CN115439160A

CN115439160A - 异常监测方法、装置、设备、介质和程序产品

Info

Publication number: CN115439160A
Application number: CN202211162883.7A
Authority: CN
Inventors: 黄桢祥; 梁敏; 王菲; 林洁
Original assignee: Industrial and Commercial Bank of China Ltd ICBC
Current assignee: Industrial and Commercial Bank of China Ltd ICBC
Priority date: 2022-09-23
Filing date: 2022-09-23
Publication date: 2022-12-06

Abstract

本公开提供了一种异常监测方法，可以应用于大数据技术领域。该方法包括：基于第一获取频率获取监测源数据；基于第二获取频率获取异常波动分析数据；基于第一评估数据和所述异常波动分析数据计算监测数据变化度，并基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率，其中，所述第一评估数据基于第t轮监测周期获取；基于第t+1轮监测周期获取第二评估数据，基于基准评估数据和所述第二评估数据计算异常评估数据；以及当所述异常评估数据达到预设的阈值时，触发异常处理。本公开还提供了一种异常监测装置、设备、存储介质和程序产品。

Description

异常监测方法、装置、设备、介质和程序产品

技术领域

本公开涉及大数据技术领域或金融领域，具体地，涉及一种异常监测方法、装置、设备、介质和程序产品。

背景技术

随着信息技术的日益发展，大数据技术广泛应用于各个领域。在一些业务领域中，数据监控及异常数据监测对于业务系统的正常运转以及用户体验都有着极为重要的影响。如果异常数据的发现或处理不及时，可能会导致对于业务安全的影响，造成用户损失。

在一些领域中，数据可能在某些特定的时刻会有较为剧烈的波动，当这些较为剧烈的波动发生时，通常代表需要对业务进行特殊处理。如若不能及时发现异常波动，可能会造成用户损失，严重影响用户体验。但如果过于频繁地进行异常监测，可能会产生不必要的计算资源消耗，降低系统运行效率。

发明内容

鉴于上述问题，本公开的实施例提供了一种异常监测准确率和效率，减少计算资源消耗，提高系统运算效率的异常监测方法、装置、设备、介质和程序产品。

根据本公开的第一个方面，提供了一种异常监测方法，包括：基于第一获取频率获取监测源数据；基于第二获取频率获取异常波动分析数据，其中，所述异常波动分析数据为所述监测源数据中的元素；基于第一评估数据和所述异常波动分析数据计算监测数据变化度，并基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率，其中，所述第一评估数据基于第t轮监测周期获取，所述第一评估数据为所述监测源数据中的元素，所述t为正整数；其中，所述第t+1轮监测周期的异常监测频率和第t轮监测周期的异常监测频率相同或不同；基于第t+1轮监测周期获取第二评估数据，基于基准评估数据和所述第二评估数据计算异常评估数据；以及当所述异常评估数据达到预设的阈值时，触发异常处理，其中，所述第一获取频率高于所述第二获取频率，所述第二获取频率高于所述异常监测频率。

根据本公开的实施例，所述基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率包括：当所述监测数据变化度触发异常监测频率变动条件时，调整第t+1轮监测周期的异常监测频率，其中，所述触发异常监测频率变动条件包括：当所述监测数据变化度不同于获取第t轮监测周期的异常监测频率时的监测数据变化度时，触发异常监测频率变动，其中，t为大于或等于2的整数；和/或当t为1时，当所述监测数据变化度不同于初始预设的监测数据变化度时，触发异常监测频率变动。

根据本公开的实施例，所述基于所述第一评估数据和所述异常波动分析数据计算监测数据变化度，并基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率包括：获取第t轮监测周期的第一评估数据；以所述第一评估数据的获取时间为基点，获取在时间轴上依次移动第二获取频率的时间间隔的整数倍时的异常波动分析数据，所述异常波动分析数据个数为n，所述第二获取频率的时间间隔的整数倍小于第t轮监测周期的时间间隔；基于所述第一评估数据和第i个异常波动分析数据计算所述监测数据变化度，其中，i遍历取[1，n]中的元素；以及获取与所述监测数据变化度对应的预设监测频率，当所述预设监测频率不同于第t轮监测周期的异常监测频率时，调整第t+1轮监测周期的异常监测频率。

根据本公开的实施例，当与所述监测数据变化度对应的预设监测频率与第t轮监测周期的异常监测频率相同时，维持第t+1轮监测周期的异常监测频率不变直至所述第t+1轮监测周期结束。

根据本公开的实施例，其中，当与所述监测数据变化度对应的预设监测频率不同于第t轮监测周期的异常监测频率时，结束第t+1轮监测周期，基于当前异常波动分析数据的获取时间标记第t+2轮监测周期的起始时间并以所述与所述监测数据变化度对应的预设监测频率作为第t+2轮监测周期的异常监测频率。

根据本公开的实施例，所述基于所述第一评估数据和所述异常波动分析数据计算监测数据变化度包括：计算所述异常波动分析数据与所述第一评估数据的差值；以及计算所述差值与所述第一评估数据的比值，获取所述监测数据变化度。

根据本公开的实施例，获取对应于第t轮监测周期的第一评估数据包括：以第t轮监测周期结束时的监测源数据为所述第一评估数据；和/或所述获取对应于第t+1轮监测周期的第二评估数据包括：按照时序遍历所述第t+1轮监测周期内的监测源数据；以及以所述第t+1轮监测周期内的监测源数据中的极值为所述第二评估数据。

根据本公开的实施例，所述基于基准评估数据和所述第二评估数据计算异常评估数据包括：计算所述第二评估数据和所述基准评估数据的差值；以及当所述差值大于零时，基于所述差值和历史风险比较数据计算所述异常评估数据，其中，所述历史风险比较数据基于第t轮监测周期获取。

根据本公开的实施例，所述预设的阈值包括阶梯阈值，所述阶梯级数为n，当所述异常评估数据达到第i级阶梯阈值时，以所述第i级阶梯阈值对应的异常处理方法进行所述异常处理。

本公开的第二方面提供了一种异常监测装置，包括：第一获取模块，配置为基于第一获取频率获取监测源数据；第二获取模块，配置为基于第二获取频率获取异常波动分析数据，其中，所述异常波动分析数据为所述监测源数据中的元素；第一计算模块，配置为基于第一评估数据和所述异常波动分析数据计算监测数据变化度，并基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率，其中，所述第一评估数据基于第t轮监测周期获取，所述第一评估数据为所述监测源数据中的元素，所述t为正整数；其中，所述第t+1轮监测周期的异常监测频率和第t轮监测周期的异常监测频率相同或不同；第三获取模块，配置为基于第t+1轮监测周期获取第二评估数据；第二计算模块，配置为基于基准评估数据和所述第二评估数据计算异常评估数据；以及异常处理模块，配置为当所述异常评估数据达到预设的阈值时，触发异常处理；其中，所述第一获取频率高于所述第二获取频率，所述第二获取频率高于所述异常监测频率。

根据本公开实施例，第一计算模块包括触发单元，被配置为当所述监测数据变化度触发异常监测频率变动条件时，调整第t+1轮监测周期的异常监测频率。

根据本公开的实施例，第一计算模块包括第一获取单元，第二获取单元，第一计算单元和第二计算单元。其中，第一获取单元被配置为获取第t轮监测周期的第一评估数据。第二获取单元被配置为以所述第一评估数据的获取时间为基点，获取在时间轴上依次移动第二获取频率的时间间隔的整数倍时的异常波动分析数据，所述异常波动分析数据个数为n，所述第二获取频率的时间间隔的整数倍小于第t轮监测周期的时间间隔。第一计算单元被配置为基于所述第一评估数据和第i个异常波动分析数据计算所述监测数据变化度，其中，i遍历取[1，n]中的元素。第二计算单元被配置为获取与所述监测数据变化度对应的预设监测频率，当所述预设监测频率不同于第t轮监测周期的异常监测频率时，调整第t+1轮监测周期的异常监测频率。

根据本公开实施例，第一计算模块包括第三计算单元和第四计算单元。其中，第三计算单元被配置为计算所述异常波动分析数据与所述第一评估数据的差值。第四计算单元被配置为计算所述差值与所述第一评估数据的比值，获取所述监测数据变化度。

根据本公开实施例，第一计算模块包括第三获取单元，被配置为以第t轮监测周期结束时的监测源数据为所述第一评估数据。

根据本公开实施例，第三获取模块包括处理单元和提取单元。其中，处理单元被配置为按照时序遍历所述第t+1轮监测周期内的监测源数据。提取单元被配置为以所述第t+1轮监测周期内的监测源数据中的极值为所述第二评估数据。

根据本公开实施例，第二计算模块包括第三计算单元和第四计算单元。其中，第三计算单元被配置为计算所述第二评估数据和所述基准评估数据的差值。第四计算单元被配置为当所述差值大于零时，基于所述差值和历史风险比较数据计算所述异常评估数据，其中，所述历史风险比较数据基于第t轮监测周期获取。

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，使得一个或多个处理器执行上述异常监测方法。

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异常监测方法。

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异常监测方法。

本公开的实施例提供的方法，在异常监测的过程中，可以基于异常波动分析数据对监测频率进行调整，以平衡监测时效和计算资源的消耗。本公开的实施例尤其适用于在数据波动较为剧烈时需进行特殊处理的领域。采用本公开的实施例提供的异常监测方法，可以在及时发现数据异常波动的同时提高系统运行效率，并可有效避免用户损失，提升用户体验。

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监测方法、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监测方法的流程图。

图3示意性示出了根据本公开实施例的基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率的方法的流程图。

图4示意性示出了根据本公开一些具体的实施例的基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率的方法的流程图。

图5示意性示出了根据本公开一些具体的实施例的基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率的方法的流程图。

图6示意性示出了根据本公开一些实施例的基于所述第一评估数据和所述异常波动分析数据计算监测数据变化度的方法的流程图。

图7示意性示出了根据本公开实施例的获取对应于第t轮监测周期的第一评估数据的方法的流程图。

图8示意性示出了根据本公开实施例的获取对应于第t+1轮监测周期的第二评估数据的方法的流程图。

图9示意性示出了根据本公开实施例的基于基准评估数据和第二评估数据计算异常评估数据的方法的流程图。

图10示意性示出了根据本公开一个具体的示例的异常监测方法的流程图。

图11示意性示出了根据本公开实施例的异常监测装置的结构框图。

图12示意性示出了根据本公开实施例的第一计算模块的结构框图。

图13示意性示出了根据本公开实施例的第一计算模块的结构框图。

图14示意性示出了根据本公开实施例的第一计算模块的结构框图。

图15示意性示出了根据本公开实施例的第一计算模块的结构框图。

图16示意性示出了根据本公开实施例的第三获取模块的结构框图。

图17示意性示出了根据本公开实施例的第二计算模块的结构框图。

图18示意性示出了根据本公开一个具体的示例的异常监测装置的结构框图。

图19示意性示出了根据本公开实施例的适于实现异常监测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)。

在一个典型的场景，例如金融领域的做空交易中。做空交易指对于交易标的物，投资者预期后续市场价格有下跌趋势，先按当前价格卖出开仓，后续价格下跌后买入平仓，赚取中间差价。做空交易也称为先卖后买交易。随着市场价格变化，客户的持仓市值变化，产生浮动盈亏。当市场价格低于成本价格，产生浮盈。当市场价格高于成本价格，产生浮亏。具体的，浮动盈亏＝(成本价格-市场价格)*交易份额。做空交易一般都需要缴纳保证金，并定期进行市值评估。市值评估包括计算客户浮动盈亏，以及计算客户保证金比例。在缴纳保证金时，在不考虑杠杆的情况下，保证金比例为100％，即需要缴纳的保证金，等于开仓时交易份额市值的100％。当客户亏损，保证金比例下降，达到一定的预警比例(如50％)，需要及时提示客户尽快补充保证金，避免交易被强行平仓。保证金比例继续下降，达到强平比例(如20％)，客户交易将被强行平仓，造成客户损失。其中，保证金比例＝保证金净值*100％/(成本价格*交易份额)＝(保证金余额+浮动盈亏)*100％/(成本价格*交易份额)。

目前的市值评估处理机制，使用市值评估处理时点的市场价格进行市值评估。如上午10点进行市值评估，则使用上午10点时刻的市场价格进行市值评估处理。通常会定时在一天内的几个时间点进行市值评估，两次市值评估之间相隔几个小时。由于使用市值评估处理时点的市场价格进行市值评估，结果仅反映市值评估时点的市场价格情况。无法随市场价格变化连续反映市值变化情况，评估结果的连续性不足。并且，一天仅几个时间点进行市值评估，两次市值评估之间相隔几个小时。当市场价格剧烈波动时，可能出现以下情况，造成客户亏损，容易引发客户投诉：上一次市值评估时，客户保证金比例正常。两次市值评估期间，市场价格持续上涨，产生浮动亏损，实际客户保证金比例下降达预警比例，但由于此时未触发市值评估，未进行能及时提示客户补充保证金。市场价格持续上涨，浮动亏损持续增大，实际客户保证金比例持续下降。下一次市值评估时，客户保证金比例达到强平比例，交易被强行平仓。由于未事先预警客户补充保证金，客户交易被强平，造成客户亏损，容易引发客户投诉。另一方面，由于数据处理量较大，如果频繁进行市值评估，会造成计算资源的极大消耗，增加系统的运行压力。

针对现有技术中存在的上述问题，本公开的实施例提供了一种异常监测方法，包括：基于第一获取频率获取监测源数据；基于第二获取频率获取异常波动分析数据，其中，所述异常波动分析数据为所述监测源数据中的元素；基于第一评估数据和所述异常波动分析数据计算监测数据变化度，并基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率，其中，所述第一评估数据基于第t轮监测周期获取，所述第一评估数据为所述监测源数据中的元素，所述t为正整数；其中，所述第t+1轮监测周期的异常监测频率和第t轮监测周期的异常监测频率相同或不同；基于第t+1轮监测周期获取第二评估数据，基于基准评估数据和所述第二评估数据计算异常评估数据；以及当所述异常评估数据达到预设的阈值时，触发异常处理，其中，所述第一获取频率高于所述第二获取频率，所述第二获取频率高于所述异常监测频率。

本公开的实施例提供的方法，在异常监测的过程中，可以基于异常波动分析数据对监测频率进行调整，以平衡监测时效和计算资源的消耗。尤其适用于在数据波动较为剧烈时需进行特殊处理的领域。采用本公开的实施例提供的异常监测方法，可以在及时发现数据异常波动的同时提高系统运行效率，并可有效避免用户损失，提升用户体验。

需要说明的是，本公开实施例提供的异常监测方法、装置、设备、介质和程序产品可用于大数据技术在异常数据监测相关方面，也可用于除大数据技术之外的多种领域，如金融领域等。本公开实施例提供的异常监测方法、装置、设备、介质和程序产品的应用领域不做限定。

以下将结合附图及其说明文字围绕实现本公开的至少一个目的的上述操作进行阐述。

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监测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监测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监测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监测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10对公开实施例的异常监测方法进行详细描述。

如图2所示，该实施例的异常监测方法包括操作S210～操作S260，该异常监测方法可以由处理器执行，也可以由包括处理器的任何电子设备执行。

在操作S210，基于第一获取频率获取监测源数据。

在操作S220，基于第二获取频率获取异常波动分析数据，其中，所述异常波动分析数据为所述监测源数据中的元素。

根据本公开的实施例，监测源数据即为原始大数据，在一般情况下，监测源数据可以基于数据源以第一获取频率获取。例如，监测源数据可以是快速变动的。例如，可以以每秒/次，每分/次的第一获取频率获取。其中，第一获取频率可以是约定的或基于业务规则、专家经验等预先确定的。异常波动分析数据用于监控监测数据的波动情况。应理解，异常波动分析数据是监测数据中的元素。通过第二获取频率获取异常波动分析数据，可以监测固定时间间隔监测数据的变化。其中，第二获取频率可以是低于第一获取频率的。例如，当第一获取频率为每秒/次时，第二获取频率可以是每分/次。在一个例子中，以每秒/次的频率获取源数据，一分钟之内可以获取60个数据。以第60个数据作为异常波动分析数据。则可以比较每隔一分钟数据的波动情况。

在操作S230，基于第一评估数据和所述异常波动分析数据计算监测数据变化度，并基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率，其中，所述第一评估数据基于第t轮监测周期获取，所述第一评估数据为所述监测源数据中的元素，所述t为正整数。其中，所述第t+1轮监测周期的异常监测频率和第t轮监测周期的异常监测频率相同或不同。在本公开的实施例中，其中，所述第一获取频率高于所述第二获取频率，所述第二获取频率高于所述异常监测频率。

在操作S240，基于第t+1轮监测周期获取第二评估数据。

为兼顾监测时效和系统性能，在本公开的实施例中，可以基于监测数据变化度自动调整监测频率。具体的，可以基于第t轮监测周期获取第一评估数据，并基于第一评估数据和所述异常波动分析数据计算监测数据变化度。例如，可以在第t轮监测周期结束时，基于第t轮监测周期内获取的监测源数据获取第一评估数据。进一步，在每一次计算监测数据变化度时，异常波动分析数据的获取时间可以晚于第一评估数据。即，以第一评估数据作为比较基准，比较其后获得的异常波动分析数据与第一评估数据的变化程度，作为监测数据变化度。可以理解，可以在第t轮监测周期结束时获取第一评估数据并进入第t+1轮监测周期。因此，异常波动分析数据和监测数据变化度均获取自第t+1轮监测周期。

如图3所示，该实施例的基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率的方法包括操作S310。

在操作S310，当所述监测数据变化度触发异常监测频率变动条件时，调整第t+1轮监测周期的异常监测频率。

在本公开的实施例中，当监测数据变化度触发异常监测频率变动条件时，调整第t+1轮监测周期的异常监测频率。由此可以理解，当监测数据变化度未触发异常监测频率变动条件时，第t+1轮监测周期的异常监测频率与第t轮监测周期的异常监测频率相同；当监测数据变化度触发异常监测频率变动条件时，第t+1轮监测周期的异常监测频率与第t轮监测周期的异常监测频率不同。类似的，当第t+1轮监测周期结束时，可以基于第t+1轮监测周期内获取的监测源数据获取第二评估数据，以用于后续的异常监测和处理。

其中，异常监测频率变动触发条件可以设置为：当所述监测数据变化度不同于获取第t轮监测周期的异常监测频率时的监测数据变化度时，触发异常监测频率变动。其中，当t为1时，可以设置为当所述监测数据变化度不同于初始预设的监测数据变化度时，触发异常监测频率变动。

可以基于如下规律调整第t+1轮监测周期的异常监测频率：当监测数据变化度减小时，减小第t+1轮监测周期的异常监测频率，减少监测次数，降低计算机处理性能消耗；当监测数据变化度增大时，增加第t+1轮监测周期的异常监测频率，增加监测次数，提高监测时效性，以提高风险的防范和处理能力。

在一些实施例中，为了避免偶然误差及节约计算资源，还可以设置当监测到连续m个时点的监测数据变化度不同于获取第t轮监测周期的异常监测频率时的监测数据变化度时，触发异常监测频率变动。其中，m可以基于专家经验设置，例如，当第二获取频率较高，例如3-5分钟/次时，可以设置m为2-5。

在操作S250，基于基准评估数据和所述第二评估数据计算异常评估数据。

根据本公开的实施例，可以基于第t+1轮监测周期内获取的监测源数据获取第二评估数据。并与基准评估数据比较，以计算异常评估数据。其中，基准评估数据可以预先设定。例如，可以为设定为业务安全评估基础数据，以实现整体业务异常的监控和检验。

在操作S260，当所述异常评估数据达到预设的阈值时，触发异常处理。其中，预设的阈值可以基于专家经验和/或业务规则设定。

如图4所示，该实施例的基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率的方法包括操作S410～S440。

在操作S410，获取第t轮监测周期的第一评估数据。

在操作S420，以所述第一评估数据的获取时间为基点，获取在时间轴上依次移动第二获取频率的时间间隔的整数倍时的异常波动分析数据，所述异常波动分析数据个数为n，所述第二获取频率的时间间隔的整数倍小于第t轮监测周期的时间间隔。

在操作S430，基于所述第一评估数据和第i个异常波动分析数据计算所述监测数据变化度，其中，i遍历取[1，n]中的元素。

如前所述，用于每一次计算监测数据变化度的异常波动分析数据的获取时间晚于第一评估数据的获取时间。在本公开的实施例中，可以基于第二获取频率，按时间轴顺序依次获取n个异常波动分析数据。并依次将每个异常波动分析数据与第一评估数据进行比较，以计算监测数据变化度，直至触发异常监测频率变动条件。其中，n为正整数。应理解，在一般情况下，即不触发异常监测频率变动条件时，第t+1轮监测周期的时间间隔与第t轮监测周期的时间间隔相同。因此，在判断是否调整第t+1轮监测周期的异常监测频率的过程中，获取的异常波动分析数据的时点距离第t轮监测周期的结束时点的时间间隔应小于第t+1轮监测周期的时间间隔，即所述第二获取频率的时间间隔的整数倍小于第t轮监测周期的时间间隔。

在操作S440，获取与所述监测数据变化度对应的预设监测频率。当所述预设监测频率不同于第t轮监测周期的异常监测频率时，调整第t+1轮监测周期的异常监测频率。

根据本公开的实施例，可以预设不同的监测数据变化度对应不同的监测频率。具体的，可以预设在监测数据变化度大时，对应较高的监测频率；在监测数据变化度小时，对应较低的监测频率，以平衡监测时效和计算资源。进一步的，第t+1轮监测周期的异常监测频率默认与第t轮监测周期的异常监测频率相同，直至在第t轮监测周期的时限内，当所获取的监测数据变化度对应的预设监测频率不同于第t轮监测周期的异常监测频率时，说明应调整第t+1轮监测周期的异常监测频率。

具体的，在一些实施例中，当与所述监测数据变化度对应的预设监测频率与第t轮监测周期的异常监测频率相同时，维持第t+1轮监测周期的异常监测频率不变直至所述第t+1轮监测周期结束。

而在另一些实施例中，当与所述监测数据变化度对应的预设监测频率不同于第t轮监测周期的异常监测频率时，结束第t+1轮监测周期。可以理解，当与所述监测数据变化度对应的预设监测频率不同于第t轮监测周期的异常监测频率时，说明异常监测时效应予以调整。在本公开的实施例中，可以基于当前异常波动分析数据，即监测到监测数据变化度对应的预设监测频率不同于第t轮监测周期的异常监测频率时的异常波动分析数据的获取时间标记第t+2轮监测周期的起始时间，并以所述与所述监测数据变化度对应的预设监测频率作为第t+2轮监测周期的异常监测频率。

如图5所示，本公开的一些具体的实施例的基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率的方法包括操作S410～S430，在此不再赘述。

进一步，本公开的一些具体的实施例的方法还包括操作S510～S530，或S510～S520/S540。

在操作S510，获取与所述监测数据变化度对应的预设监测频率。

在操作S520，判断预设监测频率是否与第t轮监测周期的异常监测频率相同。

当与所述监测数据变化度对应的预设监测频率与第t轮监测周期的异常监测频率相同时，执行操作S530。

在操作S530，维持第t+1轮监测周期的异常监测频率不变直至所述第t+1轮监测周期结束。

当与所述监测数据变化度对应的预设监测频率不同于第t轮监测周期的异常监测频率时，执行操作S540。

在操作S540，结束第t+1轮监测周期。基于当前异常波动分析数据的获取时间标记第t+2轮监测周期的起始时间并以所述与所述监测数据变化度对应的预设监测频率作为第t+2轮监测周期的异常监测频率。

如图6所示，该实施例的基于所述第一评估数据和所述异常波动分析数据计算监测数据变化度的方法包括操作S610～S620。

在操作S610，计算所述异常波动分析数据与所述第一评估数据的差值。

在操作S620，计算所述差值与所述第一评估数据的比值，获取所述监测数据变化度。

根据本公开的实施例，可以以异常波动分析数据变动百分比作为监测数据变化度，以衡量监测数据的波动情况，并基于波动情况调整监测频率。具体的，可以基于下式计算所述监测数据变化度：

监测数据变化度＝(异常波动分析数据-第一评估数据)/第一评估数据

如图7所示，本公开的实施例的获取对应于第t轮监测周期的第一评估数据的方法包括操作S710。

在操作S710，以第t轮监测周期结束时的监测源数据为所述第一评估数据。

在本公开的实施例中，遵从监控源数据的时序连续性，可以以第t轮监测周期结束时的监测源数据为所述第一评估数据以计算监测数据变化度。

如图8所示，本公开的实施例的获取对应于第t+1轮监测周期的第二评估数据的方法包括操作S810～S820。

在操作S810，按照时序遍历所述第t+1轮监测周期内的监测源数据。

在操作S820，以所述第t+1轮监测周期内的监测源数据中的极值为所述第二评估数据。

在本公开的实施例中，第t+1轮监测周期内的监测源数据包含多个数据，其基于监测频率获取。为有效衡量异常波动状态，可以按照时序遍历第t+1轮监测周期内的所有监测源数据，并基于业务规则以其中的极值数据作为第二评估数据。进一步，在对监测源数据进行遍历处理后，可以在系统内对已处理过的监测源数据进行标记，减少系统重复计算，节约计算资源。

如图9所示，本公开的实施例的基于基准评估数据和第二评估数据计算异常评估数据的方法包括操作S910～S930。

在操作S910，计算所述第二评估数据和所述基准评估数据的差值。

在操作S920，判断所述差值是否大于零。

当所述差值大于零时，执行操作S930。

在操作S930，基于所述差值和历史风险比较数据计算所述异常评估数据，其中，所述历史风险比较数据基于第t轮监测周期获取。

根据本公开的实施例，异常评估数据计算可以基于业务规则设定。在一些实施例中，可以计算第二评估数据和基准评估数据的差值。当差值大于零时，说明数据波动异常，存在异常风险。此时，可以进一步计算异常评估数据。在一些实施例中，由于数据监测具有时序特点，基于上一轮的监测数据及本轮差值计算异常评估数据。具体的，可以基于第t轮监测周期获取历史风险比较数据，进一步，基于所述差值和历史风险比较数据计算所述异常评估数据。由此，可以较为准确及时地评估每一轮次监测过程中的风险变动情况。

可以理解，在本公开的实施例中，当所述差值小于或等于零时，可以不必进行进一步的计算异常评估数据的处理。

根据本公开的实施例，所述预设的阈值包括阶梯阈值，所述阶梯级数为n，当所述异常评估数据达到第i级阶梯阈值时，以所述第i级阶梯阈值对应的异常处理方法进行所述异常处理。可以理解，在较为复杂的异常监测场景中，可以设置多级风险预警。每一级风险对应于不同的处理方式，以此充分保障业务系统的安全和用户权益。

下面参考图10详细描述根据本公开一个具体的示例的异常监测的方法。值得理解的是，下述描述仅是示例性说明，而不是对本公开的具体限制。

本公开的具体的示例为金融领域中对于做空交易场景下客户盈亏状况的异常监测的方法。在本公开的具体的示例中，通过按时间分段合并处理，市值评估结果可以反映两次评估之间连续时间段的市场价格变化情况，实现市值评估结果反映连续时间段市场价格变化。同时通过分析市场价格变化情况，自动调整选取合适的监测频率。当市场价格变化幅度较大，提高监测频率，增加处理次数，提升监测时效性。当市场价格变化幅度较小，降低监测频率，减少处理次数，减少计算机处理性能消耗。具体地，当市场价格变化时，实时将做空交易的市场价格按报价频率(如每秒一次)记录到价格历史列表。通过市场价格大数据，分析市场价格变化情况，自动调整监测频率。按自动调整的准实时监测频率，按时间递增顺序遍历价格历史列表，从列表中获取截止到当前时间的所有尚未处理过的价格历史记录。对获取的价格历史记录，遍历所有记录，得到这段时间段内的市场最高价格。如果市场最高价格高于成本价，计算出在这段时间段内客户做空交易的最大浮动亏损，以及客户的最低保证金比例。如果最低值达到预警比例，则及时提示客户补充保证金。如果最低值达到强平比例，则提示客户交易将被强平，对客户交易进行强平。

如图10所示，本公开的具体的示例具体提供了一种准实时监测做空交易客户盈亏情况的异常监测方法，包括步骤S201～步骤208。

步骤S201：实时、连续地将做空交易的市场价格变化，按报价频率(即第一获取频率，如每秒一次)时间记录到价格历史列表。

步骤S202：通过市场价格大数据，分析市场价格变化情况，自动调整监测频率(即基于第一评估数据和所述异常波动分析数据计算监测数据变化度，并基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率)。

例如，可以设置以市场价格变化幅度(即监测数据变化度)为调整异常监测频率的观测因子。

以市场价格变化幅度为例，使用上一次市值评估结束时点市场价格(即第一评估数据)，与当前市场价格(即异常波动分析数据)比较，得到市场价格变化幅度。当市场价格变化幅度较大，提高监测频率，增加监测次数，提升监测时效性。当市场价格变化幅度较小，降低监测频率，减少监测次数，从而减少市值评估数据处理量，减少计算机处理性能消耗，提高计算机整体运行效率。

示例性的，市场价格变化幅度、监测频率的对应关系如表1所示：

表1

步骤S203：判断是否已到达监测频率时间间隔。如果已达到，继续S204监测处理。如果未达到，不进行监测处理。

步骤S204：根据监测频率，按时间递增顺序，从登记的价格历史列表进行遍历。从列表中获取从上一次监测到本次监测时间间隔之间所有尚未处理过的价格历史记录。即每次监测所处理的价格历史记录时间段，与监测频率相同，每次处理监测时间间隔的价格历史记录。

步骤S205：遍历所有获取的价格历史记录，得到这段时间段内的市场最高价格(即第二评估数据)，并将所有遍历过的记录标记为已处理。

步骤S206：根据监测频率，根据这段时间段内的市场最高价格，如果市场最高价格高于成本价(即基准评估数据)，计算出在这段时间段内客户做空交易的最大浮动亏损。

最大浮动亏损＝(成本价格-市场最高价格)*交易份额

步骤S207：根据监测频率，根据这段时间段内客户做空交易的最大浮动亏损，计算出在这段时间段内客户做空交易的最低保证金比例。

其中，最低保证金比例＝保证金净值*100％/(成本价格*交易份额)＝(保证金余额+最大浮动亏损)*100％/(成本价格*交易份额)

其中，保证金余额获取自上一轮监测周期，即历史风险比较数据。

步骤S208：判断最低保证金比例(即异常评估数据)，如果达到预警比例(即第一阶梯阈值)，但未达到强平比例(即第二阶梯阈值)，发送通知消息，提示客户补充保证金。如果达到强平比例，发送通知消息，提示客户交易将被强平并对客户交易进行强平。

基于上述异常监测方法，本公开的实施例还提供了一种异常监测装置。以下将结合图11对该装置进行详细描述。

如图11所示，该实施例的异常监测装置1100包括第一获取模块1110、第二获取模块1120，第一计算模块1130，第三获取模块1140，第二计算模块1150和异常处理模块1160。

其中，第一获取模块1110被配置为基于第一获取频率获取监测源数据。

第二获取模块1120被配置为基于第二获取频率获取异常波动分析数据，其中，所述异常波动分析数据为所述监测源数据中的元素。

第一计算模块1130被配置为基于第一评估数据和所述异常波动分析数据计算监测数据变化度，并基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率，其中，所述第一评估数据基于第t轮监测周期获取，所述第一评估数据为所述监测源数据中的元素，所述t为正整数；其中，所述第t+1轮监测周期的异常监测频率和第t轮监测周期的异常监测频率相同或不同。

第三获取模块1140被配置为基于第t+1轮监测周期获取第二评估数据。

第二计算模块1150被配置为基于基准评估数据和所述第二评估数据计算异常评估数据。

异常处理模块1160被配置为当所述异常评估数据达到预设的阈值时，触发异常处理。

根据本公开的实施例，第一计算模块包括触发单元。

如图12所示，该实施例的第一计算模块1130包括触发单元11301。

其中，触发单元11301被配置为当所述监测数据变化度触发异常监测频率变动条件时，调整第t+1轮监测周期的异常监测频率。

根据本公开的实施例，第一计算模块包括第一获取单元，第二获取单元，第一计算单元和第二计算单元。

如图13所示，该实施例的第一计算模块1130包括第一获取单元11302，第二获取单元11303，第一计算单元11304和第二计算单元11305。

其中，第一获取单元11302被配置为获取第t轮监测周期的第一评估数据。

第二获取单元11303被配置为以所述第一评估数据的获取时间为基点，获取在时间轴上依次移动第二获取频率的时间间隔的整数倍时的异常波动分析数据，所述异常波动分析数据个数为n，所述第二获取频率的时间间隔的整数倍小于第t轮监测周期的时间间隔。

第一计算单元11304被配置为基于所述第一评估数据和第i个异常波动分析数据计算所述监测数据变化度，其中，i遍历取[1，n]中的元素。

第二计算单元11305被配置为获取与所述监测数据变化度对应的预设监测频率，当所述预设监测频率不同于第t轮监测周期的异常监测频率时，调整第t+1轮监测周期的异常监测频率。

如图14所示，该实施例的第一计算模块1130包括第三计算单元11306和第四计算单元11307。

其中，第三计算单元11306被配置为计算所述异常波动分析数据与所述第一评估数据的差值。

第四计算单元11307被配置为计算所述差值与所述第一评估数据的比值，获取所述监测数据变化度。

如图15所示，该实施例的第一计算模块1130包括第三获取单元11308。

其中，第三获取单元11308被配置为以第t轮监测周期结束时的监测源数据为所述第一评估数据。

如图16所示，该实施例的第三获取模块1140包括处理单元11401和提取单元11402。

其中，处理单元11401被配置为按照时序遍历所述第t+1轮监测周期内的监测源数据。

提取单元11402被配置为以所述第t+1轮监测周期内的监测源数据中的极值为所述第二评估数据。

如图17所示，该实施例的第二计算模块1150包括第三计算单元11501和第四计算单元11502。

其中，第三计算单元11501被配置为计算所述第二评估数据和所述基准评估数据的差值。

第四计算单元11502被配置为当所述差值大于零时，基于所述差值和历史风险比较数据计算所述异常评估数据，其中，所述历史风险比较数据基于第t轮监测周期获取。

下面参考图18详细描述根据本公开的具体的示例的异常监测装置。值得理解的是，下述描述仅是示例性说明，而不是对本公开的具体限制。

如图18所示，本公开的具体的示例具体提供了一种准实时监测做空交易客户盈亏情况的异常监测装置，其可以用于如图18所示的方法。该具体的示例的准实时监测做空交易客户盈亏情况的装置10包括市场价格登记模块11、市场价格分析模块12、市场价格处理模块13、浮动盈亏计算模块14、保证金比例计算模块15、客户通知发送模块16、强行平仓模块17。

其中，市场价格登记模块11用以支持实时、连续地将做空交易的市场价格变化，按国际市场报价源(如路透等)的报价频率记录到价格历史列表。

市场价格分析模块12用以支持通过市场价格大数据，分析市场价格变化情况，自动调整监测频率。分析模型可以设置市场价格变化幅度、市场价格变化持续时间、市场价格变化频率等观测因子。以市场价格变化幅度为例，使用上一次市值评估结束时点市场价格，与当前市场价格比较，得到市场价格变化幅度。当市场价格变化幅度较大，提高监测频率，增加监测次数，提升监测时效性。当市场价格变化幅度较小，降低监测频率，减少监测次数，从而减少市值评估数据处理量，减少计算机处理性能消耗，提高计算机整体运行效率。

市场价格处理模块13用以根据市场价格分析模块12自动调整的监测频率，按时间递增顺序，从市场价格登记模块11登记的价格历史列表进行遍历。从列表中获取从上一次监测到本次监测时间间隔之间所有尚未处理过的价格历史记录，遍历所有获取的价格历史记录，得到这段时间段内的市场最高价格，并将所有遍历过的记录标记为已处理。即每次监测所处理的价格历史记录时间段，与监测频率相同，每次处理监测时间间隔的价格历史记录。

浮动盈亏计算模块14用以根据市场价格分析模块12自动调整的监测频率，根据市场价格处理模块13提供的这段时间段内的市场最高价格，如果市场最高价格高于成本价，计算出在这段时间段内客户做空交易的最大浮动亏损。

保证金比例计算模块15用以根据市场价格分析模块12自动调整的监测频率，根据浮动盈亏计算模块14提供的这段时间段内客户做空交易的最大浮动亏损，计算出在这段时间段内客户做空交易的最低保证金比例。

客户通知发送模块16用以根据市场价格分析模块12自动调整的监测频率，根据保证金比例计算模块15提供的客户做空交易的最低保证金比例，如果最低保证金比例达到保证金预警比例，发送通知消息，提示客户补充保证金。如果最低保证金比例达到强平比例，发送通知消息，提示客户交易将被强平。

强行平仓模块17用以根据市场价格分析模块12自动调整的监测频率，根据保证金比例计算模块15提供的客户做空交易的最低保证金比例，如果最低保证金比例达到强平比例，对客户交易进行强平。

根据本公开的实施例，第一获取模块1110，第二获取模块1120，第一计算模块1130，第三获取模块1140，第二计算模块1150，异常处理模块1160，触发单元11301，第一获取单元11302，第二获取单元11303，第一计算单元11304，第二计算单元11305，第三计算单元11306，第四计算单元11307，第三获取单元11308，处理单元11401，提取单元11402，第三计算单元11501和第四计算单元11502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1110，第二获取模块1120，第一计算模块1130，第三获取模块1140，第二计算模块1150，异常处理模块1160，触发单元11301，第一获取单元11302，第二获取单元11303，第一计算单元11304，第二计算单元11305，第三计算单元11306，第四计算单元11307，第三获取单元11308，处理单元11401，提取单元11402，第三计算单元11501和第四计算单元11502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1110，第二获取模块1120，第一计算模块1130，第三获取模块1140，第二计算模块1150，异常处理模块1160，触发单元11301，第一获取单元11302，第二获取单元11303，第一计算单元11304，第二计算单元11305，第三计算单元11306，第四计算单元11307，第三获取单元11308，处理单元11401，提取单元11402，第三计算单元11501和第四计算单元11502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。

如图19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

1.一种异常监测方法，其特征在于，包括：

基于第一获取频率获取监测源数据；

基于第二获取频率获取异常波动分析数据，其中，所述异常波动分析数据为所述监测源数据中的元素；

基于第一评估数据和所述异常波动分析数据计算监测数据变化度，并基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率，其中，所述第一评估数据基于第t轮监测周期获取，所述第一评估数据为所述监测源数据中的元素，所述t为正整数；

其中，所述第t+1轮监测周期的异常监测频率和第t轮监测周期的异常监测频率相同或不同；

基于第t+1轮监测周期获取第二评估数据，

基于基准评估数据和所述第二评估数据计算异常评估数据；以及

当所述异常评估数据达到预设的阈值时，触发异常处理，

其中，所述第一获取频率高于所述第二获取频率，所述第二获取频率高于所述异常监测频率。

2.根据权利要求1所述的方法，其中，所述基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率包括：

当所述监测数据变化度触发异常监测频率变动条件时，调整第t+1轮监测周期的异常监测频率，

其中，所述触发异常监测频率变动条件包括：

当所述监测数据变化度不同于获取第t轮监测周期的异常监测频率时的监测数据变化度时，触发异常监测频率变动，其中，t为大于或等于2的整数；

和/或

当t为1时，当所述监测数据变化度不同于初始预设的监测数据变化度时，触发异常监测频率变动。

3.根据权利要求1所述的方法，其中，所述基于所述第一评估数据和所述异常波动分析数据计算监测数据变化度，并基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率包括：

获取第t轮监测周期的第一评估数据；

以所述第一评估数据的获取时间为基点，获取在时间轴上依次移动第二获取频率的时间间隔的整数倍时的异常波动分析数据，所述异常波动分析数据个数为n，所述第二获取频率的时间间隔的整数倍小于第t轮监测周期的时间间隔；

基于所述第一评估数据和第i个异常波动分析数据计算所述监测数据变化度，其中，i遍历取[1，n]中的元素；以及

获取与所述监测数据变化度对应的预设监测频率，当所述预设监测频率不同于第t轮监测周期的异常监测频率时，调整第t+1轮监测周期的异常监测频率。

4.根据权利要求3所述的方法，其中，当与所述监测数据变化度对应的预设监测频率与第t轮监测周期的异常监测频率相同时，维持第t+1轮监测周期的异常监测频率不变直至所述第t+1轮监测周期结束。

5.根据权利要求3所述的方法，其中，当与所述监测数据变化度对应的预设监测频率不同于第t轮监测周期的异常监测频率时，结束第t+1轮监测周期，基于当前异常波动分析数据的获取时间标记第t+2轮监测周期的起始时间并以所述与所述监测数据变化度对应的预设监测频率作为第t+2轮监测周期的异常监测频率。

6.根据权利要求1所述的方法，其中，所述基于所述第一评估数据和所述异常波动分析数据计算监测数据变化度包括：

计算所述异常波动分析数据与所述第一评估数据的差值；以及

计算所述差值与所述第一评估数据的比值，获取所述监测数据变化度。

7.根据权利要求1所述的方法，其中，获取对应于第t轮监测周期的第一评估数据包括：

以第t轮监测周期结束时的监测源数据为所述第一评估数据；

和/或

所述获取对应于第t+1轮监测周期的第二评估数据包括：

按照时序遍历所述第t+1轮监测周期内的监测源数据；以及

以所述第t+1轮监测周期内的监测源数据中的极值为所述第二评估数据。

8.根据权利要求1所述的方法，其中，所述基于基准评估数据和所述第二评估数据计算异常评估数据包括：

计算所述第二评估数据和所述基准评估数据的差值；以及

当所述差值大于零时，基于所述差值和历史风险比较数据计算所述异常评估数据，其中，所述历史风险比较数据基于第t轮监测周期获取。

9.根据权利要求1至8中任一项所述的方法，其中，所述预设的阈值包括阶梯阈值，所述阶梯级数为n，当所述异常评估数据达到第i级阶梯阈值时，以所述第i级阶梯阈值对应的异常处理方法进行所述异常处理。

10.一种异常监测装置，其特征在于，包括：

第一获取模块，配置为基于第一获取频率获取监测源数据；

第二获取模块，配置为基于第二获取频率获取异常波动分析数据，其中，所述异常波动分析数据为所述监测源数据中的元素；

第一计算模块，配置为基于第一评估数据和所述异常波动分析数据计算监测数据变化度，并基于所述监测数据变化度调整第t+1轮监测周期的异常监测频率，其中，所述第一评估数据基于第t轮监测周期获取，所述第一评估数据为所述监测源数据中的元素，所述t为正整数；其中，所述第t+1轮监测周期的异常监测频率和第t轮监测周期的异常监测频率相同或不同；

第三获取模块，配置为基于第t+1轮监测周期获取第二评估数据；

第二计算模块，配置为基于基准评估数据和所述第二评估数据计算异常评估数据；以及

异常处理模块，配置为当所述异常评估数据达到预设的阈值时，触发异常处理；

11.一种电子设备，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1～9中任一项所述的方法。

12.一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1～9中任一项所述的方法。

13.一种计算机程序产品，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1～9中任一项所述的方法。