本申请提供一种异常数据的确定方法、装置、电子设备及介质。该方法在获取异常的目标交易指标对应的多笔交易数据后，每笔交易数据包括多个交易属性数据和目标交易指标对应的交易状态，采用预设分析算法，基于交易状态，对多笔交易数据对应的交易属性数据进行分析，得到各交易属性数据与交易状态间的关联值；根据关联值，确定与异常的目标交易指标关联的异常交易属性数据。该方法通过机器学习确定交易指标异常最相关的交易属性数据，提高了分析的准确率和效率。确率和效率。确率和效率。
【技术实现步骤摘要】
异常数据的确定方法、装置、电子设备及介质
[0001]本申请涉及数据处理
，具体而言，涉及一种异常数据的确定方法、装置、电子设备及介质。
技术介绍
[0002]在互联网金融业务中，交易指标(又称“数据指标”)是否平稳直接影响业务是否能够安全平稳地进行。尤其在其中的风控领域，如何监控交易指标是否异常，并且发现原因，对于能否及时处理起到至关重要的作用。
[0003]目前在交易指标告警发生时，手动对异常交易数据做维度分析：将每条交易数据中的字段提取出来，存到数据库中。数据字段包括但不限于：交易发生时间、响应时间、是否成功、是否响应、源IP地址、目的IP地址、发起方、接收方、交易码、地区码、返回码等交易字段。其中，交易响应时间字段，用于计算一段时间内，多笔交易数据的平均响应时间；是否成功和是否响应这两个字段，分别用于计算成功率、响应率。
[0004]从各种交易字段中选择一个字段作为维度，例如，第一个维度选择源IP地址，则查询出各个源IP地址对应的交易量、成功率、响应率、响应时间等指标；从各个源IP中选择一个或多个，一般选择依据是其指标异常，例如成功率低；再此基础上选择第二个维度，例如目的IP地址，则查询出所选源IP地址对应的所有目的IP地址；同样，从各个目的IP地址中选择一个或多个成功率低的，继续选择下一个维度，例如交易码；依次类推
……
；由此可以从交易中发现与指标异常最相关的维度字段，从而帮助定位故障根源，例如，发生在从某个源IP发往某个目的IP地址的某种交易码的交易成功率低，这样通过人工钻取分析的方法，就能够从全量数据中定位到异常字段。
[0005]然而，交易数据中可能包括成百上千的字段，要从这么多字段中准确定位一次系统故障相关的异常字段，操作非常麻烦，需要一个字段一个字段的排查钻取，查询效率低，且依赖人工进行数据分析，容易出现误判，分析的准确率和效率不高。
技术实现思路
[0006]本申请实施例的目的在于提供一种异常数据的确定方法、装置、电子设备及介质，解决了现有技术存在的上述问题，通过机器学习取代人工操作，提高了时间分析的准确率和效率。
[0007]第一方面，提供了一种异常数据的确定方法，该方法可以包括：
[0008]获取异常的目标交易指标对应的多笔交易数据，每笔交易数据包括多个交易属性数据和所述目标交易指标对应的交易状态；
[0009]采用预设分析算法，基于所述交易状态，对所述多笔交易数据对应的交易属性数据进行分析，得到各交易属性数据与所述交易状态间的关联值；
[0010]根据所述关联值，确定与所述异常的目标交易指标关联的异常交易属性数据。
[0011]在一个可选的实现中，采用预设分析算法，基于所述交易状态，对所述多笔交易数
据对应的交易属性数据进行分析，得到各交易属性数据与所述交易状态间的关联值，包括：
[0012]针对每种交易属性数据，获取所述交易属性数据对应的第一特征向量，所述第一特征向量包括每笔交易数据中所述交易属性数据的存在特征值；
[0013]获取所述交易状态对应的第二特征向量，所述第二特征向量包括每笔交易数据的状态特征值；
[0014]采用随机森林算法，对所述第二特征向量与所述第一特征向量进行分析，得到所述第二特征向量与所述第一特征向量的关联值；
[0015]将所述关联值确定为所述交易属性数据与所述交易状态间的关联值。
[0016]在一个可选的实现中，根据所述关联值，确定与所述异常的目标交易指标关联的异常交易属性数据，包括：
[0017]将所述各交易属性数据与所述交易状态间的关联值进行排序；
[0018]采用拐点算法，对排序后的关联值进行处理，得到所述排序后的关联值中拐点对应的交易属性数据，将所述交易属性数据确定为与所述异常的目标交易指标关联的异常交易属性数据。
[0019]在一个可选的实现中，所述方法还包括：
[0020]通过图形化界面，展示所述排序后的关联值形成的曲线，所述曲线包括拐点对应的异常交易属性数据。
[0021]在一个可选的实现中，所述目标交易指标包括交易成功率、交易响应率或交易响应时间。
[0022]在一个可选的实现中，若所述目标交易指标为交易成功率，则所述交易成功率对应的交易状态包括交易成功率对应的交易成功状态和交易失败状态；
[0023]若所述目标交易指标为交易响应率，则所述交易响应率对应的交易状态包括交易响应状态和交易未响应状态；
[0024]若所述目标交易指标为交易响应时间，则所述交易响应时间对应的交易状态包括所述交易响应时间超过时间阈值的状态和所述交易响应时间不超过所述时间阈值的状态。
[0025]第二方面，提供了一种异常数据的确定装置，该装置可以包括：
[0026]获取单元，用于获取异常的目标交易指标对应的多笔交易数据，每笔交易数据包括多个交易属性数据和所述目标交易指标对应的交易状态；
[0027]分析单元，用于采用预设分析算法，基于所述交易状态，对所述多笔交易数据对应的交易属性数据进行分析，得到各交易属性数据与所述交易状态间的关联值；
[0028]确定单元，用于根据所述关联值，确定与所述异常的目标交易指标关联的异常交易属性数据。
[0029]在一个可选的实现中，所述分析单元，具体用于：
[0030]针对每种交易属性数据，获取所述交易属性数据对应的第一特征向量，所述第一特征向量包括每笔交易数据中所述交易属性数据的存在特征值；
[0031]获取所述交易状态对应的第二特征向量，所述第二特征向量包括每笔交易数据的状态特征值；
[0032]采用随机森林算法，对所述第二特征向量与所述第一特征向量进行分析，得到所述第二特征向量与所述第一特征向量的关联值；
[0033]将所述关联值确定为所述交易属性数据与所述交易状态间的关联值。
[0034]在一个可选的实现中，所述确定单元，具体用于：
[0035]将所述各交易属性数据与所述交易状态间的关联值进行排序；
[0036]采用拐点算法，对排序后的关联值进行处理，得到所述排序后的关联值中拐点对应的交易属性数据，将所述交易属性数据确定为与所述异常的目标交易指标关联的异常交易属性数据。
[0037]在一个可选的实现中，所述装置还包括展示单元；
[0038]所述展示单元，用于通过图形化界面，展示所述排序后的关联值形成的曲线，所述曲线包括拐点对应的异常交易属性数据。
[0039]在一个可选的实现中，所述目标交易指标包括交易成功率、交易响应率或交易响应时间。
[0040]在一个可选的实现中，若所述目标交易指标为交易成功率，则所述交易成功率对应的交易状态包括交易成功率对应的交易成功状态和交易失败状态；
[0041]若所述目标交易指标为交易响应率，则所述交易响应率对应的交易状态包括交易响应状态和交易未响应状态；
[0042]若所述目标交易本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种异常数据的确定方法，其特征在于，所述方法包括：获取异常的目标交易指标对应的多笔交易数据，每笔交易数据包括多个交易属性数据和所述目标交易指标对应的交易状态；采用预设分析算法，基于所述交易状态，对所述多笔交易数据对应的交易属性数据进行分析，得到各交易属性数据与所述交易状态间的关联值；根据所述关联值，确定与所述异常的目标交易指标关联的异常交易属性数据。2.如权利要求1所述的方法，其特征在于，采用预设分析算法，基于所述交易状态，对所述多笔交易数据对应的交易属性数据进行分析，得到各交易属性数据与所述交易状态间的关联值，包括：针对每种交易属性数据，获取所述交易属性数据对应的第一特征向量，所述第一特征向量包括每笔交易数据中所述交易属性数据的存在特征值；获取所述交易状态对应的第二特征向量，所述第二特征向量包括每笔交易数据的状态特征值；采用随机森林算法，对所述第二特征向量与所述第一特征向量进行分析，得到所述第二特征向量与所述第一特征向量的关联值；将所述关联值确定为所述交易属性数据与所述交易状态间的关联值。3.如权利要求1或2所述的方法，其特征在于，根据所述关联值，确定与所述异常的目标交易指标关联的异常交易属性数据，包括：将所述各交易属性数据与所述交易状态间的关联值进行排序；采用拐点算法，对排序后的关联值进行处理，得到所述排序后的关联值中拐点对应的交易属性数据，将所述交易属性数据确定为与所述异常的目标交易指标关联的异常交易属性数据。4.如权利要求3所述的方法，其特征在于，所述方法还包括：通过图形化界面，展示所述排序后的关联值形成的曲线，所述曲线包括拐点对应的异常交易属性数据。5.如权利要求1所述的方法，其特征在于，所述目标交易指标包括交易成功率、交易响应率或交易响应时间。6.如权利要求5所述的方法，其特征在于，若所述目标交易指标为交易成功率，则所述交易成功率对应的交易状态包括交易成功率...
【专利技术属性】
技术研发人员：刘容辉，
申请(专利权)人：华青融天北京软件股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。