提供一种异常检测方法及其相关装置，涉及金融领域。该方法包括：对第一时段的数据进行降维处理，得到降维后的数据；第一时段的数据与第一时段内的交易量相关，第一时段的数据包括N个指标在第一时段的真实值，降维后的数据包括N个指标中的M个指标在第一时段的真实值，M＜N，N≥3，N、M为正整数；利用小波分析法对降维后的数据进行分析，确定出高频数据；基于高频数据确定M个指标中每个指标在第二时段的预测值，第二时段处于第一时段之后；在第二时段至少有一个指标的真实值与预测值之差大于或等于预设阈值时，确定第二时段的数据异常，第二时段的数据包括M个指标的真实值。能够自动检测交易是否存在异常，提高异常检测的准确度。度。度。
【技术实现步骤摘要】
一种异常检测方法及其相关装置
[0001]本申请涉及金融领域，尤其涉及一种异常检测方法及其相关装置。
技术介绍
[0002]随着互联网的蓬勃发展，金融交易可以划分为多种交易类型，例如，聚合交易、回款交易、签约交易、非现金交易等等。当前各种交易类型的交易是否异常主要是靠运维人员凭借个人经验，人为地判断交易是否异常。在这种方式中，有时会存在各种各样的因素影响运维人员的判断，存在检测不准确的情况。
[0003]因此，希望提供一种方法，能够提高异常检测的准确度。
技术实现思路
[0004]本申请提供一种异常检测方法及其相关装置，以期提高异常检测的准确度。
[0005]第一方面，本申请提供一种异常检测方法，该方法包括：对第一时段的数据进行降维处理，得到降维后的数据；其中，所述第一时段的数据与所述第一时段内的交易量相关，所述第一时段的数据包括N个指标在所述第一时段的真实值，所述降维后的数据包括所述N个指标中的M个指标在所述第一时段的真实值，M＜N，N≥3，N、M为正整数；利用小波分析法对所述降维后的数据进行分析，确定出高频数据；基于所述高频数据确定所述M个指标中每个指标在第二时段的预测值，所述第二时段处于所述第一时段之后；在所述第二时段至少有一个指标的真实值与预测值之差大于或等于预设阈值时，确定所述第二时段的数据异常，所述第二时段的数据包括所述M个指标的真实值。
[0006]基于上述方案，基于与第一时段交易量相关的数据来预测第二时段的交易量相关数据，进而在第二时段的真实值与预测值的差异较大时，确定第二时段的数据异常。如此可以实现自动化的交易异常检测，减少人工成本，避免外界因素对运维人员的影响，有利于提高检测的准确度。此外，由于对第一时段的数据进行了降维处理，从中提取出较优的特征数据，进而提取出高频数据，基于高频数据来确定第二时段的预测值。降维后提取出的高频数据排除了一些复杂的指标的数据突变、骤变等随机抖动因素的影响，能够很好地反应数据变化趋势，是较优的特征数据。基于较优的特征数据进行预测，既有利于提高预测的准确度，又可以减小预测过程的数据处理量。
[0007]可选地，所述对第一时段的数据进行降维处理，得到降维后的数据，包括：利用主成分分析(principal component analysis，PCA)法和随机森林算法对所述第一时段的数据进行降维，得到所述降维后的数据。
[0008]可选地，基于所述高频数据确定所述M个指标中每个指标在第二时段的预测值，包括：利用长短记忆(long
‑
short term memory，LSTM)神经网络基于所述高频数据确定所述M个指标中每个指标在所述第二时段的预测交易量。
[0009]可选地，所述预设阈值包括与所述M个指标中每个指标对应的统计值，每个指标对应的统计值由所述第二时段内所述每个指标的真实值与预测值确定。
[0010]可选地，所述统计值为标准差σ的整数倍；其中，N表示所述第二时段包含的统计周期的个数，x
i
表示N个统计周期中第i个统计周期的实时交易量，y
i
表示第i个统计周期的预测交易量。
[0011]可选地，所述统计周期与指标相关，每个指标对应一类统计周期。
[0012]可选地，所述N个指标包括以下一项或多项：交易量的周环比、交易量的周同比、交易量的天环比、交易量的天同比、1分钟内的交易量峰值、1分钟内的交易量均值、1秒钟内的交易量峰值、1秒钟内的交易量均值。
[0013]可选地，所述交易量为：聚合交易的交易量、回款交易的交易量、签约交易的交易量或非现金交易的交易量。
[0014]第二方面，本申请提供一种异常检测装置，该装置包括：降维模块、分析模块、预测模块和确定模块，所述降维模块用于对第一时段的数据进行降维处理，得到降维后的数据；其中，所述第一时段的数据与所述第一时段内的交易量相关，所述第一时段的数据包括N个指标在所述第一时段的真实值，所述降维后的数据包括所述N个指标中的M个指标在所述第一时段的真实值，M＜N，N≥3，N、M为正整数；所述分析模块用于利用小波分析法对所述降维后的数据进行分析，确定出高频数据；所述预测模块用于基于所述高频数据确定所述M个指标中每个指标在第二时段的预测值，所述第二时段处于所述第一时段之后；所述确定模块用于在所述第二时段至少有一个指标的真实值与预测值之差大于或等于预设阈值时，确定所述第二时段的数据异常，所述第二时段的数据包括所述M个指标的真实值。
[0015]第三方面，本申请提供一种异常检测装置，该装置包括处理器，该处理器与存储器耦合，用于执行存储器中的计算机程序(也可以称为代码或指令)，以实现第一方面以及第一方面中任一种可能实现方式中的方法。
[0016]可选地，所述异常检测装置还可以包括存储器，用于存储计算机程序(也可以称为代码或指令)，所述处理器读取所述计算机程序使得所述异常检测装置可以实现上述第一方面以及第一方面任一种可能实现方式中所述的方法。
[0017]可选地，所述异常检测装置还可以包括通信接口，所述通信接口用于该异常检测装置与其它设备进行通信，示例性地，通信接口可以是收发器、电路、总线、模块或其它类型的通信接口。
[0018]第四方面，本申请提供了一种芯片系统，该芯片系统包括至少一个处理器，用于支持实现上述第一方面以及第一方面任一种可能实现方式中所涉及的功能，例如，例如处理上述方法中所涉及的数据。
[0019]在一种可能的设计中，所述芯片系统还包括存储器，所述存储器用于保存程序指令和数据，存储器位于处理器之内或处理器之外。
[0020]该芯片系统可以由芯片构成，也可以包含芯片和其它分立器件。
[0021]第五方面，本申请提供了一种计算机可读存储介质，所述存储介质中存储有计算机程序(也可以称为代码或指令)，当所述计算机程序被计算机执行时，使得计算机实现第一方面以及第一方面任一种可能实现方式中的方法。
[0022]第六方面，本申请提供了一种计算机程序产品，所述计算机程序产品包括：计算机
程序(也可以称为代码或指令)，当所述计算机程序被运行时，使得上述第一方面以及第一方面中任一种可能实现方式中的方法被执行。
[0023]应理解，本申请的第二方面至第六方面与本申请的第一方面的技术方案相对应，各方面及对应的可行实施方式所取得的有益效果相似，不再赘述。
[0024]还应理解，本申请提供的异常检测方法及其相关装置可应用于金融领域，也可应用于其他领域。本申请对此不作限定。
附图说明
[0025]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0026]图1为适用于本申请实施例提供的异常检测方法的应用场景示意图；
[0027]图2为本申请实施例提供的一种异常检测方法的示意性流程图；
[0028]图3为本申请实施例提供的一种异常检测装置的示意性框本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种异常检测方法，其特征在于，所述方法包括：对第一时段的数据进行降维处理，得到降维后的数据；其中，所述第一时段的数据与所述第一时段内的交易量相关，所述第一时段的数据包括N个指标在所述第一时段的真实值，所述降维后的数据包括所述N个指标中的M个指标在所述第一时段的真实值，M＜N，N≥3，N、M为正整数；利用小波分析法对所述降维后的数据进行分析，确定出高频数据；基于所述高频数据确定所述M个指标中每个指标在第二时段的预测值，所述第二时段处于所述第一时段之后；在所述第二时段至少有一个指标的真实值与预测值之差大于或等于预设阈值时，确定所述第二时段的数据异常，所述第二时段的数据包括所述M个指标的真实值。2.权利要求1所述的方法，其特征在于，所述对第一时段的数据进行降维处理，得到降维后的数据，包括：利用主成分分析法和随机森林算法对所述第一时段的数据进行降维，得到所述降维后的数据。3.如权利要求1所述的方法，其特征在于，所述基于所述高频数据确定所述M个指标中每个指标在第二时段的预测值，包括：利用长短记忆神经网络基于所述高频数据确定所述M个指标中每个指标在所述第二时段的预测交易量。4.如权利要求1所述的方法，其特征在于，所述预设阈值包括与所述M个指标中每个指标对应的统计值，每个指标对应的统计值由所述第二时段内所述每个指标的真实值与预测值确定。5.如权利要求4所述的方法，其特征在于，所述统计值为标准差σ的整数倍；其中，N表示所述第二时段包含的统计周期的个数，x
i
表示N个统计周期中第i个统计周期的实时交易量，y
i
表示第i个统计周期的预测交易量。6.如权利要求5所述的方法，其特征在于，所述统计周期的时长与指标相关，每个指标对应...
【专利技术属性】
技术研发人员：程鹏，白佳乐，任政，郑杰，
申请(专利权)人：中国工商银行股份有限公司，
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。