疑交易报告生成方法、系统、计算机设备和存储介质 | |
CN114595765A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN111506455B (zh) | 服务发布结果的查验方法及装置 | |
CN113343228A (zh) | 事件可信度分析方法、装置、电子设备及可读存储介质 | |
CN111784176A (zh) | 一种数据处理方法、装置、服务器及介质 | |
CN112085588A (zh) | 规则模型的安全性的确定方法、装置和数据处理方法 | |
CN110955890B (zh) | 恶意批量访问行为的检测方法、装置和计算机存储介质 | |
CN109409091B (zh) | 检测Web页面的方法、装置、设备以及计算机存储介质 | |
CN114817518B (zh) | 基于大数据档案识别的证照办理方法、系统及介质 | |
CN113127878A (zh) | 威胁事件的风险评估方法及装置 | |
CN110795308A (zh) | 一种服务器检验方法、装置、设备及存储介质 | |
CN114785616A (zh) | 数据风险检测方法、装置、计算机设备及存储介质 | |
CN112346938B (zh) | 操作审计方法、装置及服务器和计算机可读存储介质 | |
CN113961414A (zh) | 一种日志数据的处理方法、装置、设备及存储介质 | |
CN113656314A (zh) | 压力测试处理方法及装置 | |
CN112261484B (zh) | 一种目标用户识别方法、装置、电子设备和存储介质 |
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 |