CN115238815A - 异常交易数据获取方法、装置、设备、介质和程序产品 - Google Patents

Abstract

本公开提供了一种异常交易数据获取方法，可以应用于大数据领域及金融技术领域。该方法包括：从数据记录日志中获取交易数据；根据数据特征对交易数据进行降维，得到待聚类数据；对待聚类数据进行聚类，得到多个数据集群，其中，各数据集群分别包含聚类中心，各聚类中心之间的最小距离大于第一阈值；获取各数据集群中距离对应聚类中心欧氏距离最大的数据点作为第一异常交易数据；剔除第一异常交易数据，得到修正数据；对修正数据进行拟合分析，得到第二异常交易数据。本公开还提供了一种异常交易数据获取装置、设备、存储介质和程序产品。

Description

异常交易数据获取方法、装置、设备、介质和程序产品

技术领域

本公开涉及大数据领域及金融领域，具体地涉及一种异常交易数据获取方法、装置、设备、介质和程序产品。

背景技术

随着缴费业务场景的不断丰富，缴费平台已逐渐成为民生领域主要的生活缴费手段之一。市面上也涌现出形式多样的多个缴费app，为用户提供全面的缴费渠道和多样化的缴费模式，以及便捷的生活缴费服务。收费单位可以通过线上或线下两种方式将项目申请信息和账单明细发送给开放式多渠道缴费平台，缴费用户可以通过PC端、智能手机、电话或其他渠道发起查询及缴费的交易请求。

然而，实际应用过程中理应给广大用户创造便捷的系统，随着用户数量及交易量的激增，异常交易情况极有可能出现。比如用户短时间内向同一缴费项目发起多笔交易，预付费模式中一次性或一定时间内充值大量金额等。缴费平台系统的异常交易波动，直接影响用户的资金安全，关系到银行等机构的社会声誉，需时刻保障缴费平台的交易支付安全。

目前，在分析缴费数据时，多用回归模型来拟合数据。虽然以回归分析拟合数据模型可较为直观的感受模型的分布，走向趋势，且可以处理正态分布情形下的异常值情况，甚至在非正态分布的情形下，依照切比雪夫不等式，仍然有较大的几率会在正负三个标准差的范围内，但是随着数据规模的增大，该模型的表现会有明显不足。基于传统统计学的回归模型在拟合数据时，适合处理数据集比较小的情况。在数据量过大的情况下，容易出现因变量之间的相关性较高，独立特征较少导致的过度拟合情况。而为了处理这种情况而做出的数据处理，比如在数据预处理时去除某些特征和对模型做逻辑转换，固然会消除模型的异常问题，却因此会损失需要监测的异常值。这对打击不法交易，维护平台安全会起到一定的负面影响。

发明内容

鉴于上述问题，本公开提供了提高异常交易数据获取可靠性及分析效率的异常交易数据获取方法、装置、设备、介质和程序产品，用于至少部分解决以上技术问题。

根据本公开的第一个方面，提供了一种异常交易数据获取方法，包括：从数据记录日志中获取交易数据；根据数据特征对交易数据进行降维，得到待聚类数据；对待聚类数据进行聚类，得到多个数据集群，其中，各数据集群分别包含聚类中心，各聚类中心之间的最小距离大于第一阈值；获取各数据集群中距离对应聚类中心欧氏距离最大的数据点作为第一异常交易数据；剔除第一异常交易数据，得到修正数据；对修正数据进行拟合分析，得到第二异常交易数据。

根据本公开的实施例，根据数据特征对交易数据进行降维，得到待聚类数据包括：将交易数据按样本数和特征数转换为第一矩阵；对第一矩阵进行旋转变换，得到协方差矩阵；将协方差矩阵转换为对角阵，得到协方差矩阵的特征向量；根据特征向量的方差贡献率和第一矩阵，得到待聚类数据。

根据本公开的实施例，根据特征向量的方差贡献率和第一矩阵，计算得到待聚类数据包括：计算第一数量的特征向量的累计方差贡献率；根据各特征向量的方差贡献率在累计方差贡献率中的占比，得到待聚类数据；其中，累计方差贡献率大于第二阈值。

根据本公开的实施例，对待聚类数据进行聚类，得到多个数据集群包括：从待聚类数据中随机选取第二数量的初始数据集群；分别计算各数据点到各初始数据集群聚类中心的距离；将各数据点归类到距离最近的初始数据集群中，得到过渡数据集群；重新计算各过渡数据集群的质心和各过渡数据集群中的数据点到对应质心的最小平方误差；重复归类及计算，直到各数据集群的质心和最小平方误差不变，得到多个数据集群。

根据本公开的实施例，对修正数据进行拟合分析，得到第二异常交易数据包括：使用预先构建的概率模型来拟合修正数据，得到拟合数据；对拟合数据进行异常值判定，得到第二异常交易数据；其中，概率模型包括线性回归模型。

根据本公开的实施例，对拟合数据进行异常值判定，得到第二异常交易数据包括：采用三西格玛定律对拟合数据进行异常值判定，将置信区间正负三个标准差范围以外的数据点标记为第二异常交易数据。

本公开的第二方面提供了一种异常交易数据获取装置，包括：第一获取模块，用于从数据记录日志中获取交易数据；降维模块，用于根据数据特征对交易数据进行降维，得到待聚类数据；聚类模块，用于对待聚类数据进行聚类，得到多个数据集群，其中，各数据集群分别包含聚类中心，各聚类中心之间的最小距离大于第一阈值；第二获取模块，用于获取各数据集群中距离对应聚类中心欧氏距离最大的数据点作为第一异常交易数据；修正模块，用于剔除第一异常交易数据，得到修正数据；以及分析模块，用于对修正数据进行拟合分析，得到第二异常交易数据。

本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例的异常交易数据获取方法。

本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述任一实施例的异常交易数据获取方法。

本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一实施例的异常交易数据获取方法。

与现有技术相比，本公开提供的异常交易数据获取方法、装置、电子设备、存储介质和程序产品，至少具有以下有益效果：

(1)本公开结合主成分分析降维方法和聚类算法来处理数据样本，可以单独获取样本中的异常数据，解决了现有数据处理方法中异常值被过滤掉的技术问题，进而优化了现有异常交易数据获取方法，提升了数据处理的可靠性及处理效率。

(2)本公开适用于对大量数据的分析，分两次收集异常值。剔除第一次收集的异常值后，即经修正的数据样本适用于线性回归分析拟合数据的技术，方法兼容性强，应用成本低。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的异常交易数据获取方法、装置、设备、介质和程序产品的应用场景图；

图2示意性示出了根据本公开实施例的异常交易数据获取方法的流程图；

图3示意性示出了根据本公开实施例的数据降维方法流程图；

图4示意性示出了根据本公开实施例的获取待聚类数据的方法流程图；

图5示意性示出了根据本公开实施例的待聚类数据的聚类方法流程图；

图6示意性示出了根据本公开实施例的异常点的获取方法流程图；

图7示意性示出了根据本公开另一实施例的异常交易数据获取方法流程图；

图8示意性示出了根据本公开实施例的异常交易数据获取装置的结构框图；以及

图9示意性示出了根据本公开实施例的适于实现异常交易数据获取方法的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

本公开实施例提供一种异常交易数据获取方法、装置、设备、介质和程序产品，可用于金融领域或其他领域。需要说明的是本公开的异常交易数据获取方法、装置、设备、介质和程序产品可用于金融领域，也可用于除金融领域之外的任意领域，本公开的异常交易数据获取方法、装置、设备、介质和程序产品的应用领域不做限定。

在本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。

在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。

图1示意性示出了根据本公开实施例的异常交易数据获取方法、装置、设备、介质和程序产品的应用场景图。

如图1所示，根据该实施例的应用场景100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的异常交易数据获取方法一般可以由服务器105执行。相应地，本公开实施例所提供的异常交易数据获取装置一般可以设置于服务器105中。本公开实施例所提供的异常交易数据获取方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的异常交易数据获取装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

以下将基于图1描述的场景，通过图2～图7对公开实施例的异常交易数据获取方法进行详细描述。

图2示意性示出了根据本公开实施例的异常交易数据获取方法的流程图。

如图2所示，本公开的实施例提供了一种异常交易数据获取方法，例如包括：

S210，从数据记录日志中获取交易数据。

根据本公开的实施例，数据记录日志例如是用于记录交易数据的日志，本公开例如从Kafka日志采集中心及ELC日志采集中心获取需要监控的交易数据作为原始数据样本。

S220，根据数据特征对交易数据进行降维，得到待聚类数据。

根据本公开的实施例，例如采用主成分分析(PCA)方法来分析数据，对数据进行降维。主成分分析PCA(Principal Components Analysis)例如可以用于降维，它利用正交变换对一系列可能相关的变量进行线性转换，投影为一系列线性不相关变量的值，这些不相关的变量称为主成分。待聚类数据例如为获取可以利用交易数据的部分特征来解释绝大部分交易数据特征的数据，然后以其方差贡献率占比为权重计算得到的数据或数据集。本公开中的交易数据包含的特征例如有支付类型、缴费金额、业务编号、缴费渠道、单日缴费频率等，例如先对交易数据做主成分分析降维到支付类型、缴费金额这两个特征维度，即保留累计方差贡献率大于某阈值的主成分(支付类型、缴费金额)，然后，按相应方差贡献率所占总体比重作为权重，计算得到的数据即为待聚类数据。待聚类数据例如为单维数据。

S230，对待聚类数据进行聚类，得到多个数据集群，其中，各数据集群分别包含聚类中心，各聚类中心之间的最小距离大于第一阈值。

根据本公开的实施例，本公开例如采用聚类模型理论对待聚类数据进行聚类。聚类模型理论：Cluster analysis，是把相似的对象通过静态分类的方法分成不同的组别或者更多的集群，使同一个集群中的成员对象都有相似的一些属性，但与其它集群不同。此项技术可以应用于许多技术领域，例如数据分析，模式识别，及图像处理等。聚类中心，也称为质心，即为该同一个集群的中心。为使集群稳定，各集群的聚类中心应尽可能地远离彼此。

S240，获取各数据集群中距离对应聚类中心欧氏距离最大的数据点作为第一异常交易数据。

S250，剔除第一异常交易数据，得到修正数据。

S260，对修正数据进行拟合分析，得到第二异常交易数据。

根据本公开的实施例，异常交易数据获取的目的是及时找出数据样本中的异常值。而现有的异常交易数据获取模型在处理大量数据(例如缴费数据)时，由于需要修正模型，因而导致部分异常值被漏掉。本公开依次对交易数据进行降维和聚类处理，可以先找出容易被漏掉的那部分异常值。然后，对剔除该部分异常值后的修正数据再进行正常的回归模型拟合，可以快速地找出修正数据中剩余的异常值。即通过本公开的异常交易数据获取方法，可以找出大量数据中的异常值，保证数据处理的可靠性，同时也兼容现有的异常交易数据获取方法，兼顾了数据处理效率。

可以理解的是，在实际的异常交易数据获取过程中，数据信息，例如用户的交易信息是多维度的，难以通过k-means等聚类算法直接分析，所以在实现例如k-means聚类算法前，需要对数据进行降维处理。本公开例如采用主成分分析方法对多维数据降维，降维后的主成分可解释绝大部分的数据特征，且有较低的维度，便于之后进行k-means聚类分析。

图3示意性示出了根据本公开实施例的数据降维方法流程图。

根据本公开的实施例，如图3所示，例如通过操作S221～操作S224来降低交易数据的维度。

S221，将交易数据按样本数和特征数转换为第一矩阵。

根据本公开的实施例，交易数据假设有n个样本点，每个样本点有d个特征，将其排列成d行n列的矩阵，每一行减去该行的均值，做到去均值化，得到表征各样本点与质心之间距离的矩阵Y。可以将矩阵Y整理成d个行向量的形式，用Y＝(y₁，y₂，...，y_d)表示d个原始变量，即为第一矩阵。

S222，对第一矩阵进行旋转变换，得到协方差矩阵。

根据本公开的实施例，例如可以对第一矩阵进行旋转变换，通过公式(1)得到协方差矩阵：

其中，C_y为协方差矩阵，

是Y的转置矩阵。

S223，将协方差矩阵转换为对角阵，得到协方差矩阵的特征向量。

根据本公开的实施例，例如可以变换交易数据，令X＝PY，使C_y成为对角阵。进而，可以得到：

C_x＝PC_yP^T (3)

其中，P是C_y的特征向量矩阵，C_x即变换后数据的协方差，X就是变换后的数据点。

S224，根据特征向量的方差贡献率和第一矩阵，得到待聚类数据。

图4示意性示出了根据本公开实施例的获取待聚类数据的方法流程图。

根据本公开的实施例，如图4所示，例如通过操作S2241～操作S2242来获取待聚类数据。

S2241，计算第一数量的特征向量的累计方差贡献率。

S2242，根据各特征向量的方差贡献率在累计方差贡献率中的占比，得到待聚类数据。其中，累计方差贡献率大于第二阈值。

根据本公开的实施例，通过公式(2)、(3)得到特征值后，为了便于后续对特征值的选取，例如可以将特征值降序排列。假如需要将原始的d维数据变为m维，只需选择C_y的前m个特征向量。而为了保证该m个特征向量尽量多地保留交易数据的特征，需要控制使该m个特征向量的累计方差贡献率大于一定数值。例如可以通过公式(4)来计算累计方差贡献率。

其中，w为累计方差贡献率，表示降维后各维度数据的特征值之和与总维度数据的特征值之和的比值，λ为特征值。进而，计算得到的新数据集矩阵X＝(x₁，x₂，...，x_m)即为n个数据点m维。将方差贡献率占比作为权重，计算出做k-means聚类所需要的数据集，即为待聚类数据。

其中，X为降维后的新数据集，由交易数据乘以一个系数并累加得到，该系数表示某一维度数据的特征值与降维后各维度数据特征值之和的比值，λ为特征值，y为交易数据。

优选地，累计方差贡献率大于85％，用于解释绝大部分的数据集。

图5示意性示出了根据本公开实施例的待聚类数据的聚类方法流程图。

根据本公开的实施例，如图5所示，例如通过操作S231～操作S235来对待聚类数据进行聚类。

S231，从待聚类数据中随机选取第二数量的初始数据集群。

根据本公开的实施例，本公开例如采用k-means聚类算法来对待聚类数据进行聚类。首先，例如可以从待聚类数据样本的n个数据点中选取k个数据点作为初始聚类中心，选取原则是使各初始聚类中心之间的距离尽可能地大，即使各个初始数据集群尽可能地远离彼此。

S232，分别计算各数据点到各初始数据集群聚类中心的距离。

S233，将各数据点归类到距离最近的初始数据集群中，得到过渡数据集群。

S234，重新计算各过渡数据集群的质心和各过渡数据集群中的数据点到对应质心的最小平方误差。

根据本公开的实施例，例如分别通过公式(6)、公式(7)来计算各数据集群的质心和该最小平方误差。

其中，μ_i是集群i的均值向量，也称为质心，C_i为第i个集群所包含的样本点数量，可由C_x计算得到，E是各过渡数据集群中的数据点x到对应质心μ的最小平方误差，k为随机设置的初始聚类个数，k≤n。

S235，重复归类及计算，直到各数据集群的质心和最小平方误差不变，得到多个数据集群。

根据本公开的实施例，重复上述计算质心及最小化平方误差的步骤，对待聚类数据中的数据点进行归类，直到两者稳定不再变化为止。最终得到的各数据集群，即为聚类后的待聚类数据集群。

根据本公开的实施例，得到稳定的待聚类数据集群后，通过获取各数据集群中距离对应聚类中心(即质心)欧氏距离最大的样本点，即可单独筛选出数据中的第一异常点。例如通过公式(8)来计算该欧氏距离：

其中，D为样本点到质心的欧氏距离，用于判定异常值情况。

图6示意性示出了根据本公开实施例的异常点的获取方法流程图。

根据本公开的实施例，如图6所示，例如通过操作S261～操作S262来对获取数据样本中的异常点，进而对相关异常点进行数据分析。

S261，使用预先构建的概率模型来拟合修正数据，得到拟合数据。其中，概率模型包括线性回归模型。

根据本公开的实施例，本公开例如可以构建概率模型来拟合业务交易量、交易成功率等数据及预测之后的趋势。在用缴费类型、交易金额等变量拟合模型时，可预测未来的交易状况、趋势走向，也可研究多个变量之间的关系，在分析用户数据及平台交易量中起到极大的作用。

优选地，例如可以构建线性回归模型来分析该修正数据。在回归分析中，线性回归模型是最常用的模型之一，构建线性回归模型来分析修正数据有助于将前述修正数据的步骤与当前异常交易数据获取方法相结合，真正实现对当前异常交易数据获取方法的优化。

S262，对拟合数据进行异常值判定，得到第二异常交易数据。

具体地，例如可以采用三西格玛定律对拟合数据进行异常值判定，将置信区间正负三个标准差范围以外的数据点标记为第二异常交易数据。在使用线性回归模型拟合数据时，可以采用三西格玛定律来判定异常情况，例如将置信区间正负三个标准差的范围以外的数值视为异常值，得到第二异常交易数据，然后，对第一异常交易数据和第二异常交易数据进行进一步地财务属性分析，进而可以对这些可能存在的异常交易情况进行监控，避免用户的财产受到损失。

根据本公开的实施例，本公开针对同一组交易数据，分两次先后提取出其中的异常值，即先通过降维后聚类的方法找出距离各聚类中心欧氏距离最大的数据点为第一异常交易数据，然后，再构建概率模型来分析从交易数据中去除第一异常点后的数据，进而从中找出第二异常交易数据。综合来看，本公开的异常交易数据获取方法可以快速、可靠地处理包含大量数据的交易数据，尽量多地找出其中的异常值，提升了对数据的有效监控能力。

图7示意性示出了根据本公开另一实施例的异常交易数据获取方法流程图。

根据本公开的实施例，本公开的异常交易数据获取方法例如可以用于缴费数据分析。如图7所示，下面根据某银行e缴费的实用场景介绍利用k-means聚类算法来分析数据的具体步骤。

1、收集数据。在Kafka日志采集中心及ELC日志采集中心随机选取n个客户交易样本。数据例如包含支付类型、缴费金额、业务编号、缴费渠道、单日缴费频率等d个特征。

2、数据预处理。对获取到的n条d维数据做主成分分析降维，保留累计方差贡献率大于85％的主成分，按相应方差贡献率所占总体比重作为权重，计算出新的可聚类样本点X＝(x₁，x₂，...，x_m)。

3、从n个数据点中，随机选取k个初始聚类中心，质心之间的距离应尽可能保证远离彼此。

4、针对数据集中的每个样本x，计算它到k个聚类中心的距离，并将样本分类到距离最小的聚类中心所对应的类中。

5、针对每个集群，重新计算该类的所有样本的质心μ_i。

6、重复上述两个步骤，直到质心不再变化，平方误差E也不再变化为止。

7、计算每个集群中样本点到质心的欧氏距离D，得到的数值最大的即为此第i个集群中的异常值e_i，将每个集群的异常值输出，得到的结果e₁，e₂，...，e_k即为此算法检测到的所有异常值。

进而，剔除异常值后的数据正适用于线性回归分析拟合数据的技术，可以更好地判断变量间的相关关系，分析数据，预测模型走势，对相关e缴费平台的不断完善及发展效果显著，也为识别并打击潜在的违法犯罪行为提供了依据。

综上所述，本公开提出了一种开放式多渠道缴费系统智能化运维框架方案，通过对各类交易日志、交易明细进行k-means聚类算法分析，在数据量大的情况下弥补了回归模型拟合数据而导致异常值缺失的不足，并与回归模型相得益彰。本公开的异常交易数据获取方法可以高效处理多维数据后检测异常点，智能识别和迅速定位存在异常的交易，协助快速发现交易风险、解决生产问题。

基于上述异常交易数据获取方法，本公开还提供了一种异常交易数据获取装置。以下将结合图8对该装置进行详细描述。

图8示意性示出了根据本公开实施例的异常交易数据获取装置的结构框图。

如图8所示，该实施例的异常交易数据获取装置800包括第一获取模块810、降维模块820、聚类模块830、第二获取模块840、修正模块850和分析模块860。

第一获取模块810用于从数据记录日志中获取交易数据。在一实施例中，第一获取模块810可以用于执行前文描述的操作S210，在此不再赘述。

降维模块820用于根据数据特征对交易数据进行降维，得到待聚类数据。在一实施例中，降维模块820可以用于执行前文描述的操作S220，在此不再赘述。

聚类模块830用于对待聚类数据进行聚类，得到多个数据集群，其中，各数据集群分别包含聚类中心，各聚类中心之间的最小距离大于第一阈值。在一实施例中，聚类模块830可以用于执行前文描述的操作S230，在此不再赘述。

第二获取模块840用于获取各数据集群中距离对应聚类中心欧氏距离最大的数据点作为第一异常交易数据。在一实施例中，第二获取模块840可以用于执行前文描述的操作S240，在此不再赘述。

修正模块850用于剔除第一异常交易数据，得到修正数据。在一实施例中，修正模块850可以用于执行前文描述的操作S250，在此不再赘述。

分析模块860用于对修正数据进行拟合分析，得到第二异常交易数据。在一实施例中，分析模块860可以用于执行前文描述的操作S260，在此不再赘述。

根据本公开的实施例，第一获取模块810、降维模块820、聚类模块830、第二获取模块840、修正模块850和分析模块860中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第一获取模块810、降维模块820、聚类模块830、第二获取模块840、修正模块850和分析模块860中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一获取模块810、降维模块820、聚类模块830、第二获取模块840、修正模块850和分析模块860中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图9示意性示出了根据本公开实施例的适于实现异常交易数据获取方法的电子设备的方框图。

如图9所示，根据本公开实施例的电子设备900包括处理器901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 903中，存储有电子设备900操作所需的各种程序和数据。处理器901、ROM902以及RAM 903通过总线904彼此相连。处理器901通过执行ROM 902和/或RAM 903中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 902和RAM 903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备900还可以包括输入/输出(I/O)接口905，输入/输出(I/O)接口905也连接至总线904。电子设备900还可以包括连接至I/O接口905的以下部件中的一项或多项：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、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。在本公开中，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。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 902和/或RAM 903和/或ROM 902和RAM 903以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的物品推荐方法。

在该计算机程序被处理器901执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分909被下载和安装，和/或从可拆卸介质911被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“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设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (10)

1.一种异常交易数据获取方法，其特征在于，包括：

从数据记录日志中获取交易数据；

根据数据特征对所述交易数据进行降维，得到待聚类数据；

对所述待聚类数据进行聚类，得到多个数据集群，其中，各所述数据集群分别包含聚类中心，各所述聚类中心之间的最小距离大于第一阈值；

获取各所述数据集群中距离对应聚类中心欧氏距离最大的数据点作为第一异常交易数据；

剔除所述第一异常交易数据，得到修正数据；

对所述修正数据进行拟合分析，得到第二异常交易数据。

2.根据权利要求1所述的异常交易数据获取方法，其特征在于，所述根据数据特征对交易数据进行降维，得到待聚类数据包括：

将所述交易数据按样本数和特征数转换为第一矩阵；

对所述第一矩阵进行旋转变换，得到协方差矩阵；

将所述协方差矩阵转换为对角阵，得到所述协方差矩阵的特征向量；

根据所述特征向量的方差贡献率和所述第一矩阵，得到所述待聚类数据。

3.根据权利要求2所述的异常交易数据获取方法，其特征在于，所述根据所述特征向量的方差贡献率和所述第一矩阵，计算得到所述待聚类数据包括：

计算第一数量的所述特征向量的累计方差贡献率；

根据各所述特征向量的方差贡献率在所述累计方差贡献率中的占比，得到所述待聚类数据；

其中，所述累计方差贡献率大于第二阈值。

4.根据权利要求1所述的异常交易数据获取方法，其特征在于，所述对所述待聚类数据进行聚类，得到多个数据集群包括：

从所述待聚类数据中随机选取第二数量的初始数据集群；

分别计算各数据点到各所述初始数据集群聚类中心的距离；

将各数据点归类到距离最近的所述初始数据集群中，得到过渡数据集群；

重新计算各所述过渡数据集群的质心和各所述过渡数据集群中的数据点到对应质心的最小平方误差；

重复归类及计算，直到各数据集群的质心和最小平方误差不变，得到所述多个数据集群。

5.根据权利要求1所述的异常交易数据获取方法，其特征在于，所述对所述修正数据进行拟合分析，得到第二异常交易数据包括：

使用预先构建的概率模型来拟合所述修正数据，得到拟合数据；

对所述拟合数据进行异常值判定，得到所述第二异常交易数据；

其中，所述概率模型包括线性回归模型。

6.根据权利要求5所述的异常交易数据获取方法，其特征在于，所述对所述拟合数据进行异常值判定，得到所述第二异常交易数据包括：

采用三西格玛定律对所述拟合数据进行异常值判定，将置信区间正负三个标准差范围以外的数据点标记为所述第二异常交易数据。

7.一种异常交易数据获取装置，包括：

第一获取模块，用于从数据记录日志中获取交易数据；

降维模块，用于根据数据特征对所述交易数据进行降维，得到待聚类数据；

聚类模块，用于对所述待聚类数据进行聚类，得到多个数据集群，其中，各所述数据集群分别包含聚类中心，各所述聚类中心之间的最小距离大于第一阈值；

第二获取模块，用于获取各所述数据集群中距离对应聚类中心欧氏距离最大的数据点作为第一异常交易数据；

修正模块，用于剔除所述第一异常交易数据，得到修正数据；以及

分析模块，用于对所述修正数据进行拟合分析，得到第二异常交易数据。

8.一种电子设备，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，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～6中任一项所述的异常交易数据获取方法。

9.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～6中任一项所述的异常交易数据获取方法。

10.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～6中任一项所述的异常交易数据获取方法。

Images